Ulusal Dinamik Rüzgâr Erozyonu Modeli Ve İzleme Sistemi Bitki Örtüsü Parametresinin Belirlenmesi

Yıl 2020, Cilt: 9 Sayı: 1, 37 - 44, 27.03.2020

Reşat Akgöz Kenan İnce Günay Erpul

https://doi.org/10.21657/topraksu.628988

Öz

Sürdürülebilir Toprak Yönetimi (STY) ve Sürdürülebilir Arazi Yönetimi (SAY) kapsamında sorun-temelli arazi kullanımı planlamalarının yapılarak sağlıklı bir şekilde yönetilebilmesi için rüzgâr erozyonuna maruz kalan alanların konumları ve etkilenme düzeylerinin niceliksel olarak belirlenmesi gerekmektedir. Bu bağlamda Türkiye ölçeğinde rüzgâr erozyonu tahmin modelleme çalışmaları ‘Ulusal Dinamik Rüzgâr Erozyonu Modeli ve İzleme Sistemi (UDREMİS)’ ile başlatılmıştır. UDREMİS modelinin getirdiği zamansal ve konumsal tahmin esnekliği ile elde edilen bilgiler SAY, STY ve Arazi Tahribatının Dengelenmesi (ATD) çalışmalarında doğal kaynak planlamalarında altlık olarak kullanıma hazır hale getirilmiştir. Rüzgâr erozyonunun tahmin edilebilmesi ve izlenmesi amacıyla, dinamik ve güncellenebilir veri tabanlarının kullanılabileceği Yenilenmiş Rüzgâr Erozyonu Eşitliği (YREE) modeli seçilerek UDREMİS sistemi geliştirilmiştir. İklim, toprak, bitki örtüsü, pürüzlülük ana parametrelerinden oluşan YREE modelinin bitki örtüsü parametresi hakkındaki bilgilere bu yayında yer verilmiştir. Bitki örtüsüne bağlı toprak kayıpları oranının belirlendiği bu çalışmada, 1440 adet Landsat 8 uydu görüntüsü işlenerek NDVI analizleri yardımıyla bitki örtüsü kapalılıkları ve bunlardan yola çıkılarak YREE modeli vejetasyon oranı ve toprak kayıpları oranı belirlenmiştir. Çalışma ile Temmuz ayından sonra ülkemizde hasat sonrası kapalılığın giderek düştüğü ve rüzgâr erozyonuna duyarlı hale geldiği gözlenmiştir. Küresel iklim değişikliği ile yıllık yağış ve sıcaklık seyri değişmektedir. Buna bağlı olarak geç kalan sonbahar yağışları araziyi rüzgâr erozyonuna açık hale getirmektedir. UDREMİS sistemi sürekli olarak dönemsel uydu görüntüleri ile desteklemekte ve buna bağlı olarak arazi kullanım değişimlerinin zamansal ve konumsal olarak rüzgâr erozyonu üzerindeki etkileri analiz edilebilmektedir.

Anahtar Kelimeler

Arazi Bozulumu, Normalize Edilmiş Fark Bitki Örtüsü İndeksi, Rüzgar Erozyonu, Yenilenmiş Rüzgar Erozyonu Eşitliği (YREE)

Determination of National Dynamic Wind Erosion Model and Monitoring System Vegetation Parameter

Öz

In order to make land use planning within the scope of Sustainable Soil and Land Management (SSM&SLM), the locations and levels of impact of areas exposed to wind erosion need to be quantified. In this context, wind erosion prediction modeling studies on the country scale were initiated with the “National Dynamic Wind Erosion Model and Monitoring System (UDREMIS). Information obtained by the temporal field estimation flexibility introduced by the UDREMIS model will be used as underlining in SLM, SSM and Land Degradation Neutrality (LDN) projects. The UDREMIS system was developed by selecting the RWEQ model where dynamic, updatable databases can be used in the national dimension in order to predict and monitor wind erosion in the national scale. RWEQ model consists of climate, soil, topography, vegetation, management parameters; information about the vegetation parameter is given in this publication. In this study, 1440 Landsat 8 satellite images were processed and with the help of NDVI Analyses, the canopy covers and vegetation rates were determined. Vegetation and soil loss rate were determined by starting from vegetation cover. With the study, it was observed that postharvest vegetation cover, especially on dry farmland after July, gradually fell and became susceptible to wind erosion. With global climate change, delayed rains due to the shift in the seasons affect the canopy cover at negative rate, increasing the sensitivity of the lands to wind erosion. The UDREMIS system is continuously fed by periodic satellite images, both temporal and positional effects of land use changes on wind erosion can be analyzed. 

