Nesne Tabanlı Sınıflandırma ile Taşkın Alanlarının Analizi

Year 2019, , 369 - 385, 31.12.2019

Abdurahman Yasin Yiğit , Murat Uysal

https://doi.org/10.32569/resilience.633603

Cited By: 1

Abstract

Modern uzaktan algılama
(UA) sistemleri, dünyadaki hemen hemen tüm disiplinler tarafından yaygın olarak
kullanılmaktadır ve kapsamları gün geçtikçe artmaktadır. Günümüzde, uydulardan
elde edilen uzaktan algılama verilerini bilgisayar teknolojisi ve görüntü
işleme teknikleri ile değerlendirme imkânı; mevcut arazi kullanımının
belirlenmesi ve çevresel değişimlerin geçici olarak belirlenmesi ile mümkün
olmuştur. Uzaktan algılama teknikleriyle arazi örtüsü haritaları oluşturmanın
temel prensibi alanın görüntülerini sınıflandırmaktır. Arazideki zamana bağlı
değişimler, uydulardan elde edilen uzaktan algılama verilerinin işlenmesi ve
sınıflandırılmasıyla tespit edilebilir. Deprem olaylarının, sellerin,
yangınların, toprak kaymalarının ve çığların meydana geldiği alanlarda afet
sırasında ve sonrasında yapılan çalışmalarda kullanılacak kaynakların doğru ve
etkin kullanılması önemlidir. Afet öncesi, sırası ve sonrasında gelişmiş
teknoloji sensörlerinin etkin kullanımı; afet etkisini azaltma, tespit,
müdahale ve afet bölgesini yenilemek için afet yönetimi adımlarında önemli
faydalar sağlar. Bu noktada uzaktan algılama verileri, özellikle zaman içinde
felaket bölgelerinde meydana gelen değişiklikleri izlemek için başvurulan
kaynakların başında gelmektedir. Çalışmamızda taşkın alanları, afet bölgesine
ait afet öncesi ve sonrası değişimini gösteren çok bantlı uydu görüntülerinden yararlanılarak
nesne tabanlı sınıflandırma yaklaşımı kullanılarak belirlenmiş ve
sınıflandırılması yapılmıştır. Uydu verilerinden tespit edilen taşkın alanları
CBS ortamına aktarılarak taşkın alanın afet öncesi ve sonrasına ait analizleri yapılmıştır.
Sonuçlara göre değişimlerin büyüklüğü ve önemi göz önünde bulundurularak
değerlendirmeler yapılmıştır.

Keywords

Afet yönetimi, Değişim tespiti, Görüntü işleme, Nesne tabanlı sınıflandırma, Taşkın, Uzaktan algılama

Analysis of Flood Areas with Object-Based Classification

Abstract

Modern
remote sensing systems are used extensively by almost all disciplines around
the world and their scope is increasing day by day. Nowadays,
the possibility of evaluating the remote sensing data obtained from satellites
with computer technology and image processing techniques; It was made possible
by determining the current land use and temporarily determining the
environmental changes. The main principle of creating land cover maps with
remote sensing techniques is to classify the images of the area. The
temporal changes of the terrain can be detected by processing and classifying
the remote sensing data from the satellites. Correct
and effective use of resources to be used during and after disasters is
important in areas where earthquake events, floods, fires, landslides, and
avalanches occur. Effective use of advanced technology sensors before, during
and after disasters; It provides significant benefits in disaster management
steps to mitigate, identify, respond to, and renew disaster zones. At
this point, remote sensing data is one of the main sources used to monitor the
changes that occur especially in disaster areas over time. In our
study, flood areas were determined and classified using object-oriented
approach by using multi-band satellite images showing the change before and
after the disaster. The flood areas determined from the satellite data were
transferred to the GIS environment and the flood area was analyzed before and
after the disaster. According to the results, evaluations were made considering
the magnitude and importance of the changes.

