Landsat uydu görüntüleri kullanılarak Mogan Gölü’nün su yüzeyi ve arazi örtü değişiminin belirlenmesi

Öz

Uydu teknolojilerinin gelişmesi ile Uzaktan Algılama (UA) kullanıcısı her geçen gün artmaktadır. UA arazi örtüsü ve kullanımının tespit edilmesi, su kaynakları yönetimi, değişim analizi vb. olmak üzere birçok kullanım alanına sahiptir. UA teknikleriyle elde edilen veriler, özellikle arazi örtüsü kullanımının zamansal değişiminin belirlenmesinde yaygın olarak kullanılmaktadır. Arazi örtü değişiminin kullanımında, o alanın zamanla başka arazi kullanımı ve bitki örtüsü sınıflarına dönüşüp dönüşmediği gözlemlenmektedir. Su kaynaklarının izlenmesi, korunması ve optimum kullanım koşullarının değerlendirilmesi çalışmalarında uzaktan algılama teknolojilerinden de yararlanılmaktadır. Bu teknolojiler, su kaynakları ile ilgili araştırmalarda karar verme ve yönetim konularında önemli altlık oluşturmaktadır. Ayrıca, su kaynaklarındaki zamansal değişimlerin belirlenmesi ve gerekli önlemlerin alınması aşamasında da uzaktan algılama çok önemli avantajlar sağlamaktadır. Bu çalışmada da Ankara’ya 20 km uzaklıkta bulunan Gölbaşı ilçesinde yer alan Mogan Gölü ve çevresinin Landsat uydu görüntüleri kullanılarak su yüzeyi ve arazi örtüsünün değişim analizi belirlenmiştir. Çalışma alanına ait 1998-2010 yılları arası üç periyot olacak şekilde Landsat TM5 uydu görüntüleri ve 2019 yılına ait Landsat 8 OLI_TIRS uydu görüntüsü kullanılmıştır. Metot olarak kontrolsüz ve kontrollü sınıflandırma (en çok benzerlik) yöntemleri kullanılarak su yüzey alanları, yapay yüzeyler, tarım alanları, ormanlık ve doğal alanlar olmak üzere 4 adet sınıf belirlenmiştir. Bölgeye ait alansal değişim incelenmiş ve yıllara göre değişimler birbiriyle karşılaştırılmıştır. 

Anahtar Kelimeler

• Uzaktan Algılama
• Mogan Gölü
• Su Yüzey Alanı Değişimi
• Arazi Örtü Değişimi

Determination of the water surface and land cover change of lake Mogan using landsat satellite imagery

Abstract

With the development of satellite technologies, the number of Remote Sensing (RS) users is increasing every day. RS has many uses area such as land cover/use detection, water resources management, change analysis, etc. The data obtained with UA techniques are widely used especially in determining the temporal change of land cover/use. In the use of land cover change, it is observed whether that area has been transformed into other land use and vegetation classes over time. Remote sensing technologies are also used in the monitoring, protection and evaluation of optimum usage conditions of water resources. These technologies form an important basis for decision making and management in research related to water resources. In addition, remote sensing provides very important advantages in determining time changes in water resources and taking necessary measures. In this study, to determine the water surface and land change analysis by using Landsat satellite images of Mogan Lake and its surroundings in Gölbaşı district, which is 20 km away from Ankara. Landsat TM5 satellite images and Landsat 8 OLI_TIRS satellite images for 2019 were used in three periods between 1998 and 2010. By using unsupervised and supervised classification (maximum likelihood) methods, four classes, wetlands, artificial surfaces, agricultural areas, forestry and natural areas, were determined. The spatial change of the region is examined and the changes are compared with each other. 

Keywords

• Remote Sensing
• Mogan Lake
• Water Surface Area Change
• Land Cover Change

References

1. Aydoğuş, S. (1995) Gölbaşı Bölgesinde Ekolojik Planlama Yaklaşımı, Mogan ve Eymir Gölleri 1.Çevre Kurultay, Ankara
2. Ayhan, E., Karslı, F., Tunç E., (2003). Uzaktan Algılanmış Görüntülerde Sınıflandırma ve Analiz, Harita Dergisi.
3. Beklioğlu, M. (2000). Göllerin Ekolojik Özelliklerinin ve Su Kalitesinin Bozulması İyileştirilmesi: Eymir ve Mogan Gölleri. Türkiye Mühendislik Haberleri, 409,200/5.
4. Bozduman, Ş. (2019). Sınıflandırma yöntemiyle sulak alanların değişimi analizi: Dipsiz Lagün örneği. Türkiye Uzaktan Algılama Dergisi, 1(1), 16-20.
5. Campbell, J.B., (1996). Introduction to Remote Sensing, Guilford Press, New York, 621 s.
6. Çölkesen, İ., (2009). Uzaktan Algılamada İleri Sınıflandırma Tekniklerinin Karşılaştırılması ve Analizi, Yüksek Lisans Tezi, Gebze İleri teknoloji Üniversitesi Mühendislik ve Fen Bilimleri Enstitüsü, Gebze.
7. Foody, G. M. (2002). Status of land cover classification accuracy assessment. Remote sensing of environment, 80(1), 185-201.
8. Gölbaşı -Tabiat Varlıklarını Koruma-Çevre ve Şehircilik Bakanlığı. (1990, 10 22). Tabiat Varlıklarını Koruma Genel Müdürlüğü: https://tvk.csb.gov.tr/golbasi-i-394

9. Gülci, S., Gülci, N., & Yüksel, K. (2019). Aslantaş Baraj Gölü ve Çevresinin Su Yüzey Alanı ve Arazi Örtüsü Değişiminin Landsat Uydu Görüntüleri Kullanılarak İzlenmesi. Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 9(1), 100-110.
10. Gülçin, D. (2018). Arazi Kullanımlarının Sınıflandırılmasında Piksel ve Obje Tabanlı Sınıflandırmanın Karşılaştırılması. Adnan Menderes Üniversitesi Dergisi, 42-49.
11. Kavzoğlu, T., & Çölkesen, İ. (2010). Karar ağaçları ile uydu görüntülerinin sınıflandırılması: Kocaeli örneği. Harita Teknolojileri Elektronik Dergisi, 2(1), 36-45.
12. Lillesand, T.M., Kiefer, R.W., Chipman, J.W., (2007). Remote Sensing and Image Interpretation 6th Edition, John Wiley & Sons Pres. New York.
13. Musaoglu, N., Tanik, A., Gumusay, M. U., Dervisoglu, A., Bilgilioglu, B. B., Yagmur, N., Bakırman, T., Baran, D. and Gokdag, M. F. (2018). Long-term Monitoring of Wetlands via Remote Sensing and GIS: A case study fromTurkey. In Proceedings of The International Conference on Climate Change (Vol. 2, No. 1, 11-21).
14. Mutlu, A., Kazancı, B., Özçetin, A., Sarıyılmaz, F. (2020). Akşehir gölü zamansal değişiminin bant oranlama yöntemleri ile belirlenmesi. Türkiye Uzaktan Algılama Dergisi 2 (1) , 22-28.
15. Oruç, M., Marangoz, A. M., & Karakış, S. (2007). Pan-Sharp Landsat 7 Etm+ Görüntüsü Kullanılarak Piksel-Tabanlı Ve Nesne-Tabanlı Sınıflandırma Yaklaşımlarinin Karşılaştırılması, 11. Türkiye Harita Bilimsel ve Teknik Kurultayı, ODTÜ, Ankara, 02-06.
16. Özesmi, U. (1996). Ecology And Politics Of Rehabilitation: Mogan Lake Wetland Ecosystem, Ankara, Turkey. An International Perspective On Wetland Rehabilitation, 181-187.
17. Özkan, C. (2001). Uydu görüntü verisinin yapay sinir ağları ile sınıflandırılması (Doctoral dissertation, Doktora Tezi, İTÜ Fen Bilimleri Enstitüsü, İstanbul).
18. Ridd, M. K., & Liu, J. (1998). A comparison of four algorithms for change detection in an urban environment. Remote sensing of environment, 63(2), 95-100.
19. Rokni, K., Ahmad, A., Selamat, A., & Hazini, S. (2014). Water Feature Extraction And Change Detection Using Multitemporal Landsat İmagery. Remote Sensing, 6(5), 4173-4189.
20. Strahler, A. H., (1980). The use of prior probabilities in maximum likelihood classification of remotely sensed data, Remote Sens. Environ., vol. 10, no. 2, 135–163.
21. Sun, F., Sun, W., Chen, J., And Gong, P. (2012). Comparison And İmprovement Of Methods For İdentifying Water Bodies İn Remotely Sensed İmagery. International Journal Of Remote Sensing, 33(21), 6854-6875.
22. Torun A.T., (2015). Yapay arı koloni algoritmasının tarım alanlarının sınıflandırılmasında kullanılabilirliğinin irdelenmesi. Yüksek lisans tezi, Fen Bilimleri Enstitüsü, Aksaray Üniversitesi.
23. Torun, A. T., & Gündüz, H. İ. (2020). Comparison Of Different Classification Algorithms For The Detection Of Changes On Water Bodies; Karakaya Dam Lake. Turkish Journal Of Geosciences, 1(1), 26-33.
24. Torun, A. T., Ekercin, S., Gezgin, C., (2017). Ysa ile optimize edilmiş yapay arı koloni algoritmasının landsat uydu görüntülerinin sınıflandırılmasında kullanılabilirliğinin araştırılması. Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 17(4), 86-93.
25. Türker, M. (1999). Uzaktan Algılama Görüntülerinin Sınıflandırılması İşleminde Yardımcı Verilerin Kullanılması Teknikleri. Harita Dergisi, 1-10.
26. Uğur, S. (2009). Doğal Su Yüzeyleri Çevresinde Oluşturulan Büyük Ölçekli Parkların Ekolojik Kriterler Açısından İrdelenmesi: Mogan Parkı Örneği. Yüksek Lisans Tezi, Fen Bilimleri Enstitüsü, Anakara Üniversitesi.
27. URL-1: Türkiye’nin Sulak Alanları. (2013). https://www.suhakki.org/2013/01/turkiyenin-sulakalanlari/#:~:text=Ancak%20S%C3%B6zle%C5%9Fme%20kapsam%C4%B1nda%20sadece%2013,var%20(Bkz%20harita%201).
28. URL-2: Türkiye Sulak Alanları. http://www.turkiyesulakalanlari.com/mogan-golu-ankara/
29. USGS (United States Geological Survey. EarthExplorer-Home: https://earthexplorer.usgs.gov/
30. Uysal, M. M. (2012). Landsat Uydu Görüntüleri Kullanılarak Afyonkarahisar İli Şehir Gelişiminin Belirlenmesi. IV. Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Sempozyumu (UZAL-CBS 2012) Zonguldak.
31. Yağmur, N., (2018). Ramsar alanlarının uzaktan algılama yöntemleri ile zamansal analizi – Meke Maarı örneği. Yüksek Lisans Tezi, Fen Bilimleri Enstitüsü, İTÜ.