Determination of spreading spring greenhouses areas on different physiographical units with remote sensing and GIS techniques: A key study from Elmalı/Antalya

Abstract

One of the uncontrolled and very fast spring cultivation activity areas in the recent years is found in tectonic-karstic depression of the Elmalı district of Antalya province in the western part of the Taurus Mountain Range. The main aim of this study is to determine temporal and spatial changes in the spreading of the greenhouse areas on three different physiographic units in the Elmalı Depression. Here in the Eskihisar region, Pansharped satellite name and spatial resolution in 2009 and 2016 respectively, GeoEye-1 0.5 m and WorldView-3 0.4 m, in the Gölova-Çukurelma region with 0.6m GeoEye-1 satellite images with 0,5m and finally, in the Beyler region, 0.5 m WorldView-2 and Spot-7 1.5 m satellite images were used. As a result of the classification made with Maximum Likelihood technique which is one of the controlled classification techniques, the total greenhouse assets calculated from the raster data were compared with the total greenhouse assets calculated from the data obtained by the terrestrial measurements, the accuracy of the study was calculated. Physiographic units and greenhouse production areas are respectively 126.19 ha in the Eskihisar region on alluvial land, 104.41 ha in Gölova-Çukurelma area, which contains very old lake base and alluvial fan, and finally, 38.23 ha in the Beyler area on the land of the basement. When the percentage increase in greenhouse activities is evaluated as time dependent, the highest increase is in Gölova-Çukurelma region (313.51%), second in Eskihisar region (166.27%) and the lowest increase in Beyler region (61.35%). When the accuracy rates of the study are examined, the highest accuracy of the year 2009 (94.83%) in the Eskihisar region, in 2016 (92.04%), Gölova-Çukurlema 2008 (89.33%), the lowest accuracy in 2016 (83.52%) in the Beyler region in 2011 (87.72%) in 2016 (83.95%).

Keywords

• Remote sensing,Geographic information system,Physiography,Supervised classification

Farklı fizyografya ünitelerinde gelişen yayla seracılığının zamansal ve mekansal değişiminin uzaktan algılama ve CBS teknikleri ile belirlenmesi: Elmalı/Antalya örneği

Abstract

Son yıllarda kontrolsüz ve çok hızlı yayla seracılık faaliyetlerinin arttığı yerlerden biri de Antalya-Elmalı ilçesindeki tektonik-karstik kökenli olan Elmalı Depresyonu’dur. Çalışma alanı olarak seçilen bu depresyondaki üç farklı fizyografya ünitesi üzerinde zamansal ve mekânsal değişimin belirlenmesi hedeflenmiştir. Eskihisar bölgesinde, Pansharp yapılmış 2009 ve 2016 yıllarına ait sırasıyla 0.4 m yersel çözünürlüklü GeoEye-1 ve 0.5 m WorldView-3 uydu görüntüleri, Gölova-Çukurelma bölgesinde 2008 ve 2016 yıllarına ait sırasıyla 0.6 m yersel çözünürlüklü QuickBird-2, 0.5 m yersel çözünürlüklü GeoEye-1 uydu görüntüleri, son olarak Beyler bölgesinde 2011 ve 2016 yıllarına ait 0.5 m yersel çözünürlüklü WorldView-2 ve 1.5 m yersel çözünürlüklü Spot-7 uydu görüntüleri kullanılmıştır. Kontrollü sınıflama tekniklerinden biri olan Maksimum Likelihood tekniği ile yapılan sınıflandırma sonucunda raster veriden hesaplanan toplam sera varlığı, yersel olarak ölçümler ile oluşturulmuş hâlihazır vektör verilerden hesaplanan toplam sera varlığı ile kıyaslanarak, çalışmanın doğruluğu hesaplanmıştır. Fizyografya üniteleri ve sera üretim alanları sırasıyla, alüvyal araziler üzerindeki Eskihisar bölgesinde 126.19 ha, eski göl tabanı ve alüvyal yelpazeyi içerisine alan Gölova-Çukurelma bölgesinde 104.41 ha ve eski göl tabanı arazileri üzerindeki Beyler bölgesinde 38.23 ha tespit edilmiştir. Seracılık faaliyetlerinin yapıldığı alanların yüzdesel olarak artışı zamana bağlı olarak değerlendirildiğinde, en yüksek artışın Gölova-Çukurelma bölgesinde (%313.51), ikinci olarak Eskihisar bölgesinde (%166.27) ve en az artışın ise yine eski bir göl tabanı fizyografyası olan Beyler bölgesinde (%61.35) olduğu tespit edilmiştir. Çalışmanın doğruluk oranları incelendiğinde, en yüksek doğruluk Eskihisar bölgesine ait 2009 yılı görüntüsünden (%94.83), 2016 yılında (92.04), Gölova-Çukurlema 2008 yılı (89.33), 2016 yılı en düşük doğruluk (83.52), Beyler bölgesine ait 2011 yılı (87.72), 2016 yılı (83.95) olarak elde edilmiştir.

