LEE- Geomatik Mühendisliği-Yüksek Lisans
Bu koleksiyon için kalıcı URI
Gözat
Sustainable Development Goal "Goal 9: Industry, Innovation and Infrastructure" ile LEE- Geomatik Mühendisliği-Yüksek Lisans'a göz atma
Sayfa başına sonuç
Sıralama Seçenekleri
-
ÖgeAçıklanabilir yapay zeka yöntemleri ile toprak tuzluluğu haritalarının üretilmesi(Lisansüstü Eğitim Enstitüsü, 2023-01-16) Aksoy, Samet ; Sertel, Elif ; 501191640 ; Geomatik MühendisliğiToprak çok önemli bir doğal kaynak olmanın yanı sıra yaşadığımız ekosistemin değişmez bir parçasıdır. Her doğal kaynak gibi toprakta tüketimi ve kullanımı konusunda dikkat edilmesi gereken bir kaynaktır. Toprak özellikle tarımsal faaliyetler için vazgeçilmez bir konumdadır. Ancak tarımsal faaliyetlerde aşırı sulama, yer altı sularının fazla kullanımı, iklim değişikliği, tozla taşınma gibi sebepler yüzünden tuzlanmalar meydana gelmektedir. Bu tuzlanma durumu toprak tuzluluğu olarak incelenmektedir. Toprak tuzluluğu birçok nedenden dolayı meydana gelse de insani faaliyetler toprağın bu tuzlanma sürecini hızlandırmaktadır. Özellikle de iklim değişikliğinin son yıllarda etkisinin artması ile birlikte toprak tuzluluğu problemi küresel bir boyuta ulaşmıştır. Bu problemin küresel ölçekte anlamak için Birleşmiş Milletler Gıda ve Tarım Örgütünün yaptığı araştırmalar incelenebilir. Örgüte göre dünya üzerinde 397 milyon hektar alan tuzlu topraklar ile kaplıdır. Bu alanların artması ise dünyayı gıda krizi, ekonomik kriz gibi sıkıntılara sokacağı öngörülmektedir. Toprak tuzluluğu ile mücadelede izleme ve tespit etme müdahale kadar önemlidir. Doğru alanlara erken teşhis ile gerekli düzenlemeler ile toprak tuzluluğunun artması önlenebilir. Toprak tuzluluğunun tespitinde uzaktan algılama sistemleri sıklıkla kullanılmaktadır. Özellikle optik sistemler toprağın spektral yansıtım değerlerini inceleyerek tuzluluk seviyesi hakkında bilgi verebilirler. Makine öğrenme algoritmaları çevre problemlerinin modellenmesi için literatürde sıklıkla kullanılmaktadır. Özellikle rastgele orman, destek vektör makineleri gibi popüler yöntemler toprak tuzluluğu tespiti içinde kullanılmaktadır. Bu çalışma kapsamında rastgele orman yöntemine ek olarak XGBoost algoritması da kullanılmıştır. Toprak tuzluluğunu seçilen iki çalışma alanında incelemek için yersel toprak örnekleri ile mekânsal ve zamansal olarak eşleşen Landsat 8 uydu görüntüleri kullanılmıştır. Batı Urmiye Playası için 2018 yılında son bahar mevsiminde 71 adet toprak örneği toplanmışken, Bonab bölgesi için ise 74 adet toprak örneği 2014 yılında son bahar mevsiminde toplanmıştır. Batı Urmiye Playasında toprak örnekleri 1:2.5 süspansiyonda hazırlanan solüsyonlar ile elektriksel iletkenlikleri laboratuvar ortamında ölçülmüştür. Bonab bölgesi için ise iletkenlikler doğrudan Jenway 4510 iletkenlik ölçer ile ölçülmüştür. Toprak tuzluluk örnekleri tuzluluk seviyelerine göre eşit olarak dağılıma sahip olmadıkları için veri çeşitlendirme yöntemleri kullanılmıştır. Bu yöntemler ise rastgele aşırı örnekleme ve sentetik azınlık aşırı örnekleme tekniği kullanılmıştır. Makine öğrenme problemlerinde olan veri dengesizliği bu şekilde giderilmesi amaçlanmıştır. Google Earth Engine (GEE) sunduğu petabaytlarca analize hazır mekânsal veri ve hesaplama gücü ile kullanıcılarına büyük verileri hızlıca analiz edip görselleştirmesini sağlar. Bu çalışma kapsamında GEE uydu görüntülerinin işlenmesi, makine öğrenme modeli için özelliklerin üretimi ve analizi için kullanılmıştır. Toprak tuzluluğunu modellemek için SCORPAN formülü baz alınarak özellikler tanımlanmıştır. Bu değişkenler toprağın