Geri Dön

An improved flood detection and susceptibility mapping using remote sensing and GIS technologies

Uzaktan algılama ve Cbs teknolojilerini kullanarak gelişmiş bir sel algılama ve duyarlılık haritalaması

PDF İndir

  1. Tez No: 912835
  2. Yazar: MAHYAT SHAFAPOURTEHRANY
  3. Danışmanlar: PROF. DR. BISWAJEET PRADHAN
  4. Tez Türü: Doktora
  5. Konular: Coğrafya, Jeodezi ve Fotogrametri, Çevre Mühendisliği, Geography, Geodesy and Photogrammetry, Environmental Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2015
  8. Dil: İngilizce
  9. Üniversite: Universiti Putra Malaysia UPM
  10. Enstitü: Yurtdışı Enstitü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Geomatik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 257

Özet

Sel, heyelan, arazi çökmesi vb. doğal tehlike, dünya çapında hem canlara hem de mülklere onarılamaz zararlar veren yıkıcı olaylardır. Sel olayları, son on yıllarda nüfusu, ekonomiyi ve çevreyi ciddi şekilde tehdit etmektedir. Bu felaketi kontrol etmek ve önlemek için verimli ve yönetilen bir plana ihtiyaç vardır ve hükümetin afet yönetimini planlamasının ilk seviyelerine yerleştirilmelidir. Bu çalışma, taşkın koşullandırma faktörlerinin tespiti, modellenmesi ve optimizasyonu açısından taşkınları araştırmak, analiz etmek ve değerlendirmek için çeşitli yaklaşımları benimsemiştir. Uzaktan algılama (RS) ve coğrafi bilgi sistemi (CBS) teknikleri, hızlı veri toplama ve analiz sağlama gibi genel taşkın yönetimini destekleyebilecek hidrolojik çalışmalara yeni bir bakış açısı getirdi. Bu nedenle mevcut araştırma genel olarak ikiye ayrılmaktadır. ASPECTS Esas olarak RS teknolojisinden faydalanılan ilk husus, TerraSAR - X görüntülerinin aktif sensörünü kullanarak taşkın alanlarını tespit etmektir. Aktif radar verileri, taşkın alanlarının tespitindeki hassasiyeti nedeniyle doğal tehlike çalışmaları ve özellikle taşkın haritalaması için geniş çapta kullanılmıştır. Aktif sensörler kendi aydınlatma kaynağını sağlayabilir ve gündüz ve gece saatlerinden bağımsız olarak veri kaydedebilirler. Diğer bir avantaj ise bulut örtüsüne nüfuz edebilmeleri ve görüntü kaydını tüm hava koşullarından bağımsız hale getirebilmeleridir. Sel sırasında yakalanan TerraSAR - X uydu verileri ve selden önce su kütlelerini tespit etmek için Landsat görüntülerinden yararlanılmıştır. Bunun nedeni, sar verilerinde su kütleleri ve taşkın konumları siyah renk olarak görünecek ve bu nedenle tek sınıf olarak sınıflandırılacaktır. Bu nedenle, Landsat'tan elde edilen su kütlelerinin sınıfı, TerraSAR-X görüntüsünden çıkarılan su kütlelerinin sınıfından çıkarılmıştır. Kalan su kütleleri su basmış bölgeyi temsil ediyordu. Kuala Terengganu, Malezya önerilen metodolojiyi uygulamak ve yeterliliğini incelemek için seçilmiştir. Her iki görüntü için nesne odaklı sınıflandırmanın uygulanmasında kural tabanlı yöntem kullanılmıştır. Çok çözünürlüklü görüntü segmentasyonu, çeşitli boyut ve ölçeklere sahip nesnelerin sınırını tespit etmek için kural tabanlı sınıflandırmadan önce gerçekleştirilmiştir. Ayrıca optimum segmentasyon parametrelerini bulmak için Taguchi yöntemi kullanılmıştır. Taguchi ilk kez taşkın haritalama çalışmalarında kullanılan etkin bir optimizasyon tekniğidir. Segmentasyon yapıldıktan sonra, kurallar tanımlandı ve görüntüler sınıflandırılmıştır. Landsat için kentsel, bitki örtüsü ve su kütleleri olmak üzere üç sınıf tespit edilmiştir. Öte yandan, TerraSAR - X'den sadece su sınıfı çıkarılmıştır. Sonuçları değerlendirmek için kafa karışıklığı matrisi kullanılmıştır. Sonuç olarak, su basan yerler TerraSAR - X ve Landsat görüntülerinden iki su kütlesi sınıfı çıkarılarak tanınmış ve haritalandırılmıştır. Önerilen yeni metodolojinin etkinliği, doğru taşkın envanteri haritasına ulaşılarak kanıtlanmıştır. Mevcut araştırmanın ikinci yönü CBS mekansal modelleme ile ilgilidir. Bazı yeni yöntemler önerilmiş ve her biri farklı çalışma alanlarında test edilmiştir. Önerilen tüm duyarlılık yöntemleri için ilk gereksinim, rastgele iki veri kümesine ayrılan