Detection of Burned Areas by Remote Sensing Techniques: İzmir Seferihisar Forest fire case study

Abstract

The cause of damage to the environment, forest fires have a significant role in order to give way to natural disasters in the world. Forest fires not only affect ecosystems negatively, but also cause serious problems in economic and social life. As a result of forest fires that occurred between the years of 1937-2016 in Turkey 1,661,506 hectares of forest area was burnt. It is sometimes difficult and impossible to collect data from forests after forest fires. In addition, remote sensing techniques and algorithms are frequently used in determining the burning areas considering the long duration and the cost will be high. Different satellite images (Landsat, MODIS, SPOT, etc.) in various properties are important data sets of remote sensing technology which is frequently used in recent years to map fire intensity, fire damage and burnt zones. In this study, forest fire that occurred and continued 4 days in Seferihisar district of İzmir province on August 9, 2009 was analyzed by remote sensing techniques using Landsat 5 satellite images. Two Landsat images acquired in July 2009 as pre fire and in August 2009 as post-fire. In this study, the capacity of Normalized Burn Ratio (NBR) and Normalized Difference Vegetation Index (NDVI) indices and differenced Normalized Difference Vegetation Index (dNDVI) derived from Landsat 5 images have been analyzed in order to assess the fire severity. Besides NDVI and NBR indices results, maximum likelihood algorithm which is supervised classification method was applied to pre and post fire satellite images. The burnt area after forest fire was calculated as 711 ha with dNDVI, 695 ha with dNBR and 665 ha with maximum likelihood algorithm of pixel based supervised classification method. Based on the three different methods of results are compatible, rational and consistent with the results of the General Directorate of Forestry.

Keywords

• Pixel Based Image Analysis,Izmir-Seferihisar Forest Fire,Remote Sensing,NBR-dNBR,NDVI

Uzaktan Algılama Teknikleri ile Yanmış Alanların Tespiti: İzmir Seferihisar Orman Yangını Örneği

Abstract

Çevreye verdiği zararlar nedeni ile orman yangınları dünyada doğal afetler içinde önemli bir yere sahiptir. Orman yangınları sadece ekosistemleri olumsuz etkilemekle kalmayıp, aynı zamanda ekonomik ve sosyal yaşamda da ciddi sorunlara neden olmaktadır. Türkiye’de 1937-2016 yılları arasında meydana gelen orman yangınları sonucu 1.661.506 hektarlık orman alanı yanarak tahrip olmuştur. Orman yangınları sonrası araziden veri toplamak zaman zaman zor ve imkânsız olabilmektedir. Ayrıca yaşanan afet sonrası arazi çalışmaları uzun süreceği ve maliyetinin fazla olacağı göz önüne alınarak yanan alanların belirlenmesinde günümüzde uzaktan algılama teknolojilerine ve bu alanda kullanılan algoritmalarına sıklıkla başvurulmaktadır. Çeşitli özelliklere sahip farklı uydu görüntüleri (Landsat, MODIS, SPOT, vb.), yangın şiddetini, yangın hasarlarını ve yanmış bölgeleri haritalamak için son yıllarda sıklıkla kullanılan uzaktan algılama teknolojisinin önemli veri setleridir. Bu çalışmada 9 Ağustos 2009 tarihinde İzmir ili Seferihisar ilçesinde meydana gelen ve 4 gün süren orman yangını, Landsat 5 uydu görüntüleri kullanılarak uzaktan algılama teknikleri ile analiz edilmiştir. Çalışma bölgesine ait orman yangını öncesi Temmuz 2009 ve orman yangını sonrası Ağustos 2009 tarihli görüntüler alınarak Normalize Edilmiş Yanma Şiddeti (Normalized Burned Ratio-NBR) ve Normalize Edilmiş Vejetasyon İndeksi (Normalized Differenced Vegetation Index - NDVI) indeksleri ile bu indekslerin farkları kullanılarak elde edilen Fark Normalize Edilmiş Yanma Şiddeti (Difference Normalized Burned Ratio-Dnbr) ve Fark Normalize Edilmiş Vejetasyon İndeksleri kullanılarak yanarak tahrip olmuş alanlar tespit edilmiştir. Veri setine ayrıca piksel tabanlı kontrollü sınıflandırmanın maksimum benzerlik algoritması uygulanmıştır. Orman yangını sonrası yanarak tahrip olan alan dNDVI ile 711 ha, dNBR ile 695 ha, piksel tabanlı kontrollü sınıflandırma yönteminin maksimum benzerlik algoritması ile de 665 ha olarak hesaplanmıştır. Üç farklı yöntemin sonuçları Orman Genel Müdürlüğü sonuçları ile uyumlu ve tutarlı olduğu sonucuna varılmıştır.

