4. Coğrafi Bilgi Sistemleri Bilişim Günleri, 13 16 Eylül 2006 / Fatih Üniversitesi / İstanbul-Türkiye 4 th GIS Days in Türkiye, September 13-16, 2006 / Fatih University / İstanbul-Türkiye UYDU GÖRÜNTÜLERİ KULLANILARAK MEŞCERE KAPALILIK DERECESİ HARİTALAMASI Mapping of Forest Canopy Density by Using Satellite Images ÖZET Metin TUNAY 1, Ayhan ATEŞOĞLU Sivil amaçlı uzaktan algılama uydularının kullanımı ve gelişimi, doğal kaynaklar ve vejetasyon üzerindeki çevresel değişimlerin gözlenmesi için daha hızlı ve düşük maliyetli haritalama olanağı sağlamıştır. Uygun nitelik ve nicelikte sağlanan bilgiler, sonraki çalışmalara yön verecek şekilde değerlendirilmeye başlanmıştır. İnsan yaşamının doğal bir parçası olan ormanların, ülkenin ekonomik gelişmişliği, su ve toprak koruması gibi konular üzerinde önemli bir yeri vardır. Nüfus artışına paralel olarak orman alanlarının tarım, enerji vb. yanlış amaçlı kullanımları, bu doğal kaynak alanlarında nitelik ve nicelik kaybına neden olmaktadır. Orman alanlarının daha iyi planlanması ve yönetimi için, bu alanlardaki değişimin ve değişimin önemli bir göstergesi olan orman kapalılık derecesinin belirlenmesi önemli olmaktadır. Orman alanlarında zaman içinde niceliksel bir değişim olmasa dahi, meşcere için ölçülebilir bir kavram olan kapalılık derecesinin uzaktan algılama verileriyle belirlenebilmesi bu alanlardaki nitelik kaybının tespitine olanak sağlamaktadır. Orman alanlarında meşcere kapalılık derecelerinin belirlenmesi amacıyla Bartın-Yenihan Orman İşletme Şefliği sınırları içerisindeki bir test alanı seçilmiştir. Çalışmada 12.07.2000 tarihli Landsat 5 TM uydu görüntüsü kullanılmış, meşcere kapalılık dereceleri arasındaki ilişkinin belirlenmesinde TM5/4, TM3/4, TM5/2, TM3/7 oran görüntülerinden yararlanılmıştır. Her bir görüntü değişkenine ait üç ayrı kapalılık derecesindeki spektral yansıma değerleri arasında istatistikî anlamda farklılık olup olmadığının belirlenmesi amacıyla varyans analizi yapılmıştır. Yapılan analiz sonuçlarına göre kapalılık derecelerini belirleyen spektral yansıma değerleri arasında anlamlı bir farkın bulunduğu tespit edilmiş, bu görüntüler üzerinde sınıflandırma yapılarak test alanı için meşcere kapalılık derecesi haritası oluşturulmuştur. Anahtar Kelimeler: Uzaktan Algılama, Orman, Meşcere Kapalılığı, Bartın-Yenihan ABSTRACT The use and development of remote sensing satellites provides faster and more economical mapping solutions in order to observe effects of environmental changes on natural resources and vegetation. More appropriate information regarding quality and quantity have been begun to use for further studies. Forest, that is a natural part of human life, is very important regarding economical developments of the country, water and land protection. The wrong use of forest lands such as for farming, energy etc. with parallel to increase of population is the main factor causing to decrease these lands by quality and quantity. For a better planning and management of the forest lands, it is important to determine the changes and density of forest canopy being