Bilecik Merkez Bölgesindeki Mermer Ocaklarının Arazi Değişimi ve Arazi Örtüsü Değişiminin Destek Vektör Makine Yöntemi İle Belirlenmesi

Öz

Bilecik ili Türkiye’nin en önemli doğaltaş alanlarından birisidir. Son yıllarda, Bilecik çevresinde yeni mermer ocaklarının açılmasıyla birlikte bölgede doğaltaş üretimi giderek artmıştır. Sakarya kıtasının batısında bulunan çalışma alanında birçok mermer ocağı bulunmaktadır. Bu kıtaya ait birimler, mavişist metamorfizması geçirmiştir. Metamorfik birimlerin üzerine uyumsuzlukla örten Geç Jura-Erken Kretase yaşlı birimler, transgresyona uğramıştır. Mermer ocaklarının yer aldığı Geç Jura-Erken Kreatese yaşlı birimler, Bilecik Formasyonu’ndan oluşmaktadır. Bu birimlerde; beyaz-pembe, kahverengi-gri ve bej renkli mermerler bulunmaktadır. Arazi kullanımı/arazi değişimi (LULC) sınıflaması kullanılarak uzaktan algılama yöntemi ile bölgedeki mermer ocaklarının 5 er yıllık (2006, 2011, 2016 ve 2021) arazi değişimi gösterilmiştir. Landsat 5 TM ve Landsat 8 OLI multispektral uydu görüntüleri makine öğrenme yöntemlerinden Destek Vektör Makineleri (DVM) metoduyla sınıflandırılmıştır. LULC doğruluğunu ispat etmek için doğruluk matrisi ve Kappa indisi oluşturulmuştur. Tematik haritaların doğruluğu sırasıyla %95,75 , %92,00, %93,60, %95,20, Kappa katsayısı değerleri de; 0,92, 0,86, 0,89, 0,91 olarak belirlenmiştir. Mermer ocak sayısının artması, katı atık miktarındaki artışı beraberinde getirmektedir. Bu durum, katı atık depolama sahalarının yetersiz kalması nedeniyle gelecekte kenti olumsuz olarak etkileyebilecektir.

Anahtar Kelimeler

• Doğaltaş
• Bilecik
• Mermer ocağı
• LULC
• Uzaktan algılama
• Destek Vektör Makineleri

Determination of Land Change and Land Cover Change of Marble Quarries in Bilecik Central Region by Support Vector Machine Method

Öz

Bilecik province is one of Türkiye's most important natural stone areas. In recent years, with the opening of new marble quarries around Bilecik, natural stone production has gradually increased in the region. There are many marble quarries in the study area located in the west of the Sakarya continent. The units belonging to this continent have undergone blueschist metamorphism. The Late Jurassic-Early Cretaceous units have undergone a transgression, which unconformably overlies the metamorphic units. Late Jurassic-Early Creates aged units with marble quarries consisting of the Bilecik Formation. There are white-pink, brown-grey, and beige-colored marbles in these units. Using the land use/land change (LULC) classification, the land change of the marble quarries in the region for every 5 years (2006, 2011, 2016, and 2021) has been shown by the remote sensing method. Landsat 5 TM and Landsat 8 OLI multispectral satellite images were classified by the Support Vector Machines (SVM) method, one of the machine learning methods. To prove the accuracy of LULC, an accuracy matrix, and Kappa index were created. The accuracy of the thematic maps was 95.75%, 92.00%, 93.60%, 95.20% and Kappa index values were 0.92, 0.86, 0.89, and 0.91, respectively. As a result of the increase in marble quarries, it brings an increase in the amount of solid waste. This situation can be will negatively affect the city in the future with the inadequacy of solid waste storage areas.

Anahtar Kelimeler

• Natural stone
• Bilecik
• Marble quarry
• LULC
• Remote sensing
• Support Vector Machine

