Farklı Meşçere Tiplerinde Kızılçam (Pinus Brutia) Ormanları İçin Toprak Üstü Biyokütle Karbon Tahmini: Landsat 9 Uydu Verileri ile Makine Öğrenmesi Yaklaşımı

Authors : Esin Karamanlı

Pages : 408-415

Doi:10.35229/jaes.1703797

View : 79 | Download : 87

Publication Date : 2025-07-31

Article Type : Research Paper

Abstract :Orman Toprak Üstü Biyokütlesi (TÜB) orman ekosistemlerinin konumsal-zamansal değişimini gözlemlemek ve değerlendirmek için önemli biyofiziksel değişkenlerdir. Sürdürülebilir orman yönetim stratejilerini daha iyi destekleyebilmek için uzaktan algılama araçları ile sürekli ve doğru bir şekilde Toprak Üstü Biyokütle Karbon (TÜBK) tahmininin sağlanabilir olması gerekmektedir. Lansat 9 C2L1 uydu verileri ve makine Öğrenmesi Algoritmaları (Yapay Sinir Ağları (YSA), Rassal Orman Algoritması (ROA) ve Destek Vektör Makineları (DVM)) bu çalışmada Adana ili “Pinus brutia” meşçerelerinde tutulan TÜBK miktarının tahmininde kullanılmıştır. Landsat 9 uydu verileri ile elde edilen spektral indisler (Normalize Edilmiş Fark Vejetasyon İndeksi ve İyileştirilmiş Vejetasyon İndeksi) ve Orman Kanopi Yoğunluk altlığı bağımsız değişken kümesi olarak kullanılmıştır. Tahmin doğruluğunu arttırmak için birden fazla model kurulumu gerçekleştirilmiş ve en yüksek TÜBK tahmin Rassal Orman Algoritmaları (0,84 R2) aracılığıyla elde edilmiştir. İkinci en yüksek model tahmini, çapraz doğrulama uygulanarak hiperparametre optimizasyonu sağlaması hedeflenen veri seti kullanılarak Rassal Orman Algoritması (0,62 R2) ile elde edilmiştir. Üçüncü en yüksek model performansı ise veri setinin radyal düzlemde değerlendirildiği Destek Vektör Makineleri (0,61 R2) ile elde edilmiştir. Sonuçlar diğer makine öğrenmesi algoritmaları içerisinden hiperparametre optimizasyonu sağlanmamış veri seti ile kurulan Rassal Orman Algoritması model performansının oldukça önemli bir farkla TÜBK tahmininde kullanılabileceğini ortaya koymuştur. Bu çalışma Orman Envanter Yönetimi çalışmaları için oldukça basit ve etkili bir yöntem aracı sunmaktadır.
Keywords : Orman kanopi yoğunluğu, Spektral indeksler, Toprak üstü biyokütle karbon, Makine öğrenmesi algoritmaları.

ORIGINAL ARTICLE URL