Sentinel-2 ve Landsat-8 ile Bulut Tabanlı Orman Yangın Analizi

Yıl 2025, Cilt: 10 Sayı: 3, 316 - 330

Şule Yaman , Esra Tunç Görmüş

https://doi.org/10.29128/geomatik.1603707

Öz

Orman yangınları, doğal ve insan kaynaklı faktörlerden kaynaklanan önemli bir doğal afettir. Bu yangınlar, kuraklık ve iklim değişikliği gibi ekolojik sorunlara neden olmanın yanı sıra, müdahale sürecinde ve yangın sonrası hasar tespiti ile analiz çalışmalarında hem maddi hem de manevi kayıplara yol açmaktadır. Günümüzde, orman yangınlarının ve yangın sonrası hasarların belirlenmesinde Uzaktan Algılama (UA) teknikleri ve Coğrafi Bilgi Sistemleri (CBS) yaygın bir şekilde kullanılmaktadır.Bu çalışmada, 29 Temmuz 2021 tarihinde Muğla ili Köyceğiz ilçesinde başlayan ve 14 gün süren orman yangını ele alınmıştır. Yangının analizi, Google Earth Engine (GEE) platformunda uzaktan algılama teknikleri kullanılarak gerçekleştirilmiştir. Yangın öncesine ait 29 Temmuz 2021 ve yangın sonrasına ait 27 Ağustos 2021 tarihli Sentinel-2A ve Landsat-8 uydu görüntüleri değerlendirilmiştir. Çalışma kapsamında, bölgeye ait eğim, bakı ve NDVI parametreleri kullanılarak bir yangın risk modeli haritası oluşturulmuş ve yanan alanların bu riskli bölgelerle örtüştüğü tespit edilmiştir. Yangının etkilerini belirlemek amacıyla Normalize Edilmiş Vejetasyon İndeksi (NDVI), Normalize Edilmiş Yanma Şiddeti İndeksi (NBR), bu indekslerin farkları olan dNDVI ve dNBR, ayrıca Yanık İzi İndeksi (BSI) ve Yanmış Alan İndeksi (BAI) hesaplanarak yangın sonrası tahrip olan alanlar analiz edilmiştir. Son aşamada, dNBR görüntülerine USGS FIREMON (Yangın Etkilerini İzleme ve Envanter Protokolü) tarafından belirlenmiş eşik değerler uygulanarak çalışma alanına ait yanma şiddeti haritası oluşturulmuştur.

Anahtar Kelimeler

bulut tabanı, Orman Yangını, Yangın Analizi, Uzaktan Algılama

Kaynakça

• Aghayeva, F. (2024). Wildfire hazard and risk assessment: The case of Gabala district. Advanced GIS, 4(1), 01–09. Retrieved from https://publish.mersin.edu.tr/index.php/agis/article/view/1089
• Altunel, A. O., Akturk, E., & Altunel, T. (2020). Examining the PALSAR-2 Global forest/non-forest maps through Turkish afforestation practices. International Journal of Remote Sensing, 41(16), 6071-6088.
• Altun, M. ., & Turker , M. (2022). Integration of Sentinel-1 and Landsat-8 images for crop detection: The case study of Manisa, Turkey. Advanced Remote Sensing, 2(1), 23–33.
• Ahady, A. B., & Kaplan, G. (2022). Classification comparison of Landsat-8 and Sentinel-2 data in Google Earth Engine, study case of the city of Kabul. International Journal of Engineering and Geosciences, 7(1), 24-31. https://doi.org/10.26833/ijeg.860077
• Arekhi, M., Goksel, C., Balik Sanli, F., Senel, G. (2019). Comparative Evaluation of the Spectral and Spatial Consistency of Sentinel-2 and Landsat-8 OLI Data for Igneada Longos Forest. ISPRS International Journal of Geo-Information, 8(2): 56.
• Ayalke, Z., & Şişman, A. (2024). Google Earth Engine kullanılarak makine öğrenmesi tabanlı iyileştirilmiş arazi örtüsü sınıflandırması: Atakum, Samsun örneği. Geomatik, 9(3), 375-390. https://doi.org/10.29128/geomatik.1472160
• Avcı, C., Budak, M., Yağmur, N., Balçık, F. (2023). Comparison between random forest and support vector machine algorithms for LULC classification. International Journal of Engineering and Geosciences, 8(1), 1-10. https://doi.org/10.26833/ijeg.987605
• Barmpoutis, P., Papaioannou, P., Dimitropoulos, K., & Grammalidis, N. (2020). A review on early forest fire detection systems using optical remote sensing. Sensors, 20(22), 6442.
• Başara, A. C., Tabar, M. E., Gülsün, S., & Şişman, Y. (2022). Monitoring Urban Sprawl in Atakum District Using CORINE Data. Advanced Geomatics, 2(2), 49–56. Retrieved from https://publish.mersin.edu.tr/index.php/geomatics/article/view/481
• Chuvieco, E., Pilar Martin M., & Palacios A. (2002). Assessment Of Different Spectral Indices in The Red-Near-Infrared Spectral Domain For Burned Land Discrimination. Remote Sensing of Environment 112 2381-2396.
• Chuvieco, E., Cocero, D., Riano, D., Martin, P., Martınez-Vega, J., De La Riva, J. & Pérez, F. (2004). Combining NDVI and surface temperature for the estimation of live fuel moisture content in forest fire danger rating. Remote Sensing of Environment, 92 (3), 322-331. doi: 10.1016/j.rse.2004.01.019
• Çolak, E., & Sunar, F. (2018). Yüzey sıcaklığı ve spektral yanma indekslerinin orman yangın analizinde kullanımı. ESTÜ. UZAL-CBS (Dü.), VII. Uzaktan Algılama-CBS Sempozyumu Bildiriler Kitabı içinde, (s. 311-320). 18-21 Eylül, Eskişehir.
• Çömert R., Küçük Matcı, D., Emir, H. & Avdan, U. (2017). Uydu görüntüleri kullanılarak orman yangınlarının haritalanması. Türkiye Ulusal Fotogrametri ve Uzaktan Algılama Birliği (TUFUAB) IX. Teknik Sempozyumu, 2017. TUFUAB.
• Dereli M., (2019). Sentinel-2A uydu görüntüleri ile Giresun il merkezi için kısa dönem arazi örtüsü değişiminin belirlenmesi, Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 19(2), 361-368.
• El-Sheimy, N., Habib, A., & Valeo, C. (2005). Digital Terrain Modeling: Acquisition, Manipulation, and Applications. Boston: Artech House Publishers.
• Erten, E., Kurgun, V., Musaoglu, N., (2005). Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Kullanarak Orman Yangını Bilgi Sisteminin Kurulması, TMMOB Harita ve Kadastro Mühendisleri Odası 10. Türkiye Harita Bilimsel ve Teknik Kurultayı, 28 Mart - 1 Nisan 2005, Ankara.
• Eyi, G., & Buğdaycı, İ. (2024). Uzaktan algılama yöntemleri ile yangın şiddetinin tespiti: Yunanistan Rodos Adası orman yangını örneği. Geomatik, 9(3), 348-360. https://doi.org/10.29128/geomatik.1481708
• Fox, L. III, & Stuart, J. D., (1994). Detecting changes in forest condition following wildfire using image processing and GIS. ASPRS Technical Papers: 1994 ASPRS-ACSM Annual Convention, American Society of Photogrammetry and Remote Sensing, Reno, Nevada, April 1994 (Maryland: American Society for Photogrammetry and Remote Sensing), pp. 197–206.
