The role of sentinel-1 sar images in the automatic detection of mucilage areas using deep learning learning techniques: A case study in the Armutlu-Zeytinbağı of the Marmara Sea

Doğada bulunan çeşitli nesnelerin tespit edilmesi, türlerin tanımlanması ve bu türlerin keşfedilmesi günümüz dünyasında büyük önem arz etmektedir. Aktif ve pasif görüntüleme sistemleri bu doğrultuda hem ekonomik hem de kolaylık bakımından avantajlı bir konumdadır. Son zamanlarda ülkemizde yaşanan müsilaj olayları hem deniz yaşamı hem de insan hayatı için ciddi riskler oluşturmaktadır. Bu çalışmada obje olarak Mayıs 2021'de meydana gelen müsilaj olayından büyük ölçüde etkilenen bölgelerden birindeki su alanları seçilmiştir. Çalışma alanı olarak Marmara Denizi'nde Armutlu-Zeytinbağı arasındaki bölge seçilmiştir. Musilaj bölgesinden toplam 1300 örnek manuel olarak seçilmiş ve GPS yardımıyla kayıt altına alınmıştır. Seçilen bu örnekler 17 Mayıs–22 Mayıs arası müsilajlı alan, 21 Haziran–22 Haziran arası temiz alan olarak (toplam 2600 örnek) seçildikten sonra Sentinel-1 uydu görüntüleri yardımıyla zaman serileri kullanılarak görüntü analizleri yapılmıştır. Bu görüntü analizleri, Sentinel-1 spektral bant parametreleri (VV-VH) kullanılarak yapılmıştır. VV-VH spektral bant görüntülerinin yansıma değerlerini gösteren sayısal veriler excel ortamına aktarılarak 2 adet özgün veri seti elde edilmiştir. Elde edilen veri setlerine ayrı ayrı derin öğrenme ve makine öğrenmesi modelleri uygulanarak bu müsilajlı bölgesinin otomatik olarak tespit edilmesi amaçlanmıştır. Uygulamalı derin öğrenme (LSTM, CNN) ve makine öğrenmesi modellerimizin (DT, NB, SVM, RF, SGD) başarısının yüksek (84%-100%) olduğu gözlemlenmiştir. Uygulanan derin öğrenme ve makine öğrenmesi yöntemleri ile müsilaj bölgelerinin daha kolay tespit edilmesi ve bu bölgelere erken müdahale edilmesi amaçlanmıştır.