Mekansal regresyon metotları kullanımı ile toprağın bazı fiziksel ve kimyasal özelliklerinin analizi
Analysis of soil's some physical and chemical properties with spatial regression methods
- Tez No: 380840
- Danışmanlar: PROF. AŞIR GENÇ, PROF. TAŞKIN ÖZTAŞ
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 124
Özet
Mekânsal analiz yapılan istatistikî çalışmaya mekâna bağlı verileri dâhil eden istatistikî yöntemlerle ilgilidir. Özellikle coğrafi bilgi sistemleri (CBS), uzaktan algılama ve istatistik alanındaki hızlı gelişmeler sonucunda, mekânsal analiz çok faydalı bilgiler veren bir analiz yöntemi haline gelmiştir. Mekânsal analizin en önemli iki uygulama metodu ise mekânsal regresyon analizi ve jeoistatiksel analizlerdir. Tobbler'in (1970)“bütün mekânlar ilişkilidir, fakat yakın olanlar birbiriyle daha fazla ilişkilidir”kuralı mekâna bağlı verilerin istatiksel analizleri yapılırken göz ardı edilmemesi gereken bir kural olduğu anlaşılmıştır. Mekânsal veriler analiz edilirken klasik istatistikî regresyon modellerinin istenilen değişimi açıklamakta yetersiz kaldığı görülmüştür. Mekânın önemli olduğu durumlarda, istatistikî değişimi açıklamak için coğrafi anlamdaki konumları ve konumların gözlemlerle etkileşimini dikkate alan mekânsal regresyon ve jeoistatiksel modellere ihtiyaç duyulur. Mekânsal regresyon ve jeoistatiksel modeller coğrafya, haritacılık, biyoloji, tıp, botanik, ekoloji, biyocoğrafya, epidemiyoloji, ekonomi, şehir planlama, madencilik, suç analizleri ve daha birçok alana uygulanabilir olması nedeniyle günümüzde giderek önemli hale gelen araştırma alanlarından birisidir. Bu çalışmada, Güneydoğu Anadolu Bölgesinde,“Çamgazi Toplulaştırma ve TİGH (Tarla İçi Geliştirme Hizmetleri) Projesi”kapsamında Adıyaman'ın Merkez ilçesine ait 19 köyü kapsayan alana ait toprak örneklerinin 0-30 cm aralığındaki toprağa ait özelliklerden belirlenen; tane büyüklüğü (kum, silt ve kil), % saturasyon, toprak reaksiyonu (pH), çözünebilir tuz, elektriksel iletkenlik (EC), kireç miktarı, değişebilir Ca+Mg ve Na içerikleri ile B konsantrasyonu gibi özelliklerinin mekânsal regresyon ve jeoistatiksel metodlar kullanılmak suretiyle mekânsal bağımlılıklarının ve değişim desenlerinin haritalanması hedeflenmiştir. Yapılan araştırma neticesinde incelenen toprak özelliklerinden kum, kil, silt, Ca+Mg, Na lineer, saturasyon, pH, EC, kireç, kil ve B'nin üssel dağılıma sahip oldukları görülmüştür. Üssel dağılıma sahip değişkenlerde mekânsal bağımlılık orta ve yüksek seviyede bulunmuştur. Lineer dağılıma sahip değişkenlerde ise örnekleme alanları arasındaki mesafenin daha kısa aralıklarla yapılması durumunda mekânsal bağımlılığın daha yüksek olacağı sonucuna varılmıştır. Moran I indekslerine göre ise en yüksek mekânsal bağımlılığın saturasyon, kireç, kum ve B için olduğunu ve bu sonuçların varyasyon katsayısı değerleri ve variogram sonuçları ile uyum gösterdiği görülmüştür. Genel olarak toprağa ait özelliklerin çoğunda mekânsal bağımlılığın orta ve yüksek derecede olduğu anlaşılmıştır. Toprağa ait özellikler arası ilişkiyi mekânsal error modellerinin genel olarak daha iyi ifade ettiği görülmüştür. pH ve B değişkenine ait anlamlı regresyon modeli oluşturulamamıştır. Ayrıca toprağın özelliklerine ait elde edilen kriging enterpolasyon haritalarının toprağın fiziki durumu ile yakından ilişkili olduğu sonucuna varılmıştır.
