Geri Dön

Paddy rice Leaf Area Index (LAI) estimation with machine learning models using synthetic aperture radar and optical data

Sentetik açıklıklı radar ve optik veriler kullanılarak makine öğrenmesi modelleriyle çeltik bitkisi Yaprak Alan İndeks (YAI) tahmini

PDF İndir

  1. Tez No: 920851
  2. Yazar: GÜLSÜM POSTALLI
  3. Danışmanlar: PROF. DR. SAYGIN ABDİKAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Jeodezi ve Fotogrametri, Mühendislik Bilimleri, Geodesy and Photogrammetry, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Geomatik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 78

Özet

Tez kapsamında, Sentinel-1 Sentetik Açıklı Radar (SAR) ve Sentinel-2 optik uydularından alınan görüntüler ile Balıkesir ili Gönen ilçesinde bulunan çeltik bitkisi tarlalarından alınan Yaprak Alan İndeksi (YAİ) ölçümleri arasındaki ilişki incelenerek YAİ kestirimi hedeflenmiştir. Bu kapsamda Lineer Regresyon (LR), Rastgele Orman Regresyon (ROR) ve Destek Vektör Regresyon (DVR) makine öğrenmesi modelleri kullanılarak karşılaştırılmıştır. Proje kapsamında 2024 yılı Haziran, Temmuz, Ağustos ve Eylül aylarında olmak üzere 4 tarihte yerinde YAİ ölçer alet ile ölçümler yapılmıştır. YAİ ölçüm tarihlerine göre en güncel ve en uygun (bulutsuz) uydu görüntüleri tercih edilmiştir. YAİ kestiriminde her tarih ayrı ayrı ve tüm tarihler bir arada olmak üzere iki uygulama yapılmıştır. Optik verilerde tek tarih için Haziran 2024 ROR modelinde en düşük RMSE değeri (0.3236) verirken Eylül ayı %19.8574 ile en düşük %RMSE değerini vermiştir. Tüm tarihlerde ise en düşük RMSE 0.9797 ve %RMSE 24.5200 ile LR modelde ve en yüksek korelasyon B8A bandında 0,7473 olarak bulunmuştur. Sentinel-1 verilerinde tek tarih için Haziran 2024 LR modelinde en düşük RMSE değeri (0.3197) verirken tüm tarihlerde ise en düşük RMSE 1.2907 ile LR modelde ve en yüksek korelasyon Radar Bitki İndeksi bandında 0.6800 olarak bulunmuştur. Ancak en düşük %RMSE değeri (15.1245) ile Eylül ayında ROR modeli ile elde edilmiştir. Tüm veriler ele alındığında ise yine LR modeli en iyi sonucu sunmuştur. Sentinel-1 ve sentinel-2 verileri beraber kullanıldığında ise en düşük %RMSE değeri=16.8766 ile yine Eylül ayı için ROR modelinden elde edilmiştir. Tüm tarihler ele alındığında ise en düşük hata RMSE=0.9389 ve %RMSE=23.5720 ile ROR modelinden elde edilmiştir. Pirinç bitkisinin gelişiminin bazı aşamalarında elde edilen verilerin daha yüksek doğruluk verdiği görülmüştür. Büyüme evreleri ele alındığında olgunlaşma sonu evresinde en iyi sonucu verirken tüm tarihler birleştirildiğinde doğrulukların arttığı görülmüştür.

