Dergiler / Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi / 2026 / Cilt: 27 Sayı: 3

İzmir İli Orman Yangınlarında Yanık Şiddeti ve Etkilenen Arazi Örtüsü Tiplerinin Mekânsal Analizi

A Spatial Analysis of Burn Severity and Affected Land Cover Types in Forest Fires in the Province of İzmir

Barış Kahveci(NİĞDE ÖMER HALİSDEMİR ÜNİVERSİTESİ)0000-0002-8508-1748
Nuriye Ebru Yıldız(Niğde Ömer Halisdemir Üniversitesi)0000-0002-3508-4895
Sayfa
1–15
Yayın Tarihi
2026-09-10
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bulgular, yangınların özellikle Çeşme, Urla, Seferihisar, Menderes ve Aliağa çevresinde yoğunlaştığını göstermiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, İzmir ilinde 2025 yılında meydana gelen orman yangınlarının bitki örtüsü üzerindeki etkileri ve yanık şiddeti dağılımları, uzaktan algılama ve Coğrafi Bilgi Sistemleri (CBS) tabanlı yöntemlerle değerlendirilmiştir.
📊
Temel Bulgular & Veri:Analizlerde yangın öncesi ve sonrası Landsat 8 ve Landsat 9 OLI/TIRS uydu görüntüleri kullanılmış; yangın etkilerinin belirlenmesi için Normalize Edilmiş Yanma İndeksi (NBR) ve Fark Normalize Edilmiş Yanma İndeksi (dNBR) uygulanmıştır.
💡
Sonuç & Katkı:Bulgular, yangınların özellikle Çeşme, Urla, Seferihisar, Menderes ve Aliağa çevresinde yoğunlaştığını göstermiştir.
🔬Tür:Araştırma Makalesi
📍Kapsam:2025 Verileri
⚙️Değişkenler:Orman yangını · NBR · Uzaktan algılama

Özet

Bu çalışmada, İzmir ilinde 2025 yılında meydana gelen orman yangınlarının bitki örtüsü üzerindeki etkileri ve yanık şiddeti dağılımları, uzaktan algılama ve Coğrafi Bilgi Sistemleri (CBS) tabanlı yöntemlerle değerlendirilmiştir. Analizlerde yangın öncesi ve sonrası Landsat 8 ve Landsat 9 OLI/TIRS uydu görüntüleri kullanılmış; yangın etkilerinin belirlenmesi için Normalize Edilmiş Yanma İndeksi (NBR) ve Fark Normalize Edilmiş Yanma İndeksi (dNBR) uygulanmıştır. Ayrıca dNBR sonuçları, CORINE 2018 arazi örtüsü/kullanımı verileriyle birlikte değerlendirilerek yangından en fazla etkilenen arazi örtüsü tipleri belirlenmiştir. Bulgular, yangınların özellikle Çeşme, Urla, Seferihisar, Menderes ve Aliağa çevresinde yoğunlaştığını göstermiştir. Yangın sonrası dönemde düşük vejetasyon yoğunluğu sınıfında artış, orta yoğunluklu alanlarda ise belirgin azalma tespit edilmiştir. dNBR analizine göre çalışma alanının %89.39’u “yanmamış/değişmemiş” sınıfta yer alırken, düşük şiddetli yanık alanları %4.08, orta-düşük şiddetli alanlar %1.38 ve orta-yüksek şiddetli alanlar %0.04 oranında dağılım göstermiştir. Yüksek yeniden bitkilenme alanları %2.78, düşük yeniden bitkilenme alanları ise %2.33 olarak belirlenmiştir. CORINE analizine göre en fazla etkilenen arazi örtüsü türleri doğal çayırlar, orman-çalılık geçiş alanları, maki toplulukları ve iğne yapraklı ormanlardır. Tarım alanlarında, özellikle sürekli sulanan alanlar etkilenmiş; ancak yanık şiddeti çoğunlukla düşük ve orta düzeyde kalmıştır. Sonuçlar, Akdeniz ekosistemlerinin yangınlara karşı daha hassas olduğunu göstermektedir.

