Uydu görüntüleri ile yanan orman alanının değerlendirilmesi: çandır orman yangını örneği
Assessment of a burned forest area using satellite images: A case of the çandir forest fire
- Tez No: 944889
- Danışmanlar: PROF. DR. HÜSEYİN OĞUZ ÇOBAN
- Tez Türü: Yüksek Lisans
- Konular: Ormancılık ve Orman Mühendisliği, Forestry and Forest Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Orman Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Bu çalışmada 2021 yılında Isparta bölgesindeki Çandır Orman İşletme Şefliği sınırlarında meydana gelen orman yangınında yanan orman alanlarının uzaktan algılama ve coğrafi bilgi sistemiyle belirlenmesi ve değerlendirilmesi amaçlanmıştır. Çalışmada yangın öncesi ve sonrası Landsat-8 ve Sentinel-2 uydu görüntülerinden elde edilen NDVI (Normalize edilmiş fark vejetasyon indeksi) ve NBR (Normalize edilmiş yanma oranı) spektral indeksleri kullanılmıştır. Yangın etkisinin nicel olarak belirlenmesi amacıyla yangın öncesi ve sonrası NDVI ve NBR indekslerinin farkları olan dNDVI ve dNBR görüntüleri üretilmiştir. Elde edilen fark görüntülerine eşikleme yöntemi uygulanmış ve yanan orman alanları belirlenmiştir. Landsat-8 ve Sentinel-2 verileri üzerinde denetimli sınıflandırma yöntemi ile Maximum Likelihood algoritması kullanılarak tematik haritalar üretilmiş ve sınıflandırılan görüntüler üzerinde de yanan alanlar tespit edilmiştir. En yüksek sınıflandırma doğruluklarına %92 (kappa 0.83) ve %88 (kappa 0.77) ile Sentinel-2 uydu verilerinden elde edilen dNBR ve dNDVI verilerinde ulaşılmıştır. Landsat-8 uydu verilerinden üretilen dNBR ve dNDVI verilerinde de sınıflandırma doğrulukları yaklaşık %85 (kappa değeri 0.7)'dir. Sınıflandırılmış görüntülerde ise Sentinel-2 ve Landsat-8 için %88 (kappa 0.85) ve %85 (kappa 0.81) genel doğruluk değerleri elde edilmiştir. Buna göre yanan alanın ortalama 760 hektar olduğu hesaplanmıştır. Sonuç olarak, Sentinel-2 ve Landsat-8 uydu verilerinden elde edilen dNDVI ve dNBR görüntüleri yanan orman alanın belirlenmesi ve değerlendirilmesi açısından etkin ve güvenilir sonuçlar sağlamıştır. Uzaktan algılama veri ve yöntemlerinin ve coğrafi bilgi sistemlerinin orman yangını yönetiminde etkin kullanımı önerilmektedir.
Özet (Çeviri)
This study aims to identify and evaluate forest areas affected by a wildfire that occurred in 2021 within the boundaries of the Çandır Forest Subdistrict in the Isparta region, using remote sensing and geographic information systems (GIS). In the study, spectral indices NDVI (Normalized Difference Vegetation Index) and NBR (Normalized Burn Ratio) derived from pre- and post-fire Landsat-8 and Sentinel-2 satellite images were used. To quantitatively determine the impact of the fire, dNDVI and dNBR images, representing the differences between pre- and post-fire NDVI and NBR indices, were generated. A thresholding method was applied to these difference images to identify the burned forest areas. Using a supervised classification method on Landsat-8 and Sentinel-2 data, thematic maps were produced with the Maximum Likelihood algorithm, and the burned areas were also detected based on the classified images. The highest classification accuracies were achieved using Sentinel-2 satellite data, with 92% accuracy (kappa 0.83) for dNBR and 88% accuracy (kappa 0.77) for dNDVI. For Landsat-8 data, classification accuracies for dNBR and dNDVI were approximately 85% (kappa 0.7). In the classified images, overall accuracy values of 88% (kappa 0.85) for Sentinel-2 and 85% (kappa 0.81) for Landsat-8 were obtained. Based on the results, the average burned area was calculated to be approximately 760 hectares. In conclusion, dNDVI and dNBR images derived from Sentinel-2 and Landsat-8 satellite data provided effective and reliable results in identifying and evaluating burned forest areas. It is recommended that remote sensing data and methods, along with GIS technologies, be used effectively in wildfire management.
Benzer Tezler
- Identification of tea plantation areas using Google cloud based random forest and deep learning
Google bulut servise dayalı rastgele orman ve derin öğrenme ile çay tarım alanlarının belirlenmesi
BERKAY ÖZEN
Yüksek Lisans
İngilizce
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN
- Evaluating BFAST algorithm in landsat time series analysisof monitoring deforestation dynamics in coniferousand deciduous forests
Landsat zaman serisi ile iğne ve geniş yapraklı ormanlardaormansızlaşma dinamiklerinin izlenmesinde BFASTalgoritmasının değerlendirilmesi
NOOSHIN MASHHADI
Yüksek Lisans
İngilizce
2021
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiCoğrafi Bilgi Teknolojileri Ana Bilim Dalı
Assist. Prof. Dr. UĞUR ALGANCI
- 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
2018
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE FİLİZ SUNAR
- Orman yangınlarında yanan alanların uydu görüntüleri kullanılarak belirlenmesi: 2019 Ağustos Gelibolu (Çanakkale) orman yangını örneği
Determination of burning areas in forest fires using satellite images: 2019 August Gallipoli peninsul (Çanakkale) forest fire example
HALİME YILMAN
Yüksek Lisans
Türkçe
2022
CoğrafyaÇanakkale Onsekiz Mart ÜniversitesiAfet Eğitimi ve Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERDEM GÜNDOĞDU