Orman sağlığının Google Earth Engine ile izlenmesi
Monitoring forest health with Google Earth Engine
- Tez No: 787344
- Danışmanlar: DR. ÖĞR. ÜYESİ ESRA TUNÇ GÖRMÜŞ
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Bitki örtüsü, Bulut bilişim, Destek eğitim öğretmenleri, Destek vektör makineleri, Google Earth, Ormanlar, Sınıflandırma, Zaman serileri analizi, Vegetation, Cloud computing, Resource-room teacher, Support vector machines, Google Earth, Forests, Classification, Time series analysis
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, Kütahya-Domaniç, Bursa-İnegöl il sınırında yer alan Tahtaköprü mevkiinde bulunan kızıl kuyruklu kayın tırtılından (Calliteara Pudibunda) etkilenmiş olan ormanlık alanın Sentinel-2A ve Landsat-8 uydularına ait uydu görüntüleri ile bitkisel indeksler kullanılarak orman sağlığının bulut tabanlı platformda izlenmesini anlatan yüksek lisans tez çalışmasıdır. Orman sağlığı, Sentinel-2A ve Landsat-8 uydu görüntüleri üzerinden bitki indeksleri, kontrollü sınıflandırma ve makine öğrenmesi sınıflandırması yöntemleri kullanılarak izlenmeye çalışılmıştır. Çok sayıda bitki indeksi bulunmakta olup bu çalışmada NDVI, EVI, SAVI, RVI, TVI, NPCRI, GNDVI, NDWI ve RDI indeksleri kullanılmıştır.. Ayrıca kontrollü sınıflandırma yöntemlerinden nesne tabanlı ve piksel tabanlı sınıflandırma teknikleri, makine öğrenmesi sınıflandırmasından rastgele orman algoritması (RO) ve destek vektör makineleri(DVM) yöntemleri sonuç değerlendirme aşamasında kullanılmıştır. Bütün görüntü işleme, analiz, maskeleme ve görselleştirme işlemleri Google Earth Engine (GEE) bulut tabanlı platformunda gerçekleştirilmiştir. Çalışma alanı için kullanılan bitki indekslerinin zaman serileriyle izlenmesi sayesinde kızılkuyruklu kayın tırtılından etkilenen alanlar dönemsel olarak tespit edilmiştir. Tespit edilen hasarlı alanlar iki farklı uydu verisi kullanılarak kontrollü sınıflandırma ve makine öğrenmesi sınıflandırma yöntemleri ile sınıflandırılmış ve sonuçlar karşılaştırılmıştır. Karşılaştırma sonucunda piksel tabanlı DVM sınıflandırmasının Sentinel-2A uydu verileri için, nesne tabanlı RO sınıflandırmasının da Sentinel-2A uydu verileri için daha iyi sonuç verdiği tespit edilmiştir. Bu sayede, Sentinel-2A görüntüleri kullanılarak, piksel tabanlı DVM sınıflandırması ve nesne tabanlı RO sınıflandırması ile orman sağlığının başarılı bir şekilde izlenebileceği görülmüştür.
Özet (Çeviri)
This study aims to monitor forest health on a cloud-based platform by using satellite images of Sentinel-2A, Landsat-8 satellites and vegetative indexes of the forest area affected by the red-tailed beech caterpillar (Calliteara Pudibunda) in Tahtaköprü locality, located on the provincial border of Kütahya-Domaniç, Bursa-İnegöl. It is a master's thesis. Forest health was tried to be monitored by using plant indices, controlled classification and machine learning classification methods on Sentinel-2A and Landsat-8 satellite images. There are numerous plant indices and NDVI, EVI, SAVI, RVI, TVI, NPCRI, GNDVI, NDWI and RDI indices were preferred in the studies. In addition, object-based and pixel-based classification techniques from controlled classification methods, random forest algorithm (RO) and support vector machines (SVM) methods from machine learning classification were used. All image processing, analysis, masking and visualization were performed on the Google Earth Engine (GEE) cloud-based platform. By monitoring the plant indices used for the study area with time series, the areas affected by the red-tailed beech caterpillar (Calliteara Pudibunda) were determined periodically. Detected damaged areas were classified by controlled classification and machine learning classification methods using two different satellite data and the results were compared. As a result of the comparison, it was determined that pixel-based SVM classification gave better results for Sentinel-2A satellite data, and object-based RO classification gave better results for Sentinel-2A satellite data. In this way, it has been seen that forest health can be successfully monitored with pixel-based SVM classification and object-based RO classification using Sentinel-2A images.
Benzer Tezler
- Assessing soil quality using environmental indices via Google Earth engine machine learning in Jordan: The K-means clustering approach
Google Earth engine makine öğrenimi yoluyla çevresel indeksler kullanılarak Ürdün'de toprak kalitesinin değerlendirilmesi: K-means kümeleme yaklaşımı
MOHAMMAD OMAR FALAH ALSAAIDEH
- Doğuştan kalça çıkıklı hastalarda kalça patolojilerinin bilgisayarlı tomografi ile değerlendirilmesi
Başlık çevirisi yok
NECDET ŞÜKRÜ ALTUN
Tıpta Uzmanlık
Türkçe
1987
Ortopedi ve TravmatolojiGazi ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF.DR. ORHAN ASLANOĞLU
- Ege bölgesi keçi liflerinin bazı önemli fiziksel, kimyasal özellikleri ve değerlendirme imkanları
Başlık çevirisi yok
NİLÜFER ERDEM
Doktora
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLSEREN YAZICIOĞLU
- Yenileme yatırımları
Başlık çevirisi yok
OSMAN NURİ FİLİZ
Yüksek Lisans
Türkçe
1986
İşletmeGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN OKKA
- Gazi tipi eksternal fiksatörlerle yapılan uygulamalarda kırık hattındaki kompresyonun biyomekanik olarak“strain gage”lerle tayini
Başlık çevirisi yok
HÜSEYİN ŞENGÜL
Tıpta Uzmanlık
Türkçe
1987
Ortopedi ve TravmatolojiGazi ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF. DR. ORHAN ASLANOĞLU
