Samsun-Atakum Orman Alanlarının Belirlenmesinde Farklı Bitki İndekslerinin Karşılaştırılması

Abstract

Hayati açıdan önemli birçok jeokimyasal ve biyoiklimsel sürece katkısı olması, yabani hayat için yaşam alanı ve besin kaynağı oluşturması, insanlara doğrudan veya dolaylı olarak sosyoekonomik ürün ve hizmet sağlaması gibi konularda kritik rol oynayan orman alanlarının izlenmesi ve zamansal değişimlerinin analizi oldukça önemli bir konudur. Geniş alan kaplayan orman alanlarının klasik yöntemlerle ölçülmesi ve izlenmesi çoğu zaman hem maliyetli hem de zaman alıcıdır. Günümüzde, doğal kaynakların izlenmesi, zamansal değişimlerinin belirlenmesi ve etkin yönetimi amacıyla çok sayıda uzaktan algılama uydu sistemi geliştirilmiştir. Bu kapsamda, bitki örtüsü de uydu görüntüleri ile periyodik olarak, etkin, ekonomik ve hızlı bir şekilde takip edilebilir ve sonuçlar değerlendirilip gerekli tedbirler alınabilir. Uydu görüntülerinden bitki örtüsünün elde edilmesi için birçok bitki indeksi algoritması tanımlanmıştır. Bu çalışmada, 08 Eylül 2017 (Path: 175, Row: 31) tarihli Landsat 8 OLI uydu görüntüsü kullanılarak Samsun’un Atakum ilçesine ait bitki örtüsü incelenmiştir. Bu amaçla NDVI, TVI, CTVI, TTVI, RVI, NRVI olmak üzere 6 adet eğim tabanlı ve PVI1, PVI2, PVI3, DVI, SAVI, TSAVI1, TSAVI2, MSAVI1, MSAVI2, WDVI olmak üzere 10 adet mesafe tabanlı bitki indeksi kullanılmıştır. Toplam 16 bitki indeksinden elde edilen indeks görüntülerinde eşik değerler uygulanarak orman alanları çıkartılmış ve sonuçlar Samsun Orman İşletme Müdürlüğü’nden temin edilen yersel ölçmelere dayalı sınırlarla karşılaştırılarak indekslerin orman alanlarının belirlenmesindeki performansı karşılaştırılmıştır.

Keywords

• orman,doğal kaynak yönetimi,bitki indeksi,Landsat,uzaktan algılama

Comparison of Different Vegetation Indexes for Determination of Forest Areas in Atakum (Samsun, Turkey)

Abstract

The monitoring and analyzing of temporal changes of forest areas, which play a critical role in issues such as contributing to many vitally important geochemical and bioclimatic processes, providing a habitat and food resource for wildlife, providing direct or indirect socioeconomic products and services to people, is a very important issue. Measuring and monitoring of large forest areas using traditional methods are often costly and time-consuming. Today, a large number of remote sensing satellite systems have been developed in order to monitor natural resources, determine their temporal changes and manage them effectively. In this context, vegetation cover can also be monitored periodically, effectively, economically and fast with the satellite images and the necessary measures can be taken by evaluating the results. Many vegetation index algorithms have been developed for obtaining vegetation cover from satellite images. In this study, the vegetation cover of Atakum district (Samsun, Turkey) was investigated by using Landsat 8 OLI satellite image dated September 08, 2017 (Path: 175, Row: 31). For this purpose, six slope-based vegetation indexes including NDVI, TVI, CTVI, TTVI, RVI, and NRVI and ten distance-based vegetation indexes including PVI1, PVI2, PVI3, DVI, SAVI, TSAVI1, TSAVI2, MSAVI1, MSAVI2, and WDVI were used. Forest areas were extracted from a total of sixteen index images by applying threshold values and the performances of the vegetation indexes in the determination of forest areas were compared by superimposing the index results with ground surveying-based boundaries obtained from the Samsun Forestry Directorate.

