DETECTION OF GREENHOUSE AREAS USING SPECTRAL INDICES ON THE GEE PLATFORM BY COMPARING RF AND SVM ALGORITHMS

Güngör R.

IX. UZAKTAN ALGILAMA-CBS SEMPOZYUMU (UZAL-CBS 2024), Aksaray, Turkey, 17 - 19 October 2024, pp.59-63, (Full Text)

  • Publication Type: Conference Paper / Full Text
  • City: Aksaray
  • Country: Turkey
  • Page Numbers: pp.59-63
  • Manisa Celal Bayar University Affiliated: Yes

Abstract

Tarım uygulamalarının sürdürülebilirliği açısından arazi kullanımı ve yönetimi kararlarının doğru bir şekilde alınması oldukça

önemlidir. Özellikle tarımsal faaliyetlerin çok yoğun yürütüldüğü sera alanları, arazi kullanım kararları ve yerel ekosistem

üzerinde fazlasıyla etkilidir. Bu nedenle sera alanlarının haritalanması ve izlenmesi, tarımsal verimliliğin artırılmasının yanı sıra

çevreye olan zararların azaltılması bakımından da büyük önem arz etmektedir. Uzaktan algılama verileri sera alanlarının izlenmesi

ve haritalanması konusunda büyük bir potansiyele sahiptir. Bu doğrultuda, obje ve piksel tabanlı sınıflandırma yöntemleri ve

spektral indeksleri içeren farklı görüntü işleme teknikleri kullanılmaktadır. Bu çalışma, sera tespitinde kullanılan spektral indeksler

ve makine öğrenmesi algoritmalarının sınıflandırma performansının karşılaştırılması amacıyla Antalya ili sınırları içerisinde

gerçekleştirilmiştir. Çalışma kapsamında, Google Earth Engine (GEE) platformunda orta mekânsal çözünürlüklü Sentinel-2 (MSI)

uydu görüntüleri, Destek Vektör Makineleri (DVM) ve Rasgele Orman (RO) makine öğrenmesi algoritmaları kullanılarak

sınıflandırılmıştır. Sınıflandırma aşamasında Sentinel-2 (MSI) geleneksel bantlarına, Normalize Edilmiş Fark Bitki Örtüsü İndeksi

(NDVI) ve Plastik Sera İndeksi (PSI) bant olarak eklenmiştir. Elde edilen sonuçlara göre en yüksek sınıflandırma doğruluğu PSI

ve RO sınıflandırıcısı kullanılarak üretilmiştir. Genel doğruluk (GD) değeri %88,10, Kappa(κ) istatistik değeri ise 0.804 olarak

hesaplanmıştır. Geleneksel bantlar ve DVM kullanılarak GD %84.31, κ 0.741, NDVI ve DVM kullanılarak GD %84.34, κ 0.756

olarak hesaplanmıştır. Ayrıca sınıflandırma doğrulukları arasındaki farkların anlamlılığını ölçmek için sonuçlara McNemar

istatistik testi uygulanmıştır. McNemar testi sonuçlarına göre sınıflandırma doğrulukları arasındaki farkların istatistiksel olarak

anlamlı olduğu belirlenmiştir.