Dicle nehri havzasında toprak nem ölçümleri ile SAR imgeleri arasındaki ilişkiyi saptama ve bu ilişkiye dayalı toprak neminin tahmini
Yükleniyor...
Tarih
2017
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Erişim Hakkı
info:eu-repo/semantics/embargoedAccess
Özet
Uzaktan algılama teknolojisi; yeryüzündeki arazi kullanımlarının tespiti, arazilerdeki hızlı değişimlerin izlenmesi amacıyla anlık kayıtlarının alınması, doğal kaynakların saptanması gibi birçok alanda kullanılmaktadır. Günümüzde ve gelecekte uzaktan algılamaya ihtiyaç duyulacak alanlardan biri de artan nüfus ve tarımsal alanlara paralel olarak ileride yetersiz kalabilecek su kaynaklarının tarımsal arazilerde doğru bir şekilde kullanılmasını sağlamaktır. Topraktaki su içeriği, toprağın geri saçılma katsayısını önemli ölçüde etkilediğinden, yersel toprak nemi ölçümleri ile uzaktan algılama verileri arasındaki ilişkilendirilme toprak neminin kısa sürede tahmin edilmesini sağlayabilmektedir. Ayrıca, elektromanyetik spektrumun mikrodalga bölgesinde faaliyet gösteren SAR sensörleri toprak içeriğindeki nem değişimlerine karşı hassas olduklarından dolayı, bu sensörlerin toprak nemi tahmininde kullanımı daha uygundur. Dolayısıyla, bir SAR radarı olan Radarsat-2 toprak neminin tahmini için bu çalışmada kullanılmıştır.Bu tez çalışmasının temel amacı, yersel nem ölçümleri ile Radarsat–2 verileri arasındaki ilişkiyi belirlemek; çorak ve/veya bitki örtüsü kaplı tarım alanları üzerindeki toprak rutubetini belirlenen ilişkiye dayanarak tahmin etmektir. Çalışma dört aşamadan oluşmaktadır. İlk aşamada; Radarsat-2 verileri farklı tarihlerde elde edilmiş ve yersel toprak nem ölçümleri bu verilerin temini ile aynı anda gerçekleştirilmiştir. İkinci aşamada; Radarsat–2 verileri önişleme tabi tutulmuş ve her bir toprak numunesinin alındığı noktaların GPS koordinatları bu verilere aktarılmıştır. Sonraki aşamada; öznitelik çıkarma işlemi için ön işlemi tamamlanmış Radarsat–2 verilerine standart sigma geri saçılma katsayıları ile Freeman-Durden ve H / A / ? polarimetrik ayrışma modelleri uygulanmış; her örüntü için 10 geri saçılma katsayısına sahip bir öznitelik vektörü oluşturulmuştur. Son aşamada, elde edilen özellik vektörlerinden bölgesel toprak nemini elde etmek için doğrusal olmayan bir makine öğrenme modeli: Genelleştirilmiş Regresyon Sinir Ağı (GRNN) kullanılmıştır.Yapılan çalışmalar neticesinde, önerilen sistem ile çorak ve bitkisel tarım alanları üzerinde C- bantlı SAR verileri iyi sonuçlar vermiştir. Elde edilen bu sonuçlar, radarın toprak nem tahmini için güçlü bir uzaktan algılama aracı olduğunu ve veri setleri 1–3 üzerinde sırasıyla %2.31, % 2.11 ve %2.10; veri setleri 1&2, 2&3, 1&3 ve 1&2 &3 üzerinde ise sırasıyla %2.46, %2.70, %7.09 ve %5.70 ortalama mutlak hatalar verdiğini göstermiştir. Anahtar Kelimeler: Uzaktan Algılama, Toprak Nemi, Tahmin, Regresyon, Polarimetrik Ayrıştırma, Radarsat-2, Freeman- Durden, H / A / ?, GRNN
The remote sensing technology is used in many areas such as determining the land parts used on the earth, monitoring the rapid changes and obtaining instant records in lands, detecting and usage of natural resources. Due to the increasing of population and agricultural areas, the capacity of water resources will not be sufficient for irrigation. Therefore; the remote sensing technology will be needed either now or in the future to ensure proper information about using of water resources in the agricultural lands. Since the water content in the soil significantly affects the backscattering coefficient of the soil, the relationship between ground soil moisture measurements and the remote sensing data enables the soil moisture estimation in a short period of time. Moreover, the use of SAR sensors in soil moisture estimation is more appropriate because these sensors operating in the microwave range of electromagnetic spectrum which is sensitive to changes in the soil moistures. Therefore, SAR based Radarsat-2 was used in this study for soil moisture estimation.The main purpose of the thesis study is to determine a relationship between the ground soil moisture measurements and Radarsat-2 data; estimating the soil moisture over bare and/or vegetated agricultural areas on the basis of the determined relationship. The study consists of four stages. In the first stage; the Radarsat-2 