Anahtar Kelimeler

Land Degradation, Normalized Difference Vegetation Index (NDVI), Revised Wind Erosion Equation (RWEQ), Wind Erosion

Kaynakça

• Borrelli P, Ballabio C, Panagos P, Montanarella L (2014). Wind erosion susceptibility of european soils. Geoderma, 232: 471- 478.
• Brunsell NA, Gillies RR (2003). Scale issues in land–atmosphere interactions: implications for remote sensing of the surface energy balance. Agricultural and Forest Meteorology, 117: 203-221.
• Ek MB, Mitchell KE, Lin Y, Rogers E, Grunmann P, Koren V (2003). Implementation of NOAH land surface model advances in the National Centers for Environmental Prediction operational mesoscale Eta model. Journal of Geophysical Research, 108: 12-11 to 1216.
• ENVI (2009). User Guide Tutorial. Available: http://www. harrisgeospatial.com/portals/0/pdfs/envi/ENVI_User_Guide.pdf (23.12.2019).
• Erpul G, Saygın SD (2012). Ülkemizdeki toprak erozyonu sorunu üzerine: Ne yapmalı? Toprak Bilimi ve Bitki Besleme Dergisi, Türkiye Toprak Bilimi Derneği, 1, (1): 26-32.
• Erpul G, Şahin S, Akgöz R, İnce K, Güden A, Çetin E (2016). Türkiye yağışlarının özellikleri ve Yenilenmiş Evrensel Toprak Kayıpları Eşitliği (YETKE) R faktörü, Ankara, s:10-22.
• Fryrear DW, Bilbro JD, Saleh A, Schomberg H, Stout JE, Zobeck TM (2000). RWEQ: improved wind erosion technology. Journal of Soil and Water Conservation 55: 183-189.
• Fryrear DW, Saleh A, Bilbro JD, Schomberg HM, Stout JE, Zobeck TM (1998). Revised Wind Erosion Equation (RWEQ). Technical Bulletin 1, Southern Plains Area Cropping Systems Research Laboratory, Wind Erosion and Water Conservation Research Unit, USDA-ARS.
• Gan TY, Burges SJ (2006). Assessment of soil-based and calibrated parameters of the Sacramento model and parameter transferability. Journal of Hydrology, 320: 117-131.
• Gebremichael M, Barros AP (2006). Evaluation of MODIS Gross Primary Productivity (GPP) in tropical monsoon regions. Remote Sensing of Environment, 100: 150-166.
• Gutman G, Ignatov A (1998). The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models. International Journal of Remote Sensing, 19: 1533-1543.
• İnce K, Akgöz R, Erpul G, (2019). Türkiye’de rüzgâr erozyonu nedeniyle oluşan toprak kayıplarının model tabanlı mekânsal ve zamansal değişiminin belirlenmesi. Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 9, (4): 2336-2345
• Lal R (1990). Soil erosion in tropics: Principles and management. McGrawInc., New York.
• Lal R, (2001). Soil Degradation By Erosion. Wiley Online Library, December, 519-539.
• Li XB, Chen YH, Shi PJ, Chen J(2003). Detecting vegetation fractional coverage of typical steppe in northern China based on multi-scale remotely sensed data. Acta Botanica Sinica, 45: 1146-1156.
• Lu D, Mausel P, Brondızıo E, Moran E (2002). Assessment of atmospheric correction methods for Landsat TM data applicable to Amazon basin LBA research, International Journal of Remote Sensing, 23: 1671-2651.
• Matsui T, Lakshmi V, Small EE (2005). The effects of satellite-derived vegetation cover variability on simulated land–atmosphere interactions in the NAMS. Journal of Climate, 18: 21–40.
• Reich P, Eswaran H, Beinroth F (2000). Global dimensions of vulnerability to wind and watererosion. Proceedings of the 2nd International Conference On Land Degradation, Khon Kaen,Thailand, January, 25-29.
• Sridhar V, Elliott RL, Chen F (2003). Scaling effects on modeled surface energy-balance components using the NOAH-OSU land surface model. Journal of Hydrology, 280: 105-123.
• Stroosnijder L (2007). Rainfall and land degradation in Sivakumar, MVK and N. Ndiang’ui (Eds.) Climate and land degradation, Springer, 167-195.
• Woodruff NP, Siddoway FH (1965). A wind erosion equation. Soil Science Society of America Journal. Proc. Vol: 29: 602-608.
• Yang H, Yang Z (2006). A modified land surface temperature split window retrieval algorithm and its applications over China. Global and Planetary Change, 52: 207-215.