Su Kütlesi Belirlemede Farklı Sınıflandırma Yöntemlerinin Karşılaştırılması: Atikhisar Barajı (Çanakkale) Örneği

Su kaynakları yönetimi günümüzün en önemli konularının başında gelmektedir. Su kütlelerinin varlığının tespitinde uydudan uzaktan algılama başarı ile kullanılmaktadır. Bu çalışmada, (1) normalize edilmiş fark su indisi (NDWI), (2) destek vektör makinaları (DVM), (3) coğrafi nesne-tabanlı görüntü analizi (GEOBIA) ve NDWI destekli GEOBIA (GEOBIA_NDWI) uzaktan algılama yöntemleri su kütlesini belirleyebilmek için incelenmiştir. Bu amaçla, Türkiye’nin Çanakkale İl’inin Merkez İlçe’sinin tek su kaynağı olan Atikhisar Baraj Gölü çalışma alanı olarak tercih edilmiştir. Uzaktan algılama verisi olarak, 2013 ve 2017 yılları arasında temin edilmiş, dokuz adet çok zamanlı Landsat-8 Operational Land Imager (OLI) multispektral uydu görüntüsü kullanılmıştır. Kullanılan yöntemlerden elde edilen sonuçların doğruluk analizi için, yerinde ölçülen göl alanı değerleri kullanılmıştır. Bu çalışmada ele alınan ana konular şu şekilde sıralanabilir: (i) Piksel tabanlı sınıflandırma DVM mi yoksa nesne tabanlı sınıflandırma GEOBIA mı su kütlesi belirlemede daha başarılıdır?, (ii) Görüntü sınıflandırma yöntemleri mi (DVM ve GEOBIA) yoksa su indisi mi (NDWI) su kütlesi belirlemede daha başarılıdır? ve (iii) NDWI’ın GEOBIA_NDWI sınıflandırmasına su kütlesi belirlemede katkısı nedir? Sonuçlar meteorolojik etkenlerin ve sulamanın göldeki değişimlerde etkili olduğunu göstermektedir. NDWI göl alanı belirlemede daha başarılı bulunmuştur ve göl sınırı belirlemede daha iyi sonuç vermektedir. Ek olarak, NDWI göl kenarında su ile temas eden sınıfları daha iyi ayırabilmektedir. Nesne tabanlı GEOBIA suyla temas eden arazi örtüsü sınıflarını piksel tabanlı DVM’den daha iyi ayırabilmektedir. GEOBIA_NDWI sonuçları standart nesne tabanlı sınıflandırmadan daha doğrudur. NDWI ve GEOBIA_NDWI sonuçlarında göl alanı dışında su olarak atanmış piksel sayısı daha azdır.

Comparison of Remote Sensing Classification Techniques for Water Body Detection: A Case Study in Atikhisar Dam Lake (Çanakkale)

Water resources management is one of the most important issues of today. Satellite remote sensinghave been successfully used to detect the presence of water bodies. In this study, four remote sensing methods:(1) normalized difference water index (NDWI), (2) support vector machine (SVM), (3) geographic object-basedimage analysis (GEOBIA) and (4) NDWI supported GEOBIA (GEOBIA_NDWI) were examined for waterbody area detection. For this purpose, Atikhisar Dam Lake, the only water source of Çanakkale central districtof Turkey was selected as study area. As remote sensing data nine multitemporal Landsat-8 Operational LandImager (OLI) multispectral satellite images between 2013 and 2017 were used. For the accuracy assessment,area values extracted from the used methods were tested with in-situ measurement lake area values. The mainissues discussed in this study can be specified as follows: (i) Is pixel-based classification SVM or object-basedimage classification GEOBIA more successful in the water body detection?, (ii) Are the image classificationmethods (SVM and GEOBIA) or the water index (NDWI) more successful in the water body detection? and(iii) What is the contribution of NDWI to GEOBIA_NDWI (GEOBIA_NDWI) classification in the water bodydetection? The results show that meteorological factors and irrigation were influential in lake area variations.NDWI was found to be superior to other methods in determining water body and allowed for better detectionof the lake boundary. Additionally, NDWI made a better separation of the land cover classes adjacent to waterat the border. The object based GEOBIA was better than the pixel based SVM for distinguishing water andother land cover classes adjacent to border. GEOBIA_NDWI lake area results were more accurate than thestandard object-based classification. Mixed pixels out of the lake area was determined less in the NDWI andGEOBIA_NDWI results.

