Show simple item record

dc.contributor.advisorAslan, Zafer
dc.contributor.authorEsendal Bozkurt, Nagihan
dc.date.accessioned2021-05-08T06:41:14Z
dc.date.available2021-05-08T06:41:14Z
dc.date.submitted2017
dc.date.issued2018-08-06
dc.identifier.urihttps://acikbilim.yok.gov.tr/handle/20.500.12812/623860
dc.description.abstractSon yıllarda özellikle Türkiye'nin batı bölgelerinde şehirleşmenin etkisiyle yeşil alanlar hızla azalmaktadır. İnceleme bölgesi için NDVI (Normalized Difference Vegetation Index, Normalize Edilmiş Fark Bitki Örtüsü İndeksi) uzaktan algılama yöntemi kullanılarak bitki örtüsü indeksi elde edilmiştir. MODIS uydusu aracılığıyla Kandilli Bölgesi ve civarı için on yıl boyunca gözlenen günlük NDVI değerlerine dayalı olarak bitki örtüsü tahmini yapılmıştır. Bitki örtüsü tahmininde ANN (Artificial Neural Network, Yapay Sinir Ağı) yöntemlerinden olan ANFIS (Adaptive Neuro-Fuzzy Inference System, Uyarlamalı Ağ Bulanık Çıkarım Sistemi) Modeli kullanılmıştır. Bu çalışma kapsamında, enlem değeri 41° 4' ve boylam değeri 29° 3' olan Kandilli Bölgesinin Eylül, 2005 ile Ekim, 2016 yılları arasındaki NDVI değerleri ile çalışılmıştır. Değerlerin saptanmasında MODIS (Moderate Resolution Imaging Spectroradiometer, Orta Çözünürlük Spektrometre Görüntüleme) çeşitlerinden olan TERRA Uydusu kullanılmıştır. Ölçümler yaklaşık olarak 6.25 kilometrekarelik bir alan üzerinde yapılmıştır. TERRA Uydusu'ndan elde edilen NDVI değerleri ile ANN kullanılarak bitki örtüsü tahmini gerçekleştirilmiştir. MATLAB ortamında bir Neuro-Fuzzy Designer olarak tanımlanmış olan ANFIS klasik küme teorisi ve bulanık mantık teorisinin birleşimi şeklinde ele alınmıştır. Bu yöntemde hedef bir değerin o kümeye ait olup olmamasını saptamak ve bu işi yaparken üyelik fonksiyonlarını kullanmaktır. ANFIS içerisindeki üyelik fonksiyonlarının hata tolerans değerleri birbirleriyle karşılaştırılmıştır. En başarılı üyelik fonksiyonu seçilerek tahmin gerçekleştirilmiştir.
dc.description.abstractOver the last few years, green areas are decreasing rapidly due to urbanization; especially in the western regions of Turkey. NDVI (Normalized Difference Vegetation Index) remote sensing method has been used to obtain the vegetation index for the study area. MODIS satellites were used to estimate the vegetation coverage for the Kandilli region and the neighboring villages based on the daily NDVI values observed for ten years. ANFIS (Adaptive Neuro-Fuzzy Inference System) model, which is one of the ANN (Artificial Neural Network) varieties, was used for vegetation prediction. In this study, the NDVI values between September 2005 and October 2016 were used for the Kandilli region located at a latitude value of 41 ° 4 ' and a longitude value of 29 ° 3'. The TERRA satellite which is a MODIS (Moderate Resolution Imaging Spectroradiometer) variety was used to measure the values. Measurements were made on an area of approximately 6.25 square kilometers. Estimation of vegetation was done using ANN (Artificial Neural Network) with the NDVI values obtained from the TERRA satellite. ANFIS, which is defined as a Neuro-Fuzzy Designer in MATLAB environment, is considered as a combination of classical set theory and fuzzy logic theory. In this method, the main goal is to determine whether a value belongs to that cluster or not, using membership functions. The error tolerance values of the membership functions in ANFIS are compared with each other. Estimation was performed by using the most successful membership function.en_US
dc.languageTurkish
dc.language.isotr
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution 4.0 United Statestr_TR
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontroltr_TR
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.titleUydu verilerine ve yapay sinir ağlarına dayalı olarak bitki örtüsü tahmini ve analizi
dc.title.alternativeEstimation and analysis of plant grains based on satellite data and artificial neural network
dc.typemasterThesis
dc.date.updated2018-08-06
dc.contributor.departmentBilgisayar Mühendisliği Ana Bilim Dalı
dc.subject.ytmANFIS
dc.subject.ytmNatural vegetation
dc.subject.ytmArtificial neural networks
dc.identifier.yokid10158577
dc.publisher.instituteFen Bilimleri Enstitüsü
dc.publisher.universityİSTANBUL AYDIN ÜNİVERSİTESİ
dc.identifier.thesisid501498
dc.description.pages73
dc.publisher.disciplineBilgisayar Mühendisliği Bilim Dalı


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess