ORMAN YANGINLARININ TAHMİNİ İÇİN MAKİNE ÖĞRENİMİ YAKLAŞIMI: TÜRKİYE UYGULAMASI

Senem Baybaş; Özlem Akgün; Emir Deniz Cem Adıgüzel; Ehat Eser Gürvardar; Esra Gökpınar

ORMAN YANGINLARININ TAHMİNİ İÇİN MAKİNE ÖĞRENİMİ YAKLAŞIMI: TÜRKİYE UYGULAMASI

Öz

Son yıllarda küresel ısınmanın etkisiyle artan hava sıcaklıkları, orman yangınlarının dünya genelinde yaygınlaşmasına neden olmuştur. Türkiye’de bu durumdan ciddi şekilde etkilenmektedir. Bu sebeple, orman yangınlarına karşı önleyici tedbirler almak ve etkin mücadele stratejileri geliştirmek büyük önem taşımaktadır. Orman yangınlarının önceden tahmin edilmesi veya erken tespit edilmesi, hızlı müdahale ve zararları en aza indirmek için hayati öneme sahiptir. Literatürde, orman yangınlarını tahmin etmek amacıyla meteorolojik veriler ve uzaktan algılama verileri kullanılmaktadır. Bu çalışmada, T.C. Tarım ve Orman Bakanlığı'ndan alınan veriler kullanılarak, 2022 yılında Türkiye'de meydana gelen orman yangınlarının meteorolojik etkileri incelenmiş ve makine öğrenimi yöntemleriyle bir tahmin modeli geliştirilmiştir. Çalışmada Lojistik Regresyon, K-En Yakın Komşu, Random Forest ve Karar Ağacı algoritmaları kullanılmıştır. Veri seti üzerinde en yüksek performansı Lojistik Regresyon modeli göstermiştir.

Anahtar Kelimeler

Destekleyen Kurum

TÜBİTAK

Teşekkür

Bu çalışma, Türkiye Bilimsel ve Teknolojik Araştırma Kurumu (TÜBİTAK) tarafından 2209-A numaralı proje kapsamında desteklenmiştir. TÜBİTAK'a sağladıkları destek için teşekkür ederiz. Ayrıca, araştırma sürecinde katkıda bulunan tüm kurum ve kişilere teşekkürlerimizi sunarız.

Kaynakça

T.C. Orman ve Su İşleri Bakanlığı (2015). Türkiye Orman Varlığı. Orman Genel Müdürlüğü. [https://www.ogm.gov.tr/tr/ormanlarimizsitesi/TurkiyeOrmanVarligi/Yayinlar/2015%20T%C3%BCrkiye%20Orman%20Varl%C4%B1%C4%9F%C4%B1.pdf]. (Erişim Tarihi: 10 Kasım 2023)
Ünal S. “Orman yangınlarından doğan zarar düzeyinin hesaplanması üzerine araştırmalar”. Journal of the Faculty of Forestry Istanbul University, 41(1), 2014.
Dayananda PWA. “Stochastic models forest fires”. Ecological Modeling, 3, 309-313, 1977.
Küçük Ö, Sağlam B. “Orman yangınları ve hava halleri”. Kastamonu Üniversitesi Orman Fakültesi Dergisi, 4(2), 220-231, 2004.
Altan G, Türkeş M, Tatlı H. “Çanakkale ve Muğla 2009 yılı orman yangınlarının Keetch-Byram Kuraklık İndisi ile klimatolojik ve meteorolojik analizi”. In: 5th Atmospheric Science Symposium Proceedings Book: 263-274, 2011.
Cortez P, Morais ADJR. “A data mining approach to predict forest fires using meteorological data”. 13th EPIA Portuguese Conference on Artifical Intelligence, 2007.
Bayat G, Yıldız K. “Comparison of the machine learning methods to predict wildfire areas”. Turkish Journal of Science and Technology, 17(2), 241-250, 2022.
Chen Y, Zhang Y, Xin J, Wang G, Mu L, Yi Y, Liu D. “UAV image-based forest fire detection approach using convolutional neural network”. IEEE conference on industrial electronics and applications (ICIEA), 2019.

