Google Earth Engine kullanılarak Sarıcakaya-Mihalgazi (Eskişehir) ilçelerinde çevresel indeksler ile toprak kalitesi değerlendirmesi: K-Means kümeleme yaklaşımı
Sarıcakaya-Mihalgazi (Eskişehir) Districts Using Google Earth Engine soil quality assessment with environmental indices: K-Means clustering approach
- Tez No: 948751
- Danışmanlar: PROF. DR. MÜCAHİT COŞKUN
- Tez Türü: Yüksek Lisans
- Konular: Coğrafya, Geography
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Coğrafya Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 248
Özet
Google Earth Engine kullanarak Sarıcakaya-Mihalgazi (Eskişehir) ilçelerinde çevresel indeksler ile toprak kalitesi değerlendirilmesi: K-means kümeleme yaklaşımı adlı bu araştırmanın amacı; coğrafyanın temel ilkeleri ışığında, çağdaş araştırma yöntemleri kullanarak araştırma sahasında çevresel faktörlerin toprak kalitesi üzerindeki etkilerini değerlendirip yerel toprak yönetimi için bilimsel bir temel oluşturmaktır. Bir bölgedeki toprağın toprak kalitesinin bilinmesi, ürün deseni ve veriminde, dış kuvvetlerin toprak üzerindeki etkisinin azaltılmasında, orman toprağının yönetiminde ve sürdürülebilir tarımın sağlanmasında büyük önem taşımaktadır. Bu amaç doğrultusunda Google Earth Engine programı aracılığıyla toprak özellikleri, TerraClimate, SoilGridve MODIS uyduları ve SRTM verileri kullanılarak elde edilen sıcaklık, NDMI ve SAVI verileri entegre edilerek Toprak Kalite İndeksi (TKİ) oluşturulmuş ve K-means kümeleme yöntemiyle toprak kalitesinin mekansal dağılımı analiz edilmiştir. Toprak kalitesi göstergesi olarak toprak tekstürü (kum-silt-kil), OM, pH, KDK, nitrojen, sıcaklık, toprak nemi ve bitki örtüsü yoğunluğu gibi parametreler seçilmiştir. Google Earth Engine platformunda JavaScript yazım dili kullanılarak oluşturulan toprak analizleri Soilgrid verilerinden yararlanılarak elde edilmiştir. Uzaktan algılamanın hızlı ve maliyetsiz imkânlarından yararlanılarak hazırlanılan bu çalışma aynı zamanda makine öğrenme tabanlı veri analizinden oluşmaktadır. Toprak kalitesi indeksine ek olarak toprak kalitesini belirleyen değişkenlerin (toprak özellikleri, sıcaklık, NDMI ve SAVI) sayısal benzerliğine sahip olduğu alanları aynı grup içerisinde göstermek için K-means kümeleme algoritması kullanılmıştır. Homojenliği sağlanan kümelerin istatiksel olarak farklılıkları ortaya konularak, toprak sağlığı, erozyonla mücadele ve uzun vadede yararlı tarımsal faaliyetler için hangi kümede hangi koruma stratejilerin geliştirilmesi gerektiği sorusuna bilimsel bir yaklaşım oluşturulmuştur. Hazırlanan Toprak Kalitesi İndeksi'ne göre vadi tabanı, yamaç etekleri ve Sarıcakaya Platosu'na karşılık gelen kolüvyon ve alüvyon toprakların bulunduğu, Küme 4 ve 2'nin en verimli alanlar olduğu tespit edilmiştir. Bununla birlikte toprak kalitesi diğer kümelere oranla daha düşük bir toprak kalitesi içeren 0., 1., 3. ve 5. kümeler olduğu sonucuna varılmıştır. Bu kümeler genellikle eğimin fazla, bitki örtüsünün fakir ve edafik koşulların yetersiz kaldığı dağlık alanlara karşılık gelmektedir. Küme 4'ün kapsadığı yamaç etekleri her ne kadar erozyon riski bakımından tehlike altında bulunsalarda, toprak kalitesinin yüksek olmasına bağlı olarak erozyona karşı direnç göstermektedir. Ancak buradaki topraklar sürekli tarım için kullanılması, yamaç eteklerinde antropojen etkiye bağlı olarak ormansızlaştırılması gibi erozyona yol açan faktörlerin etkisinde kalmaktadır. Bu durum verimli olan toprakları uzun vadede risk altına sokabilmektedir. Çalışma sahası sınırları içerisinde gözlemlenen ana materyaller kireçtaşı, granit, andezit, kuvarsitler (kalsedon, agat vd.), şist, serpantinit, gabro, malahit gibi çeşitli kayaçlar ve bakır, mika gibi minerallerdir. Dağlık alanlarda granit kayacının ayrışması ile oluşmuş kumlu tekstür yaygınken, yükseltinin azaldığı ovalık alanlarda genellikle kil, silt, mil ve çakıl tekstürü daha yaygındır. Özellikle Sarıcakaya-Mayıslar çevresinde Triyas yaşlı kireçtaşının ayrışması ile yeni oluşum göstermiş Kırmızımsı Akdeniz (terrarossa) toprakları gözlemlenmiştir. Araştırma alanı, Eskişehir ilinin Orta Sakarya Alt Havzası içinde Sakarya Irmağı vadisinde yer alan Sarıcakaya ve Mihalgazi ilçelerinin mülki idari sınırlarını kapsar. Bu iki ilçe kuzeyden Köroğlu