Kentsel Alan ve Gelişmişlik Arasındaki İlişkinin Gece Görüntüleri ve Sosyo-ekonomik Göstergeler Kullanılarak İncelenmesi

Çalışmamızda Türkiye deki illerin 2010 yılına kentsel alanlarının ortaya çıkarılması ve bu kentsel alanların kentin Sosyo-ekonomik göstergelerle ilişkinin CBS teknolojileri kullanılarak irdelenmesi amaçlanmıştır. Çalışmamızda kentsel alanların tespit edilmesinde 2010 yılına ait gece görüntüleri kullanılmıştır. Çalışmamız üç kısımdan oluşmaktadır. İlk kısımda 2010 yılına ait gece görüntüleri hücre tabanlı sınıflandırma yöntemine göre sınıflandırılarak kentsel alanlar ortaya çıkarılmıştır. İkinci kısımda Temel Bileşenler Analizine göre illere ait Sosyo-ekonomik göstergeler kullanılarak illerin gelişmişlik sıralaması elde edilmiştir. Son kısımda ise kentsel alanlar ile Sosyo-ekonomik gelişmişlik arasındaki ilişki korelasyon ve çoklu doğrusal regresyon analizi yapılarak açıklanmaya çalışılmıştır. Bu analizlerin yanı sıra değişkenlerin mekânsal dağılımını ve otokorelasyonunun tespiti için Moran I analizi yapılmıştır. Kentsel alan sonuçlarına göre en büyük kentsel alana sahip illerin ülkenin batı ve orta kısmında yer aldıkları görülmüştür. Benzer şekilde gelişmişlik sıralaması üst sıradaki iller ülkenin batı kesimine doğru yoğunlaşırken, az gelişmiş illerin doğu ve güneydoğu bölgelerinde olduğu sonucu ortaya çıkmıştır. Sosyo-ekonomik göstergeler ve kentsel alan arasındaki çoklu doğrusal regresyon analizi sonuçlarına göre kentsel alanı en yüksek açıklama oranına sahip gösterge grubunun demografik ve mali göstergeler olduğu ortaya çıkmıştır. Moran I sonuçlarında hem Sosyo-ekonomik gelişmişliğin hem de kentsel alanın mekânsal otokorelasyon içinde olduğu ortaya çıkmıştır.

Anahtar Kelimeler:

Çoklu Doğrusal Regresyon, Gece Görüntüleri, Kentsel Alan, Moran I

Analysis of the Relationship Between Urban Area and Development by Using Nighttime Images and Socio-Economic Indicators

The purpose of the present study was to reveal the urban areas in cities in Turkey in 2010 and to investigate the relationship of these urban areas with the socio-economic indicators of the urban areas using GIS technologies. In the study, the nighttime images belonging to the year of 2010 were used to determine the urban areas. The study included three parts. In the first part, the nighttime images of 2010 were classified with the cell-based classification method to reveal the urban areas. In the second part, based on the Principle Components Analysis, the development order of the cities was obtained using the socio-economic indicators of the cities. In the last part, the relationship between the urban areas and the socio-economic development was examined and explained using correlation and multi-linear regression analysis. Besides these analyses, Moran I analysis was conducted to determine the spatial distribution and auto-correlation of the variables. According to the urban area results, the cities with the largest urban area were located in the western and middle parts of the country. Similarly, the cities with higher development levels were more in the western part, while the underdeveloped cities were mostly located in the eastern and southeastern parts of the country. In addition, the results of the multi-linear regression analysis regarding the relationship between the socio-economic indicators and urban areas revealed that the indicator group with the highest rate of explaining the urban area included the demographic and economic indicators. The results of Moran I demonstrated that both socio-economic development and urban area had spatial auto-correlation.

Keywords:

Moran I, Multiple Linear Regression, Night Time Images, Socio-Economic Development,

