Kırsal Alanlarda Arazi Kullanımı/Arazi Örtüsü Değişimlerinin Sosyoekonomik Göstergelerle Değerlendirilmesi: Ardahan İli Örneği (1985-2025)

Abstract

Bu çalışmanın amacı, Ardahan ilinde 1985-2025 yılları arasında meydana gelen arazi kullanımı/arazi örtüsü (AK/AÖ) değişimlerini belirlemek ve bu değişimleri sosyoekonomik verilerle birlikte bütüncül bir çerçevede değerlendirmektir. Landsat verileri Sentinel-2 görüntüleriyle bütünleştirilmiş; AK/AÖ sınıfları, Google Earth Engine (GEE) ortamında Random Forest (RF) algoritması kullanılarak yerleşme, tarım, mera, orman ve su alanı olmak üzere beş kategori altında belirlenmiştir. Bulgular, Ardahan’da arazi kullanımının büyük ölçüde korunduğunu; değişimin ise daha çok tarım ve mera alanları arasındaki geçişler ile yerleşme alanlarındaki artış üzerinden gerçekleştiğini göstermektedir. 1985-2025 döneminde mera alanları %10,77 oranında azalırken, tarım alanları %15,23 oranında artmıştır. Bu değişim, Ardahan’da tarımsal arazi kullanımının zaman içinde genişlediğini ve mera alanlarında azalma yaşandığını ortaya koymaktadır. TÜİK verileri de bu değişimlerin sosyoekonomik arka planını desteklemekte; tahıllar ve diğer bitkisel ürünlerin ekim alanındaki artış ile yerli sığır varlığından kültür melezi ve saf kültür sığır varlığına doğru yaşanan değişim, kırsal üretim yapısında niteliksel bir dönüşüme işaret etmektedir. Çalışma bulguları, CORINE verileriyle genel eğilim açısından örtüşmekte; ancak GEE tabanlı analizler yerel ölçekte daha ayrıntılı sonuçlar sunmaktadır. Bu durum, yüksek rakımlı ve bulutluluk oranı yüksek bölgelerde GEE tabanlı çok zamanlı uzaktan algılama analizlerinin kullanılabilirliğini göstermektedir. Sonuçlar, Ardahan’da arazi kullanımının genel olarak korunmasına rağmen tarım, mera ve yerleşme alanlarında izlenen değişimlerin kırsal planlama, mera kullanımı ve sürdürülebilir arazi yönetimi açısından dikkate alınması gerektiğini ortaya koymaktadır.

Keywords

• Arazi kullanımı değişimi
• kırsal arazi kullanımı
• CBS
• uzaktan algılama
• Ardahan

Assessment of Land Use/Land Cover (LULC) Changes in Rural Areas With Socioeconomic Indicators: The Case of Ardahan Province (1985–2025)

Abstract

The aim of this study is to determine the land use/land cover (LULC) changes that occurred in Ardahan Province between 1985 and 2025 and to evaluate these changes within an integrated framework together with socioeconomic data. Landsat data were integrated with Sentinel-2 imagery, and LULC classes were identified under five categories—settlement, agriculture, pasture, forest, and water—using the Random Forest (RF) algorithm in the Google Earth Engine (GEE) environment. The findings show that land use in Ardahan has been largely preserved, while changes have mainly occurred through transitions between agricultural and pasture lands and the expansion of settlement areas. Between 1985 and 2025, pasture areas decreased by 10.77%, whereas agricultural lands increased by 15.23%. This change indicates that agricultural land use has expanded over time in Ardahan and that pasture areas have declined. TURKSTAT data also support the socioeconomic background of these changes; the increase in the cultivated area of cereals and other crop products, together with the shift from native cattle to crossbred and purebred cattle, points to a qualitative transformation in the rural production structure. The findings are consistent with CORINE data in terms of general trends, while GEE-based analyses provide more detailed results at the local scale. Overall, the results indicate that the observed changes in agricultural, pasture, and settlement areas should be considered in rural planning, pasture use, and sustainable land management.

