Akademik Veri Yönetim Sistemi
III. Uluslararası Akademik Çalışmalar kongresi 2022 Değişim ve Uyum, Osmaniye, Türkiye, 13 - 16 Mayıs 2022, ss.385-386
Bu çalışmada su kütlelerindeki değişiklikleri izlemek için kul- lanılan Normalize Edilmiş Fark Su İndeksine (Normalized Difference Water Index – NDWI) alternatif olması beklenen bir derin Sinir ağı modeli geliştirilmiştir. Bu derin sinir ağı modelinin eğitilmesi için, Avustralya Yeni Güney Galler Eyaletinde 2-8 Mart 2022 tarihli sel bas- kınlarını gösteren Sentinel 2 uydu verileri kullanılmıştır. Derin sinir ağını eğitebilmek için daha geniş bir örneklem ve daha ayrıştırıcı ve güncel veri sunduğundan dolayı çalışmamız için Avustralya Yeni Gü- ney Galler Eyaleti sel verileri seçilmiştir. Oluşturulan Modeli eğitmek için sel bölgesi verileri “taşkın alanı “ ve “kuru alan” şeklinde iki farklı değer olarak etiketlenmiştir. Etiketlenen veriler ile oluşturulan derin sinir ağı modeli, Python programlama dili ve Tensorflow kütüphanesi
ile eğitilmiştir. Çalışmada 18 Şubat 2022 sel öncesi ve 10 Mart 2022 sel sonrası Sentinel 2 uydu verileri kullanılarak NDWI ve dNDWI indeksle- ri hesaplanmıştır. Hesaplanan NDWI ve dNDWI indeksleri ile sel alanı haritalanmıştır. Daha sonra eğitilen yeni derin sinir ağı modelinin so- nuçları ile NDWI ve dNDWI indeksleri sonuçları karşılaştırılarak mo- delin tutarlılığı ve başarımı test edilmiştir. Elde edilen sonuçlara göre yeni oluşturulan sinir ağı modeli, NDWI ve dNDWI indeksi sonuçlarına göre daha başarılı bir şekilde su taşkınlarını tespit edebilmektedir.
Anahtar Kelimeler: Derin sinir ağları, derin öğrenme, ndwı
-dNDWI, sentinel 2, uzaktan algılama
Bu çalışmada su kütlelerindeki değişiklikleri izlemek için kul- lanılan Normalize Edilmiş Fark Su İndeksine (Normalized Difference Water Index – NDWI) alternatif olması beklenen bir derin Sinir ağı modeli geliştirilmiştir. Bu derin sinir ağı modelinin eğitilmesi için, Avustralya Yeni Güney Galler Eyaletinde 2-8 Mart 2022 tarihli sel bas- kınlarını gösteren Sentinel 2 uydu verileri kullanılmıştır. Derin sinir ağını eğitebilmek için daha geniş bir örneklem ve daha ayrıştırıcı ve güncel veri sunduğundan dolayı çalışmamız için Avustralya Yeni Gü- ney Galler Eyaleti sel verileri seçilmiştir. Oluşturulan Modeli eğitmek için sel bölgesi verileri “taşkın alanı “ ve “kuru alan” şeklinde iki farklı değer olarak etiketlenmiştir. Etiketlenen veriler ile oluşturulan derin sinir ağı modeli, Python programlama dili ve Tensorflow kütüphanesi
ile eğitilmiştir. Çalışmada 18 Şubat 2022 sel öncesi ve 10 Mart 2022 sel sonrası Sentinel 2 uydu verileri kullanılarak NDWI ve dNDWI indeksle- ri hesaplanmıştır. Hesaplanan NDWI ve dNDWI indeksleri ile sel alanı haritalanmıştır. Daha sonra eğitilen yeni derin sinir ağı modelinin so- nuçları ile NDWI ve dNDWI indeksleri sonuçları karşılaştırılarak mo- delin tutarlılığı ve başarımı test edilmiştir. Elde edilen sonuçlara göre yeni oluşturulan sinir ağı modeli, NDWI ve dNDWI indeksi sonuçlarına göre daha başarılı bir şekilde su taşkınlarını tespit edebilmektedir.
Anahtar Kelimeler: Derin sinir ağları, derin öğrenme, ndwı
-dNDWI, sentinel 2, uzaktan algılama