Saf Kızılçam (Pinus brutia Ten.) Meşcerelerinde Topraküstü Biyokütle ile Yaprak Alan İndeksi Arasındaki İlişkilerin Modellenmesi: Sarıyayla Orman İşletme Şefliği Örneği
Öz
Bu çalışma, Mersin Orman Bölge Müdürlüğü’ne bağlı Anamur Orman İşletme Müdürlüğü, Sarıyayla Orman İşletme Şefliği sınırları içerisinde yayılış gösteren saf kızılçam (Pinus brutia Ten.) meşcerelerinde gerçekleştirilmiştir. Çalışma kapsamında toplam 257 adet örnek alandan elde edilen envanter verileri kullanılmıştır. Her bir örnek alanın topraküstü biyokütle (TÜB) değeri, Şahin (2015) tarafından saf kızılçam meşcereleri için geliştirilmiş olan tek girişli biyokütle denklemi kullanılarak hesaplanmıştır. Envanter verilerine ek olarak, Ocak ayı hariç (yeterli kalitede uydu görüntüsü bulunmadığı için) olmak üzere her ay için Sentinel-2 uydu görüntülerinden yaprak alan indeksi (YAİ) raster verileri türetilmiştir. Her bir örnek alan, aylık YAİ görüntüleri üzerine coğrafi olarak aktarılmış ve buna bağlı olarak her bir örnek alan için aylık bazda YAİ değişkenlerinin maksimum, minimum, ortalama, toplam, değişim aralığı ve standart sapma değerleri hesaplanmıştır. TÜB ile her bir ay ve tüm aylara ilişkin YAİ değişkenleri arasındaki ilişkiler çoğul regresyon analizi ile modellenmiştir. Bu kapsamda toplam 12 adet regresyon modeli geliştirilmiştir. Aylara göre geliştirilen modellerde modellerin belirleme katsayısı (R²) 0,10 ile 0,178 arasında değişirken, tüm aylara ait verilerin birlikte değerlendirildiği modelde ise R² değeri 0,444 olarak bulunmuştur. Elde edilen bulgular, geliştirilen regresyon modellerinin saf kızılçam meşcerelerinde topraküstü biyokütlenin tahmininde potansiyel sunduğunu, ancak model performansının artırılması için daha kapsamlı ve çok yönlü bilimsel araştırmalara ihtiyaç duyulduğunu göstermektedir.
Anahtar Kelimeler
Teşekkür
Bu çalışmada kullanılan envanter karnesi verileri ve orman amenajman planının temininde verdikleri destekten dolayı Orman Genel Müdürlüğü Orman İdaresi ve Planlama Dairesi Başkanlığı’na teşekkür ederiz.
Kaynakça
- Aksoy H (2023) Sinop Orman Bölge Müdürlüğü saf sarıçam meşcerelerinde farklı uzaktan algılama verileri kullanılarak bazı meşcere parametrelerinin modellenmesi. Çankırı Karatekin Üniversitesi Fen Bilimleri Enstitüsü Doktora Tezi, Orman Mühendisliği Anabilim Dalı, Çankırı, 172 s.
- Aksoy H, Günlü A (2025) UAV and satellite-based prediction of aboveground biomass in scots pine stands: a comparative analysis of regression and neural network approaches. Earth Science Informatics, 18(1): 1–24. https://doi.org/10.1007/s12145-024-01657-0
- Albaugh TJ, Allen HL, Dougherty PM, Kress LW, King JS (1998) Leaf area and above- and belowground growth responses of loblolly pine to nutrient and water additions. Forest Science, 44: 317–328. https://doi.org/10.1093/forestscience/44.2.317
- Alemdağ İŞ (1981) Aboveground-mass equations for six hardwood species from natural stands of the research forest at Petawawa. Canadian Forestry Service Information Report, PI-X-6, Canada.
- Andalibi L, Ghorbani A, Moameri M, Hazbavi Z, Nothdurft A, Jafari R, Dadjou F (2021) Leaf area index variations in ecoregions of Ardabil province, Iran. Remote Sensing, 13(15):2879. https://doi.org/10.3390/rs13152879
- Anonim (2016) Mersin Orman Bölge Müdürlüğü, Anamur Orman İşletme Müdürlüğü, Sarıyayla Orman İşletme Şefliği, Fonksiyonel Orman Amenajman Planı. Orman Genel Müdürlüğü, Orman İdaresi ve Planlama Dairesi, Ankara.
- Atwell BJ, Kriedeman PE, Turnbull GN (1999) Plants in Action: Adaptation in Nature, Performance in Cultivation (s. 664). Macmillan, Avustralya.
- Baccini A, Laporte N, Goetz SJ, Sun M, Dong H (2008) A first map of tropical Africa’s above-ground biomass derived from satellite imagery. Environmental Research Letters, 3: 045011. https://doi.org/10.1088/17489326/3/4/045011
- Batu F (1995) Uygulamalı istatistik yöntemler. Karadeniz Teknik Üniversitesi Orman Fakültesi Genel Yayın No: 179, Fakülte Yayın No: 22, Trabzon.
- Berterretche M, Hudak AT, Cohen WB, Maiersperger TK, Gower ST, Dungan J (2005) Comparison of regression and geostatistical methods for mapping leaf area index (LAI) with Landsat ETM+ data over a boreal forest. Remote Sensing of Environment, 96: 49–61. https://doi.org/10.1016/j.rse.2005.01.014
- Boegh E, Soegaard H, Broge N, Hasager CB, Jensen NO, Schelde K, Thomsen A (2002) Airborne multispectral data for quantifying leaf area index nitrogen concentration and photosynthetic efficiency in agriculture. Remote Sensing of Environment, 81(2–3):179–193. https://doi.org/10.1016/S0034-257(01)00342-X
- Boyd DS, Wicks TE, Curran PJ (2000) Use of middle infrared radiation to estimate the leaf area index of a boreal forest. Tree Physiology, 20:755–760. https://doi.org/10.1093/treephys/20.11.755
- Brown S (2002) Measuring carbon in forests: current status and future challenges. Environmental Pollution, 16:363–372. https://doi.org/10.1016/S02697491(01)00212-3
- Bulut S, Günlü A, Sönmez MY (2021) Saf karaçam meşcerelerinde yaprak alan indeksi ile meşcere parametreleri arasındaki ilişkilerin modellenmesi. Bartın Orman Fakültesi Dergisi, 23(3): 980–989. https://doi.org/10.24011/barofd.1002569
- Bulut S (2023) Machine learning prediction of above-ground biomass in pure calabrian pine (Pinus brutia Ten.) stands of the Mediterranean region, Türkiye. Ecological Informatics, 74: 101951. https://doi.org/10.1016/j.ecoinf.2022.101951
- Bulut S, Günlü A, Çakır G (2023) Modelling some stand parameters using Landsat 8 OLI and Sentinel-2 satellite images by machine learning techniques: a case study in Türkiye. Geocarto Internatıonal, 38 (1): 2158238.https://doi.org/10.1080/10106049.2022.2158238
- Chen JM, Pavlic G, Brown L, Cihlar J, Leblanc SG, White HP, Hall RJ, Peddle DR, King DJ, Trofymow JA, Swift E, Van Der Sanden J, Pellikka PKE (2002) Derivation and validation of Canada-wide coarse-resolution leaf area index maps using high-resolution satellite imagery and ground measurements. Remote Sensing of Environment, 80:165–184. https://doi.org/10.1016/S00344257(01)00300-5
- Colombo R, Bellingeri D, Fasolini D, Marino CM (2003) Retrieval of leaf area index in different vegetation types using high resolution satellite data. Remote Sensing of Environment, 86:120–131. https://doi.org/10.1016/S0034-4257(03)00094-4
- Demir S, Günlü A (2024) Sentinel-2 uydu görüntüsü kullanılarak saf kavak meşcerelerinde meşcere hacmi ve göğüs yüzeyinin tahmin edilmesi. Anadolu Orman Araştırmaları Dergisi, 10(2):78-86. https://doi.org/10.53516/ajfr.1558255
- Ercanlı İ, Günlü A, Şenyurt M, Keleş S (2018) Artificial neural network models predicting the leaf area index: a case study in pure even-aged Crimean pine forests from Turkey. Forest Ecosystems, 5: 1–12. https://doi.org/10.1186/s40663-018-0149-8
- Gonçalves AO, Da Silva EHFM, Gasparotto LG, Rosa JM, do Carmo S, Júnior IMF, Marin FR (2020) Improving indirect measurements of the leaf area index using canopy height. Pesqui. Agropecu. Bras., 55:1–9. https://doi.org/10.1590/s16783921.pab2020.v55.01894
- Günlü A, Ercanli İ, Başkent EZ, Çakır G (2014) Estimating aboveground biomass using Landsat TM imagery: a case study of Anatolian Crimean pine forests in Turkey. Annals of Forest Research, 57(2):289-298. https://doi.org/10.15287/afr.2014.278
- Günlü A, Keleş S, Ercanlı İ, Şenyurt M (2017) Estimation of leaf area index using WorldView-2 and Aster satellite image: a case study from Turkey. Environmental Monitoring and Assessment, 189:1-11. https://doi.org/10.1007/s10661-017-6254-2
- Günlü A, Ercanlı İ (2020) Artificial neural network models by ALOS PALSAR data for aboveground stand carbon predictions of pure beech stands: a case study from northern of Turkey. Geocarto International, 35(1):17-28. https://doi.org/10.1080/10106049.2018.1499817
- Günlü A, Bulut S (2023) Modeling leaf area index using time-series remote sensing and topographic data in pure Anatolian black pine stands. International Journal of Environmental Science and Technology, 20(5):5471-5490. https://doi.org/10.1007/s13762-022-04552-7
- Heiskanen J (2006) Estimating aboveground tree biomass and leaf area index in a mountain birch forest using ASTER satellite data. International Journal of Remote Sensing, 27(6):1135-1158. https://doi.org/10.1080/01431160500353858
- Kalıpsız A (1984) Dendrometri. İstanbul Üniversitesi Orman Fakültesi Yayınları, İÜ Yayın No: 3194, OF Yayın No:354, İstanbul, 407 s.
- Liu Q, Huete A (1995) A feedback based modification of the NDVI to minimize canopy background and atmospheric noise. IEEE T. Geosci. Remote Sens., 33 (2):457-465. https://doi.org/10.1109/TGRS.1995.8746027
- Lu D, Batistella M (2005) Exploring TM image texture and its relationships with biomass estimation in Rondônia, Brazilian Amazon. Acta Amozonica, 35(2): 249-257. https://doi.org/10.1590/S0044-59672005000200015
- Ma H, Song J, Wang J, Xiao Z, Fu Z (2014) Improvement of spatially continuous forest LAI retrieval by integration of discrete airborne LİDAR and remote sensing multi-angle optical data. Agric. For. Meteorol., 189–190:60–70. https://doi.org/10.1016/j.agrformet.2014.01.009
- Nguyen TH, Jones S, Soto-Berelov M, Haywood A, Hislop S (2020) Landsat time-series for estimating forest aboveground biomass and its dynamics across space and time: a review. Remote Sens., 12(1):98. https://doi.org/10.3390/rs12010098
- Özbayram AK, Çiçek E, Yılmaz F (2015) Kızılçam ve Karaçam meşcerelerinde yaprak alanı indeksi (YAİ) ile bazı meşcere özellikleri arasındaki ilişkiler. Kastamonu University Journal of Forestry Faculty, 15(1):78-85. https://doi.org/10.17475/kuofd.23267
- Özdemir İ, Karnieli A (2011) Predicting forest structural parameters using the image texture derived from worldview-2 multispectral imagery in a dryland forest, Israel. International Journal of Applied Earth Observation and Geoinformation, 13: 701-710. https://doi.org/10.1016/j.jag.2011.05.006
- Parker GG (2020) Tamm review: leaf area ındex (LAI) is both a determinant and a consequence of important processes in vegetation canopies. Forest Ecology and Management, 477: 118496. https://doi.org/10.1016/j.foreco.2020.118496
- Peichl M, Arain MA (2007) Allometry and partitioning of above and belowground tree biomass in an age-sequence of white pine forests. Forest Ecology and Management, 253: 68-80. https://doi.org/10.1016/j.foreco.2007.07.003
- Running S, Baldocchi D, Gower S, Bakwin P, Hibbard K (1999) A global terrestrial monitoring network integrating tower fluxes, flask sampling, ecosystem modeling and EOS data. Remote Sensing of Environment, 70:108-127. https://doi.org/10.1016/S00344257(99)00061-9
- Sakıcı OE, Ercanlı İ, Kahriman A (2004) Klasik biyokütle tahmin yöntemleri ve yeni yaklaşımlar. Kafkas Üniversitesi Artvin Orman Fakültesi Dergisi, 3-4: 165-171.
