ISODATA (The Iterative Self-Organizing Data Analysis Technique/Tekrarlı Veri Analizi); tekrarlı olarak tüm sınıflandırmayı gerçekleştirme ve uygulanan her iterasyon (tekrar) sonrasında yeniden istatistik hesaplamasını temel alır. Yöntem karar kuralı olarak minimum uzaklığı kullanır.

Doğruluk Analiz Raporu içerisinde;
• Genel Doğruluk: tüm doğru atanmış piksel sayısı/tüm pikseller sayısı,
• Kullanıcı Doğruluğu: bir sınıfa ait doğru sınıflandırılan piksel sayısı/o sınıftaki toplam piksel sayısı,
• Üretim Doğruluğu: bir sınıfa ait doğru sınıflandırılan piksel sayısı/bir sınıftaki olması gereken gerçek piksel sayısı,
• Kappa (K) Katsayısı Değeri: tüm değerleri göz önünde bulundurarak hesaplanan katsayıdır.

Piksel ile en yakın olduğu sınıf arasındaki açı, kullanıcının verdiği "Tolerans" değerinden fazla ise piksel sınıflandırılamaz, "SINIF YOK" sııfına atanır. Tolerans olarak verilen değer, bu sınıflandırmadaaçı olarak değerlendirilir. 0 ile Pi sayısı (3,14) arasında olmalıdır.

Değişim analizi tamamlandığında sonuç görüntünün kaydedileceği dizin ve görüntü ismi REFERANSLAR' da belirlenir.

Tek bantlı verilerde hangi bandın seçili olduğu
önemli değildir.

Histogram eşitleme, kontrast zenginleştirme yöntemlerinden biridir. Histogram eşitlemesi ile raster veride parlaklığın en çok toplandığı alana en büyük kontrast zenginleştirmesi uygulanmaktadır.

Doğru cevap B seçeneğidir.

En yüksek olasılık, olasılığın tüm sınıflar için eşit olduğu ve sınıf kontrol verilerini oluşturan noktalar küme­sindeki dağılımın Gauss normal dağılımı olduğu kabul edilen kontrollü sınıflandırma yöntemidir.

Projelerde altlık olarak kullanılacak raster verilerin, veri üretimine geçilmeden önce doğru lokasyonlarına taşınması işlemine coğrafi referanslama denir. Doğru yanıt C seçeneğidir.

En Yüksek Olasılık (Maksimum Likelihood), olasılığın tüm sınıflar için eşit olduğu ve sınıf kontrol verilerini oluşturan noktalar kümesindeki dağılımın Gauss normal dağılımı olduğu kabul edilir. Bu kabulün ışığı altında normal dağılımın ortalama vektörü ve kovaryans matrisi ile tanımlanır. Belirli sınıfa ait olan görüntü elemanları için istatiksel olasılık hesaplanır. Olasılık yoğunluk fonksiyonları sınıfı belirlenmemiş aday pikselin belirlenmesinde kullanılır.

Raster verileri analize girdi oluşturmak için Veri Kaynakları/Raster Veri Kaynağı operatörü fare çift sol tuş ya da üzerinde sağ tuş ekle ile operatör eklenir.

En Yakın Mesafe (Minimum Distance), yöntemde öncelikle her bir arazi sınıfına ilişkin örnekleme bölgelerinin istatistiksel olasılık
değerleri hesaplanmakta ve bilinmeyen her bir piksel en çok benzer olduğu sınıfa atanmaktadır.

Normalize Edilmiş Bitki İndisi (NDVI) formülü NDVI= (NIR-R)/(NIR+R) dir.

İndis Uygulaması-Bant seçimi eşleştirmelerinden Alterasyon-Hyperion doğrudur.

Katman ayırma uygulamalarında kullanılacak sınıflandırma yapılmış uydu görüntüsü ENYÜKSEK_OLASILIK.tif Netcad yazılımı çizim alanına Referanslar/Ekle/Raster işlemi yardımıyla yüklenir.

Hyperion uydu alıcısı ile elde edilen uydu fotoğraflarından alterasyon alanlarını belirlemede B150 ve B210 bant oranlamaları kullanılır.

Toprağa göre bitki indisi (SAVI), düzeltme faktörü kullanılarak toprak yansıma etkileri en aza indirgenmiş bitki indisidir.

SAVI=(NIR-R)*(1+L)/(NIR+R+L)

Düzeltme faktörü değeri yeşil bitki örtüsü miktarına bağlı olarak değişir. Genellikle, bitki örtüsü bulunmayan bölgelerde L=1, orta seviyede bitki bulunan bölgelerde L=0,5 kabul edilir.

Görüntü iyileştirme (IHS) uygulaması mimar iş akışları ile gerçekleştirilmektedir. Yapılacak analiz için işlem üzerinde SHIFT + fare sol tuş ile mimar içeriği açılır.