LEE- Geomatik Mühendisliği-Yüksek Lisans

Bu koleksiyon için kalıcı URI

Gözat

Son Başvurular

Şimdi gösteriliyor 1 - 5 / 6
  • Öge
    Assessment of spatio-temporal variations in lake surface using landsat imageries and Google Earth Engine
    (Graduate School, 2022-06-22) Albarqouni, Mohammed M. Y. ; Balçık, Filiz Bektaş ; 501191628 ; Geomatics Engineering
    The purpose of this research is to determine the lake's water surface area and the Lake Surface Water Temperature (LSWT), as well as to give a long-term analysis of the spatial and temporal relationships between these variables. Lake Burdur, Lake Egirdir, and Lake Beysehir were the three lakes in Türkiye's Lakes Region that were taken into consideration to be used as testing sites. Lakes are crucial to the ecosystem and ecological stability. For the preservation and development of such sensitive regions, continual monitoring using accurate and dependable sources is required. The development of remote sensing technology provides a significant opportunity for the determination, monitoring, and assessment of the current state of lakes. Specifically, the improvement of satellite images spatial and spectral resolutions contributes to this potential. Mapping water surface area is essential for agriculture, economic, and the structure and function of the ecosystem, as well as for the extent of lakes' water surfaces. Remote sensing methods were used to comprehend the long-term variations in the water surface area of Lake Burdur, Egirdir, and Beysehir. Google Earth Engine (GEE) is a cloud-based platform that applies operations to Landsat satellite images, was used to perform the analysis. In the study, two satellite sensors; Landsat 5 TM and Landsat 8 OLI/ TIRS, were employed to cover as much of the research period from 2000 to 2021 as possible. Landsat 8 OLI/TIRS gives coverage from 2013 through 2021, while Landsat 5 TM provides coverage from 2000 to 2011. There was no available satellite data for 2012. Also, ERA5-Land and TerraClimate monthly satellite dataset were used in this study to show whether there is correlation between water surface area and LSWT with meteorological parameters (temperature, evaporation and precipitation). The first chapter discusses the relevance of lakes to the ecosystem and global climate, as well as the information on water body extraction using satellite images acquired by remote sensing was presented. This chapter also discusses the study's scope and objectives. The second chapter presents the role of remote sensing and satellite data in extracting and monitoring the spatio-temporal changes of water surfaces. The third chapter introduces the study area and clarified all of its features, in addition to providing the satellite data utilized in the analysis. Thus, a total of 606 Landsat images were collected and analyzed through GEE cloud platform. In the fourth chapter, the Normalized Difference Water Index (NDWI) was utilized to extract the water pixels in order to determine the surface water extent from the image inventory. Thus, the procedure of calculating surface water area and LSWT has been explained in detail via the used equations and GEE code. The accuracy assessment for the largest and smallest surface water area for each lake was evaluated using the random point selection method and confusion matrix. Moreover, the water surface area changes of the three lakes and the LSWT variable, as well as their relationship with one to another, were analyzed to clarify the effects of an increase or decrease in LSWT over the extent of the lake's surface water. In the fifth chapter, the daily, seasonal, and annual variations in each lake surface area across the research period were presented. The findings from the study indicate that by using NDWI, water pixels can be extracted rather accurately, with an overall accuracy of more than 98% for the surface area of all lakes. Between 2000 and 2021, the water surface area value of Lake Burdur decreased significantly by more than 22%, while for Lake Egirdir it has dropped slightly by less than 4%, and for Lake Beysehir has not changed noticeably, it has decreased by roughly less than 1%. After analyzing the LSWT values, it can be established that they increased in all lakes except for Beysehir over the study time period. Thus, Burdur Lake's LSWT increased by more than 2.1°C, Egirdir Lake heightened by more than 0.3°C, and Beysehir Lake decreased by more than 1.4°C. The obtained results were evaluated with meteorological parameters and our findings showed that human-induced activities were more dominant than climate effects over the lakes. In the sixth chapter, the study's findings were reviewed and discussed.
  • Öge
    Navigation of autonomous mobile systems
    (Graduate School, 2022-02-11) Abdullah Jasim Al Azzawi, Afaq ; Güney, Caner ; 501191604 ; Geomatics Engineering
    Self-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.
  • Öge
    Açıklanabilir yapay zeka yöntemleri ile toprak tuzluluğu haritalarının üretilmesi
    (Lisansüstü Eğitim Enstitüsü, 2023-01-16) Aksoy, Samet ; Sertel, Elif ; 501191640 ; Geomatik Mühendisliği
    Toprak 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.
  • Öge
    Web-CBS ile hızlı görsel tarama sistemi tasarımı
    (Graduate School, 2023-01-27) Akın, Barış Serkan ; Karaman, Himmet ; 501081603 ; Geomatik Mühendisliği
    Ülkememizde 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.
  • Öge
    Türkiye'de etkin bina emlak vergisi belirlenmesi için bir değerleme model önerisi
    (Lisansüstü Eğitim Enstitüsü, 2023-09-15) Sirkeci, Ecem ; Alkan, Reha Metin ; 501211614 ; Geomatik Mühendisliği
    Günümüz koşulları, ortaya çıkan yeni gelişmeler ve artan talep ile birlikte, tüm dünyada taşınmaza talebin arttığı, buna bağlı olarak da taşınmaz sayısının da sürekli arttığı görülmektedir. Taşınmazların her biri başta piyasa koşulları, sahip olduğu çevresel, yasal ve fiziki nitelik ve öznitelikler olmak üzere, farklı birçok etmene bağlı olarak ortaya çıkan bir değere sahiptir. Pek çok faktöre bağlı olarak ortaya çıkan bir taşınmazın değerinin belirlenmesi, yani taşınmaz değerlemesi, oldukça kapsamlı saha/büro analiz ve çalışmaları gerektiren profesyonel bir işlem sürecidir. Bu anlamda taşınmaz değerleme işlemi, taşınmazın doğru veriler kullanılarak, doğru yöntem(ler) seçilip uygulanarak gerçek (piyasa) değerinin elde edilebilmesini sağlamaktadır. Arazi yönetim fonksiyonlarının önemli bir parçası olan taşınmaz değerlemesi oldukça geniş bir uygulama alanına sahip olup birçok çalışmada karşımıza çıkmaktadır. Taşınmaz değerlemesi; arazi düzenlemesi, sermaye piyasası uygulamaları, kamulaştırma, özelleştirme, kentsel dönüşüm, miras, sigortalama, şerefiyelendirme gibi pek çok alanda yaygın olarak uygulanmaktadır. Bu uygulama alanlarından birisi de emlak vergisine esas olacak emlak vergi değerlerinin takdiri için yapılan değerleme çalışmalarıdır. Vergilendirme amaçlı uygulamalarda muhtelif nedenlerden dolayı pek çok zaman taşınmazların mekânsal, fiziki ve sosyo-ekonomik özellikleri yeterince analiz edilemeyebilmekte, buna bağlı olarak da çoğunlukla düşük tespit edilen vergi değeri nedeniyle de kamusal gelir kayıpları meydana gelebilmektedir. Emlak vergi mevzuuna göre bina, arsa ve arazinin rayiç bedeli olarak ifade edilen emlak vergi değeri, yine ilgili yasada tarif edilen çerçevede yapılacak taşınmaz değerleme çalışmaları ile belirlenmektedir. Ancak, ne yazık ki, taşınmazlar için belirlenen vergi değer oranlarının belediyeler tarafından çoğunlukla taşınmaz bazlı değil, cadde/sokak bazında belirlendiği görülmektedir. Oysa Türkiye'de adil emlak vergilendirmesinin sağlanması için, halen uygulanmakta olan ve 4 yılda bir yapılan cadde/sokak