Asmaların haritalanmasında farklı sınıflandırma yaklaşımları ve algoritmalarının başarılarının araştırılması

Tarımsal ürünlerin haritalanması ve izlenmesi; verim tespiti, çiftçi denetimi ve ürün denetimi gibi nedenlerden dolayı önemlidir. Günümüzde uzaktan algılama teknolojileri ile elde edilen görüntüler ve uydu görüntüsü sınıflandırma gibi farklı bilgi çıkarma yöntemleri tarımsal alanlardaki ürünlerinin haritalanmasında başarılı şekilde uygulanmaktadır. Bu çalışmada, PlanetScope uydu sistemlerinden elde edilen görüntülere farklı sınıflandırma yaklaşımları ve algoritmaları uygulanarak asmaların haritalanmasındaki başarısı araştırılmıştır. Çalışma alanı olarak Manisa ili Saruhanlı ilçesinde asma yetiştiriciliğinin yoğun olarak yapıldığı bir bölge seçilmiştir. Haritalama işlemi için piksel tabanlı ve nesne tabanlı sınıflandırma yaklaşımları kullanılmıştır. Piksel tabanlı sınıflandırma yaklaşımında En Çok Olabilirlik (EÇO), Rastgele Orman (RO), Destek vektör makineleri (DVM) algoritmaları kullanılmıştır. Nesne tabanlı sınıflandırma yaklaşımında ise DVM, RO, Naive Bayes (NB), K-En Yakın Komşuluk (K-EYK) ve Karar Ağacı (KA) algoritmaları kullanılmıştır. Asmaların haritalanmasında hem piksel hem de nesne tabanlı sınıflandırma yaklaşımında RO algoritması en başarılı algoritma olarak tespit edilmiştir. RO algoritması ile piksel tabanlı yapılan sınıflandırmada %87 genel doğruluk, 0.83 Kappa değeri ile asmalarda %85 üretici ve %85 kullanıcı doğruluğu elde edilmiştir. Algoritma ile nesne tabanlı sınıflandırmada genel doğruluk %91, Kappa değeri 0.87, asmalar için %88 kullanıcı ve %92 üretici doğruluğu elde edilmiştir. Üretilen haritalar incelendiğinde nesne tabanlı sınıflandırma yaklaşımı, asma parselleri için piksel tabanlı sınıflandırmada tuz-biber etkisi gibi ortaya çıkan yanlış piksel sınıflandırma hatalarını ortadan kaldırmıştır.