Alevler Gelmeden: Yangın Haberini Veren Uydu Teknolojileri
- Gülüzar Yiğit
- 30 Haz
- 13 dakikada okunur
Güncelleme tarihi: 12 Ağu
Orman yangınlarını hep sonrasında konuşuyoruz: kaç hektar kül oldu, kaç gün sürdü, kaç kişi müdahale etti? Ama asıl soru çoğu zaman sessizce geçip gidiyor: Bunu önceden görebilir miydik? Bu yazıda, geçmişe değil, olasılıklara bakıyoruz. Uydu verilerine dayanan iki güncel çalışma sayesinde, yangınların nerede ve ne zaman çıkabileceğine dair doğanın bize ne gibi ipuçları verdiğini inceleyeceğiz. Yani biraz bilim, biraz veri, biraz da doğayı anlamaya çalışma çabası. Hâlâ çok geç değil ama gözümüzü biraz daha yukarı kaldırmamız gerekebilir.
İçindekiler
Uydu Teknolojileri ile Yangınlar Gerçekten Öngörülebilir mi?
Her yaz biraz daha fazla yanıyoruz. Sıcaklıkların artışıyla birlikte hızlı rüzgârlar, arazileri alevlere daha açık hale getiriyor. Sonucunda müdahalede gecikiyoruz ve doğa kaybediyor. Ama artık bu bir sürpriz değil. Ertuğrul ve Mertol'un (2019) iklim projeksiyonlarına göre, Türkiye 2050’ye kadar daha uzun yangın sezonlarına ve daha fazla risk alanına “hazır” olacak. Tabii bu hazırlık doğa adına, bizim adımıza değil.
Yangınların rastlantı olmadığına dair elimizde yeterince neden var: Artan sıcaklık, insan müdahalesi ve azalan yağış. Kuraklığa yatkın bölgelerde yangın sezonları erkene çekiliyor, yangın süresi uzuyor. Yani doğa, “Ben birazdan tutuşabilirim” diyor ama çoğu zaman biz bunu duymuyoruz.
Yüksek sıcaklık, düşük nem, sert topoğrafya ve rüzgârın işbirliğiyle özellikle Akdeniz kuşağında yangınlar hızla kontrolden çıkabiliyor. Bu alanlara bir de yol kenarları, tarlalar, yerleşim alanları gibi insan etkisi eklendiğinde tablo iyice alev alıyor.
Ama bu tabloya yukarıdan bakınca işler değişiyor. Uzaktan algılama ve uydu teknolojileriyle, riskli bölgelerinin haberini yangın çıkmadan önce almak artık mümkün. Yani uydular sadece olmuşu kaydetmiyor; bazı verilerle, olacakların da haberini verebiliyor.
Nitekim Kanada’nın Alberta bölgesinde yapılan bir çalışmada, orman yangınlarının karların eridiği ama bitkilerin henüz yeşermediği o kısa zaman aralığında zirve yaptığı görülmüş. Toprak çıplak, nem düşük, ortam hazır. Doğa henüz uyanmamışken yangınlar çoktan harekete geçmiş oluyor.
Yangın Haberi Uydudan Gelir
Sentinel-2 yangın bölgesine her uğradığında, ormanın sağlık durumunu bir nevi "güncelleme bildirimi" olarak indiriyor. O bitki hâlâ yeşil mi, yoksa kuruyup sararmaya mı başlamış? Spektral bantlarda hepsi yazıyor. NDVI (Normalize Edilmiş Bitki İndeksi) işte bu dili çözüyor: Sağlıklıysa indeks yüksek, kuruyorsa index düşük.
Ama iş sadece yeşilliğin tonuyla bitmiyor. Yüzey sıcaklığı (LST) yükselmişse ve toprak nemi de azalmışsa, ormanlık alan sessizce kırmızı alarma geçmiş demektir.Üstüne bir de yol kenarı ya da yerleşim yerine yakınlık eklendi mi - bingo: yangın için tüm koşullar masada. Bu tür sıcaklık verileri, örneğin bu çalışmada olduğu gibi, MODIS’in MOD11A1 ürününden alınır, NASA tarafından split-window algoritmasıyla hesaplanmaktadır. Yani sıcaklık verisi saha ölçümü değil, uydunun termal bantlarından türetilmiş ve hazır ürün olarak kullanılmıştır.
Bu parametreler, yangın çıktıktan sonra değil, çıkmadan önce sinyal verir. NDVI’da ani bir düşüş mü var? LST artmış mı? Toprak kurumuş mu? Alberta örneğinde ise NDVI zaman serileri, mevsimsel eğilimleri ortaya koymak için STL (Seasonal-Trend decomposition using Loess) yöntemiyle ayrıştırılmıştır. Ayrıca phenocam verileri için çift lojistik eğriyle smoothing yapılmıştır. Bu sayede kısa dönemli değişimler ayıklanarak daha güvenilir paternler çıkarılmıştır. Hepsi, doğanın "ben buradayım" diye sessizce bağırdığı anlar.
Uydular bu çığlığı duyabiliyor. Çünkü uzaktan algılama sadece olanı belgeleyen bir gözlemci değil, olacak olanı sezebilen bir erken uyarı sistemidir.Doğru veriler, doğru yorumlanırsa haritalar geleceği gösterir.
Yangın Haritası Nasıl Yapılır? Golestan Milli Parkı’ndan Bir Örnek
Yangın riski haritası çıkarmak, bir nevi doğaya “şu an ne kadar kolay yanarsın?” diye sormaktır. Golestan Milli Parkı’nda bu soruya yanıt arayan bir ekip, 2024 yılında 10 farklı parametreyi bir araya getirdi:
NDVI, yüzey sıcaklığı, yağış, rüzgâr, arazi örtüsü, yollar, yerleşim yerleri. Yani hem doğanın iç sesini hem de insanın ayak izini dinleyen bir model kurdular. Park, İran’ın kuzeyinde; Hirkani ormanları ile yarı kurak bozkırların sınırında yer alıyor. Yani hem yeşilin hem yangının eşiğinde bir coğrafya.
Veriler, AHP ve bulanık mantık (Fuzzy) yöntemleriyle analiz edildi. AHP matrisleri uzman görüşlerine dayanarak oluşturulmuş, ardından tutarlılık oranı (CR) hesaplanmıştır. Çalışmada bildirilen CR değeri 0.08 olup, kabul edilebilir sınır olan 0.1’in altında kalmıştır. Bu da ağırlıklandırmanın yöntemsel olarak tutarlı olduğunu gösterir. Sonuç? Parkın yaklaşık %24’lük kısmı “yüksek” ya da “çok yüksek” yangın riski taşıyor. Ve bu alanların çoğu, tahmin edebileceğiniz gibi, insan yerleşimlerine ve yollara en yakın bölgelerde yoğunlaşıyor.
Golestan Milli Parkı’nın yangın riski haritası, NDVI, sıcaklık, yağış, yerleşim gibi çeşitli göstergelerin birlikte değerlendirilmesiyle oluşturulmuş çok kriterli bir yangın riski haritasıdır. “Aşırı yüksek” risk, özellikle güney ve batı sınırlarında yoğunlaşmakta; bu bölgeler geçmiş yangın noktalarıyla da çakışmaktadır.
Bu yaklaşımın en güçlü yanı, çok sayıda parametreyi bir arada mekânsal olarak değerlendirebilmesi. Ama unutmayalım: Modelin hassasiyeti, kullandığınız verinin çözünürlüğü ve güncelliği kadar yüksek olacaktır. MODIS NDVI verisi 250 m çözünürlüğe sahiptir. Alberta çalışmasında bu çözünürlük geniş alanlı yangın trendlerini analiz etmek için yeterli görülmüş, ancak mikro-ölçekli tahminler için phenocam verileriyle desteklenmiştir. Uydu geç kalırsa, yangın erken gelir. Bu nedenle, geniş alan analizlerinde MODIS yeterli görülürken, yer düzeyinde hassasiyet gerektiren durumlarda daha yüksek çözünürlüklü veriler veya yer gözlemleri tercih edilmelidir.
Gerçekleşen yangınlarla modelin öngördüğü yüksek riskli bölgelerin neredeyse birebir örtüştüğünü görmek mümkün. Şekil 3’teki veriler, uyduların yalnızca tahmin değil, isabetli tahmin sunduğunu gösteriyor. Yangınların büyük kısmı, daha önce “çok yüksek risk” kategorisine giren alanlarda çıkmış.
