Uydu Verilerinin Obje Temelli Bulanık Mantık Yöntemi İle ...

T.C.YILDIZ TEKNİK ÜNİVERSİTESİFEN BİLİMLERİ ENSTİTÜSÜDÜZLEMSEL HOMOTETİK HAREKETLER ALTINDAT.C.YILDIZ TEKNİK ÜNİVERSİTESİFEN BİLİMLERİ ENSTİTÜSÜUYDU VERİLERİNİN OBJE TEMELLİ BULANIK MANTIK YÖNTEMİ İLESINIFLANDIRILMASI: ALAÇATI ÖRNEĞİNDE ZAMANSAL DEĞİŞİMİNBELİRLENMESİNİLAY ÖZDEMİRYÜKSEK LİSANS TEZİİNŞAAT MÜHENDİSLİĞİ ANABİLİM DALIKIYI VE LİMAN MÜHENDİSLİĞİ PROGRAMIYÜKSEK LİSANS TEZİELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ ANABİLİM DALIHABERLEŞME PROGRAMIDANIŞMANDOÇ. DR.BÜLENT BAYRAMİSTANBUL, 2011DANIŞMANDOÇ. DR. SALİM YÜCEİSTANBUL, 2011

ÖNSÖZAlaçatı örneğinde obje temelli bulanık mantıkla sınıflandırma yöntemi kıyı çizgisideğişiminin zamansal olarak incelediğim çalışmamın her aşamasında değerli vaktinibana ayıran; desteğini, bilgisini, ilgisini ve tecrübelerini benimle paylaşan, benimleyakından ilgilenen değerli hocam aynı zamanda tez danışmanım Sayın Doç. Dr. BülentBAYRAM’a;Yüksek lisans eğitimim ve çalışmam süresince bilgisini, tecrübelerini ve desteğiniesirgemeyen, her türlü sorunumda bana yardımcı olan sevgili hocam Sayın Prof. Dr.Yalçın YÜKSEL’e;Yüksek lisans eğitimim sırasında yardımlarını ve tecrübelerini benden esirgemeyenSayın Prof. Dr. Esin ÇEVİK ve tüm Hidrolik Anabilim Dalı öğretim üyelerine;Manevi desteklerini her zaman hissettiğim ve her zaman yanımda olan sevgili babamYılmaz ÖZDEMİR, annem Ayten ÖZDEMİR, kardeşim Can ÖZDEMİR ve çok sevdiğimeşim Ahmet YÜCE’ye;Çalışmalarım boyunca desteklerini esirgemeyen sevgili yüksek lisans ve iş arkadaşlarımbaşta olmak üzere tüm arkadaşlarıma sonsuz teşekkürlerimi sunarım.Temmuz, 2011Nilay ÖZDEMİR

İÇİNDEKİLERivSayfaŞEKİL LİSTESİ ................................................................................................................. viÇİZELGE LİSTESİ .......................................................................................................... viiiÖZET ............................................................................................................................ ixABSTRACT .................................................................................................................... xiBÖLÜM 1GİRİŞ .............................................................................................................................1BÖLÜM 21.1 Literatür Özeti ..........................................................................................11.2 Tezin Amacı ..............................................................................................11.3 Hipotez ....................................................................................................1GENEL BİLGİ ..................................................................................................................22.1 Elektromanyetik Spektrum .....................................................................102.2 Ayırma Gücü ..........................................................................................112.3 Radyometrik Çözünürlük .......................................................................112.3.1 Spektral Çözünürlük ........................................................................122.3.2 Mekansal Çözünürlük ......................................................................132.3.3 Zamansal Çözünürlük ..................................................................... 132. 4 Verinin Elde Edilmesi ..............................................................................142. 4.1 Enerji Kaynağı ...............................................................................142. 4.2 Işınım ve Atmosfer ........................................................................142. 4.3 Hedef ile Etkileşim ........................................................................142. 4.4 Enerjinin Algılayıcı Tarafından Kayıt Edilmesi ................................142. 4.5 Verinin İletimi, Alınması ve İşlenmesi ............................................142. 5 Verinin İşlenmesi ....................................................................................152. 5.1 Yorumlama ve Analiz ....................................................................152. 5.2 Uygulama .....................................................................................152. 6 Uydu görüntüleri ....................................................................................152. 6.1 Spot ..............................................................................................17

BÖLÜM 32.6.2 IRS .............................................................................................182.6.3 İkonos ........................................................................................192.6.4 Earth Observing–1 .....................................................................212.6.5 Quickbird ...................................................................................222.6.6 ALOS (Advanced Land Observing Satellite, 2.5-10 m) .................23ÇALIŞMADA KULLANILAN VERİLER ...............................................................................243.1 Corona uydusu ......................................................................................243.2 Landsat uydusu ......................................................................................263. 2.1 RBV sistemi .....................................................................................273. 2.2 MSS Sistem .....................................................................................273. 2.3 TM Sistemi .....................................................................................273. 2.4 TM Algılayıcı ....................................................................................273.3 Landsat- 1, -2, -3 ....................................................................................273.4 Landsat -4-5 ...........................................................................................283.5 Landsat -6 ..............................................................................................293.6 Landsat-7 ve ETM ...................................................................................303.7 Aster uydusu .........................................................................................323.8 Ortofoto Harita ......................................................................................353.9 Kullanılan yazılımlar................................................................................373. 9.1 Ecognition .......................................................................................383.10 Kullanılan uydu verileri ...........................................................................45BÖLÜM 4ÇALIŞMA ALANI ...........................................................................................................48BÖLÜM 5ÇALIŞMA YÖNTEMİ ......................................................................................................535.1 Görüntünün Rektifiye Edilmesi ...............................................................535.2 Rektifiye Edilmiş Görüntüden Kıyı Çizgisinin Elde Edilmesi ......................585.3 Görüntünün Sınıflandırılması ..................................................................675.3.1 Obje Temelli Bulanık Mantıkla Sınıflandırma ...................................685.3.2 Sınıflandırmanın Doğruluğu .............................................................74SONUÇ VE ÖNERİLER ................................................................................................. 789KAYNAKLAR ................................................................................................................. 82ÖZGEÇMİŞ ................................................................................................................... 87v

Şekil 5. 9 Segmente edilmiş görüntülerden elde edilen farklı yıllara ait kıyı çizgileri. .65Şekil 5. 10 1963-1975 yılları arasında liman bölgesi kıyı değişimi ................................65Şekil 5. 11 19763-1975-2007-2009 yılları arasında liman bölgesi kıyı değişimi ............66Şekil 5. 12 Alaçatı Koyunda sediment bölgesindeki ölçüler: 1963,1975,2007 ..............67Şekil 5. 13 2007 Aster ve 1975 Landsat görüntülerinin segmentasyon sonuçları.........68Şekil 5. 14 Landsat 1975 için segmentasyon parametreleri ........................................69Şekil 5. 15 Aster 2007 için segmentasyon parametreleri ...........................................70Şekil 5. 16 Landsat 1975 Sınıflandırma sonuçları ........................................................73Şekil 5. 17 Aster 2007 Sınıflandırma sonuçları ............................................................74Şekil 5. 18 1975 Lansat görüntüsünün sınıflandırma doğruluğu sonucu ......................75Şekil 5. 19 2007 Aster görüntüsünün sınıflandırma doğruluğu....................................75Şekil 5. 20 Landsat 1975 görüntüsü arazi kullanım yüzdeleri ......................................76Şekil 5. 21 Aster 2007 görüntüsü arazi kullanım yüzdeleri ..........................................77Şekil 5. 22 Yıllara göre arazi kullanım alanları (HA) .....................................................77vii

ÇİZELGE LİSTESİSayfaÇizelge 2. 1 Satellite Encyclopedia .............................................................................8Çizelge 2. 2 SPOT görüntüsünün özellikleri ..............................................................18Çizelge 2. 3 IRS 1D uydu özellikleri...........................................................................19Çizelge 2. 4 Ikonos yörüngesinin özellikleri ..............................................................20Çizelge 2. 5 Ikonos GEO ürün seçenekleri Çizelgesu .................................................21Çizelge 2. 6 QuickBird uydusu teknik özellikleri .......................................................22Çizelge 3. 1 Corona uydusunun özellikleri ................................................................25Çizelge 3. 2 Landsat misyonlarında kullanılan algılayıcılar ........................................26Çizelge 3. 3 Landsat-7 ETM+ algılayıcısının TM bantlarının özellikleri .......................31Çizelge 3. 4 ASTER uydu görüntüsünün band özellikleri ...........................................33Çizelge 5. 1 RMS hataları .........................................................................................54Çizelge 5. 2 Corona Görüntüsü-Afin Dönüşüm Kontrol Noktaları .............................55Çizelge 5. 3 Landsat 1975 Görüntüsü-Afin Dönüşüm Kontrol Noktaları ...................57Çizelge 5. 4 Landsat 1975 görüntüsü için kullanılan üyelik fonksiyonları .................71Çizelge 5. 5 ASTER 2007 görüntüsü için kullanılan üyelik fonksiyonları ....................72Çizelge 5. 6 Yıllara göre Arazi Kullanım Alanları........................................................76viii

ÖZETUYDU VERİLERİNİN OBJE TEMELLİ BULANIK MANTIK YÖNTEMİ İLESINIFLANDIRILMASI: ALAÇATI ÖRNEĞİNDE ZAMANSAL DEĞİŞİMİNBELİRLENMESİNilay ÖZDEMİRİnşaat Mühendisliği Anabilim DalıYüksek Lisans TeziTez Danışmanı: Doç. Dr. Bülent BAYRAMKıyılar tarih boyunca yeryüzünün en önemli parçalarını oluşturmuştur. Bunun enönemli sebebi ise suyun insanların hayatında ki en vazgeçilmez unsurlardan birisiolmasıdır. En büyük uygarlıklar kıyı kesimleri boyuca yoğunlaşmıştır. Ülkemiz kıyılarbakımından oldukça zengin bir yapıya sahiptir.Uzaktan algılama teknikleri ile kıyı alanındaki değişimler ekonomik ve hızlı bir şekildeizlenebilmektedir. Kıyı alanının hareketi, kıyı yönetiminin en önemli ilgi alanlarındanbiridir. Böylelikle kıyıların sağlıklı bir şekilde yönetilmesine, sürdürülebilir kıyı izlememodelinin geliştirilmesine temel altlık oluşturacak veriler üretilebilmektedir. Seçilenuygulama alanında mevcut sorunlar böylesi bir modelin geliştirilmesi için uygun birlaboratuar olanağı sunmaktadır.Uzaktan algılama verileri ile hassas ve doğru bir şekilde kıyı alanlarının değişimininizlenmesi olanaklıdır *1+. Kıyı alanlarının gözlenmesi geleneksel olarak dalga, akıntıölçümü, sediment taşınımı ve morfolojik değişimlerin belirlenmesi olarak özetlenebilir.Bu teknolojiler yüksek çözünürlükte veri sağlamaktadır. Fakat konuma bağlı lojistikgüçlükler, zaman ve masraflı olmaları dezavantaj oluşturmaktadır. Uydu ve havafotoğrafları makul çözünürlükte mekânsal ölçülere olanak sağlamaktadır [2]. Uzaktanix

algılama teknikleri çevresel izlemeyi hem lokal hem de global olarak ekonomik ve hızlıbir şekilde gerçekleştirebilmektedir [3].Uydulardan elde edilen verilerin değerlendirilmesiyle çıkan sonuçlar, yeryüzününaraştırılmasına büyük katkı sağlamaktadır. Bu katkının sağlanmasında insan faktörününyanında kullanılan yazılımlar da büyük önem taşımaktadır. Yazılımların önemi gerekverilerin işlenmesine büyük hız kazandırmasına, gerekse çok büyük bir veri hacminindepolanmasına yardımcı olmasında yatmaktadır [4].Obje Temelli sınıflandırma, yapıyı, dokuları ve spektral bilgileri dikkate alır. Busınıflandırma aşaması, komşu piksellerin gruplandırılmasının, sınıflandırmanın sonrakibasamağında ele alınabilir anlamlı bölgelere dönüştürmesi ile başlar. Bu türsegmentasyon ve topoloji oluşumu, çözünürlüğe ve çıkarılması düşünülen nesnelerinölçeğine göre ayarlanmalıdır. Bu yöntemle, sadece tekil pikseller sınıflandırılmaklakalmaz, ayrıca bir önceki segmentasyon basamağı sırasında homojen görüntü nesneleride ortaya çıkar. Bu segmentasyon değişik çözünürlüklerde yapılabilirken, nesnekategorilerinin katmanlarını ayırt etmeye de izin verir [5].Sunulan çalışmada Türkiye’nin özellikle son zamanlardaki en önemli turizm beldesi olanAlaçatı kıyı çizgisindeki zamansal değişimi incelenmiştir. Bu inceleme uzaktan algılamaverileri kullanılarak yapılmıştır. Çalışmada öncelikle kıyı tanımlamaları, uzaktanalgılama, uydu, uydu görüntüleri ve sınıflandırma ile ilgili temel tanımlamalara yerverilmiştir. Çalışmanın ikinci ve üçüncü bölümlerinde ise çalışma bölgesindenbahsedilerek kullanılan yazılımlar ve bunların nasıl, ne amaçla kullanıldığı anlatılmıştır.Alaçatı örneğindeki zamansal değişimin incelenebilmesi için ilk olarak 1995 yılına aithava fotoğrafı ile Corona 1963 uydu görüntüsü rektifiye edilmiştir. Daha sonra Coast-Fit yazılımı kullanılarak [1], Corona 1963, Landsat 1975, 1995 yılına ait HavaFotoğrafları ve Aster 2007 uydu görüntülerinden yıllara ait kıyı çizgileri elde edilerek;Landsat 1975 ve Aster 2007 uydu görüntülerinden obje temelli sınıflandırma yöntemiile Alaçatı örneğinde arazi kullanım alanları yıllara göre belirlenmiştir.Son bölümde ise kıyı çizgisi ve arazi kullanımı hakkındaki elde edilen sonuçlardeğerlendirilmiştir.Anahtar Kelimeler: Kıyı çizgisi, Uzaktan algılama, Zamansal değişim, Coast-Fit yazılımı,Obje Temelli Sınıflandırma, Aster, Landsat ve Corona uydu görüntüleriYILDIZ TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜx

ABSTRACTOBJECT BASED CLASSIFICATION OF SATELLITE DATA WITH FUZZY LOGICMETHOD: DETERMINATION OF TEMPORAL CHANGES IN THE CASE OFALACATINilay ÖZDEMİRDepartment of Civil EngineeringMSc. ThesisAdvisor: Assoc. Prof. Dr. Bülent BAYRAMCosts are the most important pieces that are constituted the face of the earth. Mainreason of this factor is water because it is an indispensable element for human being.Therefore, majority of civilizations have preferred to live around cost areas duringhistory of the world. Turkey has also important and reach structure coasts.Changes in coastal area can be controlled economically and quickly by using remotesensing techniques. Movement of coastal area is one of the most important interestsof coastal management. Thus, in a healthy way of coastal management, sustainabledevelopment of coastal monitoring model will form the basic data base can beproduced. Selected issues in the field of application for the development of such amodel provide a suitable laboratory.It is possible to monitor exchange of sensitive and accurate coastal areas by usingremote sensing data [1].Monitoring of coastal areas as the traditional wave can besummarized with in current measurements, sediment transport and morphologicalchanges. Also, these technologies provide high-resolution data. However; using thetechnologies sometimes create disadvantages; depending on location, logisticaldifficulties. Satellite and aerial photographs provide reasonable spatial dimensions [2]xi

Remote sensing techniques monitor environment both locally and globally. It alsoperforms quickly and economically [3].The results for the evaluation of the data obtained from satellites, provides a majorcontribution to research on the earth. It is also quite important to use this software inaddition to the human factor. Additionally, using this software assist to processing dataquickly and provide a very large of data storage [4].Object-Based Classification, structure, textures, and takes into account the spectralinformation. This classification phase starts with the neighboring’s classification andtransformation after this process it creates reasonable regions. This type ofsegmentation and topology formation, and removal of a resolution should be setaccording to the scale of the objects. With this method, the singular pixels areclassificated as well as during the previous segmentation step also occur in ahomogeneous image objects. This segmentation can be done different resolutions; italso allows distinguishing the layers of categories [5].This research analyses and examines one of the significant tourism villages, Alacati’stemporal variation of the coastal line. It will be made by using remote sensing data.First of all, the research describes basic definition of primarily coastal, remote sensing,satellite, satellite images and classification. After that, it explains the software and howthey are used late in the research, is used what purpose are explained. Lastly, itevaluates data which is obtained from the software.Also, in the case of the first to examine temporal changes in Alacati 1995 analyzed withaerial photo of the 1963 Corona satellite image. After, using the Coast-Fit software [1]Corona 1963, Landsat 1975, 1995, 2007 of the air photos and aster satellite imageswere obtained for the years of coastal lines and It based on classification of Landsatsatellite images of 1975 and 2007 by using Aster Alacati samples were determined byyears of land use areas. In the last section, using of the shoreline and land results arecreated data and the thesis is evaluated this data in greater details.Key words: Coastal line, remote sensing, temporal change, Landsat, Corona and Astersatellite images, Coast- Fit software, Object-Based Classification.xiiYILDIZ TECHNICAL UNIVERSITYGRADUATE SCHOOL OF NATURAL AND APPLIED SCIENCE

BÖLÜM 1GİRİŞ1.1 Literatür ÖzetiSunulan çalışmada Türkiye’nin özellikle son zamanlardaki en önemli turizm beldesi olanAlaçatı kıyı çizgisindeki zamansal değişimi incelenmiştir. Bu inceleme uzaktan algılamaverileri kullanılarak yapılmıştır. Çalışmada öncelikle kıyı tanımlamaları, uzaktanalgılama, uydu, uydu görüntüleri ve sınıflandırma ile ilgili temel tanımlamalara yerverilmiştir. Çalışmanın ikinci ve üçüncü bölümlerinde ise çalışma bölgesindenbahsedilerek kullanılan yazılımlar ve bunların nasıl, ne amaçla kullanıldığı anlatılmıştır.1.2 Tezin AmacıTürkiye’nin özellikle son zamanlardaki en önemli turizm beldesi olan Alaçatı kıyıçizgisindeki zamansal değişimin kullanılan yazılımlar ile incelenip kıyı çizgisi ve arazikullanımı hakkında elde edilen sonuçlar değerlendirilmesidir.1.3 HipotezAlaçatı örneğindeki zamansal değişimin incelenebilmesi için ilk olarak 1995 yılına aithava fotoğrafı ile Corona 1963 uydu görüntüsü rektifiye edilmiştir. Daha sonra Coast-Fit yazılımı kullanılarak *1+. Corona 1963, Landsat 1975, 1995 yılına ait HavaFotoğrafları ve Aster 2007 uydu görüntülerinden yıllara ait kıyı çizgileri elde edilerek;Landsat 1975 ve Aster 2007 uydu görüntülerinden obje temelli sınıflandırma yöntemiile Alaçatı örneğinde arazi kullanım alanları yıllara göre belirlenmiştir.1

