Destek vektör makineleri yöntemi ile arazi kullanımı sınıflandırılmasında kernel fonksiyonlarına ait karşılaştırmalı parametre duyarlık analizi: Rapideye ve spot örneği

Ülkelerin gelişmişlik düzeyi ve toplumların refah seviyesi yüksek bir şekilde yaşayabilmesi o ülkedeki sosyal, kültürel ve ekonomik kaynakların etkin kullanımı ve sürdürülebilir yönetimine bağlıdır. 2006 CORINE (Coordination of Information on the Environment) arazi örtüsü verisine göre ülkemiz topraklarının %42.35'i tarım alanlarından, %54.04'ü ise ormanlık ve yarı-doğal bitki örtüsünden oluşmaktadır. Ülke topraklarının stratejik planlaması ve doğal kaynakların sürdürülebilir yönetimi için arazi örtüsü/kullanımına ilişkin detaylı ve güvenilir bilgiler yerel otoriteler ve karar vericiler için önem arz etmektedir. Uzaktan algılama teknolojisi doğal kaynakların (orman, tarım alanı, bitki örtüsü vb.) etkin, doğru planlanması ve yönetiminde önemli bir role sahiptir. Çok bantlı yüksek çözünürlüklü uydu görüntüleri arazi örtüsü ve kullanımına ilişkin tematik haritaların üretilmesinde sağladığı spektral, mekânsal ve zamansal zenginlik nedeniyle tercih edilmekte ve yaygın olarak kullanılmaktadır. Uydu görüntülerinden tematik bilgi elde etmek amacıyla kullanılan en yaygın yöntem uydu görüntülerinin sınıflandırılmasıdır. Elde edilecek tematik bilginin doğruluğu ve kalitesi, kullanılan uydu görüntüsü ve bant kombinasyonunun seçiminin yanı sıra sınıflandırmada kullanılacak algoritmaya da bağlıdır. Bu çalışmada, uydu görüntülerinin sınıflandırılması işleminde son zamanlarda yüksek sınıflandırma kabiliyeti nedeniyle tercih edilen makine öğrenme algoritmalarından birisi olan Destek Vektör Makineleri (DVM) ile geleneksel sınıflandırma yöntemlerinden birisi olan ve literatürde geçerliliği kabul edilmiş En Çok Benzerlik (EÇB) yöntemi tercih edilmiştir. Çalışmada son yıllarda tarım, bitki örtüsü, orman ve sulak alanları haritalanması ve bu alanlara ilişkin bilgi elde etmek amacıyla yaygın olarak kullanılan ve başarılı sonuçlar veren RapidEye ve SPOT çok bantlı yüksek çözünürlüklü uydu görüntüleri kullanılmıştır. Seçilen uydu görüntüleri yüksek çözünürlüklerinin yanı sıra içerdikleri bantlar nedeniyle tercih edilmiştir. Çalışma alanı Aydın ili sınırları içindedir. Tarım arazileri ile kaplı alanda mısır (I,II ve III evre), pamuk (iyi, orta, zayıf), toprak (ıslak, nemli, kuru), çayır ve mera alanı, yerleşim alanı ve su yüzeyi olmak üzere oniki farklı sınıf belirlenmiştir. Çalışmaya ilişkin arazi çalışması görüntü alımı ile eş zamanlı olarak Ege Üniversitesi Ziraat Fakültesi Toprak Bilimi ve Bitki Besleme bölümü tarafından gerçekleştirilmiştir. DVM sınıflandırma işleminde dört farklı kernel ve birbirinden farklı yüzotuzdokuz model kullanılmıştır. Bu modeller kullanılarak DVM sınıflandırma işleminde kernel tipi ve bu kernellere ait parametre seçiminin sınıflandırma doğruluğu üzerindeki etkisi incelenmiş ve en yüksek sınıflandırma doğruluğu veren model (en uygun parametre seti) bulunmuştur. Ayrıca hem sınıflandırma yöntemlerinin hem de uydu görüntülerinin tarımsal amaçlı uygulamalarda kullanılabilirliği ve başarısı da test edilmiştir. DVM yöntemi kullanılarak elde edilen sınıflandırma sonuçları seçilen modele bağlı olarak çoğunlukla EÇB yöntemi kullanılarak elde edilen sonuçlardan yüksek olsa da birkaç modelde ise düşüktür. İki görüntü türü içinde en yüksek sınıflandırma doğruluğunu veren kernel polinom kernelidir ve sınıflandırma doğruluğu RapidEye için %85.6 iken SPOT için %73.3 tür. Üretilen tematik haritaların sınıflandırma doğrulukları kappa katsayısı ve hata matrislerinden (toplam doğruluk) yararlanılarak elde edilmiştir. Anahtar Kelimeler: Destek vektör makineleri, kernel fonksiyonları, karşılaştırmalı duyarlık analizi, RapidEye, SPOT