Kaynakça

1. Akyazı M, Toprak Ö, Erdoğan T, Karabaşoğlu A, Ursavaş TŞ. 2001. Bilecik yöresi’nin mesozoyik stratigrafisi. Cumhuriyet Üniv Müh Fak Derg, 18(1): 27-48.
2. Aliyazıcıoğlu K, Beker F, Topaloğlu RH, Bilgilioğlu BB, Çömert R. 2021. Temporal monitoring of land use/land cover change in Kahramanmaraş city. Turkish J Eng, 5(3): 134-140.
3. Atay Kaya İ, Kut Görgün E. 2020. Land use and land cover change monitoring in Bandırma (Turkey) using remote sensing and geographic information systems. Environ Monit Asses, 192(7): 430.
4. Awad M, Khanna R. 2015. Support vector machines for classification. Efficient Learning Machines: Theories, Concepts, and Applications for Engineers and System Designers. Apress Berkeley, Online, pp: 39-66.
5. BEBKA. 2014. TR 41 Bursa Eskişehir Bilecik Bölge Planı 2014-2023 Mevcut Durum Analizi, Bursa Eskişehir Bilecik Kalkınma Ajansı, Bursa, Türkiye.
6. Burley TM. 1961. Land use or land utilization? Professional Geographer, 13(6): 18-20.
7. Corner RJ, Dewan AM, Chakma S. 2014. Monitoring and prediction of land-use and land-cover (LULC) change. Springer, Dordrecht, The Netherland, pp: 75-97.
8. Cortes C, Vapnik V. 1995. Support vector networks. Mach Learn, 20(3): 273-297. https://doi.org/10.1023/A:1022627411411 (erişim tarihi: 15 Ocak 2023).