BÖLÜM 2GENEL BİLGİİçinde yaşadığımız ‘Bilgisayar ve Uzay Çağı’nın en önemli iki yeniliği internet veuzaktan algılama olarak kabul edilebilir. Hemen her şey gibi uzaktan algılamaverilerinin de, özellikle raster verilerin, küresel ölçekte yaygın kullanımını sağlamasınedeniyle internet ayrıca ön plana çıkmaktadır. Bilimsel ve uygulamalı sayısız alandakullanılan ve büyük yararlar sağlayan uzaktan algılamanın önemini tam olarakkavramamız için konunun teknik yönleri hakkında ve tarihsel gelişimi hakkında bilgisahibi olmamızı gerektirmektedir [6]. Uzaktan algılama, ilk aşamada askeri amaçlıolarak geliştirilmiş olsa da bunu izleyen yıllarda araştırmaların merkezini daha çokçevresel araştırmalar oluşturmuştur. Özellikle bitkisel alanların incelenmesi, su ve havakirliliği incelemeleri bunlara örnek olarak verilebilir. Uzaktan algılama verileri hemuzaysal hem de zamansal amaçlı çalışmalarda kullanılmaktadır. Son yıllarda ise doğalafetler sonucunda oluşan değişimlerin izlenmesinde uzaktan algılama yöntemlerikullanılmaya başlanmıştır [1].Üç tarafı denizlerle çevrili Türkiye, Karadeniz’de 1785 km, Marmara Denizi’nde 1089km, Ege Denizi’nde 2805 km, Akdeniz’de 1577 km ve Adalar’da 1067 km olan oldukçauzun kıyılara sahip bir ülkedir. Literatürde kıyı ve kıyı çizgisi ile ilgili birçok tanım vetanımlamalar yer almaktadır. Bu tanımlamaların en sağlıklı olanlarından biriside KıyıKanunlarında yapılmıştır.3621/3830 sayılı Kıyı Kanununa göre “kıyı çizgisi” deniz, göl veakarsularda, suyun taşkın durumları dışında kara parçasına değdiği noktalarınbirleşmesinden oluşan meteorolojik olaylara göre değişen doğal çizgidir [7]. “Kıyı kenarçizgisi” ise deniz, tabii ve suni göl ve akarsuların, alçak basık kıyı özelliği gösteren2

kesimlerinde kıyı çizgisinden sonra kara yönünde su hareketlerinin oluşturduğu kumsalve kıyı kumullarından oluşan kumluk, çakıllık, kayalık, taslık, sazlık ve benzeri alanlarındoğal sınırı, dar-yüksek kıyı özelliği gösteren yerlerde ise sev ya da falezin üst sınırıdır.“Sahil Şeridi” kıyı kenar çizgisinden itibaren kara yönünde yatay olarak en az 100 metregenişliğindeki alandır. “Sahil şeridinin birinci bölümü”, kıyı kenar çizgisinden itibarenkara yönünde 50 metre genişliğindeki alan olup sadece açık alanlar, yeşil alan, gezintialanları, çocuk bahçesi ve rekreatif kullanımlar ve yaya yolu olarak kullanılabilecekalanlardır. “Sahil şeridinin ikinci bölümü” ise sahil şeridinin birinci bölümünden itibaren,kara yönünde en az 50 metre genişliğindeki alan olup, toplumun yararlanmasına açık,günübirlik turizm yapı ve tesisleri, taşıt yolları, açık otoparklar ve arıtma tesislerininyapılabileceği alanlardır. Kıyı zonu, uluslararası kaynakların değerlendirilmesinde, çevreve ekonomik bakımdan önemli alanlardır [8].Kıyı alanı yönetiminin en önemli ilgi alanlarından biri erozyona bağlı yer değişimineuğrayan kıyı alanının hareketi olarak tanımlanabilir. Farklı platformlarına ait çok bantlıgörüntüler (IRS, LANDSAT, SPOT) kıyı ve liman alanlarına ilişkin farklı bilgilerin eldeedilmesine olanak sağlamaktadır [9]. Uzaktan algılama verilerinin analiz tekniklerigeleneksel yöntemlere göre daha avantajlıdır. Birçok bölgede kıyı alanları tarım vekentleşme dolayısı ile alarm vermeye başlamıştır. Uzaktan algılama böylesi genişalanlarda değişimlerin etkin ve ekonomik olarak belirlenmesini sağlar. Kıyı çizgisindemeydana gelen değişmeleri uzun dönemli değişmeler, kısa dönemli değişmeler veepizodik değişmeler olmak üzere üçe ayrılmaktadır. Bu kapsamda uzun dönemlideğişmeler 10 ile 100 yıllık zaman diliminde gerçeklesen değişmelerdir; kısa dönemlideğişmeler sadece 5 ile 10 yıllık dönemlerde gerçeklesen değişmelerdir. Epizodikdeğişmeler ise fırtınalar gibi doğal olaylar sonucunda gerçeklesen ani değişmeler olaraktanımlanmaktadır. Uzun dönemli değişmelerden bütün kıyı aynı düzeyde etkilenirkenkısa dönemli değişmelerde aynı kıyıda birkaç kilometre aralıklarla bir tarafta çekilmegözlenirken diğer tarafta karanın ilerlemesi ya da durağan olması gözlenebilmektedir.Bu değişmeler alçak kıyıların doğal karakteristiği gereği; dalgalar, rüzgârlar gibi doğalşartlarda gerçekleşen değişmelerin bir sonucu olarak çekilmesi ya da ilerlemesişeklinde gerçekleşmektedir *10+.3

Görüntü segmentasyonu görüntü işleme ve computer visionun en önemliproblemlerinden biridir. Segmente edilmiş bir görüntü; pikselleri gruplar halinde tektek belirli sınıflara atanmış edilmiş görüntüdür. Bu pattern yakalama ve tanımaya gidenyolda en önemli aşamadır *11+. Geleneksel sınıflandırma yöntemlerine göre objetabanlı sınıflandırma yöntemleri ile tekil piksel analizine göre daha uygun sonuçlar eldeedilebilmektedir. Literatürde obje temelli sınıflandırmanın piksel temelli yöntemlereoranla daha başarılı olduğu belirtilmiştir; [12] obje temelli sınıflandırmanın yüksekçözünürlüklü görüntüde zamansal değişimin belirlenmesi amaçlı çalışmalarda dahauygun olduğunu belirtmiştir. Yine [13] obje temelli sınıflandırmada ek bilgininkullanılmasının sınıflandırmanın doğruluğunu artırdığını belirtmiştir. Nesne-tabanlıyaklaşım, yapıyı, dokuları ve spektral bilgileri dikkate alır. Bu sınıflandırma aşaması,komşu piksellerin gruplandırılmasının, sınıflandırmanın sonraki basamağında elealınabilir anlamlı bölgelere dönüştürmesi ile başlar. Bu tür segmentasyon ve topolojioluşumu, çözünürlüğe ve çıkarılması düşünülen nesnelerin ölçeğine göreayarlanmalıdır. Bu yöntemle, sadece tekil pikseller sınıflandırılmakla kalmaz, ayrıca birönceki segmentasyon basamağı sırasında homojen görüntü nesneleri de ortaya çıkar.Bu segmentasyon değişik çözünürlüklerde yapılabilirken, nesne kategorilerininkatmanlarını ayırt etmeye de izin verir [5].Obje temelli görüntü işleme; piksellerin spektral ve mekânsal karakteristiklerini temelalarak anlamlı, görüntünün farklı boyutlarda, anlamlı multi-piksel gruplarına ayrılmasınısağlar. Böylelikle segmente edilen görüntüde objeler bulanık mantık ve hiyerarşik kararağları ile sınıflandırılmış olur. Obje temelli görüntü sınıflandırma işleminde görüntüobje gruplarına (piksel grupları) ayrılır [14]. Segment obje temelli görüntü analizinintemel işlemidir. Nesnelerin nesne şekil, boyut dokularına ve toplojik ilişkilerine vb.ilişkin tüm bilgiyi içerir. Doku ve renk farklı varyasyon ile bir görüntüyü temsil eder vegörüntü segmentasyonunun temel özellikleridir. Obje temelli görüntü analizinin temelkarakteristiği; şekil, doku ve içerik gibi görüntü objelerine ait ek bilgilerdenyararlanılarak işlem yapılabilmesidir. Bu bilgilerin kullanımı ile obje temelli görüntüsınıflandırma sonucunda semantik farklılıklar daha iyi ve daha doğru bir şekilde eldeedilebilmektedir [14], [15]. Bu özellik piksel tabanlı yaklaşımlarda olanaklı değildir [15],4

[16]. Uzaktan algılama verilerinin obje-temelli yöntemle şekil ve renk özelliklerine vebulanık mantık kriterleri ile işlenmesi avantaj sağlamaktadır [17].Kıyı çizgisinde meydana gelen değişmelerde uzun dönemli verilere ihtiyaçduyulmaktadır. Bu verilerin değerlendirilmesinde ise CBS ve uzaktan algılama(UA)yöntemleri tercih edilmektedir [18].20. yüzyılın sonlarına doğru topografya ve doğal kaynaklar gibi yeryüzünün belirginözelliklerine ait veri gerekliliği hızlı bir şekilde artmaya başlamıştır. Hava fotoğrafları veuzaktan algılama görüntüleri, büyük alanların yüksek oranda doğruluklaharitalanmasını olanaklı kılmıştır. Aynı teknoloji jeologlar, toprak bilimciler, ekologlargibi farklı disiplinden birçok bilim adamına ayrıntılı haritalama için büyük bir avantajsağlamıştır. Ortaya çıkan tematik haritalar, kaynak planlanması ve yönetimi içinkullanışlı bilgi kaynaklarını oluşturmuşlardır [19]. Konumsal veri ve bunların daha iyianaliz edilmesine duyulan ihtiyaç, ancak bilgisayarlar kullanılarak karşılanabilir; fakathava fotoğrafları ve uydulardan elde edilen görüntüler harita değildir. Bunlar manyetikbantlar üzerine kayıt edilmiş verilerden oluşmaktadır. Bu dijital veri, bilindiği gibi nokta,çizgi, poligon gibi yeryüzünü tanımlayan standart formda değildir. Veri piksel olarakadlandırılan, verilen banttaki yansıyan elektromanyetik radyasyonun şiddetini gösterenve tek bir sayısal değer taşıyan hücrelerde kodlanır. Bu sayısal değerleri harita şeklinedönüştürmek ve anlamlı desenleri belirlemek için yeni araçlara gerek duyulmuştur. Bugereksinimler uzaktan algılama ve kartografinin birleşmesiyle, konumsal bilginin elealınması ve haritalama araçlarını içeren CBS’nin oluşmasıyla sonuçlanmıştır [20].Coğrafi Bilgi Sistemi (CBS) donanım, yazılım, personel ve veri sistemidepolama, geri alma, haritalama ve coğrafi verilerin analizi için kullanılır. Dünyaüzerinde referans gösterilen bir noktanın mekânsal özellikleri koordinat sistemindesaklanmaktadır. Tanımlayıcı şeklinde nitelikleri bu mekânsal özellikleri ile ilişkilidir. Aynıkoordinat sistemindeki bu konumsal veriler ve bunların ilişkileri haritalama ve analiziçin birlikte kullanılabilmektedir. CBS birçok farklı uygulamada kullanılabilmektedir [21].Dünya yüzeyindeki coğrafi veri:(a) bilinen bir koordinat sistemine göre konumları,(b) konumdan bağımsız nitelikleri (pH, renk vs.) ve5

(c) nasıl bağlantılı olduklarını tanımlayan kendi aralarındaki konumsal ilişkileri şeklindetanımlanır. Bu tanımın dışında CBS için aşağıdaki tanımlar da yapılmıştır [22].Araç olarak CBS tanımları;- Konumsal olarak dünya ile bağlantılı verinin görüntülenmesi, analizi, düzenlenmesi,kontrol edilmesi, depolanması ve toplanması için kullanılan sistem [23].- Konumsal ve konumsal olmayan veriyi depolayan, görüntüleyen ve analiz eden bilgiteknolojisi [24].Bir veritabanı olarak CBS tanımları;- Verinin büyük kısmının konumsal olarak indekslendiği ve veritabanındaki konumsalelemanlar hakkındaki sorguları cevaplandırmak için kullanılan işlemler topluluğununoluşturduğu veritabanı sistemi [25].- Bir CBS veri tabanında, analiz edeceğimiz ve sorgulayacağımız konu ile ilgili çok farklıkaynaklardan gelen veriler (işlenmiş veya ham uydu verisi, iklim, toprak, yerselölçümler, yükseklik, yağış, sıcaklık, nüfus, yollar vb.) katmanlar olarak bilgisayardatutulurlar; belli uzmanlık dalının kriterleri ile sorgulanarak yeni bilgiler üretilir [26].CBS teknolojisi son 20-30 yılda, bilgisayar yazılım ve donanım sistemlerindeki gelişimeparalel olarak gelişen yeni bir teknoloji olup başlangıçta, eldeki haritaların bilgisayardatutulabilmesi için amaçlanmış, daha sonraları ise grafik ve grafik olmayan bilgilerle,bunlara ait sözel ve sayısal diğer bilgileri bir arada tutma, aynı anda sorgulayıp, analizedebilme gücüne ulaşmıştır [27].Uzaktan algılama teknolojisine ait önemli uygulamalar aşağıdaki gibi sıralanabilir [27].1. Çevresel değerlendirme ve görüntüleme (yerleşim alanlarının büyümesi, tehlikeliatıklar)2. Küresel değişimin belirlenmesi ve görüntülenmesi (atmosferik ozonun azalması,ormanların azalması, küresel ısınma)3. Tarım (ürün durumu, ürün tahmini, toprak erozyonu)4. Yenilenemeyen kaynakların araştırılması (mineraller, petrol, doğalgaz)5.Yenilenebilen doğal kaynaklar (sulu alanlar, araziler, ormanlar, okyanuslar)6

6. Meteoroloji (atmosfer dinamikleri, hava durumu tahmini)7. Haritacılık (topografya, arazi kullanımı, mühendislik)8. Askeri gözetim ve keşif (stratejik politikalar, taktik değerlendirmesi)9. Kitle iletişim araçları (örnekler, analizler )Uzaktan algılamanın tarihsel konumlaması ise şu şekilde gerçekleşmektedir;4 Ekim 1957 tarihinde Sovyetler Birliği iyonosfer üzerinde bilimsel araştırmalar yapmaküzere ilk uyduyu fırlatmıştır. Uyduya, “seyahat eden” anlamına gelen “Sputnik” isminivermişlerdir.3 Kasım 1957 tarihinde de Sputnik 2’yi fırlatmışlardır. ABD ise “Vanguard Projesi”altında bilimsel uydu programı çalışmalarına devam etmekteydi, fakat henüz bir uydufırlatamamıştı [29].1 Ocak 1958 tarihinde NASA’nın kurulmasından sonra ABD uzay araştırmalarıçalışmalarına hız vermiştir. O yıllarda Sovyetler Birliği-ABD arasındaki uzay araştırmalarırekabeti sonucunda, gerek uzay araçlarının geliştirilmesinde gerekse de yeni bilgilerininsanlığa sunumunda çok kısa sürelerde çok büyük ilerlemeler kaydedilmiştir.31 Ocak 1958 tarihinde “Army Ballistic Missile Agency-Ordu Balistik Füze Kurumu”tarafından ismi “Explorer” (Kâşif) olan ve önemli bilimsel görevleri üstlenecek olan ilkAmerikan uydusunun geliştirilmesine başlanmıştır7 Ağustos 1959 tarihinde Goddard laboratuarının çalışmaları öncülüğünde fırlatılan“Explorer-6” isimli uydu, dünyanın uzaydan ilk görüntüsünü çekmiştir1960 yılında ise “Uzaktan Algılama”, (Remote Sensing) terimi literatüre girmiştir.İlk uzaktan algılama uydusunun fırlatılışı 1972 yılındadır. Sonraları ismi Landsat-1 olarakdeğiştirilen “Earth Resources Technology” (Yeryüzü Kaynakları Teknolojisi) uydusunun1972 yılında California’daki üssünden fırlatılmasından sonra uzaktan algılamauydularının kullanılması hız kazanmıştır [30]. Landsat serisi uyduların en sonuncusuolan Landsat-7 1999 yılında fırlatılmıştır.1972 yılından bugüne kadar sürekli gelişen uzaktan algılama uydularının teknolojileriparalelinde, uydulardan elde edilen görüntülerin çözünürlüğü ~ 50 cm. kadar7

yükselmiştir. Bu kadar yüksek çözünürlüğe sahip uydu görüntüleri birçok doğal/yapayobje ve canlının görüntülenmesine olanak tanımaktadır. Uydu görüntülerinin sayısalortamda kolay işlenebilmesi, hızlı ve ekonomik olması, görüntü çözünürlüklerininyüksek olması, Coğrafi Bilgi Sistemlerine veri sağlamada yoğun olarak kullanılması gibiüstünlüklerini gören diğer ülkeler de ilerleyen yıllarda kendi uydularını fırlatmıştır. Buuyduların isimleri ve fırlatılış tarihleri Çizelge 2.1‘de belirtilmiştir [31].Çizelge 2.1 Satellite Encyclopedia(2006)Çizelge 2.1 görüldüğü gibi en eski ticari uydu Landsat uydusudur ve aynı zamanda halagörüntüleri ile bu tür çalışmalara kaynak teşkil etmektedir.Yeryüzünün uzaydan incelenmeye başlanması, fotoğrafın keşfinden ve havadanuzaktan algılamadan sonra, doğal olarak insanoğlunun uzaya da adım atması ile8

olanaklı hale gelmiştir. Uzaya açılmanın ilk adımı Sovyet Rusya’nın 1957’de fırlattığıSputnik1 uydusu ile atılmıştır. Bu adımla sahnelenen ve liderliğini A.B.D.’nin yürüttüğüuzay çalışmaları, yılında Landsat1 uydusu ile özel anlamda Yer gözlem amaçlı uzaydanuzaktan algılama dönemini başlatmıştır. Bugün ABD ve Rusya’nın dışında, başka birçokülkenin Yer gözlem uydusu bulunmaktadır [6].Uydu görüntülerinin başlıca özelliği, hava fotoğraflarına oranla çok geniş yeryüzüalanlarını kaplaması ve topografyaya ilişkin büyük çapta konumsal veri içermesidir.Uydu görüntülerinin Sayısal Coğrafi Veri Tabanları ve CBS içindeki etkinliği ve kullanımoranı her gün hızla artmaktadır [32].Uydu sistemlerini şu şekilde sınıflandırabiliriz;(1) Birinci kuşak uydu görüntüleri (1970-1982),(2) İkinci kuşak uydu görüntüleri (1982-1997),(3) Üçüncü kuşak uydu görüntüleri (1997 ve sonrası).Birinci Kuşak Uydu Görüntüleri (1970-1982) içeriğinde tanımlanan uydular arasında enönemlileri; LANDSAT-1, 2 ve 3, Uzay Laboratuarı (Skylab) ve Soyuz uyduları sayılabilir.Gerçekte bu uyduların temel amacı, üzerindeki algılayıcılar aracılığıyla elde edilengörüntülerle, yeryüzünün küçük ve orta ölçekli haritalarını üretmektir [33].İkinci Kuşak Uydu Görüntüleri (1982-1997) içeriğinde tanımlanan uydular, LANDSAT-4ve 5, SPOT-1, 2 ve 3, Uzay Mekiği, Soyuz, Salyut ve vb. uyduları sıralanabilir. Özellikle1/50.000 ile 1/100.000 ölçekli haritaların üretimini ve güncelleştirilmesini hedefleyenbu uydulara ait görüntülerde, birinci kuşak uydu görüntülerine oranla büyük gelişmelermeydana gelmiştir [34].Üçüncü Kuşak Uydu Görüntüleri (1997 ve sonrası) kapsamında ele alınan uydular;IKONOS, EarlyBird, QuickBird, LANDSAT-7, SPOT-5, IRS-1C, ASTER uyduları sıralanabilir.Özellikle 1/10.000 ile 1/25.000 ölçekli haritalar, bu uydu görüntüleri ileüretilebilmektedirler. Çözünürlüklerin bu kuşak uydularda 1 metreye kadar9

düşürülmesi en büyük etken olarak görülmektedir. Ayrıca, tarayıcı bant sayılarındakibüyük artış bu kuşak uyduların gelişmesini sağlamıştır [33].Landsat1’in fırlatılmasının üzerinden sadece 36 yıl gibi kısa bir süre geçmiş olmasınakarşın, Yer gözlem amaçlı uzaktan algılama alanında baş döndürücü gelişmelerolmuştur. Örneğin Landsat1’in 80 m ile başlattığı görüntü çözünürlüğü, günümüzde 0,5m’ye yükseltilmiştir ve bir iki yıl gibi yakın gelecekte de 0,25 m’ye kadaryükseltilecektir. Uzaydan uzaktan algılamayı bir sistem olarak düşünürsek, bu sisteminögeleri algılama platformları, algılayıcı gereçler, algılar (görüntüler), algıların yereiletilmesini sağlayan alt sistem, alıcı yer istasyonları ve algıları değerlendirme uzmanlarıolarak sıralanabilir. [6].Değişik ortamlarda üretilen bilgilerin, bir veritabanında sayısal olarak saklanması veilgili koordinattaki ait olduğu eleman ile ilişkilendirilmesi, UA ve CBS çalışmasının temelmantığını oluşturmaktadır. Böylelikle, verilerin birbiri ile olan konumsal ilişkisideğerlendirilebilmekte, koordinat, alan, uzunluk gibi coğrafi bilgilere ulaşılabilmektedir.Kullanılan veriler içindeki tüm elemanların öznitelik ve konumsal bilgilerinin tamamınınaynı anda değerlendirilmesi sayesinde, görsel yorum ve analiz yapılabilmektedir.Gerekli görüldüğünde modelleme çalışmalarına altlık olacak sayısal haritalarüretilebilmektedir [35].2.1 Elektromanyetik SpektrumGünümüzde uzaktan algılama verisi, kameralar ve algılayıcılar ile donatılmış uçaklar,insansız hava araçları ve uydular tarafından sağlanmaktadır. Kameralar ve algılayıcılargörüntüyü elektromanyetik spektrumun belirli alanlarında yeryüzünden yansıyan veyayılan enerjiyi ölçerek oluştururlar. Elektromanyetik spektrum en yalın şekliyle çeşitlidalga boylarındaki radyant enerjiyi içeren ve bu radyant enerjinin elektromanyetikdalgalar halinde serbestçe hareket ettiği bir ortam olarak tanımlanabilir [36].10

Şekil 2.1 Elektromanyetik SpektrumUzaktan algılama yoluyla elde edilmiş görüntüler yeryüzüne ait birçok bilgiyi içindebarındırır. Bu bilgiler yeryüzünden yansıyan elektromanyetik enerjinin uydularınalıcıları tarafından algılanarak çeşitli bantlarda kaydedilmesi yoluyla toplanır. Kanalolarak da nitelendirilebilen bant, yansıyan ışığı veya yayılan ısıyı (mavi, yeşil, kırmızı,kızıl ötesi, termal v.b. ) gösteren elektromanyetik tayfın özel bir kısmına ilişkin veridosyası değerlerinin tamamına verilen isimdir. Piksellerin bir araya gelmesindenbantlar, bir veya daha fazla bandın bir araya gelmesinden görüntüler oluşmaktadır. Herbir bantta o bandın spektral alanına ait yansıma değerleri bulunur. Birden fazla bant biraraya gelerek bir görüntü oluşturabildiği gibi, tek bir banttan oluşan görüntüler demevcuttur [37].2.1.1 Ayırma Gücü (Çözünürlük)Çözünürlük, bir görüntüleme sisteminde kayıt edilen detayların ayırt edilebilirlikölçüsüdür. Uydu görüntüleri için dört farklı çözünürlük tanımlanmaktadır. Bunlar;radyometrik çözünürlük, spektral çözünürlük, uzaysal çözünürlük ve zamansalçözünürlüktür.2.1.2 Radyometrik ÇözünürlükRadyometrik çözünürlük, algılayıcının gri ton değer farklılıklarına olan hassasiyetinibelirtmektedir. Bir görüntüleme sisteminin radyometrik çözünürlüğü, enerjifarklılıklarını ayırt edebilme yeteneğini gösterir. Başka bir deyişle radyometrikçözünürlük, elektromanyetik enerji miktarı karşısındaki duyarlılık olarak tanımlanabilir.11

1 2Şekil 2.2 Aynı bölgeye ait 2 bitlik görüntü (1) ile 8 bitlik görüntü (2)Aynı bölgeye ait 2 bitlik * görüntü (1) ile 8 bitlik görüntü (2) karşılaştırıldığında,radyometrik çözünürlükle ilişkili olarak detay ayırt etme düzeyindeki fark gözeçarpmaktadır (Şekil 2.2). Buna göre 8 bitlik görüntüde (2), radyometrik çözümlemenedeniyle 2 bitlik görüntüye (2) nazaran çok daha fazla detayı ayırt etmek mümkündür.2.1.3 Spektral ÇözünürlükSpektral çözünürlük algılayıcının duyarlı olduğu dalga boyu aralıkları ile ilgilidir. Spektralçözünürlüğün iyi olması, bir kanal ya da bandın algıladığı dalga boyu aralığının küçükolduğunu gösterir. Örneğin; Landsat TM sensorunun birinci bandı (band1) görünen ışıkbölgesinde ve 0.45 μm - 0.52 μm dalga uzunlukları arasındaki enerjiyi kaydetmektedir.12

Enerjinin kaydolduğu belirli bir bantta, iki dalga uzunluğu arasındaki fark yüksek isespektral çözünürlük düşük, az ise spektral çözünürlük yüksektir.Şekil 2.3 Aynı alana ait farklı spektral çözünürlükte görüntüler2.2 Mekânsal ÇözünürlükMekânsal çözünürlük, dijital görüntüler için genellikle görüntü hücresinin zemindekiboyutları olarak açıklanabilir. Sensorun tasarımına ve yüzeye olan mesafesine ilişkin birfonksiyondur. Algılayıcıdaki detektörlerin her biri yeryüzünün belirli bir parçasındangelen enerjiyi ölçerler. Bu parçalar ne kadar küçük olursa görüntüden elde edilecekmekânsal bilgi de o kadar ayrıntılı olacaktır.2.3 Zamansal ÇözünürlükYeryüzündeki nesnelere ait fiziksel özellikler, bu özelliklerin gözlenebileceği en uygunzaman aralıkları içerisinde bir takım değişimlere maruz kalacaklardır. Uygun zamanaralığı, yıl, mevsim, birkaç gün veya hafta olabilmektedir. Hele bazı uygulamalar içinuzaktan algılama sonucu elde edilmiş verilerde zaman aralığı daha da önemli bir unsurolmaktadır. Örneğin ürün büyüme ve gelişimini izlemede, önceden belirlenmiş kısazaman aralıklarında görüntü elde etmek büyük önem taşımaktadır. Ancak bir yerleşimyerinin gelişiminin araştırılmasına yönelik bir çalışmada ise bu süre, bir yıl veya dahafazla bir zaman aralığı olabilmektedir. Ürün rekolte tahmini, yerleşim yerlerindekigelişim, hidrolojik değişim, deprem, deniz taşımacılığı, ekili alan izlenmesi gibi önemli13

dinamik olayların algılanmasında, zaman faktörü çoğu kez anahtar rol oynamaktadır[38]. Kıyı değişiminin incelenmesinde verilerin değerlendirilmesi için kullanılan enönemli yöntem olan Uzaktan Algılama işlemi iki temel aşamadan oluşur. Bunlar "VeriElde Etme" ve "Veri İşleme" dir [39].Şekil 2.4 Uzaktan algılamanın bileşenleri [40].2.4 Verinin Elde Edilmesi2.4.2 Enerji Kaynağı: Hedefe bir kaynak tarafından enerji gönderilmesi gerekmektedir.Bu kaynak, hedefi aydınlatır veya hedefe elektromanyetik enerji gönderir [39].2.4.2 Işınım ve Atmosfer: Enerji, kaynağından çıkarak hedefe doğru yol alırkenatmosfer ortamından geçer ve bu yol boyunca bazı etkileşimlere maruz kalır [39].2.4.3 Hedef ile Etkileşim: Atmosfer ortamından geçen elektromanyetik dalga hedefeulaştığında, hem ışınım hem de hedef özelliklerine bağlı olarak farklı etkileşimler oluşur[39].2.4.4 Enerjinin Algılayıcı Tarafından Kayıt Edilmesi: Algılayıcı, hedef tarafından yayılanve saçılan enerjiyi algılar ve buna ilişkin veri kayıt edilir [39].14

2.4.5 Verinin İletimi, Alınması ve İşlenmesi: Hedeften toplanan enerji miktarına aitveri algılayıcı tarafından kayıt edildikten sonra, görüntüye dönüştürülmek ve işlenmeküzere bir uydu yer istasyonuna gönderilir [39].2.5 Verinin İşlenmesi2.5.1 Yorumlama ve Analiz: Görüntü görsel, sayısal ve elektronik işleme teknikleri ilezenginleştirilir, analiz edilir ve nicel sonuçlar elde edilecek veriye sahip olunur [39].2.5.2 Uygulama: İşlenmiş veriden bilgi çıkarılır, bazı sonuçlara ulaşılır. Ayrıca eldeedilen sonuçlar, başka veri kaynakları ile birleştirilerek kullanılabilir [39].Kıyı çizgisi değişimi incelenirken kullanılan en önemli yöntem olan Uzaktan algılama(UA) yöntemini de açıkladıktan sonra kıyı çizgisinde değişimin nedenlerini araştırılırkennelere dikkat edilmesi gerektiği ile ilgili öncelikleri de şu şekilde sıralanabilir [41].- Katı madde taşınımı- İklim ve su seviye değişimleri- Jeomorfolojik değişim- Zirai bulgular- Tarihi veriler- Suni yapılar- Önceki çalışmaların değerlendirilmesi- Hava fotoğrafları ve uydu görüntüleri2.6 Uydu görüntüleriDünya çevresinde farklı kullanım amaçlarına yönelik; farklı teknik özellik ve çözünürlükde uydu sistemleri mevcuttur. Günümüzde haritacılık ve uzaktan algılama alanındayoğun olarak bu uydu sistemleri kullanılmaktadır. Bu uydu sistemlerinin konumsalçözünürlükleri çoğunlukla 1 km ile 1 metre, radyometrik çözünürlükleri 3 bit ile 12 bitve zamansal çözünürlükleri 1 gün ile 40 gün arasında değişmektedir [41].15

Şekil 2.5 Uyduların çalışma şeması (Google image, 2009)Uzaktan algılamada uydu, cisimler tarafından yansıtılan veya yayılan elektromanyetikradyasyonun, uzaya yerleştirilen platformlar (uydu) üzerinde bulunan radyometrelertarafından ölçülmesine (pasif algılama) ve radar (aktif algılama) sistemlerine dayanır.Dünya çevresindeki yörüngesinde hareket ederken, algılayıcıları tarafından kaydedilenverileri belirli aralıklarla yer istasyonlarına gönderir. Uydudan elde edilen görüntü birkamera ya da filmden elde edilmiş fotoğraf değildir. Uydular, görüntüleri, algılayıcılarısayesinde sayısal olarak elde ederler. Çalışma şekli olarak günümüzde kullanılan sayısalkameralarla aynı prensiplerde çalışmaktadırlar. Uydu, yeryüzünden ve onun üstündekicisimlerden gelen elektromanyetik enerjinin miktarını ölçen binlerce küçük alıcılardanoluşmuştur. Bunlar spektral ölçümler olarak adlandırılır. Her spektral yansıma değerisayısal bir değer olarak kaydedilir. Bu sayılar dünyaya geri gönderilerek bilgisayarlartarafından sayı dizilerine çevrilir, sıra ve sütunlar bir gri renk değerine denk gelen sayıile ifade edilir. Kısaca, sayılar küçük resim elemanlarına çevrilirler ve bir arayageldiklerinde görüntünün tamamını oluştururlar. Sayısal görüntüyü oluşturan resimelemanlarına piksel adı verilir. Her piksel, alandan gelen ortalama ışınımı veren birsayısal değer olarak gösterilir. Bu sayısal değerler genellikle 0-255 arasındadır [39].16

Şekil 2.6 Yeryüzünden alınan bilgilerin, bilgisayarda sayısal olarak ifadesiNicelik ve niteliklerinin belirlenmesinde yaygın olarak kullanılan bazı uydular ile yenikuşak yüksek çözünürlüğe sahip en çok kullanılan bazı uydular ve özellikleri şu şekildeözetlenebilir [39];2.6.1 SpotSpot uydusu Fransız Uzay Merkezi (CNES) tarafından planlanarak Fransa, Belçika veİsveç tarafından üretildi. İlk kez 22 Şubat 1986’da işlev kazandı. SPOT1 uydusu daLandsat uyduları gibi kutup doğrultusuna yakın, güneşle eş zamanlı 98,7 derece eğimli,yer yüzeyinden 832 km yükseklikte bir yörüngeye sahiptir. İki farklı modda çalışanyüksek çözünürlüklü iki görüntüleme cihazına (HRV) sahiptir. Çok bantlı spektral modu(MSm) 20*20 m2 geometrik çözünürlüklü tayfın yeşil (.50-.59 μm), kırmızı (.61-.68 μm)ve yakın kızılötesi (.79-.89 μm) bölümünü kaplayan 3 banttan oluşur. Pankromatik(siyah-beyaz) modu sadece görünür bölgeyi örten tek bant (.51-.73 μm) ve 10*10 m2yüksek geometrik çözünürlüğe sahiptir. Her iki algılayıcı seti birlikte aralarında 3 km’likörtme bulunan 117 km’lik tarama genişliğini kapsamaktadır [42].Pankromatik görüntüler düşük spektral çözünürlüğünden dolayı bitki haritalaması içiniyi bir seçim değildir. Bununla birlikte, SPOT pankromatik görüntüleri, yollar, keskinsınırlar, kaya çıkıntıları, havza alanları ve diğer yüksek kontrastlı özelliklerin17

haritalanması için çok iyi bir seçimdir. Patika yolları veya daha küçük yüksek kontrastlıözelliklerin haritalanmasında küçük ölçekli renkli uydu görüntüleri yerine büyük ölçeklihava fotoğrafları tercih edilmelidir. Çok bantlı görüntünün nem ya da gölge ilişkiliözelliklerin haritalanmasında önemli olabilen orta kızılötesi bantları yoktur. AyrıcaSPOT verisinde ısı bölgelerinin haritalanması gibi bazı uygulamalarda önemli olantermal bant bulunmamaktadır. Çizelge 2.2’de SPOT uydu sisteminin özelliklerigösterilmektedir [43].Çizelge 2.2 SPOT görüntüsünün özellikleri [43]2.6.2 IRSHindistan uzaktan algılama uyduları sistemi IRS’nin bir parçası olarak IRS- 1C uydusu,28 Aralık 1995'te bir Rus roketi ile başarılı bir şekilde kutupsal yörüngeyeoturtulmuştur. Ocak 1996'da ilk görüntüler alınmaya başlanmıştır. IRS-1D ise 29 Aralık1997'de kutupsal yörüngeye başarılı bir şekilde oturtulmuş olup 1997'nin Ekim'indeçalışmaya başlamıştır. IRS-1C dairesel, güneş uyumlu, kutuplara yakın yörüngede 98,69derecelik bir eğimle ve 817 km’lik bir yükseklikte yeryüzünü hemen hemen sabit bir ışıkaltında görüntüleme yapacak şekilde yörüngeye oturtulmuştur. Günde 14 dönüşümyapılmaktadır. Dünya etrafındaki bir dönümü 101.35 dakika sürmektedir. Yeryüzü18

üzerinde aynı noktadan 24 günde bir geçer, buna “çevrim” denir. IRS-1C ve 1D'ninbirbirinden biraz farklı yörüngeleri vardır [44].Çizelge 2.3 IRS 1D uydu özellikleri [44].2.6.3 İkonosDünyanın ilk ve yüksek çözünürlüklü ticari uydusu olan Ikonos -1 29 Nisan 1999 yılındafırlatılmıştır. Fakat roketin istasyondan planlanan süreden 4.5 dakika geç ayrılmasısonucu uydu gerekli hıza ulaşamamış ve yörüngeyi yakalayamamıştır. Ikonos -1 uydusuGüney Pasifik Okyanusuna düşmüştür. İkinci uydu Ikonos-2 adıyla 24 Eylül 1999'dafırlatılmıştır. Pankromatik ve çok spektrumlu görüntülerin birleştirilmesi ile "pansharpened"görüntüler elde edilir. Bu durumda pankromatik bandının geometrikçözünürlüğü ve çok spektrumlu bantlarının spektral çözünürlüğü birleştirilmiş olur [43].SpaceImaging firması tarafından (orbimage firması ile birleşip şu an Geoeye olarakdevam etmektedir) yörüngeye gönderilmiş olup 1m siyah/beyaz (PAN) 4m renkli 4farklı dalga boyunda görüntü alabilmektedir. Sağlanan görüntüler 11 bitlik radyometrik19

çözünürlüğe sahiptir (0-2047 farklı gri parlaklık seviyesi). 1:5.000 hassasiyetinde veriüretilebilmektedir [45].Çizelge 2.4 Ikonos yörüngesinin özellikleri [44].Ikonos GEO ürünüdür ve bantlar 4 Bant 4 Dosya şeklindedir. Yani her bant ayrı GeoTIFFdosyasıdır. Çizelge 4.5’de gösterilen GEO ürünler daha önceden belirlenmiş bir elipsoidve harita projeksiyonuna gore geometrik olarak düzeltilmiş ve rektifiye edilmiştir.Rektifikasyon işlemi görüntüdeki hataları düzeltir ve belirlenen harita projeksiyonunagöre yeniden örnekler (resampling). Bu ürün topoğrafyadan kaynaklanan ötelemelerhariç ± 15 m (RMSE) standart yatay doğruluğa sahiptir [46].20

Çizelge 2.5 Ikonos GEO ürün seçenekleri Çizelgesi [46].Ikonos uydu görüntüleri, şehir planlama, arazi kullanımı ve analiz çalışmaları,haritacılık, tarım, ormancılık, maden aramaları, kamu kurumları (elektrik, telefon 13şirketleri vb.), çevre çalışmaları, ulusal güvenlik ve telekomünikasyon, nakliye sistemlerive acil yanıt sistemleri gibi uygulamalarda kullanılmaktadır [43].2.6.4 Earth Observing–1NASA tarafından yeni bin yıl projesi (NMP) kapsamında Lantsat 7 ETM+ uydusunu 1dakika geriden aynı rota üzerinde takip edecek biçimde tasarlanmıştır. Dünya gözlem1( Earth Observing–1) adı verilen uydu 21 Kasım 2000 tarihinde yörüngeyeoturtulmuştur. Uydu Landsat 7 ETM+ uydusu ile benzer özelliklere sahip 7 bandspektral çözünürlük, 30m*30m multispektral ve 10m*10m pankromatik yerselçözünürlüğe sahip ALI ( Advanced Land Imaging; ileri arazi görüntüleme ) algılayıcısı,0,4 – 2,4 μm dalga boyları arasında 10 nm aralıkla yeryüzeyinden yansımaları 220 bandspektral 30m*30m yersel çözünürlükle kaydeden Hyperion (hyperspektral) algılayıcısıile 0,4 – 2,4 μm dalga boyları arasında 2–6 nm aralıkla yeryüzeyinden yansımaları 256band spektral 250m*250m yersel çözünürlükle AC (Atmospheric Corrector; Atmosferikdüzeltici) algılayıcısı taşımaktadır [26].21

2.6.5 QuickBirdQuickBird uydusu, Digital Globe firması tarafından 18 Ekim 2001’de Kaliforniya’dakiVendenberg Hava Kuvvetleri’nde bulunan Boeing Delta II fırlatma aracındanfırlatılmıştır. Uydu bir metrenin altında konumsal çözünürlükte veri elde edebilen vemevcut ticari uydular arasında en genis kaplama alanına sahip ilk uydudur. Uydununbulunduğu alçak yörünge yüksekliği ve artırılmış hızı, görüntünün doğruluğunu venetliğini olumsuz yönde etkilemediği gibi alçak yörünge yüksekliği, yer konumdoğruluğunu (geolocation accuracy) artırmaktadır. Günün herhangi bir saatindedünyanın herhangi bir yerine ait görüntülerin alınması mümkündür. Gün boyuncayaklaşık olarak 900 görüntü alımı gerçekleştirebilmekte ve yaklaşık olarak 137 GByteveri toplayabilmektedir. 17 km x 17 km’lik görüntüyü yaklaşık 4 saniyede çekenQuickBird 2 uydusu 2003 yılından itibaren stereo görüntü (in-orbit stereo pairs)çekimine de imkân vermektedir (URL,1). Çizelge 2.6’de QuickBird uydusu tekniközellikleri verilmiştir [44].Çizelge 2.6 QuickBird uydusu teknik özellikleri [44].22

