Tez Arşivi

Tez aramanızı kolaylaştıracak arama motoru. Yazar, danışman, başlık ve özete göre tezleri arayabilirsiniz.


İstanbul Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Geomatik Mühendisliği Anabilim Dalı / Geomatik Mühendisliği Bilim Dalı

Akgöl Sulak Alanı'nın yüksek çözünürlüklü uydu görüntüleri ile incelenmesi

Observation of Akgol Wetland with high spatial resolution satellite images

Teze Git (tez.yok.gov.tr)

Bu tezin tam metni bu sitede bulunmamaktadır. Teze erişmek için tıklayın. Eğer tez bulunamazsa, YÖK Tez Merkezi tarama bölümünde 559455 tez numarasıyla arayabilirsiniz.

Özet:

Sulak alanlar; su kalitesini arttırma, çeşitli canlılar için yumurtlama alanı olma, su depolama, karbondioksit yutağı olma gibi özelliklerinden dolayı dünya çapında öneme sahip doğal kaynaklardır. Uzaktan algılama, sulak alanların izlenmesi için kullanılan en uygun yöntemlerden biridir. Bu bağlamda, çalışmada Türkiye'de bulunan uluslararası öneme sahip sulak alanlardan biri olan Akgöl Sulak Alanı yüksek çözünürlüklü uydu görüntüleriyle incelenmiştir. Akgöl Sulak Alanı, ülkemizin üçüncü büyük havzası olan Konya Kapalı Havzası'nda yer almaktadır. Akgöl, Kültür Bakanlığı tarafından 1 Temmuz 1992 tarihinde I. Derece Doğal Sit Alanı ilan edilmiş olup 1995 yılında da Tabiatı Koruma Alanı ilan edilmiştir. Çalışma doğrultusunda, uydu görüntüleri kullanılarak Akgöl Sulak Alanı ve çevresine ilişkin bilgi çıkarımı yapılmıştır. Alanda, derin su, sığ su, bitki, tarım arazisi, toprak ve tuzlu toprak sınıfları bulunmaktadır. Alanın detaylı arazi örtüsü / kullanımı tematik haritalarını üretmek için, yüksek mekansal ve spektral çözünürlüğe sahip Worldview-3 ve yüksek mekânsal ve zamansal çözünürlüğe sahip Planetscope uydu görüntüleri kullanılmıştır. Worldview-3 uydu görüntüsü, arazi çalışmasının yapıldığı gün bulutlu hava şartlarından dolayı demin edilememiştir. Worldview-3 uydu görüntüsü arazi çalışmasından yaklaşık iki hafta sonra temin edilebilmiştir. Planetscope, her gün bulutsuz görüntüler sağlamaktadır. Bundan dolayı, arazi çalışmasının yapıldığı güne ait Planetscope görüntüsü temin edilmiş ve tamamlayıcı veri olarak kullanılmıştır. Worldview-3 uydu görüntüsü; kıyısal, mavi, yeşil, kırmızı, yakın kırmızı, yakın kızılötesi-1 ve yakın kızılötesi-2 olmak üzere sekiz spektral banta sahiptir. Worldview-3 uydu görüntüsünün mekansal çözünürlüğü 2.0 metredir. Worldview-3 görünütüsünün spektral aralığı 400 - 1040 nm arasındadır. Planetscope uydu görüntüsü mavi, yeşil, sarı ve yakın kızılötesi olmak üzere dört spektral banta sahiptir. Planetscope görünütüsünün mekansal çözünürlüğü 3.0 metredir. Planetscope uydu görüntüsünün spektral aralığı 455 - 860 nm arasındadır. Uydu görüntüleri radyometrik ve geometrik açıdan düzeltilmiş olarak temin edilmiştir. Bundan dolayı, uydu görüntülerine önişleme adımları uygulanmamıştır. Sınıfları ayırt etmek için, uydu görüntülerinin yanı sıra arazi ölçmeleri de kullanılmıştır. Arazi çalışmasında, objelerin spektral yansıtımları spektroradiometreyle ölçülmüş ve konumları GPS ile belirlenmiştir. Spektroradyometrenin spektral aralığı, uydu görüntülerinin spektral aralıkları ile uyumludur. Spektroradyometrenin spektral aralığı 325 - 1075 nm arasındadır. Eğitim ve test verileri, arazi ölçmelerinden ve Worldview-3 uydu görüntüsü kullanılarak toplanan verilerden oluşmaktadır. Uydu görüntülerine kontrollü sınıflandırma yöntemleri uygulanmıştır. Çalışmada, obje tabanlı sınıflandırma yöntemlerini kullanmak tercih edilmiştir. Uydu görüntülerinde objeleri oluşturmak için çoklu çözünürlük segmentasyonu uydu görüntülerine uygulanmıştır. Çoklu çözünürlük parametereleri olan ölçek parametresi, renk, ¸sekil, yumuşaklık ve bütünlük amprik yöntemle belirlenmiştir. Segmentasyon işleminden sonra, Planetscope ve Worldview-3 uydu görüntülerine üç farklı sınıflandırma tekniği uygulanmıştır. Kural tabanlı sınıflandırma, K-en yakın komşuluk ve destek vektör makineleri yöntemleri kullanılan sınıflandırma yöntemleridir. Radyal tabanlı fonksiyon, çekirdek fonksiyonu olarak kullanılmıştır. Radyal tabanlı fonksiyonun parametreleri olan ceza ve gamma parametreleri, grid arama yöntemiyle belirlenmiştir. Sınıflandırma işleminden sonra, çalışma alanına ait tematik haritalar üretilmiştir. İlk olarak, Planetscope ve Worldview-3 uydu görüntülerine kural tabanlı sınıflandırma yöntemi uygulanmıştır. Kural tabanlı sınıflandırma işleminde, spektral indeksler ve şekil öznitelikleri kullanılarak kural setleri oluşturulmuştur. Spektral indislerdeki bant kombinasyonları, uydu görüntülerinin spektral çözünürlüğüne göre değişiklik göstermiştir. İkinci olarak, K-en yakın komşuluk sınıflandırma yöntemi uydu görüntülerine uygulanmıştır. K-en yakın komşuluk sınıflandırmasında, öznitelik uzayları görüntülerin spektral bantlarından oluşmaktadır. Son olarak, destek vektör makineleri uydu görüntülerine uygulanmıştır. Destek vektör makineleri yönteminde, modeller uydu görüntülerinin spektral bantlarından oluşmaktadır. Üretilen tematik haritalar, sınıflandırma yöntemlerinin doğruluklarını hesaplamak amacıyla yer gerçekliğiyle karşılaştırılmıştır. Sınıflandırma yöntemlerinin doğruluklarını hesaplamak amacıyla hata matrisleri üretilmiştir. Üretilen tematik haritaların genel doğrulukları %87 ile %96 arasında değişmektedir. Planetscope görüntüsüne kural tabanlı sınıflandırma, K-en yakın komşuluk ve destek