Uydu görüntülerinden türetilen spektral indeksler kullanılarak orman ekosistemlerinde yanma derinliğinin tahmin edilmesi
Assessing fire severity in forest ecosystems of Turkey using spectral indices derived from satellite images
- Tez No: 771223
- Danışmanlar: PROF. DR. SERKAN GÜLSOY, DOÇ. DR. AHMET MERT
- Tez Türü: Doktora
- Konular: Ormancılık ve Orman Mühendisliği, Forestry and Forest Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Orman Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 223
Özet
Yangın, mikro ölçekli etkilerden, geniş peyzaj desenleri ve süreçlerine kadar birden fazla zamansal ve mekânsal ölçekte biyofiziksel süreçleri etkiler. Büyük bir orman yangını meydana geldikten sonra ekosistemin restorasyonu için stratejiler belirlenmelidir. Bu stratejilerin doğru belirlenebilmesi yangının neden olduğu ekolojik değişimin derecesi olarak kabul edilen yanma derinliğinin tespiti ile mümkündür. Gelişmiş uzaktan algılama sensörlerinin kullanılmaya başlanmasıyla beraber yanma derinliğini daha doğru bir şekilde değerlendirme fırsatları ortaya çıkmıştır. Bu kapsamda çalışmanın amacı ülkemizde meydana gelen yangınların ekolojik etkilerinin belirlenmesinde kullanılabilecek, yanma derinliği haritası için farklı uydu görüntüleri, farklı spektral indeksler ve farklı yersel ölçüm tekniklerinin performansını ölçmek ve ayrıca ülkemiz vejetasyonuna has bir yanma derinliği eşik değer sınıflandırması oluşturmaktır. Çalışma kapsamında 2020 ve 2021 yıllarında Adana-Kozan, Ankara-Nallıhan, Kastamonu-Taşköprü, Denizli-Çardak ve Antalya-Manavgat'ta meydana gelmiş 5 büyük orman yangını seçilmiş ve yanma derinliğini ölçmek için BYİ ve GeoBYİ yersel ölçüm teknikleri kullanılmıştır. Sentinel-2, Landsat-8/OLI ve MODIS uydu görüntülerinden 14 farklı spektral indeks türetilerek yersel ölçümler ile uyumlarına ve yanma derinliğini sınıflandırma performaslarına bakılmıştır. Yersel ölçüm tekniği olarak GeoBYİ, BYİ'e göre uydu görüntülerinden türetilen spektral indeskler ile daha iyi uyum göstermiştir. Ayrıca Sentinel-2 ve Landsat-8/OLI uydu verilerinden MODIS uydu verilerine göre daha iyi sonuçlar alınmıştır. Sentinel-2 uydu görüntüsünden türetilen RdNBR, dNBR, dSAVI, dNDVI ve dNDMI spektral indeksleri için, Landsat-8/OLI uydu görüntüsünden türetilen dNBR, dNDVI ve dSAVI spektral indeksleri için yanma derinliği eşik değer sınıflandırması yapılmıştır. Sentinel-2 uydu görüntüsünden türetilen indeksler arasında RdNBR, Landsat-8/OLI uydu görüntüsünden ise dNBR yanma derinliği sınıflarını en iyi temsil eden spektral indeksler olarak belirlenmiştir.
Özet (Çeviri)
Fire severity classifications are used to determine fire damage and regeneration potential in post-fire areas for an effective implementation of post-fire restoration applications. Since fire damage varies according to vegetation and fire characteristics, regional assessment of fire severity is crucial. Our objectives are 1) to test the performance of different satellite imagery, different spectral indices, and two field measured severity indices (CBI and GeoCBI) to assess fire severity, 2) to calculate classification thresholds for the best-performing spectral indices, and 3) to generate fire severity maps based on these classification thresholds. As study areas, we selected five large fires that occurred in pine forests in Turkey. According to our results, GeoCBI provided more reliable estimates of field measured fire severity than CBI. While Sentinel-2 and Landsat-8/OLI images performed similarly well, MODIS performed poorly. Classification thresholds were determined for Sentinel-2 and Landsat-8/OLI based spectral indices. Among these, Sentinel-2 RdNBR and Landsat-8/OLI dNBR showed the highest accuracy in terms of fire severity classification. This is the first study to assess fire severity in a forest ecosystem in Turkey using local thresholds. Our results can be used to assess and map fire severity in forest ecosystems similar to those used in this study.
Benzer Tezler
- Arazi kullanımı/arazi örtüsü sınıflarını etkileyen faktörlerin makine öğrenimiyle değerlendirilmesi, Lombok Adası-Endonezya örneği
Assessing factors driving land use/land cover classes using machine learning, case study of Lombok Island-Indonesia
MIFTAHUL IRSYADI PURNAMA
Yüksek Lisans
Türkçe
2024
Ormancılık ve Orman MühendisliğiIsparta Uygulamalı Bilimler ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN OĞUZ ÇOBAN
- Makine öğrenimi tabanlı sınıflandırma yöntemleri kullanılarak çay bahçelerinin belirlenmesi
Identifying tea gardens using machine learning based classification methods
BURCU SÜSLÜ ALGÜR
Yüksek Lisans
Türkçe
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Trakya bölgesi bağ alanlarının uzaktan algılama ve coğrafi bilgi sistemleri teknikleri ile incelenmesi
Investigation of the Trakya (Thrace) region vineyard areas by using remote sensing and geographic information systems
EMRE ÖZELKAN
Doktora
Türkçe
2014
Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. CANKUT ÖRMECİ
DOÇ. DR. ELİF SERTEL
- Random forest classification of tomato fields with planet satellite image data and accuracy assessment
Planet uydu görüntü verileriyle yüksek doğruluklu domates ürün tipi sınıflandırmasında rastgele orman sınıflandırma yönteminin kullanımı ve doğruluk analizi
BETÜL ŞALLI
Yüksek Lisans
İngilizce
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE FİLİZ SUNAR
- Cloud detection and information cloning technique for multi temporal satellite images
Çok zamanlı uydu görüntüleri için bulut belirleme ve klonlama yöntemi
KAAN KALKAN
Doktora
İngilizce
2017
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. MİTHAT DERYA MAKTAV