BURNED AREA SEGMENTATION AND SEVERITY ESTIMATION IN POST FIRE LANDSCAPES USING DEEP LEARNING METHODS
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: İngilizce
Öğrenci: MURAT MERT YURDAKUL
Danışman: Hamza Osman Ilhan
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Orman yangınlarının daha sık ve yoğun hale gelmesiyle birlikte, doğru tespit ve hasar değerlendirmesi için gelişmiş tekniklerin geliştirilmesi büyük önem taşımaktadır. Yanmış alanların doğru bir şekilde tespiti ve şiddet değerlendirmesi, etkili yangın yönetimi için kritik öneme sahiptir. Bu araştırma, yanmış alanları belirlemek ve yangın şiddetini tahmin etmek için yüksek çözünürlüklü Sentinel-2 yangın sonrası görüntüleri kullanan Çift Aşamalı Derin Öğrenme Çerçevesi'ni incelemektedir. Önerilen çerçeve iki aşamadan oluşmaktadır: yanmış alanları tespit etmek için ikili segmentasyon adımı ve hasar seviyelerini yanmamıştan tamamen yok edilmişe kadar atayan şiddet sınıflandırma adımı. Çalışma, maske çıktılarındaki farklı şiddet seviyelerinin etkisini incelemek için hem 4 hem de 5 seviyeli şiddet sınıflandırmalarına odaklanmaktadır. Ayrıca, Mask R-CNN modeli görüntü segmentasyonu için bağımsız olarak değerlendirilmiştir. Mask R-CNN modeli ile yapılan deneyde, önceden eğitilmiş ağırlıklara ve sınırlı spektral girdiye bağımlılık nedeniyle karşılaşılan zorluklar ele alınmıştır. MultiResUNet dahil olmak üzere birkaç U-Net tabanlı mimari bu çerçeve içinde uygulanmış ve değerlendirilmiştir. Sonuçlar, MultiResUNet'in yanmış alan tespitinde tatmin edici performans gösterdiğini ancak Nested U-Net ve Attention U-Net gibi diğer mimarileri tutarlı bir şekilde geride bırakamadığını göstermektedir. Ayrıca şiddet seviyelerinin beşten dörde düşürülmesi, veri dengesizliği sorunlarını çözerek model performansını artırmıştır. Bu bulgular, Çift Aşamalı Derin Öğrenme Çerçevesi'nin yangın sonrası hasar değerlendirmesini ve yangın yönetimi için karar alma süreçlerini geliştirme potansiyelini vurgulamaktadır. MultiResUNet güçlü sonuçlar sağlasa da, özellikle şiddet sınıflandırması gibi belirli görevlerde alternatif U-Net tabanlı mimariler potansiyel avantajlar göstermiştir. Bu yaklaşım, hasar değerlendirmelerinin doğruluğunu artırma ve orman yangınlarının yönetimi ve müdahalesinde daha bilinçli kararlar alınmasını destekleme potansiyeline sahiptir.