Determination of spatial distributions of greenhouses using satellite images and object-based image analysis approach
Nesne tabanlı sınıflandırma yaklaşımı ve uydu görüntüleri kullanılarak seraların mekansal dağılımının belirlenmesi
- Tez No: 825956
- Danışmanlar: PROF. DR. ÇİĞDEM GÖKSEL, PROF. DR. MANUEL ANGEL AGUILAR TORRES
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Geomatik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 119
Özet
Hızla artan dünya nüfusu tarımsal üretimin sürdürülebilir şekilde yoğunlaştırılmasını gerekmektedir. Tarımda sürdürülebilir yoğunlaşmayı sağlamak için en uygun seçeneklerden biri, mevcut tarım arazilerinde üretimin artırılmasına olanak tanıyan seracılık faaliyetleridir. Dünyada birçok ülkede ve özellikle Akdeniz ülkelerinin tarımsal üretiminde seracılık faaliyetleri önemli bir yer tutmaktadır. Ülkemizde, Akdeniz Bölgesinde pek çok kırsal bölgenin ekonomisi seracılık faaliyetleri ile desteklenmekte ve tarımsal üretiminin önemli bir bölümünü oluşturan seraların kapladığı alan hızla artmaktadır. Seracılık faaliyetlerinin, özellikle seraların kaplanmasında kullanılan temel malzeme olan plastiğin aşırı kullanımı nedeniyle yakın gelecekte yerel ve bölgesel ölçekte ekolojik sorunlara yol açabileceği öngörülmektedir. Ayrıca, yoğun seracılık faaliyetleri gübre ve pestisit kullanımının artışını da beraberinde getirmektedir ki bu durum da yüksek seviyede uygulanan kimyasal girdilerin sızıntısına, akiferlerin kirlenmesine ve yüzey suyunun ötrofikasyonuna neden olmaktadır. Tüm bunlara ek olarak, artan dünya nüfusu nedeniyle artan tarım talebi, temel arazi örtüsü türünün yoğun tarım alanlarına dönüşmesine neden olmaktadır. Tarımda plastik seraların kullanımı bu dönüşümü önemli ölçüde hızlandırmaktadır. Arazi örtüsü ve arazi kullanımındaki (AÖAK) bu değişiklikler ekosistemlerin bütünlüğünü doğrudan etkilemektedir. Olumsuz ekolojik etkilerin yanısıra, iklim değişikliği ile birlikte seraların sele maruz kalması sonucunda üreticilerin ekonomik ve sosyal sorunlarla karşı karşıya kalması gibi problemler de ortaya çıkmaktadır. Bu durum üretim sistemini sürdürülemez hâle getirirken bölge ekolojisini ve ekonomisini de tehlikeye atmaktadır. Uzaktan Algılama teknolojisi, sinoptik veri avantajı, yüksek spektral ve zamansal çözünürlüğü ile tarım sektörünün periyodik olarak izlenmesine olanak sağlamaktadır. Sera alanlarının uydu görüntüleri kullanılarak çalışılması, daha iyi yönetim stratejileri sunmak açısından önemli bir yer tutmasının yanısıra, seraların iklim ve çevre üzerindeki etkileri hakkında bilgi edinilmesi ve ekonomik çıktılarının iyileştirilmesi için mekânsal dağılımının izlenmesinde en uygun yaklaşım olarak görülmektedir. Bu tezde, seraların belirlenmesi amacıyla, literatürde daha iyi haritalama doğruluğuna ulaştığı belirtilen Obje Tabanlı Görüntü Analizi (OBIA) yaklaşımından yararlanılarak farklı sorulara yanıt aranmıştır. Bu kapsamda, tezin birinci bölümününde plastik seraların tarımsal üretimdeki önemi açıklanarak, ekonomik avantajları ve ekolojik dezavanlajları belirtilmiştir. Bunun devamında konu ile ilgili literatür araştırması sunulmuş ve tezin hedefleri verilmiştir. İkinci bölümde, çalışma alanları ve bu çalışma alanlarına ait veri setleri verilmiştir. Tezin üçüncü bölümünde, öncelikle tezin deneysel tasarım şeması ve çalışmada kullanılan yöntemler açıklanmıştır. Dördüncü bölümde, çalışmanın üç temel aşamasını oluşturan görüntü segmentasyonu, özellik çıkarımı ve değerlendirilmesi ve son olarak yeni nesil topluluk öğrenme algoritmaları kullanılarak sera sınıflandırması üzerine yapılan araştırmaların sonuçları verilmiştir. Tezin beşinci bölümünde, sonuçlar detaylı olarak tartışılmış, ve son bölüm olan altıncı bölümde elde edilen tüm sonuçlar değerlendirilerek konu ile ilgili öneriler verilmiştir. OBIA metodolojisinin birinci adımını oluşturan görüntü segmentasyonunda, plastik seraların segmentasyonu için iki önemli soruya yanıt aranmıştır. Bu