Yeryüzü deformasyonlarının izlenmesinde adaptif bölgesel yapay zeka sistemi: InSAR örneği
Adaptive regional artificial intelligence system in the monitoring of ground deformations: An InSAR example
- Tez No: 994131
- Danışmanlar: PROF. DR. KEMAL ÖZGÜR HASTAOĞLU
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Akıllı doğal afet yönetimi, Hiyerarşik kümeleme, Landsat uyduları, Sayısal uydu verileri, Yapay zeka ve makine öğrenmesi dersi, Yüzey deformasyonu, Smart natural disaster management, Hierarchical clustering, Landsat satellite, Digital satellite data, Artificial intelligence and machine learning course, Surface deformation
- 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: Belirtilmemiş.
Özet
Bu doktora tezi çalışmasında, Interferometrik Sentetik Açıklıklı Radar (Interferometric Synthetic Aperture Radar; InSAR) tabanlı yer deformasyonu izleme süreçlerindeki temel metodolojik sınırlılıkların aşılması amaçlanmaktadır. Literatürde yaygın olarak kullanılan yaklaşımlar, geniş coğrafi alanları homojen veri kümeleri ve tek tip algoritmalarla modellemekte; bu durum mekânsal heterojenliğin göz ardı edilmesine, bölgesel bağlamdan bağımsız parametre setlerinin kullanılmasına ve farklı deformasyon mekanizmalarının yetersiz temsil edilmesine neden olmaktadır. Söz konusu sınırlılıklar, tahmin doğruluğunun düşmesine ve model genellenebilirliğinin zayıflamasına yol açmaktadır. Metodolojik boşlukların sistematik olarak belirlenmesi için 1984–2024 dönemini kapsayan bibliyometrik analiz ve PRISMA ile uyumlu sistematik literatür taraması yürütülmüştür. Bu inceleme sonucunda genellenebilirlik yetersizlikleri, segmentasyon nesnelliği sorunları ve açıklanabilirlik eksiklikleri belgelenmiş; bu bulgular doğrultusunda Adaptif Bölgesel Yapay Zekâ Sistemi (Adaptive Regional Artificial Intelligence System; ARAIS) kavramsal çerçevesi geliştirilmiştir. ARAIS, dört bileşenli kavramsal bir modelleme çerçevesi sunmaktadır: veri entegrasyonu, otomatik segmentasyon, bölge tabanlı model seçimi ve açıklanabilir raporlama. Çerçevenin operasyonelleştirilmesi için SARisk Jeohazard Segmentasyon Platformu (Segmenting Geohazards; SARisk) adlı web tabanlı platform geliştirilmiştir. Platform, mekânsal-zamansal veri yönetimi, interaktif görselleştirme ve modüler analiz akışlarını desteklemekte; üretken yapay zekâ entegrasyonu ile otomatik raporlama ve açıklanabilir analitik çıktıların üretilmesini sağlamaktadır. SARisk platformunun merkezinde yer alan GHOST (Grid-based Hierarchical Overlap Spatio-Temporal; GHOST) algoritması, K-Shape tabanlı iki aşamalı kümeleme metodolojisi ve adaptif ızgara sistemi ile segmentasyon sürecini otomatikleştirmektedir. Algoritmanın performans testlerinde K-Shape, Fuzzy C-Means, Mini-Batch K-Means, Catch22 ve SAX K-Means yöntemleriyle karşılaştırma yapılmış; GHOST normalleştirilmiş metriklerde tüm kategorilerde üstünlük sağlamıştır. Silhouette skorunda en yakın rakibe göre %5, Davies-Bouldin indeksinde %14 oransal üstünlük gösterirken, Calinski–Harabasz indeksi açısından GHOST için hesaplanan değerlerin SAX K-Means ve K-Shape algoritmalarına göre yaklaşık bir büyüklük mertebesi düzeyinde daha yüksek olduğu görülmüştür. WCCM skorunda ise tüm algoritmalar 91 ile 97 aralığında benzer zamansal tutarlılık göstermiştir. Kavram kanıtı uygulaması Gediz Grabeni bölgesinde 140.986 InSAR veri noktası üzerinde gerçekleştirilmiştir. Minimum 15 mm/yıl düşey deformasyon hızı eşiği ile 43.584 nokta analize dâhil edilmiş ve her nokta için 182 zaman adımından oluşan bir deformasyon serisi elde edilmiştir. GHOST algoritması dört deformasyon kümesi oluşturmuş; kümelerde sırasıyla 5.081, 15.381, 11.131 ve 11.991 nokta yer almıştır. Küme bazlı modelleme yaklaşımı, dört kümeden üçünde küresel modellere kıyasla iyileşme sağlamıştır: Küme 0'da %3,77 (21,65 mm/yıl'dan 20,83 mm/yıl'a), Küme 2'de %13,50 (13,55 mm/yıl'dan 11,72 mm/yıl'a) ve Küme 3'te %5,93 (11,41 mm/yıl'dan 10,73 mm/yıl'a) Kök Ortalama Kare Hata (Root Mean Square Error; RMSE) iyileşmesi elde edilmiştir. Küme 1'de küresel model %4,29 oranında üstünlük göstermiştir (13,17 mm/yıl'a karşı 13,73 mm/yıl). Elastic Net regresyonu, segmente özgü modelleme yaklaşımıyla birleştirildiğinde en dengeli performansı sergilemiştir. Hız tahmini açısından, tüm veri seti üzerinde Belirlilik Katsayısı (Coefficient of Determination; R²) = 0,9453, RMSE = 3,34 mm/yıl ve Pearson korelasyon katsayısı r = 0,9971 değerleri elde edilmiştir. Hata dağılımı incelendiğinde, noktaların %50'sinin 2,18 mm/yıl'dan, %80'inin 4,89 mm/yıl'dan ve %95'inin 5,38 mm/yıl'dan düşük mutlak hata değerlerine sahip olduğu belirlenmiştir. Hesaplama süreleri küresel modele kıyasla 3–5 kat azaltılmıştır. Sonuç olarak, bu çalışmada literatürdeki metodolojik boşluklar sistematik biçimde haritalanmış, ARAIS çerçevesi geliştirilmiş, SARisk platformu ve GHOST algoritması tasarlanmış ve Gediz Grabeni üzerinde uygulanabilirliği kanıtlanmıştır. Elde edilen bulgular, bölgesel bağlama duyarlı modelleme yaklaşımlarının, geleneksel homojen modelleme stratejilerine göre ölçülebilir avantajlar sağladığını ortaya koymaktadır.
Özet (Çeviri)
In this doctoral thesis, it is aimed to overcome the fundamental methodological limitations in ground deformation monitoring processes based on Interferometric Synthetic Aperture Radar (InSAR). Approaches that are widely used in the literature model large geographical areas with homogeneous data sets and single-type algorithms; this leads to the neglect of spatial heterogeneity, the use of parameter sets that are independent of the regional context, and the inadequate representation of different deformation mechanisms. These limitations result in a decrease in prediction accuracy and a weakening of model generalizability. In order to systematically identify the methodological gaps, a bibliometric analysis and a PRISMA-compliant systematic literature review covering the period 1984–2024 were conducted. As a result of the examination, shortcomings in generalizability, problems in the objectivity of segmentation, and deficiencies in explainability were documented; in line with these findings, the conceptual framework of the Adaptive Regional Artificial Intelligence System (ARAIS) was developed. ARAIS provides a four-component conceptual modelling framework: data integration, automatic segmentation, region-based model selection, and explainable reporting. For the operationalization of the framework, a web-based platform called the SARisk Geohazard Segmentation Platform (Segmenting Geohazards; SARisk) was developed. The platform supports spatio-temporal data management, interactive visualization, and modular analysis workflows; through generative artificial intelligence integration, it enables the production of automatic reports and explainable analytical outputs. At the core of the SARisk platform lies the GHOST (Grid-based Hierarchical Overlap Spatio-Temporal) algorithm, which automates the segmentation process through a two-stage K-Shape-based clustering methodology and an adaptive grid system. In the performance tests of the algorithm, comparisons were carried out with K-Shape, Fuzzy C-Means, Mini-Batch K-Means, Catch22, and SAX K-Means methods, and GHOST achieved superiority in all categories in normalized metrics. It showed a 5% relative advantage over the closest competitor in the Silhouette score and a 14% relative advantage in the Davies–Bouldin index, while, in terms