Journals / Türkiye Uzaktan Algılama Dergisi / 2020 / Cilt: 2 - Sayı: 2
Crop Cover Fraction Estimation Based On Digital Images from 2014-2016: A Case Study of Kadirli in Osmaniye Province
- Pages
- 50–57
- DOI
- —
Abstract
Crop cover fraction is commonly used to define ecosystem change and vegetation quality. In 2014, 2015 and 2016, color images were taken in approximately 90 sample fields at intervals of one to two weeks. Images were gathered in April, May, June and July. These 4 months means the growth period from planting until the harvesting. In this way, plant phenology was studied closely. Two approaches were used to estimate crop cover fraction in two crop types in this study. In first method, the images were transformed from the RGB color space to the HSI color space. Object-based classification was used to separate the images as the green vegetation and the non-green part. In the second method, The Green Crop Tracker software is used. The Green Crop Tracker is an applicable alternative to ground-based methods. In this approach, both the loss of time and the loss of labor is less than object-based classification. Results from the green Crop Tracker software and object based classification were compared during the growing seasons in 2014, 2015 and 2016 high correlation was obtained between these two methods (for 2014 R²=0.89, for 2015 R²=0.87, for 2016 R²=0.90).
Özet
Bitki örtü kesiti, genellikle ekosistem değişikliği ve bitki örtüsü kalitesini tanımlamak için kullanılır. 2014, 2015 ve 2016 yıllarında bir ila iki hafta aralıklarla sahada yaklaşık 90 renkli görüntü alınmıştır. Görüntüler Nisan, Mayıs, Haziran ve Temmuz aylarında elde edilmiştir. Bu 4 ay, ekimden hasada kadar olan büyüme dönemini içermektedir. Bu şekilde bitki fenolojisi yakından incelenmiştir. Bu çalışmada iki ürün türünde bitki örtü kesitini tahmin etmek için iki yaklaşım kullanılmıştır. İlk yöntemde, görüntüler RGB renk uzayından HSI renk uzayına dönüştürülmüştür. Nesne tabanlı sınıflandırma, görüntüleri yeşil bitki örtüsü ve yeşil olmayan kısım olarak ayırmak için kullanılmıştır. İkinci yöntemde Green Crop Tracker yazılımı kullanılmıştır. Green Crop Tracker, arazi tabanlı yöntemlere uygulanabilir bir alternatiftir. Bu yaklaşımda hem zaman kaybı hem de iş gücü kaybı, nesne tabanlı sınıflandırmaya göre daha azdır. Green Crop Tracker yazılımından ve nesne tabanlı sınıflandırmadan elde edilen sonuçlar, 2014, 2015 ve 2016 yıllarındaki büyüme sezonlarında karşılaştırılmış, bu iki yöntem arasında yüksek korelasyon elde edilmiştir (2014 için R² = 0.89, 2015 için R² = 0.87, 2016 için R² = 0.90).