Pan-Sharp Landsat 7 ETM+ Görüntüsü Kullanılarak Piksel-Tabanlı ve Nesne-Tabanlı Sınıflandırma Yaklaşımlarının Karşılaştırılması (original) (raw)
Related papers
Nesne Tabanlı Sınıflandırma ileYanmış Orman Alanlarının Tespiti
2017
Türkiye coğrafi konumu itibariyle Akdeniz iklim kuşağında yer almaktadır. Akdeniz iklim kuşağının; elverişsiz meteorolojikşartları, yanıcı akdeniz bitki örtüsü, engebelik topografik yapısı ülkemizde orman yangını riskini arttırmaktadır. Özellikle ormanyangınına 1. derece hassasiyette bulunan Marmara, Ege ve Akdeniz Bölgelerinde çoğunlukla yaz aylarında orman yangınlarımeydana gelmektedir. Yanmış alanların tespiti hem mevcut hasarın belirlenmesi hemde alana yapılacak müdahalelerin planlanmasıaçısından önemlidir. Orman yangını nedeniyle oluşan yanmış alanların tespiti genelde fiziksel olarak kontrol etme ve ölçmeyöntemleriyle yapılmaktadır. Ancak bu yol zamansal ve ekonomik açıdan masraflıdır. Yanan alanların tespiti için kullanılan bir diğeryol ise uydu görüntülerinden yanan alanların tespitidir. Bu çalışmada Landsat -8 uydu görüntüleri kullanılarak Antalya Kumluca ve Adrasan alanlarında Haziran 2016’da meydana gelenyangınlar sonucu oluşan yanmış alanların tespiti gerçekleştirilmişti...
Turkish Journal of Remote Sensing, 2021
Anahtar Kelimeler: ÖZ Nesne tabanlı Sentinel-2A Sınıflandırma Ürün deseni 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.
Geomatik
Dünyada fındık üretiminin yaklaşık %75'ini Türkiye sağlamaktadır. Bu nedenle fındık alanlarının doğru bir şekilde belirlenmesi, üretilecek fındık miktarının ve verimlilik çalışmaları için önemlidir. Bu çalışmada 02.07.2019 tarihli Sentinel-2 uydu görüntüsü kullanılarak fındık bahçelerinin belirlenmesi amaçlanmıştır. Bu kapsamda çalışma alanı olarak Trabzon ili Beşikdüzü ilçesi, uygulama alanı olarak ilçe merkezi seçilmiştir. Uygulama alanına ait görüntü arazi tespit çalışması için piksel tabanlı görüntü sınıflandırma yöntemi kullanılmıştır. Fındık bahçelerinin belirlenmesi için üç farklı makine öğrenme algoritması rastgele orman (RO), K en yakın komşu (K-EYK) ve destek vektör makineleri (DVM) ele alınmıştır. Sınıflandırmalara ilişkin genel doğruluk değerleri RO, K-EYK ve DVM algoritmaları için sırasıyla 85,3870, 87,5398 ve 91,0948 olarak tespit edilmiştir.
Klasik piksel tabanlı yöntemler, sadece pikselin gri değerine dayalı olarak detay çıkarımını yürütürler. Bu nedenle sadece spektral bilgi sınıflandırma aşamasında kullanılırlar. Bu durum, ancak belirli bazı özelliklerin çıkarılmasıyla daha da kötüleşir. Yukarıda bahsedilen sınırlamayı ortadan kaldırmak için nesne-tabanlı görüntü analizi uygulanır. Burada spektral değerler, şekil ve doku gibi değişik nesne özelliklerinin geniş spektrumunun tamamlanmasını sağlayan bulanık mantığa dayanmaktadır. Bu çalışmada, yüksek çözünürlüklü IKONOS pan-sharpened görüntüsü kullanılarak, öncelikle segmentlere ayrılan ve daha sonra spektral, uzaysal ve yapısal bilgileri kullanıp sınıflandırılmış, bina ve yolların çıkarımı gösterilmiştir. Bahsedilen algoritmalar, eCognition V4.0 yazılımı altında gerçekleştirilmiştir. Test alanı olarak, Karadeniz sahili boyunca inişli çıkışlı topografik özellik gösteren Zonguldak şehri sanayi bölgesi seçilmiştir.Otomatik detay çıkarımından elde edilen sonuç verileri, mevcut büyük ölçekli kadastral haritalar, sayısal yükseklik modelleri (SYM), hava fotoğrafları vb. değişik referans verileri ile birlikte bir coğrafi bilgi sistemi ortamına entegre edilebilir.
