Yapay zekâ ve uzaktan algılama tabanlı kuraklık izlemesi ve tahmini: Trakya Bölgesi örneği
Drought monitoring and forecasting based on artificial intelligence and remote sensing: The case study of Thrace Region
- Tez No: 904151
- Danışmanlar: DOÇ. MEHMET ŞENER
- Tez Türü: Doktora
- Konular: Meteoroloji, Ziraat, Meteorology, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Tekirdağ Namık Kemal Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyosistem Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Tarımsal Yapılar ve Sulama Bilim Dalı
- Sayfa Sayısı: 247
Özet
Bu araştırmada, Trakya Bölgesi'nde kuraklık analizi ve tahmini üzerine odaklanılmıştır. Çalışmada, dokuz meteoroloji istasyonundan 1966-2021 yılları arasındaki aylık toplam yağış verileri ile 2000-2021 yılları arasındaki MODIS uydu görüntüleri kullanılmıştır. Araştırmanın amacı, Trakya Bölgesi'ndeki yağış verilerinin trendini belirlemek, kuraklık karakteristiğini anlamak ve gelecekteki kuraklıkları tahmin etmektir. 1966-2021 yılları arasındaki aylık yağış verilerine Mann-Kendall ve Yenilikçi Trend Analizi (ITA) yöntemleri uygulanmıştır. Mann-Kendall testine göre, buğday yetiştirme sezonundaki toplam yağışlarda altı istasyonda azalan bir trend, ayçiçeği yetiştirme sezonundaki toplam yağışlarda ise sekiz istasyonda artan bir trend tespit edilmiştir. Mann-Kendall testinde %1.75 ve ITA yönteminde 80.7'lik istatiksel olarak anlamlı trendler bulunmuştur. 1, 3, 6 ve 12 aylık Standart Yağış İndeksi (SPI) tüm istasyonlar için hesaplanmıştır. Tarımsal kuraklık analizi ise Vejetasyon Sağlık İndeksi (VHI) ile yapılmıştır. VHI'ye göre en şiddetli tarımsal kuraklık 2001 yılında yaşanmıştır. Yağmura dayalı tarım yapılan arazilerin 2001-2002 yıllarındaki ortalama VHI değerleri ile bu bölgeleri temsil eden 1, 3, 6 ve 12 aylık SPI değerleri arasında korelasyon testi yapılmış ve 12 aylık SPI'ın tarımsal kuraklığa işaret ettiği belirlenmiştir. Elde edilen SPI12 değerlerine göre farklı dönüş aralıklarında kritik kuraklık şiddet-süre-frekans eğrileri oluşturulmuştur. Bu eğrilere göre, uzun dönemde şiddetli kuraklığa Kırklareli ve Lüleburgaz istasyonlarının daha yatkın olduğu tespit edilmiştir. Son olarak, gelecekteki kuraklık şiddeti ARIMA, LSTM ve CNN modelleri kullanılarak tahmin edilmiştir. ARIMA modeli, 12 aylık uzun dönem kuraklık tahminlerinde performansını düşürürken, LSTM ve CNN modelleri bu sürede daha üstün performans göstermiştir. LSTM en iyi performansı Kırklareli istasyonu için gösterirken (eğitim RMSE:0.042 ve test RMSE:0.105), CNN en iyi performansı Sarıyer istasyonunda göstermiştir (eğitim RMSE:0.029 ve test RMSE:0.091). Kuraklığın tahmin edilmesi ve beklenen şiddeti hakkındaki bilgiler, su kaynakları yöneticileri, altyapı planlamacıları, hükümet politika yapıcıları ve karar vericiler için gelecekteki tarım ve su yönetimi planlamasında, ayrıca daha dirençli toplulukların tasarım ve inşasında yardımcı olacaktır.
Özet (Çeviri)
This research focuses on drought analysis and forecast in the Thrace Region. In the study, monthly total precipitation data from nine meteorological stations from 1966 to 2021 and MODIS satellite images from 2000 to 2021 were used. The aim of the study is to determine the trend of precipitation data in the Thrace Region, to understand the drought characteristics and to predict future droughts. Mann-Kendall and Innovative Trend Analysis (ITA) methods were applied using monthly precipitation data between 1966-2021. According to the Mann-Kendall test, there is a decreasing trend in total precipitation during the wheat growing season at six stations and an increasing trend in total precipitation during the sunflower growing season at eight stations. Statistically significant trends of 1.75% were found in the Mann-Kendall test and 80.7% in the ITA method. Standard Precipitation Index (SPI) for 1, 3, 6 and 12 months was calculated for all stations. Agricultural drought analysis was performed with the Vegetation Health Index (VHI). According to VHI, the most severe agricultural drought was experienced in 2001. A correlation test was performed between the average VHI values of the rainfed agricultural areas in 2001-2002 and the 1, 3, 6 and 12-month SPI values representing these areas and it was determined that the 12-month SPI indicated agricultural drought. According to the obtained SPI12 values, critical drought severity-duration-frequency curves were constructed at different return intervals. According to these curves, it was determined that Kırklareli and Lüleburgaz stations are more prone to severe drought in the long term. Finally, future drought severity was predicted using ARIMA, LSTM and CNN models. The ARIMA model underperformed in the 12-month long-term drought forecasts, while the LSTM and CNN models outperformed during this period. LSTM performed best for Kırklareli station (training RMSE:0.042 and test RMSE:0.105), while CNN performed best for Sarıyer station (training RMSE:0.029 and test RMSE:0.091). Information on drought forecasting and expected severity will help water resource managers, infrastructure planners, government policy makers and decision makers in future agricultural and water management planning, as well as in the design and construction of more resilient communities.
Benzer Tezler
- Uzaktan algılama verileri kullanarak derin öğrenmeye dayalı arazi kullanımı ve arazi örtüsü haritalama modeli geliştirme
Developing a deep learning-based land use and land cover mapping model using remote sensing data
ŞAZİYE ÖZGE ATİK
Doktora
Türkçe
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZHAN İPBÜKER
- Earthquake damage detection with satellite imagery and deep learning approaches: A case study of the february 2023, Kahramanmaraş, Turkey earthquake sequence
Uydu görüntüleri ve derin öğrenme yaklaşımları ile hasar tespiti: 2023 şubat Kahramanmaraş, Türkiye deprem dizisinden bir vaka çalışması
FATMA ELİK
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUydu Haberleşmesi ve Uzaktan Algılama Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Aircraft detection from large scale remote sensing images with deep learning techniques
Büyük ölçekli uzaktan algılama görüntülerinden derin öğrenme teknikleriyle uçak tespiti
MEHMET SOYDAŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- A deep learning based framework for identification of ship types using optical satellite images
Optik uydu görüntüleri kullanarak gemi tiplerinin imliklendirilmesi için derin öğrenme tabanlı yöntem
SERDAR KIZILKAYA
Doktora
İngilizce
2023
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- An industrial internet of things application for real-time condition monitoring
Gerçek zamanlı durum izleme için endüstriyel nesnelerin internetiuygulaması
AYDIL JOMAA BAPIR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLHAN AYDIN