taşkın envanter haritasının sağlanmasıydı; modellerin eğitimi için % 70 ve geri kalan (% 30) doğrulama amacıyla kullanıldı. Daha sonra, ilgili koşullandırma faktörlerinin veri kümeleri oluşturulmuş ve analizde kullanılmıştır. Sel duyarlılığı haritalamasında ilk kez karar ağacı (DT) uygulanmış ve yeterliliği incelenmiştir. DT, taşkın duyarlılık haritalamasının performansını artırabilecek faktörlerin tüm özellikleri dikkate alınarak tam olarak oluşturulan kurallara dayanmaktadır. Kelantan, Malezya, DT için bir test alanı olarak seçilmiştir. Validasyon sonuçları, DT sonucu için Eğri Altı Alanın (EAA) başarı oranı için sırasıyla % 87 ve % 82 olduğunu göstermiştir. Taşkın eğilimli bölgeleri modellemek için çeşitli yöntemler mevcuttur. Bununla birlikte, yüksek hassasiyet, hızlı hesaplama ve daha az dezavantaj nedeniyle doğal tehlike çalışmalarında topluluk yöntemleri daha talep edilebilir hale gelmektedir. Bu nedenle, mevcut araştırma CBS ortamında yeni topluluk yöntemlerinin üretimini kullanarak mevcut taşkın duyarlılığı modellemesinin verimliliğini artırmıştır. Güney Kore'nin Busan ve Malezya'nın Kelantan kentlerinde iki çalışma alanında test edilen topluluk frekans oranının (FR) ve lojistik regresyonun (LR) geliştirilmesi ile başlamıştır. Busan'ın ilk çalışma alanında doğruluk değerlendirmesi sonuçları % 92.7 'lik bir başarı oranı ve % 82.3'lük bir tahmin oranı göstermiştir. Benzer şekilde, ikinci çalışma alanındaki topluluk yöntemi başarı oranı için % 90 ve tahmin oranı için % 83 'e ulaşmıştır. İkinci topluluk yöntemi, destek vektör makinesinin (SVM) FR ve makine öğrenimi algoritmasının entegrasyonu ile elde edilmiştir. FR modeli iki değişkenli istatistiksel analiz (BSA) gerçekleştirmiş ve her bir kondisyon faktörünün taşkın ve sınıfları arasındaki korelasyonu değerlendirmiştir. FR ile elde edilen ağırlıklar her bir koşullandırma faktörüne atanmış ve elde edilen faktörler SVM analizinde kullanılmıştır. Önerilen topluluk yöntemini test etmek için Malezya'daki Kelantan havzasının üst havzası seçilmiştir. Validasyon sonuçları başarı oranı için % 88,71 ve tahmin oranı için % 85,21 göstermiştir. Üçüncü topluluk yöntemini oluşturmak için, SVM ile entegre olmak için başka bir istatistiksel kanıt ağırlığı yöntemi (WOE) kullanılmıştır. Malezya yarımadasındaki Kuala Terengganu, topluluk yöntemini uygulamak için bir test alanı olarak seçilmiştir. Bunun yanı sıra dört SVM çekirdek tipinin etkinliği değerlendirilmiştir. En iyi sonuçlar, diğer çekirdek tipleri ile karşılaştırıldığında radyal temel fonksiyon (RBF) çekirdeğinden elde edilmiştir. Topluluk WOE ve RBF - SVM yöntemi için başarı oranı ve tahmin oranı sırasıyla % 96,48 ve % 95,67 'dir. Edinilen sonuçlar, önerilen topluluk yönteminin sel yatkınlığı değerlendirmesinde hızlı, doğru ve makul olduğunu kanıtlamıştır. Bireysel yöntemlerin ve topluluk yöntemlerinin sonuçları arasında karşılaştırma yapmak için, sel duyarlı alanları haritalamak için Kuala Terengganu'daki farklı doğrusal (LN), polinom (PL), RBF ve sigmoid (SIG) çekirdekleri ile bireysel SVM uygulandı. Validasyon sonuçları SVM - LN, SVM PL, SVM - RBF ve SVM - SIG için elde edilen tahmin oranlarının sırasıyla % 77,80, % 81,30, % 82,16 ve % 79,15 olduğunu göstermiştir. Yöntemlerin kesinliği ve kalitesi, kapsamlı bir mekansal veritabanı geliştirmenin yolu ve kullanılan verilerin doğruluğundan etkilenebilir. Bu nedenle, mevcut araştırmanın son hedefi olarak, taşkın koşullandırma faktörlerinin optimizasyonu uygulanmıştır. Şartlandırma faktörlerinin taşkın duyarlılık haritalaması üzerindeki etkilerini değerlendirmek. Cohen's kappa index was measured. Sonuç, tüm koşullandırma faktörlerinin, nihai sonuçların kesinliğini azaltan yüzey akışı hariç mevcut vaka çalışmasında sel analizi üzerinde makul derecede olumlu etkiye sahip olduğunu göstermiştir. En etkili faktörler tüm çekirdek türleri için rakım ve eğimdir. Mevcut araştırmanın başarıları, taşkın azaltma stratejileri ve daha fazla analizde araştırmacılara ve yerel yönetimlere yardımcı olabilir.

