Assessment of rangeland vegetation condition from time series NDVI data

Özet

Geni ş alanları kapsayan meraları n dah a etki n v e ekonomi k yönetim i içi n yen i yöntemleri n geliştirilmesin e gereksinim duyulmaktadı r.Uydu verilerinden elde edilen normalleştirilmiş fark bitki indeksi (NDVI) verisi mera vejetasyonunu n zaman a bağl ı olarak izlenmesin e olanak veri r. Yükselti vejetasyon gelişimin i etkileyen öneml i faktörlerden biris i olduğundan meraları n vejetasyon durumun u belirlerken rakımı n dikkate al ınmas ı gereklidi r. Bu amaçla; çalışm a alanındak i benzer yükseltiy e sahi p mera alanların ı temsi l eden 1 0 yıllı k (2000-2009) ortalama NDVI verisinden şartlı kural yöntemiyle yükseltiye göre normalleştirilmiş EN -NDVI verisi üretilmişti r. Daha sonra, EN-NDVI verisine kontrollü sınıflandırma yöntemi uygulanarak çalışma alanına ait dört farklı mera durum sınıfı elde edilmişti r. Bu sınıflar; çok iyi, iyi, orta ve zayıf olarak adlandırılmıştı r. Sonuçlar, her bir mera durumu için kaplama alanının; çok iyi %10,02, iyi % 20,55, orta % 31,83 ve zayıf %37,60 şeklinde olduğunu göstermişti r. Yapılan değerlendirmede genel doğruluk %52,5 ve Kappa istatistiği 0,30 olarak bulunmuştu r.

Abstract

Th e great spatial exten t of rangeland s has prompted a need for more efficien t an d cos t effectiv e management tools. Satellite based normalized di fference vegetation index (NDVI) data offers improved and timel y monitorin g of rangelan d vegetation . Sinc e elevation i s on e of th e factors affectin g vegetation phenolog y, it should be considered when assessing vegetation status of rangelands. In this stud y, rangeland condition was determined by classifying an elevation -normalized NDVI image (EN-NDVI) produced by a conditional rule approach based on elevation data representing active growing season of rangelands in whole project area. A supervised classification algorithm was used to obtain four rangeland conditions called very good, good, moderate and poor. The results revealed that the coverage of each range condition was; 10.02% very good, 20.55% good, 31.83% moderate and 37.60% poor. General classification accuracy and Kappa statistic values were 52.5% and 0.30 respectivel y.