- Sakıcı OE, Günlü A (2018) Artificial intelligence applications for predicting some stand attributes using Landsat 8 OLI satellite data: a case study from Turkey. Appl Ecol Env Res., 16(4):5269–5285. https://doi.org/10.15666/aeer/1604_52695285
- Saraçoğlu N (1988) Kızılağaç (Alnus glutinosa var. barbata (C. A. Mey.) Ledeb.) gövde hacim ve biyokütle tablolarının düzenlenmesi. Karadeniz Teknik Üniversitesi Fen Bilimleri Enstitüsü Doktora Tezi, Trabzon.
- SPSS (2007) SPSS Base 270 User’s Guide. 770 s.
- Sola I, García-Martín A, Sandonís-Pozo L, Álvarez-Mozos J, Pérez-Cabello F, González-Audícana M, Llovería RM (2018) Assessment of atmospheric correction methods for Sentinel-2 images in Mediterranean landscapes. International Journal of Applied Earth Observation and Geoinformation, 73:63-76. https://doi.org/10.1016/j.jag.2018.05.020
- Song C (2012) Optical remote sensing of forest leaf area index and biomass. Progress in Physical Geography, 237: 98–113. https://doi.org/10.1177/03091333124713
- Sun O, Uğurlu S, Özer E (1980) Kızılçam türüne ait biyolojik kütlenin saptanması. OAE Teknik Bülten, No:104, Ankara.
- Sun Y, Qin Q, Ren H, Zhang T, Chen S (2020) Red-edge band vegetation ındices for leaf area ındex estimation from Sentinel-2/MSI imagery. IEEE Transactions on Geoscience and Remote Sensing, 58: 826–840. https://doi.org/10.1109/TGRS.2019.2940826
- Şahan E, Günlü A (2024) Aktif ve pasif uydu görüntüleri kullanılarak saf karaçam meşcerelerinde topraküstü karbonun tahmin edilmesi. Bartın Orman Fakültesi Dergisi, 26(4):377-391. https://doi.org/10.24011/barofd.1544831
- Şahin A (2015) Mersin yöresi saf kızılçam (Pinus brutia Ten.) meşcerelerinde hasılat araştırmaları. Artvin Çoruh Üniversitesi Fen Bilimleri Enstitüsü Doktora Tezi, Artvin.
- Turgut R, Günlü A (2022) Estimating aboveground biomass using Landsat 8 OLI satellite image in pure Crimean pine (Pinus nigra JF Arnold subsp. pallasiana (Lamb.) Holmboe) stands: a case from Turkey. Geocarto International, 37(3): 720–734. https://doi.org/10.1080/10106049.2020.1737971
- Tuzet A, Perrier A, Leuning R (2003) A coupled model of stomatal conductance, photosynthesis and transpiration. Plant, Cell and Environment, 26(7):1097–1116. https://doi.org/10.1046/j.13653040.2003.01035.x
- Vermote E, Justice C, Claverie M, Franch B (2016) Preliminary analysis of the performance of the Landsat 8/OLI land surface reflectance product. Remote Sensing of Environment, 185: 46-56. https://doi.org/10.1016/j.rse.2016.04.008
- Vogt K (1991) Carbon budgets of temperate forest ecosystems. Tree Physiology, 9:69–86. https://doi.org/10.1093/treephys/9.1-2.69
- White JC, Wulder MA, Hermosilla T, Coops NC, Hobart GW (2017) A nationwide annual characterization of 25 years of forest disturbance and recovery for Canada using landsat time series. Remote Sens Environ., 194:303–321. https://doi.org/10.1016/j.rse.2017.03.035
- Xin Q, Dai Y, Li X, Liu X, Gong P, Richardson AD (2018) A steady-state approximation approach to simulate seasonal leaf dynamics of deciduous broadleaf forests via climate variables. Agricultural and Forest Meteorology, 249:44-56.https://doi.org/10.1016/j.agrformet.2017.11.025
- Yer MB (2021) Kastamonu yöresi karaçam meşcerelerinde yaprak alan indeksi ile çeşitli meşcere özellikleri arasındaki ilişkilerin belirlenmesi. Kastamonu Üniversitesi Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, Kastamonu.
Modeling the Relationship Between Aboveground Biomass and Leaf Area Index in Pure Turkish Red Pine (Pinus brutia Ten.) Stands: A Case Study from Sarıyayla Forest Planning Unit
Öz
This study was conducted in pure Turkish red pine (Pinus brutia Ten.) stands within the boundaries of Mersin Regional Directorate of Forestry, Anamur Forest Enterprise, Sarıyayla Forest Planning Unit. Data from a total of 257 sample plots were utilized in the analysis in the study. The aboveground biomass (AGB) of each sample plot was estimated using a single-entry biomass equation developed specifically for pure Calabrian pine stands by Şahin (2015). In addition to inventory data, monthly raster datasets of Leaf Area Index (LAI) were produced using Sentinel-2 satellite imagery, excluding the month of January (due to the lack of sufficiently high-quality imagery). Each sample plot was geographically overlaid onto the monthly LAI images, and for each month, statistical variables including maximum, minimum, mean, total, range, and standard deviation of LAI were calculated for every sample plot. The relationships between AGB values and the LAI-derived variables (both every month and across all months) were modeled using multiple regression analysis. In total, 12 regression models were developed. The coefficient of determination (R²) values of the monthly models ranged from 0.10 to 0.178, while the model incorporating data from all months yielded a substantially higher R² value of 0.444. The findings suggest that the developed regression models hold potential for estimating aboveground biomass in pure Pinus brutia stands; however, further comprehensive and multidisciplinary research is required to enhance model performance and applicability.
Anahtar Kelimeler
Kaynakça
- Aksoy H (2023) Sinop Orman Bölge Müdürlüğü saf sarıçam meşcerelerinde farklı uzaktan algılama verileri kullanılarak bazı meşcere parametrelerinin modellenmesi. Çankırı Karatekin Üniversitesi Fen Bilimleri Enstitüsü Doktora Tezi, Orman Mühendisliği Anabilim Dalı, Çankırı, 172 s.
