Silivri’de arazi kullanımı değişimi (1990-2022) ve modellenmesi (2038-2054)

Öz

Bu çalışmada, Silivri’de 1990-2022 yılları arasında meydana gelen arazi kullanımı değişimlerini tespit etmek ve mevcut veriler ışığında geleceğe yönelik modeller oluşturarak arazide meydana gelebilecek değişimin yönlerini ve etkilerini öngörmek amaçlanmıştır. Söz konusu değişimi tespit etmek amacıyla öncelikle Landsat uydularından elde edilen uydu görüntüleri kullanılmış, görüntüler ArcMap 10.5 programı aracılığıyla analize tabi tutulmuştur. Analiz sonucu tematik haritalar üzerinden elde edilen veriler, tablo ve grafikler vasıtasıyla yorumlanmıştır. Çalışmanın son aşamasında, Yapay Sinir Ağları (YSA) ve Hücresel Otomat (HO) Markov Zincirleri yöntemleri kullanılarak 2038 ve 2054 yılları için model haritaları oluşturulmuştur. Çalışmadan elde edilen sonuçlar arazi sınıflarının büyük ölçüde değiştiğini göstermektedir. 1990-2022 yılları arasında yapay yüzeyler sınıfı içinde değerlendirilen konut ve sanayi alanları önemli ölçüde artış gösterirken, tarım ve mera alanları ile orman alanlarında azalış gerçekleşmiştir. Modelden elde edilen bulgular gelecekte de değişimin süreceğini göstermektedir. Buna göre yapay yüzeylerin alanının artması beklenmektedir. Ancak, tarım ve mera alanları ile orman arazilerinin kapladığı alanın azalmaya devam edeceği öngörülmektedir.

Anahtar Kelimeler

• Silivri
• Arazi Kullanımı
• Arazi Kullanımı Modellemesi
• Yapay Sinir Ağları
• HO-Markov

Destekleyen Kurum

Marmara Üniversitesi Bilimsel Araştırma Projeleri Birimi (BAPKO)

Proje Numarası

SYL-2022-10406

Change (1990-2022) and modelling (2038-2054) of land use in Silivri

Öz

In this study, it was aimed to the detect the land use changes that occured in Silivri between 1990-2022 and to predict the directions and effects of the changes that may occur in the land by creating future models in the light of existing data. To identify the mentioned change, satellite images obtained from Landsat satellites were intially used, and the images were subjected to analysis through the ArcMap 10.5 program. The data obtained from the thematic maps as a result of the analysis were interpreted through tables and graphs. In the final phase of the study, model maps were created for the years 2038 and 2054 using Artificial Neural Networks (ANN) and Cellular Automata (CA) Markov Chain methods. The result obtained from the study indicate that the land classes have undergone important changes. While residental and industrial areas, which are considered as artificial surfaces, increased significantly between 1990 and 2022, there was a decrease in agricultural and pasture areas and forest areas. The findings acquired from models shows that the change will continue in the future. Accordingly, the area of artificial surfaces is expected to increase. However, it is foreseen that the area covered by agricultural, pasture lands and forest lands will continue to decrease.

Anahtar Kelimeler

• Silivri
• Land Use
• Land Use Modelling
• Artificial Neural Network (ANN)
• CA-Markov

Proje Numarası

SYL-2022-10406

Kaynakça

1. Ardel, A., & İnandık, H. (1957). Marmara Denizi’nin teşekkül ve tekamülü. Türk Coğrafya Dergisi, 17, 1-19.
2. Arowolo, A. O., & Deng, X. (2018). Land use/land cover change and statistical modelling of cultivated land change drivers in Nigeria. Regional Environmental Change, 18(1), 247-259. https://doi.org/10.1007/s10113-017-1186-5
3. Atalay, İ. (2013). Doğa bilimleri sözlüğü. Meta Basımevi.
4. Ataseven, B. (2013). Yapay sinir ağlari ile öngörü modellemesi. Öneri Dergisi, 10(39), 101-115.
5. Bayar, R. (2018). Arazi kullanımı açısından Türkiye’de tarım alanlarının değişimi. Coğrafi Bilimler Dergisi, 16(2), 187-200.
6. Bozkaya, A. G. (2013). İğneada koruma alanının uzaktan algılama ve coğrafi bilgi sistemleri ile zamansal değerlendirilmesi ve geleceğe yönelik modellenmesi (Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul).
7. Camacho Olmedo, M. T., & García-Álvarez, D. (2022). Basic and Multiple-Resolution Cross-Tabulation to Validate Land Use Cover Maps. Içinde D. García-Álvarez, M. T. Camacho Olmedo, M. Paegelow, & J. F. Mas (Ed.), Land Use Cover Datasets and Validation Tools: Validation Practices with QGIS (ss. 99-125). Springer International Publishing. https://doi.org/10.1007/978-3-030-90998-7_7
8. Canpolat, F. A., & Dağlı, D. (2020). Elazığ İli’nde Arazi Kullanımı Değişimi (2006-2018) ve Simülasyonu (2030). lnternational Journal of Geography and Geography Education, 42, 702-723.

9. Clark Labs. (2023). TerrSet Help System (2020) (19.0.8) [Software]. Clark Labs.
10. Clarke, K. C., & Gaydos, L. J. (1998). Loose-coupling a cellular automaton model and GIS: Long-term urban growth prediction for San Francisco and Washington/Baltimore. International Journal of Geographical Information Science, 12(7), 699-714. https://doi.org/10.1080/136588198241617
11. CNES. (2024). 1990 yılı SPOT 2 uydu görüntüsü. 18.03.2024 tarihinde https://regards.cnes.fr/user/swh/modules/60) adresinden, edinilmiştir.
12. Cohen, J. (1960). A Coefficient of Agreement for Nominal Scales. Educational and Psychological Measurement, 20(1), 37-46. https://doi.org/10.1177/001316446002000104
13. Copernicus. (2024). 2022 yılına ait Sentinel-2 uydu görüntüsü. 19.03.2024 tarihinde https://browser.dataspace.copernicus.eu adresinden edinilmiştir.
14. Çakir, G., Ün, C., Baskent, E. Z., Köse, S., Sivrikaya, F., & Keleş, S. (2008). Evaluating urbanization, fragmentation and land use/land cover change pattern in Istanbul city, Turkey from 1971 TO 2002. Land Degradation & Development, 19(6), 663-675. https://doi.org/10.1002/ldr.859
15. Çelikoyan, T. M., & Altan, M. O. (2005). İstanbul kentinde arazi kullanımının hava fotoğrafları ve uydu görüntüleri yardımıyla tarihsel dönemlerde incelenmesi ve analizi. İTÜ Dergisi D : Mühendislik, 4(3), 67-75.
16. Dağlı, D. (2021). Diyarbakır kenti ve çevresinde arazi kullanımı/arazi örtüsü değişimi ve kentsel büyümenin modellenmesi (Doktora Tezi, Fırat Üniversitesi, Sosyal Bilimler Enstitüsü, İstanbul).
17. Devlet İstatistik Enstitüsü (DİE). (1991). 1990 Genel Nüfus Sayımı. DİE Yay. No: 1458.
18. Doğan Sertkaya, Ö. (2013). Nüfus coğrafyası açısından bir inceleme: Silivri. Marmara Coğrafya Dergisi, 20, 1- 19.
19. Döker, M. F. (2012). İstanbul kentsel büyüme sürecinin belirlenmesi, izlenmesi ve modellenmesi (Doktora Tezi, İstanbul Üniversitesi, Sosyal Bilimler Enstitüsü, İstanbul).
20. Eastman, J. R. (2016). TerrSet Manual. Clark Labs.
21. Fleiss, J. L. (1971). Measuring nominal scale agreement among many raters. Psychological Bulletin, 76(5), 378-382. https://doi.org/10.1037/h0031619
22. Foody, G. M. (2002). Status of land cover classification accuracy assessment. Remote Sensing of Environment, 80(1), 185-201. https://doi.org/10.1016/S0034-4257(01)00295-4
23. Foody, G. M. (2020). Explaining the unsuitability of the kappa coefficient in the assessment and comparison of the accuracy of thematic maps obtained by image classification. Remote Sensing of Environment, 239, 111630. https://doi.org/10.1016/j.rse.2019.111630
24. Garipağaoğlu, N., & Duman, E. (2018). Çatalca İlçesi’nin Arazi Kullanımında Meydana Gelen Değişimler (1987- 2016). Marmara Coğrafya Dergisi, 37, 219-232.
25. Google Earth Engine. (2023). 1990 ve 2022 yıllarına ait uydu görüntüleri. 23 Mart 2024 tarihinde https://earthengine.google.com/timelapse/ adresinden edinilmiştir.
26. Göksel, Ç., & Kari̇p, G. B. (2017). İğneada Koruma Alanının Arazi Örtüsü/Arazi Kullanımının Zamana Bağlı Değişiminin Markov Zincirleri İle Modellenmesi. Geomatik, 2(2), 94-105. https://doi.org/10.29128/geomatik.303890
27. Hamad, R., Balzter, H., & Kolo, K. (2018). Predicting land use/land cover changes using a CA-Markov model under two different scenarios. Sustainability, 10(10), 3421.
28. İBB. (2023). 1970 ve 2022 yıllarına ait Silivri'nin ortofoto görüntüleri. 20.06. 2023 tarihinde https://sehirharitasi.ibb.gov.tr adresinden edinilmiştir.
