CORINE arazi örtüsü/arazi kullanım sınıflarına göre Türkiye'deki arazi sınıflarının zamansal ve mekânsal değişimi

Öz

Arazi örtüsü bilgilerinin uydu görüntüsü yoluyla tahmin edilmesi, tarım, orman ve şehirleşme gibi arazi kullanım türlerinin dağılımlarını belirlemek ve onlar hakkında stratejiler geliştirmek açısından önemlidir. Avrupa Birliği’nin başlattığı CORINE arazi örtüsü/kullanımı sınıflandırılması da Avrupa ülkelerine bu amaç için hizmet etmektedir. Ayrıca, CORINE haritaları Türkiye sınırlarını da içermektedir. Bu çalışmada, Türkiye’nin yaklaşık olarak 28 yıllık arazi kullanım-arazi örtüsü değişimlerini ortaya koymak amacıyla CORINE arazi örtüsü/kullanımı haritaları (1990 ve 2018 yıllarına ait) kullanılmıştır. CORINE arazi örtüsü verileri yapay bölgeler, tarımsal alanlar, çayır-mera, orman alanları, yarı doğal alanlar, sulak alanlar ve su yapıları olmak üzere 7 farklı sınıfa ayrılmıştır. Analizler sonucunda son 28 yılda, Türkiye’nin tarımsal alanlarında %0.28’lik bir artış gözlemlenirken, orman alanlarında %0.21’lik ve yarı doğal alanlarda yaklaşık %1.4’lük bir azalma görülmektedir. Ayrıca yapay bölgeler, çayır-mera, sulak alanlar ve su yapılarının yüz ölçümleri de sırasıyla %3.18, %0.11, %0.20 ve %0.26 oranında artmıştır. Değişim analizi sonucunda tüm arazi kullanımları arasında karşılıklı arazi dönüşümünün gerçekleştiği belirlenmiştir. Tarım alanlarının 569.957 ha’lık kısmı yapay bölgelere, orman alanlarının da 514.629 ha’lık kısmı tarımsal alanlara dönüşmüştür. En fazla alan kaybeden arazi kullanımı ise yapay bölgeler olmuştur (1.094.586 ha). Bu dönüşümlerinin en temel nedenlerinden biri, arazilerin yetenekleri dışında kullanımıdır. Bu çalışmanın metodolojisinin, CORINE haritalarının güncelleştirilerek iyileştirilmesi ile birlikte yeni çalışmalara yol gösterebileceği düşünülmektedir.

Anahtar Kelimeler

• Arazi kullanımı-arazi örtüsü
• Coğrafi Bilgi Sistemleri
• CORINE
• orman alanları
• tarım alanları

Temporal and spatial changes of land classes in Türkiye according to CORINE land cover/land use classes

Öz

Estimating land cover information through satellite imagery is important to determine the distribution of land use types such as agriculture, forest and urbanisation and to develop strategies for them. The CORINE land cover/land use classification initiated by the European Union serves European countries for this purpose. In addition, CORINE maps also include the borders of Türkiye. This study used CORINE land cover/land use maps (1990 and 2018) to reveal the land use-land cover changes in Türkiye for approximately 28 years. CORINE land cover data are categorised into seven classes: artificial regions, agricultural areas, meadow-pasture, forest areas, semi-natural areas, wetlands and water bodies. As a result of the analyses, in the last 28 years, an increase of 0.28% was observed in Türkiye's agricultural areas, while a decrease of 0.21% was observed in forest areas and about 1.4% in semi-natural areas. In addition, the area of artificial regions, meadow-pasture, wetlands and water structures increased by 3.18 per cent, 0.11 per cent, 0.20 per cent and 0.26 per cent, respectively. As a result of the change analysis, it was determined that mutual land transformation took place among all land uses. 569,957 ha of agricultural areas were converted into artificial areas and 514,629 ha of forest areas were converted into agricultural areas. The land use that lost the most area was artificial regions (1.094.586 ha). One of the main reasons for these transformations is the use of lands beyond its capabilities. It is thought that the methodology of this study can guide new studies with the updating and improvement of CORINE maps.