- Aksoy H, Günlü A (2025) UAV and satellite-based prediction of aboveground biomass in scots pine stands: a comparative analysis of regression and neural network approaches. Earth Science Informatics, 18(1): 1–24. https://doi.org/10.1007/s12145-024-01657-0
- Albaugh TJ, Allen HL, Dougherty PM, Kress LW, King JS (1998) Leaf area and above- and belowground growth responses of loblolly pine to nutrient and water additions. Forest Science, 44: 317–328. https://doi.org/10.1093/forestscience/44.2.317
- Alemdağ İŞ (1981) Aboveground-mass equations for six hardwood species from natural stands of the research forest at Petawawa. Canadian Forestry Service Information Report, PI-X-6, Canada.
- Andalibi L, Ghorbani A, Moameri M, Hazbavi Z, Nothdurft A, Jafari R, Dadjou F (2021) Leaf area index variations in ecoregions of Ardabil province, Iran. Remote Sensing, 13(15):2879. https://doi.org/10.3390/rs13152879
- Anonim (2016) Mersin Orman Bölge Müdürlüğü, Anamur Orman İşletme Müdürlüğü, Sarıyayla Orman İşletme Şefliği, Fonksiyonel Orman Amenajman Planı. Orman Genel Müdürlüğü, Orman İdaresi ve Planlama Dairesi, Ankara.
- Atwell BJ, Kriedeman PE, Turnbull GN (1999) Plants in Action: Adaptation in Nature, Performance in Cultivation (s. 664). Macmillan, Avustralya.
- Baccini A, Laporte N, Goetz SJ, Sun M, Dong H (2008) A first map of tropical Africa’s above-ground biomass derived from satellite imagery. Environmental Research Letters, 3: 045011. https://doi.org/10.1088/17489326/3/4/045011
- Batu F (1995) Uygulamalı istatistik yöntemler. Karadeniz Teknik Üniversitesi Orman Fakültesi Genel Yayın No: 179, Fakülte Yayın No: 22, Trabzon.
- Berterretche M, Hudak AT, Cohen WB, Maiersperger TK, Gower ST, Dungan J (2005) Comparison of regression and geostatistical methods for mapping leaf area index (LAI) with Landsat ETM+ data over a boreal forest. Remote Sensing of Environment, 96: 49–61. https://doi.org/10.1016/j.rse.2005.01.014
- Boegh E, Soegaard H, Broge N, Hasager CB, Jensen NO, Schelde K, Thomsen A (2002) Airborne multispectral data for quantifying leaf area index nitrogen concentration and photosynthetic efficiency in agriculture. Remote Sensing of Environment, 81(2–3):179–193. https://doi.org/10.1016/S0034-257(01)00342-X
- Boyd DS, Wicks TE, Curran PJ (2000) Use of middle infrared radiation to estimate the leaf area index of a boreal forest. Tree Physiology, 20:755–760. https://doi.org/10.1093/treephys/20.11.755
- Brown S (2002) Measuring carbon in forests: current status and future challenges. Environmental Pollution, 16:363–372. https://doi.org/10.1016/S02697491(01)00212-3
- Bulut S, Günlü A, Sönmez MY (2021) Saf karaçam meşcerelerinde yaprak alan indeksi ile meşcere parametreleri arasındaki ilişkilerin modellenmesi. Bartın Orman Fakültesi Dergisi, 23(3): 980–989. https://doi.org/10.24011/barofd.1002569
- Bulut S (2023) Machine learning prediction of above-ground biomass in pure calabrian pine (Pinus brutia Ten.) stands of the Mediterranean region, Türkiye. Ecological Informatics, 74: 101951. https://doi.org/10.1016/j.ecoinf.2022.101951
- Bulut S, Günlü A, Çakır G (2023) Modelling some stand parameters using Landsat 8 OLI and Sentinel-2 satellite images by machine learning techniques: a case study in Türkiye. Geocarto Internatıonal, 38 (1): 2158238.https://doi.org/10.1080/10106049.2022.2158238
- Chen JM, Pavlic G, Brown L, Cihlar J, Leblanc SG, White HP, Hall RJ, Peddle DR, King DJ, Trofymow JA, Swift E, Van Der Sanden J, Pellikka PKE (2002) Derivation and validation of Canada-wide coarse-resolution leaf area index maps using high-resolution satellite imagery and ground measurements. Remote Sensing of Environment, 80:165–184. https://doi.org/10.1016/S00344257(01)00300-5
- Colombo R, Bellingeri D, Fasolini D, Marino CM (2003) Retrieval of leaf area index in different vegetation types using high resolution satellite data. Remote Sensing of Environment, 86:120–131. https://doi.org/10.1016/S0034-4257(03)00094-4
- Demir S, Günlü A (2024) Sentinel-2 uydu görüntüsü kullanılarak saf kavak meşcerelerinde meşcere hacmi ve göğüs yüzeyinin tahmin edilmesi. Anadolu Orman Araştırmaları Dergisi, 10(2):78-86. https://doi.org/10.53516/ajfr.1558255
- Ercanlı İ, Günlü A, Şenyurt M, Keleş S (2018) Artificial neural network models predicting the leaf area index: a case study in pure even-aged Crimean pine forests from Turkey. Forest Ecosystems, 5: 1–12. https://doi.org/10.1186/s40663-018-0149-8
- Gonçalves AO, Da Silva EHFM, Gasparotto LG, Rosa JM, do Carmo S, Júnior IMF, Marin FR (2020) Improving indirect measurements of the leaf area index using canopy height. Pesqui. Agropecu. Bras., 55:1–9. https://doi.org/10.1590/s16783921.pab2020.v55.01894
- Günlü A, Ercanli İ, Başkent EZ, Çakır G (2014) Estimating aboveground biomass using Landsat TM imagery: a case study of Anatolian Crimean pine forests in Turkey. Annals of Forest Research, 57(2):289-298. https://doi.org/10.15287/afr.2014.278
- Günlü A, Keleş S, Ercanlı İ, Şenyurt M (2017) Estimation of leaf area index using WorldView-2 and Aster satellite image: a case study from Turkey. Environmental Monitoring and Assessment, 189:1-11. https://doi.org/10.1007/s10661-017-6254-2
- Günlü A, Ercanlı İ (2020) Artificial neural network models by ALOS PALSAR data for aboveground stand carbon predictions of pure beech stands: a case study from northern of Turkey. Geocarto International, 35(1):17-28. https://doi.org/10.1080/10106049.2018.1499817
- Günlü A, Bulut S (2023) Modeling leaf area index using time-series remote sensing and topographic data in pure Anatolian black pine stands. International Journal of Environmental Science and Technology, 20(5):5471-5490. https://doi.org/10.1007/s13762-022-04552-7
- Heiskanen J (2006) Estimating aboveground tree biomass and leaf area index in a mountain birch forest using ASTER satellite data. International Journal of Remote Sensing, 27(6):1135-1158. https://doi.org/10.1080/01431160500353858
- Kalıpsız A (1984) Dendrometri. İstanbul Üniversitesi Orman Fakültesi Yayınları, İÜ Yayın No: 3194, OF Yayın No:354, İstanbul, 407 s.
