Geri Dön

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

PDF İndir

  1. Tez No: 944889
  2. Yazar: ABDURRAHMAN CANKUT GÖZ
  3. Danışmanlar: PROF. DR. HÜSEYİN OĞUZ ÇOBAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ormancılık ve Orman Mühendisliği, Forestry and Forest Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Orman Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

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

  1. Tez No

    637631

    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

    İngilizce

    2020

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE FİLİZ SUNAR

  2. Tez No

    1000114

    Evaluating the potential of citizen-science biodiversity data for assessing ecological restoration opportunities in Istanbul's groves and urban forests

    İstanbul'un korulari ve kent ormanlarinda ekoloji̇k restorasyon firsatlarini değerlendi̇rmek i̇çi̇n vatandaş-bi̇li̇mi̇ bi̇yoçeşi̇tli̇li̇k veri̇leri̇ni̇n potansi̇yeli̇ni̇n değerlendi̇ri̇lmesi̇

    SALİHA AKKAYÜZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2026

    Biyolojiİstanbul Teknik Üniversitesi

    İklim ve Deniz Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMRAH ÇORAMAN

  3. Tez No

    652928

    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

    İngilizce

    2020

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ESRA ERTEN

  4. Tez No

    885617

    Estimation of PM10 variations in the Southeastern and Eastern Anatolia regions of Türkiye using remote sensing and statistical models

    Türkiye'nin Güneydoğu ve Doğu Anadolu bölgelerindeki PM10 değişimlerinin uzaktan algılama ve ı̇statistiksel modeller kullanılarak tahmini

    SULTANAY MURZAEVA

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    İstatistikİstanbul Teknik Üniversitesi

    İklim ve Deniz Bilimleri Ana Bilim Dalı

    PROF. DR. ALPER ÜNAL

  5. Tez No

    673525

    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

    İngilizce

    2021

    Coğrafyaİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı (disiplinlerarası)

    Assist. Prof. Dr. UĞUR ALGANCI

Geri Dön