FBE- Geomatik Mühendisliği Lisansüstü Programı - Doktora
Bu koleksiyon için kalıcı URI
Gözat
Yazar "Algancı, Uğur" ile FBE- Geomatik Mühendisliği Lisansüstü Programı - Doktora'a göz atma
Sayfa başına sonuç
Sıralama Seçenekleri
-
ÖgeUydu Görüntüleri, Meteorolojik Veriler Ve Kamera Fotoğrafları İle Pamuk Ve Mısır Bitkileri İçin Rekolte Tahmin Modeli Tasarımı: Şanlıurfa Örneği(Fen Bilimleri Enstitüsü, 2015-10-23) Algancı, Uğur ; Örmeci, Cankut ; 10047717 ; Geomatik Mühendisliği ; Geomatics EngineeringEkili ürün tiplerinin ve alanlarının uydu görüntüleri ile parsel seviyesinde belirlenmesi, tarımsal politikaların yönetilmesi, çiftçi beyanına dayalı teşvik sisteminin doğrulanması ve hassas tarım uygulamaları gibi konularda önemli katkılar sağlayabilmektedir. Tarımsal faaliyetlerin sera gazı emisyonlarına katkısı da düşünüldüğünde ürün tiplerinin ve mekânsal dağılımlarının belirlenmesinin iklim perspektefinden bakıldığında da büyük önem arzettiği görülmektedir. Bu sebeple birçok Avrupa Birliği üyesi ülke, tarım politikalarının ve teşviklerin yönetilmesinde kullanılmak üzere hava fotoğrafı ve uydu görüntüsünü temel alan Arazi Parsel Tanımlama Sistemi altyapılarını oluşturmuşlardır. Ürün ekim deseninin belirlenmesine ek olarak ürün verimininde zamanında ve doğru şekilde belirlenmesi, bölgesel ya da ülke ölçeğinde düşünüldüğünde sosyal, ekonomik, tarımsal politikaların belirlenmesinde önemli rol oynamaktadır. Örneğin verimin bölgesel ölçekte tahmini, toplam potansiyel ürün tahminini ortaya koyarak bir sonraki yıl için ürün fiyatlandırma ve stok yönetiminin gerçekleştirilmesinde en önemli veri kaynağını oluşturacaktır. Verim tahmini ayrıca tarım – ekosistem ilişkilerinin karbon döngüsü ve iklim değişikliği perspektifinde modellenmesine de faydalı bir girdi olmaktadır. Ek olarak verim bilgisi, bitki kütlesi – ürün miktarı ilişkileri kullanılarak birincil net üretim (NPP) bilgisinin üretilmesinde ve karbon bütçesinin belirlenmesinde kullanılmaktadır. Bu şekli ile değerlendirildiğinde geniş alanlar için ekili ürün deseninin ve ürün bazında verimin belirlenmesi önemli bir mekânsal problem olarak düşünülmelidir. Bu bilginin bölgesel ya da ülke ölçeğinde ve parsel bazında belirlenmesiklasik yersel yöntemler ile mümkün görünmemektedir. Bu noktada uzaktan algılama sistemleri; geniş alanları görüntüleme kapasiteleri ve farklı mekânsal – zamansal çözünürlükleri ile tarımsal bilginin üretilmesinde önemli bir veri kaynağı olarak karşımıza çıkmaktadır. Klasik yöntemler ile kıyaslandığında uzaktan algılama yöntemleri hızlı ve ekonomik veri elde etme ve bilgisayar tabanlı hızlı analiz olanakları ile öne çıkmaktadır. Uzaktan algılama ile tarımsal analizler gerçekleştirilirken tarım alanlarının karakteristik özellikleri, ürün tiplerine bağlı olarak ortaya çıkan spektral yansıtım farklılıkları ve şekil, doku gibi yüzey özellikleri göz önünde bulundurulmalıdır. Bu özellikler göz önüne alınarak gerçekleştirilen analiz ile uzaktan algılama verisinden ürün tipi, ürün yoğunluğu ve ürün geometrisine ilişkin ayırt edici bilgiler üretilebilir. Bu çalışmada Türkiye’nin güneydoğusunda bulunan Şanlıurfa ilinde bulunan Harran Ovası’nda pamuk ve mısır bitkileri için parsel seviyesinde ve bölge ölçeğinde çalışan adaptif verim tahmin modeli tasarımı gerçekleştirilmiştir. İki aşamalı olarak tasarlanan rekolte tahmin modelinde uydu görüntüleri ile ekili alan tespitine yönelik analiz; uydu görüntüleri, meteorolojik data ve kamera fotoğrafları kullanılarak tasarlanan agro-meteorolojik verim modeli ile entegre edilmiştir. Gerçekleştirilen çalışmanın ilk bölümünde altı farklı test alanında, farklı mekansal çözünürlükte uydu görüntüleri kulanılarak obje ve piksel tabanlı sınıflandırma yöntemlerinin ürün