Determination of CORINE Land Cover/Land Use Classes Using Satellite Images with Different Spatial Resolution

Öz

Determining the current spatial distribution of land cover/use classes and examining the changes occurring in the process constitutes an important basis for studies conducted in many economic and socio-cultural areas. Therefore, for the information on land cover/land use to be consistent among themselves, it must be systematically classified and produced to certain standards. The aim of this study was aimed to produce distribution maps of the land use/land cover classes from Landsat 8, Sentinel 2, and Triplesat satellite images of an area of 11251 hectare in Samsun, Vezirköprü (Turkey) district and to compare them with the ground reality. According to the results obtained, it was determined that the most widely distributed class in all satellite images of the study area was the agricultural areas. In terms of classification accuracy, Kappa values (92.95% and 93.11%) of Sentinel and Triplesat satellite images were proportionally similar, while this value decreased to 83% in the Landsat satellite image. In addition, it has been determined that some of the agricultural and forest areas have shifted to artificial areas in a 34-year period. As a result of the study, it has been suggested that reliable results obtained in the monitoring of land cover/land use can benefit from the ability to observe large areas of satellite images in short periods and high resolution.

Anahtar Kelimeler

• CORINE
• satellite imagery
• Samsun
• spatial distribution
• image processing

Farklı Konumsal Çözünürlüğe Sahip Uydu Görüntüleri Kullanarak CORINE Arazi Örtüsü/Arazi Kullanım Sınıflarının Belirlenmesi

Öz

Arazi örtüsü/kullanımı sınıflarının mevcut konumsal dağılımlarının belirlenmesi ve süreç içerisinde meydana gelen değişimlerinin incelenmesi ekonomik ve sosyo-kültürel birçok alanda gerçekleştirilen çalışmalar için önemli bir temel oluşturmaktadır. Bu nedenle, arazi örtüsü/arazi kullanımı hakkındaki bilgilerin kendi içlerinde tutarlı olabilmesi için sistematik bir şekilde sınıflandırılması ve belli standartlarda üretilmesi gerekmektedir. Bu çalışma ile Samsun ili Vezirköprü (Türkiye) ilçesine ait 11251 hektar büyüklüğünde bir alanın ait Landsat 8, Sentinel 2 ve Triplesat uydu görüntülerinden CORINE arazi kullanım/arazi örtü sınıflamasının birinci ve ikinci düzeylerinde dağılım haritalarının oluşturulması ve yer gerçekleri ile karşılaştırmalarının yapılması amaçlanmıştır. Elde edilen sonuçlara göre, çalışma alanına ait tüm uydu görüntülerinde en yaygın dağılım gösteren sınıfın tarım alanları olduğu belirlenmiştir. Sınıflama hassaslığı bakımından Sentinel ve Triplesat uydu görüntülerine ait kappa değerleri (% 92.95 ve % 93.11) benzer hassasiyette oranlanırken, Landsat uydu görüntüsünde bu değerin % 83’e düştüğü belirlenmiştir. Ayrıca yaklaşık 34 yıllık süreç içerisinde gerek tarım alanlarından gerekse de orman alanlarından bir kısmı yapay alanlara kaydığı belirlenmiştir. Çalışma sonucu arazi örtüsü/kullanımının izlenmesinde elde edilen güvenilir sonuçlar ile uydu görüntülerinin geniş alanları, kısa zaman periyodlarında ve yüksek çözünürlüklü olarak gözlemleme kabiliyetlerinden faydalanılabileceği önerilmiştir.

Anahtar Kelimeler

• CORINE sınıflandırması
• uydu verileri
• Samsun
• mekansal dağılım
• görüntü işleme