sorulardan ilki, plastik sera segmentasyonun değerlendirilmesinde kontrollü segmentasyon kalitesi değerlendirme metriklerinden hangisinin daha iyi performansa sahip olduğudur. Bu araştırma sorusuna cevap bulmak için segmentasyon metriklerinin kullanıcı yorumları ile birlikte değerlendirildiği bir deneysel tasarım oluşturulmuştur. Bu aşamada, öncelikle farklı mekansal çözünürlük (orta ve yüksek mekansal çözünürlük), mevsim (yaz ve kış), çalışma alanı (Almería (İspanya) ve Antalya (Türkiye)) ve yantısım depolama ölçeğinden (16Bit ve Yüzde) oluşan on altı faklı veri setlerinden çok çözünürlüklü segmentasyon (Multiresolution segmentation, MRS) algoritması kullanılarak değişen sayıda segmentasyon çıktıları oluşturulmuştur. Bu çıktılar, altı farklı yorumlayıcı tarafından değerlendirilerek, her bir veri seti için segmentasyon çıktıları sera objelerini en iyi temsil edenden en zayıf olana doğru sıralanmıştır. Yorumlama sonuçları, her bir segmentasyon çıktısı için hesaplanan sekiz metrik ile karşılaştırılarak değerlendirilmiştir. Değerlendirmeler sonucunda, modifiye edilmiş öklit uzaklığı (Modified Euclidean Distance 2, MED2) metriğinin sera segmentasyonunun değerlendirilmesinde en başarılı metrik olduğu sonucuna ulaşılmıştır. Ek olarak bu metriğin hesaplanmasında kullanılan AssesSeg ücretsiz olarak erişilebilen ve birden çok segmentasyon çıktısının tek seferde değerlendirilmesini sağlayan bir araçtır, ki bu da erişilebilirliğini kolaylaştırmaktadır. Öte yandan, Uygunluk (Fitness) ve F ölçeği (F measure) araştırılan diğer metriklere oranla en iyi segmentasyon çıktısını belirlemede daha başarısız olmuşlardır. Ayrıca, farklı faktörlerin görsel yorumlama sonuçlarına etkisi istatistiksel olarak incelenmiştir. Bu incelemeler sonucunda, yantısım depolama ölçeğinin görsel yorumlamada önemli bir faktör olduğu ortaya çıkmıştır. Detaylı olarak Yüzde formatını kullanılarak oluşturulan segmentasyon çıktılarını değerlendirirken yorumlayıcıların daha çok hemfikir olduğu, dolayısıyla bu veri tipini daha rahat yorumladıkları sonucuna ulaşılmıştır. Segmentasyon aşamasının ikinci adımında, hangi faktörlerin veya etkileşimlerinin sera segmentasyonu üzerinde ne kadar etkili olduğu araştırılmıştır. Bu soruya yanıt aramak için, on altı farklı veri setinden yaklaşık 4,000 adet segmentasyon çıktısı üretilmiş ve MED2 değerleri hesaplanmıştır. Her bir veri setindeki her bir şekil parametresi için en iyi MED2 değerine ulaşan değerler belirlenmiş, ve istatistiksel olarak varyans analizi ile test edilmiştir. Veri setlerinden hesaplanan segmentasyon çıktıları, optimal ölçek parametrelerinin Yüzde formatında birbirine yakın değerler alarak kümelendiğini, 16Bit formatında ise daha geniş aralıkta değerler aldığını göstermiştir. Bu durum Yüzde formatından elde edilecek segmentasyon çıktıları için en uygun ölçek parametresinin belirlenmesinin daha kolay olacağını göstermiştir. Ek olarak, istatistiksel testler farklı yantısım depolama ölçeği formatlarından hesaplanan segmentasyon doğruluğunun şekil parametresine doğrudan bağlı olduğunu göstermiştir. Yüzde formatında azalan şekil parametresi ile segmentasyon doğruluğu artarken, 16Bit formatında bu durumun tam tersi olduğu görülmüştür. Sonuçlar, yantısım depolama ölçeği formatına bağlı olarak şekil parametresi seçiminin oldukça önemli olduğuna işaret etmiştir. Özet olarak, Yüzde formatının MRS algoritması ile sera segmentasyonu için uygun veri formatı olduğu, ve buna ek olarak Yüzde formatınında düşük şekil parametrelerinin tercih edilmesi gerektiği ortaya konulmuştur. Tezin ikinci aşamasında, farklı özellik uzayı yöntemlerinin ve özellik uzayı boyutunun sınıflandırmayı doğruluk ve zaman açısından etkilediği hipotezi oluşturulmuştur. Bu hipoteze bağlı olarak, Almeria ve Antalya çalışma alanlarına ait Sentinel-2 görüntülerinden toplam 128 özellik elde edilmiş ve farklı özellik uzayı değerlendirme yöntemleri uygulanarak sınıflandırma performansı Rastgele Orman (RO) algortitması