PDF

___

Demirel K. and Kavdır Y., Effect of Soil Water Retention Barriers on Turfgrass Growth and Soil Water Content, Irrigation Science, 31-4 (2013) 689-700.
Genç L., Demirel K., Çamoglu G., Asık S. and Smith S. Determination of plant water stress using spectral reflectance measurements in watermelon (citrullus vulgaris), American- Eurasian Journal of Agricultural & Environmental Sciences, 11-2 (2011) 296- 304.
Çamoğlu G., Demirel K., Genc L. Use of infrared thermography and hyperspectral data to detect effects of water stress on pepper, Quantitative InfraRed Thermography Journal, 15-1 (2018) 81-94.
Özelkan E. and Karaman M., The Analysis of the Effect of Meteorological and Hydrological Drought on Dam Lake via Multitemporal Satellite Images: A Case Study in Atikhisar Dam Lake (Çanakkale), Omer Halisdemir University Journal of Engineering Sciences, 7-2 (2018) 1023-1037.
Karaman M., Budakoglu M., Uca Avci Z.D., Özelkan E., Bülbül A., Civas M. and Tasdelen S., Determination of Seasonal Changes in Wetlands Using CHRIS/Proba Hyperspectral Satellite Images: A Case Study from Acigöl (Denizli), Turkey, Journal of Environmental Biology, 36 (2015) 73-83.
Liu Z., Yao Z. and Wang R., Assessing Methods of Identifying Open Water Bodies Using Landsat 8 OLI Imagery, Environmental Earth Sciences, 75-10 (2016) 1-13.
Karaman M., Özelkan E. and Tasdelen S., Influence of Basin Hydrogeology in the Detectability of Narrow Rivers by Sentinel2- A Satellite Images: A Case Study in Karamenderes (Çanakkale), Journal of Natural Hazards and Environment, 4 (2018) 140-155.
Ji L., Zhang L. and Wylie B., Analysis of Dynamic Thresholds for the Normalized Difference Water Index, Photogrammetric Engineering & Remote Sensing, 75-11 (2009) 1307–1317.
Du Z., Li W., Zhou D., Tian L., Ling F., Wang H., Gui Y. and Sun B., Analysis of Landsat-8 OLI Imagery for Land Surface Water Mapping, Remote Sensing Letters, 5-7 (2014) 672-681.
Gürsoy Ö., Atun R. Investigating surface water pollution by integrated remotely sensed and field spectral measurement data: A case study, Polish Journal of Environmental Studies, 28-4 (2019) 2139-2144.
Gürsoy Ö., Birdal A., Özyonar F., Kasaka E. Determining and monitoring the water quality of Kizilirmak River of Turkey: First results, ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XL-7/W3 (2015) 1469- 1474.
Kavzoğlu T. and Çölkesen İ., Destek Vektör Makineleri ile Uydu Görüntülerinin Sınıflandırılmasında Kernel Fonksiyonlarının Etkilerinin İncelenmesi, Harita Dergisi, 144 (2010) 73-82.
Gürsoy Ö and Altun R., Comparison of Spectral Classification Methods in Water Quality, Cumhuriyet Science Journal, 39-2 (2018) 543-549.
Kalkan K. and Maktav D., Nesne Tabanlı ve Piksel Tabanlı Sınıflandırma Yöntemlerinin Karşılaştırılması (IKONOS Örneği). In: III. Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Sempozyumu, 12-15 October, Gebze – Kocaeli, Türkiye, 2010.
Belgiu M. and Drăguţ L., Comparing Supervised and Unsupervised Multiresolution Segmentation Approaches for Extracting Buildings from Very High Resolution Imagery, ISPRS Journal of Photogrammetry and Remote Sensing, 96 (2014) 67-75.
Çölkesen İ., Yomralıoğlu T. and Kavzoğlu T., Obje Tabanlı Sınıflandırmada Bölgeleme Esasına Dayalı Ölçek Parametresi Tespiti: WorldView-2 Uydu Görüntüsü Örneği, Harita Dergisi., 154, (2015) 9-18.
Blaschke T., Object Based Image Analysis for Remote Sensing, ISPRS Journal of Photogrammetry and Remote Sensing, 65 (2010) 2–16.
McFeeters S.K., The Use of Normalized Difference Water Index (NDWI) in the Delineation of Open Water Features, International Journal of Remote Sensing, 17 (1996) 1425–1432.
Xu H., Modification of Normalised Difference Water Index (NDWI) to Enhance Open Water Features in Remotely Sensed Imagery, International Journal of Remote Sensing, 27-14 (2006) 3025-3033.
Pôssa E.M. and Maillard P., Precise Delineation of Small Water Bodies from Sentinel-1 Data using Support Vector Machine Classification, Canadian Journal of Remote Sensing, 44-3 (2018) 179-190.
Uca Avci Z.D., Karaman M., Ozelkan E., Kumral M., Budakoglu M., OBIA Based Hierarchical Image Classification for Industrial Lake Water, Science of the Total Environment, 487 (2014) 565-573.
Karaman M., Budakoglu M., Uca Avci D.U., Ozelkan E., Bulbul A., Civas M., Tasdelen S., Determination of Seasonal Changes in Wetlands Using CHRIS/Proba Hyperspectral Satellite Images: A Case Study from Acigöl (Denizli), Turkey, Journal of Environmental Biology, 36-1 (2015) 73.
Korzeniowska K. and Korup O., Object-Based Detection of Lakes Prone to Seasonal Ice Cover on the Tibetan Plateau, Remote Sensing, 9-4 (2017) 339.
Olmanson L.G. and Bauer M.E., Land cover Classification of the Lake of the Woods/Rainy River Basin by Object-Based Image Analysis of Landsat and Lidar Data, Lake and Reservoir Management, 33-4 (2017) 335-346.
Kaplan G. and Avdan U., Object-based Water Body Extraction Model Using Sentinel-2 Satellite Imagery, European Journal of Remote Sensing, 50-1 (2017) 137-143.
Şensoy S., Demircan M., Ulupınar Y. and Balta Z., Türkiye İklimi, Turkish State Meteorological Service Report. URL: https://www.mgm.gov.tr/FILES/genel/makal e/13_turkiye_iklimi.pdf Retrieved February 10, 2019.
Chen G., Özelkan E., Singh K.K., Zhou J., Brown M.R. and Meentemeyer R.K., Uncertainties in Mapping Forest Carbon in Urban Ecosystems, Journal of Environmental Management, 187 (2017) 229-238.
Özelkan E., Sağlık A., Sümer S.K., Bedir M. and Kelkit A., Kentleşmenin Tarım Alanları Üzerine Etkisinin Uzaktan Algılama ile İncelenmesi–Çanakkale Örneği, Çanakkale Onsekiz Mart Üniversitesi Ziraat Fakültesi Dergisi, 6 (2018) 123-134.