The use of remote sensing for monitoring agricultural products in the Gezira Irrigation Scheme, Sudan
Gezira Sulama Projesi'ndeki (Sudan) tarimsal ürünlerin izlenmesinde uzaktan algilama kullanimi
- Tez No: 898245
- Danışmanlar: DOÇ. DR. VOLKAN YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 134
Özet
Bu tez, Sudan'ın Gezira Sulama Planı'ndaki (880.000 hektar) tarımsal yönetim ve gıda güvenliği sorunlarını ele almaktadır. Buğday üretimi ve su verimliliği optimizasyonuna odaklanarak tarımsal izlemeyi geliştirmek için gelişmiş makine öğrenimi kullanmaktadır, Çalışma, çoklu veri kaynaklarını entegre ederek, Sentinel-2 görüntülerini kullanarak mahsul sınıflandırması için Destek Vektör Makinesi (SVM) ve Nesne Tabanlı Görüntü Analizi (OBIA) yöntemlerini uygulamaktadır. Random Forest ve XGBoost dahil çeşitli modeller, verim ve su verimliliğini tahmin etmektedir, Sonuçlar, mahsul sınıflandırmasında yüksek doğruluk göstermekte, SVM'nin OBIA'ya göre biraz daha iyi performans sergilediğini ortaya koymaktadır. Ekim alanı tahmini, resmi kayıtlara kıyasla %2-3'lük bir hata aralığına ulaşmıştır. Araştırma, buğday yetiştiriciliğindeki karmaşık dinamikleri ortaya çıkararak, doğrusal olmayan verim faktörlerini ve daha basit su verimliliği ilişkilerini vurgulamaktadır, Bu çalışma, BM Sürdürülebilir Kalkınma Hedefleri ile uyumlu olarak gıda güvenliğinin iyileştirilmesine, çiftçi geçim kaynaklarına ve sürdürülebilir su kullanımına katkıda bulunmaktadır. Metodoloji, benzer küresel sulama planlarında potansiyel uygulamalara sahiptir.
Özet (Çeviri)
This thesis addresses agricultural management and food security challenges in Sudan's Gezira Irrigation Scheme (880,000 hectares). It uses advanced machine learning to enhance agricultural monitoring, focusing on wheat production and water productivity optimization, the study integrates multiple data sources, employing Support Vector Machine (SVM) and Object-Based Image Analysis (OBIA) for crop classification using Sentinel-2 imagery. Vari-ous models, including Random Forest and XGBoost, estimate yield and water productivity, Results show high accuracy in crop classification, with SVM slightly outperforming OBIA. Crop area estimation achieved a 2-3% error range compared to official records. The research reveals complex wheat cultivation dynamics, highlighting non-linear yield factors and sim-pler water productivity relationships, this work contributes to improved food security, farmer livelihoods, and sustainable water use, aligning with UN Sustainable Development Goals. The methodology has potential applications in similar global irrigation schemes.
Benzer Tezler
- Farklı ekim bölgelerindekiayçiçeği ekili alanlarının uzaktan algılama tekniği ile belirlenmesi üzerine bir araştırma
A research on determining sunflower planted area by remote sensing technique in different planting zones
ECE GÖNECİ
Doktora
Türkçe
2019
ZiraatEge ÜniversitesiToprak Bilimi ve Bitki Besleme Ana Bilim Dalı
PROF. DR. YUSUF KURUCU
- Gıda güvenliği bağlamında coğrafi bilgi teknolojilerinden yararlanılması: Manisa örnekleminde tarımsal ürünlerin parsel bazlı tespit edilmesi
Using geographical information technologies in the context of food security: Parcel-based determination of agricultural products in Manisa sample
İBRAHİM TAŞCI
Doktora
Türkçe
2024
CoğrafyaEskişehir Teknik ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
PROF. DR. ALPER ÇABUK
DR. ÖĞR. ÜYESİ RESUL ÇÖMERT
- Multi-output regressions for estimating crop's biophysical parameters from polsar data
Ekın biyofiziksel parametrelerinin çok hedefli regresyon analizleri ile kestirimi
ZEHRA MELTEM ŞAHİN
Yüksek Lisans
İngilizce
2019
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN
DR. ÖĞR. ÜYESİ GÜLŞEN TAŞKIN KAYA
- Aiding agricultural practices with the exploration of earth observation data via machine learning
Yer gözlem uydu verilerinin tarımsal uygulamalara yardımcı olmak amacıya makine öğrenme algoritmaları ile incelenmesi
MEHMET FURKAN ÇELİK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ESRA ERTEN
- Makine öğrenimi tabanlı sınıflandırma yöntemleri kullanılarak çay bahçelerinin belirlenmesi
Identifying tea gardens using machine learning based classification methods
BURCU SÜSLÜ ALGÜR
Yüksek Lisans
Türkçe
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL