Integration of remote sensing and GIS for monitoring the areas affected by forest fires: A case study of Izmir, Menderes

Abstract

21. yüzyılda insanlık büyük bilimsel keşifler yaptı. Dünyayı fiziksel olarak anlama ve analiz etme konusunda ortaya çıkan bu temel keşiflere paralel olarak teknolojiyi geliştirmek mümkün oldu.Sanayi devriminin bir sonucu olarak, artan insan nüfusu ve doğal kaynaklara olan talep, dünya üzerinde fiziksel olarak büyük bir değişime yol açmaktadır. Doğal kaynak tüketiminin yoğun bir şekilde artması ve doğanın insan tarafından tahrip edilmesi, küresel ısınma gibi feci sonuçlara neden olmaktadır. Ayrıca deprem, tsunami ve orman yangınları gibi doğal afetler sebebiyle bilgi ve teknolojiyi kullanarak çevreyi gözlemlemek ve kavramak elzem bir hâl almıştır. 2. Dünya Savaşı ile gelişen uzaktan algılama teknolojisi bu çevresel sorunları geçmişten günümüze yaratmış olduğu veri deposuyla daha da yakından takip etmemize ayrıca gezegende meydana gelebilecek tüm felaketleri tahmin ve analiz etmemize yardımcı olacaktır.Uzaktan Algılama, özellikle 2. Dünya Savaşı'ndan sonra geliştirilen havacılık ve uzay teknolojileri ile en önemli bilimsel ve teknik alanlardan biri haline gelmiştir. Uzaktan algılama tekniklerinin temel amacı, insansız hava araçlarının (İHA), uçakların ve uyduların kullanımıyla dünya yüzeyindeki karaların, okyanusların ve buz tabakalarının gözlemlenmesidir. Uzaktan algılama görüntüleri, ormancılık, tarım, jeoloji, meteoroloji gibi bir topografik, oşinografik ve atmosferik uygulamalarda yaygın olarak kullanılmaktadır. Bu görüntüler, dünya yüzeyinin zaman içindeki değişimlerini izlemeyi mümkün kılmakta ayrıca bu değişimlerin ölçülmesini sağladığından oldukça önemlidirler.Uzaktan algılamayı tanımlamak gerekirse, bir nesneden fiziksel temas olmaksızın elektromanyetik enerji ile bilgi toplanmasını ve kaydedilmesini sağlayan bilim ve teknolojidir. Uzaktan algılamanın tanımı geniş anlamda çok sayıda teknoloji içermesine rağmen, tüm uzaktan algılama teknolojileri belli temel kavramlara dayanmakta ve aynı temel bileşenleri içermektedir. Sistemdeki ana bileşenler hedef, enerji kaynağı, iletim yolu ve bir algılayıcıdır.Coğrafi Bilgi Sistemi (CBS) ise coğrafi amaçlar için geniş ölçekli görevleri uygulamak amacıyla özel olarak tasarlanmış bir yazılım paketi olarak tanımlanmaktadır. CBS sisteminin temel görevleri verinin girişi, depolanması, işlenmesi, analiz edilmesi, yönetilmesi ve görüntülenmesi şeklindedir. Coğrafi Bilgi Sistemi'nin 1960'ların ortalarında ortaya çıkmasıyla birlikte uzaktan algılama verilerinin ve CBS verileriyle entegrasyonu, çevrenin modellenmesi, analiz edilmesi ve haritalanması için kullanılmıştır. Dolayısıyla, uzaktan algılama verilerinde CBS'nin kullanımı kartografik ve tematik bilgiyi geliştirmiştir. CBS