Kanada’nın 10 Günlük Yangın Penceresi
Alberta, Kanada. Yıl 2024. MODIS uydusu gökyüzünden bakıyor, phenocam’ler yerden. Ve 2000–2022 arasındaki bitki yeşillenme zamanlarını kaydediyorlar.Amaç basit: Doğa ne zaman uyanıyor, yangınlar ne zaman uyanıklık yapıyor?
Ortaya çıkan tablo oldukça çarpıcı: Yangınlar, bitkilerin yeşillenmesinden ortalama 10 gün önce zirve yapıyor.Yani NDVI henüz kıpırdamamışken, toprak hâlâ çıplak ve nemsizken, alevler fırsat kolluyor.
Şekil 5: NDVI verileriyle belirlenen yeşillenme tarihlerinden yalnızca birkaç gün önce çekilen bu iki kare, bitki örtüsünün hâlâ uykuda olduğunu ve yer yer karla kaplı olduğunu gösteriyor. Bu geçiş dönemi, yangınların zirve yaptığı kritik pencereyi oluşturuyor.
Geliştirilen model, yeşillenme tarihlerini %76 doğrulukla tahmin edebiliyor.Ancak topografya, rüzgâr, sosyoekonomik etkenler gibi yangını şekillendiren pek çok faktör bu çalışmaya dâhil değil. Bu yüzden model nerede çıkacağını söylemiyor, sadece ne zaman dikkat kesilmek gerektiğini fısıldıyor.
Yangın İçin Hazırlıklı Olabilir Miyiz?
Golestan çalışması “nerede yanma ihtimali yüksek?” sorusuna cevap ararken, Alberta çalışması “ne zaman tetikte olmalıyız?” diyor. İkisi bir araya geldiğinde, elimizde artık sadece bir harita değil, bir zaman çizelgesi de oluyor.
Bu ne işe yarar?
Yerel yönetimler, riskli bölgeleri ve kritik dönemleri önceden belirleyebilir.
Müdahale ekipleri, daha isabetli kaynak planlaması yapabilir.
Sivil halk, “yaz gelsin de bakarız” demeden erken uyarılabilir.
Yani doğa sinyal veriyor, teknoloji bunu yakalıyor.Gerisi bize kalıyor: “Ne zaman harekete geçeceğiz?” sorusuna cevap vermek.
Yangın Haberi Veren Uydu Teknolojileri ve Günlük Hayat Önerileri
Yangın öncesi risk değerlendirmesinde kullanılan NDVI, LST, toprak nemi gibi parametreler, halihazırda çok sayıda uydu tarafından periyodik olarak sağlanıyor. Bu verilerin akademik yayınlar dışında pratik sistemlere entegre edilmesi, erken uyarı mekanizmalarının güçlenmesi açısından önem taşıyor. Her iki çalışmada da GNSS tabanlı atmosferik düzeltmeler veya hassas konum verileri kullanılmamıştır. Ancak özellikle topografyanın yangın riskini etkilediği bölgelerde, GNSS destekli meteorolojik gözlemler modele entegre edilirse tahminlerin konumsal doğruluğu artırılabilir.
Öncelikle, yerel yönetimlerin, uydu verilerini yorumlayan otomatik analiz sistemleri kurması mümkün. Bu sistemler, belirli eşik değerlerin altına inildiğinde veya üzerine çıkıldığında ilgili birimlere uyarı verecek şekilde tasarlanabilir. Kullanılan veriler ESA’nın Sentinel-2, NASA’nın MODIS veya VIIRS gibi açık erişimli platformlarından sağlanabilir.
Yangın riski haritaları, yalnızca orman idaresi ölçeğinde değil, ilçe ve mahalle bazında detaylandırılmalı. Bu haritalar, karar vericilerin ve saha ekiplerinin müdahale öncesi kaynak planlamasında kullanılabilir. Mekânsal çözünürlüğü artırmak amacıyla yüksek çözünürlüklü görüntüler veya insansız hava araçları (İHA) ile yerel ölçekte destek alınabilir.
Erken uyarı sistemleri, meteorolojik ve topoğrafik verilerle entegre edilerek daha işlevsel hâle getirilebilir. Örneğin sıcaklık, rüzgâr hızı ve yönü gibi verilerin günlük olarak NDVI ve LST analizleriyle birleştirilmesi, kısa vadeli yangın potansiyelini ortaya koyan modellerin doğruluğunu artırır.
