Çevreye verdiği zararlar nedeni ile orman yangınları dünyada doğal afetler içinde önemli bir yere sahiptir. Orman yangınları sadece ekosistemleri olumsuz etkilemekle kalmayıp, aynı zamanda ekonomik ve sosyal yaşamda da ciddi sorunlara neden olmaktadır. Türkiye’de 1937-2016 yılları arasında meydana gelen orman yangınları sonucu 1.661.506 hektarlık orman alanı yanarak tahrip olmuştur. Orman yangınları sonrası araziden veri toplamak zaman zaman zor ve imkânsız olabilmektedir. Ayrıca yaşanan afet sonrası arazi çalışmaları uzun süreceği ve maliyetinin fazla olacağı göz önüne alınarak yanan alanların belirlenmesinde günümüzde uzaktan algılama teknolojilerine ve bu alanda kullanılan algoritmalarına sıklıkla başvurulmaktadır. Çeşitli özelliklere sahip farklı uydu görüntüleri (Landsat, MODIS, SPOT, vb.), yangın şiddetini, yangın hasarlarını ve yanmış bölgeleri haritalamak için son yıllarda sıklıkla kullanılan uzaktan algılama teknolojisinin önemli veri setleridir. Bu çalışmada 9 Ağustos 2009 tarihinde İzmir ili Seferihisar ilçesinde meydana gelen ve 4 gün süren orman yangını, Landsat 5 uydu görüntüleri kullanılarak uzaktan algılama teknikleri ile analiz edilmiştir. Çalışma bölgesine ait orman yangını öncesi Temmuz 2009 ve orman yangını sonrası Ağustos 2009 tarihli görüntüler alınarak Normalize Edilmiş Yanma Şiddeti (Normalized Burned Ratio-NBR) ve Normalize Edilmiş Vejetasyon İndeksi (Normalized Differenced Vegetation Index - NDVI) indeksleri ile bu indekslerin farkları kullanılarak elde edilen Fark Normalize Edilmiş Yanma Şiddeti (Difference Normalized Burned Ratio-Dnbr) ve Fark Normalize Edilmiş Vejetasyon İndeksleri kullanılarak yanarak tahrip olmuş alanlar tespit edilmiştir. Veri setine ayrıca piksel tabanlı kontrollü sınıflandırmanın maksimum benzerlik algoritması uygulanmıştır. Orman yangını sonrası yanarak tahrip olan alan dNDVI ile 711 ha, dNBR ile 695 ha, piksel tabanlı kontrollü sınıflandırma yönteminin maksimum benzerlik algoritması ile de 665 ha olarak hesaplanmıştır. Üç farklı yöntemin sonuçları Orman Genel Müdürlüğü sonuçları ile uyumlu ve tutarlı olduğu sonucuna varılmıştır.

Burdur Gölü, Türkiye'nin güneybatısındaki Isparta ve Burdur illeri arasında yer almaktadır.Tektonik kökenli ve alkali yapıda olan Burdur gölünün suyu tuzludur. Göl aynı zamanda birçok farklı kuş türü için önemli sulak alan için Ramsar alanı olarak belirlenmiştir. Bu çalışmanın temel amacı, Burdur Gölü'nün kıyı şeridinin yıllar içindeki konumsal değişimlerini uzaktan algılama yaklaşımları kullanarak analiz etmektir. Bu amaç doğrultusunda dört adet çok zamanlı Landsat 5 TM ve Landsat 8 OLI uydu görüntüleri çalışmanın uygulama safhasında kullanılmıştır. Belirli bir zaman aralığında ve bölgede meydana gelen değişimleri izlemek için, En çok benzerlik ve Destek Vektör Makinesi (DVM) gibi piksel tabanlı görüntü sınıflandırmasını kullanmak, belirtilen zaman aralığı arasındaki değişiklikleri doğru bir şekilde izlemek için etkili bir yoldur. Piksel tabanlı sınıflandırma uygulamalarının yanı sıra, su kütlesi alanının çıkarılması ve bu alanların CBS platformunda sayısallaştırılması için Modifiye Normalize Fark Su İndeksi (MNDWI) kullanılmıştır. Tüm sınıflandırma sonuçları ile MNDWI indis sonuçları Burdur Gölü'nün su yüzey alanı % 40'ını kaybettiğini ve Burdur Gölü'nün toplam alanının 1986'da 206 km2 iken şu anda 125 km2 olduğunu göstermiştir. Uygulanan uzaktan algılama yöntemleri ile Burdur Gölünün 1986-2019 yılları arasında yüzey alanında önemli bir azalma eğilimi olduğu görülmektedir.

The Aegean region and its surrounding area of Western Turkey is one of the most seismically active and rapidly deforming regions in the world. The study area, Izmir, is located between 26° 15′–28° 20′ E longitude and 37° 45′–39° 15′ N latitude in the Aegean region of Western Anatolia. The Tuzla Fault passes through Izmir, which is the third largest city in Turkey. In this study, we approach the problem of estimating and investigating the vertical displacements along the Tuzla Fault using a network of high precision levelling line. We established a levelling route with eight benchmarks, along the fault line. Six precise levelling campaigns were performed between 2009 and 2012, and the collected data in the surveying campaigns were processed by using the least-squares adjustment method and global testing in order to evaluate the vertical displacement. The results of the precise levelling indicated that the vertical displacements in the study area are not as significant in this period as were expected. However, compared with previous studies conducted in the same area, this study is different not only from the technique applied, but also it is carried out for the first time.

