Evaluation with Google Earth Engine Data Mining and WebGIS Application of Parameters Causing Change in Agricultural Lands

Year 2023, , 1363 - 1376, 01.06.2023

Hakan Akçın , Rüveyda Tercan Köse

https://doi.org/10.21597/jist.1192622

Abstract

In order to develop sustainable models for agricultural land, its changing structure and land management, it is necessary to determine and evaluate the parameters that cause temporal change and to use them. With the contribution of remote sensing (UA) and Geographic Information System (GIS), suitable models for agricultural lands can be developed. In this study, changes in agricultural areas, a sample area was selected within the borders of the Centre District of Çorum Province, located in the Central Black Sea Region, and the analyzes obtained by writing the relevant codes for data mining operations of remotely sensed data via Google Earth Engine platform and webGIS applications were examined. With the Terra Climate application, monthly climate and climatic water balance data and monthly climate change for 2020 were examined. Land classification was made with the Sentinel-2 data, and the densities and plant health of the plants were determined with the band combinations. To determine the changes in plants, seven different index values for 2021 were calculated; Changes in vegetation, moisture and water content in agricultural lands were evaluated. When the results obtained are examined; In the agricultural lands in the sample area, the highest temperature in the land heat exchange occurs in September and the lowest temperature is in 2021 February, the vegetation cover in the agricultural lands, while it has a moderately healthy plant density in 2021 April, May and June, it has been determined that it has unhealthy and weak plant density in 2021 October, November and December. From the examination of the climate data, it was seen that the precipitation values decreased considerably in the summer months and increased in the winter months, considering the climatic characteristics of the region. According to the 2021 climate report of the General Directorate of Meteorology, the average temperature of the ground surface in Turkey in 2020 was 14.9°C, while it was determined that this temperature was 19.01°C above the average value in the study area.

Keywords

Google Earth Engine, farmland, Sentinel-2, TerraCilimate, Data mining &WebGis

Project Number

[e-mail]

Tarım Arazilerinde Değişime Neden Olan Parametrelerin Google Earth Engine Veri Madenciliği ve WebCBS Aplikasyonu ile Değerlendirilmesi

Abstract

Tarım arazilerinin, değişen yapısının ve arazi yönetimi için sürdürülebilir modellerin geliştirilebilmesi amacıyla, zamansal olarak değişime neden olan parametrelerin belirlenmesi ve değerlendirilerek kullanılması gerekmektedir. Uzaktan algılama (UA) ve Coğrafi Bilgi Sistemi (CBS)’nin katkısıyla tarım arazileri için uygun modeller geliştirilebilmektedir. Bu çalışmada; tarım alanlarındaki değişimler, Orta Karadeniz bölümünde bulunan Çorum ilinin Merkez ilçesi sınırları içerisinde örnek bir alan seçilerek, Google Earth Engine platformu üzerinden uzaktan algılanmış verilerin veri madenciliği işlemleri ve webCBS uygulamaları için ilgili kodlar yazılarak elde edilen analizler incelenmiştir. Terra Climate uygulamasıyla aylık iklim ve iklimsel su dengesi verileriyle 2020 yılı için aylık iklim değişimi incelenirken, Sentinel-2 verileriyle de arazi sınıflandırması yapılarak bant kombinasyonları ile bitkilerin yoğunlukları, bitki sağlığı tespit edilmiştir. Bitkilerin değişimlerini belirlemek için 2021 yılına ait yedi farklı indeks değeri hesaplanmış, tarım arazilerindeki bitki örtüsü, nem ve su içerikli değişimler değerlendirilmiştir. Elde edilen sonuçlar incelendiğinde; örnek alandaki tarım arazilerinde arazi ısı değişiminde en yüksek sıcaklığın 2021 Eylül ayında, en düşük sıcaklığın ise Şubat ayında gerçekleştiği, tarım arazilerindeki bitki örtüsünün 2021 Nisan, Mayıs, Haziran aylarında orta derece sağlıklı bitki yoğunluğuna sahip iken 2021 Ekim, Kasım, Aralık aylarında sağlıksız ve zayıf bitki yoğunluğuna sahip olduğu tespit edilmiştir. İklim verilerinin incelenmesinden, yağış değerlerinin bölgenin iklim özellikleri de göz önüne alındığında yaz aylarında oldukça düşüş gösterdiği, kış aylarında da yükseldiği görülmüştür. Meteoroloji Genel Müdürlüğü 2021 yılı iklim raporuna göre 2020 yılı Türkiye geneli yer yüzeyi sıcaklık ortalaması 14.9°C iken, çalışma alanında bu sıcaklığın 19.01°C olarak ortalama değerin üzerinde seyrettiği belirlenmiştir.

Keywords

tarım arazileri, Sentinel-2, TerraClimate, Google Earth Engine (GEE), Veri madenciliği veWebCBS

Supporting Institution

Google Earth Engine

Project Number

[e-mail]

Thanks

Yazarlar, bu çalışmada kullanılan uydu görüntüleri ve diğer verileri parasal karşılığı olmadan sağladığı için GEE’ ne teşekkürlerini sunar.

