Decision tree classification of multı-temporal images for field-based crop mapping
Parsel bazlı ürünün haritalanması için çok zamanlı uydu görüntülerinin karar ağacıyla sınıflandırılması
- Tez No: 153429
- Danışmanlar: YRD. DOÇ. DR. MUSTAFA TÜRKER
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Karar ağacı sınıflandırması, çok zamanlı maskeleme, parsel bazlı analiz, ürün haritalama, Landsat 7 ETM+. vıı, Decision tree classification, multi-temporal masking, field-based analysis, crop mapping, Landsat 7 ETM+
- Yıl: 2004
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Jeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
oz PARSEL BAZLI ÜRÜNÜN HARİTALANMASI İÇİN ÇOK ZAMANLI UYDU GÖRÜNTÜLERİNİN KARAR AĞACIYLA SINIFLANDIRILMASI Şencan, Seçil Yüksek Lisans, Jeodezi ve Coğrafi Bilgi Teknolojileri Bölümü Tez Danışmanı: Yrd. Doç. Dr. Mustafa Türker Ağustos 2004, 125 sayfa Karacabey (Bursa), Türkiye, yakınlarındaki tarımsal alanlarda Ağustos ayına ait tarım ürünlerini sınıflandırmak için karar ağacı sınıflandırma tekniği ile beraber çok zamanlı uydu görüntüleri kullanılmıştır. Analizler için Mayıs, Temmuz ve Ağustos 2000'de elde edilen Landsat 7 ETM+ görüntülerinden yararlanılmıştır. Orijinal bantlara ek olarak NDVI, PCA ve Tasselled Cap Transformation bantları oluşturulmuş ve sınıflandırma işlemine dahil edilmiştir. Öncelikle, karar ağacı sınıflandırma yaklaşımı ile beraber çok zamanlı maskeleme tekniği kullanılarak görüntüler piksel bazlı olarak sınıflandırılmıştır. Elde edilen görüntülere parsel bazlı analiz uygulanarak parsellerdeki ürün bilgileri doğrudan Coğrafi Bilgi Sistemi (CBS) veritabanına girilmiştir. Sınıflandırma sonuçları, üç adet görüntünün geleneksel en büyük olasılık algoritması kullanılarak elde edilen sınıflandırma sonuçlan ile karşılaştırılmıştır. Önerilen yaklaşımla elde edilen toplam doğruluğun sınıf sayıları az olan Mayıs ve Ağustos görüntüleri için oldukça yüksek olduğu gözlenmiştir. Mayıs ve Temmuz aylarında karar ağacı yöntemi ile 91.10% ve 66.15%, en büyük olasılık sınıflandırma yöntemi ile ise vı84.38% ve 63.55% doğruluk değerleri elde edilmiştir. Bununla beraber, Ağustos ayında en büyük olasılık (70.82%) ve karar ağacı sınıflandırma (69.14%) yöntemleri için yaklaşık olarak aynı toplam doğruluk sonuçlan elde edilmiştir. Ek olarak kullanılan bantların karar ağacı sınıflandırma yönteminde şeker pancarı, domates, bezelye, biber ve pirinç sınıflarının görüntü üzerinden ayrılabilirliğini arttırdığı gözlemlenmiştir.
Özet (Çeviri)
ABSTRACT DECISION TREE CLASSIFICATION OF MULTI-TEMPORAL IMAGES FOR FIELD-BASED CROP MAPPING Şencan, Seçil M. Sc, Department of Geodetic and Geographic Information Technologies Supervisor: Assist. Prof. Dr. Mustafa Türker August 2004, 125 pages A decision tree (DT) classification approach was used to identify summer (August) crop types in an agricultural area near Karacabey (Bursa), Turkey from multi-temporal images. For the analysis, Landsat 7 ETM+ images acquired in May, July, and August 2000 were used. In addition to the original bands, NDVI, PCA, and Tasselled Cap Transformation bands were also generated and included in the classification procedure. Initially, the images were classified on a per-pixel basis using the multi-temporal masking technique together with the DT approach. Then, the classified outputs were applied a field-based analysis and the class labels of the fields were directly entered into the Geographical Information System (GIS) database. The results were compared with the classified outputs of the three dates of imagery generated using a traditional maximum likelihood (ML) algorithm. It was observed that the proposed approach provided significantly higher overall accuracies for the May and August images, for which the number of classes were low. In May and July, the DT approach produced the classification accuracies of 91.10% and 66.15% while the ML classifier produced IV84.38% and 63.55%, respectively. However, in August nearly the similar overall accuracies were obtained for the ML (70.82%) and DT (69.14%) approaches. It was also observed that the use of additional bands for the proposed technique improved the separability of the sugar beet, tomato, pea, pepper, and rice classes.
Benzer Tezler
- Kent mobilyaları tasarımında kullanılabilecek kavramsal bir model
Başlık çevirisi yok
SEÇİL YAYLALI
Yüksek Lisans
Türkçe
1998
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Ürünleri Tasarımı Ana Bilim Dalı
DOÇ. DR. SEMRA AYDINLI
- Image classification using low level features and C4.5 algorithm
Düşük seviyeli özellikleri ve C4.5 algoritmasını kullanarak resim sınıflandırma
MUSTAFA KAYA
Yüksek Lisans
İngilizce
2002
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ADİL ALPKOÇAK
- Çok ölçütlü sorun çözümüne yönelik bir bütünleşik karar destek modeli
Integrated decision aid model for multiattribute problem solving
YUSUF İLKER TOPÇU
Doktora
Türkçe
2000
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. FÜSUN ÜLENGİN
- İleri imalat teknolojilerinin ekonomik analizi ve esneklik faktörünün sayısallaştırılmasına bulanık kümeler yaklaşımı
Başlık çevirisi yok
CENGİZ KAHRAMAN
- Tuning model complexity using cross-validation for supervised learning
Gözetimli öğrenmede çapraz geçerleme ile model karmaşıklığının ayarlanması
OLCAY TANER YILDIZ
Doktora
İngilizce
2005
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF.DR. ETHEM ALPAYDIN