Object Based Classification of Crop Pattern Using Multi-Temporal Satellite Dataset in Multi-Cropped Agricultural Areas: Lower Seyhan Plane Case Study

Abstract

Lower Seyhan Plane (LSP) is one of the most productive agricultural basins of Turkey and it  covers main part of the Çukurova Region. The crop productivity in the study area is much more than most developed countries and Turkey’s average productions. Ideal spatial conditions such as climate, soil and transportation for agriculture creates these productive lands. The aim of this research was to define winter and summer crop pattern using multi-temporal Landsat satellite dataset applying object based classification technique. Crop pattern was detected according to 2013 hydrological term (October 2012 – September 2013) as winter and summer. Landsat dataset was defined according to the greenest and cloud free times of the crops. Object based classification was applied because of regular parcel distribution of the crops. As a result of the study; general kappa coefficiency of LSP was obtained as 0.9. According to the results, it was found that while wheat, potato and onion for winter crops were determined as areal distribution, corn and cotton as first crop and corn as second crop in summer season.

Keywords

• Lower Seyhan Plane,Cukurova Region,Object based classification,Agricultural crop pattern,Landsat dataset

Tarım Alanlarında Çok Zamanlı Uydu Verileri Kullanılarak Ürün Deseninin Obje Tabanlı Sınıflama Yöntemiyle Belirlenmesi: Aşağı Seyhan Ovası Örneği

Öz

Aşağı Seyhan Ovası (ASO) Türkiye’deki en verimli tarım havzalarından birisidir ve Çukurova’nın önemli bir kesimini kapsamaktadır. Yetiştirilen ürün miktarı Türkiye ve pek çok gelişmiş ülke ortalamasının üzerindedir. Bu durum bölgenin ideal iklim, toprak ve ulaşım olanakları gibi konumsal özelliklerinden kaynaklanmaktadır. Bu çalışmanın amacı, bölgedeki yazlık ve kışlık ürün desenlerinin çok zamanlı Landsat Uydu veri seti kullanılarak obje tabanlı sınıflandırma yöntemiyle belirlenmesidir. Arazi kullanımları ve ürün desenleri belirlenirken 2013 yılı için bir yıllık hidrolojik dönem (Ekim 2012 – Eylül 2013) yazlık ve kışlık ürün desenleri olmak üzere iki kısma ayrılmıştır. Landsat veri setleri kışlık ve yazlık tarımsal ürünlerin en yeşil oldukları ve bulutsuz olan dönemler esas alınarak belirlenmiştir. Obje tabanlı sınıflama yöntemi, tarımsal ürünlerin düzenli parseller halinde olması nedeniyle tercih edilmiştir. Sınıflama sonuçlarına göre; ASO arazi örtüsü genel Kappa doğruluk katsayısı 0.9 olarak tespit edilmiştir. Sonuçlara göre, ilk üç sırayı, kışlık ürünlerde alansal olarak, buğday, patates ve soğan, yazlık ürünlerde ise birinci ürün mısır, birinci ürün pamuk ve ikinci ürün mısır almıştır.    

Anahtar Kelimeler

• Aşağı Seyhan Ovası,Çukurova Bölgesi,Obje tabanlı sınıflama,Tarımsal ürün deseni,Landsat veri seti

References

1. Alemdar T, Seçer A, Demirdöğen A, Öztornacı B, Aykanat S (2014). Çukurova Bölgesi’nde başlıca tarla ürünlerinin üretim maliyetleri ve pazarlama yapıları. Tarımsal Ekonomi ve Politika Geliştirme Enstitüsü (TEPGE) Yayınları, no: 230.
2. Berberoglu S, Lloyd CD, Atkinson PM, Curran PJ (2000). The integration of spectral & texture information using neural networks for land cover mapping in the Mediterranean. Computers and Geosciences. 26: 385-396.
3. Chen Z, Li S, Ren J, Gong P, Zhang M (2008). Monitoring and Management of Agriculture with Remote Sensing, pp. 397-421, In: Advances in Land Remote Sensing. Shunlin L. (Ed.), Springer, Netherlands.
4. DSİ (2012). Devlet Su İşleri Adana Bölge Müdürlüğü 2010-2011 ve 2012 Yılı Taban Suyu Seviyesi ve Tuzluluğu Ölçüm Sonuçları ve Sulama Raporları, https://www.dsi.gov.tr/docs/stratejik-plan/dsi-2012-faaliyet-raporu, (erişim tarihi: (25 Ağustos 2015).
5. Eastman RJ (2001). Idrisi32 Release 2 Guide to GIS and Image Processing Volume 2. Clark Labs. United States of America. Eastman JR, Mc Kendry J, Fulk MA (2005). Change and Time Series Analysis. Explorations in Geopraphic Informations Systems Technology. Geneva, United Nations Institude for Training and Research (UNITAR). Erdoğan MA, Tunçay HE, Berberoğlu S (2013). Modeling Land Use/Land Cover Conversion Risk, Journal of İTU-A|Z, 2: 67-80.
6. Gençer O, Özüdogru T, Kaynak MA, Yılmaz A, Ören N (2005). Türkiye’de Pamuk Üretimi ve Sorunları. TMMOB, Ziraat Mühendisleri Odası, Türkiye Ziraat Mühendisligi, VI. Teknik Kongresi. I.Cilt. 3–7 Ocak, Ankara, ss. 459-480. Jovanovic D, Govedarica M, Rasic D. (2014). Remote Sensing as a Trend in Agriculture, Research Journal of Agricultural Science, 46(3): 32-37.
7. Lobo, A, Chic O, Casterad A (1996). Classification of Mediterranean crops with multisensor data: per-pixel versus per-object statistics and image segmentation. 17(12): 2385-2400. Lyle G, Lewis M, Ostendorf B (2013). Testing the temporal ability of landsat imagery and precision agriculture technology to provide high resolution historical estimates of wheat yield at the farm scale. Remote Sensing. 5: 1549-1567. Özyavuz M, Şatır O, Bilgili BC (2011). A change vector analysis technique to monitor land-use/land-cover in Yıldız Mountains, Turkey. Fresenius Environmental Bulletin. 20(5): 1190-1199.
8. Şatır O (2006). Uygun Bulanık (fuzzy) Sınıflama Yöntemleriyle Aladağ Örneğinde Arazi Örtüsünün Sınıflandırılması, Yüksek Lisans Tezi, Çukurova Üniversitesi Fen Bilimleri Enstitüsü, Peyzaj Mimarlığı Anabilim Dalı, Adana. Şatır O, Berberoğlu S (2012). Land Use/Cover classification techniques using optical remotely sensed data in landscape planning, pp, 21-55, In: Landscape Planning, Dr. Murat Ozyavuz (Ed.), INTECH, Crotia.

9. Şatır O (2013). Aşağı Seyhan Ovası’nda Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Yardımıyla Tarımsal Alan Kullanım Uygunluğunun Belirlenmesi, Doktora Tezi, Çukurova Üniversitesi Fen Bilimleri Enstitüsü, Peyzaj Mimarlığı Anabilim Dalı, Adana . TAGEM (2013). Gıda tarım ve hayvancılık bakanlığı tarımsal araştırmalar ve politikalar genel müdürlüğü, Çukurova Bölgesi tarımsal ürün giderleri verileri, Mersin Alata Bahçe Kültürleri Araştırma Ens. Mersin.