LIDAR verisinden türetilen yoğunluk görüntüsünün kıyı çizgisi çıkarımı çalışmalarında kullanılabilirliğinin araştırılması

Çeşitli algılayıcılardan elde edilen görüntü verileri kıyı çizgisi çıkarımında sıklıkla kullanılmaktadır. Hava fotoğrafları, ortofoto haritalar ve uydu görüntüleri bunların en çok bilinenleridir. Son yıllarda LIDAR (Light Detection and Ranging) yöntemi ile sağlanan veriler de detay çıkarımı için bu gruba dahil olmuştur. Birçok LIDAR algılayıcısı 1064 nanometre değerinde ışınım kullanarak yeryüzünden bilgi toplamaktadır. Bu değer optik sistemde yer alan birçok MS (Multispektral) görüntü için elektromanyetik spektrumdaki yakın kızıl ötesi band olarak bilinen "NIR" aralığına oldukça yakındır. LIDAR yöntemini diğerlerinden farklı kılan en önemli özelliği algılayıcı tarafından geri alınan ışın gücünün ilk gönderilene oranı olarak tanımlanan yoğunluk verisidir. Yoğunluk değerlerinden yararlanılarak yoğunluk görüntüsü olarak adlandırılan raster veri üretilebilmektedir. Bu tez kapsamında LIDAR yoğunluk görüntüsünün MS görüntülerdeki NIR banda alternatif olup olamayacağı araştırılmıştır. İzmir ilinin Bergama ilçesinde bulunan Kestel Barajı ve çevresini içeren ortofoto harita, Pléiades ve Spot uydu görüntüleri ile yoğunluk görüntüsü kıyı çizgisi çıkarımı ve karşılaştırmalı analizlerinde kullanılmıştır. Kıyı çizgisi çıkarımında uydu görüntüsü ve bu görüntüde bulunan RGB bandların hem geometrik olarak düzeltilmiş hem de herhangi bir düzeltme işlemi uygulanmamış yoğunluk görüntüsü ile birleştirilmesi sonucu elde edilen kaynaşmış görüntüler kullanılmıştır. Kaynaşmış görüntüler arasındaki fark ham yoğunluk görüntüsü için uygulanan geometrik düzeltmedir. Yoğunluk görüntülerine verideki gürültüyü kaldırırken sınır detayları da korumak amacıyla MS bandlar ile kaynaştırılmadan önce Mean Shift Segmentation (MSS) yöntemi uygulanmıştır. Kıyı çizgileri görüntülerden türetilen NDWI değerlerine bağlı olarak kurala dayalı obje tabanlı sınıflandırma tekniği ile çıkarılmıştır. Sınıflandırma ve çıkarım sonuçları için karşılaştırmalı analizler yürütülmüştür. Verilerin elde ediliş tarihleri arasındaki süreçte göl alanında meydana gelen küçülmeyi belirlemek için değişim tespit fark haritaları üretilmiştir. Üretilen bu haritalara göre Pléiades uydu görüntüsü ve kaynaşmış görüntüler arasında 0.66 ha artış ve 4.88 ha azalma içeren 5.54 ha değişim ile 0.72 ha artış ve 4.40 ha azalma içeren 5.12 ha değişim tespit edilmiştir. Geometrik düzeltmeden kaynaklanan 0.48 ha fark ve yaklaşık olarak 0.7 ha artış baraj için maksimum ve minimum işletme anlarındaki doluluk oranları ve toplam göl alanı göz önüne alındığında ihmal edilebilir seviyededir. Buna ek olarak mesafeye farklılıklarına dayalı olarak değişim analizi gerçekleştirilmiştir. Sayısallaştırılan ve çıkarılan vektörler arasında en kısa mesafe farklılıkları hesaplanarak istatistik değerler elde edilmiştir. Elde edilen sonuçlara göre ham yoğunluk görüntüsünden elde edilen kıyı çizgisi ile diğer kıyı çizgileri arasındaki ve geometrik düzeltme içermeyen yoğunluk görüntüsünün dahil olduğu kaynaşmış görüntüden çıkarılan kıyı çizgisi ile diğer kıyı çizgileri arasındaki mesafe değerlerinin ortalamaları arasındaki farklar bir piksel boyutundan daha düşüktür. Bu değerler 0.1 m, 0.96 m ve 1.23 m'dir. Ayrıca, her iki kaynaşmış görüntüden çıkarılan kıyı çizgilerinin Pléiades, Spot ve ortofotodan elde edilen kıyı çizgilerine olan mesafe farklarının ortalamaları arasındaki farklar da oldukça küçüktür. Bu değerler 0.5 m, 0.75 m ve 1.16 m'dir ve geometrik düzeltmenin etkisini göstermektedir. Toprak, bitki örtüsü ve binalar gibi su harici yapılar kaynaşmış görüntülerden türetilen NDWI görüntülerinde 0'dan büyük değerler almışlardır. Lazer ışınının yüksek yutulabilirliği nedeniyle suyun düşük yoğunluk değerlerine sahip olması yoğunluk görüntüsünde MS NIR bandta olduğu gibi düşük spektral yansıma değerlerine neden olmuştur. LIDAR'da kullanılan 1064 nm değerindeki ışınım birçok MS görüntü için orta kızıl ötesi aralığa daha yakındır. Dolayısı ile MSS uygulanmış yoğunluk görüntüsü daha iyi bir ayrım sunmaktadır. Kısacası yoğunluk görüntüsü anlamlı ve kullanılabilir hale getirildikten sonra kurala dayalı obje tabanlı sınıflandırma ile gerçekleştirilecek detay çıkarımında NIR band olarak kullanılabilir.