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: Belirtilmemiş.
- 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: 68
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
- Predicting software vulnerabilities using topic modeling with issues
Konu modelleme yöntemi ile yazılım güvenlik açıklarını tahmin etme
FATMA GÜL BULUT
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE TOSUN
- Uydu ve meteoroloji verilerinden makine öğrenmesi yöntemleri kullanılarak Adana Bölgesi için güneş enerjisi potansiyelinin tahmini
Forecasting the solar energy potential for the Adana Region using machine learning methods from satellite and meteorology data
METİN ERSİN
Yüksek Lisans
Türkçe
2021
MeteorolojiÇukurova ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. BEKİR YİĞİT YILDIZ
- Unveiling the performance of pre-processing approaches in machine learning based flood susceptibility mapping
Makine öğrenmesi tabanlı sel duyarlılık haritalamasında ön işleme yöntemlerinin performansının açıklanması
NİHAL GÜLCAN
Yüksek Lisans
İngilizce
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER EKMEKCİOĞLU
- Uzaktan algılama ve coğrafi bilgi sistemleri kullanılarak üretilen jeomorfometrik parametrelerin iklim açısından değerlendirilmesi
Evaluation of geomorphometric parameters produced using remote sensing and geographic information systems in terms of climate
HASAN BURAK ÖZMEN
Doktora
Türkçe
2024
CoğrafyaEskişehir Teknik ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRAH PEKKAN
- Sentetik açıklıklı radar görüntülerinden deniz petrol kirliliğinin tespiti
Oil spill detection from synthetic aperture radar image
DENİZ HODA
Yüksek Lisans
Türkçe
2020
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANİME MELİS UZAR DİNLEMEK