Uzaktan algılama verileri kullanılarak yapay zeka ile deprem sonrası hasar tespiti
Damage assessment using remote sensing data with artificial intelligence
- Tez No: 915366
- Danışmanlar: DOÇ. DR. EMRULLAH ACAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Batman Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 89
Özet
Deprem meydana gelen büyüklüğe bağlı olarak oldukça yıkıcı etkilere sebep olabilmektedir. Özellikle Türkiye'de 6 Şubat 2023 tarihinde meydana gelen 7.7 ve 7.6 büyüklüğündeki depremler örnek olarak verilebilir. Hatay bu iki büyük depremden fazlasıyla etkilenmiş ve çok geçmeden 20 Şubat tarihinde 6.4 büyüklüğünde üçüncü bir deprem daha yaşamıştır. Her üç depremde çok fazla sayıda insan yaralanmış, hayatını kaybetmiş, binalar hasar görmüş veya yıkılmıştır. Depremin sebep olduğu hasarı tespit etmek ise kurtarma ve yardım faaliyetlerinin bölgeye koordineli ve hızlı bir şekilde iletilebilmesi konusunu gündeme getirmiştir. Depremlerin kısa süreli aralıklarla meydana gelmesi deprem sonrası bina hasarı tespitinin ivedilikle yapılması gerektiği gerçeğini gözler önüne sermiştir. Çalışmada, Hatay iline ait deprem sonrası uzaktan algılama yöntemi ile elde edilen Sentinel-2 uydusu tarafından çekilen görüntüler kullanılmıştır. Bu görüntülerden ulaşılan veriler makine öğrenmesi yöntemi türü olan gözetimli öğrenme modeline ait beş algoritma (destek vektör makinesi, karar ağaçları, Naive Bayes ve k-NN ve ensemble) tarafından çözümlenmiştir. K-En yakın komşuluk (KNN) modeli ile % 85.1; karar ağaçları (Decision Tree-DT) modeli ile % 81.6; destek-vektör matrisi ile %62.1; Navie Bayes modeli ile %66.8 ve Ensemble modeli ile % 86 başarı oranı sağlanmıştır. Çalışma sayesinde deprem sonrası bina hasar tespitine ait görüntü yansıma verilerinin yapay zekâya öğretilmesi ile daha hızlı sonuç elde edildiği görülmüştür. Çalışmanın amacı bu işlevin gerçekleşmesi ile yardım faaliyetlerinin koordinasyonunun hızlı bir şekilde yerine getirilmesidir.
Özet (Çeviri)
Depending on the magnitude of the earthquake, it can cause quite destructive effects. The magnitude 7.7 and 7.6 earthquakes that occurred on 6 February 2023 in Turkey can be given as an example. Hatay was heavily affected by these two major earthquakes and soon experienced a third earthquake of magnitude 6.4 on 20 February. In all three earthquakes, many people were injured or killed, and buildings were damaged or destroyed. Determining the damage caused by the earthquake raised the issue of coordinated and rapid delivery of rescue and relief activities to the region. The fact that the earthquakes occurred at short-term intervals revealed the fact that building damage assessment should be carried out immediately after the earthquake. In this study, images of Hatay province taken by Sentinel-2 satellite obtained by remote sensing method after the earthquake were used. The data obtained from these images were analysed by five algorithms (support vector machine, decision trees, Naive Bayes, k-NN, decision trees and ensemble) belonging to the supervised learning model, which is a type of machine learning method. K-Nearest Neighborhood (KNN) model achieved 85.1% success rate, Decision Tree (DT) model 81.6, support vector machine model %62.1, Navie Bayes %66.8 and ensemble model 86%. Thanks to the study, it has been observed that faster results are obtained by teaching the image reflection data of post-earthquake building damage detection to artificial intelligence. The aim of the study is to fulfil the coordination of relief activities quickly with the realisation of this function.
Benzer Tezler
- 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
- Ormanlardaki böcek zararlarının uzaktan algılama verileriyle yapay zeka tabanlı tespiti
Artificial intelligence based detection of insect damage in forests using remote sensing data
ECE ALKAN
Doktora
Türkçe
2024
Ormancılık ve Orman MühendisliğiDüzce ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
PROF. DR. ABDURRAHİM AYDIN
- Yapay sinir ağları ve rastgele orman yöntemleri ile LANDSAT 8 görüntülerinden otomatik kıyı çizgisi çıkartılması
Automatic shoreline extraction from LANDSAT 8 imageries with artificial neural networks and random forest methods
ABDULKADİR İNCE
Yüksek Lisans
Türkçe
2018
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM
- Predicting corn phenological stages with multispectral time series remote sensing data by threshold based and trend detection methods
Eşik temelli ve trend tespit yöntemleri kullanılarak multispektral zaman serisi uzaktan algılama verileri ile Mısır fenolojik aşamalarının tahmin edilmesi
EMİNE ŞENKARDEŞLER
Yüksek Lisans
İngilizce
2023
Jeodezi ve FotogrametriOrta Doğu Teknik ÜniversitesiJeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
DOÇ. DR. MÜZEYYEN ANIL ŞENYEL KÜRKÇÜOĞLU
- Integration of remote sensing and artificial intelligencetechniques for estimation of evapotranspiration
Uzaktan algılama ve yapay zeka entegrasyonu ileevapotranspirasyon (terleme yoluyla buharlaşma) tahmini
MASOUD DERAKHSHANDEH
Doktora
İngilizce
2024
Bilgi ve Belge YönetimiEskişehir Teknik ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
PROF. DR. MUSTAFA TOMBUL