Uzaktan algılama verilerine fonksiyonel veri analizi yaklaşımının uygulanması
A functional data analysis approach to remote sensing data
- Tez No: 449303
- Danışmanlar: PROF. DR. GÜLAY BAŞARIR, DOÇ. DR. PEDRO DELICADO
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Mimar Sinan Güzel Sanatlar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 130
Özet
Son zamanlarda modern bilimin gelişmesi ve özellikle de verilerin sürekli zamanda ölçülme eğiliminin artmasıyla Fonksiyonel Veri Analizi (FVA) istatistikte önem kazanmıştır. Klasik istatistikte vektör uzayları üzerinde tanımlanan diskriminant analizi, temel bileşenler analizi, regresyon analizi gibi sınıflama, boyut indirgeme ve modelleme amaçlarıyla kullanılan pek çok yöntem fonksiyonel duruma uyarlanmıştır. FVA, bir süreklilik üzerinde tanımlanan ya da sürekli yapıya sahip olan değişkenlerin analizi ile ilgilenir. Bu nedenle, FVA kemometri, tıp ve çevrebilim gibi alanlarda bir spektrum üzerinde tanımlanan ya da görüntü olarak kaydedilen verilerin analizinde önemli yere sahiptir. Özellikle çevrebilimde, uydulardan elde edilen görüntü verilerinin analiz edilmesi karada toprak kullanımı, sudaki kirlilik ya da mineral oranı gibi pek çok konuda daha ucuz ve hızlı bir şekilde bilgi sahibi olmamızı sağlar. Bu çalışmanın amacı, FVA yaklaşımını önermek, Fonksiyonel Doğrusal Regresyon Modellerini (FDRM) uzaktan algılama verileri üzerinde İspanya'nın Cadiz bölgesinde bulunan Guadalquivir nehir ağzında biriken katı madde oranının tahmin edilmesi için uygulamak ve çeşitli FDRM ile klasik istatistiksel modellerden elde edilen sonuçları uygulamalı olarak karşılaştırmaktır. Ayrıca, uygulama sonuçlarının desteklenmesi amacıyla bir simülasyon çalışması tasarlamak ve bu şekilde en iyi tahmin performansını gösteren modelleri belirlemek amaçlanmaktadır. Bu amaç doğrultusunda çalışmanın izleyen bölümünde, fonksiyonel veri analizi konusunda literatür taraması yapılarak bu alandaki çalışmalardan bahsedilmiştir. İkinci bölümde, fonksiyonel veri analizi genel çerçevesi ile açıklanmış, fonksiyonel değişkenler için betimsel istatistiklerin hesabı ve keşifsel veri analizi konularına değinilerek kesikli bir değişkeni fonksiyonel değişkene dönüştürmek için kullanılabilecek yöntemler tanıtılmıştır. Üçüncü bölümde, önemli bir boyut indirgeme yöntemi olan temel bileşenler analizinin çok değişkenli analizden fonksiyonel veri analizine uyarlanması ve teorik alt yapısı ele alınmıştır. Dördüncü bölümde, yanıt değişkenin skaler olduğu durumda kullanılabilecek FDRM kapsamlı olarak açıklanmıştır. Beşinci bölümde, uygulamada kullanılan uydu verilerinin ve skaler yanıt vektörünü oluşturan katı madde oranı değerlerinin nasıl elde edildiği anlatılmış, katı madde oranının uydu verilerinden tahmin edilmesi için bazı klasik istatistiksel yöntemler ve fonksiyonel yöntemler kullanılarak elde edilen sonuçlar karşılaştırılmıştır. Altıncı bölümde, uygulamadan elde edilen sonuçların desteklenmesi ve kullanılan fonksiyonel modellerin tahmin performansının karşılaştırılabilmesi için tasarlanan simülasyon çalışması anlatılmış ve sonuçları verilmiştir. Çalışmanın son bölümünde ise elde edilen sonuçlar genel olarak yorumlanmış, literatürde yapılan çalışmalarla karşılaştırılmış ve ileriye yönelik önerilerde bulunulmuştur.
Özet (Çeviri)
Functional Data Analysis (FDA) is a statistical field which has gained importance due to the progress in modern science, mainly in the ability to measure in continous time results of an experiment and the possibility to record them. Many methods such as discriminant analysis, principal components analysis and regression analysis that are used on vector spaces for classification, dimension reduction and modelling have been adapted to the functional case. FDA is concerned on variables that are defined on a continuum or that have continous structure. Therefore, FDA has an important role in the analysis of spectral data sets and images that are mostly recorded in the fields of chemometry, medicine and ecology. Especially in ecology, the analysis of images that are recorded in satellite sensors inform us in a fast and economical way about the use of land, the crop production in land, the water pollution and the amount of minerals include the water. The aim of this study is to propose the use of FDA approach and to predict the amount of Total Suspended Solids (TSS) in the estuary of Guadalquivir river in Cadiz on remote sensing data by using different Functional Linear Regression Models (FLRM). Besides, it is purposed to compare the results obtained from various FLRMs and classical statistical methods practically, to design a simulation study in order to support findings and to determine the best prediction model. In accordance with this purpose, the following chapter reviews the studies on this area and the literature on FDA. In the second chapter, the general framework of FDA is explained, descriptive statistics and exploratory data analysis for functional variables are handled and the methods which can be used to convert a discrete variable to a functional variable are presented. In the third chapter, the theoretical background of the extension of principal component analysis from multivariate case to the functional case is explained. In the fourth chapter, FLRM for the case of scalar response is explained comprehensively. In the fifth chapter, the acquisition of the satellite images and in-situ data are explained in detail. In order to estimate the amount of TSS on satellite data, some classical statistical models and functional models are used and their results are compared. In the sixth chapter, a simulation study is designed to support findings and to measure the performance of the FLRMs and later its results are presented. As to final chapter, the results obtained are discussed and compared to the results of the studies in the literature and prospective suggestions are made.
Benzer Tezler
- A functional data analysis approach to remote sensing data
Uzaktan algılama verilerine fonksiyonel veri analizi yaklaşımının uygulanması
NİHAN ACAR DENİZLİ
Doktora
İngilizce
2016
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. GÜLAY BAŞARIR
DOÇ. DR. PEDRO DELICADO
- Compressed sensing based 3D image reconstruction in digital breast tomosynthesis and micro-bioimaging
Sayısal meme tomosentezinde ve mikro biyogörüntülemede sıkıştırılmış algılama tabanlı 3B görüntü geri çatma
ADEM POLAT
Doktora
İngilizce
2018
Bilim ve Teknolojiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- Monitoring tropospheric water vapor variations with ppp during severe weather
Troposferik su buharı değişimlerinin ppp ile kötü hava koşullarında izlenmesi
ENGİN TUNALI
Doktora
İngilizce
2018
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA TEVFİK ÖZLÜDEMİR
- Self-supervised pansharpening: Guided colorization of panchromatic images using generative adversarial networks
Öz-denetimli pankeskinleştirme: Çekişmeli üretken ağlar ile pankromatik görüntülerin güdümlü renklendirilmesi
FURKAN ÖZÇELİK
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖZDE ÜNAL
- Aiding agricultural practices with the exploration of earth observation data via machine learning
Yer gözlem uydu verilerinin tarımsal uygulamalara yardımcı olmak amacıya makine öğrenme algoritmaları ile incelenmesi
MEHMET FURKAN ÇELİK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ESRA ERTEN