Makine öğrenmesi ile orman yangını riskinin tahmin edilmesi: Taşköprü Orman İşletme Müdürlüğü örneği
Estimate forest fire risk using machine learning: An example of Taşköprü Forestry Directorate
- Tez No: 873359
- Danışmanlar: PROF. DR. ÖMER KÜÇÜK
- Tez Türü: Yüksek Lisans
- Konular: Ormancılık ve Orman Mühendisliği, Forestry and Forest Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kastamonu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Orman Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 111
Özet
Kastamonu Orman Bölge Müdürlüğü'nün Taşköprü Orman İşletme Müdürlüğü'nde gerçekleştirilen bu çalışmada makine öğrenmesi ile orman yangın riskinin tahmin edilmesi amaçlanmıştır. Yangın riskinin tahmin edilmesinde 2017-2022 yılları arasında Taşköprü Orman İşletme Müdürlüğü'nde meydana gelen yangınlara ait veriler ile hiç yangın çıkmamış alanlara ait veri seti kullanılmıştır. Makine öğrenmesi ile orman yangının riskinin tahmin edilmesi için 4 ana kriter (meşcere özellikleri, topoğrafya, çevresel faktörler ve meteorolojik veriler) ve 12 alt kriter (ağaç türleri, gelişim çağı, kapalılık, eğim, bakı, yükseklik, yerleşim yerine uzaklık, tarım alanlarına uzaklık, yola uzaklık, su kaynaklarına uzaklık, sıcaklık ve rüzgâr hızı) belirlenmiştir. Yangın riskinin belirlenmesi için makine öğrenmesi olarak Çok Katmanlı Algılayıcı, Rastgele Orman ve Destek Vektör Makineleri kullanılmıştır. Makine öğrenmesi ile yapılan deneysel çalışmalar en az %94'lik doğruluk oranına ulaşılmıştır. Bu sonuç, makine öğrenmesi yöntemleri ile orman yangın riskinin tahmininde etkili olabileceğini göstermektedir. Bu çalışmanın sonuçları orman yangını riskinin tahmin ederek olası orman yangınlarının çıkabilecek alanlarda yangın çıkmadan önce önlemlerin alınmasına ve erken müdahale yapılmasına katkıda bulunacaktır.
Özet (Çeviri)
This study was conducted at the Taşköprü Forest Management Directorate of the Kastamonu Regional Directorate of Forestry. The aim was to predict forest fire risk using machine learning. Data on fires that occurred between 2017 and 2022 in the Taşköprü Forest Management Directorate were used along with data on areas where no fires had occurred. Four main criteria (stand characteristics, topography, environmental factors, and weather conditions) and 12 sub-criteria (tree species, age class, canopy closure, slope, aspect, elevation, distance to settlements, distance to agricultural areas, distance to roads, distance to water sources, temperature, and wind speed) were identified for predicting fire risk using machine learning. Multilayer Perceptron, Random Forest, and Support Vector Machine models were used to predict fire risk through machine learning. Experimental studies using machine learning achieved an accuracy rate of at least 94%. This finding suggests that machine learning methods could effectively predict forest fire risk. In conclusion, this study highlights the importance of using Machine Learning models to predict forest fire risk. The significance of this study lies in its contribution to preventing potential forest fires by predicting fire risks and enabling early intervention measures before fires occur.
Benzer Tezler
- Makine öğrenmesi metotları kullanılarak orman yangınlarının tahmini: Türkiye'de vaka çalışması
Prediction of forest fires using machine learning methodology: A case study in Türkiye
BETÜL ARSLAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA YILTAŞ KAPLAN
- Veri analiz yöntemlerine dayalı olarak orman yangınlarının incelenmesi
Investigation of forest fires based on data analysis methods
ZEYNEP AYTOLU KÜLAHCİ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZAFER ASLAN
- 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
- 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
KAMBER CAN ALKİŞ
Yüksek Lisans
Türkçe
2023
Ormancılık ve Orman Mühendisliğiİzmir Katip Çelebi ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ REMZİ EKER
- Burned forest area mapping from post-fire sentinel-2 imagery using object-based machine learning classification
Nesne-tabanlı makine öğrenimi sınıflandırması kullanarak yangın sonrası sentinel-2 görüntülerinden yanmış orman haritalama
FİDAN ŞEVVAL BULUT
Yüksek Lisans
İngilizce
2024
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TÜRKER