Rastgele Orman Yöntemi Kullanılarak Kıyı Çizgisi Çıkarımı İstanbul Örneği

Yıl 2018, , 100 - 107, 01.08.2018

Fırat Erdem Mustafa Andaç Derinpınar Rouhollah Nasırzadehdızajı Selen Oy Dursun Zafer Şeker Bülent Bayram

https://doi.org/10.29128/geomatik.362179

Cited By: 13

Öz

Çevrenin korunması ve sürdürülebilir kıyı geliştirme hedeflerine ulaşmak
için kıyı alanlarının izlenmesi gerekmektedir. Doğal çevre yönetimi, afet
yönetimi, kıyı erozyonu incelemeleri, katı madde taşınımı ve kıyı morfodinamiklerinin
modellemesi gibi farklı alanlarda kıyı çizgisi yaygın olarak kullanıldığından,
kıyı çizgilerinin özellikle uydu görüntülerinden çıkarılması için çeşitli teknikler
geliştirilmiştir. Rastgele Orman algoritması geliştirilen bu tekniklerden bir
tanesidir. Rastgele Orman Algoritması, karar ağaçlarına dayanan bir makine
öğrenme metodudur. Karar ağaçları, eğitim verilerinin sınıflarını analiz eder
ve test verilerinin hangi sınıfa ait olduğunu eğitim verilerinden çıkarttığı
kurallara göre belirler. Sunulan çalışmada Terkos bölgesi, “Sürdürülebilir Kıyı
Alanı İzleme Modeli İçin İnsansız Hava Araçları-LIDAR Teknolojilerinin
Entegrasyonu- Üç Boyutlu Otomatik Kıyı Çizgisi Çıkartılması ve Analizi: İstanbul-Terkos
Örneği” başlıklı TÜBİTAK Projesi (Proje No: 115Y718) kapsamında önerilen
yöntemin kullanılması amacıyla çalışma alanı olarak seçilmiştir. Bu çalışmada,
Terkos Gölü ve gölün hemen yakınında yer aldığı bölgedeki Karadeniz sahilindeki
kıyı çizgileri, 22 Temmuz 2016 tarihinde alınan Landsat-8 uydu görüntüsüne
Rastgele Orman sınıflandırma yöntemi kullanılarak çıkarılmıştır. Uygulamada
öncelikle uydu görüntüsüne ön işleme uygulanmıştır. Rastgele Orman algoritması
ile sınıflandırma işlemi için MATLAB platformu kullanılmıştır. Rastgele Orman
algoritması çalışma bölgelerine ait görüntülerin farklı bant setlerine uygulanarak,
sınıflandırma işlemi gerçekleştirilmiştir. Sınıflandırma sonucunda kara ve su
sınıfları olmak üzere ikili görüntüler elde edilmiştir. Uygulanan bant setleri
NIR, R-G-B ve R-G-B-NIR'dir. Terkos Gölü’ne ait elde edilen kıyı çizgilerinin doğruluklarını
analiz etmek için elle sayısallaştırılan kıyı çizgileri referans alınarak
alansal ve kıyı çizgisi bazında karşılaştırılmıştır. Sonuçlara bakıldığında,
kıyı çizgisi çıkarımında yakın kızıl ötesi bandını içeren görüntülerin en az
hatalı sonucu verdiği görülmüştür.

