Coğrafi Bilgi Sistemleri ve Uzaktan Algılama Teknikleri Kullanılarak Orman Yangını Risk Haritasının Geliştirilmesi: Muğla, Milas Örneği

Year 2022, Volume: 26 Issue: 2, 190 - 199, 20.08.2022

Özge Işık Pekkan , Masoud Derakhshandeh , İlker Atmaca , Yavuz Selim Tunca , Mehtap Özenen Kavlak , Saye Nihan Çabuk

https://doi.org/10.19113/sdufenbed.901677

Abstract

Olası orman yangınlarının engellenmesi ve erken müdahalenin sağlanması için yangın öncesinde, yangın esnasında ve yangın sonrasında alınacak önlemler oldukça büyük önem taşımaktadır. Bu çalışma kapsamında, CBS ve UA teknolojileri destekli Frekans Oranı tekniğinden yararlanılarak orman yangını konusu irdelenmiştir. Çalışmada yangın riskini sınıflandırmak için üç yıl içinde (2017-2019) meydana gelen 107 orman yangını olayına ait bilgiler kullanılmıştır. Bu kapsamda Milas ilçesi orman alanları orman yangını riski açısından; çok düşük riskli, düşük riskli, orta riskli, yüksek riskli ve çok yüksek riskli olmak üzere beş risk grubunda sınıflandırılmıştır. Frekans oranı yöntemi sonucuna göre çalışma alanında en fazla dağılım gösteren risk sınıfının %55 oran ile orta riskli alanlar olduğu tespit edilmiştir. Elde edilen bulgular, Milas ilçesinde orman varlığının yangınlardan korunması için gerekli tedbirlerin acil olarak alınması gerektiğini ortaya koymuştur.

Keywords

CBS, UA, Frekans Oranı, Orman Yangını Risk Haritası

Thanks

Yazarlar Orman Genel Müdürlüğü'ne ve Muğla Orman Bölge Müdürlüğü’ne veri teminine olan katkılarından dolayı teşekkür ederler.

Development of Forest Fire Risk Map Using Geographical Information Systems and Remote Sensing Technics: Muğla, Milas Case

Abstract

Precautions to be taken before, during and after the fire are of great importance in order to prevent possible forest fires and to provide early intervention. Within the scope of this study, the subject of forest fire was examined by using the Frequency Ratio technique supported by GIS and UA technologies. The information from 107 forest fire occurrences that happened over three years (2017-2019) was used to classify fire risk in the study. In this context, the forest areas of Milas district is classified in five risk groups as very low risk, low risk, medium risk, high risk and very high risk, in terms of forest fires risk. According to the frequency ratio method, it was observed that the risk class with the highest distribution in the study area was medium risk areas with a share of 55% of total forest area. The findings revealed that essential preventions should be taken urgently in order to preserve forest property from fires in Milas district.