Keywords

• Piksel Tabanlı Sınıflandırma,Uzaktan Algılama,İzmir-Seferihisar Orman Yangını,NBR-dNBR,NDVI

References

1. Abatzoglou John T., Williams A.P., (2016), Impact of Anthropogenic Climate Change on Wildfire Across Western us Forests, Proceedings of the National Academy of Sciences, 113, 11770 – 11775.
2. Algancı U., Sertel E., Ormeci C., (2010), Forest Fire Damage Estimation Using Remote Sensing and GIS, 30th EARSeL Symposium Remote Sensing for Science, Education, and Natural and Cultural Heritage UNESCO, 31 May - 3 June, Paris, France.
3. Atmış E., Günşen H.B., (2016), Kentleşmenin Türkiye Ormancılığının Dönüşümüne Etkisi (1990-2010 Dönemi), Journal of the Faculty of Forestry Istanbul University, 66 (1), 16-29.
4. Avcı M., Boz K., (2017), Mersin-Gülnar Ormanlarında Yangın Sorunu, Yangınların Dağılımı ve Büyük Yangınların Değerlendirilmesi, Türkiye Ormancılık Dergisi, 18(2), 160 – 170.
5. Barbero R., Abatzoglou J.T., Larkın N.K., Kolden C.A., Stocks B., (2015), Climate Change Presents İncreased Potential For Very Large Fires in the Contiguous United States, International Journal of Wildland Fire, 24, 892 - 899.
6. Bilgili E., Küçük Ö., (2001), Yanıcı Madde Durumunun Yangın Hassasiyet Sınıflarının Belirlenmesindeki Önemi, I Ulusal Ormancılık Kongresi, 19-20 Mart, Ankara.
7. Chen W., Moriya K., Sakai T., Koyama L., Cao C.X., (2016), Mapping a burned forest area from Landsat TM data by multiple methods, Geomatics, Natural Hazards and Risk, 7(1), 384- 402.
8. Chuvieco E., Aguado I., Jurdao S., Pettinari M.L., Yebra M., Salas J., Hantson S., De La Riva J., Ibarra P., Rodrigues M., Echeverria M., Azqueta D., Roman M.V., Bastarrika A., Martinez S., Recondo C., Zapico E., Martinez-Vega F.J., (2012), Integrating Geospatial Information into Fire Risk Assessment, International Journal of Wildland Fire, 23, 606 - 619.