References

• Abatzoglou, J. T., Dobrowski, S. Z., Parks, S. A., & Hegewisch, K. C. 2018. TerraClimate, a high-resolution global dataset of monthly climate and climatic water balance from 1958-2015. Scientific Data, 5, 1–12.
• Aghlmand, M., Kalkan, K., Onur, M. İ., Öztürk, G., & Ulutak, E. 2021. Google Earth Engine ile arazi kullanımı haritalarının üretimi. Niğde Ömer Halis demir Üniversitesi Mühendislik Bilimleri Dergisi, 10(1), 38-47.
• Anonim, 2016. T.C. Çorum Valiliği İl Gıda Tarım Ve Hayvancılıkmüdürlüğü Çorum İli Tarımsal Verileri, https://corum.tarimorman.gov.tr/Belgeler/ÇORUM İL GIDA TARIM VE HAYVANCILIK MÜDÜRLÜĞÜ BİLGİ NOTU 2016.pdf (Erişim Tarihi: 02.01.2023)
• Anonim, 2019. Çorum İli 2019 Yılı Çevre Durum Raporu, https://webdosya.csb.gov.tr/db/ced/icerikler/corum_2019_-cdr-20201117201349.pdf (Erişim tarihi: 15.04.2022) .
• Anonim, 2020. Türkiye 2020 Yılı İklim Değerlendirmesi, https://www.mgm.gov.tr/FILES/iklim/yillikiklim/2020-iklim-raporu.pdf (Erişim tarihi: 15.04.2022).
• Bayraklı, F., 1998. Toprak Kimyası. O.M.Ü. Ziraat Fakültesi Ders Kitabı No: 26, 1. Baskı, Samsun, 214s.
• Çağlayan EB., Erel F, Samur EB., Deniz M, Mobariz MA, Kaplan G, 2020. Uzaktan Algılama Teknikler ile Akşehir Gölü’ndeki Alansal Değişiminin İzlenmesi, Türkiye Uzaktan Algılama Dergisi, 2(2); 70-76.
• Çelik MA, Karabulut M, 2014. Farklı İndeks Modelleri (EVI, NDVI, VCI) Kullanılarak Resul Osman Dağı (Kilis) Bitki Örtüsünün İncelenmesi. Coğrafyacılar Derneği Uluslararası Kongresi, (s. 373-379), Muğla.
• Dereli MA, 2018. Web Tabanlı Google Earth Engine ile NDVI Zaman Serisi Analizi: Şanlıurfa il Merkezi Örneği. 6 th International GAP Engineering Conference, (s. 374-377), Şanlıurfa.
• EMGM, 2019. Çölleşmeyle Mücadele Ulusal Stratejisi ve Eylem Planı 2019-2030. T.C. Tarım ve Orman Bakanlığı Çölleşme ve Erozyonla Mücadele Genel Müdürlüğü Yayınları, Ankara-Türkiye.
• GEE, 2022. Google Earth Engine. Erişim adresi: https://earthengine.google.com/
• GEE Code Editörü, 2022. Google Earth Engine Code Editörü. Erişim adresi: https://code.earthengine.google.com/
• GEE FAQ, 2022. Google Earth Engine FAQ. Erişim adresi: https://earthengine.google.com/faq/ Hardisky M, Klemas V, Smart R, 1983. The Influences of Soil Salinity, Growth Form, and Leaf Moisture on the Spectral Reflectance of Spartina Alterniflora Canopies. Photogrammetric Engineering and Remote Sensing, 49: 77-83.
• Liu, Y., Wang, Y., & Zhang, J. 2012. New machine learning algorithm: Random forest. In International Conference on Information Computing and Applications. (pp. 246-252). Springer, Berlin, Heidelberg.
• MODIS 2022. Erişim Adresi: https://modis.gsfc.nasa.gov/about/
• Mirelva PR, Nagasawa R, 2019. Application of SENTİNEL-1 data for classifying croplands using Google Earth Engine. Int. J. Geoinformatics, 15(3):21-31.
• McFeeters SK, 1996. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 17(7):1425-1432.
• Nedkov R, 2017. Normalızed Dıfferentıal Greenness Index For Vegetatıon Dynamıcs Assessment. Comptes rendus de l’Acad ́emie bulgare des Sciences, 70, No 8:1143-1146.
• Pettorelli N, Vik JO, Mysterud A, Gaillard JM, Tucker CJ, Stenseth NC, 2005. Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in ecology & evolution, 20(9): 503-510.
• Sarp G, Temurçin K, Aldırmaz Y, Baydoğan E, 2018. Spatial Analysis of Forest Fires Using Remote Sensing Technologies; A Case of 2017 Mersin-Anamur Forest Fire. Innovation and Global Issues Congress IV, (s. 300-308), Antalya.
• Sönmez NK, Aslan GE, Kurunç A, 2015. Farklı Tuz Stresi Altındaki Domates Bitkisinin Spektral Yansıma İlişkileri. Tarım Bilimleri Dergisi, 21 (2015): 585-595.
• Suhet, 2013. SENTİNEL-2 User Handbook 1: 9.
• Talebpour B, 2016. Şeker Pancarı Tarımında Değişken Oranlı Gübreleme Olanakları (Doktora Tezi). Erişim adresi: https://tez.yok.gov.tr/UlusalTezMerkezi.
• Yılmaz OS, Oruç MS, Ateş AM, Gülgen F, 2020. 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.