Uydu Görüntüleri Yardımıyla Burdur Gölü'nün Su Seviyesi Değişiminin Farklı Su İndeksleriyle Analizi ve Gelecek Yıllardaki Değişiminin Tahmini

Öz

Çalışmanın amacı, Burdur Gölü'nün su yüzey alanı üzerindeki mekânsal değişimleri analiz etmek ve Burdur Gölü Havzası'ndaki uzun yıllık iklim kayıtlarındaki eğilimleri inceleyerek göl yüzey alanının gelecekteki durumu hakkında tahminler yapmaktır. Bu doğrultuda, çalışma alanı için Landsat 4-5 ve Landsat 8 uydu görüntüleri kullanılarak analizler gerçekleştirilmiştir. Bu görüntülerin sınıflandırılması, Modifiye Normalleştirilmiş Fark Su İndeksi (mNDWI), Normalleştirilmiş Fark Su İndeksi (NDWI) ve Su İndeksi 2015 (WI2015) su indisleri kullanılarak yapılmıştır ve 1985-2021 yılları arasında her yıl için göl yüzey alanı verileri toplanmıştır. Çalışmanın sonuçlarına göre, Burdur Gölü'nün su alanı 1985 yılı ile 2021 yılı arasında büyük oranda (81.7-92.3 km²) azalmıştır. Yapılan doğrusal regresyon analizlerine dayanarak, gölün 2070-2080 arasında kuruyacağı tahmin edilmektedir. WI2015 yöntemi, OMH (7.0554) ve GOMH (4.1711) gibi düşük hata değerleri ile 0.9923'lük yüksek korelasyon katsayısı ile en başarılı yöntem olarak değerlendirilebilir.

Anahtar Kelimeler

• Su İndeksleri
• Burdur Gölü
• Uydu Görüntüsü
• Kuraklık

Analysis of the Water Level Change in Lake Burdur Using Satellite Images with Different Water Indices and Prediction of Future Changes

Öz

The study aims to analyze the spatial changes in the water surface area of Burdur Lake and to predict the future state of the lake’s surface area by examining long-term climate trends within the Burdur Lake Basin. In this regard, the study area was analyzed using Landsat 4-5 and Landsat 8 satellite images. These images were classified using the Modified Normalized Difference Water Index (mNDWI), Normalized Difference Water Index (NDWI), and Water Index 2015 (WI2015) water indices, and lake surface area data were collected for each year between 1985-2021. According to the study results, Burdur Lake’s water area decreased significantly (81.7-92.3 km²) between 1985 and 2021. Based on linear regression analysis, it is estimated that the lake will dry out between 2070-2080. The WI2015 method can be considered the most successful method with low error values such as MAE (7.0554) and MARE (4.1711) and a high correlation coefficient of 0.9923.

Anahtar Kelimeler

• Water Indexes
• Burdur Lake
• Satellite Image
• Drought

Kaynakça

1. Ahi, S., & Eymen, A. (2021). Examine of the Impact of Land Use on Water Basins Using Geographical Information Systems and Remote Sensing: Terkos Basin Example. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 46, 15-20.
2. Aktürk, G., Çıtakoğlu, H., Demir, V., & Beden, N. (2024). Meteorological drought analysis and regional frequency analysis in the Kızılırmak Basin: creating a framework for sustainable water resources management. Water, 16(15), 2124.
3. Aküzüm, T., Çakmak, B., & Gökalp, Z. (2010). Türkiye’de su kaynakları yönetiminin değerlendirilmesi. Tarım Bilimleri Araştırma Dergisi, (1), 67-74.
4. Alevkayalı, Ç., Atayeter, Y., Yayla, O., Bilgin, T., & Akpınar, H. (2023). Burdur Gölü’nde uzun dönemli kıyı çizgisi değişimleri ve iklim ilişkisi: Zamansal-mekânsal eğilimler ve tahminler. Türk Coğrafya Dergisi, (82), 37-50.
5. Ataol, M. (2010). Burdur Gölü’nde Seviye Değişimleri. Coğrafi Bilimler Dergisi, 8(1), 77–92.
6. Başıbüyük, Z., Ekincioğlu, G., & Yavaşlı, D. D. (2020). Seyfe Gölü çevresinin (Kırşehir) yeraltı suyu kalitesinin coğrafi bilgi sistemleri (CBS) kullanılarak belirlenmesi. Aksaray University Journal of Science and Engineering, 4(1), 77-89.
7. Beyhan, M., Şahin, Ş., Keskin, M., & Harman, B. (2009). Burdur Gölü Uzun Periyotlu Seviye Degisiminin Su Kalitesi ve Agır Metaller Üzerindeki Etkisi. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 11(2).
8. Blackmore, D. (2000). Managing for scarcity: water resources in the Murray-Darling Basin. [Edited highlights of The Murray-Darling Basin Cap on Diversions-Policy and Practice for the New Millennium. CEDA Bulletin, 50-53.

9. Butt, S. E., Rodríguez, A., Sotiropoulos, J. M., & Moran, W. J. (2022). Computational study on the iodobenzene-catalyzed oxidative cyclization of a δ-alkynyl β-ketoester. ARKIVOC-Online Journal of Organic Chemistry, 2022, 19-26.
10. Campbell, J. B., & Wynne, R. H. (2011). Introduction to remote sensing. Guilford press.
11. Çetin, A., Erdoğan, N., & Genç, H. (2013). Flora of the Burdur lake surroundings (Türkiye). Biological Diversity and Conservation, 6, 2: 55-76.
12. Chauhan, K., Patel, J., Shukla, S. H., & Kalubarme, M. H. (2021). Monitoring water spread and aquatic vegetation using Spectral Indices in Nalsarovar, Gujarat State-India. International Journal of Environment and Geoinformatics, 8(1), 49-56.
13. Citakoglu, H., & Coşkun, Ö. (2022). Comparison of hybrid machine learning methods for the prediction of short-term meteorological droughts of Sakarya Meteorological Station in Turkey. Environmental Science and Pollution Research, 29(50), 75487-75511.
14. Coşkun, Ö., & Citakoglu, H. (2023). Prediction of the standardized precipitation index based on the long short-term memory and empirical mode decomposition-extreme learning machine models: The Case of Sakarya, Türkiye. Physics and Chemistry of the Earth, Parts A/B/C, 131, 103418.
15. Crist, E. P. (1985). A TM tasseled cap equivalent transformation for reflectance factor data. Remote sensing of Environment, 17(3), 301-306.
16. Demir, V. (2022). Enhancing monthly lake levels forecasting using heuristic regression techniques with periodicity data component: application of Lake Michigan. Theoretical and Applied Climatology, 2015. https://doi.org/10.1007/s00704-022-03982-0.
17. Domenikiotis, C., Loukas, A., & Dalezios, N. R. (2003). The use of NOAA/AVHRR satellite data for monitoring and assessment of forest fires and floods. Natural Hazards and Earth System Sciences, 3(1/2), 115-128.
18. Duplančić Leder, T., Leder, N., & Baučić, M. (2020). Application of satellite imagery and water indices to the hydrography of the Cetina River Basin (Middle Adriatic). Transactions on maritime science, 9(02), 374-384.
19. Fisher, A., Flood, N., & Danaher, T. (2016). Comparing Landsat water index methods for automated water classification in eastern Australia. Remote Sensing of Environment, 175, 167-182.
20. Frazier, P. S., & Page, K. J. (2000). Water body detection and delineation with Landsat TM data. Photogrammetric engineering and remote sensing, 66(12), 1461-1468.
21. Google Earth, (2024). https://earth.google.com/, Erişim Tarihi: 10.04.2024.
22. Gülçin, D. (2018). Arazi kullanımlarının sınıflandırılmasında piksel ve obje tabanlı sınıflandırmanın karşılaştırılması. Adnan Menderes Üniversitesi Ziraat Fakültesi Dergisi, 15(2), 43-49.
23. Huang, C., Chen, Y., Zhang, S., & Wu, J. (2018). Detecting, extracting, and monitoring surface water from space using optical sensors: A review. Reviews of Geophysics, 56(2), 333-360.
24. Işıldar, H. T., & Ercoşkun, Ö. Y. (2021). Göller Yöresinde sürdürülebilirlik ve dirençlilik. Journal of Management Theory and Practices Research, 2(2), 89-116.
25. Karabulut, M. (2015). Farklı Uzaktan Algılama Teknikleri Kullanılarak Göksu Deltası Göllerinde Zamansal Değişimlerin İncelenmesi. Journal Of International Social Research, 8(37).
26. Kaya, Ö. A., & Kaplan, G. (2021). Uzaktan Algılama Yöntemleri ile Burdur Gölü’ndeki Alansal Değişiminin Belirlenmesi. Doğal Afetler ve Çevre Dergisi, 7(1), 1–12. https://doi.org/10.21324/dacd.760805.
27. Kurttaş, T., ve Tezcan, L. (2018). Nemrut kaldera göllerinin su kaynakları potansiyeli. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 22(2), 823-831.
28. Landsat (2024). Burdur Gölü. USGS. https://earthexplorer.usgs.gov/ Erişim Tarihi: 10.04.2024.
29. Latifoğlu, L., Bayram, S., Aktürk, G., & Citakoglu, H. (2024). Drought index time series forecasting via three-in-one machine learning concept for the Euphrates basin. Earth Science Informatics, 1-58.
30. McFeeters, S. K. (1996). The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International journal of remote sensing, 17(7), 1425-1432.
31. Nhamo, L., Magidi, J., & Dickens, C. (2017). Determining wetland spatial extent and seasonal variations of the inundated area using multispectral remote sensing. Water Sa, 43(4), 543-552.
32. Oğuz, H., & Tuğluer, M. (2022). Burdur Gölünün Son 50 Yıldaki Değişimi, 1st International Conference on Scientific and Academic Research, Konya, Turkey.
33. Ozesmi, S. L., & Bauer, M. E. (2002). Satellite remote sensing of wetlands. Wetlands ecology and management, 10, 381-402.
34. Öztaş, A., Tona, A. U., & Demir, V. (2023). Burdur Gölü Yüzey Alanı Değişiminin Kontrolsüz Sınıflandırma Kullanılarak Belirlenmesi, Internatıonal Aegean Conferences On Innovatıon Technologıes & Engıneerıng-Vııı, İzmir, Turkey.
35. Pamuk, G., Özgürel, M., & Topçuoğlu, K. (2004). Standart yağış indisi (SPI) ile Ege bölgesinde kuraklık analizi. Ege Üniversitesi Ziraat Fakültesi Dergisi, 41(1).
36. Peker, E. A., Sağır, Ç., Yılmaz, K. K., & Süzen, M. L. (2023). Burdur Gölü Yüzey Alanının Zamansal Değişimi ve İklimsel Parametrelerle İlişkisi, Ulusal Hidrojeoloji ve Su Kaynakları Sempozyumu, KTÜ, Trabzon.
37. Pınarlık, M., İbiş, A., & Selek, Z., (2023). İklim Değişikliği Etkisi Altında Burdur Gölü Su Seviyesi Değişimlerinin İstatistiksel Olarak İncelenmesı. Mühendislik Bilimleri ve Tasarım Dergisi, 11(1).
38. Rawat, S. K., Negi, S., Upreti, H., & Kumar, M. (2021). A non-Fourier’s and non-Fick’s approach to study MHD mixed convective copper water nanofluid flow over flat plate subjected to convective heating and zero wall mass flux condition. International Journal of Applied and Computational Mathematics, 7, 1-27.
39. Roberts, N., Karabıyıklıoğlu, M., Jones, M., Mather, A., Jones, G., Rodenberg, I., ... & Watkinson, M. (2003). Climatic and tectonic controls over late quaternary sedimantation in the Burdur Lake Basin, Southwest Turkey. In 3 rd International Limnogeology Congress, USA.
40. Sabuncu, A. (2020). Burdur Gölü kıyı şeridindeki değişiminin uzaktan algılama ile haritalanması. Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 20(4), 623-633.
41. Şener, E., & Morova, N. (2011). Determination of Water Level Changing of Burdur Lake With Fuzzy Logic and Linear Regression Analysis. Journal of Natural & Applied Sciences, 15(1).
42. Şener, E., ve Şener, Ş. (2021). SPI ve CZI kuraklık indislerinin CBS tabanlı zamansal ve konumsal karşılaştırması: Burdur Gölü Havzası örneği. Doğal Afetler ve Çevre Dergisi, 7(1), 41-58.
43. Tona, A. U., Demir, V., Kuşak, L., & Yakar, M. (2022). Su Kaynakları Mühendisliğinde CBS’nin Kullanımı. Türkiye Coğrafi Bilgi Sistemleri Dergisi, 4(1), 23–33. https://doi.org/10.56130/tucbis.993807.
44. Tona, A. U. (2016). Yüksek çözünürlüklü uydu görüntülerinden matematiksel morfoloji yöntemi ile kartografik detay çıkarımı (Master's thesis, Ondokuz Mayıs Üniversitesi, Fen Bilimleri Enstitüsü).
45. Tudryn, A., Tucholka, P., Özgûr, N., Gibert, E., Elitok, O., Kamaci, Z., ... & Platevoet, B. (2013). A 2300-year record of environmental change from SW Anatolia, Lake Burdur, Turkey. Journal of paleolimnology, 49, 647-662.
46. Xie, H., Luo, X., Xu, X., Pan, H., & Tong, X. (2016). Evaluation of Landsat 8 OLI imagery for unsupervised inland water extraction. International Journal of Remote Sensing, 37(8), 1826-1844.
47. Xu, H. (2006). Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery. International journal of remote sensing, 27(14), 3025-3033.
48. Yagbasan, O., Demir, V., & Yazicigil, H. (2020). Trend analyses of meteorological variables and lake levels for two shallow lakes in central Turkey. Water, 12(2), 414.
49. Yiğitbaşıoğlu, H., & Uğur, A. (2010). Burdur Gölü Havzasında Arazi Kullanım Özelliklerinden Kaynaklanan Çevre Sorunları. Ankara Üniversitesi Çevre bilimleri Dergisi, 2(2), 129–143.