Geri Dön

Makine öğrenimi tabanlı sınıflandırma yöntemleri kullanılarak çay bahçelerinin belirlenmesi

Identifying tea gardens using machine learning based classification methods

PDF İndir

  1. Tez No: 782878
  2. Yazar: BURCU SÜSLÜ ALGÜR
  3. Danışmanlar: PROF. DR. ELİF SERTEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Jeodezi ve Fotogrametri, Ziraat, Geodesy and Photogrammetry, Agriculture
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Geomatik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 123

Özet

Uzaktan algılama teknolojileri, sağladığı farklı mekansal, spektral, radyometrik ve zamansal çözünürlükteki görüntüler, sinoptik görüş imkanı, arşiv veri erişebilirliği ve çok kısa veri toplama süresi ile bilimsel araştırma ve uygulamalara yönelik olarak doğru ve güvenilir bir bilgi kaynağıdır. Son yıllarda, dünya nüfusundaki hızlı artışla birlikte artan gıda arzı, tarım sektörünün önemini arttırmakta ve ülkeler için tarım politikaları geliştirmeyi bir ihtiyaç haline getirmektedir. Ülkelerin ekonomisinde önemli yeri olan tarımın, etkili bir şekilde yönetilmesi için; toprağın korunması, tarımsal ürünlerinin belirlenmesi ve izlenmesi, tarım alanlarının doğru ve etkin biçimde planlanması gerekmektedir. Ulusal ve çok uluslu tarım ajansları, sigorta kurumları ve bölgesel tarım kuruluşları gibi kuruluşlar tarafından belirli alanlarda hangi ürünlerin hangi zaman aralıklarında yetiştirildiğine dair hazırlanan envanterler ve ürün çeşitliliği haritaları tarım politikalarında önemli bir yere sahiptir. Dünyada sudan sonra fazla tüketilen içecek olan çayın, 48 farklı ülkede tarımı yapılmaktadır. Türkiye, dünyada en fazla çaylık alana sahip sekizinci ülke konumundadır. Ülkemizde, Karadeniz bölgesinde yapılan tarımın büyük kısmını oluşturan çay tarımı, bu bölgenin ekonomisi için büyük öneme sahiptir. Öyle ki, çay üreticilerine devlet destekleri sağlanmakta, periyodik olarak gençleştirme budaması için çiftçilere tazminat ödemesi sağlanmaktadır. Türkiye çay sektörünün en büyük kuruluşlarından biri olan olan, Çay İşletmeleri Genel Müdürlüğü (ÇAYKUR); Rize il merkezindedir. Çay, bol yağış isteyen bir bitki olduğundan üretiminin yapıldığı alanlar sınırlıdır. Ülkemizde, yılın sadece 6 ayı çay üretimi yapılmaktadır. Ülkemizin yaş çay üretiminin yaklaşık üçte ikisini sağlayan Rize, iklimi itibari ile, çay bitkisinde üç sürgün hasadının yapılmasına elverişlidir. Rize bölgesinde çiçeklenme Ağustos ayında başlar ve Aralık ayının sonunda sona ermektedir. Yaş çay tarımı yaklaşık 50 hektarlık alanda yapılmakta ve yılda ortalama 1.2 milyon ton yaş çay mahsülü alınmaktadır. Üreticiler, ruhsatlı çay bahçelerinde her sene yedide bir oran olmak üzere gençleştirme budaması işlemi gerçekleştirmektir. ÇAYKUR tarafından kontrol edilen budama işlemlerinde üreticilere; teknik şartları yerine getirmesi halinde, devlet tarafından tazminat ödemesi yapılmaktadır. Bu nedenle, çay bahçelerinin mekansal dağılımlarının bilinmesinin yanında, budanmış çay bahçelerinin belirlenmesi ve takip edilmesi ilgili kurumlar için kritik önem taşımaktadır. Bu araştırma kapsamında, Rize ili Fındıklı ilçesi olarak belirlenen çalışma alanındaki çay bahçelerinin belirlenmesi amaçlanmıştır. Ekim 2009'da fırlatılan Worldview-2 uydusu; ilk çok yüksek çözünürlüklü 8 bantlı multispektral ticari uydu olmakla birlikte, pankromatik görüntülerde 46 cm mekansal çözünürlüklü ve multispektral görüntülerde 1.85 m mekansal çözünürlüklü veri sağlamaktadır. Bu çalışmada, 19 Mayıs 2018 tarihli 46 cm çözünürlüklü 8 adet spektral banda (MS: 1.8 m) ve 1 adet çok yüksek mekansal çözünürlüklü pankromatik banda (PAN: 0.46m) sahip Worldview-2 uydu görüntüsü ile 18 Mayıs 2018 tarihli 13 adet spektral banda sahip yüksek çözünürlüklü Sentinel-2 uydu görüntüsü kullanılmıştır. Sınıflandırma çalışmalarında çalışma hedefine bağlı olarak uygun sınıfların belirlenmesi dikkat edilmesi gereken bir husustur. Bu nedenle, çalışma alanı çay, budanmış çay, orman, yerleşim, dere ve gölge olmak üzere 6 sınıfa ayrılmıştır. Budanmış çay olarak belirlenen sınıf çay bahçelerinde periyodik olarak budanan alanları temsil etmekte ve her sene budanan tarla bölümü değişmektedir. PAN-keskinleştirme işlemi uygulanmış Worldview-2 uydu görüntüsü üzerinden belirlenen sınıfların alanları QGIS