ENVI Crop Science (ENVI Bitki Bilimi), hassas tarım ve agronomi için uzaktan algılama analitik araçları içerir. Bu uygulamada, ekinleri saymak, bunları bir vektör dosyasına kaydetmek ve bireysel sağlıklarını belirleyerek metrikleri hesaplamak için tipik bir iş akışını göreceğiz. Özellikle, aşağıdakileri uygulamaları yapacağız:

• Bir çilek tarlasının multispektral görüntüsünü kullanacağız.
• Yabani ot içeren satırları maskeleyeceğiz.
• Çilek bitkilerini zenginleştiren tek bantlı bir görüntü oluşturacağız.
• Çilek bitkilerini sayıp, yerlerini ve boyutlarını belirleyeceğiz.
• Tanımlanan bitki konumlarının bir vektör dosyasını oluşturacağız.
• Her bitkinin genel sağlığını belirtmek için ortalama bir spektral indeks değeri hesaplayacağız.
• Sonuçların bir sunumunu oluşturacağız.

Bu uygulamayı gerçekleştirebilmek için ENVI Crop Science için bir lisans içeren bir ENVI yazılımı yüklemesi gerektirir.

Bu Çalışmada Kullanılan Dosyalar

Örnek veri dosyaları ENVI Tutorials web sayfamızda mevcuttur. Verileri içeren .zip dosyasını indirmek için ENVI Tutorial Data bölümündeki “Crop Science” bağlantısını tıklayın. İçeriği bilgisayarınıza çıkarın.

Çalışmada, yerden 30 metre yükseklikten çekilen MicaSense RedEdge® UAV algılayıcısıyla çekilen beş bantlı 2 cm yer örnekleme aralıklı veriler kullanılmıştır.

Görüntüyü açıp inceleyelim

1. ENVI yazılımını çalıştırın.
2. ENVI menülerinde yer alan Open (Aç) düğmesine basınız.
3. Eğitim verilerini indirdiğiniz konuma gidin. MicaSenseStrawberries.dat dosyasını seçin ve Aç’a tıklayın. Bu gerçek renkli görüntü, birkaç sıra yeşil çilek bitkisi içerir. Piksel değerleri, 0 ile 1 arasında ölçeklendirilmiş yansımayı (%0 ila %100) temsil eder. Koyu gri alanlar, çilek bitkilerinin ortaya çıkabilmesi ve büyüyebilmesi için delikli uzun plastik şeritlerdir. Açık kahverengi alanlar, ekilen sıralar arasındaki toprak yollardır.

4. Beş bandı ilgili listelenmiş merkez dalga boyları ile görmek için Data Manager düğmesine basınız. Bu veri kümesi, Red Edge dalga boyu bölgesindeki yansımayı ölçen bir Red Edge bandı içerir. Sağlıklı bitki örtüsü için bu bölge, kırmızıdan yakın kızılötesine yansıma eğrisinde keskin bir artış ile ilişkilidir.

Yolları ve Yabani Otları Maskeleyin

Bu blogtaki örnek olay incelemesi, bir görüntüyü ürün sayımı için hazırlamaya yönelik ek adımları içerir. Toprak yollar, çilek bitkileriyle benzer bir parlaklığa ve spektral imzaya sahip yabani otlar içerir. Bunlar maskelenmelidir çünkü daha sonra Bitkileri Sayma aracı kullanılırken çilek bitkileriyle birlikte sayılacaklar. Çoğu durumda bu adımları gerçekleştirmeniz gerekmez; ancak, benzer senaryolarla karşılaşmanız durumunda neler yapılabileceğini göstermek için bunlar açıklanmaktadır. Daha basit iş akışı örnekleri için lütfen ENVI Mahsul Bilimi Yardımına bakın.

1. ENVI menü çubuğundaki Aç düğmesine tıklayın.
2. Örnek verilerini indirdiğiniz konuma gidin. Dosyayı WeedMaskROI.xml seçin ve Tamam’a tıklayın. Bu, yabani otları içeren kir yollarını kapsayan bir ROI (ilgi alanı) dosyasıdır.

İstenmeyen özellikleri belirlemek için bir ROI oluşturmak, bunun gibi küçük resimler için basit bir işlemdir. Ancak, büyük görüntülerle çalışırken çok emek yoğundur ve toplu veya kurumsal ortamda çalışırken yapılamaz. Ancak bu eğitim için, yabani otları kolayca maskeleyebilmeniz için sizin için bir ROI dosyası oluşturulmuştur.

