Başlık: Arazi örtüsünün landsat TM uydu görüntüleri yardımıyla belirlenmesiYazar(lar):GENÇ, Levent; SAÇAN, Melis; TURHAN, Hakan; ASAR, BurakCilt: 16 Sayı: 3 Sayfa: 213-224 DOI: 10.1501/Tarimbil_0000001140 Yayın Tarihi: 2010 PDF

(1)

Tar. Bil. Der.

Dergi web sayfası: www.agri.ankara.edu.tr/dergi

Journal homepage: www.agri.ankara.edu.tr/journal

Arazi Örtüsünün Landsat TM Uydu Görüntüleri

Yardımıyla Belirlenmesi

Levent GENÇa, Melis SAÇANa, Hakan TURHANb, Burak AŞARa a

Çanakkale Onsekiz Mart Üniversitesi Ziraat Fakültesi Tarımsal Yapılar ve Sulama Bölümü, 17020, Çanakkale, TÜRKĐYE b

Çanakkale Onsekiz Mart Üniversitesi Ziraat Fakültesi Tarımsal Biyoteknoloji Bölümü 17020, Çanakkale, TÜRKĐYE

ESER BĐLGĐSĐ

Araştırma Makalesi  Doğal Kaynak Yönetimi ve Peyzaj Planlama

Sorumlu Yazar: Levent GENÇ, e-posta: leventgc@comu.edu.tr, Tel: +90(286) 2180018-1312/1315 Geliş tarihi: 27 Mart 2009, Düzeltmelerin gelişi: 11 Ağustos 2010, Kabul: 08 Aralık 2010

ÖZET

Bu çalışmada, Bozcaada ilçesi arazi örtüsü haritaları, 2006, 2007 ve 2008 yıllarına ait Landsat uydu görüntüleri kullanılarak elde edilmiştir. Çalışmada orijinal görüntülerin (6 band Landsat TM) yanında, görüntü işleme teknikleri kullanılarak oluşturulan yeni görüntüler de kullanılmıştır. Ana bileşenler analizi (AB), normalize edilmiş vejetasyon farklılık indeksi (NDVI) ve Tasseled Cap (TC) dönüşüm yöntemi ile birlikte toplam on görüntü, kontrollü sınıflama yardımıyla sayısal harita haline getirilmiştir. Arazi örtüsü haritaları için arazi çıkışlarında toplanan verilerden ve mevcut yüksek çözünürlüklü Formasat (2 m yersel çözünürlüklü) uydu görüntüsünden yararlanılarak doğruluk analizi yapılmıştır. En yüksek ortalama sınıflama doğruluğu 3 band AB analizinden elde edilen görüntü için bulunurken, en düşük ortalama sınıflama doğruluğu her üç yılın NDVI görüntüsünden elde edilen birleştirilmiş görüntüden hesaplanmıştır. Üç yılın orijinal görüntüleri birleştirilerek oluşturulan 18 band Landsat görüntüsü ve yine üç yıl için ayrı ayrı hesaplanan TC görüntüsünün ilk üç bandından oluşturulan 9 band TC görüntülerinin yüksek oranda ortalama sınıflama doğruluğuna sahip olduğu belirlenmiştir. Bozcaada benzeri bitki örtüsüne sahip alanlarda arazi örtüsü belirleme çalışmalarında, çok yıllık NDVI görüntüleri yerine AB analizi ve TC analizi kullanarak oluşturulacak sayısal haritaların daha yüksek doğruluğa sahip olacağı hesaplanmıştır..

Anahtar sözcükler: Arazi örtüsü; Landsat TM; Bozcaada; Lineer dönüşüm, NDVI

Determination of Land Cover using Landsat TM Imagery

ARTICLE INFO

Research Article  Natural Resources Management and Landscape Planning

Corresponding author: Levent GENÇ, e-mail: leventgc@comu.edu.tr, Tel: +90(286) 2180018-1312/1315 Received: 27 March 2009, Received in revised form: 11 August 2010, Accepted: 08 December 2010

ABSTRACT

In this study, land cover maps of Bozcaada district were developed using Landsat satellite images obtained in 2006, 2007 and 2008. In addition to original images (6 band Landsat TM), the new images constituted with image processing techniques were also used. A total of ten images were formed by supervised classification method using principal component analysis (PCA), normalized difference vegetation index (NDVI), and tasseled cap (TC) transformation methods. Accuracy analysis were conducted for land cover maps using the data obtained in land and

T

A

R

IM

B

İL

İM

LE

R

İ

D

E

R

G

İS

İ



J

O

U

R

N

A

L

O

F

A

G

R

IC

U

LT

U

R

A

L

S

C

IE

N

C

E

S

16 ( 20 10 ) 21 3-22 4

(2)

was for 3 band image obtained by PCA, the lowest average classification accuracy was for the image obtained by combining the NDVI images of three years. It was found that the highest average classification accuracies were calculated for the image that was formed by the combination of 18 band Landsat images acquired in three years, and 9 band images formed by the first three bands of TC images. It was calculated that, the digital maps formed by using PCA and TC analysis have higher accuracies than that of multi-year NDVI images in the determination of land cover for Bozcaada and similar locations.

Keywords: Land cover; Landsat TM; Bozcaada; Lineer transformation, NDVI

1. Giriş

Tarımsal üretim alanlarında arazi örtüsü ve tarımsal yapı hakkında ayrıntılı bilgi sahibi olmak, tarımsal üretim planları ve pazarlama konularında üreticilere

büyük kolaylıklar sağlamaktadır. Yapılan

araştırmalarda, arazi örtüsü belirleme

çalışmalarında uydu görüntüleri kullanımının, tarımsal üretimde yönetim kolaylığı sağladığı belirlenmiştir.

