LEE- Geomatik Mühendisliği Lisansüstü Programı

Bu topluluk için Kalıcı Uri

http://hdl.handle.net/11527/19289

Gözat

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.
Açıklanabilir yapay zeka yöntemleri ile toprak tuzluluğu haritalarının üretilmesi

(Lisansüstü Eğitim Enstitüsü, 2023-01-16) Aksoy, Samet ; Sertel, Elif ; 501191640 ; Geomatik Mühendisliği

Toprak çok önemli bir doğal kaynak olmanın yanı sıra yaşadığımız ekosistemin değişmez bir parçasıdır. Her doğal kaynak gibi toprakta tüketimi ve kullanımı konusunda dikkat edilmesi gereken bir kaynaktır. Toprak özellikle tarımsal faaliyetler için vazgeçilmez bir konumdadır. Ancak tarımsal faaliyetlerde aşırı sulama, yer altı sularının fazla kullanımı, iklim değişikliği, tozla taşınma gibi sebepler yüzünden tuzlanmalar meydana gelmektedir. Bu tuzlanma durumu toprak tuzluluğu olarak incelenmektedir. Toprak tuzluluğu birçok nedenden dolayı meydana gelse de insani faaliyetler toprağın bu tuzlanma sürecini hızlandırmaktadır. Özellikle de iklim değişikliğinin son yıllarda etkisinin artması ile birlikte toprak tuzluluğu problemi küresel bir boyuta ulaşmıştır. Bu problemin küresel ölçekte anlamak için Birleşmiş Milletler Gıda ve Tarım Örgütünün yaptığı araştırmalar incelenebilir. Örgüte göre dünya üzerinde 397 milyon hektar alan tuzlu topraklar ile kaplıdır. Bu alanların artması ise dünyayı gıda krizi, ekonomik kriz gibi sıkıntılara sokacağı öngörülmektedir. Toprak tuzluluğu ile mücadelede izleme ve tespit etme müdahale kadar önemlidir. Doğru alanlara erken teşhis ile gerekli düzenlemeler ile toprak tuzluluğunun artması önlenebilir. Toprak tuzluluğunun tespitinde uzaktan algılama sistemleri sıklıkla kullanılmaktadır. Özellikle optik sistemler toprağın spektral yansıtım değerlerini inceleyerek tuzluluk seviyesi hakkında bilgi verebilirler. Makine öğrenme algoritmaları çevre problemlerinin modellenmesi için literatürde sıklıkla kullanılmaktadır. Özellikle rastgele orman, destek vektör makineleri gibi popüler yöntemler toprak tuzluluğu tespiti içinde kullanılmaktadır. Bu çalışma kapsamında rastgele orman yöntemine ek olarak XGBoost algoritması da kullanılmıştır. Toprak tuzluluğunu seçilen iki çalışma alanında incelemek için yersel toprak örnekleri ile mekânsal ve zamansal olarak eşleşen Landsat 8 uydu görüntüleri kullanılmıştır. Batı Urmiye Playası için 2018 yılında son bahar mevsiminde 71 adet toprak örneği toplanmışken, Bonab bölgesi için ise 74 adet toprak örneği 2014 yılında son bahar mevsiminde toplanmıştır. Batı Urmiye Playasında toprak örnekleri 1:2.5 süspansiyonda hazırlanan solüsyonlar ile elektriksel iletkenlikleri laboratuvar ortamında ölçülmüştür. Bonab bölgesi için ise iletkenlikler doğrudan Jenway 4510 iletkenlik ölçer ile ölçülmüştür. Toprak tuzluluk örnekleri tuzluluk seviyelerine göre eşit olarak dağılıma sahip olmadıkları için veri çeşitlendirme yöntemleri kullanılmıştır. Bu yöntemler ise rastgele aşırı örnekleme ve sentetik azınlık aşırı örnekleme tekniği kullanılmıştır. Makine öğrenme problemlerinde olan veri dengesizliği bu şekilde giderilmesi amaçlanmıştır. Google Earth Engine (GEE) sunduğu petabaytlarca analize hazır mekânsal veri ve hesaplama gücü ile kullanıcılarına büyük verileri hızlıca analiz edip görselleştirmesini sağlar. Bu çalışma kapsamında GEE uydu görüntülerinin işlenmesi, makine öğrenme modeli için özelliklerin üretimi ve analizi için kullanılmıştır. Toprak tuzluluğunu modellemek için SCORPAN formülü baz alınarak özellikler tanımlanmıştır. Bu değişkenler toprağın parametrelerini, iklimini, bitki örtüsünü, litolojisi vb. modellemek için kullanılır. Toplamda 26 adet özellik