Bu dergideki yayınlar

1 →
  • ArticleYayıncıda açık erişim2026
    LandTrendr Algoritması ve Makine Öğrenme Kullanılarak Orman Tahribatı ve İyileşme Süreçlerinin Sınıflandırılması: Milas-Bodrum Örneği

    Taş, Mehmet Akif

    Bu çalışma, zengin orman varlığına rağmen Türkiye'nin yangına en hassas bölgelerinden olan Muğla'nın Milas-Bodrum yöresindeki orman dinamiğini, 2013-2024 periyodu için uzaktan algılama ve makine öğrenmesi yöntemleriyle analiz etmektedir. Analizde, 49 adet Landsat 8 görüntüsünden oluşan zaman serisi verileri kullanılmıştır. Normalize Edilmiş Yanma Oranı (NBR) indeksine dayalı bu veriler, LandTrendr algoritması ile işlenmiş ve ardından Random Forest makine öğrenmesi modeliyle her yıl için "Sağlıklı Orman", "Bozulma" ve "İyileşme" olmak üzere, ekosistemin durumunu yansıtan üç dinamik sınıfa ayrılmıştır. Kantitatif bulgular, 2014-2021 arasında "Bozulma" oranının %24'e gerilediği bir iyileşme döneminin, 2021'deki büyük yangınla dramatik şekilde kesintiye uğradığını ortaya koymuştur. Hem sağlıklı hem de iyileşmekte olan ormanları etkileyen bu olay, "Bozulma" oranını tek bir yılda %47'ye fırlatmış; ancak 2024 itibarıyla "İyileşme" kategorisi tekrar %29'a ulaşarak yeni bir rejenerasyon döngüsünün başladığını teyit etmiştir. Bu çalışma, geleneksel sınıflandırmaların ötesine geçerek, makine öğrenmesi ve zaman serisi analizinin büyük afetlerin ekosistem etkilerini belgelemek ve iyileşme süreçlerini izlemek için sunduğu güçlü metodolojik çerçeveyi ortaya koymaktadır.

    RDL Kalıcı Kaydıİncele
Tam Kayıt
AlanDeğerDil
creativeworkseries.issn2717-7165
dc.date.accessioned2026-10-20T15:44:15.770308407Z
dc.date.available2026-10-20T15:44:15.770308407Z
dc.identifier.urihttps://rdlopen.rawdatalibrary.net/r/ebyu/25197
dc.rightsinfo:eu-repo/semantics/openAccess
dc.titleTürk Uzaktan Algılama ve CBS Dergisi
dspace.entity.typeJournal