Araştırma Makalesi
BibTex RIS Kaynak Göster

Nesne Tabanlı Sınıflandırma Yönteminde Sentinel-2A Uydu Görüntüleri Kullanılarak Tarımsal Ürün Desenlerinin Belirlenmesi; Konya - Karapınar Örneği

Yıl 2021, Cilt: 3 Sayı: 2, 36 - 46, 15.12.2021
https://doi.org/10.51489/tuzal.932912

Öz

Tarımsal ürün desenlerinin belirlenmesi, uzaktan algılama teknolojisinin tarımda kullanım alanlarına örnek olabilecek çalışmaların başında gelmektedir. Tarımsal ürünlere ait verim ve rekolte tahminleri, ürün gelişimlerinin takibi ve tarımsal planlamalara yön vermek açısından tarımsal ürün desenini yansıtan tematik haritalar önemle kullanılan altlık verilerdir. Bu çalışma ile Konya ili Karapınar ilçesinin yüksek çözünürlüklü Sentinel-2A uydu görüntüleri kullanılarak nesne tabanlı sınıflandırma yöntemine göre tarımsal ürün deseni belirlenmiştir. Çoklu çözünürlüklü bölütleme algoritması kullanılarak tarım parselleri sınırlarının oluşturulduğu çalışmada, bölütleme algoritmasına ait en uygun ölçek, şekil ve yoğunluk parametreleri belirlenmiştir. Bölütlerin sınıflandırması için en yakın komşuluk algoritması kullanılmıştır. Sınıflandırmayı kolaylaştırmak açısından, araziden elde edilen eğitim ve test verilerinin yanında NDVI ve DDVI gibi farklı indisler yardımcı veriler olarak kullanılmıştır. Sınıflandırılmış tematik haritanın Genel Doğruluk Oranı % 82, buna karşılık gelen Kappa Katsayısı Oranı ise 0,76 olarak hesaplanmış olup, sınıflandırma performansının çok iyi düzeyde olduğu tespit edilmiştir. Buna göre tarımsal ürün desenlerinin belirlenmesinde nesne tabanlı sınıflandırma yönteminin yüksek doğrulukta sonuçlar verdiği görülmüştür.

Destekleyen Kurum

Tarımsal Araştırmalar ve Politikalar Genel Müdürlüğü (TAGEM)

Teşekkür

Bu çalışma Ulusal Ürün İzleme ve Verim Tahmini projesi kapsamında yürütülmüştür. Desteklerinden dolayı Tarımsal Araştırmalar ve Politikalar Genel Müdürlüğü’ne (TAGEM) teşekkür ederiz.

Kaynakça

  • Benz, U.C., Hofmann, P., Willhauck, G., Lingenfelder, I.,&Heynen, M., (2004). Multi- resolution, object-oriented fuzzy analysis of remote sensing data for GIS-ready information. ISPRS Journal of Photogrammetry and Remote Sensing, 58 (3), pp. 239-258.
  • Blaschke, T., Lang, S., & Hay, G.J. (Eds.), (2008). Object-based image analysis: spatial concepts for knowledge-driven remote sensing applications. Springer Science & Business Media
  • Burnett, C., & Blaschke. T., (2003). A multi-scale segmentation/object relationship modeling methodology for landscape analysis. Ecological Modeling 168: 233-249.
  • Cheng, H.D., Jiang, X.H., Sun, Y., & Wang, J., (2001). Color image segmentation: Advances and prospects. Pattern Recognit. 34, 2259–2281
  • Çelik, M. A., & Karabulut, M., (2013). Yağış koşullarının Antep fıstığı (Pistacia vera L.) biomas aktivitesi ve fenolojik özelliklerine etkisinin uzaktan algılama verileri kullanılarak incelenmesi, Türk Coğrafya Dergisi, Sayı: 60, 37-48.
  • Çelik, M.A., & Sönmez, M. E., (2013). Kızıltepe ilçesinin tarımsal yapısındaki değişimlerin MODIS NDVI verileri kullanılarak izlenmesi ve incelenmesi, Marmara Coğrafya Dergisi, Sayı: 27, 262-281.
  • Eisfelder, C., Kraus, T., Bock, M., Werner, M., Buchroithner, M.F., & Strunz, G., (2009). Towards automated forest-type mapping - a service within GSE Forest Monitoring based on SPOT-5 and IKONOS data, International Journal of Remote Sensing, 30: 19, 5015 -5038.
  • Förster, S., Kaden, K., Foerster, M., & Itzerott, S. (2012).Crop Type Mapping Using Spectral-Temporal Profiles and Phenological İnformation, Comput. Electron. Agric 89, 30–40.
  • Lillesand, T.M., & Kiefer, R.W., (1994). Remote Sensing and Image Interpretation, 3rd ed. xvi + 750 pp. New York.
  • Lucchese, L., & Mitray, S.K., (2001). Color image segmentation: A state-of-the-art survey. In: Indian National Science Academy (INSA-A). Delhi, India, pp. 207–221.
  • Navulur K., (2007). Multispectral Image Analysis Using the Object-Oriented Paradigm, CRC Press, Florida, U.S.A., 184ss.
  • Richards, J.A., & Xiuping, Jia., (1999). Remote Sensing Digital Image Analysis. An Introduction, 3rd revised and enlarged edition.: xxi + 363 pp.
  • Wesseling, J. G. & Fedes, R. A., (2006). Assessing crop water productivity from field to regional scale, Agricultural Water Management, cilt 86, no. 1, pp. 30-39.
  • Zhang, Y.J., (1997). Evaluation and comparison of different segmentation algorithms. Pattern Recognit. Lett. 18, 963–974.
  • Çölkesen, İ., (2015). Yüksek çözünürlüklü uydu görüntüleri kullanarak benzer spektral özelliklere sahip doğal nesnelerin ayırt edilmesine yönelik bir metodoloji geliştirme, Doktora tezi, İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü, İstanbul, Türkiye. TUIK, (2015/2016).www.tuik.gov.tr