an important indicator of the changes. Even if there was no changes on forest lands quantitatively, determining density of forest canopy using remote sensing methods provides to determine quality loss of these lands. In order to determine the density of forest canopy, a special test area was chosen from Bartın-Yenihan Forest District. In this study Landsat 5 TM satellite image dated 12.07.2000 was used. To determine density of forest canopy relationships using remote sensing data, TM5/4, TM3/4, TM5/2, TM3/7 ratioed images were utilized. Analysis of Variance (ANOVA) were carried out to determine whether there was a statistical difference among spectral reflection values of three different degree of forest canopy belonging each of the image variables. According to the analysis, there was a significant difference found among these density values and the classifications were carried out these images and density of forest canopy maps was prepared. Keywords: Remote Sensing, Forest, Canopy Density, Bartın-Yenihan 1. GİRİŞ Uydu verileri kullanılarak yapılan belirleme, zenginleştirme ve denetleme çalışmaları uzaktan algılamada önemli rol oynamaktadır. Çevresel parametrelerin ve bunların gelişim süreçlerinin etkilerini görmek ve analiz etmek için farklı uzaysal ve zamansal çözünürlüklü uydu görüntüleri kullanılmalıdır. Doğal ormanlar üzerindeki insan faaliyetleri nedeniyle birim alana düşen ağaç miktarının sayısı ve meşcere kapalılığı azalmaktadır. Uzaktan algılama, orman alanlarındaki üretim faaliyetleri, vejetasyon tipi ve arazi kullanım 1 Zonguldak Karaelmas Üniversitesi, Orman Mühendisliği Bölümü, Bartın, mtunay74@ttnet.net.tr 1
değişimlerinin gözlenmesi ve denetlenmesi hususunda önemli bir rol oynamaktadır. Orman alanlarındaki sıklık ve kapalılık değişimlerinin izlenmesi, ormanların sıhhati için alınacak kararlarda önem taşımaktadır. Meşcere kapalılığı, hava fotoğrafı tabanlı çalışmalarda meşcere hakkındaki bilgilerin elde edilmesinde en fazla kullanılan meşcere parametresidir (Akça 1981). Ayrıca yetişme muhiti ve meşcere bakımına göre değişmek üzere, sıklık derecesi ile kuvvetli bir ilişkiye sahiptir. Meşcere kapalılığını ölçmek için aşağıdaki 3 metot kullanılmaktadır. - Yersel ölçümler - Hava fotoğrafı ve uydu görüntüsü yorumlama ile - Uydu tabanlı metot Yersel ölçümler sağlıklı olsa da belirli bir programa bağlı yapılan ölçümler olduğundan dolayı zaman alıcıdır. En önemlisi ormanların güncel durumlarını yansıtmazlar. Hava fotoğrafı yorumlamada ise, stereoskopik görüş çalışmaları ön plana çıkmaktadır. Bu çalışmalarda pratik sahibi deneyimli analistlere ihtiyaç duyulması yapılan çalışmaları oldukça öznel kılmaktadır. Uydu tabanlı metot ise, klasik manada uzaktan algılama metotlarını ve biyofiziksel modellemeyi içermektedir. Bu tür operasyonların amacı, bir uzaktan algılama sistemi tarafından kaydedilen verinin yer yüzeyi üzerinde ölçülen biyofiziksel özellikler ve olaylarla nicelsel olarak ilişkilendirmektir. Fiziksel modellemede analist, uzaktan algılama verisinin radyometrik karakteristiklerini etkileyen bütün bilinen