Zaman serisi uzaktan algılama görüntüleri temelinde tarımsal faaliyet değerlendirmesi ve parsellerin ince ürün sınıflandırması

Uzaktan algılama teknolojisinin gelişmesiyle birlikte, tarımsal izleme ve yönetim giderek daha akıllı ve hassas bir hale geliyor. Zaman serisi uzaktan algılama görüntülerini kullanarak tarımsal faaliyetleri belirlemek ve belirli parsellerdeki ürünleri sınıflandırmak, modern tarımda önemli bir araç haline geldi.

Zaman Serisi Uzaktan Algılama Görüntülerine Genel Bakış

Zaman serisi uzaktan algılama görüntüleri, aynı bölgenin farklı zamanlarda elde edilen çok zamanlı görüntü verilerini ifade eder. Bu görüntüler uydu ve dron gibi çeşitli platformlardan gelebilir. Bu verilerin analiz edilmesiyle, zamansal boyutta fenolojik bilgiler ve mekansal boyutta ürün dağılımı bilgileri elde edilebilir, böylece arazi örtüsü ve ürün büyümesindeki dinamik değişiklikler ortaya çıkarılabilir.

Tarımsal faaliyet değerlendirmesi

Tarımsal faaliyetlerin değerlendirilmesi öncelikle ekim alanlarının belirlenmesini, ürün türlerinin sınıflandırılmasını ve büyüme durumunun izlenmesini içerir. Zaman serisi uzaktan algılama görüntüleri aşağıdaki işlevleri yerine getirebilir:

Ekim alanı tespiti:

Çok zamanlı görüntülerdeki bitki örtüsü indeksi değişiklikleri analiz edilerek, farklı mevsimlerde ekili alanların dağılımı belirlenebilir.

Makine öğrenimi algoritmaları, görüntüleri sınıflandırmak ve ekim alanlarını doğru bir şekilde belirlemek için kullanılır.

Mahsul türü sınıflandırması:

Farklı bitkilerin büyüme döngüsü boyunca spektral özelliklerindeki değişikliklerden yararlanılarak, bitki türlerini belirlemek için bir sınıflandırma modeli oluşturulmuştur.

Zaman serisi verilerinin birleştirilmesi, sınıflandırmanın doğruluğunu ve istikrarını artırabilir.

Büyüme takibi:

Bitki örtüsü indekslerindeki zamansal değişimleri analiz ederek, mahsul büyümesini ve sağlığını izleyebiliriz. Bu, zararlılar ve hastalıklar, kuraklık ve seller gibi arazideki anormalliklerin zamanında tespit edilmesini ve erken uyarı bilgisi sağlanmasını mümkün kılar.

Uygulama Örnekleri

1. Zaman serisi verilerinin görselleştirilmesi ve fenolojik dönemlerin çıkarılması

△Şekil 1. Parselin zaman serisi görüntüleri ve fenolojik dönemlerin çıkarılması.

Xi'an'ın Chang'an Bölgesi'ndeki bir gösteri alanından 2022-2023 çeyrek dönemlik zaman serisi görüntü verilerini topladık. Bulut tabanlı filtreleme ve maskeleme işlemlerinden sonra, nihayetinde 18 görüntü seçtik. Farklı zamanlardaki ürün büyümesindeki farklılıkları karşılaştırmak için ürün büyümesini NDVI kullanarak normalize ettik.

Yukarıdaki şekilde gösterildiği gibi, bitki örtüsü indeksindeki zaman içindeki değişiklikler gözlemlenerek, önemli fenolojik dönemler belirlenebilir ve böylece ürün ve tarımsal faaliyetlerin tahmin edilmesi ve değerlendirilmesi mümkün hale gelir. Mekansal dağılım bilgileriyle birlikte, mevsime göre sınıflandırılmış ürün dağılım haritaları çizilebilir.

2. Ortaya çıkan mekansal ve zamansal sıcak nokta analizine ve tarımsal faaliyetlerin ürün sınıflandırmasına dayanmaktadır.

△Şekil 2 Tarımsal faaliyetlere dayalı ürün dağılım haritası

Zaman serisi görüntüleri vektör noktalarına veya çok boyutlu raster verilere dönüştürülür ve uzamsal-zamansal bir küp oluşturulur. Küp temel alınarak, sabit uzamsal komşuluk ilişkilerine ve zaman adımlarına göre her zaman katmanına sıcak nokta analizi uygulanır. Sıcak nokta analizi sonuçları daha sonra her ızgara için istatistiksel olarak analiz edilir ve sonuç olarak hem uzamsal hem de zamansal bilgileri içeren bir sınıflandırma haritası elde edilir. Son olarak, sınıflandırma sonuçları gerçek uygulama senaryolarına göre yorumlanır.

Yukarıdaki şekilde gösterildiği gibi, buğday-mısır rotasyon alanı, 2022-2023 çeyreğinde NDVI bitki örtüsü indeksinde salınımın yoğun olduğu bir noktayı temsil etmekte olup, bu da zaman dilimi boyunca önemli bir ürün büyümesinin olduğunu, ancak aralıklarla gerçekleştiğini göstermektedir. Bu durum, buğday hasadından sonraki buğday çıkış dönemi ve mısır çıkış dönemi olarak yorumlanmakta ve bu nedenle iki mevsimlik ekim alanı olarak sınıflandırılmaktadır. Tek mevsimlik ürün alanı, bölgenin önemli mekansal ve zamansal değişim özellikleri göstermediğini ve alanın çoğunun tek mevsimlik ekim alanı olduğunu göstermektedir. Kısmi nadas alanları, ekim sezonunun büyük bir bölümünde hiçbir ürünün ekilmediği, belirli zamanlarda ise tek mevsimlik ürün ekiminin mümkün olduğu alanları temsil etmektedir. Nadas alanları ise tüm ekim sezonu boyunca hiçbir ürünün ekilmediği alanları temsil etmektedir.

Zaman serisi uzaktan algılama görüntüleri kullanılarak, bitkilerin fenolojik aşamaları belirlenebilir ve bu aşamalara bağlı olarak parsellerdeki tarımsal faaliyetler değerlendirilebilir; böylece daha ayrıntılı bir sınıflandırma elde edilebilir ve tarımsal faaliyetlere ve ekim süreçlerine dayalı olarak parsellerin büyüme takibi yapılabilir.