9. Curebal I, Efe R, Soykan A, Sonmez S. 2014. Monitoring and assessment of hydrological and ecological changes in Lake Manyas. EGU General Assembly Conference, April 27- May 2, 2014, Vienna, Austria, pp: 8910.
10. Demirci M. 2019. Destek vektör makineleri ve M5 karar ağacı yöntemleri kullanılarak yağış akış ilişkisinin tahmini. Dicle Üniv Müh Fak Derg, 10(3): 1113-1124.
11. Demirkol C. 1977. Üzümlü-Tuzaklı (Bilecik) dolayının jeolojisi. Türkiye Jeol Bült, 20(1): 9-16.
12. Erendil M, Kuşçu İ. 1985. 1/100000 Ölçekli Türkiye jeoloji haritası, Bursa, H-23 paftası. Türkiye Jeoloji Veri Tabanı, Jeoloji Etüdleri Dairesi Başkanlığı, Maden Tetkik ve Arama Genel Müdürlüğü, Ankara, Türkiye.
13. Eroskay SO. 1965. Pasalar Bogazi-Golpazari sahasının jeolojisi. IU Fen Fak Mecm, 1965: 3-4.
14. Görür N, Şengör AMC, Akkök R, Yılmaz Y. 1983. Pontidlerde Neotetisin kuzey kolunun açılmasına ilişkin sedimentolojik veriler. Türkiye Jeol Kurumu Bült, 26(1): 11-20.
15. Güneş C, Uyguçgil H. 2022. Sakarya Nehri’nin İnhisar (Bilecik) çevresindeki 6 yıllık arazi kullanımı değişiminin uzaktan algılama tabanında incelenmesi. Turkish J Remote Sens GIS, 3(2): 112-125.
16. Hassan ZU, Shah JA, Kanth TA, Pandit AK. 2015. Influence of land use/land cover on the water chemistry of Wular Lake in Kashmir Himalaya (India). Ecol Proces, 4(1): 1-11.
17. Ikiel C, Dutucu AA, Ustaoglu B, Kilic DE. 2012. Land use and land cover (LULC) classification using Spot-5 image in the Adapazari Plain and its surroundings, Turkey. Tojsat, 2(2): 37-42.
18. Jenness J, Wynne JJ. 2005. Cohen's Kappa and classification table metrics 2.0: An ArcView 3. x extension for accuracy assessment of spatially explicit models. Open-File Report OF 2005-1363. Flagstaff, AZ: US Geological Survey. Southwest Biological Science Center, Seattle, WA, US, pp: 86.
19. Jensen JR. 2007. Remote sensing of the environment: an earth resource perspective. Prentice-Hall, Upper Saddle River, Seattle, WA, US, pp: 97.
20. Kacır S. 2017. Bilecik mermer sektörü raporu. Bursa Eskişehir Bilecik Kalkınma Ajansı (BEBKA). URL: https://bebka.org.tr/ (erişim tarihi: 03 Ocak 2023).
21. Kaiser MF. 2009. Environmental changes, remote sensing, and infrastructure development: the case of Egypt’s East Port Said harbour. Appl Geogr, 29(2): 280-288. DOI: 10,1016/j.apgeo g.2008.09.008.
22. Kavzoğlu T, Çölkesen İ. 2010. Destek vektör makineleri ile uydu görüntülerinin sınıflandırılmasında kernel fonksiyonlarının etkilerinin incelenmesi. Harita Derg, 144(7): 73-82.
23. Kumar KS, Bhaskar PU, Padmakumari K. 2015. Application of land change modeler for prediction of future land use land cover: a case study of Vijayawada City. Int J Adv Technol Eng Sci, 3(1): 773-783.
24. Lillesand T, Kiefer RW, Chipman J. 2015. Remote sensing and image interpretation. John Wiley & Sons, New York, NY, US, pp: 736.
25. Lillesand TM, Kiefer RW. 1999. Remote sensing and image interpretation. Wiley, New York, NY, US, pp: 760.
26. Lo CP, Choi J. 2004. A hybrid approach to urban land use/cover mapping using Landsat 7 Enhanced Thematic Mapper Plus (ETM+) images. Int J Remote Sens, 25(14): 2687-2700.
27. Lo CP. 1986. Applied remote sensing. Longman, London, UK, pp: 393.
28. Masser I. 2001. Managing our urban future: the role of remote sensing and geographic information systems. Habitat int, 25(4): 503-512.
29. Mondal A, Kundu S, Chandniha SK, Shukla R, Mishra PK. 2012. Comparison of support vector machine and maximum likelihood classification technique using satellite imagery. Int J Remote Sens GIS, 1(2): 116-123.
30. MTA. 2010. Bilecik İli Maden haritası. URL: https://www.mta.gov.tr/v3.0/sayfalar/bilgimerkezi/maden_potansiyel_2010/Bilecik_Madenler.pdf (erişim tarihi: 15 Ocak 2023).
31. Rawat JS, Kumar M. 2015. Monitoring land use/cover change using remote sensing and GIS techniques: A case study of Hawalbagh block, district Almora, Uttarakhand, India. Egyptian J Remote Sens Space Sci, 18(1): 77-84.
32. Thanh Noi P, Kappas M. 2017. Comparison of random forest, k-nearest neighbor, and support vector machine classifiers for land cover classification using Sentinel-2 imagery. Sensors, 18(1): 18.
33. Tüysüz O, Yiğitbaş E. 1994. The Karakaya basin: a Palaeo-Tethyan marginal basin and its age of opening. Acta Geol Hungarica, 37(3–4): 327-350.
34. Uncu L, Karakoca E. 2021. Antropo-jeomorfolojik bir yaklaşımla Bilecik (Merkez ilçe) taş ocaklarının mekânsal ve zamansal değişimi. Türk Coğrafya Derg, (77): 119-130.
35. Vapnik V. 1998. The support vector method of function estimation. Springer, Boston, MA, US, pp: 55-85.
36. Vapnik V. 2000. SVM method of estimating density, conditional probability, and conditional density. IEEE ISCAS, 2: 749-752.
37. Wu J, Zhang C, Xue T, Freeman B, Tenenbaum J. 2016. Learning a probabilistic latent space of object shapes via 3D generative-adversarial modeling. In Proceeding of 29th Conference on Neural Information Processing Systems (NIPS 2016), December 5-10, Barcelona, Spain, pp: 1-11.
38. Xian G, Crane M. 2005. Assessments of urban growth in the Tampa Bay watershed using remote sensing data. Remote Sens Environ, 97(2): 203-215.
39. Xiao X, Boles S, Frolking S, Li C, Babu JY, Salas W, Moore B. 2006. Mapping paddy rice agriculture in South and Southeast Asia using multi-temporal MODIS images. Remote Sens Environ, 100(1): 95-113.
40. Yang X, Lo CP. 2002. Using a time series of satellite imagery to detect land use and land cover changes in the Atlanta, Georgia metropolitan area. Int J Remote Sens, 23: 1775-1798.
41. Yanılmaz E. 1980. 1/100.000 Ölçekli Türkiye sayısal jeoloji haritası, Adapazarı, H-24 paftası. Türkiye Jeoloji Veri Tabanı, Jeoloji Etüdleri Dairesi Başkanlığı, Maden Tetkik ve Arama Genel Müdürlüğü, Ankara, Türkiye.
42. Yurdakul M. 2020. Natural stone waste generation from the perspective of natural stone processing plants: An industrial-scale case study in the province of Bilecik, Turkey. J Cleaner Prod, 276: 123339.