Research Article
BibTex RIS Cite

Uzaktan Algılama ve Veri Bilimi Teknikleriyle Orman Yangınları için Meteorolojik Etkilerin İzlenmesi

Year 2025, Volume: 25 Issue: 1, 137 - 143

Abstract

Bu çalışmada uzaktan algılama veri ve teknikleriyle çalışma alanına özgü meteorolojik veri seti oluşturulup Google Colab ortamında python kodları kullanılarak orman yangınları için meteorolojik etkilerin izlenmesi amaçlanmıştır. Bu kapsamda Google Earth Engine Kataloğundan çalışma alanına ait Terra Climate görüntüleri aylık zamansal çözünürlükte indirilerek Arcmap yazlımı ile ön işleme yapılmıştır. Çalışma alanında gerçekleşmiş orman yangını koordinatları ile yangın var/yok noktası oluşturulmuştur. Bu noktalar bulunduğu pikseller için değer çıkarımı yapılarak Evapotranpirasyon, Rüzgâr hızı, Toprak nemi, Yağış, Maksimum sıcaklık, Minimum sıcaklık ve Potansiyel güneş radyasyonundan oluşan 2050*8 satır*sütundan oluşan veri seti hazırlanmıştır. Google Colab ortamında veri analizleri yapılarak Orman yangınları ile korelasyonları Evapotranspirasyon -0,57, Rüzgâr hızı 0,20, Nem -0,13, Yağış -0,67, Maksimum sıcaklık 0,29, Minimum sıcaklık 0,24 ve Potansiyel güneş radyasyonu 0,13 olarak tespit edilmiştir.

Ethical Statement

Uzaktan Algılama ve Veri Bilimi Teknikleriyle Orman Yang,nları için Meteorolojik Etkilerin İzlenmesi' adlı makale 190748004 öğrenci numaralı Mustafa Mut|u UYSAL'ın Doktora tez çallşmasl içerisinde hazırlanmıştlr.

