Hızlandırılmış Makine Öğrenmesi Algoritmaları ile Tarım Parseli Tabanlı Ürün Desen Sınıflandırması

Abstract

Gelişen teknoloji sayesinde, uydu görüntüleri ve uzaktan algılama çalışmaları, tarım alanında öncü çalışmalar arasında yer almaktadır. Tarımsal ürün desen tespitinde en yaygın kullanılan yöntemlerin başında ise uzaktan algılama teknolojisi gelmektedir. Uydu görüntüleri ve uzaktan algılama teknolojisi ile oluşturulan ürün desen haritaları, Tarım ve Orman Bakanlığı tarafından destekleme ödemelerinde altlık olarak aktif bir şekilde kullanılmaktadır. Bu çalışmada, çalışma alanı olarak Eskişehir İli, Seyitgazi ve Sivrihisar İlçe sınırları içerisinde kalan alan seçilmiş, çok zamanlı Sentinel-2 görüntüleri ve hızlandırılmış makine öğrenme algoritmaları (GBM, XGBoost, LightGBM, CatBoost) kullanılarak obje tabanlı (tarım parseli) sınıflandırma çalışması yapılmış ve sonuçlar karşılaştırılmıştır. Yapılan çalışma sonucunda her bir algoritma ile %90 üzerinde genel doğruluk değerine ulaşılmıştır (GBM- %90.3, XGBoost-%91.1, LightGBM-%93.9, CatBoost-%93.5). Sınıflandırma çalışmasında Tarım ve Orman Bakanlığı tarafından oluşturulan tarım parselleri obje olarak kullanılmıştır. Çalışma sonucunda tarım parsel sınırları ile parsel içerisinde ekim yapılan alan ve sınırların bazı parsellerde farklılık gösterdiği, ayrıca bir tarım parseli içerisinde birden fazla farklı ürüne ait tarımsal üretim yapıldığı gözlemlenmiştir. Bu tarım parsellerinin sınıflandırma çalışmasında obje olarak kullanılması için parsel sınırlarının ekim yapılan alan sınırlarına göre düzenlenmesi/bölünmesi gerektiği sonucuna ulaşılmıştır. Tarım parsellerinin küçük ölçekli ve orta ölçekli alanlarda uygulanan yöntem ile kullanılabilir olduğu, geniş alanlarda ise alternatif bir yöntemin geliştirilmesi gerektiği sonucuna varılmıştır.