LEE- Geomatik Mühendisliği-Doktora

Bu koleksiyon için kalıcı URI

http://hdl.handle.net/11527/19291

Gözat

Yerel jeodezik GNSS CORS ağları ve bilimsel çalışmalara katkıları: İSKİ UKBS örneği

(Fen Bilimleri Enstitüsü, 2020) Gökdaş, Ömer ; Özlüdemir, Mustafa Tevfik ; 652824 ; Geomatik Mühendisliği Ana Bilim Dalı

İstanbul Su ve Kanalizasyon İdaresi (İSKİ), dünyadaki teknolojik gelişmeleri takip ederek ve kurumun ihtiyaçlarını göz önünde bulundurarak tüm İstanbul metropoliten alanını kapsayan ve ağ RTK (NRTK) prensibi ile çalışan Sürekli Çalışan Referans İstasyonları (Continuously Operating Reference Stations-CORS) ağını 2008 yılı sonunda kurmuş, ağ 'Uydulardan Konum Belirleme Sistemi (UKBS)' olarak isimlendirilmiştir. İSKİ UKBS Ağı ilk olarak 8 istasyon ile kurulmuş olup daha sonra ağın baz mesafeleri kısaltılarak geometrisi değiştirilmiştir. Mevcut durumda 10 istasyonu bulunmaktadır. Tez kapsamında, İSKİ UKBS Ağı'nın ülkemize ve bilime olan katkıları ifade edilerek, ağın sağladığı 10 yılı aşkın süredir devam eden statik veri ve düzeltme yayımı değerlendirilerek dört adet farklı senaryo ile uygulamalar gerçekleştirilmiştir. Birinci bölümde İSKİ UKBS Ağı hakkında genel bir bilgi verilerek, tezin amaçlarını ifade eden araştırma soruları, kullanılan yöntem ve materyaller ve literatür çalışması başlıklarına yer verilmiştir. İkinci bölümde İSKİ UKBS Ağı'nın kuruluş aşamasında gerçekleştirilen faaliyetler ele alınmıştır (Kurulum aşaması, istasyonların hassas konumlarının belirlenmesi, test yayım aşamaları, istatistik veriler). Ayrıca, İSKİ UKBS Ağı'nın kullanıcılara yayımlamış olduğu düzeltme modellerinin hesaplandığı iki sunucuda var olan, biri 2009-2015 yılları arası kullanılan ve şu an pasif olan GnSmart CORS yazılımı, diğeri 2015 yılından itibaren aktif olarak kullanılan Topnet Live CORS yazılımı incelenip analiz edilmiştir. Bu aşamada kullanıcıların sistemde kayıtlı tutulan logları, sistemin ürettiği düzeltme modelleri, çalışma saatleri ve ölçü kalitesi gibi farklı parametreler irdelenmiştir. Üçüncü bölümde, tezin amaçları doğrultusunda gerçekleştirilen, İSKİ UKBS Ağı düzeltme yayımı ve statik veri seti kullanılarak gerçekleştirilen dört farklı senaryoya ilişkin uygulamalar mevcuttur. Yapılan ilk uygulamada, istasyon hızları araştırılmıştır. Tektonik plaka ile uyumluluğu irdelenmiştir. İstasyon hızlarında yıllık trend dışında, mevsimsel, yarıyıllık ve yıllık salınım hareketinin varlığı araştırılmıştır. İstasyon hızlarının karşılaştırması yapılmıştır. Ayrıca, Global Navigasyon Uydu Sistemleri (Global Navigation Satellite System-GNSS) online değerlendirme servislerinin (Automatic Precise Positioning Service-APPS ve Australia Positioning Service-AUSPOS) konum belirleme performansı ve istasyon hızlarının belirlenmesinde kullanılabilirlikleri İSKİ UKBS Ağı istasyonları kullanılarak araştırılmıştır. İkinci çalışmada, İSKİ UKBS Ağı ve CORS-Türkiye (TR) Ağı baz mesafelerinin Sanal Referans İstasyonları (Virtual Reference Stations-VRS) çözümlerindeki belirsizlik çözüm süresi (Time to Fix Ambiguity-TTFA), tamsayı belirsizlik çözüm oranı (Fix rate), presizyon ve konum belirleme doğruluklarında ürettiği sonuçlar karşılaştırılmıştır. Üçüncü çalışmada, NRTK gözlemlerinde baz mesafesinin doğruluk ve presizyona etkisi araştırılmış ve yeni bir matematiksel model ile ifade edilmiştir. Ayrıca bu çalışma ile, Alan Düzeltme Parametreleri (Flaechen Korrektur Parameter-FKP) ve VRS yöntemlerinin farklı baz mesafelerindeki performansları analiz edilmiştir. Son çalışmada ise, İSKİ UKBS Ağı'nın Toplam Zenit Gecikmesi (Zenith Tropospheric Delay-ZTD) ve Bütünleşik Su Buharı (Integrated Water Vapour-IWV) kestiriminde kullanılabilirliği araştırılmıştır. ZTD ve IWV'nin lokal İSKİ UKBS Ağı'nda yükseklik ve mesafe farkına göre değişiminin incelendiği bu çalışmada, ayrıca IWV kestiriminde GNSS Analiz ve Konum Belirleme Yazılımı (GNSS Analysis and Positioning Software-GAPS) online servisinin performansı İSKİ UKBS Ağı istasyonları kullanılarak araştırılmıştır.
Exploring the cognitive processes of map users employing eye tracking and EEG

(Fen Bilimleri Enstitüsü, 2020) Keskin, Merve ; Doğru, Ahmet Özgür ; De Maeyer, Philippe ; 656904 ; Geomatik Mühendisliği Ana Bilim Dalı

Understanding how our brain copes with complex visual information is a challenge for both cognitive psychology and cartography. If we pursue to design better and usable maps, we require building a better knowledge on the cognitive processes of map users. This thesis aims to contribute to the understanding of the cognitive processes of a group of map users in learning, acquiring and remembering information presented via digital 2D static maps. To be able to gain insight into the users' behaviors while they interact with maps, eye tracking (ET) and electroencephalogram (EEG) are enabled as synchronized data collection methods due to them being non-invasive and capturing direct responses of cognitive activities. Therefore, the preliminary goal of the research is to evaluate the use of ET and EEG for cartographic usability and spatial cognition research considering the technical and methodological aspects of this synchronization, also the limitations, possibilities and the contribution of EEG in the domain of cartography. The technical concerns refer to (i) the synchronization of ET and EEG recording systems, their accuracy and quality, and (ii) numerous processing steps (i.e. preprocessing, the alignment of the collected ET and EEG data, removal of non-cerebral activities from EEG data, segmentation and re-referencing). The methodological issues are situated in many aspects of the experimental design and its set-up, which includes identifying the research goals, participants, task and stimuli, psychological measures to use, evaluation methods and possible analyses of the collected data. These issues are pinpointed with respect to the existing literature, knowledge obtained from domain experts and hands-on experience in the neuro-lab. The fundamental object of the thesis is to investigate on the traditional expert-novice paradigm as expertise being one of the individual characteristics that influences the users' performance on map-learning tasks. Since maps are widely used by both experts and novices, to study their differences in spatial cognition enables us to determine how to use this input to enhance the map design leveraging the map users' cognitive abilities. Therefore, our main research questions are: 'Do map learning strategies of experts and novices differ? How does the cognitive load vary between expert and novices?' In this context, we conducted two mixed-methods user experiments focusing on the cognitive strategies of a group of expert and novice map users and investigated their spatial memory capabilities through cognitive load measurements. First experiment had a simple design and an exploratory characteristic, since we would initially assure that the eye tracking and EEG synchronization is of sufficient quality to explore users' cognitive behaviors towards map stimuli. Accordingly, it consisted of single trials and participants were instructed to study the main structuring elements of a map stimulus (i.e. roads, settlements, hydrography, and green areas) without any time constraints in order to draw a sketch map afterwards. On the one hand, the performance of the participants was assessed based on the order with which the objects were drawn on the digital sketch maps and the influence of a subset of visual variables (i.e. presence & location, size, shape, color). On the other hand, trial durations and eye tracking statistics such as the average duration of fixations, and number of fixations per seconds were compared. Moreover, selected AoIs, which represent the main structuring elements of the map stimulus, were explored to gain a deeper insight on visual behavior of map users. Based on the evaluation of the drawing order, we observed that experts and males drew roads first whereas; novices and females focused more on hydrographic object. According to the assessment of drawn elements, no significant differences emerged between neither experts and novices, nor females and males for the retrieval of spatial information presented on 2D maps with a simple design and content. The differences in trial durations between novices and experts were not statistically significant while both studying and drawing. Similarly, no significant difference occurred between female and male participants for either studying or drawing. Eye tracking metrics also supported these findings. For average duration of fixation, there was found no significant difference between experts and novices, as well as between females and males. Similarly, no significant differences were found for the mean number of fixation. Furthermore, based on results of time to first fixation, dwell time, fixation count, the number of fixations per second, average fixation duration for selected AoIs, the larger AoIs were gazed at earliest and the dwell times for such objects were much longer compared to those for other AoIs. The linear features were easier to learn and remember, although the viewer did not pay much attention. Longer average fixation durations for a specific AoI indicated that the chances were higher to remember that object. The objects that were absent on the sketch map received the shortest fixation durations during the study phase. However, longer fixation durations may also indicate participants' difficulty to recognize the information in the map stimulus. Regarding to the EEG Frontal Alpha Asymmetry calculations, both user groups showed greater relative right frontal activation, which is in association with the less attentional, and focus performance. The difference between experts and novices was not significant, similar to the eye tracking results. On the contrary, alpha power averaged across all electrodes demonstrated that the novices exhibited significantly lower alpha power, indicating a higher cognitive load. On the contrary, in Experiment 2, a complex and more structured approach was followed as a result of learning from the previous experiment and collaborating with the domain experts. This experiment contained a larger number of stimuli were used to study the effect of task difficulty (i.e. easy, moderate, hard) on the retrieval of map-related information. Next to the reaction time and success rate, we used fixation and saccade related eye tracking metrics (i.e., average fixation duration, the number of fixations per second, saccade amplitude and saccade velocity), and the event-related changes in EEG power spectral density (PSD) for alpha and theta frequency bands to identify the cognitive load. While fixation metrics and the qualitative analysis of the randomly selected focus/heat maps summarizing the participants' fixation behaviors indicated no statistically significant difference between experts and novices, saccade metrics proved the otherwise. EEG power spectrum analysis, on the other side, suggested an increase in theta power (i.e. event-related synchronization) and a decrease in alpha power (except moderate tasks) (i.e. event-related desynchronization) at all difficulty levels of the task for both experts and novices, which is an indicator of cognitive load. Although no significant difference emerged between two groups, we found a significant difference in their overall performances when the participants were classified as good and relatively bad learners. Triangulating EEG results with the recorded eye tracking data and the qualitative analysis of randomly selected focus maps indeed provided a detailed insight on the differences of the individuals' cognitive processes during this spatial memory task. The qualitative analysis with the 10 randomly selected focus/heat maps provided a general overview of the participants' attentional behavior towards the map elements of interest and the similarities related to their map learning strategies. However, for measurable results, we selected one map stimulus and drew AoIs around key elements of maps (i.e. green areas, water bodies, major rivers and roads, road junctions) to analyze the attention distribution of the participants using average fixation duration, time to first fixation and the number of map objects covered within AoIs. Although the results are preliminary, we found out that the eye scans through linear objects and fixates/focuses on the polygon objects. The location of the map elements is more influential on the participants' gaze behavior compared to its size. The fixation durations within the (relevant) AoIs did not depend on the task difficulty. Additionally, our analysis showed that the GL experienced the least cognitive and this finding supports the evaluation of the participants by classifying them as "good learners and bad learners" during the usability tests of maps designed for general users with basic map learning tasks. In order to increase the understandability and usability of cartographic products, the results of this research can be used as guiding experiences in production processes where design methods that minimize the factors that negatively affect user perception (e.g. exaggeration, reduction of emphasis, utilizing the visualization elements to increase visual extraction such as grids).
Assessment of global gravity models in coastal zones: A case study using astrogeodetic vertical deflections in İstanbul

(Fen Bilimleri Enstitüsü, 2020) Albayrak, Müge ; Özlüdemir, Mustafa Tevfik ; 619803 ; Geomatik Mühendisliği Ana Bilim Dalı

Astrogeodetic vertical deflections (VDs) provide valuable information about the structure of Earth's gravity field. For this reason, astrogeodetic VD observations are essential gravity field observables. Several types of astrogeodetic observational instruments have been used to obtain astrogeodetic VD components. Currently, modern imaging instruments such as the Digital Zenith Camera System (DZCS) or the total station (TS)-based QDaedalus system, which are operated at field stations at night, are used to observe astronomical coordinates (astronomical latitude [] and longitude []). Global Navigation Satellite System (GNSS) receivers located at the same benchmark (BM) provide geocentric geodetic coordinates (geodetic latitude [] and longitude []). From these, the North-South (=  - ) and East-West (= (-) cos ) components of VDs can be calculated. This thesis aims to introduce a new astrogeodetic VDs data set, which was collected using the QDaedalus system in Istanbul, Turkey to investigate the quality of the Global Gravity Model plus (GGMplus) gravity functional maps and Earth Gravitational Model 2008 (EGM2008). To establish the Istanbul Astrogeodetic Network (IAN), 30 BMs were selected out of 1183 BMs that are part of both the Istanbul GPS Triangulation Network (IGTN) and the Istanbul Levelling Network (ILN). While IGTN provides geodetic coordinates and ellipsoidal heights, ILN provides orthometric heights. Before establishing the IAN, the ellipsoidal heights from the IGTN, the orthometric heights from ILN, and the newly-collected valley cross levelling (VCL) data were used to calculate a new geoid model in Istanbul using soft computing techniques, including the adaptive-network-based fuzzy inference system (ANFIS) and the artificial neural networks (ANNs). The aim of this calculation is to show the current status of the Istanbul geodetic geoid. After the calculation of the Istanbul geoid, which is very weak in coastal and mountainous areas, the IAN was established. The first astrogeodetic VD observations campaign taken in Istanbul were made using the Leica TCRM1101 TS integrated QDaedalus system. The measured VDs are unique in that, not only were they measured for the first time in Istanbul, but they also form Turkey's first dense astrogeodetic network. A total of 21 out of 30 BMs are located in the coastal zone allowing us to investigate the quality of global gravity models along the coast of Istanbul. Preliminary steps are required before the QDaedalus system can be used in the IAN to investigate the precision and accuracy of the system. One such activity is to test the QDaedalus system at the same BM several nights in a row to determine the precision of the system. For this thesis, these test observations were carried out at a control site at Technical University of Munich (TUM) test station, the Istanbul Technical University (ITU) test station, and at six densely-spaced pillars of the geodetic control network at the Geodetic Observatory Wettzell (GOW). The accuracy should also be established, and in this thesis was determined by comparing the Hannover DZCS TZK2-D VDs results at 10 field stations located in the Munich region to independently observed VDs data from the QDaedalus. The ITU test station was also used by the Turkish DZCS's—Astrogeodetic Camera System 2 (ACSYS2)—test station to determine the precision of this DZCS by repeated observations. The VDs results comparison of the QDaedalus and ACSYS2 at the ITU test station provide us to determine the accuracy of the ACSYS2. The initial test observations with the Leica TCRM1101 TS integrated QDaedalus system showed that it is capable of producing highly accurate VDs data (~0.20"). After establishing these satisfactory results, the astrogeodetic VDs in the IAN were measured for follow-on campaigns. The standard deviations (SDs) for the IAN are approximately 0.20" for both the North-South () and East-West () components. This new VD data set was compared with modelled VDs from the GGMplus gravity functional maps and EGM2008. The differences between the VDs from QDaedalus and those from GGMplus and EGM2008 tend to increase towards the coastlines, where discrepancies of several arcseconds amplitude between the observed and modelled values are encountered. We interpret these spurious differences as weaknesses in the modelled VDs along the Istanbul coastlines, most likely reflecting increased errors in the altimetry-derived marine gravity field the GGMplus model depends on (via EGM2008 and Danish National Space Center [DNSC2007]). The central finding of this thesis is that astrogeodetic VDs are valuable tools for independently investigating the quality of coastal-zone gravity data sets and gravity field products. The new VD data set is useful for the quality assessment of future EGMs, such as the EGM2020. The results and findings presented in this thesis were supported by grants and scholarships from several fundings and research support sources. The Turkish DZCS modernization process, determination of the precision and accuracy of the system, and the IAN's fieldwork by the QDaedalus system were supported by the Scientific and Technological Research Council of Turkey (TUBITAK) Project (grant number 115Y237). The Leica TDA5005 TS integrated QDaedalus system test observations at TUM were supported by the German Academic Research Council Scholarship (DAAD) short-term grant. The Leica TCRM1101 TS integrated QDaedalus system's test observations at TUM and the Munich region observations were supported by a TUBITAK BIDEB 2214-A scholarship. The GOW observations were supported by the Institute of Astronomical and Physical Geodesy (IAPG) at TUM and GOW. Finally, the data analysis of the IAN was supported by the Fulbright Foundation.
Social media data valuation model for disaster incidence mapping

