A comparison of sentinel 1 and sentinel 2 image classification for detection of water bodies in Turkiye and world-wide
Türkiye ve dünya çapındaki su kütellerinin tespitinde sentınel 1 ve sentınel 2 görüntü sınıflandırmalarının karşılaştırılması
- Tez No: 902018
- Danışmanlar: DOÇ. DR. KORAY KAMİL YILMAZ, PROF. DR. MEHMET LÜTFİ SÜZEN
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- 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: 118
Özet
Bu tez, Türkiye'deki Tuz Gölü başta olmak üzere çeşitli göllerdeki su miktarını izlemek ve analiz etmek için Sentetik Açıklıklı Radar ve optik uzaktan algılama teknolojilerinin kullanımını araştırmaktadır. Rastgele Orman Sınıflandırıcısı (RFC) kullanılan bu çalışmada, arazi örtüsü türlerini sınıflandırılarak su alanları tespit edilmektedir. Sonuçlar makine öğrenimi tekniklerinin, Sentinel-1 verileri için sürekli olarak yüksek sınıflandırma doğruluğunu ve su izleme yeteneklerini sağladığını göstermektedir. Bununla birlikte, aynı teknikler Sentinel-2 verilerine uygulandığında performansın daha düşük olduğu sonucuna varılmıştır. Bu durum da değişen atmosferik koşullar altında su kütlelerinin tespitinde SAR'ın optik verilere göre avantajlarını göstermektedir. Araştırma, su miktarındaki kayda değer mevsimsel düşüşler ve artışlarla birlikte iklim değişikliğinin küresel su kaynakları üzerindeki önemli etkisini gösteriyor. Rastgele Orman Sınıflandırıcısı, sınıflandırma doğruluğunu geliştirmek ve farklı coğrafi koşullara uyum sağlamak için birden fazla çalışma alanı üzerinde yinelemeli olarak eğitildi. Sonuçlar, SAR ve optik verilerin entegrasyonunun, makine öğrenme algoritmalarıyla birleştiğinde, çevresel izleme için güçlü bir araç sunduğunu göstermektedir. Sentinel-1 verileri, su sınıflandırmasında yüksek genel doğruluk gösterirken, Sentinel-2 verileri, bulut örtüsü ve farklı arazi örtüsü türleri arasındaki spektral benzerlikler nedeniyle zorluklarla karşı karşıya kaldı ve bu da daha düşük genel doğruluk ile sonuçlandı. Bu bulgular, uzaktan algılama teknolojilerinin iklim değişikliğinin etkilerini daha iyi anlamamızı ve böylece daha etkili su kaynakları yönetimi stratejilerinin geliştirilmesine yardımcı olma potansiyelini vurgulamaktadır.
Özet (Çeviri)
This thesis explores the use of Synthetic Aperture Radar (SAR) and optical remote sensing technologies to monitor and analyze the water extents of various lakes, with a primary focus on Lake Tuz in Turkiye. Employing the Random Forest Classifier, the study classifies land cover types and detects water extents, demonstrating that machine learning techniques maintain consistently high classification accuracy and water monitoring capabilities for Sentinel-1 data. However, the same techniques did not prove as robust when applied to Sentinel-2 data, showing the advantages of SAR over optical data in detecting water bodies under varying atmospheric conditions. The research shows the significant impact of seasonal changes in water extent on global water resources, with notable seasonal declines and increases in water extent. The Random Forest Classifier was trained iteratively on multiple regions of interest to enhance classification accuracy and adapt to diverse geographical conditions. The results indicate that the integration of SAR and optical data, coupled with machine learning algorithms, presents a powerful tool for environmental monitoring. Sentinel-1 data showed high overall accuracy in water classification, while Sentinel-2 data faced challenges due to cloud cover and spectral similarities between different land cover types, resulting in lower overall accuracy. These findings emphasize the potential for remote sensing technologies to enhance our understanding of climate change impacts and aid in the development of effective water resource management strategies.
Benzer Tezler
- Uydu görüntülerinin topografik düzeltilmesinde kullanılan yöntemlerin karşılaştırılması
Comparison of the methods used in the topographic correction of satellite images
GÜL NUR KARAL NESİL
Yüksek Lisans
Türkçe
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU
- Çiftçi kayıt verileri ve açık kaynak kodlu EO-Learn kütüphanesi kullanılarak tarımsal ürün desen tespiti ve kontrolü
Agricultural product pattern detection and control using farmer registration data and open source code EO-Learn library
FATİH FEHMİ ŞİMŞEK
Doktora
Türkçe
2022
Jeodezi ve FotogrametriNecmettin Erbakan ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. SÜLEYMAN SAVAŞ DURDURAN
- Assessment of water quality and aquatic diversity of an open-pit gold mine area using random forest algorithm with Google Earth engine
Google Earth engine ile rastgele orman algoritması kullanılarak açık ocak altın madeni su kalitesi ve sucul canlılık çeşitliliğinin değerlendirilmesi
ŞENER ALKAN
Yüksek Lisans
İngilizce
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN
- Uydu görüntüleri ve yardımcı veri entegrasyonu ile ilçe bazında yerleşim alanlarının zamansal analizi: Esenyurt ilçesi örneği
Temporal change analysis of settlements with satellite images and auxiliary data integration at district scale: A case of Esenyurt district
ZELAL KAYA
Yüksek Lisans
Türkçe
2023
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ADALET DERVİŞOĞLU
- Büyükçekmece havzası kentsel saçaklanma eğilimlerinin İstanbul üst ölçek plan kararları çerçevesinde incelenmesi
Investigation of urban sprawl trends in the Büyükçekmece basin within the framework of Istanbul environmental management plan decisions
GÖKÇEN BAL
Yüksek Lisans
Türkçe
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ÇİĞDEM GÖKSEL