Sarı, FatihAlparslan, Ahmet2026-04-102026-04-102026https://hdl.handle.net/20.500.13091/13190https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=KOgdn9H3uVnWeb15j2W4hzwMFiYV9o2mkgvOIMP28Fnae4iWP-YW2MtYGWkXzBd9The geographical location and diverse climatic conditions of Turkey generate a rich flora and tree diversity, presenting significant potential for beekeeping activities. Particularly, the rich flora enables the production of various types of monofloral honey. Sunflower honey holds a considerable share in Turkey's total honey production, and Konya Province stands out as one of the key regions for both sunflower cultivation and migratory beekeeping practices. Within the scope of this thesis, sunflower cultivation areas in Konya were detected using deep learning–based pixel classification methods to determine Turkey's sunflower production potential and, consequently, its sunflower honey production potential. For this purpose, a Sentinel-2b satellite image dated July 15, 2022, was analyzed using ArcGIS Pro 3.0 software and U-Net, PSP-Net, and DeepLabV3 models were applied. The U-Net model achieved 71% precision, 51% recall, 59% F1-score, and 98% mean epoch accuracy; the PSP-Net model achieved 67% precision, 56% recall, 61% F1-score, and 98% mean epoch accuracy; and the DeepLabV3 model achieved 76% precision, 49% recall, 60% F1-score, and 97% mean epoch accuracy. Based on the pixel classification results, an intersection analysis was performed to check the overlap between the training dataset and the classification results. To determine the foraging range of bees, multi-ring buffer analysis with radii of 1 km, 2 km, and 3 km was conducted. Subsequently, kernel density analysis was applied to sunflower production areas in order to assess the spatial distribution of density within the study area. Finally, based on the density analysis, a 3 km buffer zone was applied to identify areas where beekeepers can optimally utilize the potential of bees for hive placement.Ülkemizin coğrafik konumu ve farklı iklim koşulları, zengin bir bitki örtüsü ve ağaç çeşitliliği oluşturmakta; bu durum arıcılık faaliyetleri açısından önemli bir potansiyel sunmaktadır. Özellikle zengin bitki örtüsü, çeşitli monofloral bal türlerinin üretimine olanak tanımaktadır. Ayçiçeği balı, Türkiye'deki bal üretimi içinde önemli bir paya sahiptir ve Konya ili, hem ayçiçeği üretimi hem de konargöçer arıcılık faaliyetleri açısından öne çıkan bölgelerden biridir. Tez kapsamında, Türkiye'deki ayçiçeği üretim potansiyelinin ve buna bağlı olarak ayçiçeği balı üretim potansiyelinin belirlenmesi amacıyla, Konya ilinde yetiştirilen ayçiçeği bitkileri derin öğrenme tabanlı piksel sınıflandırma yöntemleriyle tespit edilmiştir. Bu kapsamda, 15 Temmuz 2022 tarihine ait Sentinel-2b uydu görüntüsü kullanılarak ArcGIS Pro 3.0 yazılımı üzerinde U-Net, PSP-Net ve DeepLabV3 modelleri uygulanmıştır. U-Net modeliyle %71 kesinlik, %51 geri çağırma, %59 F1 skoru ve %98 ortalama epok doğruluğu; PSP-Net modeliyle %67 kesinlik, %56 geri çağırma, %61 F1 skoru ve %98 ortalama epok doğruluğu; DeepLabV3 modeliyle ise %76 kesinlik, %49 geri çağırma, %60 F1 skoru ve %97 ortalama epok doğruluğu elde edilmiştir. Yapılan piksel sınıflandırma sonuçlarına göre, kesişim analizi yapılarak eğitim veri seti ile sınıflandırma sonuçlarının örtüşmesine bakılmıştır. Arıların polene ulaşma mesafesini belirlemek amacıyla 1 km, 2 km ve 3 km yarıçaplı çoklu halka tampon analizi yapılmıştır. Ardından ayçiçeği üretim alanlarına kernel yoğunluk analizi uygulanarak çalışma alanındaki yoğunluk tespit edilmeye çalışılmıştır. Son olarak yoğunluk analizi referans alınarak arıcıların kovan yerleşimi için arıların potansiyelinden en iyi yararlanabileceği alanları belirlemek amacıyla 3 km yarıçapında tampon analiz uygulanmıştır.trJeodezi ve FotogrametriGeodesy and PhotogrammetryMaster Thesis