Tokat Almus Barajında Su Alanı Değişiminin CBS Tabanlı Ca-Markov ve Makine Öğrenmesi Yaklaşımlarıyla Modellenmesi ve Geleceğe Yönelik Simülasyonu

Öz

Su kaynaklarının sürdürülebilir yönetimi, özellikle iklim değişikliği ve artan çevresel baskılar altında giderek daha büyük bir önem taşımaktadır. Baraj gölleri hem içme suyu temini hem de enerji ve sulama amaçlı kullanımları nedeniyle bu bağlamda kritik alanlar arasında yer almaktadır. Su alanlarının mekânsal ve zamansal değişimlerinin izlenmesi, bu hassas ekosistemlerin korunması ve yönetimi için hayati bir öneme sahiptir. Bu çalışma, Tokat ili sınırları içinde yer alan Almus Barajı çevresindeki su alanlarının zamansal değişimlerini analiz etmek ve geleceğe yönelik öngörüler geliştirmek amacıyla yürütülmüştür. Çalışma hem çevresel değişimleri anlamak hem de bölgesel ölçekte karar destek süreçlerine katkı sağlamak açısından önem taşımaktadır. 2016, 2020 ve 2024 yıllarına ait uydu görüntüleri denetimli sınıflandırma yöntemi kullanılarak işlenmiş ve alan iki sınıfa ayrılmıştır: “Su” ve ‘Diğer’. Sınıflandırma doğruluğu, Google Earth verilerinden elde edilen referans noktaları ile test edilmiş ve yüksek doğruluk oranları elde edilmiştir. Modelleme sürecinde, ERA5 veri setinden sağlanan sıcaklık, yağış ve nem verileri kullanılarak lojistik regresyon (LR) algoritması uygulanmıştır. 2016 ve 2020 yılları haritaları kullanılarak elde edilen geçiş potansiyel haritaları CA-Markov yöntemiyle birleştirilerek 2028 ve 2032 yıllarına yönelik gelecek tahmin projeksiyonları üretilmiştir. Model doğrulama sürecinde ise, 2024 yılı için üretilen simülasyon haritaları gerçek sınıflandırma haritaları ile karşılaştırılmış ve modelin genel doğruluk oranı %94, kappa katsayısı ise 0.85 olarak belirlenmiştir. Bu bulgular, modelin güvenilir ve pratik bir tahmin aracı olarak kullanılabileceğini göstermektedir. Çalışmanın genel bulguları, özellikle barajın kıyı bölgelerindeki su kütlelerinde bir küçülme eğilimine işaret etmekte ve iklimsel faktörlerin bu değişikliklerde önemli bir rol oynadığını göstermektedir. Elde edilen veriler, iklim değişikliğinin etkilerini anlamak ve su kaynakları yönetim stratejilerine katkıda bulunmak için değerli bir bilgi sağlamaktadır.

Anahtar Kelimeler

• Arazi kullanımı modellemesi
• CA-Markov modeli
• Makine öğrenmesi
• Su alanı değişimi
• Uzaktan algılama

Modeling and Future Simulation of Water Area Change in Tokat Almus Dam with GIS-Based Ca-Markov and Machine Learning Yağmur Seren

