Geri Dön

Uydu görüntüleri ve yardımcı veri entegrasyonu ile ilçe bazında yerleşim alanlarının zamansal analizi: Esenyurt ilçesi örneği

Temporal change analysis of settlements with satellite images and auxiliary data integration at district scale: A case of Esenyurt district

PDF İndir

  1. Tez No: 780621
  2. Yazar: ZELAL KAYA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ADALET DERVİŞOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Şehircilik ve Bölge Planlama, Urban and Regional Planning
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Uygulamaları Ana Bilim Dalı
  12. Bilim Dalı: Coğrafi Bilgi Teknolojileri Bilim Dalı
  13. Sayfa Sayısı: 99

Özet

İstanbul, ülke tarihi boyunca en fazla nüfusun yaşadığı il olma özelliğini taşımaktadır. Önceleri ilçe merkezlerinde yaşayan halk, nüfus yoğunluğunun artmasıyla kent çeperlerine doğru yayılmaya başlamıştır. Bu durumun sonucu olarak yeni yerleşim alanları ve idari yapılar ortaya çıkmıştır. Esenyurt ilçesi, çeperde yaşanan kentleşme sürecinin en açık örneklerindendir. 16. yüzyıldan 19. yüzyıla kadar çiftlik yerleşkesi konumunda olan Esenyurt, Büyükçekmece'ye bağlandıktan sonra kentleşme süreci başlamıştır. 1972 yılında Büyük İstanbul Nazım İmar Planı'na dahil olmasıyla kentleşme hızı artmaya başlamıştır. 1987 yılında ise 6 mahalleye ayrılarak idari bir birim olarak belde belediyesi kurulmuştur. 2000'li yılların başında hem nüfus hem de yapılaşma süreci hızlanarak 2008 yılında günümüz ilçe sınırlarına ulaşmıştır. Esenyurt, ulusal ve uluslararası birçok farklı kültürün bir arada yaşadığı bir bölge haline gelmiştir. Bu durum kentsel alanların değişmesine farklılaşmasına neden olmuştur. İlçe sınırlarındaki sanayi alanlarının artışı ve ulaşım olanaklarının gelişmesi nüfusun kısa zamanda çok fazla artmasına sebep olmuştur. Bahsi geçen nedenlerle doğal, sosyal, ekonomik ve yapılaşmış çevrelerde birçok problem yaşanmaya ve yapılan planlama çalışmaları yetersiz kalmaya başlamıştır. Plan yapım çalışmalarına başlanmadan çalışma alanının yeterli düzeyde analiz edilmesi büyük önem taşımaktadır. Esenyurt ilçesinin kısa zamanda gösterdiği yoğun değişim ve dönüşümün tespiti gelecek plan çalışmalarında ve ilçeye ilişkin yapılacak diğer çalışmalarda önemlidir. Kentsel genişlemenin izlenmesi için geçirimsiz yüzeylerin belirlenmesi, arazi kaynaklarının sürdürülebilir yönetimi ve çevrenin korunması için önemlidir. Uzaktan algılama, kentsel arazi kullanımı/arazi örtüsü (AK/AÖ) haritalaması için önemli bir veri kaynağı sağlamakta ve bu veriler farklı amaçlarla kullanılmak üzere çeşitli tekniklerle analiz edilmektedir. Amaç gerekli bilgiyi hızlı ve kolay bir şekilde elde etmek ise, spektral indekslerin kullanılması en uygun çözüm olarak ortaya çıkmaktadır. Bu amaçla dünya yüzeyindeki farklı arazi örtü türlerinin ayırt edilerek arazi kullanım haritalarının oluşturulabilmesi için birçok indeks oluşturulmuştur. Çalışmanın temel amacı, kentleşme problemlerini en üst düzeyde yaşayan İstanbul'un en kalabalık ilçesi olan Esenyurt'un zamansal AK/AÖ değişimini uzaktan algılama uydu görüntüleri ile belirlemektir. Bu amaç doğrultusunda Google Earth Engine (GEE) platformunda Landsat 5 TM, Landsat 8 OLI ve Sentinel 2 MSI görüntüleri kullanılmış, sınıflandırma ve indeks uygulamaları yapılmıştır. İlçenin görsel olarak değişimini incelemek ve yapılacak sınıflandırmada kullanmak amacıyla Landsat uydu görüntüsü arşivi incelenmiştir. En eski tarihli uydu görüntüsü Landsat MSS 1972 yılına ait olup, 1985 ile 1990 yıllarına ait görüntülerle karşılaştırılarak kentleşme süreci görsel olarak incelenmiş ve doğal çevrede başlayan azalmalar tespit edilmiştir. Geçmiş tarihlere ait uydu görüntülerinin sınıflandırma sonuçlarının doğrulukları doğruluk analizi ile belirlenmekte ve bu amaçla haritalar ya da yüksek çözünürlüklü veriler kullanılmaktadır. Landsat arşivinde 1972 den beri görüntü olmasına rağmen doğruluk analizinde kullanılabilecek en eski referans veri 2003 yılına ait olup 1/1000 ölçekli halihazır haritadır. Google Earth Pro da ilçeye ait yüksek çözünürlüklü görüntüler 2004 yılından itibaren mevcuttur. 