bazında bazı genel yaklaşımlarla bir değerleme yapmak yerine, her bir taşınmazın değerinin tek tek konuyla ilgili mevzuatta (Emlak Vergisine Matrah Olacak Vergi Değerlerinin Takdirine İlişkin Tüzük) belirtildiği şekilde takdir edilmesi gerekmektedir. Diğer taraftan Türkiye'de bu kapsamda değerlemesi yapılması gereken milyonlarca taşınmaz olduğu göz önünde bulundurulduğunda taşınmazların değerlemesinin klasik (emsal karşılaştırma/gelir/maliyet vb.) yöntemlerle tek tek yapılması çok da pratik görülmemektedir. Bu çalışma kapsamında, "Emlak Vergisine Matrah Olacak Vergi Değerlerinin Takdirine İlişkin Tüzük"te ifade edilen kriterleri dikkate alan Nominal Değerleme Yöntemi'ne dayalı bir toplu değerleme modeli geliştirilmiştir. Geliştirilen modelin performansı, İstanbul ili Gaziosmanpaşa ilçesinde belediye tarafından vergi değeri ve cari piyasa değeri bilinen 1.000 konut üzerinde test edilmiştir. Çalışmada görece daha yüksek değere sahip taşınmazlar için belirlenen emlak vergi değeri ile aynı sokakta bulunan ve görece daha düşük değere sahip taşınmaz için belirlenen emlak vergi değerlerinin aynı olduğu görülmüştür. Bu durumda bazı mükellefler daha yüksek, bazıları ise daha düşük emlak vergisi ödemek durumunda kalmaktadır. Kamusal olarak da daha düşük vergi toplanması söz konusu olmaktadır. Tez çalışmasında uygulamada karşılaşılan bu tür sorunların nedenleri belirlenmeye; geliştirilen model ile de çözüm getirmeye çalışılmıştır. Ortaya konulan model ile, vergiye esas olan bir taşınmazın cadde/sokak bazında genel olarak değil de, sahip olduğu tüzükte de ifade edilen pek çok nitelik ve özniteliği de göz önüne alınarak daha gerçekçi bir vergi değerinin (dolayısıyla daha adil emlak vergisinin) belirlenmesi amacıyla çalışılmıştır. Örnek olarak ele alınan veri setlerinin değerlendirilmesi sonucunda, ilgili belediye tarafından belirlenen taşınmazların emlak vergi değeri ile piyasa (ya da rayiç) değerleri arasında yaklaşık 6 ila 7 kat fark olduğu (bu oranda vergi değerinin rayiç değerden az olduğu) gözlemlenmiştir. Öte yandan, önerilen model için gerçekleştirilen regresyon analizinin çeşitli performans ölçümleri, tahmin doğruluğunun yeterince yüksek olduğunu göstermiştir. Önerilen model ile birlikte gerçekleştirilen regresyon analizi ile taşınmazların rayiç değerleri ile yalnızca 1 ila 2 kat fark olduğu gözlemlenmiştir. Geliştirilen modelin veri yoğunluğunun artması ve emlak listeleme verileri yerine gerçek piyasa değerlerinin kullanılması ile daha doğru sonuçlar vereceği değerlendirilmektedir. Çalışmadan elde edilen başarılı sonuçlar, çalışmada önerilen modelin sadece emlak vergilendirme çalışmalarında değil, Veraset ve İntikal Vergisinin belirlenmesi, Tapu ve Kadastro Harçlarının belirlenmesi, Kira Geliri Vergisi, Belediyelerin Harcamalara Katılma Payı hesabı, Ecrimisil hesabı gibi pek çok farklı uygulamayı da etkileyen emlak vergi değerinin tespiti için ülkemizde ortaya konulmaya çalışan modelleme çalışmalarına teorik ve pratik düzeyde katkı sağlayacağı da değerlendirilmiştir.