Veri analiz yöntemlerine dayalı olarak orman yangınlarının incelenmesi
Investigation of forest fires based on data analysis methods
- Tez No: 802376
- Danışmanlar: PROF. DR. ZAFER ASLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin Öğrenme, Makine Öğrenmesi, Orman Yangınları, MODIS, Deep Learning, Machine Learning, Forest Fires, MODIS
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 55
Özet
Bu araştırmanın temel amacı, Antalya ve Muğla illerinde 2020-2023 yılları arasında gerçekleşen yangınların enerji miktarını belirleyerek, yangınların şiddetini değerlendirmektir. Çalışmada, MODIS cihazlarıyla kaydedilen veriler kullanılmış olup, Terra ve Aqua EOS uyduları tarafından sağlanan MODIS verileri incelenmiştir. Antalya'da 1742 ve Muğla'da 597 yangın verisi kullanılmıştır. Yangınların çıkardığı enerji miktarını hesaplamak için, uydu görüntülerinden elde edilen parlaklık sıcaklığı ve sıcaklığa olan güven değerleri kullanılmıştır. Bu veriler kullanılarak, her bir yangın olayının toplam enerjisi kilowatt cinsinden hesaplanmıştır. Elde edilen enerji miktarları, yangının büyüklüğünü ve şiddetini yansıtmaktadır. Bu çalışmada, makine öğrenmesi yöntemlerinden Yapay Sinir Ağı (YSA), Destek Vektör Regresyonu (SVR) ve Doğrusal Regresyon (Liner) kullanılarak enerji miktarının tahmini yapılmıştır. SVR ve Liner modelleri üzerinde yapılan analizlerde, yangın şiddeti ile enerji miktarı arasında doğrusal bir ilişki tespit edilememiştir. Ancak, YSA modelinde verilerin normalize edilmesiyle düşük sıcaklıklı yangın olayları için başarılı sonuçlar elde edilmiştir. YSA modeli, düşük sıcaklıklar için daha iyi öğrenme yeteneği gösterir, bu da daha doğru tahminler yapabilmesine olanak sağlar, modelin düşük sıcaklıklar için daha iyi bir öğrenme yeteneğine sahip olduğunu ve bu nedenle daha doğru tahminler yapabildiğini işaret etmektedir. Yangınların enerji miktarını belirlemenin ve yangınların şiddetini analiz etmenin önemli bir adımı olarak değerlendirilebilir. Çalışmanın spesifik sonucu olarak, seçilen iki inceleme bölgesinde orman yangını olasılığının tahmini için en başarılı olan modeller saptanmıştır. Antalya'da ve Muğla'da YSA yöntemine dayalı tahmin çalışmalarının SVM ve LR modellerinden daha başarılı olduğu saptanmıştır. Elde edilen veriler, yangın kontrol ve yönetim stratejilerinin geliştirilmesine ve yangın riskinin azaltılmasına katkı sağlayabilir. SVR modelinin düşük sıcaklıklı yangınlar için daha iyi performans göstermesi, gelecekteki çalışmalarda daha fazla optimize edilmiş modellerin geliştirilebileceğini göstermektedir. Elde edilen bulgular, yangın yönetimi ve müdahale stratejilerinin geliştirilmesine katkı sağlayabilir ve gelecekteki yangın olaylarının etkilerini daha iyi anlamamıza yardımcı olabilir.
Özet (Çeviri)
The main objective of this research is to determine the energy released by wildfires in the provinces of Antalya and Muğla between 2020 and 2023, in order to assess the severity of the fires. The study utilizes data recorded by MODIS devices and examines MODIS data provided by the Terra and Aqua EOS satellites. A total of 1742 fire incidents in Antalya and 597 fire incidents in Muğla are used in the analysis. To calculate the energy released by the fires, brightness temperature and confidence values derived from satellite imagery are employed. Using this data, the total energy of each fire event is calculated in kilowatts. The obtained energy values reflect the size and intensity of the fires. In this study, machine learning methods such as Artificial Neural Network (ANN), Support Vector Regression (SVR), and Linear Regression (Liner) are employed to predict the energy released by the fires. The analysis conducted on SVR and Liner models did not reveal a linear relationship between fire intensity and energy released. However, the ANN model yielded successful results when the data was normalized, particularly for low-temperature fire incidents. The ANN model demonstrates better learning capabilities for low-temperature fires, enabling more accurate predictions. This suggests that the ANN model has better learning capabilities for low-temperature fires and, therefore, can make more accurate predictions. Determining the energy released by wildfires and analyzing their severity can be considered an important step. As a specific outcome of the study, the most successful models for predicting the probability of forest fires in the selected study areas are identified. It is determined that the ANN method-based prediction studies in Antalya and Muğla outperform the SVM and LR models. The obtained data can contribute to the development of fire control and management strategies and the reduction of fire risks. The better performance of the SVR model for low-temperature fires indicates the potential for developing more optimized models in future research. The findings can contribute to the improvement of fire management and intervention strategies and help us better understand the impacts of future fire incidents.
Benzer Tezler
- Satellite images super resolution using generative adversarial networks
Uydu görüntülerinde çekişmeli üretici ağ kullanarak süper çözünürlük
MARYAM SERDAR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. AHMET HAMDİ KAYRAN
- Aircraft detection from large scale remote sensing images with deep learning techniques
Büyük ölçekli uzaktan algılama görüntülerinden derin öğrenme teknikleriyle uçak tespiti
MEHMET SOYDAŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Comprehensive risk mapping and fire station optimization for forest fire management: An application in Antalya
Orman yangını yönetimi için kapsamlı risk haritalama ve yangın istasyonu optimizasyonu: Antalya uygulaması
ZÜHAL ÖZCAN YAVUZ
Doktora
İngilizce
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGÜR KABAK
DR. ÖĞR. ÜYESİ İNCİ ÇAĞLAYAN
- Augmented superpixel based anomaly detection in hyperspectral imagery
Hiperspektral görüntülerde genişletilmiş süperpiksel tabanlı anomali tespiti
EZGİ GÖKDEMİR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- 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