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
- Uzaktan algılama ve makine öğrenmesi etkileşimi ile bor maden sahalarının araştırılması
Exploration of boron mine sites with remote sensing and machine learning interaction
ENDER KELLECİ
Doktora
Türkçe
2024
Mühendislik BilimleriEskişehir Teknik ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN UYGUÇGİL
- Coğrafi bilgi sistemleri entegreli makine öğrenmesine dayalı toplu taşınmaz değerleme modelinin geliştirilmesi
Development of mass property valuation model based on geographic information systems integrated machine learning methods
MUHAMMED OĞUZHAN METE
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. TAHSİN YOMRALIOĞLU
- Emlak vergisi için CBS ve makine öğrenmesi teknikleri kullanılarak toplu taşınmaz değerleme modeli tasarımı
Designing a mass real estate valuation model using GIS and machine learning techniques for property taxation
HALUK GÜL
Yüksek Lisans
Türkçe
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MAHMUT OĞUZ SELBESOĞLU
- DSSAT bitki simülasyon modeli ve uzaktan algılama verilerinden elde edilen indisler kullanılarak buğday verim tahmini: İslahiye ve Nurdağı örneği
Wheat yield estimation using DSSAT crop simulation model and indices obtained from remote sensing: Islahiye and Nurdagi case
ÖMER VANLI
Doktora
Türkçe
2019
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. BURAK BERK ÜSTÜNDAĞ