data was obtained at different dates and the ground measurements were carried out simultaneously with the Radarsat-2 data acquisition. In the second phase; the Radarsat-2 data has been pre-processed and the GPS coordinates of the points where each soil sample was taken were transferred to this data. After pre-processing step; the standard sigma backscattering coefficients with the Generalized Freeman Durden and H/A/? polarimetric decomposition models were utilized to extract feature vectors and a feature vector with 10 backscattering coefficients was formed for each pattern. In the last phase, a nonlinear machine learning model: Generalized Regression Neural Network (GRNN) was used to estimate the regional soil moisture content from the obtained feature vectors.As a result of the study, the proposed system performed good results for single C-band SAR data over the bare and vegetated agricultural fields. Moreover, the results showed that the radar is a powerful remote sensing tool for the soil moisture estimation, with mean absolute errors around 2.31%, 2.11 and 2.10 vol.% on datasets 1-3, respectively; and 2.46 %, 2.70 %, 7.09%, and 5.70 vol.% on datasets 1&2, 2&3, 1&3, and 1&2&3, respectively. Key Words: Remote Sensing, Soil Moisture, Estimation, Regression, Polarimetric Decomposition, Radarsat-2, Freeman-Durden, H/A/? and GRNN
The remote sensing technology is used in many areas such as determining the land parts used on the earth, monitoring the rapid changes and obtaining instant records in lands, detecting and usage of natural resources. Due to the increasing of population and agricultural areas, the capacity of water resources will not be sufficient for irrigation. Therefore; the remote sensing technology will be needed either now or in the future to ensure proper information about using of water resources in the agricultural lands. Since the water content in the soil significantly affects the backscattering coefficient of the soil, the relationship between ground soil moisture measurements and the remote sensing data enables the soil moisture estimation in a short period of time. Moreover, the use of SAR sensors in soil moisture estimation is more appropriate because these sensors operating in the microwave range of electromagnetic spectrum which is sensitive to changes in the soil moistures. Therefore, SAR based Radarsat-2 was used in this study for soil moisture estimation.The main purpose of the thesis study is to determine a relationship between the ground soil moisture measurements and Radarsat-2 data; estimating the soil moisture over bare and/or vegetated agricultural areas on the basis of the determined relationship. The study consists of four stages. In the first stage; the Radarsat-2 data was obtained at different dates and the ground measurements were carried out simultaneously with the Radarsat-2 data acquisition. In the second phase; the Radarsat-2 data has been pre-processed and the GPS coordinates of the points where each soil sample was taken were transferred to this data. After pre-processing step; the standard sigma backscattering coefficients with the Generalized Freeman Durden and H/A/? polarimetric decomposition models were utilized to extract feature vectors and a feature vector with 10 backscattering coefficients was formed for each pattern. In the last phase, a nonlinear machine learning model: Generalized Regression Neural Network (GRNN) was used to estimate the regional soil moisture content from the obtained feature vectors.As a result of the study, the proposed system performed good results for single C-band SAR data over the bare and vegetated agricultural fields. Moreover, the results showed that the radar is a powerful remote sensing tool for the soil moisture estimation, with mean absolute errors around 2.31%, 2.11 and 2.10 vol.% on datasets 1-3, respectively; and 2.46 %, 2.70 %, 7.09%, and 5.70 vol.% on datasets 1&2, 2&3, 1&3, and 1&2&3, respectively. Key Words: Remote Sensing, Soil Moisture, Estimation, Regression, Polarimetric Decomposition, Radarsat-2, Freeman-Durden, H/A/? and GRNN
Açıklama
Anahtar Kelimeler
Uzaktan algılama, Toprak nemi, Tahmin, Regresyon, Polarimetrik ayrıştırma, Radarsat-2, Freeman- Durden, H / A / α, GRNN, Remote sensing, Soil moisture, Estimation, Regression, Polarimetric decomposition
