ORMANIN YAPISAL ÇEŞİTLİLİĞİNİN UYDU VERİLERİ KULLANILARAK KESTİRİMİ

Transkript

1 DOKTORA TEZİ ORMAN MÜHENDİSLİĞİ ANABİLİM DALI ISPARTA ORMANIN YAPISAL ÇEŞİTLİLİĞİNİN UYDU VERİLERİ KULLANILARAK KESTİRİMİ Ahmet MERT Danışman Doç. Dr. İbrahim ÖZDEMİR

2 G İ R İ Ş Yapısal çeşitlilik Yüksekliğe göre dikey yapı sınıfları Tabakalanmaya göre dikey yapı sınıfları 10 m Müşterek galip tabaka Ara tabaka Galip tabaka Müşterek galip tabaka Ara tabaka Alt tabaka 2,5 m 0 m Ot tabakası Çalı tabakası sıklık, gövde kalınlığı, ağaç boyutlarındaki çeşitlilik, ot, çalı ve ağaçların tabakalı diziliminden meydana gelen katlı yapı Yatay yöndeki yapısal çeşitlilik kapalılık, tepe tacı yapısı, ağaçlar arası mesafe, farklı bitki türü, aynı türün farklı formları ve bunların birbirlerine göre konumları

3 G İ R İ Ş Tez çalışmasının hedefleri Yapısal çeşitliliğin tahmin edilmesi ve modellenmesinde; En uygun bitki indeksleri En yüksek korelasyon gösteren spektral bandtlar En yüksek korelasyon gösteren doku özellikleri En uygun mekansal çözünürlük En Uygun istatistik yöntemi Yapısal çeşitlilik haritasının elde edilmesi Model

4 Çalışma alanı genel özellikleri Karaçam (Pinus nigra Arnold.) Sedir (Cedrus libani) Boylu Ardıç (Juniperus excelsa Bieb.) Kokulu ardıç (Juniperus foetidissima) Göknar (Abies cilicica) Kızılçam (Pinus brutia Ten) Yükselti m 21.7 Cº 1 Cº 792 mm 11.3 Cº

5 Haritalar

6 Uydu verileri Quickbird2-MS Quickbird2-PS SPOT-4 06 Mayıs ,4 m 06 Mayıs ,6 m 07 Temmuz m

7 Bitki indeksleri Kısaltma İngilizce Açılımı Türkçe Açılımı DVI Difference Vegetation Index Vejetasyon Fark İndeksi GEMI Global Environment Monitoring Index Küresel Çevre Gözlemleme İndeksi IPVI Infrared Percentage Vegetation Index Kızılötesi Yüzde Vejetasyon İndeksi MNLI Modified Non-Linear Vegetation Index Güncellenmiş Doğrusal Olmayan Vejetasyon İndeksi MSR Modified Simple Ratio Index Güncellenmiş Basit Oran İndeksi NDVI Normalized Difference Vegetation Index Normalize Edilmiş Fark Vejetasyon İndeksi NLI Non-Linear Vegetation Index Doğrusal Olmayan Vejetasyon İndeksi PVI Perpendicular Vegetation Index Düşey Vejetasyon İndeksi RDVI Renormalized Difference Vegetation Index Yeniden Normalize Edilmiş Fark Vejetasyon İndeksi RVI Band Ratio Index Band Oran İndeksi SARVI Soil Adjusted Ratio Vegetation Index Toprak Uyum Oranlı Vejetasyon Indeksi SAVI Soil Adjusted Vegetation Index Toprak Uyumlu Vejetasyon Indeksi TSAVI Transformed Soil Adjusted Vegetation Index Dönüştürülmüş Toprak Uyumlu Vejetasyon Indeksi WDVI Weighted Difference Vegetation Index Ağırlıklı Fark Vejetasyon İndeksi

8 Bitki indeks formülleri Bitki İndeksi Formül Kaynak DVI Roujean ve Breon, 1995 Nir Re d 2 2 GEMI Re d 0,125 2 ( Nir Re d ) 1,5 Re d 0,5 Nir Pinty ve Verstraete GEMI n (1 0,25 n) n 1 Re d Nir Re d 0, IPVI Nir Crippen, 1990 Nir Re d MNLI 2 Gong, 2001 ( Nir Re d) (1 L) 2 ( Nir Re d L) MSR Nir / Re d 1 Chen, / 2 ( Nir / Re d) 1 NDVI Nir Re d Tucker, 1979 Nir Re d 2 NLI Nir Re d Goel ve Qin, Nir Re d PVI Nir a Re d b Wiegand vd., a RDVI NDVI DVI Roujean ve Breon, 1995 RVI Nir Tucker, 1979 Re d SARVI Nir Wiegand vd., 1991 Re d b / a SAVI Nir Re d Huete, 1988 (1 L) Nir Re d L TSAVI a ( Nir a Re d b Wiegand vd., 1991 Re d a Nir a b WDVI Qi vd., 1994 Nir a Re d

