Object Based Classification of Crop Pattern Using Multi-Temporal Satellite Dataset in Multi-Cropped Agricultural Areas: Lower Seyhan Plane Case Study


Creative Commons License

Yeler O. , Şatır O. , Berberoglu S.

YÜZÜNCÜ YIL ÜNİVERSİTESİ TARIM BİLİMLERİ DERGİSİ *, cilt.27, ss.1-9, 2017 (Hakemli Üniversite Dergisi)

  • Cilt numarası: 27 Konu: 1
  • Basım Tarihi: 2017
  • Doi Numarası: 10.29133/yyutbd.305090
  • Dergi Adı: YÜZÜNCÜ YIL ÜNİVERSİTESİ TARIM BİLİMLERİ DERGİSİ *
  • Sayfa Sayıları: ss.1-9

Özet

Aşağı Seyhan Ovası (ASO) Türkiye’deki en verimli tarım havzalarından birisidir ve Çukurova’nın önemli bir kesimini kapsamaktadır. Yetiştirilen ürün miktarı Türkiye ve pek çok gelişmiş ülke ortalamasının üzerindedir. Bu durum bölgenin ideal iklim, toprak ve ulaşım olanakları gibi konumsal özelliklerinden kaynaklanmaktadır. Bu çalışmanın amacı, bölgedeki yazlık ve kışlık ürün desenlerinin çok zamanlı Landsat Uydu veri seti kullanılarak obje tabanlı sınıflandırma yöntemiyle belirlenmesidir. Arazi kullanımları ve ürün desenleri belirlenirken 2013 yılı için bir yıllık hidrolojik dönem (Ekim 2012 – Eylül 2013) yazlık ve kışlık ürün desenleri olmak üzere iki kısma ayrılmıştır. Landsat veri setleri kışlık ve yazlık tarımsal ürünlerin en yeşil oldukları ve bulutsuz olan dönemler esas alınarak belirlenmiştir. Obje tabanlı sınıflama yöntemi, tarımsal ürünlerin düzenli parseller halinde olması nedeniyle tercih edilmiştir. Sınıflama sonuçlarına göre; ASO arazi örtüsü genel Kappa doğruluk katsayısı 0.9 olarak tespit edilmiştir. Sonuçlara göre, ilk üç sırayı, kışlık ürünlerde alansal olarak, buğday, patates ve soğan, yazlık ürünlerde ise birinci ürün mısır, birinci ürün pamuk ve ikinci ürün mısır almıştır. 

Lower Seyhan Plane (LSP) is one of the most productive agricultural basins of Turkey and it covers main part of the Çukurova Region. The crop productivity in the study area is much more than most developed countries and Turkey’s average productions. Ideal spatial conditions such as climate, soil and transportation for agriculture creates these productive lands. The aim of this research was to define winter and summer crop pattern using multi-temporal Landsat satellite dataset applying object based classification technique. Crop pattern was detected according to 2013 hydrological term (October 2012 – September 2013) as winter and summer. Landsat dataset was defined according to the greenest and cloud free times of the crops. Object based classification was applied because of regular parcel distribution of the crops. As a result of the study; general kappa coefficiency of LSP was obtained as 0.9. According to the results, it was found that while wheat, potato and onion for winter crops were determined as areal distribution, corn and cotton as first crop and corn as second crop in summer season.