Makine öğrenmesi ile uydu görüntüleri üzerinden mekansal ve zamansal değişimin bulut tabanlı google earth engine kullanılarak değerlendirilmesi (Zonguldak örneği)

Arazi örtüsü değişimlerinin tespiti ve izlenmesi, ekosistemlerin dinamiklerini anlamak ve doğal kaynakları etkin bir şekilde yönetmek için çok önemlidir. Özellikle Google Earth Engine (GEE) gibi platformlar aracılığıyla makine öğrenmesi tekniklerindeki son gelişmeler, arazi örtüsü sınıflandırmasının doğruluğunu ve verimliliğini önemli ölçüde artırmıştır. Bu çalışma, 2015 ve 2024 yılları için arazi örtüsünü haritalamak için GEE platformu içindeki Sentinel-2 görüntülerini ve Random Forest algoritmasını kullanmaktadır. Sonuçlar, öncelikle tarım ve kentsel alanların genişlemesinden kaynaklanan orman alanında 2015'teki 49.628,51 hektardan 2024'te 48.363,62 hektara bir düşüş olduğunu göstermektedir. Tarım arazileri 2015'teki 7.223,45 hektardan 2024'te 7.869,61 hektara çıkarken, aynı dönemde kentsel alanlar 8.516,49 hektardan 9.116,39 hektara çıkmıştır. En yüksek arazi örtüsü geçişi, 2.582,14 hektarlık bir değişimle ormandan tarım arazisine doğru gözlemlendi. Bu çalışma, makine öğrenimi ve uydu tabanlı verilerin entegrasyonu sayesinde son yıllarda arazi örtüsü sınıflandırmasının dinamik doğasını vurgulamaktadır. Bulgular, sürdürülebilir arazi yönetimi ve çevre koruma için sürekli arazi örtüsü izlemenin önemini vurgulamaktadır.