Multispectral multi-temporal crop cover classificationover türki̇ye using random forest algorithm
Rastgele orman algoritması kullanılarak türkiyeüzerinde multispektral ve çok zamanlı tarım ürünüörtüsü sınıflandırması
- Tez No: 760063
- Danışmanlar: DOÇ. DR. MUSTAFA TUĞRUL YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: İnşaat Mühendisliği Bilim Dalı
- Sayfa Sayısı: 104
Özet
Doğru tarımsal mahsul örtüsü haritaları, su kaynakları yönetimi, mahsul verimi tahmini, gıda güvenliği değerlendirmesi, sigorta poliçelerinin düzenlenmesi ve iklim değişikliğinin etkilerinin araştırılması gibi birçok farklı açıdan faydalıdır. Bu tezde Türkiye genelinde tarımsal ürün haritalaması yapılmıştır. 15 Mart 2019 ile 15 Ekim 2019 arasında elde edilen 10 metre uzamsal çözünürlüğe sahip Sentinel-2 Level-2A görüntüleri, sınıflandırma için 15 günlük medyan görüntülere indirgenmiştir. Spektral bantlara ek olarak Normalize Edilmiş Bitki İndeksi (NDVI) ve Normalize Edilmiş Su İndeksi (NDWI) sınıflandırma öznitelikleri olarak kullanılmıştır. ERA5- Land aylık ortalamalarının 1999-2019 yılları arasındaki ortalaması alınmıştır ve buna göre çalışma alanını düşük, orta ve yüksek sıcaklık bölgeleri olarak üç sıcaklık bölgesine bölünmüştür. Sınıflandırmadan önce Rastgele Orman Önem algoritması kullanılarak en başarılı sınıflandırma öznitelikleri bulunmuştur. Öznitelik seçiminden sonra her sıcaklık bölgesi için bir Rastgele Orman sınıflandırma algoritması oluşturulmuştur. Düşük sıcaklık bölgesi, 17 arazi örtüsü sınıfı için 0.88 Kappa katsayısı ile %89 Genel Doğruluğa, orta sıcaklık bölgesi ise, 35 arazi örtüsü sınıfı için 0.92 Kappa katsayısı ile %91 Genel Doğruluğa ulaşmıştır. Son olarak, yüksek sıcaklık bölgesi, sınıflandırıcılar arasında en iyi doğruluğu vererek 34 arazi örtüsü sınıfı için 0.94 Kappa katsayısı ile %94 genel doğruluğa ulaşmıştır. Son olarak, sıcaklık bölgelerinin test setleri birleştirilmiş ve tüm test verisi için 0.93 Kappa katsayısı ile %92 Genel Doğruluk elde edilmiştir. Sıcaklık bölgelerinin avantajını test etmek için, sıcaklık bölgeleri olmadan da sınıflandırma yapılmış ve sıcaklık bölgelerinin genel doğruluğu ve Kappa katsayısını %1 oranında arttırdığı gözlemlemiştir. Daha sonra bu sınıflandırıcılar kullanılarak 34 tarımsal ürün sınıfı ve 6 tarım dışı sınıf içeren bir arazi örtüsü haritası oluşturulmuştur.
Özet (Çeviri)
Accurate crop cover maps are beneficial for various aspects like water resources management, crop yield prediction, regulation insurance policies, and investigation of the effects of climate change. In this thesis, agricultural crop mapping is performed over Türkiye. Sentinel-2 Level-2A images with 10-meter spatial resolution acquired between March 15, 2019, and October 15, 2019, are reduced to 15-day median images. In addition to spectral bands, Normalized Difference Vegetation Index (NDVI) and Normalized Difference Water Index (NDWI) are used as classification features. Twenty years of ERA5-Land 2-meter temperature data is averaged to divide the study area into three temperature zones as Low (LTZ), Medium (MTZ), and High-Temperature Zones (HTZ). Before the classification, feature selection using random forest importance is performed to select the most successful features. After that, a random forest classifier is created for each temperature zone. LTZ reached 89% overall accuracy (OA) with a 0.88 Kappa. MTZ reached 91% OA with 0.92 Kappa, and HTZ reached 94% OA with 0.94 Kappa, giving the best accuracy among the classifiers. Finally, test sets of all temperature zones are combined, and OA of 92% with a Kappa of 0.93 is achieved with this combined test set. To test the advantage of temperature zoning, classification is also performed without the temperature zones, and it is observed that temperature zoning increases the OA and Kappa by 1%. A land cover classification map is then created using temperature zone classifiers with 34 crop classes and six non-agricultural classes.
Benzer Tezler
- İHA tabanlı NDVI ile mısır bitkisinin verim tahmini
Yield estimation of corn plant with UAV-based NDVI
MUSTAFA ÖZKAN
Yüksek Lisans
Türkçe
2024
Jeodezi ve FotogrametriHarran ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİZAR POLAT
- Deep metric learning applied to crop classification from multi-spectral multi-temporal remote sensing data
Derin metrik öğrenmenin çoklu-zamanlı ve çoklu-bantlı uzaktan algılanmış verilerden tarım ürünü sınıflandırmaya uygulanması
MERVE BOZO
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Integration of optical and synthetic aperture radar imagery for improving crop mapping
Ürün deseni haritası üretimini iyileştirmek üzere optik ve sentetik açıklıklı radar görüntülerinin entegrasyonu
ROUHOLLAH NASIRZADEHDIZAJI
Doktora
İngilizce
2020
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. FÜSUN BALIK ŞANLI
PROF. DR. ZİYADİN ÇAKIR
- Aiding agricultural practices with the exploration of earth observation data via machine learning
Yer gözlem uydu verilerinin tarımsal uygulamalara yardımcı olmak amacıya makine öğrenme algoritmaları ile incelenmesi
MEHMET FURKAN ÇELİK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ESRA ERTEN
- A segment-based approach to classify agricultural lands using multi-temporal Kompsat-2 and Envisat ASAT data
Tarım alanlarının çok tarihli Kompsat-2 ve Envisat ASAR görüntüleri kullanılarak sınıflandırılmasında bölüt tabanlı bir yaklaşım
ASLI ÖZDARICI OK
Doktora
İngilizce
2012
Jeodezi ve FotogrametriOrta Doğu Teknik ÜniversitesiJeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
DOÇ. DR. ZUHAL AKYÜREK