ile değerlendirilmiştir. Bu değerlendirme sonucunda, özellik uzayının indirgenmesinin doğruluk üzerinde doğrudan etkisinin olduğu görülmüştür. Ayrıca, özellik uzayı boyutunun azaltılmasının sınıflandırma algoritmasının çalıştırılması için gereken süreyi önemli ölçüde azalttığı belirlenmiştir. İncelenen özellik uzayı değerlendirme algoritmalarından, RO ve özyinelemeli özellik eleme (Recursive Feature Elimination, RFE) -RO (RFE-RO) algoritmalarının sınıflandırma doğruluğu ve yöntemin çalıştırılması için gereken zaman açısından daha uygun olduğu sonucuna ulaşılmıştır. Bundan başka, bu algoritmaların özellik uzayı değişimine sınıflandırma doğruluğu açısından daha az bağımlı olduğu, fakat özellik uzayını azaltmanın hesaplama süresini önemli ölçüde azalttığı tespit edilmiştir. Ayrıca, segmentlerden elde edilen ve spektral, dokusal, geometrik özellikler ve spektral indisleri içeren toplam 128 özellik arasından, RF ve RFE-RF yöntemlerine göre Plastik Sera İndisi (Plastic GreenHouse Index, PGHI) ve Normalize Fark Bitki İndisinin (Normalized Difference Vegetation Index, NDVI) seraların belirlenmesi ile ilişkili indisler olduğu tespit edilmiştir. Detaylı olarak, Almería çalışma alanında PGHI (minimum), ve NDVI (maksimum), Antalya çalışma alanında ise PGHI (ortalama) ve PGHI (medyan) değerlerinin seraların belirlenmesinde önemli özellikler olduğu belirlenmiştir. Sonuç olarak, seraların sınıflandırılması amacıyla gerçekleştirilecek çalışmalarda PGHI ve NDVI gibi indislerin özellik uzayına dahil edilmesi gerekliliği ve hesaplama süresinin azaltılması açısından RO ve RFE-RO gibi özellik uzayı yöntemlerinden birinin uygulanması bu aşamanın temel çıktılarıdır. Tezin üçüncü ve son aşamasında yeni nesil topluluk öğrenme algoritmalarının seraların sınıflandırması için etkinliği test edilmiştir. Deneysel sonuçlara göre, Kategorik Artırma (Categorical Boosting, Catboost), RO ve Destek Vektör Makinaları (DVM) algoritmaları incelenen her iki çalışma alanında da (Almería ve Antalya) iyi performans göstermişlerdir, fakat CatBoost and DVM için gereken uygulama süresi incelenen diğer tüm algoritmalardan fazladır. K-En Yakın Komşuluk (K-Nearest Neighbor, KNN) and Uyarlanabilir Artırma (Adaptive Boosting, AdaBoost) algoritmaları her iki çalışma alanında da daha düşük sınıflandırma performansına ulaşmışlardır. Bu algoritmalara ek olarak, hafif gradyan artırma makineleri (Light Gradient Boosting Machines, LightGBM) algoritması her iki çalışma alanında %90 üzerinde F1 skoruna oldukça kısa sürede ulaşmıştır. Özetle, hesaplama süresi ve sınıflandırma doğruluğu göz önünde bulundurulduğunda, RO ve LightGBM bu çalışmada öne çıkan iki algoritmadır. Yine de, sınıflandırma algoritmasının seçiminin uygulama amacına bağlı olduğu unutulmamalıdır. Genel olarak, bu tez çalışması kapsamında nesne tabanlı sınıflandırma yaklaşımını oluşturan üç aşamada en iyi sera belirleme yaklaşımına ulaşmak için üç faklı adımda karşılaşılabilecek sorulara yanıt aranmıştır. Uydu görüntülerinden seraların belirlenmesi, Akdeniz Havzasında yer alan iki seracılık faaliyetlerinin yoğun olarak yürütüldüğü iki önemli çalışma alanında gerçekleştirilmiştir. Sınıflandırma algoritmalarından elde edilen çıktılar açık erişimli algoritmaların nesne tabanlı sınıflandırma yaklaşımınına entegrasyonunun uygun ve ümit verici olduğunu da ortaya koymuştur. Bu çıktılar seçilen test bölgelerine ait olsa da, elde edilen bulguların büyük ölçekte genelleştirilmesi için önemli çıktılar sunmaktadır. Seraların çevre üzerindeki olumsuz etkilerini minimize etmek ve ekonomik getirilerini artırmak için mekânsal dağılımının belirlenmesi, sürdürülebilir tarım hedeflerine ulaşılması açısından plancılar ve karar vericiler için önemli bir katkı sağlayacaktır. Bu nedenle, seraların uzaktan algılama verileri kullanılarak mekânsal dağılımının belirlenmesi, arazi kullanımındaki gelişmeleri analiz etmek ve tarımsal üretime rehberlik etmek için uygulama açısından büyük öneme sahiptir.