Beşli N, Tenekeci E. “Uydu verilerinden karar ağaçları kullanarak orman yangını tahmini”. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 11(3), 899-906, 2020.
Sayad YO, Mousannif H, Moatassime HA. “Predictive modeling of wildfires: A new dataset and machine learning approach”. Fire Safety Journal, 104, 130-146, 2019.
Mohajane M, Costache R, Karimi F, Pham QB, Essahlaoui A, Nguyen H, Laneve G, Oudija F. “Application of remote sensing and machine learning algorithms for forest fire mapping in a Mediterranean area”. Ecological Indicators 129:107869, 2021.
Kukuk SB, Kilimci ZH. “Comprehensive analysis of forest fire detection using deep learning models and conventional machine learning algorithms”. International Journal of Computational and Experimental Science and Engineering, 7(2), 84-84, 2021.
Yıldırım O, Günay FB, Yağanoğlu M. “Makine öğrenmesi yöntemleriyle orman yangını tahmini”. Journal of the Institute of Science and Technology, 13(3), 1468-1481, 2023.
Akıncı HA, Akıncı H. “Machine learning based forest fire susceptibility assessment of Manavgat district (Antalya), Turkey”. Earth Science Informatics, 16(1), 397-414, 2023.
Iban MC, Sekertekin A. “Machine learning based wildfire susceptibility mapping using remotely sensed fire data and GIS: A case study of Adana and Mersin provinces, Turkey”. Ecological Informatics, 69, 101647, 2022.
Kantarcioglu O, Kocaman S, Schindler K. “Artificial neural networks for assessing forest fire susceptibility in Türkiye”. Ecological Informatics, 75, 102034, 2023a.
Kantarcioglu O, Schindler K, Kocaman S. “Forest Fire Susceptibility Assessment with Machine Learning Methods in North-East Turkiye”. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 48, 161-167, 2023b.
Ayanoğlu S, Dölarslan M, Gül E. “Sadece bir yangın mı? Ekolojik ve sosyo-ekonomik açıdan orman yangınları”. Türk Bilimsel Derlemeler Dergisi, 10(2), 32-35, 2017.
Oğuzlar A. “Veri ön işleme”. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 21, 2003.
Keleş MB, Keleş A, Keleş A. “Makine öğrenmesi yöntemleri ile uçuş fiyatlarının tahmini”. Euroasia Journal of Mathematics, Engineering, Natural & Medical Sciences, 7(11), 72-78, 2020.
Zilyas D, Yılmaz A. “Makine öğrenmesi yöntemleri ile eğitim başarısının tahmini modeli”. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 14(3), 437-447, 2023.
Kumaş E. “Türkçe twitter verilerinden duygu analizi yapılırken sınıflandırıcıların karşılaştırılması”. Eskişehir Türk Dünyası Uygulama ve Araştırma Merkezi Bilişim Dergisi, 2(2), 1-5, 2021.
Stojanova D, Panov P, Kobler A, Džeroski S, Taškova K. “Learning to predict forest fires with different data mining techniques”. In Conference on data mining and data warehouses, Ljubljana, Slovenia, 2006.
Albayrak YS, Yılmaz ÖK. “Veri madenciliği: Karar ağacı algoritmaları ve İMKB verileri üzerine bir uygulama”. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(1), 31-52, 2009.
Harrington P. Machine Learning In Action. Shelter Island: Manning Publications, 2012.
Aydın SG, Aydoğdu G. “Makine öğrenmesi algoritmaları kullanılarak Türkiye ve AB ülkelerinin CO2 emisyonlarının tahmini”. Avrupa Bilim ve Teknoloji Dergisi, 37, 42-46, 2022.
Parlak MS, Kayri M. “Öğretmenlerin e-öğrenme hazır bulunuşluk düzeylerini etkileyen faktörlerin rastgele orman algoritması yöntemi ile incelenmesi”. Van Yüzüncü Yıl Üniversitesi Eğitim Fakültesi Dergisi, 19(3), 670-696, 2022.
Harman G. “Destek vektör makineleri ve naive bayes sınıflandırma algoritmalarını kullanarak diabetes mellitus tahmini”. Avrupa Bilim ve Teknoloji Dergisi, (32), 7-13, 2021.
Abdessemed F, Bouam S, Arar C. “Forest Fire prediction using Machine Learning Methods”, First National Conference in Computer Science Research and its Applications, 2023.

