KaydedilenlerDerginizi ekleyin

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

Menderes ilçesindeki orman yangınının süperpiksel bölütleme temelli arama yöntemiyle tespiti

Ali Can KARACA
Mehmet Kemal GÜLLÜ
Sayfa
1061–1076
Yayın Tarihi
2019-05-23
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bunun yanında, kabadan inceye arama stratejisi içeren özgün bir yaklaşım önerilmektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Orman yangınları ülkemizde en çok etkilenilen doğal afetlerden birisidir.
📊
Temel Bulgular & Veri:Türkiye Cumhuriyeti Orman ve Su İşleri Bakanlığı’nın ormancılık istatistiklerine göre sadece 2016 yılında toplam 3188 adet orman yangını meydana gelmiştir [1].
💡
Sonuç & Katkı:Bunun yanında, kabadan inceye arama stratejisi içeren özgün bir yaklaşım önerilmektedir.
🔬Tür:Araştırma Makalesi
📍Kapsam:2016 · 3188 adet
⚙️Değişkenler: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.

🔖

Bu Makaleye Atıf Yap

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

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (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