QuickBird 2 bir görüntüyü (17km. x 17km.) kabaca 4 saniyelik bir sürede çekmektedir.Ayrıca uydunun bulunduğu alçak yükseklik ve arttırılmış hızı, görüntünün doğruluğu,berraklığı gibi etkenleri eksi yönde etkilememekle beraber alçak yükseklik, jeolokasyondoğruluğu (geolocation accuracy) arttırmaktadır. QuickBird 2, 2003 yılından itibarenstereo görüntü (in-orbit stereo pairs) çekimine de imkân sunmaktadır [44].2.6.6 ALOS (Advanced Land Observing Satellite, 2.5-10 m)Japon Uzay ajansı (JAXA) tarafından 26 Ocak 2006 da yörüngeye gönderilmiş olupüzerinde 3 farklı algılayıcı sistem barındırmaktadır. Bunlar 2.5 metre çözünürlüklüstereo ve 3 lü çekim yapan PRISM (Panchromatic Remote-sensing Instrument forStereo Mapping, 35kmX35lm lik çerçeve genişliği), 4 farklı dalga boyunda 10 metreçözünürlüklü çekim yapan AVNIR-2 (Advanced Visible and Near Infrared Radiometertype 2, 70kmX70km lik çerçeve genişliğinde Radar verisi toplayan PALSAR (PhasedArray type L-band Synthetic Aperture Radar) dır. Bu uydu dünyanın her yerini yılda 3dönem olarak programlayarak çekmektedir Bu durumda günümüze kadar ülkemizintamamını yaklaşık 9 dönem görüntülemiştir [45].2.5 metre çözünürlüğünde stereo veya 3 farklı açıdan 35kmX35 km’lik çerçevelerhalinde veri sağlamaktadır. Bu Stereo veriler ile yatay ve düşeyde 1:10.000 ölçeğindearazi topografyası çıkarmak mümkündür. Yine PRISM ve AVNIR-2 verilerininpansharpened (karma) yapılması ile 2,5 metre çözünürlüklü renkli verisini elde etmekmümkündür. Özellikle 1 metre altında yeni çıkan 60 ve 50 uydu verilerininortorektifikasyonunda 1:25.000 ölçekli sayısal yükseklik modelleri yetersiz olmaktadır.Böylesi hassas verilerin ortorektifikasyonunda sağlıklı sonuçlar alabilmek için gerekenhassas sayısal yükseklik modeli ALOS PRISM 2,5 metre stereo verilerinden elde edileceksayısal yükseklik modeli kullanılması yeterli olacaktır [45].23

BÖLÜM 3ÇALIŞMADA KULLANILAN VERİLER3.1 Corona UydusuResmi ve yerel kullanıcılar için yüksek çözünürlükte görüntü elde etme tamamengeçmiş birkaç yıl içinde mümkün olmuştur. Ancak yüksek çözünürlükte görüntülemetekniklerinin kullanılması sadece yakın zamana ait bir durum değildir. Ağustos 1960’ta,A.B.D. “Corona” adıyla bir uydu programı başlatarak bunu başarmıştır. Bu A.B.D.’nin ilkkeşif uydu sistemidir. Sovyetler Birliği, Çin ve Ortadoğu ile güneydoğu Asya arasındakidiğer bölgeleri gözlemleyen Corona keşif uydusu 1972’de düşmüş ve görevinitamamlamıştır [47].Şekil 3.1 Corona Uydusu24

Corona’nın keşif kameraları, anahtar deliği anlamındaki “Key Hole” kelimelerinin başharfleri olan “KH” ile isimlendirilmiştir. Üretilen ilk iki kamera, KH-1 ve KH-2, 1960 ve1961 yılları arasında gerçekleştirdikleri beş başarılı görevden sonra düşürülmüştür.Diğer Corona kameraları olan KH-3 (1961-1962), KH-4 (1962-1963), KH-4A (1963-1969)ve KH-4B (1967-1972), Itek tarafından tasarlanmış, gözden geçirilmiş ve üretilmiştir.Corona’nın gerçekleştirdiği 95 başarılı görevin çoğunda tasarımları çok benzer olan KH-4, KH-4A ve KH-4B kameraları kullanılmıştır [48].Çizelge 3.1 Corona uydusunun özellikleri25

Corona keşif uyduları serisi Sovyetler Birliği, Çin ve Orta doğu ülkelerini kapsamaktadır.1960’lı yıllarda gerçek zamanlı veri iletimi yeterince gelişmemiştir. Corona uydusununyeryüzünü resimlemesinde farklı bir yöntemi vardı.3.2 Landsat UydusuNASA, ERTS (Earth Resources Technology Satellites) proje çalışmasına 1967 yılındabaşladı. İlk aşamada, ERTS-1, 23 Temmuz 1972 yılında Thor-Delta roketiyle fırlatıldı ve 6Ocak 1978 yılına kadar yörüngede kaldı. ERTS-2’nin 22 Ocak 1975 yılındafırlatılmasından önce NASA, ERTS programını diğer bir planlanmış misyon olan “Seasat”osinografi uydu programından ayırmak için programın ismini “Landsat” olarakdeğiştirdi. Bu nedenle, ERTS-1, Landsat-1 olarak adlandırıldı ve tüm sonraki seriuydularda Landsat ismini sırasıyla aldı. Landsat uyduları arasında 1-5 ve 7 misyonlarıbaşarılı şekilde yörüngeye yerleştirilirken Landsat-6 görevini başaramadı.Çizelge 3.2 Landsat misyonlarında kullanılan algılayıcılar [43]Landsat uydularında üç adet görüntüleme sistemi kullanılmaktadır;-MSS(Multispectral Scanner, Çok Bantlı Tarayıcı) sistemi26

-TM(Thematic Mapper, Tematik Harita Yapımı) sistemi-RBV (Return Beam Vidicon, Dönel Işıklı Kamera ) sistemi3.2.1 RBV Sistemi: Aynı zamanda yeryüzünün aynı bölgesini 185kmx185km boyutundagörüntülemeyi amaçlayan üç adet televizyon türü kameradan oluşmaktadır.Kameraların arazideki ayırma gücü 80m‘dır. Elde edilen bantlar 1,2 ve 3. bantlardır.Landsat-3 ‘te kamera sayısı ikiye indirilmiş olup, ayırma gücü 40m‘dır [49].3.2.2 MSS Sistemi: İkisi görünen dalga bandında olmak üzere toplam dört bantta ve185kmx185km genişliğinde görüntüleme yapan bir radyometredir. Döndürme yerinesalınan ayna sistemi kullanılmıştır. Bu ayna her 33 milisaniyede bir salınmaktadır. MSS,uydusunun güneye doğru hareketi sırasında her satırı batıdan doğuya doğru artar [49].3.2.3 TM Sistemi: Landsat 4 uydusu, Thematic Mapper TM ismi verilen yeni geliştirilmişçok bantlı bir algılayıcı taşımaktadır. TM, yedi çalışma bandına sahiptir. TM‘nin altıncıbandı hariç diğerlerinin uzaysal ayırma gücü 30m‘dır. Altıncı bandı ise 120 m ayırmagücüne sahip termal bir banttır [49].3.2.4 TM Algılayıcı: Landsat 4 uydusu Thematic Mapper ismi verilen yeni geliştirilmişçok bantlı bir algılayıcıyı taşımaktadır. TM yedi çalışma bandına sahiptir. TM’nin altıncıbandı hariç diğerlerinin uzaysal ayırma gücü 30m ‘dır. Altıncı bandı ise 120 m ayırmagücüne sahiptir [49].3.3 Landsat 1, -2, -3Uydular yaklaşık 815 kg ağırlığında ve yaklaşık 900 km düzeyinde yörüngeselyüksekliktedir. Yaklaşık 9° açıyla ekvatordan geçmektedir ve birbirini izleyen yörüngelerekvator'dan yaklaşık 2760 km uzaklıkta yer almaktadır. Algılayıcılar sadece 185kmgenişliğinde uydu görüntüsü kaydettiğinden, aynı günde birbirini izleyen yörüngelerarasında görüntü örtüsünde büyük boşluklar oluşmaktadır. Yörüngenin aynı noktadangeçmesi 18 gün almaktadır. Bu nedenle, uydunun dünyayı 18 günde bir veya yılda 20kez görüntüleme kapasitesi vardır. Landsat-1, -2, -3 içindeki MSS sistemi, 185 kmgenişlikli taramada 4 bantı içermektedir: İki görünür bant (0.5-0.6 μm/yeşil ve 0.6-0.7μm/kırmızı) ve iki yakın kızılötesi bant (0.7-0.8 μm ve 0.8-1.1 μm). MSS tarayıcısının27

anlık görüş alanı (IFOV) karedir ve hücre boyutu yaklaşık 79m olan GSD üretmektedir.Toplam görüş açısı yaklaşık 11.56°'dir. Sistemin dönel aynası her 33 milisaniyede birsalınmaktadır. Bu tür bir düzenleme, her biri 6 detektörlü (her satır için bir adet) 11dört adet dizini (her bir bant için bir adet) gerektirmektedir. Yer örnekleme aralığı 56 mdüzeyine elde edilebilmektedir. Bu durumda görüntü piksel boyutu, 56x79 m olmaktave her bir pikselin parlaklık değeri gerçekte 79x79 m'lik yer çözünürlük hücresindenüretilmektedir. Sonuçta bir MSS görüntüsü; 2.340 tarama satırı, her satırda 3.240 pikselve haliyle bant başına 7.581.600 piksel içermektedir [43]. Landsat-1’in RBV sistemi, 23Temmuz ve 5 Ağustos 1972 tarihleri arasında 1690 adet görüntü üretmiş ve bu süreçtekayıt sistemindeki problemlerden dolayı sistem daha sonra kapatılmıştır. Landsat-2’deki RBV arada sırada görüntü çekmiştir. Landsat-3’deki RBV sisteminin tasarımındaiki önemli değişiklik yapılmıştır. Sistem, multispektral algılama yerine tekil banttaalgılama yapmaktadır. Sistemin spektral algılama sahası ise 0.505’den 0.750 μm’ye yaniyesilden yakın kızılötesine kadardır. Ayrıca, kameranın uzaysal çözebilirligi, öncekiRBV’lerle karsılaştırıldığında yaklaşık 2.6 kat artırılmıştır. Yer piksel çözünürlüğünün30m’ye düşürülmesi, kamera mercek sisteminin odak uzaklıgının iki misline çıkarılması,pozlama sırasında görüntü yürümesini önlemek için poz zamanının azaltılması veönceki RBV sistemlerindeki spektral filtrelerin kaldırılmasıyla yeteri pozun korunmasısayesinde başarılmıştır. Odak uzaklığının iki katına çıkarılmasıyla yer örtü alanındakiazalma sebebiyle iki kameralı yan yana konfigürasyon uygulanmıştır. Böylece,183x93km’lik yeryüzü alanı görüntülenebilmiştir. Öyle planlanmamasına karsın,Landsat 1, 2 ve 3’deki RBV sistemleri bu uydularda yer alan MSS sistemleriylekarsılaştırıldığında ikincil bir veri kaynağı haline gelmişlerdir. Buna iki önemli faktörkatkıda bulunmuştur. İlk olarak, RBV’lerin işletiminde çeşitli teknik sorunlaroluşmuştur. Daha önemlisi, MSS sistemleri sayısal formda multispektral veri üretebilenilk global uzaktan algılama sistemi haline gelmişlerdir. MSS verilerinin bilgisayar ileislenebilmesi Landsat- 1, -2 ve -3 verilerinin kullanımına ivme vermiştir. Yeryüzününbüyük bir bölümü bu uydulardaki MSS sistemleri tarafından görüntülenmiştir [50].28

3.4 Landsat 4 ve 5Landsat- 4 ve -5 önceki Landsat serisi uydulara benzer şekilde tekrarlı, dairesel, güneşeş-zamanlı ve yakın-kutupsal yörüngelere yerleştirilmiştir. Ancak, bu yörüngelerinyüksekliği 900km'lerden 705km'ye düşürülmüştür. Daha alçak yörünge, daha iyi yerörneklemeli görüntülerin çekimine olanak vermiştir. TM, MSS ile karşılaştırıldığındahem spektral bant sayısı hem de geometrik ve radyometrik açıdan çok daha üst düzeylibir algılayıcıdır. Dört adet bant yerine 7 adet spektral bandı vardır ve bantlarspektrumun görünür (mavi), orta-kızılötesi ve termal kısımlarını içermektedir.Geometrik açıdan TM, 30m çözünürlüklü veri (120m'lik termal bant hariç)toplamaktadır. Böylece, yer piksel boyutu 2,6 kat azalmış, bu da jeodezik konumdoğruluğunu artırmıştır [43].3.5 Landsat - 6Landsat-6'nın 5 Ekim 1993 yılındaki fırlatımı başarısızlıkla sonuçlandı. Bu uydu, Landsat-4 ve -5'in yörünge özelliğini içerirken algılayıcı olarak ETM algılayıcısını kullanmaktaydı.Landsat- 4 ve -5 ile veri sürekliliği sağlamak için ETM, TM ile benzer 7 spektral bantta veeşit mekânsal çözünürlükte algılama yapacaktı. ETM'in TM ile karşılaştırıldığında artışı,15 m GSD'li 0.50- 0.90μm arasında algılama yapan 8’nci bir bandı "pankromatik bant"içermesiydi. Bu yüksek mekânsal çözünürlüklü pankromatik bant verisi, 15mçözünürlükte renkli görüntü üretmek için ETM'in 30 m piksel boyutlu diğer bantlarıylapan-sharpening algoritmasıyla birleştirilebilecekti [43].Şekil 3.2 TM algılayıcı elemanları [50]29

3.6 Landsat 7 ve ETM+ uydu görüntülerinin özellikleriLandsat 7 ETM+ uydusu diğer Landsat uydularından farklı olarak iki termal banda ve birpankromatik banda sahiptir. Landsat 7 ETM+ uydusunun bantlarının özellikleri iseşöyledir;Bant 1 / Blue - Mavi: Mavi renge, su yüzeylerine, nemli alanlara, H2O içerenminerallere hassastır. Su yüzeylerinin tespiti, toprak ve bitkileri ayırt etmek, ormantipleri belirlemek, yapay materyalleri tespit etmek gibi kullanım alanları vardır.Bant 2 / Green - Yeşil: Yeşil renge ve bitkilere hassastır. Bitki örtüsü ve insan yapısımateryallerin tespitinde kullanılır.Bant 3 / Red- Kırmızı: Kırmızı renge, demir içeren minerallere hassastır. Bitkiler düşükyansıma verirler, bundan dolayı çeşitli bitki türlerinin ayrılmasında, yapay materyallerintespitinde, jeolojik sınırların belirlenmesinde kullanılır.Bant 4 / Near Infrared (NIR) – Yakın kızılötesi: Klorofile hassastır. Yoğun bitkiörtüsünün belirlenmesinde tarımsal bitki örtülerinin ayırt edilmesinde, toprak, yüzeybitkileri ve su yüzeylerinin ayrılmasında kullanılır.Bant 5 / Mid infrared (MIR) – Orta kızılötesi: Organik topraklardaki hidroksil iyonuna,karbonatlı minerallere, bitkilerin içerdiği suya duyarlıdır. Jeolojik sınırların tespitinde,tarımcılıkta kullanılır. Bulut, kar ve buzun görüntüde ayırt edilmesinde kullanılır.Bant 6 / Thermal infrared (TIR) – Termal kızılötesi: Isıya duyarlıdır. Sıcak su kaynakları,sudaki kirlenme, volkan araştırmaları, endüstriyel alanlar ve kirlilik tespitinde kullanılır.Bant 7 / Shortwave infrared (SWIR) – Kısa dalga kızılötesi: Bazı minerallere vekileduyarlıdır. Jeolojik sınır tespitinde kullanılabilir.Bant 8 / Pankromatik: Renk hassasiyeti yoktur. Mekânsal çözünürlüğü diğerlerindenfazladır [51].30

Çizelge 3.3 Landsat-7 ETM+ algılayıcısının TM bantlarının özellikleri [52].Landsat-7, 15 Nisan 1999’da yörüngeye yerleştirildi. Bu uzay aracı üzerindeki algılamasensörü ETM+ dır ve bunun tasarımı Landsat-4 ve -5 ile veri sürekliliği sağlamaktadır.Benzer yörünge ve 185km genişliğinde görüntüleme alanı algılanmaktadır. Ayrıca,sistem pankromatik bantta 15m çözünürlük üretecek şekilde dizayn edilmiştir.Görünür, yakın ve orta kızılötesi bölgedeki bantların resolusyonu 30m dır. Altıncı bant(termal) ise 60m’dır. Bu değer ETM’nin termal bandında 120m’dir. Landsat-7uydusundaki ETM+ tarayıcısı 31 Mayıs 2003 tarihinden itibaren oluşan arızadan dolayıteknik problemler yasamaktadır. Arıza sonucu komsu tarama satırları arasındabindirme ve boşluklar oluşmaya başlamıştır Bunlar, özellikle ETM+ görüntülerininkenarlarına doğru belirginleşirken, merkezi bölümdeki görüntü satırları giderekkaybolmaktadır. Eksik kısımlar farklı tarihlerdeki Landsat-7 görüntüleriyletamamlanmaktadır [50].31

Şekil 3.3 Landsat Uydusu (Google Images 2009)3.3 Aster UydusuASTER uydusu, Japon Ekonomi-Ticaret ve Endüstri Bakanlığı (MITI) tarafındanJaponya’da gerçekleştirilmiş bir uydu sistemidir. Veri geçerliliği, kalibrasyon ve aygıtdizaynından, ortak bir Amerikan-Japon Bilim Grubu sorumludur. ASTER, TERRAplatformu üzerine monte edilmiş tek yüksek çözünürlüklü uzaysal (spatial) aygıttır.ASTER modülü, değişiklik tespiti (change detection), kalibrasyon/geçerlilik ve yeryüzüçalışmalarında diğer TERRA aygıtları için yakınlaştırıcı mercek (zoom lens) olarak hizmetetmesi yönünden önemli bir aygıttır. TERRA uydusu, 18 Aralık 1999 tarihinde Van DerBerg Hava Üssü'nden (Kaliforniya) başarıyla fırlatılmıştır. Uydu üzerinde beş değişikmodül bulunmaktadır. Bunlar; ASTER, MODIS, CERES, MOPITT ve MISR’dir. ASTER, 24Şubat 2000 tarihinde veri toplamaya başlamış ve 01 Aralık 2000 tarihinden itibarenveriler kullanıma sunulmuştur [53].Yeryüzünün kendine özgü kutuplarda basık, ekvator bölgesinde genişleyen yapısınedeniyle uydu yüksekliği enleme bağlı bir yapı göstermesine karşın, ortalama32

yükseklik 705 km civarındadır. ASTER uydusu, tüm yeryüzünü görüntülemesi veya aynıyerden ikinci kez geçişini 16 günde tamamlamaktadır. Uydu ömrü 6 yıl olarakplanlanmıştır. Uydunun elips yörünge düzlemi ile güneş arasındaki açı sabit olup(98.9 o ), ekvator düzlemini alçalma noktasında daima aynı zamanda (10:30 am) geçer.Birbirine komşu yörünge izleri arasındaki mesafe ekvatorda 172 km’dir [54], [55].ASTER modülü sayesinde, dünyanın 15 m pikselden 90 m piksele kadar ve 14 banttanoluşan görüntüler elde edilebilmektedir. ASTER algılayıcısı üç alt sistemdenoluşmaktadır. Bunlar;- VNIR: Görünür Yakın Kızılötesi,- SWIR: Kısa Dalga Kızılötesi,- TIR: Termal Kızılötesi.Çizelge 3.4 ASTER uydu görüntüsünün band özellikleriVNIR algılayıcısına görüntüdeki bozulmaları azaltmak için Nadir ve Back (geri) olmaküzere iki bağımsız teleskop monte edilmiştir. VNIR, toplam 3 band (1-2-3N) ve stereogörüntüleme özellikli 1 banda (3B) sahip olup, 0.52 μm - 0.86 μm dalga boyunda33

algılama yapabilmektedir. Stereoskopik görüntü algılayıcısı tek yörüngedeki 3 bandalgılayıcısını 27.6 derece geriye doğru (Şekil 3) görüntüleme yeteneğine sahiptir. Stereogörüntülemede baz yükseklik oranı B/H = 0.6 dır. VNIR nadirden çapraza ± 24 ogörüntüleme kapasitesine sahiptir. Görüntüleme alanı 60 km x 60 km olup, görüntüçözünürlüğü 30 metredir [54], [55].Şekil 3.4 ASTER-VNIR stereo görüntüleme geometrisi [55]SWIR algılayıcısı, 1.60 - 2.43 μm aralığında yeryüzünden yansımaları algılayan kısa dalgakızıl ötesi optik bir algılayıcıdır. SWIR, toplam 6 banda (4-5-6-7-8-9) sahiptir. Görüntüçözünürlüğü 30 metredir [55].TIR algılayıcısı, 8.12 - 11.65 μm aralığında 5 ışınsal banda sahip bir algılayıcıdır. Termalemisyon özellikleri ölçebilme yeteneği sayesinde; bu algılayıcı ile maden kaynakları,kara ve deniz yüzeyini tanımlama ile atmosferik gözlemleri yapılabilmektedir. TIR,34

toplam 5 banda (10-11-12-13-14) sahiptir. Görüntü çözünürlüğü 90 metredir. Gece vegündüz olmak üzere tüm gün veri elde etme özelliğine sahiptir [55].3.4 Ortofoto HaritaGünümüzde, güncel haritalara olan gereksinim her alanda kendisini hissettirmektedir.Hızla değişen dünyaya ait haritaların üretimi klasik yöntemlerle çok uzun zamanalmaktadır (Şekil 3.5). Bu klasik yöntemlere alternatif olarak, standart bir haritanındoğruluk ve hassasiyet kriterlerini taşıyan ortofoto haritalar, birçok uygulama alanındakendisini kabul ettirmektedir. (Şekil 3.5).Şekil 3.5. Topoğrafik harita örneği35

