Research Article

Machine learning based tree species mapping from multi-temporal Sentinel-2 data: Bolu Aladağ forest

Number: 12 June 18, 2026
TR EN

Machine learning based tree species mapping from multi-temporal Sentinel-2 data: Bolu Aladağ forest

Abstract

Giriş ve Hedefler Çok zamanlı uydu gözlemleri, heterojen orman ekosistemlerinde ağaç türlerinin belirlenmesi ve orman kompozisyonunun haritalanması açısından önemli bilgiler sağlamıştır. Bu çalışmada, Bolu ili Aladağ Ormanlarında baskın ağaç türlerinin sınıflandırılması amacıyla farklı mevsimlere ait Sentinel-2 görüntülerinin makine öğrenmesi yöntemleri ile birlikte kullanılması amaçlanmıştır. Yöntemler Çalışmada Nisan, Ağustos ve Kasım aylarına ait Sentinel-2 görüntüleri kullanılmıştır. Karaçam, Sarıçam, Göknar, Kayın ve Sapsız Meşe olmak üzere beş farklı ağaç türü analiz edilmiştir. Sınıflandırma sürecinde spektral bantlar, spektral indisler, topografik değişkenler ve mevsimsel göstergelerden oluşan veri seti değerlendirilmiştir. Arazi çalışmaları kapsamında elde edilen 112 örnek nokta model eğitimi ve doğrulama amacıyla referans veri olarak kullanılmıştır. Destek Vektör Makineleri (SVM) ve Yapay Sinir Ağları (ANN) yöntemleri uygulanmıştır. Bulgular Bağımsız test veri setinden elde edilen sonuçlar, her iki yaklaşımın da yüksek sınıflandırma performansı sağladığını göstermiştir. SVM modeli polinom çekirdeği kullanıldığında %99,22, radyal tabanlı fonksiyon (RBF) çekirdeği kullanıldığında ise %99,03 genel doğruluk değerine ulaşmıştır. ANN modeli %98,09 genel doğruluk sağlamıştır. Mevsimsel analiz sonuçları, yaz dönemine ait görüntülerin en yüksek sınıflandırma başarısını verdiğini ortaya koymuştur. Sonuçlar Bulgular, bitki gelişiminin yoğun olduğu dönemlerde türler arasındaki spektral farklılıkların daha belirgin hale geldiğini göstermiştir. Çok zamanlı Sentinel-2 verilerinin makine öğrenmesi yöntemleri ile birlikte kullanılması, karmaşık orman ekosistemlerinde ağaç türlerinin haritalanması açısından yüksek potansiyele sahip bir yaklaşım olarak değerlendirilmiştir.

Keywords

Thanks

This study was carried out as part of the Ph.D. research of Arif Aksüt conducted at Çankırı Karatekin University, Graduate School of Natural and Applied Sciences, Department of Forest Engineering. The authors would like to thank the Aladağ Forest Management Directorate for their support during the field survey campaign.