(Graduate School, 2020-10-16) Gülnerman Genç, Ayşe Giz ; Karaman, Himmet ; 501142609 ; Geomathic Engineering ; Geomatik Mühendisliği

Social Media is a new age of data sources that emerged in the last decade. Users who have diverse different motivations (such as; entertainment, communicating or promoting) sign up the platforms worldwide. Currently, there is 3.5 billion active social media account worldwide. This growing number of account holders are accepted as human sensors that provide information about their environment. Unlike the traditional sensors, these human sensors have no certainty in their capacity to sense and share the information. In addition, the data provided by human sensors is unstructured. Still, social media is an invaluable data source for studies, especially that require continuous and real-time data widely. Currently, the data is widely used for politics, marketing, and most importantly in crisis management. In this thesis, social media data is assessed for incidence mapping during or shortly after a disaster with the motivation of increasing resilience to the expected major earthquake in Istanbul. The disaster management cycle has four phases as response, recovery, mitigation, and preparation. In the response phase, having real-time data from the affected area is important to properly allocate the resources. The conventional mapping technologies such as remote sensing and photogrammetry have the capacity of detecting the occurrence of a natural hazard however they are not eligible for information retrieval about the impacts of the natural hazards on human life such as emotions, opinions, and emergency situations. At this point, social media become forward as an immediate data source for incidence mapping during the response time of a disaster. Incidence mapping for resources management requires fine-grained data analyses. However, the uncertainty in data capacity, questions in the reliability of chosen techniques for pre-processing, and data bias are the key obstacles to the fine-grained analyses with the use of social media data. In this thesis, social media data is evaluated in terms of these key obstacles for Istanbul City since the data varies to the area that belongs to depending on its own human sensors. The main objective of this thesis is the determination of social media data potential for its use during the response phase of disaster management. There are three sub-objectives in order to reach the main objective; revealing the adequacy of the data for incidence mapping, adapting the pre-processing steps to Turkish language and questioning the reliability of the used filtering and classifying techniques with the quantification of its impacts on mapping, and investigating the intrinsic quality of the data (such as anomalies, trends, and biases) for the further interpretation of the incidence maps. The thesis is composed of three papers tackling these three objectives. Istanbul City is determined as the case area of each paper. In the first paper, the capacity of social media data to detect incidences in a fine-grained spatiotemporal perspective is investigated. For the case, the coup attempt data georeferenced within Istanbul city boundary is used and a series of incidences by the hour is mapped with the hotspots. According to that study, it is revealed that social media data has the capacity to identify an incidence with a fine-grain spatiotemporal resolution. In the second paper, the reliability of the chosen techniques for pre-processing and filtering social media data is researched with its effects on incidence mapping. Two terror attacks data that is georeferenced within Istanbul City is used for the case of this study. The study is not also testing the adaptation of the current pre-processing and filtering techniques to the Turkish language and also proposes a quantitative comparative index for quantifying the spatial reliability of each filtering process. This index named Giz Index which can be replicated for the similarity searches between two incidence maps. It is found in this study, with the proposed methodology for pre-processing and filtering, over 80% of spatial reliability can be achieved for incidence mapping based on social media data. In the third paper, the intrinsic quality of data is researched for the right interpretation of the incidence maps. The study overviews the weekly sampled social media data from each month during a year that is georeferenced within the Istanbul City. The data is assessed from the perspective of data anomaly, trend, and bias with the spatial statistical tests. The study infers that the data has spatial representation bias, anomaly tendency in some parts of the city, the spatiotemporal bias in terms of the time of day and day of the week. The results of the study contribute to the incidence mapping with the reference maps to avoid biased hot spot occurrences or missing information due to less amount of data.
A semi-automatic façade generation methodology of architectural heritage from laser point clouds: A case study on Architect Sinan

(Lisansüstü Eğitim Enstitüsü, 2021) Kıvılcım, Cemal Özgür ; Duran, Zahide ; 709850 ; Geomatik Mühendisliği

Tangible cultural assets from different periods and civilizations reinforce historical and cultural memories that are passed from generation to generation. However, due to natural events, lack of proper maintenance, or wars, the heritage structures can be damaged or destroyed over time. To preserve tangible cultural assets for the future, it is crucial to ensure that these buildings' maintenance, repair, and restoration are of high quality. Hence, the preliminary phase in any architectural heritage project is to obtain metric measurements and documentation of the building and its individual elements. In this direction, the acquired data and derived models are used for various purposes in the fields of engineering and architectural applications, digital modeling and reconstructions, virtual or augmented reality applications. However, conventional measurement techniques require tremendous resources and lengthy project completion time for architectural surveys and 3D model production. With technological advances, laser scanning systems became a preferred technology as a geospatial data acquisition technique in the heritage documentation process. Without any doubt, these systems provide many advantages over conventional measurement techniques since the data acquisition is carried out effectively and in a relatively short time. On the other hand, obtaining final products from point clouds is generally time-consuming and requires data manipulation expertise. To achieve this, the operator, who has the knowledge about the structure, must interpret the point cloud, select the key points representing the underlying geometry and perform the vectorizing process over these points. In addition, point data contains systematic and random errors. The noisy point cloud data and ambiguities make this process tedious and prone to human error. The purpose of this thesis is to reduce the user's manual work cycle burden in obtaining 3D models and products from point cloud data: A semi-automatic user-guided methodology with few interventions is developed to easily interpret the geometry of architectural elements and establish fundamental semantic relationships from complex, noisy point clouds. First, the conventional workflow and methodologies in cultural heritage documentation were researched, and the bottlenecks of the current workflow were examined. Then, existing methodologies used in point cloud-based 3D digital building reconstruction were assessed. From this, semi-automatic methods are evaluated for a more suitable approach to 3D digital reconstruction of cultural heritage assets, which are more complex than modern buildings. Recently, Building Information Modeling (BIM) process applications have gained momentum. BIM systems make many contributions to project management, from the design to the operation of new modern buildings. Research on the applications for existing buildings in BIM has increased. Particularly, such applications and research in cultural heritage are gathered under the term of Heritage/Historic-Building Information Modeling (HBIM). In HBIM, dedicated architectural style libraries are generated, and geometric models are produced by associating the geometries of architectural elements with point clouds. Such applications generally come for Western architectural elements, in which construction techniques and geometrical relations of architectural rules and orders have been documented with sketches and drawings for centuries. Detailed descriptions and fine sketches pertaining to the rules and style studies of Ottoman architecture are limited. Having been the capital of many civilizations, historic Istanbul is crowned with the many mosques of Architect Sinan, dating from the 16th century, the golden era of the Ottoman Empire. For his innovative structures, Architect Sinan is considered an architectural and engineering genius. Unfortunately, Sinan did not leave enough written or visual documentation of his works, and although many aspects of Sinan's works have been researched, few have worked on the geometry of the facade elements. Previous architectural research examines the ratios and compares the general architectural elements of Sinan's works (comparing the dimensions and location of the elements). Building on this and our observations of Sinan's mosques, we designed an object-oriented library of parametric objects for selected architectural facade elements. In addition, some fundamental semantic relations of the prepared object library elements were introduced. A case study for procedural modeling was then carried out. In the next stage, we evaluated that an algorithmic approach can be used to obtain parametric architectural elements from noisy point cloud data. We benefited from the Random Sample Consensus (RANSAC) algorithm, which has a wide range of applications in computer vision and robotics. The algorithm is based on the purpose of obtaining the parameters of a given mathematical model; it is a non-deterministic method based on selecting the required number of random data from the data set to create the model and measuring the extent to which the hypothesis produced is compatible with the entire data set by evaluating the model. The basics of this method work with a certain number of iterations and return outputs of the most suitable model parameters, the dataset that makes up the model, and the incompatible data. In addition, model-specific criteria and rules based on architectural knowledge were added to the developed methodology to reduce the number of iterations. All algorithmic codes were produced in Python language. In addition, we used libraries such as NumPy and for arrays and mathematical operations. For visualization studies, the open graphics library (Open Graphics Library, OpenGL) was carried out using the Visualization Tool Kit (VTK) on the graphics application development interface. In addition, python modules of VTK C++ source libraries were compiled using CMake software and Microsoft Visual Studio. As the application area of the study, one of the most important mosques of Istanbul Şehzade Mosque, which is Mimar Sinan's first selatin complex, was chosen. Point cloud data acquired with a terrestrial laser scanner for the documentation studies of the mosque was obtained for this study. Different case areas were determined from the point cloud datasets. Windows on the Qibla direction façade and the domes from the roof covering of the mosque were used, respectively. While making this choice, we considered the variety of window elements and Sinan's use of the dome influenced. In the case applications, the point cloud selected from the window areas was segmented semi-automatically using proposed method recursively at different window levels from the inside to the outside. In the other case study, the algorithm performed the segmentation of the main dome. As a result of this segmentation, point groups that are not included in the model are evaluated once more time using the Density-Based Spatial Clustering of Applications with Noise (DBSCAN) algorithm from Python's scikit-learn and presented to the user as a guiding output in the determination of architectural elements and deformations. Using the above-mentioned Sinan architectural dome typology relations with the main dome of the mosque, it was ensured that point clusters were formed in the modeling of other dome structures in the mosque. Finally, as an example, the parametric dome model was converted to Industry Foundation Class (IFC) format using open source CAD software. Integrity and accuracy comparisons were made using the outputs of the presented methodology and the CAD drawings produced by the restoration architects using the same data. The results were within acceptable limits for general-scale studies. Additionally, the presented method contributed to the interpretation of the data by saving time for expert users. In summary, a method has been developed for the semi-automatic extraction of architectural parametric models working directly on the 3D point cloud, specific to the Ottoman Classical Era Mosque, particularly Architect Sinan's works, using a data and model-oriented hybrid 3D building reconstruction approach.
Kuzeydoğu Akdeniz bölgesindeki diri fayların kinematiğinin GPS gözlemleri ve elastik yarı uzaysal yer değiştirme modeli ile belirlenmesi

(Lisansüstü Eğitim Enstitüsü, 2021-06-01) Özkan, Ali ; Yavaşoğlu, Hasan Hakan ; 501092603 ; Geomatik Mühendisliği

Türkiye'nin en önemli neotektonik ve sismojenik yapılarından birisi olan sol yanal doğrultu atımlı Doğu Anadolu Fay Zonu (DAFZ) Erzincan'ın doğusunda Karlıova'dan başlayarak Hatay'a kadar uzanan ve daha güneyde Ölü Deniz Fayı ile birleşen aktif bir fay zonudur. Arabistan ve Afrika plakalarının kuzeye doğru farklı hızlardaki bağıl hareketleri, Bitlis-Zagros Bindirme Kuşağı boyunca gelişen kıta-kıta birleşmesi ve Anadolu plakasının batıya kaçışına bağlı olarak DAFZ üzerinde ve çevresinde önemli sismik aktiviteler meydana gelmektedir. DAFZ'nin güneyinde Kahramanmaraş üçlü kavşak noktası ile Hatay üçlü kavşak noktası arasındaki Karasu Fayı (KF) ile Kıbrıs Yayı'nın etkisi altındaki Toprakkale, Yumurtalık, Karataş-Osmaniye (KOF) Fayları Kuzeydoğu Akdeniz bölgesinin karmaşık tektonik yapısı içerisinde yer alan depremsellik açısından önemli fay segmentleridir. Bu faylar 2012 ve 2018 yıllarında güncellenen Türkiye Diri Fay Haritasında diri fay sınıfında değerlendirilmiştir. Buna karşın bölgedeki diri fayların kinematiğini araştırmak için yapılan jeodezik çalışmaların sınırlı kalması bu fayların davranışlarının anlaşılmasını ve deprem potansiyellerinin ortaya konulmasını güçleştirmektedir. Bu nedenle, söz konusu diri faylara ait güncel kayma hızları ve kilitlenme derinlikleri gibi fay kinematiğini yansıtan parametrelerin jeodezik yöntemler kullanılarak yüksek doğrulukla belirlenmesi gerekmektedir. Bu amaçla kullanılan en etkin yöntem fayların geometrisine ve karakteristiğine uygun olarak tesis edilmiş jeodezik ağlar üzerindeki sürekli istasyon ve kampanya noktalarında GPS gözlemleri gerçekleştirmektir. Bu doktora tez çalışmasında, Kuzeydoğu Akdeniz bölgesinde büyük deprem üretme potansiyeli yüksek diri faylar geniş bir jeodezik ağ kullanılarak izlenmiş ve toplanan GPS verilerinin modellenmesi sonucunda blokların dönme hızları, fay kayma hızları, fay kilitlenme derinlikleri ile blok içi yamulma hızları yüksek doğruluk ve uzaysal çözünürlükle belirlenmiştir. Bu amaçla, uygun geometri ve dağılım dikkate alınarak kampanya GPS gözlem noktaları ile sürekli GPS istasyonlarından (TUSAGA-Aktif ve kamu kurumlarına ait CORS ağlarının istasyonları) oluşan geniş bir jeodezik ağ tasarlanmıştır. Bu spesifik gözlem ağı, aynı zamanda bünyesinde Kuzeydoğu Akdeniz bölgesinde gerinim biriktiren önemli diri fayları dik kesen profiller barındırmaktadır. Bu profiller yardımıyla söz konusu diri fayların kinematik özellikleri hakkında önemli bulgulara ulaşılmıştır. GPS verilerinin GAMIT/GLOBK yazılımı ile işlenmesi neticesinde çalışma bölgesi ve civarı için kampanya gözlem noktaları ve sürekli GPS istasyonlarının ITRF2008 datumunda tanımlandığı güncel GPS hız alanı elde edilmiştir. Bu GPS hız alanının literatürdeki diğer hız alanı çözümleri ile entegrasyonu sağlanarak ITRF2000 referans sisteminde Avrasya levhası sabit bütünleşik bir yatay GPS hız alanı tanımlanmıştır. Hız alanı çözümlerinin ortak bir referans sisteminde birleştirilebilmesi için 6 parametereli (3 öteleme ve 3 dönüklük) bir dönüşüm modeli kurulmuştur. Ayrıca, literatürdeki çalışmalarından derlenen Euler kutup parametrelerine bağlı olarak Arabistan levhası sabit GPS hız alanı üretilmiş ve böylece blok modelleme için uygun bir veri seti oluşturulmuştur. Bu çalışmada diri fayların kinematik özelliklerinin blok modeller ile tanımlanabilmesi için TDEFNODE yazılımından yararlanılmıştır. Blok modellemede, en basit geometriden daha karmaşık olana doğru, veri ile uyumlu blok modelin test edilmesine dayalı bir strateji benimsenmiştir. Buna göre, Kuzeydoğu Akdeniz bölgesindeki diri fayların kinematik özelliklerini araştırmak için belirli bir model alanında 5 bloktan oluşan bir blok model tanımlanmıştır. Blok modellemeye ilişkin izlenen adımlar ve elde edilen sonuçlar detaylı olarak açıklanmıştır. Blok modelleme sonuçları ve fay uzunluklarına bağlı olarak faylar üzerindeki gerinim birikimleri ve olası deprem büyüklükleri hesaplanmıştır. Doğu Anadolu Fayı'nın Gölbaşı-Türkoğlu segmenti üzerinde 1114 depreminin (M ≥7.8) ardından başlayan gerinim birikimi ~6.8 metre olarak belirlenmiştir ve 7.2 ile 7.6 büyüklüklerinde olası depremlere yol açabileceği tahmin edilmektedir. 1513 depremi (M ~7.4) sonrasında Karataş-Osmaniye Fayı'nda başlayan deformasyonun büyüklüğü günümüzde fayın farklı bölgelerinde ~1.3-2.1 metre değerlerine ulaşmıştır ve bu bölgelerde 6.8 ile 7.2 büyüklükleri arasında olası depremlere neden olabileceği değerlendirilmektedir. Karasu Fayı üzerinde ise 1822 (M 7.4) ve 1872 (M 7.2) depremleri göz önünde bulundurulduğunda ~0.4-0.6 metre gerinim birikiminin büyüklüğü 6.6-7.2 aralığında olası depremlere neden olabileceği öngörülmektedir. Bu doktora tez çalışması sonucunda Kuzeydoğu Akdeniz bölgesindeki önemli diri fayların sahip olduğu büyük ölçekli deprem oluşturma potansiyeli ortaya konulmuştur ve tez çıktılarının ulusal deprem eylem planları, sismik risk analizleri, deprem hasar tahmin çalışmaları ile kentsel dönüşüm planlarına katkılar sunması beklenmektedir.
Nokta bulutlarının otomatik birleştirilmesinde yeni bir yöntem önerisi

(Lisansüstü Eğitim Enstitüsü, 2021-10-01) Kuçak, Ramazan Alper ; Erol, Serdar ; 501152611 ; Geomatik Mühendisliği

Nokta bulutlarının birleştirilmesi geomatik, makine, inşaat mühendisliği ve mimarlık disiplinlerinin uygulama alanları için çok büyük bir öneme sahiptir. Nesnelerin bir bütün olarak veya nesneler üzerindeki detayların daha gerçekçi olarak modellenebilmesi için farklı konumlardan veya farklı çözünürlüklü tarayıcılardan elde edilen nokta bulutlarının birleştirilmesi gerekmektedir. Günümüzde kültürel mirasların dokümantasyonu, Coğrafi Bilgi Sistemi (CBS) veya 3B şehir modelleme gibi birçok alanda nokta bulutları yaygın olarak kullanılmaktadır. Bu alanlarda, nokta bulutları kullanılarak gerçekleştirilecek çalışmalarda, doğruluğu yüksek nokta bulutları ile çalışmak, 3B modelleme çalışmaları için oldukça önemlidir. Nokta bulutlarının modellenmesinde fazla sayıda nokta bulutu verilerinden ziyade; verinin modellenebilmesi için yeterli olacak nokta bulutunun ve yüksek doğrulukta noktaların kullanılması çok daha önemlidir. Bu sebeple, modelleme için kullanılacak nokta bulutu verisi için öncelikle bilinmesi gereken, verinin bütünlüğünün ve doğruluğunun araştırılması olmalıdır. Veri bütünlüğünü ve doğruluğunu artırmak için de, ya verinin çözünürlüğü artırılmalıdır, ya da gerektiği durumlarda doğruluk analizleri yapılmalıdır. Elde edilen sonuçlara göre de nokta bulutlarını birleştirme ve enterpolasyon işlemlerinin yapılması daha doğru çalışmaların yapılmasının önünü açacaktır. Doğruluğun ya da çözünürlüğün önemli olduğu nokta bulutu modelleme çalışmalarında, verinin analizleri yapıldıktan sonra; mevcut nokta bulutunun doğruluk ve çözünürlük açısından yeterli olduğu düşünülüyor ise birleştirme ya da modelleme aşamalarına geçilebilir. Fakat, mevcut nokta bulutunda istenilen yüzey verisi eksikse veya nokta bulutu yeterli doğruluk ve çözünürlüğe sahip değil ise; mevcut nokta bulutundan daha yüksek doğruluklu bir nokta bulutu üretip mevcut sisteme entegre etmek; üç boyutlu (3B) yüzeyler için yapılacak enterpolasyon ya da modelleme işlemleri için daha doğru bir yaklaşım olacaktır. Bu tez çalışmasında; farklı veya aynı sistemlerden üretilen 3B nokta bulutlarının otomatik olarak birleştirilmesi ve böylece objelerin 3B modellerinin hassas olarak oluşturulması amaçlanmaktadır. Böylece 3B modelleme çalışmalarında daha doğru modellerin üretilmesi ve enterpolasyon ile yüzey geçirme işlemlerinin daha hassas olarak elde edilebilmesine bir katkı sağlanması hedeflenmektedir. Nokta bulutlarının birleştirme işlemi üç aşamadan oluşmaktadır: Öncelikle, nokta bulutları içerisindeki anahtar noktaların bulunması, tanımlanması ve nokta bulutları arasında eşlenmesi gerekmektedir. Daha sonra, elde edilen eşlenik noktalar yardımıyla nokta bulutlarının ilk hizalaması yapılır ve son olarak hassas birleştirme işlemine geçilir. İlk birleştirme işlemi, nokta bulutlarının kabaca hizalanması için tercih edilir ve ayrıca hassas birleştirme işlemi de etkili bir ilk hizalama ile başlamaktadır. Anahtar nokta belirleme ve tanımlama algoritmaları genellikle resim-görüntü tabanlı (RGB) veriler ile çalışmaktadır, sadece XYZ kartezyen koordinatları kullanan çok az sayıda anahtar nokta belirleme ve tanımlama algoritması bulunmaktadır. Bu tez çalışmasında, nokta bulutlarının ilk hizalanması ve tam birleştirilmesi için, yeni bir otomatik anahtar nokta tanımlama ve eşleştirme yaklaşımı önerilmiştir. Burada sunulan yeni yaklaşım, intensity (Lazerin yüzeyden yansıma enerjisi) ya da RGB gibi yansıtım değerleri ile değil, sadece XYZ koordinatlarına sahip herhangi bir nokta bulutu için uygulanabilmektedir. Çalışmada, öncül birleştirme için burada önerilen otomatik anahtar nokta tanımlama ve eşleme yaklaşımı uygulanmıştır ve sonrasında ise, dönüşüm parametrelerinin tahmini için 3B Helmert Benzerlik Dönüşümü kullanılmıştır. Ayrıca nokta bulutlarının tam birleştirilmesi için İteratif En Yakın Nokta (İEYN) Algoritması kullanılmıştır. Dönüşüm parametrelerinin tahmini, ilk birleştirmeye başlamak için en kritik aşamadır. Bu çalışmada önerilen otomatik tanımlama ve eşleme algoritmasında, birleştirilecek her nokta bulutu öncelikle uygun eğriliklere göre filtrelenmiştir. Ardından, her nokta bulutu için elde edilen anahtar noktalar kendi aralarındaki açı kosinüs ve mesafe değerlerine göre tanımlanmıştır. Sonrasında, her nokta bulutunda tanımlanan anahtar noktalar karşılıklı olarak birbirleriyle eşlenmiştir. Elde edilen eşlenik noktalar yardımıyla nokta bulutlarının İEYN öncesi ilk hizalaması için 3B Benzerlik Dönüşümü parametrelerinin hesaplanmasında büyük açılı ve küçük açılı Gauss-Markov ve Gauss-Helmert dengeleme modelleri kullanılmıştır. Ayrıca, ilk hizalama için dönüşüm parametrelerinin hesaplanması aşamasında, eşlenik noktalar eğrilik değerlerine göre gruplara ayrılmış ve ölçü gruplarının öncül varyans değerleri, Varyans Bileşen Tahmini (VBT) uygulanarak belirlenmiş ve daha sonra İEYN ile hassas birleştirme gerçekleştirilmiştir. Tez çalışmasında önerilen algoritmayı literatürdeki diğer yöntemlerle karşılaştırmak için, 3 farklı veri seti kullanılmıştır. İstanbul Teknik Üniversitesi (İTÜ) Ayazağa Kampüsü'nde yer alan Yılmaz Akdoruk Öğrenci Yurdunun tüm cepheleri Riegl VMX 450 LiDAR Sistemi ve Leica C10 yersel lazer tarayıcı ile taranmıştır. İki farklı tarama sisteminden elde edilen bina ön cephesine ait yersel statik ve mobil LiDAR verileri üzerinde, önerilen yöntem uygulanarak iki farklı lazer tarama verisi birleştirilmiştir. Diğer veri setleri ise, küçük nesnelerin modellenmesi ve endüstriyel amaçlı ölçmelerde de çok sık kullanılan lazer tarayıcılardan elde edilen "Aristo heykeli" ve "Stanford Tavşan" verileridir. Tavşan verisi, Stanford Üniversitesi Bilgisayar Grafik Laboratuvarına ait bir "Cyberware 3030 MS" tarayıcı ile taranan Stanford Modeli olarak bilinir. Stanford Tavşan verileri genellikle literatürdeki anahtar nokta eşleştirme algoritmaları için örnek bir model olarak kullanılır. Aristo heykeli ise İTÜ Geomatik Mühendisliği Ölçme laboratuvarında, "Next Engine 3D Ultra HD" tarayıcı ile taranmış nokta bulutu verisidir. Bu nesnelere ait lazer tarama verileri de önerilen algoritma uygulanarak birleştirilmiş ve 3B modeller elde edilmiştir. Sonuç olarak, önerilen yöntem algoritmik olarak gerçeklenmiş, bahsedilen veri setlerinde uygulanmış ve bu yöntemin eksik ve üstün yönlerini ortaya çıkarmak için literatürde mevcut olarak kullanılan anahtar nokta tanımlama ve eşleme yöntemleri ile karşılaştırılmıştır. Bu çalışmada kullanılan yöntemler; 3B dönüşümün doğruluğu, dönüşüm parametrelerinin Ortalama Hata (OH) değerleri ve İEYN algoritmasının ilk ve son OH değerlerine göre değerlendirilmiştir. Gerçekleştirilen karşılaştırmalı analizler sonucunda, önerilen algoritma ile daha iyi OH değerlerine ulaşılırken, diğer algoritmalarda da (ISS+PFH ve LSP+PFH) anlamlı OH değerlerine ulaşılmıştır. Fakat bazı verilerde diğer algoritmalar ile eşlenik nokta bulunamadığından, İEYN algoritması için anlamlı bir sonuç gözlemlenememiştir. Kullanılan veriler ve karşılaştırılan yöntemlere göre, önerilen algoritma daha iyi bir ilk hizalama sonucu verdiği için, İEYN uygulandıktan sonra daha başarılı modeller oluşturulmuştur. Bu çalışmada, önerilen yöntemin, otomatik nokta eşleme literatürüne katkısı, uygulamalar ve farklı veri tipleri kullanılarak irdelenmiştir, daha doğru ve hassas 3B modellerin üretilebilmesine sağladığı katkı görülmüştür.
Uzaktan algılama verileri kullanarak derin öğrenmeye dayalı arazi kullanımı ve arazi örtüsü haritalama modeli geliştirme

(Lisansüstü Eğitim Enstitüsü, 2021-12-02) Atik, Şaziye Özge ; İpbüker, Cengizhan ; 501152607 ; Geomatik Mühendisliği

Doğal kaynakların gün geçtikçe tükenmesi, nüfus artışı, kentsel göç ve artan kuraklık koşulları çevresel izleme programlarının gerekli olmasının ve düzenli olarak üretilip güncellenmesinin nedenlerinden bazılarıdır. Tüm dünyada olduğu gibi, ülkemizde de pek çok alanda kullanılan arazi kullanımı ve arazi örtüsü (AKAÖ) haritaları düzenli olarak üretilip güncellenmektedir. CORINE sınıflandırmasına dâhil olan ülkemiz hem bu alanda hem de birçok farklı endüstriyel, akademik ve kamu alanları için uzaktan algılama görüntüleri kullanarak tematik harita üretimini gerçekleştirmektedir. Ancak geniş alanlarda uygulandığında bu üretimin oldukça zaman alması hem üretimde hem de güncellemede karşılaşılan zorlukların başındadır. Hala birçok tematik harita, görsel yorumlama teknikleri ve yarı-otomatik görüntü işleme analizleriyle üretilmektedir. Operatör gereksinimi, uzun süren işlemler (ekran üzerinde sayısallaştırma) gibi pek çok nedenden dolayı özellikle çevresel izleme alanındaki kartografik üretimin otomatikleştirilmesi önem arz etmektedir. Otomatikleştirme işlemi birçok diğer endüstride olduğu gibi bu alanda da yapay zekânın kullanımı ile mümkün hale gelmektedir. Ek olarak, yapay zekânın geo-konumsal yer gözlemi ve bölgesel arazi izleme misyonlarında kullanımı zorlu bir konudur. Ancak bilgisayar sistemlerinin gelişmesi ile işlem kolaylığı gün geçtikçe artmaktadır. Aynı zamanda yapay zekânın kullanımının birçok avantajı mevcuttur. Operatör gereksinimini azaltan, farklı bölgelerde uygulanabilen, adapte edilebilen modellere ve belli aralıklarla otomatik şekilde güncellemeye olan ihtiyaç ve eğilim her geçen gün artmaktadır. Birçok alanda olduğu gibi AKAÖ haritalamada, bilgisayarlı görünün kullanımının hızla arttığı ve son yıllarda yeni birçok tekniğin geliştirildiği bilinmektedir. Bilgisayarlı görü teknikleriyle, son dönem uzaktan algılama yöntemleri birleştirilerek oluşturulan yapay zekâ uygulamaları birçok yönden verim sağlamaktadır. Geniş alanların sınıflandırılmasında uydu görüntülerinin kullanımı, özellikle açık veri paylaşan uyduların da gelişen özellikleri sayesinde çok daha ekonomik ve pratik olabilmektedir. Bu çalışma kapsamında, derin öğrenme teknikleri kullanılarak farklı detay seviyelerindeki sınıflar için AKAÖ haritaları üretilmiştir. Çalışmalarda veri olarak farklı mekânsal çözünürlüklerde uydu görüntülerinden oluşan üç farklı veri seti kullanılmıştır. Çalışma alanı olarak seçilen bölgelerde görüntülerin semantik segmentasyon (anlamsal segmentasyon) yöntemi ile sınıflandırılmasında evrişimsel sinir ağları (ESA) mimarileri kullanılmıştır. Sınıflandırma doğruluğunu yükseltmek ve performans ölçütlerini iyileştirmek için, kullanılan görüntülerin bantlarının yanı sıra ESA mimarilerinde farklı spektral indisler de kullanılarak farklı boyutlarda veri setleri ile sınıflandırma için kullanılan modeller ile eğitilmiştir. Elde edilen sınıflandırma sonuçları üzerinde iyileştirme yapılması amacıyla nesne-tabanlı görüntü analizi (NTGA) aşamalarından çoklu-çözünürlüklü bölütleme (ÇÇB) algoritmasından yararlanılmış ve konumsal filtreleme yapılmıştır. İlk uygulamadaki Sentinel-2 veri seti, Türkiye'ye ait mekânsal olarak orta çözünürlüklü görüntülerden oluşmaktadır. Bu uygulamada Sentinel-2A görüntüleri kullanılarak oluşturulan farklı bant kombinasyonu (beş ve yedi bant) ve farklı görüntü parçacığı boyutları (32 × 32, 64 × 64 ve 128 × 128 piksel) kullanılmıştır. Üç farklı şehre ait görüntülerle oluşturulan veri setiyle AKAÖ haritalama için güncel ESA tabanlı modellerin ve önerilen yaklaşım olan ESA-ÇÇB modelinin aynı bölgedeki sonuçları değerlendirilmiştir. Sentinel veri setinde, en yüksek genel doğruluk, önerilen yaklaşımla İstanbul test alanında % 97.31 ve Kocaeli test alanında % 98.44 olarak elde edilmiştir. Doğruluklar, geniş alanlarda arazi örtüsü haritası üretimi için ESA-ÇÇB modelinin verimliliğini ortaya çıkarmıştır. McNemar testi kullanılarak uygulamada kullanılan modellerin bilimsel olarak anlamlılığı ölçülmüştür. Benzer yöntemler ikinci uygulamada çok yüksek çözünürlüklü görüntülere sahip Zurich Summer veri setinde uygulanmıştır. Sonuçlar, temel ESA modellerinin sonuçları ile nicel olarak karşılaştırılmıştır. Bu uygulamada, Zurich Summer veri seti ile önerilen yaklaşımın genel doğruluğu % 92.03 ve %90.67 olarak elde edilmiştir. Elde edilen sonuçlar ek olarak literatürdeki diğer modellerin sonuçlarıyla karşılaştırılmıştır. Üçüncü uygulamada, farklı mekânsal çözünürlükte Wuhan Üniversitesi bina çıkarımı veri setinde (WHUBED) diğer iki uygulamadan farklı derin öğrenme ağları kullanılmıştır. Önerilen yaklaşımın kullanımı, tek başına ESA kullanıldığındaki sonuçlarla karşılaştırıldığında performans değerlerinde iyileştirme yapmıştır. WHUBED veri setinde test görüntülerinde % 97.57 ile % 81.06 genel doğruluk değerleri ve % 86.46 ile % 86.49 F1 skoru elde edilmiştir. Bu uygulamada da temel ESA modellerinin sonuçlarıyla, tezde önerilen yaklaşımın sonuçları karşılaştırılmış ve sonuçlar çizelgeler ve görseller şeklinde sunulmuştur. Bu uygulamada, genel doğruluk ve F1 skor ölçütlerinde önerilen yaklaşım daha yüksek performans göstermiştir.
Yapay açıklıklı radar interferometre teknikleri ile tuz gölü dinamiklerinin analizi