Kaynakça

1. Anonim, 1984. Samsun İl Arazi varlığı. Köy Hizmetleri Genel Müdürlüğü, Ankara.
2. Anonim, 1987. Genel Toprak Amenajman Planlaması. Köy Hizmetleri Genel Müdürlüğü, Ankara.
3. Anonim, 2020a. Bitkisel Üretim İstatistikleri. Türkiye İstatistik Kurumu (TÜİK), (http://www.tuik.gov.tr/ bitkiselapp/bitkisel.zul), (Erişim tarihi: 20.04.2020).
4. Anonim, 2020b. Meteoroloji Genel Müdürlüğü Vezirköprü Bülteni. (https://www.mgm.gov.tr/veri degerlendirme/il-ve-ilçeleristatistikaspx?k=A&m= SAMSUN), (Erişim tarihi: 15.03.2020).
5. Anonim, 2020c. Avrupa Çevre Ajansı, Corine 2000 Teknik Kılavuzu. (https://www.eea.europa.eu/tr), (Erişim tarihi: 20.04.2020).
6. Boyacı, D., 2012. CBS-uzaktan algılama entegrasyonu ve örnek uygulama: Uydu görüntülerinden detay ve otomatik Öznitelik tespiti. Doktora tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Konya.
7. Bulut, H., Demirörs, Z., Alan, İ., Kaya, Ş., Bilgin, N., Öztaş, Z., Gürçayır, E., Darende, V., 2018. 2018 Yılı İzmir Meteorolojik Radar Verilerinin Zamansal ve CORINE Arazi Sınıflarına Göre Değişiminin Coğrafi Bilgi Sistemleri ile Analizi. Meteoroloji Genel Müdürlüğü Yazılım Geliştirme Şube Müdürlüğü, Ankara.
8. Çelik, H., 2006. İstanbul Sarıyer ilçesine ait uzaktan algılama uydu verileri ile mekansal veri analizleri. Yüksek lisans tezi, Çanakkale Onsekiz Mart Üniversitesi, Fen Bilimleri Enstitüsü, Çanakkale.

