Gıda güvenliği bağlamında coğrafi bilgi teknolojilerinden yararlanılması: Manisa örnekleminde tarımsal ürünlerin parsel bazlı tespit edilmesi
Using geographical information technologies in the context of food security: Parcel-based determination of agricultural products in Manisa sample
- Tez No: 857894
- Danışmanlar: PROF. DR. ALPER ÇABUK, DR. ÖĞR. ÜYESİ RESUL ÇÖMERT
- Tez Türü: Doktora
- Konular: Coğrafya, Mühendislik Bilimleri, Jeodezi ve Fotogrametri, Geography, Engineering Sciences, Geodesy and Photogrammetry
- Anahtar Kelimeler: Coğrafi bilgi sistemleri, Uzaktan algılama, Geographical information systems, Remote sensing
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
- Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Gıda güvenliğinin en temel halkası olan tarımsal üretim, tarım alanlarının izlenmesi ve yönetimi için CBS ve uzaktan algılama teknolojileri önemli katkı sunmaktadır. Tarım ürünlerinin tespit edilmesi, sınıflandırılması ve bitki deseninin oluşturulması için mekânsal, spektral, zamansal karakteristik yönleri ile birbirine üstün olan birçok uydu görüntüsü bulunmaktadır. Sentinel-2 gibi çok bantlı ve spektral çözünürlüğü yüksek uydu görüntüleri zamansal ve mekânsal olarak yetersiz kalabilmektedir. Farklı uydulara ait görüntülerin belirli kurallar çerçevesinde keskinleştirmesi hedef çalışmanın hassasiyetini artırdığı öngörülmektedir. Bu çalışmada, günümüzde tarım alanlarını izlemede aktif kullanılan S2 ve PS uydu görüntülerinin füzyon edilmesi ve keskinleştirilmiş görüntünün ürün sınıflandırmada kullanımı incelenmektedir. Türkiye'nin tarımsal ürün ihtiyacının yaklaşık %10'unu karşılayan Gediz Havzası sınırlarındaki Manisa ilinde Domates, Mısır, Pamuk, Üzüm ve Zeytin ürünlerinin tespiti ve sınıflandırılması hedeflenmiştir. Çalışmada DVM, XGBoost, RO ve KNN olmak üzere dört sınıflandırma algoritması kullanılmıştır. Aynı veri tabanı, sınıflandırma indeksleri ve makine öğrenme algoritmaları üzerinden S2, PS ve füzyon görüntü ayrı ayrı sınıflandırmaya alınmıştır. Sınıflandırma parsel bazlı yapılmıştır ve ÇKS kayıtları yersel veri olarak kullanılmıştır. Füzyon görüntü diğer görüntülerden daha başarılı sonuç vermiştir. En yüksek doğruluklu sonuçları 87,05% genel doğruluk ve 0,82 kappa değeri ile DVM ve 85,09% genel doğruluk ve 0,80 kappa değeri ile XgBoost algoritmaları vermiştir ve bu sonuçlar istatistiksel olarak anlamlıdır.
Özet (Çeviri)
Geographic information systems and remote sensing technologies make a significant contribution to agricultural production, which is the most basic link of food security, and to monitoring and management of agricultural areas. Many satellite images are superior to each other with their spatial, spectral and temporal characteristics for detecting and classifying agricultural products and creating plant patterns. Multispectral and high spectral resolution satellite images such as Sentinel-2 may be insufficient temporally and spatially. It is envisaged that sharpening the images of different satellites within the framework of certain rules increases the sensitivity of the target study. This study examines the fusion of Sentinel-2 and Planet Scope satellite images, which are actively used in monitoring agricultural fields today, and the use of the sharpened image in product classification. It is aimed to detect and classify Tomato, Corn, Cotton, Grape and Olive products in Manisa province, within the borders of the Gediz Basin, which meets approximately 10% of Turkey's agricultural product needs. Four classification algorithms were used in the study: SVM, XGBoost, RO and KNN. Sentinel-2, Planet Scope and fusion images were classified separately using the same database, classification indexes and machine learning algorithms. Classification was made on a parcel basis and ÇKS records were used as terrestrial data. The fusion image gave better results than other images. SVM gave the highest accuracy results with 87.05% overall accuracy and 0.82 kappa value, and XgBoost algorithms with 85.09% overall accuracy and 0.80 kappa value, and these results are statistically significant.
Benzer Tezler
- How does water scarcity affect agricultural productivity and food security? A case study on Morocco
Su kıtlığının tarımsal verimlilik ve gıda güvenliği üzerindeki etkileri: Fas örneği
ZAİNAB AL BATOUL MA-EL-AININ
Yüksek Lisans
İngilizce
2025
Ziraatİstanbul Teknik ÜniversitesiAfet ve Acil Durum Yönetimi Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ HİKMET İSKENDER
- Biyoçeşitliliğin korunmasında öncelikli alanların (sıcak-noktaların) belirlenmesi: Anadolu Diyagonali'nin Güneyi
Identification of priority areas (hotspots) for conservation of biodiversity: South of the Anatolian Diagonal
ENES KARADENİZ
- Histogram-based sampling and multi-level global registration for 3D point clouds
3B nokta bulutları için histogram tabanlı örnekleme ve çok katmanlı global eşleştirme
OSMAN ERVAN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- Otel işletmelerinde yiyecek ve içecek maliyet kontrolu
Başlık çevirisi yok
NÜKHET SALTOĞLU
Yüksek Lisans
Türkçe
1986
TurizmGazi ÜniversitesiTurizm İşletmeciliği ve Otelcilik Ana Bilim Dalı
DOÇ. DR. SELİM BEKÇİOĞLU
- Süt formüllerinin tüketim uygulamaları ve süt formüllerinin C vitamini içeriği ile pH değerleri
Başlık çevirisi yok
GÖNÜL VAROL
Yüksek Lisans
Türkçe
1986
Besin Hijyeni ve Teknolojisiİstanbul ÜniversitesiÇocuk Gelişimi Ana Bilim Dalı
DOÇ. DR. TÜRKAN KUTLUAY