Determination of Agricultural Crop Patterns Using Sentinel-2A Satellite İmages in Object-Based Classification Method; A Case Study of Konya-Karapınar

Yıl 2021, Cilt: 3 Sayı: 2, 36 - 46, 15.12.2021
https://doi.org/10.51489/tuzal.932912

Öz

Determination of agricultural crop patterns is one of the studies that can be an example of the use of remote sensing technology in agriculture. Thematic maps reflecting the agricultural crop pattern are important used of base data in terms of yield and harvest estimates of agricultural crops, monitoring crop developments and directing agricultural planning. With this study, The agricultural crop pattern was determined using high resolution Sentinel-2A satellite images according to the object-based classification method in district of Karapınar in Konya. In the study where the boundaries of agricultural parcels were created using the multiresolution segmentation algorithm, the most suitable scale, shape and density parameters of the segmentation algorithm were determined. The Nearest Neighborhood algorithm was used for the classification of the segments. In order to facilitate classification, different indices such as NDVI and DDVI were used as auxiliary data besides training and test data obtained from the field. General Accuracy ratio of the classified thematic map 82%, its corresponding Kappa coefficient ratio 0,76 were calculated and the classification performance was found to be at a very good level. Accordingly, it has been observed that the object-based classification method gives high accuracy results in determining the patterns of agricultural crops.

Kaynakça

  • Benz, U.C., Hofmann, P., Willhauck, G., Lingenfelder, I.,&Heynen, M., (2004). Multi- resolution, object-oriented fuzzy analysis of remote sensing data for GIS-ready information. ISPRS Journal of Photogrammetry and Remote Sensing, 58 (3), pp. 239-258.
  • Blaschke, T., Lang, S., & Hay, G.J. (Eds.), (2008). Object-based image analysis: spatial concepts for knowledge-driven remote sensing applications. Springer Science & Business Media
  • Burnett, C., & Blaschke. T., (2003). A multi-scale segmentation/object relationship modeling methodology for landscape analysis. Ecological Modeling 168: 233-249.
  • Cheng, H.D., Jiang, X.H., Sun, Y., & Wang, J., (2001). Color image segmentation: Advances and prospects. Pattern Recognit. 34, 2259–2281
  • Çelik, M. A., & Karabulut, M., (2013). Yağış koşullarının Antep fıstığı (Pistacia vera L.) biomas aktivitesi ve fenolojik özelliklerine etkisinin uzaktan algılama verileri kullanılarak incelenmesi, Türk Coğrafya Dergisi, Sayı: 60, 37-48.
  • Çelik, M.A., & Sönmez, M. E., (2013). Kızıltepe ilçesinin tarımsal yapısındaki değişimlerin MODIS NDVI verileri kullanılarak izlenmesi ve incelenmesi, Marmara Coğrafya Dergisi, Sayı: 27, 262-281.
  • Eisfelder, C., Kraus, T., Bock, M., Werner, M., Buchroithner, M.F., & Strunz, G., (2009). Towards automated forest-type mapping - a service within GSE Forest Monitoring based on SPOT-5 and IKONOS data, International Journal of Remote Sensing, 30: 19, 5015 -5038.
  • Förster, S., Kaden, K., Foerster, M., & Itzerott, S. (2012).Crop Type Mapping Using Spectral-Temporal Profiles and Phenological İnformation, Comput. Electron. Agric 89, 30–40.
  • Lillesand, T.M., & Kiefer, R.W., (1994). Remote Sensing and Image Interpretation, 3rd ed. xvi + 750 pp. New York.
  • Lucchese, L., & Mitray, S.K., (2001). Color image segmentation: A state-of-the-art survey. In: Indian National Science Academy (INSA-A). Delhi, India, pp. 207–221.
  • Navulur K., (2007). Multispectral Image Analysis Using the Object-Oriented Paradigm, CRC Press, Florida, U.S.A., 184ss.
  • Richards, J.A., & Xiuping, Jia., (1999). Remote Sensing Digital Image Analysis. An Introduction, 3rd revised and enlarged edition.: xxi + 363 pp.
  • Wesseling, J. G. & Fedes, R. A., (2006). Assessing crop water productivity from field to regional scale, Agricultural Water Management, cilt 86, no. 1, pp. 30-39.
  • Zhang, Y.J., (1997). Evaluation and comparison of different segmentation algorithms. Pattern Recognit. Lett. 18, 963–974.
  • Çölkesen, İ., (2015). Yüksek çözünürlüklü uydu görüntüleri kullanarak benzer spektral özelliklere sahip doğal nesnelerin ayırt edilmesine yönelik bir metodoloji geliştirme, Doktora tezi, İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü, İstanbul, Türkiye. TUIK, (2015/2016).www.tuik.gov.tr
Toplam 15 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Mühendislik
Bölüm Araştırma Makaleleri
Yazarlar