parametrelerini, iklimini, bitki örtüsünü, litolojisi vb. modellemek için kullanılır. Toplamda 26 adet özellik oluşturulmuştur. Geliştirilen modelleri açıklayabilmek için açıklanabilir yapay zekâ yöntemlerinden olan SHAP yöntemi tercih edilmiştir. Modelden bağımsız olarak sonuçları açıklayabilmesi yöntemi öne çıkarmaktadır. Yöntem ile modelleri açıklarken 3 temel başlık üzerinde durulmuştur. Bunlar sırasıyla özelliklerin modele olan mutlak katkıları, özelliklerin değerlerine göre modele katkısının hangi yönde olduğu ve test örnekleri bazında değişkenlerin modele katkıları incelenmiştir. Çalışmanın bulguları yani toprak tuzluluk haritaları 6 farklı kombinasyona göre üretildi, doğruluk analizi yapıldı ve açıklandı. Bu kombinasyon 2 farklı makine öğrenme algoritmasının ve 3 farklı veri çeşitlendirme yönteminden ileri gelmektedir. Doğruluk analizi sonuçlarına göre Batı Urmiye Playasında XGBoost yöntemi rastgele aşırı örnekleme metodu ile birlikte en iyi sonuca ulaşmıştır. R² değeri olarak 0.76 değerine ve RMSE olarak 16.60 değerine ulaşmıştır. Bonab bölgesi için ise yine XGBoost yöntemi bu kez SMOTE aşırı örnekleme yöntemi ile en yüksek doğruluğa ulaşmıştır. R² değeri olarak 0.83'e ulaşırken RMSE değeri olarak ise 12.29 olmuştur. Görsel açıdan haritalar yorumlandığında ise, XGBoost algoritmasının Batı Urmiye Playasında öne çıktığı görülürken, Bonab bölgesinde rastgele orman algoritması daha iyi sonuçlar vermektedir. Özellikle Bonab bölgesinde bulunan tuz yapılarını rastgele orman kolaylıkla ayırt edebilmesi ile öne çıkmıştır. Açıklanabilir yapay zekâ için yapılan SHAP analizleri incelendiğinde ise, Batı Urmiye Playası için ENDVI, NDVI, EVI gibi bitki indislerinin daha çok katkı verdiği görülmüştür. Bu alanda yapılan önceki çalışmaya benzer olarak CRSI indisinde yine yüksek katkı verdiği görülmüştür. Bonab bölgesi için ise Landsat 8 uydu görüntüsünün kendi bantlarından olan mavi ve yeşil bantların modele en çok katkı veren değişkenler olduğu göze çarpmaktadır. Bitki indisleri Batı Urmiye Playası'ndaki kadar katkı vermemiştir. Batı Urmiye Playası için SHAP değerleri göz önüne alındığında bitki örtüsünü gösteren indislerin artması tuzluluğu azaltırken, NDWI indisi arttıkça tuzluluğun arttığını göstermektedir. Bonab bölgesindeki SHAP değerleri incelendiğinde ise parlak tuz yapılarının görünür bölge bantlarının yansıtımını arttırdığı ve parlaklık ile doğru bir orantıya sahip olduğu görülmüştür. Test örneklerinde de yukarıdaki sonuçları doğrulamak mümkündür. Sonuç olarak toprak tuzluluğu makine öğrenme algoritmaları ile tespit edilebildiği, bu algoritmaların ise veri çeşitleme yöntemleri kullanılarak doğruluklarının arttırılabildiği açıktır. Aynı şekilde SHAP değerleri bu makine öğrenme algoritmalarını açıklayarak hangi parametrenin toprak tuzluluğunu belirlemede nasıl bir katkı sunduğu genel ve örnek bazında açıklayabilmiştir. Birleşmiş Milletlerin 2030 Yılı Sürdürülebilir Kalkınma Hedefleri kapsamında gıda güvenliği, su kullanımı ve sürdürülebilir ekosistemler çerçevesinde toprak tuzluluğu önemli bir yer işgal etmektedir. Özellikle de gıda ile olan ilişkisi nedeniyle toprak tuzluluğu yakın gözlem altında tutulmalı ve karar vericilere destek olunarak üstesinden gelinmelidir. Gelecekteki toprak tuzluluğu çalışmaları için farklı uydu sistemleri, daha yüksek mekânsal çözünürlüklü uydular, klasik makine öğrenme yöntemleri yerine derin öğrenme yöntemleri kullanılabilir. Türkiye üzerinde de hali hazırda bu problemin baş gösterdiği bir alan yeni bir çalışma için seçilebilir. Optik uydular yeni radar uyduları da yine kullanılmak için önerilebilir.