Keywords

• forest,natural resource management,vegetation index,Landsat,remote sensing

References

1. Orman Genel Müdürlüğü, Türkiye Orman Varlığı, 2015.
2. H. Schmidt, A. Karnieli, "Sensitivity of vegetation indices to substrate brightness in hyper-arid environment: the Makhtesh Ramon Crater (Israel) case study" , International Journal of Remote Sensing, vol. 22(17), pp. 3503-3520, 2001.
3. A. Thiam, J. R. Eastman. Chapter Eighteen: Vegetation Indices. [Online] Available:http://teaching.up.edu/env384/IDRISISelvaManual_C18_VegIndices.pdf
4. NASA website. [Online]Available: https://landsat.gsfc.nasa.gov/landsat-data-continuity-mission/
5. N.G. Silleos, T. K. Alexandridis, I. Z. Gitas, K. Perakis, “Vegetation Indices: Advances Made in Biomass Estimation and Vegetation Monitoring in the Last 30 Years”, Geocarto International, vol. 21(4), pp. 21-28, 2006.
6. T. Kavzoğlu, İ. Çölkesen, “Uzaktan Algılama Teknolojileri ve Uygulama Alanları”, Türkiye’de Sürdürülebilir Arazi Yönetimi Çalıştayı, 2011.
7. F. B. Balçık, “Yapay Alan Değişimlerinin Uzaktan Algılama İndeksleri ile Belirlenmesi, İstanbul Örneği”, TMMOB Coğrafi Bilgi Sistemleri Kongresi, 2011.
8. F. Baret, S. Jacquemoud, J. F. Hanocq, “About The Soil Line Concept in Remote Sensing”, Remote Sensing Reviews, vol. 7(1), pp. 65-82, 1993.

9. J. Ko, S. J. Maas, S. Mauget, G. Piccinni, D. Wanjura, "Modeling Water-stressed Cotton Growth Using Within-season Remote Sensing Data", Agronomy Journal, vol. 98, pp. 1600-1609, 2006.
10. M. Mróz, A. Sobieraj, "Comparison of Several Vegetation Indices Calculated on the Basis of a Seasonal SPOT XS Time Series, and Their Suitability For Land Cover and Agricultural Crop Identification", Technical Sciences, vol. 7(7), pp. 29-66, 2004.
11. J. W. Jr . Rouse, R. H. Haas, D. W. Deering, J. A. Schell, J. C. Harlan, “Monitoring the Vernal Advancement and Retrogradation (Green Wave Effect) of Natural Vegetation”, Greenbelt, MD, NASA/GSFC Type III Final Report, 1974.
12. D. W. Deering, J. W. Rouse, R. H. Haas, J. A. Schell, “Measuring “Forage Production” of Grazing Units From Landsat MSS Data”, Proceedings of the 10th International Symposium on Remote Sensing of Environment, pp. 1169-1178, 1975.
13. C. Jr. Perry, L. F. Lautenschlager, “Functional Equivalence of Spectral Vegetation Indices”, Remote Sensing and the Environment, vol. 14, pp. 169-182, 1984.
14. A. K. Thiam, Geographic Information Systems and Remote Sensing Methods for Assessing and Monitoring Land Degradation in the Sahel: The Case of Southern Mauritania. Doctoral Dissertation, Clark University, Worcester Massachusetts, 1997.
15. A. J. Richardson, C. L. Wiegand, “Distinguishing Vegetation From Soil Background Information”, Photogramnetric Engineering and Remote Sensing, vol. 43(12), pp. 1541-1552, 1977.
16. F. Baret, G. Guyot, “Potentials and Limits of Vegetation Indices for LAI and APAR Assessment”, Remote Sensing and the Environment, vol. 35, pp. 161-173, 1991.
17. D. Walther, S. Shabaani, Large scale monitoring of rangelands vegetation using NOAA/AVHRR LAC data: application to the rainy seasons 1989/90 in northern Kenya, Range Management Handbook of Kenya, Nairobi, 1991.
18. J. Qi, A. Chehbouni, A. R. Huete, Y. H. Kerr, S. Sorooshian, “A Modified Soil Adjusted Vegetation Index”, Remote Sensing and the Environment, vol. 48, pp. 119-126, 1994.
19. A. R, Huete, “A Soil-Adjusted Vegetation Index (SAVI)”, Remote Sensing and the Environment, vol. 25, pp. 53-70, 1988.
20. F. Baret, G. Guyot, D. Major, “TSAVI: A Vegetation Index Which Minimizes Soil Brightness Effects on LAI and APAR Estimation”, 12th Canadian Symposium on Remote Sensing and IGARSS’90, 1989.