Harun Torunlar 0000-0003-3504-7231

Murat Güven Tuğaç 0000-0001-5941-5487

Kemal Duyan 0000-0002-2225-8825

Yayımlanma Tarihi 15 Aralık 2021
Kabul Tarihi 29 Haziran 2021
Yayımlandığı Sayı Yıl 2021 Cilt: 3 Sayı: 2

Kaynak Göster

APA Torunlar, H., Tuğaç, M. G., & Duyan, K. (2021). Nesne Tabanlı Sınıflandırma Yönteminde Sentinel-2A Uydu Görüntüleri Kullanılarak Tarımsal Ürün Desenlerinin Belirlenmesi; Konya - Karapınar Örneği. Türkiye Uzaktan Algılama Dergisi, 3(2), 36-46. https://doi.org/10.51489/tuzal.932912
AMA Torunlar H, Tuğaç MG, Duyan K. Nesne Tabanlı Sınıflandırma Yönteminde Sentinel-2A Uydu Görüntüleri Kullanılarak Tarımsal Ürün Desenlerinin Belirlenmesi; Konya - Karapınar Örneği. TUZAL. Aralık 2021;3(2):36-46. doi:10.51489/tuzal.932912
Chicago Torunlar, Harun, Murat Güven Tuğaç, ve Kemal Duyan. “Nesne Tabanlı Sınıflandırma Yönteminde Sentinel-2A Uydu Görüntüleri Kullanılarak Tarımsal Ürün Desenlerinin Belirlenmesi; Konya - Karapınar Örneği”. Türkiye Uzaktan Algılama Dergisi 3, sy. 2 (Aralık 2021): 36-46. https://doi.org/10.51489/tuzal.932912.
EndNote Torunlar H, Tuğaç MG, Duyan K (01 Aralık 2021) Nesne Tabanlı Sınıflandırma Yönteminde Sentinel-2A Uydu Görüntüleri Kullanılarak Tarımsal Ürün Desenlerinin Belirlenmesi; Konya - Karapınar Örneği. Türkiye Uzaktan Algılama Dergisi 3 2 36–46.
IEEE H. Torunlar, M. G. Tuğaç, ve K. Duyan, “Nesne Tabanlı Sınıflandırma Yönteminde Sentinel-2A Uydu Görüntüleri Kullanılarak Tarımsal Ürün Desenlerinin Belirlenmesi; Konya - Karapınar Örneği”, TUZAL, c. 3, sy. 2, ss. 36–46, 2021, doi: 10.51489/tuzal.932912.
ISNAD Torunlar, Harun vd. “Nesne Tabanlı Sınıflandırma Yönteminde Sentinel-2A Uydu Görüntüleri Kullanılarak Tarımsal Ürün Desenlerinin Belirlenmesi; Konya - Karapınar Örneği”. Türkiye Uzaktan Algılama Dergisi 3/2 (Aralık 2021), 36-46. https://doi.org/10.51489/tuzal.932912.
JAMA Torunlar H, Tuğaç MG, Duyan K. Nesne Tabanlı Sınıflandırma Yönteminde Sentinel-2A Uydu Görüntüleri Kullanılarak Tarımsal Ürün Desenlerinin Belirlenmesi; Konya - Karapınar Örneği. TUZAL. 2021;3:36–46.
MLA Torunlar, Harun vd. “Nesne Tabanlı Sınıflandırma Yönteminde Sentinel-2A Uydu Görüntüleri Kullanılarak Tarımsal Ürün Desenlerinin Belirlenmesi; Konya - Karapınar Örneği”. Türkiye Uzaktan Algılama Dergisi, c. 3, sy. 2, 2021, ss. 36-46, doi:10.51489/tuzal.932912.
Vancouver Torunlar H, Tuğaç MG, Duyan K. Nesne Tabanlı Sınıflandırma Yönteminde Sentinel-2A Uydu Görüntüleri Kullanılarak Tarımsal Ürün Desenlerinin Belirlenmesi; Konya - Karapınar Örneği. TUZAL. 2021;3(2):36-4.