Research Article
BibTex RIS Cite

2019 İzmir Karabağlar İlçesi Orman Yangın Alanının Uydu Görüntüleri İle Analizi

Year 2022, Volume: 3 Issue: 1, 20 - 33, 14.03.2022

Fatma Betül Özdemir Nusret Demir

https://doi.org/10.48123/rsgis.1009319
Cited By: 2

Abstract

Orman yangınları dünyada sıkça rastlanan bir doğal afettir. Orman yangınları sonrası yanan alanların belirlenmesinde uzaktan algılama teknolojileri sıklıkla kullanılmaktadır. Bu çalışmada 18 Ağustos 2019 tarihinde İzmir ili Karabağlar ilçesinde meydana gelen ve 53 saat süren orman yangını incelenmiştir. Multispektral görüntüler (MSI) ve Yapay Açıklıklı Radar (SAR) veri setlerine (Landsat 8, Sentinel 2 ve Sentinel 1A) uzaktan algılama teknikleri uygulanmıştır. Çalışma bölgesine ait orman yangını öncesi sırasıyla Landsat 8 ve Sentinel 2 için 16 ve 11 Ağustos 2019 ve orman yangını sonrası 23 ve 21 Ağustos 2019 tarihli görüntüler kullanılmıştır. Alana ait yangın risk modeli oluşturulmuş, ilaveten; bitki sağlığı izleme ve yanan alan tespiti için geliştirilen indeksler kullanılarak tahrip olmuş alanlar tespit edilmiştir. dNBR (Fark Normalize Yanma İndeksi) ve dNDVI (Fark Normalize Bitki İndeksi) indeksleri kullanılarak, kontrolsüz sınıflandırma işlemi uygulanmıştır. Sınıflandırılan görüntülerin alanları hesaplanarak doğruluk analizleri yapılmış ve Ekoloji Birliği verileriyle karşılaştırılmıştır. Yanan alan, elle oluşturulan vektör veri ile karşılaştırılmış Sentinel MSI verileriyle hesaplanan dNDVI ve dNBR indekslerinde sırasıyla % 99,96 ve % 99,95 doğrulukla hesaplanmıştır. Google Earth Engine platformuyla Sentinel 1 SAR görüntüleri; Sentinel 2 uydusuna ait dNDVI ve dNBR indeksleri üzerinde sınıflandırılan alanlara göre maskelenmiştir. Maskelenen alanlardan elde edilen saçılma değerleri istatistiksel olarak hesaplanarak elde edilen sonuçlar tartışılmıştır.

