Antalya İlinde Şehirleşmenin Tarım Arazileri Üzerindeki Etkisinin Uzaktan Algılama ve CBS ile Analizi: 5403 Sayılı Kanun Kapsamında Mekânsal Bir Değerlendirme

Öz

Tarımsal üretimde sahip olduğu geniş ürün envanteriyle Türkiye, dünya gıda tedarik zincirinde önemli bir konumda yer almaktadır. Antalya ili Türkiye’nin bu konumda olmasına katkı sağlayan başlıca şehirlerdendir. Bunun sebebi Antalya’nın iklimsel çeşitliliği ve verimli topraklarıyla yüksek tarımsal üretime sahip olmasıdır. Ancak son yıllarda yaşanan düzensiz göçler, yerleşim ihtiyacını artırmış ve özellikle kent merkezine yakın tarım arazileri üzerinde yapılaşma baskısı oluşturmuştur. Bu bağlamda, Antalya ili sınırlarındaki merkez ilçeleri kapsayan bir bölgede yürütülen bu çalışma, 2024 yılına ait uydu verileri kullanılarak şehirleşmenin tarım arazileri üzerindeki mekânsal etkilerini ortaya koymayı amaçlamaktadır. Araştırmada, tarım arazilerinin en belirgin şekilde ayrıştığı Nisan ayına ait (15 Nisan 2024) Sentinel-2 uydu verileri kullanılmıştır. Çalışmanın sınıflandırılması aşamasında CORINE Level-2 arazi kullanım-arazi örtüsü sınıflandırma sistemine dayalı olarak yedi arazi örtüsü sınıfı belirlenmiş ve sınıflandırma işlemi piksel tabanlı bir sınıflandırma yöntemi olan, destek vektör makineleri (SVM) algoritması ile gerçekleştirilmiştir. Modelin genel doğruluk oranı %84, Kappa katsayısı ise 0.78 olarak hesaplanmıştır. Elde edilen yüksek doğruluk oranına rağmen, yapılan sınıflandırmada sera ve sanayi alanlarının benzer yansıma karakteristikleri nedeniyle karıştığı tespit edilmiştir. Toplam alanın çok küçük bir kısmını oluşturan ve çoğunlukla tarım dışı alanlarda dağılım gösteren sanayi bölgeleri, sera sınıfından ayrılarak şehir sınıfına dahil edilmiştir. Bir sonraki aşamada, bölgeye ait 1:25.000 ölçekli sayısal temel toprak haritası veri tabanında öznitelik bilgisi şeklinde tanımlanan arazi kullanım kabiliyet sınıfları, büyük toprak grupları ve eğim derinlik kombinasyonları 5403 sayılı Toprak Koruma ve Arazi Kullanımı Kanunu çerçevesinde birlikte değerlendirilerek, bölge arazileri mutlak tarım alanları, marjinal tarım alanları ve tarım dışı alanlar olarak üç ana tarımsal arazi sınıfına ayrılmıştır. Son olarak, uydu verileri ile gerçekleştirilen sınıflandırma sonuçları ve sayısal toprak haritaları ile oluşturulan tarımsal arazi sınıflarında çakışma analizi yapılarak şehirleşmeye bağlı yanlış arazi kullanım oranları hesaplanmıştır. Elde edilen bulgulara göre, bölgedeki şehirleşmenin yalnızca tarım dışı alanlarla sınırlı kalmayıp, %6.05 oranında mutlak tarım arazileri ve %2.65 oranında marjinal tarım arazileri üzerinde de yayılım gösterdiği belirlenmiştir. Bu sonuçlar, son 20 yılda radikal bir büyüme ile karşı karşıya olan Antalya ili için şehirleşmenin mekânsal etkilerinin izlenmesi, özellikle tarımsal araziler üzerindeki baskısının ortaya konulması ve sürdürülebilir tarım politikalarının oluşturulması açısından önemli katkılar sunmaktadır.

Anahtar Kelimeler

• Sentinel-2
• CORINE
• Çakışma analizi
• Arazi yetenek sınıflaması
• Toprak yasası
• Tarımsal arazi kullanımı

Analysis of the Impact of Urbanization on Agricultural Lands in Antalya Province Using Remote Sensing and GIS: A Spatial Evaluation within the Scope of Law No. 5403

