Akademik Veri Yönetim Sistemi
Tez Türü: Doktora
Tezin Yürütüldüğü Kurum: İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tez Danışmanı: Hilal Gonca Coşkun
Tezin Onay Tarihi: 2016
Tezin Dili: Türkçe
Özet:
Bu doktora tez çalıĢması kapsamında çalıĢma alanı olarak, Türkiye‘nin Doğu
Anadolu Bölgesinde yer alan Artvin Ġli, Borçka ve Ardanuç ilçelerindeki ormanlık
alanlar seçilmiĢtir. Bu alanlar içerisinde yapay ve doğal oluĢum Ģekli ve farklı coğrafi
özellikte (konum, bitki örtüsü, eğim) 4 adet test bölgesi seçilmiĢtir. Seçilen bu test
bölgelerinin her biri üzerinde 11 adet örnek alan belirlenmiĢtir. Bu örnek alanlar
bina, elektrik direği, yol, araba v.b. gibi yapay oluĢumlar ile Ģev, orman, uçurum v.b
gibi doğal oluĢum Ģekillerini içermektedir.
Bu tez çalıĢmasına literatür araĢtırması yapılarak baĢlanılmıĢ olup Hava LiDAR
(Light Detection and Ranging) teknolojisi ile ilgili Türkiye‘de ve Dünyada filtreleme
ve Sayısal Arazi Modeli (SAM) oluĢturulması konusunda yapılan çalıĢmalara yer
verilmiĢtir.
Uygulama için LiDAR teknolojisi ile elde edilmiĢ nokta bulutu verisi kullanılarak
SAM üretmek amacıyla farklı doğal ve yapay oluĢum Ģekli içeren, farklı arazi
kategorilerindeki filtreleme sonuçlarına iliĢkin uygulamalar yapılmıĢtır. Filtreleme
iĢlemi öncesinde gerçek yeryüzü sınıfına ait olmayan alçak ve yüksek noktaların
(hatalı) veriden ayıklanması için bir metodoloji geliĢtirilmiĢtir. Bu noktaların veriden
çıkarılması ve yeryüzü sınıflandırılması iĢlemi için Uyumsal Düzensiz Üçgen Ağı
(UDÜA) yöntemi kullanılmıĢtır. Parametre değerleri olarak alçak ve yüksek nokta
çıkarımı için arama yarıçapı parametresi, yeryüzü sınıflandırması için ise iterasyon
açısı parametresi kullanılmıĢtır.
Uygulamanın ilk aĢamasında Terra Solid (Soinien, 2015) LiDAR yazılımına ait veri
iĢleme araçları ve diğer veriler (ortofoto ve Google Earth) kullanılarak çalıĢma
alanının referans veri seti oluĢturulmuĢtur. Ġkinci adımda, ham veri analizi
yapılmıĢtır. Bunun için yükseklik Ģeması ve veri dağılım modeli oluĢturularak bir
yardımcı model yaratılmıĢtır. Bu yardımcı model vasıtasıyla gerçek yeryüzüne ait
yükseklik değerleri içerisinde yer alan hatalı yüksekliklere iliĢkin noktalar ham
veriden çıkarılarak iĢlem performansında bir artıĢ sağlanmıĢtır. Üçüncü adımda ise
UDÜA yöntemine göre arama yarıçapı parametresi kullanılarak alçak ve yüksek
noktaların çıkarımına iliĢkin hata yüzdeleri hesaplanmıĢtır. Hata yüzdelerinin
hesaplanmasında iki çeĢit hata türü belirlenmiĢtir. OluĢturulan referans veride, veriye
ait nokta olup iĢlem sonucunda veri dıĢı olarak belirlenen noktaların tüm noktalara
oranı I.Tip hata olarak adlandırılmıĢtır. Referans veride, veriye ait olmadığı halde
iĢlem sonucunda veriye ait gibi gösterilen noktaların tüm noktalara oranı ise II.Tip
hata olarak adlandırılmıĢtır. KarĢılaĢtırma iĢlemi referans veriye göre yapılarak
iĢlemin performansı hata yüzdelerine bağlı olarak test edilmiĢtir.
Yeryüzü sınıflandırılması iĢleminde ise, üçgen tepeleri arasındaki açı ve mesafe
kriterleri kullanılmıĢtır. Uygulama her bir test bölgesinde seçilmiĢ bulunan 11 adet
örnek alan üzerinde yapılmıĢtır. Filtreleme için uygun açı eĢikleri tanımlanmıĢ, her
bir açı değeri için I.Tip ve II.Tip hata yüzdeleri hesaplanmıĢtır. Bu iĢlemde de gerçek
xviii
yeryüzüne ait olan noktaların yeryüzü harici nokta olarak gösterilmesi hatası I.Tip
hata; yeryüzü harici noktaların gerçek yeryüzüne ait nokta gibi gösterilmesi hatası
ise II.Tip hata olarak tanımlanmıĢtır.