Dağları ile güneyden ise Sündiken Dağları tarafından doğal olarak sınırlandırılmaktadır. Kuzeyde doğu-batı (D-B) doğrultusunda uzanan Köroğlu Dağlarının zirveleri yaklaşık 1200 ile 1400 m arasında değişiklik göstermektedir. Bu yükselti değerleri güneyde yine doğu-batı doğrultusunda uzanan Sündiken Dağları içinde geçerlidir. Ancak Sündiken Dağları'nın en yüksek zirvesi Eskişehir'in bir diğer ilçesi olan Mihalıççık ilçesinde 1880 m olarak bilinmektedir. Zirvelerden depresyona doğru inildikçe yükselti 250 m 'lere kadar düşmektedir. Sündiken ve Köroğlu Dağları arasında uzanan Sakarya nehrinin oluşturduğu bu vadi tektonik bir depresyon olup tabanlı bir vadidir. Sakarya vadisi'nin uzunluğu 45 km'dir. Bu vadinin en geniş oldu saha Sarıcakaya ilçesinin doğusunda Düzköy civarında 5 km2'dir. Batıya doğru devam eden Sakarya vadisinin en dar kısmını ise Alpagut köyünün batısında 0,06 km olarak görülmektedir. Kuzeyden Köroğlu Dağları, güneyden Sündiken Dağları çalışma alanını iki taraftan sınırlandırarak, İç Anadolu'nun karasal iklimine karşı korunaklı bir ortam oluşturmuştur. Çevresine göre daha sıcak ve kurak bir iklime sahip olan araştırma sahası Akdeniz iklimiyle özdeşleşmiştir. Akdeniz iklim alanı olması sebebiyle çevresine göre ürün deseninde ve vejetasyonunda farklılıklar olduğu gözlemlenmiştir. Karaçam, meşe türlerinin dışında saha gözlemlerinde hemen ilk dikkat çeken Akdeniz Fitocoğrafya elemanlarından: Kızılçam (Pinus brutia), Fıstık çamı (Pinus pinea), Menengiç (Pistacia terebinthus) gibi türler çalışma alanında yayılış göstermektedir.
Özet (Çeviri)
This study uses Google Earth Engine and K-means clustering to assess soil quality in Sarıcakaya-Mihalgazi (Eskişehir) districts. The goal is to use modern research methods and geography principles to evaluate the effects of environmental factors on soil quality and provide a scientific foundation for local soil management. Knowing the soil quality of a place is critical for cropping pattern and yield, mitigating the impact of external factors on soil, managing forest soil, and guaranteeing sustainable agriculture. For this purpose, a Soil Quality Index (SQI) was developed by combining soil properties obtained through the Google Earth Engine program with temperature, NDMI, and SAVI data obtained from TerraClimate, SoilGrid, and MODIS satellites, as well as SRTM data, and the spatial distribution of soil quality was analyzed using the K-means clustering method. Soil quality indicators included soil texture (sand-silt-clay), organic matter (OM), pH, KDK, nitrogen, temperature, soil moisture, and vegetation density. Soil analyses were created using the JavaScript scripting language on the Google Earth Engine platform and derived from Soilgrid data. This study, which was generated using the quick and inexpensive capabilities of remote sensing, also includes machine learning-based data processing. In addition to the soil quality index, the K-means clustering technique was employed to identify locations with numerical similarity of soil quality determinants (soil characteristics, temperature, NDMI, and SAVI) within the same group. By showing the statistical disparities between homogenous clusters, a scientific solution to the topic of whether conservation methods should be established in which cluster for soil health, erosion management, and long-term beneficial agricultural operations has been produced. Clusters 4 and 2 have colluvial and alluvial soils that correlate to the valley floor, slope foothills, and Sarıcakaya Plateau, making them the most fertile locations according to the Soil Quality Index. However, it was determined that Clusters 0, 1, 3 and 5 have inferior soil quality compared to the other clusters. These clusters generally correspond to mountainous areas with steep slopes, poor vegetatio cover, and inadequate adaphic conditions. Although the foothills covered by Cluster 4 are under risk of erosion, their good soil quality makes them resistant to erosion. However, the soils here are influenced by erosion-causing factors such as continual agricultural usage and deforestation caused by human activity in the foothills. This circumstance may put productive soils in danger in the long run. The impact of climate, vegetation