Forest above ground biomass (AGB) estimation using multi-sensor data
Çoklu uydu verileri kullanılarak orman toprak üstü biyokütle kestirimi
- Tez No: 963574
- Danışmanlar: PROF. DR. SAYGIN ABDİKAN
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Biyokütle, Optik sistemler, Radar görüntüleri, Uzaktan algılama, Biomass, Optical systems, Radar images, Remote sensing
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- Antalya-Taşağıl bölgesi saf kızılçam meşçerelerinde toprak üstü biyokütlenin landsat 9 ve uydu tabanlı lidar verileri ile modellenmesi
Modeling aboveground biomass of pure calabrian pine stands with landsat 9and satellite-based lidar data in Antalya-Taşağil region
SERDAR MURAT KORKMAZ
Yüksek Lisans
Türkçe
2026
Ormancılık ve Orman MühendisliğiÇankırı Karatekin ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DOÇ. DR. SİNAN BULUT
- 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
- Bölünüme bağlı olmayan varyans çözümlemesi çoklu karşılaştırmalar ve tarımda uygulamaları
Distiribution-free analyis of variance multiple comparisons and applications in agriculture
HAMZA GAMGAM
- Çanakkale ve çevresi carnivora fosilleri paleontoloji, biyostratigrafi paleoekoloji ve paleocoğrafya
Başlık çevirisi yok
FERAL ARSLAN
- Buca yerleşme merkezinde ekoloji yönünden önemli biyotoplar üzerinde araştırmalar
Başlık çevirisi yok
KEMAL TULUHAN YILMAZ