9. Çekmek M., (2018), Vahşi Orman Yangınlarının Kanada Orman Yangın Hava İndeksi Yöntemi İle Analizi: Çanakkale Örneği, Yüksek lisans Tezi, Çanakkale Onsekiz Mart Üniversitesi, Sosyal Bilimler Enstitüsü, Coğrafya Anabilim Dalı, Çanakkale, Türkiye.
10. Doherty M.D., Lavorel S., CollOff M.J., Williams K.J., Williams R.J., (2017), Moving From Autonomous To Planned Adaptation in the Montane Forests Of Southeastern Australia Under Changing Fire Regimes, Austral Ecology, 42, 309–316.
11. Dowdy A.J., Mills G.A., Finkele K., De Groot W., (2009), Australian Fire Weather As Represented by the Mcarthur Forest Fire Danger Index and the Canadian Forest Fire Weather Index, The Centre For Australian Weather and Climate Research, CAWCR Technical Report No: 10, Melbourne, Australia, 91ss.
12. Dragozi E., Gitas I.Z., Stavrakoudis D.G., Theocharis J.B., (2014), Burned area mapping using support vector machines and the FuzCo feature selection method on VHR IKONOS imagery, Remote Sensing, 6 (12), 12005-12036.
13. Esemen K., (2011), Forest Fires Analysis Using Satellite Imagery, Yüksek lisans tezi, İstanbul Teknik Üniversitesi, Bilişim Enstitüsü, İstanbul, Türkiye.
14. Göktepe S., Avcı M., (2015), Muğla-Fethiye Ormanlarında Yangın Sorunu, Yangınların Dağılımı ve Yangınlar Üzerinde Etkili Olan Faktörler, Turkish Journal of Forestry (Türkiye Ormancılık Dergisi),16(2), 130-140.
15. Gülersoy A.E., (2014), Seferihisar’da Arazi Kullanımının Zamansal Değişimi (1984-2010) ve İdeal Arazi Kullanımı İçin Öneriler, SDÜ Fen Edebiyat Fakültesi, 31, 155-180.
16. Hacısalihoğlu M., (2018), Çok Kriterli Karar Analizi ile Orman Yangını Risk Haritalarının Oluşturulması: Karabük örneği, Yüksek lisans tezi, Zonguldak Bülent Ecevit Üniversitesi, Zonguldak, Türkiye.
17. Hatfield J. L., Kanemasu E. T., Asrar G., Jackson R. D., Pinter P.J. Jr., Reginato R. J., Id S.B., (1985), Leaf area estimates from spectral measurements over various planting dates of wheat, Int.J. Remote Sensing, 6(1), 67–75.
18. İnan Ç., (2018), Uydu Görüntü Verileri Kullanılarak Orman Yangın Analizi, Yüksek lisans tezi, İstanbul Teknik Üniversitesi, Bilişim Enstitüsü, İstanbul, Türkiye.
19. Kandemir E., (2010), Uzaktan Algılama Tekniğinde NDVI Değerleri ile Doğal Bitki Örtüsü Tür Dağılımı Arasındaki İlişkilerin Belirlenmesi Üzerine Araştırmalar, Yüksek Lisans Tezi, Ege Üniversitesi, İzmir.
20. Kane V.R., Cansler C.A., Povak N.A., Kane J.T., Mcgaughey R.J., Lutz J.A., Churchıll D.J., North M.P., (2015), Mixed Severity Fire Effects Within the Rim Fire: Relative Importance of Local Climate, Fire Weather, Topography and Forest Structure, Forest Ecology and Management, 358, 62–79.
21. Kavzoglu T., Yildiz M., Tonbul H., (2016), Evaluating Performances of Spectral Indices for Burned Area Mapping Using Object-Based Image Analysis, 12th International Symposium on Spatial Accuracy Assessment in Natural Resources and Environmental Sciences, 5 - 8, Montpellier, France.
22. Key C.H., Benson N.C., (2006), Landscape assessment (LA) sampling and analysis methods, USDA Forest Service, Rocky Mountain Research Station, General Technical Report RMRS-GTR-164-CD, 55ss.
23. Koutsias N., Karteris M., (2000), Burned area mapping using logistic regression modeling of a single post-fire Landsat-5 Thematic Mapper image, International Journal of Remote Sensing, 21(4), 673-687.
24. Küçük Ö., Ünal S., (2005), Yangın Hassasiyet Derecesinin Belirlenmesi: Taşköprü Orman İşletme Müdürlüğü Örneği, Kafkas Üniversitesi, Artvin Orman Fakültesi Dergisi, 6(1-2): 28-34.
25. Küçükosmanoğlu M.A., Ayberk H., Küçükosmanoğlu A., (2015), İstanbul Orman Bölge Müdürlüğü'nde Orman Yangınlarına Karşı Alınan Koruma ve Savaş Uygulamalarının İrdelenmesi, Journal of The Faculty of Forestry Istanbul University, 65(1), 41-52.
26. Lanorte A., Danese M., Lasaponara R., Murganate B., (2013), Multiscale Mapping of Burn Area and Severity Using Multisensor Satellite Data and Spatial Autocorrelation Analysis, International Journal of Applied Earth Observation and Geoinformation, 20, 42–51.
27. Li Z., Fraser R., Jin J., Abuelgasim A. A., Csiszar I., Gong P., Hao W., (2003), Evaluation of algorithms for fire detection and mapping across North America from satellite, Journal of Geophysical Research: Atmospheres, 108(D2):4076, 1-12.
28. Lopez S., Gonzalez F., Llop R., Cuavas J. M., (2007), An Evaluation of the Utility of NOAA AVHRR Images For Monitoring Forest Fire Risk in Spain. International Journal of Remote Sensing, 12, 1841 - 1851.
29. Miller J.D., Thode A.E., (2007), Quantifying Burn Severity in A Heterogeneous Landscape with A Relative Version of The Delta Normalized Burn Ratio (dNBR), Remote Sensing of Environment, 109, 66–80.
