PulseExploreJournal ClubDebatesTrendingResearchersJournals
Instagram
HomeExploreJournal ClubTrending
Synapse
⌘+K
Synapse
March 14, 2026Sivas Cumhuriyet Üniversitesi Mühendislik Fakültesi Dergisi0 citations

Modeling and Future Simulation of Water Area Change in Tokat Almus Dam with GIS-Based Ca-Markov and Machine Learning Yağmur Seren

YŞYağmur Seren ŞikelNBNuray BaşSivas Cumhuriyet Üniversitesi

Key Points

  • The study aims to analyze temporal changes of water areas around the Almus Dam and develop future projections.
  • Analyzed satellite imagery from 2016, 2020, and 2024 using supervised classification.
  • Divided areas into 'Water' and 'Other' categories, validating accuracy with reference points from Google Earth.
  • Applied logistic regression using temperature, precipitation, and humidity data from the ERA5 dataset.
  • Generated future projection maps for 2028 and 2032 by combining transition potential maps with CA-Markov method.
  • Validated simulation maps against real classification maps for 2024, achieving high accuracy.
  • Attained a model accuracy of 94% and a kappa coefficient of 0.85.
  • Indicated a declining trend in water bodies, especially in coastal areas of the dam.
  • Highlighted climatic factors as significant influences on the observed changes in water area.

Abstract

Su kaynaklarının sürdürülebilir yönetimi, özellikle iklim değişikliği ve artan çevresel baskılar altında giderek daha büyük bir önem taşımaktadır. Baraj gölleri hem içme suyu temini hem de enerji ve sulama amaçlı kullanımları nedeniyle bu bağlamda kritik alanlar arasında yer almaktadır. Su alanlarının mekânsal ve zamansal değişimlerinin izlenmesi, bu hassas ekosistemlerin korunması ve yönetimi için hayati bir öneme sahiptir. Bu çalışma, Tokat ili sınırları içinde yer alan Almus Barajı çevresindeki su alanlarının zamansal değişimlerini analiz etmek ve geleceğe yönelik öngörüler geliştirmek amacıyla yürütülmüştür. Çalışma hem çevresel değişimleri anlamak hem de bölgesel ölçekte karar destek süreçlerine katkı sağlamak açısından önem taşımaktadır. 2016, 2020 ve 2024 yıllarına ait uydu görüntüleri denetimli sınıflandırma yöntemi kullanılarak işlenmiş ve alan iki sınıfa ayrılmıştır: “Su” ve ‘Diğer’. Sınıflandırma doğruluğu, Google Earth verilerinden elde edilen referans noktaları ile test edilmiş ve yüksek doğruluk oranları elde edilmiştir. Modelleme sürecinde, ERA5 veri setinden sağlanan sıcaklık, yağış ve nem verileri kullanılarak lojistik regresyon (LR) algoritması uygulanmıştır. 2016 ve 2020 yılları haritaları kullanılarak elde edilen geçiş potansiyel haritaları CA-Markov yöntemiyle birleştirilerek 2028 ve 2032 yıllarına yönelik gelecek tahmin projeksiyonları üretilmiştir. Model doğrulama sürecinde ise, 2024 yılı için üretilen simülasyon haritaları gerçek sınıflandırma haritaları ile karşılaştırılmış ve modelin genel doğruluk oranı %94, kappa katsayısı ise 0.85 olarak belirlenmiştir. Bu bulgular, modelin güvenilir ve pratik bir tahmin aracı olarak kullanılabileceğini göstermektedir. Çalışmanın genel bulguları, özellikle barajın kıyı bölgelerindeki su kütlelerinde bir küçülme eğilimine işaret etmekte ve iklimsel faktörlerin bu değişikliklerde önemli bir rol oynadığını göstermektedir. Elde edilen veriler, iklim değişikliğinin etkilerini anlamak ve su kaynakları yönetim stratejilerine katkıda bulunmak için değerli bir bilgi sağlamaktadır.

Ask AI
Helpful
Bookmark
Share
View Full Paper

Cite This Study

Şikel et al. (2025) studied this question.

synapsesocial.com/papers/69b4fb8db39f7826a300bd4fhttps://doi.org/10.66248/cumfad.1694398
Ask AI
Helpful
Bookmark
Share
View Full Paper