Ankara Orman Bölge Müdürlüğü Anadolu karaçamı meşcerelerinde artım ve büyümenin yapay sinir ağları ile modellenmesi
Modeling forest growth and yield in Anatolian black pine stands located Ankara Forest District Directorate by artificial neural network
- Tez No: 679641
- Danışmanlar: DOÇ. DR. ALKAN GÜNLÜ
- Tez Türü: Doktora
- Konular: Ormancılık ve Orman Mühendisliği, Forestry and Forest Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Orman Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 213
Özet
Bu çalışmada Ankara Orman Bölge Müdürlüğünde yayılış gösteren saf Anadolu karaçamı meşcerelerine ilişkin büyüme modellerinin geliştirilmesi amacıyla farklı yaş, sıklık ve bonitet sınıflarından olmak üzere toplam 180 örnek alanda envanter yapılmıştır. Ayrıca, tek ve çift girişli ağaç hacim denklemlerinin ve gövde çapı modellerinin geliştirilmesi amacıyla toplam 300 adet ağaç örneklenmiştir. Elde edilen verilerle (i) genelleştirilmiş çap-boy modelleri, (ii) parçalı gövde çapı modelleri, (iii) tek ve çift girişli ağaç hacim denklemleri, (iv) meşcere büyüme modelleri, (v) çap dağılım modelleri ve (vi) tek ağaç çap artım modeli geliştirilmiştir. Modelleme aşamasında hem regresyon hem de yapay sinir ağı teknikleri kullanılmıştır. Geliştirilen modellerin büyüme kanuniyetlerine uygunluğu araştırılmıştır. Ağaç boylarını tahmin etmek için geliştirilen regresyon (RM) ve bayesçi yapay sinir ağı modellerinin (BYSAM) düzeltilmiş belirtme katsayıları (Rdüz2) sırasıyla 0,82 ve 0,81'dir. Gövde çaplarını tahmin etmek için geliştirilen RM ve BYSAM'nin Rdüz2 değerleri sırasıyla 0,90 ve 0,89'dur. Ağaç hacimlerini tahmin etmek için geliştirilen tek ve girişli RM ve BYSAM'nin Rdüz2 değerleri 0,94 ve 0,90'dır. Çift girişli RM ve BYSAM'nin ise sırasıyla 0,99 ve 0,85'tir. Meşcere elemanlarını tahmin etmek için geliştirilen RM, orta çap, orta boy, göğüs yüzeyi, ağaç sayısı ve hacimdeki değişkenliğin sırasıyla %87, 89, 96, 83 ve 85'ni açıklamıştır. BYSAM ise sırasıyla %83, 88, 97, 77 ve 80'ni açıklamıştır. Çap artımını tahmin etmek için geliştirilen RM ve BYSAM eşit belirtme katsayısına sahiptir (Rdüz2=0,50). Çap dağılımlarını tahmin etmek için geliştirilen Weibull, Johnson SB ve BYSAM sırasıyla 139, 177 ve 66 örnek alanda uygun bulunmuştur. Büyüme kanuniyetleri bakımından hem RM hem de BYSAM anlamlı bulgulara sahiptir. BYSAM'nin büyüme kanuniyetlerine uygunluğu ağın öğrenme sürecini kontrol eden öğrenme oranı ve momentum terimi gibi hiperparametrelerin iyi bir şekilde belirlenmesine bağlıdır. Gereğince tasarlanmış bir yapay sinir ağı modeli iyi bir genelleştirme kabiliyetine sahip olabilmekte ve böylece aşırı uyum problemi göstermemektedir.
Özet (Çeviri)
In this study, the inventory studies are carried out in a total of 180 sample plots of different age, stand density, and site index classes to develop growth models for pure Anatolian black pine stands distributed in Ankara Regional Forest Directory. In addition, a total of 300 trees were sampled to develop single and double entry tree volume equations and taper models. With the data obtained, (i) generalized height-diameter models, (ii) segmented taper models, (iii) single and double entry tree volume equations, (iv) stand growth models, (v) diameter distribution models and (vi) single tree diameter increment model has been developed. Both regression and artificial neural network techniques were used in the modeling phase. The suitability of the developed models to growth laws has been investigated. Adjusted coefficients of determination (Radj2) of the regression (RM) and Bayesian neural network models (BYSAM) developed to estimate tree heights are 0.82 and 0.81, respectively. Radj2 values of RM and BYSAM, which were developed to estimate the bole diameters at the heights, are 0.90 and 0.89, respectively. Radj2 values of single-entry RM and BYSAM, which were developed to estimate tree volumes, are 0.94 and 0.90. The double-entry RM and BYSAM's are 0.99 and 0.85, respectively. RM that was developed to predict stand parameters explained 87, 89, 96, 83 and 85% of the variation in quadratic mean diameter, mean height, basal area, number of trees and volume, respectively while BYSAM accounted for 83, 88, 97, 77 and 80%, respectively. RM and BYSAM that were developed to estimate the diameter increment have the same Radj2 (0.50). Weibull, Johnson SB and BYSAM, which were developed to estimate the diameter distributions, were found suitable in 139, 177 and 66 sample plots, respectively. Both RM and BYSAM have significant findings in terms of their growth laws. The suitably of BYSAM to the growth laws depends on the determination of hyperparameters such as learning rate and momentum term that control the learning process of the network. A properly designed artificial neural network model can have a good generalization capability and thus does not have the overfitting problem.
Benzer Tezler
- İklim değişikliğinin Ankara orman bölge müdürlüğü sınırlarındaki bazı ağaç türlerinin yayılışına etkilerinin tahmini
Prediction of impacts of climate change on distribution of some tree species in the boundry of Ankara regional directorate of forestry
MEHMET ERGİN
Doktora
Türkçe
2022
Ormancılık ve Orman Mühendisliğiİstanbul Üniversitesi-CerrahpaşaOrman Mühendisliği Ana Bilim Dalı
PROF. DR. DOĞANAY TOLUNAY
- Ankara Orman Fidanlığı'nda zarar yapan böcekler
Damage created by the insect in AnkaraForest Nursery
CANAN TUNÇBİLEK
Yüksek Lisans
Türkçe
1996
Ormancılık ve Orman Mühendisliğiİstanbul ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
PROF. DR. ERDAL SELMİ
- Ankara Orman Bölge Müdürlüğü'ndeki genç doğal karaçam (pinus nigra) meşcerelerinde bitkisel kütle miktarlarının belirlenmesi
Determination biomass of yaung natural black pine (pinus nigra)stands in Regional Forest Directorate of Ankara
SEDA SARANAY
Yüksek Lisans
Türkçe
2017
Ormancılık ve Orman Mühendisliğiİstanbul ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET YEŞİL
PROF. DR. DOĞANAY TOLUNAY
- Ankara Orman Bölge Müdürlüğü fidanlıklarındaki biyotik ve abiyotik zararlılar
Biotic and abiotic damaging factors on the nurseries in Ankara forest conservancy
NURİ USLU
- Ankara Orman Bölge Müdürlüğü saf karaçam meşcerelerinde net birincil üretim ve yaprak alan indeksinin uzaktan algılama teknikleri ile modellenmesi
Modeling net primary productivity and leaf area index with remote sensing techniques in pure crimean pine stands in Ankara Regional Directorate of Forestry
SİNAN BULUT
Doktora
Türkçe
2021
Ormancılık ve Orman MühendisliğiÇankırı Karatekin ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALKAN GÜNLÜ
DOÇ. DR. ONUR ŞATIR