Assessing Industrial Development Influence on Land Use and Land Cover Change Detection in Güzelhisar Basin with Cloud-Based Machine Learning Techniques
Author:
DANACIOĞLU Şevki1ORCID, ÖNGÜL Hüseyin Can2ORCID
Affiliation:
1. İZMİR BAKIRÇAY ÜNİVERSİTESİ 2. İZMİR BAKIRÇAY ÜNİVERSİTESİ LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ COĞRAFYA ANABİLİMDALI
Abstract
Endüstriyel faaliyetin varlığı, kentsel büyümenin ana itici gücüdür ve istihdam fırsatları yaratarak bölgenin sosyoekonomik durumunu etkilemektedir. Arazi Örtüsü ve Arazi Kullanımı (AÖAK), ekolojik koşullar, jeolojik ve jeomorfolojik özellikler, bitki örtüsü özellikleri gibi biyotik ve abiyotik faktörler ile sosyoekonomik yapı tarafından etkilenmektedir. AÖAK değişimlerini, bunların yoğunluğunu, değişim yönünü, etkenlerini ve izlemek, sürdürülebilir kalkınma planlaması için önemli bilgiler sağlamaktadır. Uzaktan Algılama (UA), bölgesel ve küresel AÖAK bilgisi elde etmek için en ekonomik ve uygulanabilir yaklaşım olarak kabul edilmektedir.. Çalışmanın amacı Güzelhisar Havzasında sanayi faaliyetlerinin AÖAK durumu üzerindeki etkisini araştırmaktır. Bu bağlamda uydu görüntüleri kullanarak makine öğrenme algoritması ile 1995-2022 yıllarına ait AÖAK durumu tespit edilmiştir. Sınıflandırmada AÖAK sınıfları ‘Su Yüzeyi’, ‘Orman Alanı’, ‘Tarım Alanı’, ‘Açık Yüzey’ ve ‘Beşeri Yüzey’ olarak belirlenmiştir. Araştırmada 30 m çözünürlüğü ile LANDSAT uydu görüntüleri kullanılmıştır. Normalize Edilmiş Fark Bitki Örtüsü İndeksi (NDVI), Toprakla Düzeltilmiş Bitki Örtüsü İndeksi (SAVI), Normalize Edilmiş Fark Su İndeksi (NDWI), Normalize Edilmiş Açık Yüzey İndeksi (NBLI), Çıplak Toprak İndeksi (BSI), Normalize Edilmiş Fark Yerleşim Alanı İndeksi (NDBI) indeksleri 1995 ve 2022 yılları için hesaplanarak doğruluğu artırmak amacıyla kullanılmıştır. Uydu görüntülerinin sınıflandırmasında Rastgele Orman (RF) makine öğrenme algoritması tercih edilmiştir. Görüntülerin elde edilmesinde ve sınıflandırma işlemlerinde Google Earth Engine (GEE) platformu kullanılmıştır. Sınıflandırma doğruluğu hata matrisi, kullanıcı doğruluğu, üretici doğruluğu, genel doğruluk ve Kappa Katsayısı ile hesaplanmıştır. Sonuç olarak araştırma sahasında beşeri yüzeylerde önemli miktarda artış meydana gelirken, tarım alanlarında ve açık yüzeylerde azalma olduğu tespit edilmiştir. Beşerî yüzeylerdeki artış miktarı dikkate alındığında bölgede sanayi faaliyetlerine bağlı istihdam potansiyelinin kentleşme üzerindeki etkisini göstermektedir. Araştırma kapsamında GEE platformunun yetenekleri, makine öğrenmesine dayalı sınıflandırma algoritması, sınıflandırma süreçleri ve elde edilen bulguların değerlendirilmesine kadar olan tüm süreç performansları değerlendirilmiştir. Bu açıdan çalışmanın tüm sonuçları, gelecekte yapılacak çalışmaların geliştirilmesi, ayrıca UA ve Coğrafi Bilgi Sistemleri araştırmalarında açık veri kaynaklarının ve bulut tabanlı platformların yaygınlaşması açısından önem arz etmektedir.
Publisher
Ege Universitesi
Subject
Ocean Engineering
Reference67 articles.
1. Abdollahizad, S., Balafar, M. A., Feizizadeh, B., Babazadeh Sangar, A., & Samadzamini, K. (2021). Using hybrid artificial ıntelligence approach based on a Neuro-Fuzzy System and evolutionary algorithms for modeling landslide susceptibility in East Azerbaijan province, Iran. Earth Science Informatics. doi: https://doi.org/10.1007/s12145-021-00644-z 2. Aliağa Organize Sanayi Bölgesi Yönetim Kurulu (2022), Kurumsal bilgi, Ekim 30, 2022 tarihinde ALOSBİ: https://www.alosbi.org.tr/kurumsal adresinden alınmıştır. 3. Almutairi, B., El, A., Belaid, M. A., & Musa, N. (2013). Comparative study of SAVI and NDVI vegetation ındices in sulaibiya area (Kuwait) using worldview satellite ımagery. Int. J. Geosci. Geomatics, 1, 50-53. 4. Amani, M., Ghorbanian, A., Ahmadi, S. A., Kakooei, M., Moghimi, A. and Mirmazloumi, S. M. (2020). Google Earth Engine cloud computing platform for remote sensing big data applications: A comprehensive review,” IEEE J. Sel. Topics Appl. Earth Observ. Remote Sens., vol. 13, pp. 5326–5350, doi: https://doi.org/10.1109/JSTARS.2020.3021052 5. Arabameri, A., Roy, J., Saha, S., Blaschke, T., Ghorbanzadeh, O., & Bui, D.T. (2019). Application of probabilistic and machine learning models for groundwater potentiality mapping in damghan sedimentary plain, Iran. Remote Sensing 11 (24): 3015. doi: https://doi.org/10.3390/rs11243015
|
|