Şekil 3.6 Ortofoto harita örneği [56]Ortofoto yaygın bir biçimde kullanılan fotogrametrik ürünlerdir. Yaygın bir biçimdekullanılmalarının sebebi;-üretim maliyetlerinin fotogrametrik harita üretimine göre daha düşük olması,- görüntü formatında olmaları sebebi ile gösterimlerinin kolaylığı,-ve son kullanıcılar tarafından sayısal fotogrametrik haritalarda olduğu gibisembolojilerin anlamlarının bilinmesi gibi harita kullanım bilgilerine ihtiyaç olmamasınedeniyle kolay bir biçimde kullanılmalarıdır [56].Bugün ortogörüntüler CBS’ inde bir katman olarak kullanılan oldukça popüler birfotogrametrik üründür. Bunun başlıca sebeplerini aşağıdaki şekilde sıralayabiliriz:- Arazinin son durumunu gösteren güncel haritalara olan şiddetli gereksinim,- Stereo değerlendirme yöntemi ile sayısal harita üretiminin yavaş olması ve üretimsisteminin hızlandırılması gereksinimi,- Yer bilimciler, tarımcılar, planlamacılar gibi harita kullanıcılarının çizgi haritadan dahafazla veriye ihtiyaç duymaları. Haritanın geometrik doğruluğu ve bir fotoğrafın sunduğuzengin bilgi içeriğinin aynı anda elde edilmesi gerekliliği,- Topoğrafik ve çizgi harita üretiminde maliyet ve ekonomi açısından kartografikçalışmaların azaltılması düşüncesi,- Karmaşık arazi yapısı ve bitki örtüsünün haritada gösteriminde yaşanan güçlükler,36

- Fotogrametrik yöntemle harita üretiminde ayrıntıların gösteriminde fotogrametrioperatörlerinin foto yorumlama yeteneğine dayanan nesnelerin seçimi ve gösterimiyerine bütün ayrıntıların tümünün daha objektif bir biçimde sunumu [56].Harita üretiminde, sağladığı hız, ekonomi, fazla bilgi içerme, çalışma kolaylığı gibiüstünlükleri ile optimal yöntem olarak kabul edilen fotogrametriden yararlanılmalıdır.Fotogrametrik uygulamalar içinde ise, ortofoto tekniği kent planlama hizmetleriaçısından biçilmiş kaftandır. Kadastral haritaların ortofoto ile bütünlenmesi mükemmelbir altlık ortaya çıkarır. Günümüzde ve dışarda geniş uygulama bulan ortofoto tekniğigenel olarak: Harita üretimi (imar, kadastro, orman, ziraat, yol ve trafik konularında...),harita revizyonu ve kent planlama hizmetlerinde kullanılmaktadır. Buna bağlı olarakharita tanımı «Harita, yeryüzünün ölçekli bir manzarasıdır» şeklînde de yapılmaktadır[57].Ortofoto eğiklik dönüklük ve diferansiyel alanlarda yükseklik etkileri giderilmiş,ölçeklenmiş, bir haritanın geometrik niteliklerine sahip yeniden örneklenmiş birfotoğraf, görüntü olarak tanımlanabilir. Bugün ortofoto ve ortogörüntü kavramlarıbirlikte kullanılmaktadır. Çünkü fotoğraflar CCD kameralar yardımıyla doğrudan sayısalolarak kaydedilebilmektedir[56]. Ortofotoda arazinin fiziksel görünüşünün tümününölçekli olarak var olması, planlamada büyük doğruluk, kolay, çabuk, seçmeli vekarşılaştırmalı çalışma olanağı sağlar. Böylece yapı tekniği ve imar koşullarına uygun birdüzenleme, taşınmaz malın ekonomik ve teknik bakımdan daha yararlı hale getirilmesi,tahliye ve yıkma zorunluluklarının ve itirazların en aza indirilmesi sağlanır veyakolaylaşır. Çizgi haritalarda topografik ve planimetrik ayrıntı yeterincegösterilememekte ve unutulabilmektedir. Fotoğraf veya foto-harita, haritası yapılacakaraziye ait zengin bilgi kaynağıdırlar [57].3.5 Kullanılan YazılımlarUydulardan elde edilen verilerin değerlendirilmesiyle çıkan sonuçlar, yeryüzününaraştırılmasına büyük katkı sağlamaktadır. Bu katkının sağlanmasında insan faktörününyanında kullanılan yazılımlar da büyük önem taşımaktadır. Yazılımların önemi gerek37

verilerin işlenmesine büyük hız kazandırmasına, gerekse çok büyük bir veri hacminindepolanmasına yardımcı olmasında yatmaktadır [4]. Bu çalışmada, mevcut sayısalgörüntü işleme yazılımlarından biri olan geçici lisanslı ERDAS Imagine 8.6, lisanslıeCognition 5.0 ve COAST-FIT [1] yazılımı kullanılmıştır.3.5.1 Obje Temelli Bulanık Mantıkla Görüntü İşleme Yapan Ticari Yazılım(ECOGNITION)Ecognition yazılımının görüntü segmentasyonu algoritması, spektral ve mekânsalölçütlere göre, birbirine yakın özellikteki pikselleri olabildiğince homojen parçalarolarak gruplandırmaktadır. Bu işlem sonucunda tek piksellerden oluşan görüntü yerine,görüntü piksel gruplarından yani daha anlamlı nesnelerden oluşan bir görüntü ortayaçıkmaktadır [58]. Ecognition yazılımı, görüntü bilgisinin nesne tabanlı işlenmesinisağlayan segmentasyon ve sınıflandırma olanakları ile nesne tabanlı görüntüsınıflandırma yaklaşımını gerçekleştirir. Ayrıca veri giriş çıkışı, vektörleştirme, çalışma,bilgi ara yüzleri, doğruluk analizi ve istatistiği ile yaklaşımının bütünlüğünü sağlar.Segmentasyon işleminin en önemli adımını başlangıç segmentasyonu oluşturur.İstenilen herhangi bir çözünürlükteki segmentasyon ve ileriki sınıflandırma işlemi içinuygun görüntü nesne segmentleri oluşturulur. eCognition, nitelik bakımından iyisegmentlerin oluşturulabilmesi için görüntü nesne primitifleri gibi yaklaşımları tamolarak destekler. Bu sebeple eCognition, Definiens Imaging tarafından geliştirilen çoklusegmentasyon adı verilen bir segmentasyon yöntemini kullanır [59]. Segmentasyonişlemi bir amaç degil ileriki sınıflandırma işlemleri için bir araçtır. Obje tabanlı görüntüanalizinin temel işlemi niteliğinde olan segmentasyon işlemi, görüntü nesnelerininheterojenliğine bağlı olarak çoğu zaman ilgilenilen alanları veya nesneleri direkt olarakçıkaramayabilir. İleriki sınıflandırma ve diğer segmentsayon işlemleri için bilgi taşıyıcılarve alt yapı taşları gibi davranan görüntü nesneleri, eCognition altında nesne tabanlıgörüntü analizinde görüntü nense primitiflerinden daha iyi yapıdadır. Bu sebeple, en iyisegmentasyon sonucu, ileri segmentasyon ve sınıflandırma işlemleri için optimum bilgisağlayandır [44].38

Şekil 3.7 Görüntü segmentasyonu ve anlamlı nesnelerin ortaya çıkması [58]Segmentasyon aşamasında görüntü üzerinde bulunan her bir piksel görüntü üzerindebir nesneye hiyerarşik olarak bağlıdır. Bu hiyerarşi segmentasyon için hazırlanmış olanalgoritmada, değişkenlere bağlı olarak kurulur. Burada önemli olan uygun homojenliğisağlayarak pikselden nesneye doğru, uygun yapıyı kurmaktır. Segmentasyonaşamasında bunun için kullanılan değişkenler; ölçek, renk, biçim, yumuşaklık vebütünlük değişkenleridir. Bu değişkenlerin dahil olduğu bir fonksiyon yardımıylapikselden segmente ve buradan da daha büyük segmentlere doğru bir zincir yapıkurulur. Şekil 3.8 ’de piksel ve nesneler arasındaki hiyerarşik yapı gösterilmektedir [58].Şekil 3.8 Piksel ve nesneler arasındaki hiyerarşik yapısı [60]39

eCognition ile gerçekleştirilen obje tabanlı görüntü analizi için çoklu segmentasyondaoptimum ham materyale ulaşabilmek adına aşağıda belirtilen özellikler dikkate alınır.Bu özellikler çoklu segmentasyonun eCognition için geliştirilmesi aşamasındatanımlanmıştır:a. Bir segmentasyon aşaması, görüntü alanlarının optimum ayrımı ve sunumu içinhomojenliği yüksek görüntü segmentleri üretmelidir.b. Her görüntü analizi işlemi, özel bir veriye bağlı belirli bir uzaysal ölçekteki verilerleuğraşırken, görüntü nesnelerinin ortalama boyutları ilgilenilen ölçeğe uygun olmalıdır.c. Görüntü nesnelerinin özellikleri (gri değeri, doku, semantik yapı ve komşulukilişkileri) az çok ölçek bağımlı olduğundan sadece benzer ölçekteki yapılarkarsılaştırılabilir kalitededir ve karsılaştırılabilir özellikler içerirler. Bunun için oluşansonuç görüntü nesneleri aşağı yukarı aynı değerde olmalıdırlar.d. Segmentasyon aşaması evrensel olmalı ve çok sayıda farklı görüntü ve problemeuygulanabilmelidir.e. Oluşan segmentasyon sonuçları çoğaltılabilir nitelikte olmalıdır.f. Yer gözlemleri, sık aralıklarla veri ürettiği için yapılan segtmentasyon işlemimaksimum hızda olmalıdır.Yapılan bir segmentasyon işleminin optimum düzeyde olduğunu değerlendiren en iyive tecrübeli kaynak şüphesiz insan gözüdür. Bu sebeple segmentasyon sonucu (nicelolarak çok iyi hesaplanmış olsa bile) insan gözünü yeterince memnun etmediği sürecetam olarak anlamlı sayılmaz. Burada oluşan görüntü segmentlerinin görüntü nesneleriile benzer şekilde ve boyutta olması önemlidir. Ancak burada en az sınır yumuşatmasıile görüntü nesnelerinin üretilmesi için karışık ve dokulaşmış verideki spektralhomojenliğin ortaya çıkarılması oldukça zordur. Segmentasyonun uygulanmasında,aşağıdaki parametreler olabildiğince gerçeğe yakın seçilmelidir [61].Segmentasyon aşamasında kullanılan parametreler şu şekilde açıklanabilir;• Ölçek parametresi (Scale Parameter): Ortalama nesne boyutunu dolaylı yoldanetkileyen bu parametre, nesnelerin heterojenliğine izin veren maksimum değeribelirler. Ölçek parametresi ne kadar büyürse nesneler de o kadar büyür [44].40

• Renk / Biçim (Color / Shape):Bu parametrelerle renk ve biçim çatışmasınınhomojenliğinin nesne üretimi etkisi düzeltilebilir. Biçim kriteri ne kadar yüksek olursa,spektral homojenliğinin nesne üretimine etkisi daha az olacaktır [44].• Yumuşaklık / Bütünlük (Smoothness / Compactness): Biçim kriteri 0’dan büyükolduğunda kullanıcı, nesnelerin daha bütün (yoğun) veya daha yumuşatılmış olmasıgerektiğine karar verebilir. eCognition yazılımında uygun nesneler belirlendikten sonrasınıfların oluşturulması aşamasına geçilir. Gerçekte bir binayı temsil eden segment veyasegmentlerin, ilgili sınıfa dahil edilmesi için uygun fonksiyonlar belirlenir. Burada enyakın komşuluk ilişkileri veya bulanık üyelik fonksiyonları devreye girer. Bu aşamadadikkat edilmesi gereken husus, segmentlerin belirlenmesi aşamasında parametrelerinuygunsuz seçilerek heterojenliğin artması ve segmentlerin birleşerek yanlış sınıflaradâhil olmasıdır. Böyle problemlerle karşılaşmamak için olabildiğince gerçekteki yapılarıen az segmentle ifade edebilecek yapıyı oluşturmak bunun yanında heterojenliği dedengede tutmak gerekmektedir [58]. Segmentasyon aşaması, tezde kullanılanyazılımdaki en önemli işlemlerden biridir. Türetilmiş renk ve doku özellikleriylebirleştirilmiş bu şekil, oluşturulan görüntü nesnelerini sınıflandırarak önceliklegörüntünün sınıflandırılması için kullanılabilir. Bu yüzden sınıflar, bir sınıf hiyerarşisiiçinde düzenlenir. Her sınıf, bir alt sınıf ve üst (süper) sınıfa sahip olabilir ve böylece hersınıf, bir veya daha fazla üst (süper) sınıfların özellikleri de alt sınıflarındagörülmektedir. Ortaya çıkarılacak nesnelerin çok ölçekli sonuçları göz önünealındığında küçük nesneler, anlamsal bir hiyerarşi oluşturan daha büyük nesneleriyapılandırmak için birleştirilebilir [5].Nesne analizinin iki ana yaklaşımına yönelen küçük nesnelere bölünebilir. Kullanılanyazılım her iki yöntemde şu şekilde uygulanabilmektedir;- Çoklu-çözünürlüklü segmantasyon işlemi kullanarak görüntü nesnelerinin hiyerarşikyapısını oluşturulurken üst katmadaki görüntü segmentleri küçük nesneleri gösterirkenalt katta bulunanlar büyük nesneleri gösterilmesi,- Nesnelerin fiziksel özelliklerine göre sınıflandırılması,- Komşuluk ilişkilerine göre sınıflandırılması,- Sınıflandırılmış nesnelerin anlamsal guruplar olarak birleştirilmesi.41

Görüntü sınıflandırılırken belirli özellikleri göz önünde bulundurularaksınıflandırılmalıdır. Bu özelliklerden en önemlisi objenin yapısal özellikleridir. Bir diğerönemli özelliği ise sınıf ilişkileri özelliğidir. Bu özellikler Şekil 2.10‘de gösterilmektedir[5].Şekil 3.9 Görüntü nesnesinin Özellikleri [16]Sınıf hiyerarşisi ölçeğe bağlı olarak nesnenin özelliğini yansıttığından, katman sınıflarınıyaratmak yararlıdır. Bu sınıflar, görüntü segmentasyonundan çıkartılmış katmanlarıifade ederler ve belirli bir katmana ait olduklarını belirterek tanımlanırlar. Sadece bukatmanlarda beliren sınıflar, bu özelliği katman sınıflarından alırlar. Bu teknikgenellikle, sınıf hiyerarşisini yapılandırmaya yardım eder.Kullanılan sınıf hiyerarşisinin bazı avantajları mevcuttur. Bu avantajları şöyleözetleyebiliriz;- Görüntü nesnelerine ait bilgi temeli mevcuttur.- Hiyearaşik bir sınıf ağı bulunmaktadır.- Sınıf tanımlamalarında kalıtımsal özellikler dikkate alınır.- Sınıflar guruplandırılır.- Karmaşık sınıflandırmanın formülasyonu bulunmaktadır.- İlişkiler kolay tanımlanır.- Diğer nesnelere çabuk ulaşılır [16].42

Sınıf hiyerarşisi, sınıfların semantik gruplamasını destekler. Bu farklı özelliklerdekisınıfların, semantik anlamca üst bir genel sınıfa atanmasında kullanılabilir. Bubağlamda, üst sınıf, kendi açık sınıf tanımlamalarına ihtiyaç duymaz. Kentsel yeşil alanve kentsel geçirimsiz, örneğin kentsel sınıfı altında gruplandırılabilir. Bu durumunkendine özgü bir avantajı, üst sınıfla olan kontekst ilişkileri tarif etmektedir: kentselsınıfı içinde olmak hem kentsel geçirimsizi hem de kentsel yeşili gösterir. Bunlara ekolarak, sınıf hiyerarşisi, kalıtsal olarak sınıf tanımlamalarının, alt sınıflara geçmesinisağlar. Örneğin yeşil alan gibi bir sınıf, sınıf tanımlamalarını, kentsel yeşil veya kırsalyeşil gibi alt sınıflara kalıtsal olarak geçirerek değiştirilebilir. Bu bilgi tabanının şeklinioluşturur yani, bir sınıfın tanımlamasının detay seviyesi arttıkça, hiyerarşi kollarıderinleşir. Bu imkânlarla, sınıf hiyerarşisi şaşırtıcı semantik zenginlikte, iyi kurulmuş birbilgi tabanının, etkin bir şekilde oluşturulmasını sağlar. Bulanık mantıkla birlikte bunesne tabanlı görüntü analizi yaklaşımına çok fazla güç katar. Burada dikkat edilmesigereken en önemli husus; sınıf hiyerarşisinin farklı bir şey olduğu ve görüntü nesnesihiyerarşisinden bağımsızlığıdır. Sonunda, nesnelerin şekilleri, sınıflandırmayla ve bilgitabanlı segmentasyonla geliştirilebilir. Genellikle bu yeni özellikli ve semantik ilişkili,sırasıyla, yeni üretilen özelliklerine göre sınıflandırılan yeni nesnelere yol açar [60].Obje temelli yöntem ile yapılan sınıflandırmanın en önemli özelliklerinden biri degörüntüden nesne yakalanabilmesidir. Bunun için öncelikle görüntü analizi yapılmalıdır.Görüntü analizi yapılırken kullanılan bilgiler kendi arasında pikseller ve nesneler olmaküzere ikiye ayrılır. Piksellerde sadece renk ögesi kullanılırken nesnelerde; renkistatisliği, şekil, boyut, doku ve içerik kullanılmaktadır. Bu sebeple obje temelli yöntemnesneye dayalı sınıflandırmadır ve piksellere dayalı yönteme oranla çok daha sağlıklısonuçlar vermektedir. Şekil 3.10 ‘da bu çok daha ayrıntılı olarak görünmektedir;43

Şekil 3.10 Ecognition ile nesneye dayalı sınıflandırma [16]Sonuç olarak:Şekil 3.11 Obje temelli sınıflandırma yönteminin Çalışma Özeti [16]44

3.6 Kullanılan Uydu VerileriSunulan Alaçatı örneğinde kullanılan uydu verileri, Corona 1963, 1995 yılına ait 1:35000 ölçekli hava fotoğrafı, Landsat 1997 ve Aster 2007’dir.Pankromatik Coronagörüntüsü 2.8 m, Landsat 1975 görüntüsünün 80 m , Aster 2007 görüntüsünün yerselçözünürlüğü 15 m’dir.Şekil 3.12 Alaçatı Körfezi Corona 1963 Uydu Görüntüsü45

Şekil 3.13 Alaçatı Körfezi Landsat 1975 Uydu GörüntüsüŞekil 3.14 Alaçatı Körfezi 1995 Hava Fotoğrafı46

Şekil 3.15 Alaçatı Körfezi Aster 2007 Uydu Görüntüsü47

BÖLÜM 4ÇALIŞMA ALANIİzmir ilinin, Çeşme ilçesine bağlı Alaçatı beldesi, Çeşme yarımadasının rüzgârınkuzeyden güneye, güneyden kuzeye estiği koridorun merkezinde yer alır. Yazın hâkimrüzgâr olan poyraz Alaçatı'ya “nefes aldırır”, kışın ise daha çok esen lodos beldede ılıkbir iklim oluşturur. Alaçatı'da rüzgârlı gün sayısı (yılda 330 gün ile) Türkiyeortalamasının çok üzerindedir, bu da beldeyi dünyanın en önemli rüzgâr surf'ümerkezlerinden biri yapmıştır. Denizden 3 km. içeride yer alan Alaçatı'nın denizdenyüksekliği ise 16 metre. İzmir'den 70 km. uzaklıkta bulunmaktadır.Şekil 4.1 Alaçatı Uydu Fotoğrafı (Google image, 2010)48

Kıyı alanı boyunca volkanik kayaçlardan lüfil ve aglomeralar gözlenir. Muhtemelenyörede Ege Bölgesi'nde yaygın olan volkanik çıkış stilinin aksine, önce andezilik lav çıkışıolmuş, ardından çıkan tüfler, karasal ortamda yayılarak masif tüfit kütlelerinimeydanagetirmiştir. Temeldeki mesozoyikyaşlı (jura) kireçtaşlarım ve daha önce çıkanandezillerikesen lüfler, eksplosif (patlamalı) çıkış sırasında bünyelerine köşeli andezit,kireçtaşı çakıl ve bloklarını alarak çevrede çökelmişlerdir [62].Dalga aşındırmasıyla, burun kesimlerinde açığa çıkan lilolojik islif incelenmiştir. Bunagöre altta deniz seviyesinden itibaren 3-4 m izlenen beyaz renkli tüfitler, yer yerandezit, jura yaşlı çakıl ve bloklar içerir. Tüfillerin üzerine kalınlığı 2 m'ye varanaglomeralar gelmektedir. Sellenmeyle yakın çevreden taşınıp çökelen aglomeranınunsurları, andezitlerle beraber yine Mesozoyik yaşlı kireçtaşlarından oluşur. Aglomeraunsurları tüf ' m a t r i k s i (hamuru) ile birbirine bağlanmıştır. Unsurlar az yuvarlanmışya da köşelidir. Aglomeralar, varlığını kısa bir süre devam ettirebildiği anlaşılan sığ birgöl ya da balaklık içinde çökelmiş ince tabakalı ve sarımsı renkli, az miktarda çakıliçeren killi-kumlu çökeller ile süslenir [62] (Şekil 4.2).Şekil 4.2 Alaçatı kıyı alanında burun kısmında gözlenen litolojik istif [63]49

Alaçatı kıyı alanında koylardaki beyaz kumlu yüksek kaliteli plaj şerlileri tamamenlitolojinin ürünüdürler. Kıyı alanında yaygın lüfiller oldukça saf ve yoğun silis (kuvars)taneciklerinden oluşmuştur. Plaj gerisinde pekişmesi zayıf lüfil kayaçlan, mekanik vekimyasal aşınım süreçleri ile kolayca çözülmekle ayrıca burun kesimlerinde dalgaaşındırması ile (dalgaların çarpma sonucu hidrolik ve mekanik etkilerle bünyedenparçalar koparması) koparılan ve ufalanan parçacıklar dalgalarla koylara taşınıpbiriktirilerek beyaz kumlu ve kaliteli plaj malzemelerinin oluşmasını sağlamaktadırlar[62].Alaçatı-Ovacık kıyı alanının rekreasyonal tasarım ve planlanmasında yeryüzü şekilleri,diğer faktörlerle beraber ortamın önemli bir bileşeni olarak değerlendirilmiştir. Temeldurumundaki topoğrafik yüzey üzerinde vejetasyon ve litoloji gibi diğer bileşenlerüçboyutlu tasarımlar için tamamlayıcı durumundadırlar. Yeryüzü şekilleri için özetle,deniz seviyesinden itibaren yükselti katmanlarına göre değişen eğimlerkompozisyonunun oluşturduğu görünüm denebilir.Şekil 4.3 Alaçatı [63]50

Buna göre alan çeşitli eğimlerde yüzey, diklik ve düzlükler gibi rölyef özellikleri gösterir.Arazinin yapısını oluşturan kaya birimleri; akarsular, sellenme, dalgalar, rüzgar vbaşındırıcı ve biriktirici dış etken ve süreçlerle biçimlendirilirler. Alaçatı-Ovacık kıyıalanının morfolojisine gelince; burun kesimlerinde kıyıdan başlanacak olursa, IV. zamanbaşlananda akarsu aşındırmasıyla oluşan ve kara yönünde genişliği yer yer 300 metreyibulan 10-15 metre yüksekliğinde bir platform, düz bir yüzey halinde devam edenplatformun kara yönünde bitiminden itibaren eğimin aniden artmasıyla başlayan biryamaç alanı ve en geride 150-200 metrelerde uzanan tepelik alanlar şeklinde bir profilkarşımıza çıkar. 150-200 metrelerde uzanan söz konusu tepelik alanlar, Pliyosendöneminde oluşmuş aşınım yüzeylerine tekabül ederler. Kıyı gerisindeki düz alanlarıoluşturan platform, burunlarla ayrılan ve genişliği 150 metreyi geçmeyen bir dizi koylabiçimlendirilmiş durumdadır. Burun kesimlerinde dalga aşındırması sonucu dirençsiztüfitler dik yamaçlarla gerileyerek falezler meydana gelmiş, buradan taşınan malzemeplaj şeritlerinde biriktirilmiştir. Plajların hemen gerisinde bir süre devam eden alüvyalbirikim alanından sonra hafif bir eğimle platform seviyesine geçilmektedir. Koytabanları 7-10 bin yıl kadar önce deniz seviyesinin yükselmesi ile bir süre sularla işgaledilmiş, deniz günümüz seviyesine (O m) çekildikten sonra zeminde kalan denizelalüvyonun üzerinde daha sonra üst yamaçlardan sellenmeyle taşınan ince malzemelerde birikerek günümüzdeki durum ortaya çıkmıştır [63].51

Çalışmanın genel akış diyagramı aşağıda verilmiştir:Şekil 4.4 Projenin Genel Akış Diyagramı52

BÖLÜM 5ÇALIŞMA YÖNTEMİ5.1 Görüntünün Rektifiye EdilmesiSensor dizileriyle elde edilen dijital görüntüler, sensorların kapasitesi, atmosferikşartlar ve izdüşüm geometrisinden kaynaklanan hatalarla yüklüdürler. Bu hatalar,sensorların ölçtüğü elektromanyetik dalgaların enerjilerinin değerlerini ve ayrıcasensorların karşılık geldiği nesne detaylarının uzaydaki geometrik dizilişini etkilerler.Buna göre, iki ana grup altında ele alınabilecek bu etkiler sırasıyla; radyometrik vegeometrik hatalar olarak adlandırılır. Dijital görüntülerden geometrik ve semantikbilgilerin çıkarılmasından önce, uygulamalardan beklenen sonuç ürünler ve sonuçduyarlıklara göre görüntülerin bu hatalardan arındırılması gerekir. Geometrik hatalarıngiderilmesi için yapılan bu işlemlere genel olarak görüntü rektifikasyonu adı verilir [64].Dijital bir görüntü, temel olarak radyometrik özelliklerin ve konumsal bilgilerin herikisine birden sahip olan, iki boyutlu piksel dizilerinden oluşur [65]. Rektifikasyon,görüntülerin doğal olarak sahip oldukları distorsiyonlarının giderilmesiyle, hatasız (enaz hatalı) hallerinin elde edilmesi işlemidir. Dijital görüntülerin rektifikasyonu içinalgılayıcı türüne bağlı olarak farklı matematik modeller kullanılır. Optik mekanik ve satırtarayıcılar için polinomal model (afin ve daha yüksek dereceli polinomlar), çerçevealgılayıcılar içinse projektif dönüşüm (düz alanlar için) ya da sayısal yükseklik modelinindâhil edilmesi ile merkezi izdüşüm geometrisi yani eş doğrusallık koşulu (kolinearite53

eşitlikleri) kullanılarak eğiklik ve yükseklik farklarından kaynaklanan ötelemeler (reliefdisplacement) düzeltilir [66].İçerdikleri geometrik bozuklukların giderilmesi, tüm görüntülerin aynı yerel koordinatsistemine sahip olmaları ve nihayetinde elde edilen kıyı çizgisindeki zamansal değişiminbelirlenmesi amacıyla uydu verileri rektifikasyon işlemine tabi tutulmuştur. Landsat1975 ve Aster 2007 ve görüntülerinin geometrik dönüşümlerinde afin dönüşüm,yeniden örneklemelerinde kübik katlama yöntemleri kullanılmıştır. Corona 1963görüntüsünde ise yeniden örnekleme işlemi için kübik katlama yöntemi, geometrikdönüşüm işlemi için sonlu elemanlar yani rubber sheeting metodu ardından afindönüşüm uygulanmıştır. 1995 yılına ait hava fotoğrafı ise stereo çifti kullanılarakdeğerlendirilmiş ve ortofoto üretilmiştir.Geometrik dönüşüme ilişkin RMS hataları ise Çizelge 5.1’de gösterilmiştir;Çizelge 5.1 RMS hatalarıX (m) Y (m) XY (m)Corona63 5.98 7.10 11.04Landsat 1975 32.32 25.5 41.17Aster 2007 11.57 10.28 15.4654

Şekil 5.1 Kontrol noktalarının Corona 1963 görüntüsü üzerinde dağılımıÇizelge 5.2 Corona Görüntüsü-Afin Dönüşüm Kontrol NoktalarıPoint ID Res Res X Res Y Ground Y Ground Y Comp X Comp YG0016 14.779 14.091 -4.457 443527.729 4231604.913 443541.82 4231600.46G0031 14.681 -9.696 -11.024 447694 4232597 447684.3 4232585.98G0007 13.552 -4.786 -12.679 447622 4232438.5 447617.21 4232425.82G0025 13.112 3.636 12.598 443519.5 4231238 443523.14 4231250.6G0027 12.665 7.865 -9.926 447611.75 4234012 447619.62 4234002.07G0023 12.658 0.547 -12.647 444039.202 4234852.599 444039.75 4234839.95G0019 12.276 0.319 12.272 445595.35 4236997.108 445595.67 4237009.38G0015 11.85 4.391 -11.007 444283.238 4232932.069 444287.63 4232921.06G0010 11.779 11.26 -3.459 444790.5 4234927.5 444801.76 4234924.0455

G0029 10.907 -10.851 -1.099 443531 4236692 443520.15 4236690.9G0035 10.808 4.63 9.766 447637 4230079 447641.63 4230088.77G0037 10.048 4.488 8.99 445937 4236261 445941.49 4236269.99G0032 9.68 -4.681 8.474 446859 4230663 446854.32 4230671.47G0003 9.069 2.977 -8.566 445319 4235343 445321.98 4235334.43G0006 8.847 -8.687 1.677 443724 4236476 443715.31 4236477.68G0013 8.701 5.621 6.642 445410 4236338.5 445415.62 4236345.14G0020 8.253 -4.265 7.066 443668.134 4236920.22 443663.87 4236927.29G0008 8.084 -7.99 1.231 446542.75 4230792 446534.76 4230793.23G0022 7.351 -3.934 -6.21 443846.982 4235220.325 443843.05 4235214.12G0036 7.265 -6.257 3.692 446755 4231228 446748.74 4231231.69G0040 7.188 0.862 7.137 447558.5 4233767.5 447559.36 4233774.64G0021 6.97 -6.96 0.373 443307 4236550 443300.04 4236550.37G0002 6.221 6.189 0.638 446393 4236183 446399.19 4236183.64G0033 5.95 2.432 -5.43 446554 4230987 446556.43 4230981.57G0039 5.341 -5.003 1.872 446727 4231645 446722 4231646.87G0011 4.575 -2.922 3.52 444364 4235148.5 444361.08 4235152.02G0030 4.455 4.06 -1.834 445445 4235563 445449.06 4235561.17G0012 4.233 0.191 -4.229 444396.899 4236395.375 444397.09 4236391.15G0038 4.093 4.007 -0.831 446835 4234856 446839.01 4234855.17G0001 3.078 -1.524 2.674 445485 4235304 445483.48 4235306.67G0034 3.012 -1.937 2.307 446987 4230560 446985.06 4230562.31G0005 2.577 2.577 0.011 445022 4235250 445024.58 4235250.01G0009 2.544 -0.653 2.459 445103 4232547 445102.35 4232549.4656

Şekil 5.2 Landsat 1975 görüntüsü üzerindeki kontrol noktalarının dağılımıÇizelge 5.3 Landsat 1975 Görüntüsü-Afin Dönüşüm Kontrol NoktalarıPointID Res Res X Res Y Ground Y Ground Y Comp X Comp YG0027 72.748 -72.746 -0.396 447501.4 4236456.2 447428.65 4236455.8G0002 64.288 64.246 2.316 447134.6 4232771.4 447198.85 4232773.72G0011 59.525 -43.06 -41.099 445524.6 4233507.8 445481.54 4233466.7G0026 54.221 -6.434 53.838 446238.6 4235991.4 446232.17 4236045.24G0015 50.316 35.263 -35.891 447409 4234123.8 447444.26 4234087.91G0001 46.321 9.892 45.253 446275 4233283.8 446284.89 4233329.05G0021 40.4 28.548 -28.586 445575 4236515 445603.55 4236486.4157

G0010 40.386 -27.278 29.782 446765 4234938.6 446737.72 4234968.38G0004 40.267 38.564 -11.587 445670.2 4235383.8 445708.76 4235372.21G0016 37.714 -26.489 -26.846 447467.8 4232751.8 447441.31 4232724.95G0028 36.334 -30.113 20.331 444553 4231262.2 444522.89 4231282.53G0009 28.4 26.574 10.017 446535.4 4230797.4 446561.97 4230807.42G0013 25.066 -0.677 -25.057 445631 4233104.6 445630.32 4233079.54G0020 21.141 19.138 -8.982 446107 4236361 446126.14 4236352.02G0022 21.122 19.141 -8.931 444359.8 4235151.4 444378.94 4235142.47G0024 20.448 -19.919 4.62 445471.4 4232701.4 445451.48 4232706.02G0014 20.256 -4.265 19.802 446081.8 4233972.6 446077.53 4233992.4G0018 19.688 17.154 9.662 447319.4 4235851.4 447336.55 4235861.06G0017 17.244 -15.355 -7.847 446580.2 4232247.8 446564.84 4232239.95G0019 12.191 -12.185 -0.4 447876.6 4236408.6 447864.42 4236408.25.2 Rektifiye Edilmiş Görüntülerden Kıyı Çizgisinin Elde EdilmesiKıyı yönetiminde, kıyı alanlarında meydana gelen değişimin hızlı elde edilmiş, güncel vedoğru bilgi yardımıyla belirlenmesi öncelikli öneme sahiptir. Kıyı çizgisindeki herhangibir değişimin belirlenmesinde kullanılabilen uzaktan algılama verileri en önemli bilgikaynaklarından biridir. Kıyı bölgelerinde meydana gelen değişimlerin bir kısmının uydugörüntülerinden çıkarılan kıyı çizgisi yoluyla görüntülenmesi mümkündür. Görüntüişleme algoritmaları, ilgili görüntülerden gerekli bilginin hızlı ve doğru bir şekilde eldeedilmesini mümkün kılar. Bu özellikle, doğal afetler gibi acil durumlarda doğru veriihtiyacının hızla karşılanması açısından önemlidir.Düz bir çizgiye sahip kıyı bölgelerinde kıyı çizgisinin ayırt edilmesi kolaydır. Ancak kıyıalanları genellikle çok karışık şekillenmiş bir yapıya sahiptir. Bu karışık yapının58

görüntülenmesinde kullanılan “segmentasyon”, görüntü işleme disiplinleri içerisindeönemli bir araştırma konusudur.Uygulamada kıyı çizgisi çıkarımının insan gözü ve klasik metotlarla yorumlanarakyapılması, kıyı boyunca uzanan koylar ve ormanlık bölgelerin etkisi, düşük çözünürlükvb. nedenlerden dolayı çok zordur. Su ve kara arasındaki bozuk kontrast ve benzerlik,kıyı çizgisinin mevcut diğer bileşenler arasından ayırt edilmesine engel olur. Landsat 7ve Landsat 5 uydu görüntülerindeki yakın kızıl ötesi band, su sınırlarının, belirlenen grideğerden daha açık olan piksellerin beyaz, daha koyu olanların siyah olması şeklindeikili veri setine dönüştürülmesi mantığına dayanan eşikleme tekniği ile ortayaçıkarılmasını mümkün kılar. Ancak özellikle pankromatik uydu görüntülerinde eşiklemetekniği tek başına yeterli değildir.Bu çalışmada proje ekibi tarafından geliştirilen COAST-FIT algoritması [1] kullanılarakkıyı alanları segmente edilerek ardından kıyı çizgileri elde edilmiştir. Geliştirilenalgoritma hibrid tekniğe dayanır. Algoritmanın benzer algoritmalara karşı üstünlüğünüortaya koyan ve en göze çarpan özelliği deniz ile kara arasında farkı daha kolay ayırtedebilme özelliğidir [1].Algoritma çalışma yöntemi;Algoritma çalışmaya başlamak için kullanıcıdan bir piksel gri değeri alır. (Şekil 5.3) Bugri değer ayırma işleminin yapacağı bölgenin seçilmesini sağlar. Eğer denizden birpiksel gösterilmiş ise deniz kıyıdan, kıyıdan bir piksel gösterilmiş ise kıyı denizdenayrılır.59

Şekil 5.3 Algoritmanın başlangıcıAlgoritma bu piksel seçilme işleminden sonra varsayılan olarak algoritmaya öncedentanımlanmış tamamı 150 gri değerine sahip ve çalışılacak görüntü ile tamamen aynıboyutlarda bir görüntü oluşturur. Burada 150 değeri bir anlam ifade etmemektedir.Sadece rastgele seçilmiş ortalama bir değerdir. 150 gri değeri işlem yapılmamış pikselanlamına gelmektedir. Bu görüntünün oluşturulmasındaki amaç yeni piksellerin budosya üzerine yazılmasıdır.Bu aşamadan sonra, seçilen kıyı pikselinin gri değeri orijinal görüntü ile karşılaştırılır.Seçilen pikselin gri değeri komşu sekiz piksel ile aynı gri değere sahipse, yeni dosyadaaynı gri değer, değil ise mevcut değer kaydedilir. Seçilen pikselin gri değeri bu işlemdensonra varsayılan olarak belirlenen 150 gri değeri olarak değiştirilir, bu da bu gri değeriçin işlemin bittiği anlamına gelmektedir. (Şekil 5.4)Şekil 5.4 Gri değerlerin karşılaştırılması60

