Işık kirliliği haritası npp vıırs dnb bandı ve yapay sinir ağları kullanılarak şehirleşmenin belirlenmesi
Light pollution map identification of urbanization using npp viirs dnb band and artificial neural networks
- Tez No: 696193
- Danışmanlar: DOÇ. DR. NAZIM AKSAKER
- Tez Türü: Yüksek Lisans
- Konular: Coğrafya, Geography
- Anahtar Kelimeler: Uzaktan Algılama, CBS, Görüntü İşleme, Yapay Zekâ, Yapay Sinir Ağları, Şehir Alanı Belirlenmesi, Uydu Verileri, Remote Sensing, GIS, Image Processing, Artificial Intelligence, Artificial Neural Networks, City Area Determination, Satellite Data
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada Visible Infrared Imaging Radiometer Suite (VIIRS) uydusunun day/night (DNB) bandı, MODIS Normalized Difference Vegetation Index'i (NDVI) ve yapay sinir ağları (ANN) kullanılarak nüfuslarına göre seçilen 10 şehrin (İstanbul, Adana, Ankara, Mersin, Antalya, İzmir, Bursa, Gaziantep, Şanlıurfa ve Konya) gelişim haritaları üretilmesi amaçlanmıştır. Bu amaçla VIIRS DNB ve MODIS NDVI için 2012 yılı Haziran ayı görüntüleri ve YSA sonucu çıkan haritalarla karşılaştırma yapabilmek için COPERNICUS URBAN ATLAS 2012 yılı verileri kullanılmıştır. DNB ve NDVI görüntü değerleri kullanılarak Vegetation Adjusted NTL Urban Index (VANUI) hesaplanmış ve VANUI haritası üretilmiştir. YSA modeli oluşturulma aşamasında girdi verisi olarak VIIRS DNB, MODIS NDVI ve VANUI, çıktı verisi olarak referans veri (DNB>40 ve NDVI<0.4) ve aktivasyon fonksiyonu olarak Sigmoid fonksiyonu kullanılmıştır. YSA modeli çalıştırıldığında başarı oranının %99.8 olduğu hesaplanmıştır. 10 il için oluşturulan gelişim haritalarının başarısı 2012 yılı için %84 ve 2019 yılı için %90 olarak ölçülmüştür. 2012 yılı tahmin görüntüleri ile COOPERNICUS verileri karşılaştırıldığında 10 il için ortalama %9'luk bir fark olduğu hesaplanmıştır. Bu farkın COOPERNICUS verilerindeki sınıflandırma farklarından kaynaklandığı görülmüştür. YSA sonucunda 2012-2019 arasında şehir haritaları 10 il için ortalaması nüfus ile orantılı olarak %13'lük bir artış belirlenmiştir. Nüfus ile şehir alanı arasındaki ilişkinin (R2 = 0.95) doğru orantılı olduğu görülmüştür. Çalışma sonucunda şehir alanı haritaları oluşturmak için ışık kirliliği haritaları ile yapay sinir ağları algoritmasının kullanılabileceği tespit edilmiştir.
Özet (Çeviri)
In this study, It has been aimed to produce ten citities (İstanbul, Adana, Ankara, Mersin, Antalya, İzmir, Bursa, Gaziantep, Şanlıurfa ve Konya) development maps that selected according to their population status by using the day/night (DNB) band of Visible Infrared Imaging Radiometer Suite satellite(VIIRS), MODIS multispectral image Normalized Difference Vegetation Index (NDVI) and Artificial Neural Networks (ANN). For this purpose, COPERNICUS URBAN ATLAS 2012 of year data and images of June 2012 for VIIRS DNB and MODIS NDVI has been used in order to be able to compare with the maps obtained as a result of ANN. Vegetation Adjusted NTL Urban Index (VANUI) has been calculated using DNB and NDVI image values and VANUI map has been produced. While creating the ANN model, VIIRS DNB, MODIS NDVI and VANUI as input data; reference data as output data(DNB>40 and NDVI<0.4);and sigmoid function as activation function has been used. When the ANN model was run, the success rate has been calculated to be 99.8%. The success of the development maps created for 10 city has been measured as 84% for 2012 and 90% for 2019. When the 2012 forecast images and COPERNICUS data are compared, it has been calculated that there is an average difference of 9% for 10 city. It has been seen that this difference was due to the classification differences in the COOPERNICUS data. As a result of ANN, city maps increased by 13% proportionally to the average population of 10 city between 2012 and 2019. It has been seen that the relationship between population and city area (R2 = 0.95) was directly proportional. As a result of the study, it has been detected that light pollution maps and artificial neural networks algorithm can be used so as to create city area maps.
Benzer Tezler
- Işık kirliliği açısından kent aydınlatması ve Taksim Meydanı örneği
City lighting with regard to light pollution and Taksim Square as an example
HİLAL DOKUZCAN
- Karaman ışık kirliliği ölçümü ve haritalanması
Measurement and mapping of Karaman light pollution
KADİR YETİŞ
Yüksek Lisans
Türkçe
2019
Astronomi ve Uzay BilimleriKaramanoğlu Mehmetbey ÜniversitesiFen Bilimleri ve Teknolojileri Ana Bilim Dalı
DOÇ. DR. MURAT YILDIZ
- Mersin ili Silifke ilçesi ışık kirliliği ölçümü ve haritalandırılması
Light pollution measurement and mapping in Silifke district of Mersin province
UĞUR ÖKSÜZ
Yüksek Lisans
Türkçe
2025
Astronomi ve Uzay BilimleriKaramanoğlu Mehmetbey ÜniversitesiFen Bilimleri ve Teknolojileri Ana Bilim Dalı
PROF. DR. MURAT YILDIZ
- Gökyüzü parlaklığı ölçümü ve ışık kirliliği haritalaması: Malatya örnek uygulaması
Sky brightness measurement and light pollution mapping: A case study in Malatya
ABDULVAHAP YILMAZ
Doktora
Türkçe
2022
Fizik ve Fizik Mühendisliğiİnönü ÜniversitesiFizik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUNCAY ÖZDEMİR
- Kentsel gelişim modeli ve VIIRS-DNB uydu verileri ile dünya astronomi sitelerinin ışık kirliliği analizi ve gelecek tahmini
Light pollution analysis and future prediction of world astronomy sites with urban development model and VIIRS-DNB satellite data
ZÜHAL KURT
Doktora
Türkçe
2025
CoğrafyaÇukurova ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
PROF. DR. NAZIM AKSAKER