-
ÖgeModelling site selection process for wind power plants through free and open source gis(Institute of Science And Technology, 2020-07) Şimşek, Gözde ; Doğru, Ahmet Özgür ; 633621 ; Department of Geomatics EngineeringIn our constantly evolving and changing world with the impact created by developments, energy needs have become a very important component in the policies of both states and private companies. With the increase in energy needs, interest in sustainable resources has increased, and energy production targets from renewable energy sources have grown in development plans and investment programs. In addition to being sustainable, renewable energy sources have become more attractive with their low cost in the long term. Wind energy is economically efficient in the long term, although the installation cost is quite high among these resources. It is desirable that the efficiency obtained from the wind power plant is at the maximum level, but the environmental impact should be kept at a minimum while keeping the efficiency at the maximum level. Therefore, the evaluation of the region where the Wind Power Plant (WPP) will be installed should be made in accordance with international standards, national regulations and environmental conditions. Geographic Information Systems (GIS) are used as tools for multi-criteria decision making problems such as site selection and suitability analysis. With the increasing need for development and the mass of users, the orientation towards free and open source software shows its influence on GIS as well as in many other fields. The value offered by free and open source software is due to the fact that the possibilities offered can be improved, and the developed features can be shared freely with other users. In this context, QGIS which is a free and open source GIS software was used in the study and for the WPP suitability analysis, the first model in which the areas where the WPP cannot be established can be determined first, and then the second suitability model using the weights determined by the Analytical Hierarchy Process (AHP) has been applied. The two models proposed using the free and open source GIS software aimed to automate the process for suitability analysis in study area which is Izmir. First of all, parameters are determined according to national and international standards, literature review and national legal procedures to be considered in order to install WPP, and the specified parameters are classified according to models. The parameters are subjected to two main classifications depending on the purpose of the models. The first exclusion parameters are classified as the since it will serve the purpose of determining the areas where WPP cannot be established. The output map classification obtained with the exclusion model is made with boolean values of 0 and 1 representing the areas where RES can be established and cannot be established, and is included as an input to the suitability model, which is the second model. Two different scenarios are implemented with the first model. Environmental Impact Assessment (EIA) report evaluates the impact of WPP on the environment, it is decided by the relevant institutions whether this assessment is necessary depending on the variables such as the capacity and size of the project, in addition to the fact that such large structures have a great benefit in providing energy by using renewable energy sources, if it is positioned without assessing the impact on the environment, it may harm the nature and society. Considering the advantages and disadvantages, some disadvantages can be minimized by environmentally sensitive studies, so the areas where WPP cannot be established when EIA is not required and areas where WPP cannot be established in situations where EIA is not required vary and the output occurs in two different scenarios. In the suitability model, the aim is to make suitability analysis using the evaluation parameters within the areas where WPP can be established
-
ÖgeNavigation of autonomous mobile systems(Graduate School, 2022-02-11) Abdullah Jasim Al Azzawi, Afaq ; Güney, Caner ; 501191604 ; Geomatics EngineeringSelf-driving vehicles are an example of a disruptive technology that will alter the automotive, transportation, and logistics industries. Although self-driving vehicles do not rely solely on HD-maps, this technology could significantly expand the functionality of autonomous driving. Pre-generated HD-maps allow vehicles to see beyond the sensor's field of view, providing an accurate representation of the road ahead and information about the surrounding environment. SLAM has been the primary research subject for some problems for a while. It is a promising solution to most problems with mobile robots self-exploring different environments. It is used in several areas including self-driving vehicles. For example, slow speed robotics applications in confined environments are significantly easier than fast moving cars in highly dynamic environments. Hence, SLAM in autonomous vehicles still has numerous challenges. The first objective of this study is to discuss whether the difference between HD-maps prevalent across the industry from the SLAM approach in the field of robotics is a problem. Second is to discuss how the gap between HD-map and SLAM approaches can be filled by developing a new mapping solution which is actually relevant to the autonomous vehicle's operation.