References

  • Alkayış, M.H., Karslioğlu, A. ve Onur, M. İ., 2022. Muğla ili Menteşe yöresi orman yangını risk potansiyeli haritasının coğrafi bilgi sistemleri ile belirlenmesi. Geomatik, 7(1), 10-16. https://doi.org/10.29128/geomatik.791545
  • Beşli, N. ve Tenekeci, E., 2020. Uydu verilerinden karar ağaçları kullanarak orman yangını tahmini. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 11(3), 899-906 https://doi.org/10.24012/dumf.661925
  • Çolak, E. ve Sunar, F., 2020. Evaluation of forest fire risk in the Mediterranean Turkish forests: A case study of Menderes region, Izmir. International journal of disaster risk reduction, 45, 101479. https://doi.org/10.1016/j.ijdrr.2020.101479
  • Kavlak, M. Ö., Kurtipek, A. ve Çabuk, S. N., 2020. Coğrafi Bilgi Sistemleri ile orman yangını risk haritası oluşturulması: Ören örneği. Resilience, 4(1), 33-54. https://doi.org/10.32569/resilience.597887
  • Küçük, Ö. ve Sağlam, B., 2004. Orman yangınları ve hava halleri. Kastamonu Üniversitesi Orman Fakültesi Dergisi, 4(2), 220-231.
  • Mohajane, M., Costache, R., Karimi, F., Pham, Q. B., Essahlaoui, A., Nguyen, H. and Oudija, F., 2021. Application of remote sensing and machine learning algorithms for forest fire mapping in a Mediterranean area. Ecological Indicators, 129, 107869. https://doi.org/10.1016/j.ecolind.2021.107869
  • Naderpour, M., Rizeei, H. M. and Ramezani, F., 2021. Forest fire risk prediction: a spatial deep neural network-based framework. Remote Sensing, 13(13), 2513. https://doi.org/10.3390/rs13132513
  • Novo, A., Fariñas-Álvarez, N., Martínez-Sánchez, J., González-Jorge, H., Fernández-Alonso, J. M. and Lorenzo, H., 2020. Mapping forest fire risk—a case study in Galicia (Spain). Remote Sensing, 12(22), 3705. https://doi.org/10.3390/rs12223705
  • Sabuncu, A. ve Özener, H., 2019. Uzaktan algılama teknikleri ile yanmış alanların tespiti: İzmir Seferihisar orman yangını örneği. Doğal Afetler ve Çevre Dergisi, 2019; 5(2): 317-326 https://doi.org/10.21324/dacd.511688
  • Satir, O., Berberoglu, S. and Donmez, C., 2016. Mapping regional forest fire probability using artificial neural network model in a Mediterranean forest ecosystem. Geomatics, Natural Hazards and Risk, 7(5), 1645-1658. https://doi.org/10.1080/19475705.2015.1084541
  • Sayad, Y. O., Mousannif, H. ve Al Moatassime, H., 2019. Predictive modeling of wildfires: A new dataset and machine learning approach. Fire safety journal, 104, 130-146. https://doi.org/10.1016/j.firesaf.2019.01.006
  • Thach, N. N., Ngo, D. B. T., Xuan-Canh, P., Hong-Thi, N., Thi, B. H., Nhat-Duc, H. ve Dieu, T. B., 2018. Spatial pattern assessment of tropical forest fire danger at Thuan Chau area (Vietnam) using GIS-based advanced machine learning algorithms: A comparative study. Ecological informatics, 46, 74-85 https://doi.org/10.1016/j.ecoinf.2018.05.009
  • Zhang, G., Wang, M. ve Liu, K., 2021. Deep neural networks for global wildfire susceptibility modelling. Ecological Indicators, 127, 107735. https://doi.org/10.1016/j.ecolind.2021.107735
  • Hacisalihoğlu, M., 2018. Çok kriterli karar analizi ile orman yangını risk haritalarının oluşturulması: Karabük örneği. Yüksek Lisans Tezi, Zonguldak Bülent Ecevit Üniversitesi Fen Bilimleri Enstitüsü, Zonguldak, 115.
  • Bilgili, E., Küçük, Ö., Sağlam, B. ve Coşkuner, A. (2021). Orman yangınları: sebepleri, etkileri, izlenmesi, alınması gereken önlemler ve rehabilitasyon faaliyetleri. Prof. Dr. Taşkın KAVZOĞLU (Editör), Türkiye Bilimler Akademisi Yayınları, 3-23. http://dx.doi.org/10.53478/TUBA.2021.039
  • https://www.ipcc.ch/report/ar6/syr/summaryfor policymakers/(01.04.2024)
  • https://www.ogm.gov.tr/tr/ekutuphane/ (01.03.2024)
  • https://tr.wikipedia.org/wiki/Bal%C4%B1kesir (01.03.2024)
  • https://developers.google.com/earthengine/dataset (01.02.2024)

Monitoring Meteorological Impacts for Forest Fires with Remote Sensing and Data Science Techniques

Year 2025, Volume: 25 Issue: 1, 137 - 143

Abstract

In this study, it was aimed to create a meteorological data set specific to the study area with remote sensing data and techniques and to monitor the meteorological effects of forest fires by using Python codes in the Google Colab environment. In this context, TerraClimate images of the study area were downloaded monthly from the Google Earth Engine Catalog and pre-processed with Arcmap software. A fire/no fire point was created with the coordinates of the forest fire that occurred in the study area. By extracting values for the pixels where these points are located, a data set consisting of 2050 * 8 rows * columns consisting of Evapotranspiration, Wind speed, Humidity, Precipitation, Maximum temperature, Minimum temperature and Potential solar radiation was prepared. Data analysis was made in the Google Colab environment and correlations with forest fires were calculated and they were found -0.57 for Evapotranspiration, 0.20 for Wind speed, -0.13 for Humidity, -0.67 for Precipitation, 0.30 for Maximum temperature, 0.24 for Minimum temperature and 0.13 for Potential solar radiation.

