Arazi Kullanım Sınıfları İçin Farklı Kontrollü Sınıflandırma Algoritmalarının Karşılaştırılması
Abstract
Bu çalışmanın amacı, Landsat 8 uydu görüntüsü kullanılarak arazi kullanım sınıflarını farklı kontrollü sınıflandırma algoritmaları ile sınıflandırmak ve en uygun tekniği ortaya koymaktır. Bu amaçla, en yüksek olasılık (maksimum likelihood) ile Destek Vektör Makineleri (DVM) için yaygın bir şekilde kullanılan doğrusal, polinom, radyal ve sigmoid kernel fonksiyonları kullanılmıştır. En iyi sonucu veren en yüksek olasılık metodu ile DVM polinom fonksiyonu çıktıları karşılaştırılmıştır. En yüksek olasılık metodu için kappa değeri ve genel sınıflandırma başarısı sırasıyla 0.81 ve % 85’dir. DVM polinom fonksiyonu için ise bu değerler sırasıyla 0.79 ve % 84’tür. Ayrıca, her iki yöntemle sınıflandırılmış arazi kullanım sınıflarının konumsal analizi Coğrafi Bilgi Sistemleri kullanılarak yapılmıştır. Konumsal analiz sonuçlarına göre en yüksek olasılık metodu kullanılarak toplam alanın % 47.5’i, DVM polinom fonksiyonu ile % 43.3’ü doğru bir şekilde sınıflandırılmıştır.
Keywords
Arazi kullanım sınıfları, En yüksek olasılık, Destek vektör makineleri, Landsat 8 uydu görüntüsü
References
- Anonim 2014. Kastamonu Orman Bölge Müdürlüğü, Samatlar Orman İşletme Müdürlüğü, Kartalsuyu Orman İşletme Şefliği fonksiyonel orman amenajman planı. T.C. Orman ve Su İşleri Bakanlığı, Orman Genel Müdürlüğü, 373 s., Kastamonu.
- Ayhan S., Erdoğmuş Ş. 2014. Destek vektör makineleriyle sınıflandırma problemlerinin çözümü için çekirdek fonksiyonu seçimi. Eskişehir Osmangazi Üniversitesi, İİBF Dergisi, 9(1):175-198.
- Çölkesen İ. 2009. Uzaktan algılamada ileri sınıflandırma tekniklerinin karşılaştırılması ve analizi. GYTE Mühendislik ve Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Gebze.
- Çölkesen İ, Sahin E.K., Kavzoglu T. 2016. Susceptibility mapping of shallow landslides using kernel-based Gaussian process, support vector machines and logistic regression. Journal of African Earth Sciences, 118,53-64. http://dx.doi.org/10.1016/j.jafrearsci.2016.02.019
- Günlü A. 2012. Landsat TM uydu görüntüsü yardımıyla bazı meşcere parametreleri (gelişim çağı ve kapalılık) ve arazi kullanım sınıflarının belirlenmesi. Kastamonu Üniversitesi, Orman Fakültesi Dergisi, 12(1):71-79.
- Hsu C.W., Chang C.C., Lin C.J. 2010. A practical guide to support vector classification. National Taiwan University. http://ntu.csie.org/~cjlin/papers/guide/guide.pdf
- Huang C., Davis L.S., Townshend J.R.G. 2002. An assessment of support vector machines for land cover classification. International Journal of Remote Sensing, 23(4),725-749. DOI: 10.1080/01431160110040323
- Kavzoğlu T., Çölkesen İ. 2010. Destek vektör makineleri ile uydu görüntülerinin sınıflandırılmasında kernel fonksiyonlarının etkilerinin incelenmesi. Harita Dergisi, Temmuz 2010, 144:73-82.
- Myung I.J. 2003. Tutorial on maximum likelihood estimation. Journal of Mathematical Psychology, 47:90–100, doi:10.1016/S0022-2496(02)00028-7.