Detection of Potato Fields Using Sentinel-2 and Landsat 8 Data-Based Machine Learning Models in Semi-arid Region of Central Anatolia, Türkiye
Yazarlar (8)
Emre Tokluoğlu
Muğla Sıtkı Koçman Üniversitesi, Türkiye
Muğla Sıtkı Koçman Üniversitesi, Türkiye
Doç. Dr. Bedri Kurtuluş Muğla Sıtkı Koçman Üniversitesi, Türkiye
Çağdaş Sağır
Middle East Technical University (Metu), Türkiye
Middle East Technical University (Metu), Türkiye
Dr. Öğr. Üyesi Günseli Erdem Altın Yeditepe University, Türkiye
Elifnur Yurdakul Università Degli Studi Di Bari Aldo Moro, İtalya
Öğr. Gör. Ersin Ateş Ankara Üniversitesi, Türkiye
Prof. Dr. Mustafa Can CANOĞLU Sinop Üniversitesi, Türkiye
Doç. Dr. Sevim Seda Yamaç Necmettin Erbakan Üniversitesi, Türkiye
| Makale Türü |
Özgün Makale
(SSCI, AHCI, SCI, SCI-Exp dergilerinde yayınlanan tam makale)
|
||
| Dergi Adı | Potato Research (Q1) | ||
| Dergi ISSN | 0014-3065 Dergi Bilgileri (2026) | ||
| Dergi Tarandığı Indeksler | SCI-Expanded | ||
| Makale Dili | İngilizce | Basım Tarihi | 01-2026 |
| Kabul Tarihi | 08-10-2025 | Yayınlanma Tarihi | 19-01-2026 |
| Cilt / Sayı / Sayfa | 69 / 1 / 14– | DOI | 10.1007/s11540-025-09985-4 |
| Makale Linki | https://doi.org/10.1007/s11540-025-09985-4 | ||
| UAK Araştırma Alanları |
Hidrojeoloji
Uygulamalı Jeoloji
|
||
| Özet |
| Accurate mapping of crop types is essential for agricultural monitoring, resource management, and food security. This study evaluates the performance of two ensemble machine learning algorithms—random forest (RF) and gradient tree boosting (GTB)—for classifying potato fields using multispectral satellite imagery from Landsat 8 and Sentinel-2 in the Konya Plain, Türkiye. The methodology involved generating median composite images from the 2020 growing season (June–August), followed by feature extraction from training samples collected via ground truth, satellite, and synthetically generated data. Model performances were assessed using overall accuracy, kappa coefficient, F-score, and user’s and producer’s accuracy metrics. Five-fold cross-validation was employed to evaluate model generalizability. A sensitivity analysis was conducted on the number of trees, and 100 was selected for model training … |
| Anahtar Kelimeler |
| Crop mapping | Gradient tree boost | Landsat 8 | Potato | Random forest | Sentinel-2 |
BM Sürdürülebilir Kalkınma Amaçları
| Atıf Sayıları | |
| Scopus | 1 |
| Google Scholar | 2 |