programı kullanılarak sayısallaştırılmış, %70'i eğitim verisi olarak kullanılacak şekilde rastgele seçilmiştir. Rastgele seçilen poligonlar üzerinde her bir sınıf için yaklaşık aynı sayıda olacak şekilde rastgele noktalar oluşturulmuştur. Rastgele Orman (RO), Sınıflandırma ve Regresyon Ağaçları (CART) ve Gradyan Artırma Karar Ağaçları (GBDT) gibi farklı makine öğrenimi algoritmaları sınıflandırma işlemlerinde kullanılmış ve bu algoritmaların performansı değerlendirilmiştir. Farklı mekansal çözünürlüklü uydu görüntülerinin çay alanlarının sınıflandırılma doğruluğuna etkisinin araştırılmasının yanı sıra, uydu görüntülerindeki farklı multispektral bant kombinasyonlarının, bantlardan elde edilen bitki indekslerinin ve doku özelliklerinin sınıflandırma doğruluğu üzerindeki etkisi de araştırılmıştır. Mekansal çözünürlüğün sınıflandırma doğruluğu üzerindeki etkisinin irdelenmesi amacıyla ücretsiz sağlanan Sentinel-2 görüntüsü çalışmaya dahil edilmiştir. Çalışma kapsamında, QGIS programı kullanılarak rastgele olarak oluşturulan eğitim ve test noktaları, GEE platformuna aktarılmış, sınıflandırma ve doğruluk analizleri bu platformda tamamlanmıştır. Google Earth Engine(GEE), bulut tabanlı bir platform olup, araştırmacılara farklı uzaktan algılama verilerini indirmeye gerek olmaksızın, hızlı bir uygulama alanı sağlamaktadır. Özellikle çok yüksek çözünürlüklü veya çok zamanlı uzaktan algılama verileri ile çalışılırken karşılaşılan depolama ve işlem yükü sorunu GEE ara yüzündeki kod editörü ile oldukça kolaylaşmaktadır. Sayılan bu nedenlerden ötürü, çalışmalar GEE kod editörü üzerinde gerçekleştirilmiştir. Çok yüksek ve yüksek çözünürlüklü pek çok ticari uydu, örneğin Pleiades, Planet Scope ve GaoFen-2, dört farklı spektral bölgede algılama yapacak şekilde tasarlanmıştır. Bu kapsamda en çok kullanılan çok spektrumlu bantlar, kırmızı, yeşil, mavi ve yakın kızılötesidir. Fakat, Worldview-2 uydusu hem çok yüksek mekansal çözünürlüğe sahip olup hem de sekiz adet spektral bant içermektedir. Bu çalışma kapsamında, Worldview-2 sınıflandırma sonuçlarını diğer uydular ile kıyaslamak için kırmızı, yeşil, mavi ve yakın kızılötesi bantlarını içeren bir kombinasyon; Worldview-2 uydusunda bulunan diğer bantların katkılarını incelemek için ise sekiz spektral bandı içeren ikinci bir kombinasyon oluşturularak sınıflandırma işlemleri gerçekleştirilmiştir. Multispektral bantlar kullanılarak hesaplanan Normalize Edilmiş Bitki İndeksi (NDVI), Zenginleştirilmiş Bitki İndeksi (EVI), Toprakla Düzeltilmiş Bitki Örtüsü İndeksi (SAVI) vb. farklı on adet vejetasyon indeksleri ile yakın kızılötesi bandı kullanılarak elde edilen kontrast, açısal ikinci moment, korelasyon vb. sekiz adet doku özellikleri de deney senaryolarına eklenmiştir. Belirlenen 14 deney senaryosu RO, CART ve GBDT algoritmaları ile sınıflandırılarak toplamda 42 deney gerçekleştirilmiştir. GBDT algoritması kullanılarak; kırmızı (R), yeşil (G), mavi (B) ve kırmızı kenar (RE) kombinasyonları ile oluşturulan deney senaryosu %86 ile 4 Band içeren deney senaryoları arasında en yüksek genel doğruluk değerini göstermiştir. Ancak, RO algoritması ile GBDT algoritma sonuçları arasında dramatik bir fark gözlemlenmemiş, sonuçlar genelde benzerlik göstermiştir. Çalışma genelinde yapılan tüm deneylerde, elde edilen en yüksek doğruluk, %90 genel doğruluk değeri ile RO algoritması ve Worldview-2 uydu görüntüsü; tüm spektral bant, vetejasyon indeks ve doku özelliklerinin kullanıldığı deney senaryosu ile elde edilmiştir. Sentinel-2 görüntüsü kullanılan deneylerde, arazi yapısı düşünüldüğünde beklenildiği gibi elde edilen en yüksek genel doğruluk değeri %50'dir. Bu nedenle, çay bahçelerinin belirlenmesinde S2 uydu görüntüsü kullanımının, çalışma amacı doğrultusunda; yeterli doğruluk sağlamadığı görülmüştür. Tüm sonuçlar incelendiğinde, sınıflandırmaya dahil edilen vejetasyon indeksleri ve GLCM doku özelliklerinin doğruluğu arttırdığı tespit edilmiş, GLCM doku özelliklerinin sınıflandırma doğruluğu üzerinde daha fazla etkiye sahip olduğu görülmüştür. Ancak, istatistiksel olarak en yüksek doğruluğu gösterse elde edilen görüntüler görsel olarak yorumlandığında; orman sınıfı ile çay sınıfının ve yerleşim sınıfın dere ve budanmış çay sınıfları ile karışma durumuna sık rastlandığı belirlenmiştir.

