Abstract
In agricultural production, generally the remote sensing techniques have
begun to be used on follow-up of plant development in a widespread manner.
Images taken from satellite, airplane and unmanned aerial vehicles provide
facilities for the spatial follow-up of the plant's development in the field.
For determination of the plant intensity and species, NDVI values is calculated
as vegetation index by using images taken in the red and near infrared
wavelength reflecting from the plants. In this study, it was aimed to determine
the spatial and temporal change of NDVI values in Pehlivan wheat variety
planted in farm of Agricultural Faculty, Uludağ University during 2015-2016
production period. Landsat 8 images taken at different dates were used in the
study. As a result of the plot-based evaluation, the vegetation index values in
the parcel did not show a homogeneous distribution
References
- Benek S, Şahap A 2017. Şanlıurfa Şehrinde Coğrafi Bilgi Sistemleri (Cbs) ve Uzaktan Algılama (Ua) Kullanılarak Yeşil Alanların Yeterliliğinin Belirlenmesi. Marmara Coğrafya Dergisi, 36: 304-314.
- Çaldağ B 2009. Trakya Bölgesi’nin Tarımsal Meteorolojik Özelliklerinin Belirlenmesi. İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü, Meteoroloji Mühendisliği Ana Bilim Dalı, Doktora Tezi, 257 s.
- Değirmenci H, Korukçu A 1992. Uludağ Üniversitesi Tarımsal Araştırma ve Uygulama Merkezi Arazisinin Drenaj Sorunları ve Çözüm Yolları Üzerinde Bir İnceleme. U.Ü. Zir. Fak. Dergisi, 9: 151-161.
- Gandhi MG, Parthiban S, Thummalu N, Christy A 2015. Ndvi: Vegetation Change Detection Using Remote Sensing and GIS – A Case Study of Vellore District. Procedia Computer Science, 57: 1199 – 1210.
- Hatfield JL, Kanemasu ET, Asrar G, Jackson RD, Pinter PJJ, Reginato RJ, Idso SB 1985. Leaf Area Estimates From Spectral Measurements Over Various Planting Dates of Wheat. Int. J. Remote Sens, 6: 167–175.
- Kandemir E 2010. Uzaktan Algılama Tekniğinde NDVI Değerleri İle Doğal Bitki Örtüsü Tür Dağılımı Arasındaki İlişkilerin Belirlenmesi Üzerine Araştırmalar. Ege Üniversitesi, Fen Bilimleri Enstitüsü, Çevre Bilimleri Ana Bilim Dalı, Yüksek Lisans Tezi, 60 s.
- Karabulut M 2006. NOAA AVHRR Verilerini Kullanarak Türkiye’de Bitki Örtüsünün İzlenmesi ve İncelenmesi. Coğrafi Bilimler Dergisi, 4(1): 29-42.
- Maxwell SK, Sylvester KM 2012. Identification of “Ever-Cropped” Land (1984–2010) Using Landsat Annual Maximum NDVI Image Composites: Southwestern Kansas Case Study. Remote Sensing of Environment, 121: 186–195.
- Marsh SE, Walsh JL, Lee CT, Beck LR, Hutchinson CF 1992. Comparison of Multi-temporal NOAA AVHRR and SPOT-XS Satellite Data For Mapping Land Cover Dynamics in The West African Sahel. International Journal of Remote Sensing, 13(16): 2997-3016.
- Şimşek O, Mermer A, Yıldız H, Özaydın KA, Çakmak B 2007. AgroMetShell Modeli Kullanılarak Türkiye’de Buğdayın Verim Tahmini. Tarım Bilimleri Dergisi, 13(3): 299-307.
- Teke M, Yardımcı Y 2016. Göktürk-2 Zaman Serisi Görüntüleri ile Ürün Sınıflandırma. 24th Signal Processing and Communication Application Conference, 16-19 Mayıs, Zonguldak.
- Tucker C 1979. Red and Photographic Infrared Linear Combination for Monitoring Vegetation. Remote Sensing of Environment, 8: 127-150.
- Yıldız H, Mermer A, Ünal E, Akbaş F 2012. Türkiye Bitki Örtüsünün NDVI Verileri ile Zamansal ve Mekansal Analizi. Tarla Bitkileri Merkez Araştırma Enstitüsü Dergisi, 21(2): 50-56.
Abstract
Tarımsal üretimde,
uzaktan algılama teknikleri kullanılarak bitki gelişimin takibi yaygın olarak
kullanılmaya başlanılmıştır. Uydu ve hava görüntüleri ile insansız hava
araçlarından alınan görüntüler, bitkinin arazide gelişiminin konumsal takibinde
kolaylıklar sağlamaktadır. Bitki yeşil aksamının yoğunluğunun ve türünün
belirlenmesinde bitkilerden yansıyan kırmızı ve yakın kızılötesi bant
görüntüleri kullanılarak bitki örtüsü
indeksi olarak NDVI değeri hesaplanmaktadır.