(Lisansüstü Eğitim Enstitüsü, 2022) Bilgilioğlu, Burhan Baha ; Musaoğlu, Nebiye ; 723510 ; Geomatik Mühendisliği

Sulak alanların önemli bir parçası olan tuz gölleri, yer altı su kaynaklarıyla beslenmeleri ve iklime karşı çok hassas olduklarından dolayı diğer göllerden ayrılmaktadır. Estetik, kültürel, ekonomik, rekreasyonel, bilimsel ve ekolojik değerlere sahip olan tuz gölleri çevresel ve iklimsel değişimin en önemli göstergeleridir. Çok soğuk ve yüksek sıcaklık gibi çeşitli koşullar altında var olabilen tuz gölleri, Dünya üzerinde bulunan tüm göllerin toplam hacminin %44'üne ve alanının %23'üne denk gelmektedir. Dünya üzerindeki tüm kıtalarda bulunan tuz gölleri genellikle buharlaşmanın yağıştan fazla olduğu kurak yapıya sahip havzalarda bulunmaktadırlar. Tuz gölleri, yüksek tuz seviyelerini tolere etmelerini sağlayan fizyolojik ve biyokimyasal biyotaya sahiptirler ve iklimde meydana gelen küçük değişikliklere bile oldukça duyarlı ve hassastırlar. Tuz gölleri gibi yüksek mineral oranına sahip sistemler, omurgasız hayvanlar, balık ve su kuşları gibi canlılar için uygun bir yaşam alanıdır. Dünya üzerinde bulunan tuz göllerinin yaklaşık üçte biri yarı kurak (yılda 200-500 mm yağış) ve kurak (25-200 mm) bölgelerde bulunmaktadırlar. Bu alanlarda buharlaşma yüksektir ve genellikle yağış miktarını aşmaktadır. Çok dinamik bir yapıya sahip olan tuz gölleri düşük oranda yaşanan iklimsel değişimlerden yada insan kaynaklı temaslardan oldukça hızlı ve dramatik bir şekilde etkilenen tuz göllerinin kısa zaman dilimlerinde mevsimsel olarak izlenmesi gereken önemli sulak alanlardır. Uyduların taşıdıkları algılayıcılardaki gelişmeler, UA veri işleme aşamasında farklı metotların da gelişmesini tetiklemiş ve araştırmacıları farklı bilgi çıkarımlarına yönlendirerek sulak alanların izlenmesine yönelik yeni yöntemler ortaya çıkmıştır. Bunların en önemlilerinden biri, SAR algılayıcılarının genlik ve faz bilgisini kullanarak yeryüzünün hem yatay hem de düşeyde meydana gelmiş olan değişimlerin belirlenmesine olanak sağlayan InSAR metodudur. Tuz göllerinin suyunun içinde bulunan tuz içeriği nedeniyle gelişmiş InSAR teknikleri kullanılarak su seviyesi ve tuz hareketleri gibi hacim dinamiklerinin izlenmesi ve araştırılması için uygun çalışma alanlarıdır. Meteorolojik değişimlerin yanı sıra tuz gölleri içerisinde ve çevresinde bulunan insan yapımı yapılarda oluşabilecek deformasyonlar göle ve göl habitatlarına doğrudan zarar vereceğinden dolayı belirli periyotlarda gözlemlenmelidir. Bu amaçla tez çalışması kapsamında tuz gölleri hacim dinamiklerinin belirlenmesi için Türkiye'nin en büyük tuzlu gölü olan ve KKH'da bulunan Tuz Gölü belirlenmiştir. Türkiye'nin tuz ihtiyacının yarısından fazlası Tuz Gölü bölgesindeki tuzlalar ve ikincil tuz endüstrisi ile gerçekleştirilmektedir. Tuz Gölü, uluslararası kriterlere göre A sınıfına giren bir sulak alandır. Tuz Gölü Havzası 14.09.2000 tarih ve 2000/1381 sayılı Resmi Gazete'de yayımlanan Bakanlar Kurulu Kararıyla Özel Çevre Koruma Bölgesi olarak tespit ve ilan edilmiştir.08.08.2002 tarih ve 2002/4512 sayılı Resmi Gazete'de yayınlanan Bakanlar Kurulu kararıyla Özel Çevre Koruma Bölgesi'nin sınırları 7414 km2 ye genişlemiştir. Türkiye'nin ikinci büyük gölü olan Tuz Gölü'nün tek benzeri Amerika Birleşik Devletleri'nde bulunan Salar de Uyuni Gölü'dür. Tuz Gölü yüksek dağlarla çevrili ve kapalı bir havza özelliği taşıdığından denizlerin nemli ılıman havasının bölgeye girmesi mümkün olmamaktadır. Bu nedenle Tuz Gölü Havzası, yaz mevsimlerinin sıcak ve kurak, kış mevsimlerinin ise soğuk ve kar yağışının hakim olduğu karasal iklim özelliklerine sahiptir. Yağış alanı geniş olmasına rağmen gölü besleyen dereler küçüktür ve yazın birçoğu kuru durumdadır. Tuz Gölü'nün derinliği gölün neredeyse tamamında 40 cm'yi geçmemektedir. Bölge ayrıca Orta Anadolu'daki önemli aktif tektonik öğelerin başında gelen kuzeybatı-güneydoğu uzanımlı Tuz Gölü fay hattını içerisinde barındırmaktadır. Tuz Gölü ve çevresindeki değişimlerin belirlenmesi amacıyla SAR ve optik uydu görüntülerinin yanı sıra bölgeye ait meteorolojik veriler, arazi ölçmeleri (Spektroradyometre ölçmeleri, Elektronik nem ölçmeleri, Nivelman ölçmeleri ve Toprak numunesi alımı) ve Harita Genel Müdürlüğünden (HGM) elde edilen TUTGA (Türkiye Ulusal Temel GPS Ağı) noktalarından faydalanmıştır. Çalışma alanı olan Tuz Gölü ve çevresinde bulunan yapay alanlar PsInSAR tekniğiyle, göl ,çerisnde bulunan TGB ise SBAS tekniğiyle irdelenmiştir. Göl içi gibi sabit saçıcıların az olduğu alanlarda PSInSAR yöntemine göre daha iyi sonuç veren SBAS yöntemi ile TGB dinamikleri izlenmiştir. Bu amaçla öncelikle optik uydu verilerinde TGB'ler sınıflandırılmıştır. Sınıflandırma sonuçlarının genel doğruluğu Şubat, Nisan, Ağustos ve Ekim görüntüleri için sırasıyla %88,7, %87,9, %86,2 ve %87,5 olarak hesaplanmıştır. Sonrasında TGB'lerin sınıf bazında hem mevsimsel geçişlere olan davranışları hem de InSAR uygulamalarında doğruluğunu direk etkileyen uyumluluk (coherence) değerlerinin davranışlarının irdelenmesi amaçlanmıştır. InSAR aşamasında 34 adet yükselen VV polarizasyona sahip Sentinel-1 (87 numaralı yörünge) SAR görüntüsü kullanılmıştır. SBAS aşamasında toplam 128 interferogram üretilmiş ve belirtilen dönemdeki tüm görüntülerden 100 metrenin altında dikey baz uzunluğuna ve 60 günün altında bir zamansal baz uzunluğuna sahip olanlar kullanılarak zaman serisi üretilmiştir. Sonuçların maksimum standart sapması 2,75 cm/yıl olmasına rağmen, ölçmelerin %60'ının standart sapmasının 1 cm/yıl'ın altında olması, ölçmelerin güvenilirliğini göstermektedir. Sınıflandırma sonuçları ile uyumluluk haritaları arasındaki uyumluluk incelendiğinde tuz ve kuru toprak sınıflarında yüksek uyumluluk olduğu görülmüştür. Bitki örtüsü ve nemli toprakta orta düzeyde uyumluluk değerleri gözlemlenirken tatlı su sınıfında beklenildiği üzere en düşük uyumluluk değerleri görülmüştür. Vejetasyon sınıfı ile nemli toprağa ait uyumluluk değerleri birbirlerine yakın değerlere sahiptir ve orta derecede uyumluluk göstermektedirler. Kuru toprak ve tuz sınıflarının yüksek uyumluluk değerleri gösterdiği, su sınıfının ise en düşük uyumluluk değerini gösterdiği görülmektedir. Ağustos ayında gölün neredeyse tamamen kuruduğu ve bu durumun Ekim ayına kadar sürdüğü gözlemlenmiştir. Ekim ayından sonra su ile dolmaya başlayan göl, şubat ayında maksimum doluluk seviyelerine ulaşmıştır. Bu aydan sonra göl, mart ayına kadar doğal sınırları içinde kalmış, ardından tekrar kurak bir döneme girmiştir. Dört farklı mevsimde arazi çalışmalarında yapılan nivelman ölçmeleri ile elde edilen su seviyesi bilgileri ile SBAS'tan elde edilen su seviyesi bilgileri karşılaştırılmıştır. Şubat, Nisan, Ağustos ve Ekim aylarında SBAS ile su seviyesinin belirlenmesi amacıyla yapılan doğruluk karşılaştırmalarından elde edilen standart sapma değerleri sırasıyla 0,67, 0,80, 0,84 ve 0,95 olarak hesaplanmıştır. Su seviyesinin belirlenmesi ve değişiminin SBAS ölçmeleri ile karşılaştırılıp incelenmesinden sonra tuzlalardaki SBAS bazlı yüzey değişimleri analiz edilmiştir.Tuz Gölü'nde bulunan 3 tuzla için hesaplanan tuz rekoltesi; Yavşan Tuzlası için 1.438 milyon ton, Kayacık Tuzlası için 1.838 milyon ton ve Kaldırım Tuzlası için 1,95 milyon ton olarak hesaplanmıştır. Göl dışında meydana gelen deformasyonların belirlenmesi için TUTGA noktaları ve PSInSAR yöntemiyle incelemeler gerçekleştirilmiştir. Ayrıca PSInSAR sonuçlarının tutarlılığını belirlemek için elde edilen deformasyon bilgileri TUTGA noktalarından elde edilen mm hassasiyetindeki deformasyon bilgileri ile karşılaştırılmıştır. TUTGA sonuçları ile edilen sonuçlar, PSInSAR sonuçları ile yüksek pozitif korelasyon (r>0.95) ile uyumlu olduğu görülmüştür. Tuz göllerinde bulunan en önemli yapay alanların başında gelen tuzlaların setlerinde oluşan deformasyonlar incelendiğinde Kaldırım Tuzlasında yıllık 1 cm'lik bir çökme, Kayacık Tuzlasında yıllık 1.5 cm'lik bir çökme ve Yavşan Tuzlasında 0.5 cm'lik bir çökme gözlemlenmiştir. Ayrıca yapılan analizler göl sınırlarında her yıl ortalama 1-1.5 cm çökme meydana geldiğini göstermektedir. Bu çalışmada optik verilerin görsel yorumlamadaki üstünlüğü ile SAR verilerinin yeryüzü hareketlerinin belirlenmesindeki üstünlüğü entegre edilmiş ve göl değişiminin nedenleri daha iyi yorumlanabilir hale gelmiştir. Bu nedenle özellikle tuz gölleri gibi dinamik ve sabit yansıtıcıların bulunduğu göl alanlarında yapılacak olan çalışmalarda optik ve SAR görüntüleri kullanılarak yer değiştirme haritalarının sınıflandırılmış görüntüler ile birlikte yorumlanması daha kapsamlı sonuçlara ulaşmak için önemli olduğu sonucuna ulaşılmıştır.Tuz göllerinin hacim dinamiklerini gözlemlemek için bitki örtüsünün çok yoğun olmaması ve gölün sabit yansıtıcı objelere sahip olmaları koşullarıyla SBAS yönteminin kullanılabileceği görülmüştür. Tuz göllerinde, tuz içeriğinden dolayı su sınıfında dahi bilgi çıkarmanın mümkün olduğu ve SBAS yönteminin tuz göllerindeki su seviyesi ve tuz hareketleri gibi TGB'nin hacim dinamiklerini izlemek için uygun olduğu belirlenmiştir. Kullanıcılarına hem L bandında hem de S bandında veri sağlayacak olan NASA-ISRO Sentetik Açıklıklı Radar (NISAR) misyonun faaliyete girmesiyle ileride yapılacak olan TGB hacim dinamiklerinin ve su seviyesinin belirlenmesi çalışmalarına önemli katkı sağlayacağı düşünülmektedir.
Yüksek çözünürlüklü uydu verileri kullanılarak şehir alanlarının incelenmesi

(Lisansüstü Eğitim Enstitüsü, 2022-02-08) Topaloğlu, Raziye Hale ; Sertel, Elif ; 501142618 ; Geomatik Mühendisliği

