Orman içi açıklıklara ait zamansal değişimlerin uzaktan algılama teknikleri ile Google Earth Engine platformunda tespit edilmesi: Trabzon-Düzköy İlçesi örneği

Fatih Kadı; Osman Salih Yılmaz

doi:10.29128/geomatik.1363873

Orman içi açıklıklara ait zamansal değişimlerin uzaktan algılama teknikleri ile Google Earth Engine platformunda tespit edilmesi: Trabzon-Düzköy İlçesi örneği

Öz

Bu çalışmada orman içi açıklıklardaki zamansal değişimlerin uzaktan algılama teknikleriyle Google Earth Engine Platformu’nda tespit edilmesi amaçlanmaktadır. Bu doğrultuda meşcere haritalarından on adet orman içi açıklık alan belirlenmiştir. Bu alanları içine alacak genel bir çalışma alanı belirlenmiş ve Sentinel-2 görüntüleri üzerinden çalışma alanı rastgele orman algoritması ile sınıflandırılarak orman içi açıklıkların güncel durumları elde edilmiştir. Daha sonra ise tespit edilen orman içi açıklıkların Landsat görüntüleri üzerinden normalize edilmiş fark bitki örtüsü indeksi (NDVI) zaman serisi analizleri yapılarak bu açıklıkların vejetasyon değişimi ortaya konulmuştur. Sentinel-2 görüntüleri ile yapılan sınıflandırma çalışmasında orman, orman içi açıklık alanları ve boş alanlar olmak üzere arazi üç sınıfa ayrılmıştır. Yapılan sınıflandırma çalışmasının genel doğruluğu %89.46, Kappa istatistik değeri ise 0.810 hesaplanmıştır. Elde edilen orman içi açıklık alanları meşcere haritasındaki alanlar ile kıyaslandığında on bölge için ortalama %52.56 civarında kapalılık yönünde bir değişim olduğu görülmüştür. NDVI zaman serileri ile yapılan analizler sonucunda orman içi açıklık alanlardaki vejetasyonun genel olarak arttığı ve dolayısıyla alanların kapanma eğiliminde oldukları görülmüştür.

Anahtar Kelimeler

Kaynakça

Abebe, G. A. (2013). Quantifying urban growth pattern in developing countries using remote sensing and spatial metrics: A case study in Kampala, Uganda [Master's thesis, University of Twente].
Ahady, A. B., & Kaplan, G. (2022). Classification comparison of Landsat-8 and Sentinel-2 data in Google Earth Engine, study case of the city of Kabul. International Journal of Engineering and Geosciences, 7(1), 24-31. https://doi.org/10.26833/ijeg.860077
Akar, Ö., Güngör, O., (2013). Eş dizimlilik matrisi ve rastgele orman sınıflandırıcısı ile çay ve fındık alanlarının sınıflandırılması. Türkiye Ulusal Fotogrametri ve Uzaktan Algılama Birliği VII. Teknik Sempozyumu (TUFUAB’2013), 23-25 Mayıs 2013, KTÜ, Trabzon.
Akyol, A., Serhat, O., & Türkoğlu, T. (2018). Orman amenajman planlarının hazırlanması ve uygulanması sürecinde karşılaşılan sorunlar: İzmir Orman Bölge Müdürlüğü örneği. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 22, 460–469.
Anand, A., Pandey, P. C., Petropoulos, G. P., Pavlides, A., Srivastava, P. K., Sharma, J. K., & Malhi, R. K. M. (2020). Use of hyperion for mangrove forest carbon stock assessment in Bhitarkanika forest reserve: A contribution towards blue carbon initiative. Remote Sensing, 12(4), 597. https://doi.org/10.3390/rs12040597
Apaydin, C., & Abdikan, S. (2021). Fındık bahçelerinin Sentinel-2 verileri kullanılarak piksel tabanlı sınıflandırma yöntemleriyle belirlenmesi. Geomatik, 6(2), 107-114. https://doi.org/10.29128/geomatik.705988
Ateş, A. M. (2022). Unlocking the floating photovoltaic potential of Türkiye's hydroelectric power plants. Renewable Energy, 199, 1495-1509. https://doi.org/10.1016/j.renene.2022.09.096
Baines, O., Wilkes, P., & Disney, M. (2020). Quantifying urban forest structure with open-access remote sensing data sets. Urban Forestry & Urban Greening, 50, 126653. https://doi.org/10.1016/j.ufug.2020.126653

