Spatiotemporal analysis of forest fires occurring in Türkiye between 2015 and 2022 with geographical information systems

Öz

Forest fires in the world have many material and moral consequences, including social, economic and ecological, which cause loss of life and property. In recent years, a significant increase has been observed in forest fires worldwide in terms of both frequency and size. For this reason, it is extremely important to analyze forest fires and take the necessary measures against it in order to maintain the ecological order in a stable manner. In this context, modeling the spatial distribution of forest fires over time and examining the risk factors are critical In this study, the spatial and temporal distribution of forest fires that occurred between 2015 and 2022 in Türkiye at the provincial border level was analyzed in the Geographical Information System environment, taking into account the relationship between the geographical location and the cause of the fire, and clusters on a yearly basis were revealed by using spatial statistical tests (Global Moran’s I, Anselin Local Moran’s I ve Getis-Ord Gi*). Thus, important results have been obtained in terms of measures to be taken against forest fires and the support to be provided to decision makers.

Anahtar Kelimeler

• Forest fire
• Cluster Analysis
• Spatial statistics
• Spatiotemporal analysis
• Geographical information system

Türkiye’de 2015 ile 2022 yılları arasında meydana gelen orman yangınlarının coğrafi bilgi sistemleri ile zamansal ve mekânsal analizi

Öz

Dünyada orman yangınlarının can ve mal kaybına neden olan sosyal, ekonomik ve ekolojik olmak üzere maddi ve manevi birçok sonuçları vardır. Son yıllarda dünya genelinde orman yangınlarında hem sıklık hem de büyüklük açısından önemli bir artış gözlemlenmektedir. Bu nedenle ekolojik düzenin istikrarlı bir şekilde devam etmesi için orman yangınlarının analiz edilmesi ve buna karşı gerekli tedbirlerin alınması son derece önemlidir. Bu bağlamda orman yangınlarının zaman içerisindeki mekânsal dağılımının modellenmesi ve risk faktörü oluşturan bölgelerin incelenmesi kritik öneme sahiptir. Bu çalışmada Türkiye’de 2015 ile 2022 yılları arasında meydana gelen orman yangınlarının il sınırı seviyesinde mekânsal ve zamansal dağılımı yangının coğrafi konum ve çıkış nedeni arasındaki ilişki dikkate alınarak Coğrafi Bilgi Sistemi ortamında analiz edilmiş ve mekânsal istatistiksel testler (Global Moran’s I, Anselin Local Moran’s I ve Getis-Ord Gi*) kullanılarak yıl bazındaki kümelenmeler ortaya konmuştur. Böylece orman yangınlarına yönelik alınması gereken önlemler ve karar vericilere sağlanacak destekler konularında önemli sonuçlar elde edilmiştir.

Anahtar Kelimeler

• Orman yangını
• Kümeleme analizi
• Mekânsal istatistikler
• Mekânsal-zamansal analiz
• Coğrafi bilgi sistemi

Kaynakça

1. Affan, M., Syukri, M., Wahyuna, L., & Sofyan, H. (2016). Spatial statistic analysis of earthquakes in Aceh province year 1921-2014: cluster seismicity. Aceh International Journal of Science and Technology, 5(2), 54-62.
2. Akyürek, Ö. (2023). Türkiye’deki 2000–2021 Yılları Arasındaki Bitki Örtüsü Yangınlarının Mekânsal Analizi. Turkish Journal of Remote Sensing and GIS, 4(1), 33-46.
3. Anselin, L. (1995). Local indicators of spatial association—LISA. Geographical analysis, 27(2), 93-115.
4. Bone, C., Wulder, M. A., White, J. C., Robertson, C., & Nelson, T. A. (2013). A GIS-based risk rating of forest insect outbreaks using aerial overview surveys and the local Moran's I statistic. Applied Geography, 40, 161-170.
5. Chen, C. Y., & Yang, Q. H. (2018). Hotspot Analysis of the Spatial and Temporal Distribution of Fires. GISTAM,15-21.
6. Cheruiyot, K. (2022). Detecting spatial economic clusters using kernel density and global and local Moran's I analysis in Ekurhuleni metropolitan municipality, South Africa. Regional Science Policy & Practice, 14(2), 307-327.
7. Dabanlı, İ. (2021). İklim Değişikliği ve Artan Orman Yangınları İlişkisi Kavzoğlu, T.(ed) Orman yangınları sebepleri, etkileri, izlenmesi, alınması gereken önlemler ve rehabilitasyon faaliyetleri. Ankara: Türkiye Bilimler Akademisi.
8. Doğru, A. Ö., David, R. M., Uluğtekin, N., Göksel, C., Şeker, D. Z., & Sözen, S. (2017). GIS based spatial pattern analysis: Children with Hepatitis A in Turkey. Environmental research, 156, 349-357.