Hızlı bir şekilde değişen ve gelişen dünyada, artan bir nüfus ile birlikte şehirleşmenin süregelen artışı kaçınılmazdır. Bunun sebepleri arasında insanların sosyal yapısının ve bir arada yaşama isteklerinin oluşuyla beraber ekonomik etmenler de oldukça etkilidir. Sürekli yenilenme isteği içinde olan insanın, tıpkı dünyada olduğu gibi, Türkiye'de de özellikle kırsal alanlardan kent alanlarına göçü ile birlikte küçük şehirlerde bile büyüme meydana gelmekte ve bu durum günden güne devam etmektedir. Şehirleşmenin devam eden bu artışı ekonomik, sosyal ve hatta çevresel anlamda önemli etkiler yaratmaktadır. Bu etkiler arasında fakirlik, eksik kalan barınma ihtiyacı ile birlikte ortaya çıkan gecekondulaşma, peyzaj değişimi, sıcaklık artışı, gıda güvenliğinin azalması vb. yer almaktadır. Tüm bu etkilerin tespiti için, kentsel alanların belirlenmesi ve kentsel büyüme eğilimleri hakkında bilgi sahibi olmak, kent ve bölge planlayıcıları için faydalı bilgiler sağlar. Uzaktan Algılama teknolojileri kent alanlarının incelenmesi, haritalanması ve planlanması konularında hızlı ve güvenilir veri ve yöntemler sunmaktadır. Gelişen teknoloji ile birlikte fırlatılan yüksek ve çok yüksek mekânsal çözünürlüğe sahip uydulardan elde edilen görüntülerden, şehir alanlarının zamansal ve mekânsal değişimlerinin tespit edilebilmesi için hızlı, ekonomik ve doğruluğu yüksek Arazi örtüsü/kullanım (AÖ/AK) haritaları üretilebilir. Bu araştırma kapsamında, Türkiye için ekonomik ve sosyal açıdan önemli ve yüksek nüfusa sahip iki şehir olan İzmir ve İstanbul illerinin iki farklı ilçesi çalışılmıştır. İzmir ili için Gaziemir, Buca, İstanbul ili için ise Çekmeköy ve Arnavutköy ilçeleri, gelişim potansiyeli yüksek, AÖ/AK sınıf çeşitliliğinin fazla olduğu için tercih edilmiş, yaklaşık 10 yıllık değişimi için detaylı bir inceleme yapılmış, değişim sonuçları analiz edilen bu ilçeler için 2024 ve 2030 yıllarındaki olası durumları ortaya konulmuş ve yorumlanmıştır. Çalışma genel olarak 6 aşamadan oluşmaktadır. Bu aşamalar (1) Çalışma alanı olarak belirlenen ilçeler için SPOT görüntüleri içerisinden uygun veri setlerinin temin edilerek, 4 farklı ilçe sınırı için görüntülerin hazırlanması ve AÖ/AK sınıflarının irdelenmesi (2) İzmir için 2006-2012-2018, İstanbul ili için ise 2009-2013-2019 yılları olmak üzere belirlenen 3 farklı periyot için de uygun segmentasyon (bölütleme) parametrelerinin belirlenmesi ve çalışma alanları için üç farklı yıldaki görüntülerin nesne tabanlı sınıflandırma yöntemi uygulanarak sınıflandırılması suretiyle toplamda 12 farklı AÖ/AK haritalarının üretilmesi (3) AÖ/AK haritaları için doğruluk değerlendirmesinin yapılması (4) Her ilçe için farklı tarihlerdeki AÖ/AK haritalarının değişim analizinin yapılması ve bu değişim analizi sonuçları üzerinden AÖ/AK sınıflarının birbirine dönüşümünü özetlemeye yardımcı olan dönüşüm matrislerinin oluşturulması (5) İlçelerin yapısal değişiminin ayrıntılı analizi için öncelikle uyumlu sınıf ve peyzaj düzeyi peyzaj metrik gruplarının oluşturulması ve daha sonra bu xviii metriklerin hesaplanması ve bu sonuçların değişim analizi ile birlikte değerlendirilerek ilçelerin belirlenen periyotlardaki durumlarının analizi (6) İlçelerin 2024 ve 2030 yıllarındaki durumlarının model yardımı ile ortaya konularak, AÖ/AK sınıflarının nasıl değiştiğinin irdelenmesi. Bu amaç doğrultusunda, İzmir ili için 2006 ve 2012 yılları, İstanbul ilçesi için ise 2009 yılı SPOT-5 görüntüsü 10 m multispektral (MS) + 2.5 pankromatik (PAN) veri seti şeklinde, İzmir ilçesi 2018 yılı, İstanbul ilçesi için ise 2013 ve 2019 yılları SPOT 6&7 görüntüsü ortho ve pan-sharpened halde 1,5 m mekânsal çözünürlükte temin edilmiştir. Bu görüntülerin önişleme aşamasında ise 2018 ve 2019 yıllarına ait Pleaides görüntüsü kullanılmıştır. Ön işleme aşamaları tamamlanan uydu görüntülerine nesne tabanlı sınıflandırma yöntemi uygulanmıştır. İlk olarak en önemli işlem adımı olan segmentasyon aşaması için çok çözünürlüklü segmentasyon yöntemi kullanılarak her ilçenin her yılı için uygun parametreler belirlenmiştir. Sonrasında karar setleri (karar ağacı) oluşturulmuş, bu setler genel olarak sırasıyla Sulak alanlar alt sınıfları, Arazi kullanım sınıfları, kentsel doku alt sınıfları, Ormanlık alanlar alt sınıfları ve son olarak Tarım alanları alt sınıflarının tespitine odaklanarak oluşturulmuştur. Bu sıralamayla birlikte uygun segmentasyon parametrelerinin de belirlenebilmesiyle; Gaziemir ilçesi için 23, Buca ve Çekmeköy ilçeleri için 22 ve Arnavutköy ilçesi için ise 27 AÖ/AK sınıfı tespit edilmiştir. Her ilçenin 3 farklı yılda sınıflandırması tamamlanan toplamda 12 farklı AÖ/AK haritasının doğruluğunun tespiti için alan bazlı doğruluk değerlendirmesi yapılmıştır. Her sınıf için en az 5 en fazla 20 rastgele alan seçimi yapıldıktan sonra, her ilçenin güncel yılındaki alanlar ilgili ilçenin diğer yıllarının değerlendirilmesinde de kullanılmış ve hata matrisleri oluşturulmuştur. Gaziemir ilçesi için toplamda 204, Buca ilçesi için 216, Çekmeköy ilçesi için 227 ve Arnavutköy ilçesi için 270 rastgele alan üzerinden değerlendirme yapılmıştır ve bu alanlar yaklaşık olarak sırasıyla, 500, 560, 590 ve 700 bin pikseli kapsamaktadır. Doğruluk analizinin sonucunda elde edilen en yüksek toplam doğruluklar her ilçenin en güncel (2018 ve 2019) yılları AÖ/AK haritalarında olmuştur. Gaziemir ilçesi için %88,73, Buca ilçesi için %90,28, Arnavutköy ilçesi için %90,74 ve son olarak Çekmeköy ilçesi için %91,19 olarak bulunmuştur. Doğruluk değerlendirmesinden sonraki aşamada hangi sınıfın hangi sınıfa hangi sebeple, nasıl değiştiğinin belirlenebilmesi için değişim analizi işlem adımına geçilmiştir. Ortaya çıkan sonuçlar doğrultusunda da sınıfların değişiminin hangi sınıf yönünde olduğunu kolay yorumlayabilmek adına dönüşüm matrisleri oluşturulmuştur. Bu adımda görülmüştür ki, genel anlamda her ilçenin yaklaşık 10 yıl içerisinde kentsel alanlarında büyüme ve yeşil alan kayıpları ile büyümesi söz konusudur. Fakat Buca ilçesinde tarım alanları ve doğal alanlarda korunma mevcuttur. Değişim analizi işlem adımından sonraki aşamada ilçelerdeki değişimi daha ayrıntılı anlamak ve peyzajın formunun ne durumda olduğunu analiz edebilmek amacıyla, peyzaj ve sınıf düzeyinde metrik grupları oluşturulmuştur. Kullanılan metrikler; Ünite yoğunluğu (ÜY), Ünite Sayısı (ÜS), En Büyük Ünite İndeksi (EBÜİ), Kenar Yoğunluğu (KY), Toplam Merkez Alan (TMA), Alan Ağırlıklı Ortalama Şekil İndeksi (AAOŞİ), Peyzaj Şekil İndeksi (PŞİ), Ortalama En Yakın Komşunun Alan Ağırlıklı Mesafesi (OYKAAM), Alan Ağırlıklı Ortalama Ünite Büyüklüğü (AAOÜB) Shannon'nın Çeşitlilik İndeksi (SÇİ), Kümelenme İndeksi (Kİ), Parçalanma İndeksi (Pİ), olmak üzere toplamda 12 tanedir. Kullanılan bu metrikler 4 ilçenin AÖ/AK sınıflarının mekânsal değişimi hakkında oldukça yararlı bilgiler sağlamıştır. Sonuçları, değişim analiz sonuçları ile de karşılaştırılmıştır. Özellikle Arnavutköy ilçesinde son 10 yılda ormanlık alanlar, ekilebilir tarım alanları, meralar ve karasal su yüzeyleri sınıflarına ait ünitelerde önemli azalmaların görüldüğü, diğer ilçelerde de sulak alanlar dışındaki doğal alanlar sınıflarına ait ünitelerde parçalanma ve küçülmelerin etkili olduğu görülmektedir. Ünitelerdeki bu parçalanma ve küçülmelerin sebebinin şehirleşme odaklı kent alanlarındaki ve yapılaşmanın artması olarak yorumlanabilmektedir. Arnavutköy ilçesinde havalimanı inşası ve yine hem Çekmeköy ve Arnavutköy ilçelerindeki yeni yol güzergahlarının açılmış olması bunun en güzel ispatıdır. Son aşamada, ilçelerin 2024 ve 2030 yıllarındaki AÖ/AK haritaları modellenmiş, ilçelerin mevcut ve gelecekteki olası durumları hakkında yorumlamalar yapılmıştır. İleriye yönelik tahminleri gerçekleştirmek amacı ile ilçelerin AÖ/AK haritalarının üretilmesi aşamasında literatürde de sıkça kullanılan Hücresel Otomat-Markov Zincirleri Entegrasyonu yöntemi kullanılmıştır ve sonuçları analiz edilmiştir. Bu sonuçlara göre; hem 2024 hem de 2030 yılında her ilçe için genel anlamda kent alanları sınıflarının ve özellikle Endüstriyel, Ticari ve İlgili alanlar, Yollar ve İlgili alanlar arazi kullanım sınıflarının yıllarla doğru orantılı olarak artış göstermiş olduğu, Ormanlar alt sınıflarında ise azalmaların meydana çıktığı görülmüştür. Bu çalışma, Uzaktan Algılama, Peyzaj Mimarlığı ve kentsel ve bölgesel planlamanın disiplinler arası bir yaklaşımını uygulamıştır. AÖ/AK iklimi, hidrolojik kaynakları, hava kalitesini ve çevremizi doğrudan etkilediği için AÖ/AK değişimlerini ve eğilimlerini doğru bir şekilde analiz etmek oldukça önemlidir. Bu araştırmanın metodolojisi ve sonuçları küresel değişim, kentleşme ve sanayileşme gibi çeşitli kullanılabilir. Ayrıca, zengin tematik sınıflara sahip çok yüksek çözünürlüklü uydu görüntülerinin kullanılması, daha büyük ölçeklerde (1/10000 veya daha büyük) karar vermeye, şehir planlamasına ve yönetimine kapsamlı bir şekilde katkıda bulunabilecek peyzajın daha iyi analiz edilmesine ve gelecekteki koşulların modellenmesine olanak tanır.
Improving the performance of remote sensing-based water budget components across mid- and small- scale basins

(Graduate School, 2022-07-19) Kayan, Gökhan ; Erten, Esra ; Türker, Umut ; 501152601 ; Geomatics Engineering

In the last few decades, many global basins have been threatened by rapid urban growth and global warming, resulting in changes in their climate regime. Climate change has increased the incidence of extreme weather events, uncertain water availability, water scarcity, and water pollution. Remote sensing (RS) has emerged as a powerful technique that provides estimations with high spatiotemporal resolution and broad spatial coverage. In recent years, the efficacy of RS products for water budget (WB) analysis has been widely tested and implemented in global and regional basins. Although RS products provide high temporal and spatial resolution images with a near-global coverage, uncertainty is still a significant problem. The main goal of this study is to utilize two different approaches to minimize the uncertainty of the products and to improve RS-based WB estimations in mid- and small- scale basins. The first approach aims to improve the efficacy of water WB estimations from various hydrological data products in the Sakarya basin by; (1) Evaluating the uncertainties of hydrological data products, (2) Merging four precipitation (P) and six evapotranspiration (ET) products using the error variances, and (3) Employing the Constrained Kalman Filter (CKF) method to distribute residual errors (r) among WB components based on their relative uncertainties. The results showed that applying bias correction before the merging process improved estimations of P products with decreasing root mean square error (RMSE), except PERSIANN. VIC and bias-corrected CMORPH products outperformed other ET and bias-corrected P products, respectively, in terms of mean merging weights. The terrestrial water storage change (ΔS) is the primary reason for non-closure errors. This is mainly caused by the two facts. First, the Sakarya basin is a relatively small basin that GRACE can not simply resolve. Second, while P, ET, and Q mostly describe the surface water dynamics, ΔS includes both the surface water and ground water. It is well known that surface water and ground water have completely different dynamic behaviors. The change in surface water is much faster than the change in groundwater. The CKF results were insensitive to variations in uncertainties of runoff (Q). P derived from the CKF was the best output, with the highest correlation coefficient (CC) and the smallest root mean square deviation (RMSD). In the second approach, the annual r in the WB equation arising from the uncertainties of the RS products was minimized by applying fuzzy correction coefficients to each WB component. For analysis, three different fuzzy linear regression (FLR) models with fourteen different sub-models were used in the two basins having different spatial characteristics, namely Sakarya and Cyprus basins. The performance of sub-models is better in the Sakarya basin than that in the Cyprus basin, which has a higher leakage error due to across ocean/land boundary. Moreover, the Cyprus basin is too small for some low-resolution RS-based products to resolve. The Zeng and Hojati sub-models outperformed Tanaka sub-models in the Sakarya basin, whereas Zeng Case-I, Zeng Case-II, and Hojati (degree of fitting index (h) =0.9) sub-models showed the best performance in the Cyprus basin. The best fuzzy sub-models reduced the error up to 68% and 52% in terms of mean absolute error compared to non-fuzzy model in the Sakarya and Cyprus basins, respectively. Further evaluations showed that the best sub-model P well captured the temporal patterns of gauge observations in both basins. Moreover, they have the best consistency with gauge observations in terms of RMSE, Kling-Gupta efficiency (KGE), and percent bias (PBIAS) in the both basins. The results proved that the second approach will provide valuable insights into WB analysis in ungauged basins by incorporating the fuzzy logic approach into hydrological RS products. In general, the FLR and CKF derived P, ET, and Q showed similar seasonal variation with peak and bottom values appeared in nearly the same years. In terms of CC, RMSE, and bias, fuzzy outputs show closest agreement with CKF outputs for Q, with slightly less agreement for P and ET, and much less agreement for ΔS. It can be concluded that the majority of the errors in the second approach are caused by fuzzy ΔS.
Düşey mülkiyet haklarının 3-boyutlu yönetimi için yapı bilgi modellemesi (Bim)-tabanlı bütünleşik bir modelin geliştirilmesi ve üç-parçalı döngü yaklaşımı

(Lisansüstü Eğitim Enstitüsü, 2022-08-01) Güler, Doğuş ; Yomralıoğlu, Tahsin ; 501162614 ; Geomatik Mühendisliği