1. ENVI menü çubuğundan Dosya > Farklı Kaydet > Farklı Kaydet (ENVI, NITF, TIFF, DTED) öğesini seçin.
2. Dosya Seçimi iletişim kutusunda dat’ı seçin. Henüz Tamam’ı tıklamayın.
3. Mask düğmesini tıklayın.
4. Maske Seçimi iletişim kutusunda, WeedMask’i tıklatın.
5. Inverse Mask seçeneğini etkinleştirin.
6. Tamam’a tıklayın.
7. Dosya Seçimi iletişim kutusunda Tamam’ı tıklatın.
8. Save File As Parameters iletişim kutusunda, Output Format (Çıktı Formatı) için varsayılan ENVI seçimini koruyun.
9. Çıktı Dosya Adı’nın yanındaki düğmeyi  tıklayın ve maskelenmiş görüntü için bir klasör seçin. Dosyayı MicaSenseStrawberries_Masked.dat adlandırın.
10. Tamam’a tıklayın. ENVI, ROI’den otomatik olarak bir maske oluşturur ve maskelenmiş görüntüyü görüntüler. Maskelenmiş bölgelerdeki pikseller NoData değerlerine sahiptir ve ekranda saydamdır. (Maskelenmiş görüntüyü görmek için Data Manager’da orijinal gerçek renkli görüntünün işaretini kaldırmanız gerekebilir.)

Daha sonra, bitkilerin doğru bir şekilde sayılabilmesi için tek tek çilek bitkilerini belirginleştireceksiniz.

Bitkileri Belirginleştirin

Bu bloğun ilerleyen bölümlerinde, çilek bitkilerini saymak için Crop Counting  aracını kullanacaksınız. Bu araç, gri tonlamalı bir görüntüdeki parlak, dairesel nesneleri sayar. Çilek bitkilerinin koyu bir arka plana karşı parlak olduğu tek bantlı bir görüntü oluşturmanız gerekecektir. İşte bunu yapmak için bazı farklı seçenekler.

Spektral İndeksler

Bitkileri belirginleştirmenin en hızlı yolu, aktif olarak büyüyen bitki örtüsünü vurgulayan bir spektral indeks görüntüsü oluşturmaktır. Ancak, görüntünün yakın kızılötesi bant içermesi gerekir. Bu blogdaki görüntüde yakın kızılötesi bant vardır. Spektral indeks görüntüsü oluşturmak için şu adımları izleyin:

1. ENVI Toolbox’ta, Band Algebra klasörünü genişletin ve Spectral Indexs’e çift tıklayın.
2. Dosya Seçimi iletişim kutusunda, dat’ı seçin ve Tamam’ı tıklatın. Spektral İndeksler iletişim kutusu, seçilen görüntüden oluşturulabilecek indekslerin bir listesiyle birlikte görünür.
3. Listeden herhangi bir dizini seçin, ardından bu dizinin nasıl görüneceğinin bir önizlemesini görmek için Önizleme seçeneğini etkinleştirin.

İpucu: Görüntüyü yakınlaştırır veya uzaklaştırırsanız önizleme kapanır. Tercih edilen yakınlaştırma düzeyine geldiğinizde, Önizleme seçeneğini tekrar etkinleştirin.

Amaç, şu özelliklere sahip bir dizin bulmaktır:

• Çilek bitkilerinin parlak olmasını sağlar.
• Her bitkiyi net bir şekilde tanımlar. Normalleştirilmiş Fark Bitki Örtüsü İndeksi (NDVI) gibi bazı endeksler, sağlıklı bitki örtüsü ile aşırı doygun hale gelebilir ve bu da büyük, bulanık parlak piksel kümelerine neden olabilir. Bu, tek tek bitkileri birbirinden ayırt etmeyi zorlaştırır.
• Çilek bitkileri ile arka plan arasında iyi bir kontrast sağlar.

Farklı indeksleri önizlemeyi tamamladığınızda, Green Difference Vegetation Index‘i (GDVI) seçin.

1. Çıktı Raster için Strawberries_GDVI.dat şeklinde bir dosya adı girin.
2. Sonucu görüntüle (Display result) seçeneğini etkinleştirin.
3. Tamam’a tıklayın. GDVI görüntüsü görüntülenir:

Çilek bitkileri parlaktır, çoğunlukla birbirlerinden ayrılırlar ve arka plana karşı oldukça kontrastlıdırlar. Bu dosya, daha sonra “Bitkileri Say” bölümünde Count Crops aracı için kullanılacaktır.

