Nesne-tabanlı makine öğrenimi sınıflandırması kullanarak yangın sonrası sentinel-2 görüntülerinden yanmış orman haritalama

Orman yangınları sadece orman içerisindeki ekosisteme değil aynı zamanda sosyal ve ekonomik yaşama da ciddi zararlar vermektedir. Yanmış alanların uzaktan algılama yöntemleri ile hızlı tespitini yapmak hem mevcut hasarın belirlenmesinde hem de yangının yol açtığı ekonomik ve ekolojik kayıpları değerlendirmek ve hızlı müdahale planları oluşturabilmek için önemlidir. Bu çalışmada, yangın sonrasına ait tek tarihli Sentinel-2 görüntüsü kullanarak nesne tabanlı rastgele orman makine öğrenmesi sınıflandırma yöntemi ile yanmış alanların belirlenmesi ve haritalanması için Google Earth Engine (GEE) platformu üzerinden bir yaklaşım sunulmuştur. Sentinel-2'nin ham bantlarına (B2, B3, B4, B8, B11, B12) ek olarak orta kızılötesi yanma indeksi (Mid-Infrared Burn Index - MIRBI), normalize edilmiş yanma şiddeti (Normalized Burn Ratio 2 - NBR2), yanmış alan indeksi (Burn Area Index - BAI) ve normalize edilmiş bitki indeksi (Normalized Difference Vegetation Index – NDVI) bantları hesaplanmış ve görüntüye ek bantlar olarak dahil edilmiştir. Nesne tabanlı sınıflandırma öncesi basit yinelemesiz kümeleme (Simple Non-Iterative Clustering - SNIC) algoritması ile görüntü segmentasyonu gerçekleştirilmiştir. Eğitim örnekleri GEE platformu üzerinde seçilmiş ve rastgele orman (RO) algoritması ile nesne tabanlı sınıflandırma Türkiye de son yıllarda orman yangını meydana gelen dört çalışma alanına (Marmaris – MR, Kavaklıdere – KV, Manavgat – MG, Çanakkale - CK) uygulanmıştır. Sonuçlar nesne tabanlı RO sınıflandırıcısı ile MR'de %93.5, KV'de %97.7, MG'de %94.8 ve CK'da %96.5 genel doğruluk ile yüksek performans göstermiştir. Ayrıca nesne tabanlı RO algoritmasının mekânsal ve zamansal aktarılabilirliği iki çalışma alanına (MG ve CK) dayalı olarak değerlendirilmiş ve RO model aktarılabilirliği MR'de %87.5, KV'de %94.8, MG'de %93.6 ve CK'da %96.8 genel doğruluk değeri sağlamıştır. Sonuçlar yangın sonrası tek zamanlı görüntü kullanımı yaklaşımı ile Sentinel-2 görüntülerinden bulut tabanlı GEE platformunu kullanarak nesne tabanlı sınıflandırma yöntemi ile yanan orman alanlarının başarılı bir şekilde tespit edilebileceğini ve yanmış orman alanlarının haritalanmasında aktarılabilir nesne tabanlı sınıflandırma modeli potansiyelini göstermiştir.