Deep learning for predicting soil properties and climate change
Toprak özelliklerini ve iklim değişikliğini tahmin etmek için derin öğrenme
- Tez No: 967057
- Danışmanlar: DR. ÖĞR. ÜYESİ YASSINE DRIAS
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Mef Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Toprak, bitki büyümesi için gerekli olan temel besinleri, mineralleri ve elementleri sağlamakla kalmayıp aynı zamanda iklim düzenlemesinde ve daha geniş ekosistem işleyişinde hayati bir rol oynayan temel bir doğal kaynaktır. Bu yüksek lisans tezi, arazi örtüsü, topografya, iklim verileri ve diğer mekansal faktörler gibi temel çevresel değişkenleri entegre ederek Türkiye genelinde Dijital Toprak Haritalama (DSM) uygulamalarında modern Yapay Zeka (AI) metodolojilerinin uygulanmasını iyileştirmeyi amaçlamaktadır. Bu hedefe ulaşmak için, bu değişkenlere dayalı olarak toprak özelliklerini tahmin etme performanslarını değerlendirmek üzere yedi farklı makine öğrenimi modelinin karşılaştırmalı analizi yürütülmüştür.
Özet (Çeviri)
Soil is a fundamental natural resource that not only provides essential nutrients, minerals, and elements necessary for plant growth but also plays a vital role in climate regulation and broader ecosystem functioning. This master's thesis aims to improve the practises of modern Artificial Intelligence (AI) methodologies in Digital Soil Mapping (DSM) practices across Türkiye by integrating key environmental variables such as land cover, topography, climate data, and other spatial factors. To achieve this objective, a comparative analysis of seven different machine learning models was conducted to evaluate their performance in predicting soil properties based on these variables.
Benzer Tezler
- Identification of tea plantation areas using Google cloud based random forest and deep learning
Google bulut servise dayalı rastgele orman ve derin öğrenme ile çay tarım alanlarının belirlenmesi
BERKAY ÖZEN
Yüksek Lisans
İngilizce
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN
- Evaluation of land suitability for wheat cultivation using different machine learning algorithms and GIS techniques: Gözlü agricultural farm example
Farklı makine öğrenim algoritmaları ve CBS teknikleri kullanılarak buğday yetiştiriciliği için arazi uygunluğunun değerlendirilmesi: gözlü tarım işletmesi örneği
FIRAS KAMEL MOHAMMED ALJANABI
Doktora
İngilizce
2025
ZiraatSelçuk ÜniversitesiToprak Bilimi ve Bitki Besleme Ana Bilim Dalı
DOÇ. DR. MERT DEDEOĞLU
- Sıvılaşma potansiyelinin makine öğrenmesi yöntemleri ile tahmini
Prediction of liquefaction potential using machine learning methods
EYYÜP HAKAN ŞEHMUSOĞLU
Yüksek Lisans
Türkçe
2025
İnşaat MühendisliğiMersin Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. TALAS FİKRET KURNAZ
DOÇ. DR. CANER ERDEN
- Artificial intelligence applications in microwave and mmwave sensing
Mikrodalga ve milimetre dalga algılamada yapay zeka uygulamaları
MUHAMMED İSMAİL PENÇE
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
DOÇ. DR. MEHMET NURİ AKINCI
- Data mining of smart agricultural yielding using convolutional neural network (CNN)
Başlık çevirisi yok
OMAR AHMED RAZOOQI AL-DOORI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN