-

Öz

In this study, MODIS NDVI data with 16-day temporal and 250-m spatial resolution, computed using red and near-infrared band are used. Two classes, namely agricultural lands with high biomass activity and nonagricultural lands (bare areas, water mask and damaged fields) using ISODATA method in unsupervised classification based on the GIS are defined. The methods and data used in this study are commonly used in scholarly works abroad and in the analyses of drought. However, their usage by Turkish institutions and organizations is almost non existent. Therefore, this study tests both the promotion of these images’ areas of usage and their reliability. Kızıltepe district of Mardin city is chosen as the field of study in order to test the satellite images. As an important plain in Turkey and having seen a rapid agricultural change after the 1990s, Kızıltepe has shifted to the system of double cropping in the same year together with the irrigated agriculture. Maize and wheat sowing gain intensity at the end of June and beginning of July after the harvesting of winter wheat. Thus, the MODIS NDVI satellite images used in this study clearly reflects the change of agricultural structure in Kızıltepe. Considering the results obtained from these images, agricultural lands with high biomass activity which was about 41,000 hectares in August 2001 have risen up to 72,000 hectares in 2006 in parallel to the proliferation of irrigated agriculture and up to 83,000 hectares in 2011. But the agricultural lands with high biomass activity are about 2,000 ha in 2001, 3,200 ha in 2006 and only 760 ha when the wheat harvesting is completed in June in these years respectively.

Anahtar Kelimeler

• Kızıltepe, MODİS NDVI, Change in vegetation, Remote sensing, GIS.

KIZILTEPE İLÇESİNİN TARIMSAL YAPISINDAKİ DEĞİŞİMLERİN MODIS NDVI VERİLERİ KULLANILARAK İZLENMESİ VE İNCELENMESİ

Öz

Bu çalışmada kırmızı ve yakın infrared band kullanılarak hesaplanan, 16 günlük zamansal çözünürlüğü ve 250 m’lik mekânsal çözünürlüğe sahip MODIS NDVI verileri kullanılmıştır. CBS ortamında kontrolsüz sınıflandırmada ISODATA yöntemi ile yüksek biomas aktiviteye sahip tarım sahaları ve diğer sahalar (çıplak sahalar, su yüzeyleri, hasatlı tarla) olmak üzere 2 sınıf oluşturulmuştur. Çalışmada kullanılan metot ve verilerin, yurtdışındaki bilimsel çalışmalarda ve kuraklık analizlerinde kullanımı çok yaygındır. Fakat Türkiye’deki kurum ve kuruluşlardaki kullanımı yok denecek kadar azdır. Dolayısıyla bu çalışma hem bu görüntülerin kullanım alanlarının tanıtılmasını hem de güvenirliliğini test etmektedir. Uydu görüntülerinin test edilmesi amacıyla çalışma alanı olarak Mardin ilinin Kızıltepe ilçesi seçilmiştir. Türkiye’nin önemli ovalarından bir olan ve 1990’lı yıllardan sonra hızlı bir tarımsal değişim yaşayan Kızıltepe’de, sulamalı tarımla beraber aynı yıl içinde çift ürün sistemine geçilmiştir. İlçede, kış buğdayının hasat edilmesini takip eden Haziran ayı sonu, Temmuz ayı başlarında mısır ve pamuk ekimi yoğunluk kazanmaktadır. nitekim çalışmada kullandığımız MODIS NDVI uydu görüntüleri de Kızıltepe’nin tarımsal yapısında meydana gelen değişimi açıkça yansıtmaktadır. Bu görüntülerden elde ettiğimiz sonuçlara göre, Kızıltepe’de 2001 yılının ağustos ayında 41 bin hektar civarında olan yüksek biomas aktiviteye sahip tarım sahaları, sulamalı tarımın yaygınlaşmasına paralel olarak 2006 yılında 72 bin hektara çıkmış ve 2011 yılında 83 bin hektar civarına yükselmiştir. Hâlbuki aynı yılların buğday hasadının tamamlandığı haziran ayında yüksek biomas aktiviteye sahip tarım sahaları 2001’de 2 bin, 2006 yılında 3200 ve 2011 yılında yalnızca 760 hektar civarlarındadır.

Anahtar Kelimeler

• Kızıltepe, MODİS NDVI, bitki örtüsü değişimi, uzaktan algılama, CBS.

