Rastgele orman algoritması ve Sentinel-2 MSI ile fındık ekili alanların belirlenmesi: Piraziz Örneği

SEDA TERZI, (İstanbul Teknik Üniversitesi, Bilişim Enstitüsü, Coğrafi Bilgi Teknolojileri, İstanbul, Türkiye)
Filiz Bektaş Balçık (İstanbul Teknik Üniversitesi, İnşaat Fakültesi, Geomatik Mühendisliği Bölümü, İstanbul, Türkiye)
Geomatik
2 1
Yıl: 2023 Cilt: 8 Sayı: 2 Sayfa Aralığı: 91 - 98 Metin Dili: Türkçe DOI: 10.29128/geomatik.1127925 İndeks Tarihi: 03-07-2023

Rastgele orman algoritması ve Sentinel-2 MSI ile fındık ekili alanların belirlenmesi: Piraziz Örneği

Öz:
Türkiye’de yetiştirilen sert kabuklu meyvelerin başında gelen fındık, özellikle Doğu Karadeniz bölgesi için ekonomik olarak büyük önem taşımaktadır. Bu çalışmada, 22 Ekim, 2020 tarihli Sentinel-2 MSI uydu görüntüsü bantları ve hesaplanan indeksler ile oluşturulan farklı veri setleri kullanılarak fındık ekili tarım alanları belirlenmiştir. Çalışmaya dâhil edilen farklı bitki indekslerinin hesaplanması ile 5 veri seti üretilmiştir. Giresun ili Piraziz ilçesi çalışma bölgesi seçilmiştir. Sınıflandırma işlemi için rastgele orman (RO) görüntü sınıflandırma yöntemi kullanılmıştır. Çalışma alanında 7 farklı Arazi Kullanımı/Arazi Örtüsü (AKAÖ) tipleri tanımlanmıştır. Birinci veri seti için; seçilen Sentinel-2 MSI bantları RO algoritması ile sınıflandırılmıştır. Diğer veri setlerinde sırasıyla; Normalize Edilmiş Fark Bitki Örtüsü İndeksi (NDVI), Yeşil Bant Normalize Edilmiş Fark Bitki Örtüsü İndeksi (GNDVI) ve Normalize Edilmiş Fark Kırmızı Kenar İndeksi (NDVIre) eklenmiştir. 5 veri setine ait sınıflandırma sonuçları hata matrisi kullanılarak karşılaştırılmıştır. McNemar testi sonuçlarına göre her veri seti için sınıflandırma doğruluğu arasındaki farkların istatistiksel olarak anlamlı olmadığı görülmüştür. Veri seti 1 için hesaplanan genel doğruluk %98.98 ve Kappa değeri 0,98 ile diğer dört veri setinden daha yüksek elde edilmiştir.
Anahtar Kelime: Uzaktan Algılama Rastgele Orman Sınıflandırması Sentinel-2 MSI Fındık Ekili Alanlar

Determination of hazelnut cropped areas by random forest algorithm and Sentinel-2 MSI: A case study of Piraziz

Öz:
Hazelnut, which is one of the leading hard-shelled fruits grown in Turkey, is of great economic importance especially for the Eastern Black Sea region. In this study, hazelnut cultivated agricultural areas were determined using different data sets created with Sentinel-2 MSI satellite image bands and calculated indices dated 22 October, 2020. 5 data sets were produced by calculating the different plant indices included in the study. Giresun province Piraziz district has been selected as the study area. Random forest (RO) image classification method was used for the classification process. 7 different Land Use/Land Cover (LULC) types have been defined in the study area. For the first data set; selected Sentinel-2 MSI bands were classified by RO algorithm. In other data sets, respectively; added Normalized Difference Vegetation Index (NDVI), Green Normalized Difference Vegetation Index (GNDVI) and Normalized Difference Red Edge Index (NDVIre). The classification results of the 5 data sets were compared using the error matrix. According to the McNemar test results, it was seen that the differences in classification accuracy for each data set were not statistically significant. The overall accuracy calculated for dataset 1 was 98.98% and Kappa value was 0.98, higher than the other four datasets.
Anahtar Kelime: Received:08.06.2022 Revised: 07.12.2022 Accepted:13.12.2022 Published:15.02.2023