Verilerin yaygınlaştırılması da önemlidir. Risk haritaları, sadece idari kurumlar için değil, sulama birlikleri, tarımsal kooperatifler ve kırsal belediyeler gibi paydaşlarla da paylaşılmalıdır. Bu tür kurumlar, yangının başladığı alanlarda çoğu zaman ilk gözlem yapan ya da haberdar olan aktörlerdir.
Son olarak, araştırma merkezleri ve üniversiteler tarafından geliştirilen modellerin açık kaynaklı arayüzlerle karar destek sistemlerine dönüştürülmesi, bilginin daha geniş ölçekli kullanımına katkı sağlar. Bu tür modeller, hem doğruluk oranları hem de kullanılabilirlik açısından sahadan geri bildirim alarak güncellenmeli ve optimize edilmelidir.
Yangın Sonrası İyileşmeyi Uydularla İzlemek
Yangınlar doğadaki canlıların büyük kısmını yok eder, popülasyonlar ciddi biçimde azalır. Ama bu yıkımın ardından doğa, yeni oyuncular için yer açmış olur. Bu ortamı bir fırsat olarak gören canlılar vardır. Artık alanlarını savunmaları gereken rakipler ya da onları avlayacak yırtıcılar kalmamıştır. İşte bu noktada dayanıklı mikroorganizmalar ve bitkiler sahneye çıkar.
Rüzgârın taşıdığı sporlar ve tohumlar eşliğinde ilk gelenler bu yanmış alanları kolonileştirir. Bu sürece bilim camiasında Ekolojik Ardıllık (Succession) denir. Önce otsu bitkiler, ardından çalılıklar, daha sonra ise yıllar içinde ağaç fideleri gelir. Bu bitkilerle birlikte, zamanla fareler, böcekler, kuşlar gibi küçük hayvanlar da bölgeye geri döner.
Yani gördüğünüz gibi: Doğayı yenemiyoruz. Mikroorganizmasından en büyük yırtıcısına kadar, yanmış da olsa hiçbir alan boş kalmıyor. Doğa iyileşmeye devam ediyor, ekolojik düzen yeniden kuruluyor.
Yangın Sonrası İyileşme Nasıl Saptanır?
Uzaktan algılama teknolojileri sayesinde uydular, yeryüzünü yalnızca “görmekle” kalmaz; ışığın dalga boylarını kullanarak toprağın, suyun, bitkinin ne durumda olduğunu ölçer. Yani doğa henüz çıplak gözle toparlanmamış görünse bile, biz onun iyileşmeye başladığını fark edebiliriz.
Bitki Örtüsündeki İyileşme Uydularla Nasıl İzlenebiliyor?
Yangından önceki ve sonraki görüntüler, örneğin Sentinel-2 ve Landsat-8 gibi optik uydu görüntüleri, yangın sonrası arazi değişimlerini izlemek için dünya genelinde en yaygın kullanılan kaynaklardır. Yüksek uzamsal ve spektral çözünürlükleri sayesinde bu uydular, yanma izlerini, şiddet düzeylerini ve yeniden büyümeyi zaman içinde hassas bir şekilde takip etmemizi sağlar.
Uydular ve uzaktan algılama teknolojileri ile orman yangınları sonrasında bitki iyileşmesini izlemek için kullanılan belli metrikler ve uygulamalar vardır. NBR (Normalized Burn Ratio) kullanılarak yanan alan tespit edilir. Ardından dNBR (difference NBR) ile yanma şiddeti ortaya çıkarılır. Daha sonra NDVI gibi indekslerle bitki örtüsünün geri dönme hızı, toparlanma miktarı ve canlılık seviyesi izlenebilir. Yani tüm bu analizler, yangından hemen sonra, daha yeşillik görünmeden bile yapılabilir.
Ağaçlar büyümese de biz onların “geliyorum” dediğini duyuyoruz. Gözle göremediğimiz bu iyileşme sinyalleri, uyduların süzgecinden geçerek istatistiklere, haritalara ve raporlara dönüşüyor. Uzaktan algılama sayesinde doğa henüz tam iyileşmeden bile biz onun nabzını tutabiliyoruz.