Abstract

Su kaynaklarının sürdürülebilir yönetimi, özellikle iklim değişikliği ve artan çevresel baskılar altında giderek daha büyük bir önem taşımaktadır. Baraj gölleri hem içme suyu temini hem de enerji ve sulama amaçlı kullanımları nedeniyle bu bağlamda kritik alanlar arasında yer almaktadır. Su alanlarının mekânsal ve zamansal değişimlerinin izlenmesi, bu hassas ekosistemlerin korunması ve yönetimi için hayati bir öneme sahiptir. Bu çalışma, Tokat ili sınırları içinde yer alan Almus Barajı çevresindeki su alanlarının zamansal değişimlerini analiz etmek ve geleceğe yönelik öngörüler geliştirmek amacıyla yürütülmüştür. Çalışma hem çevresel değişimleri anlamak hem de bölgesel ölçekte karar destek süreçlerine katkı sağlamak açısından önem taşımaktadır. 2016, 2020 ve 2024 yıllarına ait uydu görüntüleri denetimli sınıflandırma yöntemi kullanılarak işlenmiş ve alan iki sınıfa ayrılmıştır: “Su” ve ‘Diğer’. Sınıflandırma doğruluğu, Google Earth verilerinden elde edilen referans noktaları ile test edilmiş ve yüksek doğruluk oranları elde edilmiştir. Modelleme sürecinde, ERA5 veri setinden sağlanan sıcaklık, yağış ve nem verileri kullanılarak lojistik regresyon (LR) algoritması uygulanmıştır. 2016 ve 2020 yılları haritaları kullanılarak elde edilen geçiş potansiyel haritaları CA-Markov yöntemiyle birleştirilerek 2028 ve 2032 yıllarına yönelik gelecek tahmin projeksiyonları üretilmiştir. Model doğrulama sürecinde ise, 2024 yılı için üretilen simülasyon haritaları gerçek sınıflandırma haritaları ile karşılaştırılmış ve modelin genel doğruluk oranı %94, kappa katsayısı ise 0.85 olarak belirlenmiştir. Bu bulgular, modelin güvenilir ve pratik bir tahmin aracı olarak kullanılabileceğini göstermektedir. Çalışmanın genel bulguları, özellikle barajın kıyı bölgelerindeki su kütlelerinde bir küçülme eğilimine işaret etmekte ve iklimsel faktörlerin bu değişikliklerde önemli bir rol oynadığını göstermektedir. Elde edilen veriler, iklim değişikliğinin etkilerini anlamak ve su kaynakları yönetim stratejilerine katkıda bulunmak için değerli bir bilgi sağlamaktadır.

Keywords

• Uzaktan algılama
• Su alanı değişimi
• Makine öğrenmesi
• CA-Markov modeli
• Arazi kullanımı modellemesi

Kaynakça

1. [1] S. Karaman ve Z. Gökalp, “Küresel Isınma ve İklim Değişikliğinin Su Kaynakları Üzerine Etkileri”, Tarım Bilimleri Araştırma Dergisi, c. 3, sy 1, ss. 59-66, 2010, [Çevrimiçi]. Erişim adresi: www.nobel.gen.tr
2. [2] A. Akın, “Çukurova Deltası Kıyı Alanında Arazi Örtüsü Değişimlerinin Belirlenmesinde Farklı Uzaktan Algılama Yöntemlerinin Değerlendirilmesi”, Yüksek Lisans Tezi, Çukurova Üniversitesi Fen Bilimleri Enstitüsü, Adana, 2007.
3. [3] M. Demir, “CORINE Sistemine Göre Kars İlinde Arazi Örtüsü/Arazi Kullanımı, Değişimi ve Projeksiyonu”, Coğrafya Dergisi, c. 1, sy 43, ss. 93-110, Ara. 2021, doi: 10.26650/jgeog2021-887753.
4. [4] K. N. Göncüler, “Uzaktan Algılama ve Cbs Kullanılarak Arazi Örtüsü/Arazi Kullanım Değişiminin İncelenmesi ve Geleceğe Dönük Modellenmesi: Kayseri İli Örneği”, Yüksek Lisans Tezi, Erciyes Üniversitesi Fen Bilimleri Enstitüsü, Kayseri, 2024.
5. [5] Ö. Işınkaralar, “Arazi Örtüsü Değişiminin CORINE Verisiyle Modellenmesi: Ankara İlinin Kentsel Büyüme Tahmini”, Artium, c. 11, sy 1, ss. 54-60, 2023, doi: 10.51664/artium.1196926.
6. [6] A. Gülersoy, “Yanlış Arazi Kullanımı”, Elektronik Sosyal Bilgiler Eğitimi Dergisi, c. 1, ss. 49-128, Oca. 2014.
7. [7] M. Kaçmaz ve M. F. Döker, “Sapanca Gölü Havzası’nda Arazi Kullanımı ve Mekânsal Değişim”, Coğrafi Bilimler Dergisi, c. 19, sy 1, ss. 161-194, 2021, doi: 10.33688/aucbd.872216.
8. [8] C. Koç, R. Bakış, ve Y. Bayazıt, “A study on assessing the domestic water resources, demands and its quality in holiday region of Bodrum Peninsula, Turkey”, Tour Manag, c. 62, ss. 10-19, 2017, doi: https://doi.org/10.1016/j.tourman.2017.03.024.

