Predicting corn phenological stages with multispectral time series remote sensing data by threshold based and trend detection methods
Eşik temelli ve trend tespit yöntemleri kullanılarak multispektral zaman serisi uzaktan algılama verileri ile Mısır fenolojik aşamalarının tahmin edilmesi
- Tez No: 846920
- Danışmanlar: DOÇ. DR. MÜZEYYEN ANIL ŞENYEL KÜRKÇÜOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Ziraat, Geodesy and Photogrammetry, Agriculture
- 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: 109
Özet
Yapay Zekâ (AI), Makine Öğrenimi (ML) ve Uzaktan Algılama (RS) gibi araçların dikkat çektiği bir çağda, tarım birincil yararlanıcılardan biridir. Bu teknolojiler, tarımsal verimliliği optimize etmekte, kaynak kullanımını en iyi hale getirmekte ve hassas tarımı (PA) hayata geçirmekte önemli rol oynamaktadır. Uydu görüntüleri ile hesaplanabilen Bitki İndeksleri (VI), hassas tarımı uygulamak için kullanılabilecek temel ve faydalı algoritmalardır. Bitki fenolojisi, PA uygulamalarına yardımcı olan bir çalışma alanı olarak dikkat çekmektedir. Bu tezde, mısır fenolojisinin tahmin edilmesi için iki uzaktan algılama yöntemi karşılaştırılmaktadır. Sentinel-2 NIR ve RED bantlarıyla Modifiye Toprak Ayarlı Bitki İndeksi (MSAVI) ve Normalleştirilmiş Fark Bitki Örtüsü İndeksi (NDVI) 2017 ve 2022 yılları arasında hesaplanmaktadır. MSAVI, mısırın erken evrelerinin tahmininde, NDVI ise geç evrelerin tahmininde kullanılmıştır. MSAVI belirli bir eşiğe ulaştıktan sonra, tarihler ve değerler NDVI değerleri ile birleştirilerek, Medyan ve Savitzky-Golay Filtreleri ile ön işlemden geçirilirmiştir. Filtrelenmiş VI verileri, Eşik Tabanlı Model (TBM) ve Hareketli Ortalama Yakınsama Iraksama (MACD) Tabanlı Model olmak üzere iki fenoloji tahmin yöntemini karşılaştırmak için kullanılmıştır. Sonuçlar, daha az hata veren modeli bulmak için Bitki Durum Raporu (CPR) verileriyle karşılaştırılmıştır. TBM ve MACD arasındaki karşılaştırmalı analize bağlı olarak bulgular, TBM yönteminin mısırın fenolojik aşamalarını tahmin etme açısından metoduna göre daha iyi performans gösterdiği anlaşılmıştır.
Özet (Çeviri)
Instead of treating a crop field as one homogeneous area, Precision Agriculture (PA) allows site-specific management to optimize the inputs and outputs in agricultural production. The PA concept has gained acceleration with tools like Artificial Intelligence (AI), Machine Learning (ML) and Remote Sensing (RS). Vegetation Indices (VI) which are produced and manipulated by using these tools, are simple yet useful algorithms and facilitate the implementation of PA. Phenology is a study area which helps PA practices and can be estimated with VI data. In this thesis, two remote sensing methods estimating corn phenology are compared to estimate the phenological stage dates for the 2017 to 2022 seasons. With Sentinel-2 NIR and RED bands, Modified Soil Adjusted Vegetation Index (MSAVI) and Normalized Difference Vegetation Index (NDVI) is calculated. While MSAVI is calculated to estimate early stages of corn, NDVI is calculated to estimate late stages. After MSAVI reaches a specific threshold, dates and values are replaced with NDVI values and new merged VI data is created. The merged VI data is pre-processed with Median and Savitzky-Golay (SG) Filter. This merged and filtered VI data is used to compare two phenology estimation methods, the Threshold Based Model (TBM), and the Moving Average Convergence Divergence (MACD) Based Model. Results are compared with Crop Progress Report (CPR) to find the model with least error, which will be used for further field model studies based on phenological dates. Depending on the comparative analysis between the TBM and MACD, the findings clearly indicate that TBM outperforms MACD in terms of estimating phenological stages of corn.
Benzer Tezler
- Doku ve renk öznitelikleriyle tarla görüntülerinden bitki ve fenolojik evrelerinin çıkarımı
Plant and phenology recognition from field images using texture and color features
FATİH GÜLAÇ
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Multi-year time series crop mapping
Çoklu-yıl zaman serisi ürün haritalama
MUSTAFA TEKE
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. YASEMİN YARDIMCI ÇETİN
- Preparation and characterization of corn zein nanocomposite coated polypropylene films for food packaging applications
Gıda ambalajı uygulamaları için mısır proteini nanokompozitleri kaplı polipropilen filmlerin hazırlanması ve karakterizasyonu
ONUR ÖZÇALIK
Yüksek Lisans
İngilizce
2010
Polimer Bilim ve Teknolojisiİzmir Yüksek Teknoloji EnstitüsüMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. BANU ÖZEN
PROF. DR. FUNDA TIHMINLIOĞLU
- İHA tabanlı NDVI ile mısır bitkisinin verim tahmini
Yield estimation of corn plant with UAV-based NDVI
MUSTAFA ÖZKAN
Yüksek Lisans
Türkçe
2024
Jeodezi ve FotogrametriHarran ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİZAR POLAT
- Tatlı mısırda (Zea mays convar. saccharata L.) tohum gücü testlerinin tarla çıkışı ve depo ömrünün tahmininde kullanılması
Use of seed vigour tests to predict field radicle emergence and storage longevity in sweet corn (Zea mays convar. saccarata L.) seeds
ELİF ÇATIKKAŞ