Özet (Çeviri)

Natural hazard such as flood, landslide, land subsidence etc. are destructive events which cause unrecoverable damages to both lives and properties worldwide. Flood events seriously threaten the population, economy and environment during the past decades. Efficient and managed plan is needed to control and prevent this disaster and it should be placed in the first levels of government's planning disaster management. This study adopted several approaches to investigate, analyze, and assess flooding in terms of detection, modeling and optimization of the flood conditioning factors. Remote sensing (RS) and geographic information system (GIS) techniques brought new insight into hydrological studies which can support overall flood management such as providing rapid data collection and analysis. Therefore, current research is divided into two general aspects. The first aspect which is mainly utilized RS technology is to detect the flooded areas using active sensor of TerraSAR-X images. Active radar data have been broadly used for natural hazard studies and especially flood mapping due to its precision in detection of flooded areas. Active sensors can provide their own illumination source and they can record data independent of day and night time. Another advantage is their capability to penetrate the cloud cover, making the image recording independent of all weather conditions. TerraSAR-X satellite data captured during the flooding and Landsat imagery was utilized in order to detect the water bodies before flooding. The reason is in SAR data the water bodies and flood locations will be appeared as a black color and therefore will be classified as one class. Hence, the class of the water bodies achieved from the Landsat was subtracted from the class of the water bodies extracted from TerraSAR-X image. The remaining water bodies represented the flooded location. Kuala Terengganu, Malaysia was chosen to apply the proposed methodology and examine its proficiency. Rule-based method was utilized to implement the object-oriented classification for both images. Multi-resolution image segmentation was performed prior to rule-based classification to detect objects boundary with various sizes and scales. Furthermore, Taguchi method was employed to find the optimum segmentation parameters. Taguchi is an efficient optimization technique which is for the first time used in flood mapping studies. Once the segmentation was done, subsequently, rules were defined and images were classified. Three classes were detected for Landsat which were urban, vegetation, and water bodies. On the other hand, only the class of water was extracted from the TerraSAR-X. Confusion matrix was used to evaluate the results. Consequently, flooded locations were recognized and mapped by subtracting the two classes of water bodies from TerraSAR-X and Landsat images. The efficiency of the proposed novel methodology was proved by achieving the accurate flood inventory map. The second aspect of the current research is related to the GIS spatial modeling. Some novel methods were proposed and each was tested in different study area. The first requirement for all the proposed susceptibility methods was to provide the flood inventory map which was randomly divided into two datasets; 70% for training the models and the remaining (30%) was used for validation purpose. Subsequently, the related conditioning factors' datasets were constructed and utilized in the analysis. Decision tree (DT) was applied for the first time in flood susceptibility mapping and its proficiency was examined. DT is based on the rules which are created precisely by considering all the characteristics of the factors which can enhance the performance of the flood susceptibility mapping. Kelantan, Malaysia was selected as a testing area for DT. The validation results showed that, Area Under Curve (AUC) for DT outcome was 87% and 82% for success rate and prediction rate respectively. There are various methods available to model the flood prone regions. However, ensemble methods are becoming more demandable in natural hazard studies, due to the high precision, fast computation and less disadvantages. Therefore, current research improved the efficiency of the available flood susceptibility modeling using the generation of the novel ensemble methods in GIS environment. It started with development of ensemble frequency ratio (FR) and logistic regression (LR) which was tested in two study areas of Busan, South Korea and Kelantan, Malaysia. In the first study area of Busan, the results of the accuracy assessment showed a success rate of 92.7% and a prediction rate of 82.3%. Similarly, the ensemble method in the second study area achieved 90% and 83% for success rate and prediction rate respectively. The second ensemble method was achieved by integration of FR and machine learning algorithm of support vector machine (SVM). The FR model performed bivariate statistical analysis (BSA) and evaluated the correlation between the flooding and classes of each conditioning factors. The weights achieved by FR were assigned to each conditioning factor and the resulted factors were used in SVM analysis. To test the proposed ensemble method, the upper catchment of the Kelantan basin in Malaysia was chosen. The validation results showed 88.71% and 85.21% for success rate and prediction rate respectively. To generate the third ensemble method, another statistical method of weights-of-evidence (WoE) was utilized to be integrated with SVM. Kuala Terengganu in peninsular Malaysia was chosen as a testing area to implement the ensemble method. Besides that, the efficiency of the four SVM kernel types was assessed. The best results were obtained from radial basis function (RBF) kernel when compared with the other kernel types. Success rate and prediction rate for ensemble WoE and RBF-SVM method were 96.48% and 95.67% respectively. The acquired results proved the efficiency of the proposed ensemble method as rapid, accurate and reasonable in flood susceptibility assessment. To have comparison between the results of individual methods and ensemble methods, individual SVM was applied with different kernels of linear (LN), polynomial (PL), RBF, and sigmoid (SIG) in Kuala Terengganu to map the flood susceptible areas. The validation results demonstrated that the achieved prediction rates for SVM-LN, SVM PL, SVM-RBF, and SVM-SIG were 77.80%, 81.30%, 82.16%, and 79.15% respectively. The precision and quality of the methods can be affected by the way of developing an extensive spatial database and the accuracy of the data used. Therefore, as the last goal of the current research, optimization of the flood conditioning factors was implemented. To evaluate the impacts of conditioning factors on the flood susceptibility mapping, Cohen's kappa index was measured. The result demonstrated that all conditioning factors have reasonably positive influence on the flood analysis in current case study except surface runoff which decreased the precision of the final results. The most influential factors were altitude and slope for all kernel types. The achievements of the current research can assist researchers and local governments in flood mitigation strategies and further analysis.

