Geri Dön

Coğrafi bilgi sistemi ve uzaktan algılama teknikleri kullanılarak kuraklık izleme indekslerinin zamansal ve konumsal analizi: Samsun ili örneği

Temporal and spatial analysis of drought monitoring indices using geographic information systems and remote sensing techniques: The case of Samsun province

PDF İndir

  1. Tez No: 991935
  2. Yazar: SERHAT YILDIZ
  3. Danışmanlar: DOÇ. DR. MEHMET ALİ DERELİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Jeodezi ve Fotogrametri, Engineering Sciences, Geodesy and Photogrammetry
  6. Anahtar Kelimeler: Kuraklık Tahmini, Derin Öğrenme, VHI, Google Earth Engine, Topluluk Öğrenmesi, Uzaktan Algılama, Coğrafi bilgi sistemleri, Kuraklık, Kuraklık analizi, Kuraklık indeksi, Landsat uyduları, Standart yağış indeksi, Topluluk öğrenme, Vejetasyon indeksi, Çok değişkenli zaman serileri, Drought Prediction, Deep Learning, VHI, Google Earth Engine, Ensemble Learning, Remote Sensing, Geographical information systems, Drought, Drought analysis, Drought index, Landsat satellite, Standard precipitation index, Vegetation index, Multivariate time series
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Giresun Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Afet Yönetimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Kuraklık, iklim değişikliğinin içinde bulunduğumuz yüzyılda hızla artmasıyla tarımı ve su kaynaklarını tehdit eden en kritik doğal afetlerden biri durumuna gelmiştir. Kullanılan izleme yöntemlerinin düşük mekânsal çözünürlüklü ve seyrek istasyon verilerine dayanması, yerel ölçekte kuraklık durumunun tespitini kısıtlamaktadır. Bu çalışmada, Samsun ili için 2000-2024 yılları arasını kapsayan CHIRPS yağış verileri (Climate Hazards Group InfraRed Precipitation with Station data, CHIRPS), TerraClimate ve MODIS uydu ürünleri (Moderate Resolution Imaging Spectroradiometer, MODIS) ile sayısal yükseklik modeli, eğim ve bakı gibi topografik değişkenlerin derin öğrenme algoritmalarıyla birlikte kullanılarak kuraklığın yüksek mekânsal çözünürlükte tespit edilmesi amaçlanmıştır. Bu doğrultuda, kuraklığın karakterizasyonu için sadece meteorolojik verilere dayalı indisler yerine, bitki sağlığı ve sıcaklık stresini bütünleşik olarak ele alan ve tarımsal kuraklığı yüksek mekânsal çözünürlükte temsil yeteneğine sahip olan Bitki Sağlığı İndeksi (Vegetation Health Index, VHI) hedef değişken olarak kullanılmıştır. Veriler Google Earth Engine platformunda işlenerek 250 metre çözünürlüğe indirgenmiş; tahmin için Uzun Kısa Süreli Bellek Ağı (Long Short-Term Memory, LSTM), Evrişimli Uzun Kısa Süreli Bellek Ağı (Convolutional Long Short-Term Memory, ConvLSTM) ve Transformer mimarileri geliştirilerek performansları kıyaslanmıştır.Analizlerde LSTM modeli (R²=0,565) en yüksek ilişki gösterirken, onu ConvLSTM (R²=0,517) ve Transformer (R²=0,407) izlemiştir. Modellerin güçlü yönlerini birleştiren Topluluk Öğrenimi yaklaşımı ise %58 (R²=0,582) üzeri kuraklığı açıklama becerisi ile en güvenilir tahminleri sunmuştur. 2025 yılı tahmin haritaları, iç kesimlerdeki tarım alanlarının kıyı şeridine göre kuraklığa daha duyarlı olduğunu ve riskin mekânsal değişkenlik gösterdiğini ortaya koymuştur. Sonuçlar, yüksek çözünürlüklü uydu verileri ve derin öğrenme entegrasyonunun, bölgesel kuraklık tahmininde uygulanabilir, düşük maliyetli ve hassas bir yaklaşım olduğunu göstermektedir.

