Makine öğrenmesi ile Türkiye, Yunanistan, İtalya ve İspanya'da karşılaştırmalı kuraklık ve çölleşme analizi
Comparative drought and desertification analysis in Turkey, Greece, Italy and Spain with machine learning
- Tez No: 1015502
- Danışmanlar: PROF. DR. FATİH DİKBAŞ
- Tez Türü: Doktora
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Akdeniz iklimi, Destek vektör makineleri, Kuraklık, Çölleşme, Mediterranean climate, Support vector machines, Drought, Desertification
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Pamukkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu doktora tezinde, Akdeniz Havzası'nda yer alan Türkiye, Yunanistan, İtalya ve İspanya'da kuraklık ve çölleşme süreçleri karşılaştırmalı ve bütüncül bir yaklaşımla incelenmiştir. Çalışmanın temel amacı, uzun dönemli meteorolojik veriler ve uzaktan algılama temelli göstergeler kullanılarak kuraklık dinamiklerini ortaya koymak, makine öğrenmesi modelleri ile gelecek dönem kuraklık eğilimlerini tahmin etmek ve arazi bozunumu süreçlerini değerlendirmektir. Aylık toplam yağış ve aylık ortalama sıcaklık verileri kullanılarak 1, 3, 6, 9 ve 12 aylık zaman ölçeklerinde Standart Yağış İndeksi (SPI), Standartlaştırılmış Yağış Evapotranspirasyon İndeksi (SPEI) ve Keşif Kuraklık İndeksi (RDI) hesaplanmıştır. Elde edilen sonuçlar zamansal değişim, şiddet ve süreklilik açısından analiz edilmiş ve ülkeler arası karşılaştırmalar yapılmıştır. Kuraklık tahminleri için Uzun Kısa Süreli Bellek (LSTM), Rastgele Orman (RF), Gradyan Arttırıcı Makineler (GBM), Destek Vektör Regresyonu (SVR) ve XGBoost (XG) yöntemleri uygulanmıştır. Model verimleri RMSE, MAE ve R² ölçütleri ile değerlendirilmiş; özellikle gradyan arttırıcı yöntemlerin ve ardından LSTM modelinin yüksek doğruluk ve düşük hata oranları ile güçlü sonuçlar verdiği belirlenmiştir. Tez kapsamında geliştirilen Normalize Edilmiş Kuraklık Şiddeti ve Süreklilik İndeksi (NDSPI), kuraklık olaylarını şiddet ve süreklilik boyutlarıyla birlikte değerlendirerek mekânsal karşılaştırmalara olanak sağlamıştır. Ayrıca SDG 15.3.1 göstergesi temel alınarak arazi örtüsü değişimi, arazi üretkenliği ve toprak organik karbon bileşenleri analiz edilmiştir. Çalışma, Akdeniz Havzası'nda kuraklık ve çölleşme süreçlerini çok ölçekli indisler, makine öğrenmesi temelli tahminler, NDSPI tabanlı mekânsal karşılaştırmalar ve SDG 15.3.1 göstergeleri ile bütüncül biçimde değerlendirerek, sürdürülebilir su ve arazi yönetimine yönelik bilimsel ve karar destek odaklı bir katkı sunmaktadır.
Özet (Çeviri)
This doctoral dissertation investigates drought and desertification processes in Turkey, Greece, Italy, and Spain within the Mediterranean Basin through a comparative and integrated framework. The main objective is to identify long-term drought dynamics using meteorological data and remote sensing–based indicators, to forecast future drought trends through machine learning models, and to assess land degradation processes. Monthly total precipitation and mean temperature data were used to compute the Standardized Precipitation Index (SPI), Standardized Precipitation Evapotranspiration Index (SPEI), and Reconnaissance Drought Index (RDI) at 1-, 3-, 6-, 9-, and 12-month time scales. The results were evaluated in terms of temporal variability, severity, and persistence, and cross-country comparisons were conducted. For drought forecasting, Long Short-Term Memory (LSTM), Random Forest (RF), Gradient Boosting Machines (GBM), Support Vector Regression (SVR), and XGBoost (XG) models were implemented. Model performances were evaluated using the RMSE, MAE, and R² metrics; the results showed that gradient boosting methods, followed by the LSTM model, delivered strong performance with high accuracy and low error rates. A novel indicator, the Normalized Drought Severity and Persistence Index (NDSPI), was developed to integrate drought intensity and duration into a single standardized metric, enabling spatial comparison of drought hotspots. Additionally, land degradation dynamics were analyzed using the SDG 15.3.1 framework, incorporating land cover change, land productivity, and soil organic carbon components. This study provides a scientific and decision-support-oriented contribution to sustainable water and land management by holistically evaluating drought and desertification processes in the Mediterranean Basin through multiscalar indices, machine-learning-based forecasts, NDSPI-based spatial comparisons, and SDG 15.3.1 indicators.
Benzer Tezler
- Kosova'da Türk topluluğunun tarihsel gelişimi ve sorunlar
Kosova'da Türk topluluğunun tarihsel gelişimi ve sorunlar
İBRAHİM ÇULHA
- Türkiye'deki hastanelerin pabon lasso ve makine öğrenmesi yöntemleriyle çok boyutlu performans analizi
Multi-dimentional performance analysis of hospitals in Turkey by using pabon lasso and machine learning methods
MUSA ÇIRAK
Doktora
Türkçe
2023
Sağlık Yönetimiİstanbul Üniversitesi-CerrahpaşaSağlık Yönetimi Ana Bilim Dalı
PROF. DR. İLHAN KEREM ŞENEL
- The analytical solutions and deep learning assessment of long waves over linear and nonlinear breadth and depth profiles: 30 October 2020 İzmir tsunami case
Doğrusal olan ve olmayan genişlik ve derinlik profilleri üzerinde uzun dalgaların çözümleri ve derin öğrenme ile değerlendirilmesi: 30 Ekim 2020 İzmir tsunamisi örneği
ALİ RIZA ALAN
Doktora
İngilizce
2024
Deniz Bilimleriİstanbul Teknik ÜniversitesiKıyı Bilimleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. CİHAN BAYINDIR
- Doğu Akdeniz deniz yetki alanları uyuşmazlığı: Avrupa Birliği'nin etkisi
The Eastern Mediterranean maritime jurisdiction dispute: The impact of the European Union
İSMİHAN TOPDAĞ
Yüksek Lisans
Türkçe
2024
Uluslararası İlişkilerYıldız Teknik ÜniversitesiSiyaset Bilimi ve Uluslararası İlişkiler Ana Bilim Dalı
DOÇ. DR. FUAT AKSU