Antalya Manavgat bölgesinde CBS ve makine öğrenmesi destekli orman yangını risk bilgi sistemi oluşturulması
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Sivas Cumhuriyet Üniversitesi, Fen Bilimleri Enstitüsü, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: İZZET ERSOY
Asıl Danışman (Eş Danışmanlı Tezler İçin): Önder Gürsoy
Eş Danışman: Emre Ünsal
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Orman yangınları çevresel ve ekonomik etkileri bakımından büyük afetlerdir. Yangınlar, flora ve fauna kayıplarına, habitat tahribatına ve biyolojik çeşitliliğin azalmasına neden olmaktadır. Hava kirliliği, toprak erozyonu ve su kaynaklarının kirlenmesi gibi olumsuz etkileri vardır. Dünyada her yıl yaklaşık 120 milyon hektar ormanlık alan yanarak yok olmaktadır. Bu da yaklaşık 168 milyon 67 bin adet futbol sahasının büyüklüğüne veya Güney Afrika'nın yüzölçümüne eşittir. Orman yangınları; doğal sebepler, ihmal, kaza, kasıt ve sebebi bilinmeyen yangınlar olarak birçok sebepten çıkmaktadır. Bu yangınları önleyebilmek için, yangın öncesinde riski öngörmek amacıyla Coğrafi Bilgi Sistemleri ve Makine Öğrenmesi disiplinlerinden yardım alınarak bir bilgi sistemi oluşturulmuştur. Oluşturulan bu sistemde, çalışma bölgesine ait; orman meşcere haritaları, meteorolojik veriler, orman yangın envanteri ve arazi kullanım haritası edinilerek, toplam 13 adet kriter belirlenmiş ve bilgi sistemine entegre edilmiştir. Hem Analitik Hiyerarşi Prosesi hem de literatür taraması sonucunda geçmiş çalışmalarda kullanılan verilerden elde edilen bilgiler toplanarak girdi verilerine ağırlıklar belirlenmiştir. Ağırlıklı çakıştırma sonucunda çalışma bölgesine ait 5 adet risk sınıfı oluşturulmuştur. Geçmişte çıkan yangınların konumları ile çıktı verileri kıyaslandığında, risk sınıflarının alansal dağılımda yüzdesi literatür taraması sonucunda elde edilen harita için; çok yüksek risk %27, yüksek risk %37, normal risk %22, düşük risk %14 ve çok düşük risk %0 olarak; AHP için ise çok yüksek risk %41, yüksek risk %23, normal risk %20, düşük risk %12 ve çok düşük risk %4 olarak hesaplanmıştır. Sonrasında belirlenen sınıfların doğruluğu Makine Öğrenmesi kullanarak doğrulanmış ve %85'in üzerinde doğruluk elde edilmiştir. Ayrıca bu makine öğrenmesi modeli yalnızca mevcut verilerden değil, farklı durumlarda farklı verilerden de sonuç sağlayacak ve bilgi sistemi; geliştirilen kullanıcı ara yüzü ve esnek yapısı ile farklı topoğrafyaya, farklı orman yapısına ve farklı iklimlere ait ormanlık alanlarda da çalıştırılıp kullanılabilecektir. Böylelikle yalnızca çalışma alanı için değil, tüm orman alanlarının korunmasına yönelik bir bilgi sistemi ve model olmuştur.