Building Density Change Analysis with NDVI, NDBI and UI Analyzes (1999-2022): Yıldırım District (Bursa) Example

Yıl 2024, Sayı: 49, 65 - 81, 31.12.2024

Ali Ünver , Zafer Başkaya

https://doi.org/10.26650/JGEOG2024-1441862

Öz

Currently, various methods are used to detect changes in residential areas. In this study, changes in building density in Bursa's Yıldırım District between 1999 and 2022 were examined in detail using Geographic Information Systems (GIS) techniques and various index analyses. The analysis methods used were the Normalized Difference Vegetation Index (NDVI), the Normalized Difference Built-up Index (NDBI), and the Urbanization Index (UI). Thanks to these analyzes, changes in building density and green area distribution in Yıldırım District were analyzed in detail. NDVI analysis was found to be more effective in distinguishing residential areas and green areas compared to NDBI and UI analysis methods. It was determined that the changes in the density of construction were greater in neighborhoods such as 75.Yıl, Çınarönü, Demetevler, Fidyekızık, Hacivat, İsabey, Karapınar, Mevlana, Millet, Siteler, Şirinevler, Teferrüç, Ulus, Vakıf, Vatan, and Yunusemre.

The results of the study show that index analyses, such as NDVI, NDBI, and UI, can be extremely effective tools in the fields of urban planning and environmental management on issues such as the expansion of urban areas, construction trends, and green area protection efforts. These techniques analyze the changes in construction density in Yıldırım district in detail and reveal the changes in settlement density and green area distribution. This study also allows us to understand the dynamics underlying these changes and, draws attention to the importance of sustainable urban development strategies.

Anahtar Kelimeler

Bursa, Yıldırım, Building density change, NDVI, NDBI, and UI analyzes

NDVI, NDBI ve UI Analizleriyle Yapılaşma Yoğunluğu Değişimi Analizi (1999-2022): Yıldırım İlçesi (Bursa) Örneği

Öz

Günümüzde yerleşim alanlarındaki değişimlerin tespitinde çeşitli yöntemlerden yararlanılmaktadır. Çalışmada, 1999-2022 yılları arasında Bursa'nın Yıldırım ilçesinde yapılaşma yoğunluğu değişimleri Coğrafi Bilgi Sistemleri (CBS) teknikleri ve çeşitli indeks analizleri ile detaylı bir şekilde incelenmiştir. Kullanılan analiz yöntemleri arasında Normalleştirilmiş Fark Bitki İndeksi (NDVI), Normalleştirilmiş Fark Yapılaşma İndeksi (NDBI) ve Kentleşme İndeksi (UI) bulunmaktadır. Bu indeksler sayesinde, Yıldırım ilçesinde yapılaşma yoğunluğu ve yeşil alan dağılımındaki değişiklikler detaylı bir şekilde analiz edilmiştir. NDVI analizi, yerleşim birimleri ve yeşil alanları ayırt etmede NDBI ve UI analiz yöntemlerine kıyasla daha etkili bulunmuştur. 75.Yıl, Çınarönü, Demetevler, Fidyekızık, Hacivat, İsabey, Karapınar, Mevlana, Millet, Siteler, Şirinevler, Teferrüç, Ulus, Vakıf, Vatan ve Yunusemre gibi mahallelerde yapılaşma yoğunluğundaki değişimlerin daha fazla olduğu tespit edilmiştir.

Çalışmanın sonuçları kentsel alanların genişlemesi, yapılaşma trendleri ve yeşil alan koruma çabaları gibi konularında NDVI, NDBI, UI gibi indeks analizlerinin, kentsel planlama ve çevre yönetimi alanlarında son derece etkili araçlar olabileceğini göstermektedir. Bu teknikler, Yıldırım İlçesindeki yapılaşma yoğunluğu değişimini detaylı bir şekilde analiz ederek, yerleşim yoğunluğu ve yeşil alan dağılımındaki değişimleri ortaya koymaktadır. Aynı zamanda bu değişimlerin altında yatan dinamiklerin anlaşılmasına olanak veren bu çalışma, sürdürülebilir kentsel gelişim stratejilerinin önemine dikkat çekmektedir.