Keywords

• Land use change
• rural land use
• GIS
• remote sensing
• Ardahan

References

1. Aghlmand, M., Kalkan, K., Onur, M. İ., Öztürk, G., & Ulutak, E. (2021). Google Earth Engine ile arazi kullanımı haritalarının üretimi. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, 10(1), 38-47. https://doi.org/10.28948/ngumuh.795977
2. Algan, Ö., & Özdemir, M. A. (2024). Yatağan Ovası ve yakın çevresinde (Muğla) arazi kullanımının zamana bağlı değişimi (1984–2022). Social Sciences Studies Journal (SSSJournal), 9(109), 6133–6147. https://doi.org/10.29228/sssj.68686
3. Arpitha, M., Ahmed, S. A., & Harishnaika, N. (2023). Land use and land cover classification using machine learning algorithms in Google Earth Engine. Earth Science Informatics, 16, 3057–3073. https://doi.org/10.1007/s12145-023-01073-w
4. Aydoğdu, M., & Bakırcı, M. (2022). Tekirdağ şehri ve yakın çevresinde arazi kullanımının zamansal ve mekânsal değişiminin karşılaştırmalı analizi (1990–2020). International Journal of Geography and Geography Education (IGGE), (45), 298–319. https://doi.org/10.32003/igge.961076
5. Aygün, G., & Akbulak, C. (2017). Ardahan ili organik hayvancılık potansiyelinin değerlendirilmesi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 53, 144–161. https://izlik.org/JA55HZ94CN
6. Ayhan, F. (2023). Otoyol projelerinin mekânsal değişim ve gelişim üzerine etkileri: Kuzey Marmara Otoyolu Sakarya Kesimi. Coğrafi Bilimler Dergisi, 21(1), 121–152. https://doi.org/10.33688/aucbd.1236477
7. Basheer, S., Wang, X., Farooque, A. A., Nawaz, R. A., Liu, K., Adekanmbi, T., & Liu, S. (2022). Comparison of land use land cover classifiers using different satellite imagery and machine learning techniques. Remote Sensing, 14(19), 4978. https://doi.org/10.3390/rs14194978
8. Bayar, R. (2018). Arazi kullanımı açısından Türkiye’de tarım alanlarının değişimi. Coğrafi Bilimler Dergisi, 16(2), 187–200. https://doi.org/10.1501/Cogbil_0000000197