Özet (Çeviri)
In the face of the expected pressure on agricultural production systems with the increasing world population, one of the most suitable options for sustainable intensification of agricultural production is greenhouse activities that allow an increase in production on existing agricultural lands. Greenhouse activities can cause environmental problems at the local and regional scales. Since the primary material used in the covering of greenhouses is plastic, ecological problems are expected in the near future due to the excessive use of plastic. Besides, they may affect the integrity of ecosystems by changing land use and land cover (LULC) into extensive agricultural areas. On the other hand, the economy of many rural regions is supported by greenhouse activities, especially in Mediterranean countries. Moreover, due to the exposure of these structures to floods, especially with climate change effects, producers face economic and social problems. While all these situations make the production system unsustainable, they also endanger the ecology and economy of the region. Thanks to synoptic data acquisition and high temporal resolution, remote sensing images allow periodic agricultural sector monitoring. Considering the positive outcomes and adverse effects of greenhouses, determining greenhouse areas using remote sensing images is essential in providing better management strategies. In that case, monitoring through remote sensing images is the most suitable approach to obtain information about the effects of greenhouses on climate and environment and improve their economic output. Within the scope of this thesis, answers to different questions were sought by using the object-based image analysis (OBIA) approach, which is stated to give better results in the literature to determine greenhouses. OBIA approach consists of mainly three stages which are image segmentation, feature extraction, and image or object classification, and these sections formed the structure of this thesis In the image segmentation step, which is the first step of the OBIA, answers were sought for two crucial questions for the segmentation of plastic-covered greenhouses (PCG). The first of these questions is which of the supervised segmentation quality assessment metrics performs better in evaluating PCG segmentation. An experimental design was formed in which segmentation metrics were evaluated together with interpreter evaluations. At this stage, sixteen different datasets consisting of different spatial resolutions (medium and high spatial resolution), seasons (summer and winter), study areas (Almería (Spain) and Antalya (Turkey)), and reflection storage scales (RSS) (16Bit and Percent) were used. Various segmentation outputs were created using the Multiresolution segmentation (MRS) algorithm. Six different interpreters evaluated these outputs and compared them with the eight segmentation quality metrics. As a result of the evaluations, it was concluded that Modified Euclidean Distance 2 (MED2) was the most successful metric in the evaluation of PCG segmentation. On the other hand, Fitness and F-metric failed to identify the best segmentation output compared to other metrics investigated. In addition, the effects of different factors on the visual interpretation results were analyzed statistically. It was revealed that the RSS is an essential factor in visual interpretation. In detail, it was concluded that when evaluating the segmentation outputs created by using the Percent format, the interpreters were more in agreement and interpreted this data type more efficiently. In the second part of the segmentation phase, how much factors or their interactions affect the greenhouse segmentation was investigated. Approximately 4,000 segmentation outputs were produced from sixteen data sets, and MED2 values were calculated. For each shape parameter in each data set, the values reaching the best MED2 value were determined and statistically tested by analysis of variance (ANOVA). The segmentation outputs calculated from the datasets showed that the optimal scale parameters clustered by taking values close to each other in Percent format and took values in a broader range in 16Bit format. This showed that it would be effortless to determine the most appropriate segmentation outputs obtained from the Percent format. In addition, statistical tests have shown that the segmentation accuracy calculated from different RSS formats is directly dependent on the shape parameter. While segmentation accuracy increases with decreasing shape parameters in Percent format, this is the opposite in 16Bit format. This situation revealed that the shape parameter selection is critical depending on the RSS. In summary, it has been revealed that the Percent format is the appropriate data format for PCG segmentation with the MRS algorithm, and in addition, low-shape parameters should be preferred in the Percent format. In the second