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
  • Ahady, A. B., & Kaplan, G. (2022). Classification comparison of Landsat-8 and Sentinel-2 data in Google Earth Engine, study case of the city of Kabul. International Journal of Engineering and Geosciences, 7(1), 24-31.
  • Akar, Ö., & Güngör, O. (2013). Eş Dizimlilik Matrisi ve Rastgele Orman Sınıflandırıcısı ile Çay ve Fındık Alanlarının Sınıflandırılması.
  • Amliana, D. R., Prasetyo, Y., & Sukmono, A. (2016). Analisis Perbandingan Nilai Ndvı Landsat 7 Dan Landsat 8 Pada Kelas Tutupan Lahan (Studi Kasus: Kota Semarang, Jawa Tengah). Jurnal Geodesi Undip, 5(1), 264-274.
  • Apaydın, C., & Abdikan, S. (2021). Fındık bahçelerinin Sentinel-2 verileri kullanılarak piksel tabanlı sınıflandırma yöntemleriyle belirlenmesi. Geomatik, 6(2), 107-114.
  • Archer, K. J., & Kimes, R. V. (2008). Empirical characterization of random forest variable importance measures. Computational statistics & data analysis, 52(4), 2249-2260.
  • Aydinoglu, A. C. (2010). Examining environmental condition on the growth areas of Turkish Hazelnut (Corylus Colurna L.). African Journal Of Biotechnology, 9(39), 6492-6502.
  • Balçık, F. B. (2018). Evaluation Of Sentinel-2 Msi Data for Land Use/Land Cover Classification Using Different Vegetation İndices. Selçuk Üniversitesi Mühendislik, Bilim ve Teknoloji Dergisi, 6, 839-846.
  • Bayburt, S. (2009). Uydu Görüntülerinin Piksel ve Nesne Tabanlı Sınıflandırma Sonuçlarının Karşılaştırılması (Doğu Trakya Bölgesi Örneği) (Doctoral Dissertation, Fen Bilimleri Enstitüsü).
  • Belgiu, M., & Drăguţ, L. (2016). Random forest in remote sensing: A review of applications and future directions. ISPRS journal of photogrammetry and remote sensing, 114, 24-31.
  • Bigler, C., Gavin, D. G., Gunning, C., & Veblen, T. T. (2007). Drought induces lagged tree mortality in a subalpine forest in the Rocky Mountains. Oikos, 116(12), 1983- 1994.
  • Breiman, L. (2001). Random Forests. Machine Learning, 45(1), 5-32.
  • Brinkhoff, J., Vardanega, J., & Robson, A. J. (2019). Land Cover Classification Of Nine Perennial Crops Using Sentinel-1 And-2 Data. Remote Sensing, 12(1), 96. Congalton, R. G., & Green, K. (2009). Assessing The Accuracy Of Remotely Sensed Data, 2. Baskı, Crc Press, New York.
  • Çölkesen, İ., & Yomralıoğlu, T. (2014). Arazi örtüsü ve kullanımının haritalanmasında WorldView-2 uydu görüntüsü ve yardımcı verilerin kullanımı. Harita Dergisi, 152(2), 12-24.
  • Delen, A., Balık Şanlı, F., (2017), Determination of Cotton Fields By Object-Based Classification Method: A Case Study in Menemen District. Journal Of New Results in Engineering and Natural Science, 6, 1-8
  • Doğru, B. (2020). Fındık, İklim Değişikliği ve Çevresel Etkiler Raporu. Rainforest Alliance https://Www.Rainforest-Alliance.Org/ (Access Date: 09.09.2020)
  • Efe, E., & Alganci, U. (2023). Çok zamanlı Sentinel 2 uydu görüntüleri ve makine öğrenmesi tabanlı algoritmalar ile arazi örtüsü değişiminin belirlenmesi. Geomatik, 8(1), 27-34.
  • ENVI, (2005), ENVI’s User Guide, http://geol.hu/data/online_help/ApplyingMaximum LikelihoodClassification.html
  • Foody, G. M. (2004). Thematic map comparison. Photogrammetric Engineering & Remote Sensing, 70(5), 627-633.
  • Gitelson, A. A., & Merzlyak, M. N. (1996). Signature analysis of leaf reflectance spectra: algorithm development for remote sensing of chlorophyll. Journal of plant physiology, 148(3-4), 494-500.
  • Gorton, M., & Tregear, A. (2008). Government Support To Regional Food Producers: An Assessment Of England's Regional Food Strategy. Environment And Planning C: Government And Policy, 26(6), 1047- 1060.
