ADANA İLİNİN KUZEYİNDEKİ ORMAN ALANLARININ UYDU VERİLERİ KULLANILARAK BELİRLENMESİ*

Transkript

1 ADANA İLİNİN KUZEYİNDEKİ ORMAN ALANLARININ UYDU VERİLERİ KULLANILARAK BELİRLENMESİ* Determination of Forest Covered Areas in the Northern of Adana City by Using Satellite Data 1 Cumali KÖRÜMDÜK Ç.Ü.Fen Bilimleri Enstitüsü Fizik Anabilim Dalı Vedat PEŞTEMALCI Ç.Ü.Fen-Edebiyat Fakultesi Fizik Bölümü ÖZET Bu çalışmada Aralık 2002 Landsat-7 ETM+ verisi kullanılarak Adana ilinin kuzeyindeki orman alanları ve ağaç türleri saptanmıştır. Uydu verileri eğitimli sınıflandırma yöntemiyle sınıflandırılmış ve Erdas V8.4 yazılımı kullanılmıştır. Bu çalışma orman alanları belirlemede Landsat-7 ETM+ verilerinin kullanışlı olduğunu ortaya koymuştur. ABSTRACT In this study, forest regions and tree species in the Northern of Adana city were determined by using Landsat-7 ETM+ data dated 12 December Satellite data was classified with a supervised metod using ERDAS 8.4 Version. This work has been showed that Landsat-7 ETM+ data is usefull to determine the forest coverage. Giriş Üzerinde yaşadığımız dünyanın bize sunduğu kaynaklarının bir gün sonlanacağı aşikardır.insanoğlu gereksinimlerini karşılayabilmek için teknoloik gelişmelerle sınırlı olan bu doğal kaynakların en iyi şekilde araştırılmasında ve kullanılmasında daha etkin çalışmalarda gittikçe artan bir hızla ilerlemektedir. Doğal kaynakların zenginliği, ekonomik gelişmenin temeli olup, gelişmeyi hızlandırmaktır. Ayrıca ekonomik gelişme, mevcut kaynakların etkin kullanılması, kaynakların hızla azalmasına, tükenmesine neden olmakta dolayısıyla da yeni kaynakların bulunmasını zorunlu kılmaktadır. Özellikle havacılık ve uzay teknoloilerindeki gelişmeler bu sorunların çözümü için yeni olanaklar geliştirmiştir. Bu teknoloiler kullanılarak, yeryüzündeki nesneler üzerinden yansıyan elektromanyetik ışınım, yeryüzünden yüksekte, belirli yörüngelerde dolanan uydular ve hava gözlem araçlarıyla algılanıp, tayfsal analizlerin değerlendirilmesi yoluyla bu nesnelerle ilgili bilgi toplanabilmektedir (Curron, 1985). Bu uğraş alanına Uzaktan Algılama (Remote Sensing) adı verilir. Kalkınmada doğal kaynakların saptanmasında ve kullanımında, çevre ile ilgili değerlerin sağlanmasında uzaktan algılama yöntemi giderek daha fazla önem ve gereksinim kazanmaktadır. Gelişmiş ülkeler kaynaklarını en etkin şekilde kullanmalarına karşın gelişmekte olan ülkelerin büyük bir çoğunluğu henüz doğal kaynaklarının niteliği ve niceliği hakkında yeterli bilgilere sahip değildirler. Gelişmekte olan ülkelerin büyük bir çoğunluğunda temel kaynakların yeterli biçimde haritalanmaması sonucu toprak ve su kaynakları, işlenen toprak alanlarının dağılımı, madenler, orman ve otlak alanlarına ilişkin tam bilgiler elde bulunmamaktadır. Bir ülkenin gelişme düzeyi arttıkça kendi öz kaynakları hakkında geniş bilgileri kapsayan yeni teknoloik bilgilere gereksinim duyulmaktadır. Günümüzde ve gelecekte uzaktan algılamada en büyük potansiyel oluşturan uygulamalardan birisi, artan nüfusa paralel olarak yeryüzünün sınırlı kaynakları ve çevre kirliliği nedeniyle orman kaynakları ve buna dayalı orman endüstrisidir. Yalnızca insanlar için değil bütün yeryüzü canlıları için hayati önem taşıyan bitki, toprak ve iklim üçlüsüne ait bilgilerin devamlı, yeterli sıklıkta ve düzenli elde edilmesi gerekmektedir. Bilginin sürekliliği ve geniş alanlara ait olması, bu bilgilerle ilgili verilerin hacmini artırmaktadır. Bu boyutlardaki veri için gerekli olan hız, devamlılık, güvenilirlik ve maliyet açılarından, uzaktan algılama yöntemleri bilinen diğer yöntemlere göre çok üstünlükleri olan yeni bir teknoloidir. Bitki örtüsü ve bitki yoğunluğu, bitki, toprak ve iklim oluşumunda önemli göstergelerden biridir. Yeryüzü ve atmosfer arasındaki hissedilen ve görünmeyen ısı akışını, dinamik eneriyi ve yağış/buharlaşma gibi doğal olayları içeren fiziksel modellerin geliştirilmesinde, bitki örtüsü ve yoğunluğu önemli girdi parametreleridir. Bitki örtüsünü oluşturan türlerin analizi pek kolay değildir ve 1 Yüksek Lisans Tezi-MSc.Thesis

2 çok yüksek çözünürlükte veriler gerektirir. Çünkü, uyduyla alınan veriler, bitki örtüsünün ve arka plandaki toprak yansıma değerlerinin ve atmosferik koşulların bilinmeyen bir karışımıdır. Bu nedenle bitki örtüsünü oluşturan bitki türlerini belirlerken mutlak suretle yer bilgilerine ve arazi çalışmalarına ihtiyaç vardır. Bu çalışmada Aralık 2002 yılına ait Landsat-7 ETM+ (Enhanced Thematic Mapper) görüntüsü kullanılmıştır. Çalışmanın amacı Adana ve Osmaniye illerindeki toplam orman örtüsü alan miktarı ve orman türlerinin tespit edilmesidir. Bu verilerden eğitimli sınıflandırma metodu kullanılarak PC uyumlu ERDAS 8.4 yazılımıyla orman miktarı tespit edilmiş ve ağaç türlerinin sınıflandırması yapılmıştır. Materyal ve Metot Materyal Bu araştırmada kullanılan materyaller aşağıda maddeler halinde sıralanmıştır. a) Adana ve Osmaniye illerini de içine alan Aralık 2002 tarihli Landsat-7 ETM+ uydu görüntüsü b) Yer gerçeğinin belirlenebilmesi için yukarıda bahsedilen görüntünün kapsadığı çalışma alanı içinde seçilen pilot bölgenin 1/25000 ölçekli orman amenaman haritası ve memleket haritası c) Adana ve Osmaniye illerinin memleket haritaları d) Adana ve Osmaniye illerinin orman alanlarının amenaman haritaları e) Pentium III işlemci, 40 GB bellek, 2 MB ekran kartı, 17 inc renkli ekran, Hewlett Packard 690 C yazıcı, scanner özelliklerine sahip bilgisayar f) Erdas 8.4 görüntü işleme programı g) Haritaları sayısallaştırmak için Arc/View 3.3 ve Arc/Gis 8.2 programları Metot Çalışmada eğitimli sınıflama yöntemlerinden en çok benzerlik ve minimum mesafe sınıflandırılmaları kullanılmıştır. Bu metotlar aşağıda sırasıyla açıklanmıştır. En Çok Benzerlik Sınıflandırması Bu sınıflama standart sınıflama yöntemlerinden biri olarak kabul edilir (İnce, 1986 ; Conese ve ark, 1993 ; Seçilmiş, 1996). Uzaktan algılama uygulamalarında her sınıfa ait olasılık dağılım fonksiyonunun biçimi normal varsayıldığından, ortalama vektör ve kovaryans matris bilinmeyen parametrelerdir. Bu parametrelerden ortalama vektör A 1 = n x n i= 1 şeklinde ve kovaryans matris ise C = 1 n = n i= 1 ( x a )( x a ) T olarak verilir. Burada n, sınıftaki piksel sayısını, x ise sınıftaki piksellere ait parlaklık değerlerini gösterir. Daha sonra, görüntüdeki her piksel için sınıfına olan benzerlik ya da yakınlık anlamına gelen bin mesafe (Mahalanobis distance) hesaplanır. R = 1 P( w ) T 1 1/ 2 [( x a ) C ( x a )] Burada P(W), W sınıfının oluşumu olasılığıdır. En küçük mesafe hangi sınıfa ait ise piksel o sınıfa konur. Minimum Mesafe (MD) sınıflandırması Minimum mesafe sınıflaması da (Minimum Distance) eğitimli sınıflama metotlarından biridir. Bu sınıflama yönteminde, her sınıfın yanlızca ortalama vektörü bulunup, sınıfların kovaryans matrislerinin eşit olduğu varsayılır(ince, 1986). Bunun için µ i, test alanından seçilen i. Sınıfı temsil eden herhangi bir banta ait örnek alandaki piksellerin ortalama değeri olmak üzere ( N-bant

3 probleminde, µ i, N-boyutlu uzayda bir vektör) görüntünün s değerine sahip pikselinin her ğ sınıfı için µ i ye mesafesi: d µ ( s, µ i ) = ( s1 µ i1) + ( s2 µ i2 ) ( sn in ) bağıntısıyla (euclid mesafesi) veya d µ = µ µ s µ ( s, i ) s1 i1 + s2 i2 n in bağıntısı ile hesaplanır. Bu denklemlerdeki s n sınıflanacak pikselin n. Banttaki değeri, µ in ise n. Banttaki ortaşlama değerdir.sınıflandırma esnasında ise s değerine sahip piksel,mesafesinin (d(s, µ i )) en küçük olduğu sınıfa dahil edilir (Niblack, 1986). Bu yöntem maksimum benzerlik yöntemine göre daha hızlı, fakat hata oranı daha yüksektir. Araştırma Bulguları Bu çalışmada Adana ilinin kuzeyinde yer alan bölgedeki orman alanları Landsat ETM+ bantları kullanılarak belirlenmeye çalışılmıştır. Çalışma bölgesindeki orman varlığını ve ağaç türlerini tespit etmek amacıyla öncelikle Adana Orman Bölge Müdürlüğü nden tüm orman bölgelerinin amenaman haritaları ile Adana Aladağ ilçesi orman işletmesine bağlı Söğüt orman bölgesine ait orman amenaman haritası tedarik edilmiştir. Öncelikle bir pilot bölge tespit etmek amacıyla yapılan araştırmalar neticesinde Adana Aladağ ilçesi orman işletme müdürlüğü sınırlarındaki Söğüt bölgesi orman sahası pilot bölge olarak seçilmiştir. Çünkü bu bölgede Tüm çalışma sahasındaki orman vasfına sahip ağaç sınıflarını bulmak mümkün olmuştur. Pilot bölge ve tüm çalışma sahası için Karaçam, Kızılçam, Ardıç, Sedir, Göknar ağaç sınıfları orman kümeleri oluşturmaktadır. Bu kümeler yer yer saf halde tek tür, yer yer de iki veya daha fazla türün karışık bulunduğu kümeler halindedirler (Yıldırım, 1997). Pilot bölgenin orman amenaman haritası bilgisayar ortamına Tif dosya olarak aktarılıp Arc/Map ve Arc/Gis coğrafi bilgi sistemi programları kullanılarak orman alanlar çizgi-katman (linecoverage) olarak sayısallaştırılmış ve poligon-katman (poligon-coverage) haline dönderilmiştir. Daha sonra bu poligonların yer verileri Arc/Gis altında girilerek bir veri tabanı (database) oluşturulmuştur (Yomralıoğlu, 1999). Göz yorumuna katkı sağlaması amacıyla uydu görüntüsü üzerinde görüntü zenginleştirme işlemi 3., 4. ve 5. band kombinasyonunda yapılmıştır. Bu bantları kullanmanın amacı bitkiler diğer yeryüzü obelerinden çok iyi ayırt edilebilmekte ve gerçek renklerinde yansıma yapmaktadırlar. Şekil.1 de tüm çalışma alanına ait Landsat-7 ETM+ zenginleştirilmiş uydu görüntüsü verilmiştir. Bu görüntüde ortadaki kutu içine alınmış koyu renkte görülen alan pilot bölgenin vektör verisini temsil etmektedir.

4 Şekil 1.Tüm çalışma alanının Landsat-7 ETM+ Aralık 2002 zenginleştirilmiş görüntüsü. Erdas programında uydu görüntüsünden pilot bölge kesilmiş ve pilot bölge önce sadece orman alanları olarak sınıflandırılmış ve ağaç türleri belirlenmesi gibi detaylar girilmemiştir. Sınıflandırma, Maksimum Benzerlik (Maximum Likelihood) ve Minumum Mesafe (Minumum Distance) metotlarının her ikisi de kullanılarak yapılmıştır. Arazinin aşırı engebeli olmasından dolayı aynı tür için birkaç farklı sınıf girilmek zorunda kalınmıştır (Dorren, 2003). Örneğin, aynı tür ağaçla kaplı alanlar düz satıhta ve eğimli satıhlarda farklı yansıma değerlerine sahip olduğundan bu iki durum için de ayrı ayrı sınıflandırma yapılmak zorunda kalınmıştır. Sınıflandırmada kullanılacak olan farklı orman tiplerine ait istatistik bilgiler (ortalama ve standart sapma değerleri) hesaplanmış ve çizelge.1 de verilmiştir. Şekil.2 de ise seçilen orman sınıflarının tüm Landsat ETM+ bandlarındaki yansıtma değerleri görülmektedir. Çizelge 1.Sadece orman sınıflandırmasında; seçilen sınıfların kullanılan değerleri ve standart sapmaları. bantlardaki ortalama 3.BAND 4.BAND 5.BAND SINIF Ort.Değ Std.Sap Ort.Değ Std.Sap Ort.Değ Std.Sap Gölgeorman Orman Ormansız_alan Bozukorman Gölge Yarıgölgeorman Çokbozukorman

5 parlaklık gölge orman orman ormansız alan bozuk orman gölge yarıgölge orman çokbozuk orman bandlar Şekil 2. Sadece orman sınıflandırmasında seçilen sınıfların bütün bandlardaki ortalama değerlerinin dağılımları. Pilot bölgeden seçilen farklı yansıtma değerlerine sahip orman alanları Landsat ETM+ 3., 4. ve 5. bantlar kullanılarak ençok benzerlik ve minimum mesafe yöntemlerine göre sınıflandırılmıştır. Ayrıca karışık piksel hatalarını gidermek için sınıflanmış görüntüler 3x3 mean filtreden geçirilmiştir. Şekil.3 te maksimum benzerlik yöntemi ile sınıflanmış ve görüntünün 3x3 mean filtrelenmiş şekli görülmektedir. Şekil.4 ise minumum mesafe yöntemi ile sınıflanmış ve görüntünün 3x3 mean filtrelenmiş şeklini göstermektedir. Her iki görüntüde de örtü tiplerine ait renkler aynı tutulmuştur.

6 N Şekil 3.Pilot bölgenin maksimum benzerlik metoduyla sınıflandırılmış görüntüsü.şekilde koyu alanlar gölgeyi, koyu gri tonlar orman, gölgeorman, karışık ormanı, en açık gri ton ise ormansız alanlarıtemsil etmektedir. N

7 Şekil 4.Pilot bölgenin minumum mesafe metoduyla sınıflandırılmış görüntüsü. Şekilde koyu alanlar gölgeyi, koyu gri tonlar orman, gölgeorman, karışık ormanı, en açık gri ton ise ormansız alanları temsil etmektedir. Erdas 8.4 görüntü işleme programı yardımıyla sınıflandırılmış görüntülerden orman alanlar ve gölge altında kalan orman alanlar hesaplanmış, minimum mesafe yöntemi ile elde edilen sonuçların yer verileriyle daha iyi uyuştuğu görülmüş ve bu değerler çizelge 2 de verilmiştir. Uydu görüntüsündeki gölge alanların tamamına yakını yer verisinde orman gözüktüğünden gölge alanlar ormanlık alan olarak kabul edilmiştir. Çizelge 2. Yer verisi ile sınıflama sonuçları YER VERİSİ (m 2 ) UYDU VERİSİ (m 2 ) ORMAN GÖLGE ALAN TOPLAM FARK % hata % 4 Seçilen pilot bölgedeki yer verileri kullanılarak Adana ilinin kuzeyindeki orman alanları en çok benzerlik ve minimum mesafe yöntemleri ile sınıflandırılmış ve görüntülere 3x3 mean filtre uygulanmıştır. Şekil 5. te tüm çalışma alanının ençok benzerlik ve minimum mesafe yöntemleriyle yapılan sınıflamaların 3x3 mean filtrelenmiş görüntüleri verilmiştir. Tüm çalışma alanında minimum mesafe yöntemi ile yapılan sınıflandırma sonucunda elde edilen toplam orman alanlar ve gölgede kalan alanların değerleri çizelge 3 te verilmiştir. Çizelge 3. Tüm çalışma bölgesinin minimum mesafe yöntemiyle sınıflandırılma Piksel sayısı Alan (m 2 ) Orman Alanı Gölge Toplam Alan sonuçları Sonuç ve Öneriler Bu çalışmada Adana ilinin kuzeyinde yer alan bölgede orman alanları ve orman örtüsünü oluşturan ağaç türlerinin tespiti uydu verisi kullanılarak yapılmış ve haritalandırılmıştır. Bu amaçla 12 Aralık 2002 Landsat-7 ETM+ uydu görüntüsü kullanılmıştır. Bunun yanında çalışma bölgesine ait 1/25000 ölçekli topoğrafik haritalar ve orman amnenaman haritaları kullanılmıştır.

8 Bitki örtüsünün sınıflandırılmasında ve haritalandırılmasında Landsat-7 ETM+ (Enhanced Thematic Mapper Plus) uydu verisi bu tip çalışmalarda kolaylık sağlamaktadır. Özellikle Landsat uydu görüntüsünün 3. ve 4. bandları bitki yoğunluğunu ve farklı bitki türlerini ayırdetmekte kullanılırlar (Peştemalcı ve Ark., 1995). Bitkiler özellikle yakın kızılötesi (IR) bölgede yansıma yaparlar. Bitki ve su arasındaki belirleyici kontrastlık bu bölgede görülür. Kırmızı bölgede bitki, çıplak arazi, kayalık arazi ve insan yapısı cisimler çok iyi kontrastlık sağlarlar. Çıplak veya insan yapısı cisimlere göre bitkiler, tayfın görünen kırmızı bandına eğilim gösterirler. Bu nedenle koyu renkte görünürler. Çıplak veya insan yapısı cisimler ise, tayfın bu kısmında açık renkte ve parlak bir görüntü verirler. N A N B Şekil 5.Çalışma bölgesindeki orman alanlarının a) Ençok benzerlik b)minimum mesafe yöntemleriyle sınıflandırılmış ve 3x3 mean filtreden geçirilmiş görüntüleri.burada siyah renk suyu, koyu gri renk orman alanlarını, daha açık gri renk diğer alanları, en açık gri ve beyaz renk ise kar örtüsünü temsil etmektedir. Buna dayanarak Landsat uydu verilerinde normalize edilmiş bitki indeksi (NDVI); NDVI = (Band4 Band3) / (Band4 + Band3)*255 bağıntısıyla hesaplanabilmektedir. Çalışma süresince orman örtüsü ve ağaç türlerinin sınıflandırılmasında karşılaşılan bazı problemler aşağıda maddeler halinde verilmiştir. 1)Özellikle pilot bölgenin çok engebeli olması. Buna bağlı olarak gölge alanların çokluğu, arazinin güneşe çok farklı açılarda bakmalarından dolayı aynı ağaç türünün bile farklı yansıma değerleri vermesi. 2)Yine aynı ağaç türünün genç orman, yaşlı orman, sık orman, bozuk orman gibi durumlarında yansıma farklılıkları göstermesi.

9 3)Özellikle Kızılçam, Karaçam, Sedir ve Göknar türlerinin birbirlerine yakın yansıma değerleri vermeleri. Kullanılan sınıflandırma yöntemlerinden ençok benzerlik sınıflaması sonuçlarının yer gerçekleri ile çok farklı değerlere sahip olması nedeniyle bu çalışmada minimum mesafe sınıflandırılması sonuçları yer gerçekleri ile karşılaştırılmıştır. Ayrıca elde bulunan Landsat 7 ETM+ görüntüsünün tüm Adana ilini kapsamaması, sınıflama sonucundaki tüm çalışma alanı için elde edilen değerlerin yer gerçekleri ile karşılaştırılmasına olanak sağlamamıştır. Ayrıca Sınıflandırma için sınıflar seçilirken aynı türden birkaç farklı sınıf seçilmek zorunda kalınmıştır. Örneğin, aynı tür ağaç arazinin güneşe olan açısından dolayı farklı yansıma yapmakta, ayrıca bir ağaç türünün yaşlı, genç, sık, seyrek gibi durumlarında da farklı yansımalar görülmüştür. Yukarıda bahsedilen problemlerin ışığında uydu verisi hem yalnız orman alanları hem de tespit edilmiş ağaç türleri için sınıflandırılmıştır. Sınıflama yaparken eğitimli sınıflama metotlarından ençok benzerlik ve minumum mesafe sınıflandırma yöntemleri kullanılmıştır. Minumum mesafe metoduna göre yapılan sınıflama özellikle yalnız orman alanlarının tespitinde çok daha yüksek oranda yer verileriyle örtüşmektedir. Ağaç türlerini sınıflamada ise özellikle Kızılçam ve Karaçam kümeleri birbirine karışmıştır. Gölge alanlar yer verisine dayanılarak orman alanı kabul edilmiştir. Hem bazı ağaç türlerinin birbirine karışması, hem de gölge alanların fazla oluşuna bağlı olarak ağaç türlerinin tespit edilmesi amacıyla yapılan sınıflandırma çalışması sağlıklı sonuç vermemiştir. Her ne kadar çizelge 2 de görüldüğü gibi minimum mesafe yöntemi ile yapılan sınıflama sonucundaki hata %4 gibi görünüyorsa da aslında gölge alanlar sınıfa dahil edilmediğinde hata oranı %31 civarında olmaktadır. Yapılan çalışmaya göre Adana ilinin kuzeyinde bol miktarda orman varlığı olduğu görülmüştür. Bu orman örtüsü yer yer gür olmakla birlikte yer yer de seyrek yapıdadır. Çalışma bölgesindeki orman alanlarda Kızılçam, Karaçam, Sedir, Göknar, Ardıç türlerinin orman sayılacak kümeler oluşturdukları görülmüştür. Bu ağaç türleri bazı yerlerde saf kümeler oluşturmalarına rağmen genelde iki veya daha fazla türün bir arada bulunduğu kümeler halindedirler. Bu nedenle, ağaç türlerinin ayrı ayrı sınıflandırılması çok hatalı sonuçlar vermiştir. Sonuç olarak, bitki örtüsünü sınıflarken Landsat uydu verileri düz ve çok az engebeli arazilerde iyi sonuçlar vermektedir. Engebeli arazi çalışmalarında ise daha yüksek çözünürlüğe sahip uydu verilerine ve arazi incelemelerine gereksinim duyulmaktadır. Ayrıca orman alanların sınıflandırılmasında farklı tarihli uydu verileri kullanılması da daha iyi sonuç verebilir. Ancak genellikle orman alanlarının engebeli arazi üzerinde yerleşmiş olması gölge problemini gündeme getirmektedir. Zira gölge altında kalan alanların yansıtma değerleri yaklaşık aynı değer vermekte ve altındaki örtü tipi belirlenememektedir. Bu nedenle gölge alanları kaldırmak için bir maske yöntemi geliştirilmelidir. Kaynaklar CONESE, C., MARACCHI, G., MASELLI, F., Improvement in maximum likelihood classification performance on highly rugged terrain using principal component analysis, Int.J.Remote Sensing, 14(7): CURRON, P., A., Principles of Remote Sensing. Longman Group Ltd, UK. DORREN, L., ve Ark., Improved Landsat-Based Forest Mapping in Step Mountainous Terrain Using Obect-Based Classification. Forest Ecology and Management, Austria. İNCE, F., Maksimum Likelihood Classification, Optimal or Problematic? A Comparison with the KNN Classification. TÜBİTAK MAM Elektronik Araştırma Bölümü. Technical Report No: TR- 86/09. NIBLACK,W., 1986.An Introduction to Digital Image Processing. Prentice-Hall International. London. (225) S. PEŞTEMALCI, V., DİNÇ, U.,YEĞİNGİL, İ., KANDIRMAZ, M., ÇULLU, M.A., ÖZTÜRK, N., AKSOY, E., Acreage estimation of wheat and barley fields in the province of Adana, Turkey, Int. J. Remote Sensing, Vol.16, No.6, SEÇİLMİŞ, M.H.,1996. Eğitimli sınıflandırma yöntemlerinin karşılaştırılması, Ç.Ü. Fen Bilimleri Enstitüsü,Yüksek Lisans Tezi, Adana. YILDIRIM, H., ALPARSLAN, AYDÖNER, ELİTAŞ, Bitki Örtüsü ve Yoğunluğunun Uzaktan Algılama ile Bulunması, 3. Uzaktan Algılama ve Türkiye deki Uygulamaları Semineri, Bursa. YOMRALIOĞLU, A., Çevresel Bilgi Sistemleri İçin Model-Atık Tasarımı Trabzon Değirmendere Havzası Örneği,Yerel Yönetimlerde Kent Bilgi Sistemi uygulamaları Semineri.

10