Keywords

Disaster management, Change detection, Image processing, Object-based classification, Flood, Remote sensing

References

• Akra. (2018). Doğal Afetler 10 Yılda 2 Milyar Kişiyi Etkiledi. Erişim adresi: https://www.akradyo.net/3972142272,85011,9,Dogal-afetler-10-yilda-2-milyar-kisiyi-etkiledi.aspx
• Baatz M. Ve Schape A. (2000). Multi Resolution Segmentation: An Optimization Approach For High Quality Multi Scale İmage Segmentation. Proceedings of Twelfth Angewandte Geographische Informations verarbeitung’in İçinde, (J. Strobl, T. Blaschke, G. Griesebner Ed.), Wichmann-Verlag, Heidelberg, ss.12−23.
• Benz U.C., Hofmann P., Willhauck G., Lingenfelder I. ve Heynen M. (2004). Multi-Resolution Object-Oriented Fuzzy Analysis Of Remote Sensing Data For GIS- Ready İnformation, ISPRS Journal of Photogramemetry and Remote Sensing, 58 (3-4), 239-258
• Campana, Nestor A. ve Carlos E.M. Tucci. (2001). Predicting Floods From Urban Development Scnearios: Case Study Of The Diluvio Basin, Porto Alerge, Brazil. Urban Water, no.3
• D. N. Jeb, ve P. Aggarwal. (2008). Flood Inundation Hazard Modelling Of The River Kaduna Using Remote Sensing And Geographic Information Systems. Journal of Applied Sciences Research, Vol. 4, No.12, pp.1822-1833, 2008.
• Definiens. (2012). Definiens Developer XD 2.0.4. Reference Book, Definiens AG, München, Germany. Erişim adresi: https://www.imperial.ac.uk/media/imperial-college/medicine/facilities/film/Definiens-Developer-Reference-Book-XD-2.0.4.pdf Erişim tarihi: (23.09.2019).
• Demir, E., Yomralıoğlu, T. ve Aydınoğlu, Ç. (2011). Afet-Acil Durum Yönetimine Yönelik Coğrafi Veri Modelinin Tasarlanması: Yangın Örneği. TMMOB Harita ve Kadastro Mühendisleri Odası 13. Türkiye Harita Bilimsel ve Teknik Kurultayı, 18-22 Nisan 2011, Ankara, Türkiye.
• Düzgün, Ş. (2010). Uzaktan Algılamaya Giriş. [PDF belgesi]. Erişim adresi: http://www.ktu.edu.tr/dosyalar/ormanamenajmani_3fc8b.pdf
• EMA. (2008). Risk Analysis of Technological Systems Application Guide, Standards Australia, Emergency Management in Australia, Homebush.
• Geçen R. ve Sarp G. (2007). Yüksek Ve Düşük Çözünürlüklü Uydu Görüntülerinden Yolların Tayini. TMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri Kongresi, 30 Ekim –02 Kasım 2007, KTÜ, Trabzon
• Güney, H. Naim. (2017). CUMHURİYET Dönemindemordu’da Meydana Gelen Doğal Afetler (1919-2016). Kültür ve Sosyal İşler Dairesi Başkanlığı Kültür Yayınları – 18.
• Hofmann, P. (2001b). Detecting Buildings and Roads from IKONOS Data Using Additional Elevation Information. GIS GeoInformation-System, 2001:6.
• Hofmann, P. (2001c). Detecting Informal Settlements from IKONOS Image Data Using Methods Of Object Oriented Image Analysis -An Example From Cape Town”, Remote Sensing of Urban Areas. edited by Jürgens, Carsten (Regensburg)
• Hofmann, P. (2001a). Detecting Urban Features From IKONOS Data Using an Object-Oriented Approach. First Annual Conference of the Remote Sensing & Photogrammetry Society 12-14 September 2001, 28-33.
• Joshua S. (2019). NASA Dünya Gözlemevi, ABD Jeolojik Araştırmaları'ndan Landsat verileri. Erişim adresi: https://earthobservatory.nasa.gov/images/144691/historic-floods-inundate-nebraska Erişim tarihi: 11.10.2019