Başkent, E. Z., & Kadıoğulları, A. I. (2007). Spatial and temporal dynamics of land use pattern in Turkey: A case study in İnegöl. Landscape and Urban Planning, 81(4), 316-327. https://doi.org/10.1016/j.landurbplan.2007.01.007
Belgiu, M., & Drăguţ, L. (2016). Random forest in remote sensing: A review of applications and future directions. ISPRS Journal of Photogrammetry and Remote Sensing, 114, 24-31. https://doi.org/10.1016/j.isprsjprs.2016.01.011
Bozali, N., Sivrikaya, F., & Akay, A. E. (2015). Use of spatial pattern analysis to assess forest cover changes in the Mediterranean region of Turkey. Journal of Forest Research, 20(4), 365-374. https://doi.org/10.1007/s10310-015-0493-2
Breiman, L. (2001). Random forests. Machine learning, 45, 5-32. https://doi.org/10.1023/A:1010933404324
Celik, D. A., & Kadıoğulları, A. İ. (2022). Orman Amenajman Planlarına Göre Operasyonel Planlama Model Tasarımı. Icontech International JournaL, 6(4), 43-54. https://doi.org/10.5281/zenodo.7489838
Chaitanya, T. P., Singh, U. K., & Agarwal, S. (2021). Forest fire monitoring of wildlife sanctuary using geospatial techniques. Indian Journal of Ecology, 48(3), 681-685.
Chen, S., Woodcock, C. E., Bullock, E. L., Arévalo, P., Torchinava, P., Peng, S., & Olofsson, P. (2021). Monitoring temperate forest degradation on Google Earth Engine using Landsat time series analysis. Remote Sensing of Environment, 265, 112648. https://doi.org/10.1016/j.rse.2021.112648
Chen, W., Shahabi, H., Shirzadi, A., Li, T., Guo, C., Hong, H., Li, W., Pan, D., Hui, J., & Ma, M. (2018). A novel ensemble approach of bivariate statistical-based logistic model tree classifier for landslide susceptibility assessment. Geocarto International, 33(12), 1398–1420. https://doi.org/10.1080/10106049.2018.1425738
Cipta, I. M., Sobarman, F. A., Sanjaya, H., & Darminto, M. R. (2021). Analysis of mangrove forest change from multi-temporal Landsat imagery using Google Earth Engine application:(case study: Belitung Archipelago 1990-2020). In 2021 IEEE Asia-Pacific Conference on Geoscience, Electronics and Remote Sensing Technology (AGERS), 90-95. https://doi.org/10.1109/AGERS53903.2021.9617354
Çoban, H. O., & Gündoğdu, Ş. (2020). Orman alanlarındaki değişimlerin CBS tabanlı belirlenmesi: Çamsu Orman İşletme Şefliği örneği. Turkish Journal of Forestry, 21(1), 60–69. https://doi.org/10.18182/tjf.693465
Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1), 37-46. https://doi.org/10.1177/001316446002000104
Desai, G., & Gaikwad, A. (2022). Automatic land cover classification with SAR imagery and Machine learning using Google Earth Engine. International Journal of Electrical and Computer Engineering Systems, 13(10), 909-916. https://doi.org/10.32985/ijeces.13.10.6
Eraslan, İ. (1982). Orman Amenajmanı. İstanbul Üniversitesi Orman Fakültesi Yayınları. No:3010.
Feizizadeh, B., Omarzadeh, D., Kazemi Garajeh, M., Lakes, T., & Blaschke, T. (2023). Machine learning data-driven approaches for land use/cover mapping and trend analysis using Google Earth Engine. Journal of Environmental Planning and Management, 66(3), 665-697. https://doi.org/10.1080/09640568.2021.2001317
Gautam, A. P., Webb, E. L., Shivakoti, G. P., & Zoebisch, M. A. (2003). Land use dynamics and landscape change pattern in a mountain watershed in Nepal. Agriculture, Ecosystems & Environment, 99(1-3), 83-96. https://doi.org/10.1016/S0167-8809(03)00148-8