9 Yeni oluşturulan çok katmanlı uydu görüntülerinin band bilgileri Katman Quickbird-2 PS Quickbird-2 MS SPOT-4 Band 1 Mavi Mavi Yeşil Band 2 Yeşil Yeşil Kırmızı Band 3 Kırmızı Kırmızı Yakın kızılötesi Band 4 Yakın kızılötesi Yakın kızılötesi Kısadalga kızılötesi Band 5 - DVI DVI Band 6 - GEMI RVI Band 7 - IPVI SAVI Band 8 - MNLI NDVI Band 9 - MSR IPVI Band 10 - NDVI PVI Band 11 - NLI RDVI Band 12 - PVI SARVI Band 13 - RDVI TSAVI Band 14 - RVI WDVI Band 15 - SARVI NLI Band 16 - SAVI MSR Band 17 - TSAVI MNLI Band 18 - WDVI GEMI

10 Definiens yazılımı ile hesaplatılan algoritmalar Algoritma (Çalışmadaki adı) İngilizce Açılımı Türkçe Açılımı Brighness (Parlaklık) Brighness Parlaklık GLCM Contrast (GLCM zıtlık) Gray Level Co-occurrence Matrix Contrast Zıt gri renkteki piksellerin yan yana bulunması GLCM Correlation (GLCM korelasyon) Gray Level Co-occurrence Matrix Correlation Gri renkteki piksellerin yan yana bulunma ilişkisi GLCM Dissimilarity (GLCM benzemezlik) Gray Level Co-occurrence Matrix Dissimilarity Farklı gri renkteki piksellerin yan yana bulunması GLCM Entropy (GLCM düzensizlik) Gray Level Co-occurrence Matrix Entropy Gri renkteki piksellerin yan yana bulunma düzensizliği GLCM Homogeneity (GLCM homojenlik) Gray Level Co-occurrence Matrix Homogeneity Homojen gri renkteki piksellerin yan yana bulunması GLCM Mean (GLCM ortalama) Gray Level Co-occurrence Matrix Mean Gri renkteki piksellerin yan yana bulunma ortalaması GLCM StdDev (GLCM standart sapma) Gray Level Co-occurrence Matrix Standard deviation Gri renkteki piksellerin yan yana bulunmasının standart sapması GLDV Contrast (GLDV zıtlık) Gray-Level Difference Vector Contrast Benzeşmeyen gri renkteki piksellerin zıtlığı GLDV Entropy (GLDV düzensizlik) Gray-Level Difference Vector Entropy Benzeşmeyen gri renkteki piksellerin düzensizliği GLDV Mean (GLDV ortalama) Gray-Level Difference Vector Mean Benzeşmeyen gri renkteki piksellerin ortalaması Max. diff. (maksimum farklılık) Maximum Differation Pikseller arası en yüksek farklılık Mean (Ortalama) Mean Piksel değerlerinin ortalaması Standard deviation (Standart sapma) Standard deviation Piksel değerlerinin standart sapması

11 Orman yapısının nicelendirilmesinde kullanılan indeksler 1- Clark-Evans r i = i ağacının en yakın komşusuna uzaklığı N = Hektardaki ağaç sayısı N = Örnek alandaki ağaç sayısı 2- Ağaç sayısı Örnek alan içerisinde kalan ağaç adeti 3- Ağaçlar arası ortalama mesafe

12 Orman yapısının nicelendirilmesinde kullanılan indeksler 4- Ağaçlar arası mesafe korelasyonu 5- Tür zenginlik örnek alan içerisinde kalan farklı tür sayısı 6- Z sayısı Z < 2 Lacivert renkte komşuluktan uzak, benzer değerler yakın, 2 < Z < 1 Açık mavi renkte komşuluktan uzak ve benzer değerler uzak, 1 < Z < +1 Sarı renkte komşuluğa yakın ve benzer yakın, +1 < Z < +2 Turuncu renkte komşuluğa çok yakın ve benzer değerler yakın, Z sayısı > +2 Kırmızı renkte komşuluğa çok uzak ve benzer değerler yakın 7- Standart sapma

13 Orman yapısının nicelendirilmesinde kullanılan indeksler 8- Shannon çeşitlilik S toplam ağaç türü sayısı p i toplam birey sayısı içindeki i inci türe ait birey sayısının oranı (n i /N) n i i inci türe ait birey sayısını N tüm bireylerin toplam sayısını 9- Shannon düzgünlük 10- Çap baskınlık bireyler arasında çap üstünlüğünün ölçümü için 11- Ripley-K fonksiyonu d: merkezden uzaklık A:örnek alan büyüklüğü N:ağaç sayısı k(i,j):ağacın konumu

14 Orman yapısının nicelendirilmesinde kullanılan indeksler 12- Gini ba j : j inci sıradaki ağacın göğüs yüzeyi (m 2 /ha) n : toplam ağaç sayısı j : ağacın sırasını (1,,n) 13- Kümelenme 14- Karışım 15- Baskınlık

15 Kullanılacak segmentasyon yönteminin seçimi

16 100 m Örnek alan büyüklüğü 100 m Ana örnek alan Alt örnek alan a Alt örnek alan b Alt örnek alan c Alt örnek alan e Alt örnek alan d 54 ana örnek alan 270 alt örnek alan

17 Veri seti Değişken Quickbird2-PS Quickbird2-MS SPOT-4 Orijinal bant Bitki indeksi Toplam bant sayısı Segmentasyon algoritması (Tüm bantlar) Segmentasyon algoritması (Her bir bant) 4x12=48 18x12=216 18x12=216 Toplam 48+12= = =228 Toplam 516 bağımsız değişken ve 15 bağımlı değişken Ana örnek alanlar için isimlendirme qpb qmb sb Alt örnek alanlar için isimlendirme qp qm s

18 Örnek alanların belirlenmesi

19 Arazide ölçüm işlemleri

20 Örnek alanlardaki ölçümlerin kaydedilmesi

21 Regresyon analizi Model R R 2 F t VŞF Önem seviyesi 1 Sabite -6,317,000 0,743 0,552 63,932 qpb15 7,996 1,000,000 2 Sabite -1,069,290 qpb15 0,796 0,634 44,186 4,703 1,648,000 qpb05-3,393 1,648,001 3 Sabite 2,573,013 qpb15 3,623 1,916,001 0,824 0,678 35,124 qpb05-3,866 1,671,000 qpb03-2,618 1,193,012 4 Sabite 3,348,002 qpb15 3,140 2,033,003 qpb05 0,839 0,704 29,063-3,978 1,671,000 qpb03-3,042 1,239,004 qmb212-2,044 1,107,046 Eğitim verileri* Doğrulama verileri* 0,552 0,523 0,634 0,601 0,678 0,621 0,704 0,613 Y = β 0 + β txt + β sxs + β vxv + β *X* + Ɛ Y: Bağımlı değişken β txt - β sxs - β vxv.. : Bağımsız değişken β 0 : Model katsayısı Ɛ : Sabite (Eklemeli hata terimi)

22 Regresyon ağacı Eğitim verileri Doğrulama verileri R 2 0,392 0,257 Varyasyon katsayısı 0,243 0,268 Normalleştirilmiş ortalama karekök hatası 0,608 0,743 Gerçek ve tahmini değerler arasındaki korelasyon 0,626 0,528 Maksimum hata 0,180 0,189 Ortalama karekök hatası 0,062 0,069 =EĞER(VE((X L1ij # N d1 ; X L2ij X Lnij # N dn ); (B n ) =EĞER(VE(VEYA(X LC1ij =c 1 ;X LC1ij =c2; X LC1ij =c n ); (B n )

23 A R A Ş T I R M A B U L G U L A R I Alt örnek alanlara ait bilgiler 100 m m alt örnek alan 164 alt örnek alan 4 alt örnek alan farklı bitki türü sayısı : 2-57 adet arasında 0-54 adet ağaç cm

24 A R A Ş T I R M A B U L G U L A R I SPOT-4 ve Quickbird2-MS uydu verisinden elde edilen bitki indeksleri İndeks SPOT-4 Quickbird-2 MS İndeks SPOT-4 Quickbird-2 MS İndeks SPOT-4 Quickbird-2 MS DVI NDVI SARVI GEMI NLI SAVI IPVI PVI TSAVI MNLI RDVI WDVI MSR RVI