vektör makineleri yöntemleri uygulanmasıyla elde edilen doğruluklar sırasıyla %87, %88 ve %93'tür. Worldview-3 görüntüsüne kural tabanlı sınıflandırma, K-en yakın komşuluk ve destek vektör makineleri yöntemleri uygulanmasıyla elde edilen doğruluklar sırasıyla %94, %95 ve %96'dır. Sonuçlar incelendiğinde, en yüksek doğruluğa destek vektör makineleri yöntemiyle ulaşıldığı görülmüştür. Bunun yanısıra, diğer sınıflandırma yöntemlerinin de araziyi sınıflandırmak için uygun olduğu sonucuna varılmıştır. Ek olarak, uydu görüntüleri karşılaştırıldığında,Worldview-3 uydu görüntüsü kullanılarak elde edilen tematik haritaların doğruluğu, Planetscope uydu görüntüsü kullanılarak elde edilen tematik haritaların doğruluğundan daha yüksektir. Bu durumun sebebi, Worldview-3 uydu görüntüsünün spektral ve mekansal çözünürlüğünün, Planetscope görüntüsünün spektral ve mekansal çözünürlüğünden fazla olmasıdır. Bununla birlikte, hava şartlarından dolayı Worldview-3 görüntüsü temin edilemediği durumlarda, çalışma alanını sınıflandırmak için Planetscope görüntüsü yeterlidir. Ayırt edilen sınıfların alanları hesaplanmıştır. Tüm üretilen tematik haritalarda benzer alansal sonuçlar elde edilmiştir. Sonuçlar incelendiğinde, derin su ve sığ su sınıflarının en küçük alanları kapladığı görülmüştür. Toprak sınıfı, üretilen tüm tematik haritalarda en geniş alana sahiptir. Çalışma alanında, toprak ile kaplı alan ile su ile kaplı alan arasında büyük bir fark olduğu sonucuna varılmıştır. Arazi kullanımı / örtüsü tematik haritalarına ek olarak, Akgöl Sulak Alanı'nın su kalitesi de incelenmiştir. Bu amaçla, su kalitesi parametrelerinden biri olan bulanıklık parametresi değerlendirilmiştir. Bunun amaç için, arazi verisi ve uydu verisi kullanılmıştır. Uydu verisi olarak Planetscope ve Worldview-3 uydu görüntüleri kullanılmıştır. Uydu görüntülerine, obje tabanlı sınıflandırma yöntemi uygulanmıştır. İlk olarak, her iki görüntüye de çoklu çözünürlük segmentasyonu uygulanmıştır. Uydu görüntülerinde objeler üretildikten sonra, sulak alanın çevresi maskelenmiştir. Suyun içindeki bulanıklık miktarını belirleyebilmek için NDTI (Normalized Differential Turbidity Index) kullanılmıştır. İndis uygulandıktan sonra, yoğunluk dilimleme yöntemi kullanılmıştır. Tematik haritalardaki bulanıklık seviyesini belirleyebilmek için kural setleri oluşturulmuştur. Dört bulanıklık seviyesi oluşturulmuştur. Sonuçlar incelendiğinde, üçüncü ve dördünce bulanıklık seviyelerinin en çok alanı kapladığı görülmektedir. Üretilen tematik haritalardaki farklılığın sebebi uydu görüntülerinin spektral ve mekansal çözünürlüğünün farklılığından ve elde edildikleri tarihlerdeki farklılıktan kaynaklanmaktadır.