References

  • Alkayış, M.H., Karslioğlu, A. ve Onur, M. İ., 2022. Muğla ili Menteşe yöresi orman yangını risk potansiyeli haritasının coğrafi bilgi sistemleri ile belirlenmesi. Geomatik, 7(1), 10-16. https://doi.org/10.29128/geomatik.791545
  • Beşli, N. ve Tenekeci, E., 2020. Uydu verilerinden karar ağaçları kullanarak orman yangını tahmini. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 11(3), 899-906 https://doi.org/10.24012/dumf.661925
  • Çolak, E. ve Sunar, F., 2020. Evaluation of forest fire risk in the Mediterranean Turkish forests: A case study of Menderes region, Izmir. International journal of disaster risk reduction, 45, 101479. https://doi.org/10.1016/j.ijdrr.2020.101479
  • Kavlak, M. Ö., Kurtipek, A. ve Çabuk, S. N., 2020. Coğrafi Bilgi Sistemleri ile orman yangını risk haritası oluşturulması: Ören örneği. Resilience, 4(1), 33-54. https://doi.org/10.32569/resilience.597887
  • Küçük, Ö. ve Sağlam, B., 2004. Orman yangınları ve hava halleri. Kastamonu Üniversitesi Orman Fakültesi Dergisi, 4(2), 220-231.
  • Mohajane, M., Costache, R., Karimi, F., Pham, Q. B., Essahlaoui, A., Nguyen, H. and Oudija, F., 2021. Application of remote sensing and machine learning algorithms for forest fire mapping in a Mediterranean area. Ecological Indicators, 129, 107869. https://doi.org/10.1016/j.ecolind.2021.107869
  • Naderpour, M., Rizeei, H. M. and Ramezani, F., 2021. Forest fire risk prediction: a spatial deep neural network-based framework. Remote Sensing, 13(13), 2513. https://doi.org/10.3390/rs13132513
  • Novo, A., Fariñas-Álvarez, N., Martínez-Sánchez, J., González-Jorge, H., Fernández-Alonso, J. M. and Lorenzo, H., 2020. Mapping forest fire risk—a case study in Galicia (Spain). Remote Sensing, 12(22), 3705. https://doi.org/10.3390/rs12223705
  • Sabuncu, A. ve Özener, H., 2019. Uzaktan algılama teknikleri ile yanmış alanların tespiti: İzmir Seferihisar orman yangını örneği. Doğal Afetler ve Çevre Dergisi, 2019; 5(2): 317-326 https://doi.org/10.21324/dacd.511688
  • Satir, O., Berberoglu, S. and Donmez, C., 2016. Mapping regional forest fire probability using artificial neural network model in a Mediterranean forest ecosystem. Geomatics, Natural Hazards and Risk, 7(5), 1645-1658. https://doi.org/10.1080/19475705.2015.1084541
  • Sayad, Y. O., Mousannif, H. ve Al Moatassime, H., 2019. Predictive modeling of wildfires: A new dataset and machine learning approach. Fire safety journal, 104, 130-146. https://doi.org/10.1016/j.firesaf.2019.01.006
  • Thach, N. N., Ngo, D. B. T., Xuan-Canh, P., Hong-Thi, N., Thi, B. H., Nhat-Duc, H. ve Dieu, T. B., 2018. Spatial pattern assessment of tropical forest fire danger at Thuan Chau area (Vietnam) using GIS-based advanced machine learning algorithms: A comparative study. Ecological informatics, 46, 74-85 https://doi.org/10.1016/j.ecoinf.2018.05.009
  • Zhang, G., Wang, M. ve Liu, K., 2021. Deep neural networks for global wildfire susceptibility modelling. Ecological Indicators, 127, 107735. https://doi.org/10.1016/j.ecolind.2021.107735
  • Hacisalihoğlu, M., 2018. Çok kriterli karar analizi ile orman yangını risk haritalarının oluşturulması: Karabük örneği. Yüksek Lisans Tezi, Zonguldak Bülent Ecevit Üniversitesi Fen Bilimleri Enstitüsü, Zonguldak, 115.
  • Bilgili, E., Küçük, Ö., Sağlam, B. ve Coşkuner, A. (2021). Orman yangınları: sebepleri, etkileri, izlenmesi, alınması gereken önlemler ve rehabilitasyon faaliyetleri. Prof. Dr. Taşkın KAVZOĞLU (Editör), Türkiye Bilimler Akademisi Yayınları, 3-23. http://dx.doi.org/10.53478/TUBA.2021.039
  • https://www.ipcc.ch/report/ar6/syr/summaryfor policymakers/(01.04.2024)
  • https://www.ogm.gov.tr/tr/ekutuphane/ (01.03.2024)
  • https://tr.wikipedia.org/wiki/Bal%C4%B1kesir (01.03.2024)
  • https://developers.google.com/earthengine/dataset (01.02.2024)
There are 19 citations in total.

