Dicle nehri havzasında toprak nem ölçümleri ile SAR imgeleri arasındaki ilişkiyi saptama ve bu ilişkiye dayalı toprak neminin tahmini

Uzaktan algılama teknolojisi; yeryüzündeki arazi kullanımlarının tespiti, arazilerdeki hızlı değişimlerin izlenmesi amacıyla anlık kayıtlarının alınması, doğal kaynakların saptanması gibi birçok alanda kullanılmaktadır. Günümüzde ve gelecekte uzaktan algılamaya ihtiyaç duyulacak alanlardan biri de artan nüfus ve tarımsal alanlara paralel olarak ileride yetersiz kalabilecek su kaynaklarının tarımsal arazilerde doğru bir şekilde kullanılmasını sağlamaktır. Topraktaki su içeriği, toprağın geri saçılma katsayısını önemli ölçüde etkilediğinden, yersel toprak nemi ölçümleri ile uzaktan algılama verileri arasındaki ilişkilendirilme toprak neminin kısa sürede tahmin edilmesini sağlayabilmektedir. Ayrıca, elektromanyetik spektrumun mikrodalga bölgesinde faaliyet gösteren SAR sensörleri toprak içeriğindeki nem değişimlerine karşı hassas olduklarından dolayı, bu sensörlerin toprak nemi tahmininde kullanımı daha uygundur. Dolayısıyla, bir SAR radarı olan Radarsat-2 toprak neminin tahmini için bu çalışmada kullanılmıştır. Bu tez çalışmasının temel amacı, yersel nem ölçümleri ile Radarsat–2 verileri arasındaki ilişkiyi belirlemek; çorak ve/veya bitki örtüsü kaplı tarım alanları üzerindeki toprak rutubetini belirlenen ilişkiye dayanarak tahmin etmektir. Çalışma dört aşamadan oluşmaktadır. İlk aşamada; Radarsat-2 verileri farklı tarihlerde elde edilmiş ve yersel toprak nem ölçümleri bu verilerin temini ile aynı anda gerçekleştirilmiştir. İkinci aşamada; Radarsat–2 verileri önişleme tabi tutulmuş ve her bir toprak numunesinin alındığı noktaların GPS koordinatları bu verilere aktarılmıştır. Sonraki aşamada; öznitelik çıkarma işlemi için ön işlemi tamamlanmış Radarsat–2 verilerine standart sigma geri saçılma katsayıları ile Freeman-Durden ve H / A / α polarimetrik ayrışma modelleri uygulanmış; her örüntü için 10 geri saçılma katsayısına sahip bir öznitelik vektörü oluşturulmuştur. Son aşamada, elde edilen özellik vektörlerinden bölgesel toprak nemini elde etmek için doğrusal olmayan bir makine öğrenme modeli: Genelleştirilmiş Regresyon Sinir Ağı (GRNN) kullanılmıştır. Yapılan çalışmalar neticesinde, önerilen sistem ile çorak ve bitkisel tarım alanları üzerinde C-bantlı SAR verileri iyi sonuçlar vermiştir. Elde edilen bu sonuçlar, radarın toprak nem tahmini için güçlü bir uzaktan algılama aracı olduğunu ve veri setleri 1–3 üzerinde sırasıyla %2.31, % 2.11 ve %2.10; veri setleri 1&2, 2&3, 1&3 ve 1&2 &3 üzerinde ise sırasıyla %2.46, %2.70, %7.09 ve %5.70 ortalama mutlak hatalar göstermiştir.