Nesne Tabanlı Sınıflandırma ile Taşkın Alanlarının Analizi

Öz

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.

Anahtar Kelimeler

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

Analysis of Flood Areas with Object-Based Classification

Öz

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.

Anahtar Kelimeler

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

Kaynakça

1. 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
2. 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.
3. 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
4. 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
5. 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.
6. 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).
7. 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.
8. Düzgün, Ş. (2010). Uzaktan Algılamaya Giriş. [PDF belgesi]. Erişim adresi: http://www.ktu.edu.tr/dosyalar/ormanamenajmani_3fc8b.pdf

9. EMA. (2008). Risk Analysis of Technological Systems Application Guide, Standards Australia, Emergency Management in Australia, Homebush.
10. 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
11. Güney, H. Naim. (2017). CUMHURİYET Dönemindemordu’da Meydana Gelen Doğal Afetler (1919-2016). Kültür ve Sosyal İşler Dairesi Başkanlığı Kültür Yayınları – 18.
12. Hofmann, P. (2001b). Detecting Buildings and Roads from IKONOS Data Using Additional Elevation Information. GIS GeoInformation-System, 2001:6.
13. 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)
14. 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.
15. 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
16. 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
17. 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.
18. 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
19. 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
20. 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.
21. Koçkan, Ç. (2015). Doğal Afet Risk Yönetimi. 3. Türkiye Deprem Mühendisliği ve Sismoloji Konferansı, 14-16 Ekim 2015, Dokuz Eylül Üniversiesi, İzmir, Türkiye.
22. KTÜ, Fotogrametri ders sunumu. [PDF belgesi]. Erişim adresi: http://www.ktu.edu.tr/dosyalar/ormanamenajmani_137d4.pdf
23. Ozey, R. (2004). Afetler Coğrafyası, Aktif Press, Istanbul.
24. 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
25. 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
26. 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
27. United States Geological Survey; Esri. Erişim adresi: https://www.usgs.gov/products/data-and-tools/gis-data
28. URL-1. Erişim adresi: https://www.satimagingcorp.com/satellite-sensors/other-satellite-sensors/sentinel-2a/ Erişim tarihi: 11.10.2019
29. URL-2. Erişim adresi: https://www.wikiwand.com/en/2019_Midwestern_U.S._floods#/overview Erişim tarihi: 11.10.2019
30. URL-3. Erişim adresi: http://www.nik.com.tr/content_sistem_uydu.asp?id=64 Erişim tarihi: 11.10.2019
31. 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
32. URL-5. Erişim adresi: https://www.satimagingcorp.com/satellite-sensors/other-satellite-sensors/sentinel-2a/ Erişim tarihi: 11.10.2019