ile uzaktan algılama entegrasyonu görüntü işleme tekniklerinin de gelişmini sağlamıştır.Orman yangını analizi, uzaktan algılama ve CBS entegrasyonunun önemli uygulamalarından biridir. Bir yangının başlangıcını ve yayılmasını etkileyen parametrelerin çeşitliliği nedeniyle, orman yangınının bu verilerin entegrasyonu ile analizini zorunlu kılmaktadır. Uzaktan algılama ve CBS entegrasyonunun yerel, bölgesel ve küresel ölçekte orman yangınlarını izleme ve haritalamada en yararlı ve etkili yol olduğu söylenebilir.Bu tez çalışmasında, 1 Temmuz 2017 tarihinde İzmir Orman Genel Müdürlüğü sınırları içerisinde bulunan Menderes ilçesinde meydana gelen bir orman yangını, yangın öncesi ve sonrası elde edilen Sentinel 2 ve Landsat 8 uydu görüntülerinin, İzmir Orman Genel Müdürlüğü tarafından gerçekleştirilen bir arazi çalışmasından elde edilen CBS verisi entegrasyonu ile analiz edilmiştir.Gerçekleşen bu yangının sonuçlarını gözlemlemek, analiz etmek ve haritalamak için yangın öncesi ve sonrası elde edilen Sentinel 2 ve Landsat 8 uydu görüntülerine spektral yanma indeksleri (Yanan Alan Indeksi (Burn Area Index - BAI), Orta Kızılötesi Yanma İndeksi (Mid Infrared Burn Index - MIRBI), Normalize Edilmiş Yanma Şiddeti (Normalized Burn Ratio - NBR) ve Normalize Edilmiş Isıl Yanma Şiddeti (Normalized Burn Ratio Thermal - NBRT), sınıflandırma (ISODATA, Maksimum Benzerlik ve Destek Vektör Makineleri), yanma şiddetini (dNBR) ve yeryüzü yüzey sıcaklığını belirleme ayrıca CBS verisiyle entegrasyon gibi farklı görüntü işleme teknikleri uygulanmıştır.Yanmış orman alanını belirlemek ve analiz etmek için yangından sonra algılanmış olan Landsat 8 uydu görüntüsüne BAI, NBR, NBRT ve MIRBI spektral yanma indeksleri uygulanmıştır. Yanmış orman bölgesini yanmamış bölgelerden ayırt etmede NBR ve NBRT indekslerinin oldukça başarılı oldukları gözlemlenmiştir. Ancak, BAI ve MIRBI indekslerinin yanmış orman alanlarını yanmamış alanlardan tamamen ayırt edemedikleri ve özellikle su alanları ile karıştırdığı görülmüştür.Yanma şiddeti, yangın sonrası (16.07.2017) ve yangın öncesi (30.06.2017) Landsat 8 görüntülerinden, NBR veri kümelerinin farkını hesaplayan dNBR indeksi kullanılarak üretilmiştir. Aynı işlem yangından tam bir yıl sonra algılanmış olan 03.07.2018 tarihli Landsat 8 görüntüsüne de uygulanarak bitki örtüsünde bir iyileşme olup olmadığı gözlemlenmeye çalışılmış fakat aradan bir yıl geçmesine rağmen yangının sonuçlarının herhangi bir şekilde değişmediği ortaya konmuştur.Yeryüzü yüzey sıcaklığını (LST) ve değişimini (dLST) belirlemek için yangın öncesi (30.06.2017) ve sonrası (16.07.2017) Landsat 8 görüntülerine yeryüzü yüzey sıcakılığı metodu uyglanmıştır. Elde edilen bilgiler ışığında yangın sonrası yanmış orman alanının yüzey sıcaklığının diğer bölgelere göre 1 ve 11 C° arasında