cover, parent material, and terrain on the physical and chemical properties of soils formed within the research area will be investigated and classified using the Old American soil classification (1949). The most common materials found include limestone, granite, andesite, quartzites (chalcedony, agate, etc.), schist, serpentinite, gabbro, malachite, and minerals such as copper and mica. While sandy textures generated by granite rock weathering are widespread in mountainous places, clay, silt, shale, and gravel textures are more common in lowland areas with lower elevations. Around Sarıcakaya-Mayıslar, reddish Mediterranean (terra rossa) soils created by weathering of Triassic limestone were found. The study region includes Sarıcakaya and Mihalgazi districts in the Sakarya River valley, Middle Sakarya Sub-basin, Eskişehir province. The Köroğlu Mountains to the north and Sündiken Mountains to the south provide a natural boundary between these two districts. The Köroğlu Mountains extend from east to west in the north, with peaks ranging from 1200 to 1400 meters in elevation. These elevation numbers also apply to the Sündiken Mountains, which extend east-west in the south. The highest peak of the Sündiken Mountains is located in the Mihalıççık district of Eskişehir, reaching 1880 m. As one descends from the summits to the depression, the height reduces to 250 meters. The valley produced by the Sakarya River between the Sündiken and Köroğlu Mountains is a tectonic depression, with a bottom. The Sakarya Valley spans 45 kilometers. This valley covers 5 km² in Düzköy, east of the Sarıcakaya district. The narrowest point of the Sakarya Valley, which extends westward, is 0.06 kilometers west of Alpagut hamlet. The research region is shielded from the continental climate of Central Anatolia by the Köroğlu Mountains to the north and Sündiken Mountains to the south. The study area has a hotter and drier climate than its surroundings, indicating a Mediterranean climate. Because it has a Mediterranean climate, the agricultural pattern and vegetation differ from those in the neighboring areas. Apart from larch and oak species, the Mediterranean phytogeographical features are the first to gain attention during field observations: red pine (Pinus brutia), pistachio pine (Pinus pinea), and terebinthus (Pistacia terebinthus) are scattered across the study region.
Benzer Tezler
- Google earth engıne kullanılarak uydu görüntülerinin sınıflandırılması, çevresel değişim analizleri ve müsilaj haritalama
Google earth engine using to classification of satellite images, environmental change analysis and mucilage mapping
MERVE GÖRAL
Yüksek Lisans
Türkçe
2022
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. TAŞKIN KAVZOĞLU
- Uzaktan algılamada farklı orman türlerinin sınıflandırılmasının Google Earth Engine kullanılarak incelenmesi
Remote sensing for classification of different forest types in Google Earth Engine
ÖZGEHAN ER
Yüksek Lisans
Türkçe
2024
Jeodezi ve FotogrametriEskişehir Teknik ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. GORDANA KAPLAN
- Assessment of spatio-temporal variations in lake surface using landsat imageries and Google Earth Engine
Göl yüzeyindeki mekansal ve zamansal değişimlerin landsat görüntüleri ve Google Earth Engine kullanılarak değerlendirilmesi
MOHAMMED M. Y. ALBARQOUNI
Yüksek Lisans
İngilizce
2022
İnşaat Mühendisliğiİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİLİZ BEKTAŞ BALÇIK
- Uzaktan algılama ve makine öğrenmesi etkileşimi ile bor maden sahalarının araştırılması
Exploration of boron mine sites with remote sensing and machine learning interaction
ENDER KELLECİ
Doktora
Türkçe
2024
Mühendislik BilimleriEskişehir Teknik ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN UYGUÇGİL
- Makine öğrenmesi ile uydu görüntüleri üzerinden mekansal ve zamansal değişimin bulut tabanlı google earth engine kullanılarak değerlendirilmesi (Zonguldak örneği)
Evaluation of spatial and temporal changes over satellite images with machine learning using cloud-based google earth engine (Zonguldak sample)
ADEM UZUN
Yüksek Lisans
Türkçe
2025
Ormancılık ve Orman MühendisliğiÇankırı Karatekin ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DOÇ. DR. ENDER BUĞDAY