Abstract

In this study, the impacts of forest fires in İzmir Province in 2025 on vegetation and the distribution of burn severity were evaluated using remote sensing and Geographic Information Systems (GIS)-based methods. Landsat 8 and Landsat 9 OLI/TIRS satellite images representing pre- and post-fire periods were used in the analyses. To assess fire impacts, the Normalized Burn Ratio (NBR) and differenced Normalized Burn Ratio (dNBR) were applied. In addition, dNBR results were evaluated together with CORINE 2018 land cover/use data to identify the land cover types most affected by the fires. The findings indicate that the fires were mainly concentrated around Çeşme, Urla, Seferihisar, Menderes, and Aliağa. In the post-fire period, an increase in low-density vegetation classes and a notable decrease in medium-density vegetation areas were observed. According to the dNBR analysis, 89.39% of the study area was classified as “unburned/unchanged,” while low-severity burned areas accounted for 4.08%, moderate-low-severity areas for 1.38%, and moderate-high-severity areas for 0.04%. High-severity burned areas remained very limited. Additionally, high-recovery vegetation areas accounted for 2.78%, while low-recovery areas accounted for 2.33% of the total area. According to the CORINE analysis, the most affected land cover types were natural grasslands, forest–shrub transition areas, maquis communities, and coniferous forests. In agricultural areas, particularly permanently irrigated lands, were affected; however, burn severity generally remained at low to moderate levels. The results indicate that Mediterranean ecosystems are more vulnerable to wildfire impacts.

🔖

Bu Makaleye Atıf Yap

Kahveci, B., Yıldız, N. E. (2026). İzmir İli Orman Yangınlarında Yanık Şiddeti ve Etkilenen Arazi Örtüsü Tiplerinin Mekânsal Analizi. Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi, Cilt: 27 Sayı: 3, 1–15. https://doi.org/10.17474/artvinofd.1968311

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (33)