9. Bayar, R. (2020). Ankara şehri kentsel büyüme alanlarının arazi uygunluk analizi. Ankara Üniversitesi Dil ve Tarih-Coğrafya Fakültesi Dergisi, 60(1), 39-59. https://izlik.org/JA25TT27MX
10. Bayar, R., & Karabacak, K. (2020). Arazi örtüsü üzerindeki beşerî etkinin belirlenmesi: Ankara ili örneği. Coğrafya Dergisi, 41, 29–43. https://doi.org/10.26650/JGEOG2019-0043
11. Bayrak, M., Yulu, A., & Öztürk, Y. (2022). Balıkgöl (Ağrı) kıyılarında arazi örtüsü/kullanımının zamansal değişimi (1989-2021). Coğrafi Bilimler Dergisi, 20(1), 282-309. https://doi.org/10.33688/aucbd.1063557
12. Belgiu, M., & Drăguţ, L. (2016). Random forest in remote sensing: A review of applications and future directions. ISPRS Journal of Photogrammetry and Remote Sensing, 114, 24–31. https://doi.org/10.1016/j.isprsjprs.2016.01.011
13. Bolat, S., & Doğan, M. (2022). Uzun dönemli (1984–2020) arazi kullanımı değişiminin tespiti ve modellemesi (2035): Gölcük İlçesi’nin analizi. Coğrafya Dergisi, 44, 169–181. https://doi.org/10.26650/JGEOG2022-997334
14. Breiman, L. (2001). Random forests. Machine Learning, 45, 5–32. https://doi.org/10.1023/A:1010933404324
15. Canpolat, F. A., & Dağlı, D. (2020). Elâzığ ilinde arazi kullanımı değişimi (2006–2018) ve simülasyonu (2030). International Journal of Geography and Geography Education (IGGE), (42), 702–723. https://doi.org/10.32003/igge.746668
16. Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1), 37–46. https://doi.org/10.1177/001316446002000104
17. Congalton, R. G. (1991). A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, 37(1), 35–46. https://doi.org/10.1016/0034-4257(91)90048-B
18. Coşkun, M., & Minaz, D. (2024). Suğla Gölü (Konya) alansal değişiminin (1984/2022) uzaktan algılama ve CBS teknikleriyle analizleri. International Journal of Geography and Geography Education, 52, 141-158. https://doi.org/10.32003/igge.1403272
19. Çelik, M. Ö., & Yakar, M. (2023). Arazi kullanımı ve arazi örtüsü değişikliklerinin uzaktan algılama ve CBS yöntemi ile izlenmesi: Mersin, Türkiye örneği. Türkiye Coğrafi Bilgi Sistemleri Dergisi, 5(1), 43-51. https://doi.org/10.56130/tucbis.1300704
20. Danacıoğlu, Ş. (2023). Arazi örtüsü haritalamasında farklı makine öğrenmesi algoritmalarının değerlendirilmesi: İzmir ili örneği. Türk Coğrafya Dergisi, (84), 105-117. https://doi.org/10.17211/tcd.1296893
21. Danacıoğlu, Ş., & Öngül, H. C. (2023). Güzelhisar havzasında endüstriyel gelişmenin arazi kullanımı ve arazi örtüsü özellikleri üzerindeki etkisinin bulut tabanlı makine öğrenme teknikleri ile değerlendirilmesi. Ege Coğrafya Dergisi, 32(1), 135-150. https://doi.org/10.51800/ecd.1224255
22. Demir, M. (2022). CORINE sistemine göre Kars ilinde arazi örtüsü/arazi kullanımı, değişimi ve projeksiyonu. Journal of Geography, 43, 93-110. https://doi.org/10.26650/JGEOG2021-887753
23. Demirağ Turan, İ., Dengiz, O., & Kaya, N. S. (2021). Arazi örtüsü/arazi kullanım değişimlerinin farklı zamanlı Landsat uydu görüntüleri ile belirlenmesi: Çarşamba Delta Ovası örneği. ÇOMÜ Ziraat Fakültesi Dergisi, 9(1), 141-152. https://doi.org/10.33202/comuagri.857787
24. Dengiz, O., & Demirağ Turan, İ. (2014). Uzaktan algılama ve coğrafi bilgi sistem teknikleri kullanılarak arazi örtüsü/arazi kullanımı zamansal değişimin belirlenmesi: Samsun Merkez İlçesi örneği (1984–2011). Türkiye Tarımsal Araştırmalar Dergisi, 1(1), 78-90. https://doi.org/10.19159/tutad.45474
25. Denker, B. (1977). Yerleşme coğrafyası: Kır yerleşmeleri. İstanbul Üniversitesi Yayınları.
26. Döker, M. F., & Gül, A. (2019). Adapazarı’nda şehirsel büyüme süreci ve arazi kullanım değişiminin izlenmesi (1985-2019). Türk Coğrafya Dergisi, 73, 67–78. https://doi.org/10.17211/tcd.616796
27. EEA (European Environment Agency). (2020). CORINE Land Cover technical guidelines 2018. EEA Technical Report No. 19/2020. https://www.eea.europa.eu/publications