Arazi kullanımı ve arazi örtüsü değişiminin belirlenmesinde uydu görüntülerinden sıklıkla yararlanılmaktadır (Cardille & Foley 2003; Lobo et al 2004; Musaoglu et al 2005). Teknolojik olanaklar doğrultusunda istenilen ayrıntıda ve yüksek doğrulukta arazi örtüsü haritaları elde etmek için arazi çalışmaları yapılması ve zaman içinde farklı

tarihlerde arazi örtüsünün sayısal olarak

tanımlanması, değişimin hangi büyüklükte

olduğunun görülmesine yardımcı olmaktadır (Dimyati et al 1996; Jensen 2000). Özellikle geniş alanlardan hızlı ve istenen zamanda görüntü elde edilmesi ile arazi örtüsü ana sınıflarının belirlenmesi mümkün olmaktadır.

Arazi örtüsü haritaları, arazi örtüsü dinamiğinin izlenmesinde hızlı ve ekonomik araçlar olmaları nedeniyle yerleşim planlarının ve değişim haritalarının hazırlanmasında da kullanılmaktadır (Raina et al 1993; Jensen 2000; Oindo & Skidmore 2003; Muttitanon & Tripati 2005; Gao & Yansui 2008). Anderson et al (1976) ve Cohen & Goward (2004. Farklı zamanlarda çekilen uydu görüntüleri kullanılarak yapılan arazi örtüsü sınıflamasında nadasa bırakılan alan ile çıplak alan arasındaki farklılıklar olduğu Pax-Lenney et al (1996) tarafından bildirilmiştir. Ayrıca Wood & Foody (1989), Landsat görüntüsüne uyguladıkları çok değişken belirleme fonksiyonu ile altı farklı arazi

örtü sınıfını % 87 doğrulukta belirlemişlerdir. Uydu görüntülerini anlamlı hale getirebilmek için çeşitli

matematiksel dönüşümler ve istatistiksel

yaklaşımlar kullanılmaktadır. Araştırmacılar Ana Bileşenler Analizi (AB) ve Tasseled Cap (TC) dönüşüm yöntemlerini Landsat uydu görüntülerine uygulayarak arazi örtüsü sınıflamaları yapmışlardır (Genç et al 2005; Chen & Rao 2008;Kauth & Thomas 1976). Lineer dönüşüm tekniği olan AB

analizi, çok bantlı görüntüler arasındaki

korelasyonu ortadan kaldırarak; n sayıda banddaki görüntüyü istenen band sayısına (n-m) indirgeyerek yeni görüntü oluşturmakta ve yeni görüntü, orijinal görüntüyü % 97 oranında temsil edecek ayrıntıları içerebilmektedir (Mather 1999; Richards & Jia 1999; Genç & Smith 2005). TC benzer yansıma özellikleri aynı bandlarda toplayan bir lineer dönüşüm yöntemidir (Kauth & Thomas 1976; Crist & Cicone 1984; Crist & Kauth 1986). Bunun yanında tarımsal alanlarda bitki varlığını belirleme çalışmalarında Normalize Edilmiş Vejetasyon Farklılık Indeksi (NDVI) kullanılmaktadır. NDVI, orman alanları ve tarımsal üretim yapılan alanlarda bitki yoğunluğunu belirlemede yaygın olarak kullanılmaktadır (Richard & Jia 1999).

Bu çalışmada, Landsat TM uydu görüntüleri kullanılarak en yüksek ortalama sınıflama doğruluğuna (OSD) sahip arazi örtüsü haritalarının yapılması amaçlanmıştır. Bu amaçla daha önce arazi örtüsü hakkında bilgi sahibi olunması nedeniyle Bozcaada ilçesi çalışma alanı olarak

secilmiştir.. Çalışma alanına ait uydu

görüntülerinden farklı görüntü işleme teknikleri yardımıyla elde edilen görüntülerden yararlanılarak orman, mera, tarım, yerleşim ve açık alan sınıflarından oluşan arazi örtüsü haritaları elde edilmiştir.

(3)

2. Materyal ve Yöntem

2.1. Çalışma alanı

Bozcaada, 39°49’29” K ve 26°01’37” D merkezli

koordinatlarda, Çanakkale iline bağlı Ege

Denizi’nin kuzey-doğusunda, Çanakkale

Boğazı’nın 22 km güneyinde yer alan ve Çanakkale Đl Merkezine 46 km uzaklıkta bulunan bir adadır (Şekil 1). Çevresi 38 km olan Bozcaada 36.67

km2’lik yüzölçümüne sahiptir (TUĐK 2008).

Bozcaada bulunduğu konum itibariyle Akdeniz ikliminin etkisi altındadır. Genel arazi desenine bakıldığında Bozcaada'nın, çıplak alanlar, mera, kuru tarım yapılan tek yıllık bitkiler, zeytin ve

büyük oranda bağ alanlarından oluştuğu

görülmektedir.

Çalışma toplam dört aşamadan oluşmaktadır (Şekil 2). Bunlar; uydu görüntüleri ve görüntü işlemeye hazırlık aşaması (sınıflama öncesi işlemler, aşama 1), yeni katmanlar oluşturma (aşama 2), sınıflama (aşama 3) doğruluk analizi (aşama 4) aşamalarıdır.

2.2. Sınıflama öncesi işlemler

Analizlerde, UTM (WGS 84) projeksiyonuna göre coğrafi olarak referanslandırılmış ve radyometrik düzeltmeleri yapılmış olarak satın alınan 2006, 2007 ve 2008 yıllarına ait Landsat TM (Jensen 1996) uydu görüntüleri kullanılmıştır.

