Akademik Veri Yönetim Sistemi
Türkiye Ulusal Fotogrametri ve Uzaktan Algılama Birliği (TUFUAB) XIII. Teknik Sempozyumu, Zonguldak, Türkiye, 18 - 20 Haziran 2025, ss.334-338, (Tam Metin Bildiri)
Bu çalışma, Landsat-9 multispektral (çok bantlı) uydu görüntüleri ile Pixxel TD-1 hiperspektral uydu görüntülerinin, arazi kullanımı ve arazi örtüsü (AKAÖ) sınıflandırmasındaki performansını karşılaştırmayı amaçlamaktadır. Çalışma alanı olarak, Türkiye’nin önemli tarım alanlarından birisi olan Çukurova Ovası seçilmiş ve çalışma kapsamında Landsat-9 ve Pixxel TD-1 uydu görüntülerinin, AKAÖ amacıyla sınıflandırılması işlemi gerçekleştirilmiştir. Çalışmada, veri ön işleme aşamasında Pixxel TD-1 hiperspektral görüntülerine Minimum Gürültü Fraksiyonu (MNF) dönüşümü ve Temel Bileşenler Analizi (TBA) yöntemleri uygulanmıştır. Görüntülerin sınıflandırma işlemlerinde ise Aşırı Gradyan Artırma (XGBoost) yöntemi tercih edilmiştir. Deneysel çalışmamızda, Pixxel TD-1 hiperspektral verilerinin (%91,8) Landsat-9 multispektral verilerine (%87,1) kıyasla daha yüksek sınıflandırma başarımına sahip olduğu görülmüştür. Özellikle sulak alanlar, çıplak toprak ve mera gibi spektral olarak karışabilen sınıflarda TD-1 verilerinin belirgin bir iyileşme sağladığı tespit edilmiştir. Bu çalışma, hiperspektral verilerin, arazi örtüsü sınıflandırmasında sağladığı avantajları vurgulamakta ve hiperspektral teknolojilerin potansiyel kullanım alanlarına ışık tutmaktadır
This study aims to compare the performance of Landsat-9 multispectral images and Pixxel TD1 hyperspectral images in land use and land cover (LULC) classification. Çukurova Plain, one of the most important agricultural areas of Turkey, was selected as the study area and Landsat-9 and Pixxel TD-1 satellite images were classified for LULUC classification. In the study, Minimum Noise Fraction (MNF) transformation and Principal Component Analysis (PCA) methods were applied to Pixxel TD-1 hyperspectral images in the data preprocessing stage. The Extreme Gradient Boost (XGBoost) method was preferred for image classification. In our experimental study, it was observed that Pixxel TD-1 hyperspectral data (91.8%) had higher classification performance than Landsat-9 multispectral data (87.1%). Especially for the spectrally intermixed classes such as wetlands, bare soil and pasture, TD-1 data was found to provide a significant improvement. This study highlights the advantages of hyperspectral data in land cover classification and sheds light on the potential uses of hyperspectral technologies.