Geri Dön

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

  1. Tez No: 285755
  2. Yazar: ONUR YÜZÜGÜLLÜ
  3. Danışmanlar: DOÇ. DR. AYŞEGÜL AKSOY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Çevre Mühendisliği, Environmental Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Çevre Mühendisliği Bölümü
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Interactions of water and sediment phosphorus in Lake Eymir

    Eymir Gölü'ndeki su ve sediman fosforunun etkileşimleri

    TOLGA PİLEVNELİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Çevre MühendisliğiOrta Doğu Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYŞEGÜL AKSOY

    DOÇ. DR. SELİM L. SANİN

  2. Uzaktan algılama verilerinden su kalitesi parametrelerinin tespit edilmesi

    Detection of water quality parameters from remote sensing data

    ERSAN BATUR

    Doktora

    Türkçe

    Türkçe

    2019

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. MİTHAT DERYA MAKTAV

  3. 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

    Türkçe

    2014

    Balıkçılık Teknolojisiİzmir Katip Çelebi Üniversitesi

    Su Ürünleri Ana Bilim Dalı

    YRD. DOÇ. DR. HAKKI DERELİ

  4. 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

    Türkçe

    2018

    Çevre MühendisliğiYıldız Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET ÇAKMAKCI

    DOÇ. DR. ALİ ERTÜRK

  5. 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

    Türkçe

    2019

    Su ÜrünleriMunzur Üniversitesi

    Su Ürünleri Temel Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BANU KUTLU