Uyduların aynı alanı farklı zamanda

görüntülemeleri nedeniyle oluşan koordinat

sistemindeki değişimleri ortadan kaldırmak için geometrik düzeltmeler yeniden yapılmıştır (Erdas 1999). Geometrik düzeltmeler, Landsat 2006 yılı görüntüsünün koordinat bilgilerinin görüntüden-görüntüye koordinat aktarım yöntemi yardımıyla Landsat 2007 ve 2008 görüntülerine aktarılmasıyla yapılmıştır. Bu işlem için ikinci derecede polinomial dönüşüm tekniği kullanılmıştır ve kareler ortalamasının kare kökü (RMS) değeri her işlem için 0.5 pikselden küçük çıkmıştır. Ayrıca araziden küresel konumlama sistemi (GPS) yardımıyla bilinen noktalardan toplanan koordinat

bilgileri kullanılarak görüntülerin kontrolü

yapılmıştır.

2.3. Yeni Katmanlar Oluşturulması

2006, 2007 ve 2008 yıllarına ait yersel çözünürlüğü 30 m olan Landsat TM görüntüleri üzerinden

Bozcaada ilçesi sınırları belirlenmiş ve yeni görüntüler oluşturulmuştur. Yeni görüntülerin oluşturulmasında, Landsat TM uydu görüntüsünün farklı bantları kullanılarak NDVI, TC ve AB analizleri yapılmıştır. Bu analizler sonucunda elde edilen bantlar yardımıyla birleştirilmiş yeni görüntüler oluşturuldu. . Bozcaada’ya ait 2 m yersel çözünürlükte Formosat II uydu görüntüsü toplanan arazi verilerinin konumlarının işaretlenmesinde altlık olarak kullanıldı (Şekil 2).

Her farklı yıl için Landsat görüntülerinden NDVI hesaplanmıştır. NDVI değeri; Eşitlik 1’deki gibi kızılötesi ve kırmızı bandlar farkının, toplamlarına bölünmesiyle bulunmuştur (Rouse et al 1973; Jensen 1996; Genç 2003). Kontrollü sınıflamada kullanılmak üzere her üç yıl için elde edilen NDVI görüntüleri birleştirilerek 3 band NDVI görüntüsü oluşturulmuş ve sınıflama için kullanılmıştır (Şekil 2). Her yıla ait tek bantlı NDVI görüntüleri, yalnızca yeşil alanların doğruluğunu tespit etmedeki başarısı ve çıplak alan ve meralardaki düşük doğruluk derecesi (%52) nedeniyle çalışmada test edilmesine rağmen sınıflamada kullanılmamıştır.

(

)

(

4 3

)

3 4 TM TM TM TM NDVI + − = ₍₁₎

Burada TM4, Landsat görüntüsünün 4. Bandını;

TM3 ise Landsat görüntüsünün 3. bandını temsil

etmektedir.

TC olarak adlandırılan lineer dönüşüm yardımıyla, 6 bandlı Landsat TM görüntüsünden (termal band hariç) 6 bileşenli yeni görüntü elde edilmiştir. Elde edilen bileşenlerden ilk üçü,

cisimlerin spektral özelliklerine göre

gruplanmaktadır (Crist & Kauth 1986). Bu bileşenler; çıplak toprak ve insan yapımı alanların spektral özelliklerinin toplandığı Parlaklık Đndeksi (PĐ), klorofil içeren vejetasyon ağırlıklı Yeşillik Đndeksi (YĐ) ve su içeriği yüksek cisimlerin veya alanların yoğunlukla yansıma değerlerinden oluşan Islaklık Đndeksi (IĐ) 'dir (Crist & Kauth 1986). Çalışmada kullanılan ilk üç bileşen ile orijinal görüntünün bandları arasındaki ilişkiler sırasıyla Eşitlik 2, 3 & 4’de verilmiştir.

PĐ=0.3037TM+0.2793TM2+0.4343TM3+0.5585TM4

+0.5082TM5+0.1863TM7 (2)

(4)

Şekil 1-Bozcaada çalışma alanı

Figure 1- Bozcaada study area

Şekil 2-Görüntü işleme ve verilerin bilgiye dönüştürülmesi sürecine ait akış diyagramı

(5)

IĐ=0.1509TM+0.1793TM2+0.3299TM3+0.3406TM4-0.7112TM5-0.4572TM7 (4)

2006, 2007 ve 2008 yıllarına ait Landsat TM 6 band, uydu görüntülerinden 18 bantlık yeni görüntü oluşturuldu (Şekil 2). Ayrıca TC lineer dönüşüm yardımıyla elde edilen PĐ, YĐ ve IĐ kullanılarak 9 band TC görüntü elde edildi (Şekil 2). AB analizi yardımıyla 18 bant birleştirilmiş görüntüden üç bileşenli (AB1, AB2 ve AB3) yeni görüntü oluşturuldu. Üç ana bileşenin oluşturduğu görüntü,

Eigen değerleri incelendiğinde 18 bantlık

görüntünün %97.6’sını temsil ettiği Çizelge 1 de görülmektedir. Çizelge 2 de AB3 yükleme değerleri ile 18 bantlık görüntünün 2008 bantlarından 2, 3, 5 ve 7. ile pozitif yönde yüklendiği görülmektedir. Đlk iki bileşenin orijinal 18 bantlı görüntünün %96.75 ini oluşturmasına rağmen AB3 'ün yeni görüntüde yer alması, solmuş bitki örtüsü çeşitliliğinin bu bileşenin oluşturulmasında önemli olmasıdır (Koutsias et al 2009). AB1’in bileşenlerinden 2006, 2007 ve 2008 yıllarında band 4 (yakın kızıl ötesi) ve band 5 (orta kızıl ötesi) yüklemeleri en yüksek olmuştur. AB2 için en yüksek yükleme, her yılın 1. (mavi) bandlarındadır. AB3 için en yüksek yükleme Landsat 2008 5. bantta (orta kızıl ötesi) olmuştur. Ayrıca Landsat 2008 görüntüsüne ait bantların yakın kızıl ötesi bandı hariç diğer bantlarda yükleme 2007 ve 2006 görüntülerine göre yüksek olmuştur (Çizelge 2).

