FINDIK DİKİLİ ALANLARIN SENTİNEL-2 UYDU GÖRÜNTÜLERİNDEN RASTGELE ORMAN ALGORİTMASI İLE PİKSEL TABANLI SINIFLANDIRILMASI

IF 1.6 Q3 GEOSCIENCES, MULTIDISCIPLINARY Geomatik Pub Date : 2022-12-13 DOI:10.29128/geomatik.1127925

Seda TERZİ TÜRK, F. Balçik

{"title":"FINDIK DİKİLİ ALANLARIN SENTİNEL-2 UYDU GÖRÜNTÜLERİNDEN RASTGELE ORMAN ALGORİTMASI İLE PİKSEL TABANLI SINIFLANDIRILMASI","authors":"Seda TERZİ TÜRK, F. Balçik","doi":"10.29128/geomatik.1127925","DOIUrl":null,"url":null,"abstract":"Türkiye sahip olduğu uygun iklim koşulları ve topografya özellikleri ile 1900 yıllarından itibaren fındık üretiminde dünyada birinci sıradadır. Bu üretimin sürdürülebilir devamlılığı için fındık ekili alanların yüksek doğruluk ile tespit edilmesi ve ekili alanların tematik haritalarının üretilmesi oldukça önemlidir. Uzaktan algılama verileri ile geniş alanların sürekli ve doğru olarak belirlenmesi mümkündür. Bu çalışmada; 22.10.2020 tarihli Sentinel-2 MSI uydu görüntüsü ile oluşturulan farklı veri setleri kullanılarak fındık dikili alanlar belirlenmiştir. Çalışmada 5 farklı veri seti farklı bitki indekslerinin hesaplanması ile oluşturulmuştur. Çalışma bölgesi olarak Karadeniz Bölgesi’nde bulunan Giresun ilinin Piraziz ilçesi seçilmiştir. Fındık ekili alanları tespit etmek için piksel tabanlı rastgele orman (RO) görüntü sınıflandırma yöntemi kullanılmıştır. Uydu görüntüsünden 7 farklı sınıf (fındık, orman, tarım/mera, şehir yapısı, endüstriyel ve ticari alan, yol, su yüzeyi) için eğitim ve test verileri oluşturulmuştur. Çalışmanın birinci aşamasında; sınıflandırma için seçilen uydu görüntüsü bantları ile RO algoritması çalıştırılmış; genel sınıflandırma doğruluğu ve Kappa istatistiği hesaplanmıştır. Çalışmanın ikinci aşamasında; çalışmaya bitki indekslerinden Normalize Edilmiş Fark Bitki Örtüsü İndeksi (NDVI), Yeşil Bant Normalize Edilmiş Fark Bitki Örtüsü İndeksi (GNDVI) ve Normalize Edilmiş Fark Kırmızı Kenar İndeksi (NDVIre) eklenerek sınıflandırmaya katkısı değerlendirilmiştir. 5 veri setine ait sınıflandırma sonuçları hata matrisi kullanılarak karşılaştırılmıştır. Genel doğruluk 5 veri seti için de tatmin edici performans sergilemiştir. McNemar testi sonuçlarına göre her veri seti için sınıflandırma doğruluğu arasındaki farkların istatistiksel olarak anlamlı olmadığı görülmüştür. Veri seti 1 için hesaplanan genel doğruluk %98.98, Kappa değeri %98.65 ile diğer dört veri setinden daha yüksek elde edilmiştir.","PeriodicalId":33776,"journal":{"name":"Geomatik","volume":null,"pages":null},"PeriodicalIF":1.6000,"publicationDate":"2022-12-13","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Geomatik","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.29128/geomatik.1127925","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q3","JCRName":"GEOSCIENCES, MULTIDISCIPLINARY","Score":null,"Total":0}

引用次数: 1

Abstract

Türkiye sahip olduğu uygun iklim koşulları ve topografya özellikleri ile 1900 yıllarından itibaren fındık üretiminde dünyada birinci sıradadır. Bu üretimin sürdürülebilir devamlılığı için fındık ekili alanların yüksek doğruluk ile tespit edilmesi ve ekili alanların tematik haritalarının üretilmesi oldukça önemlidir. Uzaktan algılama verileri ile geniş alanların sürekli ve doğru olarak belirlenmesi mümkündür. Bu çalışmada; 22.10.2020 tarihli Sentinel-2 MSI uydu görüntüsü ile oluşturulan farklı veri setleri kullanılarak fındık dikili alanlar belirlenmiştir. Çalışmada 5 farklı veri seti farklı bitki indekslerinin hesaplanması ile oluşturulmuştur. Çalışma bölgesi olarak Karadeniz Bölgesi’nde bulunan Giresun ilinin Piraziz ilçesi seçilmiştir. Fındık ekili alanları tespit etmek için piksel tabanlı rastgele orman (RO) görüntü sınıflandırma yöntemi kullanılmıştır. Uydu görüntüsünden 7 farklı sınıf (fındık, orman, tarım/mera, şehir yapısı, endüstriyel ve ticari alan, yol, su yüzeyi) için eğitim ve test verileri oluşturulmuştur. Çalışmanın birinci aşamasında; sınıflandırma için seçilen uydu görüntüsü bantları ile RO algoritması çalıştırılmış; genel sınıflandırma doğruluğu ve Kappa istatistiği hesaplanmıştır. Çalışmanın ikinci aşamasında; çalışmaya bitki indekslerinden Normalize Edilmiş Fark Bitki Örtüsü İndeksi (NDVI), Yeşil Bant Normalize Edilmiş Fark Bitki Örtüsü İndeksi (GNDVI) ve Normalize Edilmiş Fark Kırmızı Kenar İndeksi (NDVIre) eklenerek sınıflandırmaya katkısı değerlendirilmiştir. 5 veri setine ait sınıflandırma sonuçları hata matrisi kullanılarak karşılaştırılmıştır. Genel doğruluk 5 veri seti için de tatmin edici performans sergilemiştir. McNemar testi sonuçlarına göre her veri seti için sınıflandırma doğruluğu arasındaki farkların istatistiksel olarak anlamlı olmadığı görülmüştür. Veri seti 1 için hesaplanan genel doğruluk %98.98, Kappa değeri %98.65 ile diğer dört veri setinden daha yüksek elde edilmiştir.

查看原文

微信好友朋友圈 QQ好友复制链接

本刊更多论文

求助全文

约1分钟内获得全文去求助

来源期刊

Geomatik

自引率

33.30%

发文量

审稿时长

30 weeks