parametreleri (atmosferik etkiler, güneş yüksekliği, bakı geometrisi vb.) matematiksel olarak izah etmeye çalışır (Jamalabad ve Abkar, 2004). Bu tür modellemelerde istatistiki regresyon prosedürleri sıkça kullanılmaktadır. Sonuç ürün olarak tematik haritaların oluşturulmasında, sınıflandırma aşaması ön plana çıkmaktadır. Sınıflandırma, yer gerçeği ile belirlenen eğitim alanları yardımı ile çıkarılan bilginin nitel analizinin bir sonucudur. Bu nedenle sınıflandırma aşamasında eğitim alanları tespiti oldukça önem taşımaktadır. Özellikle kapalılık belirlemelerinde düşük yoğunluğa sahip ormanlık alanlar ve toprağın spektral yansımaları arasındaki benzerlikler vb. gibi nedenler doğruluk üzerinde etkilidirler. Bu nedenle arazi çalışmalarında seçilen eğitim alanları mutlaka titizlikle tespit edilmelidir. 2. MATERYAL VE YÖNTEM Çalışma alanı Zonguldak Bölge Müdürlüğü Bartın Orman İşletme Müdürlüğü Yenihan Orman İşletme Şefliği sınırları içerisinde yer almaktadır. Çalışma alanı 41 o 28'-41 o 33' kuzey enlemi ile 32 o 23'-32 o 33' doğu boylamı arasında yer alır (Şekil 1). İklim tipi, nemli, okyanusal iklim etkisine yakın ılıman iklim özellikleri göstermektedir. Ayrıca yılın dört mevsiminde oldukça bol yağış almaktadır. İşletme şefliği sınırları içerisindeki orman alanları başta Kayın (Fagus orientalis), Meşe (Quercus sp.), Gürgen (Carpinus betulus), Kestane (Castenae sativa), Sarıçam (Pinus sylvestris), Karaçam (Pinus nigra), Göknar (Abies bornmülleriana) olmak üzere çeşitli türleri barındırır. 2 Şekil 1: Çalışma Alanı (TM 3,2,1) Figure 1: Study Area (TM 3,2,1) Çalışmada kullanılan uydu görüntü verisi, 12.07.2000 tarihli Landsat 5 TM görüntüsüdür. Uydu verisinin bilgisayar ortamında dijital olarak değerlendirilmesinde PCI Geomatica V9.1 görüntü işleme yazılımı kullanılmıştır. Dijital görüntü işleme, dijital görüntülerin bilgisayar yardımı ile işlenmesi ve yorumlanmasını içerir (Schowengerdt, 1997). Radyometrik olarak düzeltilmiş uydu verisinin geometrik düzeltilmesi
4. Coğrafi Bilgi Sistemleri Bilişim Günleri, 13 16 Eylül 2006 / Fatih Üniversitesi / İstanbul-Türkiye 4 th GIS Days in Türkiye, September 13-16, 2006 / Fatih University / İstanbul-Türkiye aşamasındaki sistematik olmayan bozulmalar, görüntü üzerinde homojen olarak dağılmış konumu bilinen yer kontrol noktaları yardımıyla giderilmiştir. 1/25000 ölçekli standart topografik harita üzerinde net ve doğru olarak tanımlanabilen çerçevenin tamamı üzerinde de seçilebilen yollar, nehirler, kıyı çizgileri, vb. çizgisel özellik taşıyan objelerin kesim noktaları gibi 28 yer kontrol noktası seçilmiştir. Yer kontrol noktaları kullanılarak, Landsat-5 TM uydu verileri ülkemizde kullanılan koordinat sistemi olan UTM koordinat sistemine dönüştürülmüştür. Landsat 5 TM uydu görüntülerine uygulanan her iki geometrik dönüşümde de, orijinal yansıma değerleri değiştirilmek istenmediğinden dolayı yeniden örnekleme yöntemlerinden, en yakın komşuluk yöntemi uygulanmıştır Geometrik dönüşüm işlemlerinde 1. derece Afin dönüşümü kullanılmıştır (RMSE= 0.49 piksel). Radyometrik ve geometrik düzeltmeleri yapılmış Landsat 5 TM görüntüsünün amaca uygun kullanılabilmesi için görüntü zenginleştirme aşamalarından Çoklu Görüntü İşleme içerisinde yer alan oran görüntüleri kullanılmıştır. Oran görüntüleri, bir spektral banttaki spektral yansıtım (Digital Number; DN) değerlerinin diğer banda karşılık gelen değerlerine bölümünden sonuçlanan zenginleştirmelerdir. Oran görüntülerinin ana avantajı, görüntü özelliklerinin spektral veya renk karakteristiklerini açığa vururken, manzara aydınlatma şartlarındaki değişimleri dikkate almamasıdır (Lillesand ve Diğ. 2004). Şekil 2 de güneş ışığı alan ve gölgeli kısımda kalan iki farklı tür (ibreli ve yapraklı) örneklenmiştir. Her iki tür için yansıtım değerleri gölgeli kısımda güneş alan kısma göre düşüktür. Ancak, her bir örtü tipi için spektral yansıtım değerleri olan dijital sayıların oran değerleri hemen hemen aynıdır. Böylece, manzaranın oran görüntüsü değişen topografyadan kaynaklanan parlaklık değişimini etkin şekilde düzeltir ve verinin renk içeriğini ortaya çıkarır. Bu çalışmada (Band 3 / Band 4), (Band 3 / Band 7), (Band 5 / Band 2), (Band 5 / Band 4) oran görüntüleri kullanılmıştır. (Arazi Örtü tipi) Aydınlatma (Yapraklı türler) Güneş ışığı Gölge (İbreli türler) Güneş ışığı Gölge Band A DN 48 18 31 11 Band B DN 50 19 45 16 Oran (BandA/BandB) 0.96 0.95 0.69 0.69 Şekil 2: Topografyanın Spektral Yansımaya Etkisi Figure 2: Effect of Topography an Spectral Reflection Şekil 3: Meşcere Koşulları Faktörlerinin Karakteristikleri Figure 3: Characteristics of Stand Condition Factors Bu araştırma kapsamında meşcere kapalılığı haritası oluşturulması aşamasına kadar yapılan gözlem ve çalışmalarda, meşcere koşullarını anlamak için vejetasyon örtüsü, toprak ve gölgelilik faktörlerinin özelliklerini belirlemek büyük önem taşımaktadır. Meşcere kapalılık derecesi; vejetasyon örtüsü, çıplak toprak alanı, vejetasyon örtüsü tipi ve yoğunluğuna bağlı gölge faktörleri ile ilişkilidir. Meşcere kapalılık derecesi, vejetasyon örtüsü çeşidinin ve yoğunluğunun artışı ile doğru orantılıdır. Aynı şekilde vejetasyon örtüsünün yoğun olduğu alanlarda gölgelilik oranı artacağından aynı ilişki gölgelilik oranı ile meşcere kapalılık derecesi arasında da vardır (Jamalabad ve Abkar, 2004; Rikimaru 1996). Bu durumların aksine 3
vejetasyonun yoğun olduğu yerlerde toprak örtüsünün tamama yakını kapanacaktır. Şekil 3 de meşcere koşulları ile üç farklı indis karakteristik özellikleri karşılaştırılmıştır. Yenihan Orman İşletme Şefliği sınırları içerisindeki çalışma alanına ait orman amenajmanı verileri doğrultusunda 57 nolu bölmenin c bölmeciği ve 58 nolu bölmenin meşcere kapalılık derecesi I (%10-40), 61 nolu bölmenin meşcere kapalılık derecesi II (%41-70), 29, 34 nolu bölmeler ve 35 nolu bölmenin a,b bölmeciklerinin meşcere kapalılık derecesi III (%71-100) olmak üzere sırasıyla, 107.2 ha., 102.2 ha. ve 152.3 ha. büyüklüğünde 3 farklı kapalılık derecesine ait alan seçimi yapılmıştır (Tablo 1). 4 Tablo 1: Üç Farklı Kapalılık Derecesine Ait Deneme Alanlarının Özellikleri Table 1: Characteristics of Sample Plots in Three Different Canopy Density Kapalılık derecesi Bölme Bölmecik Karışım Ormanlık şekli Alan (ha) I 57 c Kn 27.2 (%10-40) 58 a Kn+Ih 14.0 b Kn 36.0 c Kn 30.0 II 61 a Kn 42.2 (%41-70) b Kn+Gn 45.0 c Kn 15.0 III 29 a Kn 13.1 (%71-100) b Kn 26.5 c Kn 22.4 34 a Kn 34.9 b Kn+M+Gn 21.6 35 a Kn+M+Gn 22.9 b Kn+Gn+M 10.9 Kn: Kayın Gn: Gürgen M: Meşe Ih: Ihlamur Landsat 5 TM uydu görüntü verisi kullanılarak üretilen en uygun oran görüntüsü üzerinden meşcere kapalılık derecelerine ait spektral yansıma değerleri arasında, istatistiki anlamda farkın olup olmadığının belirlenmesi amacıyla varyans analizi yapılmıştır. Varyans analizi, deneyle elde edilen bireylere ait verilerin gösterdikleri farkları, bu farklara neden olan etmenlere göre kısımlara bölmek ve analiz etmektir. İkiden fazla örnekte elde edilen ortalamaların birbirinden farklı olup olmadığını bulmak için kullanılan temel bir yöntemdir (Batu 1995). Yapılan istatistiklerde Statgraphics paket programı kullanılmıştır. Sonuç görüntüsünün oluşturulması için, varyans analizi sonuçlarına göre istatistiki anlamda farkın bulunduğu oran görüntüsü (TM 5/4) kullanılmış, her üç meşcere kapalılık derecesine ait alanlar kontrol alanı olarak seçilerek görüntü sınıflandırması yapılmıştır. Görüntü sınıflandırma prosedürlerinin amacı, otomatik şekilde görüntüdeki bütün pikselleri yer örtü sınıflarına veya temalarına kategorize etmektir (Musaoğlu 1999). Her üç kapalılığa ait alanlar eğitim alanı olarak seçilmiş ve görüntü sınıflandırması olarak en büyük benzerlik (Maksimum Likelihood) kontrollü sınıflandırma algoritması uygulanmıştır. 3. BULGULAR 12.07.2000 tarihli Landsat 5 TM görüntü verisinden TM 3/4, TM 3/7, TM 5/2, TM 5/4 oran görüntüleri oluşturulmuştur (Şekil 4). TM 3/4 oran görüntüsü kırmızı bandtaki (TM3) yüksek oranda ve yakın kızıl ötesi bandta (TM4) düşük yansımasından dolayı su ve yol gibi detaylar açık tonlarda, vejetasyon örtüsü ise koyu tonlarda görünmektedir. Aynı şekilde TM 3/7 oran görüntüsünde de vejetasyon örtüsü olmayan alanlar açık tonlarda görülmektedir. TM 5/2 oran görüntüsünde orta kızıl ötesi bandtaki (TM5) vejetasyonun yüksek yansıtma vermesi ve yeşil bandtaki (TM2) düşük yansıtması nedeniyle vejetasyon alanları açık tonlarda görünmektedir. Her üç oran görüntüsü görsel olarak incelendiğinde farklı topografyadan kaynaklanan parlaklık değişimini etkin bir şekilde düzeltemediği görülmektedir. TM 3/4 oran görüntüsü incelendiğinde su ve yol gibi detayların net olarak ayrıldığı, ayrıca mevcut orman alanının diğer farklı kullanım alanlarından da net olarak ayrıldığı görünmektedir. Fakat orman alanlarının, topografyadan kaynaklanan gölgelik alanlarda koyu, güneş ışığı alan yerlerde nispeten daha açık tonlarda görülmesine neden olacak spektral yansıma değerlerine sahip olduğu anlaşılmaktadır. TM 5/2 oran görüntüsünde aksine, orman alanları açık tonlarda görünmektedir. Fakat orman alanları üzerinde topografyanın etkisi daha keskin bir şekilde belirginleşmektedir. TM 5/4 oran görüntüsünde ise vejetasyon
