Orman yangını yönetiminde Google Earth Engine (GEE) ve Python Engine (PE) ile yakıt yükü analizi: Karşılaşılan güçlükler ve sağlanan avantajlar

Yakıt yükü, orman yangını davranışını belirleyen temel unsurlardan biridir. Yangının şiddeti, alev uzunluğu ve yakıt tüketimi gibi dinamikler doğrudan bu parametreye bağlıdır. Ancak geleneksel saha ölçümleri büyük alanlarda tekrarlandığında yüksek maliyet ve zaman kaybı yaratmaktadır. Uzaktan algılama (UA) teknolojileri bu sınırlamaları aşarak geniş alanlarda hızlı ve etkin yakıt yükü tahmini imkânı sunmaktadır. Bu çalışmada, 2021’de Manavgat’ta meydana gelen mega yangın örneği üzerinden Google Earth Engine (GEE) platformu ve Sentinel-2 multispektral görüntüleri kullanılarak yangın öncesi ve sonrası yakıt yükü davranışı analiz edilmiştir. Normalize Fark Bitki Örtüsü (NDVI) ve Normalize Yanma Oranı (NBR) indeksleri kullanılarak, Rothermel modeline uygun yüzey yakıt yükü haritaları oluşturulmuş; bulut örtüsü %20’nin altında olan görüntülerden zaman serisi bazlı medyan kompozitler elde edilmiştir. Google Colab ortamında Python diliyle yürütülen analizlerde betimleyici istatistikler ve meta-analiz yöntemleriyle veri tutarlılığı sağlanmıştır. Örnekleme yöntemiyle belirlenen noktalardaki NDVI ve NBR değerleri dört sınıfa ayrılmış ve yangın davranışı modellerine doğrudan veri sağlamıştır. NDVI ve NBR değerleri, persentile sınıflandırmasıyla “Düşük” (< %20), “Orta” (%20–50), “Yüksek” (%50–80) ve “Çok Yüksek” (> %80) olarak gruplandırılmış; bu ayrım Rothermel denkleminin parametrelerine doğrudan girdi sağlamıştır. Ayrıca yangın öncesi kuraklık dinamiklerini incelemek amacıyla Bitki Örtüsü Durumu Endeksi (VCI) ve Bitki Örtüsü Kuraklık Şiddeti İndeksi (SDVI) analizleri yapılmıştır. Sonuçlar, bu mekânsal yaklaşımın yangın öncesi müdahale planlamasında karar vericilere güçlü bir öngörü sunduğunu göstermektedir.

Fatih Işık

Haziran 30, 2025 - 19:42

0 1