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: 138
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
- 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
- Erdemli (Mersin) yöresinin coğrafi bilgi sistemleri tabanlı heyelan olası tehlike değerlendirmesi
GIS based landslide hazard assessment of the Erdemli (Mersin) region
ENGİN ÇİL
Yüksek Lisans
Türkçe
2009
Jeoloji MühendisliğiÇukurova ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TOLGA ÇAN
- Barla Dağı Kuşağı'nda moloz akması duyarlılığının ampirik yaklaşımla bölgesel ölçekte değerlendirilmesi
Debris flow susceptibility assessment at regional scale based on an empirical approach in the Barla Mountain Belt
FURKAN KARABACAK
Yüksek Lisans
Türkçe
2024
Coğrafyaİstanbul Teknik ÜniversitesiKatı Yer Bilimleri Ana Bilim Dalı
PROF. DR. TOLGA GÖRÜM
- Türkiye'de kuraklığın Standartlaştırılmış Yağış Evapotranspirasyon İndisi (SPEI) ile analizi
Analysis drought in Turkey with Standardized Precipitation Evapotranspiration Index (SPEI)
AYŞEGÜL KILIÇ
Yüksek Lisans
Türkçe
2022
CoğrafyaÇanakkale Onsekiz Mart ÜniversitesiCoğrafya Ana Bilim Dalı
PROF. DR. HASAN TATLI
- Ampirik kopula temelli Türkiye'nin kuraklık analizi
Drought analysis over Turkey based on empirical copula
MEHMET YARAMIŞ
Yüksek Lisans
Türkçe
2022
CoğrafyaÇanakkale Onsekiz Mart ÜniversitesiCoğrafya Ana Bilim Dalı
PROF. DR. HASAN TATLI