ALANSAL DEĞİŞİMİN UZAKTAN ALGILAMA VE COĞRAFİ BİLGİ SİSTEMLERİ TEKNİKLERİ KULLANILARAK BELİRLENMESİ: KARATAŞ GÖLÜ VE ÇEVRESİ ÖRNEĞİ

Year 2023, Volume: 5 Issue: 1, 30 - 39, 30.06.2023

Hande Özvan , Büşra Arık , Okan Yeler , Onur Şatır , Pınar Bostan

https://doi.org/10.53784/peyzaj.1287192

Abstract

Ekosistemin büyük ve en önemli parçalarından biri olan beşerî ve doğal birçok tehditle karşı karşıya kalan sulak alanların sürekli izlenmesi, etkin ve sürdürülebilir yönetim kararlarının alınması, sulak alanların korunması açısından oldukça önemlidir. Günümüzde maliyet ve zaman etkin çözümler sunarak sürekli ve kontrollü alansal değişim izleme çalışmaları Uzaktan Algılama yöntemleri ile yaygınlaşmıştır. Bu çalışmada uluslararası öneme sahip sulak alanlardan biri olan Burdur il sınırları içinde yer alan Karataş Gölü’nün 2020, 2021 ve 2022 yıllarında göl yüzeyi ve göl çevresindeki değişimleri Landsat 8 OLI/TIRS uydu görüntüleri kullanılarak izlenmiştir. Uydu görüntülerinden üretilen NDWI (Normalize Fark Su İndisi) ve MNDWI (Değiştirilmiş Normalize Fark Su İndisi) algoritmaları ile gölün yüzey alanı ve sınırı belirlenmiş; NDVI (Normalize Fark Bitki Örtüsü İndeksi) ve SAVI (Toprak Ayarlı Bitki İndeksi) analizleri ile ise Karataş Gölü çevresindeki bitki örtüsü yoğunluğu saptanmıştır. İndis sonuçlarına göre su kütlelerinin alansal sınırının belirlenmesi ve yüzey alanların değişiminde NDWI ve MNDWI arasında kayda değer bir farklılık göze çarpmamıştır. Göl çevresindeki bitki örtüsü yoğunluğu değişiminde ise 2022 yılı NDVI ve SAVI değerleri dışında her iki indis değerlerinin de aynı yıllar içinde birbirine yakın sonuçlar verdiği ortaya konulmuştur. Birbirini takip eden üç yıllık kısa bir süre içinde yangın, sel ya da kuraklık gibi doğal ve/veya beşerî herhangi bir ekstremin bulunmadığı çalışma alanında her iki indisin de benzer sonuçlar vermesi kaçınılmazdır. Kurumaya yüz tutmuş göl sınırlarının belirlenmesi ve su yüzey alanındaki değişimin tespiti için üç yıllık dönem içinde su yüzey alanı tahmininde 2020 ve 2021 yıllarında MNDWI değerleri NDWI değerlerinden daha yüksek iken, 2022 yılında bu durum tam tersidir.

Keywords

Alansal değişim, Karataş Gölü, NDVI, NDWI, MNDVI, SAVI, Uzaktan Algılama

DETERMINING LAND CHANGE USING REMOTE SENSING AND GEOGRAPHICAL INFORMATION SYSTEMS TECHNIQUES: THE CASE OF LAKE KARATAŞ AND ITS SURROUNDINGS

Abstract

Continuous monitoring of wetlands, which are one of the most important ecosystems facing many human and natural threats, and making effective and sustainable management decisions are very important for protecting them. Today, continuous and controlled spatial change monitoring studies have become widespread with Remote Sensing methods providing cost and time effective solutions. In this study, the land changes in the years 2020, 2021 and 2022 in and around the Lake Karataş in Burdur Province of Turkey, which is one of the Internationally Important Wetlands, were monitored using Landsat-8 OLI/TIRS satellite images. The surface area and boundary of the lake were determined with the NDWI (Normalized Difference Water Index) and MNDWI (Modified Normalized Difference Water Index) algorithms produced from satellite images; Vegetation density around the lake was determined by the NDVI (Normalized Difference Vegetation Index) and the SAVI (Soil Adjusted Vegetation Index) analyzes. According to the index results, no significant difference was found between NDWI and MNDWI in the determination of the areal boundary of water bodies and the change of surface areas. In the change of vegetation density around the lake, both indices gave similar results in the same years, except for the NDVI and SAVI values for 2022. It was concluded that both indices will inevitably yield similar results in a short period of three consecutive years unless there are natural and/or human extremes such as fire, flood, or drought. While the MNDWI values were higher than the NDWI values in 2020 and 2021 for the water surface area, the situation was the opposite in 2022.