stage of the thesis, it was hypothesized that different feature space evaluation methods and feature space dimensions affect the classification in terms of accuracy and time. Based on this hypothesis, 128 features were obtained from Sentinel-2 images of the Almería and Antalya study areas, and classification performance was evaluated by random forest (RF) algorithm by applying different feature space evaluation methods. As a result of this evaluation, it was seen that the reduction of the feature space has a direct effect on the accuracy. But moreover, it has been determined that reducing the size of the feature space significantly reduces the time required to run the classification algorithm. Therefore, among the examined feature space evaluation algorithms, it has been concluded that RF and Recursive Feature Elimination (RFE)-RF (RFE-RF) algorithms are more suitable for classification accuracy and the time required to run the algorithm. Moreover, it has been found that these algorithms are less dependent on feature space variation in terms of classification accuracy, but reducing the feature space significantly reduces the computation time. In addition, among a total of 128 features obtained from the segments, including spectral, textural, geometric features and spectral indices, Plastic GreenHouse Index (PGHI) and Normalized Difference Vegetation Index (NDVI) were the most relevant features for PCG mapping according to RF and RFE-RF methods. As a result, the necessity of including indices such as PGHI and NDVI in the feature space and the application of one of the feature space evaluation methods such as RF or RFE-RF in terms of reducing the calculation time are the main outputs of this stage. In the third and final stage of the thesis, the effectiveness of ensemble learning algorithms for the PCG classification has been tested. According to the experimental results, Categorical boosting (Catboost), RF, and support vector machines (SVM) algorithms performed well in both studied areas (Almería and Antalya), but the implementation time required for CatBoost and SVM is higher than all other algorithms studied. K-nearest neighbor (KNN) and AdaBoost algorithms achieved lower classification performance in both study areas. In addition to these algorithms, the light gradient boosting machines (LightGBM) algorithm achieved an F1 score of over 90% in both study areas in a short time. In summary, considering the computation time and classification accuracy, RF and LightGBM are the two up-front algorithms. In general, within the scope of this thesis, answers to the questions encountered in the three steps of OBIA were sought to reach the best PCG determination approach. The determination of greenhouses from satellite images was carried out in two essential study areas in the Mediterranean Basin, where greenhouse activities are intensively carried out. Although these outputs belong to selected test sites, they provide important outputs for generalizing the findings on a large scale. Determining the spatial distribution of PCG to minimize the negative effects on the environment and increase their economic returns will make an important contribution to planners and decision-makers in achieving sustainable agriculture goals.
Benzer Tezler
- Uydu görüntüleri, meteorolojik veriler ve kamera fotoğrafları ile pamuk ve mısır bitkileri için rekolte tahmin modeli tasarımı: Şanlıurfa örneği
Crop yield estimation model design for cotton and maize crops using satellite imagery, meteorological data and camera photographs: Şanlıurfa case study
UĞUR ALGANCI
Doktora
Türkçe
2014
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. CANKUT ÖRMECİ
- İstanbul Avrupa Yakası'nda arazi kullanım değişikliğinden kaynaklanan karbon emisyonlarının belirlenmesi
Determination of carbon emissions resulting from land use changes in the European Side of Istanbul
FERAH PIRLANTA KÖKSAL
Yüksek Lisans
Türkçe
2018
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU
- Togo örneğinde değişen iklim koşullarına uyumlu çeltik tarımına uygun arazilerin CBS ve uzaktan algılama teknikleri kullanılarak belirlenmesi
Determination of land suitability for paddy rice cultivation compatible with changing climatic conditions in Togo using GIS and remote sensing techniques
KPANTE KOUTANDO
Doktora
Türkçe
2022
ZiraatEge ÜniversitesiToprak Bilimi ve Bitki Besleme Ana Bilim Dalı
DOÇ. DR. MUSTAFA TOLGA ESETLİLİ
- Araçlardan kaynaklı emisyonların izlenmesine yönelik coğrafi analizler için açık kaynak kodlu ve web tabanlı bir gösterge paneli önerilmesi
Deploying an open source web-based dashboard for geo-spatial analyses to monitor the emissions from vehicles
ABDULLAH UĞUR TOPAL
Yüksek Lisans
Türkçe
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. HANDE DEMİREL
- Hidro-CBS ile sel afeti etki analizi
Flood disaster impact analysis with hydro-GIS
EMİRAY KAHYA
Yüksek Lisans
Türkçe
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CANER GÜNEY