Evaluating the Accuracy of Global Land Cover Maps for Türkiye: A Comparison of ESA World Cover and ESRI Land Cover

Fidan Şevval Bulut; Ayhan Ateşoğlu; Emrah Acar

Makale detayları

Evaluating the Accuracy of Global Land Cover Maps for Türkiye: A Comparison of ESA World Cover and ESRI Land Cover

Yazarlar:

Fidan Şevval Bulut | Ayhan Ateşoğlu | Emrah Acar

Yayıncı:

Bartin University

Ana Başlıklar:

Ormancılık Yönetimi ve Çevre

Dergi:

Bartın Orman Fakültesi Dergisi Vol.27 Issue 2, pp.223-238

Belge Tipi:

Makale

Yayın Tarihi:

8/2025

Belge Dili:

Türkçe

Document ID (Org No.):

2001348067

pISSN:

1302-0943

Anahtar kelimeler:

Özet:

 Land use and land cover LULC classification play a crucial role in monitoring environmental changes, understanding ecosystem dynamics, and supporting sustainable land management. With advancements in remote sensing technologies, global LULC datasets have become essential tools for large-scale environmental assessments. This study evaluates the accuracy of the ESA WorldCover 2021 and ESRI Land Cover 2021 datasets across eight distinct geographical watersheds in Türkiye. The study compares ESA WorldCover 2021, which integrates Sentinel-1 and Sentinel-2 data, with ESRI Land Cover 2021, which relies solely on Sentinel-2 optical data. Accuracy assessment was conducted using stratified random sampling and visual interpretation with high-resolution Google Earth imagery. Evaluation metrics included overall accuracy OA, Kappa coefficient, producer accuracy PA, and user accuracy UA. The findings indicate that ESA WorldCover 2021 outperformed ESRI Land Cover 2021 in all watersheds. The highest OA for ESA WorldCover was 93.00 in watershed H7 Southeastern Anatolia, while ESRI Land Cover achieved 87.74 in watershed H8 Eastern Anatolia. The integration of radar and optical data in ESA WorldCover enhanced classification accuracy for water bodies, tree cover, and croplands. Conversely, the reliance of ESRI Land Cover on optical data alone increased susceptibility to cloud cover, leading to higher misclassification rates, particularly in heterogeneous landscapes. This study provides valuable insights into the regional accuracy of global LULC datasets. The findings will assist decision-makers in selecting the most reliable dataset for applications in land management, environmental monitoring, natural resource conservation, and sustainable development planning.

 Land use and land cover LULC classification play a crucial role in monitoring environmental changes, understanding ecosystem dynamics, and supporting sustainable land management. With advancements in remote sensing technologies, global LULC datasets have become essential tools for large-scale environmental assessments. This study evaluates the accuracy of the ESA WorldCover 2021 and ESRI Land Cover 2021 datasets across eight distinct geographical watersheds in Türkiye. The study compares ESA WorldCover 2021, which integrates Sentinel-1 and Sentinel-2 data, with ESRI Land Cover 2021, which relies solely on Sentinel-2 optical data. Accuracy assessment was conducted using stratified random sampling and visual interpretation with high-resolution Google Earth imagery. Evaluation metrics included overall accuracy OA, Kappa coefficient, producer accuracy PA, and user accuracy UA. The findings indicate that ESA WorldCover 2021 outperformed ESRI Land Cover 2021 in all watersheds. The highest OA for ESA WorldCover was 93.00 in watershed H7 Southeastern Anatolia, while ESRI Land Cover achieved 87.74 in watershed H8 Eastern Anatolia. The integration of radar and optical data in ESA WorldCover enhanced classification accuracy for water bodies, tree cover, and croplands. Conversely, the reliance of ESRI Land Cover on optical data alone increased susceptibility to cloud cover, leading to higher misclassification rates, particularly in heterogeneous landscapes. This study provides valuable insights into the regional accuracy of global LULC datasets. The findings will assist decision-makers in selecting the most reliable dataset for applications in land management, environmental monitoring, natural resource conservation, and sustainable development planning.

 Land use and land cover LULC classification play a crucial role in monitoring environmental changes, understanding ecosystem dynamics, and supporting sustainable land management. With advancements in remote sensing technologies, global LULC datasets have become essential tools for large-scale environmental assessments. This study evaluates the accuracy of the ESA WorldCover 2021 and ESRI Land Cover 2021 datasets across eight distinct geographical watersheds in Türkiye. The study compares ESA WorldCover 2021, which integrates Sentinel-1 and Sentinel-2 data, with ESRI Land Cover 2021, which relies solely on Sentinel-2 optical data. Accuracy assessment was conducted using stratified random sampling and visual interpretation with high-resolution Google Earth imagery. Evaluation metrics included overall accuracy OA, Kappa coefficient, producer accuracy PA, and user accuracy UA. The findings indicate that ESA WorldCover 2021 outperformed ESRI Land Cover 2021 in all watersheds. The highest OA for ESA WorldCover was 93.00 in watershed H7 Southeastern Anatolia, while ESRI Land Cover achieved 87.74 in watershed H8 Eastern Anatolia. The integration of radar and optical data in ESA WorldCover enhanced classification accuracy for water bodies, tree cover, and croplands. Conversely, the reliance of ESRI Land Cover on optical data alone increased susceptibility to cloud cover, leading to higher misclassification rates, particularly in heterogeneous landscapes. This study provides valuable insights into the regional accuracy of global LULC datasets. The findings will assist decision-makers in selecting the most reliable dataset for applications in land management, environmental monitoring, natural resource conservation, and sustainable development planning.

