Afetten etkilenen bölgelerin ve binaların hava görüntülerinden derin öğrenme tabanlı belirlenmesi

Doğal afetler, genellikle öngörülemeyen ve ani şekilde meydana gelen doğa olayları olarak tanımlanmakta, hem insan yaşamı hem de çevre üzerinde ciddi etkiler yaratmaktadır. Depremler, toprak kaymaları, seller, orman yangınları, fırtınalar, kasırgalar ve tsunamiler gibi afetler, toplumların yaşamını derinden etkileyen başlıca afet türlerindendir. Bu afetlerin ardından gerçekleştirilen arama ve kurtarma faaliyetleri, hem insan hayatının korunması hem de müdahale ekiplerinin güvenliğinin sağlanması açısından büyük önem taşımaktadır. Söz konusu operasyonlar; afet bölgesine erişim, hasar tespiti, mahsur kalan bireylerin kurtarılması, acil tıbbi yardım sağlanması ve temel ihtiyaçların karşılanması gibi kritik adımları içermektedir. Son yıllarda, uzaktan algılama teknolojileri ile elde edilen görüntülerin kullanımı, afet sonrası hasar tespitinde önemli bir araç haline gelmiştir. Bu tez çalışmasında, farklı afet türlerine yönelik geliştirilen yeni segmentasyon ve sınıflandırma modelleri ile, afetten etkilenen bölgelerin yüksek doğruluk oranlarıyla tespit edilmesi amaçlanmıştır. Çalışmada geliştirilen FASegNet modeli, "Flood Area" ve "Water Bodies" veri setleri üzerinde sırasıyla %84.3 ve %84.5 ortalama kesişim üzeri birlik (mIoU) değerlerine ulaşarak sel ve tsunami gibi afet senaryolarında yüksek performans sergilemiştir. LandslideSegNet modeli, Landslide4Sense veri setinde %97.60 genel doğruluk ve %73.65 mIoU değerleriyle toprak kayması bölgelerinin hassas segmentasyonunu sağlamıştır. Yapı tespiti amacıyla geliştirilen ABDSegNet modeli, "WHU Building" ve "Inria Aerial Image Labeling" veri setlerinde sırasıyla %90.94 ve %79.59 mIoU başarıları elde etmiş; ayrıca 2023 Kahramanmaraş depremi sonrası yapı hasarlarının değerlendirilmesinde başarılı sonuçlar vermiştir. İklim değişikliğinin su kaynakları üzerindeki etkilerini incelemek amacıyla geliştirilen WBSegNet modeli ise, %95.36 doğruluk ve %85.51 mIoU performansı ile Türkiye'deki göl seviyelerinin izlenmesinde etkin bir şekilde kullanılabilir olduğunu göstermiştir. Orman yangınlarının erken tespiti için önerilen ViT tabanlı model, üç farklı Vision Transformer mimarisinden elde edilen öznitelikleri birleştirip, mRMR optimizasyonu ile filtreleyerek %100 doğruluk oranına ulaşmıştır. Elde edilen bulgular, geliştirilen segmentasyon ve sınıflandırma modellerinin farklı afet senaryolarında yüksek doğruluk ve verimlilikle çalıştığını göstermektedir. Bu modeller, afet anında gerçekleştirilecek arama ve kurtarma faaliyetlerine destek sağlayarak acil durum yönetimine yönelik kritik bilgiler sunmaktadır. Ayrıca, modellerin farklı iklim koşulları ve çeşitli coğrafi yapılar üzerinde de etkili olduğu gözlemlenmiş, bu durum onların geniş çaplı uygulama potansiyeline sahip olduğunu ortaya koymuştur.