Uzaktan algılama tekniği ile pamuk ekili alanların belirlenmesinde kontrollü (supervised) sınıflandırma yöntemlerinin irdelenmesi üzerine bir araştırma

Basit Öğe Kaydı
dc.contributor.advisorKurucu, Yusuf
dc.contributor.authorEsetlili, Mustafa Tolga
dc.date.accessioned2024-08-19T19:48:14Z
dc.date.available2024-08-19T19:48:14Z
dc.date.issued2001
dc.departmentEge Üniversitesi, Fen Bilimleri Enstitüsü, Toprak Ana Bilim Dalıen_US
dc.descriptionBu tezin, veri tabanı üzerinden yayınlanma izni bulunmamaktadır. Yayınlanma izni olmayan tezlerin basılı kopyalarına Üniversite kütüphaneniz aracılığıyla (TÜBESS üzerinden) erişebilirsiniz.en_US
dc.description.abstractÖZET UZAKTAN ALGILAMA TEKNİĞİ İLE PAMUK EKİLİ ALANLARIN BELİRLENMESİNDE KONTROLLÜ (SUPERVISED) SINIFLANDIRMA YÖNTEMLERİNİN İRDELENMESİ ÜZERİNE BİR ARAŞTIRMA ESETLİLİ, Mustafa Tolga Yüksek Lisans Tezi, Toprak Bölümü Tez Yöneticisi: Doç. Dr. Yusuf KURUCU Ağustos 200 1, 63 sayfa Uzaktan algılama tekniği kullanılarak pamuk ekili alanların belirlenmesi çalışmalarının en önemli aşaması uydu görüntüsünün sınıflandırmasıdır. Uydu görüntülerinin sınıflandırılmaları kontrollü (supervised) ve kontrolsüz (unsupervised) olarak iki şekilde gerçekleştirilir. Bu çalışmada, görüntü işleme yazılımı olarak Image Analyst (Intergraph) kullanılmış ve bu yazılımın içeriğinde bulunan Minimum Distance, Maximium Likelihood, Para-ML, Para-MD, Parallelepiped, N-Image ML kontrollü sınıflandırma yöntemleri toplam 20 adet test alanında uygulanmıştır. Arazi ve laboratuar çalışmaları sonucunda; Para-ML ve Para-MD yöntemlerinin sapma değerleri benzer ve diğerlerine göre en düşük olduğu saptanmıştır. Pamuk ekili alanların uydu görüntüleri ile belirlenmesi çalışmalarında büyük alanlar için Para- MD sınıflandırma yönteminin en iyi olduğu belirlenmiştir. Anahtar sözcükler: Sınıflandırma, uydu görüntüsü, uzaktan algılama, pamuk, algoritmaen_US
dc.description.abstractVII ABSTRACT A SUPERVISED CLASSIFICATION RESEARCH ON DETERMINING COTTON PLANTATIONS BY REMOTE SENSING TECHNIQUE ESETLÎLÎ, Mustafa Tolga Msc. in Agriculture Eng. Supervisor: Assoc. Prof. Dr. Yusuf KURUCU August 2001, 63 pages The most important face of determining vegetation by using remote sensing technique is classification. Classification of satellite images can be carried out both by supervised or unsupervised methods. Availability of data over the land provides the user to prefer the supervised classification method. The success of the image process depends on capabilities of hardware and software. In this study the supervised classification method, which enables to identify the distribution of cotton plantations in measure is tried to be defined. Image Analyst (Intergraph) is use as image process software and methods within this software as Minimum Distance, Maximum Likelihood, Para-ML, Para-MD, Parallelepiped, N-Image ML are used in twenty test areas. At the end of field and lab. works the deviation values of Para-ML and Para- MD were observed as the least comparing the others. While determining cotton cultivations by satellite images Para-MD classification method was defined as the best for larger areas. Keywords: Classification, Satellite Image, Remote Sensing, Cotton, Algorithm.en_US
dc.identifier.endpage63en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://hdl.handle.net/11454/87411
dc.identifier.yoktezid114061en_US
dc.language.isotren_US
dc.publisherEge Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectZiraaten_US
dc.subjectAgricultureen_US
dc.subjectAlgoritmalaren_US
dc.subjectAlgorithmsen_US
dc.subjectSınıflandırmaen_US
dc.subjectClassificationen_US
dc.subjectUydu görüntülerien_US
dc.subjectSatellite imagesen_US
dc.subjectUzaktan algılamaen_US
dc.subjectRemote sensingen_US
dc.titleUzaktan algılama tekniği ile pamuk ekili alanların belirlenmesinde kontrollü (supervised) sınıflandırma yöntemlerinin irdelenmesi üzerine bir araştırmaen_US
dc.title.alternativeA supervised classification research on determining cotton plantations by remote sensing techniqueen_US
dc.typeMaster Thesisen_US

Dosyalar

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleksiyonu