NDVI Hesaplama ve Analizi Python ile

NDVI Nedir?

NDVI, Normalized Difference Vegetation Index (Normalized Fark Bitki İndeksi) olarak bilinen bir uzaktan algılama indeksidir. Tarımsal araştırmalar ve çevresel izleme için yaygın olarak kullanılmaktadır. Bitki örtüsünün sağlık durumunu değerlendiren bu indeks, bitkilerin fotosentez yapma kapasitesini belirlemek için kullanılır. Yüksek NDVI değerleri sağlıklı ve yoğun bitki örtüsünü temsil ederken, düşük NDVI değerleri açık alanlar veya kurak bitki örtüsünü gösterir.

NDVI hesaplaması, genellikle uydu görüntülerinin veya havadan çekilmiş fotoğrafların spektral verilerini kullanarak gerçekleştirilir. Kırmızı (Red) ve yakın kızılötesi (Near Infrared) bantların yoğunluğuna dayanan bu indeksin hesaplanma formülü şu şekildedir:

NDVI = (NIR – Red) / (NIR + Red)

NDVI’nin Kullanım Alanları

NDVI, tarım, ormancılık, iklim değişikliği araştırmaları, sulama yönetimi ve biyoçeşitlilik incelemeleri gibi birçok alanda kullanılmaktadır. Tarımda, bitki sağlığını izlemek ve sulama ihtiyaçlarını belirlemek için NDVI değerleri kullanılabilir. Ormancılıkta ise ağaçların büyümesini ve sağlık durumunu değerlendirmek için önemlidir.

İklim değişikliği araştırmalarında, NDVI kullanılarak bitki örtüsündeki değişiklikler takip edilebilir. Bu sayede iklimin bitki örtüsü üzerindeki etkileri incelenebilir. Ayrıca, biyoçeşitlilik çalışmaları için de NDVI verileri, farklı bitki türlerinin yayılış alanlarını belirlemek için kullanılabilir.

Bu nedenle, NDVI hesaplamaları ve analizi, uzaktan algılama ve çevresel izleme çalışmalarında kritik öneme sahiptir.

Python ile NDVI Hesaplama

Python, NDVI hesaplama işlemleri için güçlü bir araçtır. Özellikle, NumPy ve Matplotlib gibi kütüphaneler kullanılarak bu işlemi gerçekleştirmek son derece kolaydır. NDVI hesaplaması için öncelikle gerekli kütüphanelerin yüklenmesi gereklidir:

import numpy as np
import matplotlib.pyplot as plt

Gerekli kütüphaneleri yükledikten sonra, NDVI hesaplamak için bir fonksiyon tanımlayalım. Aşağıda, NDVI hesaplamak için örnek bir fonksiyon verilmiştir:

def calculate_ndvi(nir_band, red_band):
    ndvi = (nir_band - red_band) / (nir_band + red_band)
    return ndvi

Bu fonksiyon, iki bant (kırmızı ve yakın kızılötesi) alır ve bunlar arasındaki NDVI değerlerini hesaplar. Şimdi, bu fonksiyonu kullanarak bir örnek veri seti üzerinde nasıl çalışabileceğimize bakalım.

Örnek Veri Seti ile NDVI Hesaplama

NDVI hesaplamak için örnek bir veri seti oluşturalım. Kırmızı ve NIR değerlerini içeren iki iki boyutlu NumPy dizisi tanımlayalım:

red_band = np.array([[0.2, 0.3, 0.4],  
                     [0.1, 0.5, 0.8],  
                     [0.3, 0.6, 0.9]])

nir_band = np.array([[0.6, 0.8, 0.7], 
                     [0.4, 0.9, 0.9],  
                     [0.5, 0.9, 1.0]])

Şimdi bu bantları kullanarak NDVI değerlerini hesaplayalım:

ndvi_result = calculate_ndvi(nir_band, red_band)
print(ndvi_result)

Yukarıdaki kodları çalıştırdığımızda, NDVI değerlerini göreceğiz. Verilerimizdeki her bir hücre için NDVI hesaplanacaktır.

NDVI Görselleştirme

NDVI değerlerini hesapladıktan sonra, elde ettiğimiz sonuçları görselleştirmek oldukça faydalıdır. Bu, bitki sağlığını dikkate değer şekilde analiz etmemize fırsat tanır. Aşağıda, Matplotlib kullanarak NDVI değerlerini görselleştiren bir örnek bulunmaktadır:

plt.imshow(ndvi_result, cmap='RdYlGn')
plt.colorbar()
plt.title('NDVI Görselleştirmesi')
plt.xlabel('Pixel X Koordinatı')
plt.ylabel('Pixel Y Koordinatı')
plt.show()

Yukarıdaki kod, NDVI değerlerini renkli bir harita üzerinde göstererek parlak yeşil alanları sağlıklı bitki örtüsü olarak, sarı ve kırmızı alanları ise sağlıklı olmayan veya açık alanlar olarak temsil eder. Bu tür görselleştirmeler, sonuçları daha anlamlı hale getirir ve analizlerde büyük kolaylık sağlar.

NDVI Hesaplama ve Veri Seti Kullanımı

Gerçek dünya verileri kullanarak NDVI hesaplamaya geçelim. Örneğin, bir uydu görüntüsünü kullanarak, NDVI’yi nasıl hesaplayabileceğimizi görelim. Uygulama için bir uydu görüntüsü dosyasını okumanız gerekecek. Aşağıda, bir görüntü dosyasını okuma ve NDVI hesaplama işlemi için örnek bir kod bulunmaktadır:

from PIL import Image

# Görüntüyü aç
image = Image.open('satellite_image.png')
image_data = np.array(image)

# Kırmızı ve yakın kızılötesi bantları seç
red_band = image_data[:,:,0]  # Kırmızı bant
nir_band = image_data[:,:,1]  # yakın kızılötesi bant

Bu örnekte, uydu görüntüsü üzerinde kırmızı ve yakın kızılötesi bantları alarak NDVI hesaplayacağız. Ancak, bu bantların hangi indekslerde olduğunu bilmemiz önemlidir; bu nedenle, kullandığınız görüntünün hangi formatta olduğunu ve hangi bantların hangi verileri içerdiğini kontrol etmelisiniz.

Sonuçlar ve Uygulamalar

Yukarıda açıkladığımız yöntemler ile Python kullanarak NDVI’yi hesaplamak ve analiz etmek oldukça basit bir hale gelmektedir. NDVI değerlerinin değerlendirilmesi, tarımsal üretkenliğin ve çevresel durumların izlenmesine yardımcı olur.

Ayrıca, bu tür hesaplamalar ve analizler, Python ile diğer uzaktan algılama verileri üzerinde de gerçekleştirilebilir. Görselleştirme, modelleme ve veri analizi konularında Python’un sunduğu esneklik ve olanaklar, bu alanda çalışmayı daha verimli hale getirmektedir.

Sonuç olarak, NDVI hesaplaması, bitki sağlığını değerlendirmek isteyen araştırmacılar ve mühendisler için önemli bir araçtır. Python ile yapılan bu tür çalışmalar, veri bilimcilerin ve tarım uzmanlarının bilinçli kararlar almasına yardımcı olur ve çevresel izlemeye katkıda bulunur.