Bitkileri belirginleştirmek için başka bir seçenek daha mevcuttur: Bitkileri Geliştir (Enhance Crops ) aracı. Bu çalışmada kullanmayacaksınız, ancak amacının farkında olmalısınız.

Bitkileri Sayma

Bitkileri Sayım aracı, en iyi sonuçları elde etmek için denemeniz gereken bir dizi parametreye sahiptir. İlk olarak, görüntüdeki yaklaşık kırpma boyutu aralığını bilmeniz gerekir.

Bitkileri Ölçün

1. GDVI görüntüsü görüntülenmeye devam ederken, görüntüde bulabileceğiniz en küçük kırpmayı yakınlaştırın.
2. ENVI araç çubuğundaki Mensuration düğmesine tıklayın. İmleç Değeri iletişim kutusu görüntülenir.
3. Bitkinin bir tarafına tıklayın, ardından karşı tarafa tıklayın. İmleç Değeri iletişim kutusu, 0,2 metreye yakın olması gereken ölçülen mesafeyi bildirir:

Ekrana sağ tıklayın ve Temizle’yi seçin.

1. 1. Uzaklaştırın ve görüntüdeki en büyük bitkilerden birini bulun.
   2. Bu bitkiyi ölçmek için yukarıdaki adımları tekrarlayın. 0,4 metreye yakın olmalıdır.
   3. Ekrana sağ tıklayın ve Temizle’yi seçin.
   4. İmleç Değeri iletişim kutusunu kapatın.

8. Önizleme seçeneğini etkinleştirin. Bitki sayısının bir önizlemesi, GDVI görüntüsünün üst kısmında görüntülenir. Yeşil noktalar, aracın bitki olarak belirlediği şeylerin konumlarını gösterir. Daireler, aracın gerçek bitki boyutları olarak belirlediği şeye göre boyutlandırılır.

Ayarlamalar Yapın

Bitki sayımı sonuçları ile alttaki GDVI görüntüsü arasında geçiş yapmak için Transparency (Saydamlık) kaydırıcısını veya araç çubuğundaki View Flicker (Titremeyi Görüntüle) düğmesini kullanın. İlk sonucun tamamen doğru olmadığını görebilirsiniz. İşte bazı örnekler:

GDVI görüntüsünde hiç bitki bulunmayan alanlarda, Bitkileri Sayma aracı ekinleri buluyor. Bunun nedeni büyük olasılıkla bazı piksellerin 0’a yakın dijital sayı (DN) değerlerine sahip olması ve Bitkileri Sayma aracının bunları algılamasıdır.

Bunu düzeltmek için Intensity Threshold (Yoğunluk Eşiği) değeriyle denemeler yapın. Bu parametre, altında bitkilerin tespitlerinin kaldırılacağı maksimum bitki yoğunluğunun bir kısmını temsil eder. Daha yüksek bir değer yanlış pozitifleri kaldırır, ancak düşük parlaklık değerlerine sahip bitkileri kaldırabilir.

Diğer sorunlar, aşağıdaki şekilde gösterilen aşağıdakileri içerir:

• Birden fazla küçük ürün bir araya toplanmış, tek bir büyük ürün olarak sayılmıştır. n Bitkiler sayılmıyor.

En iyi sonuçları elde etmek için parametreleri ayarlamaya yönelik bazı ipuçları:

• Minimum Crop Diameter ve Maximum Crop Diameter için biraz farklı değerlerle denemeler yapın. Bitkileri Sayım aracı, çaplar büyük ölçüde değişmediğinde en iyi şekilde çalışır. Örneğin, 0,2 ila 0,4 metrelik bir aralık, 0,1 ila 0,6’dan daha iyi çalışır.

Değer aralığını genişletmeniz gerekiyorsa, bunu küçük artışlarla yapın.