oluşturulmuştur. Geliştirilen modelleri açıklayabilmek için açıklanabilir yapay zekâ yöntemlerinden olan SHAP yöntemi tercih edilmiştir. Modelden bağımsız olarak sonuçları açıklayabilmesi yöntemi öne çıkarmaktadır. Yöntem ile modelleri açıklarken 3 temel başlık üzerinde durulmuştur. Bunlar sırasıyla özelliklerin modele olan mutlak katkıları, özelliklerin değerlerine göre modele katkısının hangi yönde olduğu ve test örnekleri bazında değişkenlerin modele katkıları incelenmiştir. Çalışmanın bulguları yani toprak tuzluluk haritaları 6 farklı kombinasyona göre üretildi, doğruluk analizi yapıldı ve açıklandı. Bu kombinasyon 2 farklı makine öğrenme algoritmasının ve 3 farklı veri çeşitlendirme yönteminden ileri gelmektedir. Doğruluk analizi sonuçlarına göre Batı Urmiye Playasında XGBoost yöntemi rastgele aşırı örnekleme metodu ile birlikte en iyi sonuca ulaşmıştır. R² değeri olarak 0.76 değerine ve RMSE olarak 16.60 değerine ulaşmıştır. Bonab bölgesi için ise yine XGBoost yöntemi bu kez SMOTE aşırı örnekleme yöntemi ile en yüksek doğruluğa ulaşmıştır. R² değeri olarak 0.83'e ulaşırken RMSE değeri olarak ise 12.29 olmuştur. Görsel açıdan haritalar yorumlandığında ise, XGBoost algoritmasının Batı Urmiye Playasında öne çıktığı görülürken, Bonab bölgesinde rastgele orman algoritması daha iyi sonuçlar vermektedir. Özellikle Bonab bölgesinde bulunan tuz yapılarını rastgele orman kolaylıkla ayırt edebilmesi ile öne çıkmıştır. Açıklanabilir yapay zekâ için yapılan SHAP analizleri incelendiğinde ise, Batı Urmiye Playası için ENDVI, NDVI, EVI gibi bitki indislerinin daha çok katkı verdiği görülmüştür. Bu alanda yapılan önceki çalışmaya benzer olarak CRSI indisinde yine yüksek katkı verdiği görülmüştür. Bonab bölgesi için ise Landsat 8 uydu görüntüsünün kendi bantlarından olan mavi ve yeşil bantların modele en çok katkı veren değişkenler olduğu göze çarpmaktadır. Bitki indisleri Batı Urmiye Playası'ndaki kadar katkı vermemiştir. Batı Urmiye Playası için SHAP değerleri göz önüne alındığında bitki örtüsünü gösteren indislerin artması tuzluluğu azaltırken, NDWI indisi arttıkça tuzluluğun arttığını göstermektedir. Bonab bölgesindeki SHAP değerleri incelendiğinde ise parlak tuz yapılarının görünür bölge bantlarının yansıtımını arttırdığı ve parlaklık ile doğru bir orantıya sahip olduğu görülmüştür. Test örneklerinde de yukarıdaki sonuçları doğrulamak mümkündür. Sonuç olarak toprak tuzluluğu makine öğrenme algoritmaları ile tespit edilebildiği, bu algoritmaların ise veri çeşitleme yöntemleri kullanılarak doğruluklarının arttırılabildiği açıktır. Aynı şekilde SHAP değerleri bu makine öğrenme algoritmalarını açıklayarak hangi parametrenin toprak tuzluluğunu belirlemede nasıl bir katkı sunduğu genel ve örnek bazında açıklayabilmiştir. Birleşmiş Milletlerin 2030 Yılı Sürdürülebilir Kalkınma Hedefleri kapsamında gıda güvenliği, su kullanımı ve sürdürülebilir ekosistemler çerçevesinde toprak tuzluluğu önemli bir yer işgal etmektedir. Özellikle de gıda ile olan ilişkisi nedeniyle toprak tuzluluğu yakın gözlem altında tutulmalı ve karar vericilere destek olunarak üstesinden gelinmelidir. Gelecekteki toprak tuzluluğu çalışmaları için farklı uydu sistemleri, daha yüksek mekânsal çözünürlüklü uydular, klasik makine öğrenme yöntemleri yerine derin öğrenme yöntemleri kullanılabilir. Türkiye üzerinde de hali hazırda bu problemin baş gösterdiği bir alan yeni bir çalışma için seçilebilir. Optik uydular yeni radar uyduları da yine kullanılmak için önerilebilir.
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.
Assessment of spatio-temporal variations in lake surface using landsat imageries and Google Earth Engine

