Çok zamanlı ve çok spektrumlu uzaktan algılama görüntüleri temelinde piksel düzeyinde gelinciklerin tanımlanması ve çıkarılması
Araştırma Arka Planı
Haşhaş, afyon ve morfin gibi uyuşturucuların başlıca kaynaklarından biridir. Çin yasalarına göre yasadışı haşhaş yetiştiriciliği kesinlikle yasaklanmış olsa da, bazı ücra bölgelerde ara sıra yasadışı ekim hala mevcuttur. Geleneksel manuel araştırmalar verimsizdir ve sınırlı kapsama alanına sahiptir, bu da onları büyük ölçekli izleme için uygunsuz hale getirir. Uydu uzaktan algılama teknolojisi, geniş kapsama alanı ve... gibi avantajlar sunmaktadır.Çok fazlıYüksek nesnellik avantajı, onu haşhaş yetiştiriciliğini izlemek için etkili bir yöntem haline getiriyor.
Araştırma Amaçları
Bu çalışma, aşağıdaki yöntemleri kullanmaktadır:Çok zamanlı Sentinel-2 L2A çok spektrumlu görüntüler (17. faz)Bilinen haşhaş ekim alanlarıyla birleştirildi.Vektör verileriÇalışma alanındaki haşhaş ekim alanlarının doğru bir şekilde tanımlanması ve mekansal dağılım haritalamasının yapılması amacıyla, spektral özellikler, bitki örtüsü indeksi özellikleri, fenolojik zaman serisi özellikleri ve çiçeklenme dönemi doku özellikleri kapsamlı bir şekilde dikkate alınarak haşhaşlar için uzaktan algılama tanımlama modeli oluşturulmuştur.
Çalışma alanı
Hedef ekim alanı, yasal haşhaş yetiştirme bölgesidir. Araştırmaya göre, 2026 yılında bu bölgede haşhaşın çiçeklenme dönemi Haziran ayıdır ve çiçek rengi beyazdır.

teknik rota
Bu çalışmada, birincil veri kaynağı olarak çok zamanlı Sentinel2-L2A uydu görüntüleri kullanılmış ve spektrum, bitki örtüsü indeksi, fenolojik zaman serisi ve çiçeklenme dönemi dokusu olmak üzere dört boyuttan çok boyutlu bir uzaktan algılama özellik kümesi oluşturulmuştur. Örnek eşitleme, özellik seçimi ve özellik standardizasyonu gibi ön işleme adımları tamamlanmıştır.Rastgele Orman (RF), Gradyan Artırma (Gradyan ArtırmaÜç makine öğrenme yöntemi: 1) Destek Vektör Makinesi (SVM)Haşhaş tanımlama modelleri ayrı ayrı oluşturuldu ve en uygun model çapraz doğrulama kullanılarak değerlendirildi. Tüm alan genelinde piksel düzeyinde haşhaş tanımlama ve çıkarma işlemleri ile sonuçların sonradan optimizasyonu tamamlandı. Son olarak, haşhaşların ikili sınıflandırma haritası, tanımlama olasılık dağılım haritası ve mekansal dağılım vektör verileri çıktı olarak verildi; böylece haşhaş parsellerinin doğru uzaktan algılama ile tanımlanması ve mekansal nicel çıkarılması gerçekleştirildi.

Şekil 1.Haşhaş Uzaktan Algılama Tanıma Modeli Teknik Yol Haritası
Teknik yöntemler
Rastgele orman, topluluk öğrenimine dayalı bir makine öğrenimi algoritmasıdır.Çok sayıda "ilişkisiz" karar ağacı oluşturarak ve bunların tahminlerini entegre ederek, genel modelin doğruluğu ve sağlamlığı artırılır. Esasen, her biri...Yerine koyarak örneklemeVeri kümesinin bir alt kümesi ve rastgele özelliklerin bir alt kümesi üzerinde eğitilmiştir. Hem sınıflandırma hem de regresyon için kullanılabilir.Yüksek doğruluk, anti-Aşırı uyumAvantajları arasında aykırı değerlere ve gürültüye karşı dayanıklılık ve büyük ölçekli, yüksek boyutlu verileri işleme yeteneği yer almaktadır.

Şekil 2. Rastgele ormanın temel fikri
Araştırma Sonuçları

Şekil 3.Haşhaş uzaktan algılama tanımlama ikili sınıflandırma görüntüsü

Şekil 4.Haşhaş uzaktan algılama tanımlama olasılık dağılım haritası
Avantajların ve sınırlamaların analizi
Avantaj Analizi
1. Çok boyutlu özellik füzyonuDört temel özellik şunlardır: kapsamlı spektrum, bitki örtüsü indeksi, fenolojik zaman serisi ve doku.
2. Kırmızı kenar bandının derinlemesine kullanımıLiteratürde doğrulanan temel kırmızı kenar bant kombinasyonu (684/706/725nm).
3. Çok zamanlı fenolojik modellemeBüyüme mevsiminin tamamına ait zaman sıralaması bilgilerini kullanarak, haşhaşları karışıklığa neden olabilecek diğer bitkilerden ayırt edin.
Sınırlamalar Analizi
1. Sınırlı eğitim örnekleriHaşhaş tarlalarının yalnızca bir kısmı biliniyor ve modelin genelleme yeteneğinin daha fazla doğrulanması gerekiyor.
2. Mekansal çözünürlük sınırlamalarıSentinel-2'nin 10 metrelik çözünürlüğü, son derece küçük alanları tespit etme yeteneğini sınırlamaktadır.
3. Kategoriler arasında karışıklık riskiBeyaz kolza çiçekleri ve benzeri diğer çiçekler, çiçeklenme dönemlerinde yanlış tanımlamaya neden olabilir.