Özet (Çeviri)

Remote sensing technologies are an accurate and reliable source of information for scientific research and applications with images with different spatial, spectral radiometric and temporal resolutions, synoptic view, archive data accessibility and very short data collection time. In recent years, the increasing food supply with the rapid increase in the world population increases the importance of the agricultural sector and makes it a necessity for countries to develop agricultural policies. In order to effectively manage agriculture, which has an important place in the economy of countries; soil protection, determination and monitoring of agricultural products, accurate and effective planning of agricultural areas are required. Inventories and crop diversity maps prepared by organisations such as national and multinational agricultural agencies, insurance institutions and regional agricultural organisations on which crops are grown in certain areas and at what time intervals have an important place in agricultural policies. Tea, which is the most consumed beverage after water in the world, is cultivated in 48 different countries. In our country, tea cultivation, which constitutes the majority of agriculture in the Black Sea region, is of great importance for the economy of this region. so much so that state supports are provided to tea producers and compensation payments are provided to farmers for periodic rejuvenation pruning. The General Directorate of Tea Enterprises (ÇAYKUR), which is one of the largest institutions in the Turkish tea sector, is located in the city centre of Rize. Since tea is a plant that requires abundant rainfall, the areas where it is produced are limited. In our country, tea production is carried out only 6 months of the year. Rize, which provides about two-thirds of our country's fresh tea production, is favourable for three shoot harvesting in the tea plant due to its climate. Flowering in the Rize region starts in August and ends at the end of December. Fresh tea cultivation is carried out in an area of approximately 50 hectares and an average of 1.2 million tonnes of fresh tea crops are harvested annually. Within the scope of this research, it was aimed to determine the tea gardens in the study area determined as Fındıklı district of Rize province. The Worldview-2 satellite, launched in October 2009, is the first very high resolution 8-band multispectral commercial satellite, providing 46 cm spatial resolution data in panchromatic images and 1.85 m spatial resolution data in multispectral images. In this study, Worldview-2 satellite image with 8 spectral bands (MS: 1.8 m) with 46 cm resolution and 1 very high spatial resolution panchromatic band (PAN: 0.46 m) dated 19 May 2018 and high resolution Sentinel-2 satellite image with 13 spectral bands dated 18 May 2018 were used. In classification studies, it is important to determine the appropriate classes depending on the study objective. For this reason, the study area was divided into 6 classes as tea, pruned tea, forest, urban, stream and shadow. The pruned tea class represents the areas that are periodically pruned in tea gardens and the part of the field that is pruned changes every year. The areas of the classes determined from the PAN-sharpened Worldview-2 satellite image were digitised using QGIS software, and 70% of them were randomly selected to be used as training data. On the randomly selected polygons, approximately the same number of random points were generated for each class. Different machine learning algorithms such as Random Forest (RF), Classification and Regression Trees (CART) and Gradient Boosting Decision Trees (GBDT) were used in classification processes and the performance of these algorithms was evaluated. In addition to investigating the effect of satellite images with different spatial resolutions on the classification accuracy of tea areas, the effect of different multispectral band combinations, plant indices and texture characteristics obtained from satellite images on classification accuracy was also investigated. In order to examine the effect of spatial resolution on classification accuracy, the Sentinel-2 image provided free of charge was included in the study. Within the scope of the study, training and test points randomly generated using the QGIS programme were transferred to the GEE platform, and classification and accuracy analyses were completed on this platform. Google Earth Engine (GEE) is a cloud-based platform that provides researchers with a fast application area