Arazi kullanımı/arazi örtüsü sınıflarını etkileyen faktörlerin makine öğrenimiyle değerlendirilmesi, Lombok Adası-Endonezya örneği
Assessing factors driving land use/land cover classes using machine learning, case study of Lombok Island-Indonesia
- Tez No: 890656
- Danışmanlar: PROF. DR. HÜSEYİN OĞUZ ÇOBAN
- Tez Türü: Yüksek Lisans
- Konular: Ormancılık ve Orman Mühendisliği, Forestry and Forest Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Orman Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 112
Özet
Arazi kullanımı/arazi örtüsünün (AK/AÖ) haritalanması, doğal çevre ve orman ekosistemlerindeki değişimlerin belirlenmesi ve izlenmesi için gereklidir. Konumsal verilerin modellenmesi ve haritalanması için makine öğrenimi algoritmalarının kullanımı yaygınlaşmaktadır. Bu çalışmanın amacı, AK/AÖ sınıflarını etkileyen etmenlerin makine öğrenimi algoritmalarıyla değerlendirilmesi, kullanılan algoritmaların doğruluklarının karşılaştırılması ve en iyi AK/AÖ sınıflandırması yapabilen makine öğrenimi modelinin belirlenmesidir. Ayıca çalışma alanındaki arazi kullanımı/arazi örtüsü değişimlerinin belirlenmesi hedeflenmiştir. Çalışma alanı Batı Nusa Tenggara, Endonezya'da bulunan Lombok Adasıdır. Çalışmada Landsat uydu görüntülerinin bantları, bu bantlardan elde edilen spektral indeksler, topoğrafik, biyofiziksel, sosyo-ekonomik ve iklimle ilgili değişkenler Rasgele Orman, Gradient Boosting, Karar Ağacı ve Naïve Bayes makine öğrenimi algoritmaları yardımıyla incelenmiştir. Makine öğrenimiyle üretilen modellerin doğrulukları değerlediğinde, Rastgele Orman algoritması en yüksek doğruluğa (%82) ulaşırken, onu sırasıyla Gradient Boosting (%80), Karar Ağacı (%73) ve Naïve Bayes (%61) algoritmaları takip etmiştir. Makine öğrenimi algoritmaları kullanılarak üretilen AK/AÖ sınıflarının yer doğrulama noktaları yardımıyla yapılan doğruluk değerlendirmelerinde, Rastgele Orman algoritmasıyla üretilen model, %88 genel doğrulukla en başarılı makine öğrenimi modeli olmuştur. Lombok Adasındaki arazi kullanımı/arazi örtüsü tahmininde en etkili değişkenlerin yerleşim yerlerine uzaklık, sıcaklık ve yollara uzaklık olduğu belirlenmiştir. 2013'ten 2022'ye kadar kentleşme, nüfus artışı ve altyapı geliştirme çalışmaları nedeniyle önemli ölçüde orman kayıplarının (28 095 ha, toplam orman alanının %24'ü) yaşandığı tespit edilmiştir. Lombok'taki AK/AÖ sınıflarının dağılımı, kuru arazi tarımı (%27.56) ve çeltik tarlalarının (%24.22) en geniş alanları kapladığını, bunları birincil ormanların (%13) ve ikincil ormanların (%7.68) izlediğini göstermiştir. Elde edilen bulgular, arazi kullanımı planlamasında sosyo-ekonomik faktörlerin önemli olduğunu, Lombok'taki ekosistemlerin ve biyolojik çeşitliliğin korunması için sürdürülebilir koruma politikalarına duyulan ihtiyacı vurgulamaktadır.
Özet (Çeviri)
Land use/land cover (LULC) mapping is essential for identifying and monitoring changes in the natural environment and forest ecosystems. The use of machine learning algorithms for modeling and mapping spatial data is becoming widespread. The aim of this study is to evaluate the factors affecting LULC classes with machine learning algorithms, to compare the accuracy of the algorithms used and to determine the machine learning model that can best classify LULC. It is also aimed to determine the land use/land cover changes in the study area. The study area is Lombok Island located in West Nusa Tenggara, Indonesia. In this study, Landsat satellite imagery bands, spectral indices, topographical, biophysical, socio-economic and climatic variables were analyzed with the help of Random Forest, Gradient Boosting, Decision Tree and Naïve Bayes machine learning algorithms. When the accuracy of the models produced by machine learning was evaluated, the Random Forest algorithm achieved the highest accuracy (82%), followed by Gradient Boosting (80%), Decision Tree (73%) and Naïve Bayes (61%). In the accuracy assessments of the LULC classes produced using machine learning algorithms with the ground truthing points, the model produced by the Random Forest algorithm was the most successful machine learning model with an overall accuracy of 88%. The most effective variables for land use/land cover prediction in Lombok Island are distance to settlements, temperature and distance to roads. Significant forest loss (28 095 ha, 24% of the total forest area) from 2013 to 2022 due to urbanization, population growth and infrastructure development. The distribution of LULC classes in Lombok showed that dry land agriculture (27.56%) and paddy fields (24.22%) cover the largest areas, followed by primary forest (13%) and secondary forest (7.68%). The findings emphasize the importance of socio-economic factors in land use planning and the need for sustainable conservation policies to protect ecosystems and biodiversity in Lombok.
Benzer Tezler
- Adapting Istanbul metropolitan city to urban heat island: The case study of Beyoglu
İstanbul metropol alanda ısı adası adaptasyonu: Beyoğlu örnek çalışması
SOOLMAZ ZAEEMDAR
Doktora
İngilizce
2019
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. TÜZİN BAYCAN
- 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
2024
Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ŞİNASİ KAYA
- Yeni Cami'nin akustik açıdan performans değerlendirmesi
Evaluation of the acoustical performance of the New Mosque
EVREN YILDIRIM
Yüksek Lisans
Türkçe
2003
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SEVTAP YILMAZ DEMİRKALE
- Sustainability problem of the Euphrates - Tigris basin water resources under a changing climate
Değı̇şen ı̇klı̇m şartları altında Fırat - Dı̇cle havzasında su kaynaklarının sürdürülebı̇lı̇rlı̇ğı̇ sorunu
MAHSA ZEYNALZADEH
Yüksek Lisans
İngilizce
2019
Deniz Bilimleriİstanbul Teknik Üniversitesiİklim ve Deniz Bilimleri Ana Bilim Dalı
PROF. DR. ÖMER LÜTFİ ŞEN
- Assessment of urbanization history of Addis Ababa city, Ethiopia
Addıs Ababa cıty, Ethıopıa'nın kentleşme tarihinin değerlendirilmesi
ABDURAHMAN HUSSEN YIMER
Yüksek Lisans
İngilizce
2023
Şehircilik ve Bölge PlanlamaMersin ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
DOÇ. DR. ALİ CENAP YOLOĞLU