Nowadays, with the development of remote sensing technologies and image evaluation methods, remote sensing methods have become frequently preferred in studies to determine the crop pattern in agricultural areas and to monitor the change depending in time. In this study, it was aimed to detection the crop pattern of the high resolution IKONOS satellite image using object-based classification methods. In this study, it is aimed to detection the crop pattern in agricultural areas with high accuracy by using object-based classification technique from high spatial resolution IKONOS satellite images. The study area is located on the South-west of the Karacabey district of Bursa and covers an area of 18 km × 13.5 km. The ESP-2 (Estimation of Scale Parameter) tool was used to accelerate and automate the determination of the scale parameter in the segmentation step of the object-based classification. Various combinations have been tried for shape and compactness parameters in order to find the optimal segmentation parameters. In order to increase classification accuracy, six GLCM texture measurement methods have been identified, including homogeneity, contrast, dissimilarity, mean, variance, and entropy, which are frequently used in the literature. These methods were applied to the original bands of the IKONOS satellite image and an additional data set of 24 bands was obtained. Using a total of 29 bands together with the original bands and the additional data set of 24 bands, the image classification process was performed using the object-based nearest neighbor classification technique in the eCognition software. The obtained classification results were tested on parcel basis using 2212 ground truth data. In the accuracy assessment performed, it was seen that classification results and ground truth data were coherent with 87.48% (total accuracy).

Günümüzde uzaktan algılama teknolojileri ve görüntü değerlendirme yöntemlerinin gelişmesi ile birlikte, uzaktan algılama yöntemleri, tarımsal alanlarda ürün deseninin belirlenmesi ve zamana bağlı olarak değişiminin izlenmesi çalışmalarında sıklıkla tercih edilir hâle gelmiştir. Bu çalışmada keskinleştirilmiş yüksek konumsal çözünürlüklü IKONOS uydu görüntülerinden tarımsal alanlarda ürün deseninin, nesne-tabanlı sınıflandırma tekniği ile yüksek doğrulukla belirlenmesi amaçlanmıştır. Çalışma alanı, Bursa ili, Karacabey ilçesinin güneybatısında yer almakta ve yaklaşık 18 km × 13.5 km'lik bir tarım alanını kapsamaktadır. Nesne tabanlı sınıflandırmanın segmentasyon basamağında ölçek parametresinin belirlenmesini hızlandırmak ve otomatikleştirmek için ESP-2 (Ölçek Parametre Tahmini) yazılımı kullanılmıştır. Ayrıca, en uygun segmentasyon parametrelerin bulunması amacıyla şekil, bütünlük ve ölçek parametreleri için çeşitli kombinasyonlar denenmiştir. Sınıflandırma doğruluğunu arttırmak amacıyla, literatürde de sıklıkla kullanılmış olan homojenlik, zıtlık, farklılık, ortalama, varyans ve entropi olmak üzere altı adet GLCM doku ölçüm yöntemi belirlenmiştir. Bu yöntemler IKONOS uydu görüntüsünün orijinal bantlarına uygulanarak 24 bantlık ek veri seti elde edilmiştir. Orijinal bantlar ve elde edilen 24 bantlık ek veri seti ile birlikte toplam 29 bant kullanılarak, görüntü sınıflandırması işlemi eCognition yazılımında nesne tabanlı en yakın komşuluk sınıflandırması tekniği ile yapılmıştır. Elde edilen sınıflandırma sonuçları 2212 adet yer gerçeği verisi kullanılarak parsel bazında test edilmiştir. Yapılan doğruluk analizinde sınıflandırma sonuçları ile yer gerçekleri verilerinin %87.48 (toplam doğruluk) oranında uyumlu olduğu görülmüştür.