Anahtar Kelimeler

• Land use-land cover
• Geographic Information Systems
• CORINE
• forest areas
• agricultural areas

Kaynakça

1. Acheampong EO, Macgregor CJ, Sloan S, Sayer J, 2019. Deforestation is driven by agricultural expansion in Ghana's forest reserves. Scientific African, 5, e00146.
2. Aksoy T, Dabanli A, Cetin M, Senyel Kurkcuoglu MA, Cengiz AE, Cabuk SN, Cabuk A, 2022. Evaluation of comparing urban area land use change with Urban Atlas and CORINE data. Environmental Science and Pollution Research, 29(19), 28995-29015.
3. Anda J, Velta P, Maija B, Aina P, 2019. Role of brownfields regeneration in sustainable use of natural resources. Journal Baltic Surveying, (11).
4. Aune-Lundberg, L, Strand GH 2021. The content and accuracy of the CORINE Land Cover dataset for Norway. International Journal of Applied Earth Observation and Geoinformation, 96, 102266.
5. Aytop H, Pınar MÖ 2024. Evaluation of Agricultural Productivity Loss of Vineyards Through Water Erosion in Türkiye. Applied Fruit Science, 1-10. https://doi.org/10.1007/s10341-024-01035-6.
6. Aytop H, Şenol S, 2022a. Farklı Ana Materyaller Üzerinde Oluşmuş Mikail Çayı Mikro Havzası Toprakları. Türk Tarım Ve Doğa Bilimleri Dergisi, 9(1), 85-96.
7. Aytop H, Şenol S 2022b. The effect of different land use planning scenarios on the amount of total soil losses in the Mikail Stream Micro-Basin. Environmental Monitoring and Assessment, 194(5), 321.
8. Üyük A, Uzun A, Çardak Ç, 2020. CORINE Verileri ile Değişim Analizi, Denizli İli Örneği. Türkiye Peyzaj Araştırmaları Dergisi, 3(2), 97-107.