2.4. Sınıflama

Birleştirilmiş 18 band Landsat görüntüsü, kendi içinde tekrarlanan analiz (ISODATA) olarak bilinen kontrolsüz sınıflama tekniği yardımıyla 50 sınıfa ayrılmıştır (Jensen 1996; Gibson 2000; Erdas 2010). Çalışma alanında hakim arazi örtüsü fotoğraflar ve arazi gözlemleri yardımıyla

belirlendi. bunlar a) Yetişkin çam (b) Ekili çam ve

Makilik, (c) Doğal otlak, (d) Abdest bozan, (e) Genç bağ alanı, (f) Telli terbiye sistemli bağ, (g) Çıplak arazi ve (h) Yerleşim alanları (Şekil 3). Hakim arazi örtü sınıfları kullanılarak kontrolsüz sınıflama sonunda 50 sınıfa ayrılan görüntü dört ana arazi örtüsü sınıfına indirgendi. Bunlar, “Orman ve Makilik (OM)”, “Mera (M)”, “Tarım (T)” ve “Yerleşim ve Çıplak Alanlar (YÇA)”. Kontrolsüz sınıflama yardımıyla elde edilen harita üzerinden seçilen alanlardan kontrollü sınıflama örnek alanları

belirlendi ve arazide bu alanlarda örnekler toplandı. Araziden toplanan imza dosyası kullanılarak çalışma alanı her görüntü için ayrı ayrı sınıflandırıldı (Jensen 1996).

Çizelge 1-Ana bileşenler ile orijinal görüntü arasındaki ilişki ve Eigen değerinin % ve toplamdaki etkisi

Table 1-Corelation between principal components and original image and effect of Eigen value on % and total

AB1 AB2 AB3

Eigen Değeri 16960.466 658.093 156.386 % değeri 93.132 3.613 0.859 Toplam 93.132 96.750 97.610 Çizelge 2-Ana bileşenlerin füzyon görüntüdeki bandlarla olan ilişkileri

Table 2-Corelation of principal components and bands of fusion image

Bandlar AB1 AB2 AB3

Landsat2006band1 0.110716 -0.5627 -0.20886 Landsat2006band2 0.097291 -0.18418 -0.12721 Landsat2006band3 0.155086 -0.13832 -0.16896 Landsat2006band4 0.268106 0.043461 -0.23188 Landsat2006band5 0.400463 0.113339 -0.27251 Landsat2006band7 0.191093 0.016253 -0.18554 Landsat2007band1 0.123751 -0.54839 0.054219 Landsat2007band2 0.106086 -0.17117 -0.02203 Landsat2007band3 0.159946 -0.10806 -0.00998 Landsat2007band4 0.281221 0.051137 -0.36735 Landsat2007band5 0.435096 0.156856 -0.05204 Landsat2007band7 0.213205 0.047322 0.011082 Landsat2008band1 0.116703 -0.41279 0.389922 Landsat2008band2 0.101099 -0.12179 0.187638 Landsat2008band3 0.168897 -0.04792 0.309813 Landsat2008band4 0.251997 0.082072 0.072286 Landsat2008band5 0.408663 0.212491 0.491796 Landsat2008band7 0.19126 0.068874 0.278521 2.5. Doğruluk Analizi

Doğruluk analizi; Congalton & Green (1999) tarafından önerilen şekliyle, orijinal Landsat (2006, 2007, 2008), birleştirilmiş NDVI (2006, 2007, 2008), TC dönüşüm (2006, 2007, 2008 için ayrı

(6)

ayrı), birleştirilmiş TC (2006, 2007,2008), birleştirilmiş 18 band Landsat (2006, 2007, 2008) ve 18 band Landsat görüntüsünden elde edilen 3

band AB görüntülerinden elde edilen

sınıflandırılmış haritalar için ayrı ayrı yapılmıştır. 2007 ve 2008 yıllarında araziden koordinatları bilinen ve fotoğraflanarak arazi notları alınan yer bilgilerinin yanında, Bozcaada sınırlarını da içine alan 2007 yılına ait 2 m yersel çözünürlüklü Formosat II pankromatik görüntü kullanılmıştır. Ortalama sınıflama doğruluğu; kullanıcı doğruluğu, üretilen doğruluk ve Kappa istatistik değerleri, hata tablolarından hesaplanmıştır Congalton & Green 1999; Beland et al 2006).

3. Bulgular ve Tartışma

3.1. Arazi örtüsü

Bozcaada arazi örtüsü hangi arazi örtüsü tipini içereceği konusunda çalışma yapılarak, sınıflama için temel oluşturan dört ana sınıf oluşturuldu. Bunlar;

Orman ve Makilik (OM): Yetişkin ve ekili çam

ağaçları ve makilik alanlarından oluşmaktadır ve koyu yeşil renkte olarak gösterilmiştir (Şekil 3a-3b; Şekil 4).

Mera (M): Tek yıllık bitki türlerin sıkça görüldüğü

çalışma alanında dikenli yastık türlerinden abdestbozan (Sarcopoterium spinosum) ın hakim olduğu alanlardır (Şekil 3c ve 3d). Bazı bölgelerde özellikle yaz aylarında bitki örtüsünün tamamen kaybolduğu ve çıplak toprak yüzeyinin ortaya çıktığı görülmektedir. Mera alanları Şekil 4 te sarı renkte gösterilmiştir.