Özet (Çeviri)

This thesis aims to estimate the Leaf Area Index (LAI) by examining the relationship between LAI measurements taken from rice fields in the Gönen district of Balıkesir province and images obtained from Sentinel-1 Synthetic Aperture Radar (SAR) and Sentinel-2 optical satellites. In this aim, machine learning models which Linear Regression (LR), Random Forest Regression (RFR), and Support Vector Regression (SVR), were applied and compared. As part of the project, LAI measurements were conducted in-site studies using an LAI meter on four dates in June, July, August, and September 2024. The most up-to-date and suitable (cloud-free) satellite images were selected based on the LAI measurement dates. LAI estimation was performed in two ways: individually for each date and collectively for all dates. For optical data, the lowest RMSE value (0.3236) for a single date was obtained with the RFR model in June 2024, while the lowest %RMSE (19.8574%) was recorded in September. When considering all dates together, the lowest RMSE (0.9797) and %RMSE (24.5200) were found in the LR model, while the highest correlation was observed in the B8A band (0.7473). For Sentinel-1 data, the lowest RMSE value (0.3197) for a single date was obtained with the LR model in June 2024. When all dates were considered together, the lowest RMSE (1.2907) was also found in the LR model, while the highest correlation (0.6800) was observed in the Radar Vegetation Index band. However, the lowest %RMSE (15.1245) was obtained with the RFR model with September data. When all datasets were considered, the LR model again provided the best results. When Sentinel-1 and Sentinel-2 data were used together, the lowest %RMSE (16.8766) was obtained with the RFR model in September. When all dates were considered collectively, the lowest RMSE (0.9389) and %RMSE (23.5720) were obtained with the RFR model. It was observed that data obtained during certain stages of rice growth yielded higher accuracy. Among the growth stages, the end of the ripening phase provided the best results, and accuracy increased when all dates were combined.

Benzer Tezler

  1. Tez No

    472626

    Paddy-rice leaf area index (LAI) estimation using radar and optical imagery

    Radar ve optik görüntüler kullanarak çeltik bitkisi yaprak alan indeks kestirim

    ELNAZ NAJATISHENDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    İletişim Bilimleriİstanbul Teknik Üniversitesi

    İletişim Bilimleri Ana Bilim Dalı

    DOÇ. DR. ESRA ERTEN

  2. Tez No

    750531

    Farklı yetıştirme sistemlerinde çeltik (Oryza sativa L.) bitkisinin kalsiyum ve magnezyum ile biyozenginleştirilmesi

    Biofortification with calcium and magnesium in rice (Oryza sativa L.) plant in different growing systems

    MOILIM FAHAD

    Doktora

    Türkçe

    Türkçe

    2022

    ZiraatAkdeniz Üniversitesi

    Toprak Bilimi ve Bitki Besleme Ana Bilim Dalı

    PROF. DR. ŞULE ORMAN

  3. Tez No

    483508

    Buğdayda kahverengi pas dayanıklılık genlerinin (Lr9, Lr19 ve Lr24) seleksiyonunda kullanılacak moleküler markırların belirlenmesi

    Determination of selective molecular markers linked to brown rust resistance genes (Lr9, Lr19 and Lr24) in wheat

    GÜL ÇİÇEK KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    BiyoteknolojiTrakya Üniversitesi

    Biyoteknoloji ve Genetik Ana Bilim Dalı

    DOÇ. DR. SEMRA HASANÇEBİ

  4. Tez No

    860924

    Yerel Karacadağ çeltiği (Oryza sativa L.)'nde kimyasal mutagen uygulaması ile herbisite karşı dayanıklı hatların geliştirilmesi

    Development of herbicide resistant lines by chemical mutagen treatment in local Karacadağ rice (Oryza sativa L.)

    MUHAMMED İSMAİL AKYILDIZ

    Doktora

    Türkçe

    Türkçe

    2024

    GenetikDicle Üniversitesi

    Tarla Bitkileri Ana Bilim Dalı

    PROF. DR. AYDIN ALP

  5. Tez No

    706340

    Çeltikte darıcan türlerinin (Echinochloa spp.) mücadelesinin geliştirilmesi

    Studies on improving barnyardgrass (Echinochloa spp.) control in rice

    FİKRETCAN ÖZDENER

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    ZiraatÇanakkale Onsekiz Mart Üniversitesi

    Bitki Koruma Ana Bilim Dalı

    PROF. DR. AHMET ULUDAĞ

Geri Dön