Aslantaş Baraj Gölü ve Çevresinin Su Yüzey Alanı ve Arazi Örtüsü Değişiminin Landsat Uydu Görüntüleri Kullanılarak İzlenmesi

Abstract

Sulak alan ekosistem planlamalarının izlenmesinde ve değerlendirilmesinde uydu görüntülerinden elde edilen vejetasyon indeksleri yaygın olarak kullanılmaktadır. Yüksek çözünürlüklü birçok uydu görüntüsü olmasına rağmen Landsat uydu verileri uzun dönemli arazi değişimlerinin izlenmesi ve değerlendirilmesinde önemli avantajlara sahiptir. Bu çalışma, Aslantaş baraj gölünün uydu görüntüsü yardımıyla haritalanması ve çalışma alanında meydana gelen arazi örtüsü zamansal değişiminin değerlendirilmesini kapsamaktadır. Çalışmada Haziran 2000 ve Temmuz 1989, 2010 ve 2017 yıllarına ait Landsat 4, 5, 7 ve 8 görüntüleri spektral bantları kullanılmıştır. Landsat görüntüleri ile mekansal değişimler bant oranlama yaklaşımı ile ortaya konmuştur. ArcGIS 10 yazılımının ―Görüntü Analizi‖ fonksiyonu yardımıyla modifiye edilmiş normalleştirilmiş su fark indeksi (MNDWI: Modified Normalized Difference Water Index) ve normalleştirilmiş bitki fark indeksi (NDVI: Normalized Difference Vegetation Index) uygulanmıştır. Baraj gölü su yüzey alanı değişimi ve su-bitki etkileşimlerini değerlendirmek için uzun yıllara ait uydu görüntüleri işlenmiş, sınıflandırılmış ve karşılaştırılmıştır. Sonuç olarak, su yüzey alanının en az 1989 ve en çok 2000 yıllarında olduğu tespit edilmiştir. MNDWI ve NDVI tarafından analiz edilen su yüzey alanı değişim eğilimi benzerlik göstermiştir, ancak hesaplanan arazi yüzey alanlarının büyüklüğü farklılıklar göstermiştir. Ekosistem tabanlı çalışmalarda su-orman ilişkilerinin planlama aşamalarında uzaktan algılama çalışmaları hala karar vericiler için güvenilir veriler oluşturma potansiyeline sahiptir.

Keywords

• Arazi örtüsü değişimi,su yüzey alanı değişimi,baraj gölü,Landsat zaman serisi,MNDWI-NDVI,Osmaniye

Monitoring Water Surface Area and Land Cover Change by using Landsat Imagery for Aslantaş Dam Lake and Its Vicinity

Abstract

Satellite-derived vegetation indexes have been widely used in monitoring and evaluation of wetland ecosystems. Despite the fact that there are various high-resolution satellite imagery, Landsat data have significant advantages in monitoring and evaluating long-term land changes. This study aims to mapping of Aslantaş Dam Lake using satellite imagery and evaluating spatio-temporal changes. In this study, spectral bands of Landsat 4, 5, 7 and 8 images, which belong to June 2000 and July 1989, 2010 and 2017 were used. Spatial changes are shown by using band ratio approaches using Landsat images. Modified Normalized Difference Water Index (MNDWI) and Normalized Difference Vegetation Index (NDVI) were applied by using ―Image analysis‖ function of ArcGIS 10 software. Long-term satellite images were processed, classified and compared to evaluate the surface area of the reservoir change and water-plant interactions. As a result, the lowest and highest water body surface area was detected in 1989 and 2000 years, respectively. Trend-based change analysis of water body surface by using MNDWI and NDVI showed similarity but the calculated land cover areas showed differences. Remote sensing has still appropriate potential to establish reliable data for the decision makers during the ecosystem-based planning stages between water and forest interactions.

Keywords

• Land cover change,water surface area change,Landsat time series,MNDWI-NDVI,Osmaniye,Dam Lake,Osmaniye

References

1. Akay AE, Gencal B, Taş İ, 2017. Spatiotemporal Change Detection Using Landsat Imagery: the Case Study of Karacabey Flooded Forest, Bursa, Turkey. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, IV-4/W4: 31-35.
2. Akın A, Erdoğan M, 2017. Uzaktan algılama ve coğrafi bilgi sistemleri yardımıyla Aladağlar’da kış sporları için uygun alanların belirlenmesi. Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi, 18(2): 201-210.
3. Alatorre LC, Beguería S, 2010. Analysis of spatial and temporal evolution of the NDVI on vegetated and degraded areas in the central Spanish Pyrenees. In: Wagner W. Székely B (eds.): ISPRS TC VII Symposium–100 Years ISPRS, Vienna, Austria, July 5–7, 2010, IAPRS, Vol. XXXVIII, Part 7A.
4. Blumenfeld S, Lu C, Christophersen T, Coates D (2009) Water, wetlands and forests. A review of ecological, economic and policy linkages. In secretariat of the convention on biological diversity and secretariat of the Ramsar Convention on wetlands, montreal and gland. CBD Technical Series (No. 47).
5. Çoban HO, Koç A, Eker M, 2010. Investigation on changes in complex vegetation coverage using multitemporal Landsat data of Western Black Sea region- A case study. Journal of Environmental Biology, 31(1/2): 169-178.
6. Çoban HO, Özçelik R, Avcı M, 2014. Monitoring of damage from cedar shootmoth Dichelia cedricola Diakonoff (Lep.: Tortricidae) by multi-temporal Landsat imagery. iForest-Biogeosciences and Forestry, 7(2): 126-131.
7. Durmaz F, Karakaya N, Evrendilek F, 2016. Spatiotemporal change detection analysis of Turkish lake water surface area in response to anthropogenic ecosystem disturbances using Long-Term Landsat TM/ETM+ Data. J Ecosys Ecograph 6:188.
8. ESRI (Environmental systems research institute), 2017. Users’ help library documents.

