Uzaktan algılama verileri ile makine öğrenmesi algoritmaları kullanılarak almus barajı su alanlarının zamansal değişiminin analizi ve geleceğe yönelik mekânsal projeksiyonları
Analysis of the temporal changes in the water areas of almus dam using remote sensing data and machine learning algorithms, and spatial projections for the future
- Tez No: 968133
- Danışmanlar: DR. ÖĞR. ÜYESİ NURAY BAŞ DOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Makine öğrenmesi, Uzaktan algılama, Machine learning, Remote sensing
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sivas Cumhuriyet Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, Tokat ili sınırları içerisinde yer alan Almus Barajı çevresindeki su alanlarının zamansal değişimi analiz edilmiş ve geleceğe yönelik projeksiyonlar üretilmiştir. Çalışmanın temel amacı, uzaktan algılama verileri ve coğrafi bilgi sistemleri (CBS) destekli makine öğrenmesi algoritmaları kullanılarak, su alanlarındaki değişimlerin modellenmesi ve ilerleyen yıllarda meydana gelebilecek değişimlerin tahmin edilmesidir. Çalışmada 2016, 2020 ve 2024 yıllarına ait Landsat 8 uydu görüntüleri kullanılarak kontrollü sınıflandırma yöntemi uygulanmış ve görüntüler“Su”ve“Diğer”olmak üzere iki sınıfa ayrılmıştır. Sınıflandırma doğrulukları, genel doğruluk oranı %93, Kappa katsayısı ise 0.85 olarak belirlenmiştir. Modelleme sürecinde topografik değişkenler Yapay Sinir Ağı (Artificial Neural Network, ANN) algoritması ile, iklimsel değişkenler ise lojistik regresyon (Logistic Regression, LR) algoritması ile ayrı ayrı modellenmiş; ardından CA-Markov yöntemi kullanılarak 2028 ve 2032 yılları için su alanı değişim projeksiyonları oluşturulmuştur. Elde edilen sonuçlara göre, ANN ve LR algoritmaları yüksek doğruluk oranları sergilemiş olmakla birlikte, iklimsel değişkenlerle çalışan LR modeli (%94 genel doğruluk, Kappa 0.85) daha yüksek performans göstermiştir. Projeksiyon sonuçları, Almus Barajı çevresindeki su alanlarının özellikle kıyı şeritlerinde daralma eğiliminin ilerleyen yıllarda da devam edeceğini göstermektedir. Ayrıca, su alanı kaybının, topografik eşikler, eğim farklılıkları ve iklimsel faktörlerin birleşik etkisiyle şekillendiği belirlenmiştir. Çalışma sonucunda, MOLUSCE modülünün açık kaynaklı yapısı sayesinde farklı makine öğrenmesi tekniklerinin CA-Markov simülasyonlarıyla bütünleştirilerek güvenilir su alanı değişim tahminleri üretilebileceği ortaya konulmuştur. Bu araştırma, çevresel değişimlerin izlenmesi, su kaynaklarının sürdürülebilir yönetimi ve iklim değişikliğine uyum stratejilerinin geliştirilmesi açısından önemli bilimsel ve uygulamalı katkılar sunmaktadır.
Özet (Çeviri)
In this study, the temporal change of the water areas around Almus Dam located within the borders of Tokat province was analysed and projections for the future were produced. The main objective of the study is to model the changes in water areas and to predict the changes that may occur in the following years by using remote sensing data and machine learning algorithms supported by geographic information systems (GIS). In the study, controlled classification method was applied using Landsat 8 satellite images from 2016, 2020 and 2024 and the images were classified into two classes as 'Water' and 'Other'. Classification accuracies were determined as 93% overall accuracy rate and Kappa coefficient as 0.85. In the modelling process, topographic variables were modelled separately with the Artificial Neural Network (ANN) algorithm and climatic variables were modelled separately with the Logistic Regression (LR) algorithm, and then water area change projections for the years 2028 and 2032 were created using the CA-Markov method. According to the results obtained, ANN and LR algorithms showed high accuracy rates, but the LR model with climatic variables (94% overall accuracy, Kappa 0.85) showed higher performance. The projection results show that the shrinking trend of the water area around Almus Dam, especially along the coastlines, will continue in the following years. In addition, it was determined that the loss of water area is shaped by the combined effect of topographic thresholds, slope differences and climatic factors. As a result of the study, it was revealed that reliable water area change predictions can be produced by integrating different machine learning techniques with CA-Markov simulations thanks to the open-source structure of the MOLUSCE module. This research provides important scientific and practical contributions in terms of monitoring environmental changes, sustainable management of water resources and development of climate change adaptation strategies.
Benzer Tezler
- Landsat uydusu aracılığı ile elde edilen görüntülerin sınıflandırılmaları ve bunlara ilişkin bilgisayar programlarının hazırlanması
Başlık çevirisi yok
G. FERZAN KÜÇÜKA
Yüksek Lisans
Türkçe
1985
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİS PÜSKÜLCÜ
- Landsat uyduları aracılığı ile elde edilen görüntülerin işlenmesinde kontrast artırma tekniklerinin tanımı ve bu tekniklere ilişkin bilgisayar programlarının hazırlanması üzerine bir çalışma
Başlık çevirisi yok
BİLHAN TABAK
Yüksek Lisans
Türkçe
1986
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Marmara bölgesinde su ile örtülü alanların orijinal ve yapay landsat-4 görüntü verileri yardımı ile incelenmesi
Die Untersuchung der mit wasser bedeckten flöchen im marmara gebiet mit hilfe der original- und ratiodaten von landsat-4 aufnahmen
DERYA MAKTAV
- Güneş plajlarındaki gelişimin fotometrik incelenmesi ve flerlerin plajlara etkisi
Başlık çevirisi yok
ERDEN SOYTÜRK
- Eşikler üzerindeki akım özellikleri ve katı tane hareketi
Flow characteristics and sediment transport over the dunes
ALİ ANIL