Orman yangınlarının makine öğrenmesi ve uzaktan algılama yöntemleri kullanılarak tahmin edilmesi ve duyarlılık haritasının oluşturulması
Yükleniyor...
Tarih
2025-01-13
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Batman Üniversitesi Lisansüstü Eğitim Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Türkiye’de orman yangınları, özellikle Akdeniz ve Ege Bölgesi’nde yaz aylarında meydana gelmektedir. İklim değişikliği, insani sebepler, bölgenin iklimsel özellikleri orman yangınlarına sebep olmakta, hem meydana geldiği yerdeki orman varlığını yok etmekte hem de ekonomik ve çeşitli çevresel sorunlara sebep olmaktadır. Bu sebeple roman yangınlarının önceden tespit edilmesi ve yangın meydana gelme potansiyeli bulunan alanların analiz edilmesi büyük önem arz etmektedir. Bu çalışmada Türkiye’de orman yangınların tespit ve tahmin edilmesi amacıyla uzaktan algılama ve makine öğrenmesi yöntemleri kullanılmıştır. Fire Information for Resource Management (FIRMS) veri setinden zamansal orman yangınlarına ilişkin veriler elde edilmiş, ECMWF Re-Analysis-5 (ERA-5), National Aeronautics and Space Administration (NASA) Global Land Data Assimilation System (GLDAS), National Aeronautics and Space Administration (NASA) Shuttle Radar Topography Mission (SRTM) veritabanlarından ise Antalya ilinin çeşitli iklim özellikleri elde edilerek yeni bir veri seti oluşturulmuştur. Veri seti, Ada Boost, Decision Tree (Karar Ağaçları), Gradient Boosting Machine (GBM), K-Nearest Neighbours (KNN), Logistic Regression (Lojistik Regresyon), Support Vector Machine (Destek Vektör Makinesi, SVM) ve Artificial Neural Network (Yapay Sinir Ağı, YSA) algoritmaları ile değerlendirilmiş ve sonuçlar Jenks Natural Breaks sınıflandırma yöntemi ile sınıflandırılarak bölgenin orman yangını duyarlılık haritalarının oluşturulması sağlanmıştır. Deneysel sonuçlara göre en başarılı algoritma Ada Boost olarak tespit edilmiştir (Sensitivity=0,93, Specificity=0,95, Accuracy=0,94, Kappa=0,88, AUC=0,99). Bu modeller Türkiye’de Akdeniz ve Ege Bölge’sinde orman yangınlarının aylık ve mevsimlik duyarlılık haritalarının oluşturulmasında kullanılabilecek, böylece orman yangınları meydana gelmeden önce gerekli önleyici tedbirler alınabilecektir.
In Türkiye, forest fires occur during the summer months. This is especially the case in the Mediterranean and Aegean regions. Climate change, humanitarian reasons and climatic characteristics of the region cause forest fires, which destroy the forest resources where they occur and cause economic and various environmental problems. For this reason, it is of great importance to detect forest fires in advance and to analyze the areas with the potential of fire occurrence. In this study, remote sensing and machine learning techniques have been used to detect and predict forest fires in Turkiye. Temporal forest fire data has been obtained from the FIRMS dataset, and a new dataset has been created by obtaining various climatic characteristics of Antalya province from the ERA-5, NASA GLDAS, and NASA SRTM databases. The new data set has been evaluated using Ada Boost, Decision Tree, Gradient Boosting Machine (GBM), K-Nearest Neighbors (KNN), Logistic Regression, Support Vector Machine (SVM) and Artificial Neural Network (ANN) algorithms and the results have been classified using Jenks Natural Breaks classification method to create forest fire susceptibility maps of the region. According to the experimental results, the most successful algorithm has been determined to be Ada Boost (sensitivity=0.93, specificity=0.95, accuracy=0.94, kappa=0.88, AUC=0.99). These models can be used to create monthly and seasonal forest fire susceptibility maps for the Mediterranean and Aegean regions of Türkiye, so that necessary preventive measures can be taken before forest fires occur.
In Türkiye, forest fires occur during the summer months. This is especially the case in the Mediterranean and Aegean regions. Climate change, humanitarian reasons and climatic characteristics of the region cause forest fires, which destroy the forest resources where they occur and cause economic and various environmental problems. For this reason, it is of great importance to detect forest fires in advance and to analyze the areas with the potential of fire occurrence. In this study, remote sensing and machine learning techniques have been used to detect and predict forest fires in Turkiye. Temporal forest fire data has been obtained from the FIRMS dataset, and a new dataset has been created by obtaining various climatic characteristics of Antalya province from the ERA-5, NASA GLDAS, and NASA SRTM databases. The new data set has been evaluated using Ada Boost, Decision Tree, Gradient Boosting Machine (GBM), K-Nearest Neighbors (KNN), Logistic Regression, Support Vector Machine (SVM) and Artificial Neural Network (ANN) algorithms and the results have been classified using Jenks Natural Breaks classification method to create forest fire susceptibility maps of the region. According to the experimental results, the most successful algorithm has been determined to be Ada Boost (sensitivity=0.93, specificity=0.95, accuracy=0.94, kappa=0.88, AUC=0.99). These models can be used to create monthly and seasonal forest fire susceptibility maps for the Mediterranean and Aegean regions of Türkiye, so that necessary preventive measures can be taken before forest fires occur.
Açıklama
Anahtar Kelimeler
Orman Yangınları, Yapay Zekâ, Makine Öğrenmesi, Coğrafi Bilgi Sistemleri, Antalya, Forest Fires, Artificial Intelligence, Machine Learning, Geographic Information System
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Sumer, Y. F. (2025). Orman yangınlarının makine öğrenmesi ve uzaktan algılama yöntemleri kullanılarak tahmin edilmesi ve duyarlılık haritasının oluşturulması. (Yayınlanmamış Yüksek Lisans Tezi). Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, Batman.
