Paddy rice Leaf Area Index (LAI) estimation with machine learning models using synthetic aperture radar and optical data

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, Geomatik Mühendisliği A.B.D., Türkiye

Tezin Onay Tarihi: 2025

Tezin Dili: İngilizce

Öğrenci: GÜLSÜM POSTALLI

Danışman: Saygın Abdikan

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Tez kapsamında, Sentinel-1 Sentetik Açıklı Radar (SAR) ve Sentinel-2 optik uydularından alınan görüntüler ile Balıkesir ili Gönen ilçesinde bulunan çeltik bitkisi tarlalarından alınan Yaprak Alan İndeksi (YAİ) ölçümleri arasındaki ilişki incelenerek YAİ kestirimi hedeflenmiştir. Bu kapsamda Lineer Regresyon (LR), Rastgele Orman Regresyon (ROR) ve Destek Vektör Regresyon (DVR) makine öğrenmesi modelleri kullanılarak karşılaştırılmıştır. Proje kapsamında 2024 yılı Haziran, Temmuz, Ağustos ve Eylül aylarında olmak üzere 4 tarihte yerinde YAİ ölçer alet ile ölçümler yapılmıştır. YAİ ölçüm tarihlerine göre en güncel ve en uygun (bulutsuz) uydu görüntüleri tercih edilmiştir. YAİ kestiriminde her tarih ayrı ayrı ve tüm tarihler bir arada olmak üzere iki uygulama yapılmıştır. Optik verilerde tek tarih için Haziran 2024 ROR modelinde en düşük RMSE değeri (0.3236) verirken Eylül ayı %19.8574 ile en düşük %RMSE değerini vermiştir. Tüm tarihlerde ise en düşük RMSE 0.9797 ve %RMSE 24.5200 ile LR modelde ve en yüksek korelasyon B8A bandında 0,7473 olarak bulunmuştur. Sentinel-1 verilerinde tek tarih için Haziran 2024 LR modelinde en düşük RMSE değeri (0.3197) verirken tüm tarihlerde ise en düşük RMSE 1.2907 ile LR modelde ve en yüksek korelasyon Radar Bitki İndeksi bandında 0.6800 olarak bulunmuştur. Ancak en düşük %RMSE değeri (15.1245) ile Eylül ayında ROR modeli ile elde edilmiştir. Tüm veriler ele alındığında ise yine LR modeli en iyi sonucu sunmuştur. Sentinel-1 ve sentinel-2 verileri beraber kullanıldığında ise en düşük %RMSE değeri=16.8766 ile yine Eylül ayı için ROR modelinden elde edilmiştir. Tüm tarihler ele alındığında ise en düşük hata RMSE=0.9389 ve %RMSE=23.5720 ile ROR modelinden elde edilmiştir. Pirinç bitkisinin gelişiminin bazı aşamalarında elde edilen verilerin daha yüksek doğruluk verdiği görülmüştür. Büyüme evreleri ele alındığında olgunlaşma sonu evresinde en iyi sonucu verirken tüm tarihler birleştirildiğinde doğrulukların arttığı görülmüştür.