Geri Dön

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

PDF İndir

  1. Tez No: 890656
  2. Yazar: MIFTAHUL IRSYADI PURNAMA
  3. Danışmanlar: PROF. DR. HÜSEYİN OĞUZ ÇOBAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ormancılık ve Orman Mühendisliği, Forestry and Forest Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Orman Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Tez No

    536222

    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

    İngilizce

    2019

    Şehircilik ve Bölge Planlamaİstanbul Teknik Üniversitesi

    Şehir ve Bölge Planlama Ana Bilim Dalı

    PROF. DR. TÜZİN BAYCAN

  2. Tez No

    887285

    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

    Türkçe

    2024

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ŞİNASİ KAYA

  3. Tez No

    142597

    Yeni Cami'nin akustik açıdan performans değerlendirmesi

    Evaluation of the acoustical performance of the New Mosque

    EVREN YILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2003

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    PROF. DR. SEVTAP YILMAZ DEMİRKALE

  4. Tez No

    604161

    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

    İngilizce

    2019

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    İklim ve Deniz Bilimleri Ana Bilim Dalı

    PROF. DR. ÖMER LÜTFİ ŞEN

  5. Tez No

    846836

    Assessment of urbanization history of Addis Ababa city, Ethiopia

    Addıs Ababa cıty, Ethıopıa'nın kentleşme tarihinin değerlendirilmesi

    ABDURAHMAN HUSSEN YIMER

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Şehircilik ve Bölge PlanlamaMersin Üniversitesi

    Şehir ve Bölge Planlama Ana Bilim Dalı

    DOÇ. DR. ALİ CENAP YOLOĞLU

Geri Dön