Güneydoğu Türkiye Tarımsal Alanlarında, Radarsat-2 Uydu Görüntülerinin İşlenmesi İle Yarı-deneysel, Üç Toprak Nemi Tahmin Modelinin Geliştirilmesi

Abstract

Su yeryüzünde hayatın önemli bir kaynağıdır. Yaşadığımız küre üzerinde tüm canlılar hayatlarını devam ettirebilmeleri için mutlak suya muhtaçtırlar. Toprakta mevcut bulunan besin elementlerinin doğal döngüsünü tamamlayabilmeleri tamamen su döngüsüne bağlıdır. Toprak erozyonu, sel baskını, orman yangınları, küresel ısınma vesıcaklık değişimleri, bitki türlerinin dağılışını ve farklı hayatı etkileyen faktörlertopraktaki yüzey nem oranı miktarı ile yakın ilişki içerisindedir. Bu nedenle tarımsal, hidrolojik, ve meteorolojik uygulamalarda, toprak nemi ya da toprağın su içeriği önemli birer faktör ve parametredir. Toprak neminin tanımlanması genellikle iki dala ayrılır; derin toprak nemi (kök bölgesi nemi) ve yüzey toprak nemi. Yüzey toprak nemi, toprağın üsteki 10cm.lik kısmındaki su miktarını tanımlar ki, bu dünyadaki toplam su miktarının yalnızca %0.0012'sini içerir (Verhoest et al., 2008). Bununla birlikte, bitkiler için önemli olan ve kullanılabilen derin toprak nemi (kök bölgesi nemi), toprağın yüzeyden itibaren 200cm.lik kısmında tanımlanır. Toprak nemi bilgisinin önemine rağmen, bu faktörün ölçülebilmesinin birçok bilim dalında çok önemli yer tuttuğu açıktır. 15. yüzyıldan bu yana toprağın su içeriğinin belirlenmesi ile ilgili olarak birçok metod uygulana gelmiştir. Günümüzde, toprağın neminin belirlenmesinde en çok kullanılan metodlar, topraktaki suyun kütlesi, hacmi ya da toprağın suya doygunluğunun ölçülmesidir. Büyük bir uzay için, zaman ve maliyet sınırlamaları toprak nem ölçümü elde etmesi için dikkate alınmalıdır. Geleneksel çalışmada, prensipte toprak neminin doğrudan veya dolaylı olarak ölçülmlenmesi ile ilgili metodlar, birbirlerinden ayrılabilir. Doğrudan metodlar, toprak neminin buharlaştırılması, suyun topraktan alınması, ya da FDR ve TDR gibi kimyasal ve gravimetrik ölçüm metodlarını metodları içermektedir. Literatürde, toprak neminin ölçülmesiile ilgili olarak, doğrudan veya dolaylı, birçok ölçüm metodu tanımlanmıştır (Stachder 1996, Prietzsch 1998, Marshall 1999). Genel olarak toprak nemi; kuru ağırlık yüzdesi, hacim yüzdesi, derinlik ve tansiyon olmak üzere 4 farklı şekilde ifade edilmektedir. Bu çalışmada toprak nemi hacim yüzdesi şekilde ifade edilmektedir (vol.%). Ek olarak, 1970'lerde uyduların kullanıma girmesiyle, toprak neminin uzaktan algılama metodlarıyla belirlenmesi araştırmaları da gündeme gelmiştir. Uydu verileriyle toprak neminin belirlenmesi, uyduların geniş alanları gözlemleme ve uzun sürelerce bu gözlemleri tekrar edebilmesi nedeniyle hemen uygulama alanı bulmuştur. Uzaktan algılama, ilgi konusu olan nesne ile doğrudan temas olmadan, elektromanyetik spektrumun belirli dalgaboylarını kullanarak, bilgi edinmek demektir. Uzaktan algılama metodleri, gündüz ve gece operasyonları için küresel ölçekte ve hava şartlarindanbağımsız çalışmalarda, yüksek çözünürlüklü izleme ssahibi olarak son on yılda,çok kullanmaktadır . Yeryüzü tarafından yayılan veya yansıtılan hem optik hem de mikrodalga elektromanyetik sinyaller, yüzey hakkında olduğu kadar toprağın nemi hakkında bilgiler de içermekte ve toprağın neminin belirlenmesi çalışmalarında kullanılmaktadır. Bu yöntemtoprağın elektriksel iletkenliğinin ölçülmesi esasına dayanmaktadır. Su dielektrik sabiti '80' ve kuru toprak dielektrik sabiti '0' dir . Budielektrik sabitleriarasındaki büyük farka dayanarak uzaktan algılama