Extractıon of tea gardens by object-based classifıcation approach from high spatial resolutıon satellite images

Yüksek mekânsal çözünürlüklü uydu görüntülerinden nesne tabanlı sınıflandırma yaklaşımı ile çay bahçelerinin çıkarılması

Abstract

The tea plant, which grows especially in the Eastern Black Sea region, constitutes a large part of the livelihood of the people living in this region. However, landslides that occur due to rainfall in the Eastern Black Sea Region cause continuous damage to the tea areas. In this respect, mapping of tea areas for temporal monitoring and observation is an important issue. In this study, it was aimed to determine tea gardens by using high resolution WorldView-2 satellite images. For this purpose, 8 km2 area was selected as a test area in Hopa district of Artvin province. Object-based image analysis was applied for the production of thematic maps of tea gardens. Multiresolution segmentation algorithm was used in the segmentation step. In the classification step, the K-nearest neighbor and random forest algorithm were used. When the obtained results were examined, it was found that random forest algorithm gave better results than K-nearest neighbor algorithm.

Özet

Ülkemizde özellikle Doğu Karadeniz bölgesinde yetişmekte olan çay bitkisi bölgede yaşayan halkın geçim kaynağının büyük bir kısmını oluşturmaktadır. Ancak Doğu Karadeniz Bölgesinde yağışlara bağlı olarak meydana gelen heyelanlar çay alanlarının sürekli hasara uğramasına neden olmaktadır. Bu doğrultuda çay alanlarının zamansal izlenmesi ve takibi için haritalanması önemli bir konu olarak karşımıza çıkmaktadır. Bu çalışmada yüksek çözünürlüklü WorldView-2 uydu görüntüleri kullanılarak çay bahçelerinin belirlenmesi amaçlanmıştır. Bu kapsamda çalışma alanı olarak Artvin ili Hopa ilçesinde 8 km2 ’lik bir alan test alanı olarak seçilmiştir. Çay alanlarına ait tematik harita üretimi için nesne tabanlı görüntü analizi uygulanmıştır. Segmentasyon aşamasında çoklu çözünürlükle segmentasyon algoritması kullanılmıştır. Sınıflandırma aşamasında ise makine öğrenme algoritmalardan k- en yakın komşuluk ve rastgele orman algoritması kullanılmıştır. Elde edilen sonuçlar incelendiğinde rastgele orman algoritmasının k-en yakın komşuluk algoritmasına göre daha iyi sonuçlar verdiği tespit edilmiştir.