Bir Yangın Sonrası İyileşme Örneği: Yellowstone Yangını
1988 Yellowstone yangınından sonra Landsat görüntüleriyle oluşturulan dNBR haritası, yangının şiddetini 5 farklı sınıfta görselleştirmişti: Yanma yok, düşük yanma, orta yanma, yüksek yanma ve yeniden büyüme sınıfı.
Bu tür sınıflandırmalar, arazinin nerede daha çok hasar aldığını sayısal olarak ortaya koyar. Bu tarz analizler yalnızca yangın sonrası birkaç günle sınırlı değildir; yıllar boyunca alınan uydu verileriyle doğanın nasıl kendini tamir ettiğini, hangi alanların ne hızda iyileştiği gibi detaylar biz mühendisler tarafından takip edilir.
1988 yazında, şimşek düşmeleri, kuraklık ve insan kaynaklı etkenler nedeniyle Yellowstone Ulusal Parkı'nın üçte birinden fazlası (yaklaşık 793.000 akre) büyük bir yangınla kül oldu. Landsat uyduları, yangının etkilerini yalnızca o yıl değil, 32 yıl boyunca adım adım izledi.
1987 görüntülerinde koyu yeşil alanlar sağlıklı çam ormanlarını, açık yeşil ve sarı alanlar çayır ve düzlükleri temsil ediyordu.
1988’de çekilen görüntülerde ise bu alanlar, yakılmış ve kararmış zeminle yer değiştiriyor. Kızıl tonlar, yangının etkilediği bölgeleri açıkça ortaya koyuyor. Bazı bölgelerde aktif yangınlar parlak pembe olarak bile seçilebiliyor.
1989 görüntüsünde yangının tam etkisi gözler önüne seriliyor. Görüntüler, yangının homojen bir yıkım yaratmadığını, farklı bölgelerde farklı şiddetlerde yandığını gösteriyor. Bu, uzaktan algılamanın sunduğu en kıymetli bilgilerden biri: görsel bütünlük içinde şiddet ve toparlanma farklarını ölçebilmek.
Zaman ilerledikçe, özellikle 5., 10. ve 17. yıllarda alınan görüntülerde yanık izlerinin solduğu, yeni bitkilerin alana yayıldığı görülüyor. Başta otsu bitkiler ve yabani çiçekler, ardından küçük çam fideleri büyümeye başlıyor. Yeni ağaçlar, genç oldukları için daha hızlı fotosentez yapıyor ve spektral olarak farklı yansımalar üretiyor. Bu da NDVI ve SWIR bantlarında algılanabilir iyileşme sinyalleri olarak ortaya çıkıyor.
Ancak bu toparlanma kolay olmuyor: yüksek rakımlı platolar, kısa büyüme mevsimi ve sert kış koşulları nedeniyle iyileşme onlarca yıl alıyor. Nitekim 2019 yılında bile, uydular yangının izlerini hâlâ seçebiliyor.
Aşağıdaki üç sahte renkli Landsat görüntüsü, 1988 yılında meydana gelen büyük yangının etkilerini ve doğanın yıllar içindeki toparlanma sürecini gözler önüne seriyor. Her bir görüntü Landsat’ın SWIR (kısa dalga kızılötesi), NIR (yakın kızılötesi) ve görünür bantlarının birleşimiyle oluşturulmuştur. Bu bant kombinasyonu sayesinde, bitki örtüsündeki değişiklikleri çok daha net görebiliyoruz.
Soldan sağa:
1993: Yangından 5 yıl sonra. Kırmızımsı tonlar geniş alanlara yayılmış; bu, bitki örtüsünün henüz toparlanmadığı, toprak yüzeyinin açıkta kaldığı bölgeleri temsil ediyor.
1998: Yangından 10 yıl sonra. Bazı alanlarda yeşil tonlar geri dönmeye başlıyor. Bu, otlar ve küçük çalıların alana yeniden yayıldığını gösteriyor.
2005: Yangından 17 yıl sonra. Artık büyük oranda yeşil bir alan görülüyor. Bu, orman ekosisteminin büyük ölçüde toparlandığını ve yavaş büyüyen iğne yapraklı ağaçların geri dönmeye başladığını gösteriyor.