Etkin bir arazi yönetimi yaşadığımız çevrenin sürdürülebilirliğinin sağlanması için hayati öneme sahiptir. Bununla ilişkili olarak etkin bir arazi yönetiminin gerçek uygulamalara yansıtılabilmesi için güçlü Arazi İdare Sistemleri (Land Administration Systems-AİS)'ne ihtiyaç vardır. Sözü edilen sistemler arazilerin yer altı ve yer üstünde oluşabilecek mülkiyet haklarının bileşenleri olarak Sahiplik, Sorumluluk ve Sınırlamalar (Rights, Responsibilities, and Restrictions-SSS)'a ilişkin bilgilerin kadastral bir altyapıda kayıt altında tutulmasıyla ilgilenmektedir. Kentsel alanlardaki arazilerde ise hızlı göç ve bunun sonucu olarak hızlı nüfus artışıyla birlikte çok sayıda yapı inşa edilmektedir. Geçmişten günümüze bu dönüşüm kentsel alanların da genişlemelerinin belli kesimlerine kadar devam ettiği göz önüne alındığında çok katlı yapıların inşa edilmesine neden olmuştur. Gelişen teknolojiler sayesinde bahsedilen çok katlı yapıların karmaşıklığı gün geçtikçe de artmaktadır. AİS kapsamında kayıt altına alınan mülkiyet haklarının bir diğer biçimi de düşey yönde yapılarda oluşabilen kat mülkiyetidir. Yapıların bünyesindeki kendi başına kullanılmaya elverişli bağımsız bölümlerde oluşabilen kat mülkiyeti mevcut durumda tescil edilen önemli mülkiyet haklarından biridir. AİS'ler dünya genelinde yaygın olarak iki boyutlu (2B) konumsal verilerin kullanımına dayalı olarak uygulansalar da mevzuatta tanımlandığı üzere doğası gereği 3. boyuta sahip hakların tesciliyle de ilgilenmektedirler. Ancak geçmişte yaşanan sosyo-ekonomik, çevresel ve hukuki gelişmeler AİS'lerin halihazırda oluşan arazi yönetim sorunlarıyla başa çıkmada yetersiz kalabildiklerini ortaya koymaktadır. Bu bağlamda AİS'lerin mülkiyet haklarına ilişkin tescil süreçlerinde üç boyutlu (3B) verileri işleme ve yönetebilme kapasitesine sahip bir şekilde geliştirilmelerine ihtiyaç olduğu uluslararası literatürde hâkim görüş olarak yer bulmaktadır. Diğer bir ifadeyle günümüzdeki hızlı kentleşme sürecinde çok katlı ve karmaşık yapılarda kat mülkiyetine konu olan temel hakların eksiksiz bir biçimde tapu siciline tescil edilmesinde 2B verilerin yetersiz kaldığı bir gerçektir. Kat mülkiyetiyle ilgili olarak tüm bağımsız bölümlerin, ortak alanların ve her türlü eklentinin detaylarıyla tescilinde 2B gösterimler ve bilgi notlarının kullanımı düşey mülkiyet haklarına ilişkin gerçek durumu tam olarak yansıtamamaktadır. Bu nedenle kat mülkiyetine konu olan düşey yönlü hakların 3B ve bilgi teknolojisi destekli olarak temsiline gereksinim vardır. Günümüzde özellikle mimarlık, mühendislik ve inşaat (Architecture, Engineering, and Construction-AEC) endüstrisinde bilgisayar destekli tasarımın (Computer Aided Design-CAD) yerini alan Yapı Bilgi Modellemesi (Building Information Modeling-BIM) teknolojisine yönelik giderek artan bir eğilim görülmektedir. BIM teknolojisiyle yapılara ait modeller obje tabanlı modelleme yaklaşımı kullanılarak ayrıntılı bir şekilde 3B olarak elde edilebilmektedir. Bunun yanında, BIM modellerinin farklı paydaşlar ve uygulamalar arasında birlikte çalışabilirliği ise aynı zamanda bir Uluslararası Standartlar Teşkilatı (International Organization for Standardization-ISO) standardı olan açık veri standardı Industry Foundation Classes (IFC) ile sağlanmaktadır. Etkin bir arazi idaresi uygulaması için ise yine bir ISO standardı olan Arazi İdaresi Alan Modeli (Land Administration Domain Model-LADM) ortak bir dayanak oluşturmak amacıyla arazi idaresine ilişkin aktiviteleri, paydaşları, mekânsal objeleri ve aralarındaki ilişkileri kapsayacak şekilde kavramsal bir model sağlamaktadır. Yukarıda aktarılan tüm bilgiler bağlamında bu tez çalışmasının temel amacı düşey mülkiyete dair kat mülkiyetine konu olan bütün haklara ilişkin hem fiziksel (physical) yapı elemanları hem de mantıksal mekanları (logical spaces) içerecek şekilde, kadastral tescile ilişkin semantiklerle birlikte, 3B olarak modellenebilmesi amacıyla LADM ve IFC standartları arasındaki bütünleşik yapıyı sağlamaktadır. Bu amaçla öncelikle dünyadaki 3B kat mülkiyeti uygulamaları incelenerek mevcut duruma ilişkin bir analiz gerçekleştirilmiştir. Ardından Türkiye'deki kat mülkiyeti uygulamalarına ilişkin mevzuat altyapısı ayrıntılı incelerek kat mülkiyetinin 3B tescili ve yönetimi için ihtiyaçlar belirlenmiştir. Elde edilen bilgiler ışığında LADM standardındaki özellik sınıflarıyla IFC şemasındaki varlıklar arasında uygun ilişkilerin kurulduğu bir entegre model geliştirilmiştir. Modelin uygulanabilirliğini test etmek amacıyla örnek bir yapının BIM modeli oluşturulmuş ve geliştirilen modelin içeriği zenginleştirilerek nihai IFC modeli elde edilmiştir. Bu anlamda kat mülkiyetine konu olan yasal mekanların (legal spaces) yanında çeşitli yapı elemanlarına ilişkin olarak da kadastral tescil bağlamında SSS'lerin bütüncül yapıda modellenmesi mümkün kılınmıştır. Bilhassa yapı ruhsatlandırma sürecinin bir parçası olarak yapı kullanma izni sürecinde onaylanan inşa edilmiş BIM modellerinin yeniden kullanılmasıyla kat mülkiyetine konu olan hakların belirsizliğe mahal vermeyecek bir şekilde betimlenmesinin ve tapu-siciline tescilinin imkân dahilinde olduğu ortaya konmuştur. Yapılara ilişkin düşey mülkiyet haklarının 3B tescilinin yanı sıra dikkate alınması gereken diğer bir konu da kamu hizmetlerinin dijitalleştirilmesi hususudur. Yeni inşaat başlangıcında, çevresel faktörleri de dikkate alarak yapı projelerinin mevzuatlara uygunluğunun denetlendiği ruhsatlandırma süreçlerinin iyileştirilmesi amacıyla dijitalleştirilmesi ve otomatikleştirilmesine ihtiyaç vardır. İlaveten, inşa edilmiş çevreye dair alınan kararlara bilimsel bir dayanak oluşturan ancak şehirlerde meydana gelen hızlı değişimler nedeniyle güncelliklerinin korunması hayli zorlaşan 3B dijital kent modelleri de gereklidir. Bu nedenle BIM ve Coğrafi Bilgi Sistemleri (CBS) tabanlı modeller arasındaki etkileşim kaçınılmazdır. Bahsedilen konularla ilgili olarak ortak nokta 3B dijital yapı modelleridir. Bu bağlamda tez kapsamında dijital yapı ruhsatlandırma süreçleri, 3B kent modellerinin güncellenmesi ve mülkiyet haklarının 3B tescilini içeren bir "Üç-Parçalı (3P)" döngü vizyonu önerisi sunulmuştur. Konuyla ilişkili olarak 3P döngüsün her bir parçasına ilişkin ayrıntılı incelemeler gerçekleştirilerek döngünün Türkiye'de uygulanma potansiyeli ortaya konularak, değerlendirme sonuçları verilmiştir.
Estimating forest parameters using point cloud data

(Graduate School, 2022-08-05) Arslan, Adil Enis ; Erten, Esra ; 501112601 ; Geomatics Engineering

The spatial distributions and statistical properties of stand attributes must be understood in order to characterize the dynamic forest ecosystem. In this context dendrometry is an invaluable tool in forestry when quantitative characterisation of forests or individual trees are required. Diameter at Breast Height (DBH) and Tree Height (TH) are two significant parameters in dendrometry and heavily correlated with Leaf Area Index. Leaf Area Index (LAI) is described as a dimensionless parameter that has a significant impact in forestry applications and characterising the canopy's structural vegetation in general. With conventional methods, LAI can be calculated with destructive sample collection or with a relatively new non-destructive method called hemispherical photography. Conventional measurements of DBH and TH, although not destructive, are also very time and manpower consuming. With the engagement of modern surveying instruments in forestry, obtaining forest stand parameters for large areas in short time has recently become more prominent and possible with the use of LiDAR technology. Although promising, LiDAR data evaluation techniques for forest stand parameters calculation are still subject to development. This thesis work aims to make a comparative evaluation of existing novel techniques with newly proposed methods for estimating forest stand parameters, namely DBH, TH and LAI. For this purpose Point Cloud Data (PCD) from different sources such as Airborne LiDAR Systems (ALS), Terrestrial Laser Scan (TLS), and Unmanned Aerial Vehicle (UAV) have been evaluated. These data sources have been chosen since they are greatly preferred for forestry operations, and their results can be quantitatively compared against the conventional method results. In-situ data was collected to assess LAI, DBH and TH estimations from PCD through varying sample locations including deciduous, coniferous, mixed forest type. Sampling zone spans from northern parts of Istanbul Urban forest area to a research forest under the supervision of Istanbul University-Cerrahpasa, in Istanbul, Turkey. In-situ measurements were accepted as ground truth, and the results obtained from PCD evaluation were compared against them in terms of their overall error statistics, as well as their performances due to the computational cost and challenges in data acquisitions. The results obtained from the study show that segmentation and removal of wood materials from TLS based PCD by using neural network algorithms and connected component analysis methods, albeit, complex and computer resource demanding, have a promising future on the calculation of effective LAI values of large areas in a very short time span. Similarly, the forestry PCD obtained by TLS has the best performance among other PCD at both DBH and TH estimation
Deep learning-based building segmentation using high-resolution aerial images

(Graduate School, 2022-10-05) Sarıtürk, Batuhan ; Şeker, Dursun Zafer ; 501142612 ; Geomatics Engineering

With the advancements in satellite and remote sensing technologies, and the developments in urban areas, building segmentation and extraction from high-resolution aerial images and generating building maps have become important and popular research topics. With technological developments, a large number of high-resolution images have become increasingly more accessible and convenient data sources. At the same time, due to their ability of imaging over large areas, these aerial images can be very useful for accurate building segmentation and generating building maps. As one of the most important and key features of the urban database, buildings are the building blocks for human livelihood. Due to this importance, building maps have significant role for various geoscience-related applications such as illegal building detection, change detection, population estimation, land use/land cover analysis, disaster management, and topographic and cadastral map production. Nonetheless, obtaining accurate and reliable building maps from high-resolution aerial images is still a challenging task due to various reasons such as complex backgrounds, differences in building size, shape, and colors, noisy data, roof type diversity, and many other topological difficulties. Therefore, improving the efficiency and accuracy of building segmentation and extraction from high-resolution aerial images is still a focus and a hot topic among researchers in the field. Over the past years, various methods have been used to achieve automatic building segmentation from aerial images. In earlier studies, traditional image processing methods such as object-based, shadow-based, or edge-based methods were used. The low-level features and metrics that are used with these methods such as color, spectrum, length, texture, edge, shadow, and height could vary under different conditions like atmospheric state, light, scale, and sensor quality. These methods generally take manually extracted features and apply classifiers or conventional machine learning techniques to achieve building segmentation. However, manually extracting these features is costly, time-consuming, labor intensive, and requires high experience and prior knowledge. Although over time these methods have made some progress, they have some serious shortcomings such as low accuracy, low generalization ability, and complex processing. With the technological developments and availability of large datasets, deep learning-based approaches, especially Convolutional Neural Networks (CNN), have gained a lot of attention from researchers and surpass conventional methods in terms of accuracy and efficiency. CNNs have the ability to extract relevant features directly from the input data and make predictions using fully connected layers. Many CNN architectures such as LeNet, AlexNet, VGGNet, GoogleNet, and ResNet have been used over the years. However, CNNs perform regional divisions and use computationally expensive fully connected layers. These patch-based CNNs have achieved exceptional success, but due to their reliance on small patches around the targets to perform predictions and ignoring the relations between them, they are unable to provide accurate integrity and spatial continuity of building features. To improve the performance and overcome these problems, Long et al. proposed Fully Convolutional Networks (FCN). Instead of fully connected layers in CNNs, FCNs have convolution layers that improve the prediction accuracy greatly. FCNs output the feature maps at the size of the input images and perform pixel-based segmentation through their encoder-decoder structure. However, much of the information is lost in the decoder path, due to the FCNs having just one upsampling layer. Despite their success, FCNs also have some limitations, such as computational complexity and a large number of parameters. To overcome these shortcomings, various variants have been proposed over the years such as SegNet, U-Net, and Feature Pyramid Networks (FPN). These CNN-based approaches have achieved successful results on image segmentation tasks, but they also have some bottlenecks. For example, the usage of fixed-size convolutions results a local receptive field. Due to their designs, they are successful at extracting local context but have a low ability to extract global context. To overcome these shortcomings, some approaches have been proposed and implemented. Such as attention mechanism, residual connections, and designing architecture in different depths. The Transformer was first used in natural language processing (NLP), and later on, implemented to computer vision tasks. In 2020, the Vision Transformer (ViT) approach was proposed to be used in computer vision studies and obtained successful results on the ImageNet dataset. CNNs are successful in identifying local features, but they are insufficient in identifying global features due to their structure. Transformers can compensate for these shortcomings with the use of attention mechanisms. In ViT-based methods, global information can be extracted but spatially detailed context is ignored. In addition, Transformers use all the pixels in vector operations when working with large images, and therefore require large amounts of memory and are computationally inefficient. The main objective of this thesis is to investigate, evaluate, and realize comparisons of different CNN-based and Transformer-based approaches for building segmentation from high-resolution aerial images, and propose a modernized CNN approach to deal with the mentioned shortcomings. This thesis is composed of four papers dealing with these objectives. In the first paper, four U-Net-based architectures, which are shallower and deeper versions of the U-Net, have been generated to perform building segmentation from high-resolution aerial images and they were compared with each other and the original U-Net. The models were trained and tested on datasets prepared using the Inria Aerial Image Labeling Dataset and the Massachusetts Buildings Dataset. On the INRIA test set, Deeper 1 U-Net architecture provided the highest F1 score with 0.79 and IoU score with 0.65, followed by Deeper 2 and U-Net architectures. On the Massachusetts test set, U-Net architecture provided 0.79 F1 score and 0.66 IoU score, followed by Deeper 2 and Shallower 1. Successful results were obtained with Deeper 1 and Deeper 2 architectures show that deeper architectures can provide better results even if there is not too much data. Additionally, Shallower 1 architecture appears to have a performance not far behind deep architectures, with less computational cost, and this shows usefulness for geographic applications. In the second paper, U-Net and FPN architectures utilizing four different backbones (ResNet, ResNeXt, SE-ResNeXt, and DenseNet) and an Attention Residual U-Net approach were generated and comparisons between them were realized. Publicly available Inria Aerial Image Labeling Dataset and Massachusetts Buildings Dataset were used to train and test the models. Attention Residual U-Net model has the highest F1 score with 0.8154, IoU score with 0.7102, and test accuracy with 94.51% on the Inria test set. On the Massachusetts test set, FPN Dense-Net-121 model has the highest F1 score with 0.7565 and IoU score with 0.6188, and the Attention Residual U-Net model has the highest test accuracy with 92.43%. It has been observed that FPN with DenseNet backbone can be a better choice when working with small-size datasets. On the other hand, the Attention Residual U-Net approach achieved higher success when a sufficiently large dataset is provided. In the third paper, a total of twelve CNN-based models (U-Net, FPN, and LinkNet architectures utilizing EfficientNet-B5 backbone, original U-Net, SegNet, FCN, and six different Residual U-Net approaches) were generated, evaluated and comparisons between them were realized. Inria Aerial Image Labeling Dataset was used to train models, and three datasets (Inria Aerial Image Labeling Dataset, Massachusetts Buildings Dataset, and Syedra Archaeological Site Dataset) were used to evaluate trained models. On the Inria test set, Residual-2 U-Net has the highest F1 and IoU scores with 0.824 and 0.722, respectively. On the Syedra test set, LinkNet-EfficientNet-B5 has F1 and IoU scores of 0.336 and 0.246. On the Massachusetts test set, Residual-4 U-Net has F1 and IoU scores of 0.394 and 0.259. When the results were evaluated, it has been observed that the models using residual connections are more successful than the models using conventional convolution structures. It has also been observed that the LinkNet architecture gave good results on the Syedra test set with different characteristics than the other two datasets, and could be a good option for future studies involving archaeological sites. In the fourth paper, a total of ten CNN and Transformer models (the proposed Residual-Inception U-Net (RIU-Net), U-Net, Residual U-Net, Attention Residual U-Net, U-Net-based models implementing Inception, Inception-ResNet, Xception, and MobileNet as backbones, Trans U-Net, and Swin U-Net) were generated, and building segmentation from high-resolution satellite images was carried out. Massachusetts Buildings Dataset and Inria Aerial Image Labeling Dataset were used for training and evaluation of the models. On the Inria dataset, RIU-Net achieved the highest IoU score, F1 score, and test accuracy, with 0.6736, 0.7868, and 92.23%, respectively. On the Massachusetts Small dataset, Attention Residual U-Net achieved the highest IoU and F1 scores, with 0.6218 and 0.7606, and Trans U-Net reached the highest test accuracy, with 94.26%. On the Massachusetts Large dataset, Residual U-Net accomplished the highest IoU and F1 scores, with 0.6165 and 0.7565, and Attention Residual U-Net attained the highest test accuracy, with 93.81%. The results showed that the RIU-Net approach was significantly successful in the Inria dataset compared to other models. On the Massachusetts datasets, Residual U-Net, Attention Residual U-Net, and Trans U-Net gave more successful results.
High-resolution gravimetric geoid modeling in the era of satellite and airborne gravimetry

(Graduate School, 2022-10-06) Işık, Mustafa Serkan ; Erol, Bihter ; 501162607 ; Geomatics Engineering