Keywords

GIS, RS, Frequency Ratio, Forest Fire Risk Map

References

• [1] Akkaş, M.E., Bucak, C., Boza, Z., Eronat, H., Bekereci, A., Erkan, A., Cebeci, C. (2008). Büyük Orman Yangınlarının Meteorolojik Veriler Işığında İncelenmesi, T.C. Çevre ve Orman Bakanlığı Ege Ormancılık Araştırma Müdürlüğü, Yayın No:333, Müdürlük Yayın No: 048.
• [2] Akıncı, H., & Sedat Doğan, C. K. (2011). Frekans Oranı Metodu Kullanilarak Samsun İl Merkezi̇ni̇n Heyelan Duyarlılık Hari̇tasının Üreti̇lmesi̇. TMMOB Harita ve Kadastro Mühendisleri Odası 13. Türkiye Harita Bilimsel ve Teknik Kurultayı.
• [3] Arca, D., & Kutoğlu, Ş. H. (2017). Frekans Oranı Metodu ile Heyelan Duyarlılık Haritasının Üretilmesi. TMMOB Harita ve Kadastro Mühendisleri Odası, 16. Türkiye Harita Bilimsel ve Teknik Kurultayı, 16, 3–6.
• [4] Balaban, B., & Becer, M. M. (2017). Frekans Oranı Metodu Kullanılarak Heyelan Duyarlılık Haritası Hazırlanması : Gölpazarı ( Bilecik , Güney Marmara ) Örneği. Ulusal Mühendislik Jeolojisi ve Jeoteknik Sempozyumu. Adana, 12–14.
• [5] Bilgili, E. (2014). Orman koruma dersi̇ geçi̇ci̇ ders notlari. (Yayınlanmamış), 1–155.
• [6] Butler, B., W. Anderson, and E. Catchpole. (2007). Influence of slope on fire spread rate. in In: Butler, Bret W.; Cook, Wayne, comps. The fire environment--innovations, management, and policy; conference proceedings. Destin, FL. Proceedings RMRS-P-46CD. Fort Collins, CO: US Department of Agriculture, Forest Service, Rocky Mountain Research Station. CD-ROM. p. 75-82. 2007.
• [7] Carmel, Y., Paz, S., Jahashan, F., & Shoshany, M. (2009). Assessing fire risk using Monte Carlo simulations of fire spread. Forest Ecology and Management, 257(1), 370-377.
• [8] Catry, T., Ramos, J. A., Le Corre, M., & Phillips, R. A. (2009). Movements, at-sea distribution and behaviour of a tropical pelagic seabird: The wedge-tailed shearwater in the western Indian Ocean. Marine Ecology Progress Series, 391, 231–242. https://doi.org/10.3354/meps07717
• [9] Chuvieco, E., & Congalton, R. G. (1988). Mapping and inventory of forest fires from digital processing of tm data. Geocarto International. https://doi.org/10.1080/10106048809354180
• [10] Chuvieco, E. and J. Salas, (1996). Mapping the spatial distribution of forest fire danger using GIS. International Journal of Geographical Information Science, 10(3): p. 333-345.
• [11] Cleve, C., Kelly, M., Kearns, F. R., & Moritz, M. (2008). Classification of the wildland-urban interface: A comparison of piksel- and object-based classifications using high-resolution aerial photography. Computers, Environment and Urban Systems, 32(4), 317–326. https://doi.org/10.1016/j.compenvurbsys.2007.10.001
• [12] Doerr, S. H., & Santín, C. (2016). Global trends in wildfire and its impacts: Perceptions versus realities in a changing world. Philosophical Transactions of the Royal Society B: Biological Sciences, 371(1696). https://doi.org/10.1098/rstb.2015.0345
• [13] Dupuy, J. L. (1995). Slope and fuel load effects on fire behaviour :Laboratory experiments in pine needles fuel beds. International Journal of Wildland Fire. https://doi.org/10.1071/WF9950153
• [14] Gao, X., Fei, X., & Xie, H. (2011, June). Forest fire risk zone evaluation based on high spatial resolution RS image in Liangyungang Huaguo Mountain Scenic Spot. In Proceedings 2011 IEEE International Conference on Spatial Data Mining and Geographical Knowledge Services (pp. 593-596). IEEE.
• [15] Jadda, M., Shafri, H. Z. M., Mansor, S. B., Sharifikia, M., & Pirasteh, S. (2009). Landslide susceptibility evaluation and factor effect analysis using Probabilistic-Frequency Ratio model. European Journal of Scientific Research.
• [16] Jaiswal, R. K., Mukherjeeb, S., Kumaran, D. R., Saxena, R., (2002) . Forest fire risk zone mapping from satellite imagery and GIS. International Journal of Applied Earth Observation and Geoinformation, 4(1): p. 1-10.
• [17] Javad, M., Baharin, A., Barat, M., & Farshid, S. (2014). Using frequency ratio method for spatial landslide prediction. Research Journal of Applied Sciences, Engineering and Technology, 7(15), 3174–3180. https://doi.org/10.19026/rjaset.7.658
• [18] Javier, E. C. (1996). Mapping the spatial distribution of forest fire danger using GIS. Geographical Information Systems, 10(3), 333–345. https://doi.org/10.1080/026937996138070
