Synthetic aperture radar (SAR) is now proven to be a powerful ground
monitoring tool. Over the last decade, SAR sensors have been developed that can
detect multiple polarization states while maintaining phase information. These systems,
called Polarimetric SAR (PolSAR), transmit and receive both vertically and horizontally
polarized microwave signals. Optical data provides various information about the
reflectance characteristics of targets with respect to spectral density with the
help of electro-optical sensors, SAR data includes detailed information about polarization
state and geometrical structure of natural and artificial objects, surface roughness
and dielectric properties. In this study, the classification of polarimetric images
produced by slice assembling from dual polarimetric multitemporal satellite images
of C-band Sentinel-1A fit was preferred for ease of application of polarimetric
decomposition analysis and unsupervised classification method due to the interpretability
of polarimetric signatures. Within the scope of the study, we used PolSAR methods
by applying the H-alpha decomposition algorithm to PolSAR images using the (Single
Look Complex) SLC mode dual polarimetric images and the targets and methods using
Sentinel-1A satellites 2014 and 2018 dual polarimetric multitemporal SAR images
of the in the previously not tested region with the PolSAR classification. And also,
polarimetric parameters are interpreted. Unsupervised classification was carried
out to reveal changes in the field of work and to provide visual analysis. The overall
classification accuracy as a result of classification is calculated as 88.5%
for 2014 and 89.0% for 2018. Land changes in the urban and rural areas for 2014
and 2018 have been identified. The study also aimed to examine the capabilities
of dual polarimetric C-band SAR data for terrestrial land cover classification.
In the future study the effect of quad polarimetrik SAR and optical images used
in different bands according on classification analysis will be investigated.
Sentetik açıklıklı radarın (SAR)
güçlü bir yer gözlem aracı olduğu artık ispatlanmıştır. Son on yılda, faz bilgisini muhafaza
ederken birden fazla kutuplaşma durumunu ölçebilen SAR sensörleri geliştirilmiştir.
Polarimetrik SAR (PolSAR) adı verilen sistemler hem dikey hem de yatay
polarizasyonlu mikrodalga sinyalleri göndermekte ve almaktadır. Optik veriler
elektro-optik sensörler yardımıyla spektral yoğunluk açısından, hedeflerin
yansıtıcı ve dağıtıcı özellikleri hakkında çeşitli bilgi sağlarken SAR
verileri, polarizasyon durumu ile doğal ve insan yapımı nesnelerin geometrik
yapısı, yüzey pürüzlülüğü ve dielektrik özellikleri hakkında detaylı bilgiler
içerir. Bu çalışmada C-band
Sentinel-1A uydusunun ikili polarimetrik çok zamanlı uydu görüntülerinden dilim
birleştirme ile üretilen polarimetrik görüntülerin sınıflandırılmasında,
polarimetrik ayrışma analizinin uygulama kolaylığı ve polarimetrik imzaların
yorumlanabilirliği nedeni ile kontrolsüz sınıflandırma yöntemi tercih
edilmiştir. Çalışma kapsamında, daha
önce (Single Look Complex) SLC mod ikili polarimetrik görüntüler kullanılarak PolSAR
sınıflandırması ile test edilmemiş bölgede, çalışma
alanına ait Sentinel-1A uydusu 2014 ve 2018 yılları ikili polarimetrik çok zamanlı
SAR görüntüleri kullanılarak belirtilen hedef ve yöntemlerle, PolSAR görüntülerine
H-alfa ayrışma algoritması uygulanarak polarimetrik parametreler yorumlanmıştır.
Kontrolsüz sınıflandırma ile çalışma alanındaki değişimlerin ortaya konulması ve
görsel analizi sağlanmıştır. Sınıflandırma sonucunda genel sınıflandırma doğrulukları, 2014
yılı için % 88,5 ve 2018 yılı için %89,0 olarak hesaplanmıştır. 2014 ve 2018 yılları
için kentsel ve kırsal alandaki arazi değişimleri belirlenmiştir. Çalışma,
arazi kullanımı arazi örtüsü sınıflandırması için ikili polarimetrik C-band SAR
verilerinin yeteneklerini incelemeyi de amaç edinmiştir. Ayrıca çalışmanın
devamı niteliğinde, farklı bantta çalışan dörtlü polarimetrik SAR ve optik
görüntülerin birlikte kullanımının sınıflandırma analizine etkisi
araştırılacaktır.
Primary Language | Turkish |
---|---|
Subjects | Engineering |
Journal Section | Araştırma Makalesi |
Authors | |
Publication Date | December 17, 2018 |
Acceptance Date | October 3, 2018 |
Published in Issue | Year 2018 Volume: 4 Issue: 2 |