Gerçek Zamanlı Yangın İzleme: Türkiye için Ücretsiz Veri Kaynakları
Türkiye’de dönemsel olarak onlarca orman ve makilik alanda büyük yangınlar çıkabiliyor. Bu yangınlar insan hayatını ve ekosistemleri tehdit eder; hızlı müdahale ve durum değerlendirmesi için anlık veri çok önemlidir. Neyse ki NASA ve ESA gibi kurumlar, uydu verilerini herkesin kullanımına sunarak küresel ölçekte aktif yangın takibi yapmayı mümkün kılıyor.
Örneğin NASA’nın Worldview sitesi, Temmuz 2025’te İzmir’deki yangınları VIIRS uydu görüntüsü üzerinde kırmızı noktalı FIRMS katmanıyla göstererek acil durum haritalaması yapmıştı. Harita mühendisleri ve ilgili meslek grupları için bu ücretsiz araçlar hayati bilgiler sunar. Aşağıda öncelikli olarak NASA FIRMS ve Sentinel Hub EO Browser platformlarını, ayrıca yerel gönüllü haritalamaları ve teknik ipuçlarını ele alacağız.
NASA FIRMS – Aktif Yangın Verileri (MODIS & VIIRS)
NASA’nın FIRMS (Fire Information for Resource Management System) servisi, Aqua/Terra uydularının MODIS sensörleri ile Suomi NPP/NOAA uydularının VIIRS sensörlerinden alınan aktif yangın ve termal anomalileri sunar. Veriler genelde 3 saat gecikmeli (NRT) olarak güncellenir. FIRMS sayesinde dünya genelindeki yangınların konumu, şiddeti (algılanan parlaklık) ve zamanı takip edilebilir. Örneğin e-posta uyarılarıyla belli bir bölgedeki yeni yangınlardan haberdar olabilir, ya da veriyi SHP/KML olarak indirip kendi GIS projelerinizde kullanabilirsiniz.
FIRMS ile Görüntüleme ve Veri İndirme Adımları
FIRMS Haritasında Yangın Görüntüleme: NASA'nın FIRMS (Fire Information for Resource Management System) platformu üzerinden, bu harita bağlantısına giderek Türkiye'deki veya dünya genelindeki güncel yangınları doğrudan görüntüleyebilirsiniz. Harita üzerinde aktif yangın noktaları, MODIS ve VIIRS uydularından gelen termal anomalilere göre gösterilir. Yaklaşık 3 saatlik bir gecikme payı olsa da veriler oldukça günceldir ve sık yenilenir.
FIRMS Veri İndirme: Yangın verilerini indirip analiz etmek isterseniz, FIRMS platformunun Download Active Fire Data sayfasını kullanabilirsiniz. Bu sayfada:
Son 24 saat, son 7 gün veya belirli bir tarih aralığı seçerek
SHP, KML, CSV veya TXT gibi formatlarda
MODIS veya VIIRS kaynaklı verileri indirebilirsiniz. Bu veriler daha sonra QGIS, ArcGIS gibi masaüstü yazılımlara aktarılabilir.
İpucu: İndirdiğiniz SHP veya KML verilerini QGIS'e ekleyerek Türkiye üzerinde zaman-mekân analizleri yapabilirsiniz. Özellikle yangın yoğunluklarını görmek için nokta sembolleriyle görselleştirme tercih edilebilir.
Bu adımlarla FIRMS üzerinden hem hızlıca yangınları görüntüleyebilir hem de geçmiş verileri indirerek analiz yapabilirsiniz. Büyük çaplı araştırmalarda veya otomasyonda Python/R ile FIRMS API kullanımı da mümkündür.
Sentinel Hub EO Browser ile Yüksek Çözünürlükte Yangın Takibi
ESA destekli Sentinel Hub EO Browser, Sentinel-2 başta olmak üzere farklı uydu görüntülerini anlık görüntüleme ve analiz imkânı tanır. Sentinel-2 verileri 10 metre çözünürlüğünde (birkaç günlük aralıklarla) güncellendiği için yangın öncesi/sonrası incelemede çok yararlıdır. EO Browser’da kolayca True Color, False Color (SWIR/NIR/Red) gibi bant kombinasyonları ya da NDVI/NBR gibi ön tanımlı analizler kullanabilirsiniz.
EO Browse Kullanım Adımları:
İlgili Konumu Seçme: EO Browser açın. Sol üstten harita üzerinde Türkiye’deki bir bölgeyi seçin (örn. yangın çıkan ili veya ormanlık alanı işaretleyin).
