4 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 4 / 4
Yayın Spatial-Temporary analysis of Istanbul air pollution during the pandemic using Google Earth Engine and Google community mobility reports(Gök, Murat, 2023-06-30) Çavdaroğlu, Gülsüm Çiğdem; Arık, Ahmet OkanThe Covid-19 pandemic has brought drastic changes to people's daily life and environmental characteristics. To control the pandemic, all governments have implemented particular policies for their countries and imposed restrictions that affect people's daily life. The traffic index has decreased in many countries and cities depending on the restrictions. Therefore, restrictions in many countries and cities have positively impacted air quality. However, the opposite has also been observed in metropolitan cities. In this study, the change in the air quality of Istanbul, which is accepted as Turkey's largest metropolitan city, has been examined. First, the spatio-temporal distribution of air pollutants (NO2, CO, and SO2) has been analyzed using Sentinel-5P NRTI satellite images. Then six independent variable groups (traffic index of Istanbul, daily deaths in Istanbul, Google community mobility reports of Istanbul, fuel prices, stringency index of Turkey, two logical attributes regarding the Covid-19 restrictions and in-class education) were collected and combined to analyze the correlations between these variable groups and air pollutant concentrations. According to the spatial distribution graphs, there is a tendency to decrease NO2, CO, and SO2 pollutant concentrations in Istanbul when the restrictions are applied in Turkey. There was no significant relationship between the decrease in community mobility in Istanbul and pollutant concentrations, although an increase in air quality has been observed in many cities due to the restrictions of the Covid-19 pandemic.Yayın Correlation analysis between the community mobility and nighttime lights in the city of Istanbul, Turkey(2022) Çavdaroğlu, Gülsüm ÇiğdemThe COVID-19, which emerged in Wuhan, China, in 2019, has significantly affected people’s Daily lives, business environment, surrounding environment, and countries' economic and social conditions. This study aims to measure the correlation between community mobility changes in six different areas and nighttime lights in the city of Istanbul, Turkey. Nighttime light data used in the study was obtained from VIIRS Nighttime Day/Night Band Composites Version 1 using remote sensing methods via Google Earth Engine platform. Then the correlation between Nighttime light values and community mobility values was investigated. It has been observed that the correlation values have changed dramatically over the years. The most significant correlation values were observed for the year 2020. This is because 2020 is the year when the pandemic is most effective, and restrictions are at the highest level in Turkey. The increase in freedom in the following years caused a decrease in the correlation. When the correlation results covering the period of February 2020 - to January 2022 were examined, it was observed that there was no significant relationship between nighttime light values and Google Community Mobility Reports’ variables. Considering the correlation results for 2020, it was observed that there was a high negative correlation between nighttime light data and mobility trends for grocery and pharmacy, and mobility trends for places of work. In addition, there was a moderate negative correlation between nighttime light data and mobility trends for retail and recreation, and a moderate positive correlation between nighttime light and mobility trends for places of residence. When the correlation values of 2021 and the correlation values of the period 2021-2022 were examined, no significant relationship was observed.Yayın Google Earth engine based approach for finding fire locations and burned areas in Muğla, Turkey(Science Publishing Group, 2021-10-05) Çavdaroğlu, Gülsüm ÇiğdemForests are considered as one of the main sources of biodiversity. Forest fires caused by various reasons pose a high risk in terms of biodiversity. Therefore, mapping of fire zones