9. Duran, C. (2014). Mersin ilindeki orman yangınlarının başlangıç noktalarına göre mekânsal analizi (2001-2013). Ormancılık Araştırma Dergisi, 1(1 A), 38-49.
10. Feng, Y., Chen, X., Gao, F., & Liu, Y. (2018). Impacts of changing scale on Getis-Ord Gi* hotspots of CPUE: a case study of the neon flying squid (Ommastrephes bartramii) in the northwest Pacific Ocean. Acta Oceanologica Sinica, 37, 67-76.
11. Fu, W. J., Jiang, P. K., Zhou, G. M., & Zhao, K. L. (2014). Using Moran's I and GIS to study the spatial pattern of forest litter carbon density in a subtropical region of southeastern China. Biogeosciences, 11(8), 2401-2409.
12. Gayır, B., & Arslan, O. (2018). Orman yangınlarının CBS tabanlı konumsal istatistik analizi: 2011-2015 yılları arasında Muğla orman bölge sınırları içerisinde çıkan yangınlar. Anadolu Orman Araştırmaları Dergisi, 4(1), 46-62.
13. Güneyli, H., & Ahmed, S. M. S. (2023). Detecting abnormal seismic activity areas of Anatolian plate and deformation directions using Python Geospatial libraries. Heliyon, 9(3).
14. Islam, A., Sayeed, M. A., Rahman, M. K., Ferdous, J., Islam, S., & Hassan, M. M. (2021). Geospatial dynamics of COVID‐19 clusters and hotspots in Bangladesh. Transboundary and Emerging Diseases, 68(6), 3643-3657.
15. Karabacak, K., Türkşen, Ö., & Bayar, R. (2019). Spatial statistics analysis of forest fires in Antalya province. 1st Istanbul International Geography Congress, 2019. Proceedings, 615-630.
16. Kavzoğlu, T. (2021). Orman yangınları sebepleri, etkileri, izlenmesi, alınması gereken önlemler ve rehabilitasyon faaliyetleri. Ankara: Türkiye Bilimler Akademisi.
17. Kavzoğlu, T., Çölkesen, İ., Tonbul H., & Öztürk M. Y. (2021). Uzaktan Algılama Teknolojileri ile Orman Yangınlarının Zamansal Analizi: 2021 Yılı Akdeniz ve Ege Yangınları Kavzoğlu, T.(ed) Orman yangınları sebepleri, etkileri, izlenmesi, alınması gereken önlemler ve rehabilitasyon faaliyetleri. Ankara: Türkiye Bilimler Akademisi.
18. Knopp, L., Wieland, M., Rättich, M., & Martinis, S. (2020). A deep learning approach for burned area segmentation with Sentinel-2 data. Remote Sensing, 12(15), 2422.
19. Mısır, M., & Mısır, N. (2021). Orman Yangınlarının İklim Değişikliği Açısından Değerlendirilmesi Kavzoğlu, T.(ed) Orman yangınları sebepleri, etkileri, izlenmesi, alınması gereken önlemler ve rehabilitasyon faaliyetleri. Ankara: Türkiye Bilimler Akademisi.
20. Mitchell, A., & Griffin, L. S. (2021). The Esri Guide to GIS Analysis, Volume 2: Spatial Measurements and Statistics, second edition. ESRI.
21. Musaoğlu, N., Yanalak, M., Güngöroğlu, C., & Özcan, O. (2021). Orman yangınlarının yönetiminde bilgi teknolojilerinin katkıları Kavzoğlu, T.(ed) Orman yangınları sebepleri, etkileri, izlenmesi, alınması gereken önlemler ve rehabilitasyon faaliyetleri. Ankara: Türkiye Bilimler Akademisi.
22. Ohyama, T., Hanyu, K., Tani, M., & Nakae, M. (2022). Investigating crime harm index in the low and downward crime contexts: a spatio-temporal analysis of the Japanese Crime Harm Index. Cities, 130, 103922.
23. Ord, J. K., & Getis, A. (1995). Local spatial autocorrelation statistics: distributional issues and an application. Geographical analysis, 27(4), 286-306.
24. Rossi, F., & Becker, G. (2019). Creating forest management units with Hot Spot Analysis (Getis-Ord Gi*) over a forest affected by mixed-severity fires. Australian Forestry, 82(4), 166-175.
25. Şeker, M. (2021). Sunuş. Kavzoğlu, T.(ed) Orman yangınları sebepleri, etkileri, izlenmesi, alınması gereken önlemler ve rehabilitasyon faaliyetleri. Ankara: Türkiye Bilimler Akademisi.
26. Şener, R., & Türk, T. (2021). Spatiotemporal analysis of cardiovascular disease mortality with geographical information systems. Applied Spatial Analysis and Policy, 14(4), 929-945.
27. Şener, R., & Türk, T. (2023). Spatiotemporal and seasonality analysis of sheep and goat pox (SGP) disease outbreaks in Turkey between 2010 and 2019. Tropical Animal Health and Production, 55(2), 65.
28. Tedim, F., Leone, V., Lovreglio, R., Xanthopoulos, G., Chas-Amil, M. L., Ganteaume, A., Efe, R., Roye, D., Fuerst-Bjeliš, B., Nikolov, N., Musa, S., Milenkovic, M., Correia, F., Conedera, M., & Boris Pezzatti, G. (2022). Forest fire causes and motivations in the southern and South-Eastern Europe through experts’ perception and applications to current policies. Forests, 13(4), 562.
29. Yakar, M. (2011). Nüfus dağılımının mekânsal analizi: Afyonkarahisar ili örneği. Uluslararası Sosyal Araştırmalar Dergisi, 4(19), 389-406.
30. Yuan, Y., Cave, M., & Zhang, C. (2018). Using Local Moran's I to identify contamination hotspots of rare earth elements in urban soils of London. Applied geochemistry, 88, 167-178.
31. Zhang, C., Luo, L., Xu, W., & Ledwith, V. (2008). Use of local Moran's I and GIS to identify pollution hotspots of Pb in urban soils of Galway, Ireland. Science of the total environment, 398(1-3), 212-221.
32. Zhang, Q., Ge, L., Zhang, R., Metternicht, G. I., Liu, C., & Du, Z. (2021). Towards a deep-learning-based framework of Sentinel-2 imagery for automated active fire detection. Remote Sensing, 13(23), 4790.
33. Zhang, L., Tao, Z., & Wang, G. (2022). Assessment and determination of earthquake casualty gathering area based on building damage state and spatial characteristics analysis. International Journal of Disaster Risk Reduction, 67, 102688.