Benzer Tezler

  1. Tez No

    959225

    Enhancing urban flood resilience through GIS-AHP andwsud strategies: A case study of Istanbul's Anatolian districts

    Kentsel sel direncinin artırılması: istanbul'un Anadolu yakası için CBS-AHP ve SDKT stratejileri üzerine bir uygulama

    OMID ZAMANI GHAREHCHAMANI

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Peyzaj Mimarlığıİstanbul Teknik Üniversitesi

    Peyzaj Mimarlığı Ana Bilim Dalı

    PROF. DR. FATMA AYÇİM TURER BAŞKAYA

  2. Tez No

    933149

    Seryum oksit esaslı hibrit materyalin peroksidaz aktivitesinin belirlenmesi

    Determination of peroxidase activity of cerium oxide based hybrid material

    NAIBA JABIYEVA

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    KimyaSakarya Üniversitesi

    Kimya Ana Bilim Dalı

    PROF. DR. ABDİL ÖZDEMİR

  3. Tez No

    836936

    Makine öğrenmesi algoritmalarının hibrit yaklaşımı ile ağ anomalisi tespiti

    Network anomaly detection with a hybrid approach of machine learning algorthms

    FEYZA ÖZGER

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİT ÖZTEKİN

  4. Tez No

    659831

    Nesnelerin internetinde ağ katmanında güvenli ve enerji verimli yeni bir yöntem tasarımı ve uygulaması

    Design and application of a safe and energy efficient new method at the network layer in the internet of things

    SEMİH ÇAKIR

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce Üniversitesi

    Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SİNAN TOKLU

    DR. ÖĞR. ÜYESİ NESİBE YALÇIN

  5. Tez No

    863511

    An improved multi-component metric for spatial pattern calibration of hydrologic models

    Hidrolojik modellerin örüntüye dayalı kalibrasyonu için çok bileşenli metrik geliştirilmesi

    EYMEN BERKAY YORULMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET CÜNEYD DEMİREL

Geri Dön