Veri Kümesini Seçme: Sağdaki menüden Data bölümüne gelin. Buradan Sentinel-2 L2A (atmosfer düzeltmeli) veri koleksiyonunu seçin. Tarih filtresinde yangın sonrası günleri işaretleyin (yeni görüntü gelene kadar 2–5 gün arası güncellemeler olur).
Görselleştirme: Layers / Bands bölümünden NDVI veya NBR gibi analiz modlarını seçebilirsiniz. NDVI ( (B8-B4)/(B8+B4) ) ile canlı yeşil bitki örtüsü ön plana çıkar; yanık alanlardaki bitki örtüsü bu indekste düşük değer alır. NBR ise Band 8 (NIR) ve Band 12 (SWIR) kullanılarak hesaplanır (NBR=(B8−B12)/(B8+B12)) ve yanmış alanlar düşük NBR değerleriyle öne çıkar. Hazır indeksler yoksa, Custom (Özel) bölümünden B8 ve B12 bantlarını formüle ekleyerek benzer hesaplamalar yapabilirsiniz.
Zaman Serisi ve Karşılaştırma: İki tarih arasında zaman serisi veya yan yana karşılaştırma yapılabilir. Örneğin yangın öncesi ve sonrası görüntüyü sırayla görüntüleyerek, etkilenen alanlarda bitki örtüsündeki değişimi gözlemleyin. Zaman kaydırıcılarla çoklu tarihlerde animasyon da oluşturabilirsiniz.
EO Browser, kullanıcı dostu ara yüzüyle hızlıca yangın bölgeleri için uydu analizleri yapmanızı sağlar. Ayrıca false-color SWIR bant kombini (ör. B12, B8A, B4) ile sağlıklı bitkiler yeşil, yanık ve çıplak toprak kahverengi tonlarda görünür. Siz de bu araçla yangın saha analizlerinizi kolayca yapabilirsiniz.
Yerel Girişimler ve Açık Haritalar
Bazen gönüllüler OpenStreetMap (OSM) veya MapHub gibi platformlarda geçici yangın haritaları oluşturur. Örneğin yangın sezonlarında topluluklar, aldıkları uydu verilerini veya haberleri OSM haritalarına işleyebilir. Bu tür haritalar geçici ve gönüllü çalışmalar olduğu için dikkatli kullanılmalıdır. Resmi olmayan veri kaynakları güncel olmayabilir ya da yanlış işlenmiş olabilir. Bu nedenle, çalışmalarınızda her zaman Orman Genel Müdürlüğü, AFAD gibi resmi kurumların duyurularıyla verileri karşılaştırın.
Yerel OSM haritalarında yangın sınırları veya sıcak noktalar çizilmiş olabilir. Google My Maps üzerinden paylaşılan halk kaynaklı haritalar bulabilirsiniz.
Bazı sivil toplum kuruluşları veya üniversite grupları, ek veri katmanlarıyla (örneğin MODIS/VIIRS) zenginleştirilmiş interaktif haritalar hazırlıyor. Ancak bunlar genelde geçicidir.
Resmi ve onaylı bilgiler için Tarım ve Orman Bakanlığı, yangın anlık izleme servisi (eğer varsa) veya 112 Acil çağrı merkezinin coğrafi verilerini takip etmek en güvenilir yol olacaktır.
Bu girişimler yararlı fikir verir, ancak güvenilirlik önemli: Kaynağını bilemediğiniz haritalara kesin gözle bakın.
Teknik İpuçları ve Öneriler
Kullanılan Bantlar: Yangın takibinde kızılötesi (NIR) ve kısa dalga kızılötesi (SWIR) bantlar çok değerlidir. Örneğin, Sentinel-2 görüntülerinde Band 8 (NIR) ile Band 12 (SWIR), yanan ve yanan alanların ayırt edilmesinde kullanılır. NBR indeksi bu bantlarla hesaplanır.
NDVI Formülü İndeksler (NDVI/NBR): NDVI formülü (B8-B4)/(B8+B4), yeşil bitki varlığını ölçer. Yüksek NDVI değeri yoğun bitki örtüsünü, düşük değer ise açık arazi/yanık alanı gösterir. NBR ise yanan alanları düşük değerle vurgular. Yangın sonrası dNBR (Delta NBR) hesaplanarak yanık alanın şiddeti belirlenebilir.
