Investigation of Burned Forest Areas Using Remote Sensing Techniques: The Case of Kozan Forest Fire

Year 2024, , 503 - 514, 11.07.2024

Sevim Yasemin Çiçekli

https://doi.org/10.21605/cukurovaumfd.1514595

Abstract

Forest fires are a frequent disaster in recent years, and the habitats of creatures living in forests are destroyed due to fires. With the loss of vegetation cover, there is an increase in the number and speed of natural disasters such as erosion, floods and air pollution. With developing satellite technologies, it has become possible to use remote sensing techniques in observing forest areas. In this study, changing vegetation after the forest fire that occurred in Kozan district of Adana on August 23, 2020 were observed using Sentinel-2B MSI satellite images. Normalized Burn Ratio (NBR) band ratio technique was applied to Sentinel-2B MSI satellite images detected on July 29, 2020 and August 28, 2020, burned areas were detected using the Differenced Normalized Burn Ratio (dNBR) method, the accuracy analysis was performed. At the end of the study, the burned and damaged area was calculated as 28,26 km2 using the dNBR method determined that the method provided a high accuracy of 96%. By Normalized Difference Vegetation Index (NDVI) method to the Sentinel-2B MSI images, the afforestation work carried out in the post-fire region revealed an increase in vegetation cover of an area of 25 km2.

Keywords

Normalized burn ratio, Differenced normalized burn ratio, Sentinel-2B, Forest fire, Normalized difference vegetation index

Yanmış Orman Alanlarının Uzaktan Algılama Teknikleri ile Araştırılması: Kozan Orman Yangını Örneği

Abstract

Orman yangınları son yıllarda sık meydana gelen bir afet olup, yangınlar sebebiyle ormanlarda yaşayan canlıların yaşam alanları yok olmaktadır. Bitki örtüsünün örtünün yok olmasıyla erozyon, sel-taşkın ve hava kirliliği gibi doğal afetlerin sayısında ve hızında artma görülür. Gelişen uydu teknolojileri ile orman alanlarının gözlemlenmesinde uzaktan algılama tekniklerinin kullanımını mümkün olmuştur. Bu çalışmada 23 Ağustos 2020’de Adana’nın Kozan ilçesinde meydana gelen orman yangını sonrası değişen bitki örtüsü Sentinel-2B MSI uydu görüntüleri kullanılarak gözlemlenmiştir. 29 Temmuz 2020 ve 28 Ağustos 2020 tarihinde algılanmış Sentinel-2B MSI uydu görüntülerine Normalize Yanma Oranı (NBR) bant oranlama tekniği uygulanmış, Fark Normalize Yanma Oranı (dNBR) fark yöntemi kullanılarak yanan alanlar belirlenerek, doğruluk analizi yapılmıştır. Çalışma sonunda yanan ve zarar gören alan dNBR yöntemi ile 28,26 km2 olarak hesaplanmış olup, yöntemin %96 oranında yüksek bir doğruluk sağladığı tespit edilmiştir. Sentinel-2B MSI görüntülerine Normalize Fark Bitki Örtüsü İndeksi (NDVI) uygulanarak yangın sonrası bölgede yapılan ağaçlandırma çalışması 25 km2 lik bir alanın bitki örtüsüne kavuştuğu tespit edilmiştir.

Keywords

Normalize yanma oranı, Fark normalize yanma oranı, Sentinel-2B, Orman yangını, Normalize fark bitki örtüsü indeksi

