LANDSAT UYDU GÖRÜNTÜLERİ KULLANILARAK NESNE TABANLI SINIFLANDIRMA YÖNTEMİ İLE ALAN KULLANIM / ARAZİ ÖRTÜSÜ DEĞİŞİMİNİN DEĞERLENDİRİLMESİ: MUĞLA-ULA ÖRNEĞİ
Öz
Bu çalışmada, Muğla Ula test alanındaki arazi örtüsünün, Landsat Uydu görüntüleri ile nesne tabanlı görüntü analizi yaklaşımları kullanılarak elde edilen sınıflandırmalarına esas olan sonuçlar test edilmiştir. Test alanına ait Landsat 1990 ve Landsat 2019 yıllarına ait uydu görüntüleri üzerinden sınıflandırma yapılmış ve yer gerçeği verileri, test alanındaki mevcut haritalar, hava fotoğrafları ile alınan bilgilerden elde edilmiştir. Ecognition Devoloper 64 yazılımı ile test edilen nesne-tabanlı sınıflandırma yaklaşımında, ilk olarak Landsat 1990 uydu görüntüsü ile kontrollü sınıflandırma yöntemi kullanılarak AÖ/AK haritası oluşturulmuştur. Buna bağlı olarak sonrasında, referans noktası ataması yöntemi kullanılarak ArcMap programında doğruluk analizi işlemi gerçekleştirilmiştir. Yine Ecognition Devoloper 64 yazılımı ile nesne tabanlı sınıflandırma yaklaşımında, Landsat 2019 uydu görüntüsü ile kontrollü sınıflandırma yöntemi kullanılarak AÖ/AK haritası oluşturulmuştur. Buna bağlı olarak sonrasında, referans noktası ataması yöntemi kullanılarak ArcMap programında doğruluk analizi işlemi gerçekleştirilmiştir. Uygulama sonrasında kullanılan iki farklı uydu görüntülerinin sınıflandırma işlemleri sonucunda elde edilen veriler, Landsat 2019 uydu görüntüsünün, Landsat 1990 uydu görüntüsüne göre arazi örtüsü değişimini gözlemlemeye yardımcı olmuştur. Testlere bağlı olarak, sınıflandırma doğrulukları verilmiş ve karşılaştırma sonuçları sunularak yorumlar yapılmıştır.
Anahtar Kelimeler
Nesne tabanlı sınıflandırma, Landsat, AK/AÖ Haritası, Sınıflandırma, Doğruluk Analizi
Teşekkür
Bu çalışmaya olan büyük desteklerinden dolayı sayın Dr. Öğr. Üyesi Birsen KESGİN ATAK hocama teşekkürler.
Kaynakça
- Congalton, R. G., (1991). A Review of Assesing the Accuracy of Classifications of Remotely Sensed Data. Department of Forestry and Resource Management, Universty of California, Berkeley. Remote Sensing of Environment, 37, 35-46.
- Desheng, L. & Fan, X. (2010) Assessing object-based classification: advantages and limitations, Remote Sensing Letters, 1:4, 187-194, DOI: 10.1080/01431161003743173.
- Erbay, A. (2005). Uydu Görüntüleri Rehber Kitapçığı. Ortaklar CD. NO.27 D.6 Mecidiyeköy-İstanbul. NİK İnşaat Ticaret LTD. ŞTİ. Copyright©NİK Sistem, 2003.
- Hofmann, P, (2001a). Detecting Buildings and Roads from Ikonos Data Using Additional Elevation Information, GIS Geo-Information-System, 6/2001.
- Hofmann, P, (2001b). Detecting Informal Settlements from Ikonos Image Data Using Methods of Object Oriented Image Analysis - An Example From Cape Town,In: Remote Sensing of Urban Areas, edited by Jürgens, Carsten (Regensburg).
- Hofmann, P, (2001c). Detecting Urban Features from Ikonos Data Using an Object-Oriented Approach, RSPS 2001, Geomatics, Earth Observation and the Information Society.
- Oguz, H. (2017). Landsat 8 uydu görüntüsünden otomati̇k yer yüzey sıcaklığı eldesi̇: Di̇yarbakır – Türki̇ye örneği̇, Turkish Journal of Forest Science, 1(1), 33-43.
- Oruç, M., Marangoz, A. M., & Karakış, S. (2007). Pan-sharp Landsat 7 ETM+ görüntüsü Kullanılarak Pixel-tabanlı ve Nesne-tabanlı Sınıflandırma Yaklaşımlarının Karşılaştırılması, TMMOB Harita ve Kadastro Mühendisleri Odası 11. Türkiye Harita Bilimsel ve Teknik Kurultayı 2-6 Nisan 2007, Ankara
- Şekertekin, A., Kutoğlu, H. & Marangoz, A. M. (2015). Uzaktan Algılama Teknolojisi ve Uydu Görüntüleri Yardımıyla Önemli Çevresel (Su ve Kara Yüzeyi) Etkilerin Gözlemlenmesi. Karaelmas Fen ve Mühendislik Dergisi, 5(2), 105-112. .