Son yıllarda uzaktan algılama teknolojilerinde, yüksek çözünürlüklü uydu görüntüleri kapsamına giren ve 0.6-1.0m yer örnekleme aralığına sahip görüntüler yoğun olarak kullanılmaktadır. Bu görüntüler, konumsal bilgi elde etmede etken olan görüntünün bilgi içeriği açısından çok önemli ve gerekli bir veri kaynağı olmaktadır. Uydu görüntülerinin herhangi bir haritacılık uygulamasına altlık olacak şekilde düzenlenmesi için; geometrik olarak düzeltilmeleri ve zenginleştirilmeleri konusunda mevcut bazı yöntem, algoritma ve yapılan bazı diğer işlemler bulunmaktadır. Ayrıca, görüntülerden çıkarılacak bilgi içeriğinin elde edilmesinde yararlanılan sınıflandırma yaklaşımlarından olan nesne-tabanlı görüntü işleme analizi ve özellikle son yıllarda sıkça kullanılmaktadır. Bu çalışmada, Zonguldak Bölgesini kaplayan yüksek çözünürlüklü 2004 yılına ait QuickBird görüntüsü, 2002 ve 2008 yıllarına ait IKONOS uydu görüntüleri kullanılmıştır. Seçilen test alanı, Batı Karadeniz kıyı şeridi boyunca değişken arazi yapısına sahip olan endüstri şehri Zonguldak bölgesidir. Görüntülerdeki bina ve yollar gibi kentsel detaylar eCognition v4.0.6 yazılımı ile nesne tabanlı sınıflandırma yaklaşımı kullanılarak bulunmuş, tanınmış ve çıkarılmıştır. Elde edilen ürünler, test alanının mevcut 1/5000 ölçekli referans vektör haritası ile karşılaştırılmış, analiz ve sorgu işlemleri yapılarak diğer bir yöntem olan görüntünün ekran üzerinden elle vektörleştirilmesi yöntemiyle elde edilen vektör ürünlerine karşı başarısı CBS ortamında analiz edilmiştir. Bu değerlendirmeler doğrultusunda, yüksek çözünürlüklü uydu görüntülerinin geometrik ve semantik içeriğinden yararlanarak günümüz yerel yönetimler ve kamu tarafından kullanılan 1/5000 ölçekli haritaların yapımı ve güncelleştirilmesi konusunda gerekli sonuçlar sunulmuş ve yorumlar yapılmıştır.
2018
Yeryüzü ile ilgili yapılan çalışmaların başarısı kullanılacak bilginin doğruluğu ve güvenirliliği ile yakından ilişkilidir. Bununla birlikte söz konusu bilgilerin hızlı ve ekonomik bir şekilde elde edilebilmesi önemli bir ihtiyaçtır. Geçmişten günümüze kadar arazi örtüsü ve arazi kullanımı (AÖAK) sınıflarının belirlenmesi, değişimlerinin tespit edilmesi önemli bir araştırma konusu olmuştur. Son yıllarda küresel boyutta gerçekleşen çevresel ve iklim değişikleri nedeniyle tarım alanlarının ve ekolojik çeşitliliğin korunması açısından söz konusu araştırmalar büyük önem kazanmıştır. Farklı çözünürlüklere sahip uzaktan algılama görüntüleri ve farklı sınıflandırma yöntemleri AÖAK sınıflarının belirlenmesi için yaygın olarak kullanılmaktadır. Bu çalışmada, yeni nesil Sentinel-2 MSI (Multispektral Aygıt) uydu görüntüsü kullanılarak AÖAK sınıflarının nesne tabanlı sınıflandırma yöntemiyle belirlenmesi amaçlanmaktadır. İstanbul ve civarı için çok önemli tarım alanlarına sahip Çatalca ilçesinin Muratbey, Çakıl, Elbasan ve İnceğiz mahallelerini kapsayan test bölgesi seçilmiştir. 