Geri Dön

Arazi örtüsü/arazi kullanımı ve arazi yüzey sıcaklıkları ilişkisinin zamansal-mekansal analizi ve gelecek için modellenmesi

Spatio-temporal analysis of the relationship of land use/land cover and land surface temperatures and its modeling for the future

PDF İndir

  1. Tez No: 842624
  2. Yazar: NAGİHAN ASLAN
  3. Danışmanlar: PROF. DR. DİLEK KOÇ SAN
  4. Tez Türü: Doktora
  5. Konular: Astronomi ve Uzay Bilimleri, Bilim ve Teknoloji, Astronomy and Space Sciences, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Akdeniz Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Uzay Bilimleri ve Teknolojisi Ana Bilim Dalı
  12. Bilim Dalı: Uzay Bilimleri Bilim Dalı
  13. Sayfa Sayısı: 226

Özet

Bu çalışmada, Arazi Kullanımı/Arazi Örtüsü (LU/LC) değişiminin Arazi Yüzey Sıcaklığı (LST) değerleri ile bölge iklimi üzerindeki etkilerinin incelenmesi amaçlanmıştır. Bu amaçla, çalışmanın genel aşamaları (i) 1984-2022 yılları arasında LU/LC alanlarının tespiti, bu alanların zamansal değişimlerinin incelenmesi ve LST değerlerinin analiz edilmesi ile mevcut durumun ortaya koyulması (ii) 2030, 2040 ve 2050 yılları için LU/LC alanlarının modellenerek, 2023-2050 yılları arasındaki LST değerlerinin simüle edilmesi ve (iii) çalışma dönemi boyunca çalışma alanı olarak seçilen alanda Kentsel Isı Adası (UHI) etkisi değişiminin analiz edilmesi olarak belirlenmiştir. Akdeniz bölgesi, iklim değişikliğine en duyarlı bölgeler arasında kabul edilmekte ve yıllık sıcaklıkların 2100 yılına kadar 1-5°C arasında artacağı öngörülmekteyken, UHI etkisinin neden olduğu ilave ısı yükü ile Akdeniz şehirleri diğer bölgelere göre daha büyük ısı stresine ve olumsuz sağlık etkilerine maruz kalabileceğinden, bu bölgede yapılan UHI, LST ve iklim çalışmaları büyük önem taşımaktadır. Bu nedenle Antalya Havzası çalışma alanı olarak belirlenmiştir. Bu kapsamda, GEE (Google Earth Engine) platformu ve Landsat termal verilere erişimin başladığı 1984 yılından 2022 yılına kadar olan süreçteki %5 bulutluluk oranının altında kalan tüm yaz ayları görüntüleri (940 görüntü) kullanılarak öncelikle yıllık multispektral bantlar, arazi örtüsü indeksleri ve LST verileri oluşturulmuştur. Multispektral bantlar, arazi örtüsü indeksleri ASTER Küresel Dijital Yükseklik Modeli (GDEM) ve gece ışıkları verileri kullanılarak 5 farklı veri seti oluşturulmuştur. Veri setleri ile 1985, 1990, 1995, 2000, 2005, 2010, 2015 ve 2020 yılları için Rastgele Orman (RF) makine öğrenme algoritması kullanılarak sınıflandırma işlemi uygulanmış ve en yüksek