4. Coğrafi Bilgi Sistemleri Bilişim Günleri, 13 16 Eylül 2006 / Fatih Üniversitesi / İstanbul-Türkiye 4 th GIS Days in Türkiye, September 13-16, 2006 / Fatih University / İstanbul-Türkiye örtüsü diğer kullanım alanlarından rahatça ayrılmaktadır. Bunun yanında topografyadan kaynaklanan parlaklık değişimi kaybolmuş olup verinin renk içeriği net olarak ortaya çıkmaktadır. A B C D Şekil 4: Landsat 5 TM Görüntü Verisinden Oluşturulan Oran Görüntüleri; TM 3/4 (A), TM 3/7 (B), TM 5/2 (C), TM 5/4 (D) Figure 4: Ratioed Images Constituted from Landsat 5 TM Image Data; TM 3/4 (A), TM 3/7 (B), TM 5/2 (C), TM 5/4 (D) Çalışma alanı içerisindeki meşcere kapalılık derecesi I, II, III olan deneme alanları harita üzerinde tespit edilerek poligon şeklinde sayısallaştırılmıştır. Yapılacak kontrollü sınıflandırma prosedüründe kontrol (eğitim) alanları olarak işleme girecek her üç kapalılık derecesine ait kontrol alanlarının amaca uygun oluşturulmuş TM 5/4 oran görüntüsü üzerinden spektral yansıtım değerleri alınarak varyans analizi için hazır hale getirilmiştir (Şekil 5). Şekil 5: TM 5/4 Oran Görüntüsü ve Kontrol Alanları. Figure 5: TM 5/4 Ratioed Image and Control Areas 5
Amaca uygun görüntü verisi olan TM 5/4 oran görüntüsü üzerinden yapılan varyans analizi sonuçları Tablo 2 de belirtilmiştir. Tablo 2: Varyasyon Kaynakları ve F oranı Table 2: Variation Sources and F Value Varyasyon kaynağı Serbestlik derecesi Toplam varyans Ortalama varyans Gruplar arası 2 4776.99 2388.50 Gruplar içi 3784 116684.00 30.84 F- oranı Hesaplanan F oranı değeri 77.46 olarak bulunmuştur. Bu değer F tablo değeri olan 2.99 dan büyük olduğu için her bir kapalılığa ait spektral yansıma değerleri arasında istatistiki anlamda bir farkın olduğu belirlenmiştir. Her bir kapalılığa ait spektral yansıma değerlerinin birbirleri arasındaki farkların tespit edilebilmesi amacıyla yapılan Duncan testi irdelemesinde de Tablo 3 deki sonuçlar elde edilmiştir. Duncan testi sonucunda, % 95 güven düzeyinde her bir kapalılık grubu arasında önemli bir fark bulunduğu tespit edilmiştir. Tablo 3: Test Sonuçları Table 3: Test Results Meşcere kapalılık derecesine göre alanlar Toplam piksel sayısı Spektral yansıtım Değerlerinin ortalamaları 77.46 I kapalı deneme alanı 1322 35.4556 X Homejen Gruplar II kapalı deneme alanı 856 34.6944 X III kapalı deneme alanı 1609 32.7943 X TM 5/4 oran görüntüsü üzerinden, spektral yansıtım değerleri birbirinden farklı her üç kapalılık sınıfına ait alanlar, yapılacak olan kontrollü sınıflandırma prosedürüne kontrol alanları olarak sokularak yapılan sınıflandırma Şekil 6 da, doğruluk analizi ise Tablo 4 de gösterilmiştir. 6 Şekil 6: Meşcere Kapalılık Derecesine Göre Sınıflandırılmış TM 5/4 Oran Görüntüsü Figure 6: TM 5/4 Ratioed Image Classified According to Forest Canopy Density Tablo 4: Sınıflandırma Sonuçlarına Ait Doğruluk Analizleri Table 4: Accuracy Analysis Relating to Classification Results Sınıf Üretici Kullanıcı Doğruluğu (%) Doğruluğu (%) I Kapalı (%11-40) 71.429 71.429 II Kapalı (%41-70) 23.529 63.158 III Kapalı (%71-100) 91.781 63.809 Diğer 99.383 99.383 Genel Doğruluk: 83.333%
