Uzaktan Algılama ve Veri Bilimi Teknikleriyle Orman Yangınları için Meteorolojik Etkilerin İzlenmesi

Yıl 2025, Cilt: 25 Sayı: 1, 137 - 143

Mustafa Mutlu Uysal , Murat Uysal

Öz

Bu çalışmada uzaktan algılama veri ve teknikleriyle çalışma alanına özgü meteorolojik veri seti oluşturulup Google Colab ortamında python kodları kullanılarak orman yangınları için meteorolojik etkilerin izlenmesi amaçlanmıştır. Bu kapsamda Google Earth Engine Kataloğundan çalışma alanına ait Terra Climate görüntüleri aylık zamansal çözünürlükte indirilerek Arcmap yazlımı ile ön işleme yapılmıştır. Çalışma alanında gerçekleşmiş orman yangını koordinatları ile yangın var/yok noktası oluşturulmuştur. Bu noktalar bulunduğu pikseller için değer çıkarımı yapılarak Evapotranpirasyon, Rüzgâr hızı, Toprak nemi, Yağış, Maksimum sıcaklık, Minimum sıcaklık ve Potansiyel güneş radyasyonundan oluşan 2050*8 satır*sütundan oluşan veri seti hazırlanmıştır. Google Colab ortamında veri analizleri yapılarak Orman yangınları ile korelasyonları Evapotranspirasyon -0,57, Rüzgâr hızı 0,20, Nem -0,13, Yağış -0,67, Maksimum sıcaklık 0,29, Minimum sıcaklık 0,24 ve Potansiyel güneş radyasyonu 0,13 olarak tespit edilmiştir.

Anahtar Kelimeler

Uzaktan Algılama, Veri Bilimi, Orman Yangını, İklim, Korelasyon

Etik Beyan

Uzaktan Algılama ve Veri Bilimi Teknikleriyle Orman Yang,nları için Meteorolojik Etkilerin İzlenmesi' adlı makale 190748004 öğrenci numaralı Mustafa Mut|u UYSAL'ın Doktora tez çallşmasl içerisinde hazırlanmıştlr.

Monitoring Meteorological Impacts for Forest Fires with Remote Sensing and Data Science Techniques

Öz

In this study, it was aimed to create a meteorological data set specific to the study area with remote sensing data and techniques and to monitor the meteorological effects of forest fires by using Python codes in the Google Colab environment. In this context, TerraClimate images of the study area were downloaded monthly from the Google Earth Engine Catalog and pre-processed with Arcmap software. A fire/no fire point was created with the coordinates of the forest fire that occurred in the study area. By extracting values for the pixels where these points are located, a data set consisting of 2050 * 8 rows * columns consisting of Evapotranspiration, Wind speed, Humidity, Precipitation, Maximum temperature, Minimum temperature and Potential solar radiation was prepared. Data analysis was made in the Google Colab environment and correlations with forest fires were calculated and they were found -0.57 for Evapotranspiration, 0.20 for Wind speed, -0.13 for Humidity, -0.67 for Precipitation, 0.30 for Maximum temperature, 0.24 for Minimum temperature and 0.13 for Potential solar radiation.