Bu
çalışmada, Uludağ Üniversitesi Ziraat Fakültesi çiftlik arazisinde 2015-2016
üretim döneminde Pehlivan çeşidi buğday ekili alanlarda NDVI değerlerinin
zamana ve konuma göre değişiminin belirlenmesi amaçlanmıştır. Çalışmada farklı
tarihlerde çekilmiş Landsat 8 görüntüleri kullanılmıştır. Parsel bazında
yapılan değerlendirme sonucunda parsel içerisinde bitki örtü indeksi
değerlerinin homojen bir dağılım göstermediği görülmüştür.
References
- Benek S, Şahap A 2017. Şanlıurfa Şehrinde Coğrafi Bilgi Sistemleri (Cbs) ve Uzaktan Algılama (Ua) Kullanılarak Yeşil Alanların Yeterliliğinin Belirlenmesi. Marmara Coğrafya Dergisi, 36: 304-314.
- Çaldağ B 2009. Trakya Bölgesi’nin Tarımsal Meteorolojik Özelliklerinin Belirlenmesi. İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü, Meteoroloji Mühendisliği Ana Bilim Dalı, Doktora Tezi, 257 s.
- Değirmenci H, Korukçu A 1992. Uludağ Üniversitesi Tarımsal Araştırma ve Uygulama Merkezi Arazisinin Drenaj Sorunları ve Çözüm Yolları Üzerinde Bir İnceleme. U.Ü. Zir. Fak. Dergisi, 9: 151-161.
- Gandhi MG, Parthiban S, Thummalu N, Christy A 2015. Ndvi: Vegetation Change Detection Using Remote Sensing and GIS – A Case Study of Vellore District. Procedia Computer Science, 57: 1199 – 1210.
- Hatfield JL, Kanemasu ET, Asrar G, Jackson RD, Pinter PJJ, Reginato RJ, Idso SB 1985. Leaf Area Estimates From Spectral Measurements Over Various Planting Dates of Wheat. Int. J. Remote Sens, 6: 167–175.
- Kandemir E 2010. Uzaktan Algılama Tekniğinde NDVI Değerleri İle Doğal Bitki Örtüsü Tür Dağılımı Arasındaki İlişkilerin Belirlenmesi Üzerine Araştırmalar. Ege Üniversitesi, Fen Bilimleri Enstitüsü, Çevre Bilimleri Ana Bilim Dalı, Yüksek Lisans Tezi, 60 s.
- Karabulut M 2006. NOAA AVHRR Verilerini Kullanarak Türkiye’de Bitki Örtüsünün İzlenmesi ve İncelenmesi. Coğrafi Bilimler Dergisi, 4(1): 29-42.
- Maxwell SK, Sylvester KM 2012. Identification of “Ever-Cropped” Land (1984–2010) Using Landsat Annual Maximum NDVI Image Composites: Southwestern Kansas Case Study. Remote Sensing of Environment, 121: 186–195.
- Marsh SE, Walsh JL, Lee CT, Beck LR, Hutchinson CF 1992. Comparison of Multi-temporal NOAA AVHRR and SPOT-XS Satellite Data For Mapping Land Cover Dynamics in The West African Sahel. International Journal of Remote Sensing, 13(16): 2997-3016.
- Şimşek O, Mermer A, Yıldız H, Özaydın KA, Çakmak B 2007. AgroMetShell Modeli Kullanılarak Türkiye’de Buğdayın Verim Tahmini. Tarım Bilimleri Dergisi, 13(3): 299-307.
- Teke M, Yardımcı Y 2016. Göktürk-2 Zaman Serisi Görüntüleri ile Ürün Sınıflandırma. 24th Signal Processing and Communication Application Conference, 16-19 Mayıs, Zonguldak.
- Tucker C 1979. Red and Photographic Infrared Linear Combination for Monitoring Vegetation. Remote Sensing of Environment, 8: 127-150.
- Yıldız H, Mermer A, Ünal E, Akbaş F 2012. Türkiye Bitki Örtüsünün NDVI Verileri ile Zamansal ve Mekansal Analizi. Tarla Bitkileri Merkez Araştırma Enstitüsü Dergisi, 21(2): 50-56.
Details
| Primary Language | Turkish |
|---|---|
| Journal Section | RESEARCH ARTICLE |
| Authors | |
| Publication Date | August 31, 2018 |
| Submission Date | December 11, 2017 |
| Published in Issue | Year 2018Volume: 21 Issue: 4 |
Cited By
Kentsel Alanlarda Arazi Kullanım ve Arazi Örtüsü Belirleme Çalışmalarında Spektral İndekslerin Kullanılması: Ceyhan İlçe Merkezi Örneği
Karamanoğlu Mehmetbey Üniversitesi Mühendislik ve Doğa Bilimleri Dergisi
https://doi.org/10.55213/kmujens.1446772
International Peer Reviewed Journal
Free submission and publication
Published 6 times a year
KSU Journal of Agriculture and Nature
e-ISSN: 2619-9149