30. Molders N., (2010), Comparison Of Canadian Forest Fire Danger Rating System and National Fire Danger Rating System Fire Indices Derived From Weather Research and Forecasting (Wrf) Model Data For the June 2005 Interior Alaska Wildfires, Atmospheric Research, 95, 290 – 306.
31. Neary D.G., Klopatek C.C., Debano L.F., Folliott P.F., (1999), Fire effects on belowground sustainability: a review and synthesis, Forest Ecology and Management, 122(1-2): 51-71.
32. Özhatay N., Kültür Ş., (2006), Check-list of additional taxa to the Supplement Flora of Turkey III, Turkish Journal of Botany, 30(2006), 281-316.
33. Özhatay N., Kültür Ş., Aslan S., (2009), Check-list of additional taxa to the supplement Flora of Turkey IV, Turkish Journal of Botany, 33(2009), 191-226.
34. Özhatay F.N., Kültür Ş., Gürdal M.B., (2011), Check-list of additional taxa to the supplement Flora of Turkey V, Turkish Journal of Botany, 35(2011), 589-624.
35. Perry G.L.W., Wilmshurst J.M., Mcglone M.S., (2014), Ecology and Long-Term History of Fire in New Zealand, New Zealand Journal of Ecology, 38, 157– 176.
36. Robichaud P.R., (2000), Fire effects on infiltration rates after prescribed fire in northern Rocky Mountain forests,USA, Journal of Hydrology, 231-232: 220-229.
37. Rogan J., Franklin J., (2001), Mapping wildfire burn severity in southern California forests and shrublands using Enhanced Thematic Mapper imagery, Geocarto International, 16(4), 91-106.
38. Roy D.P., Boschetti L., Trigg S.N., (2006), Remote Sensing of Fire Severity: Assessing The Performance of The Normalized Burn Ratio, IEEE Geoscience and Remote Sensing Letters, 3, 112–116.
39. Rulli M.C., Rosso R., (2007), Hydrologic response of upland catchments to wildfires, Advances in Water Resources, 30: 2072–2086.
40. Sanjuan G., Brun C., Margalef T., Cortes A., (2014), Wind Field Uncertainty in Forest Fire Propagation Prediction. Procedia Computer Science, International Conference on Computational Science, 29, 1535 – 1545.
41. Schelhaas M.J., Nabuurs G.J., Hengeveld G., Reyer C., Hanewinkel M., Zimmermann N. E., Cullmann D., (2015), Alternative Forest Management Strategies To Account For Climate Change-Induced Productivity and Species Suitability Changes in Europe, Regional Environmental Change, 15(8), 1581 – 1594.
42. Shijo J.S., Anitha K., Murthy M.S.R., (2009), Forest Fire in India: A Review of the Knowledge Base, Journal of Forest Research, 14:3, 127-134.
43. Tonbul H., (2015), Uydu Görüntü Verileri Kullanılarak Orman Yangın Şiddeti ve Yangın Sonrası Durumun Zamansal Olarak İncelenmesi: Akdeniz Bölgesi örneği, Yüksek lisans tezi, İstanbul Teknik Üniversitesi, İstanbul, Türkiye.
44. Tucker C., (1979), Red and photographic infrared linear combination for monitoring vegetation, Remote Sensing of Environment, 8, 127- 150.
45. Türkeş M., Altan G., (2014), Türkiye’de 2011’de Oluşan Orman Yangınlarının Klimatolojik Çözümlemesi ve Hidroklimatik, Yüzey Hava ve Yüksek Atmosfer Koşulları ile Bağlantıları, International Journal of Human Sciences, 11(1), 145-176.
46. Veraverbeke S., Lermitte S., Verstraeten W.W., Goossens R., (2010), The temporal dimension of differenced Normalized Burn Ratio (dNBR) fire/burn severity studies: The case of the large 2007 Peloponnese wildfires in Greece, Remote Sensing of Environment, 114(11), 2548-2563.
47. Vieira A., Bento Gonçalves A., Martins C., Leite F.F., Mendes L., (2011), Geographical Information Technology to Support Research on Forest Fires and Soil Erosion, 3rd International Meeting of Fire Effects on Soil Properties, University of Minho Guimarães, Portugal.
48. Yıldız O., Esen D., Sargıncı M., Toprak B., (2010), Effects of forest fire on soil nutrients in Turkish pine (Pinus brutia, Ten) Ecosystems, Journal of Environmental Biology, 31, 11-13.
49. URL-1, (2018), https://www.ogm.gov.tr/ekutuphane/Yayinlar/T%C3%BCrkiye%20Orman%20Varl%C4%B1%C4%9F%C4%B1.pdf, [Erişim 01 Ekim 2018].
50. URL-2, (2018), https://wildfiretoday.com/2010/03/14/wind-fuels-a-fire/fire_triangle/, [Erişim 24 Eylül 2018].
51. URL-3, (2018), http://web.archive.org/web/20160313143351/http://izmir.yerelnet.org.tr/, [Erişim 11 Kasım 2018].
52. URL-4, (2018), https://tr.climate-data.org/location/21649/, [Erişim 06 Temmuz 2018].
53. URL-5, (2018), https://landsat.usgs.gov/what-are-band-designations-landsat-satellites, [Erişim 24 Aralık 2018].
54. URL-6, (2018), https://www.ntv.com.tr/turkiye/seferihisarda-700-hektar-orman-kul-oldu,hEAxhL3oyEm0mnMbVqs1ww, [Erişim 22 Aralık 2018].