Determination of chlorophyll-a distribution in Lake Eymir using regression and artificial neural network models with hybrid inputs
Hibrid girdili regrasyon ve yapay sinir ağları modelleri ile Eymir Gölü'nde klorofil-a dağılımının belirlenmesi
- Tez No: 285755
- Danışmanlar: DOÇ. DR. AYŞEGÜL AKSOY
- Tez Türü: Yüksek Lisans
- Konular: Çevre Mühendisliği, Environmental Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Çevre Mühendisliği Bölümü
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 171
Özet
Klorofil-a, trofik derecenin belirlenmesinde kullanılabilen bir parametredir. Bu nedenle, klorofil-a konsantrasyonlarının izlenmesi gerekmektedir. Ayrıca, klorofil-a `nın su kütlelerindeki heterojen dağılımı mekansal ve zamansal değişimler göstermektedir. Bu sebeple klorofil-a konsantrasyonlarındaki değişimlerin detaylı ve sıklıkla izlenmesi gerekmektedir. Sıklıkla tekrarlanan ölçümler yüksek maliyet ve iş gücü gerektirmektedir. Özellikle topoğrafya'nın ulaşımı zorlaştırdığı alanlarda örnekleme daha da zorlaşmaktadır. Uzaktan algılama ise bunun gibi çalışmalarda klorofil-a konsantrasyonunun su kütlelerinde sürekli dağılımının elde edilmesine olanak sağlar. Bu yöntem dahilinde farklı dalga boylarındaki yansıma değerlerinin kullanılarak klorofil-a konsantrasyonuna ulaşılabilir. Daha önceki çalışmalar göze alındığında deneysel modellerin kullanılmış olduğu görülmektedir. Deneysel modellerde farklı bantlardaki yansıma değerlerinin farklı kombinasyonları ile çalışılmıştır. Ancak, önceki çalışmalarda model performansının sığ göllerde düşmüş olduğu gözlenmiştir. Bu çalışmada sığ bir göl olan Eymir Gölü'nde klorofil-a konsantrasyonun mekansal dağılımı incelenmiştir. Çalışmada gerçekleştirilen modellemede doğrusal ve doğrusal olmayan modellere ek olarak yapay sinir ağları modeli de kullanılmıştır. Kullanılan modellerde önceki çalışmalardan farklı olarak hybrid girdi kullanılmıştır. Bu çalışmada klorofil-a konsantrasyonunun belirlenmesi için uygulanmış olan modellerde yansıma değerlerine ek olarak, yansıma değerlerini değiştirebilecek saha parametreleri de eklenmiştir. Bu parametreler fotosentez için aktif ışık (FAI), secchi derinliği (SD), su derinliği, bulanıklık, çözünmüş oksijen (ÇÖ) konsantrasyonu, pH, toplam askıda katı madde (AKM), toplam çözünmüş organic madde (TÇOM), hava ve su sıcaklıkları, rüzgar hızı ve nemdir. Yansıma değerleri Quickbird ve Worldview 2 uydularının görüntülerinden elde edilmiştir. Çalışmada ayrıca hybrid girdiler yansıma değerleri ile birlikte kullanılarak klorofil-a dağılımının haritalandırılması çalışılmıştır. Çalışma kapsamında Eymir Gölü'ndeki klorofil-a dağılımının belirlenmesi amacıyla üç adet yüksek çözünürlüklü uydu görüntüsü kullanılmıştır. Yansıma değerlerine ek olarak diğer parametrelerin ölçülmesi amacıyla saha ve laboratuvar çalışmaları gerçekleştirilmiştir. Ayrıca parameter sayısını azaltabilmek için veri üzerinde temel bileşen analizi uygulanmıştır. Bir sonraki basamakta ise Eymir Gölü'ndeki klorofil-a konsantrasyonu regrasyon ve yapay sinir ağları modelleri ile modellenmiştir. Çalışmanın sonuçları göstermiştir ki yapay sinir ağları modeli, regrasyon modellerine oranla daha iyi bir tahmin kapasitesine sahiptir. Ayrıca söz konusu tahmin kapasitesi veri kümesindeki sapma arttıkça yükselmektedir. Son olarak, hibrid modellerin sadece tayfsal yansımadan oluşan modellerden üstün olduğu görülmüştür.