4. Coğrafi Bilgi Sistemleri Bilişim Günleri, 13 16 Eylül 2006 / Fatih Üniversitesi / İstanbul-Türkiye 4 th GIS Days in Türkiye, September 13-16, 2006 / Fatih University / İstanbul-Türkiye Sınıflandırma sonucunda I ve III meşcere kapalılık derecesine sahip alanların üretici doğruluğu istenilen düzeyde olmasına karşın II kapalı meşcerelerin doğruluğu oldukça düşüktür. Tablo 5 deki hata matrisi incelendiğinde ihmal hatası olarak II kapalı alan içerisinde yer alması gereken toplam 39 pikselin bu kategoride sınıflandırılmadığı görülmektedir. Katma hatası olarak ise 2 piksel I kapalı, 5 piksel ise III kapalı alana dahil edilmiştir. Diğer sınıflara nazaran ihmal ve katma hatası II kapalı alanlar için oldukça fazladır. Tablo 5: Hata Matrisi Table 5: Error Matrix Sınıf Diğer I Kapalı II Kapalı III Kapalı (%11-40) (%41-70) (%71-100) Toplam Diğer 161 1 0 0 162 I Kapalı (%11-40) 1 10 2 1 14 II Kapalı (%41-70) 0 2 12 5 19 III Kapalı (%71-100) 0 1 37 67 105 Toplam 162 14 51 73 300 Özellikle üretici doğruluğunu etkileyen toplam 39 piksel doğruluğun düşük olmasına neden olmuştur. Yenihan Orman İşletme Şefliği bazındaki çalışma alanı içerisinde bulunan orman yapısının doğal orman olduğunu söylemek mümkündür. Geçmişten günümüze farklı nedenlerden dolayı zamanla kapalılıkları kırılmış olan orman alanlarının, yapılan ağaçlandırma çalışmaları ile mevcut yapılarının istenilen kapalılık derecesinde olması sağlanmıştır. Bu nedenle çalışma alanı içerisinde birbirinden en rahat ayrılabilen I ile III kapalı alanlar olmaktadır. II ve III kapalı alanların niteliğini yakalaması düşüncesiyle yapılan ağaçlandırma çalışmaları ile boş ya da I kapalı alanlar ağaçlandırılmıştır. Bunun neticesinde vejetasyon bakımından zengin hale gelen alanların spektral yansıtım değerleri özellikle II ve III kapalı alanlar için yakın olmaktadır. İstatiksel olarak anlamlı bir fark olmasına karşın yapılan sınıflandırma analizinde bu iki alana ait piksel parlaklık değerlerinin kategorize edilmesinde zorluklar yaşanmıştır. 4. SONUÇ VE ÖNERİLER Yenihan Orman İşletme Şefliği sınırları içerisinde bulunan çalışma alanına ait 12.07.2000 tarihli Landsat 5 TM görüntü verisinden TM 3/4, TM 3/7, TM 5/2, TM 5/4 oran görüntüleri oluşturulmuştur. Oluşturulan oran görüntüleri üzerinde her üç kapalılık derecesini de içeren deneme alanları bölme ve bölmecik bazında tespit edilerek alansal olarak sayısal hale getirilmiştir. Oluşturulmuş oran görüntüleri içerisinden, topografyadan kaynaklanan parlaklık değişiminin kaybolmasını ve verinin renk içeriğinin net olarak ortaya çıkmasını sağlayacak TM 5/4 oran görüntüsü tespit edilmiştir. İlgili oran görüntüsü kullanılarak her üç kapalılığa ait alanlar üzerinden belirlenen piksel parlaklık değerlerini gösteren spektral yansıtım değerleri varyans analizinde kullanılmak üzere otomatik olarak elde edilmiştir. Her üç kapalılık derecesine göre elde edilen spektral yansıtım değerleri ortalamalarının birbirinden farklı olup olmadığını belirlemek için yapılan varyans analizi sonucunda, % 95 güven düzeyinde kapalılık dereceleri arasında önemli bir farkın bulunduğu tespit edilmiştir. TM 5/4 oran görüntüsü üzerinden yapılan kontrollü