Ghimire, B., Rogan, J., & Miller, J. (2010). Contextual land-cover classification: incorporating spatial dependence in land-cover classification models using random forests and the Getis statistic. Remote Sensing Letters, 1(1), 45-54. https://doi.org/10.1080/01431160903252327
Ghosh, S. M., Behera, M. D., & Paramanik, S. (2020). Canopy height estimation using sentinel series images through machine learning models in a mangrove forest. Remote Sensing, 12(9), 1519. https://doi.org/10.3390/rs12091519
Güner, A., Karabacak, E., Çıngay, B., Güneş, F., Eker, İ., Öztekin, M., ... & Körüklü, T. (2014). Resimli Türkiye Florasi. vol. 1. Istanbul: Ali Nihat Gökyigit Vakfi, Flora Arastirmalari Dernegi and Türkiye İş Bankasi Kültür Yayini.
Güvel, Ş. P., Akgül, M. A., & Akkoyunlu, M. F. (2023). Monitoring and Evaluation of 2015 Devrek Zonguldak Landslide within the scope of Flood Risk Assessment by Landsat-8 Satellite Data. Doğal Afetler ve Çevre Dergisi, 9(1), 81-89. https://doi.org/10.21324/dacd.1152670
Jin, Y., Liu, X., Chen, Y., & Liang, X. (2018). Land-cover mapping using Random Forest classification and incorporating NDVI time-series and texture: A case study of central Shandong. International journal of Remote Sensing, 39(23), 8703-8723. https://doi.org/10.1080/01431161.2018.1490976
Kadıoğulları, A. İ. (2013). Assessing implications of land use and land cover changes in forest ecosystems of NE Turkey. Environmental Monitoring and Assessment, 185, 2095-2106. https://doi.org/10.1007/s10661-012-2691-0
Kadıoğulları, A., & Başkent, E. (2009). Orman kaynaklarının konumsal ve zamansal değişiminin coğrafi bilgi sistemleri ve uzaktan algılama teknikleri ile irdelenmesi: İnayet ve Yenice örneği. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 10(3), 378–390.
Kaplan, G., Milevski, I., & Valjarević, A. (2022). National Land Cover Mapping Using Various Remote Sensing Datasets In Gee. Carpathian Journal of Earth and Environmental Sciences, 17(2), 297-306. https://doi.org 10.26471/cjees/2022/017/223
Kaptan, S. & Durkaya, A. (2019). Analysing temporal and spatial changes in land cover: the case of Drahna Forest Subdistrict Directorate. Kastamonu University Journal of Forestry Faculty, 19 (1), 47-56. https://doi.org/10.17475/kastorman.543428
Kaptan, S. (2021). Arazi örtüsü ile meşcere gelişim çağı ve kapalılığı kategorilerindeki zamansal değişimlerin incelenmesi: Karabiga Orman İşletme Şefliği örneği. Turkish Journal of Forestry, 22(2), 97–104. https://doi.org/10.18182/tjf.903733
Karabulut, M., Küçükönder, M., Gürbüz, M., & Sandal, E. K. (2006). Kahramanmaraş şehri ve çevresinin zamansal değişiminin uzaktan algılama ve CBS kullanılarak incelenmesi. Coğrafi Bilgi Sistemleri Bilişim Günleri, 13(16), 1–8.
Küçükoğul, S. (2017). Kırsal Yerleşmelerde Tasarım Rehberi Süreç ve Değerlendirmeler: Bursa Örneği. [Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi].
Labrière, N., Davies, S. J., Disney, M. I., Duncanson, L. I., Herold, M., Lewis, S. L., Phillips, O. L., Quegan, S., Saatchi, S. S., Schepaschenko, D. G., Scipal, K., Sist, P., & Chave, J. (2023). Toward a forest biomass reference measurement system for remote sensing applications. Global Change Biology, 29(3), 827-840. https://doi.org/10.1111/gcb.16497
