Koyu Mod:
Yazar :
Sohaib K. M. Abujayyab , İsmail R. Karas ve Emrullah Demiral
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 eğitim noktası
kullanılmıştır. Çalışma alanı, büyük veri problemini ele almak için birkaç görüntü paneline bölünmüştür. Tahmin işleminin performans
doğruluğunu değerlendirmek için ölçüt olarak ortalama kare hatası yöntemi (MSE – Mean Square Error) kullanılmıştır. Kullanılan
makine öğrenmesi algoritması ile coğrafi verilere dayalı tahminler başarıyla gerçekleştirilmiş ve yüksek performans doğruluğu elde
edilmiştir. Sonuç olarak, makine öğrenmesi yönteminin gelecekteki bitki örtüsü haritasını oluşturmak için kullanılabileceği
gösterilmiştir.
Anahtar Kelimeler :
Makine Öğrenmesi, NDVI Zaman Serisi, Bitki Örtüsü Tahmini
Kaynak :