The role of sentinel-1 and sentinel-2 data for observing wildfires
Orman yangınlarının sentinel-1 ve sentinel-2 verileri ile izlenmesi
- Tez No: 771627
- Danışmanlar: PROF. DR. FUSUN BALIK ŞANLI
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Derin öğrenme, Orman yangınları, Sentetik açıklık radarı, Deep learning, Forest fires, Synthetic aperture radar
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Orman yangınları en yıkıcı doğal afetlerden biridir. Orman yangınlarının insan nüfusu, yaban hayat, çevre, hava kirliliği, ormansızlaşma, ekonomi ve iklim değişikliği üzerinde çok önemli ve geniş etkileri vardır. Bu nedenle, orman yangınlarının tespiti ve haritalanması, afetlere erken müdahale ve gelecekteki yangınların tahmin edilmesi için çok önemlidir. Uydu görüntüleri, yerleşimin olmadığı bölgelerde bile orman yangınlarını tespit etmek ve yangın boyutu ve etkisinin neredeyse gerçek zamanlı olarak doğru ve adil bir değerlendirmesini yapmak için en kullanışlı araçlardan birini sunar. Son yıllarda derin öğrenme yöntemleri, öznitelikleri otomatik olarak çıkarabilmeleri nedeniyle uzaktan algılama görüntü analizinde sıklıkla kullanılmaktadır. Tezin amacı, aktif yangın, yangından etkilenmemiş alan ve yanmış orman alanlarını tespit etmek için farklı derinliklere sahip derin öğrenme ağlarını kullanmaktır. Bu amaçla Kaliforniya'nın Plumas Ulusal Ormanı, Lassen Ulusal Ormanı, Lassen Volkanik Ulusal Parkı, Butte, Plumas, Shasta, Lassen ve Tehama ilçelerinde meydana gelen ve Kaliforniya'da meydana gelen en büyük ikinci orman yangını olan Dixie yangını incelenmiştir. Sentinel-2 görüntüleri kullanılarak manuel olarak etiketlenmiş bir veri seti oluşturuldu. Aktif yangın, yangından etkilenmemiş alan ve yanmış alanları tespit etmek için VGG16, VGG19, Xception, ResNet101, ResNet152, MobileNet, Inceptionv3, DenseNet121 DenseNet169 ve DenseNet201 derin öğrenme modelleri kullanıldı. Sonuç olarak,10 farklı derin öğrenme modeli arasında Xception %98'lik doğrulukla diğer modellerden başarılı oldu.
Özet (Çeviri)
Wildfires are one of the most destructive natural disasters. The effects of wildfires on human populations, wildlife, the environment, air pollution, deforestation, the economy, and climate change are significant. Therefore, wildfire detection and mapping are essential for both early disaster response and fire forecasting. One of the most effective methods for detecting wildfires even in unsettled areas is satellite imagery, which also provides accurate and fair assessments of the fire size and effects of fires in near real-time. In recent years deep learning methods have been used frequently in remote sensing image analysis due to their ability to automatically extract features. The objective of the thesis is to use deep learning networks with different depths and different link transfer strategies to detect active-fire, no-fire, and burnt forest areas. For this purpose, Dixie fire, the second biggest wildfire that took place in the Plumas National Forest, Lassen National Forest, Lassen Volcanic National Park, Butte, Plumas, Shasta, Lassen, and Tehama counties in California was investigated. A manually labeled dataset was generated using Sentinel-2 images. VGG16, VGG19, Xception, ResNet101, ResNet152, MobileNet, Inceptionv3, DenseNet121 DenseNet169, and DenseNet201 deep learning architectures were used to detect fire, no-fire, and burnt areas. As a result, among the 10 different deep neural network architectures, Xception outperformed with an accuracy of 98%.
Benzer Tezler
- Effect of digital elevation model accuracy on the geolocation accuracy of orthorectified sentinel-1 imagery
Ortorektifiye edilmiş sentinel-1 görüntülerinin konumsal doğruluğuna dijital yükseklik modeli doğruluğunun etkisi
SENA OĞUZHANOĞLU
Yüksek Lisans
İngilizce
2025
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE FİLİZ SUNAR
- Meme kanserinde erken tanı, tedavi, prognoz ve aksiller metastazda lncRNA ve miRNA rolü
The role of lncRNA and miRNA in early diagnosis, treatment, prognosis and axillary metastasis in breast cancer
TAHA YASİN BARAN
Tıpta Uzmanlık
Türkçe
2023
Tıbbi BiyolojiPamukkale ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DOÇ. DR. SEVDA YILMAZ
- Deep learning and remote sensing techniques for wildfire detectionusing uni-temporal sentinel-2 satellite imagery
Başlık çevirisi yok
ALI MAHDI AL-DABBAGH
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMAD ILYAS
- Meme kanserli hastalarda izosulfan blue enjeksiyonu sonrası sentinel lenf nodunun bulunmasında masaj gerekli midir?
Is massage necessary for the detection of the sentinel lymph node after isosulfan blue injection in breast cancer patients?
SEZGİ EREL
Tıpta Uzmanlık
Türkçe
2023
Genel CerrahiManisa Celal Bayar ÜniversitesiGenel Cerrahi Ana Bilim Dalı
PROF. DR. TEOMAN COŞKUN
- Assessment of the land and sea interaction by using different types of satellite data
Farklı özellikteki uydu verileri ile kara-deniz etkileşiminin belirlenmesi
AYLİN TUZCU KOKAL
Doktora
İngilizce
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU