Dergi makalesi · 2025
Yanmış Orman Alanlarının Belirlenmesi için Uzaktan Algılama Tabanlı Derin Öğrenme Yaklaşımı
İngilizce başlıkRemote Sensing-Based Deep Learning Approach for Identifying Burned Forest Areas
Çukurova Üniversitesi Mühendislik Fakültesi Dergisi, 40(1), 33–48
- Yıl
- 2025
- Yayın tarihi
- Dergi veya konferans
- Çukurova Üniversitesi Mühendislik Fakültesi Dergisi
- Cilt
- 40
- Sayı
- 1
- Sayfalar
- 33–48
Özet
Çalışma, 5-10 Eylül 2020 tarihlerinde Hatay’ın Samandağ bölgesinde meydana gelen orman yangınlarının yanık alanlarını ve yangın şiddetini haritalandırmaktadır. Sentinel-2 uydu görüntüleriyle bir görüntü veri kümesi oluşturulmuş ve derin öğrenme modeli eğitilmiştir. Model sonuçları NBR, dNBR, BAIS2 ve dBAIS2 yanık alan indeksleri ile Orman Genel Müdürlüğü yangın kayıtlarıyla karşılaştırılmıştır. Samandağ çalışma bölgesinde yanmış orman alanlarının belirlenmesi için bildirilen oransal doğruluk %98,36’dır.
Anahtar kelimeler
Temel yöntem
Sentinel-2 görüntülerinden derin öğrenme sınıflandırması; NBR, dNBR, BAIS2 ve dBAIS2 yanık alan indeksleri ile resmî yangın kayıtları üzerinden değerlendirme.
Kullanılan veri
Hatay, Samandağ çalışma alanındaki 5-10 Eylül 2020 orman yangınlarının öncesini ve sonrasını kapsayan Sentinel-2 görüntüleri.
Doğrulanmış temel sonuçlar
- Samandağ çalışma alanında bildirilen oransal doğruluk: %98,36
APA atıfı
Paşaoğlu, R., Arık, A. E., & Emrahaoğlu, N. (2025). Remote sensing-based deep learning approach for identifying burned forest areas. Çukurova Üniversitesi Mühendislik Fakültesi Dergisi, 40(1), 33-48. https://doi.org/10.21605/cukurovaumfd.1665481
BibTeX
@article{PasogluArikEmrahaoglu2025BurnedForest,
author = {Paşaoğlu, Reha and Arık, Ahmet Ertuğrul and Emrahaoğlu, Nuri},
title = {Remote Sensing-Based Deep Learning Approach for Identifying Burned Forest Areas},
journal = {Çukurova Üniversitesi Mühendislik Fakültesi Dergisi},
year = {2025},
volume = {40},
number = {1},
pages = {33--48},
doi = {10.21605/cukurovaumfd.1665481}
}