Geomatik 2564-6761 Murat YAKAR 10.29128/geomatik.303890 Engineering Mühendislik İğneada Koruma Alanının Arazi Örtüsü/Arazi Kullanımının Zamana Bağlı Değişiminin Markov Zincirleri İle Modellenmesi https://orcid.org/0000-0001-8480-1435 Göksel Çiğdem İSTANBUL TEKNİK ÜNİVERSİTESİ Bozkaya Karip Gonca 08 15 2017 2 2 94 105 04 04 2017 Copyright © 2016, Geomatik 2016 Geomatik

ÖzBu çalışmada, doğal alanlar için risk oluşturan kentleşmenin ve doğalalanlardaki değişimin zamansal gelişiminin izlenmesi, ileriye yönelik olarakbir gelişim modeli oluşturulması amaçlanmıştır. Çalışma bölgesi olarak seçilenİğneada Koruma Alanı ekolojik açıdan hassas, çok sayıda flora ve fauna içinhabitat alanı olma özelliği taşıyan, sadece Türkiye için değil, dünya ölçeğindeönemli bir ekosistemdir. Kaynakların verimliliklerinin ve koruma-kullanmadengesinin sağlanması, ekosistemin geleceği açısından büyük önem taşımaktadır.Bu amaçla, alanın karakteristiğinin belirlenmesi, zaman içerisindeki değişimive değişimin ne yönde olduğunun belirlenmesi gerekmektedir.Çalışmada 1984, 1990, 2000 ve 2010 tarihliLandsat 5 TM uydu görüntüleri kullanılarak arazi örtüsü vekullanımları hazırlanmıştır. Bu araziörtüsü/kullanım verileri çalışmanın modelleme kısmında referans veriolarak kullanılmıştır. Bölgeningelecekte nasıl şekilleneceğinin tahmini için; Markov zincirleri yönteminedayalı Stokastik Markov Modeli (ST_Markov), Hücresel Özişleme Tabanlı MarkovModeli (CA_Markov) ve Çok Katmanlı Algılayıcılı Yapay Sinir Ağı ile ÇalışanMarkov Modeli (MLP_Markov) modelleri kullanılmış ve test alanı 2010 yılı içinmodellenmiştir. Mevcut 2010 yılı arazi kullanımı ile 2010 yılı için elde edilenmodel sonuçları karşılaştırılmış, en yüksek doğruluğun Hücresel ÖzişlemeTabanlı Markov Modeli (CA_Markov) ve Çok Katmanlı Algılayıcılı Yapay Sinir Ağıile Çalışan Markov Modeli (MLP_Markov) modelleri ile elde edildiği tespitedilmiştir. MLP_Markov modeli’nin alansal değerlendirme bakımından daha yüksekdoğruluk vermesi, çok değişkenli olması ve değişimin dinamik olduğu alanlardakullanıldığında daha verimli sonuçlar vermesi nedeniyle 2030 yılı modellemesiiçin tercih edilmiş ve sonuçlarsunulmuştur.

 Uzaktan Algılama Arazi kullanım / Arazi örtüsü Markov Chain Değişim Tespiti Ahmed, B. Ve Ahmed, R. (2012). Modeling urban land cover growth Dynamics using multi-temporal satellite images: A case study of Dhaka, Bangladesh. ISPRS International Journal of Geo-Information. 1, 3-31. doi: 10.3390/ijgi1010003. Beek, K. J. (1978). Land Evaluation for Agricultural Development: Some Explorations of Land-use Systems Analysis with Particular Reference to Latin America. The Netherlands: ILRI Publication. Bektaş Balçık F., Bozkaya A. G., Göksel Ç., Doğru A. Ö., Uluğtekin N.N. ve Sözen S., “İğneada Arazi Örtüsü ve Kullanımı Değişiminin Uzaktan Algılama ve Coğrafi Bilgi Sistemleri ile Belirlenmesi”. HKM Jeodezi, Jeoinformasyon ve Arazi Yönetimi Dergisi, Sayı: 106- 3, Yıl: 2011, Sf: 70-74. Bozkaya, A.G. (2013).“İğneada Koruma Alanının Uzaktan Algılama ve CBS ile Zamansal Değerlendirilmesi ve Geleceğe Yönelik Modellenmesi”, 2012, İTÜ Fen Bilimleri Enstitüsü, Geomatik Mühendisliği Programı. Gonca Bozkaya, Yüksek Lisans Tezi. Bozkaya, A.G., Bektas Balcik, F., Goksel, C., Dogru, A.O., Ulugtekin, N.N., & Sozen, S. (2014). Satellite-Based Multitemporal Change Detection in Igneada Flooded Forests. Romanian Journal of Geography, 2, 58,161-168. Bozkaya, A.G., Bektas Balcik, F., Goksel, C., Esbah, H. (2015). Forecasting Land-Cover Growth Using Remotely Sensed Data: A Case Study of the Igneada Protection Area in Turkey. Environmental Monitoring and Assessment, Vol. 59, No. 187, 02/2015, ISSN: DOI 10.1007/s10661-015-4322-z. Brooks, S. (1998). A Markov Chain Monte Carlo method and its application. The Statistician. 47, 69-100. Carmona, A. ve Nahuelhual, L. (2012). Combining land transitions and trajectories assessing forest cover change. Applied Geography. 32(2012), 914-915. doi:10.1016/j.apgeog.2011.09.006. Coppin, P., Lambin, E., Inge, J. ve Muys, B. (2002). Proceedings of the First International Workshop on Analysis of multi-temporal remote sensing images. Vol.2, University or Trento, Italy. 13-14 September 2001. eds. L. Baizzone ve P. Smits, World Scientific, N.J. Dent, D. L. ve Young, A. (1981). Soil Survey and Land Evaluation. (3. Baskı). London: George Allen & Unwin. Eastman, J. R. (2009a). IDRISI Taiga Guide to GIS and Image Processing (Manual Version 16.02). USA: Clark University. Eastman, J. R. (2009b). IDRISI Taiga Tutorial (Manual Version 16.02). USA: Clark University. Envirogrids, 2012. Assessment of the wind and solar energy potential, and improved policy for their promotion, Public Deliverable of enviroGRIDS Project. document available at: http://www.envirogrids.net/index.php?option=com_ jdownloads&Itemid=13&view=viewcategory&catid=14 (last accessed on 20.08.14). Eşbağ, H. 2013 “İğneada Koruma Alanında Kentsel Gelişimin İzlenmesi ve İleriye Dönük Modellenmesi” TÜBİTAK proje no:110Y015 Green, K., Kempka, D. ve Lackey, L. (1994). Using remote sensing to detect and monitor land-cover and land-use change. Photogrammetric Engineering and Remote Sensing.60(3), 331-337. Göksel, Ç. (1998). Monitoring of a water basin area in İstanbul using remote sensing data. Water Science and Technology. 38(11), 209-216. Guan, Q., Wang, L. Ve Clarke, K. C. (2005). An artificial-neutal-network-based, constrained CA model for simulating urban growth. Cartography and Gegraphic Information Science. 32(4), 369-380. IDRISI, Selva Help System (2012). Version 17.00. USA: Clark University. Leh, M., Bajwa, S., Chaubey, I. (2011). Impact of land use change on erosion risk: an integrated remote sensing, geographic information system and modeling methodology. - Land Degradation & Development- Wiley Online Library Rindfuss, R. R., Walsh, S. J, Turner II, B. L., Fox, J. ve Mishra, V. (2004). Developing a science of land change: Challenges and methodological issues. Proceedings of the National Academy of Sciences of United States of America. 101(39), 13976-13981. doi:10.1073/pnas.0401545101. Rogan, J., Miller, J., Stow, D., Franklin, J., Levien, L. ve Fischer, C. (2003). Land-cover change monitoring with classification trees using Landsat TM and ancillary data. Photogrammetric Engineering and Remote Sensing. 69(7), 793-804. Singh, A. (1989). Digital change detection techniques using remotely sensed data. International Journal of Remote Sensing. 10(6), 989-1003. Weisstein, E. W. (2012). “Markov Chain.” From MathWorld-A Wolfram WebSource. http://mathworld.wolfram.com/MarkovChain.html.