Geri Dön

Estimating the area of croplands and estimating each crop's area using remote sensing and machine learning

Uzaktan algılama ve makine öğrenimi kullanılarak ekim arazisinin ve her bir ekin alanının tahmini

PDF İndir

  1. Tez No: 767023
  2. Yazar: MOSTAFA AHMAD JABLAWI
  3. Danışmanlar: PROF. DR. SEMA KAYHAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Ekim alanları, Hiperspektral görüntüleme, Makine öğrenmesi, Uzaktan algılama, Sowing areas, Hyperspectral imaging, Machine learning, Remote sensing
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Gaziantep Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tezde, ekili alanların alanı ve her bir ürünün alanı, makine öğrenme algoritmalarından biri olan Maksimum Olabilirlik Sınıflandırıcısı (MLC) kullanılarak, uzaktan algılama görüntüsünden tahmin edilmektedir. Ekili alanları sınıflandırmak için buğday, fasulye ve çörek otu, diğer bitkiler, kentsel ve nadas olmak üzere 6 sınıf kullanılmıştır. Sahadan arazi-doğrulama GPS eğitim noktaları toplanılıp arazi-doğrulama noktalarına bağlı olarak yetmiş çokgen çizilmiştir. Bu çokgenler, çalışma alanını sınıflandırmak için, çalışma alanıyla birlikte Maksimum Olabilirlik Sınıflandırıcısına girdi olarak kullanılmıştır. Doğruluk değerlendirmesini hesaplamak ve karışıklık matrisi oluşturmak için çalışma alanının üzerinde yüz elli rastgele GPS test noktası oluşturulmuştur. Elde ettiğimiz genel doğruluk %82 olup (kullanıcı doğrulukları, üretici Doğrulukları) her bir sınıf için doğruluk değeri şu şekildedir: buğday (%83,3, %90,9), fasulye (%90,9, %71,4), çörek otu (%81,8, %94,7), diğer -bitkiler (%79,3, %65,7), kentsel (%82,4, %73,7) ve nadas (%80,9, %92,7). Her bir sınıf için tahmin edilen alanlar ise şu şekildedir: buğday 14,881 km2, fasulye 3,614 km2, çörek otu 13,34 km2, diğer bitkiler 20,77 km2, kentsel 14,54 km2 ve 35,23 km2 nadas. Toplam ekilmeyen alan 49,77 km2, ekili alan ise 52,61 km2 dir. Bu çalışmada, ayrıca MLE sınıflandırma sonuçları diğer makine öğrenimi algoritmaları; Vektör Makinesini (SVM) ve Rastgele Ağaçları (RT) algoritmalarının sonuçları ile karşılaştırılmış ve MLE algoritmasının diğer yöntemlere göre çok daha iyi sonuçlar verdiği görülmüştür.

Özet (Çeviri)

In this thesis, the area of croplands and each crop's area are estimated from a remote sensing hyperspectral image of the sentinel-2 satellite using one of the well-known machine learning algorithms, Maximum Likelihood Classifier (MLC). Wheat, beans, nigella, other plants, urban, and fallow are the classes we selected to classify the study area. Our study area locates in North-west Syria. We collected ground-truth GPS points, and we drew seventy polygons depending on them. Each polygon's pixels represent the same class. These polygons are used as input to MLC. We generated one hundred and fifty random GPS test points above the study area to calculate accuracy. The overall accuracy is 82% and (user accuracies, producer Accuracies) for classes are: wheat (83.3%, 90.9%), beans (90.9%, 71.4%), nigella (81.8%, 94.7%), other plants (79.3%, 65.7%), urban (82.4%, 73.7%), and fallow (80.9%, 92.7%). The estimated areas for classes are wheat 14.881 km2, beans 3.614 km2, nigella 13.34 km2, other plants 20.77 km2, urban 14.54 km2, and fallow 35.23 km2. The total uncultivated area is 49.77 km2, whereas the cultivated area is 52.61 km2. In this study, the MLC results are also compared with Support Vector Machine (SVM) and Random Trees (RT) results, and we found that the MLC algorithm gives much better results than other methods.

Benzer Tezler

  1. Tez No

    562083

    Türkiye'deki organik tarım ürünlerinin zaman serileri ile analizi

    Time series analysis of organic agriculture products in Turkey

    MERAL ŞENYÜZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İşletmeİstanbul Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. ÇİĞDEM ARICIGİL ÇİLAN

  2. Tez No

    607190

    Estimation of evapotranspiration over Harran Plain using SEBS model

    SEBS modeli kullanarak Harran Ovası üzerinde buharlaşma –terleme tahmini

    MARYAM SAFARI

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Ziraatİstanbul Teknik Üniversitesi

    İklim ve Deniz Bilimleri Ana Bilim Dalı

    PROF. DR. ÖMER LÜTFİ ŞEN

  3. Tez No

    714246

    Arazi kullanım değişikliğinin Bursa, Karacabey longoz ormanlarının toprak organik karbon ve toplam azot stok oranlarına etkileri

    The effects of land use change on soil organic carbon and total nitrogen stock ratios of Bursa, Karacabey longoz forests

    DERYA ÖZÇELİK AYGÜN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Ormancılık ve Orman MühendisliğiBursa Teknik Üniversitesi

    Orman Mühendisliği Ana Bilim Dalı

    PROF. DR. TEMEL SARIYILDIZ

  4. Tez No

    76008

    Effects of land use practices on steppe plant biodiversity implications for in situ conservation

    Arazi kullanım şekillerinin bozkır bitki biyolojik çeşitliliği üzerine etkisi: In situ koruma için uygulamalar

    UĞUR ZEYDANLI

    Yüksek Lisans

    İngilizce

    İngilizce

    1998

    BiyolojiOrta Doğu Teknik Üniversitesi

    Biyolojik Bilimler Ana Bilim Dalı

    PROF. DR. ZEKİ KAYA

  5. Tez No

    800223

    Agrivoltaik sistemler ile elektrikli traktörleri şarj etmek için doğru arazilerin saptanması

    Determining the right lands to charge electric tractors with agrivoltaics

    SAMED PEKDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilimi ve Teknolojileri Ana Bilim Dalı

    PROF. DR. İLHAN KOCAARSLAN

Geri Dön