Sentinel 2 Uydu Görüntülerinden Bitki Türlerinin Makine Öğrenmesi ile Belirlenmesi

Tunca, Emre; Köksal, Eyüp

doi:10.33202/comuagri.842202

Cited by 4 publications

(1 citation statement)

References 16 publications

(2 reference statements)

Supporting

Mentioning

Contrasting

Order By: Relevance

“…In the literature, there are many studies in which machine learning algorithms are used to classify spatial data and for location-based prediction [4,[6][7][8][9][10][11][12].…”

Section: Introductionmentioning

confidence: 99%

Performance of Machine Learning Methods in Location-Based Prediction

ÖZMERDİVENLİ

Taşyürek

Hizlisoy

et al. 2022

Çukurova Üniversitesi Mühendislik Fakültesi Dergisi

View full text Add to dashboard Cite

Thanks to the technological developments that have taken place in recent years, the number, variety and quality of the data obtained using IoT (Internet of Things) sensors have been increasing. Data obtained from IoT sensors have been used in many scientific fields such as land use, climate change, vegetation analysis and air quality forecasting. In this study, a location-based spatial analysis application was carried out using the data obtained from IoT sensors with machine learning. With this application, the average temperature information of the station was estimated with Artificial Neural Network (ANN), Random Forests (RF), and Support Vector Machines (SVM) methods using daily average humidity, average pressure, and station altitude information on real datas of Kayseri acquired from the Turkish State Meteorological Service, and then performances of the methods were compared. In the experimental evaluations, the ANN, RF and SVM methods obtained an average of 0.83, 0.75 and 0.50 R2 values. The ANN method outperformed the RF and SVM methods in location-based temperature estimation.

show abstract

“…In the literature, there are many studies in which machine learning algorithms are used to classify spatial data and for location-based prediction [4,[6][7][8][9][10][11][12].…”

Section: Introductionmentioning

confidence: 99%

Performance of Machine Learning Methods in Location-Based Prediction

ÖZMERDİVENLİ

Taşyürek

Hizlisoy

et al. 2022

Çukurova Üniversitesi Mühendislik Fakültesi Dergisi

View full text Add to dashboard Cite

show abstract

Meteorological Factors-Oriented Machine Learning Approach for Chickpea and Lentil Production Estimation: The Case of Turkey

Burhan

SOYDAN

2023

Adnan Menderes Üniversitesi Ziraat Fakültesi Dergisi

View full text Add to dashboard Cite

Yemeklik tane baklagiller en temel karbonhidrat, lif ve protein kaynakları olarak sağlıklı beslenme için gerekli başlıca vitamin ve mineralleri sağlamaktadırlar. Türkiye’de ise yemeklik tane baklagiller, tahıllardan sonra yetiştiriciliği en fazla yapılan tarla bitkileri olup; baklagiller için gen merkezi konumunda olan ülkemizde üretilen başlıcaları; nohut, yeşil ve kırmızı mercimek, fasulye ve bakladır. Öte yandan tarımsal üretimin hava koşullarına karşı oldukça duyarlı olması, hali hazırdaki küresel iklim değişikliğinin çevre, doğal kaynaklar ve üretim sistemleri üzerindeki olumsuz etkilerini daha da önemli kılmaktadır. Bu çalışmada meteorolojik faktörler, ekiliş ve üretim değerlerini içeren veri seti kullanılarak üç farklı makine öğrenmesi yöntemiyle Türkiye’de üretimi en fazla yapılan yemeklik tane baklagil türleri olan nohut ve mercimek için 2021-2022 yılı üretim miktarı ve verim tahmini yapılmış, ayrıca gerçek değerlerle karşılaştırılarak tahminlerin doğruluğu, buna bağlı olarak kullanılan yöntemlerin geçerliliği değerlendirilmiştir. Nohut için en başarılı tahminin yapıldığı Destek Vektör Regresyon (DVR) yönteminden elde edilen sonuçlara göre 2022 yılında nohut üretiminde bir önceki yıla göre yaklaşık %25 azalma, mercimek için en başarılı tahmini yapan Rastgele Orman Regresyon (ROR) hesaplamasına göre ise mercimek üretiminde bir önceki yıla kıyasla %29 artış tahmin edilmiştir. Tüm yöntemler bağlamında ise 2022 yılında önceki yıllara kıyasla nohut üretimi ve verimi için azalış, mercimek için ise artışın öngörüldüğü ifade edilebilmektedir.

show abstract

Yersel referans verilerinin doğruluğunun çok zamanlı Sentinel-2 uydu görüntüleri ile araştırılması: Arpa ve Buğday örneği

YAŞAR

Yagci

2023

Geomatik

View full text Add to dashboard Cite

Ülkemizde uzaktan algılama görüntüleri ve yöntemleri ile tarım ürün deseni belirlemek amaçlı birçok çalışmalar yapılmaktadır. Bu çalışmalarda sınıflandırma algoritmasının eğitilmesi ve sonuçlarının doğrulanması için çeşitli kaynaklardan oluşturulan yersel referans veriler kullanılmaktadır. Ancak, bazı çalışmalarda bu referans veri setlerinde hatalar bulunduğu ortaya konmuştur. Bu çalışmada, Yozgat ili Merkez ilçesi için bir firmadan alınan yersel referans verilerinin güvenirliği Sentinel-2A ve Sentinel-2B uydu görüntüleri kullanılarak araştırılmıştır. Geliştirilen yöntemde, uydu görüntülerinden oluşturan parsel zaman serileri her ürünün ortalama karakteristik Normalize Edilmiş Bitki İndeksi (NDVI) eğrisi ile iteratif olarak karşılaştırılmaktadır. Daha sonra, korelasyon ve ortalama en kısa mesafe değerleri kullanılarak hatalı etiketlenen tarım ürünleri bulunmaktadır. Yöntem, arpa ve buğday tarım ürünleri ile test edilmiştir ve tüm hatalı etiketlenen parseller başarılı bir şekilde bulmuştur. Yöntemde, kullanıcıya herhangi bir eğitim verisi seçimi yaptırmadan otomatik olarak karar vermektedir. Bundan dolayı, veri indirme ve parsel sınırlarını düzeltilmesi dışındaki tüm işlemlerin otomasyonu Python programlama dili ve çeşitli açık kaynaklı kütüphaneler ile sağlanmıştır.

show abstract

Sentinel 2 Uydu Görüntülerinden Bitki Türlerinin Makine Öğrenmesi ile Belirlenmesi

Cited by 4 publications

References 16 publications

Performance of Machine Learning Methods in Location-Based Prediction

Performance of Machine Learning Methods in Location-Based Prediction

Meteorological Factors-Oriented Machine Learning Approach for Chickpea and Lentil Production Estimation: The Case of Turkey

Yersel referans verilerinin doğruluğunun çok zamanlı Sentinel-2 uydu görüntüleri ile araştırılması: Arpa ve Buğday örneği

Contact Info

Product

Resources

About