Bafa Gölü için uzaktan algılama teknikleri ile siyanobakterilerin tespiti, izlenmesi, zamansal analizi ve göle ulaşan kirletici yükleriyle ilişkisinin değerlendirilmesi

Siyanobakteriyel zararlı alg oluşumları (CyanoHABs) insan ve çevre sağlığı üzerinde ciddi zarar verici etkilere sahiptir. İç sularda farklı türlerde alg patlamalarına neden olan faktörler yıllardır araştırılmaktadır. Artan kanıtlar, küresel iklim değişikliğinin, kontrolsüz kentleşmenin, artan besin yüklemesinin ve düzensiz akış rejimlerinin, CyanoHAB'ların artan sıklığına, şiddetine, kapsamına ve daha geniş coğrafi dağılımına katkıda bulunduğunu göstermektedir. Su kütlelerindeki pigment konsantrasyonlarının izlenmesi ve tahmin edilmesi, erken müdahalede veya önleme yöntemlerinin araştırılmasında kritik bir role sahiptir. Geleneksel izleme teknikleri son derece doğru olmasına rağmen, mekânsal ve zamansal kapsam açısından büyük ölçüde yetersizdir. Geleneksel yöntemin aksine, uzaktan algılama tabanlı yöntemler, mükemmel zamansal ve mekânsal kapsama sahiptir. Gelişmekte olan ve veri temininde sıkıntı yaşanan bölgelerde idealdir. Birleşmiş Milletler Çevre Programı'na (UNEP) göre iklim değişikliğinin sıcak noktası olan Akdeniz Bölgesi'nde yer alan Bafa Gölü, yıllardır CyanoHAB ve kirlilik sorunlarıyla mücadele etmektedir. Ege Bölgesi'nin en büyük gölü olan Bafa, Türkiye'nin önemli sulak alanlarından biridir. Göl hidrolojik projelerle korunmaya çalışılmaktadır. Bafa Gölü, su yönetimi açısından önemli bir nehir havzası olan Büyük Menderes Nehri Havzası'nda (BMN) yer almaktadır. BMN havzası çok sayıda baraj ve sulama yapıları ile hidrolojik olarak yoğun düzenlenmiş, aynı zamanda tarımsal ve endüstriyel kirlilik yükü baskısı altındaki bir havzadır. Bu tez çalışmasının odak noktası, BMN'nin oluşturduğu sığ bir alüvyon set gölü olan Bafa'daki CyanoHAB'ların izlenmesi ve sebeplerinin araştırılmasıdır. 2013, 2014, 2018 ve 2019 yıllarında yerinde ölçülmüş klorofil-a (Chl-a) değerleri ile Landsat-8 OLI Rrc RED, Blue/Green, Rrc SWIR ve Floating Algae Index (FAI) bant/endeksleri kullanılarak, bir rastgele orman algoritması Chl-a (Random Forest Chl-a, RFchl-a) tahmin modeli oluşturulmuştur. Modelde sırasıyla kalibrasyon ve doğrulama için Karesel Ortalama Hata (KOH) 18,10 ve 14,25 µg/L ve normalleştirilmiş KOH yüzdeleri olarak (%KOH) %15,8 ve %29,2 değerleri elde edilmiştir. CyanoHAB eğilim ve frekans değerlerinin belirlenmesi amacıyla Landsat-8 OLI sensörlerinden 2013-2019 yılları arasında bir RFchl-a zaman serisi oluşturulmuştur. CyanoHAB'a sebep olabilecek hidroloji, sediment, nütrient yükleri gibi çevresel faktörler ve meteorolojik çıktılar, ayrıntılı bir havza ölçekli Soil and Water Assessment Tool (SWAT) modelinden elde edilmiştir. Model 2010-2013 yılları için kalibre edilmiş ve 2014-2019 yılları için doğrulanmıştır. Kalibrasyonda akış verileri için R2 (coefficient of determination) 0,64-0,92, NSE (Nash-Sutcliffe Efficiency) 0,63-0,82, sediment verileri için, R2 0,55-0,82, NSE 0,33-0,67, nütrient verileri için R2 0,59-0,79, NSE -1,55 – 0,50'dir. Doğrulama da ise bu değerler akış verileri için R2 0,57-0,97, NSE 0,54-0,92, sediment verileri için, R2 0,66-0,81, NSE 0,10-0,79, nütrient verileri için R2 0,40-0,77, NSE -0,51-0,71 olmuştur. SWAT modeli ve RFchl-a zaman serilerinin birlikte değerlendirilmesi ile elde edilen sonuçlar, RFchl-a değerlerini etkileyen parametrelerin mevsimsel olduğunu göstermiştir. Kurak-sıcak dönemde RFchl-a ile anlamlı korelasyon bulunan parametreler (Pearson korelasyon katsayısı) evapotranspirasyon (0,60), toprak su içeriği (0,59) ve göl hacmi (0,55) olurken; yağışlı-soğuk dönemde perkolasyon (0,70), yağış (0,70) ve yüzey akışı (0,66) olarak ortaya çıkmıştır. Bu çalışmadan elde edilen sonuçlar, Landsat-8 OLI verilerine dayalı Chl-a tahmin modeli ile SWAT modelinin birlikte kullanımının, bir havza ölçeğinde iç su kütlelerinde meydana gelen CyanoHAB olaylarının faktörlerini analiz etme potansiyeline sahip olduğunu ortaya koymuştur.