Kızıl kuyruklu kayın tırtılının yayılış alanlarının çok bantlı kamera entegre edilmiş iha (drone) ile haritalanması: karacabey örneği

Abstract

Bu tez çalışmasında, Türkiye'nin Marmara Bölgesi'nde yer alan Karacabey Orman İşletme Müdürlüğü sınırları içerisindeki Doğu kayını (Fagus orientalis) meşcerelerinde, Kızıl Kuyruklu Kayın Tırtılı (Calliteara pudibunda)'nın neden olduğu zararların mekânsal yayılımının belirlenmesi ve haritalanması amaçlanmıştır. Orman zararlılarının oluşturduğu biyotik stresin zamanında tespiti ve izlenmesi, orman ekosistemlerinin sürdürülebilir yönetimi açısından büyük önem arz etmektedir. Bu kapsamda, çok bantlı kamera entegre edilmiş insansız hava aracı (İHA) sistemleri kullanılarak yüksek çözünürlüklü görüntü verileri toplanmış ve zararın belirlenmesine yönelik uzaktan algılama temelli analizler gerçekleştirilmiştir. Araştırmada DJI Mavic 3M marka multispektral kameralı İHA ile 2023 yılında 14, 2024 yılında ise 3 olmak üzere toplam 17 uçuş gerçekleştirilmiş; zararın yoğun olarak gözlendiği Güngörmez Orman İşletme Şefliği sınırlarında, %80 önden ve %70 yandan bindirme oranlarıyla, 200 metre irtifada veri toplanmıştır. Toplamda 18.545 adet görüntü ve yaklaşık 170 GB büyüklüğünde veri seti elde edilmiştir. Bu görüntüler Agisoft Metashape yazılımı ile işlenerek ortofoto, dijital yüzey modeli ve çeşitli vejetasyon indeksleri (NDVI, GNDVI, NDRE) üretilmiş; daha sonra bu veriler eCognition Developer yazılımı kullanılarak nesne tabanlı sınıflandırma yöntemiyle analiz edilmiştir. Sınıflandırma sonuçları ArcGIS yazılımı aracılığıyla mekânsal olarak değerlendirilmiş ve bitki sağlığı haritaları oluşturulmuştur. Sınıflandırmalar sonucunda, toplam 1430 hektarlık taranan alanın 968,42 hektarında zararlı etkisine bağlı yaprak kaybı olduğu tespit edilmiştir. NDVI, zararlı etkisi altındaki alanların spektral olarak ayrımında en başarılı indeks olarak belirlenmiş ve analizlerde temel veri olarak kullanılmıştır. Sınıflandırma doğruluğu, saha verileri ile karşılaştırılarak karışıklık matrisi üzerinden değerlendirilmiş ve kappa katsayısının 0,61 ile 0,89 arasında değiştiği; bu bağlamda sınıflandırmaların genel olarak "güçlü" ve "neredeyse mükemmel" uyum düzeyinde olduğu belirlenmiştir. Ayrıca, zarar görmüş alanlar orman amenajman plan verileriyle çakıştırılarak, zarar gören meşcere tipleri ve bu meşcerelere ait alan büyüklükleri ortaya konmuştur. 2024 yılına ait RGB görüntüler ile yapılan karşılaştırmalı analizler sonucunda, 2023 yılında zarar gören alanların önemli bir bölümünde bitkisel iyileşme gözlemlenmiş, bu durum kayın ormanlarında doğal toparlanma sürecinin başladığını göstermiştir. Elde edilen bulgular, İHA tabanlı multispektral görüntüleme yöntemlerinin orman zararlılarının izlenmesinde etkili bir araç olduğunu ortaya koymakta; çalışma yöntemi, farklı zararlı türleri ve orman ekosistemlerine uyarlanabilir nitelikte bir model sunmaktadır.In this thesis study, the spatial distribution and mapping of damage caused by the Pale Tussock Moth (Calliteara pudibunda) in Oriental beech (Fagus orientalis) stands located within the boundaries of the Karacabey Forest Enterprise Directorate in the Marmara Region of Turkey were investigated. The timely detection and monitoring of biotic stress induced by forest pests is of critical importance for the sustainable management of forest ecosystems. In this context, high-resolution imagery was acquired using unmanned aerial vehicles (UAVs) equipped with multispectral cameras, and remote sensing-based analyses were conducted to determine the extent of the damage. A total of 17 UAV flights were carried out using a DJI Mavic 3M equipped with a multispectral camera—14 in 2023 and 3 in 2024—particularly over forest compartments within the Güngörmez Forest Sub-district, where the pest damage was observed to be most severe. The flights were conducted at an altitude of 200 meters with 80% front and 70% side overlap. As a result, a total of 18,545 images were collected, generating approximately 170 GB of data. These images were processed using Agisoft Metashape software to generate orthophotos, digital surface models, and vegetation indices such as NDVI, GNDVI, and NDRE. The derived data were then analyzed using object-based classification techniques in the eCognition Developer environment. The classification outputs were spatially assessed in ArcGIS software to produce forest health maps. The analysis revealed that 968,42 hectares of the 1430 hectare surveyed area had experienced significant foliage loss due to pest activity. Among the vegetation indices evaluated, NDVI was found to be the most effective in differentiating between healthy and affected areas and was therefore used as the primary analytical index. Classification accuracy was assessed through comparison with field reference data using confusion matrices, and the resulting kappa coefficients ranged between 0.61 and 0.89, indicating generally strong to near-perfect agreement. Furthermore, the damaged areas were overlaid with forest management plan data to identify the affected stand types and quantify their respective extents. Comparative analyses of RGB imagery from 2024 indicated noticeable vegetation recovery in many of the areas that had been classified as damaged in 2023, suggesting the initiation of a natural regeneration process in the beech forests. The findings of this study demonstrate the efficacy of UAV-based multispectral imaging for monitoring forest pest outbreaks and offer a transferable methodological framework applicable to other pest species and forest ecosystems.