Ayrıntılar

Birincil Dil

Türkçe

Konular

Makine Öğrenme (Diğer)

Bölüm

Araştırma Makalesi

Yazarlar

Senem Baybaş ^*
0009-0003-2249-7572
Türkiye

Özlem Akgün
0009-0003-8100-6542
Türkiye

Emir Deniz Cem Adıgüzel
0009-0005-0636-9938
Türkiye

Ehat Eser Gürvardar
0009-0005-4819-2130
Türkiye

Esra Gökpınar
0000-0003-2148-4940
Türkiye

Yayımlanma Tarihi

26 Aralık 2024

Gönderilme Tarihi

16 Temmuz 2024

Kabul Tarihi

6 Ekim 2024

Yayımlandığı Sayı

Yıl 2024 Cilt: 7 Sayı: 2

IZ

https://izlik.org/JA83RB47NM

Kaynak Göster

RIS / Bibtex

APA

Baybaş, S., Akgün, Ö., Adıgüzel, E. D. C., Gürvardar, E. E., & Gökpınar, E. (2024). ORMAN YANGINLARININ TAHMİNİ İÇİN MAKİNE ÖĞRENİMİ YAKLAŞIMI: TÜRKİYE UYGULAMASI. Veri Bilimi, 7(2), 1-10. https://izlik.org/JA83RB47NM

AMA

1.Baybaş S, Akgün Ö, Adıgüzel EDC, Gürvardar EE, Gökpınar E. ORMAN YANGINLARININ TAHMİNİ İÇİN MAKİNE ÖĞRENİMİ YAKLAŞIMI: TÜRKİYE UYGULAMASI. Veri Bilim Derg. 2024;7(2):1-10. https://izlik.org/JA83RB47NM

Chicago

Baybaş, Senem, Özlem Akgün, Emir Deniz Cem Adıgüzel, Ehat Eser Gürvardar, ve Esra Gökpınar. 2024. “ORMAN YANGINLARININ TAHMİNİ İÇİN MAKİNE ÖĞRENİMİ YAKLAŞIMI: TÜRKİYE UYGULAMASI”. Veri Bilimi 7 (2): 1-10. https://izlik.org/JA83RB47NM.

EndNote

Baybaş S, Akgün Ö, Adıgüzel EDC, Gürvardar EE, Gökpınar E (01 Aralık 2024) ORMAN YANGINLARININ TAHMİNİ İÇİN MAKİNE ÖĞRENİMİ YAKLAŞIMI: TÜRKİYE UYGULAMASI. Veri Bilimi 7 2 1–10.

IEEE

[1]S. Baybaş, Ö. Akgün, E. D. C. Adıgüzel, E. E. Gürvardar, ve E. Gökpınar, “ORMAN YANGINLARININ TAHMİNİ İÇİN MAKİNE ÖĞRENİMİ YAKLAŞIMI: TÜRKİYE UYGULAMASI”, Veri Bilim Derg, c. 7, sy 2, ss. 1–10, Ara. 2024, [çevrimiçi]. Erişim adresi: https://izlik.org/JA83RB47NM

ISNAD

Baybaş, Senem - Akgün, Özlem - Adıgüzel, Emir Deniz Cem - Gürvardar, Ehat Eser - Gökpınar, Esra. “ORMAN YANGINLARININ TAHMİNİ İÇİN MAKİNE ÖĞRENİMİ YAKLAŞIMI: TÜRKİYE UYGULAMASI”. Veri Bilimi 7/2 (01 Aralık 2024): 1-10. https://izlik.org/JA83RB47NM.

JAMA

1.Baybaş S, Akgün Ö, Adıgüzel EDC, Gürvardar EE, Gökpınar E. ORMAN YANGINLARININ TAHMİNİ İÇİN MAKİNE ÖĞRENİMİ YAKLAŞIMI: TÜRKİYE UYGULAMASI. Veri Bilim Derg. 2024;7:1–10.

MLA

Baybaş, Senem, vd. “ORMAN YANGINLARININ TAHMİNİ İÇİN MAKİNE ÖĞRENİMİ YAKLAŞIMI: TÜRKİYE UYGULAMASI”. Veri Bilimi, c. 7, sy 2, Aralık 2024, ss. 1-10, https://izlik.org/JA83RB47NM.

Vancouver

1.Senem Baybaş, Özlem Akgün, Emir Deniz Cem Adıgüzel, Ehat Eser Gürvardar, Esra Gökpınar. ORMAN YANGINLARININ TAHMİNİ İÇİN MAKİNE ÖĞRENİMİ YAKLAŞIMI: TÜRKİYE UYGULAMASI. Veri Bilim Derg [Internet]. 01 Aralık 2024;7(2):1-10. Erişim adresi: https://izlik.org/JA83RB47NM