• Justin F. (2019, 28 Nisan). The Missouri River Is Just Going to Keep On Flooding. Bloomberg Opinion. Erişim: April 28, 2019. Erişim adresi: https://www.bloomberg.com/opinion/articles/2019-04-28/missouri-river-floods-are-just-going-to-keep-on-happening
• Kalkan, K. ve Maktav, D. (2010). Nesne Tabanlı ve Piksel Tabanlı Sınıflandırma Yöntemlerinin Karşılaştırılması (IKONOS Örneği). III. Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Sempozyumu Ocak 2010.
• Kamiloğlu Can. (2019). Doğal Afetlerin Ürkütücü Tablosu. Erişim: 11.10.2019. Erişim adresi: https://www.amerikaninsesi.com/a/dogal-afetler-10binden-fazla-kisi-yasamini-yitirdi/4757679.html
• Karabulut, M. Ersin K., Sandal K. ve Gürbüz M. (2007). Mersin Sel Felaketleri: Meteorolojik ve Hidrolik Açıdan Bir İnceleme. KSÜ Fen ve Mühendislik Dergisi. 10 no.1 20 Kasım – 9 Aralık
• Kaya, Y. ve Polat, N. (2019). Bitki İndeksi Kullanarak Buğday Bitkisinin Fenolojik Evrelerinin İncelenmesi. Türkiye Ulusal Fotogrametri ve Uzaktan Algılama Birliği VII. Teknik Sempozyumu (TUFUAB’2019), 25-27 Nisan 2019, Aksaray Üniversitesi, Aksaray/Türkiye.
• Koçkan, Ç. (2015). Doğal Afet Risk Yönetimi. 3. Türkiye Deprem Mühendisliği ve Sismoloji Konferansı, 14-16 Ekim 2015, Dokuz Eylül Üniversiesi, İzmir, Türkiye.
• KTÜ, Fotogrametri ders sunumu. [PDF belgesi]. Erişim adresi: http://www.ktu.edu.tr/dosyalar/ormanamenajmani_137d4.pdf
• Ozey, R. (2004). Afetler Coğrafyası, Aktif Press, Istanbul.
• Özay, Ferhan. (2019). Doğal afetlerin yarıyıl bilançosu 73 milyar dolar. Yayınlanma Tarihi: Ağustos 06, 2019. Erişim adresi: https://www.sigortamedya.com.tr/dogal-afetlerin-yariyil-bilancosu-73-milyar-dolar/ Erişim tarihi: 11.10.2019
• Ristau, R. (2019, 19 Mart). Floodwaters receding in Nebraska, but long and costly recovery lies ahead. Winston-Salem Journal. Retrieved March 19, 2019-via Omaha World-Herald. Erişim adresi: https://www.omaha.com/news/nebraska/floodwaters-receding-in-nebraska-but-long-and-costly-recovery-lies/article_4b4778d5-f566-517f-a751-d09eb75020a1.html
• Sönmez Osman ve Demir Fatma. (2016). Ağva ilçe merkezine ait taşkın yayılım haritalarının ve mevcut binaların taşkın su seviyelerinin tespiti. Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 21(2), 2017, 105-112
• United States Geological Survey; Esri. Erişim adresi: https://www.usgs.gov/products/data-and-tools/gis-data
• URL-1. Erişim adresi: https://www.satimagingcorp.com/satellite-sensors/other-satellite-sensors/sentinel-2a/ Erişim tarihi: 11.10.2019
• URL-2. Erişim adresi: https://www.wikiwand.com/en/2019_Midwestern_U.S._floods#/overview Erişim tarihi: 11.10.2019
• URL-3. Erişim adresi: http://www.nik.com.tr/content_sistem_uydu.asp?id=64 Erişim tarihi: 11.10.2019
• URL-4. Erişim adresi: https://blog.esriturkey.com.tr/2019/02/25/sentinel-2-uydu-goruntuleriyle-esri-sentinel-2-explorer-web-uygulamasi-araciligiyla-calismak/ Erişim tarihi: 11.10.2019
• URL-5. Erişim adresi: https://www.satimagingcorp.com/satellite-sensors/other-satellite-sensors/sentinel-2a/ Erişim tarihi: 11.10.2019