NBR Formülü GIS Araçları : QGIS gibi yazılımlarla WMS/WCS bağlantıları kurarak uydu katmanlarını haritanıza çekebilirsiniz. Örneğin, yukarıda anlattığımız adımlarla FIRMS WMS’i ekleyebilir ve anlık yangın noktalarını QGIS’te görebilirsiniz. Sentinel-2 görüntülerini de ESA Copernicus Hub’dan indirip QGIS’te Raster Hesaplayıcı ile işleyebilir, NDVI/NBR haritaları oluşturabilirsiniz.
Otomasyon & API: Gelişmiş kullanıcılar Python veya Google Earth Engine (GEE) ile otomasyon kurabilir. NASA FIRMS’ın e-posta uyarı servisini aktif ederek belirli bölgeler için anında alarm alabilirsiniz. Sentinel verilerine ise ESA’nın API’leri veya Sentinel Hub API ile script üzerinden erişim mümkündür. Böylece büyük veri analizleri ve raporlamada zaman kazanabilirsiniz.
Bu teknik yaklaşımlar, yangın verisini mühendislik projelerinde etkili şekilde kullanmanıza yardımcı olur. Yangın gibi kritik afetler anlarında doğru veriye hızlı erişim hayatidir; bu yazıdaki araçlar ve yöntemler, harita mühendislerinden meraklı kullanıcılara kadar herkesin bu sürece teknik olarak güçlü ve bilinçli şekilde katılabilmesini amaçlıyor.
Kaynaklar
Bitek, Deniz & Ocakbaşı, Emrullah & Erenoğlu, Cüneyt. (2022). Sentinel-2 Uyduları ile Orman Yangını Analizi: 2018 Yunanistan Mati Örneği. Academic Perspective Procedia. 5. 210-219. 10.33793/acperpro.05.02.5941.
Polat, N., & Kaya, Y. (2021). Çok Bantlı Uydu Görüntüleriyle Orman Yangınlarında Hasar Tespiti. Bartın Orman Fakültesi Dergisi, 23(1), 172-181. https://doi.org/10.24011/barofd.837507
Ertuğrul, Mertol. (2019). Future Forest Fire Danger Projections Using Global Circulation Models (GCM) in Turkey. Fresenius Environmental Bulletin. 28. 3261-3269.
Gunay Ercan, Delfin & UYGUNOL, Mehmet. (2023). Yanmış Alanların Uzaktan Algılama İle Tespiti Ve Arazi Örtüsü Sınıfları İle Karşılaştırılması, Muğla/Marmaris Örneği. 10.15659/uzalcbs2022.12754.
Zahra Parvar, Sepideh Saeidi, Seyedhamed Mirkarimi,Integrating meteorological and geospatial data for forest fire risk assessment,Journal of Environmental Management,Volume 358,2024,120925,ISSN 0301-4797,https://doi.org/10.1016/j.jenvman.2024.120925.
Pickell, P.D., Coops, N.C., Ferster, C.J. et al. An early warning system to forecast the close of the spring burning window from satellite-observed greenness. Sci Rep 7, 14190 (2017). https://doi.org/10.1038/s41598-017-14730-0
Çiçekli, S.Y. (2024). Yanmış Orman Alanlarının Uzaktan Algılama Teknikleri ile Araştırılması: Kozan Orman Yangını Örneği. Çukurova Üniversitesi, Mühendislik Fakültesi Dergisi, 39(2), 503-514.
Christine Conte. Ekosistemler Yangından Sonra Nasıl Kurtulur? https://earth.org/how-ecosystems-recover-after-a-fire/
Franks, S., Masek, J.G. & Turner, M.G. (2013). Monitoring forest regrowth following large scale fire using satellite data – A case study of Yellowstone National Park, USA. European Journal of Remote Sensing, 46:1, 551-569, DOI: 10.5721/ EuJRS20134632. https://doi.org/10.5721/EuJRS20134632
NASA Scientific Visualization Studio. (2012, July 23). Yellowstone Burn Recovery. NASA. https://svs.gsfc.nasa.gov/11029
NASA Earth Observatory. (n.d.). World of Change: Burn Recovery in Yellowstone. NASA. https://earthobservatory.nasa.gov/world-of-change/Yellowstone/show-all
Kaleminize sağlık, en yakın zamanda Türkiye'de benzer afet yönetim sistemleri kurulması dileğiyle 😊