9. Baudoux L, Inglada J, Mallet C, 2021. Toward a yearly country-scale CORINE land-cover map without using images: A map translation approach. Remote Sensing, 13(6), 1060.
10. Bertrand N, Vanpeene-Bruhier S, 2007. Periurban landscapes in mountain areas. At the crossroads of ecological and socio-economic studies. Journal of Alpine Research| Revue de géographie alpine, (95-4), 69-80.
11. Büttner G, 2014. CORINE land cover and land cover change products. In Land use and land cover mapping in Europe: practices & trends (pp. 55-74). Dordrecht: Springer Netherlands.
12. Büttner, G, Feranec J, Jaffrain G, Mari L, Maucha G, Soukup T, 2004. The CORINE land cover 2000 project. EARSeL eProceedings, 3(3), 331-346.
13. Castanho RA, Naranjo Gomez JM, Vulevic A, Couto G, 2021. The land-use change dynamics based on the CORINE Data in the period 1990–2018 in the European archipelagos of the Macaronesia Region: Azores, Canary Islands, and Madeira. ISPRS International Journal of Geo-Information, 10(5), 342.
14. Chaplot V, Mutema M, 2022. Impact of Overgrazing on Diffuse and Concentrated Erosion: Case Study in the Sloping Lands of South Africa. Hydrology, 9(7), 121.
15. Dabija A, Kluczek M, Zagajewski B, Raczko E, Kycko M, Al-Sulttani AH, ... Corbera J, 2021. Comparison of support vector machines and random forests for corine land cover mapping. Remote Sensing, 13(4), 777.
16. Erpul G, Saygın SD, Samray H, Pınar MÖ, Şengören A, 2014. FAO – Arazi Kullanım Planlamasının Esasları (Birleşmiş Milletler Gıda ve Tarım Örgütü – Roma, 1993). Ankara Üniversitesi Yayınları. Yayın No:439. ISBN:978-605-84875-0-5
17. Gao P, Niu X, Wang B, Zheng Y, 2015. Land use changes and its driving forces in hilly ecological restoration area based on gis and rs of northern china. Scientific reports, 5(1), 11038.
18. García Álvarez D, Camacho Olmedo MT, 2023. Analysing the inconsistencies of CORINE status layers (CLC) and layers of changes (CHA)(1990-2018) for a Spanish case study. Annals of GIS, 29(3), 369-386.
19. Hail A, Mammo S, Kidane M, 2020. Dynamics of land use, land cover change trend and its drivers in Jimma Geneti District, Western Ethiopia. Land use policy, 99, 105011.
20. Hazeu G, Büttner G, Arozarena A, Valcárcel N, Feranec J, Smith G, 2016. Detailed CLC data: Member states with CLC level 4/level 5 and (semi-) automated solutions. In European Landscape Dynamics (pp. 307-334). CRC Press.
21. Hobson KA, Bayne EM, Van Wilgenburg SL, 2002. Large‐scale conversion of forest to agriculture in the boreal plains of Saskatchewan. Conservation Biology, 16(6), 1530-1541.
22. Irwin EG, Bockstael NE, 2007. The evolution of urban sprawl: Evidence of spatial heterogeneity and increasing land fragmentation. Proceedings of the National Academy of Sciences, 104(52), 20672-20677.
23. Katayama A, Oyamada M, Abe H, Uemori K, Hishi T, 2023. Soil erosion decreases soil microbial respiration in Japanese beech forests with understory vegetation lost by deer. Journal of Forest Research, 1-8.
24. Kızılkan Y, Birinci S, Kaymaz ÇK, (2023). Endüstriyel gelişime uygun yerlerin belirlenmesinde CBS ve AHP entegrasyonu yaklaşımı: Palandöken, Aziziye ve Yakutiye (Erzurum). Ege Coğrafya Dergisi, 32(1), 69-88.
25. Khachoo YH, Cutugno M, Robustelli U, Pugliano G, 2024. Impact of Land Use and Land Cover (LULC) Changes on Carbon Stocks and Economic Implications in Calabria Using Google Earth Engine (GEE). Sensors, 24(17), 5836.
26. Koca YK, Doran İ, Kılıç T, 2009. Arazi sınıflandırma yöntemi CORINE’e eleştirel bir yaklaşım. İçinde TÜCAUM-V. Coğrafya Sempozyumu Bildiriler Kitabı (16-17 Ekim 2008),(ss. 71–80). Ankara.
27. Kocur-Bera K, Pszenny A, 2020. Conversion of agricultural land for urbanization purposes: A case study of the suburbs of the capital of Warmia and Mazury, Poland. Remote Sensing, 12(14), 2325.
28. Kraeski A, de Almeida FT, de Souza AP, de Carvalho TM, de Abreu DC, Hoshide AK, Zolin CA, 2023. Land Use Changes in the Teles Pires River Basin’s Amazon and Cerrado Biomes, Brazil, 1986–2020. Sustainability, 15(5), 4611.
29. Liping C, Yujun S, Saeed S, 2018. Monitoring and predicting land use and land cover changes using remote sensing and GIS techniques—A case study of a hilly area, Jiangle, China. PloS one, 13(7), e0200493.
30. Mingarro M, Lobo JM, 2023. European National Parks protect their surroundings but not everywhere: A study using land use/land cover dynamics derived from CORINE Land Cover data. Land Use Policy, 124, 106434.
31. Moiret-Guigand A, Jaffrain G, Pennec A, Dufourmont H 2021. CLC2018/CLCC1218 Validation Report. In Tech. Rep.. GMES Initial Operations/Copernicus Land monitoring services.
32. Naranjo Gómez JM, Lousada S, Velarde JG, Castanho RA, Loures L, 2020. Land-use changes in the canary archipelago using the CORINE data: A retrospective analysis. Land, 9(7), 232.
33. Özür N, Ataol M, 2018. Türkiye’de CORINE Verilerinin Kullanılmasına Dair Değerlendirme. Çankırı Karatekin Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 9(2), 110-130.
34. Rogan J, Chen D, 2004. Remote sensing technology for mapping and monitoring land-cover and land-use change. Progress in planning, 61(4), 301-325.
35. Rondhi M, Pratiwi PA, Handini VT, Sunartomo AF, Budiman SA, 2018. Agricultural land conversion, land economic value, and sustainable agriculture: A case study in East Java, Indonesia. Land, 7(4), 148.
36. Yan C, Zhang Q, Xue S, Sun Z, Wu X, Wang Z, ... Cong W, 2016. A novel low-cost thin-film flat plate photobioreactor for microalgae cultivation. Biotechnology and Bioprocess Engineering, 21, 103-109.