2003, 2017 ve 2022 tarihli Landsat uydu görüntüleri GEE bulut platformunda sınıflandırılmış, doğruluk analizinde 2003 ve 2017 tarihli 1/1000 ölçekli halihazır haritalar ve Google Earth Pro uygulamasında yer alan 2022 tarihli yüksek çözünürlüklü uydu görüntüleri kullanılmıştır. Sınıflandırmada kontrollü sınıflandırma yöntemlerinden biri olan En Çok Benzerlik (Maximum Likelihood) yöntemi kullanılmış, kentsel alan ve kentsel olmayan alan sınıflarını içeren iki sınıflı tematik haritalar oluşturulmuştur. Doğruluk analizi için hata matrisi oluşturularak genel doğruluk ve kappa doğrulukları belirlenmiştir. Sırasıyla 2003 yılı için %87, 0.8; 2017 yılı için %86, 0.8 ve 2022 yılı için %88, 0.8 olarak tespit edilmiştir. Yine aynı süreç tekrar edilerek, 2022 yılı Sentinel 2 uydu görüntüsü Landsat8 OLI 2022 sınıflandırılmış görüntüsüyle karşılaştırmak için sınıflandırılmış, sınıflandırma genel doğruluğu %94, kappa doğruluğu 0.9 olarak belirlenmiştir. Sınıflandırma yöntemi uygulamasının yanı sıra uydu görüntülerinden kolay bir şekilde bilgi çıkarımı için geliştirilen spektral indeksler kullanılmış, 2022 tarihli Sentinel 2 görüntüsüne sekiz kentsel spektral indeks ve üç bitki indeksi uygulanmıştır. Doğruluk değerlendirmeleri tüm indeks sonuçları için aynı noktalar kullanılarak yapılmıştır. İndeks uygulama sonuçlarına yapılan doğruluk analizleri sonucunda, kentsel indeks uygulamalarında en iyi sonucu Yapılaşma Alanı için Bant Oranı (BRBA) vermiş olup genel doğruluğu %91 olarak bulunmuştur. Bununla birlikte, bitki örtüsü indekslerinin içinde Normalleştirilmiş Fark Bitki Örtüsü İndeksi (NDVI), %96'lık bir genel doğrulukla tüm indeksler arasında en iyi sonucu vermiştir. GEE platformunda 1990-2022 yılları arasında Landsat 5 ve Landsat 8 görüntüleri kullanılarak ilçe sınırlarında bulunan tüm alana en yüksek doğruluk veren NDVI zaman serisi uygulanmıştır. İlçe sınırları içinde 1990 yılı Mayıs ayındaki ortalama NDVI değerleri 0,55 iken, 2022 yılı Mayıs ayında 0,22 olarak belirlenmiştir. NDVI mayıs ayı ortalama değerleri ile 1990-2022 nüfus verileri arasında yüksek (-0,81) negatif korelasyon saptanmıştır. İlçedeki nüfus, 1990'dan 2022'ye (%1604) (2008'den 2022'ye %302) çok yüksek bir oranda artarken, hızla artan nüfus ve hızlı kentleşme nedeniyle doğal alanların hızlı bir şekilde yok olduğu gözlemlenmiştir. Zaman serisinin tamamlanması için son olarak 1990 ve 2000 yılları CORINE AK/AÖ raster verileri kulllanılarak arazi kullanım haritaları oluşturulmuştur. 2003 yılında ilçenin toplam alanının % 67,5'ini şehir alanları %32,5'i doğal alanlar oluştururken, 2022 yılında şehir alanlarının kapladığı alan %84,4'e yükselirken, doğal alanlar %15,6'ya inmiştir. NDVI zaman serisi verisinden elde edilen eğilim denklemi kullanılarak yapılan 2040 yılı projeksiyonun da Esenyurt ilçesinde yeşil alan kalmayacağı öngörülmektedir. Çalışma kapsamında elde edilen bulgular, ilçenin geçmişten günümüze AK/AÖ değişiminin orta mekânsal çözünürlüklü uydu görüntüleri ve uzaktan algılama yöntemleriyle ortaya konabildiğini göstermiştir. Uzaktan algılanmış görüntüler (özellikle yüksek mekânsal çözünürlüklü uydu görüntüleri) ve uzaktan algılama yöntemleri, kent planlama ve değişim takibinde son derece önemli araçlardır.

