Spatial probability assessment of avalanche hazard using supervised machine learning methods
Çığ tehlikesinin konumsal olasılığının denetimli makine öğrenmesi yöntemleri kullanılarak değerlendirilmesi
- Tez No: 920878
- Danışmanlar: PROF. DR. SULTAN KOCAMAN GÖKÇEOĞLU
- Tez Türü: Doktora
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kar çığları, dağlık bölgelerde meydana gelen yıkıcı tehlikeler arasındadır ve oluşumlarının mekansal dağılımı (duyarlılığı) mekansal planlama ve afet riski azaltma çabaları için dikkate alınmalıdır. Duyarlılık değerlendirmesi, çığ felaketi yönetimindeki ilk adımdır ve yüksek çözünürlüklü coğrafi veri ve makine öğrenimi (ML) algoritmaları kullanılarak gerçekleştirilebilir. Çığ duyarlılığı haritalaması (ASM), araştırmacılar, tasarımcılar ve karar vericiler tarafından bölgesel arazi kullanım planlaması, saha seçimi ve çığ önleme ve azaltma amaçları için bir temel harita veya ön bilgi olarak kolaylaştırılabilir. Bu araştırmada, ASM üretimi için veri odaklı ML yöntemlerinin performanslarını analiz etmek için yüksek kaliteli bir envanter kullanılacaktır. Envanter, uzmanlar tarafından uydu görüntülerinden elle çizilen hassas zaman etiketleri ve çığ sınırları ile büyük bir örneklem büyüklüğüne (6000'den fazla örnek) sahiptir. Veriler İsviçre Kar ve Çığ Araştırma Enstitüsü'nden (SLF) elde edilmiştir. Burada, öznitelik önemi ve tahmin doğrulaması açısından derinlemesine analizler yapılacaktır. Kar örtüsü bilgisi, ek arazi özellikleri ve meteorolojik koşullar gibi çeşitli girdi özellikleri ASM'leri geliştirmek için analiz edilecektir. Ayrıca, envanter verileri başlangıç ve bitiş bölgelerini ayırmak için analiz edilecek ve her iki bölgenin duyarlılığı ayrı ayrı değerlendirilecektir. Tezin çıktıları yöntem seçimi, veri gereksinimleri, koşullandırma faktörlerinin seçimi, bu tür yaklaşımların doğruluğu ve güvenilirliği ve model transfer yeteneği açısından bilimsel literatüre katkıda bulunacaktır.
Özet (Çeviri)
Snow avalanches are among destructive hazards occurring in mountainous regions and spatial distribution (susceptibility) of their occurrences needs to be considered for spatial planning and disaster risk mitigation efforts. The susceptibility assessment is the first step in avalanche disaster management and can be carried out using high-resolution geospatial data and machine learning (ML) algorithms. The avalanche susceptibility mapping (ASM) can be facilitated as a basemap or preliminary information by researchers, designers, and decision-makers for regional land use planning, site selection, and avalanche prevention and mitigation purposes. In this research, a high quality inventory will be employed to analyze the performances of data-driven ML methods for ASM production. The inventory has a large sample size (over 6000 samples) with precise time tags and avalanche boundaries manually delineated from satellite imagery by experts. The data was obtained from the Institute for Snow and Avalanche Research (SLF) Switzerland. Here, in depth analyses will be carried out in terms of feature importance and prediction validation. Several input features such as snowpack knowledge, additional terrain features and meteorological conditions will be analyzed for developing the ASMs. Furthermore, the inventory data will be analyzed to split the starting and the runout zones and the susceptibility of both zones will be assessed separately. The outcomes of the thesis will contribute to the scientific literature in terms of method selection, data requirements, selection of conditioning factors, accuracy and reliability of such approaches, and model transfer capability.
Benzer Tezler
- A Probabilistik model for the evaluation of rehability of lifeline networks under seismic
Sismik tehlike altındaki candamarı şebekelerinin değerlendirilmesi için bir olasılık modeli
AYŞE SEVTAP SELÇUK
Doktora
İngilizce
1996
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. M. SEMİH YÜCEMAN
- GIS based analysis and assessment of tsunamy risk case study of Gocek Bay–Turkey
CBS tabanlı tsunami riski hazırlığın analizi ve değerlendirmesi Örnek: Göcek Körfezi–Türkiye
HAFIDHOU ALI MVOUNA
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı (disiplinlerarası)
Assoc. Prof. Dr. ZAİDE DURAN
- Performance evaluations on the spatial reuse techniques of the next generation wlans
Yeni nesil kablosuz yerel ağlarında spektral tekrar kullanım tekniklerinin değerlendirmesi
ÖMER FARUK TOPAL
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNEŞ ZEYNEP KARABULUT KURT
- Evaluating performance of different remote sensing techniques and various interpolation approaches for soil salinity assessment
Toprak tuzluluğu değerlendirmesi için farklı uzaktan algılama teknikleri ve çeşitli interpolasyon yaklaşımlarının performansının değerlendirilmesi
TAHA GORJI
Doktora
İngilizce
2021
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. AYŞE GÜL TANIK
- Uzaktan algılama ve CBS teknolojileri ile Besni-Tut (Adıyaman) bölgesinin heyelan duyarlılık değerlendirmesi
Landslıde susceptibility assessment of Besni-Tut (Adıyaman) region by using remote sensing and GIS technologies
BERNA TANRIVERDİ
Yüksek Lisans
Türkçe
2022
Jeodezi ve FotogrametriMersin ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
YRD. DOÇ. DR. OSMAN ORHAN