• Artış sayısını artırın. Örneğin, Minimum Crop Diameter ve Maximum Crop Diameter 0,2 ve 0,4’tür, Artış Sayısı için 3 değeri, Bitki Sayımı aracının yaklaşık 0,2, 0,3 ve 0,4 metrelik ürün çaplarını arayacağı anlamına gelir. Değeri artırmak, Bitki Sayımı aracının mahsul boyutlarında daha ince artışlar aramasını sağlar. Ayrıca, işlemin çalışması daha fazla zaman alacaktır.
• Görüntünün kenarına dokunan kısmi bitkileri saymak için veya görüntü kapsamının içinde bir maske oluşturduysanız (daha önce yaptığınız gibi) Include Edges (Kenarları Dahil Et) parametresini Evet olarak ayarlayın.
• Allowable Crop Overlap yüzdesi ile denemeler yapın. Bu yüzde, biri değerlendirmeden çıkarılmadan önce iki bitişik ürün arasında izin verilen örtüşmedir. Varsayılan değer %50’dir. Genel olarak, ekinler birbirinden belirgin bir şekilde ayrılmışsa daha küçük değerler girin.

Ürün sayım işlemine devam etmek için şu adımları izleyin:

1. En iyi sonuçları veriyor gibi görünen bu parametre değerlerini girin:

Minimum Bitki Çapı: 0,15 n Maksimum Bitki Çapı: 0,35 n Artış Sayısı: 30

Gauss Yumuşatma Faktörü: 0,5 n Kenarları Dahil Et: Evet

İzin Verilen Bitki Bindirmesi: 50

Yoğunluk Eşiği: 0,25

1. Çıktı Bitki dosyası için OutputCrops.json bir dosya adı girin.
2. Fill Raster Crops seçeneğini Evet olarak ayarlayın.
3. Output Crops Raster‘ı için dat bir dosya adı girin.
4. İşlem tamamlandığında çıktı görüntüsünü görüntülemek için Display result seçeneğini belirleyin.
5. Tamam’a tıklayın. İşleme tamamlandığında, kırpma sayısı görüntüsü ekranda ve Katman Yöneticisi’nde görünür. Son ürün sayımı, Katman Yöneticisi’nde listelenir.

Ürün sayımı sonucunun (CropCountImage.dat) raster biçimi, Sınıflandırılmamış ve Bitkiler olmak üzere iki sınıfa sahip bir ENVI sınıflandırma dosyasıdır.

Bitki sayımı dosyası, JSON biçimli bir metin dosyasıdır. Bir sonraki bölümde bunu bir vektör dosyasına dönüştüreceksiniz.

Bitkileri Bir Vektör Dosyasına Dönüştürün

Bitki dosyası JSON metin biçimindedir. Sayılan her bitkinin X, Y piksel konumlarını içerir.JSON dosyasını bir şekil dosyasına dönüştürmek, bitki sayımı sonucuyla çalışmayı kolaylaştıracaktır. Bitki konumları ve yarıçapları şekil dosyası öznitelik tablosuna dahil edilir, ayrıca gerektiğinde daha fazla özel öznitelik ekleyebilirsiniz.

Şu adımları izleyin:

1. Araç Kutusu’nda, Convert Crops To Shapefile‘e çift tıklayın.
2. Input Crops‘nın yanındaki düğmeyi tıklayın ve OutputCrops.json‘ı seçin.
3. Output Vector alanına shp çıktı dosya adını girin.
4. Sonucu görüntüle seçeneğini etkinleştirin.
5. Tamam‘a tıklayın. İşlem tamamlandığında, vektör (shapefile) dosyası ekrana ve Katman Yöneticisi’ne eklenir.
6. Katman Yöneticisi’nde OutputCrops.shp üzerine sağ tıklayın ve View/Edit Attributes (Öznitelikleri Görüntüle/Düzenle) seçin. Öznitelik Görüntüleyicisi, her bitki için merkez X,Y konumunu yarıçapıyla birlikte listeler.
7. Öznitelik Görüntüleyici’de ilgili kaydını vurgulamak için ekrandaki bir öğeye tıklayın; mesela:

8.Öznitelik Görüntüleyici’yi kapatın ve gizlemek için Katman Yöneticisi’nde OutputCrops.shp seçeneğinin işaretini kaldırın.

9.Ekranı sağ tıklatın ve Seçimleri Temizle’yi seçin.

Artık bitki konumlarını bildiğinize göre, genel sağlıklarını belirlemek için bazı metrikleri hesaplayabilirsiniz. Bunu bir sonraki bölümde yapacaksınız.

Bitki metriklerini hesaplayın

Bu bölümde, Calculate Crop Metrics with Spectral Index Spektral Indeks (Spektral İndeks ile Bitki Metriklerini Hesapla) aracını nasıl kullanacağınızı öğreneceksiniz. Bu araç, bitkilerin göreli ortalama değerlerini gösteren bir sınıflandırma görüntüsü veya gerçek ortalamalarını gösteren gri tonlamalı bir görüntü oluşturmanıza olanak tanır.

