Yüksek çözünürlüklü görüntü verileri kullanarak ormanlık alanlarda sınıflandırma uygulamaları

Abstract

Uzaktan algılama teknolojilerinin gelişmesi ve beraberinde getirdiği Coğrafi Bilgi Sistemleri (CBS), ormancılık çalışmalarında da aktif olarak kullanılmayı başlanmıştır. Bu çalışmalarda yüksek konumsal çözünürlüğe sahip (<1 metre) multispektral görüntüler kullanılarak orman örtü tiplerinin, piksel-tabanlı ve nesne-tabanlı sınıflandırma yöntemlerinin kullanılması ile elde edilen sonuçlar değerlendirilmiştir.Bu tez çalışmasında kullanılan GeoEye-1 uydu görüntüsü üzerinden çıkartılabilecek detaylara ilişkin sınıflandırma yöntemleri karşılaştırılmış ve bu şekilde harita üretim sürecinde altlık olarak kullanılabilecek, doğru bilgiyi kullanıcıya sunan yöntemler belirlenmiştir. Bu amaçla Kastamonu Orman Bölge Müdürlüğü, Merkez İşletme Şefliğine ait sınırlar içerisinde çalışma alanı belirlenerek, 2011 yılına ait yüksek çözünürlüklü GeoEye-1 uydu görüntüsü kullanılmış olup arazi örtü tipleri ve diğer sınıf türlerinin sınıflandırma başarıları incelenmiştir. Piksel-tabanlı sınıflandırma Erdas Imagine 2015, nesne-tabanlı sınıflandırma eCognition Developer 9.1 yazılımı kullanılarak yapılmış olup, sonuç ürünler vektörleştirilerek CBS ortamında karşılaştırmalar yapılmak üzere hazır hale getirilmiştir. Elde edilen ürünler, elle vektörleştirilmiş GeoEye-1 uydu görüntüsü vektör veri ve araziden her sınıf için alınmış toplamda 150 adet nokta ile görsel ve sayısal olarak analiz edilmiştir. Değerlendirmeler sonucunda, ormancılık çalışmalarında altlık olarak kullanılan meşcere haritalarının düşük geometrik doğruluğa sahip olması ve zamansal değişimden kaynaklı güncel bilgiyi içermemesinin yeni çalışmalar için dezavantaj olacağı belirlemiş olup, sınıflandırma yöntemlerinin verdikleri sonuçlara göre harita üretimi ya da harita üretim sürecine altlık olmak üzere kullanılabileceklerinin yorumu yapılmıştır.

Remote sensing technologies and the accompanying geographical information systems (GIS) introduced by them have started to be used actively in forestry studies. The results obtained by using pixel-based and object-based classification methods of forest cover types through using multispectral images with high spatial resolution (<1 meter) are evaluated in these studies. The classification methods of detail that can be extracted from the GeoEye-1 satellite image used in this thesis study are compared, and in this way, methods that provide the user with the correct information that can be used as a base in the map production process have been determined. For this purpose, high resolution GeoEye-1 satellite image of 2011 was used and the classification of land cover types and other class species was investigated by determining the study area within the boundaries of the Kastamonu Regional Directorate of Forestry and the Central Business Administration. Upon making pixel-based classification with Erdas Imagine 2015, and object-based classification with eCognition Developer 9.1 software, the resulting products were vectorized and made ready for comparison in the GIS environment. The obtained products were visually and numerically analyzed with a manually digitized GeoEye-1 satellite image, which was taken as reference, and a total of 150 points for each class in the field. As a result of the evaluations, it has been determined that the landscape maps used as a base for forestry studies have low geometrical accuracy and that the lack of up-to-date information due to temporal variation is a disadvantage for new studies and that the classification methods can be used as a map production or as a base for the map production process.