Uzaktan algılama ve makine öğrenimi kullanılarak potansiyel buğday alanlarının modellenmesi
Modeling potential wheat areas using remote sensing and machine learning
- Tez No: 942784
- Danışmanlar: PROF. DR. LEVENT GENÇ
- Tez Türü: Yüksek Lisans
- Konular: Şehircilik ve Bölge Planlama, Ziraat, Urban and Regional Planning, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Çanakkale Onsekiz Mart Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çanakkale ili, Merkez ve Ezine ilçelerine bağlı 18 köyde belirlenen 220 buğday parseli çalışma alanı olarak belirlenmiştir. Uzaktan Algılama (UA), meteoroloji ve yersel veriler ile Makine Öğrenimi (MÖ) yöntemleri kullanılarak Karar Ağacı (KA) tabanlı buğday verim tahmin modeli oluşturulmuştur. Buğdayın fenolojik sürecinde, bitki indeksleri ile meteorolojik verilerin buğday verimi ile arasındaki ilişki Pearson Korelasyon analizi ile değerlendirilmiş ve anlamlı ilişkiler tespit edilmiştir. En yüksek korelasyon, Nisan ayında (başaklanma-çiçeklenme) gözlemlenmiştir. C4.5 KA sınıflandırma algoritması kullanılarak, fenoloji sürecinde verim seviyelerini düşük, orta, yüksek olarak belirlenmesinde en uygun zaman dilimi tespit edilmiştir. Nisan ayı (başaklanma-çiçeklenme evresi) buğday verim seviyelerinin belirlenmesinde kritik bir dönem olduğu ortaya konmuştur. Bu süreçte elde edilen yüksek indeks değerlerinin, yüksek verimle ilişkili olduğu saptanmıştır. Öte yandan, düşük ve orta verim seviyelerinin ise genellikle fenolojinin daha erken dönemlerinde belirlenen düşük indeks değerleri ile ilişkili olduğu gözlemlenmiştir. Buğday verim seviyelerini etkileyen çevresel faktörler Regresyon KA modeliyle belirlenmiştir. Sekiz etkili faktör tespit edilmiştir. Altı tanesi fenolojinin belirli zamanlarındaki indeks değerleri (NDVI-WDRVI-RDVI-RED1-Nisan Ayı, Tİ-3-Aralık Ayı, LAI-Mart Ayı Değerleri) ikisi aralık ayına ait Ortalama Sıcaklık (°C) ve Toplam Yağış (mm)'tır. Bu faktörler, verimin %85'ini açıklamıştır. Bu faktörlerin verim üzerindeki etki katsayıları dikkate alınmış ve tahmini verim değerleri hesaplanmıştır. Gerçek verim ve tahmini verim değerleri arasında R = 0,92, R2 = 0,86 yüksek bir uyum bulunmuştur. Bu yöntemler, Sürdürülebilir Kalkınma Hedefleri (SKH) doğrultusunda, dijital tarımı geliştirmek, tarım politikalarına rehberlik etmek ve gıda güvenliğini sağlanmak için bilimsel bir altlık oluşturmaktadır. Çalışma, güvenilir verim tahminleri için UA ve meteorolojik verilerin MÖ teknolojisi ile kullanılmasının önemini vurgulamıştır.
Özet (Çeviri)
In Çanakkale province, 220 wheat plots in 18 villages belonging to the Central and Ezine districts have been designated as the study area. Using Remote Sensing (RS), meteorological and terrestrial data, a Decision Tree (DT)-based wheat yield prediction model has been developed with Machine Learning (ML) methods. In the phenological process of wheat, the relationship between plant indices and meteorological data with wheat yield was evaluated using Pearson Correlation analysis, and significant relationships were identified. We observed the highest correlation in April (heading-blooming). The C4.5 classification algorithm identified the most suitable time period for determining yield levels as low, medium, and high in the phenology process. We have identified April (the heading-flowering stage) as a critical period in determining wheat yield levels. It has been determined that the high index values obtained during this process are associated with high yield. On the other hand, it has been observed that low and medium yield levels are generally associated with low index values determined in the earlier stages of phenology. Environmental factors affecting wheat yield levels have been identified using the Regression KA model. Eight influential factors have been identified. Six of them are index values at specific times of phenology (NDVI-WDRVI-RDVI-RED1-April, TI-3-December, LAI-March values), and two are Average Temperature (°C) and Total Precipitation (mm) for December. These factors explained 85% of the yield. The impact coefficients of these factors on yield have been taken into account, and estimated yield values have been calculated. A high correlation was found between the actual yield and the estimated yield values, with R = 0.92 and R² = 0.86. These methods provide a scientific basis for developing digital agriculture, guiding agricultural policies, and ensuring food security in line with the Sustainable Development Goals (SDGs). The study emphasized the importance of using RS and meteorological data with ML technology for reliable yield predictions.
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
- Development, design and realization of a television transposer test unit employing microprocessor for remote measurement and testing
Başlık çevirisi yok
HASAN HÜSEYİN TEZCAN
Yüksek Lisans
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiPROF. DR. HALİL BENGİ
- Anizometrop ve monoküler afak olgularda binoküler tek görme
Başlık çevirisi yok
ZELAL ÖKTEN
Tıpta Uzmanlık
Türkçe
1986
Göz HastalıklarıTrakya ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
DOÇ. DR. SAİT ERDA
- Peyami Safa'nın romanlarının yapı ve anlatım teknikleri bakımından incelenmesi
Başlık çevirisi yok
MEHMET TEKİN