Analyzing and investigating the dynamics of Land Use and Land Cover (LULC)) transformation using satellite data: A case study of Adana, Türkiye
Uydu verileri kullanılarak Arazi Kullanımı ve Arazi Örtüsü (AKAÖ) dönüşüm dinamiklerinin incelenmesi ve analizi: Adana, Türkiye'de bir vaka çalışması
- Tez No: 865109
- Danışmanlar: PROF. DR. NİYAZİ ARSLAN
- Tez Türü: Yüksek Lisans
- Konular: Astronomi ve Uzay Bilimleri, Astronomy and Space Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 128
Özet
Bu araştırmanın temel amacı, haritalama ve sonuçların sunumu için Google Earth Engine (GEE) ve ArcGIS Pro gibi CBS yazılım araçlarında Makine Öğrenimi (ML) kullanarak Adana, Türkiye'deki Arazi Kullanımı ve Arazi Örtüsü (LULC) Dönüşümünün dinamiklerini 2018'den 2022'ye kadar yıllık bazda analiz etmek ve araştırmaktır. Sentinel 2A Görüntü koleksiyonları, yüksek çözünürlük (10m), geniş alan ve çok spektral görüntüleme yetenekleri nedeniyle sınıflandırma için kullanılmıştır. GEE'de JavaScript kullanılarak 2018, 2019, 2020, 2021 ve 2022 görüntü koleksiyonları üzerinde ayırt edici ve ayrı denetimli sınıflandırma yapılmıştır. ESRI Küresel Arazi Örtüsü Haritası referans alınarak Su, Ağaçlar, Taşkın Bitki Örtüsü, Ekinler, Yerleşik Alan, Çıplak Zemin ve Mera olmak üzere yedi (7) faydalı sınıf analiz edilmiş ve haritalanmıştır. Yüksek doğrulukta sonuçlar elde etmek için çeşitli Denetimli Makine Öğrenimi Algoritmaları, görsel inceleme ile birlikte en iyi çözüm için test edilmiştir. Yıllık bazda ana bölge için Genel Doğruluk ve Kappa İstatistikleri sırasıyla 2018 için %85 ve %86, 2019 için %86 ve %81, 2020 için %90 ve %85, 2021 için %85 ve %83 ve son olarak 2022 için %89 ve %83 olmuştur. Bununla birlikte, geniş bir alan için doğru sonuçlar elde etmenin çeşitli yöntemlerine rağmen, karmaşık pikseller ve uzamsal bilgiler içeren sınıflarda tutarsızlıklar ve yanlış sınıflandırmalar gözlemlenmiştir. Bu sorunu ele almak için, seçilen bölge ve çevresindeki bölgeden temel özellikleri ve coğrafyayı kapsayan ayırt edici bir alt küme kullanılmıştır.
Özet (Çeviri)
The main aim of this research is to analyze and investigate the dynamics of Land Use and Land Cover (LULC) Transformation in Adana, Turkiye on a yearly basis from 2018 to 2022 using Machine Learning (ML) in Google Earth Engine (GEE) and GIS software tools such as ArcGIS Pro for mapping and presentation of results. Sentinel 2A Image collections were used for classification due to their high resolution (10m), wide swath and multi-spectral imaging capabilities. Distinctive and separate supervised classification was done on image collections for 2018, 2019, 2020, 2021 and 2022 using JavaScript in GEE. Seven (7) useful classes namely Water, Trees, Flooded Vegetation, Crops, Built Area, Bare Ground and Rangeland with reference to the ESRI Global Land Cover Map were analyzed and mapped. To achieve high accuracy results, various Supervised Machine Learning Algorithms were tested for the best solution, combined with visual inspection. The Overall Accuracy and Kappa Statistics for the main region on a yearly basis was 85% and 86% for 2018, 86% and 81% for 2019, 90% and 85% for 2020, 85% and 83% for 2021 and lastly 89% and 83% for 2022 respectively. However, despite various methods of obtaining accurate results for a large area, discrepancies and misclassifications in the classes with complex pixels and spatial information were observed. To address this problem, a distinctive subset covering key features and geography from the selected region and surrounding region was used to show the trend in changes and obtain better accurate results related to the difference in the classes over time. The Overall Accuracy and Kappa Statistics of the subset was 91% and 88% for 2018, 88% and 85% for 2019, 90% and 84% for 2020, 89% and 86% for 2021 and finally 85% and 80% for 2022 respectively. The main drivers for the changes in LULC areas were attributed to the expansion of Built-up Areas, Growth in Crop Production, Deforestation and Afforestation and Climate Change related issues.
Benzer Tezler
- Urban dynamics of İstanbul: Exploring urban complexity via the spatial distribution of activities
İstanbul'un kentsel dinamikleri: Faaliyetlerin mekansal dağılımı aracılığıyla kentsel karmaşıklığın keşfi
REYHANEH YOUNESI SANDI
Yüksek Lisans
İngilizce
2024
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
DOÇ. DR. EDA YÜCESOY
- Urmia lake desiccation as a new source of dust in themiddle east: Investigation of the anthropogenic impactsand climatic factors on drying up of urmia lake
Ortadoğu'da yeni bir toz kaynağı olarak tanınan Urmiyegölü: Urmiye gölünün kurumasına neden olan insan veiklim faktörlerin incelenmesi
YUSUF ALIZADE GOVARCHIN GHALE
Doktora
İngilizce
2020
Deniz Bilimleriİstanbul Teknik Üniversitesiİklim ve Deniz Bilimleri Ana Bilim Dalı
PROF. DR. ALPER ÜNAL
- Evaluation of the variable infiltration capacity (VIC) model for hydrological simulation using remote sensing observations in the western Black Sea basin
Batı Karadeniz havzasında uzaktan algılama gözlemleri kullanarak hidrojik simülasyon için değişken sızma kapasitesi (VIC) modelinin kapsamlı değerlendirilmesi
MOTASEM E. A. ALFALOJI MOTASEM E. A. ALFALOJI
Yüksek Lisans
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- Endüstri etkisinde bir kentsel sistemin dinamik büyüme modeli
Dynamic growth model of an urban system under the in fluence of industrial growth
GÜLDEN ERKUT
- Turaç insansız hava aracının yapısal modelinin hazırlanması ve analizlerinin yapılması
Structural modeling and analysis of turac unmanned air vehicle
YASİN DERELİ
Yüksek Lisans
Türkçe
2014
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. METİN ORHAN KAYA