Lambin, E. F., Geist, H. J., & Lepers, E. (2003). Dynamics of land-use and land-cover change in tropical regions. Annual Review of Environment and Resources, 28, 205–241. https://doi.org/10.1146/annurev.energy.28.050302.105459
Li, H., Jia, M., Zhang, R., Ren, Y., & Wen, X. (2019). Incorporating the plant phenological trajectory into mangrove species mapping with dense time series Sentinel-2 imagery and the Google Earth Engine platform. Remote Sensing, 11(21), 2479. https://doi.org/10.3390/rs11212479
Lu, D., Mausel, P., Brondizio, E., & Moran, E. (2004). Change detection techniques. International Journal of Remote Sensing, 25(12), 2365–2401. https://doi.org/10.1080/0143116031000139863
Oliphant, A. J., Thenkabail, P. S., Teluguntla, P., Xiong, J., Gumma, M. K., Congalton, R. G., & Yadav, K. (2019). Mapping cropland extent of Southeast and Northeast Asia using multi-year time-series Landsat 30-m data using a random forest classifier on the Google Earth Engine Cloud. International Journal of Applied Earth Observation and Geoinformation, 81, 110-124. https://doi.org/10.1016/j.jag.2018.11.014
Özsoy, G. (2007). Uzaktan algılama (UA) ve coğrafi bilgi sistemi (CBS) teknikleri kullanılarak erozyon riskinin belirlenmesi. [Yüksek Lisans Tezi, Bursa Uludağ Üniversitesi].
Parida, B. R., & Kumar, P. (2020). Mapping and dynamic analysis of mangrove forest during 2009–2019 using landsat–5 and sentinel–2 satellite data along Odisha Coast. Tropical Ecology, 61(4), 538–549. https://doi.org/10.1007/s42965-020-00112-7
Reis S., Taşdemir K., (2010). Fındık Alanlarının Kendini Örgütleyen Eşlemlerle (Self Organizing Maps) Belirlenmesi, III. Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Sempozyumu, 11 – 13 Ekim 2010, Gebze – Kocaeli.
Rouse, J. W., Haas, R. H., Schell, J. A., & Deering, D. W. (1974). Monitoring vegetation systems in the Great Plains with ERTS. NASA Spec. Publ, 351(1), 309.
Sauti, R., & Karahalil, U. (2022). Investigating the spatiotemporal changes of land use/land cover and its implications for ecosystem services between 1972 and 2015 in Yuvacık. Environmental Monitoring and Assessment, 194(4), 311. https://doi.org/10.1007/s10661-022-09912-x
Sener, M., Altintas, B., & Kurc, H. C. (2013). Planning and controlling of hazelnut production areas with the remote sensing techniques. Kahramanmaraş Sütçü İmam Üniversitesi Doğa Bilimleri Dergisi, 16(1), 16-23.
Şirvan, B., & Akın Tanrıöver, A. (2023). Bursa Kentinin 1979-2021 Yılları Arasında Kentsel Açık Yeşil Alan Değişiminin İrdelenmesi. Ağaç ve Orman, 3(2), 14-22.
Sönmez, T., Gencal, B., Taş, İ., & Kadıoğulları, A. İ. (2022). Orman Ekosistemindeki Zamansal Değişimin Orman Amenajman Planları ve Coğrafi Bilgi Sistemleri Yardımıyla İncelenmesi: Bursa Orman İşletme Müdürlüğü Örneği. Bartın Orman Fakültesi Dergisi, 24(3), 618-636. https://doi.org/10.24011/barofd.1148842
Ünal, E., Aydoğdu, M., Ceylan, N., Sezer, A., Özenç, N., & Duyar, Ö. (2010). Giresun İlinde Fındık Alanlarının Uzaktan Algılama ile Tespit Edilmesinde Arazi Topografyasının Etkisinin İncelenmesi ve Alternatif Tarım Ürünlerine Uygunluğunun Belirlenmesi. Tarla Bitkileri Merkez Araştırma Enstitüsü Dergisi, 19(1-2), 1-10.
Ustuner, M., Sanli, F. B., Abdikan, S., Esetlili, M. T., & Kurucu, Y. (2014). Crop type classification using vegetation indices of rapideye imagery. The İnternational Archives of the Photogrammetry, Remote Sensing and Spatial İnformation Sciences, 40(7), 195-198. https://doi.org/10.5194/isprsarchives-XL-7-195-2014
