Uzaktan Algılama Teknikleriyle Kürtün Irmağı Havzası’nın (Samsun) Arazi Kullanımı ve Örtüsündeki Değişimlerin İncelenmesi

Öz

Dünya nüfus artış hızı son yıllarda azalmasına rağmen nüfus artışı devam etmektedir. Bu nüfus artışı beraberinde barınma ve beslenme ihtiyacını ortaya çıkarmaktadır. Söz konusu ihtiyacın karşılanması araziler üzerinde ciddi baskıların oluşmasına neden olmaktadır. Bu nüfusun mekanizasyon ve beslenme ihtiyacı mevcut arazilerin yeniden yapılandırılması veya dönüştürülmesiyle gerçekleşmektedir. Arazilerin dönüştürülmesi planlı ve sürdürülebilir arazi yönetimi bakış açısıyla yapılmadığında dönüşü mümkün olmayan arazi bozulmalarına neden olmaktadır. Günümüzde kentleşmenin artması ve artan nüfusun beslenme ihtiyacının karşılanması için arazilerin gerçek potansiyeli göz önüne alınmadan yapılan her türlü faaliyet ekolojik dengenin bozulmasından ekonomik sorunlara kadar ciddi problemleri ortaya çıkartmaktadır. Bu açıdan değerlendirildiğinde farklı zamansal ölçekte arazi kullanım/örtüsünde meydana gelen değişimleri belirlemek mevcut durumu anlamaya ve gerekli önlemlerin alınması açısından büyük önem arz etmektedir. Mekânsal analiz teknolojileri bu arazilerin geçmişte ve günümüzde durumlarını hızlı, güvenilir ve ekonomik bir biçimde ortaya koyabilmektedir. Bu çalışmada, 1985-2020 yılları arasında Samsun Kürtün Irmağı Havzası’nın arazi kullanım/örtüsünde meydana gelen değişimler coğrafi bilgi sistemleri (CBS) ve uzaktan algılama teknikleriyle belirlenmeye çalışılmıştır. Çalışmada 35 yılı kapsayacak şekilde yüksek çözünürlüklü GLC_FCS30D küresel arazi örtüsü kullanılmıştır. Yapılan analiz sonuçlarına göre 1985-2020 periyodu için çalışma alanında geçirimsiz yüzeylerin %198 oranında bir artış gösterdiğini ve çayır alanlarının %31,4 oranında kayıplar yaşadığını ortaya koymuştur. Dönüşüm matrisleri, çayırların tarım arazilerine ve orman alanlarının ise kentsel kullanıma geçtiğini göstermektedir. Mekânsal değişimler, özellikle kıyı şeridi ve ana ulaşım koridorları çevresinde yoğunlaşmıştır.

Anahtar Kelimeler

• GLC_FCS30D
• Arazi Kullanım ve Değişimi
• Coğrafi Bilgi Sistemleri (CBS)
• Samsun
• Kürtün Irmağı Havzası

Investigation of Land Use and Cover Changes in the Kürtün River Basin (Samsun) Using Remote Sensing Techniques

Öz

Although the global population growth rate has decreased in recent years, population growth continues. This population growth creates a need for housing and food. Meeting this need puts significant pressure on land. The mechanization and nutritional needs of this population are met through the restructuring or transformation of existing lands. When land transformation is not carried out with a planned and sustainable land management perspective, it leads to irreversible land degradation. Today, with increasing urbanization and the growing population's need for food, any activity undertaken without considering the true potential of the land creates serious problems ranging from ecological imbalance to economic difficulties. From this perspective, determining the changes in land use/cover at different time scales is of great importance in understanding the current situation and taking necessary precautions. Spatial analysis technologies can reveal the past and present conditions of these lands quickly, reliably, and economically. In this study, the changes in land use/cover in the Samsun Kürtün River Basin between 1985 and 2020 were attempted to be determined using geographic information systems (GIS) and remote sensing techniques. The study utilized high-resolution GLC_FCS30D global land cover data covering a 35-year period. Analysis revealed a 198% increase in impermeable surfaces and a 31.4% loss of grassland areas in the study area between 1985 and 2020. Transformation matrices indicate that grasslands were converted to agricultural land and forest areas to urban use. Spatial changes were particularly concentrated along coastlines and major transportation corridors. 