References

• 1. Özdemir, F.B., Demir, N., 2022. 2019 İzmir Karabağlar İlçesi Orman Yangın Alanının Uydu Görüntüleri ile Analizi. Turkish Journal of Remote Sensing and GIS, 3(1), 20-33.
• 2. Yılmaz, B., Demirel, M., Balçık, F., 2022. Yanmış Alanların Sentinel-2 MSI ve Landsat-8 OLI ile Tespiti ve Analizi: Çanakkale/Gelibolu Orman Yangını. Doğal Afetler ve Çevre Dergisi, 8(1), 76-86.
• 3. Bright, B.C., Hudak, A.T., Kennedy, R.E., Braaten, J.D., Henareh K.A., 2019. Examining Post-Fire Vegetation Recovery with Landsat Time Series Analysis in Three Western North American Forest Types. Fire Ecology, 15(1), 1-14.
• 4. Tsogtgerel, O., Cho, K., 2021. A Study on Evaluating Recovery from Forest Fire in Mongolia Using NDVI and NBR Derived from Landsat Oli Data. The 42nd Asian Conference on Remote Sensing (ACRS2021), 1-8.
• 5. Bıçakcı, C., Yıldız, S.S., 2024. Google Earth Engine ve Coğrafi Bilgi Sistemleri Kullanarak Orman Yangını Şiddetinin Belirlenmesinde Farklı İndekslerin Karşılaştırılması: 2023 Hatay-Belen Yangını Örneği. Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 7(2), 708-719.
• 6. Cavdaroglu G.C., 2021. Google Earth Engine Based Approach for Finding Fire Locations and Burned Areas in Muğla, Turkey. American Journal of Remote Sensing, 9(2), 72-77.
• 7. Yılmaz, O.S., Oruç, M.S., Ateş, A.M., Gülgen, F., 2021. Orman Yangın Şiddetinin Google Earth Engine ve Coğrafi Bilgi Sistemleri Kullanarak Analizi: Hatay-Belen Örneği. Journal of the Institute of Science and Technology, 11(2), 1519-1532.
• 8. T.C. Tarım ve Orman Bakanlığı Adana İl Tarım ve Orman Müdürlüğü, 2020. Kozan İlçesinde Orman Yangını Kontrol Altına Alındı Soğutma Çalışmaları Devam Ediyor, https://adana. tarimorman.gov.tr/Haber/707/Kozan-Ilcesinde-Orman-Yangini-Kontrol-Altina-Alindi-Sogutm a-Calismalari-Devam-Ediyor., Erişim tarihi: 10 Ocak 2024.
• 9. Adana Valiliği, 2021. Kozan Yangınında Yok Olan Orman Alanları Yeniden Ağaçlandırılıyor, http://adana.gov.tr/ms-3453. Erişim tarihi: 10 Ocak 2024.
• 10. ESA, 2023. European Space Agency Data Hub.https://scihub.copernicus.eu/dhus/#/home. Erişim tarihi: 10 Ocak 2024.
• 11. Google LLC, 2024. Google Earth Engine (Computer software) https://earthengine. google.com. Erişim tarihi :6 Mayıs 2024.
• 12. Key, C.H., Benson, N.C., 2006. Landscape Assessment: Ground Measure of Severity, The Composite Burn Index, And Remote Sensing of Severity, The Normalized Burn Ratio, in: Lutes, D.C., Keane, R.E., Caratti, J.F., Key, C.H., Benson, N.C., Sutherland, S., Gangi, L.J. (Gtr.), FIREMON: Fire Effects Monitoring and Inventory System, 1-55, Washington DC.
• 13. Pettorelli, N., Ryan, S., Mueller, T., Bunnefeld, N., Jędrzejewska, B., Lima, M., Kausrud, K., 2011. The Normalized Difference Vegetation Index (NDVI): Unforeseen Successes in Animal Ecology. Climate Research, 46(1), 15-27.
• 14. Yener, H., Koç, A., Çoban, H.O., 2006. Uzaktan Algılama Verilerinde Sınıflandırma Doğruluğunun Belirlenmesi Yöntemleri. İstanbul Üniversitesi Orman Fakültesi Dergisi, Seri B, 56/2.
• 15. Davarcı, M.A., 2011. 2006-2010 Yılları Arasında Seyhan ve Yüreğir İlçelerinde Uzaktan Algılama ile Ekili Ürün Değişimi Tespiti. Yüksek Lisans Tezi, Ç.Ü. Fen Bilimleri Enstitüsü, Adana, 114.
• 16. Çetinkaya, B., Toz, G., 2007. Coğrafi Veri Seçim İşlemi Sonuçlarının Değerlendirilmesinde Hata Matrisinin Kullanımı. İtü Dergisi/D, 6(5-6), 59-68.
• 17. European Forest Fire Information System (EFFIS), https://effis.jrc.ec.europa.eu/about-effis/technical-background/fire-severity. Erişim tarihi: 10 Ocak 2024.
• 18. Bisrat, E., Berhanu, B., 2018. Identification of Surface Water Storing Sites Using Topographic Wetness Index (TWI) and Normalized Difference Vegetation Index (NDVI). Journal of Natural Resources and Development, 8, 91-100.
• 19. Mehta, A., Shukla, S., Rakholia, S., 2021. Vegetation Change Analysis Using Normalized Difference Vegetation Index and Land Surface Temperature in Greater Gir Landscape. J Sci Res, 65(3), 1-6.
• 20. Hashim, H., Abd Latif, Z., Adnan, N.A., 2019. Urban Vegetation Classification with NDVI Threshold Value Method with Very High Resolution (VHR) Pleiades Imagery. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 42, 237-240.
• 21. Öncü, G., Çorumluoğlu, Ö., 2023. Assessment of Forest Fire Damage Severity By Remote Sensing Techniques. International Journal of Environment and Geoinformatics, 10(2), 151-158.
• 22. Yüksel, K., 2022. Yanan Orman Alanı Tespitinde Farklı Uzaktan Algılama İndislerinin Değerlendirilmesi: 2022 Yılı Mersin (Gülnar) Orman Yangını Örneği. ArtGRID- Journal of Architecture Engineering and Fine Arts, 4(2), 160-171.