28. Ellis, E., & Pontius, R. (2007). Land-use and land-cover change. Encyclopedia of Earth, 1, 1-4.
29. Ellis, F. (2000). Rural livelihoods and diversity in developing countries. Oxford University Press.
30. Ellis, E.C. (2015), Ecology in an anthropogenic biosphere. Ecological Monographs, 85, 287-331. https://doi.org/10.1890/14-2274.1
31. Foley, J. A., DeFries, R., Asner, G. P., Barford, C., Bonan, G., Carpenter, S. R., Chapin, F. S., Coe, M. T., Daily, G. C., Gibbs, H. K., Helkowski, J. H., Holloway, T., Howard, E. A., Kucharik, C. J., Monfreda, C., Patz, J. A., Prentice, I. C., Ramankutty, N., & Snyder, P. K. (2005). Global consequences of land use. Science, 309(5734), 570–574. https://doi.org/10.1126/science.1111772
32. Foody, G. M. (2002). Status of land cover classification accuracy assessment. Remote Sensing of Environment, 80(1), 185–201. https://doi.org/10.1016/S0034-4257(01)00295-4
33. Garipağaoğlu, N., & Duman, E. (2018). Çatalca İlçesi’nin arazi kullanımında meydana gelen değişimler (1987-2016). Marmara Coğrafya Dergisi, 37, 219-232. https://doi.org/10.14781/mcd.386372
34. Ghayour, L., Neshat, A., Paryani, S., Shahabi, H., Shirzadi, A., Chen, W., Al-Ansari, N., Geertsema, M., Pourmehdi Amiri, M., Gholamnia, M., Dou, J., & Ahmad, A. (2021). Performance evaluation of Sentinel-2 and Landsat 8 OLI data for land cover/use classification using a comparison between machine learning algorithms. Remote Sensing, 13(7), 1349. https://doi.org/10.3390/rs13071349
35. Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202, 18–27. https://doi.org/10.1016/j.rse.2017.06.031
36. Gül, A., Döker, M. F., & Aslan, F. (2024). Manisa’da şehirsel büyüme sürecinin izlenmesi (1990-2022). International Journal of Geography and Geography Education, 52, 96-121. https://doi.org/10.32003/igge.1449012
37. Gülersoy, A. E. (2014). Yanlış arazi kullanımı. Elektronik Sosyal Bilgiler Eğitimi Dergisi, 1(2), 49-128.
38. Hall, D. K., Riggs, G. A., & Salomonson, V. V. (1995). Development of methods for mapping global snow cover using moderate resolution imaging spectroradiometer data. Remote Sensing of Environment, 54(2), 127-140. https://doi.org/10.1016/0034-4257(95)00137-P
39. Hansen, M. C., & Loveland, T. R. (2012). A review of large area monitoring of land cover change using Landsat data. Remote Sensing of Environment, 122, 66–74. https://doi.org/10.1016/j.rse.2011.08.024
40. Huete, A. R. (1988). A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, 25(3), 295–309. https://doi.org/10.1016/0034-4257(88)90106-X
41. Kaçmaz, M., & Döker, M. F. (2021). Sapanca Gölü Havzası’nda arazi kullanımı ve mekânsal değişim. Coğrafi Bilimler Dergisi, 19(1), 161-194. https://doi.org/10.33688/aucbd.872216
42. Karabacak, K., & Özçağlar, A. (2013). Karpaz Yarımadasında tarımsal arazi kullanımı ve planlama önerileri. Coğrafi Bilimler Dergisi, 11(2), 121-148. https://doi.org/10.1501/Cogbil_0000000146
43. Karademir, D., & Doğan, M. (2019). Kilis ilinde arazi kullanımında meydana gelen değişimler (1990–2018). Journal of Awareness, 4(3), 329–342. https://doi.org/10.26809/joa.4.025
44. Keloğlu, E., & Bayar, R. (2022). Aydın ili Efeler İlçesi’nde potansiyel arazi kullanımı çatışma alanlarının LUCIS Modeli ile belirlenmesi. Coğrafi Bilimler Dergisi, 20(1), 161-190. https://doi.org/10.33688/aucbd.1060047
45. Koçman, A. (1981). Yukarı Kura Nehri havzasının genel jeomorfolojik özellikleri ve evrimi. Jeomorfoloji Dergisi, 10, 1–31.
46. Koday, S., & Kızılkan, Y. (2019). Çok zamanlı Landsat uydu görüntülerinin LULC ve NDVI analizleri ile Ünye ilçesinde arazi kullanımı değişimlerinin belirlenmesi. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 23(3), 1301–1312. https://izlik.org/JA79LW25BB