Tarım (T): Bağlar, zeytinlikler ve kuru tarım

alanlarından oluşmaktadır (Şekil 3e ve 3f). Özellikle bağ alanlarının yansıma değerleri sıra aralarındaki boşluklar nedeniyle zaman zaman mera alanları ile karışmaktadır. Bu alanlar sınıflama haritasında açık yeşil olarak gösterilmiştir (Şekil 4).

Yerleşim ve Çıplak Arazi (YÇA): Yerleşim yeri,

asfalt ve patika yollar, mera içi kayalık yüzeyler, plaj ve kayalık alanları içine almaktadır (Şekil 3g ve 3h). Bu alanlar Şekil 4’deki sınıflama haritasında kırmızı rekle gösterilmiştir.

3.2. Arazi örtüsü sınıflaması

Orijinal 6 band 2006, 2007 ve 2008 Landsat TM

uydu görüntülerinden kontrollü sınıflama

sonucunda elde edilen arazi örtüsü haritaları Şekil 4 a, b ve c’de verilmiştir. Arazi çıkışları yapılmamış olan 2006 yılı için sınıflama, çiftçilerle yapılan görüşmelerden elde edilen bilgiler doğrultusunda yapılmıştır. Bu nedenle ekili tarım alanlarının ürün

desenindeki durum beyana dayanmaktadır.

Kontrollü sınıflama için alınan örneklerde bitki örtüsü kesin olan alanlardan yapılmaya çalışılmıştır. Fakat 2007 ve 2008 yıllarında arazi çıkışları yapılmış arazide ekili alanlar fotoğraflar ve arazi notları yardımıyla kayıt altına alınmıştır (Şekil 4 a, b & c). NDVI görüntüleri kullanılarak elde edilen sayısal arazi örtüsü haritalarının doğruluk oranları literatürde belirtilenin aksine düşük çıkmıştır (Şekil 4d). Bunun nedeni, NDVI görüntülerinin, su ve klorofil içeriği yüksek mera ve çalılık formlarını ekili tarım arazisi olarak ve bağlar arasındaki boşlukları da mera olarak sınıflandırması şeklinde açıklanabilir. Ayrıca, her üç yılda uydu görüntüleri üzerinde bitki örtüsü yansıma özelliklerindeki benzerlikler nedeniyle bazı makilik, zeytinlik ve

bağ alanlarının orman olarak sınıflandığı

görülmüştür. Bu nedenle çalışma kapsamında 2006, 2007 ve 2008 yıllarına ait NDVI görüntülerinin sınıfları ayrı ayrı değerlendirilememiştir.

Birleştirilmiş (Landsat 6 band 2006, 2007 ve 2008) 18 band Landsat görüntüsünden elde edilen arazi örtüsü haritası Şekil 4e‘de görülmektedir. Sınıflar arası fark, yer bilgileri dikkate alındığında belirgin olduğu görülmektedir.. Özellikle tarım ve mera alanları birbirinden ayrılmıştır.

Lineer dönüşüm yardımıyla 18 band Landsat görüntüsünden elde edilen 3 band AB görüntüleri kontrollü sınıflama sonunda oluşturulmuştur (Şekil 4 f). Ayrıca, Landsat TM 2006, 2007 ve 2008 TC dönüşümü sonucu oluşturulan 3 bantlı görüntüler kontrollü sınıflama yardımıyla sınıflanarak haritalar oluşturulmuştur (Şekil 4 g, h & i). Bunlara ait elde

edilen arazi örtüsü haritası Şekil 4-j’de

görülmektedir.

3.3. Sınıflama doğruluklarının değerlendirilmesi

Orijinal görüntüler ve dönüşüm teknikleri yardımıyla elde edilen görüntülerin birleştirilmesi ile oluşturulan yeni görüntülerin sınıflanması sonucu hesaplanan alan miktarları Çizelge 3’te

(7)

Şekil 3-Farklı arazi tiplerine ait görüntüler (a) Yetişkin çam, (b) Ekili çam ve makilik, (c) Doğal otlak, (d) Abdest bozan, (e) Genç bağ alanı, (f) Telli terbiye sistemli bağ, (g) Çıplak arazi ve (h) Yerleşim

Figure 3-Pictures of land cover. (a) Natural pine, (b) Pine and shrub, (c ) Grassland, (d) Sarcopoterium sipinosum, (e ) Newly planted vineyard, (f) Modern vineyard, (g) Bare soil, (h) Urban

(8)

Şekil 4-Görüntülerin sınıflandırılmasıyla elde edilen haritalar

(9)

verilmiştir. Alana ait yayınlanmış herhangi bir arazi ve bitki örtüsü haritası olmaması nedeniyle sınıflama doğruluğunun doğrudan yer bilgileri ve

yüksek çözünürlükte uydu görüntülerinden

yararlanılarak yapılmıştır.