Sonraki aşamada algoritma değişik bir yol izlemeye başlar. Bundan sonraki aşamadaalgoritma 0,0 görüntü koordinatından başlayarak çalışır ve deniz olarak tanımlanan gridüzeyini arar. Bulduğu ilk gri değeri işlem yapılacak gri değer olarak belirler. Bu pikselinde sekiz komşu pikseli daha önceki mantık ile kontrol edilir ve işleme soktuğu ilkbulunan deniz gri değerine sahip pikseli de işlenmiş gri değer olan 100’e (rastgeleseçilen bir değer) atar. Böylece bütün pikseller işlem bitinceye kadar işlenmiş piksel grideğerini alır.Bu işlem bitinceye kadar algoritmanın yeni görüntüye pikselleri aynı gri düzeydegeçirmesi, okuyucuyu görüntüde bir değişiklik olmadığı kanısına vardırabilir. Ancakalgoritma yukarıda da belirtildiği gibi sadece deniz olarak tanımlanmış gri düzeye sahippiksellerde işlem yapmaktadır. Bu pikseller bittiği zaman daha işlenmemiş olaraktanımlanmış gri düzeyli pikseller olmasına rağmen deniz olarak tanımlanmış piksellerbittiği için algoritma durur. Sonuçta üç gri değere sahip bir görüntü meydana gelmişolur(Şekil 5.5) Buradan sonra algoritma bu üç farklı gri düzeyi işlenmiş gri düzey vediğerleri olarak iki düzeyli bir hale çevirebilir.Şekil 5.5 üç gri değerli görüntüAlgoritma, bu özelliklerle sadece kıyı çizgileri düzenli ve girinti ve çıkıntının çok azolduğu görüntülerde istenilen sonuçları doğurabilmektedir. Algoritmanın asıl farkyaratan bölümü bundan sonra başlamaktadır. Gerçekte birçok kıyı heterojen özelliğesahip olup koylar ve kara kısmındaki ormanlar özellikle tek bantlı görüntülerdeyorumlamayı güçleştirmektedir. Öyle ki kimi durumlarda çıplak gözle uydugörüntüsüne bakıldığında ormanlar bile koy gibi algılanabilmektedir. Dolayısı ile kıyıçizgisinde olmaması gereken bir kesiklilik oluşmaktadır. Bundan dolayı algoritmanın61

verimli çalışabilmesi için görüntünün bir başka deyişle kıyı çizgisinin durumuna görealgoritma yönlendirilmelidir.Bu aşamadan sonra 2x2, 3x3 ve 4x4 lük piksel grupları ile çalışılarak kıyı sınırlarısegmente edilir.2x2, 3x3 ve 4x4 lük piksellerin seçilme sebebi bu şekilde gruplanmış piksellerin kareşeklini alması yani bir piksel gibi düşünülebilmesidir. Bu işleme başlamadan da tespitedilebilir. İşlem yapıldıktan sonra da. Örneğin ancak 3x3 piksellik bir gurubunkapatacağı yer yani 3x3 piksellik bir açıklık baştan tahmin edilerek 3x3 veya 4x4piksellik grup seçilebilir, ya da 2x2 piksellik grup seçilerek yapıldıktan sonra kapanmasıgereken yerin kapanmadığı gözlenerek 3x3 piksellik grup denenebilir.Seçilmiş olan piksel gruplarının hepsinin çalışma şekilleri birbiri ile aynıdır.Örnek olarak 2x2 piksellik grup için çalışma ilkesi şöyledir:Öncekinden farklı olarak bu sefer seçilen pikselin yanındaki üç piksel de pikselgurubuna dâhil olarak dört piksellik bir çalışma başlangıcı hazırlar. Bu yine daha öncebelirtildiği gibi başlangıç piksel grubu olur. Bundan sonra öncekinden farklı olarak 8komşu piksel yerine bu dörtlü piksel grubunun yine dörtlü piksel komşulukları ile analizyapılır. Şekil 5.6 Burada nasıl bir koşul olacağı tamamen kullanıcının isteğine vegörüntüye bağlıdır. Yani yukarıda da belirtildiği gibi buradaki durum kesin çizgilerlebelirtilmemiştir. Görüntünün yapısına ve kullanıcının yapacağı kar zarar hesabına (kaybolan piksel ve kıyı olmayan fakat kıyı olması istenilen bölge ) göre yapılır.Şekil 5.6 Dörtlü piksel komşulukları ile analiz62

Temel olarak işlemler aynı şekilde devam eder. Tek fark piksellerin birer birer değil debaşta seçilen piksel grubu büyüklüğüne göre dörder dörder, dokuzar dokuzar veyaonaltışar onaltışar tarama yapmasıdır. Böylece algoritma bu piksel gruplarından dahaküçük koylara girememiş olur ve bunları da düz bir kıyı olarak işaretlemiş olur. Yalnız buişlemden sonra piksel büyüklüğüne göre kıyıda çözünürlük azalması olur. Algoritmaçözünürlükteki azalmayı olması gereken hale getirmek için bir önceki piksel grubuseviyesi ile karşılaştırma yapar ve önceki piksel seviyesini temel alır. Böyleceçözünürlük tekrar yükselmiş olur (Şekil 5.7).Şekil 5.7 Sonuç segmentasyonSonuçlar: Şekil 5.7’ de kullanılan algoritma ile orijinal görüntülerin segmentasyonusonucu elde edilen görüntüler, Şekil 5.8’ de ise bu görüntülerden vektörizasyon yoluylaelde edilmiş kıyı çizgileri gösterilmiştir.63

Corona 1963 segmentasyonLandsat75 segmentasyon1995 Hava Fotoğrafı segmentasyon Aster 2007 segmentasyonŞekil 5.8 COAST-FIT yazılımı ile görüntülerin segmentasyon sonuçları64

Şekil 5.9 Segmente edilmiş görüntülerden elde edilen farklı yıllara ait kıyı çizgileriŞekil 5.10 1963-1975 yılları arasında liman bölgesi kıyı değişimi65

Alaçatı kıyı bölgesinde 1963-2007 yılları arasında kıyı çizgisinde önemli bir doğaldeğişime rastlanmamıştır. Fakat yukarıdaki şekilde işaretlenen bölgede insan eliyleyapılan önemli değişiklikler sonucu kıyı çizgisi değişmiştir.Yazılımda elle yapılan ölçümlere göre; 1963-75 yılları arasında mendireklerin yapılmayabaşlandığı ve 1995 yılında bu mendireklerin tamamlandığı görülmektedir.1963-1975yılları arasında 4,5 hektar, 1963-1995 yılları arasında 7,7 hektar, 1963-2007 yıllarıarasında yapılan ölçümlere göre kıyı ortalama 8 hektar doldurulmuştur.1963-1987 1963-1995 1963-20071963, 1975, 1995, 2007Şekil 5.11 1973-1975-2007-2009 yılları arasında liman bölgesi kıyı değişimi66

Sediment bölgesinde 1963 Corona (rektifikasyon sonuçlarına göre ölçü doğruluğu +/-11.04m.) Aster 2007 (rektifikasyon sonuçlarına göre ölçü doğruluğu +/- 15,46m.) veLandsat 1975 uydu görüntüsünden (rektifikasyon sonuçlarına göre ölçü doğruluğu +/-41,17 m.) yapılan ölçüler 334, 333, 338 m. ölçülmüştür. Bu da söz konusu sedimentalanında herhangi bir değişiklik olmadığını göstermektedir. Bu durum da [62] ’in tezinidoğrulamaktadır. Bir başka deyişle buradaki sedimentasyonun masif tüfit kitlesindenoluştuğu görülmektedir.Şekil 5.12 Alaçatı Koyunda sediment bölgesindeki ölçüler: 1963, 1975, 20075.3 Görüntünün SınıflandırılmasıSınıflandırmanın yapılmasında ki temel amaç; yerleşim ve yeşil alan değişiminigözleyerek kıyıdaki değişimler ile arazi örtüsündeki değişimlerden faydalanarakmeydana gelen farklılıkların belirlenmesidir.Uydu görüntülerinin içerdiği ham haldeki ve karmaşık verileri bilgiye dönüştürmek,arazi hakkında bilgi elde edebilmek ve tematik harita oluşturabilmek için kullanılançeşitli analiz ve yorumlama yöntemlerinin en yaygını olan sınıflandırma, bir veri grubuiçinde belirli bir sınıf oluşturan objelerin benzerliğinden yola çıkarak ve özelliklerinegöre seçilerek gruplandırılması olarak tanımlanabilir. Başka bir deyişle, görüntüsınıflandırma, bir görüntü veri setinden anlamlı sayısal konu haritaları, tematik67

haritaları üretme işlemidir. Çok bantlı görüntülerde piksellerin spektral değerleri temelalınarak sınıflandırma işlemi gerçekleştirilir [1].Sunulan çalışmada obje temelli bulanık mantıkla sınıflandırma yöntemi uygulanmıştır.5.3.1 Obje Temelli Bulanık Mantıkla SınıflandırmaNesne-tabanlı yaklaşım, yapıyı, dokuları ve spektral bilgileri dikkate alır. Busınıflandırma aşaması, komşu piksellerin gruplandırılmasının, sınıflandırmanın sonrakibasamağında ele alınabilir anlamlı bölgelere dönüştürmesi ile başlar. Bu türsegmentasyon ve topoloji oluşumu, çözünürlüğe ve çıkarılması düşünülen nesnelerinölçeğine göre ayarlanmalıdır. Bu yöntemle, sadece tekil pikseller sınıflandırılmaklakalmaz, ayrıca bir önceki segmentasyon basamağı sırasında homojen görüntü nesneleride ortaya çıkar. Bu segmentasyon değişik çözünürlüklerde yapılabilirken, nesnekategorilerinin katmanlarını ayırt etmeye de izin verir [5].Bulanık sınıflandırma, karışık piksel problemini bulanık set fikrini çalıştırarak çözmeyeçalışır. Burada verilen varlık (piksel ya da görüntü nesnesi) birden fazla kategoride kısmiüyeliğe sahip olabilir [28].Yukarıda da belirtildiği gibi Landsat 75 ve Aster 2007 uydu görüntüleri obje temellibulanık mantık yöntemi ile sınıflandırılmıştır. Öncelikle görüntüler segmente edilerekhomojen segmenteler oluşturulmuştur.Landsat 1975 segmentasyon sonuçlarıAster 2007 segmentasyon sonuçlarıŞekil 5.13 2007 Aster ve 1975 Landsat görüntülerinin segmentasyon sonuçları68

Obje tabanlı sınıflandırmanın klasik sınıflandırma yöntemlerine göre en büyük avantajıoluşturulan segmentlerin objelere ilişkin morfolojiyi ortaya çıkartabiliyor olmasıdır. Birbaşka deyişle ölçek faktörü ve diğer segmentasyon kriterleri etkileşimli olarakhedeflenen her bir sınıfa ait homojen piksel gruplarının obje morfolojisini doğru ortayakoyacak şekilde seçilmesi gerekir.Şekil 5.14 Landsat 1975 için segmentasyon parametreleri69

Şekil 5.15 Aster 2007 için segmentasyon parametreleriScale faktörünün Landsat 75 için 2, Aster 2007 için 6 seçilmesinin nedeni görüntününsemantik yapısına bağlıdır. Bir başka deyişle oluşacak segmentlerin sınıf geçişlerini idealolarak tanımlayabilmesi için bu değer kullanılmıştır. Böylelikle görüntü alt piksellerebölünerek sınıflandırmanın başarısının artırılması hedeflenmiştir. Yine Color faktörünüve Compatness faktörü için seçilen değerlerin gerekçesi aynıdır. Segmentasyon işlemitamamlandıktan sonra referans görüntüye bakılarak benzer alanlar üzerindeki pikseldeğerlerinin hangi aralıkta değiştiği belirlenir. eCognition yazılımında özelliklerbölümünde bulunun farklı fonksiyonlardan biri seçildikten sonra nesne özeliklerindende birisi seçilerek, tespit edilen eşik değerleri girilir ve uygun olabilecek farklı fuzzyfonksiyonları denenir. Referans görüntüde bulunan aynı özellikteki sınıflar en doğruşekilde meydana çıkana kadar bu yöntem farklı eşik değerleri, farklı fonksiyonlar vefuzzy değerleri ile kombine edilerek en doğru sınıflandırılma yakalanmaya çalışılır. Busüreç oldukça uzun ve dikkat isteyen bir süreçtir. Çünkü bazı sınıfların eşik değerler70

aralıkları birbirleriyle benzerlik gösterebilmektedir. Bu nedenle üyelik fonksiyonundoğru seçilmesi sınıflandırma açısından oldukça önemlidir.Obje temelli bulanık mantıkla sınıflandırmanın klasik sınıflandırmaya göre en belirginavantajının bir sınıfa ait pikselin-ki obje temelli sınıflandırmada segmentin-birden farklısınıflara farklı üyelik derecesi ile ait olabilmesidir. Bu durum klasik sınıflandırıcılardakiradikal (0 ya da 1) kararı yerine daha esnek sonuçların üretilmesine olanaksağlamaktadır.Ancak burada bulanık mantıkta kullanılacak üyelik fonksiyonun doğru seçilmesisınıflandırmanın temelini oluşturmaktadır. Çizelge 5.4 ve 5.5’ da sunulan çalışmadakullanılan üyelik fonksiyonları ve bu fonksiyonlar için öngörülen tanımlamalarverilmiştir.Çizelge 5.4 Landsat 1975 görüntüsü için kullanılan üyelik fonksiyonlarıSınıf Adı Kullanılan Fonsiyon Eşik DeğeriFuzzy ÜyelikFonksiyonuKara Mean Layer 2 25-55Tarla Mean Layer 2 50-85Yeşil alan Mean Layer 1 28-32Su Ratio Layer 1 0.23-0.4Sediment(Su1) Mean Layer 2 15-2571

Çizelge 5.5 ASTER 2007 görüntüsü için kullanılan üyelik fonksiyonlarıSınıf Adı Kullanılan Fonsiyon Eşik DeğeriFuzzy ÜyelikFonksiyonuSu Ratio Layer 3 0.14-0.18Su1 Ratio Layer 3 0.18-0.21Su2 Ratio Layer 3 0.1-0.14Yerleşimmerkezi Mean layer 1 198-255Yol1 Compactness 4.5-7Yol2 Density 0.6-0.82Yol3([Mean Layer 2]+[Mean Layer1])/[Density] 230-280Yol4 Density 0.54-1Tarla Mean layer 3 100-120Yeşil Alan([Mean Layer 1]-[Mean Layer 2])/([MeanLayer 1]+[Mean Layer 2]) 0.18-0.3Kullanılan yazılımın daha doğrusu yazılımın öngördüğü temel felsefenin en önemliözelliği sınıflandırma sürecinde obje morfolojisinin belirlenmesine yönelik ek araçlarınkullanımına olanak sağlamasıdır. Örneğin Aster görüntüsünde yeşil alan için ([MeanLayer 1]-*Mean Layer 2+)/(*Mean Layer 1++*Mean Layer 2+) formülü geliştirilerekkullanılmıştır. Ya da benzer şekilde yol sınıfı için (*Mean Layer 2++*Mean Layer72

1+)/*Density+ formülü geliştirilmiştir. Ancak sadece sunulan çalışma göz önündebulundurulduğunda deneysel olarak üretilen matematiksel fonksiyonlar farklızamanlara, farklı algılayıcılara ait görüntülerde denenmediği için elde edilen sonuçlarsunulan çalışmada kullanılan görüntüler için geçerlidir.Şekil 5.16 Landsat 1975 Sınıflandırma sonuçlarıLandsat 1975 uydu görüntüsün için belirlenen sınıflar görüntünün çözünürlüğününçözünürlük düşük olması ve bu dönemde bölgenin doğal yapısını koruyor olmasındandolayı Aster 2007 uydu görüntüsü için belirlenen sınıflardan farklı seçilmiştir.Sınıflandırma sonuçlardan da anlaşıldığı üzere 1975 yılı ile 2007 yılı arasında bölgedeinsan kaynaklı birçok değişimin gerçekleştiği görülmektedir.73

Şekil 5.17 Aster 2007 Sınıflandırma sonuçlarıAster 2007 uydu görüntüsünün sınıflandırma sonuçları incelendiğinde çözünürlüğünyüksek olması sebebiyle daha fazla ayrıntı dolayısı ile de daha fazla sınıfa ulaşıldığıgözlemlenmektedir.5.3.2 Sınıflandırmanın DoğruluğuDoğruluk analizi, referans pikseller aracılığıyla doğruluğu kesin veri üzerindekisınıflandırma alanlarının sonuç görüntüdeki karşılıklarına göre hata matrislerioluşturularak yapılmıştır. Bu matrisler olasılık tablosu olarak tanımlanır.74

Şekil 5.18 1975 Lansat görüntüsünün sınıflandırma doğruluğu sonucuLandsat görüntüsünün sınıflandırma doğruluğu sonucu Şekil 5.19’dan da görüleceğiüzere %89 olarak gerçekleşmiştir.Şekil 5.19 2007 Aster görüntüsünün sınıflandırma doğruluğu75

2007 Aster görüntüsünün sınıflandırma doğruluğu ise %93 olarak gerçekleşmiştir,Sınıflandırma sonuçları dikkate alınarak yıllara göre arazi kullanım yüzdeleri ve değişimiÇizelge 5.6’de verilmiştir.Çizelge 5.6 Yıllara göre Arazi Kullanım Alanları (HA)landsat75aster2007yerleşim alanı 0 215boş alan 1614 1297yeşil alan 127 52Su 735 681Toplam Alan 2476 22450; 0%127; 5%735; 30%1614; 65%yerleşim alanıboş alanyeşil alanSuŞekil 5.20 Landsat 1975 görüntüsü arazi kullanım yüzdeleri76

52; 2%681; 30%215;10%1297; 58%yerleşim alanıboş alanyeşil alansuŞekil 5.21 Aster 2007 görüntüsü arazi kullanım yüzdeleriElde edilen grafiklerden de görüldüğü gibi en büyük değişimler yerleşim alanında veboş alanda meydana gelmiştir. Bunun en büyük sebebi ise geçen zaman zarfında bubölgenin insanlar tarafından keşfedilip hızlı bir şekilde turizme açılmasıdır. Diğer birfarklılık ise yeşil alandadır. 1975 yılına ait uydu görüntüsünde bölge daha bozkırlıkolarak görülmesine karşılık 2007 yılına ait görüntüde yeşil alan çok daha fazla gözeçarpmaktadır.2245; 48%2476; 52%landsat75aster2007Şekil 5.22 Yıllara göre Arazi Kullanım Alanları (HA)Son grafik sonucuna göre ise arazi kullanımının zaman içerisinde arttığı tespitedilmiştir.77

BÖLÜM 6SONUÇ VE ÖNERİLERUzaktan algılama teknolojileri sayesinde kıyı alanlarında meydana gelen değişimizlenebilmektedir. Kıyıda meydana gelen değişimin gözlenmesi sonucunda kıyıalanlarının denetimi ve korunması kolaylıkla sağlanabilmektedir. Kıyı alanlarındameydana gelen jeolojik ve çevresel değişimler sayesinde gelecekle ilgili planlaryapılabilmekte aynı zamanda olası problemler içinde tedbirler alınabilmektedir.Kıyı mühendislerinin sıkça karşılaştığı en büyük problemlerden biri olan kıyı çizgisideğişimi ve katı madde taşınımına bağlı yığılma veya insan faktörünün etken olduğuyapay dolgu bu bölgede de karşımıza çıkmaktadır. Katı madde birikimi limanfonksiyonlarını olumsuz etkilediği gibi kıyı çizgisinin değişimine de sebep olmaktadır. Bunedenle biriken madde miktarının ve bu problemin nedenlerinin araştırılması için uzundönem kıyı çizgisi değişimi incelenmiştir. Öncelikle 1:35 000 ölçekli, 1995 yılına aitstereo hava fotoğraflarından Alaçatı Koyu’na ait sayısal arazi modeli oluşturulmuş,stereo çiftlerden biri ortofoto haritaya dönüştürülen1995 yılına ait ortofoto harita tümuydu görüntülerinin geometrik düzeltmesinde referans olarak kullanılmıştır.Tez çalışmasında 1963 yılına ait Corona, 1975 yılına ait Landsat ve 2007 yılına ait Astergörüntüsü kullanılmıştır. Uydu görüntülerinin geometrik düzeltme işleminin ardındanCOAST-FIT yazılımı [1].ile uygu görüntüleri segmente edilerek kıyı çizgileri eldeedilmiştir.78

