Geri Dön

Forest above ground biomass (AGB) estimation using multi-sensor data

Çoklu uydu verileri kullanılarak orman toprak üstü biyokütle kestirimi

  1. Tez No: 963574
  2. Yazar: EREN GÜRSOY ÖZDEMİR
  3. Danışmanlar: PROF. DR. SAYGIN ABDİKAN
  4. Tez Türü: Doktora
  5. Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 119

Özet

Ormanlar, yeryüzünün yaklaşık üçte birini kaplayarak gezegenimizin biyoçeşitliliğinin yarısından fazlasına ev sahipliği yapar. Atmosfere salınan karbonun önemli bir kısmını depolayan bu doğal yapılar, iklim değişikliği üzerinde belirleyici etkilere sahiptir ve dünya ekosisteminde vazgeçilmez bir rol oynar. Küresel ısınmanın etkilerini azaltmaya yönelik uluslararası anlaşmalar, ülkeleri karbon emisyonlarını ve karbon depolarını düzenli olarak raporlamaya zorunlu kılmıştır. Bu durum, ormanların izlenmesi, korunması ve sürdürülebilir yönetimi çalışmalarının önemini ortaya koymaktadır. Bu tez kapsamında, Bartın ve Kastamonu illerinde yer alan Küre Dağları Milli Parkı tampon bölgesinde, doğu kayını (Fagus orientalis Lipsky) ve Uludağ göknarı (Abies nordmanniana subsp. Bornmülleriana Mattf.) türleri özelinde örnekleme alanları belirlenmiş olup, alanlardaki ağaçların göğüs yüksekliği çapları ve boy uzunlukları ölçülmüş, türlere özel denklemler kullanılarak işlenmiş ve Toprak Üstü Biyokütle (TÜB) kestirimi gerçekleştirilmiştir. Ayrıca, farklı bant (X, C, L) ve özelliklere sahip çok frekanslı Sentetik Açıklı Radar (SAR), çok bantlı optik görüntüler ve bu verilerden elde edilen bitki indeksleri, polarimetri ve doku bilgisi gibi özellikler, farklı makine öğrenme modellerinde kullanılarak TÜB kestirimi yapılmıştır. Saha çalışmalarında elde edilen TÜB değerleri ile karşılaştırılarak kestirim doğruluğu analiz edilmiştir. Dört farklı makine öğrenmesi regresyon yöntemi ve 12 model kullanılmış olup, en yüksek doğruluğa Partial Least Squares (PLS) regresyon yöntemi ulaşmıştır. TÜB kestiriminde, belirleme katsayısı (R²) 0,74, Ortalama Mutlak Hata (MAE) 28,22 t/ha ve Kök Ortalama Karesel Hata (RMSE) 30,77 t/ha olarak elde edilmiştir. L-band SAOCOM HV ve ALOS-2 PALSAR-2 HH polarizasyonlarının optik görüntülerle entegrasyonu, TÜB tahminlerinin doğruluğunu ve güvenilirliğini önemli ölçüde artırmıştır. Ayrıca, örnekleme alanlarından toplanan ağaç kanopi yükseklik (CH) verileri ve yersel çalışmalardan elde edilen TÜB değerleri, bulut tabanlı Google Earth Engine (GEE) platformunda Rastgele Orman (RO) algoritması ve optik, SAR, GEDI Laser Imaging Detection and Ranging (LiDAR) verileri kullanılarak elde edilen yükseklik ve TÜB değerleriyle karşılaştırılarak doğruluk analizleri gerçekleştirilmiştir. Kanopi yükseklikleri, MAE= 1,42 m, RMSE= 1,65 m ve ortalama 21,83 metre olan ağaç yüksekliklerine göre %7,6'lık bir hata oranı ile kestirimi gerçekleştirilmiş olup TÜB kestiriminde ise, R²= 0,55, MAE= 38,50 t/ha ve RMSE= 46,32 t/ha değerleri elde edilmiştir. Dünya genelinde multispektral optik sistemler, SAR ve LiDAR teknolojileri kullanılarak TÜB kestirimi, orman biyokütle haritaları ve karbon çalışmaları yapılmaktadır. Ancak, ülkemizde radar ve optik uydu kombinasyonlarıyla TÜB kestirimi sınırlıdır. Batı Karadeniz'deki kritik alanlardan Küre Dağları Milli Parkı'nda uzaktan algılama ile TÜB çalışmaları daha önce ele alınmamıştır. Yersel biyokütle kestirimlerinin uzaktan algılama yöntemleriyle karşılaştırılması, ormanların karbon döngüsündeki rolü açısından doğru envanterleme, izleme ve karbon yönetimi için büyük önem taşımaktadır.