25 A R A Ş T I R M A B U L G U L A R I Ana örnek alanlar için regresyon analizi sonuçları İndeks Eğitim verileri R 2 Doğrulama verileri R 2 İlişkili değişken Clark-Evans indeksi 0,68 0,62 qpb Ağaç sayısı 0,48 0,41 qpb06, qmb096 Ağaçlar arası ortalama mesafe 0,59 0,50 qmb , qpb17 Ağaçlar arası mesafe korelasyonu 0,60 0,54 qpb60, qmb Tür zenginliği 0,42 0,39 qmb057, sb017 Z sayısı 0,47 0,38 qpb26, sb Standart sapma 0,60 0,51 qmb , qpb60, sb018 Shannon çeşitlilik indeksi 0,24 0,18 sb012 Shannon düzgünlük indeksi 0,2 0,00 qpb45, qmb019 Çap baskınlık indeksi 0,10 0,04 qpb60 Ripley-K fonksiyonu 0,49 0,39 qpb , qmb019, sb004 Gini indeksi 0,45 0,40 qpb60, sb171 Kümelenme indeksi 0,16 0,00 qpb45, qmb019 Karışım indeksi 0,53 0,39 qpb45, sb212, qmb Baskınlık indeksi 0,19 0,00 qpb06

26 A R A Ş T I R M A B U L G U L A R I Alt örnek alanlar için regresyon analizi sonuçları İndeks Eğitim verileri R 2 Doğrulama verileri R 2 İlişkili değişken Clark-Evans indeksi 0,43 0,39 qp , qm Ağaç sayısı 0,12 0,11 qp06 Ağaçlar arası ortalama mesafe 0,20 0,16 qp , qm191 Ağaçlar arası mesafe korelasyonu 0,33 0,22 qp , qm Tür zenginliği 0,31 0,29 qp , qm059 Z sayısı 0,09 0,08 qp26 Standart sapma 0,21 0,04 qm191, qp45 Shannon çeşitlilik indeksi 0,24 0,16 qp , s019, qm Shannon düzgünlük indeksi 0,21 0,13 qp42-45, s019, qm057 Çap baskınlık indeksi 0,06 0,05 qp17 Ripley-K fonksiyonu 0,21 0,19 qp05-51, s Gini indeksi 0,25 0,23 qp45-60, s01 Kümelenme indeksi 0,21 0,14 qp45, s019, qm Karışım indeksi 0,23 0,20 qp45-26, s019, qm Baskınlık indeksi 0,24 0,12 qp06-45,s ,qm

27 A R A Ş T I R M A B U L G U L A R I Ana örnek alanlar için regresyon ağacı sonuçları İndeks Eğitim verileri R 2 Doğrulama verileri R 2 İlişkili değişken Clark-Evans indeksi 0,50 0,00 qpb51 Ağaç sayısı 0,40 0,13 qpb60, qmb171 Ağaçlar arası ortalama mesafe 0,76 0,00 qmb , qpb01, sb Ağaçlar arası mesafe korelasyonu 0,64 0,17 qpb04-26, qmb09 Tür zenginliği 0,35 0,00 qmb228 Z sayısı 0,27 0,00 qpb17 Standart sapma 0,51 0,18 qpb26, qmb171 Shannon çeşitlilik indeksi 0,37 0,00 sb006, qpb06 Shannon düzgünlük indeksi 0,27 0,00 qpb06 Çap baskınlık indeksi 0,08 0,00 qpb60 Ripley-K fonksiyonu 0,53 0,00 qmb013, sb009, qpb60 Gini indeksi 0,39 0,26 qpb15 Kümelenme indeksi 0,25 0,00 qpb06 Karışım indeksi 0,41 0,00 qpb01-02 Baskınlık indeksi 0,32 0,00 qpb06, sb009

28 A R A Ş T I R M A B U L G U L A R I Alt örnek alanlar için regresyon ağacı sonuçları İndeks Eğitim verileri R 2 Doğrulama verileri R 2 Regresyon ağacı Clark-Evans indeksi 0,28 0,24 qp05 Ağaç sayısı 0,18 0,09 qp17-45 Ağaçlar arası ortalama mesafe 0,13 0,00 qp01-05 Ağaçlar arası mesafe korelasyonu 0,16 0,08 qp26 Tür zenginliği 0,24 0,19 qp05 Z sayısı 0,12 0,09 qp60 Standart sapma 0,26 0,00 qp60, s004 Shannon çeşitlilik indeksi 0,28 0,23 qp45 Shannon düzgünlük indeksi 0,38 0,06 qp06-45 Çap baskınlık indeksi 0,13 0,00 qp06, qm015 Ripley-K fonksiyonu 0,36 0,09 qp , qm002 Gini indeksi 0,33 0,24 qp Kümelenme indeksi 0,36 0,22 qp45 Karışım indeksi 0,38 0,03 qp06-17, s170 Baskınlık indeksi 0,25 0,00 qp45

