Çok zamanlı Sentinel 2 uydu görüntüleri ve makine öğrenmesi tabanlı algoritmalar ile arazi örtüsü değişiminin belirlenmesi
Esma Efe, Uğur Algancı
Abstract
Yeryüzündeki değişimin saptanması ve izlenmesi her zaman dikkate değer bir konu olmuştur. Zaman içinde insan faaliyetleri genişlemiş ve arazi örtüsünde bu faaliyetlerin etkisi açıkça görülmüştür. Sanayi faaliyetlerinin artması, yerleşimin fazlalaşması gibi konular nedeniyle arazi örtüsündeki değişimi izlenmesi ve takip edilmesi karar vericiler açısından kritik bir konu haline gelmiştir. Uzaktan algılama alanında bu konu ile ilgili çokça çalışma yapılmış ve yeryüzündeki değişimin en doğru sonuçla belirlenmesi için yöntemler ve araçlar sürekli gelişim göstermiştir. Çalışma kapsamında, Kocaeli ilinde şehirleşme ve tarımsal faaliyete bağlı olarak gelişen arazi örtüsü değişimini LandCover 2.0 standartlarına göre dinamik değişim belirleme çerçevesinde saptamak için çok zamanlı Sentinel 2 uydu görüntüleri kullanılarak Yerleşim İndisi-Rastgele Orman, Temel Bileşen Analizi-Rastgele Orman, Yerleşim İndisi-Regresyon Ağacı ve Temel Bileşen Analizi-Regresyon Ağacı olmak üzere dört farklı veri indirgeme – sınıflandırma yöntem kombinasyonlarının başarımı karşılaştırmalı olarak değerlendirilmiştir. Google Earth Engine platformu üzerinde gerçekleştirilen sınıflandırma analizlerinin sonuçları tematik harita haline getirilmiş ve doğruluk değerlendirmesi gerçekleştirilmiştir. Çalışma sonucunda yüzde 83,88 doğruluk oranı ile Temel Bileşen Analizi-Regresyon Ağacı yöntem ikilisinin en yüksek doğruluk sağlayan yaklaşım olduğu ortaya konmuştur.