 Arazi kullanımı ve arazi örtüsü LULC sınıflandırması, çevresel değişimlerin izlenmesi, ekosistem dinamiklerinin anlaşılması ve sürdürülebilir arazi yönetiminin desteklenmesi açısından kritik bir rol oynamaktadır. Uzaktan algılama teknolojilerindeki ilerlemelerle birlikte, küresel LULC veri setleri geniş ölçekli çevresel değerlendirmeler için temel bir araç haline gelmiştir. Bu çalışmada, 2021 yılı için ESA WorldCover ve ESRI Land Cover veri setlerinin Türkiyede sekiz farklı coğrafi havzadaki örneklem alanlar üzerinde doğruluk değerlendirmesi gerçekleştirilmiştir. Çalışma kapsamında, Sentinel-12 verilerine dayalı olarak üretilen ESA WorldCover 2021 ve yalnızca Sentinel-2 optik verilerini kullanan ESRI Land Cover 2021 veri setleri karşılaştırılmıştır. Değerlendirme metrikleri olarak genel doğruluk OA, Kappa katsayısı, üretici doğruluğu ÜD ve kullanıcı doğruluğu KD hesaplanmıştır. Sonuçlar, ESA WorldCover 2021in tüm havzalarda ESRI Land Cover 2021e kıyasla daha yüksek doğruluk sunduğunu ortaya koymuştur. En yüksek genel doğruluk ESA WorldCover için 93,00 ile Güney Doğu Anadolu bölgesinde yer alan H7 havzasında, ESRI Land Cover için ise 87,74 ile Doğu Anadolu bölgesinde yer alan H8 havzasında elde edilmiştir. ESA veri seti, radar ve optik verileri entegre etmesi sayesinde su yüzeyleri, ağaç örtüsü ve tarım alanlarının sınıflandırma başarısı daha yüksek hesaplanmıştır. Öte yandan, ESRI Land Coverın yalnızca optik verilere dayalı olması, bulut örtüsüne duyarlılığı artırmış ve özellikle heterojen arazi yapısına sahip bölgelerde hata oranlarını yükseltmiştir. Bu çalışma, küresel LULC veri setlerinin doğruluklarının bölgesel ölçekte karşılaştırılması açısından önemli bir katkı sunmaktadır. Elde edilen bulgular, karar vericilerin bu veri setlerini referans alarak arazi yönetimi, çevresel değişim izleme, doğal kaynakların korunması ve sürdürülebilir kalkınma politikalarının oluşturulması gibi süreçlerde daha bilinçli ve güvenilir kararlar almasına olanak sağlayacaktır.

Makale detayları

Evaluating the Accuracy of Global Land Cover Maps for Türkiye: A Comparison of ESA World Cover and ESRI Land Cover

Yazarlar:

Fidan Şevval Bulut | Ayhan Ateşoğlu | Emrah Acar

Yayıncı:

Bartin University

Ana Başlıklar:

Ormancılık Yönetimi ve Çevre

Dergi:

Bartın Orman Fakültesi Dergisi Vol.27 Issue 2, pp.223-238

Belge Tipi:

Makale

Yayın Tarihi:

8/2025

Belge Dili:

Türkçe

Document ID (Org No.):

2001348067

pISSN:

1302-0943

Land use/land cover (LULC)

accuracy assessment

ESA worldcover

ESRI land cover

land cover classificationArazi Kullanımı/Arazi Örtüsü (LULC)

doğruluk değerlendirmesi

ESA worldcover

ESRI land cover

sınıflandırma

Sayı

Makale detayları

Yazarlar: Fidan Şevval Bulut | Ayhan Ateşoğlu | Emrah Acar

Yayıncı: Bartin University

Ana Başlıklar: Ormancılık Yönetimi ve Çevre

Dergi: Bartın Orman Fakültesi Dergisi Vol.27 Issue 2, pp.223-238

Belge Tipi: Makale

Yayın Tarihi: 8/2025

Belge Dili: Türkçe

Document ID (Org No.): 2001348067

pISSN: 1302-0943

Sayı

Yazarlar:

Fidan Şevval Bulut | Ayhan Ateşoğlu | Emrah Acar

Yayıncı:

Bartin University

Ana Başlıklar:

Ormancılık Yönetimi ve Çevre

Dergi:

Bartın Orman Fakültesi Dergisi Vol.27 Issue 2, pp.223-238

Belge Tipi:

Makale

Yayın Tarihi:

8/2025

Belge Dili:

Türkçe

Document ID (Org No.):

2001348067

pISSN:

1302-0943