Kentsel Alanlarda Arazi Kullanım ve Arazi Örtüsü Belirleme Çalışmalarında Spektral İndekslerin Kullanılması: Ceyhan İlçe Merkezi Örneği

Öz

Uydu tekniklerinin gelişmesiyle birlikte arazi kullanımı ve arazi örtüsü belirlemek amacıyla görüntü uzaktan algılama teknikleri daha sık kullanılmaktadır. Ceyhan ilçesi, tarımsal faaliyetler açısından oldukça önemli bir konumda olup, arazi kullanımı ve arazi örtüsünün düzenli gözlemlenmesi önem taşımaktadır. Bu çalışmanın temel amacı Ceyhan ilçe merkezi çevresinde arazi örtüsü ve arazi kullanımını Sentinel-2B uydu görüntüleri kullanılarak ve bant oranlama teknikleri yardımı ile belirlemektir. Bu çalışmada Ceyhan İlçe merkezine ait 24 Haziran 2023 tarihinde alınan Sentinel-2B uydu görüntüsü kullanılmıştır. Sentinel-2B görüntüsüne Normalize Edilmiş Fark Bitki Örtüsü İndeksi uygulanarak bitki örtüsü dağılımı ve yoğunlukları, Normalize Edilmiş Fark Su İndeksi uygulanarak su alanları, Normalize Edilmiş Fark Yerleşim Alanı İndeksi ve Şehir İndeksi bant oranlama teknikleri uygulanarak yerleşim alanları belirlenmiştir. Otsu yöntemi ile eşik değerleri tespit edilmiştir. Çalışma alanındaki 100 adet kontrol noktası kullanılarak her yöntem için doğruluk analizi yapılmıştır. Normalize Edilmiş Fark Bitki Örtüsü İndeksi %91, Normalize Edilmiş Fark Su İndeksi %99, Normalize Edilmiş Fark Yerleşim Alanı İndeksi %89, Şehir İndeksi %92 doğruluk sağlamıştır. Tüm yöntemlerin beklenen doğruluğu karşıladığı ve bu yöntemlerle oluşturulmuş sınıfların birbiri ile uyumlu olduğu tespit edilmiştir.

Anahtar Kelimeler

• Sentinel-2
• Arazi Kullanımı ve Arazi Örtüsü
• Normalize Edilmiş Fark Bitki Örtüsü İndeksi
• Normalize Edilmiş Fark Su İndeksi
• Normalize Edilmiş Yerleşim Alanı İndeksi
• Şehir İndeksi

Using Spectral Indices in Land Use and Land Cover Determination Studies in Urban Areas: The Case of Ceyhan District

Öz

With the development of satellite techniques, image remote sensing techniques are used more frequently to determine land use and land cover. Ceyhan district is in a very important position in terms of agricultural activities, and regular monitoring of land use and land cover is important. The main purpose of this study is to determine land cover and land use around Ceyhan district using sentinel-2B satellite images and spectral indices. In this study, Sentinel-2B satellite image of Ceyhan District taken on June 24, 2023 was used. Vegetation distribution and densities were determined by applying the Normalized Difference Vegetation Index to the Sentinel-2B image, water areas were determined by applying the Normalized Difference Water Index, and residential areas were determined by applying the Normalized Difference Built-up Index and Urban Index band ratio techniques. Threshold values were determined by Otsu method. Accuracy analysis was performed for each method using 100 control points in the study area. Normalized Difference Vegetation Index provided %91 accuracy, Normalized Difference Water Index provided %99 accuracy, Normalized Difference Built-up Index provided %89 accuracy, Urban Index provided %92 accuracy. It has been determined that all methods provide high accuracy and the classes created by these methods are compatible with each other.