PDF

___

Alpar, R., 2014. Uygulamalı İstatistik ve Geçerlik-Güvenirlik, Ankara: Detay Yayıncılık.
Atasoy, H., 2016. Otsu Eşik Belirleme Metodu. [Online]. Available: http://www.atasoyweb.net/Otsu-Esik-Belirleme-Metodu
Bruegmann, R., 2005. Sprawl: A Compact History, Chicago and London: The University of Chicago Press.
Cahil, M. B., Nicolas, S., 2001. Using Princible Compenents to Produce an Economic and Social Development Index: An Aplication to Latin America and the U.S., Atlantic Economic Journal, vol. 29(3), pp. 311-329.
Chen, M., Liu, W., Lu, D., 2016. Challenges and the way forward in China's newtype urbanization, Land Use Policy, vol. 55, pp. 334-339.
Das, A., 1999. Socio-Economic Development in India: A Regional Analysis, Development and Society, vol. 28(2), pp. 313-345.
Dincer, B., Özaslan M., Kavasoğlu, T., 2003. İllerin ve Bölgelerin Sosyo-Ekonomik Gelişmişlik Sıralaması Araştırması, Ankara: DPT Bölgesel Gelişme Ve Yapısal Uyum Genel Müdürlüğü.
Dinçer, B., Metin, Ö., Erdoğan, S., 1996. İllerin Sosyo-Ekonomik Gelişmişlik Sıralaması Araştırması, Ankara: DPT Bölgesel Gelişme Ve Yapısal Uyum Genel Müdürlüğü.
Doll, C. N. H., Muller, J. P., Morley, J. G., 2006. Mapping regional economic activity from night-time light satellite imagery, Ecological Economics, vol. 57, pp. 75–92.
Ghosh, T., Powell, R. L., Elvidge, C. D., Baugh, K. E., Sutton, P. C., Anderson, S., 2010. Shedding light on the global distribution of economic activity, The Open Geography Journal, vol. 3, pp. 148–161.
Johnson, M.P., 2001. Environmental impacts of urban sprawl: A survey of the literature and proposed research agenda, Environment and Planning A, vol. 33, pp. 717–735.
Montgomery, M., 2008. The urban transformation of the developing world, Science, vol. 319, pp. 761–764.
O'Sullivan, D., Unwin, D., 2002. Geographic Information Analysis, Hoboken, New Jersey: John Wiley & Sons, Inc.
Özdemir, A. İ., Altıparmak, A., 2005. Sosyo-ekonomik göstergeler açısından illerin gelişmişlik düzeylerinin karşılaştırmalı analizi, Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, vol. 24, pp. 97-110.
Sakarya, A., İbişoğlu, Ç., 2015. Analyzing the socio-economic development index of cities in Turkey with geographically weighted regression model, Marmara Geographical Review, vol. 32, pp. 211-238.
Shukla, V., Parikh, K., 1992. The environmental consequences of urban growth: Cross national perspectives on economic development, air pollution, and city size, Urban Geography, vol. 13, pp. 422–449.
Sutton, P., Roberts, D., Elvidge C. D., Baugh, K., 2001. Census from heaven: An estimate of the global human population using night-time satellite imagery, International Journal of Remote Sensing, vol. 22, pp. 3061–3076.
Şıklar, E., 2000. Regresyon analizine giriş, Eskişehir: Anadolu Üniversitesi Yayınları.
Tatlıdil, H., 1992. Çok Değişkenli İstatistiksel Analiz, Ankara: Hacettepe Üniversitesi Yayınları.
Tobler, W., 1970. A computer movie simulating urban growth in the Detroit region, Economic Geography, vol. 46, pp. 234.
Tuncer, G., 2013. Kamu harcamaları ve sosyo-ekonomik gelişmişlik ilişkisinin mekansal analizi: Türkiye uygulaması, PhD thesis, Dumlupınar Unıversity Graduate School of Social Sciences, Kütahya, Turkey.
Wang, X., 2007. Who’s in First? A Regional Development Index For The People’s Republic Of China’s Provinces, ADB Institute Discussion Paper, 66.
Wu, W., Zhao, S., Zhu, C., Jiang, J., 2015. A comparative study of urban expansion in Beijing, Tianjin and Shijiazhuang over the past three decades, Landscape and Urban Planning, vol.134, pp. 93-106.
Yıldız, E. B., Sivri, U., Berber, M., 2010. Türkiye’ de İllerin Sosyo-Ekonomik Gelişmişlik Sıralaması, Uluslar Arası Bölgesel Kalkınma Sempozyumu.
You, H., 2016. Quantifying megacity growth in response to economic transition: A case of Shanghai, China, Habitat International, vol. 53, pp. 115-122.
Yue, W., Zhang, L., Liu, Y., 2016. Measuring sprawl in large Chinese cities along the Yangtze River via combined single and multidimensional metrics, Habitat International, vol. 57, pp. 43-52.
Zhang, Q., Seto, K. C., 2011. Mapping urbanization dynamics at regional and global scales using multi-temporal DMSP/OLS nighttime light data, Remote Sensing of Environment, vol. 115, pp. 2320–2329.