  • Immitzer, M., Vuolo, F., & Atzberger, C. (2016). First Experience With Sentinel-2 Data For Crop And Tree Species Classifications İn Central Europe. Remote Sensing, 8(3), 166.
  • Jackson, R. D., & Huete, A. R. (1991). Interpreting vegetation indices. Preventive veterinary medicine, 11(3-4), 185-200.
  • Jensen, J. R. (2005). Thematic İnformation Extraction: Pattern Recognition. Introductory Digital Image Processing: A Remote Sensing Perspective, 337-406.
  • Karakuş, P., Karabork, H., & Kaya, S. (2017). A comparison of the classification accuracies in determining the land cover of Kadirli Region of Turkey by using the pixel based and object based classification algorithms. International Journal of Engineering and Geosciences, 2(2), 52-60.
  • Kavzoglu, T., & Reis, S. (2008). Performance Analysis of Maximum Likelihood And Artificial Neural Network Classifiers For Training Sets With Mixed Pixels. Gıscience & Remote Sensing, 45(3), 330-342.
  • Kayalak, S. (2009). Türkiye Fındık Piyasasındaki Ekonomik Değişkenlerin Yapısal Değişimi ve Zaman Serisi Analizi. Ankara Üniversitesi Fen Bilimleri Enstitüsü, Yayınlanmamış Doktora Tezi, Ankara.
  • Liu, J., Zhang, Z., & Zhang, M. (2018). Impacts of forest structure on precipitation interception and run off generation in a semiarid region in northern China. Hydrological Processes, 32(15), 2362-2376.
  • Marangoz, A. M. (2009). Uydu Görüntülerinden Kentsel Ayrıntıların Nesne-Tabanlı Sınıflandırma Yöntemiyle Belirlenmesi ve CBS Ortamında Bütünleştirilmesi. Yıldız Teknik Üniversitesi, Fbe Jeodezi ve Fotogrametri Mühendisliği Anabilim Dalı Uzaktan Algılama ve CBS Programında Hazırlanan Doktora Tezi, İstanbul, 53-65.
  • Monarca, D., Cecchini, M., Colantoni, A., Bedini, R., Longo, L., Bessone, W., ... & Schillaci, G. (2016, May). Evaluation Of Safety Aspects for A Small-Scale Machine for Nuts Harvesting. In Proceedings of The Mechtech 2016 Conference—Mechanization and New Technologies for The Control and Sustainability of Agricultural and Forestry Systems, Alghero, Italy (Pp. 32-35).
  • Pedrotti, F. (2004). Cartografia Geobotanica. Pitagora.
  • Reis, S., & Taşdemir, K. (2010). Fındık Alanlarının Kendini Örgütleyen Eşlemlerle (Self Organizing Maps) Belirlenmesi.
  • Rivas-Martinez, S. (2005). Notions On Dynamic-Catenal Phytosociology as A Basis of Landscape Science. Plant Biosystems-An International Journal Dealing with All Aspects of Plant Biology, 139(2), 135-144.
  • Rouse, J. W., Haas, R. H., Schell, J. A., & Deering, D. W. (1974). Monitoring vegetation systems in the Great Plains with ERTS. NASA Spec. Publ, 351(1), 309.
  • Sener, M., Altıntas, B., & Kurc, H. C. (2013). Planning And Controlling Of Hazelnut Production Areas With The Remote Sensing Techniques. Ksü Doğa Bilimleri Dergisi, 16(1).
  • Souza, J. B. C., De Brito Filho, A. L., Carneiro, F. M., Do Santos, A. F., & Da Silva, R. P. (2020). Avaliação Da Qualidade Dos Índices De Vegetação (Ndre E Ndvı) Para A Cultura Do Amendoim, Utilizando Cartas De Controle. South American Sciences, 1(1), E2095- E2095.
  • Sunar, F., Özkan, C., & Osmanoğlu, B. (2013). Uzaktan Algılama (2.Baskı). T.C. Anadolu Üniversitesi, Yayın No: 2320, Açıköğretim Fakültesi Yayın No:1317, Eskişehir.
  • Taşdemir, K. (2012). Exploiting Spectral and Spatial İnformation for the İdentification of Hazelnut Fields Using Self-Organizing Maps. International Journal of Remote Sensing, 33(19), 6239-6253.
  • Ünal, E., Aydoğdu, M., Ceylan, N., Sezer, A., Özenç, N., & Duyar, Ö. (2010). Giresun İlinde Fındık Alanlarının Uzaktan Algılama ile Tespit Edilmesinde Arazi Topografyasının Etkisinin İncelenmesi ve Alternatif Tarım Ürünlerine Uygunluğunun Belirlenmesi. Tarla Bitkileri Merkez Araştırma Enstitüsü Dergisi, 19(1-2), 1-10.
