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: Belirtilmemiş.
- 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: 55
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
- Uzaktan algılama verileri ile taşkın alanlarının izlenmesi ve analizi
Monitoring and analysis of flood areas with remote sensing data
RABİA EZGİ TEKİN ELMAS
Yüksek Lisans
Türkçe
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİLİZ BEKTAŞ BALÇIK
- Identification of tea plantation areas using Google cloud based random forest and deep learning
Google bulut servise dayalı rastgele orman ve derin öğrenme ile çay tarım alanlarının belirlenmesi
BERKAY ÖZEN
Yüksek Lisans
İngilizce
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN
- Uzaktan algılamada farklı orman türlerinin sınıflandırılmasının Google Earth Engine kullanılarak incelenmesi
Remote sensing for classification of different forest types in Google Earth Engine
ÖZGEHAN ER
Yüksek Lisans
Türkçe
2024
Jeodezi ve FotogrametriEskişehir Teknik ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. GORDANA KAPLAN
- Yakın yer uydu yörüngelerinin hassas nokta konumlama (PPP) tekniği ile belirlenmesi
Orbit determination of low earth orbit satellites using precise point positioning (PPP)
CAFER İLKER ÜSTÜNER
Yüksek Lisans
Türkçe
2019
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERDAR EROL
- Antalya ili Aksu ilçesi sınırları içerisinde arazi kullanımı/arazi örtüsünün belirlenmesi ve ürün deseninde yer alan çok yıllık meyve ağaçlarının SAR (Yapay Açıklıklı Radar) verileri ile izlenmesi
Land use/land cover change detection and crop monitoringof citrus orchards with SAR images in Antalya-Aksu
IŞIN ONUR
Doktora
Türkçe
2021
Astronomi ve Uzay BilimleriAkdeniz ÜniversitesiUzay Bilimleri ve Teknolojisi Ana Bilim Dalı
PROF. DR. NAMIK KEMAL SÖNMEZ