is of great importance in determining the damage caused by the fire, managing the fire process, and planning the interventions in the fire zone. Although remote sensing is a fast and cost-effective methodology for mapping fire zones, the implementation of the remote sensing methodologies is problematic in some respects. The web-based Google Earth Engine makes possible to access the satellite imagery and process the imagery easily. The research area of this study is Muğla, Turkey in where many forest fires broke out in 2021 summer. This study provides an implementation of normalized burn ratio which is widely used to highlight burned areas on Google Earth Engine platform. Both vector data and satellite images were used in the study. The vector data is in the shape file format and was uploaded to the Google Earth Engine platform as a table. The Sentinel-2 imagery was used to calculate normalized burn ratio. The satellite imagery was clipped using the table data. The difference pre-fire and post-fire images was calculated, and the classes were assigned to the pixels according to the normalized burn ratio ranges. The study indicates that finding the burned areas and constructing the burn severity levels can be realized in 1.32 minutes on Google Earth Engine platform.Yayın İnsansız hava aracı ve Sentinel-2 görüntüleri kullanılarak ayçiçeği haritalamasına dayalı kovan yerleştirme karar destek sistemi(BZT Turan Publishing House, 2025-12-31) Yelmenoğlu, Elif Deniz; Aydın, Şahin; Çavdaroğlu, Gülsüm Çiğdem; Deniz, Hüseyin; Pajenado, Rex S.; Dilli, ŞirinAyçiçeği, yüksek nektar üretim kapasitesi nedeniyle gezici arıcılık faaliyetleri açısından stratejik öneme sahip tarımsal bitkilerden biridir. Ayçiçeği ekim alanlarının mekânsal ve zamansal dağılımı, arı kolonilerinin beslenme olanaklarını ve dolayısıyla bal verimini doğrudan etkilemektedir. Bu nedenle, arı kovanlarının uygun alanlara ve doğru zaman dilimlerinde yerleştirilmesi, gezici arıcılığın verimliliği açısından kritik bir karar sürecini oluşturmaktadır. Ancak mevcut uygulamalarda, kovan yer seçimi çoğunlukla arıcıların bireysel deneyimlerine ve sezgisel yaklaşımlarına dayalı olarak gerçekleştirilmekte; uzaktan algılama, görüntü işleme ve mekânsal analiz gibi veri temelli yöntemlerden yeterince yararlanılmamaktadır. Bu durum, potansiyel olarak verim kayıplarına ve kaynakların etkin kullanılmamasına yol açabilmektedir. Bu çalışmada, ayçiçeği yoğunluğunun doğru ve güvenilir biçimde belirlenmesi yoluyla kovan yerleştirme planlamasını desteklemeyi amaçlayan, çok ölçekli bir uzaktan algılama tabanlı karar destek çerçevesi önerilmektedir. Önerilen yaklaşım, saha ölçeğinde yüksek mekânsal çözünürlük sağlayan insansız hava aracı (İHA) görüntüleri ile bölgesel ölçekte geniş alan kapsama imkânı sunan Sentinel-2 uydu görüntülerinin entegrasyonuna dayanmaktadır. Çalışma alanı olarak, Türkiye’nin önemli ayçiçeği üretim merkezlerinden biri olan Kırklareli ili seçilmiş; veri seti, nektar üretiminin en yüksek olduğu ayçiçeği çiçeklenme dönemi dikkate alınarak oluşturulmuştur. Ayçiçeği tespiti, makine öğrenmesi tabanlı Random Forest sınıflandırma yöntemi kullanılarak gerçekleştirilmiş ve geliştirilen model %90,7 genel doğruluk değerine ulaşmıştır. Sınıf bazlı performans değerlendirmelerinde ise, ayçiçeği ekili alanlar ile ayçiçeği olmayan alanlar için F1-skoru her iki sınıf açısından da 0,91 olarak hesaplanmıştır. Bu sonuçlar, modelin hem nektar açısından zengin ayçiçeği alanlarını hem de ayçiçeği bulunmayan bölgeleri güçlü ve dengeli bir şekilde ayırt edebildiğini göstermektedir. Elde edilen ayçiçeği yoğunluk haritaları temel alınarak, ayçiçeği oranının yüksek olduğu alanlar arı kovanı yerleştirilmesi için uygun bölgeler olarak tanımlanmış; ayçiçeği yoğunluğunun düşük olduğu veya hiç bulunmadığı alanlar ise kovan yerleştirilmesine uygun olmayan bölgeler olarak değerlendirilmiştir. Çalışmadan elde edilen bulgular, çok ölçekli uzaktan algılama verilerinin makine öğrenmesi yöntemleriyle bütünleştirilmesinin, gezici arıcılık uygulamalarında veri temelli, güvenilir ve ölçeklenebilir karar destek sistemlerinin geliştirilmesine önemli katkılar sağlayabileceğini ortaya koymaktadır.
