Sulak Alanlarda Bitki Örtüsü İndekslerinin Karşılaştırmalı Performans Analizi: NDVI, NDRE ve GNDVI

Oturanç S. Y.

Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi, cilt.27, sa.3, ss.1-14, 2026 (TRDizin)

Özet

Bu çalışmada, Adana ili Akyatan Lagünü ve çevresinde bitki örtüsünün sınıflandırılmasında Normalize Edilmiş Fark Bitki Örtüsü İndeksi (NDVI), Normalize Edilmiş Kırmızı Kenar Bitki Örtüsü İndeksi (NDRE) ve Yeşil Normalize Edilmiş Fark Bitki Örtüsü İndeksi (GNDVI) bant oranlama indekslerinin performansı karşılaştırılmıştır. Çalışmada 22 Ağustos 2025 tarihli Sentinel-2A uydu görüntüsü kullanılmış ve spektral indeksler ile bitki örtüsü haritaları üretilmiştir. Yoğun bitki örtüsü, seyrek bitki örtüsü ve bitki örtüsü içermeyen alanlar olmak üzere üç sınıfta değerlendirilmiştir. Sınıflandırma sürecinde her bir indeks için Otsu Eşikleme Yöntemi kullanılarak optimum eşik değerleri belirlenmiş ve sınıflar oluşturulmuştur. Elde edilen sonuçlar genel doğruluk ve Kappa katsayısı ile analiz edilmiştir. Bulgular, NDRE indeksinin %93.6 genel doğruluk ve 0.897 Kappa değeri ile en yüksek performansı gösterdiğini ortaya koymuştur. NDVI %92.3 doğruluk ile yüksek ve tutarlı sonuçlar üretirken, GNDVI %86 doğruluk ile daha düşük performans sergilemiştir. Sınıf bazlı değerlendirmeler, özellikle yoğun ve seyrek vejetasyon alanlarında NDRE indeksinin daha başarılı ayrım sağladığını göstermiştir. Sonuçlar, red-edge bandına dayalı NDRE indeksinin sulak alan çevresindeki heterojen arazi örtüsü yapılarında daha güvenilir sonuçlar sunduğunu göstermektedir.
This study compares the performance of the Normalized Difference Vegetation Index (NDVI), Normalized Difference Red Edge Index (NDRE), and Green Normalized Difference Vegetation Index (GNDVI) for vegetation classification in and around Akyatan Lagoon, Adana, Türkiye, using Sentinel- 2A imagery acquired on 22 August 2025. Vegetation was classified into three categories: dense vegetation, sparse vegetation, and non-vegetated areas. Optimal threshold values for each vegetation index were automatically determined using the Otsu thresholding method, and vegetation density maps were generated accordingly. Classification performance was assessed using overall accuracy and the Kappa coefficient. The results indicated that NDRE achieved the highest classification performance, with an overall accuracy of 93.6% and a Kappa coefficient of 0.897. NDVI also produced high and consistent results, with an overall accuracy of 92.3%, whereas GNDVI showed comparatively lower performance (86.0%). Class- based accuracy assessment demonstrated that NDRE was particularly effective in discriminating between dense and sparse vegetation. These findings suggest that the red-edge-based NDRE is more suitable than NDVI and GNDVI for vegetation mapping in heterogeneous wetland environments.