9. Demirbüken, H., 1996. Ankara ili yerleşim alanı arazi örtüsünün ve 1986-1995 yılları arasındaki değişimin uzaktan algılama teknikleri ile belirlenmesi. Bilim Uzmanlığı Tezi, Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, Çevre Bilimleri Anabilim Dalı, Ankara.
10. Dengiz, O., Demirağ Turan, İ., 2014. Uzaktan algılama ve coğrafi bilgi sistem teknikleri kullanılarak arazi örtüsü/arazi kullanımı zamansal değişimin belirlenmesi: Samsun Merkez ilçesi örneği (1984- 2011). Türkiye Tarımsal Araştırmalar Dergisi, 1(1): 78-90.
11. Dengiz, O., Demirağ Turan, İ., Özkan, B., 2019. Erzurum ili temel coğrafi özellikleri ve potansiyel işlemeli tarım alanı varlığı. Atatürk Üniversitesi Ziraat Fakültesi Dergisi, 50(2): 136-152.
12. Dengiz, O., Sarıoğlu, F.E., 2011. Samsun ilinin potansiyel tarım alanlarının genel dağılımları ve toprak etüt ve haritalama çalışmalarının önemi. Anadolu Tarım Bilimleri Dergisi, 26(3): 241-253.
13. Di Gregorio, A., Jansen, L.J.M., 2001. Land-Cover Classification System (LCCS): Classification Concepts and User Manual. FAO, Rome.
14. Ekercin, Semih., 2007. Uzaktan algılama ve coğrafi bilgi sistemleri entegrasyonu ile Tuz Gölü ve yakın çevresinin zamana bağlı değişimi. Doktora tezi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul.
15. Eryılmaz, Y., 2000. Uzaktan algılama metoduyla arazi kullanımının sınıflanması ve arazi kullanımında değişikliklerin tespiti (Çanakkale Örneği, 1992- 1998). Yüksek lisans tezi, Gebze İleri Teknoloji Enstitüsü, Kocaeli.
16. Everest, T., Akbulak, C., Özcan, H., 2011. Arazi kullanım etkinliğinin değerlendirilmesi: Edirne ili Havsa ilçesi örneği. Anadolu Tarım Bilimleri Dergisi, 26(3): 251- 257.
17. Forkuor, G., Dimobe, K., Serme, I., Tondoh, J. E., 2018. Landsat-8 vs. Sentinel-2: Examining the added value of Sentinel-2’s red-edge bands to land-use and land- cover mapping in Burkina Faso. Giscience & Remote Sensing, 55(3): 331-354.
18. Gençer, M., 2011. Eğirdir Gölünü çevreleyen arazilerin CORINE yöntemine göre arazi kullanım sınıflaması. Yüksek lisans tezi, Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü, Isparta.
19. Gülersoy, A.E., 2014. Seferihisar’da arazi kullanımının zamansal değişimi (1984-2010) ve ideal arazi kullanımı için öneriler. Süleyman Demirel Üniversitesi, Fen Edebiyat Fakültesi Sosyal Bilimler Dergisi, 31(1): 155-180.
20. Hassan, Z., Shabbir, R., Ahmad, S.S., Malik, A.H., Aziz, N., Butt, A., Erum, S., 2016. Dynamics of land use and land cover change (LULCC) using geospatial techniques: a case study of Islamabad Pakistan. Springer Plus, 5(1): 812-913.
21. Karnieli, A., Rozenstein, O., 2011. Comparison of methods for land-use classification incorporating remote sensing and GIS inputs. Applied Geography, 31(2): 533-544.
22. Kaya, N., 2019. Bitki desenlerinin belirlenmesinde uzaktan algılamanın kullanılması. Yüksek lisans tezi, Ankara Üniversitesi Fen Bilimleri Enstitüsü, Ankara.
23. Keleş., B., Durduran, S.S., 2019. Osmaniye ilinin arazi örtüsü ve kullanımındaki zamansal değişimin uzaktan algılama teknikleri ile araştırılması. Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 1(1): 32-52.
24. Ketema, H., Wei, W., Legesse, A., Wolde, Z., Temesgen, H., Yimer, F., Mamo, A., 2020. Quantifying smallholder farmers’managed land use/landcover dynamics and its drivers in contrasting agro- ecologicalzones of the East African Rift. Global Ecology and Conservation, 21(1): 1-16.
25. Koç, A., Yener, H., 2001. Uzaktan algılama verileriyle İstanbul çevresi ormanlarının alansal ve yapısal değişikliklerinin saptanması. İstanbul Üniversitesi, Orman Fakültesi Dergisi, Seri A, 51(2): 17-36.
26. Lillesand, T.M., Kiefer, R.W., Chipman, J.W., 2007. Remote Sensing and Image Interpretation. Sixth Edition, New York, USA: John Wiley & Sons.
27. Lindsay, W.L., Norvell, W.A., 1978. Development of a DTPA soil test for zinc, iron, manganese and copper. Soil Science Society of American Journal, 42(3): 421- 428.
28. Newhall, F., Berdanier, C.R., 1996. Calculation of Soil Moisture Regimes from the Climatic Record. Soil Survey Investigations Report No. 46, National Soil Survey Center, Natural Resources Conservation Service, Lincoln, NE.
29. Özdemir, İ., Özkan, Y.U., 2003. Armutlu Orman İşletme Şefliğindeki orman alanlarındaki değişimin LANDSAT uydu görüntülerinin kullanılarak değerlendirilmesi. Süleyman Demirel Üniversitesi Orman Fakültesi Dergisi, 1: 55-66.
30. Öztürk, D., Gündüz, U., 2019. Samsun ili arazi kullanımı/örtüsünün mekânsal-zamansal değişimlerinin fraktal analiz kullanılarak belirlenmesi. Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, 24(2): 643-660.
31. Öztürk, M., Mermut, A., Çelik, A., 2010. Land Degradation, Urbanisation, Land Use Environment. NAM Science & Technology Centre.
32. Özyazıcı, M.A., Dengiz, O., İmamoğlu, A., 2014. Siirt ili bazı arazi ve toprak özelliklerinin coğrafi bilgi sistem analizleriyle değerlendirilmesi. Türkiye Tarımsal Araştırmalar Dergisi, 1(2): 128-137.
33. Sertel, E., Musaoğlu, N., Alp, G., Yay Algan, I., Kaya, Ş., Yüksel, B., Yılmaz, A., 2018. 1:25.000 ölçekli ulusal arazi örtüsü/kullanımı sınıflandırma sistemi ile HGK TOPOVT Veritabanının Karşılaştırılması. Harita Dergisi, 160(1): 34-46.
34. Şimşek, A., 2017. CORINE 4. seviye arazi örtüsü/kullanım sınıflarının belirlenmesi ve yüzey akış risk haritasının oluşturulması (Bartın Çayı Havzası örneği). Yüksek lisans tezi, Bartın Üniversitesi Fen Bilimleri Enstitüsü, Bartın.
35. Van Wambeke, A., Hastings, P., Tolomeo, M., 1986. Newhall Simulation Model: A BASIC Program for The IBM PC. Department of Agronomy, Cornell University. Diskette and Booklet. Ithaca, NY. Washington, DC.
36. Van Wambeke, A., Hastings, P., Tolomeo, M., 1992. Newhall Simulation Model-A BASIC Program for the IBM PC (DOS 2.0orlater). Cornell University, Department of Agronomy, Ithaca, NY. Washington, DC.
37. Van Wambeke, A.R., 2000. The Newhall Simulation Model for Estimating Soil Moisture & Temperature Regimes. Department of Crop and Soil Sciences, U.S. Departmanet of Agriculture, Ithaca, N.Y. Washington, DC.
38. Yan, G., Mas, J.F., Maathuis, B.H., Xiangmin, Z., Van Dijk, P. M., 2006. Comparison of Pixelbased and Object-Oriented Image Classification Approaches-A Case Study in a Coal Fire Area, Wuda, Inner Mongolia, China.