• García-Llamas P., Suárez-Seoane S., Fernández-Guisuraga J. M., Fernández-García V., Fernández-Manso A., Quintano C., Taboada A., Marcos E., & Calvo L., (2019). Evaluation and comparison of Landsat-8, Sentinel-2 and Deimos-1 remote sensing indices for assessing burn severity in Mediterranean fire-prone ecosystems. International Journal of Applied Earth Observation and Geoinformation, 80(2019), 137–144. https://doi.org/10.1016/j.jag.2019.04.00
• Gonçalves A.C., Sousa, A.M.O., (2017). The Fire in the Mediterranean Region: A Case Study of Forest Fires in Portugal, Mediterranean Identities - Environment, Society, Culture, Prof. Borna Fuerst-Bjeliš (Ed.), InTech. https://doi.org/10.5772/intechopen.69410.
• Google Earth Engine (GEE). https://code.earthengine.google.com/ Erişim Tarihi: 30.05.2024.
• Gürbüz, E. (2023). Uzaktan Algılama ile Yangın Şiddeti Belirlenmesinde Farklı İndekslerin Karşılaştırılması. Harita Dergisi, 170, 8-22.
• Güngör, R., Yilmaz, O. S., Balik Sanli, F., & Ates, A. M. (2022). Investigation of spatial change in Lake Surface with Google Earth Engine: Example of Marmara Lake. Advanced Remote Sensing, 2(1), 8–15.
• Kavzoğlu, T., Çölkesen, İ., Tonbul, H. & Öztürk, M.Y. (2021). Uzaktan Algılama Teknolojileri ile Orman Yangınlarının Zamansal Analizi: 2021 Yılı Akdeniz ve Ege Yangınları. T. Kavzoğlu (Ed.) Orman Yangınları: Sebepleri, Etkileri, İzlenmesi, Alınması Gereken Önlemler ve Rehabilitasyon Faaliyetleri. Türkiye Bilimler Akademisi. ss. 219-251.
• Key C, Benson N (2006) Landscape assessment: remote sensing of severity, the Normalized Burn Ratio and ground measure of severity, the Composite Burn Index. In ‘FIREMON: fire effects monitoring and inventory system. RMRS-GTR-164-CD’. (Eds D Lutes, R Keane, J Caratti, C Key, N Benson, S Sutherland, L Gangi) pp. LA 1–51. (USDA Forest Service, Rocky Mountain Research Station: Ogden, UT, USA)
• Khatami R, Mountrakis G, & Stehman SV, (2016). A meta-analysis of remote sensing research on supervised pixel-based land-cover image classification processes: General guidelines for practitioners and future research. Remote Sensing of Environment, 177: 89–100.
• Kovács, K.D. (2019). Evaluation of burned areas withSentinel-2using SNAP: Thecase of Kineta and Mati, Greece, July 2018.Geographia Technica, Cluj University Press,14(2), pp.20- 38. doi: 10.21163/GT_2019.142.03
• Liu, W., Wang, L., Zhou, Y., Wang, S., Zhu, J., & Wang, F. (2016). A comparison of forest fire burned area indices based on HJ satellite data. Natural Hazards, 81, 971-980.
• Mahmood, M., & Jumaah, H. (2023). NBR Index-Based Fire Detection Using Sentinel-2 Images and GIS: A Case Study in Mosul Park, Iraq. International Journal of Geoinformatics, 19(3), 67–74. https://doi.org/10.52939/ijg.v19i3.2607
• Mert A., Aksan Ş., Özkan U., & Özdemir İ. (2016), Landsat-8 OLI uydu görüntüsünden çıkarılan arazi çeşitliliği ile kuş türü zenginliği arasındaki ilişkiler, Turkish Journal of Forestry 17(1), 68-72.
• 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.
• Mohajane, M., Costache, R., Karimi, F., Pham, Q. B., Essahlaoui, A., Nguyen, H., ... & Oudija, F. (2021). Application of remote sensing and machine learning algorithms for forest fire mapping in a Mediterranean area. Ecological Indicators, 129, 107869.
• Nasery, S. ve Kalkan, K. (2020). Burn area detection and burn severity assessment using Sentinel 2 MSI data: The case of Karabağlar district, İzmir/Turkey. Turkish Journal of Geosciences, 1(2), 72-77. Erişim Adresi: https://dergipark.org.tr/tr/pub/turkgeo/issue/56 822/770803
• Navarro G., Caballero I., Silva G., Parra P.C., Vázquez Á., & Caldeira R., (2017). Evaluation of forest fire on Madeira Island using Sentinel-2A MSI imagery. International Journal of Applied Earth Observation and Geoinformation, 58(2017), 97-106. https://doi.org/10.1016/j.jag.2017.02.003
• Nolè, A., Rita, A., Spatola, M. F. ve Borghetti, M. (2022). Biogeographic variability in wildfire severity and post-fire vegetation recovery across the European forests via remote sensing-derived spectral metrics. Science of The Total Environment, 823, 153807. doi: 10.1016/j.scitotenv.2022.153807