  1. Akkaş, M.E., Bucak, C., Boza, Z., Eronat, H., Bekereci, A., Erkan, A., & Cebeci, C. (2008). Büyük orman yangınlarının meteorolojik veriler ışığında incelenmesi (Teknik Bülten No. 36). T.C. Çevre ve Orman Bakanlığı, Ege Ormancılık Araştırma Enstitüsü Müdürlüğü.
  2. Aksoy, T., & Çabuk, A. (2018). Orman yangını sonrası uzaktan algılama yöntemleri ile yangın şiddetinin tespiti: İzmir Menderes orman yangını örneklemi. In Uluslararası Marmara Fen ve Sosyal Bilimler Kongresi Bildiriler Kitabı (pp. 1221–1226).
  3. Anadolu Ajansı. (2025a). İzmir Çeşme, Ödemiş ve Buca’daki orman yangınları kontrol altına alındı. https://www.aa.com.tr/tr/gundem/izmir-cesme-odemis-ve-bucadaki-orman-yanginlari-kontrol-altina-alindi/3621353, Erişim Tarihi: 10.05.2026.
  4. Anadolu Ajansı. (2025b). AFAD’dan, İzmir’deki orman yangınları sonrası yapılan çalışmalara ilişkin paylaşım. https://www.aa.com.tr/tr/gundem/afaddan-izmirdeki-orman-yanginlari-sonrasi-yapilan-calismalara-iliskin-paylasim/3673679, Erişim Tarihi: 10.05.2026.
  5. Arca, D., Hacısalihoğlu, M. & Kutoğlu, Ş.H. (2020). Producing forest fire susceptibility map via multi-criteria decision analysis and frequency ratio methods. Natural Hazards 104, 73–89. https://doi.org/10.1007/s11069-020-04158-7
  6. Atalay, İ. (1994). Türkiye vejetasyon coğrafyası. Ege Üniversitesi Basımevi.
  7. Bowman, D.M.J.S., Kolden, C.A., Abatzoglou, J.T., Johnston, F.H., van der Werf, G.R., & Flannigan, M. (2020). Vegetation fires in the Anthropocene. Nature Reviews Earth & Environment, 1(10), 500–515. https://doi.org/10.1038/s43017-020-0085-3
  8. Chaparro, D., Vall-llossera, M., Piles, M., Camps, A., Rüdiger, C., & Riera-Tatché, R. (2016). Predicting the extent of wildfires using remotely sensed soil moisture and temperature trends. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 9(7), 2818–2829. https://doi.org/10.1109/JSTARS.2016.2571838
  9. Chowdhury, E.H., & Hassan, Q.K. (2015). Operational perspective of remote sensing-based forest fire danger forecasting systems. ISPRS Journal of Photogrammetry and Remote Sensing, 104, 224–236. https://doi.org/10.1016/j.isprsjprs.2014.03.011
  10. Çakır, R., & İnce, C. (2025). Küresel bir afet biçimi olarak iklim değişikliği ve halk sağlığına olası etkileri: Bir literatür taraması. SDÜ Sağlık Yönetimi Dergisi, 7(2), 126–147. https://izlik.org/JA72DS42AG
  11. Çolak, E., & 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
  12. Escuin, S., Navarro, R., & Fernández, P. (2008). Fire severity assessment by using NBR (Normalized Burn Ratio) and NDVI (Normalized Difference Vegetation Index) derived from LANDSAT TM/ETM images. International Journal of Remote Sensing, 29(4), 1053–1073. https://doi.org/10.1080/01431160701281072
  13. ESRI. (2025). Band Arithmetic function. ArcGIS Pro Documentation. https://pro.arcgis.com/en/pro-app/3.4/help/analysis/raster-functions/band-arithmetic-function.htm, Erişim Tarihi: 07.05.2026.
  14. HGM. (2025). Harita Genel Müdürlüğü Türkiye il ve ilçe sınırları verileri. https://www.harita.gov.tr, Erişim Tarihi: 04.05.2026.
  15. İçişleri Bakanlığı. (2025). 26 Haziran–04 Temmuz 2025 tarihleri arasında 12 ilimizde meydana gelen 65 orman yangınıyla ilgili basın açıklaması. https://www.icisleri.gov.tr/26-haziran-04-temmuz-2025-tarihleri-arasinda-12-ilimizde-meydana-gelen-65-orman-yanginiyla-ilgili-basin-aciklamasi, Erişim Tarihi: 15.05.2026.
  16. İzmir Orman Bölge Müdürlüğü. (2025). Orman varlığı. Orman Genel Müdürlüğü. https://www.ogm.gov.tr/izmirobm/ormanlarimiz/orman-varligi, Erişim Tarihi: 20.05.2026.
  17. Karadaş, G., & Altınkaya, F. (2025). Orman yangını sonrası peyzaj bozulmalarının mekânsal analizi ve restorasyon stratejilerinin geliştirilmesi: Bursa Orhaneli-Harmancık Örneği. Turkish Journal of Forest Science, 9(2), 490–504. https://doi.org/10.32328/turkjforsci.1774187