29. İstanbul Sanayi Odası (İSO). (2023). Silivri Sanayi Verileri. 13.01.2023 tarihinde https://eoda.iso.org.tr/UyeArama/UyeArama adresinden edinilmiştir.
30. Kahya, O. (2005). Landsat ETM verisi kullanılarak arazi örtüsünün expert sistem yöntemiyle sınıflandırılması (Yüksek Lisans Tezi, Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul).
31. Kandemir, N. (2012). Uzaktan algılama ve coğrafi bilgi sistemleri ile Akfırat ve çevresinde (Tuzla-İstanbul) arazi örtüsü değişimlerinin belirlenmesi (Yüksek Lisans Tezi, Sakarya Üniversitesi, Sosyal Bilimler Enstitüsü, Sakarya).
32. Kozanoğlu, C. (1994). Her Yönüyle Silivri. Silivri Belediyesi Kültür Evi Yayını.
33. Kumar, S., Radhakrishnan, N., & Mathew, S. (2014). Land use change modelling using a Markov model and remote sensing. Geomatics, 5, 145-156. https://doi.org/10.1080/19475705.2013.795502
34. Lambin, E. F., Turner, B. L., Geist, H. J., Agbola, S. B., Angelsen, A., Bruce, J. W., Coomes, O. T., Dirzo, R., Fischer, G., Folke, C., George, P. S., Homewood, K., Imbernon, J., Leemans, R., Li, X., Moran, E. F., Mortimore, M., Ramakrishnan, P. S., Richards, J. F., … Xu, J. (2001). The causes of land-use and land-cover change: Moving beyond the myths. Global Environmental Change, 11(4), 261-269. https://doi.org/10.1016/S0959-3780(01)00007-3
35. Landis, J. R., & Koch, G. G. (1977). The Measurement of Observer Agreement for Categorical Data. Biometrics, 33(1), 159-174. https://doi.org/10.2307/2529310
36. Lillesand, T., Kiefer, R. W., & Chipman, J. (2015). Remote sensing and image interpretation. John Wiley & Sons.
37. Liu, B., Pan, L., Qi, Y., Guan, X., & Li, J. (2021). Land use and land cover change in the Yellow River Basin from 1980 to 2015 and its impact on the ecosystem services. Land, 10(10), 1080.
38. Matthews, R. B., Gilbert, N. G., Roach, A., Polhill, J. G., & Gotts, N. M. (2007). Agent-based land-use models: A review of applications. Landscape Ecology, 22(10), 1447-1459. https://doi.org/10.1007/s10980-007-9135-1
39. McHugh, M. L. (2012). Interrater reliability: The kappa statistic. Biochemia medica, 22(3), 276-282.
40. Meyer, W. B., & BL Turner, I. I. (1994). Changes in land use and land cover: A global perspective (C. 4). Cambridge University Press.
41. Mishra, V. N., & Rai, P. K. (2016). A remote sensing aided multi-layer perceptron-Markov chain analysis for land use and land cover change prediction in Patna district (Bihar), India. Arabian Journal of Geosciences, 9(4), 249. https://doi.org/10.1007/s12517-015-2138-3
42. Muller, M. R., & Middleton, J. (1994). A Markov model of land-use change dynamics in the Niagara Region, Ontario, Canada. Landscape Ecology, 9(2), 151-157. https://doi.org/10.1007/BF00124382
43. Nath, B., Wang, Z., Ge, Y., Islam, K., P. Singh, R., & Niu, Z. (2020). Land Use and Land Cover Change Modeling and Future Potential Landscape Risk Assessment Using Markov-CA Model and Analytical Hierarchy Process. ISPRS International Journal of Geo-Information, 9(2), 134. https://doi.org/10.3390/ijgi9020134
44. Nedd, R., Light, K., Owens, M., James, N., Johnson, E., & Anandhi, A. (2021). A Synthesis of Land Use/Land Cover Studies: Definitions, Classification Systems, Meta-Studies, Challenges and Knowledge Gaps on a Global Landscape. Land, 10(9), 994. https://doi.org/10.3390/land10090994