doğruluğa sahip veri setinden LU/LC tematik haritaları oluşturulmuştur. Oluşturulan LU/LC tematik haritaları ve üretilen LST değerleri birlikte analiz edilerek, 1984-2022 yılları arasında bölgede arazi sınıfları ile LST değerleri ilişkisi ortaya konulmuş ve UHI yoğunluk sınıfları belirlenmiştir. Çalışmanın sonraki aşamasında tespit edilen bu arazi sınıfları Coğrafi Bilgi Sistemleri (CBS) verileri ve Hücresel Otomat-Yapay Sinir Ağları (CA-ANN) algoritmaları ile 2030, 2040 ve 2050 yılları için modellenmiştir. Farklı yöntemlerle 2023-2050 arasındaki dönem için LST değerleri tahmin edilmiştir. Bu işlem için öncelikle basit Doğrusal Regresyon yöntemiyle tahminler yapılmış, daha sonra, modellenen LU/LC sınıfları ve yine modellenen arazi örtüsü indeksleri ve RF regresyon yöntemi kullanılarak 2030, 2040 ve 2050 yılları için LST tahminleri yapılmıştır. Son olarak CA-ANN algoritması ile UHI yoğunluk sınıfları 2030, 2040 ve 2050 yılları için simüle edilmiştir. Sonuçlara göre sınıflandırma işlemi %85 ve üzeri genel doğruluk değeri ile başarılı bir şekilde elde edilmiştir ve kullanılan yardımcı veriler sınıflandırma doğruluğunu arttırmaktadır. LU/LC tematik haritaları kent, sanayi, tarım ve sera alanlarının çalışılan dönemde arttığını buna karşın yeşil alanların ve diğer alanların azaldığını göstermektedir. Hesaplanan LST değerleri ile MODIS LST değerleri ve meteoroloji istasyon ölçümleri karşılaştırılmış ve MODIS LST ile Landsat LST değerleri arasında 0,96 ve üzerinde çok yüksek korelasyon olduğu görülmüştür. Ayrıca, Landsat LST değerleri ile meteoroloji istasyonlarının ölçtüğü sıcaklıklar arasında da anlamlı korelasyon değerleri olduğu belirlenmiştir. Tüm LU/LC sınıflarında 1984-2022 döneminde LST değerleri yükselme eğilimindedir. Ancak, kent, sanayi ve kuru tarım alanlarında hem en yüksek LST değerleri izlenmiştir, hem de yükselme eğilimleri diğer alanlara göre daha yüksektir. Ayrıca, 2010 ve 2020 yılları için yapılan LU/LC simülasyonları ile CA-ANN algoritmasıyla yaklaşık %90 doğrulukla simülasyon işleminin uygulanabileceği görülmüştür. Simülasyon sonuçlarına göre 2030, 2040 ve 2050 yıllarında da kentin büyüyeceği, sanayi ve kuru tarım alanlarının artacağı ve yeşil alanların azalacağı öngörülmektedir. Gelecek LST değerleri RF regresyon yöntemiyle 2°C civarında Torba Dışı (OOB) hatası ve 0,80'in üzerinde r2 değeriyle belirlenmiştir ve yapılan her 3 yöntemle simüle edilen LST değerlerine göre 2023-2050 döneminde sıcaklıklar yükselecek ve buna ek olarak UHI yoğunluğu (intensity) artacaktır.

