Soil classification with spaceborne multi-temporal hyperspectral imagery using spectral unmixing and image fusion
Spektral ayrıştırma ve görüntü kaynaştırma kullanarak uydu-tabanlı çok-zamanlı hiperspektral uzaktan algılama ile toprak sınıflandırması
- Tez No: 797744
- Danışmanlar: PROF. DR. SEVDA ZUHAL AKYÜREK, PROF. DR. UĞUR MURAT LELOĞLU
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Jeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 111
Özet
Toprak haritaları pek çok tarımsal ve çevresel çalışma için önemli bir veri kaynağıdır. Hiperspektral algılayıcılar taşıyan uydu ve hava platformları toprak özelliklerinin belirlenmesi için yeni olasılıklar sağlamıştır. Fakat uzaktan algılama yöntemleriyle toprak sınıflandırmasında en büyük zorluk spektral imzası toprakla karışan bitki örtüsüdür. Bu nedenle öncelikle yeşil ve kuru bitkilerin etkilerini minimize etmek gerekmektedir. Bu tezin ana amacı hiperspektral görüntü verisiyle toprak özelliklerinin, bitki örtüsünün elimine edilmesinden sonra belirlenmesidir. İlk olarak, tüm görüntülerde ortak olan son üyeler ve onların çokluk haritaları bulunmuştur. Sonra, son üyeler stabil olanlar (toprak, kaya vb.) ve stabil olmayanlar (yeşil ve kuru bitki vb.) olarak ayrılmıştır. Bu yöntem ortogonal alt uzay izdüşümü ile bitki bileşenlerini görüntüden çıkarır ve daha iyi bir sinyal-gürültü oranı için ağırlıklı ortalama ile görüntüleri birleştirir. Sonuç olarak, toprak haritaları elde etmek için birleştirilmiş görüntü rassal orman tekniğiyle sınıflandırılır. Bu yöntem sentetik görüntülerle ve Texas/USA yakınlarında bir alandan alınan gerçek görüntülerle test edilmiştir. Üç sentetik görüntüyle doğrudan yapılan sınıflandırmada sınıflandırma sonuçları 81.78%, 79.84% ve 86.33% olarak bulunmuştur. OSP işleminden sonra ise sonuçlar füzyon için 91.85%, OSP için sırasıyla 85.70%, 88.21% ve 91.78% olarak artmıştır. Gerçek görüntülerle yapılan uygulama sonucunda da OSP ve füzyon işlemleri sınıflandırma sonuçlarında artış sağlamıştır. Sınıflandırma doğrulukları 22/06/2013, 25/09/2013 ve 24/10/2013 yılında alınan görüntüler için sırasıyla 70.51%, 68.87% ve 63.18%'den 71.96%, 71.78% ve 64.17%'e yükselmiştir. Füzyon işleminden sonra sınıflandırma sonuçlarında daha da iyileşme sağlanarak 75.27% sınıflandırma doğruluğu elde edilmiştir. Sonuçlar göstermiştir ki bitkilerin elimine edilmesi sınıflandırma doğruluğunda iyileşme sağlayabilmektedir. Bu yöntem ümit verici olup, diğer farklı sınıflandırma işlemlerinde de uygulanabilir.
Özet (Çeviri)
Soil maps are important data sources for many agricultural or environmental studies. Satellites and airborne platforms carrying hyperspectral sensors provide new possibilities for the estimation of soil properties. However, the main obstacle in soil classification with remote sensing methods is the vegetation whose spectral signature mixes with that of the soil. The objective of this thesis is to detect soil texture properties after eliminating the effects of vegetation using hyperspectral imaging data. First, the endmembers common to all images and their abundances are estimated. Then the endmembers are classified as stable ones (soil, rock, etc.) and unstable ones (green vegetation, dry vegetation, etc.). The method eliminates vegetation from the images with orthogonal subspace projection and fuses multiple images with weighted mean for better signal-to-noise-ratio. Finally, the fused image is classified with the random forest technique to obtain the soil maps. The method is tested on synthetic and real images in an area in Texas, USA. With three synthetic images, individual classification results are 81.78%, 79.84%, and 86.33%. After OSP, the rates increase to 85.70%, 88.21%, and 91.78%, respectively, while it increases to 91.85% with fusion. With real images from the dates 22/06/2013, 25/09/2013, and 24/10/2013, the classification accuracies increase from 70.51%, 68.87%, and 63.18% to 71.96%, 71.78%, and 64.17%, respectively. Fusion provides a better improvement in classification with 75.27% accuracy. The results show that the method can improve classification accuracy with the elimination of vegetation contribution. The approach is promising and can be applied to various other classification tasks.
Benzer Tezler
- Uzaktan algılama verileri kullanılarak İstanbul metropolitan alanının analizi
Başlık çevirisi yok
FÜSUN DÜZGÜN (BALIK)
Yüksek Lisans
Türkçe
1996
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiJeodezi ve Fotogrametri Ana Bilim Dalı
PROF. DR. ABDULLAH PERKTEKİN
- Monitoring soil salinity via remote sensing technology under data scarce conditions: A case study from Turkey
Kısıtlı veri şartlarında uzaktan algılama teknolojisi ile toprak tuzluluğunun izlenmesi: Türkiye'den bir vaka çalışması
TAHA GORJI
Yüksek Lisans
İngilizce
2016
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE GÜL TANIK
- Büyükçekmece-Gürpınar yerleşim alanı zemin sınıfı-şev duraylılığı ilişkisi
Buyukcekmece-Gurpinar residential area relation between soil classification and slope stability
OSMAN ÖZÇİLİNGİR
Yüksek Lisans
Türkçe
2018
Jeoloji Mühendisliğiİstanbul Teknik ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ERKAN BOZKURTOĞLU
- Dynamic soil characterization of Kahramanmaraṣ, Turkey
Kahramanmaraş'taki zeminlerin dinamik özelliklerinin belirlenmesi
DALYA ABD AL-MUNAF NAJI
Doktora
İngilizce
2022
İnşaat MühendisliğiGaziantep Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ FIRAT ÇABALAR
DOÇ. DR. MÜGE KIVANÇ AKIN
- Deprem yönetmeliklerindeki zemin sınıflandırma kriterlerinin zemin büyütmesi açısından incelenmesi
Review of the soil classification criteria in earthquake regulations with respect to amplification
BAŞAK HALAÇ
Yüksek Lisans
Türkçe
2016
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSAFFA AYŞEN LAV