45. Noszczyk, T., Rutkowska, A., & Hernik, J. (2020). Exploring the land use changes in Eastern Poland: Statistics-based modeling. Human and Ecological Risk Assessment, 26, 255-282. https://doi.org/10.1080/10807039.2018.1506254
46. OSM. (2023). OpenStreetMap. 5 Haziran 2023 tarihinde https://www.openstreetmap.org/#map=6/39.031/35.252 adresinden edinilmiştir.
47. Öztemel, E. (2003). Yapay sinir ağlari. Papatya Yayıncılık, İstanbul.
48. Öztürk, K., & Şahin, M. E. (2018). Yapay sinir ağları ve yapay zekâ’ya genel bir bakış. Takvim-i Vekayi, 6(2), 25- 36.
49. Paegelow, M., Mas, J., Gallardo, M., Camacho Olmedo, M. T., & García Álvarez, D. (2022). Pontius Jr. Methods Based on a Cross-Tabulation Matrix to Validate Land Use Cover Maps (ss. 153-187). https://doi.org/10.1007/978-3-030-90998-7_9
50. Pan, Y., Roth, A., Yu, Z., & Doluschitz, R. (2010). The impact of variation in scale on the behavior of a cellular automata used for land use change modeling. Computers, Environment and Urban Systems, 34(5), 400- 408. https://doi.org/10.1016/j.compenvurbsys.2010.03.003
51. Pijanowski, B. C., Brown, D. G., Shellito, B. A., & Manik, G. A. (2002). Using neural networks and GIS to forecast land use changes: A Land Transformation Model. Computers, Environment and Urban Systems, 26(6), 553- 575. https://doi.org/10.1016/S0198-9715(01)00015-1
52. Pontius, R. G. (2002). Statistical methods to partition effects of quantity and location during comparison of categorical maps at multiple resolutions. Photogrammetric Engineering and Remote Sensing, 68(10), 1041-1049.
53. Pontius, R. G., & Millones, M. (2011). Death to Kappa: Birth of quantity disagreement and allocation disagreement for accuracy assessment. International Journal of Remote Sensing, 32(15), 4407-4429. https://doi.org/10.1080/01431161.2011.552923
54. Pontius, R. G., & Schneider, L. C. (2001). Land-cover change model validation by an ROC method for the Ipswich watershed, Massachusetts, USA. Agriculture, Ecosystems & Environment, 85(1), 239-248. https://doi.org/10.1016/S0167-8809(01)00187-6
55. Pontius, R., & Suedmeyer, B. (2004). Components of Agreement between Categorical Maps at Multiple Resolutions. Lunetta R.S., Lyon, J.G. (ed.) Remote Sensing and GIS Accuracy Assesment (ss 233-252). https://doi.org/10.1201/9780203497586.ch17
56. Potapov, P., Hansen, M. C., Pickens, A., Hernandez-Serna, A., Tyukavina, A., Turubanova, S., Zalles, V., Li, X., Khan, A., & Stolle, F. (2022). The global 2000-2020 land cover and land use change dataset derived from the Landsat archive: First results. Frontiers in Remote Sensing, 3, 1-22.
57. Radeloff, V. C., Nelson, E., Plantinga, A. J., Lewis, D. J., Helmers, D., Lawler, J. J., Withey, J. C., Beaudry, F., Martinuzzi, S., Butsic, V., Lonsdorf, E., White, D., & Polasky, S. (2012). Economic-based projections of future land use in the conterminous United States under alternative policy scenarios. Ecological Applications, 22(3), 1036-1049. https://doi.org/10.1890/11-0306.1
58. Ramankutty, N., & Foley, J. A. (1999). Estimating historical changes in global land cover: Croplands from 1700 to 1992. Global Biogeochemical Cycles, 13(4), 997-1027. https://doi.org/10.1029/1999GB900046
59. Rwanga, S. S., & Ndambuki, J. M. (2017). Accuracy Assessment of Land Use/Land Cover Classification Using Remote Sensing and GIS. International Journal of Geosciences, 08(04), 611-622. https://doi.org/10.4236/ijg.2017.84033