Özet (Çeviri)

In this study, it is aimed to examine the effects of Land Use/Land Cover (LU/LC) changes on Land Surface Temperature (LST) values and regional climate. For this purpose, the main stages of the study are (i) determining the LU/LC areas between 1984-2022, examining the temporal changes of these areas and analyzing the LST values to reveal the current situation (ii) modelling the LU/LC areas for the years 2030, 2040 and 2050, simulating the LST values for the years between 2023-2050 and (iii) analyze the change of the Urban Heat Island (UHI ) effect in the region selected as the study area during the study period. While the Mediterranean Region is considered among the most sensitive regions to climate change and annual temperatures are predicted to increase by 1-5°C by the year 2100, with the additional heat load caused by the UHI effect, Mediterranean cities may be exposed to greater heat stress and negative health effects than other regions. Therefore, UHI, LST and climate studies carried out in this region are of great importance. For this reason, Antalya Basin was determined as the study area. In this context, firstly using the Google Earth Engine (GEE) platform annual multispectral bands, land cover indices and LST data were created using all summer months images (940 images) that have cloudiness lower than 5% in the period from 1984 to 2022, when access to Landsat thermal data began. Using multispectral bands, land cover indices, ASTER Digital Elevation Model and nighttime lights data 5 different data sets were created. Classification was applied to the data sets using the Random Forest (RF) machine learning algorithm for the years 1985, 1990, 1995, 2000, 2005, 2010, 2015 and 2020, and LU/LC thematic maps were created from the data set with the highest accuracy. By analyzing the created LU/LC thematic maps and the produced LST values together, the relationship between land classes and LST values in the region between 1984-2022 was revealed and UHI density classes were determined. In the next stage of the study, the identified land classes were modelled for the years 2030, 2040 and 2050 with Geographic Information Systems (GIS) data and Cellular Automata-Artificial Neural Networks (CA-ANN) algorithms. LST values were estimated for the period between 2023 and 2050 using different methods. For this process, firstly, predictions were made with the simple Linear Regression method, then, LST predictions were made for the years 2030, 2040 and 2050 using the modelled LU/LC classes and the modelled land cover indices and the RF regression method. Finally, UHI density classes were simulated for the years 2030, 2040 and 2050 with the CA-ANN algorithm. According to the results, the classification process has been successfully implemented with an overall accuracy value of 85% and above, and the auxiliary data used increased the classification accuracy. LU/LC thematic maps show that urban, industrial, agricultural and greenhouse areas increased in the studied period, while green areas and other areas decreased. The calculated LST values were compared with MODIS LST values and meteorological station measurements, and it was seen that there was a very high correlation of 0.96 and above between MODIS LST and Landsat LST values. Additionally, it was determined that there was a significant correlation between Landsat LST values and temperatures measured by meteorological stations. LST values monitored in the period 1984-2022 in all LU/LC classes tend to be increase. However, the highest LST values were observed in urban, industrial, and dry agriculture areas, and their upward trends were higher than other areas. In addition, with the LU/LC simulations made for 2010 and 2020, it was seen that the simulation process could be applied with approximately 90% accuracy with the CA-ANN algorithm. According to the simulation results, it is predicted that the city will grow, industrial and dry agricultural areas will increase, and green areas will decrease in 2030, 2040 and 2050. Future LST values have been determined by the RF regression method with an Out of Bag (OOB) error around 2°C and an r2 value over 0.80, and according to the LST values simulated by all 3 methods, temperatures will rise in the 2023-2050 period and in addition UHI intensity will increase.

Benzer Tezler

  1. Tez No

    659288

    Yüzey sıcaklığı ve iklimsel veriler kullanılarak zamansal değişimin belirlenmesi (Kabil şehri örneği)

    Determination of temporal change using surface temperature and climatic data (Kabul city example)

    QAIS AHMAD ARIA

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Jeodezi ve FotogrametriEskişehir Teknik Üniversitesi

    Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı

    DOÇ. DR. UĞUR AVDAN

  2. Tez No

    887285

    Uzaktan algılama ve derin öğrenme yöntemleri ile İstanbul'un yerel iklim alanları ve yer yüzeyi sıcaklığı değişimleri arasındaki ilişkinin incelenmesi

    Investigation of the relationship between local climate zones and land surface temperature changes in İstanbul using remote sensing and deep learning methods

    MELİKE NİCANCI SİNANOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ŞİNASİ KAYA

  3. Tez No

    757800

    Denizli ili kent merkezindeki yer yüzeyi sıcaklıklarının değişiminin landsat uydu görüntüleri kullanılarak çok zamanlı incelenmesi

    Multi-time investigation of the change of land surface temperatures in Denizli city center using landsat satellite images

    EMRE ÇALHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    CoğrafyaÇanakkale Onsekiz Mart Üniversitesi

    Doğal Afetlerin Risk Yönetimi Ana Bilim Dalı

    DOÇ. DR. EMRE ÖZELKAN

  4. Tez No

    746296

    Arazi kullanımı/örtüsü değişimi ve iklim değişikliği arasındaki ilişkinin İstanbul örneğinde çözümlenmesi

    Analysis of the relationship between land use/cover change and climate change in the case of İstanbul

    BURAK SEKMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Peyzaj Mimarlığıİnönü Üniversitesi

    Peyzaj Mimarlığı Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SERHAT CENGİZ

  5. Tez No

    433014

    Landsat uydu görüntülerinden kentsel ısı adalarının belirlenmesi: Batı Akdeniz Bölgesi Örneği

    Detection of urban heat islands from landsat imageries: A case study of West Mediterranean Region

    NAGİHAN ASLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Astronomi ve Uzay BilimleriAkdeniz Üniversitesi

    Uzay Bilimleri ve Teknolojisi Ana Bilim Dalı

    DOÇ. DR. DİLEK KOÇ SAN

Geri Dön