tiplerinin parsel seviyesinde tesbitindeki başarımı değerlendirilmiştir. SPOT 5 uydusundan elde edilen 2,5m, 5m ve 10m mekansal çözünürlüklü görüntüler ve Landsat 5 TM uydusundan elde edilen 30m mekansal görüntüden oluşan veri seti ile gerçekleştirilen çalışmada, çalışmada obje tabanlı “En Yakın Komşuluk - Nearest Neighbour (NN)” algoritması, piksel tabanlı “En Çok Benzerlik – Maximum Likelihood (ML)”, “Destek Vektör Makinası – Support Vector Machine (SVM)” ve “Spektral Açı Haritalayıcı – Spectral Angle Mapper (SAM)” algoritmaları kullanılmıştır. Gerekli görülen piksel tabanlı sınıflandırma sonuçlarına tuz-biber etkisi ve parsel içi heterojenliği azaltmak amacı ile sınıflandırma sonrası düzeltme işlemleri uygulanmıştır. Sonuçlara göre obje tabanlı yaklaşım 10m ve daha yüksek çözünürlükteparsel tanımlama ve alan tahmininde en iyi sonuçları vermiştir. SVM algoritması 2,5m ve 5m çözünürlükte obje tabanlı yaklaşıma yakın sonuçlar vermekle birlikte çözünürlük düştükçe doğruluğun hızlı bir şekilde düştüğü gözlemlenmiştir. ML ve SAM algoritmaları 30m çözünürlüğe kadar göreceli olarak en düşük doğruluklu sonuçları üretmişlerdir. Genel olarak değerlendirildiğinde parsel tanımlama başarımı mekânsal çözünürlükle çok güçlü bir krelasyon göstermekte iken alan tahmin başarımında temel faktörün sınıflandırma algoritması olduğu gözlemlenmiştir. Çalışma sonuçları aynı zamanda mekânsal çözünürlük ve sınıflandırma algoritmasından bağımsız olan parsel büyüklüğü, ürün tiplerinin mekânsal dağılımı ve oluşturdukları doku gibi parametrelerin etkilerini de tartışma olanağı vermiştir. Test alanlardaki analiz sonuçlarına göre en iyi parsel tanımlama ve alan tahmini sonuçlarının elde edildiği 2,5 m çözünürlüklü veri - OBC ve SVM algoritması kombinasyonları kullanılarak araştırma ilçe ölçeğinde devam ettirilmiştir. Harran, Şanlıurfa ve Hilvan ilçeleri için gerçekleştirilen sınıflandırma sonuçlarına göre OBC algoritması SVM algoritmasına göre hem noktasal hem de alan bazlı doğrulukta daha yüksek başarım göstermiştir. Noktasal doğruluk analizleri sonucunda OBC algoritması ile üretici ve kullanıcı doğrulukları ve kappa değerlerinde SVM algoriğtmasına göre daha yüksek doğruluğa ulaşılmıştır. Ayrıca her iki algoritma için pamuk sınıfında elde edilen doğruluk mısır sınıfına göre daha yüksektir. Bu bulgular hem test alanları hem de ilçe ölçekli analizler için geçerli olup, OBC de alan tahmin doğruluğu her iki ürün için daha yüksek, pamuk ekili alan tahmin doğruluğu da her iki algoritma için mısır ekili alan tahmininden daha yüksek olrak gözlemlenmiştir. Çalışmanın ikinci kısmında pamuk ve mısır ekili alanlarda verim tahminin gerçekleştirilmesidir. Bu kapsamda çok zamanlı uydu görüntüsü, kamera fotoğrafları ve meteorolojik veriler kullanılarak agro – meteorolojik verim modeli tasarlanmıştır. Kamera görüntülerden elde edilen Bitki Örtü Oranı (CC) ölçmelerinin Fotosentetik Aktif Radyasyon Emilim Katsayısı (fPAR) tahmininde kullanıldığı Işınım Kullanım Başarımı (LUE) temelli model test parselleri üzerinde tasarlanmıştır. Modelin geniş alanlarda çalıştırılabilmesi için CC parametresi ile spektral bitki indeksleri (SVI) regresif bağıntılar tanımlanmış ve elde edilen dönüşüm denklemlerinin çok zamanlı uydu görüntülerine uygulanması ile mekânsal fPAR verisi üretilmiştir. Uydu görüntülerinden iki farklı SVI - CC yaklaşımı ile üretilen mekânsal fPAR verisi ve bölgesel olrak optimize edilmiş meteorolojik verinin kulanımı ile ilçe ölçeğinde ve parsel seviyesinde verim tahmini gerçekleştirilmişitir. Bunun dışında LUE modelinin oluşturulması için yeterli verinin bulunamayacağı durumları test etmek için, NDVI’ın fPAR olarak kabul edildiği, GI indeksin Toplam Birincil Üretim (GPP) olarak kabul edildiği, ve