geri saçılması yönteminin toprak nemi ile ilgili çalışmalar için iyi bir faktör olduğu gözükmektedir. Geri saçınım katsayısı çalışmasıyla birlikte birçok toprak nemi tahmin modeli yayınlanmıştır: (i) Deneme modelleri: Oh (1994) (ii) Fiziksel modelleri: teorik integrasyon denklemi metodu, Fung et al., 1992; XBragg Modeli (2008) (iii) Yarı-Deneysel modelleri: Ohet al., (1992), Oh (2004), Duboiset al., (1995) Yarı-Deneysel OH92 ve OH04 modelleri için RADAR geliş açısı 10 ve 70 derecearalığında ve DU 95 modeli için 30 ve 65 derecearalığındadır. Bu çalışmada, Oh (1992), Oh (2004), Dubois (1995) Yarı-Deneysel yüzey toprak nemi modelleri olarak kullanılarak, Harran, Şanlıurfa ve Güneydoğu Anadolu'daki tarım alanlarında, iki RADARSAT-2 görüntüsü (FQ1, FQ19) ile bir yüzey toprak nemi tahmininde bulunulması amaçlanmış ve kullanılan modellerin performans verilerini değerlendirmek için bir çalışma yapılmıştır. Uydu görüntülerinin kullanıldığı pek çok uygulamada koordinatlandırma işlemi gerekli ve önemli bir adımdır. Koordinatlandırmada, temelde görüntü ve nesne koordinat sistemleri arasında bir dönüşümün sağlanması söz konusudur. Bu işlem sonucunda RADARSAT-2, den alınan dataların koordinatları UTM koordinatlarına dönüşürülür ve uygun bir örneklemeden sonra kullanılabilir bir veri elde edilir. Yarı-Deneysel modelleri uygulamak için RADARSAT-2 den alınan verilerin dönüştürülmüş olan halini kullanarak (ENVI programı yardımıyla): (i) Python 2.7 programı kullanarak PolSARproprogramı da olan modellere ait alt programları yürüterek ismi geçen Yarı-Deneysel modeller için sonuç elde edilmiş, (ii) Kullanılan modellerden elde edilen sonuçlar, Lee, Enh-Lee, Forst ve Kuan filtreleri ile analiz edilerek, benek gürültüsü azaltılmış ve model performansı arttırılmıştır, (iii) Farklı çekirdek boyutları (8 farklı boyut 3×3 - 15×15) için, istatistiksel olarak hesaplanmış indislerle (ortalama ve standart t sapma ağırlıklı olan miktarlar ) optimal filtre boyutu tahmini yapılmıştır, (iv) Elde edilen optimal filtrer sonuçları araştırma alanı üzerinde belirtilmiş 3 farklı bölgede topraktaki nem elde edilmiştir.Sonraki aşamada eldeedilen topraknemi ve yerel istasyonlar da hesaplanan toprak nemi karşılaştırarak hata miktarıbelirlenmiştir. 07 Eylül2012 RADARSAT-2 verilerinin yarı-deneysel modellemeleri uygulaması kısmında Dubois modellemesindeki bakış açısının sınır dışı olması nedeni ile (18.40 -20.40)bu modelleme yapılmamaktadır. OH92 ve OH04 modelleri için en yüksek uyuşma: (i) OH92 modeli için: 15×15 boyutlu Kuan filtresi(SSMPI=0.5126 , SSI=0.5126 ) optimal filtre olarak seçilmiştir. (ii) OH04 modeli için: 5×5 boyutlu Kuan filtresi SSMPI=1.000, SSI=0.7590

Soil moisture or soil water content is an important factor and parameter for agricultural, hydrologicaland meteorological applications. Usually the soil moisture definition is, divided into two branches: deep or root zonesoil moisture, and surface soil moisture.Surface soil moisture is refers to the water that is in the upper 10 cm of soil and only constitutes 0.0012% of all water available on Earth(Verhoest et al., 2008). Whereas root zone soil moisture is the water that is available to plants, which is generally considered to be in the upper 200 cm of soil. The water stored in the soil has different roles in the global water cycle. For instance, the growth of plants, irrigation scheduling management, good product, crisis management during drought, etc. Or, it controls the partitioning of rainfall into runoff and infiltration. Runoff