9. [9] A. Şekertekin, “Uzaktan Algılama Teknolojisi ve Uydu Görüntüleri Yardımıyla Önemli Çevresel Su ve Kara Yüzeyi Etkilerin Gözlemlenmesi”, Karaelmas Fen ve Mühendislik Dergisi, c. 5, sy 2, ss. 105-112, 2015, [Çevrimiçi]. Erişim adresi: https://dergipark. org.tr/tr/pub/karaelmasfen/issue/57124/805980
10. [10] M. Türkeş, M. T. Turp, N. An, T. Öztürk, ve M. L. Kurnaz, “Impacts of Climate Change on Precipitation Climatology and Variability in Turkey”, içinde Water Resources of Turkey, N. B. Harmancioglu ve D. Altinbilek, Ed., Cham: Springer International Publishing, 2020, ss. 467-491. doi: 10.1007/978-3-030-11729-0_14.
11. [11] M. Pınarlık, A. İbiş, ve Z. Selek, “İklim Değişikliği Etkisi Altında Burdur Gölü Su Seviyesi Değişimlerinin İstatistiksel Olarak İncelenmesi”, Mühendislik Bilimleri ve Tasarım Dergisi, c. 11, sy 1, ss. 81-93, 2023, doi: 10.21923/jesd.1144586.
12. [12] İ. Yüksel, M. Sandalcı, G. Çeribaşı, ve Ö. Yüksek, “Küresel Isınma Ve İklim Değişikliğinin Su Kaynaklarına Etkileri”, 2011, Trabzon.
13. [13] N. Usul, Mühendislik Hidrolojisi. Ankara: ODTÜ Geliştirme Vakfı Yayınları ve İletişim A.Ş., 2009.
14. [14] TEMA, “Suyun Geleceği - İklim Değişikliğinin Su Kaynaklarına Etkisi”, 2025. Erişim: 12 Nisan 2025. [Çevrimiçi]. Erişim adresi: https://sutema.org/media/zh4d0smr/suyun-gelecegi.pdf
15. [15] E. Tunalı, “Silivri’de arazi kullanımı, mekansal değişim ve geleceğe yönelik modelleme”, Yüksek Lisans Tezi, Marmara Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul, 2023.
16. [16] E. Şengün, “Arazi Örtüsü - Arazi Kullanımı Değişikliğinin Yer Yüzey Sıcaklığına Etkisinin Landsat Görüntüleri Ve Google Earth Engıne Platformu Kullanımıyla Uzun Vadeli İzlenmesi”, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi Lisansüstü Eğitim Enstitüsü, 2022.
17. [17] H. Lafçı, “Uzaktan Algılama Ve Fotogrametri Kullanılarak Taşlık Alanların Ekonomik Potansiyellerinin Belirlenmesi”, Yüksek Lisans Tezi, Harran Üniversitesi Fen Bilimleri Enstitüsü, Şanlıurfa, 2024.
18. [18] H. Clarke, “Conserving Biodiversity in the Face of Climate Change”, Agenda: A Journal of Policy Analysis and Reform, c. 14, sy 2, ss. 157-170, 2007, [Çevrimiçi]. Erişim adresi: http://www.jstor.org /stable/43199485
19. [19] H. N. Bayraç ve E. Doğan, “Türkiye’de İklim Değişikliğinin Tarım Sektörü Üzerine Etkileri”, Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi, c. 11, sy 1, ss. 23-48, 2016, [Çevrimiçi]. Erişim adresi: https://dergipark.org.tr/tr/pub/oguiibf/issue/5647 9/785160
20. [20] İ. Köse, “İklim Değişikliği Müzakereleri: Türkiye’nin Paris Anlaşması’nı İmza Süreci”, Ege Stratejik Araştırmalar Dergisi, c. 9, sy 1, ss. 55-81, 2018, doi: 10.18354/esam.329348.
21. [21] N. İsak, “Aşağı Kelkit Havzası’nda Arazi Kullanımı Haritalarının Makine Öğrenme Algoritmalarıyla Hazırlanması Ve Gelecek (2030-2050) Arazi Kullanım Projeksiyonlarının Oluşturulması”, Yüksek Lisans Tezi, Tokat Gaziosmanpaşa Üniversitesi Lisansüstü Eğitim Enstitüsü, Tokat, 2023.