Bozcaada toplam yüz ölçümü 3743.81 ha olarak bulunmuştur. Kontrollü sınıflama sonucu 31 Mayıs 2006 tarihli 6 bandlık Landsat görüntüsünden OM alanlarının, toplam alanın %7.68’ini (287.55 ha) oluşturduğu tespit edilirken; M, T, YÇA alanların sırasıyla %46.98 (1759.05 ha), %43.40 (1625.04 ha), %1.92’ lik (72.18 ha) paya sahip olduğu görülmüştür. Doğruluk analizi sonucunda 6 band Landsat 2006 görüntüsü ortalama sınıflama doğruluğu % 78.13 ve 0.7089 Kappa doğruluğunda bulunmuştur. Aynı alana ait Temmuz 5, 2007 6 band Landsat görüntüsünde arazi kullanım ve bitki örtüsü %80 ortalama sınıflama doğruluğunda ve 0.7333 Kappa değerinde bulunmuştur. OM, M, T ve YÇA alanları için toplam alanlar ve yüzdeleri sırayla %9.53 (356.85ha), % 47.4 (1774.98 ha), % 40.38 (1511.91 ha) ve % 2.67 (100.08 ha) olarak bulunmuştur. 8 ağustos 2008, 6 band Landsat

görüntüsü sınıflamasının ortalama sınıflama

doğruluğu %83.75 ve Kappa değeri 0.7833 ve sınıfların alanları ise OM için %4.3 (161.82 ha), M

için %41.11 (1539,36 ha), T için %49.17 (1841.13 ha) ve YÇA için %5.38 (201.51 ha) olarak bulunmuştur. 6 band 2008 Landsat görüntüsünden elde edilen doğruluk oranı 2006 ve 2007 yıllarına

göre daha yüksektir (Çizelge 3). Uydu

görüntülerinin birbirini takip eden yıllarda ve yaz mevsimi başında, ortasında ve sonunda alınmış olması nedeniyle zamansal farklılıkları ortadan kaldırmak amacıyla görüntü birleştirme teknikleri yardımıyla oluşturulan 18 bandlık görüntüden yapılan sınıflamada ortalama sınıflama doğruluğu % 86.25'e ve Kappa değeri 0.8167'ye yükselmiştir. Üç yıllık NDVI görüntülerinden oluşturulan birleştirilmiş 3 band NDVI görüntüsü, test edilen görüntülerden en düşük ortalama sınıflama

doğruluğunda (%63.13 ve Kappa 0.5083)

sınıflanmıştır. 2006, 2007 ve 2008 yıllarına ait NDVI görüntülerinin sınıflandırılmasıyla elde edilen doğruluk değerinin çok düşük olması

nedeniyle bu çalışma kapsamında dikkate

alınmamıştır. NDVI görüntüleri kullanılarak elde edilen haritaların yüksek ortalama sınıflama doğruluğuna sahip olması beklenir (Lillesand & Kieffer 2000; Symeonakis & Drake 2004; Boer & Puigdefabregas 2005).

Çizelge 3-Landsat görüntüleri ve bu görüntülerden elde edilen sınıfların alanları ve yüzde değerleri

Table 3-Area and percentage values of Landsat images and classifications generated from images

OM M T YÇA Toplam alan

Görüntü ha % ha % ha % ha % ha 2006 287.55 7.68 1759.05 46.98 1625.04 43.40 72.18 1.92 3743.81 2007 356.85 9.53 1774.98 47.41 1511.91 40.38 100.08 2.67 3743.81 2008 161.82 4.32 1539.36 41.11 1841.13 49.17 201.51 5.38 3743.81 18BAND 153.63 4.10 1961.64 52.39 1528.83 40.83 99.72 2.66 3743.81 3 BANDPC 232.38 6.20 1736.91 46.39 1605.6 42.88 168.93 4.51 3743.81 3NDVI 308.7 8.24 1620.81 43.29 1624.05 43.37 190.26 5.081 3743.81 TC2006 316.89 8.46 1451.34 38.76 1717.92 45.88 257.67 6.882 3743.81 TC2007 377.1 10.07 1760.85 47.03 1420.38 37.93 185.49 4.954 3743.81 TC2008 159.93 4.27 1645.92 43.96 1640.25 43.81 297.72 7.952 3743.81 TC9BAND 150.03 4.00 1704.42 45.52 1736.19 46.37 153.18 4.091 3743.81

Bu çalışmada kullanılan görüntülerin alınma dönemleri mevsimsel değişim nedeniyle oluşan karışık bitki desenini spektral olarak ayıramamıştır. Çalışma alanında, sıra aralığı geniş bağ alanları ile çalı formundaki mera alanlarının spektral olarak ayıramamıştır.

Birleştirilmiş 18 band Landsat görüntüsünden yapılan arazi örtüsü sınıflama haritasında %4.1

(161.82 ha) alan OM, %52.39 (1961.64 ha) alan M, %40.83 (1528.83 ha) alan T ve %2.66 (99.72 ha) alan YÇA olarak bulunmuştur (Çizelge 3).

AB analizi sonucunda oluşturulan 3 ana bileşenli görüntüden elde edilen ortalama sınıflama doğruluğu %89.38'e ve Kappa değeri 0.8583'e yükselmiştir. AB analizi yardımıyla oluşturulan görüntüden elde edilen sınıflama doğruluğunun

(10)

orijinal görüntüden elde edilen sınıflamalara göre daha yüksek çıktığı Jensen (1996), Coopin et al. (2004), Deng et al (2004) tarafından bildirilmiştir. Üç yılın Landsat görüntülerinin birleştirilmesinden elde edilen 3 band AB görüntüsünde OM %100, M %90, T %75 ve YÇA %92 kullanıcı doğruluğunda belirlenebilmiştir. Arazi örtüsü haritası sınıflama alanları %6.20 (232.38 ha) OM, %46.39 (1736.91 ha) M, %42.88 (1605.6 ha) T ve , %4.51 (168.93 ha) YÇA olarak saptanmıştır.

TC dönüşümü birçok araştırmacı tarafından büyük ölçekli projelerde başarıyla kullanılmıştır

(Cohen et al 1998; Genç 2003). TC dönüşümü 2006 yılı için elde edilen PĐ, YĐ ve IĐ indekslerinden oluşturulan yeni görüntü %68.75 ortalama sınıflama doğruluğunda ve 0.5833 Kappa değerinde elde edilmiştir. OM alanları toplam alanın %8.46 (316.89 ha), M alanla %38.76 (1451.34 ha), T alanları %45.88 (1717.92 ha) ve YÇA alanlarının ise toplam alanın %6.88 (257.67 ha)'ini oluşturduğu hesaplanmıştır. 2007 yılı PĐ, YĐ, ve IĐ indekslerinden oluşturulan yeni görüntü %76.25 ortalama sınıflama doğruluğunda ve 0.6833 Kappa değerinde bulunmuştur (Çizelge 4).

