Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2019 / Cilt: 34 - Sayı: 2

Menderes ilçesindeki orman yangınının süperpiksel bölütleme temelli arama yöntemiyle tespiti

Pages
1061–1076
Publication Date
2019-05-23
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Elde edilen sonuçlar alıcı işlem karakteristikleri üzerinden karşılaştırılmıştır ve önerilen yöntemin diğer yöntemlerden daha iyi tespit performansı sağladığı gösterilmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Orman yangınları ülkemizde en çok etkilenilen doğal afetlerden birisidir.
📊
Key Findings & Data:Türkiye Cumhuriyeti Orman ve Su İşleri Bakanlığı’nın ormancılık istatistiklerine göre sadece 2016 yılında toplam 3188 adet orman yangını meydana gelmiştir [1].
💡
Conclusion & Impact:Elde edilen sonuçlar alıcı işlem karakteristikleri üzerinden karşılaştırılmıştır ve önerilen yöntemin diğer yöntemlerden daha iyi tespit performansı sağladığı gösterilmiştir.
🔬Design:Research Article
📍Scope:2016 · 3188 adet
⚙️Variables:Orman yangınları · sentinel-2 uydusu · süperpiksel bölütleme

Özet

Orman yangınları ülkemizde en çok etkilenilen doğal afetlerden birisidir. Türkiye Cumhuriyeti Orman ve Su İşleri Bakanlığı’nın ormancılık istatistiklerine göre sadece 2016 yılında toplam 3188 adet orman yangını meydana gelmiştir [1]. Oluşan her orman yangınından sonra hasar gören bölgelerin tespiti, arazi yönetimi ve hızlı planlama açısından önem taşımaktadır. Bu konuda uzaktan algılama teknolojileri oldukça popüler bir konu haline gelmiştir. Bu çalışmada, Sentinel-2A uydusu üzerinden alınan multispektral görüntüler kullanılarak yangın bölgesinin tespiti incelenmektedir. Yangın bölgesinin tespiti için klasik spektral indekslerin kullanımı değerlendirilmektedir. Bunun yanında, kabadan inceye arama stratejisi içeren özgün bir yaklaşım önerilmektedir. Önerilen yöntemde önce yangın bölgeleri kabaca bulunmakta daha sonra da bulunan bölgeler içerisinde ince arama adımı ile hassas tespit yapılmaktadır. Uzamsal ve spektral bilgiyi birlikte değerlendirebilmek için her iki adımda da süperpiksel temelli bir yaklaşım kullanılmaktadır. Önerilen yöntem ve diğer yöntemlere ait deneysel sonuçlar 1 Temmuz 2017’de İzmir-Menderes bölgesinde gerçekleşen yangın için elde edilmiştir [2]. Elde edilen sonuçlar alıcı işlem karakteristikleri üzerinden karşılaştırılmıştır ve önerilen yöntemin diğer yöntemlerden daha iyi tespit performansı sağladığı gösterilmiştir.

🔖

Cite This Article

KARACA, A. C., GÜLLÜ, M. K. (2019). Menderes ilçesindeki orman yangınının süperpiksel bölütleme temelli arama yöntemiyle tespiti. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 34 - Sayı: 2, 1061–1076. https://ajindex.com/articles/19981

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (15)

  1. Türkiye Cumhuriyeti Orman ve Su İşleri Bakanlığı, Resmi istatistik portalı. http://rip.ormansu.gov.tr/rip/AnaSayfa/metaveriler.aspx?sflang=tr Erişim tarihi Ağustos 23, 2017.
  2. TRT Haber, İzmir orman yangını, http://www.trthaber.com/haber/gundem/izmirdeki-orman-yanginin-bilancosu-agir-oldu-323306.html Erişim Tarihi 24 Ağustos, 2017.
  3. Jensen, J. R., Remote sensing of the environment: An earth resource perspective 2/e, Pearson Education, India, 2009.
  4. Salles, R. R., Filho C. R. S., Cudahy T., Vicente L. E., Hyperspectral remote sensing applied to uranium exploration: A case study at the Mary Kathleen metamorphic-hydrotermal U-REE deposit, NW, Queensland, Australia, Journal of Geochemical Exploration, 179(9), 36-50, 2017.
  5. Yılmaz, M., Konya Kapalı Havzası’nın TMPA uydu kaynaklı yağış verileri ile kuraklık analizi, Journal of the Faculty of Engineering and Architecture of Gazi University, 32(2), 541-549, 2017.
  6. Wan, L., Zheng, L., Huo H., Fang T., Affine invariant description and large-margin dimensionality reduction for target detection in optical remote sensing images, IEEE Geoscience and Remote Sensing Letters, 14(7), 1116-1120, 2017.
  7. Özcan, A. H. ve Ünsalan, C., Oylama ve morfolojik bölütleme ile bina tespiti,24. Sinyal İşleme ve Haberleşme Uygulamaları Konferansı (SIU2016), 16-19
  8. Mayıs, Zonguldak, Türkiye. 2016.
  9. Zhou, H., Kong, H., Wei, L., Creighton, D., Nahavandi, S., On detecting road regions in a single UAV image, IEEE Transactions on Intelligent Transportation Systems, 18(7), 1713-1722, 2017.
  10. Mahdipour, E. ve Dadkhah, C., Automatic fire detection based on soft computing techniques: review from 2000 to 2010, Artificial Intelligence Review, 42(4), 895-934, 2014.
  11. FireWatch, An early warning system for forest fires, succesfully in the global use, http://www.fire-watch.de/ Erişim tarihi Ağustos 24, 2017.
  12. Alkhatib, A. A. A., A review on forest fire detection techniques, International Journal of Distributed Sensor Networks, 10(3), 1-12, 2014.
  13. Garcia-Jimenez, S., Jurio, A., Pagola, M., Miguel, L. D., Barrenechea, E., Bustince, H., Forest fire detection: A fuzzy system approach based on overlap indices, Applied Soft Computing, 52, 834-842, 2017.
  14. Wenning, B. L., Pesch, D., Timm-Giel, A., Görg, C., Environmental monitoring aware routing: Making environmental sensor networks more robust, Telecommunication Systems, 43(1), 3–11, 2010.
  15. Van Wagtendonk, J. W., Root, R. R., Key, C. H., Comparison of AVIRIS and Landsat ETM+ detection capabilities for burn severity, Remote Sen