Özet (Çeviri)

Drought has become one of the most critical natural disasters threatening agriculture and water resources, particularly as climate change has accelerated rapidly in the current century. The low spatial resolution and sparse station data on which conventional monitoring methods rely limit the detection of drought conditions at local scales. This study aims to detect drought at high spatial resolution for Samsun Province by integrating CHIRPS (Climate Hazards Group InfraRed Precipitation with Station data) precipitation data covering the period 2000–2024, TerraClimate and MODIS (Moderate Resolution Imaging Spectroradiometer) satellite products, and topographic variables such as digital elevation model, slope, and aspect with deep learning algorithms. Accordingly, the Vegetation Health Index (VHI) which holistically addresses vegetation condition and temperature stress and is capable of representing agricultural drought at high spatial resolution was used as the target variable instead of indices based solely on meteorological data. The datasets were processed on the Google Earth Engine platform and resampled to 250 meter resolution; Long Short-Term Memory (LSTM), Convolutional Long Short-Term Memory (ConvLSTM), and Transformer architectures were developed for prediction, and their performances were compared. In the analyses, the LSTM model exhibited the highest correlation (R²=0,565), followed by ConvLSTM (R²=0,517) and Transformer (R²=0,407). The Ensemble Learning approach, which combines the strengths of the individual models, provided the most reliable predictions with an explanatory power exceeding 58% (R²=0,582) for drought variation. The 2025 prediction maps revealed that agricultural areas in the interior regions are more susceptible to drought than the coastal strip and that risk exhibits spatial variability. The results demonstrate that the integration of high-resolution satellite data and deep learning constitutes a feasible, cost-effective, and precise approach for regional drought forecasting.

Benzer Tezler

  1. Tez No

    384927

    Multitemporal change detection on Urmia lake and its catchment area using remote sensing and geographical information systems

    Urmiye gölündeki zamansal değişimlerin uzaktan algılama ve CBS kullanılarak belirlenmesi

    YUSUF ALIZADE GOVARCHIN GHALE

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    Assoc. Prof. Dr. ELİF SERTEL

  2. Tez No

    624758

    Urmia lake desiccation as a new source of dust in themiddle east: Investigation of the anthropogenic impactsand climatic factors on drying up of urmia lake

    Ortadoğu'da yeni bir toz kaynağı olarak tanınan Urmiyegölü: Urmiye gölünün kurumasına neden olan insan veiklim faktörlerin incelenmesi

    YUSUF ALIZADE GOVARCHIN GHALE

    Doktora

    İngilizce

    İngilizce

    2020

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    İklim ve Deniz Bilimleri Ana Bilim Dalı

    PROF. DR. ALPER ÜNAL

  3. Tez No

    495411

    Change detection analysis of Dukan Dam surface area from (2000-2016) in Sulaimaniyah, Iraq, using remote sensing and GIS

    Uzaktan algılama ve coğrafi bilgi sistemi kullanarak Irak- Sulaımanıya (2000-2016) Dukan Barajı'nda yüzey alanındaki değişimin analizi

    SAFIN NAJIB RASHID RASHID

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    ZiraatBingöl Üniversitesi

    Toprak Bilimi ve Bitki Besleme Ana Bilim Dalı

    PROF. DR. ALAADDİN YÜKSEL

  4. Tez No

    371570

    Dalgacık dönüşümü kullanılarak zirai-meteorolojik verilerin hata teşhis ve tamiri

    Fault diagnosis and repair of agricultural meteorological data using wavelet transform

    NİGAR TUĞBAGÜL ALTAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    YRD. DOÇ. DR. B. BERK ÜSTÜNDAĞ

  5. Tez No

    608228

    Integration of spatial procedures to combat the desertification in Nineveh governorate, Iraq

    Irak'ın Nineveh vilayetinde çölleşme ile mücadele için mekansal yöntemlerin entegrasyonu

    BASHAR MUNEER YAHYA YAHYA

    Doktora

    İngilizce

    İngilizce

    2019

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. DURSUN ZAFER ŞEKER

Geri Dön