Anahtar Kelimeler

Bursa, Yıldırım, Yapılaşma yoğunluğu değişimi, NDVI, NDBI ve UI analizleri

Kaynakça

• Aghlmand, M., Kalkan, K., Onur, M. İ., Öztürk, G., vd. (2021). Google Earth Engine ile arazi kullanımı haritalarının üretimi. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, 10(1), 3847. https://doi.org/10.28948/ngumuh.795977 google scholar
• Batty, M. (2013). The new science of cities. MIT press. google scholar
• Bursa Yıldırım Belediyesi (2023). Yıldırım hakkında. (Erişim tarihi: 05 Aralık 2023). https://www.yildirim.bel.tr/tr/yildirim/hakkinda-8927 google scholar
• Collins, N. M. (1988). R. Clarke (ed.) 1986. The handbook of ecological monitoring. A GEMS/UNEP Publication, Oxford University Press. ISBN 0-12-854590-8. Journal of TropicalEcology, 4(4), 412-413. doi:10.1017/S0266467400003096. google scholar
• Colwell, J. E. (1974). Vegetation canopy reflectance. Remote Sensing of Environment, 3(3), 175-183. https://doi.org/10.1016/0034-4257(74)90003-0 google scholar
• Derakhshan, S., Cutter, S. L., & Wang, C. (2020). Remote sensing derived indices for tracking urban land surface change in case of earthquake recovery. Remote Sensing, 12(5), 895. https://doi. org/10.3390/rs12050895 google scholar
• Ekinci, D. (2013). Uzaktan algılama teknolojileri ile Bolu ilinde arazi kullanımındaki değişimin tespiti. Coğrafya Dergisi, 1(24), 18-37. google scholar
• Goodchild, M. F. (1992). Geographical information science. International journal ofgeographical information systems, 6(1), 31-45. google scholar
• Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing ofEnvironment, 202, 18-27. https://doi.org/10.1016/j.rse.2017.06.031 google scholar
• Jensen, J. R. (2009). Remote sensing of the environment: An earth resource perspective 2/e. Pearson Education India. google scholar
• Kapluhan, E. (2014). Coğrafi Bilgi Sistemleri’nin (CBS) coğrafya öğretiminde kullanımının önemi ve gerekliliği. Marmara Coğrafya Dergisi (29). https://doi.org/10.14781/mcd.85148 google scholar
• Kaya, Z., & Dervisoglu, A. (2023). Determination of Urban Areas Using Google Earth Engine and Spectral Indices; Esenyurt Case Study. International Journal of Environment and Geoinformatics, 10(1), 1-8. https://doi.org/10.30897/ijegeo.1214001 google scholar
• Koç, C., & Bayazıt, Y. (2022). Uzaktan algılama verilerinden kentsel büyüme ve yayılma analizi, nüfus projeksiyonu: Köyceğiz örneği, Muğla-Türkiye. Avrupa Bilim Ve Teknoloji Dergisi(38), 8-15. https://doi.org/10.31590/ejosat.1091854 google scholar
• Moore, D. R., Mccutcheon H., 2002. GIS in a Knowledge Domain:Bringing GIS to operational integration in Spatial Planning, 8th EC-GI&GIS Workshop; ESDI. google scholar
• Saaty, T. L. (1980). The analytic hierarchy process (AHP). The Journal of the Operational Research Society, 41(11), 1073-1076. google scholar
• Tarantino, C., Forte, L., Blonda, P., Vicario, S., Tomaselli, V., Beierkuhnlein, C., & Adamo, M. (2021). Intra-Annual Sentinel-2 Time-Series Supporting Grassland Habitat Discrimination. Remote Sensing, 13(2), 277. https://doi.org/10.3390/rs13020277 google scholar
• Tümertekin, E. (2007). Planlama eğitimi coğrafya ilişkisi üzerine. A. Mengi (Ed.), Kent ve planlama (Geçmişi korumak geleceği tasarlamak) kitabı içinde (s.225-236). Ankara: İmge Kitabevi. google scholar
• Wulder, M. A., Coops, N. C., Roy, D. P., White, J. C., & Hermosilla, T. (2018). Land cover 2.0. International Journal of Remote Sensing, 39(12), 4254-4284. google scholar
• Yazıcı, A. D., Öztürk, D., & Ayazlı, İ. E. (2019). Kentsel büyümenin modellenmesi ve simülasyon modelleri. International Journal of Management Science and Information Technology (IJMSIT), 3(1), 44-47. google scholar
• Zha, Y., Gao, J., & Ni, S. (2003). Use of Normalized Difference Built-Up Index in Automatically Mapping Urban Areas from TM Imagery. International Journal of Remote Sensing, 24, 583-594. https://doi. org/10.1080/01431160304987 google scholar