Ağca Yıldırım, MügeAzeez, Hosmand Ahmed2019-07-052019-07-0520172016-12-26https://hdl.handle.net/20.500.12451/1928Uzaktan algılama teknolojileri ile Arazi kullanımı/Arazi örtüsü (Land Use/Land Cover-LU/LC) bilgileri çok kısa sürede, daha düşük maliyetlerle ve klasik yöntemlere göre daha objektif ölçütlerle elde edilebilmektetir. Uzaktan algılama verileri LU/LC çalışmalarının önemli bir bileşenidir. Çalışmanın genel amacı, çalışma bölgesi olan Hatay ilinin Samandağ ilçesinin LU/LC'nin mevcut durumunu uzaktan algılama görüntüleri ve farklı sınıflandırma tekniklerini kullanarak analiz etmek ve modellemektir. Çalışmanın ana amacına ulaşmak için; (a) Farklı sınıflandırma tekniklerinin (kontrollü, kontrolsüz ve obje tabanlı sınıflandırma) yüksek çözünürlüklü uydu görüntüsü üzerinde kullanımı ve sınıflandırma sonuçlarının kıyaslanması ve analizi ve (b) Farklı görüntü iyileştirme ve zenginleştirme tekniklerinin kullanımı, çok bantlı yeni görüntülerin oluşturulması ve bu tekniklerin doğruluk analizi sonuçlarına etkilerinin analizi ve çalışma alanının LU/LC haritalaması gerçekleştirilmiştir. Çalışmada, Ana Bileşenler Analizi (Principal Component Analysis-PCA) ve Minimum Gürültü Bölümlemesi (Minimum NoiseFraction- MNF) görüntü iyileştirme teknikleri kullanılarak bu uygulamaların doğruluk analizine olan etkileri incelenmiştir. Çalışmadan elde edilen sonuçlara göre bu çalışmada obje tabanlı sınıflandırma yöntemi %80.45 ve 0.74 kappa istatistiği ile en yüksek doğruluğu vermiştir.With Remote Sensing technologies, land use/land cover information can be obtained in a very short time, at lower costs and with more objective measures than classical methods. Remote sensing data is an important component of LU / LC studies. The general aim of the study is to analyze and model the current state of the LU / LC of Samandağ district of Hatay province, which is the study area, using remotely sensed images and different classification techniques. To achieve the main goal of the study: (a) Use of different classification techniques ( supervised, unsupervised, and object-based classification) on high resolution satellite images and comparison and analysis of classification results; (b) Use of different image enhancement and enrichment techniques and analysis of effects on accuracy analysis results, and (c) Modeling, monitoring and mapping LU / LC of study area. Using the principal component analysis and minimum noise partition image enhancement techniques in the study, the effects of these applications on the accuracy analysis were investigated. According to results obtained in this study, the object-based classification method gave the highest accuracy with 80.45% and 0.74 kappa statistic.trinfo:eu-repo/semantics/openAccessUzaktan AlgılamaAna Bileşenler AnaliziMinimum Gürültü BölümlemesiPiksel Tabanlı SınıflandırmaObje Tabanlı SınıflandırmaRemote SensingPrincipal Component AnalysisMinimum Noise FractionPixel Based ClassificationObject Based ClassificationMaster Thesis