Özet (Çeviri)
Chlorophyll-a is a parameter which can be used to understand the trophic state of water bodies. Therefore, monitoring of this parameter is required. Yet, distribution of chlorophyll-a in water bodies is not homogeneous and exhibits both spatial and temporal variations. Therefore, frequent sampling and high sample sizes are needed for the determination of chlorophyll-a quantities. This would in return increase the sampling costs and labor requirement, especially if the topography makes the location hard to reach. Remote sensing is a technology that can aid in handling of these difficulties and obtain a continuous distribution of chlorophyll-a concentrations in a water body. In this method, reflectance from water bodies in different wavelengths is used to quantify the chlorophyll-a concentrations. In previous studies in literature, empirical regression models that use the reflectance values in different bands in different combinations have been derived. Yet, prediction performances of these models decline especially in shallow lakes. In this study, the spatial distribution of chlorophyll-a in shallow Lake Eymir is determined using both regression models and artificial neural network models that use hybrid inputs. Unlike the models generated before, field measured parameters which can influence the reflectance values in remotely sensed images have been used in addition to the reflectance values. The parameters that are considered other than reflectance values are photosynthetically active radiation (PAR), secchi depth (SD), water column depth, turbidity, dissolved oxygen concentration (DO), pH, total suspended solids (TSS), total dissolved organic matter (TDOM), water and air temperatures, wind data and humidity. Reflectance values are obtained from QuickBird and World View 2 satellite images. Effect of using hybrid input in mapping the reflectance values to chlorophyll-a concentrations are studied. In the context of this study, three different high-resolution satellite images are analyzed for the spatial distribution of chlorophyll-a concentration in Lake Eymir. Field and laboratory studies are conducted for the measurement of parameters other than the reflectance values. Principle component analysis is applied on the collected data to decrease the number of model input parameters. Then, linear and non-linear regression and artificial neural network (ANN) models are derived to model the chlorophyll-a concentrations in Lake Eymir. Results indicate that ANN model shows better predictability compared to regression models. The predictability of ANN model increases with increasing variation in the dataset. Finally, it is seen that in determination of chlorophyll-a concentrations using remotely sensed data, models with hybrid inputs are superior compared to ones that use only remotely sensed reflectance values.
Benzer Tezler
- Interactions of water and sediment phosphorus in Lake Eymir
Eymir Gölü'ndeki su ve sediman fosforunun etkileşimleri
TOLGA PİLEVNELİ
Yüksek Lisans
İngilizce
2013
Çevre MühendisliğiOrta Doğu Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞEGÜL AKSOY
DOÇ. DR. SELİM L. SANİN
- Uzaktan algılama verilerinden su kalitesi parametrelerinin tespit edilmesi
Detection of water quality parameters from remote sensing data
ERSAN BATUR
Doktora
Türkçe
2019
Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. MİTHAT DERYA MAKTAV
- Beyşehir gölü'nde gümüşi havuz balığının (Carassius gibelio bloch, 1782)bazı populasyon özellikleri ve biyoekolojik durumunun belirlenmesi
Determination of some population parameters and bioecologic conditions of silver crucian carp (Carassius gibelio) in lake Beyşehir
EZGİ DİNÇTÜRK
Yüksek Lisans
Türkçe
2014
Balıkçılık Teknolojisiİzmir Katip Çelebi ÜniversitesiSu Ürünleri Ana Bilim Dalı
YRD. DOÇ. DR. HAKKI DERELİ
- Durgun kıta içi su ortamlarında ötrofikasyon ve ağır metal ile ilgili süreçlerin etkileşimlerinin modellenmesi
Modeling the interactions between eutrophication and heavy metals processes in inland water bodies
EMİNE METİN DERELİ
Doktora
Türkçe
2018
Çevre MühendisliğiYıldız Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÇAKMAKCI
DOÇ. DR. ALİ ERTÜRK
- Uzunçayır Baraj Gölü fitoplankton tür kompozisyonu ve fiziko-kimyasal parametrelerin belirlenmesi
Uzunçayır Dam Lake phytoplankton type composition and determination of physical-chemical parameters
SELAHATTİN GÜRÇAY
Yüksek Lisans
Türkçe
2019
Su ÜrünleriMunzur ÜniversitesiSu Ürünleri Temel Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BANU KUTLU