Buğday Ekim Alanlarının Sentinel-2A Uydu Verileriyle Sınıflandırılmasında Bitki Özellikleri ve Yetiştiricilik İşlemlerinin Etkisi
Open Access
- 31 December 2024
- journal article
- Published by Anadolu Ege Tarimsal Arastirmalar Enstitusu Dergisi in ANADOLU Ege Tarımsal Araştırma Enstitüsü Dergisi
- Vol. 34 (2) , 129-145
Abstract
Artan dünya nüfusu ile birlikte sınırlı olan kaynakların, tarımda verimli bir şekilde kullanımını sağlamak için arazi varlığı ve bitki örtüsünün durumunu bilmek karar vericiler için daha fazla önem kazanmıştır. Bitki yetiştiriciliğinde yapılan sezon içi işlemlerin etkilerinin neler olduğu ve üretim ortamının bölgesel olarak izlenmesi konusunda uzaktan algılama önemli bir araç olarak kullanılmaktadır. Bu araştırmada 2023 yılında İzmir Menemen Ovası’nda buğday ekim alanlarının Sentinel-2A uydu verileriyle sınıflandırılarak belirlenmesine etki eden yetiştiricilik uygulamaları (ekim zamanı, ekim yöntemi) ve bitki özelliklerinin (buğday çeşidi, yabancı ot, yatma durumu) sınıflandırma doğruluğu üzerindeki etkisi incelenmiştir. Araştırmada, En Çok Benzerlik (EÇB) ve Yapay Sinir Ağları (YSA) yöntemleri kullanılarak sonuçları analiz edilmiştir. Elde edilen sonuçlara göre, buğday alanlarının sınıflandırılmasında erken ekim yapılan parsellerle yapılan sınıflandırma sonuçları genel doğruluk ve Kappa değeri her iki yöntemde düşük (%76, 0,52 ve %75, 0,50) olurken, geç ekim özelliğine göre yapılan sınıflandırma sonuçları ise her iki yöntemde daha yüksek sonuçlar (%83, 0,65 ve %88, 0,77) üretmiştir. Diğer taraftan elde edilen bulgular, serpme ekim, buğday çeşidi, buğdayın yatık olması ve yabancı otlu olması durumlarına göre yapılan sınıflandırma sonuçları arasında önemli farklar bulunmadığını göstermiştir.Keywords
Funding Information
- T.C. Tarım ve Orman Bakanlığı, Tarımsal Araştırmalar ve Politikalar Müdürlüğü (TAGEM/TSKAD/B/22/A9/P7/5384)
This publication has 14 references indexed in Scilit:
- Buğday Yetiştiriciliğinin Mevsimsel İklim Değişkenliğinden Etkilenebilirlik Derecesi ve Uyum Kapasitesinin Değerlendirilmesi Üzerine Bir AraştırmaANADOLU Ege Tarımsal Araştırma Enstitüsü Dergisi, 2023
- Monitoring the Land Use, Land Cover Changes of Roorkee Region (Uttarakhand, India) Using Machine Learning TechniquesInternational Journal of Social Ecology and Sustainable Development, 2023
- Crop Phenology-Based Object-Oriented Classification Approach Using SENTINEL2A and NDVI Time Series: Sunflower Crops in Kırklareli TURKEYInternational Journal of Environment and Geoinformatics, 2021
- Nesne Tabanlı Sınıflandırma Yönteminde Sentinal-2A Uydu Görüntüleri Kullanılarak Tarımsal Ürün Desenlerinin Belirlenmesi; Konya - Karapınar ÖrneğiTurkish Journal of Remote Sensing, 2021
- LAND USE/COVER CHANGE MODELLING IN A MEDITERRANEAN RURAL LANDSCAPE USING MULTI-LAYER PERCEPTRON AND MARKOV CHAIN (MLP-MC)Applied Ecology and Environmental Research, 2018
- Regional scale crop mapping using multi-temporal satellite imageryThe International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2015
- Object-Based Classification of Multi-temporal Images for Agricultural Crop Mapping in Karacabey Plain, TurkeyThe International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2014
- Object-Based Image Classification of Summer Crops with Machine Learning MethodsRemote Sensing, 2014
- Accuracy, Objectivity and Efficiency of Remote Sensing for Agricultural Statistics2010
- A survey of image classification methods and techniques for improving classification performanceInternational Journal of Remote Sensing, 2007