İSTANBUL ORMAN BÖLGE MÜDÜRLÜĞÜ'NDE ORMAN ALANLARININ İZLENMESİNDE YENİ YAKLAŞIM: U-NET DERİN ÖĞRENME YÖNTEMİNİN ENTEGRASYONU

Abstract

Bu çalışma, İstanbul Orman Bölge Müdürlüğü (OBM) sınırları içerisinde arazi kullanım ve örtüsündeki değişimlerin kapsamlı bir analizini sunmakta olup, piksel tabanlı sınıflandırma olarak bilinen semantik segmentasyon yöntemi kullanılmıştır. Özellikle orman alanlarındaki dinamiklere odaklanılan çalışmada, 2019–2023 yılları arasındaki beş yıllık dönemi kapsayan Sentinel-2 uydu görüntüleri U-Net mimarisi ile işlenmiştir. Çalışma alanı; çeşitli orman ekosistemlerini, kentsel/yerleşim alanlarını, su kütlelerini, mera alanlarını, sulak alanları ve tarım arazilerini içermektedir. Gelişmiş uzaktan algılama tekniklerinin uygulanmasıyla, orman ve mera alanlarında sırasıyla 15.250 hektar ve 13.226 hektarlık bir azalma belirlenmiş ve nicel olarak ortaya konmuştur. Bu durum, söz konusu bölgede arazi kullanımındaki dönüşümleri etkileyen unsurları ve sonuçlarını ortaya koymaktadır. Buna karşılık, yerleşim ve tarım alanlarında ise beş yıllık süreçte sırasıyla 13.878 hektar ve 15.953 hektar artış tespit edilmiştir. Elde edilen bulgular, orman dinamiklerine ilişkin daha derin bir anlayış kazandırmakta ve İstanbul OBM sınırları içerisindeki ormanlık alanların ekolojik bütünlüğünü ve sosyo-ekonomik değerini korumaya yönelik sürdürülebilir yönetim stratejilerinin geliştirilmesine katkı sağlamaktadır. Ayrıca, her bir arazi örtüsü sınıfı için ortalama F-1 skorunun her yıl yaklaşık %90 düzeyinde olduğu, ormanlık alanlarda ise ortalama F-1 skorunun yaklaşık %92 olarak gerçekleştiği tespit edilmiştir. Bu durum, kullanılan sınıflandırma yönteminin sağlamlığını ve doğruluğunu ortaya koymaktadır.This study presents a comprehensive analysis of land use and land cover change within the Istanbul Regional Directorate of Forestry (RDF) utilizing semantic segmentation referred to as pixel-based classification. Focusing particularly on forest land dynamics, Sentinel-2 satellite imagery spanning five years from 2019 to 2023 was processed using a U-Net architecture. The study area encompasses diverse forest ecosystems, urban/built-up areas, water bodies, rangelands, wetlands, and agricultural lands. Through the application of advanced remote sensing techniques, significant changes in forest and rangeland were identified and quantified, 15.250 and 13.226 hectares of area decreased in five years, shedding light on the drivers and implications of land use transformations in this critical region. Controversially, built area and agricultural lands were increased by 13.878 and 15.953 hectares over 5 years. The findings contribute to a deeper understanding of forest dynamics and inform sustainable management strategies for preserving the ecological integrity and socio-economic value of forested landscapes within the Istanbul RDF. Additionally, the results reveal the average F-1 Score for each land cover class is approximately 90% for each year, with forested areas achieving an average F-1 score of about 92%, demonstrating the robustness and accuracy of the classification approach.