Abstract:

Arazi Kullanımı / Arazi Örtüsü (AKAÖ) sınıflarının doğru belirlenmesi, çevresel izleme ve yönetim uygulamaları için çok önemli bir role sahiptir. Uzaktan algılama verilerinin sınıflandırılması, farklı ölçeklerde AKAÖ bilgilerinin belirlenmesi için kullanılan popüler yöntemlerden biridir. Uydu görüntülerini sınıflandırmak için birçok yöntem geliştirilmiş ve uygulanmıştır. Bu çalışmada, Temmuz, 2018 tarihli yeni nesil Sentinel-2 MSI uydu görüntüleri AKAÖ sınıflarını belirlemek amacıyla kullanılmıştır. Çalışma alanı olarak İstanbul Çatalca İlçesi'nden bir test bölgesi seçilmiştir. Çatalca, değerli tarım alanları nedeniyle İstanbul için çok önemli bir bölgedir. Seçilen arazi alanında farklı AKAÖ tipleri tanımlanmıştır; su yüzeyleri, orman alanları, farklı tarım alanları (Ayçiçeği), açık maden alanı, yerleşim yerleri ve yol. Bu çalışma için dört farklı veri seti oluşturulmuş ve seçilen bölgede AKAÖ kategorilerini belirlemek için maksimum benzerlik sınıflaması (MLC) yöntemiyle sınıflandırılmıştır. Birinci veri seti olarak Sentinel-2 uydu görüntüsünün 10 m mekansal çözünürlüğe sahip dört bandı kullanılmıştır. Orijinal bantların yanı sıra, Sentinel-2 verileri için Normalleştirilmiş Fark Bitki İndeksi (NDVI), ve Yeşil-kırmızı normalleştirilmiş fark bitki indeksi (GRNDVI) gibi farklı indeksler hesaplanmıştır. Bu hesaplanmış indeksler ve kırmızı kenar bandı, orijinal bantlara eklenmiş ve diğer veri setleri olarak sınıflandırılmıştır. Dört veri setine ait sınıflandırma sonuçları, yer kontrol verileri ve hata matrisi kullanılarak karşılaştırılmıştır. Sentinel-2 verileri arazi örtüsü sınıflandırmasında genel doğruluk dört veri seti için tatmin edici bir performans sergilemiştir (% 85 ve üzeri). Veri seti 2 için hesaplanan genel doğruluk ve Kappa değerleri diğer üç veri setinden daha yüksek elde edilmiştir.

Keywords: