Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBulgular, 2015–2025 döneminde geçirimsiz yüzey alanlarında genel bir artış olduğunu ve değişimin seçilmiş mahalleler arasında mekânsal olarak heterojen bir yapı gösterdiğini ortaya koymuştur.
📌 3 Maddede Bu Makale
Özet
Kentleşme süreçlerinin hızlanmasıyla birlikte doğal yüzeylerin yerini giderek artan oranda geçirimsiz yüzeylerin alması, kentsel ekosistemler üzerinde önemli mekânsal ve çevresel etkiler oluşturmaktadır. Bu nedenle geçirimsiz yüzeylerin mekânsal dağılımının ve zamansal değişiminin izlenmesi, kentsel büyüme süreçlerinin anlaşılması ve sürdürülebilir planlama kararlarının desteklenmesi açısından önemlidir. Bu çalışmada, Ordu ili Altınordu ilçesindeki seçilmiş 18 kentsel mahallede geçirimsiz yüzeylerin mekânsal dağılımı ve 2015–2025 yılları arasındaki değişimi, Geliştirilmiş Normalleştirilmiş Fark Geçirimsiz Yüzey İndeksi (ENDISI) kullanılarak analiz edilmiştir. Çalışmada 2015 ve 2025 yıllarına ait Sentinel-2 Level-2A uydu görüntüleri kullanılmış; ön işleme ve Modifiye Edilmiş Normalleştirilmiş Fark Su İndeksi (MNDWI) ile su yüzeylerinin maskelenmesinin ardından geçirimsiz yüzeyler eşik değerine dayalı sınıflandırma yaklaşımıyla belirlenmiştir. Sınıflandırma performansı Spektral Ayrım İndeksi (SDI) ve hata matrisi temelli doğruluk değerlendirmesiyle incelenmiştir. Ayrıca 2015 ve 2025 yıllarına ait mahalle ölçeğindeki geçirimsiz yüzey oranları Wilcoxon işaretli sıralar testi kullanılarak istatistiksel olarak karşılaştırılmıştır. Bulgular, 2015–2025 döneminde geçirimsiz yüzey alanlarında genel bir artış olduğunu ve değişimin seçilmiş mahalleler arasında mekânsal olarak heterojen bir yapı gösterdiğini ortaya koymuştur. Eşleştirilmiş karşılaştırma sonucunda, 2015 ve 2025 yıllarındaki mahalle ölçeğindeki geçirimsiz yüzey oranları arasında istatistiksel olarak anlamlı bir fark belirlenmiş (p = 0,004) ve etki büyüklüğünün yüksek olduğu saptanmıştır (r_rb = 0,84). Sınıflandırmada 2015 ve 2025 yılları için sırasıyla %92,3 ve %94,3 genel doğruluk ile 0,84 ve 0,88 Kappa katsayıları elde edilmiştir. Sonuçlar, ENDISI'nin Altınordu'da seçilmiş kentsel mahalleler kapsamında geçirimsiz yüzeylerin belirlenmesinde tatmin edici bir sınıflandırma performansı sağladığını göstermektedir. Çalışma, Altınordu'da mahalle ölçeğindeki net geçirimsiz yüzey değişiminin izlenmesine ve yerel mekânsal planlama değerlendirmelerine katkı sağlayabilecek alana özgü ampirik bulgular sunmaktadır.
Abstract
Background/Aim: The increasing replacement of natural surfaces with impervious surfaces due to rapid urbanization has significant spatial and environmental impacts on urban ecosystems. Therefore, monitoring the spatial distribution and temporal change of impervious surfaces is essential for understanding urban growth processes and supporting sustainable planning decisions. This study aimed to analyze the spatial distribution of impervious surfaces and their changes between 2015 and 2025 in 18 neighborhoods of Altınordu district (Ordu, Türkiye) using the Enhanced Normalized Difference Impervious Surface Index (ENDISI). Methods: Sentinel-2 Level-2A satellite imagery acquired for 2015 and 2025 was used to calculate the ENDISI. Impervious surfaces were extracted using a threshold-based classification approach after preprocessing and water masking with the Modified Normalized Difference Water Index (MNDWI). Classification performance was evaluated using the Spectral Discrimination Index (SDI) and an error matrix-based accuracy assessment. In addition, neighborhood-level impervious surface proportions for 2015 and 2025 were statistically compared using the Wilcoxon signed-rank test. Results: The results revealed an overall increase in impervious surface areas between 2015 and 2025. Neighborhood-scale analyses demonstrated that impervious surface change was spatially heterogeneous, with the magnitude of change varying considerably among the selected neighborhoods. The paired comparison confirmed a statistically significant difference in neighborhood-level impervious surface proportions between 2015 and 2025 (p = 0.004), with a large effect size (r_rb = 0.84). The classification achieved overall accuracies of 92.3% and 94.3%, with Kappa coefficients of 0.84 and 0.88 for 2015 and 2025, respectively. Conclusion: The findings indicate that ENDISI provided satisfactory classification performance within the selected urban neighborhoods of Altınordu. The study offers a case-specific neighborhood-scale assessment of net impervious-surface change that can contribute to local urban monitoring and spatial planning evaluations.