Keywords

• Uzaktan Algılama,Coğrafi Bilgi Sistemleri,Fizyografya,Kontrollü sınıflandırma

References

1. Atalay, İ. (2012). Uygulamalı Klimatoloji. Meta Basım Matbaacılık Hizmetleri, İzmir.
2. Atalay, İ. (2017). Türkiye Jeomorfolojisi. Meta Basım Matbaacılık Hizmetleri, İzmir.
3. Coslu, M., Sönmez, N.K., & Koç San, D. (2016). Object-Based greenhouse classification from high resolution satellite imagery: A case study Antalya-Turkey. XXIII Congress of the International Society for Photogrammetry and Remote Sensing (ISPRS), p.183-187.
4. Genç, L., Kızıl, Ü., Arıcı, İ., & İnalpulat, M. (2013). Arazi kullanım ve bitki örtüsü değişiminin uzaktan algılama, markov işlemi, nüfus ve alan görünüm analizleri yardımıyla belirlenmesi: Çanakkale Örneği (1987-2010). Anadolu Tarım Bilimleri Dergisi, 28(1):10-18.
5. Huang, Z., Jia, X., & Ge, L. (2010). Sampling approaches for one-pass land-use/land-cover change mapping. International Journal of Remote Sensing, 31(6):1543-1554.
6. Koç San, D., & Sönmez N.K. (2016). Plastic and glass greenhouses detection and delineation from WORLDVIEW-2 satellite imagery. XXIII Congress of the International Society for Photogrammetry and Remote Sensing (ISPRS), p.257-262.
7. Larsson, H. (2002). Analysis of variations in land cover between 1972 and 1990, kassalaprovince, eastern sudan, using landsat MSS data. International Journal of Remote Sensing, 23(2):325-333.
8. Sönmez, N.K., Sarı, M., & Aksoy, E. (2007). Uzaktan algılama ve coğrafi bilgi sistemleri kullanılarak sürdürülebilir arazi yöntemi ve toprak koruma planının oluşturulması: Antalya-Altınova örneği. Akdeniz Üniversitesi Ziraat Fakültesi Dergisi, 20(1):11-22.

9. Redo, D. (2012). Mapping land-useand land cover change along bolivia’s corredor bioceanico with CBERS and the Landsat series: 1975-2008. International Journal of Remote Sensing, 33(6):1881-1904.
10. TUİK, 2017. Bitkisel Üretim İstatistikleri. https://www.tuik.gov.tr, Erişim tarihi: 10 Ekim 2017.
11. Türk, T. (2004). Uzaktan Algılama (UA) ve Coğrafi Bilgi Sistemleri (CBS) kullanılarak tarım ve doğal alanlar üzerine kent baskısının belirlenmesi-Söke, Kuşadası ve Davutlar örneği. Doktora Tezi, Ege Üniversitesi, İzmir.