Uzun, A., & Somuncu, M. (2013). Madra Dağı ve çevresinin arazi örtüsü/kullanımındaki zamansal değişimin uzaktan algılama yöntemi ile değerlendirilmesi. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 16(30), 1-21
Vatandaşlar, C., & Zeybek, M. (2021). Extraction of forest inventory parameters using handheld mobile laser scanning: A case study from Trabzon, Turkey. Measurement, 177, 109328. https://doi.org/10.1016/j.measurement.2021.109328
Wahap, N. A., & Shafri, H. Z. M. (2020). Utilization of Google earth engine (GEE) for land cover monitoring over Klang Valley, Malaysia. IOP Conference Series: Earth and Environmental Science, 540(1), 12003. https://doi.org/10.1088/1755-1315/540/1/012003
Wang, Y., Bonynge, G., Nugranad, J., Traber, M., Ngusaru, A., Tobey, J., Hale, L., Bowen, R., & Makota, V. (2003). Remote sensing of Mangrove change along the Tanzania coast. Marine Geodesy, 26(1–2), 35–48. https://doi.org/10.1080/01490410306708
Xie, H., He, Y., Choi, Y., Chen, Q., & Cheng, H. (2020). Warning of negative effects of land-use changes on ecological security based on GIS. Science of the Total Environment, 704, 135427. https://doi.org/10.1016/j.scitotenv.2019.135427
Yılmaz, O. S. (2021). Uzaktan Algılama ve Coğrafi Bilgi sistemleri Yardımıyla Yüzen Fotovoltaik Güç Santarallerinin Değerlendirilmesi: Demirköprü Barajı Örneği. [Doktora Tezi, Yıldız Teknik Üniversitesi].
Yilmaz, O. S., Acar, U., Sanli, F. B., Gulgen, F., & Ates, A. M. (2023a). Mapping burn severity and monitoring CO content in Türkiye’s 2021 Wildfires, using Sentinel-2 and Sentinel-5P satellite data on the GEE platform. Earth Science Informatics, 16(1), 221–240. https://doi.org/10.1007/s12145-023-00933-9
Yılmaz, O. S., Gülgen, F., & Ateş, A. M. (2022). Determination of the appropriate zone on dam surface for Floating Photovoltaic System Installation using RS and GISc technologies. International Journal of Engineering and Geosciences, 8(1), 63–75. https://doi.org/10.26833/ijeg.1052556
Yilmaz, O. S., Gulgen, F., Balik Sanli, F., & Ates, A. M. (2023b). The Performance Analysis of Different Water Indices and Algorithms Using Sentinel-2 and Landsat-8 Images in Determining Water Surface: Demirkopru Dam Case Study. Arabian Journal for Science and Engineering, 48, 7883-7903. https://doi.org/10.1007/s13369-022-07583-x
Yilmaz, O. S., Gülgen, F., Güngör, R., & Kadı, F. (2018). Coğrafi Bilgi Sistemleri ve Uzaktan Algılama Teknikleri ile Arazi Kullanım Değişiminin İncelenmesi, Köprübaşı İlçesi Örneği. Geomatik, 3(3), 233-241. https://doi.org/10.29128/geomatik.410987
Zengin, H., Özdemir, H. Y., & Değermenci, A. S. (2018). Determination of temporal changes in land uses in Hasanlar Dam basin. Journal of the Faculty of Forestry Istanbul University, 68(1), 53-60. https://doi.org/10.17099/jffiu.292036
Zhang, M., Gong, P., Qi, S., Liu, C., & Xiong, T. (2019). Mapping bamboo with regional phenological characteristics derived from dense Landsat time series using Google Earth Engine. International Journal of Remote Sensing, 40(24), 9541–9555. https://doi.org/10.1080/01431161.2019.1633702
Zheng, G., Chen, J. M., Tian, Q. J., Ju, W. M., & Xia, X. Q. (2007). Combining remote sensing imagery and forest age inventory for biomass mapping. Journal of Environmental Management, 85(3), 616–623. https://doi.org/10.1016/j.jenvman.2006.07.015