Keywords

Uzaktan algılama Uydu görüntüsü Orman yangını Değişim tespiti

Supporting Institution

Akdeniz Üniversitesi

References

  • Belenguer-Plomer, M.A., Tanase, M.A., Fernandez-Carrillo, A., & Chuvieco, E. (2019). Burned area detection and mapping using Sentinel-1 backscatter coefficient and thermal anomalies. Remote Sensing of Environment, 233: 111345, doi: 10.1016/j.rse.2019.111345.
  • Benguerai, A., Benabdeli, K., & Harizia, A. (2019). Forest fire risk assessment model using remote sensing and GIS techniques in Northwest Algeria. Acta Silvatica et Lignaria Hungarica: An International Journal in Forest, Wood and Environmental Sciences, 15(1), 9-21.
  • Copernicus. (2020, Mayıs 25). Copernicus Open Access Hub, Retrieved from https://scihub.copernicus.eu/
  • Çolak, E. & Sunar, F. (2018, Eylül). Yüzey sıcaklığı ve spektral yanma indekslerinin orman yangını analizinde kullanımı. In VII. Uzaktan Algılama-CBS Sempozyumu, 2018. (pp. 311-320). UZAL-CBS.
  • Çömert R., Küçük Matcı, D., Emir, H. & Avdan, U. (2017, Nisan). Uydu görüntüleri kullanılarak orman yangınlarının haritalanması. Türkiye Ulusal Fotogrametri ve Uzaktan Algılama Birliği (TUFUAB) IX. Teknik Sempozyumu, 2017. TUFUAB.
  • Das, A. K. (2020, Mayıs 25). Advanced SAR Techniques for Forest Applications, Lecture Notes: SAR & Hyperspectral Data Analysis for Forest Applications Under TREES. Retrieved from https://vedas.sac.gov.in/vedas/downloads/ertd/SAR_And_HyperSpectral/Notes.pdf
  • Demir, N. (2020). NDVI analysis of Australian Bushfires with cloud computing. Turkish Journal of Remote Sensing and GIS, 1(2), 78-84.
  • Ekoloji Birliği. (2019, Eylül 3). TMMOB’dan İzmir’deki orman yangınları ile ilgili şok eleştiriler. Retrieved from https://ekolojibirligi.org/tmmobdan-izmirdeki-orman-yanginlari-ile-ilgili-sok-elestiriler/
  • El-Sheimy, N., Habib, A., & Valeo, C. (2005). Digital Terrain Modeling: Acquisition, Manipulation, and Applications. Boston: Artech House Publishers.
  • Ghasemi, N., Sahebi, M. R., & Mohammadzadeh, A. (2011). A review on biomass estimation methods using synthetic aperture radar data. International Journal of Geomatics and Geosciences, 1(4), 776-788.
  • Gimeno, M., & San-Miguel-Ayanz, J. (2004). Evaluation of RADARSAT-1 data for identification of burnt areas in Southern Europe. Remote Sensing of Environment, 92(3), 370-375.
  • Google Earth Engine. (2020, Mayıs 25). Data catalog, Sentinel-1 SAR GRD: C-band synthetic aperture radar ground range detected, log scaling. Retrieved from https://developers.google.com/earth-engine/datasets/catalog/COPERNICUS_S1_GRD
  • Imperatore, P., Azar, R., Calo, F., Stroppiana, D., Brivio, P. A., Lanari, R., & Pepe, A. (2017). Effect of the vegetation fire on backscattering: an investigation based on Sentinel-1 observations. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 10(10), 4478-4492.
  • Key, C.H & Benson, N.C. (2006). Landscape Assessment: Ground measure of severity, the Composite Burn Index; and Remote sensing of severity, the Normalized Burn Ratio (Report No. RMRS-GTR-164-CD: LA 1-51). Ogden, UT: USDA Forest Service, Rocky Mountain Research Station.
  • KTÜ. (2020, Mayıs 25). Uzaktan algılamada uydu görüntülerine uygulanan işlemler, Retrieved from http://www.ktu.edu.tr/dosyalar/ormanamenajmani_09c24.pdf
  • Liu, S., Zheng, Y., Dalponte, M., & Tong, X. (2020). A novel fire index-based burned area change detection approach using Landsat-8 OLI data. European Journal of Remote Sensing, 53(1), 104-112.
  • OpenTopography. (2020, Mayıs 25). OpenTopography high resolution topography data and tools, Retrieved from https://opentopography.org/
  • Meyer, F. (2019). Spaceborne Synthetic Aperture Radar: Principles, Data Access, and Basic Processing Techniques. In A. Flores, K. Herndon, R. Thapa & E. Cherrington (Eds.), SAR Handbook: Comprehensive Methodologies for Forest Monitoring and Biomass Estimation, (pp. 21-62), National Space Science and Technology Center, Huntsville, AL: NASA.
  • Ruecker, G., & Siegert, F. (2000). Burn scar mapping and fire damage assessment using ERS-2 SAR images in East Kalimantan, Indonesia. International Archives of Photogrammetry and Remote Sensing, 33(B7/3 Part 7), 1286-1293.
  • Saatchi, S. (2019). SAR Methods for Mapping and Monitoring Forest Biomass. In A. Flores, K. Herndon, R. Thapa & E. Cherrington (Eds.), SAR Handbook: Comprehensive Methodologies for Forest Monitoring and Biomass Estimation, (pp. 207-253), National Space Science and Technology Center, Huntsville, AL: NASA.
  • Sabuncu, A. & Özener, H. (2019). Uzaktan Algılama teknikleri ile yanmış alanların tespiti: İzmir Seferihisar orman yangını örneği. Doğal Afetler ve Çevre Dergisi, 5(2), 317-326.
  • Taşcı İ. & Avdan, Z. Y. (2018, Eylül). Orta çözünürlüklü uydu görüntülerinden değişim saptama ile yanmış orman alanların haritalanması. In VII. Uzaktan Algılama-CBS Sempozyumu. 2018. (pp. 880-887). UZAL-CBS.
  • TOD. (2019, Ağustos 18). Türkiye Ormancılar Derneği Tarihli İzmir orman yangını ile ilgili basın açıklaması. Retrieved from https://www.ormancilardernegi.org/dosyalar/files/TOD_izmir_yangini_basin_bildirisi%2812.09.2018%29.pdf
  • USGS. (2020, Mayıs 25). USGS Home Page, Retrieved from https://www.usgs.gov/

Analysis of The Burned Areas of 2019 Izmir Karabaglar Forest Fire with Use of Satellite Images