22. [22] G. Keçeli, “Arazi Kullanımı Ve Arazi Örtüsü Değişiminin Uzaktan Algılama Verileri ve Yapay Sinir Ağları Yöntemleriyle Modellenmesi (İzmit Örneği)”, Yüksek Lisans Tezi, Çankırı Karatekin Üniversitesi Fen Bilimleri Enstitüsü, Çankırı, 2022.
23. [23] D. Maktav, E. F. S., ve C. and Jürgens, “Remote sensing of urban areas”, Int J Remote Sens, c. 26, sy 4, ss. 655-659, Şub. 2005, doi: 10.1080/01431160512331316469.
24. [24] G. Akın, “Küresel Isınma, Nedenleri Ve Sonuçları”, Ankara Üniversitesi Dil ve Tarih-Coğrafya Fakültesi Dergisi, c. 46, sy 2, ss. 29-43, 2006, [Çevrimiçi]. Erişim adresi: www.cevreorman.gov.tr/
25. [25] H. Oğuz ve N. Bozali, “Gaziantep Kentinde 2040 Yılına Kadar Oluşabilecek Arazi Kullanımı/Arazi Örtüsü Değişiminin Tahmini”, J Agric Sci (Belihuloya), c. 20, sy 1, ss. 83-101, 2014, doi: 10.15832/tbd.77489.
26. [26] F. A. Canpolat ve D. Dağlı, “Elazığ İli’nde Arazi Kullanımı Değişimi (2006-2018) Ve Simülasyonu (2030)”, International Journal of Geography and Geography Education, sy 42, ss. 702-723, 2020, doi: 10.32003/igge.746668.
27. [27] J. Wang, M. Bretz, M. A. A. Dewan, ve M. A. Delavar, “Machine learning in modelling land-use and land cover-change (LULCC): Current status, challenges and prospects”, Science of The Total Environment, c. 822, s. 153559, 2022, doi: https://doi.org/10.1016/j.scitotenv.2022.153559.
28. [28] A. A. Kafy vd., “Cellular Automata approach in dynamic modelling of land cover changes using RapidEye images in Dhaka, Bangladesh”, Environmental Challenges, c. 4, Ağu. 2021, doi: 10.1016/j.envc.2021.100084.
29. [29] S. Y. Görentaş, “Mersin-Tarsus-Adana Hattında Şehirleşmenin Mekânsal Yapılanması Ve Markov Chaın Modeliyle Arazi Kullanım Senaryolarının Üretilmesi”, Doktora Tezi, Marmara Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul, 2021.
30. [30] O. S. Yılmaz, F. Gülgen, R. Güngör, ve F. Kadı, “Coğrafi Bilgi Sistemleri ve Uzaktan Algılama Teknikleri İle Arazi Kullanım Değişiminin İncelenmesi, Köprübaşı İlçesi Örneği”, Geomatik, c. 3, sy 3, ss. 233-241, 2018, doi: 10.29128/geomatik.410987.
31. [31] A. F. Koko, W. Yue, G. A. Abubakar, R. Hamed, ve A. A. N. Alabsi, “Monitoring and predicting spatio-temporal land use/land cover changes in Zaria City, Nigeria, through an integrated cellular automata and markov chain model (CA-Markov)”, Sustainability (Switzerland), c. 12, sy 24, ss. 1-21, Ara. 2020, doi: 10.3390/su122410452.
32. [32] R. Toplu, “Arazi Kullanımının Zamansal ve Konumsal Değişiminin Markov Zincirleri İle Modellenmesi”, Yüksek Lisans Tezi, Kastamonu Üniversitesi Fen Bilimleri Enstitüsü, Kastamonu, 2024.
33. [33] S. W. Wang, B. M. Gebru, M. Lamchin, R. B. Kayastha, ve W. K. Lee, “Land use and land cover change detection and prediction in the kathmandu district of nepal using remote sensing and GIS”, Sustainability (Switzerland), c. 12, sy 9, May. 2020, doi: 10.3390/su12093925.