Ayrıntılar

Birincil Dil

Türkçe

Konular

Coğrafi Bilgi Sistemleri ve Mekansal Veri Modelleme, Fotogrametri ve Uzaktan Algılama, Planlamada Coğrafi Bilgi Sistemleri (CBS)

Bölüm

Araştırma Makalesi

Yazarlar

Fatih Kadı ^*
0000-0002-6152-6351
Türkiye

Osman Salih Yılmaz
0000-0003-4632-9349
Türkiye

Erken Görünüm Tarihi

15 Ağustos 2024

Yayımlanma Tarihi

29 Ağustos 2024

Gönderilme Tarihi

21 Eylül 2023

Kabul Tarihi

27 Ekim 2023

Yayımlandığı Sayı

Yıl 2024 Cilt: 9 Sayı: 2

DOI

https://doi.org/10.29128/geomatik.1363873

IZ

https://izlik.org/JA39TM56RY

Kaynak Göster

RIS / Bibtex

APA

Kadı, F., & Yılmaz, O. S. (2024). Orman içi açıklıklara ait zamansal değişimlerin uzaktan algılama teknikleri ile Google Earth Engine platformunda tespit edilmesi: Trabzon-Düzköy İlçesi örneği. Geomatik, 9(2), 141-155. https://doi.org/10.29128/geomatik.1363873

AMA

1.Kadı F, Yılmaz OS. Orman içi açıklıklara ait zamansal değişimlerin uzaktan algılama teknikleri ile Google Earth Engine platformunda tespit edilmesi: Trabzon-Düzköy İlçesi örneği. Geomatik. 2024;9(2):141-155. doi:10.29128/geomatik.1363873

Chicago

Kadı, Fatih, ve Osman Salih Yılmaz. 2024. “Orman içi açıklıklara ait zamansal değişimlerin uzaktan algılama teknikleri ile Google Earth Engine platformunda tespit edilmesi: Trabzon-Düzköy İlçesi örneği”. Geomatik 9 (2): 141-55. https://doi.org/10.29128/geomatik.1363873.

EndNote

Kadı F, Yılmaz OS (01 Ağustos 2024) Orman içi açıklıklara ait zamansal değişimlerin uzaktan algılama teknikleri ile Google Earth Engine platformunda tespit edilmesi: Trabzon-Düzköy İlçesi örneği. Geomatik 9 2 141–155.

IEEE

[1]F. Kadı ve O. S. Yılmaz, “Orman içi açıklıklara ait zamansal değişimlerin uzaktan algılama teknikleri ile Google Earth Engine platformunda tespit edilmesi: Trabzon-Düzköy İlçesi örneği”, Geomatik, c. 9, sy 2, ss. 141–155, Ağu. 2024, doi: 10.29128/geomatik.1363873.

ISNAD

Kadı, Fatih - Yılmaz, Osman Salih. “Orman içi açıklıklara ait zamansal değişimlerin uzaktan algılama teknikleri ile Google Earth Engine platformunda tespit edilmesi: Trabzon-Düzköy İlçesi örneği”. Geomatik 9/2 (01 Ağustos 2024): 141-155. https://doi.org/10.29128/geomatik.1363873.

JAMA

1.Kadı F, Yılmaz OS. Orman içi açıklıklara ait zamansal değişimlerin uzaktan algılama teknikleri ile Google Earth Engine platformunda tespit edilmesi: Trabzon-Düzköy İlçesi örneği. Geomatik. 2024;9:141–155.

MLA

Kadı, Fatih, ve Osman Salih Yılmaz. “Orman içi açıklıklara ait zamansal değişimlerin uzaktan algılama teknikleri ile Google Earth Engine platformunda tespit edilmesi: Trabzon-Düzköy İlçesi örneği”. Geomatik, c. 9, sy 2, Ağustos 2024, ss. 141-55, doi:10.29128/geomatik.1363873.

Vancouver

1.Fatih Kadı, Osman Salih Yılmaz. Orman içi açıklıklara ait zamansal değişimlerin uzaktan algılama teknikleri ile Google Earth Engine platformunda tespit edilmesi: Trabzon-Düzköy İlçesi örneği. Geomatik. 01 Ağustos 2024;9(2):141-55. doi:10.29128/geomatik.1363873

Cited By

Coğrafi bilgi sistemleri ve uzaktan algılama kullanarak mavi-yeşil altyapıların analizi: Isparta örneği

Turkish Journal of Forestry | Türkiye Ormancılık Dergisi

https://doi.org/10.18182/tjf.1573608

Investigation of Longoz Forests with Remote Sensing Techniques on Google Earth Engine Platform: The Case of İğneada Longoz Forests (2000–2021)

International Journal of Engineering and Geosciences

https://doi.org/10.26833/ijeg.1650786