NDVI Sınıflandırma Görüntüsü Oluşturma

1. Araç Kutusu’nda, Spectral Index ile Bitki Metriklerini Hesapla‘ya çift tıklayın.
2. Dosya Seçimi iletişim kutusunda dat‘yi seçin. Aç’ı ve ardından Tamam’ı tıklayın. Bitki metrikleri, orijinal multispektral görüntüden hesaplanacaktır, ancak yalnızca kırpma dosyasında (OutputCrops.json) kaydedilen seçili X, Y konumlarında hesaplanacaktır.
3. Input Crops ‘nın yanındaki düğmeyi  tıklayın ve OutputCrops.json‘ı seçin.
4. Spektral İndeks açılır listesinden, Normalized Difference Vegetation Index (Normalleştirilmiş Fark Bitki Örtüsü İndeksi)‘ni seçin. Desteklenen herhangi bir bitki örtüsü indeksini seçebilmenize rağmen, NDVI bitki örtüsü sağlığı ile ilişkili en yaygın ve tanınabilir indekstir.
5. Output Metric için varsayılan Crop Mean seçimini bırakın.
6. Bu ilk alıştırma için, göreli NDVI ortalamalarının bir sınıflandırma rasterini oluşturacaksınız. Create Classification Raster (Sınıflandırma Raster Oluştur) için Evet seçeneğini belirleyin.
7. dat bir çıktı dosya adı girin.
8. Output Crops File alanını boş bırakın.
9. Display result seçeneğini etkinleştirin.
10. Tamam‘a tıklayın. İşlem tamamlandığında, sınıflandırma görüntüsü ekranda görünür:

Katman Yöneticisi, sınıf göstergesini gösterir. Sınıflar, görüntünün tamamına göre göreli NDVI araçlarını temsil eder. Örneğin, koyu yeşil bir çokgen, açık yeşil, sarı ve kırmızı çokgenlerden daha yüksek ortalama NDVI değerine sahip bir ürüne karşılık gelir. Ardından, aynı aracı tekrar çalıştıracak ancak farklı bir görüntü türü oluşturacaksınız.

NDVI araçlarının gri tonlamalı bir görüntüsünü oluşturun

Bu alıştırmada, her çilek bitkisi için gerçek ortalama NDVI değerlerini gösteren bir görüntü oluşturacaksınız.

1. Araç Kutusu’nda, Spectral Index ile Kırpma Metriklerini Hesapla‘ya çift tıklayın.
2. Dosya Seçimi iletişim kutusunda dat‘yi seçin. Tamam’a tıklayın.
3. Spektral İndeks açılır listesinden, Normalleştirilmiş Fark Bitki Örtüsü İndeksi‘ni seçin.
4. Input Crops‘un yanındaki düğmeyi tıklayın ve OutputCrops.json‘yi seçin.
5. Çıktı Metriği için varsayılan Crop Mean seçimini bırakın.
6. Create Classification Raster (Sınıflandırma Raster Oluştur) için Hayır seçeneğini
7. dat bir çıktı dosya adı girin.
8. Output Crops File alanını boş bırakın.
9. Display result seçeneğini etkinleştirin.
10. Tamam‘a tıklayın. İşlem tamamlandığında, ekranda gri tonlamalı bir görüntü belirir:
11. Temel araç çubuğunda imleçle Cursor Value (İmleç Değeri)’ne tıklayın.
12. Herhangi bir gri daireye tıklayın. İmleç Değeri iletişim kutusu, söz konusu çilek bitkisi için (StrawberryNDVIMeans.dat katmanın altında) ortalama NDVI değerini bildirir.
13. Ayrıca bu NDVI değerlerine göre aşağıdaki şekildeki gibi renklendirme yapılabilir:

Bu metrikler ve bu tür bir görüntü, belirli bir alanda bitki sağlığının daha ayrıntılı bir analizini isteyen bilimsel tarım uzmanları için yararlı olabilir.

ENVI Yazılımında Bitki Sayımı ve Metriklerinin nasıl yapılacağını sizlere aktardık. Konu hakkında daha fazla bilgi almak, ENVI yazılımını temin etmek için sitemizi ziyaret edebilir bizimle iletişime geçebilirsiniz.

Dr.Altan YILMAZ     

Uzaktan Algılama Koordinatörü