sınıflandırma prosedüründe II (%41-70) kapalılık derecesine ait alanların üretim doğruluğu düşük oranda gerçekleşmiştir. Bunun sebebi, I kapalılık derecesine sahip alanlara göre vejetasyon örtüsünün oldukça yoğun olarak görüldüğü bu alanların uydu görüntü verisi üzerindeki spektral yansıma değerlerinin, III kapalılık derecesine sahip meşcerelerin spektral yansıma değerlerine oldukça yaklaşmış olmasındandır. Bu durumun aksine acilen ağaçlandırılması ve kapalılık durumunun iyileştirilmesi gereken I kapalılık derecesine sahip alanlar, III kapalılık derecesine sahip alanlardan belirgin olarak ayrılabilmiştir. Bu tür uygulamalarda standart hatanın en aza indirgenmesi amacıyla meşcere kapalılık derecelerine ilişkin örnek alan sayılarının olabildiğince arttırılarak yüksek tutulması araştırmanın doğruluğunu artıracaktır. Ayrıca farklı meşcere kapalılık derecelerinde alınan örnek alanların, hazırlanmış amenajman planlaması haritaları üzerinden değil de, arazide meşcere kapalılık derecelerinin ölçülüp bu alanların belirlenmesiyle analize sokulması büyük yarar sağlayacaktır. Aynı zamanda eldeki uydu görüntü verisine uygulanacak dijital görüntü işleme içeriğindeki topografik ve atmosferik düzeltme prosedürleri, oluşturulacak sonuç görüntülerin doğruluğunu arttıracaktır. Yersel yöntemlerle, rehabilitasyon çalışmalarına konu olabilecek orman alanlarının tespiti oldukça zor ve zaman alıcıdır. Buna karşılık uydu fotoğraflarından yararlanılarak, rehabilitasyon çalışmalarına obje oluşturabilecek I kapalılık derecesine sahip orman alanlarının tespiti daha hızlı, doğru ve ekonomik olacaktır. Bu nedenle 7
yapılmış olan bu çalışma, araştırma alanı içinde gerçekleştirilecek rehabilitasyon çalışmalarına konu olabilecek meşcerelerin belirlenmesinde önemli bir altlık oluşturmaktadır. KAYNAKLAR Akça, A., 1981. Modern Hava Fotoğrafı Değerlendirme Yöntemleri ile Ağaç Servetinin Saptanması İstanbul Üniversitesi Orman Fakültesi Dergisi 2 (A), 75-86. Batu, F., 1995. Uygulamalı İstatistik Yöntemler. Karadeniz Teknik Üniversitesi Orman Fakültesi, Genel Yayın No: 179, Fakülte Yayın No: 9, Trabzon. Jamalabad, M. S., Abkar A. A., 2004. Forest Canopy Density Monitoring Using Satellite Images. XX International Society for Photogrammetry and Remote Sensing (ISPRS) Kongresi, İstanbul. Lillesand, M. T., Kiefer, W. R., Chipman, J. W., 2004. Remote Sensing and Image Interpretation. John Wiley and Sons Inc., New York. Musaoğlu, N., 1999. Elektro-Optik ve Aktif Mikrodalga Algılayıcılardan Elde Edilen Uydu Verilerinden Orman Alanlarında Meşcere Tiplerinin ve Yetişme Ortamı Birimlerinin Belirlenme Olanakları. Doktora Tezi, İstanbul Teknik Üniversitesi, İstanbul, 112 sayfa. Rikimaru, A., 1996. Landsat TM Data Processing Guide for Forest Canopy Density Mapping and Monitoring Model. ITTO workshop on utilization of remote sensing in site assessment planning for rehabilitation of logged-over forest, 1-8, Bangkok. Schowengerdt, R. A., 1997. Remote Sensing Models and Methods for Image Processing. Department of Electrical and Computer Engineering University of Arizona Tucson, Arizona. 8