Integration of remote sensing and artificial intelligencetechniques for estimation of evapotranspiration
Uzaktan algılama ve yapay zeka entegrasyonu ileevapotranspirasyon (terleme yoluyla buharlaşma) tahmini
- Tez No: 865019
- Danışmanlar: PROF. DR. MUSTAFA TOMBUL
- Tez Türü: Doktora
- Konular: Bilgi ve Belge Yönetimi, Çevre Mühendisliği, İnşaat Mühendisliği, Information and Records Management, Environmental Engineering, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 110
Özet
Bu araştırmada, klasik evapotranspirasyon (ET) tahmin yöntemlerinin zaman alıcı adımlarını ortadan kaldırmak amacıyla Makine Öğrenme (MÖ) algoritmasından yararlanılmıştır. Yapay Sinir Ağı (YSA) algoritmasının eğitilmesi için, giriş değişkenleri olarak uzaktan algılanan (UA) veriler ve çıkış verileri olarak buharlaşma terleme verileri; dahili kalibrasyon modeliyle yüksek çözünürlükte kalibre edilmiş evapotranspirasyon haritalaması modeli (METRIC) kullanılmıştır. Multispektral veriler, Landsat 8 platformundan elde edilmiştir. İlk aşamada METRIC modeli, seçilen bir çalışma alanı olan Eskişehir/Alpu için kalibre edilmiştir. İkinci aşamada YSA modeli, kalibre edilmiş ET verileri ve UA verileri kullanılarak eğitilmiş ve test edilmiştir. Eğitilen model, daha sonra çalışma alanının tamamına uygulanmış ve sonuçlar karışıklık matrisler yöntemi kullanılarak doğrulanmıştır. Çalışmanın sonraki adımlarında YSA modelinin performansı, Eddy Covvariance Flux verileri ve yaygın olarak referans alınan MODIS ürünü dahil olmak üzere mevcut ürünlerle karşılaştırılmıştır. Araştırma sonucu, YSA'nın ET tahminlerinin, UA esaslı en iyi model olan METRIC'ten bile daha iyi bir performansa sahip olduğunu göstermiştir. YSA modeli, su kaynakları yönetim sistemlerinde oldukça önemli bir uygulama olan çiftlik bazlı (küçük ölçekli) ET tahmininde önemli bir performans göstermiştir. YSA modeli ile EC ve MODIS verilerinin karşılaştırılmasına yönelik yapılan inceleme, EC ve MODIS tekniklerinin küçük ölçekli ET'u tahmin etmede başarısız olduğunu, ancak daha geniş alanlı kümülatif ET tahminlerinde hâlâ geçerli olduğunu göstermiştir. Ayrıca, herhangi bir UA veya MÖ algoritmasının kesin olarak doğrulanabilmesi için, doğrudan rasterleştirilmiş alan ET ölçümlerine ihtiyaç duyulduğu, bunun da günümüzde henüz mevcut olmayan daha ileri teknolojiler gerektirdiği sonucuna varılmıştır.
Özet (Çeviri)
In this research a Machine Learning (ML) algorithm was implemented to estimate Evapotranspiration (ET) aiming to eliminate time consuming steps of classical ET estimation methods. The Artificial Neural Network (ANN) model was used and trained using Remotely Sensed data as input variables and a calibrated Mapping EvapoTranspiration at high Resolution with Internalized Calibration (METRIC) model as response ET data. The source of multispectral data was Landsat 8 platform. In the first step METRIC model was calibrated for a selected study area which was Eskişehir/Alpu. Secondly, the ANN model was trained and tested using calibrated ET data and input RS data. The trained model was then applied to the whole study area and the results where validated using confusion matrixes. At the next steps of the study, the performance of the ANN model was compared with the available products including Eddy Covariance Flux data and a widely referenced MODIS product. The results of the study showed that ANN can be implemented for ET estimations with high performance even better than the best RS available product like METRIC. The ANN model showed significant performance in farm based (smaller scale) ET estimation which is a highly important application in water resource management systems. Further study on the comparison with EC and MODIS data showed that those techniques fail to predict small scale ET but still applicable in larger area cumulative ET estimations. It was also concluded that precise validation of any RS or ML algorithm demands new technologies for direct rasterized field ET measurements, something that is not available yet.
Benzer Tezler
- Görüntü sınıflandırması için yapay sinir ağlarının analiz ve optimizasyonu
Analysis and optimization of artificial neural networks for image classification
OZAN ARSLAN
Doktora
Türkçe
2001
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiPROF. DR. OĞUZ MÜFTÜOĞLU
PROF. DR. CANKUT ÖRMECİ
- Earthquake damage detection with satellite imagery and deep learning approaches: A case study of the february 2023, Kahramanmaraş, Turkey earthquake sequence
Uydu görüntüleri ve derin öğrenme yaklaşımları ile hasar tespiti: 2023 şubat Kahramanmaraş, Türkiye deprem dizisinden bir vaka çalışması
FATMA ELİK
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUydu Haberleşmesi ve Uzaktan Algılama Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Uydu görüntülerinin sınıflandırılmasında çok değişkenli uyarlanabilir regresyon eğrileri algoritmasına dayalı hibrit modellerin geliştirilmesi
Development of hybrid models based on multivariate adaptive regression splines algorithm for classification of satellite images
AZİZE UYAR
Doktora
Türkçe
2024
Jeodezi ve FotogrametriOndokuz Mayıs ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. DERYA ÖZTÜRK
- Yüksek çözünürlüklü optik uzaktan algılama mikro uydu kavramsal sistem tasarım ve entegrasyonu.
High resolution optical remote sensing micro satellite conceptual design and system integration.
FERDİ BÜYÜKGÜRAL
Yüksek Lisans
Türkçe
2013
Astronomi ve Uzay BilimleriHava Harp Okulu KomutanlığıUzay Bilimleri Ana Bilim Dalı
PROF. DR. ALİM RÜSTEM ASLAN
- Zeytin pamuklu biti ve zeytin güvesinin kimyasal mücadelesinde görüntü işleme ve sensör tabanlı erken uyarı sisteminin entegrasyonu
Integration of image processing and sensor-based forecastingsystem in chemical control of olive psyllid and olive moth
MERT DEMİREL
Yüksek Lisans
Türkçe
2024
ZiraatBursa Uludağ ÜniversitesiBitki Koruma Ana Bilim Dalı
PROF. DR. NABİ ALPER KUMRAL