Dünya gözlem uydularının gelişmesiyle Arazi Örtüsü/Arazi Kullanımı(AÖ/AK) sınıflandırması, ekosistemleri izlemede ve kaynak yönetiminde değerli bilgiler sağlayan önemli bir uygulama haline gelmiştir. Landsat ve Sentinel-2 gibi uydu görüntüleri ile AÖ/AK sınıfları belirli detayda çıkartılabilirken bazı uygulamalarda spektral çözünürlük nedeniyle sınıfların ayırt edilebilirliğinde problemler ortaya çıkabilmektedir. Günümüzde hiperspektral veri sağlayan uydulardan elde edilen görüntüler yüksek spektral çözünürlük sağladıklarından sınıfların ayırt edilebilirliğini arttırmaktadır. Farklı mekânsal çözünürlüklere sahip 13 spektral bandı bulunan Sentinel-2 uydusu farklı mekânsal çözünürlüğe sahip bantları ile detaylı AÖ/AK sınıflarının üretilmesine olanak sağlamaktadır. PRISMA (Precursore IperSpettrale della Missione Applicativa) uydusu ise 30 m mekânsal çözünürlük ve 240 spektral bant ile oldukça yüksek spektral çözünürlük sağlamaktadır. Bu çalışmada Marmara Denizi’ne önemli ölçüde deşarjı olan Susurluk Nehri ve çevresine ait 13.05.2021 tarihli PRISMA ve 14.05.2021 tarihli Sentinel-2 uydu görüntülerinden sınıflandırma ile ekili tarım alanı, boş arazi, orman, yerleşim, endüstri, yol, göl, akarsu, bataklık sınıfları belirlenmiş ve sonuçları karşılaştırılmıştır. Bu amaçla öncelikle PRISMA ve Sentinel-2 görüntülerine ana bileşenler dönüşümü uygulanmış ve oluşturulan veri setleri Maksimum Olabilirlik algoritması ile sınıflandırılmıştır. Tematik doğruluk analizi yapılarak sınıflandırma sonuçlarının doğrulukları belirlenmiş ve metrik sonuçları karşılaştırılarak her iki verinin sınıfları ayırt etmedeki performansları incelenmiştir. Yapılan değerlendirmede PRISMA uydu görüntüsünün sınıflandırma sonuçlarında spektral çözünürlüğün katkısı nedeniyle sınıfların büyük bölümünde Sentinel-2 uydusu sonuçlarına göre daha yüksek doğruluk elde edilmiştir.

Abstract. Land use and land cover (LU/LC) detection has great significance in management of natural resources and protection of environment. Hence, monitoring LU/LC with the state-of-the-art approaches has gained importance during the recent years and free access satellite images have become valuable data source. The aim of this study is to compare classification abilities of Landsat-9 and PRISMA satellite images while applying Support Vector Machine (SVM) algorithm to distinguish different LU/LC classes. For this purpose, the study area was chosen to be of heterogeneous character that includes industrial area, roads, residential area, airport, sea, forest, vegetation and barren land. When the classification results were visually examined, it was seen that forest, industrial area and airport classes were distinguished more accurately than other classes. On the other hand, qualitative results were validated with quantitative accuracy assessment results. The overall accuracy (OA) and Kappa coefficient values were calculated as 89.33 and 0.88 for Landsat-9 satellite image and as 92.33 and 0.91 for the PRISMA satellite image, respectively. In the accuracy assessment results, although Landsat-9 and PRISMA satellite images showed similar classification performances, a slight improvement was observed by using the PRISMA satellite image. The findings indicated that although both of the Landsat-9 and PRISMA satellite images were proper data to assess the LU/LC of the complex region, a slightly more performance could be achieved by using the PRISMA satellite image.

No abstract

No abstract