Kaynakça

1. Booth, P. (2009). Managing land-use change. Land Use Policy (29), 154- 159.
2. Box, E., Holben, B. N., & Kalb, V. (1989). Accuracy of AVHRR vegetation index as a predictor of biomass, primary productivity and net CO² flux. Vegetation , 71-89.
3. Cheng, Q., & Wu, X. (2011). Mapping Paddy Rice Yield in Zhejiang Province Using MODIS Spectral Index. Turk J Agric For (35), 579-589.
4. Claessens, L., Schoorl, J., Verburg, P., Geraedts, L., & Veldkamp, A. (2009). Modelling interactions and feedback mechanisms between land use change and landscape processes. Agriculture, Ecosystems and Environment (129), 157-170.
5. Gözenç, S. (1974-1977). Arazinin Kullanılması ve Değerlendirilmesinin Coğrafi Yönden Tetkiki. İstanbul Üniversitesi Coğrafya Enstitüsü Dergisi (20-21), 169-180.
6. Gurung, R. B., Breidt, F. J., Dutin, A., & Ogle, S. M. (2009). Predicting Enhanced Vegetation Index (EVI) Curves for Ecosystem Modeling Apllication. Remote Sensing of Environment (113), 2186-2193.
7. Huete, A., Leeuwen, W. v., & Justice, C. (1999). MODIS VEGETATION INDEX(MOD13) ALGORITHM THEORETICAL BASIS DOCUMENT. Arizona.
8. Ichii, K., Kawabata, A., & Yamaguchi, Y. (2002). Global correlation analysis for NDVI and climatic variables and NDVI trends,1982-1990. International Journal of Remote Sensing , 3873-3878.

9. Karabulut, M. (2006). NOAA AVHRR Verilerini Kullanarak Türkiye'de Bitki Örtüsünün İzlenmesi ve İncelenmesi. Coğrafi Bilimler Dergisi , 4 (1), 29-42.
10. Karabulut, M., Küçükönder, M., Gürbüz, M., & Sandal, E. K. (2006).
11. Kahramanmaraş Şehri ve Çevresinin Zamansal Değişiminin Uzaktan Algılama ve CBS Kullanılarak İncelenmesi. 4. Coğrafi Bilgi Sistemleri Bilişim Günleri, 13 – 16 Eylül 2006 (s. 1-8). İstanbul: Fatih Üniversitesi.
12. Malingreau, J. P. (1986). Global vegetation dynamics: Satellite observations over Asia. International Journal of Remote Sensing , 1121-1146.
13. Mao, D., Wang, Z., Luo, L., & Ren, C. (2011). Integrating AVHRR and MODIS data to monitor NDVI changes and their relationship with climatic parameters in Northeast China. Internatıonal Journal of Applied Earth Observation and Geoinformation , 1-9.
14. Myneni, R. B., Keeling, C. D., Tucker, C. J., Aarar, G., & Nemani, R. R. (1997). Increased plant growth in the northern high latitudes from 1981 to 1991. Nature , 698-702.
15. Myneni, R. B., Los, S. O., & Tucker, C. J. (1996). Satellite based analysis of linked vegetation index and sea serface temperature anomaly areas from 1982-1990 for Africa,Australia and South America. Geophysical Research Letters , 729-732.
16. Sönmez, M. E., (2012). Kızıltepe İlçesinde Bitkisel Ürün Deseninde Meydana Gelen Değişimler ve Olası Olumsuz Sonuçları, Coğrafi Bilimler Dergisi, 10 (1), 39-62.
17. Qi, Y. (1999). The effect of climate change on vegetation at high latitudes of the northern Hemisphere, a functional analysis. Acta Ecologia Sinica , 474-477.
18. Tuik. (2011, 02 02). http://www.tuik.gov.tr. 02 02, 2011 tarihinde http://www.tuik.gov.tr/VeriBilgi.do?tb_id=37&ust_id=11 adresinden alındı
19. Wardlow, B. D., & Egbert, S. L. (2008). Large-area Crop Mapping Using Time-series MODIS 250 m NDVI Data: An Assessment for the U. S. Central Great Plains. Remote Sensing of Envitonment (112), 1096-1116.
20. Zhan, X., Sohlberg, R., Townshend, J., Dimiceli, C., Carroll, M., Eastman, J., et al. (2002). Detection of land cover changes using MODIS 250 m data. Remote Sensing Of Environment .
21. Zhi, W., Shirong, L., Liandi, Z., Zhihua, G., Pengsen, S., & Hong, L. (2011). The relationship of vegetation greeness period and climate precipition change in the North-South Transect of Easthern China. Procedia Environmental Sciences 10 , 282- 288.