• [19] Kadıoğulları, A. İ., Başkent, E. Z., Üniversitesi, K. T., Fakül, O., Mühendisliği, O., & Trabzon, B. (2009). Orman Kaynaklarının Konumsal ve Zamansal Değişiminin Coğrafi Bilgi Sistemleri ve Uzaktan Algılama Teknikleri İle İrdelenmesi: İnayet ve Yenice Örneği. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 10(3), 378–390. https://doi.org/10.19113/sdufbed.83192
• [20] Karabulut, M., Karakoç, A., Gürbüz, M., & Yakup, K. (2013). Coğrafi Bilgi Sistemleri Kullanarak Başkonuş Dağında ( Kahramanmaraş ) Orman Yangını Risk Alanlarının Belirlenmesi. Uluslararası Sosyal Araştırmalar Dergisi, January, 6(24), 171–179.
• [21] Kavlak, M. O., Çabuk, S. N., & Çetin, M. (2021). Development of forest fire risk map using geographical information systems and remote sensing capabilities : Ören case. Environmental Science and Pollution Research. https://doi.org/10.1007/s11356-021-13080-9
• [22] Lee, S., Choi, J., & Min, K. (2004). Probabilistic landslide hazard mapping using GIS and remote sensing data at Boun, Korea. International Journal of Remote Sensing. https://doi.org/10.1080/01431160310001618734
• [23] Lee, S., & Evangelista, D. G. (2005). Landslide susceptibility mapping using probability and statistics models in Baguio City, Philippines. Proceedings, 31st International Symposium on Remote Sensing of Environment, ISRSE 2005: Global Monitoring for Sustainability and Security.
• [24 ]Modugno, S., Balzter, H., Cole, B., & Borrelli, P. (2016). Mapping regional patterns of large forest fires in Wildland-Urban Interface areas in Europe. Journal of Environmental Management, 172(February), 112–126. https://doi.org/10.1016/j.jenvman.2016.02.013
• [25] Noonan, E.K. A., (2003) . Coupled model approach for assessing fire hazard at point Reyes national seashore: FlamMap and GIS. in Second international wildland fire ecology and fire management congress and fifth symposium on fire and forest meteorology, Orlando, FL. American Meteorological Society.
• [26] Ozdemir, A., & Altural, T. (2013). A comparative study of frequency ratio, weights of evidence and logistic regression methods for landslide susceptibility mapping: Sultan mountains, SW Turkey. Journal of Asian Earth Sciences. https://doi.org/10.1016/j.jseaes.2012.12.014 [27] Patz, J. A., Frumkin, H., Holloway, T., Vimont, D. J., & Haines, A. (2014). Climate change: Challenges and opportunities for global health. JAMA - Journal of the American Medical Association, 312(15). https://doi.org/10.1001/jama.2014.13186
• [28] Rogan, J., Miller, J., Wulder, M. A., (2014). Integrating GIS and remotely sensed data for mapping forest disturbance and change. Understanding forest disturbance and spatial pattern: Remote sensing and GIS approaches, p. 133-172.
• [29] Siachalou, S., Doxani, G., & Tsakiri-Strati, M. (2009). Integrating Remote Sensing Processing and GIS to Fire Risk Zone Mapping: a Case Study for the Seih-Sou Forest of Thessaloniki. Proceedings of the 24th International Cartographic Conference (ICC), January 2016, 1–10. http://icaci.org/documents/ICC_proceedings/ICC2009/html/nonref/6_10.pdf
• [30] Tien Bui, D., Bui, Q. T., Nguyen, Q. P., Pradhan, B., Nampak, H., & Trinh, P. T. (2017). A hybrid artificial intelligence approach using GIS-based neural-fuzzy inference system and particle swarm optimization for forest fire susceptibility modeling at a tropical area. Agricultural and Forest Meteorology, 233. https://doi.org/10.1016/j.agrformet.2016.11.002
• [31] Van Wagner, C. E. (1988). Effect of slope on fires spreading downhill. Canadian Journal of Forest Research.
• [32] Verma, S., & Jayakumar, S. (2012). Impact of forest fire on physical, chemical and biological properties of soil: A. Proceedings of the International Academy of …, 2(3), 168–176. http://www.iaees.org/publications/journals/piaees/articles/2012-2(3)/impact-of-forest-fire.pdf
• [33] Viegas, D.X., (2004). Slope and wind effects on fire propagation. International Journal of Wildland Fire, 13(2): p. 143-156.
• [34] Anonim, 2020.http://www.milas.gov.tr/milasin-tarihcesi (Erişim tarihi: 21.05.2020)
• [35] Anonim,2021.https://mugla.ktb.gov.tr/TR270754/cografya-konum-iklim-ulasim.html (Erişim tarihi: 01.05.2021)