Keywords

Land change, Lake Karatas, NDVI, NDWI, MNDVI, Remote Sensing, SAVI

References

• Anonim (2023) Karataş Gölü. Bahtiyar Kurt. https://www.dogadernegi.org/karatas-golu/ (Erişim tarihi: 20.04.2023).
• Çağlayan E B, Erel F, Samur E B, Deniz M, Mobariz M A, Kaplan G (2020) Uzaktan algılama teknikler ile Akşehir Gölü’ndeki alansal değişiminin izlenmesi. Türkiye Uzaktan Algılama Dergisi 2(2): 70-76.
• Çakaroz D, Özelkan E, Karaman M (2020) Sulak alanlarda uzaktan algılama ile belirlenen zamansal değişime kuraklığın etkisinin incelenmesi: Umurbey deltası (Çanakkale) örneği. Avrupa Bilim ve Teknoloji Dergisi (20):898-916.
• Çetin B (2009) Karataş (Bahçeözü) Gölü (Burdur-Karamanlı) sulak alanının kullanımı ve ortaya çıkan sorunlara coğrafi bir bakış. Nature Sciences 4(4):157-174.
• Gao B C (1996) NDWI a normalized difference water ındex for remote sensing of vegetation liquid water from space. Remote Sens. Environ. 58:257-266.
• Güher H, Öterler B, Elipek B Ç, Yeler O, Aydin G B (2022) Spatial and temporal evaluation of the physicochemical quality of domestic/industrial water in the Kırklareli Reservoir (Turkish Thrace). Journal of the Serbian Chemical Society, 87(3), 389-399.
• Kale S, Acarlı D (2019) Shoreline change monitoring inAtikhisar reservoir by using remote sensing and geographicinformation system (GIS). Fresenius EnvironmentalBulletin 28(5), 4329.
• Kaplan G, Avdan Z, Avdan U, Jovanovska T (2020) monitoring shared ınternational waters with remote sensing data. Resilience 4(1): 77-88.
• Karakoç D Y (2019) Türkiye'de Sulak Alanlar. 5. Çevre Günleri Uluslararası Sempozyumu- İnsanların Doğayla Kenetlenmesi, Kentte ve Doğal Alanda, Kutuplardan Ekvatora, Ankara, Turkey, 08 June 2017, s. 100.
• Khan R N H (2022) Study of fluctuations in surface area of Lake Haramaya using NDWI and MNDWI methods. JGISE 5(1):36 – 41.
• Kır İ (2005) Karataş Gölü (Burdur) ve çevresinin balık, amfibi ve sürüngen faunası. Ekoloji 14(56): 23-25. Kshetri T (2018) NDVI, NDBI & NDWI Calculation Using Landsat 7, 8. https://l24.im/cF9Y6wZ (Erişim tarihi: 21.04.2023).
• Liu Z, Yao Z, Wang R (2016) Assessing methods ofidentifying open water bodies using Landsat 8 OLIImagery. Environ Earth Sci 75, 873.
• Lu S, Ouyang N, Wu B, Wei Y, Tesemma Z (2013) Lake water volume calculation with time series remote-sensing images. International Journal of Remote Sensing 34(22), 7962–7973.
• Mas J F (2010) Monitoring land-cover changes: a comparison of change detection techniques. International Journal of Remote Sensing 20(October 2011), 37–41.
• McFeeters S K (1996) The use of the normalized difference water index (NDWI) in the delineation of open water features. International Journal of Remote Sensing 17(7), 1425- 1432.
• MGM (2023) İllere ait mevsim normalleri, Burdur. https://mgm.gov.tr/veridegerlendirme/il-ve-ilceler-istatistik.aspx?m=BURDUR. (Erişim tarihi: 23.05.2023).
• Özelkan E (2020) Water body detection analysis using ndwı ındices derived from Landsat-8 OLI. Polish Journal of Environmental Studies 29(2).
• Pettorelli N, Vik J O, Mysterud A, Gaillard J M, Tucker C J, Stenseth N C (2005) Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in ecology & evolution 20(9):503-510.
• Sever M (2020) Landsat 8 uydusundan alınan 2 farklı tarihli görüntülerin indeks uygulaması ile karşılaştırılması. Millî Savunma Üniversitesi Hezârfen Havacılık ve Uzay Teknolojileri Enstitüsü, İstanbul.
• USGS (2020) Landsat Normalized Difference Vegetation Index. https://l24.im/FRb (Erişim tarihi: 20.04.2023).
• Yeler O, Taş Divrik M, Çamur Elipek B (2021) Determination of Snowmelt Water Quality in Outdoor Green Areas: A Case Study at Van Province (Turkey). Aquatic Sciences and Engineering, 36 (2), 78-84.
• Xu H (2005) A study on ınformation extraction of water body with the modified normalized difference water ındex (MNDWI). Journal of Remote Sensing 9: 589-595.