Yeryüzü sınıflandırma iĢleminin ardından sonuçlara iliĢkin SAM oluĢturulmuĢtur.
ĠĢlemde LiDAR verisinin yoğun nokta bulutu yapısı özelliğinde olması ve özellikle
büyük projelerde hesap zorluğu oluĢturması bir dezavantaj olarak
değerlendirildiğinden grid yöntemi tercih edilmiĢtir. Grid yapıya dönüĢümde Ters
Mesafe Ağırlıklı (IDW (Invers Distance Weighted)), Ordinary Kriging (OK), Radyal
Bazlı Fonksiyon (RBF (Radial Based Fonction)) ve Yerel Polinom (LPI (Local
Polinomial Interpolation)) Enterpolasyon yöntemleri kullanılmıĢtır. Bu yöntemlerin
her biri çalıĢmanın baĢında seçilen farklı özellikteki arazi gruplarında test edilmiĢtir.
Her bir yöntemin baĢarısı enterpolasyon iĢleminden önceki LiDAR noktalarının
yükseklik değerleri ile enterpolasyon iĢleminden sonraki LiDAR noktalarının
yükseklik değerleri arasındaki farklardan hesaplanan Karesel Ortalama Hata (KOH)
değerleri kullanılarak test edilmiĢtir.
ÇalıĢmada ayrıca çalıĢma alanındaki değiĢik arazi sınıflarında (açık alan, çalılık,
yerleĢim v.b) yapılan Gerçek Zamanlı Kinematik (RTK), Küresel Konumlama
Sistemi (GPS) ölçümleri ile elde edilen Yer Kontrol Noktaları (YKN) kullanılarak
LiDAR noktalarının düĢey doğruluğu tespit edilmiĢtir.
ÇalıĢmanın geneli değerlendirildiğinde; binlerce nokta bulutundan oluĢan LiDAR
verisinden hatalı noktaların ayıklanması iĢleminde parametre seçimi iĢlem sonucunu
büyük oranda etkilemiĢ fakat doğru sonuç için, yalnızca filtreleme yöntemi yeterli
olmamıĢtır. Bunun yanında kullanıcının yapacağı manuel editleme iĢlemine de
ihtiyaç bulunmaktadır. Bunun için manuel editlemeyi azaltacak ilave yöntemlerin
geliĢtirilmesi gereklidir. Benzer olarak gerçek yeryüzü sınıfını oluĢturmak için
yapılan filtreleme iĢleminde de, parametre değerlerine göre iĢlem sonucu değiĢmiĢ
ve farklı arazi kategorilerinde farklı sonuçlar elde edilmiĢtir.
Ayrıca; SAM üretmek için grid yapıya dönüĢtürülen ve enterpolasyon iĢlemi
uygulanan sınıflanmıĢ veri için farklı arazi kategorilerinde farklı KOH sonuçları elde
edilmiĢtir. Aynı zamanda LiDAR noktalarının düĢey doğruluğu da, arazi
kategorilerindeki farklılıklar bakımından, enterpolasyon iĢlemlerinden elde edilen
KOH sonuçları ile paralellik göstermiĢtir. Bu test iĢleminde de açık alanlardaki düĢey
doğruluk arazi örtüsünün yoğun olduğu yerlere göre daha prezisyonlu elde edilmiştir.
Uygulanan enterpolasyon yöntemleri ise sonuçlar üzerinde kurallı bir farklılık
meydana getirmemiĢtir.
Sonuç olarak; LiDAR verilerinin global ölçekte ve bu çalıĢmada seçilen test alanında
olduğu gibi ulaĢılması zor alanlarda koordinat bilgisini elde etmedeki kolaylığı
nedeniyle gerçek yeryüzünü oluĢturmak için bir seçenek olabileceği
değerlendirilmektedir. Fakat sınıflandırma iĢleminde kullanılan parametre değerleri
farklı arazi kategorilerinde farklı sonuçlar verdiğinden, çıplak alan, yoğun bitki
örtüsüne sahip alan, seyrek orman, eğimli arazi gibi doğal oluĢumlar ile araba, yol,
elektrik direği v.b yapay oluĢumlar olarak gruplandırma yapılarak farklı arazi
yapılarında farklı parametre değerleri seçilmelidir. Alçak ve yüksek nokta
çıkarımında parametreler yoluyla yapılan filtreleme iĢleminin tek baĢına yeterli
olmaması nedeniyle ham veri üzerinden yükseklik Ģeması ve veri dağılım modeli
oluĢturularak gerçek yükseklik değerlerine göre oldukça bariz yüksekte ve alçakta
bulunan noktalar çıkarıldıktan sonra filtreleme yöntemi uygulanmalıdır.