- Liu Q, Huete A (1995) A feedback based modification of the NDVI to minimize canopy background and atmospheric noise. IEEE T. Geosci. Remote Sens., 33 (2):457-465. https://doi.org/10.1109/TGRS.1995.8746027
- Lu D, Batistella M (2005) Exploring TM image texture and its relationships with biomass estimation in Rondônia, Brazilian Amazon. Acta Amozonica, 35(2): 249-257. https://doi.org/10.1590/S0044-59672005000200015
- Ma H, Song J, Wang J, Xiao Z, Fu Z (2014) Improvement of spatially continuous forest LAI retrieval by integration of discrete airborne LİDAR and remote sensing multi-angle optical data. Agric. For. Meteorol., 189–190:60–70. https://doi.org/10.1016/j.agrformet.2014.01.009
- Nguyen TH, Jones S, Soto-Berelov M, Haywood A, Hislop S (2020) Landsat time-series for estimating forest aboveground biomass and its dynamics across space and time: a review. Remote Sens., 12(1):98. https://doi.org/10.3390/rs12010098
- Özbayram AK, Çiçek E, Yılmaz F (2015) Kızılçam ve Karaçam meşcerelerinde yaprak alanı indeksi (YAİ) ile bazı meşcere özellikleri arasındaki ilişkiler. Kastamonu University Journal of Forestry Faculty, 15(1):78-85. https://doi.org/10.17475/kuofd.23267
- Özdemir İ, Karnieli A (2011) Predicting forest structural parameters using the image texture derived from worldview-2 multispectral imagery in a dryland forest, Israel. International Journal of Applied Earth Observation and Geoinformation, 13: 701-710. https://doi.org/10.1016/j.jag.2011.05.006
- Parker GG (2020) Tamm review: leaf area ındex (LAI) is both a determinant and a consequence of important processes in vegetation canopies. Forest Ecology and Management, 477: 118496. https://doi.org/10.1016/j.foreco.2020.118496
- Peichl M, Arain MA (2007) Allometry and partitioning of above and belowground tree biomass in an age-sequence of white pine forests. Forest Ecology and Management, 253: 68-80. https://doi.org/10.1016/j.foreco.2007.07.003
- Running S, Baldocchi D, Gower S, Bakwin P, Hibbard K (1999) A global terrestrial monitoring network integrating tower fluxes, flask sampling, ecosystem modeling and EOS data. Remote Sensing of Environment, 70:108-127. https://doi.org/10.1016/S00344257(99)00061-9
- Sakıcı OE, Ercanlı İ, Kahriman A (2004) Klasik biyokütle tahmin yöntemleri ve yeni yaklaşımlar. Kafkas Üniversitesi Artvin Orman Fakültesi Dergisi, 3-4: 165-171.
- Sakıcı OE, Günlü A (2018) Artificial intelligence applications for predicting some stand attributes using Landsat 8 OLI satellite data: a case study from Turkey. Appl Ecol Env Res., 16(4):5269–5285. https://doi.org/10.15666/aeer/1604_52695285
- Saraçoğlu N (1988) Kızılağaç (Alnus glutinosa var. barbata (C. A. Mey.) Ledeb.) gövde hacim ve biyokütle tablolarının düzenlenmesi. Karadeniz Teknik Üniversitesi Fen Bilimleri Enstitüsü Doktora Tezi, Trabzon.
- SPSS (2007) SPSS Base 270 User’s Guide. 770 s.
- Sola I, García-Martín A, Sandonís-Pozo L, Álvarez-Mozos J, Pérez-Cabello F, González-Audícana M, Llovería RM (2018) Assessment of atmospheric correction methods for Sentinel-2 images in Mediterranean landscapes. International Journal of Applied Earth Observation and Geoinformation, 73:63-76. https://doi.org/10.1016/j.jag.2018.05.020
- Song C (2012) Optical remote sensing of forest leaf area index and biomass. Progress in Physical Geography, 237: 98–113. https://doi.org/10.1177/03091333124713
- Sun O, Uğurlu S, Özer E (1980) Kızılçam türüne ait biyolojik kütlenin saptanması. OAE Teknik Bülten, No:104, Ankara.
- Sun Y, Qin Q, Ren H, Zhang T, Chen S (2020) Red-edge band vegetation ındices for leaf area ındex estimation from Sentinel-2/MSI imagery. IEEE Transactions on Geoscience and Remote Sensing, 58: 826–840. https://doi.org/10.1109/TGRS.2019.2940826
- Şahan E, Günlü A (2024) Aktif ve pasif uydu görüntüleri kullanılarak saf karaçam meşcerelerinde topraküstü karbonun tahmin edilmesi. Bartın Orman Fakültesi Dergisi, 26(4):377-391. https://doi.org/10.24011/barofd.1544831
- Şahin A (2015) Mersin yöresi saf kızılçam (Pinus brutia Ten.) meşcerelerinde hasılat araştırmaları. Artvin Çoruh Üniversitesi Fen Bilimleri Enstitüsü Doktora Tezi, Artvin.