2017 yılına ait Sentinel-2 MSI görüntüleri 60m, 20m ve 10m mekansal çözünürlüğe ve 13 spektral banta sahiptir. Bu çalışmada, 10 m mekansal çözünürlüklü (Mavi) 490 nm (B2), (Yeşil) 560 nm (B3), (Kırmızı) 665 nm (B4), (Yakın Kızılötesi) 842 nm (B8) kullanılmıştır. Nesne tabanlı sınıflandırma ve çoklu çözünürlüklü segmentasyon (Multi Resolution Segmantation/ MRS) algoritması AÖAK sınıflarının belirlenmesi için kullanılmıştır. Bu işlem için ölçek, şekil ve kompaktlık olarak bilinen üç farklı parametre en küçük nesne boyutu dikkate alınarak belirlenmiştir. Her bir görüntü objesi veya piksel belirli bir homojenlik kriteri esas alınarak komşu pikseller ile birleştirilerek daha büyük görüntü objeleri oluşturulmuştur. En yakın komşuluk (EYK) algoritması, çalışmada görüntü sınıflandırıcı olarak tercih edilmiştir. Sınıflandırmanın doğruluğunu arttırmak için Sentinel-2 uydu görüntüsünün kırmızı, yeşil, mavi ve NIR bantları kullanılarak hesaplanan çeşitli görüntü dönüşüm bileşenlerinden oluşan ek veri seti hazırlanmıştır. H (Kırmızı-Yeşil-Mavi), Oran-Kırmızı, Ortalama (NDVI), Ortalama (NIR), Minimum (SAVI), Homojenlik GLCM (Mavi). Sınıflandırma sonucunda elde edilen sınıfların doğruluk değerlendirmesi hata matrisi kullanılarak gerçekleştirilmiş ve genel doğruluk %91.30 ve Kappa istatistiği 0,89 olarak hesaplanmıştır. Anahtar Sözcükler: çoklu çözünürlüklü segmentasyon sınıflandırıcısı (MRS), en yakın komşuluk (EYK), nesne tabanlı sınıflandırma, Sentinel-2 MSI, arazi örtüsü ve arazi kullanımı (AÖAK)
Karadeniz Fen Bilimleri Dergisi
Uzaktan algılama teknolojilerinin gelişmesi, farklı analiz yöntemleri ve yazılımlar sayesinde uydu görüntüleri üzerinden nesnelerin yüksek doğrulukla sınıflandırılmaları mümkündür. Bu çalışmada, Kastamonu Orman Bölge Müdürlüğü, Merkez İşletme Şefliğine ait 12X12 km’lik çalışma alanının, 3 Eylül 2011 tarihinde çekilmiş yüksek çözünürlüklü GeoEye-1 uydu görüntüsü kullanılarak, arazi örtü tipleri ve diğer sınıf türlerine ait sınıflandırma başarıları incelenmiştir. Genel doğruluk değeri %90.59 olurken kappa değeri ise 0.872 olarak bulunmuştur. eCognition yazılımı ile nesne tabanlı sınıflandırma yöntemi kullanılarak elde edilen yüksek doğruluklu sınıflandırılmış görüntü sonrası, 1/25000 ölçekli raster veri olan meşcere haritası NetCAD v5.2 yazılımı ile vektör veri haline getirilerek karşılaştırmalar için altlık olarak hazırlanmıştır. Uygulamanın devamında GeoEye-1 uydu görüntüsü elle vektörleştirilerek, sınıflandırma sonuçları ve meşcere haritasına ait vektör veri ile hem görsel hem de s...