Anahtar Kelimeler

• Sentinel-2
• Land Use and Land Cover
• Normalized Difference Vegetation Index
• Normalized Difference Water Index
• Normalized Difference Build-up Index
• Urban Index

Kaynakça

1. Davarcı MA (2011). 2006-2010 yılları arasında Seyhan ve Yüreğir ilçelerinde uzaktan algılama ile ekili ürün değişimi tespiti. Yüksek lisans tezi, Ç.Ü. Fen Bilimleri Enstitüsü.
2. Deoli V, Kumar D, Kuriqi A (2022). Detection of water spread area changes in eutrophic lake using Landsat data. Sensors, 22:1-15.
3. Dikici M, Aksel M (2021). Comparison of drought indices in the case of the Ceyhan Basin. International Journal of Environment and Geoinformatics, 8(2): 113-125
4. ESA (2023). https://scihub.copernicus.eu/dhus/#/home.
5. Essaadia A, Abdellah A, Ahmed A, Abdelouahed F, Kamal E (2022). The normalized difference vegetation index (NDVI) of the Zat valley, Marrakech: comparison and dynamics. Heliyon, 8(12):1-10.
6. Gündoğdu KS (2018). Buğday ekili parsellerde NDVI değerlerinin konumsal ve zamana bağlı değişiminin belirlenmesi. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi, 21(4): 492-499.
7. Kawamura M, Jayamana S, Tsujiko Y (1996). Relation between social and environmental conditions in Colombo Sri Lanka and the urban index estimated by satellite remote sensing data. International Archives of Photogrammetry and Remote Sensing, 31:321–326.
8. Kaya ÖA, Kaplan G (2021). Uzaktan algılama yöntemleri ile Burdur Gölü’ndeki alansal değişiminin belirlenmesi. Doğal Afetler ve Çevre Dergisi, 7(1):1-12.

9. Kaygısız H, Çakır A (2020). FPGA kullanılarak görüntülerin gerçek zamanlı olarak otsu metodu ile bölütlenmesi. Avrupa Bilim ve Teknoloji Dergisi, 18:911-917.
10. Kebede TA, Hailu BT, Suryabhagavan KV (2022). Evaluation of spectral built-up indices for impervious surface extraction using Sentinel-2A MSI imageries: a case of Addis Ababa City, Ethiopia. Environmental Challenges, 8:1-14.
11. Khorshid K (2016). Uzaktan algılama teknikleri ile geçirimsiz yüzey tahmini ve haritalanması. Yüksek lisans tezi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü.
12. Kuc G, Chormański J (2019). Sentinel-2 imagery for mapping and monitoring imperviousness in urban areas. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 42: 43-47.
13. Ma F, Wang Q, Zhang M (2018). Dynamic changes of wetland resources based on Modis and Landsat image data fusion. EURASIP Journal on Image and Video Processing, 2018(63): 1-10.
14. Mutlu AZ, Kazancı B, Özçetin AY, Sarıyılmaz FB (2020). Akşehir Gölü zamansal değişiminin bant oranlama yöntemleri ile belirlenmesi. Türkiye Uzaktan Algılama Dergisi (TUZAL), 2(1):22-28.
15. Otsu N (1979). A threshold selection method from gray-level histograms. IEEE Trans. Syst. Man. Cybern, 9:62–66.
16. Pettorelli N, Ryan, S, Mueller T, Bunnefeld N, Jędrzejewska B, Lima M, Kausrud K (2011). The normalized difference vegetation index (NDVI): unforeseen successes in animal ecology. Climate Research, 46(1):15-27.
17. Özdarıcı OA (2014). Yüksek mekânsal çözünürlüklü uydu görüntülerinden otomatik ağaç tespiti: yeni bir yaklaşım. 5. Uzaktan Algılama-CBS Sempozyumu. İstanbul, Türkiye.
18. Öztürk D (2022). Sentinel-2A MSI ve Landsat-9 OLI-2 görüntüleri kullanılarak farklı geçirimsiz yüzey indekslerinin karşılaştırmalı değerlendirmesi: Samsun örneği. Ege Coğrafya Dergisi, 31(2):401-423.
19. Turgut YŞ, Keleş B, Şenol S (2021). Toprak veritabani kullanılarak Ceyhan Ovası arazi kullanımında zamansal değişimlerin belirlenmesi. Kahramanmaraş Sütçü İmam Üniversitesi Tarım Ve Doğa Dergisi, 24(3):622-631.
20. 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.
21. Yılmaz OS (2023). Uzaktan algılama teknikleri ile su yüzeylerinin tespit edilmesinde kullanılan su çıkarma indekslerinin performans analizi. Turkish Journal of Remote Sensing and GIS, 4(2):242-261.
22. 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(3):583–59.