Seyhan Baraj Gölünde Askıda Sedimentin Alansal Dağılımının ve Zamansal Değişiminin Uzaktan Algılama ile Belirlenmesi
Author:
AKGÜL Mehmet Ali1ORCID, YURTAL Recep2ORCID
Affiliation:
1. DSİ GENEL MÜDÜRLÜĞÜ 2. ÇUKUROVA ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ
Abstract
Küresel iklim değişikliği, sanayileşme, hızlı nüfus artışı ve benzeri sebepler ile tatlı suya ulaşmak gün geçtikçe zorlaştırmaktadır. Tatlı suyu korumak için sulak alanlar gibi doğal gölleri korumaya yönelik tedbirler alınmakta ayrıca akarsular üzerinde depolamalı su yapıları yapılmaktadır. Depolamalı su yapılarının planlanmasında, yapının ömrünü etkileyen en önemli faktör ise su rezervuarına giren sedimentin tespit edilmesidir. Bu sediment baraj haznesinde birikerek kullanılabilir su miktarını düşürdüğü gibi yapının dip savak veya su alma yapısı gibi kritik yapılarını da kullanılmaz hale getirmektedir. Bu çalışmamızda Sòria-Perpinyà vd. (2021) tarafından uydu verileri ile yersel veriler arasında bir model oluşturularak ürettikleri Toplam Askıda Sediment’e (TSS) ait parametreler Türkiye’nin güneyinde yer alan Seyhan Baraj Gölünde Sentinel-2 uydu verilerine uygulanmış, TSS’nin alansal dağılımı ve zamansal değişimi incelenmiştir. Tüm göl bazı alındığında en yüksek TSS konsantrasyonu 26.03.2020 tarihinde 25.01 mg/L, en düşük değeri ise 23.01.2021 tarihinde 17.65 mg/L olarak bulunmuştur. Seyhan Baraj Gölünde uzaktan algılama tabanlı TSS izlenmesine yönelik kurulacak bir sisteme altlık olması açısından önceden bilinen uydu geçiş zamanlarında daha çok noktadan numune alınarak TSS parametrelerinin daha hassas belirlenmesi mümkün olabilecektir. Bu sayede belirli noktalardan örnek alınarak TSS değerlerinin tespit edilmesi yerine tüm göl yüzeyine ait TSS değerleri tespit edilebilecektir.
Publisher
Jeoloji Muhendisligi Dergisi
Subject
General Earth and Planetary Sciences,General Environmental Science
Reference22 articles.
1. Akgül, M.A., & Dağdeviren, M., Ekmekçi̇, F., Kağnıcıoğlu, N., (2019). Köyceğiz Gölü Su Kalitesi Parametrelerinin Uzaktan Algılama İle Tahmin Edilmesi. 10. Ulusal Hidroloji Kongresi, 9-12 Ekim 2019, Muğla Sıtkı Koçman Üniversitesi, Muğla/TURKEY, Volume 2, P. 805-814. 2. Bernstein, L.S., Adler-Golden, S.M., Sundberg, R.L., Levine, R.Y., Perkins, T.C., Berk, A., (2005). Validation of the QUick Atmospheric Correction (QUAC) algorithm for VNIR- SWIR multi- and hyperspectral imagery. SPIE, Proceedings, Algorithms and Technologies for Multispectral, Hyperspectral, and Ultraspectral Imagery XI. Vol. 5806, pp. 668-678. https://doi. org/10.1117/12.603359. 3. Bresciani M., Cazzaniga I., Austoni M., Sforzi T., Buzzi F., Morabito G., Giardino C., (2018). “Mapping phytoplankton blooms in deep subalpine lakes from Sentinel-2A and Landsat-8.”, Hydrobiologia https://doi. org/10.1007/s10750-017-3462-2. 4. Canty, J.M., (2014). Image Analysis, Classification and Change Detection in Remote Sensing, with Algorithms for ENVI/IDL and Python, Third Edition. CRC Press. 5. DSİ, (2014). Seyhan Havzası Master Plan Raporu.,6.Bölge Müdürlüğü, Adana.
|
|