Tez çalışması haşhaş ekimi yapılan parsellerin yüksek çözünürlüklü uydu görüntüleri ile belirlenebilirliğini ortaya koymak amacıyla yapılmıştır. Quickbird-2 uydu görüntüsü kullanılmış, ERDAS Imagine, eCognition Developer ve ArcGIS yazılımlarının uygun prosesleri işletilmiştir. Yer kontrolleri ile doğruluk değerlendirilmesi yapılmış ve uydu görüntüsünde en iyi ayrım yapan metot ortaya konmuştur. Bu amaçla 4 km2'lik test alanı seçilmiştir. Obje tabanlı sınıflama analizinde ise Multi-threeshold segmentasyonu (Çoklu eşik segmentasyonu), Spektral different segmentasyonu (Spektral fark segmentasyonu), Multiresolution segmentason (Çoklu çözünürlük segmentasyonu), Quadtree based segmentasyon (Dörtlü ağaç yapısı segmentasyonu), piksel tabanlı sınıflama analizinde kontrolsüz sınıflama, kontrollü sınıflama, fuzzy sınıflama ve fuzzy convolve yöntemleri kullanılmıştır. Ayrıca RVI, NDVI, TNDVI, SAVI, MSAVI ve MTVI sınıflandırmaları ile vejetasyon indisleri belirlenmiştir. Üretilen sınıflama haritaları ile yersel veriler karşılaştırılmıştır. Çalışmanın sonucunda obje tabanlı sınıflama analizinde, haşhaş bitkisinin en yüksek doğrulukla belirlenebileceği, bu yöntemde Çoklu Çözünürlük Segmentasyon algoritması seçilerek spektral fark segmentasyonu uygulanan obje tabanlı sınıflamada %97.99 üretici ve kullanıcı doğruluğu ile haşhaş sınıflarının belirlendiği ortaya konulmuştur. Anahtar Kelimeler: Haşhaş (Papaver Somniferum), Uzaktan Algılama, Piksel tabanlı sınıflama, Obje tabanlı sınıflama,
The aim of thesis was to determine the identifying capability of poppy parcels with high-resolution satellite images. In the study, Quickbird-2 satellite image was used and suitable processes of ERDAS Imagine, eCognition Developer and ArcGIS software were run. Accuracy assessment was done with the ground references and the best classification method for poppy parcels was reveal. For this purpose, a test area of 4 km2 was selected. Multi-threshold segmentation, spectral difference segmentation, multiresolution segmentation, quadtree-based segmentation and pixel-based classification algorithms of object-based classification method were used. Unsupervised classification, supervised classification, fuzzy classification and fuzzy convolve algorithms of pixel based classification method were used. Vegetation indices were also determined using RVI, NDVI, TNDVI, SAVI, MSAVI and MTVI classifications. The classification maps produced with vegetation index were compared with the field survey data. As a result, the object-based classification was found best accuracy method. The producer-user accuracy were estimated as 97.99% using spectral difference segmentation process of multiresolution segmentation algorithm in object-based classifications method. Using this algorithm, opium poppy can be determined with the highest accuracy. Keywords: Opium Poppy (Papaver Somniferum), Remote Sensing, Pixel-based classification, Object-based classification, QuickBird-2, High-Resolution Satellite İmage.
Tez (Yüksek Lisans) - Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Toprak Bilimi ve Bitki Besleme Anabilim Dalı, 2017.
Kaynakça var.
Tez çalışması haşhaş ekimi yapılan parsellerin yüksek çözünürlüklü uydu görüntüleri ile belirlenebilirliğini ortaya koymak amacıyla yapılmıştır. Quickbird-2 uydu görüntüsü kullanılmış, ERDAS Imagine, eCognition Developer ve ArcGIS yazılımlarının uygun prosesleri işletilmiştir. Yer kontrolleri ile doğruluk değerlendirilmesi yapılmış ve uydu görüntüsünde en iyi ayrım yapan metot ortaya konmuştur. Bu amaçla 4 km2'lik test alanı seçilmiştir. Obje tabanlı sınıflama analizinde ise Multi-threeshold segmentasyonu (Çoklu eşik segmentasyonu), Spektral different segmentasyonu (Spektral fark segmentasyonu), Multiresolution segmentason (Çoklu çözünürlük segmentasyonu), Quadtree based segmentasyon (Dörtlü ağaç yapısı segmentasyonu), piksel tabanlı sınıflama analizinde kontrolsüz sınıflama, kontrollü sınıflama, fuzzy sınıflama ve fuzzy convolve yöntemleri kullanılmıştır. Ayrıca RVI, NDVI, TNDVI, SAVI, MSAVI ve MTVI sınıflandırmaları ile vejetasyon indisleri belirlenmiştir. Üretilen sınıflama haritaları ile yersel veriler karşılaştırılmıştır. Çalışmanın sonucunda obje tabanlı sınıflama analizinde, haşhaş bitkisinin en yüksek doğrulukla belirlenebileceği, bu yöntemde Çoklu Çözünürlük Segmentasyon algoritması seçilerek spektral fark segmentasyonu uygulanan obje tabanlı sınıflamada %97.99 üretici ve kullanıcı doğruluğu ile haşhaş sınıflarının belirlendiği ortaya konulmuştur. Anahtar Kelimeler: Haşhaş (Papaver Somniferum), Uzaktan Algılama, Piksel tabanlı sınıflama, Obje tabanlı sınıflama,
The aim of thesis was to determine the identifying capability of poppy parcels with high-resolution satellite images. In the study, Quickbird-2 satellite image was used and suitable processes of ERDAS Imagine, eCognition Developer and ArcGIS software were run. Accuracy assessment was done with the ground references and the best classification method for poppy parcels was reveal. For this purpose, a test area of 4 km2 was selected. Multi-threshold segmentation, spectral difference segmentation, multiresolution segmentation, quadtree-based segmentation and pixel-based classification algorithms of object-based classification method were used. Unsupervised classification, supervised classification, fuzzy classification and fuzzy convolve algorithms of pixel based classification method were used. Vegetation indices were also determined using RVI, NDVI, TNDVI, SAVI, MSAVI and MTVI classifications. The classification maps produced with vegetation index were compared with the field survey data. As a result, the object-based classification was found best accuracy method. The producer-user accuracy were estimated as 97.99% using spectral difference segmentation process of multiresolution segmentation algorithm in object-based classifications method. Using this algorithm, opium poppy can be determined with the highest accuracy. Keywords: Opium Poppy (Papaver Somniferum), Remote Sensing, Pixel-based classification, Object-based classification, QuickBird-2, High-Resolution Satellite İmage.