29 Ana örnek alanlardaki veriler kullanılarak haritalama (Regresyon analizi) Clark-Evans indeksi R 2 : 0,68 qpb15:gldv düzensizlik qpb05:parlaklık qpb03:glcm ortalama (Kırmızı) Ağaçlar arası mesafe Korelasyonu indeksi R 2 : 0,60 qpb60:glcm korelasyonu qmb096:gldv zıtlık qmb220:glcm homojenlik (NLI) Standart sapma indeksi R 2 : 0,60 qmb006:glcm ortalama (GEMI) qpb60:glcm korelasyonu qmb096:gldv zıtlık sb018:glcm ortalama (GEMI)

30 Alt örnek alanlardaki veriler kullanılarak haritalama (Regresyon analizi) Clark-Evans indeksi R 2 : 0,43 qp15:gldv düzensizlik qp05:parlaklık qp09:gldv zıtlık (Kırmızı) qm224:glcm homojenlik (SARVI) qm004:glcm ortalama (Yakın Kızılötesi) Ağaçlar arası mesafe Korelasyonu indeksi R 2 : 0,33 qp45:glcm standart sapma qm191:glcm homojenlik qp05:parlaklık qp17:glcm benzemezlik qm019:parlaklık qm171:glcm standart sapma Tür zenginlik indeksi R 2 : 0,31 qp05:parlaklık qp60:glcm korelasyonu qp45:glcm standart sapma qm059:glcm benzemezlik

31 T A R T I Ş M A v e S O N U Ç L A R Tür zenginliğinin tahmin edilmesinde en uygun bitki indekslerinin tespit edilmesi Ana örnek alanlar Uydu görüntüleri Bitki indeksi Yapısal çeşitlik indeksi Quickbird2-MS RDVI NLI MNLI DVI Quickbird2-PS - - SPOT-4 MNLI TSAVI SARVI ağaçlar arası ortalama mesafe indeksi ağaçlar arası mesafe korelasyonu indeksi karışım indeksi karışım indeksi tür zenginlik indeksi Z sayısı indeksi shannon çeşitlilik indeksi Alt örnek alanlar Uydu görüntüleri Bitki indeksi Yapısal çeşitlik indeksi Quickbird2-MS RDVI SARVI RDVI Quickbird2-PS - - shannon çeşitlilik indeksi clark-evans indeksi baskınlık indeksi SPOT-4 SARVI baskınlık indeksi

32 T A R T I Ş M A v e S O N U Ç L A R Meşcere düzeyinde yapısal çeşitliliğin modellenmesinde en uygun mekansal çözünürlüğün belirlenmesi Ana örnek alanlar Yapısal çeşitlik indeksi R 2 Uydu görüntüleri Clark-evans indeksi 0,68 Quickbird2-PS Ağaçlar arası mesafe korelasyonu indeksi 0,60 Quickbird2-PS Quickbird2-MS Standart sapma indeksi 0,60 Quickbird2-PS Quickbird2-MS SPOT-4 Alt örnek alanlar Yapısal çeşitlik indeksi R 2 Uydu görüntüleri Clark-evans indeksi 0,43 Quickbird2-PS Quickbird2-MS Ağaçlar arası mesafe korelasyonu indeksi 0,33 Quickbird2-PS Quickbird2-MS Tür zenginlik indeksi 0,31 Quickbird2-PS Quickbird2-MS

33 T A R T I Ş M A v e S O N U Ç L A R Tez çalışmasının hedefleri Yapısal çeşitliliğin tahmin edilmesi ve modellenmesinde; En uygun bitki indeksleri En yüksek korelasyon gösteren spektral bandtlar En yüksek korelasyon gösteren doku özellikleri En uygun mekansal çözünürlük En Uygun istatistik yöntemi Yapısal çeşitlilik haritasının elde edilmesi Model

34 T A R T I Ş M A v e S O N U Ç L A R Çalışma alanına ait yapısal çeşitlilik haritası

35