Anahtar Kelimeler

Remote sensing, Data Science, Forest Fire, Climate data, Correlation

Kaynakça

• Alkayış, M.H., Karslioğlu, A. ve Onur, M. İ., 2022. Muğla ili Menteşe yöresi orman yangını risk potansiyeli haritasının coğrafi bilgi sistemleri ile belirlenmesi. Geomatik, 7(1), 10-16. https://doi.org/10.29128/geomatik.791545
• Beşli, N. ve Tenekeci, E., 2020. Uydu verilerinden karar ağaçları kullanarak orman yangını tahmini. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 11(3), 899-906 https://doi.org/10.24012/dumf.661925
• Çolak, E. ve Sunar, F., 2020. Evaluation of forest fire risk in the Mediterranean Turkish forests: A case study of Menderes region, Izmir. International journal of disaster risk reduction, 45, 101479. https://doi.org/10.1016/j.ijdrr.2020.101479
• Kavlak, M. Ö., Kurtipek, A. ve Çabuk, S. N., 2020. Coğrafi Bilgi Sistemleri ile orman yangını risk haritası oluşturulması: Ören örneği. Resilience, 4(1), 33-54. https://doi.org/10.32569/resilience.597887
• Küçük, Ö. ve Sağlam, B., 2004. Orman yangınları ve hava halleri. Kastamonu Üniversitesi Orman Fakültesi Dergisi, 4(2), 220-231.
• Mohajane, M., Costache, R., Karimi, F., Pham, Q. B., Essahlaoui, A., Nguyen, H. and Oudija, F., 2021. Application of remote sensing and machine learning algorithms for forest fire mapping in a Mediterranean area. Ecological Indicators, 129, 107869. https://doi.org/10.1016/j.ecolind.2021.107869
• Naderpour, M., Rizeei, H. M. and Ramezani, F., 2021. Forest fire risk prediction: a spatial deep neural network-based framework. Remote Sensing, 13(13), 2513. https://doi.org/10.3390/rs13132513
• Novo, A., Fariñas-Álvarez, N., Martínez-Sánchez, J., González-Jorge, H., Fernández-Alonso, J. M. and Lorenzo, H., 2020. Mapping forest fire risk—a case study in Galicia (Spain). Remote Sensing, 12(22), 3705. https://doi.org/10.3390/rs12223705
• Sabuncu, A. ve Özener, H., 2019. Uzaktan algılama teknikleri ile yanmış alanların tespiti: İzmir Seferihisar orman yangını örneği. Doğal Afetler ve Çevre Dergisi, 2019; 5(2): 317-326 https://doi.org/10.21324/dacd.511688
• Satir, O., Berberoglu, S. and Donmez, C., 2016. Mapping regional forest fire probability using artificial neural network model in a Mediterranean forest ecosystem. Geomatics, Natural Hazards and Risk, 7(5), 1645-1658. https://doi.org/10.1080/19475705.2015.1084541
• Sayad, Y. O., Mousannif, H. ve Al Moatassime, H., 2019. Predictive modeling of wildfires: A new dataset and machine learning approach. Fire safety journal, 104, 130-146. https://doi.org/10.1016/j.firesaf.2019.01.006
• Thach, N. N., Ngo, D. B. T., Xuan-Canh, P., Hong-Thi, N., Thi, B. H., Nhat-Duc, H. ve Dieu, T. B., 2018. Spatial pattern assessment of tropical forest fire danger at Thuan Chau area (Vietnam) using GIS-based advanced machine learning algorithms: A comparative study. Ecological informatics, 46, 74-85 https://doi.org/10.1016/j.ecoinf.2018.05.009
• Zhang, G., Wang, M. ve Liu, K., 2021. Deep neural networks for global wildfire susceptibility modelling. Ecological Indicators, 127, 107735. https://doi.org/10.1016/j.ecolind.2021.107735
• Hacisalihoğlu, M., 2018. Çok kriterli karar analizi ile orman yangını risk haritalarının oluşturulması: Karabük örneği. Yüksek Lisans Tezi, Zonguldak Bülent Ecevit Üniversitesi Fen Bilimleri Enstitüsü, Zonguldak, 115.
• Bilgili, E., Küçük, Ö., Sağlam, B. ve Coşkuner, A. (2021). Orman yangınları: sebepleri, etkileri, izlenmesi, alınması gereken önlemler ve rehabilitasyon faaliyetleri. Prof. Dr. Taşkın KAVZOĞLU (Editör), Türkiye Bilimler Akademisi Yayınları, 3-23. http://dx.doi.org/10.53478/TUBA.2021.039
• https://www.ipcc.ch/report/ar6/syr/summaryfor policymakers/(01.04.2024)
• https://www.ogm.gov.tr/tr/ekutuphane/ (01.03.2024)
• https://tr.wikipedia.org/wiki/Bal%C4%B1kesir (01.03.2024)
• https://developers.google.com/earthengine/dataset (01.02.2024)