NDVI – fPAR, SR – fPAR ilişkilerinin ait bağıntıların deneysel olarak daha önceki çalışmalardan elde edildiği yaklaşımlar da analize dahil edilmiştir. Tüm bu yaklaşımlarla elde edilen verim tahminleri karşılaştırmalı olarak değerlendirilmiştir. LUE temelli model tasarımında bitkilerin LUE katsayılarını etkileyen sıcaklık ve Buhar Basınç Eksikliği (VPD) parametreleri modelleme sürecine dahil edilmiştir. Test parsellerinde gerçekleştirilen analiz sonuçlarına göre kamera görüntülerinden elde edilen CC verisi ile oluşturalan fPAR yaklaşımı ile kurulan LUE model verim tahmininde en yüksek başarımı sağlamıştır. Yöntem pamuk ve mısır ekili test parsellerinde %5’ten daha düşük bağıl hata ile verim tahminine olanak vermiştir. CC – SVI arasındaki ilişki, 0,825 – 0,980 R2 değerleri ile yüksek lineer korelasyon göstermiştir. Bu yüksek korelasyonlu ilişkiden yola çıkılarak oluşturulan ürün tipine özel regresif denklemler kullanılarak verim tahmin modeli dört farklı ilçede ve parsel seviyesinde çalıştırılmıştır. Sonuçlar dört ilçedeki istatistiksel verim sonuçları ile karşılaştırıldığında, kurulan modelin geniş alanlarda da güvenilir sonuçlar ürettiği gözlemlenmiştir. Sonuçlara göre uzaktan alıglama verileri ile mekânsallaştırılan modelde verim tahmin sonuçları %10 bağıl hata altında kalmıştır. Ayrıca meteorolojik gözelem ve bitki gelişim özellikleri gibiverilere ulaşılamadığı durumlar için incelenmiş olan GI – GPP yaklaşımının da oldukça yüksek doğruluklu sonuçlar ürettiği gözlemlenmiştir. Çalışma sonuçları ayrıca bölgeye özel meteorolojik koşulların ve bitki gelişim süresince yürütülen bakım faaliyetlerinin verim üzerindeki etkilerini de gözlemleme olanağı sunmuştur. Ek olarak geçmiş çalışmalardan elde edilmiş genel SVI-fPAR yaklaşımları ile elde verim değerlerindeki yüksek hata değerleri, bu tarz ilişkilerin kurulmasında bölgesel kalibrasyon ve adaptasyonun gerekliliğini ispat etmiştir. Verim modellemesinde muhtemel hata kaynakları değerlendirildiğinde ilk olarak verim modellinde gözardı edilen iki temel unsur su ve nitrojen stresidir. Bu stres faktörlerinin modele dâhil edilmeyişinin ilk sebebi test alanlarının ve Harran Ovası’nın bitki gelişim dönemi boyunca düzenli olarak sulanması ve gübrelenmesine bağlı olarak su ve nitrojen stresinin çalışma alanında belirgin bir etki göstermeyeceğinin düşünülmesidir. Çalışmada muhtemel hata kaynaklarının ikincisi, olgunluk döneminin başından itibaren sararmaya bağlı olarak, yeşil kanopiye duyarlı olan CC değerlerindeki düşüşün fPAR tahmininini ne kadar etkilediğinin bilinmemesidir. Bu durum özellikle püsküllenmenme evresinden sonra hızlıca sararan mısır bitkisi için etkili olabilir. Yine de elde edilen fPAR tahmin grafikleri önceki yersel gözlemler ile oluşturulmuş grafiklere benzeşim göstermiş ve sadece son 10 günlük periyotta fPAR değerlerinde daha hızlı bir düşüş gözlemlenmiştir. Üçüncü olarak, bölgenin detaylı toprak türü haritasına ulaşılamadığından, toprak türünün verim üzerindeki etkisi modellenememiştir. Toprağın tuzluluk, doku ve su tutma kapasitesi özelliklerinin verime etkisi muhtemel olmakla birlikte; bu farklılaşmaların modelde kullanılan SVI’ler aracılığı ile dolaylı olarak modellendiği düşünülmektedir. Son olarak, bu çalışmada yer istasyonlarından elde edilen meteorolojik verilerin alana yayılmasında ortalama değer yöntemi kullanılmıştır. Toplam alanın küçüklüğü ve istasyon dağılımının alt iklim kuşaklarını temsil eder nitelikteki konumları düşünüldüğünde bu yöntem çalışma için yeterli görülmekle birlikte; bölge ya da ülke ölçeğinde gerçekleştirilecek çalışmalarda, co – kriging ya da Inverse Distance Weighting (IDW) gibi daha kapsamlı mekânsal veri interpolasyon yöntemlerinin kullanılması önerilmektedir.