-
ÖgeWeb-CBS ile hızlı görsel tarama sistemi tasarımı(Graduate School, 2023-01-27) Akın, Barış Serkan ; Karaman, Himmet ; 501081603 ; Geomatik MühendisliğiÜlkememizde ve dünyada konut ihtiyacı her geçen büyükmekte, yeni yapılar yapılmakta ve mevcut konutları yenilenmesinin önemide gittikçe artmaktadır. İstanbul ilindeki binaların çoğu yüksek deperemsellik bölgesinde bulunmakta ve yapım yılları dikkate alındığında Deprem Yönetmeliklerinden önce çıktığı ve bir an önce yenilenmeli veya depreme dayanıklı hale getirilmelidir. Burada en büyük sorun yenileme veya güçlendirme çalışmalarına nereden başlanacağı, hangi binaların öncelikli olarak ele alınacağıdır. Burada tüm binalarda fiziksel analizler yapılan, analizlerin vakit alındığı yöntemler yerine, dünyada kabul görmüş Hızlı Görsel Tarama yöntemlerinin önemi ve pratikliği, bu yöntemler öne çıkarmaktadır. Bunlardan en önemlisi ve kapsamlı olanı FEMA-154 standartlarında üretilen Hızlı Görsel Tarama Yöntemidir. Yalnız bu yöntemde bile tarama formları maktu çıktı alınarak saha tespitlerin forma girilmesini ve sonrasında forma girilen verilerin ofis ortamında Coğrafi Bilgi Sistemi ortamına aktarılar analizlerin yapılmasını gerekmektirmektedir. Bu tezde bu süreyide en aza indirebilmek için Web tabanlı CBS ve anket uygulamaları kullanılmıştır. FEMA-154 Seviye 1 Yüksek Depremsellik Hızlı Görsel Tarama Formuna sadık kalınarak web ortamında anket formu oluşturulmuş, saha personelinin görsel tarama yaptığı binayla ilgili sadece sahadan toplanması gereken bilgilere odaklanmasını sağlayacak hale getirilmiştir. Sahadan binanın konumu seçilirken bile önüne GPS onumunu alan digital bir harita çıkmakta olur, adres, enlen boylam bilgilerini elle girme ihtiyacı ortadan kaldırılmıştır. Bina tiplerini ve binalarda görülen yatay ve düşey düzensizlikleri hızlıca tespit edilmesi için web formunda gerekli görseller ve açıklamalar seçeneklerle beraber gösterilmektedir. Tüm bilgier sahadan toplandıktan sonra, Zemin türü, temel puanlalar ve bina yapım yılına ve diğer parametrele göre temel puan üzerinde değişikliğe neden olan hesalamalar form sonunda otomatik hesaplanarak tekrar ofiste analiz yapma ihtiyacı kaldırılmıştır. Bu sayede kısa sürede çalşıma yapılan sahadaki görsel taramalar tamamlanabilir ve çökme yaşanacak muhtemel binalar puanlanmış olur. Bu çalışmada kullanılan görsel fotoğraflar ve form üzerinde standartlaştırılan parametreler, bir yapay zeka sinir ağı üzerinde eğitim verisi olarak kullanılarak ileride konum ve fotoğraf üzerinden puanlama yapılmasına altlık oluşturulmuştur. Web tabanlı CBS uygulamalrın gelişen teknojiyle bile mobil cihazlara kadar inmiş olması yüksek depremsellik yaşanan bölgelerde hızlı taramalar yapılmasına imkan vermiştir.