of the Calinski–Harabasz index, it attained a value approximately one order of magnitude higher than those of the SAX K-Means and K-Shape algorithms. In the WCCM score, all algorithms showed similar temporal consistency in the range between 91 and 97. The proof-of-concept application was carried out on 140,986 InSAR data points in the Gediz Graben region. With a minimum vertical deformation rate threshold of 15 mm/year, 43,584 points were included in the analysis, and a deformation series consisting of 182 time steps was obtained for each point. The GHOST algorithm formed four deformation clusters containing 5,081, 15,381, 11,131, and 11,991 points, respectively. The cluster-based modelling approach provided improvements compared to global models in three of the four clusters: Root Mean Square Error (RMSE) improvements of 3.77% in Cluster 0 (from 21.65 mm/year to 20.83 mm/year), 13.50% in Cluster 2 (from 13.55 mm/year to 11.72 mm/year), and 5.93% in Cluster 3 (from 11.41 mm/year to 10.73 mm/year) were obtained. In Cluster 1, the global model showed 4.29% superiority (13.17 mm/year versus 13.73 mm/year). Elastic Net regression demonstrated the most balanced performance when combined with the segment-specific modelling approach. In terms of velocity estimation, Coefficient of Determination (R²) = 0.9453, RMSE = 3.34 mm/year, and Pearson correlation coefficient r = 0.9971 were obtained over the entire dataset. When the error distribution was examined, it was determined that 50% of the points had absolute error values lower than 2.18 mm/year, 80% lower than 4.89 mm/year, and 95% lower than 5.38 mm/year. Computation times were reduced by a factor of three to five compared to the global model. Consequently, in this study, the methodological gaps in the literature were systematically mapped, the ARAIS framework was developed, the SARisk platform and the GHOST algorithm were designed, and their applicability was demonstrated on the Gediz Graben. The findings reveal that modelling approaches sensitive to the regional context provide measurable advantages over traditional homogeneous modelling strategies.
Benzer Tezler
- Şehir altı madenciliği ve tasman etkilerinin diferansiyel ınsar tekniği ile belirlenmesi: Zonguldak metropolitan alanı örneği
Monitoring of undercity mining and subsidence effect by differential insar technique in Zonguldak metropolitan area
HÜSEYİN KEMALDERE
Doktora
Türkçe
2011
Jeodezi ve FotogrametriZonguldak Karaelmas ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞENOL HAKAN KUTOĞLU
YRD. DOÇ. DR. HAKAN AKÇIN
- Yapay açıklıklı radar interferometre teknikleri ile tuz gölü dinamiklerinin analizi
Analysis of salt lake dynamics with artificial aperture radar interferometry techniques
BURHAN BAHA BİLGİLİOĞLU
Doktora
Türkçe
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU
- Farklı yeryüzü özelliklerinde ileri InSAR teknikleri kullanılarak yüzey deformasyonlarının belirlenmesi
Detecting of surface deformations on different ground characteristics using advanced InSAR techniques
FATMA CANASLAN ÇOMUT
Doktora
Türkçe
2016
Jeodezi ve FotogrametriSelçuk ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYDIN ÜSTÜN
- Batı Antalya heyelanlarının sar interferometrisi ile incelenmesi
Research of west Antalya landslides with sar interferometry
HAMİT BERAN GÜNÇE
Yüksek Lisans
Türkçe
2019
Jeoloji MühendisliğiAkdeniz ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. BEKİR TANER SAN
- Episodik GPS zaman serileri için uygun stokastik modelin belirlenmesi
Determination of an appropriate stochastic model for episodic GPS time series
HÜSEYİN DUMAN
Doktora
Türkçe
2022
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. DOĞAN UĞUR ŞANLI