Orman Ekosistemlerinde Hava Tabanlı LiDAR ile Toprak Üstü Karbon Stoklarının Tahmini

Demirel T.

Bartın Orman Fakültesi Dergisi, cilt.27, sa.3, ss.447-465, 2025 (TRDizin)

  • Yayın Türü: Makale / Tam Makale
  • Cilt numarası: 27 Sayı: 3
  • Basım Tarihi: 2025
  • Doi Numarası: 10.24011/barofd.1798937
  • Dergi Adı: Bartın Orman Fakültesi Dergisi
  • Derginin Tarandığı İndeksler: TR DİZİN (ULAKBİM)
  • Sayfa Sayıları: ss.447-465
  • İstanbul Üniversitesi-Cerrahpaşa Adresli: Evet

Özet

Küresel iklim değişikliği, atmosferdeki karbondioksit (CO₂) ve diğer sera gazlarının hızla artışıyla

ekosistemlerde geri dönüşü zor değişimlere yol açmakta, orman ekosistemleri ise bu süreçte karasal karbon yutakları

olarak kritik bir rol üstlenir. Orman karbonu, REDD+ ve diğer iklim değişikliğiyle mücadele programlarının temel

bileşenini oluşturmakta ve karbon tutma miktarının doğru biçimde hesaplanması, iklim değişikliği stratejilerinin

etkinliğini doğrudan etkilemektedir. Geleneksel arazi tabanlı ölçümler, geniş alanlarda uygulanması güç, maliyetli ve

orman yapısındaki heterojenliği tam olarak temsil edememeleri nedeniyle sınırlı kalmaktadır. Bu nedenle, uzaktan

algılama teknikleri, özellikle LiDAR (Light Detection and Ranging) sistemi, orman yapısını üç boyutlu olarak

incelemede giderek daha fazla önem kazanmaktadır. Bu çalışmada, İstanbul Üniversitesi-Cerrahpaşa Orman Fakültesi

Araştırma Ormanı’nda 86 örnek alanda yapılan arazi ölçümleri kullanılarak toprak üstü karbon (TÜK) tahmini

gerçekleştirilmiştir. ALS (Airborne Laser Scanning) verilerinden türetilen 101 yapısal metrik incelenmiş, yüksek

korelasyonlu değişkenler elenerek 25 belirleyici metrik seçilmiştir. Random Forest regresyon modeli ve leave-one-

out cross-validation (LOOCV) yöntemi ile TÜK tahminleri yapılmıştır. Model, belirtme katsayısı (R²) = 0,76, kök

ortalama kare hata (RMSE) = 4,25 tonC/ha ve ), ortalama mutlak hata (MAE) = 3,48 tonC/ha performans değerleri ile

yüksek doğruluk göstermiştir. Değişken önem analizi, yükseklik yüzdelikleri ve canopy relief ratio (CRR) gibi dikey

yapı heterojenliğini temsil eden metriklerin TÜK tahmininde en etkili değişkenler olduğunu ortaya koymuştur. Elde

edilen sonuçlar, ALS verisinin farklı meşcere tipleri ve topoğrafik heterojenlik gösteren ormanlarda bile TÜK

tahmininde güvenilir bir araç olduğunu doğrulamaktadır. Özellikle yükseklik, örtü kapanma oranı ve dikey yapı

heterojenliğini temsil eden metrikler, karbon stoklarının doğru modellenmesinde kritik rol oynamaktadır. Elde edilen

sonuçlar, havasal LiDAR verisinin bölgesel ve ulusal ölçekte karbon haritalaması ile iklim değişikliğiyle mücadele

stratejilerinin geliştirilmesinde güvenilir bir yöntem sunduğunu göstermektedir.


Global climate change, driven by the rapid increase of carbon dioxide (CO₂) and other greenhouse gases

in the atmosphere, is causing profound and often irreversible shifts in ecosystems, with forest ecosystems playing a

critical role as terrestrial carbon sinks. Forest carbon is a central component of REDD+ and other climate change

mitigation programs, and accurate estimation of carbon sequestration is essential for the effectiveness of these

strategies. Traditional field-based measurements are often costly, difficult to implement across large areas, and limited

in capturing the heterogeneous structure of forests. Consequently, remote sensing technologies, particularly LiDAR

(Light Detection and Ranging), have emerged as powerful tools for detailed three-dimensional characterization of

forest structure. In this study, terrestrial measurements from 86 sample plots in the Istanbul University-Cerrahpaşa

Faculty of Forestry Research Forest were used to estimate aboveground carbon (AGC). A total of 101 structural

metrics derived from airborne laser scanning (ALS) data were analyzed, and highly correlated variables were removed,

resulting in 25 key predictors. Random Forest regression, combined with leave-one-out cross-validation (LOOCV),

was employed to predict AGC. The model achieved high accuracy with R² = 0.76, RMSE = 4.25 tonC/ha, and MAE

= 3.48 tonC/ha. Variable importance analysis revealed that height percentiles and canopy relief ratio (CRR),

representing vertical structural heterogeneity, were the most influential predictors for AGC estimation. The results

demonstrate that ALS data provide a reliable tool for estimating AGC even in forests with diverse stand types and

topographic variability. In particular, metrics representing canopy height, canopy cover, and vertical structural

complexity are critical for accurate carbon stock modeling. These findings provide a reliable and practical approach

for regional and national-scale carbon mapping and support the development of climate change mitigation strategies.