  • Wang, Z., Yang, X., Liu, Y., & Lu, C. (2018). Extraction of Coastal Raft Cultivation Area with Heterogeneous Water Background by Thresholding Object-Based Visually Salient NDVI from High Spatial Resolution İmagery. Remote Sensing Letters, 9(9), 839-846.
  • Yousefi, S., Mirzaee, S., Almohamad, H., Al Dughairi, A. A., Gomez, C., Siamian, N., ... & Abdo, H. G. (2022). Image Classification and Land Cover Mapping Using Sentinel-2 Imagery: Optimization of SVM Parameters. Land, 11(7), 993.
APA TERZI S, Bektas Balcik F (2023). Rastgele orman algoritması ve Sentinel-2 MSI ile fındık ekili alanların belirlenmesi: Piraziz Örneği. , 91 - 98. 10.29128/geomatik.1127925
Chicago TERZI SEDA,Bektas Balcik Filiz Rastgele orman algoritması ve Sentinel-2 MSI ile fındık ekili alanların belirlenmesi: Piraziz Örneği. (2023): 91 - 98. 10.29128/geomatik.1127925
MLA TERZI SEDA,Bektas Balcik Filiz Rastgele orman algoritması ve Sentinel-2 MSI ile fındık ekili alanların belirlenmesi: Piraziz Örneği. , 2023, ss.91 - 98. 10.29128/geomatik.1127925
AMA TERZI S,Bektas Balcik F Rastgele orman algoritması ve Sentinel-2 MSI ile fındık ekili alanların belirlenmesi: Piraziz Örneği. . 2023; 91 - 98. 10.29128/geomatik.1127925
Vancouver TERZI S,Bektas Balcik F Rastgele orman algoritması ve Sentinel-2 MSI ile fındık ekili alanların belirlenmesi: Piraziz Örneği. . 2023; 91 - 98. 10.29128/geomatik.1127925
IEEE TERZI S,Bektas Balcik F "Rastgele orman algoritması ve Sentinel-2 MSI ile fındık ekili alanların belirlenmesi: Piraziz Örneği." , ss.91 - 98, 2023. 10.29128/geomatik.1127925
ISNAD TERZI, SEDA - Bektas Balcik, Filiz. "Rastgele orman algoritması ve Sentinel-2 MSI ile fındık ekili alanların belirlenmesi: Piraziz Örneği". (2023), 91-98. https://doi.org/10.29128/geomatik.1127925
APA TERZI S, Bektas Balcik F (2023). Rastgele orman algoritması ve Sentinel-2 MSI ile fındık ekili alanların belirlenmesi: Piraziz Örneği. Geomatik, 8(2), 91 - 98. 10.29128/geomatik.1127925
Chicago TERZI SEDA,Bektas Balcik Filiz Rastgele orman algoritması ve Sentinel-2 MSI ile fındık ekili alanların belirlenmesi: Piraziz Örneği. Geomatik 8, no.2 (2023): 91 - 98. 10.29128/geomatik.1127925
MLA TERZI SEDA,Bektas Balcik Filiz Rastgele orman algoritması ve Sentinel-2 MSI ile fındık ekili alanların belirlenmesi: Piraziz Örneği. Geomatik, vol.8, no.2, 2023, ss.91 - 98. 10.29128/geomatik.1127925
AMA TERZI S,Bektas Balcik F Rastgele orman algoritması ve Sentinel-2 MSI ile fındık ekili alanların belirlenmesi: Piraziz Örneği. Geomatik. 2023; 8(2): 91 - 98. 10.29128/geomatik.1127925
Vancouver TERZI S,Bektas Balcik F Rastgele orman algoritması ve Sentinel-2 MSI ile fındık ekili alanların belirlenmesi: Piraziz Örneği. Geomatik. 2023; 8(2): 91 - 98. 10.29128/geomatik.1127925
IEEE TERZI S,Bektas Balcik F "Rastgele orman algoritması ve Sentinel-2 MSI ile fındık ekili alanların belirlenmesi: Piraziz Örneği." Geomatik, 8, ss.91 - 98, 2023. 10.29128/geomatik.1127925
ISNAD TERZI, SEDA - Bektas Balcik, Filiz. "Rastgele orman algoritması ve Sentinel-2 MSI ile fındık ekili alanların belirlenmesi: Piraziz Örneği". Geomatik 8/2 (2023), 91-98. https://doi.org/10.29128/geomatik.1127925
Sayfa Oluşturulma Tarihi
25-04-2024 23:31

İLETİŞİM

TÜBİTAK ULAKBİM TR Dizin

Yüzüncüyıl, İşçi Blokları Mahallesi

Muhsin Yazıcıoğlu Caddesi No:51/C

06530 Çankaya / ANKARA +90 (312) 298 92 00

trdizin@tubitak.gov.tr

TÜBİTAK ULAKBİM Ulusal Akademik Ağ ve Bilgi Merkezi Cahit Arf Bilgi Merkezi © Tüm Hakları Saklıdır. Gizlilik Politikası Kullanım Şartları