Prediction and forecasting of drought areas based on remote sensing data using machine learning methods
Kuraklik alanlarinin makine öğrenimi yöntemleri ile uydu görüntülerine dayali tahminlemesi tahminlenmesi
- Tez No: 935204
- Danışmanlar: PROF. DR. BURCU HÜDAVERDİ AKTAŞ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Jeodezi ve Fotogrametri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Statistics, Geodesy and Photogrammetry, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Veri Bilimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kuraklık öngörümlemede, geçmiş meteorolojik verilere olan bağımlılık iklim değişikliğinin etkisi nedeniyle artan zorluklara sebep olmaktadır. İklim sistemlerinin karmaşık ve birbirine bağlı doğası, kuraklığı doğru bir şekilde tahmin etme zorluğunu daha da artırmaktadır. Uzaktan algılama verileri ve makine öğrenimi yöntemleri, yüksek doğruluk ve verimlilikleri sayesinde kuraklık bölgelerinin tahmini ve öngörümlenmesinde sıklıkla kullanılmaktadır. Bu çalışmanın ilk bölümünde, kısa vadeli kuraklıkları tahmin etmek için Rastgele Ormanlar (Random Forests), Gradyan Artırma Makineleri (Gradient Boosting Machines), Aşırı Gradyan Artırma (eXtreme Gradient Boosting) ve Hafif Gradyan Artırma Makineleri (Light Gradient Boosting Machines) yöntemleri kullanılarak karşılaştırmalı bir analiz yapılmıştır. Şiddetli kuraklık alanları için Toprak Nem İndeksi (Soil Moisture Index - SMI) değerlerini tahmin etmek amacıyla Landsat 8 görüntüleri ve SRTM DEM (30 m) verileri kullanılmıştır. Son olarak, kuraklık olaylarını tahmin etmede özelliklerin önemi belirlenmiş ve kuraklık oluşumunu en kritik şekilde etkileyen unsurlar vurgulanmıştır. İkinci bölümde, SMI öngörümlenmesi için Landsat 8 görüntüleri ardışık olarak toplanmıştır. Öngörümleme işlemi, bulut örtüsünün tahmin üzerindeki etkisini incelemek amacıyla, tarımsal alan veri setinin iki farklı versiyonu üzerinde, Evrişimsel Uzun Kısa Süreli Bellek (Convolutional Long Short-Term Memory - ConvLSTM) kullanılarak gerçekleştirilmiştir. Gelecekteki kuraklığın şiddetini tahmin etmek amaçlandığından, ConvLSTM süreçleri aracılığıyla çok adımlı bir tahmin yaklaşımı kullanılmıştır. Bu iki aşamalı yaklaşım sayesinde, çalışma şiddetli kuraklık bölgelerinde SMI tahmini için makine öğrenimi yöntemlerini detaylı bir şekilde incelemekte ve tarımsal bağlamlarda kuraklık etkilerinin öngörümlenmesinde ConvLSTM'nin potansiyelini araştırmaktadır.
Özet (Çeviri)
The reliance on historical meteorological data for drought forecasting faces increasing challenges due to the impact of climate change. The complex and interconnected nature of climate systems further amplifies the difficulty in accurately forecasting droughts. Remote sensing data and machine learning methods have frequently been used in the prediction and forecasting of drought areas, due to their high accuracy and efficiency. In the first part of this study, a comparative analysis has been conducted using Random Forests, Gradient Boosting Machines, eXtreme Gradient Boosting, and Light Gradient Boosting Machines methods to predict short-term droughts. Landsat 8 images and SRTM DEM 30 m data have been utilized to predict Soil Moisture Index (SMI) values for the severe drought areas. Finally, the importance of features in predicting drought events has been determined, highlighting the aspects that most critically affect drought occurrence. In the second part, Landsat 8 images have been collected sequentially for SMI forecasting. It has been performed on two versions of the agricultural area dataset to examine the effect of cloud cover on forecasting, using Convolutional Long Short-Term Memory (ConvLSTM). Since the aim is to forecast future drought severity, a multi-step prediction approach has been employed through the ConvLSTM processes. Through this two-part approach, the study offers a detailed examination of machine learning methods for SMI prediction in severe drought areas and explores the potential of ConvLSTM in forecasting drought impacts in agricultural contexts.
Benzer Tezler
- Dokuma kumaşlarda örgü tipinin ham kumaşın boyutları ve geometrik özellikleri üzerindeki etkilerinin araştırılması
Başlık çevirisi yok
EMEL ÖNDER
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNGÖR BAŞER
- Studies on the cuttability of rocks at O.A.L. Çayırhan district by laboratory cutting tests
Başlık çevirisi yok
KÜRŞAD CEYLAN
Yüksek Lisans
İngilizce
1987
Maden Mühendisliği ve MadencilikOrta Doğu Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
DOÇ. DR. NACİ BÖLÜKBAŞI
- Havuçların haşlanmasında difüzyonun modellenmesi
Başlık çevirisi yok
FİGEN KAYMAK
Yüksek Lisans
Türkçe
1986
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ. DR. SUZAN KINCAL
- Arpada diallel melez analizleri ile bazı tarımsal özelliklerin kalıtımı üzerinde araştırmalar
Başlık çevirisi yok
KAYIHAN Z. KORKUT
Doktora
Türkçe
1981
ZiraatEge ÜniversitesiBitki Islahı ve Genetik Ana Bilim Dalı
PROF. DR. İBRAHİM DEMİR
- Ankara Üniversitesi'nde spor yapan öğrencilerin beslenme durumları ve fiziki performansları üzerinde bir araştırma
A Research on the nutritional status and physical performance of the students who were active in sports at the University of Ankara
BÜLENT ASMA
- Meteorolojik verilerin ısıl değerlendirilmesi ve bilgisayarda simülasyonu
Başlık çevirisi yok
KAYA SARICALI