Yapay zekâ tabanlı sayısal toprak etüd haritalama çalışmalarında transfer öğrenimi ve model validasyon teknikleri
Transfer learning and model validation techniques in artificial intelligence-based digital soil survey and mapping studies
- Tez No: 1005891
- Danışmanlar: PROF. DR. LEVENT BAŞAYİĞİT
- Tez Türü: Doktora
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: Alüvyal topraklar, Arazi sınıflandırması, Kolüvyal topraklar, Mekansal kümelenme, Tarım toprakları, Toprak altı, Toprak sınıflandırması, Uzaktan algılama, Zemin etüdü, İnsan-toprak ilişkisi, Alluvial soils, Land classification, Colluvial soils, Spatial cluster, Agricultural soils, Subsoil, Soil classification, Remote sensing, Soil exploration, Human-soil interaction
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Toprak Bilimi ve Bitki Besleme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Toprak etüt haritaları, toprakların mekansal dağılımı hakkındaki bilginin mantıksal olarak yapılandırılmış en temel temsilleridir. Tez çalışması, Isparta ilinde aynı jeolojik birim üzerinde yer alan iki farklı (MOAL ve MTAL) bölgede yürütülen detaylı toprak etüdü ve haritalama süreçlerinde yapay zekâ ve makine öğrenimi tekniklerinin entegrasyonu ile metodolojik ilerlemeleri konu edinmektedir. Çalışmanın temel amacı, geleneksel toprak haritalama sistematiğinde, uzmana içgörüler sunabilen makine öğrenimi, uzaktan algılama ve coğrafi bilgi sistemlerini entegre eden sayısal toprak etüt haritalama tekniklerini çalışma alanı ölçeğinde test etmektir. Seri ve alt grup düzeyinde beş farklı makine öğrenimi algoritmasının (GBM, KNN, MNLR, RF, SVM) performansı çapraz doğrulama ve bağımsız doğrulama ile değerlendirilmiştir. Toprak sınıflarının transfer edilebilirliği ve model genellenebilirliğinin performansı, RF ve GBM kullanıldığında alt grup seviyelerinde göreceli yüksektir. Belirsizlik indekslerinin dahil edilmesi model performans metriklerinin daha dikkatli yorumlanmasına gerekli kılmıştır. Sayısal toprak profili sınıflandırma teknikleri kullanılarak kolüvyal ve yerinde oluşmuş ana materyal üzerinde tanımlanan serilerin birleştirmeleri başarılı şekilde yapılabilmektedir. Tez çalışması kapsamında toprak oluş faktörlerinin dijital vekilleri olarak, kırk dört çevresel değişken, k-ortalama algoritması kullanılarak çalışma alanı için beş farklı pedojenon tanımlanmasını mümkün kılmıştır. Toprak sağlığı izleme parametrelerinin değerlendirilmesinde, tek değer eşikleri yerine pedojenon içindeki genetik ve feno toprak tanımlamalarına dayalı referans değerleri olarak yüzdelik dilimler kullanımının daha işlevsel olduğu belirlenmiştir. Sonuç olarak tez çalışması Kalkınma Planları ve Ulusal Yapay Zekâ Stratejisi hedefleriyle uyumlu, yapay zekâ ve makine öğrenimi tekniklerinin, toprak etüt ve haritalama bilim dalının ilerletilmesinde faydalı olabileceğini ortaya koyarak, pedojenon haritalama tekniği ve sayısal toprak etüt haritalama metodolojisinin geleneksel toprak etüt çalışmalarına dahil edilmesini önermektedir.
Özet (Çeviri)
Soil survey maps are logically structured representations of information about the spatial distribution of soils. In this study focuses on the integration of artificial intelligence and machine learning techniques and advancements in soil survey and mapping processes conducted in two different regions located on the same geological unit in Isparta province. The main objective of the study is to test digital soil survey mapping techniques that integrate machine learning, remote sensing, and geographic information systems, offering insights to experts, within the traditional soil mapping system, at the scale of the study area. Performance of five different machine learning algorithms at the series and subgroup levels is evaluated, the models showed relative differences in cross-validation and independent validation techniques. The transferability of soil classes and the performance of model generalizability are relatively high at the subgroup level when using RF and GBM. The inclusion of uncertainty indices has necessitated a more careful interpretation of model performance metrics. Using digital soil profile classification techniques, the merging of series defined on colluvial and in-situ parent material can be successfully performed. Forty-four environmental covariates were used as digital soil formation factors, and the k-means algorithm were employed to define five different pedogenons for the study area. Furthermore, it was determined that using reference values based on genosoils and phenosoils descriptions within the pedogenon, rather than single-value thresholds, was more functional in evaluating soil health monitoring. Consequently, in line with the goals of Development Plans and the National Artificial Intelligence Strategy, this thesis demonstrates that artificial intelligence and machine learning techniques can be beneficial in advancing the field of soil surveying and mapping, and proposes the inclusion of pedogenon mapping techniques and digital soil survey mapping methodologies in traditional soil survey studies.
Benzer Tezler
- Orthogonality based feature selection for ai applications
Yapay zeka uygulamaları için ortogonalite tabanlı öznitelik seçimi
MEHMET SELAHADDİN ŞENTOP
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Novel deep learning based approaches for clutter removal and target detection in GPR
Ynr'de kargaşa giderme ve hedef algılama için yeni derin öğrenme tabanlı yaklaşımlar
YAVUZ EMRE KAYACAN
Doktora
İngilizce
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Design and optimization of compact vivaldi antenna with matching medium for microwave brain imaging applications
Mikrodalga beyin görüntüleme uygulamaları için eşleştirme ortamına sahip kompak vıvaldı antenin tasarımı ve optimizasyonu
CAFER UYANIK
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
- Coğrafi bilgi sistemi tabanlı hidrolojik havza modellemesi ve makine öğrenmesi yöntemiyle hidrograf tahmini
Geographic information systems-based hydrological basin modeling and hydrograph prediction using machine learning methods
BURAK CAN
Yüksek Lisans
Türkçe
2024
İnşaat MühendisliğiAkdeniz Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİL İBRAHİM BURGAN
- Akış katsayısının bulanık SMGRT yöntemi ile modellenmesi
Modeling flow coefficient by using fuzzy SMGRT method
DERYA KARAKAYA
Yüksek Lisans
Türkçe
2018
İnşaat MühendisliğiDicle Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ZEYNEL FUAT TOPRAK