Makine Öğrenmesi Yöntemini Kullanarak NDVI Zaman SerisiVerileri ile Bitki Örtüsü Tahmini
Yazarlar (3)
Sohaib K M Abujayyab
Prof. Dr. İsmail Rakıp KARAŞ Karabük Üniversitesi, Türkiye
Dr. Öğr. Üyesi Emrullah DEMİRAL Karabük Üniversitesi, Türkiye
| Bildiri Türü |
Tebliğ/Bildiri
|
Bildiri Dili | Türkçe |
| Bildiri Alt Türü | Tam Metin Olarak Yayınlanan Tebliğ (Ulusal Kongre/Sempozyum) | ||
| Bildiri Niteliği | Alanında Hakemli Ulusal Kongre/Sempozyum | ||
| Kongre Adı | 17. Türkiye Harita Bilimsel ve Teknik Kurultayı | ||
| Kongre Tarihi | 25-04-2019 / 27-04-2019 | ||
| Basıldığı Ülke | Türkiye | Basıldığı Şehir | |
| Bildiri Linki | https://www.hkmo.org.tr/resimler/ekler/2b1236e7f444d32_ek.pdf | ||
| UAK Araştırma Alanları |
Makine Öğrenmesi
Yapay Zeka
|
||
| Özet |
| Doğal bitki örtüsünün korunması ve arttırılması, temiz su kaynakları ve doğal yaşamın sürekliliği için küresel öneme sahiptir. Bunun yanında hava kirliliğinin filtrelenmesi, çöp gibi atık maddelerin ayrışması ve temizlenmesini sağlar. Son zamanlarda, bitki örtüsü verilerinin doğru bir şekilde üretimi konusuna ilgi, yüksek zamansal çözünürlüklü ve geniş kapsamlı uzaktan algılanan verilerin erişilebilirliğinin artmasına bağlı olarak eskiye göre daha da artmıştır. Bir bölgeye ait bitki örtüsünün gelecekteki halini gösteren yüksek kalitede tahmin verisi o bölgedeki yöneticiler için geleceğe dair planlama yapmalarında yardımcı olacak ve önlem alınması gereken durumlar için erken uyarı verecektir. Bu çalışmanın amacı, NDVI (Normalized Difference Vegetation Index) zaman serisi verilerini ve makine öğrenmesi yöntemini kullanarak İstanbul'un Asya yakasındaki bitki örtüsünü tahmin etmektir. Tahmin işlemi Orta Çözünürlüklü Görüntüleme Spektrometresi (MODIS-Moderate Resolution Imaging Spectroradiometer) uydu görüntülerine dayalıdır. Analizleri gerçekleştirmek için Yapay Sinir Ağları (NN-Neural Networks) algoritmaları kullanılmıştır. Amerika Birleşik Devletleri Jeolojik Araştırma sunucusundan 300 adet NDVI görüntüsü alınmıştır. Alınan bu görüntüler ArcGIS'de işlenmiştir. Ham verinin tanımlanan noktaları, Python programlama dili kullanılarak birkaç farklı işlemden geçirildikten sonra tahmin veri seti elde edilmiştir. Tahmin veri seti, eğitim seti, doğrulama seti ve test seti olmak üzere üç parçaya ayrılmıştır. Eğitim seti ağı eğitmek için kullanılmıştır. Ağı oluşturmak ve İstanbul'un Asya yakasındaki bitki örtüsünün gelecekteki halini haritalamak için yüzlerce … |
| Anahtar Kelimeler |