commonly means both exporting fresh water to other areas and degradation of topsoil through leaching and erosion(surface moisture),infiltration mean filling underground aquifers (deep soil moisture) (Verhoest et al., 2008). It has been widely observed that soil moisture is also a key variable in flood forecasting.However, the measurement of soil moisture is very important in other branches of science. Methods for measuring the mass of soil water have been in use since the 15th Century. Today, the most common method is with regard to the mass, volume or saturation of the soil. There are various methods available to measure the soil moisture content both directly and indirectly (Stachder 1996, Prietzsch 1998, Marshall 1999). In principle, direct and indirect methods of measurement can be distinguished from one another. Direct methods include all measured processes in which the soil water is removed via evaporation, extraction, or chemical reactions and gravimetric method such as the FDR or TDR methods. On the other hand, research in to the remote sensing of soil moisture began in the mid 1970's thanks to a surge in the development of satellite technology. Soil moisture measurement and estimation from remotely sensed data has come a long way due to its unique capability of monitoring large areas with long term repetitive coverage. Remote sensing is data acquisition with out direct contact with the object of interest by using of particular wavelength of electromagnetic spectrum. The omitted or reflected signals in remote sensing methods far from the Earth's surface contain information about soil properties and surface details in both optical and microwave remote sensing and have been put to use for soil moisture study. Studies on backscattering coefficiencyhave beenpublished regarding many different models for surface soil moisture estimation; (i) the empirical model (EM) of Oh et al., 1994, (ii) the theoretical integral equation model (IEM) of Fung et al., 1992,X-Bragg model (2008), and (iii) the semi-empirical models of Oh et al., 1992, Oh et al., 2004 and the model of Dubois et al., 1995. In this study by using performance of the Oh et al., 1992, Oh, 2004 and Dubois et al., 1995a, surface soil moisture estimation models was evaluated with two RADARSAT-2 scenes (FQ1, FQ19) on agricultural area over the Harran ,Sanliurfa of east south of Turkey. The results was researched in soil moisture models that was used in thesis,analyzed by Lee, Enh_Lee, Forst and Kuan filters to reduce speckle noise and improve the models performance and the accuracy of RADARSAT-2 soil moisture maps. In addetion, the optimal filter sizeby study about of statistical calculated indices for different kernel size was estimated . Highest agreement for optimal filter kind is Kuan,15×15, 5×5 kernel size for OH92, OH04 for 07.September.2012 RADARSAT-2 's data and 5×5,5×5,15×15 kernel size for OH92,OH04,DU95 models for 08.September.2012 ,RADARSAT-2 's data . By using Pauli RGB image was estimated surface coverage. The surface coverage information was used to find estimated soil moisture values in study area. Finally, the local and estimated values werecompared. This research supports the idea of incidence angle effect on the performance of models (Baghdadi et al. 2008 and Mo et al. 1984) and the idea of surface roughness as having animportant effect on the estimation ofsoil moisture values (Baghdadi et al.,2002; Verhoest et al., 2000; S.Khabazan et al., 2013; Zribi and Dechambre, 2003).