With the advances in positioning and inertial navigation systems, the accuracy obtained from the airborne gravimetry technique has reached very important levels that aid high-resolution gravity field modeling. The data obtained from the airborne gravimetry is of great importance in complementing the deficiencies of terrestrial data in mountainous areas and land-sea transitions in coastal areas where modeling the geoid are most troublesome. In this thesis, high-resolution regional gravimetric geoid modeling was investigated in light of the recent advancements in the field of gravimetry, more specifically satellite and airborne gravimetry. With recently developed GOCE-based global geopotential models and advanced stochastic techniques to model the regional gravity field as a solution of the geodetic boundary value problem, it is possible to achieve a high-resolution geoid model which can alter the traditional vertical reference system realization. In this regard, four studies are carried out in two test regions: Colorado, the USA, and Turkey. The first study focused on the contribution of airborne gravity measurements to gravimetric geoid modeling in a high topography, Colorado, USA, via the least squares modification of Stokes (LSMSA) and Hotine (LSMHA) integrals with additive corrections techniques. The study included filtering the high-frequency airborne gravimeter data with minimum loss of signal and downward continuing it to the Earth's surface by Least Squares Collocation method with a planar logarithmic covariance model. The reduced data was optimally combined with the satellite data from the global geopotential model and terrestrial gravity data to calculate a high-accuracy gravimetric geoid model. In this combination, the error variance of each data set was taken into account to stochastically determine the variance of input gravity anomaly/disturbance data set for Stokes and Hotine integrals. To clarify the importance of airborne gravity data to the study, three gravity data sets were created: terrestrial-only, airborne-only, and combined. The computed gravimetric geoid models were tested with highly accurate GPS/leveling benchmarks collected for the validation of models along a profile passing through the rough topography of the Colorado mountains. The results indicated the contribution of airborne gravity data over the mountainous regions, clearly. In conclusion, we obtained two gravimetric geoid models calculated using combined data set via LSMSA and LSMHA methodologies whose absolute accuracies are 2.69 cm and 2.87 cm, respectively. In the rest of the thesis, we focused on improving the accuracy of the gravimetric geoid model in Turkey. The first study that concerns the geoid model of Turkey dealt with the downscaling of low-resolution gravity anomaly data set, which originally has ~9 km resolution, to a spatial resolution of ~2 km. This task was achieved via the proper modeling of the topographic attraction on gravity using planar and spherical approaches for Bouguer gravity anomalies. While the planar approach was implemented for the computation of complete Bouguer gravity anomalies using classical terrain correction based on the mass-prism technique, the spherical approach was applied using a global model for the topographic attraction that is SRTM2Gravity. Based on these two approaches, the low-resolution complete Bouguer anomalies were enriched to higher-resolution data set, and consequently, surface gravity anomalies were calculated from planar and spherical complete Bouguer anomalies. Three gravimetric geoid models were calculated via the LSMSA technique, a low-resolution reference geoid with a planar approach, and two high-resolution geoids via planar and spherical approaches. Based on the accuracy assessment at 100 homogeneously distributed GPS/leveling benchmarks, the accuracy of the best-performing geoid was found as 8.6 cm using spherical approximation. The performance of gravimetric geoid models using the down-scaled surface gravity anomalies was significantly better compared to the low-resolution solution, the spherical approach being slightly better than the planar one. Hence, the success of the down-scaling was proven in terms of the accuracy achieved by the high-resolution gravimetric geoid models.
Coğrafi bilgi sistemleri entegreli makine öğrenmesine dayalı toplu taşınmaz değerleme modelinin geliştirilmesi

(Lisansüstü Eğitim Enstitüsü, 2022-10-07) Mete, Muhammed Oğuzhan ; Yomralıoğlu, Tahsin ; 501192606 ; Geomatik Mühendisligi

Küresel arazi idaresi sisteminin temel fonksiyonlarından biri olan arazi değeri ile planlama, vergilendirme, imar uygulamaları gibi mülkiyete dayalı birçok işlemde karşılaşılmaktadır. Bu bağlamda taşınmaz değerinin uluslararası standartlara uygun, nesnel yaklaşımlar ile değerlendirilmesi oldukça önemlidir. Teknolojinin ilerlemesiyle birlikte Coğrafi Bilgi Sistemleri (CBS), Yapay Zeka ve Makine Öğrenmesi, Bulut Bilişim, Yapı Bilgi Modelleme gibi akıllı sistemlerin değerleme uygulamalarında kullanımı artmakta, taşınmazların değeri yüksek doğrulukla, hızlı bir şekilde belirlenebilmektedir. Taşınmazların tekil değerlemesinde kullanılan Emsal Karşılaştırma, Gelir, Maliyet gibi klasik yöntemlerden farklı olarak toplu değerleme yöntemi bilişim sistemlerinden faydalanarak geniş alanlarda çok sayıda taşınmazın topyekün değerlendirilmesini mümkün kılmaktadır. Öte yandan arazi idaresi sistemlerinin kavramsal model tasarımında ISO standardı olan Arazi İdaresi Alan Modeli (LADM)'yi benimseyen ülkeler, taşınmaz değerleme amaçlı ülke profillerini oluşturarak süreçleri daha etkin bir şekilde yürütmeyi hedeflemektedirler. Değerleme çalışmalarında CBS ve Makine Öğrenmesine dayalı yöntemlerin ön plana çıktığı görülse de bu iki yaklaşımın bütünleşik kullanımının yer aldığı çalışmalar oldukça sınırlıdır. Ayrıca toplu değerleme çalışmalarında taşınmazların yüzölçümü, oda sayısı gibi fiziksel özelliklerine yoğunlaşılmakta, değeri oldukça etkileyen konumsal ve çevresel faktörler yeterince analiz edilmemektedir. Tez çalışması kapsamında CBS ve Makine Öğrenmesi yöntemleri bütünleştirilerek hibrit bir değerleme yöntemi geliştirilmiş, konumsal analizlerle değerleme verilerinin zenginleştirilmesi amaçlanmıştır. Öncelikle Birleşik Krallık çalışma bölgesinde LADM'ye dayalı bir kavramsal model tasarımı yapılmış, fiziksel modele geçiş aşamasında açık kaynaklı PostgreSQL/PostGIS veritabanı oluşturulmuştur. Daha sonra CBS destekli Nominal Değerleme Yöntemi ile yakınlık, yüzey, görünürlük gibi konumsal analizler gerçekleştirilmiş, nominal arsa değer haritası oluşturulmuştur. Birleşik Krallık Kraliyet Arazi Kayıt Kurumu tarafından açık lisans ile paylaşılan gerçek konut satış verileri kullanılarak Lineer Regresyon, Rastgele Orman, XGBoost, CatBoost gibi çeşitli Makine Öğrenmesi regresyon yöntemleri ile toplu değerleme çalışması gerçekleştirilmiştir. Konumsal kriterler eklenmeden önce gerçekleştirilen regresyon analizi sonucunda Makine Öğrenmesi modellerinin yeterli doğruluğa ulaşamadıkları görülmüştür. CBS analizleri sonrası elde edilen konumsal kriterlerin nominal puanları öznitelik zenginleştirme yoluyla değerleme verisindeki taşınmazlara aktarılmıştır. Konumsal kriterlerin eklenmesi sonrası gerçekleştirilen regresyon analizinde R2 değerinin yaklaşık %39, MAPE değerinin ise %27 civarında iyileştirildiği, yapılan oran analizleri sonucunda da çalışmanın toplu değerleme standartlarına uygun şekilde yeterli doğruluğa ulaştığı gözlemlenmiştir. Öte yandan global regresyon modellerinde kriterlerin mekansal otokorelasyonu ve bölgesel önem düzeyleri dikkate alınmazken tüm çalışma bölgesi için sabit bir kriter ağırlığı alınmaktadır. Oysa değeri etkileyen faktörler konuma, çevresel ve sosyo-ekonomik etkilere bağlı olarak değişkenlik gösterebilmektedir. Mekansal otokorelasyonun hesaplanması ve tüm kriterlerin özelliklerine bağlı olarak değer bölgelerinin oluşturulması için Nominal Ağırlıklı Çok Değişkenli Mekansal Kümeleme Yöntemi geliştirilmiştir. Bu yöntem ile beş farklı değer bölgesi tespit edilmiş, her bir kümede lokal regresyon modelleri oluşturularak değerleme doğruluğu artırılmış, bölgelere özgü kriter önemleri ve ağırlık katsayıları elde edilmiştir. Kriter önem skorlarının için hem permütasyon tabanlı öznitelik önemi hem de oyun teorisine dayanan SHAPley değerleri hesaplanmıştır. Böylece değişkenlerin bölgesel olarak değeri hangi yönde, ne derecede etkilediğine dair sonuçlar elde edilmiştir. Yapay zeka yöntemlerinde önyargı ve varyans dengesi, modelin öğrenme karakterini ortaya koyan önemli bir göstergedir. CBS ve Makine Öğrenmesi yöntemleri ile geliştirilen yöntem, genelleştirilebilirliğin incelenmesi amacıyla Birleşik Krallık'tan sonra Türkiye'de İstanbul ve İzmir illeri için de gerçekleştirilmiştir. Sonuçlara bakıldığında konumsal değişkenlerin katkısıyla konut amaçlı taşınmazların değeri İstanbul ve İzmir şehirleri için de yüksek doğrulukla belirlenmiştir. Tez kapsamında ayrıca yapılı taşınmazların arsa ve bina değerlerinin ayrıştırılması için Nominal Yönteme Dayalı Parametrik Maliyet Modellemesi yaklaşımı geliştirilmiştir. Bu kapsamda yapıya ait temel bileşenlerin yeniden inşa maliyeti modellenerek toplam değerden çıkarılmış, arsa değeri Makine Öğrenmesi ile geliştirilen arsa değerleme modeli sonuçları ile kıyaslanmıştır. Böylelikle yapılı bir taşınmazı meydana getiren zemindeki arsanın ve üzerinde bulunan binanın değerini ayrı ayrı ifade edebilen bir değerleme yaklaşımı geliştirilmiştir. Çalışmanın son aşamasında taşınmazlara ait tüm verileri ve değer haritalarını web ortamında kullanıcılarla paylaşmak için Bulut CBS tabanlı Taşınmaz Değer Bilgi Portalı geliştirilmiştir. Hem geleneksel sunucu-istemci mimarisi ile, hem de sunucusuz bulut yaklaşımı ile verilerin depolanması ve web servisleriyle paylaşılması sağlanmış, iki yöntem kıyaslanarak performans ve maliyet analizleri gerçekleştirilmiştir. Tez çalışmasında taşınmaz değerleme ve taşınmaz yönetimi anlamında uçtan uca tüm süreçlerin CBS ve Makine Öğrenmesine dayalı geliştirilmesi sağlanmış, sürdürülebilir arazi yönetimi paradigması çerçevesinde birlikte çalışabilir, bütüncül bir taşınmaz değerleme sistemi ortaya konmuştur.
GIS-based multi-criteria decision analysis for optimal urban emergency facility planning

(Graduate School, 2022-10-13) Nyimbili, Penjani Hopkins ; Erden, Turan ; 501172611 ; Geomatics Engineering

The growing scale of urban fire risks especially in megacities of the world such as Istanbul in Turkey arises largely as a result of the confluence of varied contemporary developmental and demographic trends that include accelerated urbanization, rising urban population, and migration to cities and socio-economic factors such as inequalities. Increasing urban development pressure brings about an expansion in built-up and urban settlement areas, often without adequate and comprehensive urban planning policies and regulations. As a result of increased human activities and interactions, these places are increasingly exposed to fire risk. To improve decision-making, a better comprehension of these relationships and interconnections as part of the complexities of human systems and urban dynamics functioning across different levels, actors, stakeholders, sectors, and disciplines is needed to mitigate fire hazard risk in urban populations. Therefore, recent advances in geospatial sciences have prompted emergency planners and managers to demand vast volumes of geographical data in order to make complex decisions. Diverse stakeholders, multidisciplinary teams, and multiple criteria are all involved in making these complex decision-making procedures. GIS-based Multi-Criteria Decision-Analysis (MCDA) strategies can be used to improve the quality of decision-making by merging spatial data and value judgments to tackle such complex planning issues, which is the fundamental strength of using this approach. In this context, fire risk and emergency planning at the spatial scale of the urban environment is a complicated and interrelated decision-making process requiring many factors and transdisciplinary stakeholder interaction. In this PhD thesis, GIS-based MCDA methods are applied to integrate the decision-makers' preferences with regard to solving such emergency planning problems of mitigating fire impacts and response action improvement by the optimization of new urban emergency and fire station site selection for the case of Istanbul province. The main aim of this thesis is therefore to develop an integrated GIS and MCDA model for effectively planning new urban emergency and fire facilities in Istanbul province, to reduce the fire response times to within five minutes. In order to achieve the main objective, there are ten (10) sub-objectives namely: using MCDA methods such as fuzzy AHP, Entropy-AHP, Best-Worst Method (BWM) and Decision Making Trial and Evaluation Laboratory (DEMATEL) for model construction, comparison and validation of resultant weights; determination of influencing criteria for effective urban emergency facility planning; utilizing the Delphi technique to conduct surveys to capture the preferences of decision-makers (DMs), evaluation of the criteria weights based on pairwise comparisons from relevant experts/DMs using the GIS-based MCDA approaches; identification of the most essential criteria for urban emergency facility site selection from the experts' judgements; using GIS to process, analyse and produce raster suitability maps that identify the most viable areas for locating new urban emergency facilities; prioritization of proposed new fire and urban emergency facilities (from low to high) for planning their construction in a phased manner based on cost and resource limitations; comparison analysis of distinct opinions and preferences of two DM groups in the group decision-making (GDM) process, comprising of fire brigade employees and academic/professional experts; using GIS capabilities to conduct a sensitivity analysis (SA) to test the sensitivity and robustness of the constructed models based on the combination of criteria weights; investigation of the interdependencies and levels of interaction among the various criteria employed in the MCDA modelling process. The thesis is, thus, comprised of three (3) papers addressing these ten sub-objectives. Istanbul province is determined as the case study area and six influencing criteria are identified with their respective weights evaluated, for each paper. In the first paper, a hybrid model of the recently developed BWM integrated with GIS is proposed. In the study, a GDM framework is suggested to support the incorporation of divergent views of two DM groups consisting of academicians and fire brigade practitioners for the emergency facility planning decision problem. Meaningful inferences from the study are made from statistical tests such as one-sample t-test, one-way ANOVA and Tukey's HSD test to analyse the preferences of the expert groups. Further, in this research, a degree of consensus or reliability in the DM process is assessed by a statistical measure called Kendall's coefficient of concordance, W. According to the study, it is revealed that the density of hazardous materials (DHM) and high population density (HPD) are perceived to be the most important by the academician and fire brigade practitioner DM group, respectively. For both DM groups, the distance from earthquake risk (DER) is viewed to be the least important. Resultant raster suitability maps for both DM groups are produced for visualizing the BWM model. In the second paper, the combination of AHP and Entropy methods with GIS is used for evaluating criteria weights both subjectively and objectively. In the study, the validation of the AHP-Entropy model is carried out on the criteria with the strongest influence on the decision outcome and spatially visualized using the One-At-a-Time (OAT) Sensitivity Analysis (SA) method. The study concludes that 28.1% of the case study area, or a third of the total area, is likely to be exposed to the risk of urban fires, necessitating the urgent planning of new urban emergency facilities to ensure adequate fire service coverage and protection. In the third paper, an integrated approach using fuzzy AHP based on a triangular membership function and GIS is implemented. For this case, the resultant fuzzy AHP weights are obtained from surveys of 19 experts and are validated using another MCDA technique, called BWM. Research results identified the most significant criteria in urban fire station site selection as the density of hazardous material facilities (DHM), a high population density (HPD) and proximity to main roads (PMR) with corresponding weights of 33.3%, 24.4% and 15.2%, respectively. By a thorough analysis of the results, a total of 34 new urban fire stations were proposed in addition to the existing 121 fire stations for addressing the increasing demands of fire protection services by minimizing the response time to less than 5 minutes. In addition, a three-level prioritization analysis from low to high was performed on the 34 proposed fire stations to plan their construction in phases based on cost and resource availability. Finally, the DEMATEL method is applied to examine the complex interrelationships and levels of influence among the criteria previously determined for optimally selecting new urban infrastructure for fire and emergency services in Istanbul as well as for model results validation of the BWM, AHP-Entropy and fuzzy AHP techniques applied. In this research, useful insights are generated by constructing an intelligible structural model visually in form of a digraph involving analysis of causal relationships among criteria and their directional influences as well as corresponding degrees of strength. The findings reveal that the high population density (HPD) is the most critical criterion followed by the density of hazardous materials (DHM) criterion in effectively planning new urban facilities for fire and emergency services and thus significantly influence and impact all the other criteria, while the distance to earthquake risk (DER) criterion does not influence any other criteria and consequently not essential in the planning procedure. The DEMATEL model results are used to validate the BWM, AHP-Entropy and fuzzy AHP model results in terms of levels of criteria significance and are therefore shown to be in high correlation. In this regard, these contextual relationships established from this research contribute toward an integrated fire risk mitigation policy formulation for planning new emergency facilities in urban environments through the engagement of all decision-makers across various backgrounds and disciplines.
Investigation of artificial intelligence-based point cloud semantic segmentation