Özet (Çeviri)
Spatial analysis is about statistical methods which includes data depending on space. Spatial analysis became a very useful statistical method after having developments especially in geographic information systems (GIS), remote sensing and the result of the rapid developments in the field of statistics. The two most important application methods of spatial analysis are spatial regression analysis and geostatistical analysis. Tobler's (1970)“everything is related to everything else, but near ones are more related than distant ones”which is called“first law of geography”is understood as a law should not be ignored when doing statistical analysis of spatial data. When spatial data is being analyzed, classical statistical regression models were found to be insufficient to explain the desired change. Here's where the location is important, spatial regression and geostatistical models which take location into account are needed to describe the statistical changes on the location and its interaction with the observation in the geographical sense. Spatial regression and geostatistical models which can be applied to geography, cartography, biology, medicine, botany, ecology, biogeography, epidemiology, economics, urban planning, mining, crime analysis and many other areas became increasingly one of the most important research areas. In this study, in the Southeastern Anatolia Region, as part of“the Çamgazi Land Consolidation and TIGH (Developing Services In-Field) Project”area which covers 19 villages of the center town of Adıyaman as determined from the properties of the soil in the covering area of soil samples from 0-30 cm intervals; spatial dependence and spatial distribution patterns of particle size distribution (sand, silt and clay), saturation percentage, soil reaction (pH), soluble salts, electrical conductivity, CaCO3 content, exchangeable Ca+Mg and Na, and B contents were analyzed by using spatial regression and geostatistical methods. According to the research results; clay, silt, Ca + Mg, Na were found to have linear distribution, saturation, pH, EC, lime, clay and B were found to have exponential distribution. Spatial dependence of the variable with exponential distribution was found in the medium and high levels. Moreover, the results are indicated that if the distance between the sampling areas that have linear distribution are reduced, then the spatial dependence would be much higher. According to Moran I index results, the highest observed spatial dependence is for saturation, lime, sand and B. These results are consistent with the variogram results and coefficient of variation values. In general, most of the characteristics of the soil revealed that they have middle and a high degree of spatial dependence. The relationship between the properties of the soil were observed in general that is better be represented by the spatial error regression model. Meaningful regression model for pH and B variables could not be established. Also it has been concluded that obtained kriging interpolation maps for the soil's characteristics are closely related to the soil's physical conditions.
Benzer Tezler
- Context-aware remote sensing data processing for improvement of agricultural predictions
Bağlam farkındalıklı uzaktan algılama veri entegrasyonu ile tarımsal tahminlerin iyileştirilmesi
AYDA FITRIYE AKTAŞ
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- İstanbul 2023 yılı arazi örtüsü/kullanım tahmininin yapay sinir ağları ve mantıksal regresyon metotları ile modellenmesi
Modeling land use/cover prediction of istanbulfor 2023 with methods of artificial neuralnetworks and logistic regression
CEMRE FAZİLET ALDOĞAN
Yüksek Lisans
Türkçe
2019
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UĞUR ALGANCI
- Using spatial statistics techniques to determine the user profiles of social media
Sosyal medyada kullanıcı profillerinin belirlenmesinde konumsal istatistik tekniklerin kullanılması
İREM ERKUŞ
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. ARİF ÇAĞDAŞ AYDINOĞLU
- Bolu mıntıkasında orman yol şebeke ve nakliyat planlarının bilgisayar ortamında düzenlenmesi
Computer aided forest road network and transportation planning in Bolu region
MURAT DEMİR
Doktora
Türkçe
2002
Ormancılık ve Orman Mühendisliğiİstanbul ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
PROF.DR. TURGAY AYKUT
- Makine öğrenmesi metotları kullanılarak orman yangınlarının tahmini: Türkiye'de vaka çalışması
Prediction of forest fires using machine learning methodology: A case study in Türkiye
BETÜL ARSLAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA YILTAŞ KAPLAN