Uzaktan algılama verilerinde derin öğrenmeye dayalı vejetasyon tespiti: Aydıncık örneği
Detecting the presence of vegetation by deep learning in remotely sensed data: Case of Aydıncık
- Tez No: 836992
- Danışmanlar: PROF. DR. HAKAN ALPHAN
- Tez Türü: Yüksek Lisans
- Konular: Peyzaj Mimarlığı, Landscape Architecture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Peyzaj Mimarlığı Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 42
Özet
Peyzaj planlama ve doğal kaynak yönetiminde arazi örtüsü sınıflaması, verilecek kararları doğrudan etkileyen verileri elde etmeyi sağlayan temel araçlardandır. Bu sınıflamada temel belirleyicilerden biri de vejetasyon varlığıdır. Bu çalışmanın amacı, arazi örtüsü sınıflandırmasında vejetasyonun varlığının tespit edilmesi için derin öğrenme modelinde kullanılabilecek veri tiplerinin karşılaştırılması ve uzaktan algılanmış uydu verileri ile hazırlanan bant kombinasyonlarının Aydıncık ilçesi (Mersin) örneğinde test edilmesidir. Bu amaçla Aydıncık ilçesini kapsayan Sentinel-2 uydu verilerinden dört farklı bant kombinasyonu (gerçek renk kompoziti; yalancı renk kompoziti; NDVI ve kırmızı, yakın kızılötesi ve kısa dalga kızılötesi kombinasyonu) oluşturulmuş, oluşturulan veriler derin öğrenme modelinde test edilerek vejetasyon varlığı tespitinde verilerin performansları karşılaştırılmıştır. NDVI verileri %96; kırmızı, yakın kızılötesi ve kısa dalga kızılötesi kombinasyonu %92; yalancı renk kompoziti %90; gerçek renk kompoziti %86 doğrulukta sonuç vermiştir.
Özet (Çeviri)
In landscape planning and natural resource management, land cover classification is one of the basic tools that allow us to obtain data which directly affects the decisions to be made. One of the main determinants in this classification is the presence of vegetation. This study aims to compare the data types that can be used in the deep learning model to detect the presence of vegetation in land cover classification and to test the band combinations prepared with remotely sensed satellite data in the example of Aydıncık district (Mersin). For this purpose, four different band combinations (natural color composite, false color composite, NDVI and a combination of red, near infrared, short wave infrared) were created from SENTINEL-2 satellite data covering the Aydıncık district, and their performances were compared in detecting vegetation presence by testing the generated data in the deep learning model. The NDVI data yielded an accuracy rate of 96%, while the red, near infrared and shortwave infrared combination demonstrated a 92% accuracy rate. The false color composite exhibited an accuracy level of 90% and the true-color composite data showed an accuracy rate of 86%.
Benzer Tezler
- Identification of tea plantation areas using Google cloud based random forest and deep learning
Google bulut servise dayalı rastgele orman ve derin öğrenme ile çay tarım alanlarının belirlenmesi
BERKAY ÖZEN
Yüksek Lisans
İngilizce
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN
- 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
- Deep learning and remote sensing techniques for wildfire detectionusing uni-temporal sentinel-2 satellite imagery
Başlık çevirisi yok
ALI MAHDI AL-DABBAGH
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMAD ILYAS
- Aktarımlı öğrenme ile SENTINEL-2 uydu görüntülerinden kıyı çizgisi çıkarımı
Shoreline extraction from SENTINEL-2 imagery by transfer learning
SELENNUR KARAGÖL
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM
- SAR, optik ve spektral uydu görüntülerinin füzyonunda gürültü giderme, kanal seçimi ve sınıflandırma başarısının değerlendirilmesi
Evaluation of noise removal, channel selection and classification success in the fusion of SAR, optical and spectral satellite images
SEMİH GENÇAY
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CANER ÖZCAN