(Graduate School, 2022-12-08) Atik, Muhammed Enes ; Duran, Zaide ; 501182611 ; Geomatics Engineering

With the increasing usage areas of 3D point clouds, information extraction from 3D data has become an important field of study in photogrammetry, remote sensing, computer vision and robotics. The geometric information contained in point clouds is valuable for the successful implementation of many applications. Point clouds can be obtained with 3D scanners, Light Detection and Ranging (LiDAR), Motion Object Rendering (SFM), photogrammetry, and RGB-D cameras. Among these technologies, the usage area of LiDAR technology, which can be detected from the aerial, terrestrial and mobile, is expanding day by day. Especially for mapping and autonomous vehicles, mobile LiDAR point clouds offer very useful data. Mobile LiDAR point clouds are a type of data obtained using laser scanners mounted on a moving vehicle. Accurate sense of space, mapping and precise positioning are essential requirements for autonomous driving. For the successful performance of these tasks, mobile LiDAR point clouds are an information-rich data source. Point cloud semantic segmentation has become an important research topic in the last decade. With the development of artificial intelligence techniques, semantic segmentation of point clouds has been applied in many areas. Many methods and data sets are shared in the literature, and although the research continues rapidly, more research is needed. Deep learning techniques also enable successful semantic segmentation of large and complex point clouds. Semantic segmentation has an important potential for autonomous driving systems to perceive and map the environment. This thesis presents three articles examining the use of artificial intelligence techniques in the semantic segmentation of point clouds. A new deep learning-based semantic segmentation approach is proposed in the thesis. In addition, approaches to improving the performance of existing machine learning and deep learning techniques are presented. In the first article, semantic segmentation performances of eight machine learning approaches were investigated using point clouds created with aerial and mobile LiDAR sensors. The feature vectors of each point in the point cloud are created using geometric features that describe the geometric relationships in the specific local neighborhood of the point. Only the 3D coordinates of the point cloud are not sufficient for semantic segmentation. Additional information needs to be created. The neighborhood of a point is determined by a sphere centered on the point. In the study, the change of semantic segmentation accuracy of machine learning algorithms depending on the change of the radius of this sphere has been examined. Determining the most suitable radius increases the distinctiveness of the geometric features, and thus the accuracy of the algorithms increases. The results obtained were compared with the results of current methods using the same data sets. In the second article, a new projection-based deep learning approach for point cloud semantic segmentation is presented. First, point clouds are converted into 2D images. These images are created by projecting the irregular structure of the point cloud onto the 2D plane. Spherical projection is used for projection. Mobile LiDAR point clouds consist of frames similar to an image array. This data needs to be evaluated quickly and accurately to ensure safe autonomous driving. Once converted, point clouds can now be treated as 2D images. U-Net and SegNet have commonly used image segmentation methods. The proposed method (SegUnet3D) was created by combining these two methods. Input data proceeds through two channels, U-Net and SegNet, and result estimates are created by summing the calculated weights in the final stage. Geometric features were calculated to describe the points. Each geometric feature is attached to the 2D images like a band of images. Thus, multi-spectral images representing the point cloud were created. The use of geometric features improved the semantic segmentation performance of the method. SemanticPOSS and RELLIS-3D data sets were used to implement the proposed method. SemanticPOSS includes dense urban area, and RELLIS-3D includes the rural area. Thus, the performance of the proposed method in different topographic structures was also examined. In addition, the experiments were repeated to determine the optimum parameters by changing the input image size and the minimum number of points required to calculate the geometric features. The proposed method was compared with the current methods in the literature. The mIoU metric was improved with the proposed method by up to 15.9\% in the SemanticPOSS data set and up to 5.4\% in the RELLIS-3D data set. The third article examines the effect of feature selection algorithms on the point cloud semantic segmentation performance of deep learning networks. Filter-based information gain (IG), Chi-square (Chi2) and ReliefF algorithms were used to select the relevant features. Because filter-based methods do not depend on a classifier, they produce more consistent results in determining the optimum properties. RandLA-Net and Superpoint Graph (SPG), which directly use points as deep learning networks, are preferred. Both methods can process geometric features as input data. Experiments were performed on three popular mobile LiDAR point cloud data sets. Selected data sets are Toronto3D, SZTAKI-CityMLS, and Paris-CARLA-3D. The use of three data sets is important in terms of generalizing the hypothesis of the proposed article. Toronto3D and Paris-CARLA-3D contain color information for a point. Considering the 3D coordinates (x, y, z), color information (red - green - blue), and selected geometric features, ten feature combinations were created for these two data sets. As a result, cases where sub-attributes determined by feature selection are used have higher semantic segmentation accuracy than cases where all features are used. Similar results were obtained from all data sets. It is also seen that color information significantly increases the accuracy of semantic segmentation. Especially without color information, it is not possible to distinguish geometrically similar classes such as road and road marking. It is seen that the feature with the highest importance according to the feature importance degrees is the height difference in a point neighborhood area. The feature importance ranking results in the first article are consistent. This study concluded that the success of point cloud semantic segmentation is a process dependent on the determined features. In summary, the effect of the usage of geometric features in PCSS applications with artificial intelligence approaches has been examined in this thesis. Each point of the point cloud is defined using geometric features to improve the PCSS performances of machine learning and deep learning algorithms. Analyzes were carried out for the most accurate identification of a point in the surface area. Mobile LiDAR point clouds, an important data source for autonomous driving, are the focus of the research. A fast and efficient projection-based deep learning network has been developed for point cloud semantic segmentation for autonomous driving. Performance analyzes and suggested methods are presented in a reproducible and applicable way in studies of point cloud semantic segmentation.
Determination of spatial distributions of greenhouses using satellite images and object-based image analysis approach

(Graduate School, 2023-03-02) Şenel, Gizem ; Göksel, Çiğdem ; Torres Aguilar, Manuel Angel ; 501182620 ; Geomatics Engineering

In the face of the expected pressure on agricultural production systems with the increasing world population, one of the most suitable options for sustainable intensification of agricultural production is greenhouse activities that allow an increase in production on existing agricultural lands. Greenhouse activities can cause environmental problems at the local and regional scales. Since the primary material used in the covering of greenhouses is plastic, ecological problems are expected in the near future due to the excessive use of plastic. Besides, they may affect the integrity of ecosystems by changing land use and land cover (LULC) into extensive agricultural areas. On the other hand, the economy of many rural regions is supported by greenhouse activities, especially in Mediterranean countries. Moreover, due to the exposure of these structures to floods, especially with climate change effects, producers face economic and social problems. While all these situations make the production system unsustainable, they also endanger the ecology and economy of the region. Thanks to synoptic data acquisition and high temporal resolution, remote sensing images allow periodic agricultural sector monitoring. Considering the positive outcomes and adverse effects of greenhouses, determining greenhouse areas using remote sensing images is essential in providing better management strategies. In that case, monitoring through remote sensing images is the most suitable approach to obtain information about the effects of greenhouses on climate and environment and improve their economic output. Within the scope of this thesis, answers to different questions were sought by using the object-based image analysis (OBIA) approach, which is stated to give better results in the literature to determine greenhouses. OBIA approach consists of mainly three stages which are image segmentation, feature extraction, and image or object classification, and these sections formed the structure of this thesis In the image segmentation step, which is the first step of the OBIA, answers were sought for two crucial questions for the segmentation of plastic-covered greenhouses (PCG). The first of these questions is which of the supervised segmentation quality assessment metrics performs better in evaluating PCG segmentation. An experimental design was formed in which segmentation metrics were evaluated together with interpreter evaluations. At this stage, sixteen different datasets consisting of different spatial resolutions (medium and high spatial resolution), seasons (summer and winter), study areas (Almería (Spain) and Antalya (Turkey)), and reflection storage scales (RSS) (16Bit and Percent) were used. Various segmentation outputs were created using the Multiresolution segmentation (MRS) algorithm. Six different interpreters evaluated these outputs and compared them with the eight segmentation quality metrics. As a result of the evaluations, it was concluded that Modified Euclidean Distance 2 (MED2) was the most successful metric in the evaluation of PCG segmentation. On the other hand, Fitness and F-metric failed to identify the best segmentation output compared to other metrics investigated. In addition, the effects of different factors on the visual interpretation results were analyzed statistically. It was revealed that the RSS is an essential factor in visual interpretation. In detail, it was concluded that when evaluating the segmentation outputs created by using the Percent format, the interpreters were more in agreement and interpreted this data type more efficiently. In the second part of the segmentation phase, how much factors or their interactions affect the greenhouse segmentation was investigated. Approximately 4,000 segmentation outputs were produced from sixteen data sets, and MED2 values were calculated. For each shape parameter in each data set, the values reaching the best MED2 value were determined and statistically tested by analysis of variance (ANOVA). The segmentation outputs calculated from the datasets showed that the optimal scale parameters clustered by taking values close to each other in Percent format and took values in a broader range in 16Bit format. This showed that it would be effortless to determine the most appropriate segmentation outputs obtained from the Percent format. In addition, statistical tests have shown that the segmentation accuracy calculated from different RSS formats is directly dependent on the shape parameter. While segmentation accuracy increases with decreasing shape parameters in Percent format, this is the opposite in 16Bit format. This situation revealed that the shape parameter selection is critical depending on the RSS. In summary, it has been revealed that the Percent format is the appropriate data format for PCG segmentation with the MRS algorithm, and in addition, low-shape parameters should be preferred in the Percent format. In the second stage of the thesis, it was hypothesized that different feature space evaluation methods and feature space dimensions affect the classification in terms of accuracy and time. Based on this hypothesis, 128 features were obtained from Sentinel-2 images of the Almería and Antalya study areas, and classification performance was evaluated by random forest (RF) algorithm by applying different feature space evaluation methods. As a result of this evaluation, it was seen that the reduction of the feature space has a direct effect on the accuracy. But moreover, it has been determined that reducing the size of the feature space significantly reduces the time required to run the classification algorithm. Therefore, among the examined feature space evaluation algorithms, it has been concluded that RF and Recursive Feature Elimination (RFE)-RF (RFE-RF) algorithms are more suitable for classification accuracy and the time required to run the algorithm. Moreover, it has been found that these algorithms are less dependent on feature space variation in terms of classification accuracy, but reducing the feature space significantly reduces the computation time. In addition, among a total of 128 features obtained from the segments, including spectral, textural, geometric features and spectral indices, Plastic GreenHouse Index (PGHI) and Normalized Difference Vegetation Index (NDVI) were the most relevant features for PCG mapping according to RF and RFE-RF methods. As a result, the necessity of including indices such as PGHI and NDVI in the feature space and the application of one of the feature space evaluation methods such as RF or RFE-RF in terms of reducing the calculation time are the main outputs of this stage. In the third and final stage of the thesis, the effectiveness of ensemble learning algorithms for the PCG classification has been tested. According to the experimental results, Categorical boosting (Catboost), RF, and support vector machines (SVM) algorithms performed well in both studied areas (Almería and Antalya), but the implementation time required for CatBoost and SVM is higher than all other algorithms studied. K-nearest neighbor (KNN) and AdaBoost algorithms achieved lower classification performance in both study areas. In addition to these algorithms, the light gradient boosting machines (LightGBM) algorithm achieved an F1 score of over 90% in both study areas in a short time. In summary, considering the computation time and classification accuracy, RF and LightGBM are the two up-front algorithms. In general, within the scope of this thesis, answers to the questions encountered in the three steps of OBIA were sought to reach the best PCG determination approach. The determination of greenhouses from satellite images was carried out in two essential study areas in the Mediterranean Basin, where greenhouse activities are intensively carried out. Although these outputs belong to selected test sites, they provide important outputs for generalizing the findings on a large scale. Determining the spatial distribution of PCG to minimize the negative effects on the environment and increase their economic returns will make an important contribution to planners and decision-makers in achieving sustainable agriculture goals.
Tarihi yarımada'da turizm amaçlı, mekansal tabanlı sanal gerçeklik olanaklarının araştırılması

(Lisansüstü Eğitim Enstitüsü, 2023-03-17) Buhur, Sançar ; Musaoğlu, Nebiye ; 501072611 ; Geomatik Mühendisliği

Üç boyutlu (3B) kent modellerinin yaygınlaşması, kentlere ilişkin mekansal bilgilerin 3B olarak sunulmasını ve dolayısıyla kullanıcıların mekansal algılarının artırılmasını mümkün hale getirmiştir. Coğrafi verilerin 3B olarak dijital ortamlarda sunulmaya başlamasıyla birlikte büyük hacimli veri setlerinin saklanması, paylaşılması, sunulması ve farklı uygulamalar için farklı ayrıntı düzeylerine ihtiyaç duyulması gibi sorunlar, verilerin standartlaştırılması ve gereksiz verilerin elimine edilmesi gibi ihtiyaçları beraberinde getirmiştir. Her ne kadar farklı genelleştirme yöntemleri çalışılmış olsa da genelleştirmenin nasıl, ne zaman ve ne kadar etkili olduğuna dair soruların cevapları hala araştırılmaktadır. Sanal gerçeklik (SG) bilgisayar ve yazılımlar aracılığıyla kullanıcılara gerçeklik hissi veren ortamların hazırlanmasıdır. Günümüzde farklı uygulama alanları bulunan SG'den turizm alanında da yararlanılmaktadır. Turistlere bilgi amaçlı hazırlanan bu uygulamalar çoğunlukla 360 derece panorama fotoğraflarının kullanıldığı ve kullanıcı etkileşiminin oldukça kısıtlı olduğu uygulamalar şeklindedir. Bu çalışmada, hava LiDAR (Light Detection and Ranging) verileri kullanılarak Tarihi Yarımada sınırları içerisinde yer alan Eminönü Meydanı ve çevresi için turizm amaçlı LoD3 (Level of Detail) ayrıntı düzeyinde 3B kent modeli oluşturulmuştur. Çalışma üç aşamada gerçekleştirilmiştir. Birinci aşamada, LiDAR verisi sınıflandırılarak zemin, bina ve bitki örtüsü sınıfları oluşturulmuştur. İkinci aşamada, zemin ve bina sınıfları kullanılarak modelleme çalışmalarına başlanmıştır. Ayrıntılı modelin olduğu bölgede gerek zemin ve kent aksesuarları gerekse referans yapılar için ayrıntı düzeyi yüksek tutulmuştur. Çalışmanın üçüncü aşamasında ise turistik açıdan önemi olmayan binaların ayrıntı düzeyi 3B bina genelleştirme uygulanarak indirgenmiştir. Böylelikle, turistik açıdan önemli yerlerin vurgulu gösterimi mümkün olmuştur. Uygulama sırasında karşılaşılan sorunlar ve çözümleri ilgili başlıklar altında açıklanmıştır. 3B kent modelinin oluşturulması için yüksek ayrıntı düzeyindeki modeller, gerçek orto fotolar, genelleştirilmiş binalar, OpenStreetMap (OSM) ve öznitelik bilgileri gibi farklı yöntemler kullanılarak üretilmiş farklı formatlardaki verilerin oyun motoru içinde entegrasyonu sağlanmıştır. Oyun motoru tabanlı yapılan sunumda, modelin OSM ile uyumu sağlanarak kullanıcıların model içerisinde etkileşimli olarak gezerken gerçek konum ve adres bilgilerine ulaşmaları sağlanmış ve referans yapılara eklenen öznitelikler ile modelin bilgi içeriği zenginleştirilmiştir. Hazırlanan modelin geliştirilebilmesi için ilerki aşamalarda araştırılması gereken konular belirtilerek çalışma sonlandırılmıştır.

Gözat

Çıkarma tarihi ile LEE- Geomatik Mühendisliği-Doktora'a göz atma

Sayfa başına sonuç

Sıralama Seçenekleri