arttığı gözlemlenmiştir. Bunun sebebinin yangın sonrasında yanmış orman alanın albedo değerlerinin düşmesi olduğu (düşük albedo yüzeyde daha fazla güneş enerjisinin absorbe edilmesine yol açar) düşünülmektedir.dLST ve dNBR parametreleri arasında olası bir ilişkinin olup olmadığını belirlemek için bu değişkenlere korelasyon analizi uygulanmıştır. Bunun sonucunda yüzey sıcaklığı değişimi ile yanma şiddeti arasında yüksek bir korelasyon olduğu (R = 0.8138) görülmüştür. Ayrıca diğer spektral yanma indekslerinden elde edilen dBAI, dMIRBI ve dNBRT'nin dLST verisi ile bir ilişkisinin olup olmadığını görmek için korelasyon analizi gerçekleştirilmiştir. Sonuç olarak dLST ve dMIRBI arasında negatif bir korelasyon (R = -0.7520) olduğu ve dLST ile dNBRT arasında da yüksek bir korelasyonun (R = 0.8567) olduğu gözlemlenmiştir. Ancak dLST ile dBAI arasında herhangi bir korelasyon olmadığı (R = 0) görülmüştür.Kontrolsüz sınıflandırma işlemi olarak ISODATA algoritması yangın sonrası elde edilen 10 m ve 20 m mekânsal çözünürlüğe sahip Sentinel 2 ve 30 m mekânsal çözünürlüğe sahip Landsat 8 uydu görüntülerine uygulanmıştır. Sınıflandırma sonucunda yanmış orman alanı Sentinel (10 m) için 972,9 ha, Sentinel (20 m) için 938,61 ha ve Landsat (30 m) için 926,91 ha olarak bulunmuştur (İzmir Orman Genel Müdürlüğü tarafından yapılan arazi çalışmasında yanmış orman alanı 986 ha olarak ölçülmüştür). Kontrollü sınıflandırmada Maksimum Benzerlik ve Destek Vektör Makineleri algoritmaları kullanılmıştır. Maksimum Benzerlik sınıflandırma algoritması sonucunda yanmış orman alanı Sentinel (10 m) için 962,37 ha, Sentinel (20 m) için 963,36 ha ve Landsat (30 m) için 911,34 ha olarak bulunmuştur. Sınıflandırma sonuçlarının doğrulukları ise Sentinel (10 m) için % 96,43, Sentinel (20 m) için % 82,22 ve Landsat (30 m) için % 80,30 şeklindedir. Destek Vektör Makineleri algoritması sonucunda ise yanmış orman alanı Sentinel (10 m) için 991,35 ha, Sentinel (20 m) için 994,65 ha ve Landsat (30 m) için 997,11 ha olarak bulunmuştur. Sınıflandırma doğrulukları Sentinel (10 m) için % 99,56, Sentinel (20 m) için % 97,86 ve Landsat (30 m) için % 97,52 şeklindedir.Son olarak bir CBS verisi uzaktan algılama verileriyle entegre edilerek eğim ve orman kapalılık haritaları üretilmiş ve bunların orman yangınına ve yanma şiddetine olan etkileri analiz edilmeye çalışılmıştır. Sonuç olarak, % 29 ve % 41 arasındaki eğimin ve % 71 - 100 oranında kapalılığın orman yangınını etkilediği görülmüştür. Ayrıca, sonuçlara göre yine % 29 ve % 41 arasındaki eğimin ve % 71 - 100 oranında kapalılığın çoğunlukla düşük yanma şiddetine neden olduğu belirlenmiştir.Bu çalışmada, orman yangınlarından etkilenen alanları izlemek için uzaktan algılama ve CBS tekniklerinin başarılı bir şekilde kullanılabileceği gösterilmiştir.