Details

Primary Language Turkish
Subjects Statistical Data Science, Photogrammetry and Remote Sensing
Journal Section Articles
Authors

Mustafa Mutlu Uysal 0000-0002-2223-7338

Murat Uysal 0000-0001-5202-4387

Early Pub Date January 28, 2025
Publication Date
Submission Date May 23, 2024
Acceptance Date September 12, 2024
Published in Issue Year 2025 Volume: 25 Issue: 1

Cite

APA Uysal, M. M., & Uysal, M. (2025). Uzaktan Algılama ve Veri Bilimi Teknikleriyle Orman Yangınları için Meteorolojik Etkilerin İzlenmesi. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi, 25(1), 137-143.
AMA Uysal MM, Uysal M. Uzaktan Algılama ve Veri Bilimi Teknikleriyle Orman Yangınları için Meteorolojik Etkilerin İzlenmesi. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi. January 2025;25(1):137-143.
Chicago Uysal, Mustafa Mutlu, and Murat Uysal. “Uzaktan Algılama Ve Veri Bilimi Teknikleriyle Orman Yangınları için Meteorolojik Etkilerin İzlenmesi”. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi 25, no. 1 (January 2025): 137-43.
EndNote Uysal MM, Uysal M (January 1, 2025) Uzaktan Algılama ve Veri Bilimi Teknikleriyle Orman Yangınları için Meteorolojik Etkilerin İzlenmesi. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi 25 1 137–143.
IEEE M. M. Uysal and M. Uysal, “Uzaktan Algılama ve Veri Bilimi Teknikleriyle Orman Yangınları için Meteorolojik Etkilerin İzlenmesi”, Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi, vol. 25, no. 1, pp. 137–143, 2025.
ISNAD Uysal, Mustafa Mutlu - Uysal, Murat. “Uzaktan Algılama Ve Veri Bilimi Teknikleriyle Orman Yangınları için Meteorolojik Etkilerin İzlenmesi”. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi 25/1 (January 2025), 137-143.
JAMA Uysal MM, Uysal M. Uzaktan Algılama ve Veri Bilimi Teknikleriyle Orman Yangınları için Meteorolojik Etkilerin İzlenmesi. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi. 2025;25:137–143.
MLA Uysal, Mustafa Mutlu and Murat Uysal. “Uzaktan Algılama Ve Veri Bilimi Teknikleriyle Orman Yangınları için Meteorolojik Etkilerin İzlenmesi”. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi, vol. 25, no. 1, 2025, pp. 137-43.
Vancouver Uysal MM, Uysal M. Uzaktan Algılama ve Veri Bilimi Teknikleriyle Orman Yangınları için Meteorolojik Etkilerin İzlenmesi. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi. 2025;25(1):137-43.