Çizelge 4-Arazi kullanım ve bitki örtüsü sınıflama doğruluk analizi

Table 4-Accuracy assessment of land use and land cover classification

6 Band Landsat 2006 6 Band Landsat 2007

Sınıf OM M T YÇA Ü.D. (%) K.D. (%) Sınıf OM M T YÇA Ü.D. (%) K.D. (%) OM 30 6 4 0 96.77 75.00 OM 29 7 4 0 93.55 72.50 M 1 32 5 2 61.54 80.00 M 2 28 5 5 65.12 70.00 T 0 8 31 1 75.61 77.50 T 0 4 35 1 79.55 87.50 YÇA 0 6 1 32 91.43 80.00 YÇA 0 4 0 36 85.71 90.00

OSD = % 78,13 Kappa = 0,7089 OSD = % 80,00 Kappa = 0,7333 6 Band Landsat 2008 NDVI (2006:2007:2008)

OSD = % 83,75 Kappa = 0,7833 OSD = % 63,13 Kappa = 0,5083 18 Band Landsat 3 Band Anabileşenler Analizi

OSD = % 86,25 Kappa = 0,8167 OSD = % 89,38 Kappa = 0,8583 Tasseled Cap 2006 Tasseled Cap 2007

OSD = % 68,75 Kappa = 0,5833 OSD = % 76,25 Kappa = 0,6833 Tasseled Cap 2008 9 Band Tasseled Cap

(11)

OM alanları toplam alanın %10.07' si ile (377.10 ha) sınıflanan görüntüler arasında en yüksek oranda bulunmuştur. 2008 yılı TC dönüşümü sonucu oluşturulan indeks görüntüden %73.13 oranında bir doğruluk elde edilmiştir. Kappa değeri 0.6417 olarak belirlenmiştir. OM alanları toplam alanın %4.27'sini (150.03 ha) oluştururken, M alanlarının %43.96 (1645.92 ha), T alanlarının %43.81 (1640.25 ha) ve YÇA alanlarının %7.95 (297.72 ha) alan kapladığı belirlenmiştir. 2006, 2007 ve 2008 görüntülerinden TC dönüşümü yardımıyla elde edilen birleştirilmiş 9 bantlı görüntü sınıflamasında ortalama doğruluğu %88.10 ve Kappa 0.8417 olduğu hesaplanmıştır (Çizelge 4). Sınıflama sonucu OM alanları toplam alanın %4.0'ını oluştururken M alanları %46.52, T alanları %46.37 ve YÇA alanları %4.09 olarak belirlenmiştir (Çizelge 3).

4. Sonuçlar

Çalışmada oluşturulan haritalar, Bozcaada arazi varlığının belirlenmesi konusunda yapılan ilk detaylı arazi bitki örtüsü haritalarıdır. En yüksek ortalama doğruluk analizi %89.38 oranla 3 bantlı AB görüntü sınıflamasından elde edilmiştir. Bu çalışmada AB analizi yardımıyla farklı yıllara ait

uydu görüntüleri yardımıyla daha yüksek

doğrulukta harita üretildiği belirlenmiştir.

Teşekkür

Bu çalışma Çanakkale Đl Özel Đdare Destekli Çanakkale Tarım Đl Müdürlüğü ve Çanakkale Onsekiz Mart Üniversitesi Ziraat Fakültesi tarafından yürütülen "Çanakkale ili Uzaktan Algılama ve Coğrafi Bilgi Sistemi" projesi kapsamında desteklenmiştir. Arazi çalışmalarına katkı sağlayan Harita müh. Özge SAYI, Ziraat Müh. Unzile KARAGÖZ’e katkılarından dolayı teşekkür ederiz.

Kaynaklar

Anderson J R, Hardy E H., Roach J T & Whitmer R E (1976). A Land Use and land cover classification system for use with remote sensing data. US

Government Printing Office, Washington D.C

Beland M, Goıta K, Bonn F & Pham T T H (2006). Assessment of land-cover changes related to shrimp

aquaculture using remote sensing data: a case study in the Giao Thuy District, Vietnam. International

Journal of Remote Sensing 27(8): 1491–1510

Boer M & Puigdefábregas J (2005). Effects of spatially structured vegetation patterns on hillslope erosion in a semiarid Mediterranean environment: A simulation study. Earth Surface Processes and Landforms 30: 149-167

Bozcaada Kaymakamlığı (2008). Kaymakamlık web sitesi. http://www.bozcaada.gov.tr

Cardille J A & Foley J A (2003). Agricultural land-use change in Brazilian Amazonia between 1980 and 1995: Evidence from integrated satellite and census data. Remote Sensing of Environment 87(4):551-562 Chen S & Rao P (2008). Land degradation monitoring

using multi-temporal Landsat TM/ETM data in a transition zone between grassland and cropland of Northeast China. International Journal of Remote

Sensing 29(7): 2055–2073

Cohen W B, Fiorella M, Gray J, Helmer E & Anderson K (1998). An efficient and accurate method for mapping forest clearcuts in the Pacific Northwest using Landsat imagery. Photogrammetric

Engineering and Remote Sensing 64: 293–300

Cohen W B & Goward S N (2004). Landsat's role in ecological applications of remote sensing. Bioscience 54: 535-545