60. Santé, I., García, A. M., Miranda, D., & Crecente, R. (2010). Cellular automata models for the simulation of real-world urban processes: A review and analysis. Landscape and Urban Planning, 96(2), 108-122. https://doi.org/10.1016/j.landurbplan.2010.03.001
61. Sezgin, D., & Varol, Ç. (2012). Ankara’daki kentsel büyüme ve saçaklanmanın verimli tarım topraklarının amaç dışı kullanımına etkisi. ODTÜ Mimarlık Fakültesi Dergisi, 29(1), 273-288.
62. Shade, C., & Kremer, P. (2019). Predicting Land Use Changes in Philadelphia Following Green Infrastructure Policies. Land, 8(2), 28. https://doi.org/10.3390/land8020028 SİAD (Silivri Sanayici ve İş Adamları Derneği). (2023). Üretim kapasitesi ve alanları hakkında bilgilendirme raporu.
63. Silva, L. P. e, Xavier, A. P. C., da Silva, R. M., & Santos, C. A. G. (2020). Modeling land cover change based on an artificial neural network for a semiarid river basin in northeastern Brazil. Global Ecology and Conservation, 21, 1-14. https://doi.org/10.1016/j.gecco.2019.e00811
64. Sim, J., & Wright, C. C. (2005). The Kappa Statistic in Reliability Studies: Use, Interpretation, and Sample Size Requirements. Physical Therapy, 85(3), 257-268. https://doi.org/10.1093/ptj/85.3.257
65. Şen, Z. (2004). Yapay sinir ağları. Su Vakfı Yayınları.
66. Turner, B. L., Lambin, E. F., & Reenberg, A. (2007). The emergence of land change science for global environmental change and sustainability. Proceedings of the National Academy of Sciences, 104(52), 20666-20671. https://doi.org/10.1073/pnas.0704119104
67. TÜİK. (2024). Adrese Dayalı Nüfus Kayıt Sistemi Sonuçları (Silivri). 15.03.2024 tarihinde https://biruni.tuik.gov.tr/medas/?locale=tr adresinden edinilmiştir.
68. USGS. (2024). 2006 yılı Landsat 5 TM uydu görüntüsü. 18.03.2024 tarihinde https://earthexplorer.usgs.gov/ adresinden edinilmiştir.
69. Üçoş, Z. (2017). Silivri şehrinin yerleşme tarihi ve mesken özellikleri. Marmara Coğrafya Dergisi, 35, 110-121. https://doi.org/10.14781/mcd.291174
70. van Schrojenstein Lantman, J., Verburg, P. H., Bregt, A., & Geertman, S. (2011). Core Principles and Concepts in Land-Use Modelling: A Literature Review. Içinde E. Koomen & J. Borsboom-van Beurden (Ed.), Land-Use Modelling in Planning Practice (ss. 35-57). Springer Netherlands. https://doi.org/10.1007/978-94-007-1822-7_3
71. Verburg, P. H., Alexander, P., Evans, T., Magliocca, N. R., Malek, Z., Rounsevell, M. D., & van Vliet, J. (2019). Beyond land cover change: Towards a new generation of land use models. Current Opinion in Environmental Sustainability, 38, 77-85. https://doi.org/10.1016/j.cosust.2019.05.002
72. Wang, S. Q., Zheng, X. Q., & Zang, X. B. (2012). Accuracy assessments of land use change simulation based on Markov-cellular automata model. Procedia Environmental Sciences, 13, 1238-1245. https://doi.org/10.1016/j.proenv.2012.01.117
73. Wang, S. W., Gebru, B. M., Lamchin, M., Kayastha, R. B., & Lee, W.-K. (2020). Land Use and Land Cover Change Detection and Prediction in the Kathmandu District of Nepal Using Remote Sensing and GIS. Sustainability, 12(9), 3925. https://doi.org/10.3390/su12093925
74. Xu, E., Zhang, H., & Yao, L. (2018). An Elevation-Based Stratification Model for Simulating Land Use Change. Remote Sensing, 10, 1730. https://doi.org/10.3390/rs10111730