Year 2022, Volume: 3 Issue: 1, 20 - 33, 14.03.2022

Fatma Betül Özdemir Nusret Demir

https://doi.org/10.48123/rsgis.1009319
Cited By: 2

Abstract

Forest fires are a common natural disaster in the world. Remote sensing technologies are frequently used in the extraction of the burned areas after forest fires. In this study, the forest fire that occurred in Karabağlar district of İzmir province on August 18, 2019, and which lasted for 53 hours was examined. Remote sensing techniques have been applied to multispectral images (MSI) and Synthetic Aperture Radar (SAR) datasets (Landsat 8, Sentinel 2, and Sentinel 1A) from the dates of pre-fire and post-fire periods of each dataset. Additionally, the fire risk model was calculated. Burned areas were extracted by using two indices of vegetation which are NDVI and NBR. The unsupervised classification was applied on the dNBR (Difference Normalized Combustion Index) and dNDVI (Difference Normalized Plant Index) indices images. Accuracy analyzes were made by calculating the areas of the classified images and compared with the Ecology Union data. The burned area was calculated with 99.96% and 99.95% accuracy, respectively. Sentinel 1 SAR images with Google Earth Engine platform; It is masked according to the classified areas on the dNDVI and dNBR indices of the Sentinel 2 satellite. The scattering values obtained from the masked areas were calculated statistically and the results obtained were discussed.

Keywords

Remote sensing Satellite image Forest fire Change detection

References

  • Belenguer-Plomer, M.A., Tanase, M.A., Fernandez-Carrillo, A., & Chuvieco, E. (2019). Burned area detection and mapping using Sentinel-1 backscatter coefficient and thermal anomalies. Remote Sensing of Environment, 233: 111345, doi: 10.1016/j.rse.2019.111345.
  • Benguerai, A., Benabdeli, K., & Harizia, A. (2019). Forest fire risk assessment model using remote sensing and GIS techniques in Northwest Algeria. Acta Silvatica et Lignaria Hungarica: An International Journal in Forest, Wood and Environmental Sciences, 15(1), 9-21.
  • Copernicus. (2020, Mayıs 25). Copernicus Open Access Hub, Retrieved from https://scihub.copernicus.eu/
  • Çolak, E. & Sunar, F. (2018, Eylül). Yüzey sıcaklığı ve spektral yanma indekslerinin orman yangını analizinde kullanımı. In VII. Uzaktan Algılama-CBS Sempozyumu, 2018. (pp. 311-320). UZAL-CBS.
  • Çömert R., Küçük Matcı, D., Emir, H. & Avdan, U. (2017, Nisan). Uydu görüntüleri kullanılarak orman yangınlarının haritalanması. Türkiye Ulusal Fotogrametri ve Uzaktan Algılama Birliği (TUFUAB) IX. Teknik Sempozyumu, 2017. TUFUAB.
  • Das, A. K. (2020, Mayıs 25). Advanced SAR Techniques for Forest Applications, Lecture Notes: SAR & Hyperspectral Data Analysis for Forest Applications Under TREES. Retrieved from https://vedas.sac.gov.in/vedas/downloads/ertd/SAR_And_HyperSpectral/Notes.pdf
  • Demir, N. (2020). NDVI analysis of Australian Bushfires with cloud computing. Turkish Journal of Remote Sensing and GIS, 1(2), 78-84.
  • Ekoloji Birliği. (2019, Eylül 3). TMMOB’dan İzmir’deki orman yangınları ile ilgili şok eleştiriler. Retrieved from https://ekolojibirligi.org/tmmobdan-izmirdeki-orman-yanginlari-ile-ilgili-sok-elestiriler/
  • El-Sheimy, N., Habib, A., & Valeo, C. (2005). Digital Terrain Modeling: Acquisition, Manipulation, and Applications. Boston: Artech House Publishers.
  • Ghasemi, N., Sahebi, M. R., & Mohammadzadeh, A. (2011). A review on biomass estimation methods using synthetic aperture radar data. International Journal of Geomatics and Geosciences, 1(4), 776-788.
  • Gimeno, M., & San-Miguel-Ayanz, J. (2004). Evaluation of RADARSAT-1 data for identification of burnt areas in Southern Europe. Remote Sensing of Environment, 92(3), 370-375.
  • Google Earth Engine. (2020, Mayıs 25). Data catalog, Sentinel-1 SAR GRD: C-band synthetic aperture radar ground range detected, log scaling. Retrieved from https://developers.google.com/earth-engine/datasets/catalog/COPERNICUS_S1_GRD
  • Imperatore, P., Azar, R., Calo, F., Stroppiana, D., Brivio, P. A., Lanari, R., & Pepe, A. (2017). Effect of the vegetation fire on backscattering: an investigation based on Sentinel-1 observations. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 10(10), 4478-4492.
  • Key, C.H & Benson, N.C. (2006). Landscape Assessment: Ground measure of severity, the Composite Burn Index; and Remote sensing of severity, the Normalized Burn Ratio (Report No. RMRS-GTR-164-CD: LA 1-51). Ogden, UT: USDA Forest Service, Rocky Mountain Research Station.
  • KTÜ. (2020, Mayıs 25). Uzaktan algılamada uydu görüntülerine uygulanan işlemler, Retrieved from http://www.ktu.edu.tr/dosyalar/ormanamenajmani_09c24.pdf
  • Liu, S., Zheng, Y., Dalponte, M., & Tong, X. (2020). A novel fire index-based burned area change detection approach using Landsat-8 OLI data. European Journal of Remote Sensing, 53(1), 104-112.
  • OpenTopography. (2020, Mayıs 25). OpenTopography high resolution topography data and tools, Retrieved from https://opentopography.org/
  • Meyer, F. (2019). Spaceborne Synthetic Aperture Radar: Principles, Data Access, and Basic Processing Techniques. In A. Flores, K. Herndon, R. Thapa & E. Cherrington (Eds.), SAR Handbook: Comprehensive Methodologies for Forest Monitoring and Biomass Estimation, (pp. 21-62), National Space Science and Technology Center, Huntsville, AL: NASA.
  • Ruecker, G., & Siegert, F. (2000). Burn scar mapping and fire damage assessment using ERS-2 SAR images in East Kalimantan, Indonesia. International Archives of Photogrammetry and Remote Sensing, 33(B7/3 Part 7), 1286-1293.
  • Saatchi, S. (2019). SAR Methods for Mapping and Monitoring Forest Biomass. In A. Flores, K. Herndon, R. Thapa & E. Cherrington (Eds.), SAR Handbook: Comprehensive Methodologies for Forest Monitoring and Biomass Estimation, (pp. 207-253), National Space Science and Technology Center, Huntsville, AL: NASA.
  • Sabuncu, A. & Özener, H. (2019). Uzaktan Algılama teknikleri ile yanmış alanların tespiti: İzmir Seferihisar orman yangını örneği. Doğal Afetler ve Çevre Dergisi, 5(2), 317-326.
  • Taşcı İ. & Avdan, Z. Y. (2018, Eylül). Orta çözünürlüklü uydu görüntülerinden değişim saptama ile yanmış orman alanların haritalanması. In VII. Uzaktan Algılama-CBS Sempozyumu. 2018. (pp. 880-887). UZAL-CBS.
  • TOD. (2019, Ağustos 18). Türkiye Ormancılar Derneği Tarihli İzmir orman yangını ile ilgili basın açıklaması. Retrieved from https://www.ormancilardernegi.org/dosyalar/files/TOD_izmir_yangini_basin_bildirisi%2812.09.2018%29.pdf
  • USGS. (2020, Mayıs 25). USGS Home Page, Retrieved from https://www.usgs.gov/
There are 24 citations in total.

