Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBuna göre, IKONOS uydu görüntüsünden otomatik sınıflandırma ile yeterli doğrulukta meşcere tipleri haritasının üretilmesinin mümkün olmadığı anlaşılmıştır.
📌 3 Maddede Bu Makale
Özet
Uydu teknolojisindeki gelişmelerle birlikte yüksek çözünürlüklü uydu verilerinin, meşcere tipleri ayrımında hava fotoğraflarının yerine alternatif bir bilgi kaynağı olarak kullanılabileceği düşünülmektedir. Çalışmada, IKONOS uydu verisinden amenajman planlarının temelini oluşturan meşcere tipleri haritasını düzenlemek için ne kadar ayrıntıya gidilebileceğinin ortaya konulması amaçlanmıştır. Bunun için uydu görüntüsüne obje bazlı sınıflandırma işlemi uygulanmıştır. Uydu görüntüsüne öncelikle görüntü dilimleme işlemi uygulanarak, hedef objeleri temsil edecek görüntü dilimleri oluşturulmuştur. Farklı ölçek parametreleri ve homojenlik kriterlerine göre üç farklı seviyede oluşturulan görüntü dilimleri, standart en yakın komşu yaklaşımına göre sınıflandırılmıştır. Sınıflandırma sonuçlarının doğruluk değerlendirmesi çalışma alanına ait meşcere tipleri haritasından ve arazi çalışmaları sırasında alınan denetim noktalarından faydalanılarak yapılmıştır. Meşcere tipleri düzeyinde yapılan sınıflandırma sonuçlarının toplam doğruluk değeri %55 (Kappa=0.52) olarak hesaplanmıştır. Buna göre, IKONOS uydu görüntüsünden otomatik sınıflandırma ile yeterli doğrulukta meşcere tipleri haritasının üretilmesinin mümkün olmadığı anlaşılmıştır.
Abstract
Together with the developments in satellite technology, it is considered that high resolution satellite data may be used as an alternative source of information to aerial photos in delineation of stand types. The study aims to reveal how detailed one could work to generate the map of stand types which form the basis of forest management plans using IKONOS satellite data. For this purpose, object based classification was applied to satellite image. Firstly, image segments which represent target objects were generated applying image segmentation algorithm to the satellite image. The image segments generated at three different levels according to different scale parameters and homogeneity criteria were classified according to standard nearest-neighbor approach. Classification accuracy was determined using both the stand maps of study area and ground control points. Overall accuracy was calculated as 58% (Kappa=0.54). Accordingly, it was understood that it was not possible to generate a stand map with sufficient accuracy from the IKONOS satellite image using automatic classification.