Özet (Çeviri)

Forests cover approximately one-third of the Earth's surface and host more than half of the planet's biodiversity. These natural structures play a crucial role in storing a significant portion of the carbon released into the atmosphere, exerting decisive effects on climate change and holding an indispensable place in the global ecosystem. International agreements to mitigate global warming have mandated countries to report their carbon emissions and stocks regularly. This requirement underscores the importance of monitoring, conserving, and sustainably managing forests. Within the scope of this study, sampling areas were established in the buffer zone of Küre Mountains National Park, located in the Bartın and Kastamonu provinces, focusing on two tree species: Oriental beech (Fagus orientalis Lipsky) and Uludağ fir (Abies nordmanniana subsp. bornmülleriana Mattf.). In these areas, tree diameter at breast height (DBH) and tree heights were measured, processed using species-specific equations, and used for estimating Above Ground Biomass (AGB). Additionally, multi-frequency Synthetic Aperture Radar (SAR) data from different bands (X, C, L), multispectral optical images, and derived vegetation indices (VIs), polarimetry, and texture features were utilized in various machine-learning models to estimate AGB. The estimated AGB values were compared with field measurements to assess prediction accuracy. Four machine learning regression methods and twelve models were employed, with the Partial Least Squares (PLS) regression method yielding the highest accuracy. In AGB estimation, the determination coefficient (R²) was found to be 0.74, the Mean Absolute Error (MAE) was 28.22 t/ha, and the Root Mean Square Error (RMSE) was 30.77 t/ha. Integrating L-band SAOCOM HV and ALOS-2 PALSAR-2 HH polarizations with optical imagery significantly enhanced the accuracy and reliability of AGB predictions. Furthermore, canopy height (CH) data collected from sampling areas and AGB values obtained from field studies were analyzed for accuracy using the Random Forest (RF) algorithm on the cloud-based Google Earth Engine (GEE) platform. These values were also compared with height and AGB data derived from optical, SAR, and GEDI Laser Imaging Detection and Ranging (LiDAR) data. CHs were estimated with an MAE of 1.42 m, an RMSE of 1.65 m, and an error rate of 7.6% relative to the mean tree height of 21.83 meters. For AGB estimation, the model achieved an R² of 0.55, an MAE of 38.50 t/ha, and an RMSE of 46.32 t/ha. AGB estimation, forest biomass mapping, and carbon studies are conducted globally using multispectral optical systems, SAR, and LiDAR technologies. However, in Türkiye, studies utilizing radar and optical satellite combinations for AGB estimation remain limited. Remote sensing-based AGB studies have not been previously conducted in Küre Mountains National Park, a critical area in the Western Black Sea region. Comparing field-based biomass estimates with remote sensing methods is of great importance for accurate forest inventory, monitoring, and carbon management, given the central role of forests in the global carbon cycle.

Benzer Tezler

  1. Tez No

    771875

    Leaf area index and above ground biomass estimation fromunmanned aerial vehicle and terrestrial lidar data usingmachine learning approaches

    Başlık çevirisi yok

    GÖZDE COŞKUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolWageningen Universiteit

    DR. BENJAMİN BREDE

    DR. HARM BARTHOLOMEUS

  2. Tez No

    797201

    Investigating the vertical tropical forest structure using digital elevation models and machine learning methods

    Düşey tropikal orman yapısının sayısal yükseklik modelleri ve makine öğrenme yöntemleri ile incelenmesi

    ELAHEH ZADBAGHER

    Doktora

    İngilizce

    İngilizce

    2023

    Jeodezi ve FotogrametriZonguldak Bülent Ecevit Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AYCAN MURAT MARANGOZ

    PROF. DR. KAZİMİERZ BECEK

  3. Tez No

    963022

    Saf kızılçam meşcerelerinde uydu görüntüleri kullanılarak topraküstü biyokütlenin tahmini (Çetibeli orman işletme şefliği örneği)

    Estimating aboveground biomass using satellite images in pure calabrian pine stands (a case study in çetibeli forest management unit)

    ERHAN YARTIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Ormancılık ve Orman MühendisliğiÇankırı Karatekin Üniversitesi

    Orman Mühendisliği Ana Bilim Dalı

    PROF. DR. SEDAT KELEŞ

  4. Tez No

    483548

    Artvin, Erzurum ve Bayburt illerindeki bazı mikro havzalarda orman, mera ve tarım alanlarında toprak altı ve toprak üstü karbon miktarlarının belirlenmesi, uydu görüntüleri ile ilişkilendirilmesi ve modellenmesi

    Determination and modelling of above ground and below ground carbon contents in forest, grassland and agriculture areas with association by using satallite images in some sub-basins of Artvin, Erzurum and Bayburt

    MUSA DİNÇ

    Doktora

    Türkçe

    Türkçe

    2017

    Ormancılık ve Orman MühendisliğiArtvin Çoruh Üniversitesi

    Orman Mühendisliği Ana Bilim Dalı

    PROF. DR. AYDIN TÜFEKÇİOĞLU

  5. Tez No

    935200

    Saf kızılçam meşcerelerinde topraküstü biyokütle ile yaprak alan indeksi arasındaki ilişkilerin modellenmesi (Sarıyayla orman işletme şefliği örneği)

    Modeling of the relationshi̇ps between aboveground biomass and leaf area index in pure red pine stands (a case study in Sariyayla forest planning unit)

    SERKAN YAYLA

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Ormancılık ve Orman MühendisliğiÇankırı Karatekin Üniversitesi

    Orman Mühendisliği Ana Bilim Dalı

    PROF. DR. ALKAN GÜNLÜ

Geri Dön