Orman sağlığının Google Earth Engine ile izlenmesi
Monitoring forest health with Google Earth Engine
- Tez No: 787344
- Danışmanlar: DR. ÖĞR. ÜYESİ ESRA TUNÇ GÖRMÜŞ
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Bitki örtüsü, Bulut bilişim, Destek eğitim öğretmenleri, Destek vektör makineleri, Google Earth, Ormanlar, Sınıflandırma, Zaman serileri analizi, Vegetation, Cloud computing, Resource-room teacher, Support vector machines, Google Earth, Forests, Classification, Time series analysis
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, Kütahya-Domaniç, Bursa-İnegöl il sınırında yer alan Tahtaköprü mevkiinde bulunan kızıl kuyruklu kayın tırtılından (Calliteara Pudibunda) etkilenmiş olan ormanlık alanın Sentinel-2A ve Landsat-8 uydularına ait uydu görüntüleri ile bitkisel indeksler kullanılarak orman sağlığının bulut tabanlı platformda izlenmesini anlatan yüksek lisans tez çalışmasıdır. Orman sağlığı, Sentinel-2A ve Landsat-8 uydu görüntüleri üzerinden bitki indeksleri, kontrollü sınıflandırma ve makine öğrenmesi sınıflandırması yöntemleri kullanılarak izlenmeye çalışılmıştır. Çok sayıda bitki indeksi bulunmakta olup bu çalışmada NDVI, EVI, SAVI, RVI, TVI, NPCRI, GNDVI, NDWI ve RDI indeksleri kullanılmıştır.. Ayrıca kontrollü sınıflandırma yöntemlerinden nesne tabanlı ve piksel tabanlı sınıflandırma teknikleri, makine öğrenmesi sınıflandırmasından rastgele orman algoritması (RO) ve destek vektör makineleri(DVM) yöntemleri sonuç değerlendirme aşamasında kullanılmıştır. Bütün görüntü işleme, analiz, maskeleme ve görselleştirme işlemleri Google Earth Engine (GEE) bulut tabanlı platformunda gerçekleştirilmiştir. Çalışma alanı için kullanılan bitki indekslerinin zaman serileriyle izlenmesi sayesinde kızılkuyruklu kayın tırtılından etkilenen alanlar dönemsel olarak tespit edilmiştir. Tespit edilen hasarlı alanlar iki farklı uydu verisi kullanılarak kontrollü sınıflandırma ve makine öğrenmesi sınıflandırma yöntemleri ile sınıflandırılmış ve sonuçlar karşılaştırılmıştır. Karşılaştırma sonucunda piksel tabanlı DVM sınıflandırmasının Sentinel-2A uydu verileri için, nesne tabanlı RO sınıflandırmasının da Sentinel-2A uydu verileri için daha iyi sonuç verdiği tespit edilmiştir. Bu sayede, Sentinel-2A görüntüleri kullanılarak, piksel tabanlı DVM sınıflandırması ve nesne tabanlı RO sınıflandırması ile orman sağlığının başarılı bir şekilde izlenebileceği görülmüştür.
Özet (Çeviri)
This study aims to monitor forest health on a cloud-based platform by using satellite images of Sentinel-2A, Landsat-8 satellites and vegetative indexes of the forest area affected by the red-tailed beech caterpillar (Calliteara Pudibunda) in Tahtaköprü locality, located on the provincial border of Kütahya-Domaniç, Bursa-İnegöl. It is a master's thesis. Forest health was tried to be monitored by using plant indices, controlled classification and machine learning classification methods on Sentinel-2A and Landsat-8 satellite images. There are numerous plant indices and NDVI, EVI, SAVI, RVI, TVI, NPCRI, GNDVI, NDWI and RDI indices were preferred in the studies. In addition, object-based and pixel-based classification techniques from controlled classification methods, random forest algorithm (RO) and support vector machines (SVM) methods from machine learning classification were used. All image processing, analysis, masking and visualization were performed on the Google Earth Engine (GEE) cloud-based platform. By monitoring the plant indices used for the study area with time series, the areas affected by the red-tailed beech caterpillar (Calliteara Pudibunda) were determined periodically. Detected damaged areas were classified by controlled classification and machine learning classification methods using two different satellite data and the results were compared. As a result of the comparison, it was determined that pixel-based SVM classification gave better results for Sentinel-2A satellite data, and object-based RO classification gave better results for Sentinel-2A satellite data. In this way, it has been seen that forest health can be successfully monitored with pixel-based SVM classification and object-based RO classification using Sentinel-2A images.
Benzer Tezler
- Küçük Menderes Havzası'nda toprak erozyon riskinin belirlenmesi ve iklim değişikliğinin toprak erozyonuna olası etkileri
Determination of soil erosion risk in Küçük Menderes Basin and possible effects of climate change on soil erosion
ÖZLEM DÜNDAR TEMUR
- Aile Hekimliği uzmanlık eğitiminde eğitim aile sağlığı merkezi uygulamasının değerlendirilmesi
Evaluation of the education family HEALTH center application in family medicine specialization education
NESİBE DERYA BAYHAN
Tıpta Uzmanlık
Türkçe
2022
Aile HekimliğiDüzce ÜniversitesiAile Hekimliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULKADİR KAYA
- The use of gamification to enrich the park experience for the visitors: Istanbul Atatürk urban forest park case study
Ziyaretçilerin park deneyimini zenginleştirmek için oyunlaştırma kullanımı: İstanbul Atatürk kent ormanı örneği
SARVIN ESHAGHI
Yüksek Lisans
İngilizce
2022
Peyzaj Mimarlığıİstanbul Teknik ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED ALİ ÖRNEK
- Yeni trend bungalov işletmelerine ilişkin çevrimiçi yorumların duygu analizi ile incelenmesi
Examination of online comments on new trend bungalov businesses by sentiment analysis
HAZAL ÇELİK
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE EDİZ ATMACA
- Birinci basamakta çalışan hekimlerin tıbbi hata kaygısı ile defansif tıbba yönelik tutumları arasındaki ilişkinin değerlendirilmesi
Evaluation of the relationship between medical error anxiety and defensive medicine attitudes of primary care physicians
BURAK NENG
Tıpta Uzmanlık
Türkçe
2023
Aile HekimliğiMarmara ÜniversitesiAile Hekimliği Ana Bilim Dalı
PROF. DR. MEHMET AKMAN