47. Lambin, E. F., Turner, B. L., Geist, H. J., Agbola, S. B., Angelsen, A., Bruce, J. W., Coomes, O. T., Dirzo, R., Fischer, G., Folke, C., George, P. S., Homewood, K., Imbernon, J., Leemans, R., Li, X., Moran, E. F., Mortimore, M., Ramakrishnan, P. S., Richards, J. F., . . . Xu, J. (2001). The causes of land-use and land-cover change: moving beyond the myths. Global Environmental Change, 11(4), 261–269. https://doi.org/10.1016/S0959-3780(01)00007-3
48. Landis, J. R., & Koch, G. G. (1977). The measurement of observer agreement for categorical data. Biometrics, 33, 159–174. https://doi.org/10.2307/2529310
49. Lillesand, T., Kiefer, R. W., & Chipman, J. (2015). Remote sensing and image interpretation. John Wiley & Sons. Lu, D., & Weng, Q. (2007). A survey of image classification methods and techniques for improving classification performance. International Journal of Remote Sensing, 28(5), 823-870. https://doi.org/10.1080/01431160600746456
50. Markham, B. L. (1986). Landsat MSS and TM post-calibration dynamic ranges, exoatmospheric reflectances and at-satellite temperatures. Landsat Technical Notes, 1, 3-8.
51. Meteoroloji Genel Müdürlüğü. (2025). Resmi iklim istatistikleri. T.C. Çevre, Şehircilik ve İklim Değişikliği Bakanlığı. https://www.mgm.gov.tr/veridegerlendirme/il-ve-ilceler-istatistik.aspx?k=A&m=ARDAHAN
52. Meyer, W. B., & Turner, B. L. (Eds.). (1994). Changes in land use and land cover: A global perspective (Vol. 4). Cambridge University Press.
53. Olğaç, İ., & Doğan, M. (2020). Edirne Şehri’nin arazi kullanımının zamansal değişimi (1990-2018). Uluslararası Yönetim Akademisi Dergisi, 3(1), 26-36. https://doi.org/10.33712/mana.710859
54. Oo, T. K., Arunrat, N., Sereenonchai, S., Ussawarujikulchai, A., Chareonwong, U., & Nutmagul, W. (2022). comparing four machine learning algorithms for land cover classification in gold mining: A case study of Kyaukpahto Gold Mine, Northern Myanmar. Sustainability, 14(17), 10754. https://doi.org/10.3390/su141710754
55. Önkol, C., & Mentese, S. (2023). Uzaktan algılama ve coğrafi bilgi sistemleri teknikleri kullanarak arazi kullanımının zamansal değişiminin belirlenmesi: Pamukova (Sakarya) örneği (1984-2022). Ege Coğrafya Dergisi, 32(2), 343-359. https://doi.org/10.51800/ecd.1269765
56. Pal, M. (2005). Random forest classifier for remote sensing classification. International Journal of Remote Sensing, 26(1), 217–222. https://doi.org/10.1080/01431160412331269698
57. Polat, P., & Yalçın, F. (2020). Erzincan İli arazi kullanımının (2000-2018 yılları arası) CORINE sistemi ile değerlendirilmesi. Doğu Coğrafya Dergisi, 25(44), 125-150. https://doi.org/10.17295/ataunidcd.784390
58. Pontius Jr, R. G., Shusas, E., & McEachern, M. (2004). Detecting important categorical land changes while accounting for persistence. Agriculture, Ecosystems & Environment, 101(2-3), 251-268. https://doi.org/10.1016/j.agee.2003.09.008
59. Rouse, J. W., Haas, R. H., Schell, J. A., & Deering, D. W. (1974). Monitoring vegetation systems in the Great Plains with ERTS. NASA Special Publication, 351, 309–317.
60. Roy, D. P., Wulder, M. A., Loveland, T. R., Woodcock, C. E., Allen, R. G., Anderson, M. C., Helder, D., Irons, J. R., Johnson, D. M., Kennedy, R., & others. (2014). Landsat-8: Science and product vision for terrestrial global change research. Remote Sensing of Environment, 145, 154–172. https://doi.org/10.1016/j.rse.2014.02.001
61. Sandıkçıoğlu, M., & Uzun, A. (2024). Gölbaşı Havzası’nda arazi kullanımının zamansal (1984-2020) değişimi, Adıyaman/Türkiye. Coğrafi Bilimler Dergisi, 22(2), 614-644. https://doi.org/10.33688/aucbd.1469357
62. Sellami, E. M., & Rhinane, H. (2023). A new approach for mapping land use/land cover using google earth engine: A comparison of composition images. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 48, 343-349. https://doi.org/10.5194/isprs-archives-XLVIII-4-W6-2022-343-2023