Summary:

Wetlands are important natural resources, which have functions such as increasing water quality, being a spawning area, storing water and carbon dioxide sink. Remote sensing is one of the most suitable methods to monitor the wetlands. For this reason, in the study Akgol wetland area, which is one of the most important wetland in Turkey was internationally examined by using high spatial resolution satellite images. Akgol wetland is located in Konya Closed Basin, which is the third largest basin in Turkey. Ministry of culture declared Akgol area wetland as grade the first natural protected area on first of July, 1992, and it were declared as nature reserve area in 1995. In the study, information of Akgol wetland and around was researched. There are deep water, shallow water, vegetation, agricultural area, soil and saline soil classes in the study area. High spatial and spectral resolution Worldview-3 satellite image and high spatial and temporal resolution Planetscope image were used as satellite data to produce land use/cover thematic maps of the study area. Worldview-3 satellite image can't be obtained on field survey day because of the cloudy weather conditions. Worldview-3 satellite image was obtained approximately two weeks later after the field survey. Planetscope provides cloud free images daily. Thus, Planetscope satellite image was obtained on field survey day and used as supplementary data. Worldview-3 satellite image has eight spectral bands, which are coastal, blue, green, yellow, red, red edge, near infrared 1 and near infrared 2. The spatial resolution of Worldview-3 image is 2.0 m. The spectral range of Worldview-3 satellite image is between 400 and 1040 nm. Planetscope satellite image has 4 spectral band, which are blue, green, yellow, near infrared. The spatial resolution of Planetscope image is 3.0 m. The spectral range of Planetscope satellite image is between 455 and 860 nm. The satellite images were obtained as radiometrically and geometrically corrected. Thus, any preprocessing step were not applied to the satellite images. In order to discriminate classes, besides satellite images field measurements were used. In the field survey, spectral reflectance of objects was measured with spectroradiometer, and locations of objects were determined with GPS receiver. The spectral range of the spectroradiometer is compatible with satellite images. The spectral range of the spectroradiometer is between 325 - 1075 nm. Training and test sets are composed of the data, which were collected in field work and the data, which were collected by Worldview-3 satellite data. Supervised classification methods were applied to satellite images. Object based classification techniques were preferred in the study. In order to create objects in the satellite images, multi resolution segmentation was applied to both satellite images. Multi resolution segmentation parameters, which were scale parameter, color, shape, smoothness and compactness, were determined empirically. After the segmentation process, three different classification techniques were applied to Planetscope and Worldview-3 satellite images. Rule based classification, K-nearest neighbor and support vector machine method were used as the classification methods. Firstly, rule based classification was applied to Planetscope and Worldview-3 satellite images. In rule based classification process, rule sets were produced by using spectral indexes and shape attributes. Band combinations of spectral indexes changed in rule sets according to the spectral resolution of satellite images. Secondly, K- nearest neighbor classification was applied to the satellite images. In K- nearest neighbor classification process, feature spaces were composed from the spectral bands of satellite images. Finally, support vector machine was applied to the satellite images. In support vector machine process, models consist of the spectral bands of satellite images. A radial basis function was used as kernel function. The parameters of the radial basis function, which were cost and gamma, were determined by grid search method. After the classification process, thematic maps of study area were produced. Produced thematic maps were compared with ground truth on the purpose of calculating accuracies of classification techniques. The confusion matrices were generated in order to compute the accuracy of classification techniques. The high accuracies were achieved by all the techniques. The overall accuracies of all produced thematic maps were changed between 87% and 96%. The overall accuracies of rule based classifier, K-nearest neighbor and support vector machine methods, which were applied to Planetscope image, were obtained as 87%, 88%, and 93% respectively. The overall accuracies of rule based, K- nearest neighbor and support vector machine methods, which were applied to Worldview-3 image, were 94%, 95%, and 96% respectively. When the results were examined, it was seen that the highest accuracy was achieved with support vector machines. Besides that, it was concluded that other methods were also suitable to classify the study area. Additionally, when the satellite images were compared, it was seen that the accuracies of the thematic maps which were produced from Worldview-3 satellite image has higher than the accuracies of the thematic maps which were produced from Planetscope satellite image. The reason of this situation is the spectral and spatial resolution of Worldview-3 image is higher than the Planetscope image. However, when Worldview-3 image can not be obtained because of the weather conditions, Planetscope satellite image is also suitable to classify the study area. Areas of discriminated classed were calculated. Similar areal results were obtained from all generated thematic maps. When the results were examined, it was seen that deep water and shallow water covered the smallest areas. Soil class has the largest area in all produced thematic maps. It was concluded that, there is a large difference between soil covered area and water covered area in the study area. In addition to land use / cover thematic maps, water quality of Akgol wetland was examined. For that purpose, turbidity, which is one of the water quality parameters, was considered. For this aim, field data and satellite data were used. Planetscope and Worldview-3 satellite images were used as satellite data. Object based classification technique was applied to the satellite images. First of all, multi resolution segmentation technique was applied to both images. After objects were generated in satellite images, around of wetland was masked. In order to detect turbidity content in the wetland by using satellite images, NDTI (Normalized Differential Turbidity Index) was used. After applying index, density slicing method was used. Rule sets were generated to produced thematic maps of turbidity levels. Four turbidity levels were generated. When the results were examined, it was seen that the area of third and fourth level turbidity cover the most area in both satellite images. The reasons of differences in thematic maps are stemed from the different spectral and spatial resolutions of images and different dates, which were acquired.