Anahtar Kelimeler

• GLC_FCS30D dataset
• Land Use and Change
• Geographic Information Systems (GIS)
• Samsun
• Kürtün River Basin

Kaynakça

1. Addas, A. (2023). The importance of urban green spaces in the development of smart cities. Frontiers in Environmental Science, 11, 1206372. https://doi.org/10.3389/fenvs.2023.1206372
2. Assennato, F., Smiraglia, D., Cavalli, A., Congedo, L., Giuliani, C., Riitano, N., Strollo, A., & Munafò, M. (2022). The impact of urbanization on land: A biophysical-based assessment of ecosystem services loss supported by remote sensed indicators. Land, 11(2), 236. https://doi.org/10.3390/land11020236
3. Bai, Z. G., Dent, D., Wu, Y., & de Jong, R. (2013). Land degradation and ecosystem services. In Ecosystem Services and Carbon Sequestration in the Biosphere (pp. 357–381). Springer. https://doi.org/10.1007/978-94-007-6455-2_15
4. Berebon, C. B., & Amadi, C. C. (2024). The Ecological Balance Between Land Use, Land Resources and Environmental Issues in Africa. Iaajah-Igwebuıke: An African Journal of Arts and Humanities, 10(3). DOI: 10.13140/RG.2.2.21646.33605
5. Brown, C. F., Brumby, S.P., Guzder-Williams, B., Birch, T., Hyde, S.B., Mazzariello, J.C., Czerwinski, W., Pasquarella, V.J., Haertel, R., Ilyushchenko, S., Schwehr, K., Weisse, M.J., Stolle, F., Hanson, C., Guinan, O., Moore, R., & Tait, A.M. (2022). Dynamic World, Near real-time global 10 m land use land cover mapping. Scientific Data, 9. 10.1038/s41597-022-01307-4
6. Çelik, M. A., Kızılelma, Y., Gülersoy, A. E., & Denizdurduran, M. (2013). Farklı uzaktan algılama teknikleri kullanılarak Aşağı Seyhan Ovası güneyindeki sulak alanlarda meydana gelen değişimin incelenmesi (1990-2010). Turkish Studies, 8(12), 263-284.
7. Çetin, R., Okuş, F., & Çakmak, G. (2023). Yasal Düzenleyici Otoritelerin Sürdürülebilirlik Yaklaşımları. Gazi Üniversitesi Fen Fakültesi Dergisi, 4(2), 63-79.
8. Demir, M. (2007). Impacts, management and functional planning criterion of forest road network system in Turkey. Transportation Research Part A: Policy and Practice, 41(1), 56–68. https://doi.org/10.1016/j.tra.2006.05.006