Çalışmada orta ve yüksek çözünürlüklü uydu verilerinin kullanılmasındaki amaçdeğişimlerin genel ve detaylı sonuçları hakkında bilgi sahibi olabilmekti. Çözünürlülükyüksek ise detaylı sonuçların elde edilmesinin kaçınılmaz olduğu düşünülebilir. Fakatburadaki avantaj obje tabanlı bulanık mantıkla sınıflandırma yönteminin kullanılmışolmasıdır. Çünkü çözünürlük arttıkça yüksek çözünürlüklü uydu verilerinde pikseltabanlı sınıflandırıcılar oldukça kaba hatalara, karışık piksel hatalarına nedenolmaktadır.Koydaki gelişmelerin sağlıklı izlenebilmesi için koya ait kıyı çizgisi ve arazi kullanımıdeğişiminin yıllık periyotlarda yüksek çözünürlüklü uydu görüntüleri kullanılarakbelirlenmesi gerekmektedir. Sunulan çalışma sonucunda obje tabanlı bulanık mantıklasınıflandırma yöntemiyle özellikle yüksek çözünürlüklü uydu görüntülerindenyararlanılması önerilmektedir.Kıyı çizgilerinin elde edilmesinin ardından uydu verileri piksel tabanlı (1975, Landsat) veobje tabanlı (2007, Aster ) sınıflandırma yöntemiyle sınıflandırılarak; boş alan, yerleşimalanı, yeşil alan ve su olmak üzere dört sınıf elde edilmiştir. Bunun nedeni yerleşim veyeşil alan değişimini gözleyerek kıyıdaki değişimler ile arazi örtüsündeki değişimlerarasındaki ilintinin ortaya çıkarılmasıdır.Yapılan çalışmada 1975 – 2007 yılları arasındaki farklılıklar tespit edilmiştir. Bufarklılıklar arasında en dikkat çekici olanlardan biriside Alaçatı yerleşim merkezlerialanında olmuştur. Alaçatı turizminin hızlı bir şekilde gelişmesiyle birlikte, özellikle kıyıkesiminde nüfus yoğunlu ve yerleşim son yıllarda hızla artmıştır. Bu durum kıyıbölgelerde yerleşim alanları kazanmak için, denizin doldurulmasına sebep olmuştur.Doldurulan alanların genel olarak yoğunlaşan taleplerin bir kısmını karşılamak amaçlıkonut ve turizm projeleri kapsamında kullanıldığı tespit edilmiştir.Bir diğer önemli farklılık ise yeşil alanda meydana gelmiştir. Yeşil alan aradan geçenzaman içerisinde belli bir oranda artma meydana gelmiştir.Diğer farklılıklar ise yerleşim merkezi ve yeşil alanda meydana gelen değişimler kadarbüyük olmamıştır.Sonuç olarak yapılan tez çalışmasında obje temelli bulanık mantıkla sınıflandırmayöntemi Alaçatı örneğinde uygulanarak konuya ilişkin bilgi altyapısı oluşturulmuş. Kıyı79

Mühendisliği alanında uzaktan algılama teknolojisin sağladığı yararlar görülmüştür.Şöyle ki çalışma alanına ilişkin hızlı bir şekilde tematik haritaların üretilmesi, kıyı çizgisive arazi kullanım değişimlerinin belirlenmesi ile kıyı modelleme çalışmalarına altlıkverilerin oluşturulabildiği görülmüştür. Kıyı modelleme çalışmalarında doğal etkilerin(rüzgar, dalga, malzeme, vb) yanında arazi örtüsü ve kullanımı değişimlerine entegreedilerek sağlıklı modellerin üretilebileceği sonucuna varılmıştır.80

KAYNAKLAR[1] Bayram, B., Acar, U., Seker, D., and Ari, A., (2008). “A Novel Algorithm forCoast Line Fitting Through A Case Study Over Bosphorus”, Journal of CoastalResearch, 24(4): 983–991.[2] Rihouey, D., Dugor, J., Dailloux, D., Morichon, D., (2009). Application ofremote sensing video systems to coastal defence monitoring, Journal of CoastalResearch, SI 56, 1582-1586, ICS2009 Prooceedings, ISSN: 0749-0258.[3] Lin T. H., Liu G. R., Chen A. J., And Kuo T. H., (2001). Applying Satellite Data ForShoreline Determination In Tideland Areas, Randy John N. Vinluan And Paolo C.Campo, Satellite-Based And Community-Based Coastal Resource Maps:Complementary Or Contradictory? Paper Presented At The 22nd AsianConference On Remote Sensing, 5 - 9 November, Singapore.[4] Maktav, D., (1993). “Uzaktan Algılamada Mikro Bilgisayar Bazlı Yazılım veDonanım İlişkilerinin Ekonomiklik Açısından İrdelenmesi ve Öneriler”, İTÜDergisi, 51:25-30 Sayı 3.[5] Marangoz, S. Karakış, M. Oruç, G. Büyüksalih, (2005). Nesne Tabanlı GörüntüAnalizi ve İkonos Pansharpedned Görüntüsünü Kullanarak Yol ve BinalarınÇıkarımı TMMOB Harita ve Kadastro Mühendisleri Odası 10. Türkiye HaritaBilimsel ve Teknik Kurultayı 28 Mart - 1 Nisan, Ankara.[6] Tatar, Y., (2009). “Uzaktan Algılama Tarihçesine Genel Bir Bakış”, 62. TürkiyeJeoloji Kurultayı, 13−17 Nisan 2009, MTA Ankara.[7] Efe, F. (1995) Kıyı Mevzuatının Gelişimi ve Planlama, Bayındırlık ve iskânBakanlığı, Teknik Araştırma ve Uygulama Genel Müdürlüğü, Yayın No:77,Ankara.[8] Tağıl, Ş., Cürebal, İ., (2005). ‘’Altınova sahilinde kıyı çizgisi değişiminibelirlemede uzaktan algılama ve coğrafi bilgi sistemleri’’ Fırat ÜniversitesiSosyal Bilimler Dergisi, (15) 2: 51-68, ELAZIĞ.[9] Nayak, S. Role of remote Sensing to integrated.[10] ibeaut, J.C., Hepner, T., Waldinger, R., Andrews, J., Gutierrez, R., Tremblay, T.A., Smyth, R.,ve Xu, L., (2001). Changes in Gulf Shoreline Position, Mustang,81

and North Padre Islands, Texas. A Report of the Texas Coastal CoordinationCouncil Pursuant to National Oceanic and Atmospheric Administration AwardNo. NA97OZ0179, GLO Contract Number 00- 002R, The University of Texas atAustin Austin, Texas.[11] Shih, F., Cheng, S., (2005). Automatic Seeded Region Growing For Color ImageSegmentation, Image And Vision Computing, Image and Vision Computing, 23877–886.[12] Blaschke, T. Conradi, M. and Lang, S. , (2001). Multi-scale image analysis forecological monitoring of heterogeneous, small structured landscapes,Proceedings of SPIE, Toulouse, 35-44.[13] Manakos, I., Schneider, T., & Ammer, U., (2000). A comparison betwen theISODATA and the eCognition classification on basis of field data. Proceedings ofXIX ISPRS Congress, 16-22 July, Amsterdam.[14] T. Whiteside, Ahmad ve W., (2005). A Comparison Of Object-Oriented AndPixel-Based Classification Methods For Mapping Land Cover In NorthernAustralia, Proceedings of SSC2005 Spatial intelligence, innovation and praxis:The national biennial Conference of the Spatial Sciences Institute, September.Melbourne: Spatial Sciences Institute.[15] Ranasinghe, A., (2008). Multi Scale Segmentation Techniques In ObjectOriented Image Analysis, Asian Conference on Remote Sensing ACRS 2008 ,(www.aarsacrs.org/acrs/proceeding/ACRS2008/Papers/TS%2016.7.pdf)[16] Ecognition User Guide, (2002).[17] Dolunay, G.,Bayram B. ve Maktav D., (2009). "Land Cover and coast line changedetection by using object oriented image processing in Alaçatı, Turkey"(Poster), 29 th EARSEL Symposium Imaging Europe, Symposium Programme &Abstract Book, 18, Maich Conference Center, Crete-Greece, 15-18 June.(Baskıda)[18] Vinodkumar, K., Bhattacharya, A. ve Subramanian, C., (1998). CoastalMorphological Influences for Trophical Cyclone Track Deviation Along AndhraCoast: GIS and remote sensing based approach Current Science 75 (9), 955-958, Washington, DC.[19] American Society of Photogrammetry,. (1960). Manual of Aerial PhotoInterpretation.[20] Özdemir, İ., (2004). Orman envanterinde uydu verilerinden yararlanmaolanakları. Süleyman Demirel Üniversitesi Orman Fakültesi Dergisi, Seri: A, Sayı:1, Yıl: 2004, ISSN: 1302-7085, 84-96.[21] Seker, D., Yuasa, A., Sakiz, A. ve Kabdasli,, M., (2003). ’’Gis Based SystemAnalysis For Urban Water Characteristics’’a River Basin Research Center, GifuUniversity 1-1, Yanagido, Gifu-city 501—1193, Japan, b ITU, Istanbul TechnicalUniversity Civil Engineering Faculty, Turkey. c IMECE A.S. Turkey, 239-240.[22] Burrough, A. P., and McDonnell, A. R., (1998). Principles of GeographicalInformation Systems Oxford Univesity Press.82

[23] Department of Environment (DoE),. (1987). Handling Geographic Information.HMSO, London.[24] Parker, H.D., (1988). The unique qualitties of a geographic information system:a commentary. Photogrammetric Engineering and Remote Sensing, 54: 1547-9.[25] Smith, T.R., Menon, S., Starr, J.L, and Estes, J.E, (1987). Requirements and theprinciples fort he implementation and construction of large-scale geographicalinformation systems. International Journal of Geographical InformationSystems, 1: 13-31.[26] Sezgin, E., Aksoy, E., (2006). ‘’Uzaktan Algılama ve CBS Teknikleri kullanılarakUludağ Üniversitesi Yerleşkesinde Arazi Örtüsü ve Zamansal DeğişimlerinBelirlenmesi’’ Toprak Anabilim Dalı, Bursa, 19.[27] Alpaslan, E. ve Divan, N.J., (2002). Uzaktan Algılama ve Coğrafi Bilgi SistemleriTeknolojilerinin Birleşimi, Coğrafi Bilgi Sistemleri Bilişim Günleri fatihÜniversitesi, 13-14 Kasım, İstanbul.[28] Schowengerdt, R. A., (1997). Models and Methods for Image Processing,Academic Press 2 edition, USA., 522.[29] Krieger F. J., (1958). Announcement of the First Satellite, Behind the SputniksWashington, DC: Public Affairs Press, 311-312.[30] Curran P. J., (1989). Principles of Remote Sensing, Longman Scientific &Technical Series, John Wiley&Sons Inc. (ISBN:0582300975), New York, USA.[31] İpbüker, C., (2010). Jeodezi Ders Notları[32] Özbalmumcu, M., (1999). “Coğrafi Bilgi Sistemi Oluşturulmasında KullanılanVeri Kaynakları Veri Toplama Sistemleri ve Konumsal Veri ToplamaYöntemlerinin Araştırılması”, Doktora Tezi, Yıldız Teknik Üniversitesi FenBilimleri Enstitüsü, İstanbul.[33] Türk, T., , (2004). Uzaktan Algılama (UA) ve Coğrafi Bilgi Sistemleri (CBS)Kullanılarak Tarım ve Doğal Alanlar Üzerine Kent Baskısının Belirlenmesi-Söke,Kuşadası ve Davutlar Örneği, Doktora Tezi, Ege Üniversitesi Fen BilimleriEnstitüsü, İzmir.[34] Önder, M., (1999). Uzaktan Algılama Ders Notları, Kara Harp Okulu, Ankara.[35] Üstündağ, Ö., Günek, H., Tonbul ve S., Şengün, T., (2004). Fırat ÜniversitesiSivrice Meslek Yüksek Okulu, Elazığ. "Uzaktan algılama destekli coğrafi bilgisistemleri kullanarak Fırat Üniversitesi Kampus Bilgi Sisteminin oluşturulması"2-10.[36] Sesören, A., (1999). Uzaktan Algılamada Temel Kavramlar, Mart MatbaacılıkSanatları Ltd. Şti. 126.[37] Sabins, F. F., (1997). Remote Sensing Principles and Interpretation, ThirdEdition, W. H. Freeman and Company, New York, 494.83

[38] Simonett, D.S. and F.T. Ulaby, (1983). Manual of Remote Sensing. Vol II:Interpretation and Applications. American Society of Photogrammetry,Sheridan Press, Virginia.[39] Baysal, D., (2006). ‘’Eskişehir kentsel yerleşim alanının farklı yıllara ait fizikseldeğişiminin uzaktan algılama yöntemi ile değerlendirilmesi’’ Uzaktan Algılamave Coğrafi Bilgi Sistemleri Anabilim Dalı, 5-90.[40] Uzuham, (2005). http://www.cscrs.itu.edu.tr/index.tr.php (İTÜ UyduHaberleşmesi ve Uzaktan Algılama Merkezi Web Sayfası, Haziran 2005),İstanbul.[41] Erdoğan, M. ve Akdeniz, H., (1999).’’Uzaktan Algılama Amaçlı UyduSistemlerindeki Son Gelişmeler’’ Hrt. Gn. K.lığı, Harita Dergisi Sayı: 132.[42] Aksoy, E., (2002). Uzaktan Algılama ve Coğrafik Bilgi Sistemlerine Giriş, DersNotları. Uludağ Üniversitesi Ziraat Fakültesi, Bursa, 47.[43] Bayburt D., (2009). ‘’Uydu Görüntülerinin Piksel ve Nesne tabanlı SınıflandırmaSonuçlarının Karşılaştırılması’’ İstanbul Teknik Üniversitesi Fen BilimleriEnstitüsü, 15-16, İstanbul.[44] Çelik, H., (2006) ‘’İstanbul Sarıyer İlçesine ait Uzaktan Algılama Uydu Verileri ileMekânsal Veri Analizi’’ Çanakkale Onsekiz Mart Üniversitesi Fen BilimleriEnstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı.[45] Dağcı, M., Köklü, H.A., (2008). ‘’Uzaktan Algılama ve CBS’de Alternatif uydugörüntüleri ve Alternatif Yazılımlar’’ TMMOB Harita ve Kadastro MühendisleriOdası Ankara Şubesi I. CBS Günleri Sempozyumu 4-17, Ankara.[46] Inta Spaceturk, (2006). IKONOS Ürünleri Teknik Özellikleri Brosürü, IntaSpaceturk, Ankara.[47] Lillesand, T.M., and Kiefer, R.W., (1987). Remote Sensing and ImageInterpretation. John Wiley & Sons. New York, 599.[48] Doğan, İ., (2008). ‘’Uzaktan Algılama Verileri ile Kıyı Çizgisi DeğişimininZamansal Olarak Belirlenmesi; Alaçatı Örneği’’ Yıldız Teknik Üniversitesi FBEİnşaat Mühendisliği Anabilim Dalı Kıyı ve Liman Mühendisliği, İstanbul.[49] Özbalmumcu, M. ve Erdoğan, M., (1998). ‘’Uzaktan Algılama Amaçlı UyduGörüntüleme Sistemleri’’ İstanbul.[50] Karakış, S., Marangoz, A. M. ve Büyüksalih, G., (2005). “QuickBird Pan-Sharpened Görüntüsü Üzerinden Otomatik Detay Çıkarımı ve Coğrafi BilgiSistemlerine Uygunluğunun Çıkarımı ve Coğrafi Bilgi Sistemlerine UygunluğununAnalizi”, 10.Türkiye Harita Bilimsel ve Teknik Kurultayı, Ankara.[51] Uysal, K., (2004). ’Uzaktan Algılamada Landsat MMS ve Spot Uydu VerielrininKullanımı İle Ayrıntılı Jeolojik Harita Alımı ve Yorumu: Dereboğazı ve ÇevresiÖrneği’’ JEOLOJİ MÜHENDİSLİĞİ ANABİLİMDALI ISPARTA, 20-23.[52] Lillesand, T. M., Kiefer ve R. W., (1999). Remote Sensing and ImageInterpretation (Fourth edition), John Wiley & Sons, Inc., USA.84

[53] ERSDAC, (2003). ASTER Reference Guide (Version 1.0), Japan.[54] Abrams, M., (2000). The Advance Spaceborne Thermal Emission andReflections Radiometer (ASTER): data products for the high spatial resolutionimager on NASA’s Terra platform. International Journal of Remote Sensing, 21:847-859.[55] Abrams, M., Hook S., (2002) ASTER User Handbook (Version 2), California[56] Yastıklı, N., (2009). Ortofoto Ders Notları, Yıldız Teknik Üniversitesi İnşaatFakültesi, Harita Mühendisliği Bölümü Fotogrametri Anabilim Dalı. İstanbul.[57] Erdoğan, V., (1978). Kent Planlamasında Ortofoto Tekniği, TKGM. 45-59.[58] Ecognition user guide, (2004).[59] Marangoz, A.M., (2009). ‘’Uydu Görüntülerinden Kentsel Ayrıntıların NesneTabanlı Sınıflandırma Yöntemi ile Belirlenmesi ve CBS OrtamındaBütünleştirlmesi’’ Yıldız Teknik Üniversitesi FBE Jeodezi ve FotogrametriMühendisliği Anabilim Dalı Uzaktan Algılama ve CBS Programında HazırlananDoktora Tezi, İstanbul, 53-65.[60] Baatz, M., Benz, U., Dehghani, S., Heynen, M., Höltje, A., Hofmann, P.,Lingenfelder, I.,Mimler, M. Scholbach., Weber, M., ve Willhauck, G., (2004).eCognition Professional: User Guide 5, Definiens-Imaging, Munich.[61] Karakış, S., Topan, H., Büyüksalih, G., Marangoz, A. M. ve Jacobsen, K., (2005).“Semantic Analysis of Space Imagery for Mapping Purposes”, 2nd RASTCongress, İstanbul.[62] Semenderoğlu, A., (1995). ‘’Çevre ve Rekreasyon Planlamsında Alaçatı – ÇeşmeÖrneği’’ D.E.Ü. Buca Eğitim Fakültesi Coğrafya Eğitimi Bölümü, 9-17.[63] Çevre Ekoloji Dergisi, Sayı: 17,Ekim- Kasım- Aralık 1995.[64] Temiz, M. S. ve Doğan, S., (2005). “Dijital Görüntülerin Rektifikasyonu: SensorModelleri, Geometrik Görüntü Dönüşümleri ve Yeniden Örnekleme”, TMMOBHarita ve Kadastro Mühendisleri Odası 10. Türkiye Harita Bilimsel TeknikKurultayı, Ankara.[65] Fogel, D. N., (1997). Image Rectification with Radial Basis Functions:Application to RS/GIS Data Integration.[66] Novak, K., (1992). Rectification of Digital Imagery, Review Article,Photogrammetric Engineering & Remote Sensing, 58(3): 339-344.85

ÖZGEÇMİŞKİŞİSEL BİLGİLERAdı SoyadıDoğum Tarihi ve YeriYabancı DiliE-posta: Nilay ÖZDEMİR: 1982 İstanbul: İngilizce: nilay_ytu@hotmail.comÖĞRENİM DURUMUDerece Alan Okul/Üniversite Mezuniyet YılıLisans İnşaat Mühendisliği Yıldız Teknik Üniversitesi 2006Lise Süper Lise Süleyman Nazif Lisesi 2000İŞ TECRÜBESİYıl Firma/Kurum Görevi2010 DHMİ İnşaat Mühendisi2008 İMTA Mühendislik İnşaat Mühendisi86