Dergiler / Anadolu Tarım Bilimleri Dergisi / 2021 / Cilt: 36 - Sayı: 2

Konya Kapalı Havzası Uzun Dönem Bitki Örtüsü İndeksi Verilerinin İzlenmesi ve Eğilim Analizi

Monitoring and Trend Analysis of Long-Term Vegetation Index Data in Konya Closed Basin

Sayfa
346–356
Yayın Tarihi
2021-06-15
DOI
—
🏛️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)

Çalışma sonucunda, havza alanında 2000-2018 yılları arasında toplam 88916 ha alanda iyileşme, 10570 hektar alanda arazi bozulumu tespit edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu makale, Konya Kapalı Havzası (KKH) arazi örtü/kullanım sınıfları belirlenmesi, vejetasyon bazlı arazi izleme ve değerlendirme çalışmalarını kapsamaktadır.
📊
Temel Bulgular & Veri:Çalışmada, yöntem olarak ilk kez Birleşmiş Milletler Gıda ve Tarım Örgütü (FAO) tarafından kullanılan çok amaçlı arazi izleme ve değerlendirme programı olan Collect Earth (CE) yöntemi kullanılmıştır.
💡
Sonuç & Katkı:Çalışma sonucunda, havza alanında 2000-2018 yılları arasında toplam 88916 ha alanda iyileşme, 10570 hektar alanda arazi bozulumu tespit edilmiştir.
🔬Tür:Araştırma Makalesi
📍Kapsam:2000-2018 Verileri
⚙️Değişkenler:Konya Closed Basin · Land cover/use · NDVI analysis

Özet

Bu makale, Konya Kapalı Havzası (KKH) arazi örtü/kullanım sınıfları belirlenmesi, vejetasyon bazlı arazi izleme ve değerlendirme çalışmalarını kapsamaktadır. Bitki örtüsünün biyosfer için çok önemli bir işlevi olduğu, varlığı noktasında izlenmesi gerekli bir kriter olduğu bilinmektedir. Çalışmada, yöntem olarak ilk kez Birleşmiş Milletler Gıda ve Tarım Örgütü (FAO) tarafından kullanılan çok amaçlı arazi izleme ve değerlendirme programı olan Collect Earth (CE) yöntemi kullanılmıştır. Uzaktan algılama ve Coğrafi bilgi sistemleri entegre sistem üzerine kurulu CE, Google Earth aracılığı ile veri toplamayı sağlayan bir araçtır. Kullanıcılar Google Earth, Bing Maps ve Google Earth Engine ile birlikte yüksek çözünürlüklü uydu görüntü verilerini farklı amaçlara yönelik (arazi kullanımı, arazi kullanım değişimi, tarımsal arazilerin izlenmesi, arazi bozulumu ve iyileşmesi vb.) analiz için kullanabilirler. Bu çalışmada, KKH'nın normalleştirilmiş fark bitki indeksi NDVI değerleri kullanılarak 2000-2018 yılları arasındaki arazi bozulumu/çölleşme ve iyileşme/yeşillenme eğilim analizleri gerçekleştirilmiştir. Çalışma sonucunda, havza alanında 2000-2018 yılları arasında toplam 88916 ha alanda iyileşme, 10570 hektar alanda arazi bozulumu tespit edilmiştir. İyileşmiş alanlarının %85'i tarım alanları içerisinde olduğu tespit edilmiştir. İyileşme alanlarının en çok 2009-2011 yılları arasında gerçekleştiği de belirlenmiştir. Elde edilen sonuçlar havzanın arazi örtü/kullanım sınıfları nezdinde tartışılmıştır. CE’nin kullanıcı dostu olması, sorunsuz öğrenme eğrisi, hızlı, doğru ve uygun maliyetli değerlendirmeler yapması ve belirli veri toplama ihtiyaçları ve metodolojileri için oldukça özelleştirilebilir olması nedeniyle etkili bir yöntem olduğu da vurgulanmıştır.

