Coğrafi bilgi sistemleri ortamında makine öğrenmesi ve istatistiksel yöntemler kullanılarak heyelan duyarlılık haritalarının üretilmesi: Rize Taşlıdere havzası örneği
Mapping landslide susceptibility by using machine learning and statistical methods in geographical information systems environment: Rize Taşlidere basin sample
- Tez No: 604517
- Danışmanlar: PROF. DR. ARİF ÇAĞDAŞ AYDINOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Gebze Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Jeodezi ve Coğrafi Bilgi Teknolojileri Bilim Dalı
- Sayfa Sayısı: 102
Özet
Bu çalışmada Rize ili Taşlıdere havzası içerisinde sığ heyelanlara ilişkin heyelan duyarlılık analizinin gerçekleştirilmesi amaçlanmıştır. Bu amaçla; yapay sinir ağları modeli kullanılarak heyelan duyarlılık analizi ve modelin havzadaki performansı değerlendirilmiştir. Buna göre; drenaj alanı içerisinde yapılan araştırmalar 4 aşamada gerçekleştirilmiştir: (i) Öncelikle konuya ilişkin ulusal ve uluslararası literatür değerlendirilmiştir ve çalışma sahasının genel özellikleri incelenmiştir; (ii) Havzaya ait sığ heyelan envanterinin oluşturulmasına yönelik ayrıntılı araştırmalar yürütülmüştür; (iii) YSA analizi için uygun parametre kestirimi gerçekleştirilmiş ve daha sonra analiz yapılmıştır; (iv) Elde edilen duyarlılık haritasının performans değerlendirmesi yapılmıştır. Heyelan duyarlılık haritasının üretilmesinde girdi parametre olarak, heyelan oluşumunda etkili olduğu arazi çalışmaları sırasında gözlenen 15 parametre kullanılmıştır. Bu parametreler; arazi kullanımı, litoloji, yükselti, eğim, bakı, pürüzlülük, plan eğriselliği, profil eğriselliği, pürüzlülük indeksi, akarsu aşındırma gücü indeksi, topoğrafik nemlilik indeksi, LS faktörü, drenaj yoğunluğu, drenaja olan mesafe, yol yoğunluğu, yola olan mesafedir. Heyelan duyarlılık haritası, sayısallaştırılan envanter haritası ve girdi parametreler kullanılarak, Frekans Oranı (FO), Lojistik Regresyon (LR) ve Yapay Sinir Ağları (YSA) yöntemleri ile üretilmiştir. Üretilen harita, çok düşük, düşük, orta, yüksek ve çok yüksek olmak üzere 5 duyarlılık sınıfına ayrılmıştır. Üretilen duyarlılık haritasının performans değerlendirmesinde ROC (Relative Operating Curve) eğrisi altında kalan alan olan AUC (Area of Under the Curve) kullanılmış ve AUC değeri FO 0,72, LR 0.83, YSA 0.87 olarak elde edilmiştir.
Özet (Çeviri)
In this study, landslide susceptibility analysis of shallow landslides was aimed to be carried out in Rize Province Taşlıdere basin. For this purpose; an artificial neural network model was used to evaluate landslide susceptibility analysis and model performance in the basin. According to this; research in the drainage area was carried out in 4 stages: (i) Firstly, the national and international literature on the subject was evaluated and the general characteristics of the field of study were examined; (ii) Detailed investigations were conducted to establish an inventory of shallow landslides in the basin; (iii) the appropriate parameter estimate for the YSA analysis was performed and then analyzed; (iv) Performance evaluation of the obtained sensitivity map was performed.In the production of the landslide susceptibility map, 15 parameters observed during field studies were used as input parameters in landslide formation. These parameters are; land use, lithology, elevation, slope, aspect, roughness, plan curvature, profile curvature, SPI, TWI, LS factor, drainage density, drainage distance, road density, road distance. Landslide susceptibility map was produced by Frequency Ratio (FR), Logistic Regression (LR) and Artificial Neural Networks (ANN) method using digitized inventory map and input parameters. The generated map is divided into 5 susceptibility classes: very low, low, medium, high and very high. In the performance evaluation of the generated susceptibility map, AUC (Area of Under the Curve), which is the area under the ROC (Relative Operating Curve) curve, was used and the AUC value was found as FR 0,72, LR 0,83, ANN 0,87.
Benzer Tezler
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Derna eski kentinde, libya'da kentsel tasarım ve peyzaj mimarlığı kriterlerine göre yer ve iklim ile doğal ve kültürel değerler için kentsel senaryoların tasarımı
Urban scenario design for natural and cultural values based on urban design and landscape architecture criteria in relation to place and climate in the historic city of derna, libya
HAFITH MOHAMMED SULAYMAN ALMANSOURI
Doktora
Türkçe
2025
MimarlıkKastamonu ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
PROF. DR. MEHMET ÇETİN
- Hiperspektral veriler kullanılarak satsuma mandarininde mevsimsel klorofil değişiminin kısmi en küçük kareler regresyonu (PLSR) makine öğrenme algoritması ile modellenmesi
Modeling seasonal chlorophyll change in satsuma mandarin using hyperspectral data with partial least squares regression (PLSR) machine learning algorithm
DİLARA AYDUS SARI
Yüksek Lisans
Türkçe
2025
Mühendislik BilimleriAkdeniz ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
PROF. DR. SAHRİYE SÖNMEZ
- Coğrafi bilgi sistemleri ve yapay zeka entegrasyonu ile altyapı karar destek sistemi geliştirilmesi
Development of an infrastructure decision supportsystem through the integration of geographicinformation systems and artifical intellegence
İREM DİLARA MOLLAOĞLU
Yüksek Lisans
Türkçe
2025
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. NURSU TUNALIOĞLU ÖCALAN
- Makine öğrenmesi teknikleri kullanılarak heyelan duyarlılık haritalarının üretilmesi: İnegöl (Bursa) örneği
Productıon of landslıde susceptıbılıty maps usıng machıne learnıng technıques: İnegöl (Bursa) example
ELİF GÜLER
Yüksek Lisans
Türkçe
2025
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. CEVDET COŞKUN AYDIN