Uzaktan algılama teknolojilerindeki gelişmelere paralel olarak, günümüzde yüksek çözünürlüklü uydu görüntüleri birçok uygulamalarda kullanılmaktadır. Bir uzaktan algılama verisinin esas uygulama alanı olan büyük ölçekli topoğrafik harita yapımı ve güncelleme çalışmaları için bu görüntülerden nesneleri tanımak ve çıkarmak gerekmektedir. Bu yüzden nesne-tabanlı görüntü analizi yaklaşımı özellikle otomatik nesne çıkarımı için önemli hale gelmiştir. Diğer yandan, ekran üzerinden elle sayısallaştırma yaklaşımı da klasik yaklaşım olarak bu amaçla halen kullanılmaktadır. Bu çalışmada test alanı olarak, oldukça eğimli bir arazi yapısına sahip Zonguldak şeçilmiştir. İlk olarak, yüksek çözünürlüklü QuickBird pan ve ms görüntülerinin birleşimiyle pan-sharp QuickBird görüntüsü üretilmiştir. Sonrasında, görüntünün spektral, uzaysal ve içerik bilgileri kullanılarak görüntü segmentlere ayrılmış ve sınıflandırılma sonucunda yol yapıları çıkarılmıştır. Bu çalışmada yazılım paketi olarak eCognition v.4.0.6 nesnetabanlı görüntü analizi yazılımı kullanılmıştır. İkinci yaklaşım ise, yer kontrolü olmaksızın, görüntüdeki nesneleri ekran üzerinden elle sayısallaştırma ile çıkarma yöntemidir. Test alanına ait mevcut 1:5000 ölçekli sayısal topoğrafik harita, nesne-tabanlı görüntü analizi yaklaşımı ve elle sayısallaştırma yöntemlerinin karşılaştırılması için referans veri olarak kullanılmıştır. Güneş yükseklik açısına bağlı olarak, görüntüler uzun gölgeler içerebilirler. Ekran üzerinden elle sayısallaştırma yöntemini kullanan bir operatör, gölgede kalan bir yol yapısını görüp sayısallaştırabilmekte fakat, nesne-tabanlı görüntü analizi yaklaşımında bu yol yapısını belirlemek güç olmaktadır. Yine de bu yaklaşımla, ana ve ara yol detayların %70-80’i otomatik olarak çıkartılmışıtr. Diğer yandan, ekran üzerinden elle sayısallaştırma yönteminde, bu detayların %85-90’ının çıkarılabildiği görülmüştür. Testlere bağlı olarak, sorunlar ve karşılaştırma sonuçları sunulmuş ve yorumlar yapılmıştır.
Afyon Kocatepe University Journal of Sciences and Engineering, 2019
Bu çalışma ile Aydın ili sınırları içinde yer alan, Dilek Yarımadası-Büyük Menderes Deltası Milli Parkı, Bafa Gölü Tabiat Parkı, Azap Gölü ve Büyük Menderes Nehrinin oluşturduğu su ve sulak alan sisteminde planlama çalışmalarına altlık oluşturabilecek bir habitat haritasının oluşturulması amaçlanmıştır. Bu amaçla USGS EarthExplorer websitelerinden ücretsiz olarak temin edilen (11 Ağustos 2017 tarihli ve 10m yersel çözünürlüklü) Sentinel-2A uydu görüntüsü veriseti kullanılmıştır (USGS, 2018). Ayrıca, sınıflandırmanın doğruluğunu arttırmak amacıyla NASA Earthdata websitesinden ücretsiz olarak temin edilen 30m yersel çözünürlüklü ASTER Global DEM sayısal yükseklik modeli verisi (NASA Earthdata, 2018) ile Köy Hizmetleri Genel Müdürlüğü'nün hazırladığı toprak haritalarından yararlanılmıştır. Habitat haritası, arazi çalışmalarına dayalı vejetasyon analizi kayıtlarından elde edilen bulgular ışığında e-Cognition yazılımında nesne tabanlı sınıflandırma yöntemi kullanılarak hazırlanmıştır. Oluşturulan habitat haritasında 17 habitat sınıfı tanımlanmıştır. Çalışma alanında hakim habitat tipi; Tarla Tarımı'ndan oluşurken, su ve sulak alan sistemlerinin temelini oluşturan habitatlar ise çalışma alanının yaklaşık %20'sini oluşturmaktadır. Sonuç olarak, yüksek çözünürlüklü uydu görüntüleri ile birlikte dijital yükseklik modeli ile vejetasyon birimleri ve farklı toprak özelliklerinin sınıflandırma sürecine dâhil edilmesiyle, peyzajın birçok fiziksel özelliğinin de dikkate alındığı, doğruluk oranı yüksek habitat haritalarının elde edilebileceği sonucuna varılmıştır.