The coastal areas are being destroyed due to the usage that effect the natural balance. Unconsciously sand mining from the sea for nearshore nourishment and construction uses are the main ones. Physical interferences for mining of sand cause an ecologic threat to the coastal environment. However, use of marine sand is inevitable because of economic reasons or unobtainable land-based sand resources. The most convenient solution in such a protection–usage dilemma is to reduce negative impacts of sand production from marine. This depends on the accurate determination of criteriaon production place, style, and amount of sand. With this motivation, nearshore geodedic surveying studies performed on Kilyos Campus of Bogazici University located on the Black Sea coast, north of Istanbul, Turkey between 2001-2002. The study area extends 1 km in the longshore. Geodetic survey was carried out in the summer of 2001 to detect the initial condition for the shoreline. Long-term seasonal changes in shoreline positions were determined biannually. The coast was measured with post-processed kinematic GPS. Besides, shoreline change has studied using Landsat imagery between the years 1986-2015. The data set of Landsat 5 imageries were dated 05.08.1986 and 31.08.2007 and Landsat 7 imageries were dated 21.07.2001 and 28.07.2015. Landcover types in the study area were analyzed on the basis of pixel based classification method. Firstly, unsupervised classification based on ISODATA (Iterative Self Organizing Data Analysis Technique) has been applied and spectral clusters have been determined that gives prior knowledge about the study area. In the second step, supervised classification was carried out by using the three different approaches which are minimum-distance, parallelepiped and maximum-likelihood. All pixel based classification processes were performed with ENVI 4.8 image processing software. Results of geodetic studies and classification outputs will be presented in this paper.

Tr en Depremler, çok fazla sayıda can kayıplarına, alt yapı zararlarına, ciddi maddi kayıplara neden olan en yıkıcı doğal afetlerdir. Deprem nedeni ile yıkılmış binaların deprem sonrası tespiti önemli bir aşamadır çünkü bu tip binalar şehirler için risk oluşturmaktadır. Son yıllarda dijital fotogrametri ve uzaktan algılama teknolojileri ile uydu algılayıcıları/kamera sistemlerindeki önemli gelişmeler yeni ve farklı araştırma konu ve uygulamalarının ortaya çıkmasına neden olmuştur. 1950'li yıllardan bu yana gelişim gösteren dijital kamera teknolojisi beraberinde yüksek mekansal çözünürlük ve konumsal doğruluğa sahip ortofotoların üretimi de olanaklı hale gelmiştir. Bu ortofotolar detay çıkartımında ve tematik sınıflandırmada başarı ile kullanılmaktadır. Yüksek mekansal çözünürlüğe bağlı olarak tematik sınıflandırmada geleneksel piksel tabanlı sınıflandırma yaklaşımı yerine nesne tabanlı yaklaşım önem kazanmış ve yaygınlaşmıştır. Bu çalışma için Türkiye’nin doğusunda yer alan Van ili-Erciş ilçesi seçilmiştir. Bölgede, 23 Ekim 2011 tarihinde yerel saat ile 13:41:20’de (UTC 10:41:20) moment büyüklüğü (Mw) 7.2 olan bir deprem meydana gelmiştir. Çalışmada veri olarak depremden bir gün sonra Harita Genel Komutanlığı tarafından hasar tespiti yapmak amacıyla alınan hava fotoğraflarından üretilen ortofotolar kullanılmıştır. Deprem sonrası görüntüde ilk olarak 2 farklı dokuda alan seçilmiştir. Hem homojen hem de heterojen alanların sınıflandırılmasında ilk adım olarak en uygun parametreler seçilerek segmentasyon işlemi gerçekleştirilmiştir. Segmentasyon aşamasında çoklu çözünürlük algoritmasından faydalanılmıştır. Yapılan farklı denemeler sonucunda en uygun şekil faktörü ve renk değerleri göz önüne alınmıştır. Bir sonraki aşamada, nesne tabanlı sınıflandırmada kullanılan ve ‘kontrollü’ ve ‘kontrolsüz’ olarak adlandırılan iki farklı sınıflandırma yaklaşımı uygulanmış ve bu yöntemlerin sınıflandırma doğrulukları karşılaştırılmıştır. Earthquakes are the most destructive natural disasters, causing massive loss of life, infrastructure damages and serious financial losses. Earthquake-induced building damage detection is a very important step after earthquakes since such buildings pose a risk for cities. The recent advances in digital photogrammetry/remote sensing technology and satellite sensor/camera systems have inspired to emerge new and different research areas and applications. With the development of digital camera technology since 1950's, it has become possible to produce orthophotos with high spatial resolution and positional accuracy. These orthophotos are used successfully in the extraction of the details and the thematic classification. Depending on the high spatial image resolutions, the use of object-based approach has gained importance and has become widespread rather than the traditional pixel-based approach in the thematic classification. The town of Erciş in Van province, situated in the eastern part of Turkey, was selected for the study. In this region, an earthquake with moment magnitude (Mw) of 7.2 was occurred at 10:41 UTC (13:41 local time) on October 23th, 2011. In this study, the orthophotos produced from the aerial photographs taken one day after the earthquake by the General Command of Mapping for the purpose of damage detection. In the post-earthquake ortophotos, 2 different types of sites were selected as the study areas. As an initial step, segmentation process was carried out by selecting the most suitable parameters for the classification of both homogenous and heterogeneous areas. In the segmentation phase, the multi-resolution algorithm was utilized. After doing different trials, the most suitable shape factor and compactness values were considered. In the next step, two different classification approaches, namely “supervised” and “unsupervised”, used within the object based image classification were applied and their classification accuracies were compared.