63. SERKA. (2025). Ardahan coğrafya. Serhat Kalkınma Ajansı. Erişim tarihi: 14 Haziran 2026, https://www.serka.gov.tr/bolgemiz/ardahan/ardahan-cografya
64. Sertkaya Doğan, Ö. (2018). Nüfus coğrafyası. Ö. Sertkaya Doğan & M. Doğan (Eds.), Beşerî ve ekonomik coğrafya içinde (ss. 27–54). Pegem Akademi.
65. Shafizadeh-Moghadam, H., Khazaei, M., Alavipanah, S. K., & Weng, Q. (2021). Google Earth Engine for large-scale land use and land cover mapping: An object-based classification approach using spectral, textural and topographical factors. GIScience & Remote Sensing, 58(6), 914–928. https://doi.org/10.1080/15481603.2021.1947623
66. Shao, Y., & Lunetta, R. S. (2012). Comparison of support vector machine, neural network, and CART algorithms for the land-cover classification using limited training data points. ISPRS Journal of Photogrammetry and Remote Sensing, 70, 78-87. https://doi.org/10.1016/j.isprsjprs.2012.04.001
67. Sidhu, N., Pebesma, E., & Câmara, G. (2018). Using Google Earth Engine to detect land cover change: Singapore as a use case. European Journal of Remote Sensing, 51(1), 486–500. https://doi.org/10.1080/22797254.2018.1451782
68. Talukdar, S., Singha, P., Mahato, S., Shahfahad, Pal, S., Liou, Y.-A., & Rahman, A. (2020). Land-use land-cover classification by machine learning classifiers for satellite observations—A review. Remote Sensing, 12(7), 1135. https://doi.org/10.3390/rs12071135
69. Tunalı, E., & Akengin, H. (2024). Silivri’de arazi kullanımı değişimi (1990–2022) ve modellenmesi (2038–2054). International Journal of Geography and Geography Education (IGGE), 52, 71–95. https://doi.org/10.32003/igge.1440715
70. Tunçdilek, N. (1985). Türkiye'de relief şekilleri ve arazi kullanımı (Vol. 3). İstanbul Üniversitesi Fen Fakültesi. TÜİK. (2024a). Bitkisel üretim istatistikleri. Türkiye İstatistik Kurumu. https://data.tuik.gov.tr/Kategori/GetKategori?p=tarim-111&dil=1
71. TÜİK. (2024b). Nüfus ve Demografi İstatistikleri. Türkiye İstatistik Kurumu. https://data.tuik.gov.tr/Kategori/GetKategori?p=Nufus-ve-Demografi-109
72. United States Geological Survey. (2020). Landsat surface reflectance code (LaSRC) product guide. U.S. Geological Survey.
73. Vermote, E., Justice, C., Claverie, M., & Franch, B. (2016). Preliminary analysis of the performance of the Landsat 8/OLI land surface reflectance product. Remote Sensing of Environment, 185, 46–56. https://doi.org/10.1016/j.rse.2016.04.008
74. Xu, H. (2006). Modification of normalized difference water index (NDWI) to enhance open water features in remotely sensed imagery. International Journal of Remote Sensing, 27(14), 3025–3033. https://doi.org/10.1080/01431160600589179
75. Zha, Y., Gao, J., & Ni, S. (2003). Use of normalized difference built-up index in automatically mapping urban areas from TM imagery. International Journal of Remote Sensing, 24(3), 583–594. https://doi.org/10.1080/01431160304987
76. Zhao, Z., Islam, F., Waseem, L. A., Tariq, A., Nawaz, M., Islam, I. U., Bibi, T., Rehman, N. U., Ahmad, W., Aslam, R. W., Raza, D., & Hatamleh, W. A. (2024). Comparison of three machine learning algorithms using Google Earth Engine for land use land cover classification. Rangeland Ecology & Management, 92, 129-137. https://doi.org/10.1016/j.rama.2023.10.007
77. Zhu, Z., & Woodcock, C. E. (2012). Object-based cloud and cloud shadow detection in Landsat imagery. Remote Sensing of Environment, 118, 83–94. https://doi.org/10.1016/j.rse.2011.10.028
78. Zurqani, H. A., Post, C. J., Mikhailova, E. A., Schlautman, M. A., & Sharp, J. L. (2018). Geospatial analysis of land use change in the Savannah River Basin using Google Earth Engine. International Journal of Applied Earth Observation and Geoinformation, 69, 175–185. https://doi.org/10.1016/j.jag.2018.01.011