9. FAO, 2017. http://www.fao.org/nr/water/aquastat/dams/country/TUR-dams_eng.xlsx. (Erişim Tarihi: 14.08.2017)
10. Gao BC, 1996. NDWI—A normalized difference water index for remote sensing of vegetation liquid water from space. Remote sensing of environment, 58(3): 257-266.
11. Gülci S, Akay AE, Oğuz H, Gülci N, 2017. Assessment of the road impacts on coniferous species within the road-effect zone using NDVI analysis approach. Fresinus Environmental Bulletin. 26(2A):1654-1662.
12. Günlü A, Baskent EZ, 2017. Relationships between soil moisture and RADARSAT derived backscattering coefficient values: a case studies in Artvin-Merkez and Gumushane-Karanlikdere Forest Planning Units. Kastamonu University Journal Of Forestry Faculty, 17(1): 36-44.
13. Günlü A, Başkent EZ, Kadıoğulları Aİ, Altun L, 2009. Forest site classification using Landsat 7 ETM data: a case study of Maçka-Ormanüstü forest, Turkey. Environ Monit Assess 151(1-4): 93-104.
14. Karabulut M, 2015. Farklı uzaktan algılama teknikleri kullanılarak Göksu deltası göllerinde zamansal değişimlerin incelenmesi. Journal of International Social Research, 8(37): 347-363.
15. Maselli F, 2004. Monitoring forest conditions in a protected Mediterranean coastal area by the analysis of multiyear NDVI data. Remote Sensing of Environment 89:423-433.
16. 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.
17. Mendoza GA, Martins H, 2006. Multi-criteria decision analysis in natural resource management: a critical review of methods and new modeling paradigms. Forest ecology and management, 230(1-3): 1-22.
18. Naiman RJ, Decémps H, 1997. The ecology of interfaces: riparian zones. Annual Review of Ecological Systems, 28:621–658.
19. NASA, 2017. https://earthobservatory.nasa.gov/Features/MeasuringVegetation/ (Erişim Tarihi: 14.07.2017)
20. Ramsar, 1999. Guidelines for integrating wetland conservation and wise use into river basin management, 7th Meeting of the Conference of the Contracting Parties to the Convention on Wetlands (Ramsar, Iran, 1971), San José, Costa Rica, 10-18 May.
21. Ramsar, 2005. River basin management: additional guidance and a framework for the analysis of case studies, 9th Meeting of the Conference of the Parties to the Convention on Wetlands (Ramsar, İran, 1971), Kampala, Uganda, 8-15 November.
22. Rouse JW, Haas RH, Schell JA, Deering DW, 1973. Monitoring vegetation systems in the great plains with ERTS (Earth Resources Technology Satellite). In Proceedings of Third Earth Resources Technology Satellite Symposium, Greenbelt, Canada, 10–14 December; SP-351, pp 309–317.
23. Sarp G, Ozcelik M, 2017. Water body extraction and change detection using time series: A case study of Lake Burdur, Turkey. Journal of Taibah University for Science, 11(3): 381-391.
24. Şekertekin Aİ, Kutoğlu ŞH, Marangoz AM, 2015. Uzaktan algılama teknolojisi ve uydu görüntüleri yardımıyla önemli çevresel (su ve kara yüzeyi) etkilerin gözlemlenmesi. Karaelmas Fen ve Müh. Dergisi, 5(2): 105-112.
25. Torumbulak SC, Frissell CA, 1999. Review of ecological effects of roads on terrestrial and aquatic communities. Conservation Biology, 14(1):18-30.
26. USGS, (United States Geological Survey) 2015. Landsat data users handbooks. http://landsathandbook.gsfc.nasa.gov/pdfs/Landsat7_Handbook.pdf. Accessed 29 June 2015.
27. Xu H, 2006. Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery. International journal of remote sensing, 27(14): 3025-3033.
28. Yıldız H, Mermer A, Ünal E, Akbaş F, 2012. Türkiye bitki örtüsünün NDVI verileri ile zamansal ve mekansal analizi. Tarla Bitkileri Merkez Araştırma Enstitüsü Dergisi, 21(2): 50-56.