Orman ekosistemlerindeki biyotik ve abiyotik zararların otomatik makine öğrenmesi ile modellenmesi: İzmir Orman Bölge Müdürlüğü örneği
Modelling of biotic and abiotic disturbances in forest ecosystems with automated machine learning: The case of İzmir Forest Regional Directorate
- Tez No: 840592
- Danışmanlar: DR. ÖĞR. ÜYESİ REMZİ EKER
- Tez Türü: Yüksek Lisans
- Konular: Ormancılık ve Orman Mühendisliği, Forestry and Forest Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Orman Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Orman Mühendisliği Bilim Dalı
- Sayfa Sayısı: 186
Özet
Orman yangını, fırtına ve böcek zararları gibi orman zararları, iklim değişikliğinin de katkısıyla orman yapısını ve dinamiklerini şekillendirerek orman ekosistemleri üzerinde güçlü etkilere sahiptir. Bu nedenle, uygun yönetim stratejileri geliştirmek amacıyla orman zararlarının izlenmesi ve haritalandırılması için güvenilir ve işlevsel yöntemlere ihtiyaç vardır. Makine öğrenimi yöntemleriyle duyarlılık değerlendirmesi artsa da çoğunlukla tek bir orman zararı dikkate alınmış olmasına rağmen literatürde Otomatik Makine Öğrenmesi (AutoML) kullanımına ilişkin sınırlı sayıda çalışma bulunmaktadır. Bu çalışmada, İzmir Orman Bölge Müdürlüğü'nde (İOBM) PyCaret AutoML çerçevesi kullanılarak çoklu orman zararları duyarlılık değerlendirmesi yapılmıştır. AutoML çerçevesi, 14 makine öğrenmesi algoritmasını karşılaştırılmış ve en iyi modelleri AUC değerlerine göre sıralanmıştır. Model performansına dayalı olarak her bir zarar için duyarlılığın modellenmesi için Extra Tree Classifier (ET) algoritması seçilmiştir. Bu çalışma hem her bir zarar türü için hem de çoklu orman zararı için duyarlılık değerlendirilmiştir. Çalışma kapsamında 15 yönlendirici faktör kullanılarak toplam 4 adet duyarlılık haritası oluşturulmuştur. Değerlendirme sonuçlara göre İOBM'deki ormanlık alanların %82,5'i yüksek ve çok yüksek düzeyde çoklu orman zararlarına karşı duyarlıdır. Ayrıca potansiyel orman zararları haritası üretilmiştir. Buna göre, İOBM'deki ormanlık alanların %15,6'sının, dikkate alınan orman zararlarından potansiyel olarak zarar görme olasılığı yokken, %54,2'sinin, her üç orman zararından potansiyel olarak maruz kalması muhtemeldir. Ek olarak, yönlendirici parametrelerin model tahmini üzerindeki önemini ve arasındaki doğrusal olmayan ilişkiyi değerlendirmek için SHAP metodolojisi uygulanmıştır.
Özet (Çeviri)
Forest disturbances, such as forest fires, wind, and insect damage, have strong impacts on forest ecosystems by shaping forest structure and dynamics, with contribution of climate change. Thus, reliable and operational methods are needed for monitoring and mapping forest disturbances to develop appropriate management strategies. Susceptibility assessment with machine learning methods have been increased, but mostly single disturbance has been considered. Also, there have been limited studies about use of Automated Machine Learning (AutoML) in literature. In present study, multiple forest disturbances (forest fires, insect damage, and wind damage) susceptibility assessment was carried by using PyCaret AutoML framework in Izmir Regional Forest Directorate (RFD). The AutoML framework compared 14 machine learning algorithms, and ranked best models with regard to AUC values. Extra tree classifier (ET) algorithm was selected for modelling susceptibility of each disturbance based on model performance. This study assessed susceptibilities both for each single disturbance and for multiple forest disturbances. In total four susceptibility maps were created by using sixteen driving factors in assessment. According to results, 82.5% of forested areas in Izmir RFD is susceptible to multiple forest disturbances with high and very high levels. Besides potential forest disturbances map was created. According to this, 15.6% of forested areas in Izmir RFD could have no potentially damage from considered forest disturbances, whereas 54.2% could have potentially damage from considered three forest disturbances. In addition, the SHAP methodology was applied to evaluate importance of feature on prediction and nonlinear relationship between explanatory parameters and forest disturbances susceptibility.
Benzer Tezler
- Prediction of potential distribution of selected tree species under SPP climate change scenarios in Kastamonu, Türkiye
Seçilen asli ağaç türlerinin SPP iklim değişikliği senaryolarına göre Kastamonu, Türkiye'de tür dağılımlarının tahmin edilmesi
MULUGETA SİYOUM MOLLA
Yüksek Lisans
İngilizce
2024
Ormancılık ve Orman MühendisliğiKaradeniz Teknik ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
PROF. DR. UZAY KARAHALİL
- Karatepe-Aslantaş Milli Parkı örneğinde korunan alanlar için bir izleme yönteminin geliştirilmesi
Developing a monitoring methodology for protected areas in case of Karatepe-Aslantaş National Park
MUSTAFA ARTAR
Doktora
Türkçe
2008
Peyzaj MimarlığıÇukurova ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
PROF. DR. TÜRKER ALTAN
- Marmaris ve Köyceğiz karakulak Caracal caracal (Schreber, 1776) populasyonunun bazı ekolojik özellikleri
Some ecological characteristics of caracal caracal caracal (Schreber, 1776) population in Marmaris and Köyceğiz region
YASİN İLEMİN
Doktora
Türkçe
2017
BiyolojiMuğla Sıtkı Koçman ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. HASAN KOÇ
YRD. DOÇ. BURÇİN YENİSEY KAYNAŞ
- Karaağaç'ın (Ulmus Glabra Huds.) yapısal bağlantılılığının farklı iklim değişikliği senaryolarına göre modellenmesi
Karaagac's (Ulmus Glabra Huds.) modeling structural interchange according to different climate change scenarios
BUSE AR
Yüksek Lisans
Türkçe
2024
Peyzaj MimarlığıAydın Adnan Menderes ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. DERYA GÜLÇİN
- Akkavak (Populus alba L.) popülasyonlarında genetik çeşitliliğin moleküler belirteçler ile tespiti
Detection of genetic diversity in white poplar (Populus alba L.) populations by molecular markers
BURCU UZAN EKEN
Doktora
Türkçe
2024
BiyolojiGebze Teknik ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
PROF. DR. YELDA ÖZDEN ÇİFTÇİ