References

  1. Arif, N., Toersilowati, L., 2024. Using Artificial Neural Networks and Spectral Indices to Predict Water Availability in New Capital (IKN) and Its Surroundings. Journal of the Indian Society of Remote Sensing, 52, 1549–1560. https://doi.org/10.1007/s12524-024-01889-z.
  2. Breidenbach, J., Waser, L. T., Debella-Gilo, M., Schumacher, J., Rahlf, J., Hauglin, M., Puliti, S., Astrup, R., 2020. National mapping and estimation of forest area by dominant tree species using Sentinel-2 data. Canadian Journal of Forest Research, 51, 365-379. https://doi.org/10.1139/cjfr-2020-0170.
  3. Breiman, L., 2001. Random forests. Machine Learning, 45, 5-32. https://doi.org/10.1023/A:1010933404324.
  4. Dabija, A., Kluczek, M., Zagajewski, B., Raczko, E., Kycko, M., Al-Sulttani, A. H., Tardà, A., Pineda, L., Corbera, J., 2021. Comparison of support vector machines and random forests for CORINE land cover mapping. Remote Sensing, 13, 777. https://doi.org/10.3390/rs13040777.
  5. Drusch, M., Del Bello, U., Carlier, S., Colin, O., Fernandez, V., Gascon, F., Hoersch, B., Isola, C., Laberinti, P., Martimort, P., Meygret, A., Spoto, F., Sy, O., Marchese, F., Bargellini, P., 2012. Sentinel-2: ESA's Optical High-Resolution Mission for GMES Operational Services. Remote Sensing of Environment, 120, 25-36. https://doi.org/10.1016/j.rse.2011.11.026.
  6. Fassnacht, F.E., Latifi, H., Stereńczak, K., Modzelewska, A., Lefsky, M., Waser, L.T., Straub, C., Ghosh, A., 2016. Review of studies on tree species classification from remotely sensed data. Remote Sensing of Environment, 186, 64-87. https://doi.org/10.1016/j.rse.2016.08.013.
  7. Fisher, A., Rudin, C., Dominici, F., 2019. All models are wrong, but many are useful: Learning a variable's importance by studying an entire class of prediction models simultaneously. Journal of Machine Learning Research, 20, 1-81.
  8. Foody, G. M., 2004. Supervised image classification by MLP and RBF neural networks with and without an exhaustively defined set of classes. International Journal of Remote Sensing, 25, 3091-3104. https://doi.org/10.1080/01431160310001648019.

Details

Primary Language

English

Subjects

Forest Products Transport and Evaluation Information, Forestry Sciences (Other)

Journal Section

Research Article

Publication Date

June 18, 2026

Submission Date

March 11, 2026

Acceptance Date

May 14, 2026

Published in Issue

Year 2026 Number: 12

APA
Aksüt, A., & Kuter, S. (2026). Machine learning based tree species mapping from multi-temporal Sentinel-2 data: Bolu Aladağ forest. Anadolu Orman Araştırmaları Dergisi, 12, 1907573. https://doi.org/10.53516/ajfr.1907573
AMA
1.Aksüt A, Kuter S. Machine learning based tree species mapping from multi-temporal Sentinel-2 data: Bolu Aladağ forest. AJFR. 2026;(12):1907573. doi:10.53516/ajfr.1907573
Chicago
Aksüt, Arif, and Semih Kuter. 2026. “Machine Learning Based Tree Species Mapping from Multi-Temporal Sentinel-2 Data: Bolu Aladağ Forest”. Anadolu Orman Araştırmaları Dergisi, nos. 12: 1907573. https://doi.org/10.53516/ajfr.1907573.
EndNote
Aksüt A, Kuter S (June 1, 2026) Machine learning based tree species mapping from multi-temporal Sentinel-2 data: Bolu Aladağ forest. Anadolu Orman Araştırmaları Dergisi 12 1907573.
IEEE
[1]A. Aksüt and S. Kuter, “Machine learning based tree species mapping from multi-temporal Sentinel-2 data: Bolu Aladağ forest”, AJFR, no. 12, p. 1907573, June 2026, doi: 10.53516/ajfr.1907573.
ISNAD
Aksüt, Arif - Kuter, Semih. “Machine Learning Based Tree Species Mapping from Multi-Temporal Sentinel-2 Data: Bolu Aladağ Forest”. Anadolu Orman Araştırmaları Dergisi. 12 (June 1, 2026): 1907573. https://doi.org/10.53516/ajfr.1907573.
JAMA
1.Aksüt A, Kuter S. Machine learning based tree species mapping from multi-temporal Sentinel-2 data: Bolu Aladağ forest. AJFR. 2026;:1907573.
MLA
Aksüt, Arif, and Semih Kuter. “Machine Learning Based Tree Species Mapping from Multi-Temporal Sentinel-2 Data: Bolu Aladağ Forest”. Anadolu Orman Araştırmaları Dergisi, no. 12, June 2026, p. 1907573, doi:10.53516/ajfr.1907573.
Vancouver
1.Arif Aksüt, Semih Kuter. Machine learning based tree species mapping from multi-temporal Sentinel-2 data: Bolu Aladağ forest. AJFR. 2026 Jun. 1;(12):1907573. doi:10.53516/ajfr.1907573