  18. Kavgacı, A., & Tavşanoğlu, Ç. (2010). Akdeniz tipi ekosistemlerde yangın sonrası vejetasyon dinamiği. Turkish Journal of Forestry, 11(2), 149–166. https://doi.org/10.18182/tjf.57284
  19. Kaya, M. (2025). İzmir’de orman yangını riskinin mekânsal analizi. İzmir Planlama Ajansı, İzmir Büyükşehir Belediyesi. https://mlab.izq.com.tr/Docs/IZMIRDE-ORMAN-YANGINI-RISKININ- MEKANSAL-ANALIZI.pdf, Erişim Tarihi: 05.06.2026.
  20. Kaynak, T. (2025). Uzaktan algılama ve CBS kullanılarak orman yangınlarının etkilerinin analizi: Taşköprü 2020 orman yangını örneği. Türk Uzaktan Algılama ve CBS Dergisi, 6(2), 168–180. https://doi.org/10.48123/rsgis.1643526
  21. Key, C.H., & Benson, N.C. (2006). Landscape assessment: sampling and analysis methods. In D. C. Lutes, R. E. Keane, J. F. Caratti, C. H. Key, N. C. Benson, S. Sutherland, & L. J. Gangi (Eds.), FIREMON: Fire effects monitoring and inventory system (Gen. Tech. Rep. RMRS-GTR-164-CD, pp. LA-1–LA-55). U.S. Department of Agriculture, Forest Service, Rocky Mountain Research Station. https://research.fs.usda.gov/treesearch/24066
  22. OSM. (2025). OpenStreetMap geographic data. OpenStreetMap Foundation. https://www.openstreetmap.org, Erişim Tarihi: 01.05.2026.
  23. Parks, S.A., Dillon, G.K., & Miller, C. (2014). A new metric for quantifying burn severity: the relativized burn ratio. Remote Sensing, 6(3), 1827–1844. https://doi.org/10.3390/rs6031827
  24. Sarı, F. (2021). Forest fire susceptibility mapping via multi-criteria decision analysis techniques for Mugla, Turkey: a comparative analysis of VIKOR and TOPSIS. Forest Ecology and Management, 480, 118644. https://doi.org/10.1016/j.foreco.2020.118644
  25. Sütgibi, S. (2013). İzmir ve Manisa’da meydana gelen büyük orman yangınlarının değerlendirilmesi. Ege Coğrafya Dergisi, 22(1), 45–55. https://izlik.org/JA67AW39GZ
  26. Turco, M., Rosa-Cánovas, J.J., & Bedia, J. (2018). Exacerbated fires in Mediterranean Europe due to anthropogenic warming projected with non-stationary climate-fire models. Nature Communications, 9, 3821. https://doi.org/10.1038/s41467-018-06358-z
  27. USGS. (2025a). United States Geological Survey, Landsat Collection 2 Level-2 Surface Reflectance data. EarthExplorer. https://earthexplorer.usgs.gov, Erişim Tarihi: 21.05.2026.
  28. USGS. (2025b). United States Geological Survey, What are the band designations for the Landsat satellites? U.S. Geological Survey. https://www.usgs.gov/faqs/what-are-band-designations-landsat-satellites, Erişim Tarihi: 21.05.2026.
  29. Yuan, C., Zhang, Y., & Liu, Z. (2015). A survey on technologies for automatic forest fire monitoring, detection, and fighting using unmanned aerial vehicles and remote sensing techniques. Canadian Journal of Forest Research, 45(7), 783–792. https://doi.org/10.1139/cjfr-2014-0347
  30. Kaya, M. (2025). İzmir’de orman yangını riskinin mekânsal analizi. İzmir Planlama Ajansı, İzmir Büyükşehir Belediyesi. https://mlab.izq.com.tr/Docs/IZMIRDE-ORMAN-YANGINI-RISKININ- MEKANSAL-ANALIZI.pdf, Erişim Tarihi: 05.06.2026.
  31. OSM. (2025). OpenStreetMap geographic data. OpenStreetMap Foundation. https://www.openstreetmap.org, Erişim Tarihi: 01.05.2026.
  32. USGS. (2025a). United States Geological Survey, Landsat Collection 2 Level-2 Surface Reflectance data. EarthExplorer. https://earthexplorer.usgs.gov, Erişim Tarihi: 21.05.2026.
  33. USGS. (2025b). United States Geological Survey, What are the band designations for the Landsat satellites? U.S. Geological Survey. https://www.usgs.gov/faqs/what-are-band-designations-landsat-satellites, Erişim Tarihi: 21.05.2026.