Aşırı Gradyan Artırma Algoritması kullanarak Sentınel-1 zaman serisi görüntülerinden ürün sınıflandırma

SERHAT ÇABUK

Aşırı Gradyan Artırma Algoritması kullanarak Sentınel-1 zaman serisi görüntülerinden ürün sınıflandırma

Tezin Türü: Yüksek Lisans

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

Tezin Onay Tarihi: 2021

Tezin Dili: Türkçe

Öğrenci: SERHAT ÇABUK

Danışman: Mustafa Türker

Özet:

Bu tez çalışmasında; Gediz ovası bölgesinde yetiştirilen yaz dönemine ait tarım ürünlerinin, Sentinel-1 SAR çok zamanlı uydu görüntüleri kullanılarak sınıflandırması için makine öğrenme algoritmaları kullanılmış ve karşılaştırmaları yapılmıştır. Sınıflandırmada, Aşırı Gradyan Arttırma (XGBoost) ve Rastgele Orman (RO) algoritmaları kullanılmıştır. Görüntü olarak, 2017 yılı yaz tarım ürünlerinin üretim dönemlerini kapsayan 10 Nisan, 3 Mayıs, 2 Haziran, 2 Temmuz, 1 Ağustos, 7 Eylül, 10 Ekim ve 16 Kasım 2017 tarihlerine ait 8 adet Sentinel-1 SAR uydu görüntüsü seçilmiştir. Sentinel-1 SAR uydu görüntüleri bantlarına ek olarak; DY (Düşey-Yatay)/DD (Düşey-Düşey) Oranı, Karşıtlık (Kontrast), Homojenlik (Homogeneity), Farklılık (Dissimilarity), Entropi (Entropy), Açısal İkinci Moment (Angular Secondary Moment), Ortalama, Varyans (Variance) ve Korelasyon (Correlation) doku özellik bantları da oluşturulmuş ve sınıflandırma işlemine dâhil edilmiştir. Sınıflandırmada, bütün zaman serisi görüntüleri ve doku özellik bantları küme olarak kullanılmıştır.

Sınıflandırma doğruluğunun hesaplanması için araziden toplanan yer gerçekleri verileri ve Çiftçi Kayıt Sistemi (ÇKS) sistemi verileri referans veri olarak kullanılmıştır. Sınıflandırma ile tespit edilen ürünler buğday, domates, mera, mısır, pamuk, üzüm, yonca ve zeytindir. Referans veriler rastgele olarak yarı yarıya eğitim ve test veri setleri poligonları olarak ayrılmıştır.

Elde edilen sonuçlara göre, XGBoost algoritması genel doğruluk değeri (%83,67) ve değeri (0,8059), RO algoritması genel doğruluk değeri (%83,55) ve değerinden (0,8056), çok düşük oranda da olsa, daha yüksek çıkmıştır.

XGBoost algoritması ile sınıflandırmada ürün seviyesinde pamuk %99,13 ile en yüksek kullanıcı doğruluğu, %96,59 ile en yüksek üretici doğruluğu ve %98,25 ile en yüksek dengelenmiş doğruluğu sağlamıştır. RO algoritması ile sınıflandırmada ürün seviyesinde yine pamuk; %99,34 ile en yüksek kullanıcı doğruluğu, %96,87 ile en yüksek üretici doğruluğu ve %98,40 ile en yüksek dengelenmiş doğruluğu sağlamıştır.

XGBoost algoritması ile sınıflandırmada ürün seviyesinde yonca %23,96 ile en düşük kullanıcı doğruluğu, %10,39 ile en düşük üretici doğruluğu ve %55,03 ile en düşük dengelenmiş doğruluğu sağlamıştır. RO algoritması ile sınıflandırmada ürün seviyesinde yine yonca %25,17 ile en düşük kullanıcı doğruluğu, %5,74 ile en düşük üretici doğruluğu ve %52,79 ile en düşük dengelenmiş doğruluğu sağlamıştır.