Özet (Çeviri)

Istanbul has the distinction of being the province with the highest population throughout the country's history. The people, who used to live in the district centers, started to spread toward the city border with the increase in population density. As a result of this situation, new settlement areas and administrative structures have emerged. The Esenyurt district is one of the clearest examples of the urbanization process at the border. Esenyurt, a farm settlement from the 16th century to the 19th century, started the urbanization process after it was connected to Büyükçekmece. With its inclusion in Büyük İstanbul Nazım İmar Planı in 1972, the rate of urbanization began to increase. In 1987, the town municipality was established as an administrative unit by dividing it into six neighborhoods. At the beginning of the 2000s, the population and the construction process accelerated, and Esenyurt reached today's district borders in 2008. Esenyurt has become a region where many different national and international cultures live together. This situation has led to the differentiation of urban areas. The increase in the industrial regions of the district borders and the development of transportation facilities have caused the population to increase very much in a short time. Due to the aforementioned reasons, many problems have been experienced in natural, social, economic, and built environments, and the planning studies have started to be insufficient. It is important that the study area be adequately analyzed before starting the plan-making works. The intense change and transformation of the Esenyurt district in a short time are essential in the future plan studies to be carried out on the district. Identifying impermeable surfaces for monitoring urban expansion is important for the sustainable management of land resources and environmental protection. Remote sensing provides an important data source for urban land use/land cover (LU/LC) mapping, and these data are analyzed with various techniques to be used for different purposes. If the aim is to obtain necessary information quickly and easily, using spectral indices emerges as the most appropriate solution. For this purpose, many indices have been created to distinguish land cover types on the earth's surface and generate land maps. The study's primary purpose is to determine the temporal LU/LC change of Esenyurt, the most populous district of Istanbul, which is experiencing urbanization problems at the highest level, with remote sensing satellite images. For this purpose, Landsat 5 TM, Landsat 8 OLI, and Sentinel 2 MSI images were used on the Google Earth Engine (GEE) platform, and classification and index applications were made. The Landsat satellite image archive was examined to examine the district's visual change and to use it in the classification to be made. The oldest satellite image of Landsat MSS is from 1972, and the urbanization process was visually examined by comparing it with the images from 1985 and 1990, and the reductions in the natural environment were determined. The accuracy of classification results of satellite images of past dates is determined by accuracy analysis, and maps or high-resolution data are used for this purpose. Although there are images in the Landsat archive since 1972, the oldest reference data that can be used for accuracy analysis belongs to 2003 and is the 1/1000 scaled current map. High-resolution images of the district have been available in Google Earth Pro since 2004. Landsat satellite images of 2003, 2017, and 2022 were classified on the GEE cloud platform, and for accuracy assessment, 1/1000 scaled maps of 2003 and 2017 and high-resolution satellite images of 2022 were used for accuracy analysis. In the classification, the Maximum Likelihood method, which is one of the controlled classification methods, was used, and two-class thematic maps were created, including urban area and non-urban area classes. Respectively, it was determined as 87%, 0.8 for 2003, 86%, 0.8% for 2017, and 88%, 0.8% for 2022. Again, by repeating the same process, the Sentinel 2 satellite image of 2022 was classified for comparison with the Landsat8 OLI 2022 classified image, and the overall classification accuracy was determined as 94% and the kappa accuracy as 0.9. In addition to applying the classification method, spectral indexes developed for easy extraction of information from satellite images were used, and eight urban spectral indexes and three plant indexes were applied to Sentinel 2 image dated 2022. Accuracy assessments were made using the same points for all index results. As a result of the accuracy analyses made on the index application results, the Band Ratio for the Building Area (BRBA) gave the best result in urban index applications, and its overall accuracy was found to be 91%. In addition, among the vegetation indexes, the Normalized Difference Vegetation Index (NDVI) gave the best result among all indexes, with an overall accuracy of 96%. On the GEE platform, using Landsat 5 and Landsat 8 images between 1990-2022, the NDVI time series, which gives the highest accuracy, was applied to the entire area within the district borders. While the average NDVI values within the district's boundaries were 0.55 in May 1990, it was determined as 0.22 in May 2022. A high (- 0.81) negative correlation was found between NDVI May mean values and 1990-2022 population data. While the population in the district increased at a very high rate from 1990 to 2022 (1604%) (302% from 2008 to 2022), it was observed that natural areas were rapidly disappearing due to the rapidly increasing population and rapid urbanization. Finally, land use maps were created using CORINE LU/LC raster data for 1990 and 2000 to complete the time series. While 67.5% of the district's total area was urban areas and 32.5% were natural areas in 2003, the area covered by city areas increased to 84.4% in 2022, while natural areas decreased to 15.6%. To see the change in Istanbul and compare it with Esenyurt, NDVI was applied to Landsat5 and Landsat 8 satellite images with a cloud rate of less than 10% between 1990-2022. Trends were determined by using the average may NDVI values and population data of Istanbul. While the 2021 NDVI value is 0.68, the NDVI value was predicted to be 0.72, with the analysis made for 2040 using the trend equation. With the Istanbul population trend equation, the population of Istanbul, which is 15.8 million in 2021, is estimated to be 21.5 million in 2040. When the Esenyurt district is analyzed for 2040 with NDVI trend equations, NDVI is calculated as -0.017, indicating that there will be no green areas in the district. When the 2040 forecast analysis is made with population trend equations for the Esenyurt district, the population is projected to be 1.52 million. The findings obtained within the study's scope showed that the district's LU/LC change from past to present could be revealed with medium spatial resolution satellite images and remote sensing methods. Remote sensing images (especially high spatial resolution satellite images) and remote sensing methods are essential for urban planning and change monitoring.