Anahtar Kelimeler

Rastgele Orman Yöntemi, kıyı çizgisi çıkartma, Landsat-8

Kaynakça

• Aedla, R., Dwarakish, G. S., & Reddy, D. V. (2015). Automatic Shoreline Detection and Change Detection Analysis of Netravati-GurpurRivermouth Using Histogram Equalization and Adaptive Thresholding Techniques. International Conference on Water Resource, Coastal and Ocean Engineering (pp. 563–570). Kuala Lumpur, Malaysia.
• Akman, M. (2010). Veri Madenciliğine Genel Bakış ve Random Forests Yönteminin İncelenmesi: Sağlık Alanında Bir Uygulama, Yüksek Lisans Tezi, Ankara Üniversitesi, Ankara.
• Alesheikh, A. A., Ghorbanali, A., & Nouri, N. (2007). Coastline change detection using remote sensing. International Journal of Environmental Science & Technology, 4(1), 61-66.
• Bayram B., Acar U., Seker D. Z., & Ari A. (2008). A Novel Algorithm for Coast Line Fitting Through A Case Study Over Bosphorus. Journal of Coastal Research, 24(4), 983–991.
• Bayram B., Seker D. Z., Acar U., Yuksel Y., Guner, H. A. A., & Cetin, I. (2013). An Integrated Approach to Temporal Monitoring of the Shoreline and Basin of Terkos Lake. Journal of Coastal Research, 29(6), 1427-1435.
• Bayram B., Demir N., Ogurlu M., Catal R. H., & Seker D. Z. (2016). 3D Shoreline Extraction Using Orthophoto-Maps and LIDAR. In: 37 th Asian Conference on Remote Sensing (pp. 1-5). Sri Lanka, Colombo.
• Bayram B., Avşar E. Ö., Şeker D. Z., Kayi A., Erdoğan M., Eker O., Janpaule I., & Çatal R. H. (2017). The Role Of National And International Geospatial Data Sources In Coastal Zone Management. Fresenius Environmental Bulletin, 26(1), 383-391.
• Bayram, B., Demir, N., Şeker, D. Z., Ogurlu, M., Oy, S., Bozkurt, S., & İnce, A. (2016). Mean-Shift Yöntemi ile LIDAR Intensity Verilerinden Kıyı Çizgisi Çıkartılması. Dünya CBS Günü (s.43). İstanbul, Türkiye.
• Bendell, L. I., & Wan, P. C. (2011). Application of aerial photography in combination with gis for coastal management at small spatial scales: a case study of shellfish aquaculture. Journal of Coastal Conservation, 15(4), 417–431.
• Benumof, B. T., & Griggs, G. B. (1999). The dependence of seacliff erosion rates on cliff material properties and physical processes: San Diego County, California. Shore Beach, 67(4), 29–41.
• Breiman, L. (2001). Random forests. Machine learning, 45(1), 5-32.
• Ding, X., & Li, X. (2014). Coastline Detection in SAR Images Using Multiscale Normalized Cut Segmentation. In: 2014 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), (pp. 4447-4449). Quebec City, Canada.
• Dornbusch, U., Robinson, D. A., Moses, C. A., & Williams, R. B. G. (2006). Chalk coast erosion and its contribution to the shingle budget in East Sussex. Zeitschrift für Geomorphologie, 144, 215–230.
• Gens, R. (2010). Remote sensing of coastlines: detection, extraction and monitoring. International Journal of Remote Sensing, 31(7), 1819–1836.
• Gislason, P. O., Benediktsson, J. A., & Sveinsson, J. R. (2006). Random forests for land cover classification. Pattern Recognition Letters, 27(4), 294-300.
• Guariglia, A., Buonamassa, A., Losurdo, A., Saladino, R., Trivigno, M. L., Zaccagnino, A., & Colangelo, A. (2006). A multisource approach for coastline mapping & identification of the shoreline changes. Annals of Geophysics, 49(1), 295–304.
• He, J., Harris, J. R., Sawada, M., & Behnia, P. (2015). A comparison of classification algorithms using Landsat-7 and Landsat-8 data for mapping lithology in Canada's Arctic. International Journal of Remote Sensing, 36(8), 2252-2276.
• Jayson-Quashigah, P. N., Addo, K. A., & Kodzo, K. S. (2013). Medium resolution satellite imagery as a tool for monitoring shoreline change. Case study of the Eastern coast of Ghana. Journal of Coastal Research, 65(sp1), 511-516.
• Kutser, T., Paavel, B. C., Verpoorter, C., Kauer, T., & Vahtmäe, E. (2012). Remote sensing of water quality in optically complex lakes. In: Proceedings of the XXII Congress of the International Society for Photogrammetry and Remote Sensing (pp.165-169). Melbourne, Australia.
• Landsat-8. Retrieved April 3, 2017, from https://landsat.gsfc.nasa.gov/landsat-8/landsat-8- overview/
• Li, R., K. Di., & R. Ma. (2001). A Comparative Study of Shoreline Mapping Techniques. In: 4th International Symposium on Computer Mapping and GIS for Coastal Zone Management (pp. 53-60). Halifax, Nova Scotia, Canada.
• Machado C. A. S., Beltrame A. M. K., Shinohara E. J., Giannotti M. A., Durieux L., Nobrega T. M. Q., & Quintanilha J. A. (2014). Identifying concentrated areas of trip generators from high spatial resolution satellite images using object-based classification techniques. Applied Geography, 53, 271-283.
• Marques, F. M. S. F. (2006). Rates, patterns, timing and magnitude-frequency of cliff retreat phenomena. A case study on the west coast of Portugal. Zeitschrift für GeomorphologieSupplementbände, 144, 231–257.
• Oyedotun, T. D. T. (2014). Shoreline Geometry: DSAS as a Tool for Historical Trend Analysis. Geomorphological Techniques, Chap. 3, Sec. 2.2 (2014), 12.
• Pardo-Pascual J. E., Almonacid-Caballer J., Ruiz L. A., & Palomar-Vázquez, J. (2012). Automatic extraction of shorelines from Landsat TM and ETM+ multi-temporal images with subpixel precision. Remote Sensing of Environment, 123, 1– 11.
• Pierre, G., & Lahousse, P. (2006). The role of groundwater in cliff instability: an example at Cape Blanc-Nez (Pas-de-Calais, France). Earth Surface Processes and Landforms, 31(1), 31–45.
• Robert, K. V., Xiaoming, Q., Michael, R., McKayb, L., Minerb, J., Czajkowskic, K., Savinod, J., & Bridgeman, T. (2004). Phycocyanin detection from LANDSAT TM data for mapping cyanobacterial blooms in Lake Erie. Remote Sensing of Environment, 89(3), 381–392.
• Schmitt, M., Lingyun, W., & Xiao X. Z. (2015). Automatic Coastline Detection in Non-locally Filtered TANDEM-X Data. In: Proceedings of IEEE International Geoscience and Remote Sensing Symposium (IGARSS) 2015, IEEE Xplore (pp. 1036-1039).
• Song C., Huang B., Ke L., & Richards K. S. (2014). Remote sensing of alpine lake water environment changes on the Tibetan Plateau and surroundings: A review. ISPRS Journal of Photogrammetry and Remote Sensing, 92, 26–37.
• Thieler, E. R., Himmelstoss, E. A., Zichichi, J. L., & Ergul, A. (2009). The Digital Shoreline Analysis System (DSAS) version 4.0 - An ArcGIS extension for calculating shoreline change (No. 2008-1278). US Geological Survey.
• Trochta J. T., Mouw C. B., & Moore T. S. (2015). Remote sensing of physical cycles in Lake Superior using a spatio-temporal analysis of optical water typologies. Remote Sensing of Environment, 171, 149–161.
• Yousef A., & Iftekharuddin K. (2014). Shoreline extraction from the fusion of LiDAR DEM data and aerial images using mutual information and genetic algorithms. In: 2014 International Joint Conference on Neural Networks (IJCNN) (pp. 1007–1014). Beijing, China.
• Yu S., Mou Y., Xu d., You X., Zhou L., & Zeng W. (2013). A New Algorithm for Shoreline Extraction from Satellite Imagery with Non-Separable Wavelet and Level Set Method. International Journal of Machine Learning and Computing, 3(1), 158-163.
• Zhang, T., Yang, X., Hu, S., & Su, F. (2013). Extraction of coastline in aquaculture coast from multispectral remote sensing images: Object-based region growing integrating edge detection. Remote sensing, 5(9), 4470-4487.
• Zheng G., Peng L., Tao G., & Wang C. (2011). Remote sensing analysis of Bohai Bay West Coast shoreline changes. In: 2011 IEEE International Conference on Spatial Data Mining and Geographical Knowledge Services (ICSDM) (pp. 549-552). Fuzhou, China.