Öz

Thanks to its extensive product inventory in agricultural production, Türkiye occupies an important position in the global food supply chain. Antalya is one of the cities that contributes to Türkiye's position. Antalya has high agricultural production by means of its climatic diversity and fertile soils. However, in recent years, irregular migration has increased the need for settlements and created pressure for construction, especially on agricultural lands close to the city center. In this context, the present study, conducted in a region encompassing the central districts within Antalya Province, aims to reveal the spatial effects of urbanization on agricultural lands by analyzing satellite data from 2024. For the study, Sentinel-2 satellite data from April 15, 2024, when agricultural lands are most clearly visible, was used. Additionally, 1:25.000 scale soil maps were evaluated during the analysis phase. During the study's classification phase, seven land cover classes were identified based on CORINE Level-2 land use-land cover classification system. The classification process used support vector machines (SVM), a pixel-based classification method. The model's overall accuracy was 84%, and the Kappa coefficient was 0.78. Despite the high accuracy rate achieved, it was determined that greenhouses and industrial areas were confused in the classification due to their similar reflection characteristics. Since industrial areas constitute a very small portion of the total area and are mostly located in non-agricultural areas, they were separated from the greenhouse class and included in the urban class. Next, land use capability classes, major soil groups, and slope depth combinations, which were defined as attribute information in the 1:25.000 scale digital basic soil map database of the region, were evaluated within the framework of Soil Conservation and Land Use Law No. 5403. The region's lands were then divided into three main agricultural land classes: absolute agricultural areas, marginal agricultural areas, and non-agricultural areas. Finally, the land occupation rates due to urbanization were calculated by performing an overlap analysis on the agricultural land classes created using the classification results obtained from the satellite data and the digital soil maps. According to the findings, urbanization in the region spread beyond non-agricultural areas to encompass 6.05% of absolute agricultural land and 2.65% of marginal agricultural land. These results are important for monitoring the spatial effects of urbanization, especially its impact on agricultural lands, and for establishing sustainable agricultural policies in Antalya province, which has experienced radical growth over the last 20 years.

Anahtar Kelimeler

• Sentinel-2
• CORINE
• Overlap analysis
• Land capability classification
• Land law
• Agricultural land use

Kaynakça

1. Anonim (1993). Antalya İli Arazi Varlığı, Tarım Orman ve Köy İşleri Bakanlığı, Köy Hizmetleri, Genel Müdürlüğü, Sayısal Toprak Haritası Ankara, Türkiye.
2. Antalya Valiliği (2025). http://www.antalya.gov.tr (Erişim Tarihi: 26.08.2025)
3. Aslan, N. and Koç-San, D. (2020). Spatiotemporal land use change analysis and future urban growth simulation using remote sensing: A case study of Antalya. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. XLIII-B3-2020: 657–662. https://doi.org/10.5194/isprs-archives-XLIII-B3-2020-657-2020
4. Assennato, F., Smiraglia, D., Cavalli, A., Congedo, L., Giuliani, C., Riitano, N., Strollo, A. and Munafò, M. (2022). The Impact of Urbanization on Land: A Biophysical-Based Assessment of Ecosystem Services Loss Supported by Remote Sensed Indicators. Land, 11(2): 236. https://doi.org/10.3390/land11020236
5. Balha, A., Mallick, J., Pandey, S., Gupta, S. and Singh, C. K. (2021). A comparative analysis of different pixel and object-based classification algorithms using multi-source high spatial resolution satellite data for LULC mapping. Earth Science Informatics, 14(4): 2231-2247.
6. Beckers, V., Poelmans, L., Van Rompaey, A. and Dendoncker, N. (2020). The impact of urbanization on agricultural dynamics: A case study in Belgium. Journal of Land Use Science, 15(5): 626-643.
7. Campbell, J. B. and Wynne, R. H. (2011). Introduction to Remote Sensing. Fifth Edition. Guilford Press, New York, U.S.A.
8. Copernicus (2025). https://www.copernicus.eu (Erişim Tarihi: 15.04.2025)

