Çamkoru Sarıçam Meşcereleri için çeşitli büyüme modellerinin geliştirilmesi ve bazı tek ağaç özelliklerinin lidar tabanlı yapay zeka yöntemleri ile tahmini
Growth model development and lidar-driven ai prediction of single tree-level attributes for çamkoru scots pine stands
- Tez No: 975751
- Danışmanlar: PROF. DR. RAMAZAN ÖZÇELİK
- Tez Türü: Doktora
- Konular: Ormancılık ve Orman Mühendisliği, Forestry and Forest Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Orman Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sürdürülebilir orman yönetimi, tür ve yetişme ortamına özgü gelişim modellerini gerektirmekte olup, bu bileşenlerinden bazıları gövde çapı, çap-boy, çap dağılım ve biyokütle modelleridir. Bu çalışmada, Çamkoru Araştırma Ormanı doğal sarıçam (Pinus sylvestris L.) meşcereleri için gövde çapı, çap-boy, toprak üstü taze biyokütle ve çap dağılımının modelleri geliştirilmiştir. Gövde çapı modelleri arasında Jiang vd. (2005) formülasyonu en yüksek uyumu göstermiştir (R² = 0.9708; RMSE = 1.6735 cm), en düşük performans ise Biging (1984) modelinde gözlenmiştir. Çap-boy ilişkilerinde çeşitli fonksiyonel formlar denenmiş, karışık etkili Gompertz modeli en başarılı sonucu vermiştir; özellikle her deneme alanından dört örnek ağacın kalibrasyonu ile en yüksek doğruluk elde edilmiştir. Meşcere yapısı Weibull dağılımı ile modellenmiş, dokuz alternatif arasından yüzdeliklere dayalı parametre tahminleri ile kurulan SUR yaklaşımı en iyi sonuçları sağlamıştır. Bütün ağaç ve bileşenlerine ait biyokütle tahminlerinde toplamsallığın korunması için doğrusal olmayan SUR (NSUR) ve Genelleştirilmiş Momentler Yöntemi (GMM) birlikte uygulanmıştır. Uzaktan algılama entegrasyonunda, hava LiDAR verilerinden elde edilen taç çapı ve boy göstergeleri kullanılarak DBH tahmini yapan bilgi damıtmalı yapay zekâ modeli yüksek başarı göstermiştir (R² = 0.891; RMSE = 2.7456 cm). Tür sınıflandırmasında, İHA tabanlı multispektral görüntülerde LightGBM algoritmasının doğruluğu hiperparametre optimizasyonu sonrası %85,5'ten %93,5'e yükselmiştir. Ayrıca mobil LiDAR, çap, boy ve hacim tahminlerinde yüksek hassasiyet sağlamıştır. Sonuç olarak, arazi ölçümlerinin LiDAR ve multispektral verilerle entegrasyonu, sarıçam meşcerelerinde çap dağılımı, büyüme modelleri ve biyokütle tahmininde güçlü ve aktarılabilir bir çerçeve sunmaktadır.
Özet (Çeviri)
Sustainable forest management requires species- and site-specific growth models, whose key components include stem taper, height–diameter (H–D) relationships, diameter distributions, and biomass functions. In this study, taper, H–D, aboveground fresh biomass, and diameter-distribution models were developed for natural Scots pine (Pinus sylvestris L.) stands in the Çamkoru Research Forest (Ankara, Türkiye). Among taper models, the formulation by Jiang et al. (2005) exhibited the highest goodness-of-fit (R² = 0.9708; RMSE = 1.6735 cm), whereas the Biging (1984) model yielded the weakest performance. For H–D modeling, several functional forms were tested, with the mixed-effects Gompertz model providing the best results, particularly when calibrated with four sample trees per plot. Stand structure was effectively characterized using the Weibull distribution, and among nine alternatives, the Seemingly Unrelated Regression (SUR) approach with percentile-based parameter estimation produced the most accurate results. To ensure additivity in biomass estimation for whole trees and components, nonlinear SUR (NSUR) and the Generalized Method of Moments (GMM) were jointly applied. In the remote-sensing integration, a knowledge-distillation–based artificial intelligence model predicted DBH from airborne LiDAR-derived crown diameter and height metrics with high accuracy (R² = 0.891; RMSE = 2.7456 cm). Species classification using UAV-borne multispectral imagery showed improved accuracy of the LightGBM algorithm from 85.5% to 93.5% following hyperparameter optimization. Furthermore, mobile LiDAR provided highly precise estimates of diameter, height, and volume. Overall, integrating field measurements with LiDAR and multispectral data offers a robust and transferable framework for modeling diameter distributions, growth dynamics, and biomass in Scots pine stands.
Benzer Tezler
- Kızılcahamam-Çamkoru araştırma ormanındaki sarıçam (Pinus sylvestris L.) meşcerelerinde istikbal ağacı seçimi
The selection of crop tree in Kızılcahamam-Çamkoru research forest at scotch pine stands
EMİNE ATAŞ (YANAR)
Yüksek Lisans
Türkçe
1999
Ormancılık ve Orman Mühendisliğiİstanbul ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLEN ÖZALP
- Çamkoru araştırma ormanı (Çamlıdere-Ankara) saf, aynı yaşlı ve doğal sarıçam (Pinus sylvestris L.) meşcerelerinin büyüme özelikleri
Growth characteristics of pure, even- aged and natural scotch pine (Pinus sylvestris L.) stands in çamkoru research forest (Çamlıdere- Ankara)
MÜRSEL FAKILI
Yüksek Lisans
Türkçe
2012
Ormancılık ve Orman MühendisliğiSüleyman Demirel ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR CARUS
- Farklı kapalılığa sahip sarıçam meşcerelerinde bazı iklim elemanlarının toprak nemi üzerindeki etkilerinin araştırılması
Investigation of the effects on some climate elements on the soil moisture in the yellow pine stands with different closure
ADEM SİNAN HINIS
Yüksek Lisans
Türkçe
2018
Ormancılık ve Orman MühendisliğiKastamonu ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MİRAÇ AYDIN
- Ölü ağacın sarıçam doğal gençliği üzerindeki etkisi
Influence of coarse woody debris on scots pine natural regeneration
YAVUZ KOCADEMİR
Yüksek Lisans
Türkçe
2025
Ormancılık ve Orman MühendisliğiKastamonu ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN TOPAÇOĞLU
- Çamkoru (Ankara) ve dolayındaki birimlerin mühendislik jeolojisi incelemesi
Investigation of engineering properties of rock units in and around Çamkoru (Ankara)
ERTAN MERT
Yüksek Lisans
Türkçe
1998
Jeoloji MühendisliğiKocaeli ÜniversitesiJeoloji Ana Bilim Dalı
PROF. DR. ERMAN ŞAMİLGİL