Details

Primary Language Turkish
Subjects Photogrammetry and Remote Sensing
Journal Section Research Articles
Authors

Fatma Betül Özdemir 0000-0002-0626-4686

Nusret Demir 0000-0002-8756-7127

Publication Date March 14, 2022
Submission Date October 16, 2021
Acceptance Date December 9, 2021
Published in Issue Year 2022 Volume: 3 Issue: 1

Cite

APA Özdemir, F. B., & Demir, N. (2022). 2019 İzmir Karabağlar İlçesi Orman Yangın Alanının Uydu Görüntüleri İle Analizi. Türk Uzaktan Algılama Ve CBS Dergisi, 3(1), 20-33. https://doi.org/10.48123/rsgis.1009319

Cited By

YANAN ORMAN ALANI TESPİTİNDE FARKLI UZAKTAN ALGILAMA İNDİSLERİNİN DEĞERLENDİRİLMESİ: 2022 YILI MERSİN (GÜLNAR) ORMAN YANGINI ÖRNEĞİ
ArtGRID - Journal of Architecture Engineering and Fine Arts
https://doi.org/10.57165/artgrid.1179074
Detection of Active Fires with Sentinel-3 Data and Their Verification through the use of Sentinel-2 Data
Turkish Journal of Remote Sensing and GIS
https://doi.org/10.48123/rsgis.1095460
 Download Cover Image

Creative Commons License
This journal is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.