Congalton R G & Green K (1999). Assessing the Accuracy of Remotely Sensed Data.CRC Press, Boca Raton, FL. pp 137

Coppin, P, Jonckheere I, Nackaerts K, Muys B & Lambin E (2004). Digital change detection methods in ecosystem monitoring: A review. International

Crist E P & Cicone R C (1984). Application of the Tasseled Cap concept to simulated Thematic Mapper data. Photogrammetric Engineering Remote Sensing 50(3): 343-352

Crist E P & Kauth R J (1986). The Tasseled Cap demystified, Photogrammetric Eng Remote Sens 52(1): 81-86

Deng X Z, Liu J Y, Zhan J Y, Zhao T (2004). Dynamic simulation on the spatio-temporal patterns of land use change in Taibus County. Geographical Research, 23(2):147–156

Dimyati M, Mizuno K, Kobayashi S & Kitamura T (1996). An analysis of land use/cover change using the combination of MSS Landsat and land use map -a case study in Yogyakarta, Indonesia. International

(12)

ERDAS 1999. Erdas Field Guide Worldwide Headquarters 2801 Buford Highway, NE Atlanta, Georgia 30329-2137 USA

Gao J & Yansui L (2008). Mapping of land degradation from space: A comparative study of Landsat ETM+ and ASTER data international. Journal of Remote

Sensing 29: 4029–4043

Genç L (2003). Assessment of the Use of Remote Sensing Techniques for Locating and Mapping Ordinary High Water Lines for Lake Hatchineha in Florida. Graduate and Professional student forum 2003. University of Florida April 1th. 2003

Genc L & Smith S (2005) Principal components analysis for moderate and high resolution remote sensing data.

Trakya Journal of Science 6(2): 29-48.

Genç L, Kavdır Đ, Turhan H, Genç H & Kavdır Y (2005). Bitkisel Üretim ve Uzaktan Algılama. Harran

Üniversitesi Ziraat Fakültesi Dergisi 9(4): 1-9

Gibson P J (2000). Introductory Remote Sensing. London and New York: Routeledge

Jensen J R (1996). Introductory Digital Image Processing: A Remote Sensing Perspective. 2nd edition, Prentice Hall, Upper Saddle River, New Jersey, USA

Jensen J R (2000). Remote Sensing of The Environment: An Earth Resource Perspective. Prentice–Hall, Upper Saddle River, NJ

Kauth R J & Thomas G S (1976). The Tasseled Cap a graphic description of the spectral-temporal development of agricultural crops as seen in Landdat. In Proceedings on the Symposium on Machine Processing of Remotely Sensed Data. West Lafayette, Indiana, 41-51

Koutsias N, Giorgos M & Karteris M (2009). A forward/backward principal component analysis of Landsat-7 ETM+ data to enhance the spectral signal of burnt surfaces. Journal of Photogrammetry and

Remote Sensing 64(1): 37-46

Lillesand T M & Kiefer R W (2000). Remote Sensing and Image Interpretation. The 4 th Edition. New York: John Willey and Sons. 724 pp

Lobo A, Legenre P, Rebollar J, Carreras J & Ninot J (2004). Land cover classification at a regional scale in Iberia: separability in a temporal and multi-spectral data set of satellite images. International

Journal of Remote Sensing 25: 205–213

Mather, P.M., (1999). Computer Processing of Remotely Sensed Images. Prentice Hall, USA

Musaoglu N, Tanik A & Kocabas V (2005). Identification of land-cover changes through image. Processing and associated impacts on water reservoir

conditions. Environmental Management 35(2): 220– 230.

Muttitanon W & Tripathi N K (2005). Land use/land cover changes in the coastal zone of Ban Don Bay, Thailand using Landsat 5 TM data. International

Oindo B O & Skidmore A K (2003). Mapping habitat and biological diversity in the Maasai Mara ecosystem. International Journal of Remote Sensing 24:1053-1069

Pax-Lenney M, Woodcock C E, Collins J B & Hamdi H (1996) The status of agricultural lands in Egypt: the use of multitemporal NDVI features derived from Landsat TM. Remote Sensing of Environment 56: 8-20

Raina P, Joshi D C & Kolarkar A S (1993). Mapping of soil degradation by using remote sensing on alluvial plain, Rajasthan, India. Arid Soil Research and

Rehabilitation 7: 145–161

Richards J A & Jia X (1999). Remote Sensing Digital Image Analysis: An Introduction, 3rd edn (Sydney: Springer Verlag)

Richards J A & Jia X (2006). Interpretation of hyperspectral image data. In: Remote Sensing Digital Image Analysis, Springer, New York, USA. pp. 359-387

Rouse J W, Haas R H, Schell J A & Deering D W (1973). Monitoring Vegetation Systems In The Great Plains With ERTS, Third ERTS Symposium, NASA, SP-351, 1: 309-317

Sader S A, Bertrand M & Wilson E H (2003). Satellite change detection of forest harvest patterns on an industrial forest landscape. Forest Science 49(3): 341–353

Symeonakis E & Drake N (2004). Monitoring desertification and land degradation over sub-Saharan Africa. International Journal of Remote Sensing 25:573–592

Story M & Congalton R G (1986). Accuracy assessment: A user’s perspective. Photogrammetric Engineering

and Remote Sensing 52: 397-399

TUĐK (2008). Đstatistikler. http://www.tuik.gov.tr/ Wood T F & Foody G M (1989). Analysis and

representation of vegetation continua from Landsat thematic mapper data for lowland heaths.

International Journal of Remote Sensing 10: 181-191

Yuan F, Sawaya K E, Loeffelholz B C & Bauer M E (2005). Land cover classification and change analysis of the Twin Cities (Minnesota) Metroplitan Area by multitemporal Landsat remote sensing. Remote