- Turgut R, Günlü A (2022) Estimating aboveground biomass using Landsat 8 OLI satellite image in pure Crimean pine (Pinus nigra JF Arnold subsp. pallasiana (Lamb.) Holmboe) stands: a case from Turkey. Geocarto International, 37(3): 720–734. https://doi.org/10.1080/10106049.2020.1737971
- Tuzet A, Perrier A, Leuning R (2003) A coupled model of stomatal conductance, photosynthesis and transpiration. Plant, Cell and Environment, 26(7):1097–1116. https://doi.org/10.1046/j.13653040.2003.01035.x
- Vermote E, Justice C, Claverie M, Franch B (2016) Preliminary analysis of the performance of the Landsat 8/OLI land surface reflectance product. Remote Sensing of Environment, 185: 46-56. https://doi.org/10.1016/j.rse.2016.04.008
- Vogt K (1991) Carbon budgets of temperate forest ecosystems. Tree Physiology, 9:69–86. https://doi.org/10.1093/treephys/9.1-2.69
- White JC, Wulder MA, Hermosilla T, Coops NC, Hobart GW (2017) A nationwide annual characterization of 25 years of forest disturbance and recovery for Canada using landsat time series. Remote Sens Environ., 194:303–321. https://doi.org/10.1016/j.rse.2017.03.035
- Xin Q, Dai Y, Li X, Liu X, Gong P, Richardson AD (2018) A steady-state approximation approach to simulate seasonal leaf dynamics of deciduous broadleaf forests via climate variables. Agricultural and Forest Meteorology, 249:44-56.https://doi.org/10.1016/j.agrformet.2017.11.025
- Yer MB (2021) Kastamonu yöresi karaçam meşcerelerinde yaprak alan indeksi ile çeşitli meşcere özellikleri arasındaki ilişkilerin belirlenmesi. Kastamonu Üniversitesi Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, Kastamonu.
Ayrıntılar
| Birincil Dil | Türkçe |
|---|---|
| Konular | Orman Biyokütlesi ve Biyoürünleri |
| Bölüm | Araştırma Makalesi |
| Yazarlar | |
| Gönderilme Tarihi | 15 Nisan 2025 |
| Kabul Tarihi | 23 Aralık 2025 |
| Yayımlanma Tarihi | 28 Şubat 2026 |
| DOI | https://doi.org/10.17474/artvinofd.1676490 |
| IZ | https://izlik.org/JA87RB97ZW |
| Yayımlandığı Sayı | Yıl 2026 Cilt: 27 Sayı: 1 |
Kaynak Göster
Amaç ve Kapsam
Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi, Orman Mühendisliği, Peyzaj Mimarlığı, Orman Endüstri Mühendisliği ve Doğa-Fen Bilimleri çalışma konularında yerel, ulusal ve uluslararası düzeyde bilimsel niteliklere sahip çalışmaları bilim dünyasına kazandırmak amacıyla yayımlamaktadır.
Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi (ISSN: 2146-1880), uluslararası standartlara uygun akademik bir dergidir. Dergi 2000 yılından itibaren basılı ve 2011 yılından itibaren de elektronik platformda bilimsel makaleleri yayımlamaktadır.
Yazım Kuralları
Makalenin Dergi’ye sunulması daha önce başka bir yerde yayımlanmadığı ve halen yayımlanması girişiminde bulunulmadığı anlamına gelir.
Dergimize yayın göndermek isteyen yazarların öncelikle dergimizin “web sitesine” girerek “kayıt” olmaları gerekmektedir. Kayıtlı yazarlarımız sisteme “giriş” yaptıktan sonra, makalelerine ait “makale çalışmaları ve telif devir” formu ile birlikte sisteme yüklemelidirler. Ayrıca, yazarlar makale konusuna uygun hakem önerisi de ekleyebilirler.
Makaleler hazırlanırken aşağıda verilen "yazım şablonumuz" ve uluslararası "kısaltmalar ve birim sembolleri"ne dikkat edilmelidir.
Makaleler düz metin şeklinde hazırlanmalıdır. Makalenin her sayfasına satır ve sayfa numarası eklenmelidir.
Makalenin bütününde şekil, grafik, fotoğraf ve çizelgeleri içermek üzere “Calibri” yazı karakterinde, 11 punto, 1.5 satır aralığında ve iki yana yaslı olarak yazılmalı, özet 250 kelimeyi geçmemeli ve makalede ekler ve kaynakça dahil 18 sayfayı aşmamasına özen gösterilmelidir.Sayfa yapısı olarak A4 kağıt boyutu kullanılmalı ve üstten ve soldan 3 cm, alttan ve sağdan 2.5 cm boşluk bırakılmalıdır. Nokta ve virgüllerden sonra 1'er boşluk bırakılmalıdır.
Başlık ve paragraf verilecek ayarlarda "önce 0 nk" "sonra 12nk" paragraf ayarı kullanılmalıdır.
Sayfa numarası her sayfanın altında ve ortalı olarak verilmelidir.
Makale dili Türkçe ya da İngilizce olmalıdır.
Yazım Şablonu
Yazım Şablonuna ulaşmak için buraya tıklayınız.
Kapak Sayfası: Kapak sayfasında sırasıyla makale başlığı (makale dilinde), yazarların tam adları (unvansız olarak) ve çalıştıkları kurumlar ile sorumlu yazarın tüm iletişim bilgilerini (açık adres, e-mektup ve telefon ve belgegeçer numaraları) içermelidir.
Başlık ve Özet (Türkçe ve İngilizce):
Makale başlığı sayfanın ortasında yer almalı, ilk kelimesindeki ilk harf büyük ve diğer kelimeler küçük harflerle ve koyu olarak yazılmalıdır.
Yazar isimleri küçük, soyadları büyük harflerle (sayfanın ortasında) koyu yazılmalıdır. Yazar kurumları, ilk harfler büyük olacak şekilde küçük harflerle yazılmalıdır.
Özet, kısaca araştırmanın gerekçesini, amaçlarını, uygulanan yöntemi, bulguları, sonuç ve önerilerini içermelidir. Calibri 10 punto karakterinde yazılmalıdır. En az 100 ve en fazla 250 kelimeden oluşmalıdır. Anahtar kelimeler 3-6 adet arasında yer almalıdır. Aynı bilgiler diğer dilde de (makale dili Türkçe ise İngilizce ya da tersi) verilmelidir.
Ana Metin: Makale ana metninde Giriş, Materyal ve Yöntem, Bulgular (ve Tartışma), (Tartışma ve) Sonuç ve Kaynaklar bölümlerinden oluşur.
