Water surface extraction from single-date sentinel-2 imagery using object-based random forest classification
Tek tarihli sentınel-2 görüntülerinden nesne-tabanlı rastgele orman sınıflandırması kullanılarak su yüzeyi çıkarımı
- Tez No: 921416
- Danışmanlar: PROF. DR. MUSTAFA TÜRKER
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Karasal su kütleleri, ekolojik, ekonomik ve sosyal açıdan önemi nedeniyle Dünya üzerindeki en önemli doğal kaynaklar arasında yer almaktadır; hayatı, tarımı, biyolojik çeşitliliği ve afet yöneyimini desteklemektedir. Uzaktan Algılama görüntüleri ile karasal su kütlelerinin izlenmesi ve haritalanması, ekosistemlerin sürdürülebilirliği açısından kritik bir hale gelmiştir. Geleneksel su indeksi yöntemleri, doğru souçlar elde etmek için mekânsal olarak değişken eşik değerlerine ihtiyaç duyar, bu da uygulanabilirliklerinde kısıtlayıcı bir faktör olarak karşımıza çıkar. Diğer tarftan, makine öğrenmesi teknikleri, uzaktan algılama görüntülerinden su yüzeylerini tespit etme işlemlerinde oldukça başarılı sonuçlar elde etmektedir. Bu çalışmada, Sentinel-2 görüntülerinden nesne tabanlı makine öğrenimi sınıflandırması kullanılarak iç su kütlelerini çıkarmaya yönelik bir yaklaşım sunulmaktadır. Bu yaklaşım, Türkiye'nin Göller Yöresi Bölgesi'nde yer alan bir çalışma alanı üzerinde tek tarihli Sentinel-2 uydu görüntüleri kullanılarak uygulanmıştır. Nesne tabanlı sınıflandırma için gerekli olan görüntü segmentasyonu işlemi, Basit Doğrusal İteratif Kümeleme (SLIC) süperpiksel segmentasyon algoritması kullanılarak gerçekleştirilmiştir. Eğitim örnekleri, Global Surface Water (GSW) veri setinin yardımıyla otomatik olarak seçilmiştir. Görüntü sınıflandırması, R Studio kullanılarak Rastgele Orman (RF) algoritması ile yapılmıştır. Sentinel-2 verisinin 10m ve 20m bantlarına ek olarak Normalleştirilmiş Fark Su İndeksi (NDWI) bandı hesaplanmış ve sınıflandırmada ek bir bant olarak kullanılmıştır. Doğruluk için yapılan kapsamlı değerlendirme sonucunda, %98.4 den yüksek genel doğruluk ve %95.7 den yüksek Kappa değeri elde edilmiştir. Elde edilen sonuçlar, sunulan yaklaşımın Sentinel-2 görüntülerinden su kütlesi haritalaması yapmada çok yüksek doğrulukla umut verici olduğunu göstermektedir.
Özet (Çeviri)
Inland water bodies are among the most important natural resources on Earth due to their ecological, economic, and social importance, supporting life, agriculture, biodiversity, and disaster management. Monitoring and mapping inland water bodies from remote sensing imagery has become critical for the sustainability of ecosystems. Traditional water index methods require spatially variable threshold values to obtain accurate results, which represent a limiting factor in their applicability. On the other hand, machine learning techniques achieve highly successful results in detecting water surfaces from remote sensing imagery. In this study, an approach is presented to extract inland water bodies from Sentinel-2 imagery using object-based machine learning classification. The approach was implemented on a study area located in the Lakes Region of Türkiye using a single date Sentinel-2 imagery. The image segmentation process necessary for object-based classification was carried out using the Simple Linear Iterative Clustering (SLIC) superpixel segmentation algorithm. Training samples were selected automatically with the help of the Global Surface Water (GSW) dataset. Image classification was performed in R Studio using the random forest (RF) algorithm. In addition to 10m and 20m bands of Sentinel-2 data, the Normalized Difference Water Index (NDWI) was calculated and used as an additional band in classification. A comprehensive evaluation based on validation samples revealed overall accuracy higher than 98.4% and Kappa value higher than 95.7 %. The achieved results suggest that the presented approach is promissing in water body mapping from Sentinel-2 imagery with very high accuracy.
Benzer Tezler
- Uydu verileri ile İstanbul Boğazı ve Haliç'de su kirliliğinin makro düzeyde belirlenmesi
Intrepretation at macro level as pollution of water resources of remotely sensed data of Bosphorus and golden horn estuary by an unsupervised and supervised classification method
H.GONCA COŞKUN
- Pesticide pollution in surface and ground water of an agricultural area, Kumluca, Turkey
Kumluca tarım bölgesinin yeraltı ve yüzey sularındaki pestisit kirliliği
NUR BANU ÖZTAŞ
- Dikey dairesel silindirik açık su havuzlarında hidrodinamik kuvvetler
Hydrodynamic forces for vertical axis circular cylinder containing a concertric cylindrical hole in finite depth
MÜKERREM ERTEN(İLKIŞIK)
- Atık depolanmasının ve endüstriyel atıklardan termik santral küllerinin maden ocaklarında depolanmasının incelenmesi
Başlık çevirisi yok
ELİF ALGURKAPLAN
Yüksek Lisans
Türkçe
1998
Maden Mühendisliği ve Madencilikİstanbul Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
PROF. DR. ŞİNASİ ESKİKAYA
- Güneş enerjili yemek pişirme cihazı
A Hot box type solar cooker
MAHMUT D. MAT
Yüksek Lisans
Türkçe
1992
Makine Mühendisliğiİstanbul Teknik ÜniversitesiYRD. DOÇ. DR. A. KORHAN BİNARK
