Sentinel-2 görüntüleri kullanılarak su yüzey alanlarının belirlenmesinde sınıflandırıcıların performanslarının incelenmesi

Nehirler, akarsular, göller ve göletler gibi su yapılarının haritalanması, su kaynaklarının gözlenmesi, zaman içerisinde değişiminin belirlenmesi ve yönetilmesi açısından oldukça önemlidir. Su yüzey alanlarının tespit edilmesi birçok faktörden etkilenen karmaşık bir süreçtir. Su ve su olmayan alanların belirlenmesi problemi için çeşitli çok kanallı bantlı uydu görüntüleri ve sınıflandırma tabanlı yaklaşımlar kullanılmaktadır. Bu çalışmada, sınıflandırma algoritmalarının etkinliğinin araştırılmasında indeks tabanlı yöntemlerden daha başarı sonuç üreten parametrik olmayan (Destek Vektör Makinalar, k-En Yakın Komşuluk ve Karar Ağaçları), olasılıksal (Saklı Markov Model) ve derin öğrenme (Oto- Kodlayıcı) tabanlı danışmalı sınıflandırma yöntemleri kullanılmıştır. Çok bantlı ve yüksek mekansal çözünürlüklü uydu görüntüleri yüksek maliyetli olduğundan sınıflandırma için Sentinel-2 uydu görüntüsüne ait sadece kırmızı, yeşil ve mavi bantlar kullanılarak Arıklar ve Denizli Göletlerine ait su yüzey alanları belirlenmiştir. Deneysel sonuçlar doğruluk, özgüllük, kesinlik, duyarlılık, f-skor gibi karışıklık matrisinden elde edilen metrikler ve görüntü kalite belirlemede kullanılan ortalama karesel hata, yapısal benzerlik indeksi, pik sinyal-gürültü oranı ve Kohen’in Kappa metriği gibi istatistiksel araçları kullanılarak karşılaştırılmıştır. Elde edilen nicel ve nitel deneysel sonuçlarda derin öğrenme tabanlı oto-kodlayıcı istatistiksel olarak en başarılı yöntem olurken, zamansal karşılaştırma açısından karar ağaçları yönteminin daha hızlı çalıştığı belirlenmiştir.