Bütün ana bölüm başlıkları büyük harflerle ve koyu, alt başlıklar ise sadece ilk kelimenin ilk harfi büyük ve koyu yazılmalıdır (Örneğin; 1. GİRİŞ-1.1. Veri Toplama Yöntemi gibi)
Başlıklar ve paragraf başı girintisiz başlamalı, paragraflar arası boşluk bırakılmamalıdır.
Tablo yerine Çizelge kelimesi kullanılmalıdır.
Şekil ve Çizelgeler makale içinde uygun yerlere şekil ve çizelge numarası verilerek yerleştirilmeli, tablo başlıkları tablonun üst kısmında ve şekil başlıkları şeklin altında verilmelidir.
Şekil ve Çizelge başlıkları mümkün olduğunca kısa ve açıklayıcı olmalıdır. Şekil resim ise yüksek çözünürlükte olmalı, grafik ise anlaşılması kolay olacak şekilde düzenlenmelidir. Çizelgelerde sadece yatay çizgiler kullanılmalıdır.
Şekil ve Çizelgeler sayfada (yatay) ortalanmalı, çizelge içeriği makalenin tamamında aynı olmak koşulu ile 8 veya 10 punto büyüklüğünde olmalı, metin içinde ardışık olarak numaralandırılmalı; çizelge yazıları üstte sola yaslı, şekil yazıları ise altta ortalanmış bir şekilde yazılmalıdır.
Makaleye konu canlı tür ya da türlerinin yerel isimleri kullanılıyorsa bunların bilimsel adları metinde ilk geçtikleri yerde belirtilmelidir. Birimler için Uluslararası Birimler Sistemi kullanılmalı (The International Systems of Units, SI) ve ondalık ifadeler nokta (.) ile belirtilmelidir (örneğin, %45.7 veya 0.221).
Kaynaklar: Makale içinde atıf yapılan tüm kaynaklar Kaynaklar bölümünde alfabetik olarak listelenmelidir. Aynı şekilde Kaynaklar bölümündeki tüm eserlere de metin içinde atıf yapılmalıdır.
Kaynaklar metin içinde yazarın soyadı ve yayınlandığı tarihe göre verilmelidir (Örneğin: Kray and Fisher 2008, Yılmaz ve ark. 2005, Zigler 1983a ve 1983b).
Atıf cümle içinde kullanılacaksa sadece yılı paranteze alınmalıdır (Örneğin: ‘Steffenrem et al. (2007) Picea abies odun özelliklerinin …’).
Elektronik Kaynaklar: Sıradan bir internet sitesi gibi güvenilirliği ve devamlılığı şüpheli olan elektronik belgeler kaynak olarak tercih edilmemelidir. Eğer kullanılacaksa, elektronik kaynaklar da basılı kaynaklar gibi düşünülmeli; yazar, yayın yılı, makale veya internet sayfasının başlığı, yayıncı adı ve yeri verilmelidir.
DOİ NUmarası: Atıf vereceğiniz makalenin DOI numarası varsa kaynakçada mutlaka DOI numarası verilmelidir. DOI numarası varsa sonuna “doi:” ifadesi yazılmamalıdır. DOI numarasının link şeklinde "http... " olarak verilmesi gerekmektedir. DOI linki yoksa kaynağın erişildiği erişim linki verilmelidir.
Örnekler
Dergi makaleleri:
Pandey DK, Palni LMS (2005) Germination of Parthenium hysterophorus L. seeds under the influence of light and germination promoting chemicals. Seed Sci Technol, 33:485-491. DOİ.....
Kitaplar:
Ürgenç S (1988) Genel Plantasyon ve Ağaçlandırma Tekniği. İstanbul Üniversitesi, Orman Fakültesi Yayını, No: 444, İstanbul.
Kitapta Bölüm:
Brown B, Aaron M (2001) The Politics of Nature. In: Smith J (ed) The rise of modern genomics, 3rd edn. Wiley, New York, pp:230-257.
Bildiriler:
Demeritt ME (1981) Fifty years of hybrid poplar research in the northeast. In: Proceedings of 27th North-Eastern forest tree improvement Conference, University of Vermont, Burlington, VT, pp:166–183.
Tezler:
Kambur S (2009) Rhus coriaria L., Pyracantha coccinea M. Roemer ve Cotoneaster nummularia Fisch.&Mey türlerinin tohum ve çimlenme özelliklerinin belirlenmesi. Artvin Çoruh Üniversitesi Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, Artvin.
URL Adresleri:
URL-1, http://www.uaex.edu/Other_Areas/publications/PDF/FSA-6097.pdf., Erişim Tarihi: 03.04.2023.
Etik İlkeler ve Yayın Politikası
Yazar Rehberi – Etik İlkeler
Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi, yayın politikasında akademik ilkelere ve etik değerlere sıkı bir şekilde bağlıdır. Tüm yazarların, gönderdikleri çalışmaların etik kurallara uygun olmasından sorumlu oldukları kabul edilir.
1. Genel Etik İlkeler
Gönderilen tüm çalışmalar, derginin etik ilke ve standartlarına uygunluk açısından değerlendirilir.
İntihal, sahtecilik, duplikasyon (tekrar yayım), çarpıtma, dilimleme, haksız yazarlık gibi uygulamalar kesinlikle yasaktır ve etik dışı davranışlar olarak kabul edilir.
Ön değerlendirme sırasında etik kurallara aykırılığı tespit edilen çalışmalar değerlendirmeye alınmaz. Değerlendirme sürecinde tespit edilen ihlallerde süreç durdurulur ve çalışma yazara iade edilir. Yayımlandıktan sonra tespit edilen ihlallerde makale yayından kaldırılır.
2. Etik Kurul İzni
TR Dizin kriterlerine göre, gönderilen çalışmanın etik kurul izni gerektiren çalışmalar kapsamında olması hâlinde, gönderim sırasında etik kurul onay belgesinin sunulması zorunludur.
Etik kurul onay belgesinde kurum adı, izin tarihi ve karar/sayı numarası açıkça belirtilmelidir.
Etik kurul izni sunulmamış çalışmalar reddedilir.
3. Benzerlik Oranı
Makalelerin ön değerlendirme sürecinde, iThenticate yazılımı ile benzerlik oranları belirlenir.
