Geri Dön

Orman yangınlarının makine öğrenmesi ve uzaktan algılama yöntemleri kullanılarak tahmin edilmesi ve duyarlılık haritasının oluşturulması

Prediction and susceptibility mapping of forest fires using machine learning and remote sensing methods

PDF İndir

  1. Tez No: 923581
  2. Yazar: YUSUF FIRAT SUMER
  3. Danışmanlar: DOÇ. DR. EMRULLAH ACAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Batman Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Türkiye'de orman yangınları, özellikle Akdeniz ve Ege Bölgesi'nde yaz aylarında meydana gelmektedir. İklim değişikliği, insani sebepler, bölgenin iklimsel özellikleri orman yangınlarına sebep olmakta, hem meydana geldiği yerdeki orman varlığını yok etmekte hem de ekonomik ve çeşitli çevresel sorunlara sebep olmaktadır. Bu sebeple roman yangınlarının önceden tespit edilmesi ve yangın meydana gelme potansiyeli bulunan alanların analiz edilmesi büyük önem arz etmektedir. Bu çalışmada Türkiye'de orman yangınların tespit ve tahmin edilmesi amacıyla uzaktan algılama ve makine öğrenmesi yöntemleri kullanılmıştır. Fire Information for Resource Management (FIRMS) veri setinden zamansal orman yangınlarına ilişkin veriler elde edilmiş, ECMWF Re-Analysis-5 (ERA-5), National Aeronautics and Space Administration (NASA) Global Land Data Assimilation System (GLDAS), National Aeronautics and Space Administration (NASA) Shuttle Radar Topography Mission (SRTM) veritabanlarından ise Antalya ilinin çeşitli iklim özellikleri elde edilerek yeni bir veri seti oluşturulmuştur. Veri seti, Ada Boost, Decision Tree (Karar Ağaçları), Gradient Boosting Machine (GBM), K-Nearest Neighbours (KNN), Logistic Regression (Lojistik Regresyon), Support Vector Machine (Destek Vektör Makinesi, SVM) ve Artificial Neural Network (Yapay Sinir Ağı, YSA) algoritmaları ile değerlendirilmiş ve sonuçlar Jenks Natural Breaks sınıflandırma yöntemi ile sınıflandırılarak bölgenin orman yangını duyarlılık haritalarının oluşturulması sağlanmıştır. Deneysel sonuçlara göre en başarılı algoritma Ada Boost olarak tespit edilmiştir (Sensitivity=0,93, Specificity=0,95, Accuracy=0,94, Kappa=0,88, AUC=0,99). Bu modeller Türkiye'de Akdeniz ve Ege Bölge'sinde orman yangınlarının aylık ve mevsimlik duyarlılık haritalarının oluşturulmasında kullanılabilecek, böylece orman yangınları meydana gelmeden önce gerekli önleyici tedbirler alınabilecektir.

Özet (Çeviri)

In Türkiye, forest fires occur during the summer months. This is especially the case in the Mediterranean and Aegean regions. Climate change, humanitarian reasons and climatic characteristics of the region cause forest fires, which destroy the forest resources where they occur and cause economic and various environmental problems. For this reason, it is of great importance to detect forest fires in advance and to analyze the areas with the potential of fire occurrence. In this study, remote sensing and machine learning techniques have been used to detect and predict forest fires in Turkiye. Temporal forest fire data has been obtained from the FIRMS dataset, and a new dataset has been created by obtaining various climatic characteristics of Antalya province from the ERA-5, NASA GLDAS, and NASA SRTM databases. The new data set has been evaluated using Ada Boost, Decision Tree, Gradient Boosting Machine (GBM), K-Nearest Neighbors (KNN), Logistic Regression, Support Vector Machine (SVM) and Artificial Neural Network (ANN) algorithms and the results have been classified using Jenks Natural Breaks classification method to create forest fire susceptibility maps of the region. According to the experimental results, the most successful algorithm has been determined to be Ada Boost (sensitivity=0.93, specificity=0.95, accuracy=0.94, kappa=0.88, AUC=0.99). These models can be used to create monthly and seasonal forest fire susceptibility maps for the Mediterranean and Aegean regions of Türkiye, so that necessary preventive measures can be taken before forest fires occur.

Benzer Tezler

  1. Tez No

    565495

    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

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  2. Tez No

    818953

    Uzaktan algılama sistemleri ile yangına hassas bölgelerin tahmin edilmesi

    Forecasting fire prone regions utilizing remote sensing systems

    SEMANUR ÇÖKEKOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FATİH AHMET ŞENEL

  3. Tez No

    5

    Doğuştan kalça çıkıklı hastalarda kalça patolojilerinin bilgisayarlı tomografi ile değerlendirilmesi

    Başlık çevirisi yok

    NECDET ŞÜKRÜ ALTUN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1987

    Ortopedi ve TravmatolojiGazi Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    PROF.DR. ORHAN ASLANOĞLU

  4. Tez No

    266

    Ege bölgesi keçi liflerinin bazı önemli fiziksel, kimyasal özellikleri ve değerlendirme imkanları

    Başlık çevirisi yok

    NİLÜFER ERDEM

    Doktora

    Türkçe

    Türkçe

    1985

    Tekstil ve Tekstil MühendisliğiEge Üniversitesi

    Tekstil Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜLSEREN YAZICIOĞLU

  5. Tez No

    320

    Yenileme yatırımları

    Başlık çevirisi yok

    OSMAN NURİ FİLİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    İşletmeGazi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN OKKA

Geri Dön