Abstract

This article covers the determination of land cover/use classes in Konya Closed Basin (KKH), vegetation-based land monitoring and assessment studies. It is known that vegetation has a very important function for the biosphere and is a criterion that must be followed. In the study, the Collect Earth (CE) is a tool, which a multi-purpose monitoring, used for the first time by the United Nations Food and Agriculture Organization (FAO). Collect Earth is a tool that enables data collection through Google Earth. In conjunction with Google Earth, Bing Maps and Google Earth Engine, users can analyze high and very high-resolution satellite imagery for a wide variety of purposes (Land Use, Land Use Change, Monitoring agricultural land areas, land degredation etc.). In this study, land degradation/desertification and improvement/greening trend analyzes between 2000-2018 were performed using normalized difference plant index NDVI values of KKH. Because of the study, improvement in a total area of 88916 ha and land degradation in an area of 10570 hectares were detected between 2000-2018 in the basin area. It has been determined that 85% of the improved areas are in the cropland. It has also been determined that the areas of improvement mostly occurred between 2009-2011. The results obtained were discussed in terms of land cover/use classes of the basin. Evaluations were made on the causes of greening, especially for cropland. It has been emphasized that it is an effective method due to its user friendliness, smooth learning curve, performing fast, accurate and cost-effective assessments and be highly customizable for the specific data collection needs and methodologies.

🔖

Bu Makaleye Atıf Yap

ATEŞOĞLU, A. (2021). Konya Kapalı Havzası Uzun Dönem Bitki Örtüsü İndeksi Verilerinin İzlenmesi ve Eğilim Analizi. Anadolu Tarım Bilimleri Dergisi, Cilt: 36 - Sayı: 2, 346–356. https://ajindex.com/articles/211770

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (6)

  1. Ateșoğlu, A., Arikan, T. B., Yildiz, S., 2019. Assessment of forest, grassland, and agricultural land use in Konya basin. Bartın Orman Fakültesi Dergisi, 21(3), 821-832.
  2. Bahre, C. J., 1991. A legacy of change: historic human impact on vegetation in the Arizona borderlands. University of Arizona Press,
  3. Tucson, Arizona. Bai, Z.G., De Jong, R., Van Lynden, G.W.J., 2010. An update of GLADA—global assessment of land degradation and improvement. ISRIC report 2010/08. ISRIC—world soil information. p. 58., Rome/Wageningen Bai, Z.G., Dent, D.L., Olsson, L., Schaepman, M.E., 2008. Global assessment of land degradation and improvement 1: identification by remote sensing. Report 2008/01. FAO/ISRIC. p 51+Appendices,. Bannari, A., Morin, D., Bonn, F., Huete, A.R., 1995.
  4. A review of vegetation indices, Remote Sensing Reviews, 13:1-2, 95-120, doi:: 10.1080/02757259509532298 Bey, A., Sánchez-Paus Díaz, A., Maniatis, D., Marchi, G., Mollicone, D., Ricci, S.,. & Miceli, G., 2016. Collect earth: Land use and land cover assessment through augmented visual interpretation. Remote Sensing, 8(10), 807. Ding, Q., Wang, L., Fu, M. et al., 2020. An integrated system for rapid assessment of ecological quality based on remote sensing data. Environ Sci Pollut Res 27, 32779–32795. https://doi.org/10.1007/s11356-020-09424-6 FAO/FRA, 2015. Terms and Definitions. Web site. http://www.fao.org/docrep/017/ap862e/ap862e00.pdf (Erişim tarihi: Eylül 20219). Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., Moore, R., 2017. Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote sensing of Environment, 202, 18-27.
  5. Guo, Y., Wang, C., Lei, S., Yang, J., Zhao, Y. A. 2020. Framework of Spatio-Temporal Fusion Algorithm Selection for Landsat NDVI Time Series Construction. ISPRS Int. J. Geo-Inf. 9, 665. https://doi.org/10.3390/ijgi9110665 IPCC, 2003. The Inter-Governmental Panel on Climate Change, Good Practice Guidance for Land Use, Land-Use Change and Forestry. Web site. https://www.ipcc-nggip.iges.or.jp/public/gpglulucf/gpglulucf_files/GPG_LULUCF_FULL.pdf (Erişim tarihi: Kasım 2020).
  6. Islam, M., Saiful, M., Asraf, U., Mallik, A.H., 2021. Assessing the Dynamics of Land Cover and Shoreline Changes of Nijhum Dwip (Island) of Bangladesh Using Remote Sensing and GIS Techniques. Reg. Stud. Mar. Sci. 41, 101578. Ivanova, Y., Kovalev, A., Soukhovolsky, V. 2021. Modeling the Radial Stem Growth of the Pine (Pinus sylvestris L.) Forests Using the Satellite-Derived NDVI and