Değerlendirmeye alınabilmesi için benzerlik oranı en fazla %20 olmalıdır.
Yalnızca lisansüstü tezlerden üretilen çalışmalar için bu oran %30’a kadar kabul edilebilir.
4. Hakemlik
Hakem değerlendirmeleri Çift Kör Hakemlik ilkesi doğrultusunda yürütülür.
Makalelerde ileri sürülen görüş ve düşüncelerin sorumluluğu yazar(lar)a aittir.
Yayın Politikası
Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi, 2026 yılından itibaren "Sürekli Yayın" Modeline geçmiş açık erişimli ve hakemli bir dergidir.
Dergi, Orman Mühendisliği, Peyzaj Mimarlığı, Orman Endüstri Mühendisliği, Doğa Bilimleri ve Fen Bilimleri alanlarındaki özgün araştırma makalelerine öncelik vermekte ve sınırlı sayıda derleme makaleler yayımlamaktadır.
Eser gönderimi, yazar(lar)ın eseri DergiPark üzerinden yüklemesiyle başlar.
Yazar(lar), eser gönderiminde imzalı telif hakkı formunu sunmak zorundadır. Telif hakkı formu sunulmayan eserler değerlendirmeye alınmaz (Telif hakkı formuna ulaşmak için buraya tıklayınız ).
Dergiye gönderilen tüm çalışmalar, değerlendirmeye alınmadan önce ön kontrol sürecinden geçirilir. Bu süreçte, eserin amaç, kapsam, yöntem ve yazım biçimi açısından derginin amaç ve standartlarına uygunluğu incelenir. Uygun bulunmayan eserler reddedilir.
Ön kontrol sonucunda uygunluğu tespit edilen eserler, üç (3) farklı hakeme gönderilerek hakem değerlendirme süreci başlatılır.
Yazar, makalesini yalnızca ön kontrol sürecinde geri çekme talebinde bulunabilir.
Yayına kabul edilen eserlerde kaynakça gösterme ve atıf kontrolü sorumluluğu tamamen yazar(lar)a aittir.
Dergi, gönderilen eserlerde biçimsel ve dilbilgisi düzeltmeleri yapma hakkına sahiptir.
Yayın süreçleri, eserlerin tarafsız, saygın ve titiz bir şekilde değerlendirilmesi, geliştirilmesi ve yayımlanması amacıyla yürütülür.
Yapay Zekâ Araçlarının Kullanımı
Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi’ne gönderilen makalelerde yapay zekâ (YZ) araçlarının kullanımına ilişkin aşağıdaki ilkelere uyulması zorunludur:
Yapay zekâ araçları, makale hazırlama sürecinde yalnızca destekleyici bir araç (dilbilgisi ve anlatımın iyileştirilmesi gibi) olarak kullanılabilir. YZ, yazar(lar)ın eleştirel düşünme yetisinin, akademik sorumluluğunun ve özgün bilimsel katkısının yerine geçemez.
Makale hazırlanırken YZ araçlarından yararlanılmış olması durumunda, bu kullanım açık ve şeffaf biçimde beyan edilmelidir. Beyan, makalenin Teşekkürler bölümünde yer almalıdır.
Bir makalenin özet, giriş, literatür incelemesi ve tartışma gibi temel bölümlerinin YZ araçları kullanılarak hazırlanması kabul edilmez. YZ kullanımı sınırlı ve yardımcı nitelikte olmalıdır.
YZ araçları kullanılarak sahte, doğrulanamaz veya gerçekte var olmayan kaynakların oluşturulması kesinlikle yasaktır. Makalede atıf yapılan tüm kaynaklar akademik etik ve standartlara uygun biçimde doğru, eksiksiz ve doğrulanabilir olmalıdır.
Atıf yapılan tüm kaynaklar yazar(lar) tarafından kontrol edilmeli ve onaylanmalıdır. Mevcut olması hâlinde, tüm kaynaklar için DOI numarasının belirtilmesi zorunludur.
YZ kullanımına ilişkin açıklamada aşağıdaki bilgilere yer verilmelidir:
Kullanılan YZ sistemi veya araç(lar)ı,
YZ tarafından oluşturulan ya da YZ desteğiyle üretilen içeriğin makalenin hangi bölümlerinde yer aldığı,
YZ’nin içerik üretim sürecine hangi düzeyde katkı sağladığı.
Yapay zekâ araçlarının kullanımının beyan edilmemesi veya bu kurallara aykırı biçimde kullanılması durumunda, ilgili makale hakem değerlendirme sürecine alınmadan reddedilebilir ya da sürecin herhangi bir aşamasında yayından çekilebilir.
DOI Numarası
Metin içerisinde atıf verilen bir kaynağın DOI numarası bulunması hâlinde, bu numara kaynakçada mutlaka belirtilmelidir. DOI numarası yazılırken sonuna “doi:” ifadesi eklenmemeli, DOI aktif bağlantı (link) şeklinde ve “http…” formatında verilmelidir. Bir kaynağın DOI numarası bulunmaması durumunda ise, ilgili yayının erişildiği web adresi (URL) kaynakçada belirtilmelidir.
Ücret Politikası
Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi’nde, makalelerin gönderimi, değerlendirilmesi ve yayınlanması ücretsizdir. Yazarlardan herhangi bir süreçte ücret talep edilmez. Makale değerlendirme süreçlerinde hakemlere de ücret ödenmez. Yayınlanan makaleler çevrimiçi olarak erişime açıktır ve erişim için abonelik ücreti istenmemektedir.
Dizinler
Atıf Dizinleri
Diğer Dizinler
Dergi Kurulları
Bilimsel Yayın Koordinatörü
Baş Editör
1991 yılında KTÜ Orman Mühendisliği bölümünden mezun oldum. 1991-2004 yılları arasında aynı bölümde yüksek lisansımı, 1995-2001 yılları arasında ABD Iowa State Üniversitesinde doktoramı, biyokütle, karbon azot depolama ve toprak solunumu üzerine yaptım. 2001 yılından itibaren Artvin Çoruh Üniv. Orman Fakültesi, Orman Müh. Bölümünde öğretim üyesiyim.
Editör
Alan Editörü
Yayım Editörü
Mizanpaj
Yazım Editörü
Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi Creative Commons Alıntı 4.0 Uluslararası Lisansı ile lisanslanmıştır.