In this thesis, a forest fire occured in Menderes, Izmir on July 1, 2017 was analyzed by a integration of pre-fire and post-fire Sentinel 2 and Landsat 8 satellite images with a Geographical Information System (GIS) data obtained from a field study conducted by Izmir Forestry Chief Directorate. For this purpose, remote sensing techniques such as spectral burn indexes (Burn Area Index (BAI), Normalized Burn Ratio (NBR) and Normalized Burn Ratio – Thermal (NBRT) and Mid-Infrared Burn Index (MIRBI)), burn severity (dNBR), land surface temperature determination, and classification, together with GIS analysis were applied to the pre-fire and post-fire satellite images to monitor, analyse, and map the effects of the forest fire occured in Menderes region.The spectral burn idexes BAI, NBR, NBRT, and MIRBI were applied on the post-fire Landsat 8 satellite image to extract and analyse the burned forest area. The NBR and NBRT indexes were very succesful to seperate the burned forest area from unburned areas. However, it is monitored that the BAI and MIRBI indexes could not completely distinguish the burned forest area from unburned areas, and they are mixed with other land covers especially with water bodies.The burn severity was generated from post-fire (16.07.2017) and pre-fire (30.06.2017) Landsat 8 images by the use of dNBR index which computes the difference of NBR data sets. The same process was applied on 03.07.2018 dated post-fire Landsat 8 image to monitor the vegetation survival and mortality after one year later of the fire as the dNBR index shows also the vegetation regrowth. As a result, no vegetation regrowth was observed in the forest area after one year, and the effects of the fire are still the same.Land Surface Temperature (LST) was also estimated by the use of land surface temperature method to monitor the changes of LST (dLST) in the Menderes region from pre-fire (30.06.2017) and post-fire (16.07.2017) Landsat 8 images. As a result, it was observed that the LST of the burned forest area was increased from 1 to 11 C° compared to unburned areas. The reason for the LST increase in burned areas is thought as the decrease of albedo (lower albedo leads to absorption of more solar energy at surface).A correlation analysis was applied on dLST and burn severity (dNBR) to observe the possible relationship on these two variables. Eventually, a high correlation (R = 0.8138) was observed between the dNBR and the dLST. In addition, correlation analysis of dBAI, dMIRBI and dNBRT, obtained from other spectral burn indexes, with the dLST data were performed; moreover, dMIRBI and dNBRT indexes were found to be related to dLST (R = -0.7520 and R = 0.8567, repectively). However, the correlation coefficient between dBAI and dLST was found as zero (R = 0).ISODATA classification method was performed on post-fire Sentinel 2 (10 m and 20 m spatial resolution) and Landsat 8 (30 m spatial resolution) satellite images. After applying the ISODATA classification algorithm as unsupervised classification method on three mentioned images, the area extent of burned areas was found as 972,9 ha, 938,61 ha, and 926,91 ha for the Sentinel (10 m), Sentinel (20 m), and Landsat 8 (30 m) satellite images respectively (the areal extent of burned area was measured as 986 ha by the Izmir Forestry Chief Directorate after a field work). As supervised classification method Maximum Likelihood and Support Vector Machine classification algorithms were applied on post-fire satellite images. As a result, burned forest areas were detemined as 962.37 ha, 963,36 ha, and 911,34 ha for 10 m Sentinel, 20 m Sentinel, and 30 m Landsat 8 satellite images respectively, and the overall accuracies were computed as 96.43 %, 82.22 %, and 80.30 % for Sentinel (10 m), Sentinel (20 m), and Landsat (30 m) respectively. The areal extent were calculated from Support Vector Machine method was found as 991,35 ha, 994,65 ha, and 997,11 ha for 10 m Sentinel, 20 m Sentinel, and 30 m Landsat 8 satellite images respectively. Furthermore, the overall accuracies of the classification results were found as 99.56 %, 97.86 %, and 97.52 % for 10 m Sentinel, 20 m Sentinel, and 30 m Landsat 8 images respectively.Consequently, a GIS data was integrated with the remote sensing images; moreover, a slope and canopy density map were generated, and their relationship with the burned forest area and burn severity were determined. It was observed that slope from 29 to 41%, and the canopy density between 71 and 100 % were effecting the burned forest area. Moreover, according to the results slope from 29 to 41%, and the canopy density between 71 and 100 % were mostly determined as low burn severity.In this study, it is shown that remote sensing and GIS techniques can be successfully used to monitor the areas affected by forest fires.