Benzer Tezler

  1. Tez No

    721529

    Yüksek çözünürlüklü uydu verileri kullanılarak şehir alanlarının incelenmesi

    Investigation of city areas using high-resolution satellite data

    RAZİYE HALE TOPALOĞLU

    Doktora

    Türkçe

    Türkçe

    2022

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  2. Tez No

    118932

    Improvement of land cover classification with the integration of topographical data in uneven terrain

    Topografik veri entegrasyonu ile arazi örtüsü sınıflandırma hassasiyetinin artırılması

    DENİZ GERÇEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2002

    Jeodezi ve FotogrametriOrta Doğu Teknik Üniversitesi

    Jeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı

    DOÇ.DR. VEDAT TOPRAK

  3. Tez No

    887050

    Urban dynamics of İstanbul: Exploring urban complexity via the spatial distribution of activities

    İstanbul'un kentsel dinamikleri: Faaliyetlerin mekansal dağılımı aracılığıyla kentsel karmaşıklığın keşfi

    REYHANEH YOUNESI SANDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Şehircilik ve Bölge Planlamaİstanbul Teknik Üniversitesi

    Şehir ve Bölge Planlama Ana Bilim Dalı

    DOÇ. DR. EDA YÜCESOY

  4. Tez No

    807243

    Analysis of safe roads and production of risk maps within the scope of integrated disaster management with geographical information systems

    Coğrafi bilgi sistemleri ile bütünleşik afet yönetimi kapsamında güvenli yolların analizi ve risk haritalarının üretilmesi

    OBAIDURRAHMAN SAFI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Coğrafi Bilgi Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHAMMED ENES ATİK

  5. Tez No

    541357

    Integration of remote sensing and GIS for monitoring the areas affected by forest fires: A case study of Izmir, Menderes

    Orman yangın alanlarının uzaktan algılama ve CBS entegrasyonu ile izlenmesi: İzmir, Menderes örneği

    EMRE ÇOLAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE FİLİZ SUNAR

Geri Dön