Bitki örtme oranının spektral filtreler yardımıyla belirlenmesi

Uydu ve uçak sistemlerinden elde edilen dijital görüntüler tarımsal alanlarda yaprak alan yoğunluklarının belirlenmesinde kullanılmaktadır. Bu görüntülerin Türkiye şartlarında ihtiyaç duyulan zamanda elde edilmesi oldukça pahalıdır. Bu çalışmada sürekli ve istenilen zamanda görüntü çekebilmeye olanak tanıyan yersel görüntü alabilen kameralar kullanılarak bitki örtme oranları (BÖO) hesaplanması araştırılmıştır. BÖO hesaplanması için elde edilen görüntüler binary formata çevrilmiştir. Klorofil Okumaları (KO), spektroradyometre ölçümlerinden hesaplanan Normalize Edilmiş Vejetasyon Farklılık İndeks (NDVI) değerleri ve bitki alan indeks (BAI) değerleri, BÖO'nın tahmin edilmesi regresyon analizleri yapılarak araştırılmıştır. Görünür bölge geçirgenlik özelliğine sahip filtreler kullanılarak hesaplanan BÖO sonuçları KO %36.9 (R2), yeşil band kullanımıyla elde edilen Normalize Edilmiş Vejetasyon Farklılık İndeks GNDVI değerleriyle %50.7, NDVI değerleriyle %53.2 ve BAI değerleriyle %42.2 bir doğruluk göstermektedir. Aynı karşılaştırma kızıl ötesi geçirgenliğe sahip filtre kullanıldığında ise sırasıyla %72.4, %66.8, %72.3 ve %46.9 olarak elde edilmiştir. Sonuç olarak kızıl ötesi geçirgenliğe sahip filtrelerin görünür bölge geçirgen filtrelere oranla daha yüksek oranda bir tahminleme yaptığı görülmüştür. The Satellite and aerial multispectral digital images have been using to determine leaf area index (LAI) in agriculture. Obtaining these images is expensive and difficult in Turkey. In this study, digital camera with attached visible and near infrared pass filter was used to obtain the images from field and investigated the capabilities of these images to determine crop cover rate. In order to calculate the crop cover rate, images were converted to binary format. Regression analysis was used to determine the relationship between crop cover rate and chlorophyll readings, Normalize Difference Vegetation Index (green) (NDVI), Normalize Difference Vegetation Index (red) (NDVI) and Leaf Area index. Results of regression analysis (R2) for visible pass filter images were found as follows: chlorophyll readings (36.9%), GNDVI (50.7) %, NDVI (53.2%) and LAI (42.2%). Similarly regression analysis (R2) results for near infrared filter image found as follow: chlorophyll readings (72.4%), GNDVI (66.8 %), NDVI (72.3%) and LAI (46.9%). We found that near infrared filter image was determine crop cover rate more accurately than visible filter image.