Arazi örtüsü tespitinde bulanık mantık sınıflandırma: Ankara bölgesinde örnek uygulama

Özet

G örüntü sınıflandırması, yeryüzüne ilişkin arazi örtüsü/kullanımı tespiti için kullanılan yöntemlerin başında gelmektedir. Belirlenen amaç ve kullanılacak olan veri doğrultusunda farklı matematiksel algoritmalarla çok farklı sınıflandırma analizleri yapmak mümkündür. Çalışmada kullanılan bulanık mantık sınıflandırma yöntemi, birden fazla sınıfa üyeliğe imkân sağlayan ve yapısal alanlar gibi karmaşık yapıya sahip olan çalışma bölgelerinde sıkça kullanılan yöntemlerden biridir. Bu çalışmada, Landsat uydu görüntüsü için çok sayıda bant oranları tanımlanmış ve belirlenen 9 arazi örtüsü sınıfı için bulanık mantık sınıflandırma yapılmıştır. Elde edilen sınıflandırma sonuçları her sınıf için en az 10 nokta olacak şekilde çalışma bölgesine ağırlıklı rastgele (stratified random) dağılmış 300 farklı noktada doğruluk araştırması yapılarak değerlendirilmiştir. Çalışma sonunda genel doğruluk %56, kapa değeri ise 0.49 olarak tespit edilmiştir. Çalışma bölgesinin karakteristiği nedeni ile geniş yapraklı orman detay sınıfının tespitinde sıkıntılar tespit edilirken; su kütleleri, ekili tarım alanı ve iğne yapraklı orman detay sınıfı yüksek doğruluklarla tespit edilebilmiştir.

Abstract

Image classification is one of the methods used for land use/cover detection. It is possible to make different analysis with different mathematical algorithms accordance with the goals and data. Fuzzy classification method used in this study is one of the commonly used method that allows more than one class of membership in different areas such as structural areas that have complex structure. In this study, we identified a number of band ratios for the Landsat image and fuzzy logic classification is made for the 9 land cover classes. Classification results evaluated in 300 different locations which distributed stratified random (at least 10 points for each class). At the end, the overall accuracy of 56% (kappa 0.49) was determined. Due to the characteristics of study area, some problems were detected for deciduous forest but water area, planted cropland and coniferous forest classes could be detected with high accuracy.