• O. G. M. (2023), T.C. Tarım ve Orman Bakanlığı Orman Genel Müdürlüğü 2022 Yılı Faaliyet Raporu, https://www.ogm.gov.tr/tr/faaliyet-raporu. Erişim tarihi: 05.05.2024
• Özdemir, F. B., & Demir, N. (2022). 2019 İzmir Karabağlar İlçesi Orman Yangın Alanının Uydu Görüntüleri İle Analizi. Türk Uzaktan Algılama Ve CBS Dergisi, 3(1), 20-33. https://doi.org/10.48123/rsgis.1009319
• Rouse Jr JW., Haas RH., Schell JA., & Deering DW. (1974). Monitoring Vegetation Systems in the Great Plains with Erts. NASA Spe. Scientific and Technical Information Office, National Aeronautics and Space, 351: 309.
• Sabuncu, A., & Özener, H. (2019). Uzaktan Algılama Teknikleri ile Yanmış Alanların Tespiti: İzmir Seferihisar Orman Yangını Örneği. Doğal Afetler Ve Çevre Dergisi, 5(2), 317-326. https://doi.org/10.21324/dacd.511688
• Selim, S., Çoşlu, M., Sönmez, N. K., & Karakuş, N. (2016). Köyceğiz Gölü ve Dalyan kanallarında kıyı kenar çizgisinin UA ve CBS Teknikleri ile belirlenmesi, Alanda Karşılaşılan Sorunlar. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 20(2), 254-260.
• Smith, A., Drake, N., Wooster, M., Hudak, A., Holden, Z. & Gibbons, C. (2007). Production of Landsat ETM+ reference imagery of burned areas within Southern African savannahs: Comparison of methods and application to MODIS. International Journal of Remote Sensing, 28, 2753–2775. doi:10.1080/01431160600954704
• Sunar, F. & Özkan, C. (2001). Forest fire analysis with remote sensing data. International Journal of Remote Sensing, 22(12), 2265-2277. doi: 10.1080/014311601300229818.
• Tonbul, H., Kavzoglu, T. & Kaya, S. (2016). Assessment of fire severity and post-fire regeneration based on topographical features using multitemporal Landsat imagery: A case study in Mersin, Turkey. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 41, B8. doi: 10.5194/isprsarchives-XLI-B8-763-2016.
• Tuna Tuygun, G., İşsever, G., & Elbir, T. (2023). Türkiye’de 2021 Yılında Yaşanan Büyük Orman Yangınlarında Yanan Orman Alanlarının ve Yangın Kaynaklı Atmosferik Aerosollerin Uydular ile İzlenmesi. Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen Ve Mühendislik Dergisi, 25(74), 351-369. https://doi.org/10.21205/deufmd.2023257408.
• Veraverbeke, S., Lhermitte, 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. doi: 10.1016/j.rse.2010.05.029
• Vlassova, L., Pérez-Cabello, F., Mimbrero, M. R., Llovería, R. M. & García-Martín, A. (2014). Analysis of the relationship between land surface temperature and wildfire severity in a series of landsat images. Remote Sensing, 6(7), 6136-6162. doi: 10.3390/rs6076136
• Yaman, Ş., & Tunç Görmüş, E. (2022). Orman Zararlılarının Verdiği Zararın Google Earth Engine Kullanılarak İzlenmesi. Türk Uzaktan Algılama Ve CBS Dergisi, 3(2), 139-149. https://doi.org/10.48123/rsgis.1116907
• 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. Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 11(2): 1519-1532.
• 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. https://doi.org/10.21324/dacd.941456
• Yılmaz, O. S. (2023). Uzaktan Algılama Teknikleri ile Su Yüzeylerinin Tespit Edilmesinde Kullanılan Su Çıkarma İndekslerinin Performans Analizi. Türk Uzaktan Algılama Ve CBS Dergisi, 4(2), 242-261. https://doi.org/10.48123/rsgis.1256092
• You, N., & Dong, J. (2020). Examining earliest identifiable timing of crops using all available Sentinel 1/2 imagery and Google Earth Engine. ISPRS Journal of Photogrammetry and Remote Sensing, 161, 109-123.
• Yücer, E., (2023). Sentınel-2 MSI ve Landsat-9 OLI Uydu Görüntüleriyle Yanmış Alanların Tespit: 2022 Muğla/Marmaris Orman Yangını. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, 26(4), 866-880.
• Zadbagher, E., Marangoz, A. M., & Becek, K. (2023). Characterizing and estimating forest structure using active remote sensing: An overview. Advanced Remote Sensing, 3(1), 38–46.
• Zhou, X., Mahalingam S., Weise, D., (2007). Experimental study and large eddy simulation of effect of terrain slope on marginal burning in shrub fuel beds. Proceedings of the Combustion Institute, 31: 2547-2555.