9. Demirağ Turan, İ., Dengiz, O., & İç, S. (2024). Arazi Kullanımı/Arazi Örtüsü Özelliklerinin Belirlenmesine Örnek Bir Çalışma: Samsun Tekkeköy İlçesi (1990-2017 Yılları), Türkiye. Türkiye Tarımsal Araştırmalar Dergisi, 11(2), 201-215. https://doi.org/10.19159/tutad.1437579
10. DİE. (1989). 1985 Genel Nüfus Sayımı: Nüfusun Sosyal ve Ekonomik Nitelikleri (Samsun İli). (Yayın No: 1237). Ankara: Devlet İstatistik Enstitüsü Matbaası.
11. Doygun, N., & Erdem, Ü. (2013). Kentsel Gelişim Sürecinin Alan Kullanım Yapısı Üzerine Etkilerinin İncelenmesi: Bornova, İzmir Örneği. Turkish Journal of Scientific Reviews (1), 17-22.
12. Egidi, G., Zambon, I., Tombolini, I., Salvati, L., Cividino, S., Seifollahi-Aghmiuni, S., & Kalantari, Z. (2020). Unraveling latent aspects of urban expansion: Desertification risk reveals more. International Journal of Environmental Research and Public Health, 17(11), 4001. https://doi.org/10.3390/ijerph17114001
13. Eken, M., Ceylan, A., Taştekin, A.T., Şahin, H., Şensoy, S., (2005). Klimatoloji II, DMİ Yayınları, https://www.mgm.gov.tr/FILES/genel/kitaplar/KlimatolojikRasatElKitabi.pdf 473, Ankara.
14. Fazal, S. (2000). Urban expansion and loss of agricultural land: A GIS based study of Saharanpur City, India. Environment and Urbanization, 12(2), 133 149. https://doi.org/10.1177/095624780001200211
15. Feddema, J. J., & Freire, S. (2001). Soil degradation, global warming and climate impacts. Climate Research, 17(2), 209–216. https://doi.org/10.3354/cr017209
16. Geremu, T. (2019). Review on role of soil and water conservation measures on Soil Physico chemical properties and its implication to climate change mitigation and adaptation. Journal of Natural Sciences Research, 9(11), 27-41. DOI: 10.7176/JNSR
17. Geymen, A. (2017). Coğrafi Bilgi Sistemi Kullanılarak Su Havzalarındaki Arazi Kullanım Değişikliği ve Çevresel Etkilerin İzlenmesi: Elmalı Havzası Örneği. Journal of the Institute of Science and Technology, 7(1), 171-181.
18. Gülersoy, A. (2014). Marmara Gölü yakın çevresindeki arazi kullanım faaliyetlerinin zamansal değişimi (1975-2011) ve göl ekosistemlerine etkileri. Türk Coğrafya Dergisi (61), 31-44. https://doi.org/10.17211/tcd.19768
19. Güngör, O., & Tokgöz, G. (2023). İklim Değişikliğinin Arazi Örtüsü/Alan Kullanım Değişimi Üzerindeki Etkileri: Yumurtalık (Adana) İlçesi Örneği. Social Sciences Studies Journal (SSSJournal) DOI: 10.29228/sssj.72771
20. Helber, P., Bischke, B., Dengel, A.R., & Borth, D. (2017). EuroSAT: A Novel Dataset and Deep Learning Benchmark for Land Use and Land Cover Classification. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 12, 2217-2226. 10.1109/JSTARS.2019.2918242
21. Hussain, K., Mehmood, K., Anees, S. A., Ding, Z., Muhammad, S., Badshah, T., ... & Khan, W. R. (2024). RETRACTED: Assessing forest fragmentation due to land use changes from 1992 to 2023: A spatio-temporal analysis using remote sensing data. Heliyon, 10(14). https://doi.org/10.1016/j.heliyon.2024.e34710
22. Kaçmaz, M., & Döker, M. F. (2021). Sapanca Gölü havzasında arazi kullanımı ve mekânsal değişim. Coğrafi Bilimler Dergisi, 19(1), 161-194. https://doi.org/10.33688/aucbd.872216
23. Karabulut, M. (2015). Farklı uzaktan algılama teknikleri kullanılarak Göksu Deltası göllerinde zamansal değişimlerin incelenmesi. Journal of International Social Research, 8(37), 584–592.
24. Karra, K., Kontgis, C., Statman-Weil, Z., Mazzariello, J.C., Mathis, M.M., & Brumby, S.P. (2021). Global land use / land cover with Sentinel 2 and deep learning. 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS, 4704-4707. 10.1109/IGARSS47720.2021.9553499
25. Keskin, F. (2021). Kürtün Çayı Havzasında (Samsun) Arazi kullanımı ve Zamansal Değişim (1984-2020), (Yüksek lisans tezi). Marmara Üniversitesi, İstanbul.
26. Kızılelma, Y., Karabulut, M., Gürbüz, M., Topuz, M., & Ceylan, E. (2013). Niğde şehri ve yakın çevresinin zamansal değişiminin uzaktan algılama ve CBS kullanılarak incelenmesi. Zeitschrift für die Welt der Türken/Journal of World of Turks, 5(3), 21–34.
27. Li, S., Ge, Q., Sun, F. et al. Annual 30 m land cover dataset on the Tibetan Plateau from 1990 to 2023. Sci Data 12, 510 (2025). https://doi.org/10.1038/s41597-025-04759-6