without the need to download different remote sensing data. especially when working with very high resolution or multi-temporal remote sensing data.The storage and processing load problem encountered is greatly facilitated by the code editor in the GEE interface. For these reasons, the studies were carried out on the GEE code editor. Many commercial satellites with very high and high resolution, such as Pleiades, Planet Scope and GaoFen-2 is designed to detect in four different spectral regions. The most commonly used multispectral bands are red, green, blue and near infrared. However, the Worldview-2 satellite has a very high spatial resolution and contains eight spectral bands. In this study, a combination of red, green, blue and near infrared bands was used to compare Worldview-2 classification results with other satellites, and a second combination of eight spectral bands was used to examine the contributions of other bands in Worldview-2 satellite. Ten different vegetation indices such as Normalized Vegetation Index (NDVI), Enhanced Vegetation Index (EVI), Soil Adjusted Vegetation Index (SAVI) etc. calculated using multispectral bands and eight texture features such as contrast, angular second moment, correlation etc. obtained using near infrared band were added to the experimental scenarios. A total of 42 experiments were performed by classifying the 14 experimental scenarios with RO, CART and GBDT algorithms. Using the GBDT algorithm, the experimental scenario with red (R), green (G), blue (B) and red edge (RE) combinations showed the highest overall accuracy value among the experimental scenarios with 4 bands with 86%. However, no dramatic difference was observed between the results of the RO algorithm and the GBDT algorithm, and the results were generally similar. In all the experiments performed throughout the study, the highest accuracy, with an overall accuracy of 90%, was obtained with the RO algorithm and the Worldview-2 satellite image, using all spectral bands, vegetation index and texture features. The highest overall accuracy value obtained in the experiments using Sentinel-2 image is 50%. Therefore, it was observed that the use of S2 satellite imagery in the identification of tea gardens did not provide sufficient accuracy and it was determined that it was not a suitable data source for this purpose. When all the results were analysed, it was found that vegetation indices and GLCM texture features included in the classification increased the accuracy, and GLCM texture features had more effect on the classification accuracy. However, when the images obtained with the highest statistical accuracy were visually interpreted, it was determined that the forest class and the tea class and the settlement class were frequently confused with the stream and pruned tea classes.

Benzer Tezler

  1. Tez No

    517473

    Ortofoto haritalardan ağaç türlerinin otomatik olarak bölütlenmesi

    Tree species classification from high resolution digital orthophoto maps

    AKHTAR JAMIL

    Doktora

    Türkçe

    Türkçe

    2018

    Jeodezi ve FotogrametriYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. BÜLENT BAYRAM

  2. Tez No

    849520

    Analysis of network security using machine learning methods

    Makine öğrenmesi yöntemleri kullanılarak ağ güvenirliği analizi

    MARYAM SALATI

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. İMAN ASKERBEYLİ

  3. Tez No

    849758

    Gelişmiş makine öğrenimi teknikleri ile çok zamanlı hava ve uydu görüntüleri kullanılarak mısır (Zea mays) türlerinin fenoloji tabanlı sınıflandırılması

    Phenology- based classification of maize (Zea mays) species using multi̇- temporal aerial and satellite imagery with advanced machine learning techniques

    OSMAN YAVUZ ALTUNTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Jeodezi ve FotogrametriGebze Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSMAİL ÇÖLKESEN

  4. Tez No

    824101

    Artificial intelligence based resource allocation in cell-free networks

    Hücresiz ağlarda yapay zeka tabanlı kaynak tahsisi

    MERT DEMİREL

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİzmir Katip Çelebi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ESRA AYCAN BEYAZIT

  5. Tez No

    571619

    Ensemble based feature selection with hybrid model

    Hibrit modeli ile topluluk temelli öznitelik seçimi

    CEYLAN DEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Matematikİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İZZET GÖKSEL

    DOÇ. DR. SÜREYYA AKYÜZ

Geri Dön