Page 108 - Çevre Şehir ve İklim Dergisi - Özel Sayı

Çölleşme ve Erozyonla Mücadele Çalışmalarında Coğrafi Bilgi Sistemleri ve
Uzaktan Algılama Teknolojilerinin Kullanımı

• Ortalama karekök sapması (root-mean-square deviation (RMSE)),
tahmin edilen değerler ile gerçek değerler arasındaki ortalama farkın
tespiti için kullanılmıştır.
Çalışmanın sonuçları erozyon durumunun ortaya koyulmasında ve toprak
erozyon haritasının oluşturulmasında mekânsal çözünürlüğün önemini ve
RUSLE içinde yapay zekanın entegre edilmesinin önemini göstermiştir. K
faktörünü etkileyen toprak organik karbonu ve tekstür haritalarının kullanılması
çalışmanın önemli yeniliğidir. Öğrenme algoritması XGBoost toprak erozyonu
göstergelerinin ayrıntılı mekânsal dağılımını sağlayan yüksek çözünürlüklü
haritalarla makul bir doğruluk göstermiştir.

4. Sonuç ve Öneriler

Günümüzde iklim değişikliğiyle birlikte artan çevresel sorunlara karşı önlem
alınması için sorunun kaynağının ve şiddetinin tespit edilmesi son derece
önem arz etmektedir. Erozyon ve çölleşme, iklim değişikliğinin sebep olduğu
ve canlıların mevcudiyetini etkileyen sorunların başında gelmektedir. Gerek
ulusal gerekse uluslararası ölçekte çölleşme ve erozyonun tespit edilmesi,
yersel ölçümlerle hem maliyetli hem de oldukça zaman almaktadır. Bu yüzden
gerek araştırmacılar gerekse karar alıcılar kısa sürede doğru ve etkili sonuçlar
almak için teknolojik olanaklardan faydalanmaktadır. Gelişen teknolojiyle
birlikte coğrafi bilgi sistemleri ve uzaktan algılama teknolojileri bunu mümkün
kılmaktadır. Yapılan bu derlemeyle son on yıl içindeki bilimsel çalışmalar
analiz edilmiş ve uzaktan algılama teknolojilerinin çölleşme ve erozyonla
mücadeledeki potansiyelini ortaya koymaya çalışılmıştır. Konu ile ilgili bilimsel
çalışmalar son yıllarda oldukça artış göstermektedir. Gerek arazi örtüsündeki
değişikliğin tespitinde gerekse erozyon hassasiyetinin ve şiddetinin tespitinde
Sentinel ve Landsat uydu görüntüleri yaygın olarak kullanılmakla birlikte farklı
uydu görüntüleri (MODIS, ASTER gibi) üretilmektedir. Ayrıca analizlerde
kolaylık sağlayan zamansal, mekânsal, konumsal çözünürlükler yıldan yıla
artış göstermektedir. Çalışmalarda bitki ve toprak durumunu ortaya koymak
için NDVI, TGSI, BSI, SAVI, SWI, Albedo gibi birçok indeks kullanılmıştır. Son
birkaç yılda indekslerin tek başına yeteri kadar etkili sonuç vermemesinden
dolayı yüksek çözünürlüklü uydu görüntüleri kullanımı ve makine öğrenme
metotlarına odaklanılmıştır. Toprak organik karbon ve toprak tekstürü
haritalarının kullanılmasında yapay zekâ tabanlı yaklaşım kullanılmıştır.
Sayısal toprak haritası üzerinden toprak organik karbon ve toprak
tekstürü haritalarını üretmek için AI tabanlı bir yaklaşım kullanılmıştır. Bunlar
oluşturulurken modele girdi olarak uydu görüntüleri, arazi ve iklim verileri
kullanılmıştır. Modelin optimizasyonu için de XGBoost algoritması kullanılmıştır.

107
Yıl 3 / Sayı 5 / Ocak-Haziran 2024