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
- Tez No: 923581
- Danışmanlar: DOÇ. DR. EMRULLAH ACAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Batman Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
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
- 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
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Uzaktan algılama sistemleri ile yangına hassas bölgelerin tahmin edilmesi
Forecasting fire prone regions utilizing remote sensing systems
SEMANUR ÇÖKEKOĞLU
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATİH AHMET ŞENEL
- Augmented superpixel based anomaly detection in hyperspectral imagery
Hiperspektral görüntülerde genişletilmiş süperpiksel tabanlı anomali tespiti
EZGİ GÖKDEMİR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- Aircraft detection using deep learning
Derin öğrenme kullanarak hava aracı tespiti
UTKU MUTLU
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. SEDEF KENT PINAR
- Satellite images super resolution using generative adversarial networks
Uydu görüntülerinde çekişmeli üretici ağ kullanarak süper çözünürlük
MARYAM SERDAR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. AHMET HAMDİ KAYRAN