Kümeleme analizi ile orman bölge müdürlüklerinin olağanüstü hasılat etasına göre sınıflandırılması

Sağlıklı orman, odun ürünü sürekliği ve ekosistemlerin sağladığı faydalar bakımından önemlidir. Orman sağlığı üzerinde etkiler böcek, mantar, av ve otlatma gibi biyotik; yangın, rüzgâr, kar, don veya kuraklık gibi abiyotik ve hava kirliliği, kesim hataları gibi insan etkisi sayılabilir. Olağanüstü hasılat etası ormanların sağlık kalitesi ve süreklilik göstergelerinden birisidir. Bu çalışma ile Türkiye ormanlarının üretiminin yaklaşık %20-25’ini oluşturan olağanüstü hasılat etasının önemi üzerinde durulmuş, kümeleme analizi yönteminin ormancılık çalışmalarında kullanılabilirliği ortaya koyulmuştur. Kümeleme yöntemi olarak k-ortalama yöntemi kullanılmıştır. Kümelerin belirlenmesinde insan etkisi ve insan etkisi olmayan zarara göre çıkarılan olağanüstü hasılat eta değerleri kullanılmıştır. Çalışma kapsamında kullanılan bilgiler Orman Genel Müdürlüğünün 1997-2015 yılları verilerinden elde edilmiştir. Kümeler her bir olağanüstü kesim grubu için ayrı ayrı elde edilmiştir. Her bir grup dört sınıfa ayrılmıştır. İstatistik olarak ta grupların farklılıkları karşılaştırılmıştır.

Anahtar Kelimeler:

Olağanüstü eta, Kümeleme analizi, Varyans analizi

Classification of forest district direction according to salvage felling by cluster analysis

Forests in good health are essential to sustain wood resources and ecosystem services. Causes of negative impact on forest health include among others biotic agents like pest insects, pathogens, game and grazers, abiotic agents such as fire, wind or snow, frost or drought and anthropic causes like poor harvesting practices or air pollution. Salvage felling is one of the indicators of the forest health quality and stability. The aim of this study was to show that importance of salvage felling consist of approximately 20-25 percent of Turkey timber production and cluster analysis, which has been used in different disciplines, can be used in forestry. As cluster method, the k-means method was used. In terms of determination of clusters, the data used were salvage felling according to human effect and not human effect. In this study information was obtained from the annual reports (1997-2015 years) of Forest General Direction of Turkey. The clusters were obtained for each salvage felling groups separately. Each group was divided into four clusters. The differences of groups were compared with statistical analysis.

Keywords:

Salvage felling, Cluster analysis, Variance analysis,

PDF

___

Ammer, U., 1991. Die Bedeutung des toten Holzes im Wald. Forstwissenschaftliches Centralblatt, 110: 106-113.
Anderberg, M.R., 1973. Cluster Analysis for Aplication. Academic Press, Newyork, USA.
Anonim, 2008. Orman Amenajman Yönetmeliği. Resmi Gazete, 5 Şubat 2008 gün ve 26778 sayılı baskısı.
Asan, Ü., 1992. Yeni tür orman zararına maruz kalan meşcerelerde artım kayıpları. Orman Mühendisliği Dergisi, 9: 22-23.
Çakır, F., 1994. Karşılıklı bağımlılığın ölçülmesinde kümeleme analizi ve bir uygulama. Yüksek Lisans tezi, Marmara Üniversitesi, Sosyal Bilimler Enstitüsü, İstanbul.
Çakmak, Z., 1999. Kümeleme analizinde geçerlilik problemi ve kümeleme sonuçlarının değerlendirilmesi. Dumlupınar Üniversitesi Dergisi, 3: 187-206.
Çelik, H.C., Kahyaoğlu, M., 2007. İlköğretim öğretim öğretmen adaylarının teknolojiye yönelik tutumlarının kümeleme analizi. Türk Eğitim Bilimleri Dergisi, 5(4): 571-586.
Daşdemir, İ., Güngör, E., 2002. Çok boyutlu karar verme metotları ve ormancılıkta uygulama alanları. ZKÜ Bartın Orman Fakültesi Dergisi, 4(4): 1-19.
Doğan, İ., 2002. Kümeleme analizi ile seleksiyon. Turk. J. Vet. Anim. Sci. 26: 47-53.
Eraslan, İ., Eler, Ü., 2003. Orman İşletmesinin Planlanması ve Denetimi. Süleyman Demirel Üniversitesi Yayın No:35, 408 s., Isparta.
Fırat, M., Diktaş, F., Koç, A.C., Güngör, M., 2012. K-Ortalamalar yöntemi ile yıllık yağışların sınıflandırılması ve homojen bölgelerin belirlenmesi. İMO Teknik Dergi, 383: 6037-6050.
Fovell, B., Fovell, M., 1993. Climate zones of the conterminous United States defined using cluster analysis. Journal of Climate, 6: 2103-2135.
Hand, D.J., 1986. Discrimination and Classification. John Wiley & Sons, London.
Kalaycı, Ş., 2010. SPSS Uygulamalı Çok Değişkenli İstatistik Teknikleri. Asil Yay. Dağıtım, Ankara.
Kalkstein, L.S., Tan, G., Skindlov, J.A., 1987. An evaluation of three clustering procedures for use in synoptic climatological classification. Journal of Climate Application Meteorology, 26: 717-730.
Koltan Yılmaz, Ş., Patır, S., 2011. Kümeleme analizi ve pazarlamada kullanımı. Akademik Yaklaşım Dergisi, 2(1): 91-113.
Kunca, A., Zúbrik, M., Galko, J., Vakula, J., Leontovyč, R., Konôpka, B., Nikolov, C., Gubka, A., Longauerová, V., Maľová, M., Kaštier, P., Rell, S., 2015. Salvage felling in the Slovak forests in the period 2004-2013. Lesn. Cas. For. J. 61:188-195
Kurt, G., 1992. Çok değişkenli istatistiksel analiz tekniklerinden çok boyutlu ölçekleme ve bir uygulama. Doktora Tezi, Marmara Üniversitesi, Sosyal Bilimler Enstitüsü, İstanbul.
Küçük, Ö., Ünal, S., 2005. Yangın hassasiyet derecesinin belirlenmesi: Taşköprü orman işletme müdürlüğü örneği. Kafkas Üniversitesi, Artvin Orman Fakültesi Dergisi, 6(1-2): 28-34.
SPSS Guide 2015. SPSS 20.0 Guide to Data Analysis. SPSS inc.
Stanovský, J., 2002. The influence of climatic factors on the health condition of forests in the Silesian Lowland. Journal of Forest Science, 48(10): 451-458
Tatlıdil, H., 2002. Uygulamalı Çok Değişkenli İstatistiksel Analiz. Akademi Matbaası, Ankara.
Ünal, Y., Karaca, M., 2003. Küme analizi ile Türkiye’de iklim bölgelerinin yeniden belirlenmesi. İTÜ Avrasya Yer Bilimleri Enstitüsü, Kuvaterner Çalıştayı IV, Çalıştay Kitabı, s., 133-137, İstanbul.