Antalya Manavgat bölgesinde CBS ve makine öğrenmesi destekli orman yangını risk bilgi sistemi oluşturulması
Creating a forest fire risk information system supported by GIS and machine learning in Antalya Manavgat region
- Tez No: 884887
- Danışmanlar: DOÇ. DR. ÖNDER GÜRSOY, DR. ÖĞR. ÜYESİ EMRE ÜNSAL
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Sivas Cumhuriyet Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Botanik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Orman yangınları çevresel ve ekonomik etkileri bakımından büyük afetlerdir. Yangınlar, flora ve fauna kayıplarına, habitat tahribatına ve biyolojik çeşitliliğin azalmasına neden olmaktadır. Hava kirliliği, toprak erozyonu ve su kaynaklarının kirlenmesi gibi olumsuz etkileri vardır. Dünyada her yıl yaklaşık 120 milyon hektar ormanlık alan yanarak yok olmaktadır. Bu da yaklaşık 168 milyon 67 bin adet futbol sahasının büyüklüğüne veya Güney Afrika'nın yüzölçümüne eşittir. Orman yangınları; doğal sebepler, ihmal, kaza, kasıt ve sebebi bilinmeyen yangınlar olarak birçok sebepten çıkmaktadır. Bu yangınları önleyebilmek için, yangın öncesinde riski öngörmek amacıyla Coğrafi Bilgi Sistemleri ve Makine Öğrenmesi disiplinlerinden yardım alınarak bir bilgi sistemi oluşturulmuştur. Oluşturulan bu sistemde, çalışma bölgesine ait; orman meşcere haritaları, meteorolojik veriler, orman yangın envanteri ve arazi kullanım haritası edinilerek, toplam 13 adet kriter belirlenmiş ve bilgi sistemine entegre edilmiştir. Hem Analitik Hiyerarşi Prosesi hem de literatür taraması sonucunda geçmiş çalışmalarda kullanılan verilerden elde edilen bilgiler toplanarak girdi verilerine ağırlıklar belirlenmiştir. Ağırlıklı çakıştırma sonucunda çalışma bölgesine ait 5 adet risk sınıfı oluşturulmuştur. Geçmişte çıkan yangınların konumları ile çıktı verileri kıyaslandığında, risk sınıflarının alansal dağılımda yüzdesi literatür taraması sonucunda elde edilen harita için; çok yüksek risk %27, yüksek risk %37, normal risk %22, düşük risk %14 ve çok düşük risk %0 olarak; AHP için ise çok yüksek risk %41, yüksek risk %23, normal risk %20, düşük risk %12 ve çok düşük risk %4 olarak hesaplanmıştır. Sonrasında belirlenen sınıfların doğruluğu Makine Öğrenmesi kullanarak doğrulanmış ve %85'in üzerinde doğruluk elde edilmiştir. Ayrıca bu makine öğrenmesi modeli yalnızca mevcut verilerden değil, farklı durumlarda farklı verilerden de sonuç sağlayacak ve bilgi sistemi; geliştirilen kullanıcı ara yüzü ve esnek yapısı ile farklı topoğrafyaya, farklı orman yapısına ve farklı iklimlere ait ormanlık alanlarda da çalıştırılıp kullanılabilecektir. Böylelikle yalnızca çalışma alanı için değil, tüm orman alanlarının korunmasına yönelik bir bilgi sistemi ve model olmuştur.
Özet (Çeviri)
Forest fires significantly impact the environment and economy, leading to flora and fauna loss, habitat destruction, and decreased biodiversity. They also contribute to air pollution, soil erosion, and water resource contamination. Approximately 120 million hectares of forested areas are destroyed by burning every year in the world. This is approximately equal to the size of 168 million 67 thousand football fields or the area of South Africa. Causes of forest fires include natural factors, negligence, accidents, intentional acts, and unknown origins. To mitigate these fires, an information system leveraging Geographic Information Systems (GIS) and Machine Learning (ML) has been developed to predict fire risk. This system incorporates forest stand maps, meteorological data, forest fire inventory, and land use maps, integrating 13 criteria. Weights for input data were derived using the Analytical Hierarchy Process and literature review, resulting in five risk classes: very high risk, high risk, normal risk, low risk, and very low risk. Comparison with historical fire locations revealed the areal distribution for the literature review map as 27% very high risk, 37% high risk, 22% normal risk, 14% low risk, and 0% very low risk. For the AHP map, the distribution was 41% very high risk, 23% high risk, 20% normal risk, 12% low risk, and 4% very low risk. The accuracy of these classifications was verified using ML, achieving over 85% accuracy. This ML model is adaptable, providing results from both existing and new data under varying conditions. The developed information system, with its user-friendly interface and flexible structure, is applicable across diverse topographies, forest structures, and climates. Consequently, it serves as a robust model for safeguarding forest areas beyond the initial study region, contributing to comprehensive forest protection.
Benzer Tezler
- İbradı (Antalya) ilçesinin fiziki coğrafyasının coğrafi bilgi sistemleri (CBS) metodolojisi ile incelenmesi
The investigation of the physical geography of the İbradi district (in Antalya) by using geographic information system (GIS) methodology
MESUT ŞİMŞEK
Yüksek Lisans
Türkçe
2013
CoğrafyaNecmettin Erbakan ÜniversitesiOrtaöğretim Sosyal Alanlar Eğitimi Ana Bilim Dalı
DOÇ. DR. ADNAN PINAR
- Manavgat (Antalya) Nehri Acısu zonunda juvenil-ergin balık komünite yapısının belirlenmesi
Identification of juvenile-adult fish community structure in estuarine zone of Manavgat River (Antalya)
MEHMET AKSU
Yüksek Lisans
Türkçe
2017
BiyolojiMehmet Akif Ersoy ÜniversitesiBiyoloji Ana Bilim Dalı
DOÇ. DR. DENİZ İNNAL
- Antalya bölgesinde buğday, pamuk ve mısır üretimi yapılan işletmelere uygun mekanizasyon araçlarının belirlenmesi üzerinde bir araştırma
A Research on the determination of the optimum mechanization implements for farms cultivating wheat, cotton and corn in the Antalya region
MURAD ÇANAKÇI
Yüksek Lisans
Türkçe
1999
ZiraatAkdeniz ÜniversitesiTarım Makineleri Ana Bilim Dalı
DOÇ. DR. İBRAHİM AKINCI
- Antalya bölgesinde otel oda fiyatlarını etkileyen faktörler: Hedonik yaklaşım
The factors affecting hotel room prices in the antalya region: The Hedonical approach
HATİCE ÜSTÜNDAĞ
- Nar üretimi yapan üreticilerin sosyo ekonomik yapılarının ve üretim sorunlarının belirlenmesi: Antalya ili Manavgat ilçesi örneği
Identification of socio-economic structures and production problems of pomegranate producers: Sampling of Manavgat, district of Antalya
AYŞEGÜL BOZLAĞAN
Yüksek Lisans
Türkçe
2019
ZiraatSiirt ÜniversitesiBahçe Bitkileri Ana Bilim Dalı
PROF. DR. KORAY ÖZRENK
DOÇ. DR. NURHAN KESKİN