Geri Dön

Uzaktan algılamada farklı orman türlerinin sınıflandırılmasının Google Earth Engine kullanılarak incelenmesi

Remote sensing for classification of different forest types in Google Earth Engine

  1. Tez No: 865200
  2. Yazar: ÖZGEHAN ER
  3. Danışmanlar: DOÇ. DR. GORDANA KAPLAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 74

Özet

Habitat, canlıların yaşamlarını sürdürdükleri ve çeşitli faaliyetlerini icra ettikleri ortamları kapsar. Bu biyolojik türlerin varlığı ve devamlılığı için hayati bir öneme sahip olan habitatlar, ekosistemlerin sağlıklı bir şekilde işlemesinde kritik bir rol oynar. Bu çalışma, orman ekosistemlerindeki ağaç türlerinin haritalanmasına yönelik gelişmiş bir metodoloji geliştirmek amacıyla gerçekleştirilmiştir. Rastgele Orman algoritmasının temel aldığı bu yaklaşım, Sentinel-1 SAR ve Sentinel-2 Optik uydu görüntülerini birleştirerek, Kuzey Makedonya'nın orman ekosistemi içerisindeki biyoçeşitliliğin önemli bir bileşeni olan farklı ağaç türlerini sınıflandırmayı amaçlamıştır. Çalışmada, optik ve radar verileri NDVI, LAI, EVI, MSAVI, NDWI, LCI, PRI, ChlCI indeksleri ile entegre edilmiştir. Beş farklı orman habitat sınıfının incelendiği bu süreçte elde edilen sonuçlar, genel doğruluk oranı %90,1 ve Kappa değeri 0.874 olarak belirlenmiştir. Aynı zamanda, Sentinel-2 uydu görüntüsü üzerinde her bant ve her sınıf için hesaplanan SSI indeksi, sınıflandırma sürecinde elde edilen sonuçların spektral benzerliğini daha detaylı bir şekilde değerlendirmeye olanak tanımıştır. Bu çalışma, orman ekosistemlerinde biyoçeşitliliğin izlenmesi ve yönetilmesi için geliştirilen yeni bir yöntem sunarak, uzaktan algılama tekniklerinin ormancılık uygulamalarında nasıl etkili bir rol oynayabileceğini vurgulamaktadır.

Özet (Çeviri)

Habitat encompasses the environments where living organisms sustain their lives and carry out various activities. Habitats, vital for the existence and continuity of biological species, play a crucial role in the healthy functioning of ecosystems. This study is conducted with the aim of developing an advanced methodology for mapping tree species in forest ecosystems. Employing the Random Forest algorithm, this approach focuses on classifying different tree species, a significant component of biodiversity within the forest ecosystem of North Macedonia, by combining Sentinel-1 SAR and Sentinel-2 Optical satellite images. In this study, optical and radar data are integrated using NDVI, LAI, EVI, MSAVI, NDWI, LCI, PRI, ChlCI indices. The results obtained in the examination of five different forest habitat classes yield a general accuracy rate of 90.1% and a kappa value of 0.874. Additionally, the SSI index calculated for each band and class on the Sentinel-2 satellite image allows for a more detailed evaluation of the spectral similarity of the results obtained in the classification process. By introducing a novel method for monitoring and managing biodiversity in forest ecosystems, this study emphasizes how remote sensing techniques can effectively contribute to forestry applications.

Benzer Tezler

  1. Makine öğrenme algoritmaları kullanılarak lazer verilerinden ağaç türlerinin sınıflandırılması olanaklarının araştırılması

    Investigation of tree species classification possibilities from laser data using machine learning algorithms

    ZEHRA ÇETİN

    Doktora

    Türkçe

    Türkçe

    2022

    Jeodezi ve FotogrametriYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. NACİ YASTIKLI

  2. Uydu görüntülerinin sınıflandırılmasında çok değişkenli uyarlanabilir regresyon eğrileri algoritmasına dayalı hibrit modellerin geliştirilmesi

    Development of hybrid models based on multivariate adaptive regression splines algorithm for classification of satellite images

    AZİZE UYAR

    Doktora

    Türkçe

    Türkçe

    2024

    Jeodezi ve FotogrametriOndokuz Mayıs Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. DERYA ÖZTÜRK

  3. Deep metric learning applied to crop classification from multi-spectral multi-temporal remote sensing data

    Derin metrik öğrenmenin çoklu-zamanlı ve çoklu-bantlı uzaktan algılanmış verilerden tarım ürünü sınıflandırmaya uygulanması

    MERVE BOZO

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEHRA ÇATALTEPE

  4. Yüksek çözünürlüklü uydu görüntüleri kullanarak benzer spektral özelliklere sahip doğal nesnelerin ayırt edilmesine yönelik bir metodoloji geliştirme

    Developing a methodology for discriminating natural objects having spectrally similar features using very high resolution satellite imagery

    İSMAİL ÇÖLKESEN

    Doktora

    Türkçe

    Türkçe

    2015

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. TAHSİN YOMRALIOĞLU

  5. Gelişmiş makine öğrenimi teknikleri ile çok zamanlı hava ve uydu görüntüleri kullanılarak mısır (Zea mays) türlerinin fenoloji tabanlı sınıflandırılması

    Phenology- based classification of maize (Zea mays) species using multi̇- temporal aerial and satellite imagery with advanced machine learning techniques

    OSMAN YAVUZ ALTUNTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Jeodezi ve FotogrametriGebze Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSMAİL ÇÖLKESEN