9. Çukurlu, G. Y., Sönmez, N. K. and Çoşlu, M. (2024). Investigation of land use/cover changes after the disease pandemic using remote sensing technologies; The case of Antalya Döşemealtı. In: Advances in Architecture, Planning and Design, Ed(s): Aşıkkutlu, H. S., Platanus Publishing, Ankara, Türkiye.
10. Duque, J. C., Patino, J. E. and Betancourt, A. (2017). Exploring the potential of machine learning for automatic slum identification from VHR imagery. Remote Sensing, 9(9): 895.
11. ESRI. (2023). ArcGIS Pro (Version 3.2). Environmental Systems Research Institute.
12. ESA (2025). European Space Agency. https://www.esa.int/ (Erişim Tarihi: 15.04.2025)
13. Everest, T. (2011). Arazi kullanım etkinliğinin değerlendirilmesi: Edirne ili Havsa ilçesi örneği. Anadolu Tarım Bilimleri Dergisi, 26(3): 251-257.
14. Gašparović, M. and Jogun, T. (2018). The effect of fusing Sentinel-2 bands on land-cover classification. International Journal of Remote Sensing, 39(3): 822-841.
15. Güre, M., Özel, M. E. and Özcan, H. (2009). Corine arazi kullanımı sınıflandırma sistemine göre Çanakkale ili. Harran Üniversitei Ziraat Fakültesi Dergisi. 13(3):37-48.
16. HGM (2024). Harita Genel Müdürlüğü. https://www.harita.gov.tr/ (Erişim Tarihi: 15.04.2025)
17. Khan, S. (2019). The impact of urban expansion on agricultural land use changes in Aligarh, Uttar Pradesh, India. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 42: 381-384.
18. KHGM (1993) Antalya İli Arazi Varlığı. Köy Hizmetleri Genel Müdürlüğü, Etüt ve Proje Dairesi Başkanlığı, Ankara, Türkiye.
19. Longley, P. A., Goodchild, M. F., Maguire, D. J. and Rhind, D. W. (2015). Geographic Information Science and Systems. John Wiley & Sons Press, New York, U.S.A.
20. MGM (2025). Meteoroloji Genel Müdürlüğü. https://mgm.gov.tr (Erişim Tarihi: 26.08.2025)
21. Moteva, M. and Marinova, B. (2020). Agricultural land protection by spatial planning in Bulgaria. Geomatics and Environmental Engineering, 14(3): 89-105.
22. Onur, I., Maktav, D., Sari, M. and Kemal Sönmez, N. (2009). Change detection of land cover and land use using remote sensing and GIS: a case study in Kemer, Turkey. International Journal of Remote Sensing, 30(7): 1749-1757.
23. Özyavuz, M. (2011). Tekirdağ kent merkezinin zamansal değişiminin uzaktan algılama ile incelenmesi. Tekirdağ Ziraat Fakültesi Dergisi, 8(1): 65-73.
24. Pokhariya, H. S., Pandey, R., Kumari, A. and Pandey, M. (2022). GIS and remote sensing-based assessment of urban expansion and its impact on land surface temperature in Haridwar city, India. Remote Sensing Applications: Society and Environment, 25: 100693. https://doi.org/10.1016/j.rsase.2021.100693
25. Resmi Gazete (2005). 5403 sayılı Toprak Koruma ve Arazi Kullanımı Kanunu. Resmî Gazete, 25880, 19.07.2005. https://mevzuat.gov.tr (Erişim Tarihi: 15.04.2025)
26. Sajid, M. (2022). Impact of land-use change on agricultural production & accuracy assessment through confusion matrix. Pakistan Journal of Science, 4(4): 233-245.
27. Sarı, C., (2010). Antalya’nın Genel Coğrafya Özellikleri, Dünden Bugüne Antalya, 1. Cilt, 2. Bölüm, Antalya İl Kültür ve Turizm Müdürlüğü, Antalya, Türkiye.
28. Sayı, Ö. and Genç, L. (2013). Çanakkale ili arazi kullanım ve bitki örtüsü değişiminin uzaktan algılama yardımı ile belirlenmesi. Tekirdağ Ziraat Fakültesi Dergisi, 10(3): 64–73.
29. Seto, K. C., Güneralp, B. and Hutyra, L. R. (2012). Global forecasts of urban expansion to 2030 and direct impacts on biodiversity and carbon pools. Proceedings of the National Academy of Sciences, 109(40): 16083–16088. https://doi.org/10.1073/pnas.1211658109
30. Shalaby, A. A., Ali, R. R. and Gad, A. (2012). Urban sprawl impact assessment on the agricultural land in Egypt using remote sensing and GIS: a case study, Qalubiya Governorate. Journal of Land Use Science, 7(3): 261-273. https://doi.org/10.1080/1747423X.2011.562928
31. Sönmez, N. K., Sarı, M. and Aksoy, E. (2007). Uzaktan algılama ve coğrafi bilgi sistemleri kullanılarak sürdürülebilir arazi yönetimi ve toprak koruma planının oluşturulması: Antalya Altınova örneği. Akdeniz University Journal of the Faculty of Agriculture, 20(1): 11-22.
32. Tarım ve Köyişleri Bakanlığı. (2008). T.C. Tarım ve Köyişleri Bakanlığı Tarımsal Üretim ve Geliştirme Genel Müdürlüğü Toprak Arazi Sınıflaması Standartları Teknik Talimatı ve İlgili Mevzuat. Ankara, Türkiye.
33. Tehrany, M. S., Pradhan, B. and Jebuv, M. N. (2014). A comparative assessment between object and pixel-based classification approaches for land use/land cover mapping using SPOT 5 imagery. Geocarto International, 29(4): 351-369.
34. Topaloğlu, R. H., Sertel, E. and Musaoğlu, N. (2016). Assessment of classification accuracies of Sentinel-2 and Landsat-8 data for land cover/use mapping. The International Archives of The Photogrammetry, Remote Sensing and Spatial Information Sciences, 41: 1055-1059.
35. TÜİK. (2024). https://www.tuik.gov.tr (Erişim Tarihi: 15.04.2025)
36. Varma, M. K. S., Rao, N. K. K., Raju, K. K. and Varma, G. P. S. (2016). Pixel-based classification using support vector machine classifier. IEEE 6th International Conference on Advanced Computing (IACC), 27-28 February, pp. 51-55, Bhimavaram, India. https://doi.org/10.1109/IACC.2016.20
37. Yüksel, A., Akay, A. E. and Gundogan, R. (2008). Using ASTER imagery in land use/cover classification of eastern Mediterranean landscapes according to CORINE land cover project. Sensors, 8(2): 1237-1251.
38. Zubair, O. A., Ji, W. and Festus, O. (2019). Urban expansion and the loss of prairie and agricultural lands: A satellite remote-sensing-based analysis at a sub-watershed scale. Sustainability, 11(17): 4673. https://doi.org/10.3390/su11174673