28. Liangyun Liu, Xiao Zhang, & Tingting Zhao. (2023). GLC_FCS30D: the first global 30-m land-cover dynamic monitoring product with fine classification system from 1985 to 2022, [Data set]. Zenodo. https://doi.org/10.5281/zenodo.8239305
29. Lillesand, T., Kiefer, R. W., & Chipman, J. (2018). Uzaktan algılama ve görüntü yorumlama (7. bs.). Palme Yayıncılık.
30. Mamehpour, N., Rezapour, S., & Ghaemian, N. (2021). Quantitative assessment of soil quality indices for urban croplands in a calcareous semi-arid ecosystem. Geoderma, 382, 114781. https://doi.org/10.1016/j.geoderma.2020.114781
31. Ossola, A., & Hopton, M. E. (2018). Measuring urban tree loss dynamics across residential landscapes. Science of the Total Environment, 612, 940–949. https://doi.org/10.1016/j.scitotenv.2017.08.103
32. Salman, H. A., Kalakech, A., & Steiti, A. (2024). Random forest algorithm overview. Babylonian Journal of Machine Learning, 2024, 69-79. https://doi.org/10.58496/BJML/2024/007
33. Saner, S. (1980). Batı Pontidlerin ve komşu havzaların oluşumlarının levha tektoniği kuramıyla açıklanması, Kuzeybatı Türkiye. Maden Tetkik ve Arama Dergisi, 93(94), 1-19.
34. Schilleci, F., Giampino, A., & Todaro, V. (2021). Forms and processes of settlement pressure on natural systems. In Sustainable Policies and Practices in Energy, Environment and Health Research (pp. 25–35). Springer. https://doi.org/10.1007/978-3-030-64469-7_3
35. Selmy, S. A. H., Kucher, D. E., Mozgeris, G., Moursy, A. R. A., Jimenez-Ballesta, R., Kucher, O. D., Fadl, M. E., & Mustafa, A. A. (2023). Detecting, analyzing, and predicting land use/land cover (LULC) changes in arid regions using Landsat images, CA-Markov hybrid model, and GIS techniques. Remote Sensing, 15(23), 5522. https://doi.org/10.3390/rs15235522
36. Şahin, K. (2009). Kürtün Çayı havzası. Çantay Kitabevi, İstanbul.
37. Şenyiğit Doğan, S., & Yılmaz, S. (2019). Coğrafi Bilgi Sistemleri ve Uzaktan Algılama Yöntemleri ile Arazi Örtüsü/Alan Kullanım Değişimlerinin Belirlenmesi: Bingöl Kent Merkezi Örneği. Turkish Journal of Agricultural and Natural Sciences, 6(3), 536-545. https://doi.org/10.30910/turkjans.595378
38. Talukdar, S., Singha, P., Mahato, S., Shahfahad, Pal, S., Liou, Y., & Rahman, A. (2020). Land-Use Land-Cover Classification by Machine Learning Classifiers for Satellite Observations - A Review. Remote. Sens., 12, 1135. 10.3390/rs12071135
39. TÜİK. (2024). Adrese Dayalı Nüfus Kayıt Sistemi (ADNKS) Sonuçları (2010, 2015 ve 2020 Yılları Mahalle Nüfus Verileri). Merkezi Dağıtım Sistemi (MEDAS). Erişim adresi: https://biruni.tuik.gov.tr/medas/
40. Uzun, A., Sandikcioglu, M., Ozer, M. S. K., & Kucukuysal, C., (2024). Late quaternary palaeoclimates in the lower Kürtün valley (Samsun, Northern Türkiye) through multi-proxy analysis of palaeosoil sediments. FACIES, vol.70, no.3.
41. Van Vliet, J. (2019). Direct and indirect loss of natural area from urban expansion. Nature Sustainability, 2(8), 755–763. https://doi.org/10.1038/s41893-019-0340-0
42. Wang, H., Qiu, F., & Ruan, X. (2016). Loss or gain: A spatial regression analysis of switching land conversions between agriculture and natural land. Agriculture, Ecosystems & Environment, 221, 222–234. https://doi.org/10.1016/j.agee.2016.01.041
43. Wang, Y., Sun, Y., Cao, X., Wang, Y., Zhang, W., & Cheng, X. (2023). A review of regional and globalscale land use/land cover (LULC) mapping products generated from satellite remote sensing. *ISPRS Journal of Photogrammetry and Remote Sensing*, *206*, 311-334. https://doi.org/10.1016/j.isprsjprs.2023.11.014
44. Yang, C., Liu, H., Li, Q., Cui, A., Xia, R., Shi, T., Zhang, J., Gao, W., Zhou, X., & Wu, G. (2021). Rapid urbanization induced extensive forest loss to urban land in the Guangdong-Hong Kong-Macao Greater Bay Area, China. Chinese Geographical Science, 31(1), 93–108. https://doi.org/10.1007/s11769-021-1177-9
45. Zhang, X., Zhao, T., Xu, H., Liu, W., Wang, J., Chen, X., & Liu, L. (2024). GLC_FCS30D: The first global 30 m land-cover dynamics monitoring product with a fine classification system for the period from 1985 to 2022 generated using dense-time-series Landsat imagery and the continuous change-detection method. Earth System Science Data, 16(3), 1353–1381. https://doi.org/10.5194/essd-16-1353-2024