Orman Yangınlarının CBS Tabanlı Konumsal İstatistik Analizi: 2011-2015 Yılları Arasında Muğla Orman Bölge Sınırları İçerisinde Çıkan Yangınlar

Year 2018, Volume: 4 Issue: 1, 46 - 62, 06.08.2018

Berkay Gayır Ozan Arslan

Abstract

1977-2016 yılları arasında kayıtlı olarak toplam
10742 adet, yıl başına ortalama 269 adet yangının rapor edildiği, Muğla Orman
Bölge Müdürlüğü, ülkemizdeki orman bölge müdürlükleri arasında “1. Derece
Yangın Hassasiyetli” bölgedir. Çalışma bölgesinin yangın hassasiyetinin yanı
sıra bölgenin turizm, sosyolojik ve ekonomik özellikleri çalışmanın önemini
artırmaktadır. Çalışma bölgesinde 2011-2015 yılları arasında nedeni, konumu,
zararı, zamanı, ağaç türü, yangın tipi gibi özellikleri kayıt altına alınan toplam
1618 adet orman yangınının kümelenme araştırması yapılmıştır. Yangınların
sadece konumlarının kullanıldığı nokta örüntü analizleri –kuadrat analizi,
Ripley’in K Fonksiyon testi, Ortalama En yakın Komşuluk Analizi- ile kümelenme
araştırması yapılmıştır. Yangınların kayıt altına alınan diğer öznitelik
bilgilerinin kümelenme araştırmasına dahil edildiği global ve yerel mekânsal
otokorelasyon teknikleri- Getis Ord G*, Moran I, Anselin Yerel Moran I- ile
yangınların niteliklerine göre kümelenme araştırması yapılmıştır. Yapılan
araştırmada yangınların nedenlerine göre kümelenme eğiliminde olduğu sonucuna
varılmıştır. Yola ve yerleşim yerlerine yakınlıkları, sıcaklık, rüzgar ve nem
gibi ortak özelliklerine göre bölgenin çeşitli yerlerinde kümelenmeler
görülmüştür. Çalışma sonucu elde edilen örüntü ve mekânsal dağılım verileri
yangınlara müdahale çalışmaları, engelleme ve engelleyici politikalara altlık
teşkil edebilecek ve hazırlanması öngörülen risk haritalarına da yardımcı
olabilecektir. 

Keywords

Konumsal İstatistik, Moran I, Getis Ord, Orman, Orman Yangını, , Kümelenme, Ripley

References

• AKYÜREK, Ö., ARSLAN, O., 2018. Kocaeli İli ve Çevresinde (1900-2016) Yılları Arasında Gerçekleşen Tarihsel Depremlerin Konumsal İstatistik Analizi. Geomatik 3, 48–62. https://doi.org/10.29128/geomatik.333104
• Anselin, L., 1995. Local Indicators of Spatial Association—LISA. Geogr. Anal. 27, 93–115. https://doi.org/10.1111/j.1538-4632.1995.tb00338.x
• Burt, J.E., Barber, G.M., Rigby, D.L., 2009. Elementary Statistics for Geographers, Third. ed.
• Chou, Y.-H., Minnich, R.A., Salazar, L.A., Power, J.D., Dezzani, R.J., 1990. Spatial Autocorrelation of Wildfire Distribution in the Idyllwild Quadrangle, San Jacinto Mountain, California. Photogrametric Eng. Remote Sens. 56, 1507–1513.
• Clark, P.J., Evans, F.C., 1954. Distance to Nearest Neighbor as a Measure of Spatial Relationships in Populations. Ecology 35, 445–453. https://doi.org/10.2307/1931034
• Cliff, A.D., 1973. Spatial Autocorrelation, Journal of Housing Economics. https://doi.org/10.1006/jhec.1998.0236
• Çubukçu, K.M., 2015. Planlamada ve Coğrafyada Temel İstatistik ve Mekansal İstatistik. Ankara.
• DURAN, D.C., 2014. Mersin ilindeki orman yangınlarının başlangıç noktalarına göre mekânsal analizi (2001-2013). Orman. Araştırma Derg. 1, 38. https://doi.org/10.17568/oad.87328
• Fischer, M.M., Getis, A., Lesage, J.P., Pace, R.K., Fischer, M.M., Getis, A., 2010. Handbook of Applied Spatial Analysis. Methods 3, 255–278. https://doi.org/10.1007/978-3-642-03647-7
• Fuentes-Santos, I., Marey-Pérez, M.F., González-Manteiga, W., 2013. Forest fire spatial pattern analysis in Galicia (NW Spain). J. Environ. Manage. 128, 30–42. https://doi.org/10.1016/j.jenvman.2013.04.020
• Gayır, B., Sipahi, M., Öğüt, E., Balaban, M., 2015. CBS Tabanlı Hava Kirliliği Analizi: Kocaeli İli Örneği, Lisans Tezi, Kocaeli Universty.
• Getis, A., Ord, J.K., 1992. The Analysis of Spatial Association by Use of Distance Statistics. Geogr. Anal. 24, 189–206. https://doi.org/10.1111/j.1538-4632.1992.tb00261.x
• Griffith, A., D., Amrhein, C.G., Desloges, J.R., 1990. Statistical Analysis for Geographers, 1 Edition. ed.
• Guo, F., Su, Z., Wang, G., Sun, L., Lin, F., Liu, A., 2016. Wildfire ignition in the forests of southeast China: Identifying drivers and spatial distribution to predict wildfire likelihood. Appl. Geogr. 66, 12–21. https://doi.org/10.1016/j.apgeog.2015.11.014
• Hugget, R., Thomas, R., 1980. Modelling in Geography: A Mathematical Approach. Harper and Row.
• Kapluhan, E., 2014. COĞRAFİ BİLGİ SİSTEMLERİ’NİN (CBS) COĞRAFYA ÖĞRETİMİNDE KULLANIMININ ÖNEMİ VE GEREKLİLİĞİ. MARMARA COĞRAFYA DERGİSİ 34–59. https://doi.org/10.14781/MCD.2014298120
• Moran, P.A.P., 1950. Notes on Continuous Stochastic Phenomena. Biometrika 37, 17. https://doi.org/10.2307/2332142
• Muğla Orman Bölge Müdürlğü, 2018. 2017 Yılı Orman Yangınları Değerlendirme Raporu. Muğla.
• Orman Genel Müdürlüğü, 2016. Türkiye Orman Varlığı 2015. Orman Genel Müdürlüğü, Ankara.
• Orman Genel Müdürlüğü, 2013. ORMAN ATLASI, OGM.
• Orman Genel Müdürlüğü, 2008. 285 Sayılı Orman Yangınlarının Önlenmesi ve Söndürülmesinde Uygulama Esasları.
• Ripley, B.D., 1976. The Second-Order Analysis of Stationary Point Processes. J. Appl. Probab. 13, 255. https://doi.org/10.2307/3212829
• Serra, L., Juan, P., Varga, D., Mateu, J., Saez, M., 2013. Spatial pattern modelling of wildfires in Catalonia, Spain 2004-2008. Environ. Model. Softw. 40, 235–244. https://doi.org/10.1016/j.envsoft.2012.09.014
• Wong, D.W.S., Lee, J., 2005. Statistical Analysis of Geographic Information with ArcView GIS and ArcGIS. John Wiley Sons 464. https://doi.org/10.1002/esp.249