Sentinel-2A ürünlerinin yanmış orman alanlarının haritalanmasındaki başarının araştırılması

Year 2019, Volume: 1 Issue: 1, 8 - 15, 15.12.2019

İbrahim Halil Saylan , Resul Çömert

Abstract

Dünyanın akciğerleri olarak nitelendirebileceğimiz
ormanlar, dünya kara yüzeyinin üçte birini kapsamakta ve biyolojik çeşitliliğin
ana kaynağı olarak görülmektedir. Bu biyolojik çeşitliliği tehdit eden en büyük
etkenlerden biri ise orman yangınlarıdır. Yangın alanlarının haritalanması;
hasar tespitinin belirlenmesi ve yangın bölgesine yapılacak müdahalelerin
planlanmasında çok önemli bir etkendir. Hızlı ve maliyeti düşük bir haritalama
yöntemi olması nedeniyle uzaktan algılama yöntemi ideal bir metot olarak
karşımıza çıkmaktadır. Bu çalışmada orta çözünürlüklü Sentinel-2A uydusunun
Seviye-1c ve Seviye-2a görüntü bantlarından faydalanılarak üretilen farklı bant
indekslerinin yanmış alanların haritalanmasındaki başarısı irdelenmiştir.
Uygulama için araştırma sahası olarak Yunanistan’ın Kineta şehrinde 23 Temmuz
2018 tarihinde meydana gelen yangın alanı seçilmiştir. Bu kapsamda bant indeksi
olarak DVI (Fark Vejetasyon İndeksi), NDVI (Normalize Edilmiş Fark Vejetasyon
İndeksi), NBR-1 (Normalize Edilmiş Yanmış Alan İndeksi 1) ve NBR-2 (Normalize
Edilmiş Yanmış Alan İndeksi 2) kullanılmıştır. Çalışma kapsamında öncellikle
üretilen indekslerden NBR-1 ve NBR-2 olay sonrası görüntülerine uygulanarak
yanmış alanların haritalanması yapılmış, ancak elde edilen sonuçların yetersiz
olduğu görülmüştür. Bu nedenle yangın öncesi uydu görüntüleri temin edilerek, olay
öncesi ve olay sonrası fark indeksleri üretilmiştir. Elde edilen sınıflandırma
sonuçları hata matrisine göre değerlendirilmiştir. Seviye-1c ve Seviye-2a
indeksleri genel olarak karşılaştırıldığında; d-NBR-1 ve d-NBR-2 indeksleri
Seviye-1C için, d-DVI ve d-NDVI indeksleri ise Seviye-2a için daha yüksek
doğruluk değerleri verdiği gözlemlenmiştir.

Keywords

Yanmış Alan, Değişim Saptama, Sentinel-2A, Bant İndeksi

Investigation of the success of Sentinel-2A products in mapping of burned forest areas

Abstract

Forests, which can be defined as the lungs of the world, cover one third of the world's land surface and are considered as the main source of biodiversity. One of the biggest factors threatening this biodiversity is forest fires. Mapping of burned areas is a very important factor in determining the damage assessment and planning the interventions in the fire zone. Because it is a fast and cost-effective method, remote sensing is an ideal tool for mapping burned areas. In this study, the success of different band indices produced from Level-1C and Level-2A images of Sentinel-2A satellite in change detection of burned area was examined. The research area was selected as the burned forest area in Kineta, Greece in 2018. In this context, DVI (Difference Vegetation Index), NDVI (Normalized Difference Vegetation Index), NBR-1 (Normalized Burned Area Index 1) and NBR-2 (Normalized Burned Area Index 2) were used as band indices. Within the scope of the study, firstly produced indexes NBR-1 and NBR-2 were applied to post-event images and mapped the burned areas, but the results were found to be insufficient. Therefore, pre-event and post-event difference indices were obtained by providing satellite images before fire. When Level-1C and Level-2A indexes are compared; It was observed that d-NBR-1 and d-NBR-2 indices gave higher accuracy values for Level-1C and d-DVI and d-NDVI indices for Level-2A.

Keywords

Burnt Area, Change Detection, Sentinel-2A

References

• Chen, G. ve ark. (2015) Mapping burn severity in a disease-impacted forest landscape using Landsat and MASTER imagery. International Journal of Applied Earth Observation and Geoinformation, 40, 91-99.
• Escuin, S. ve ark. (2008). Fire severity assessment by using NBR (Normalized Burn Ratio) and NDVI (Normalized Difference Vegetation Index) derived from LANDSAT TM/ETM images. International Journal of Remote Sensing, 29(4), 1053-1073.
• Loboda, Tatina, K.J. O’neal, and I. Csiszar. (2007) "Regionally adaptable dNBR-based algorithm for burned area mapping from MODIS data." Remote Sensing of Environment 109.4, 429-442.
• Palandjian, D. ve ark. (2009). Burned area mapping and post-fire impact assessment in the Kassandra peninsula (Greece) using Landsat TM and Quickbird data. Geocarto International, 24(3), 193-205.
• Petropoulos, G. ve ark. (2011) Burnt area delineation from a uni-temporal perspective based on Landsat TM imagery classification using support vector machines. International Journal of Applied Earth Observation and Geoinformation, 13(1), 70-80.
• Picotte, J.J. ve Robertson, K. M. (2011) Validation of remote sensing of burn severity in south-eastern US ecosystems. International Journal of Wildland Fire, 20: 453–464.
• Ramo, R. Ve Chuvieco, E. (2017). Developing a Random Forest Algorithm for MODIS Global Burned Area Classification. Remote Sensing, 9(11), 1193.
• Sayın, S. ve ark. (2014) Orman Yangınlarında İş Sağlığı ve Güvenliği, Süleyman Demirel Üniversitesi Orman Fakültesi Dergisi, 15: 168-175.
• Suhet, (2013) Sentinel-2 User Handbook 1: 9-175.
• URL-1: https://www.revolvy.com/page/Kineta, 20.12.2018