Uzaktan algılama teknikleri ile yanmış alanların tespiti: İzmir Seferihisar orman yangını örneği
Künye
Sabuncu, A , Özener, H . (2019). Uzaktan Algılama Teknikleri ile Yanmış Alanların Tespiti: İzmir Seferihisar Orman Yangını Örneği . Doğal Afetler ve Çevre Dergisi , 5 (2) , 317-326 . DOI: 10.21324/dacd.511688Özet
Çevreye verdiği zararlar nedeni ile orman yangınları dünyada doğal afetler içinde önemli bir yere sahiptir. Orman yangınları sadece
ekosistemleri olumsuz etkilemekle kalmayıp, aynı zamanda ekonomik ve sosyal yaşamda da ciddi sorunlara neden olmaktadır.
Türkiye’de 1937-2016 yılları arasında meydana gelen orman yangınları sonucu 1.661.506 hektarlık orman alanı yanarak tahrip
olmuştur. Orman yangınları sonrası araziden veri toplamak zaman zaman zor ve imkânsız olabilmektedir. Ayrıca yaşanan afet sonrası
arazi çalışmaları uzun süreceği ve maliyetinin fazla olacağı göz önüne alınarak yanan alanların belirlenmesinde günümüzde uzaktan
algılama teknolojilerine ve bu alanda kullanılan algoritmalarına sıklıkla başvurulmaktadır. Çeşitli özelliklere sahip farklı uydu
görüntüleri (Landsat, MODIS, SPOT, vb.), yangın şiddetini, yangın hasarlarını ve yanmış bölgeleri haritalamak için son yıllarda
sıklıkla kullanılan uzaktan algılama teknolojisinin önemli veri setleridir. Bu çalışmada 9 Ağustos 2009 tarihinde İzmir ili Seferihisar
ilçesinde meydana gelen ve 4 gün süren orman yangını, Landsat 5 uydu görüntüleri kullanılarak uzaktan algılama teknikleri ile analiz
edilmiştir. Çalışma bölgesine ait orman yangını öncesi Temmuz 2009 ve orman yangını sonrası Ağustos 2009 tarihli görüntüler
alınarak Normalize Edilmiş Yanma Şiddeti (Normalized Burned Ratio-NBR) ve Normalize Edilmiş Vejetasyon İndeksi (Normalized
Differenced Vegetation Index - NDVI) indeksleri ile bu indekslerin farkları kullanılarak elde edilen Fark Normalize Edilmiş Yanma
Şiddeti (Difference Normalized Burned Ratio-Dnbr) ve Fark Normalize Edilmiş Vejetasyon İndeksleri kullanılarak yanarak tahrip
olmuş alanlar tespit edilmiştir. Veri setine ayrıca piksel tabanlı kontrollü sınıflandırmanın maksimum benzerlik algoritması
uygulanmıştır. Orman yangını sonrası yanarak tahrip olan alan dNDVI ile 711 ha, dNBR ile 695 ha, piksel tabanlı kontrollü
sınıflandırma yönteminin maksimum benzerlik algoritması ile de 665 ha olarak hesaplanmıştır. Üç farklı yöntemin sonuçları Orman
Genel Müdürlüğü sonuçları ile uyumlu ve tutarlı olduğu sonucuna varılmıştır. The cause of damage to the environment, forest fires have a significant role in order to give way to natural disasters in the world.
Forest fires not only affect ecosystems negatively, but also cause serious problems in economic and social life. As a result of forest
fires that occurred between the years of 1937-2016 in Turkey 1,661,506 hectares of forest area was burnt. It is sometimes difficult and
impossible to collect data from forests after forest fires. In addition, remote sensing techniques and algorithms are frequently used in
determining the burning areas considering the long duration and the cost will be high. Different satellite images (Landsat, MODIS,
SPOT, etc.) in various properties are important data sets of remote sensing technology which is frequently used in recent years to map
fire intensity, fire damage and burnt zones. In this study, forest fire that occurred and continued 4 days in Seferihisar district of İzmir
province on August 9, 2009 was analyzed by remote sensing techniques using Landsat 5 satellite images. Two Landsat images acquired
in July 2009 as pre fire and in August 2009 as post-fire. In this study, the capacity of Normalized Burn Ratio (NBR) and Normalized
Difference Vegetation Index (NDVI) indices and differenced Normalized Difference Vegetation Index (dNDVI) derived from Landsat
5 images have been analyzed in order to assess the fire severity. Besides NDVI and NBR indices results, maximum likelihood algorithm
which is supervised classification method was applied to pre and post fire satellite images. The burnt area after forest fire was
calculated as 711 ha with dNDVI, 695 ha with dNBR and 665 ha with maximum likelihood algorithm of pixel based supervised
classification method. Based on the three different methods of results are compatible, rational and consistent with the results of the
General Directorate of Forestry.