(Graduate School, 2022-06-22) Albarqouni, Mohammed M. Y. ; Balçık, Filiz Bektaş ; 501191628 ; Geomatics Engineering

The purpose of this research is to determine the lake's water surface area and the Lake Surface Water Temperature (LSWT), as well as to give a long-term analysis of the spatial and temporal relationships between these variables. Lake Burdur, Lake Egirdir, and Lake Beysehir were the three lakes in Türkiye's Lakes Region that were taken into consideration to be used as testing sites. Lakes are crucial to the ecosystem and ecological stability. For the preservation and development of such sensitive regions, continual monitoring using accurate and dependable sources is required. The development of remote sensing technology provides a significant opportunity for the determination, monitoring, and assessment of the current state of lakes. Specifically, the improvement of satellite images spatial and spectral resolutions contributes to this potential. Mapping water surface area is essential for agriculture, economic, and the structure and function of the ecosystem, as well as for the extent of lakes' water surfaces. Remote sensing methods were used to comprehend the long-term variations in the water surface area of Lake Burdur, Egirdir, and Beysehir. Google Earth Engine (GEE) is a cloud-based platform that applies operations to Landsat satellite images, was used to perform the analysis. In the study, two satellite sensors; Landsat 5 TM and Landsat 8 OLI/ TIRS, were employed to cover as much of the research period from 2000 to 2021 as possible. Landsat 8 OLI/TIRS gives coverage from 2013 through 2021, while Landsat 5 TM provides coverage from 2000 to 2011. There was no available satellite data for 2012. Also, ERA5-Land and TerraClimate monthly satellite dataset were used in this study to show whether there is correlation between water surface area and LSWT with meteorological parameters (temperature, evaporation and precipitation). The first chapter discusses the relevance of lakes to the ecosystem and global climate, as well as the information on water body extraction using satellite images acquired by remote sensing was presented. This chapter also discusses the study's scope and objectives. The second chapter presents the role of remote sensing and satellite data in extracting and monitoring the spatio-temporal changes of water surfaces. The third chapter introduces the study area and clarified all of its features, in addition to providing the satellite data utilized in the analysis. Thus, a total of 606 Landsat images were collected and analyzed through GEE cloud platform. In the fourth chapter, the Normalized Difference Water Index (NDWI) was utilized to extract the water pixels in order to determine the surface water extent from the image inventory. Thus, the procedure of calculating surface water area and LSWT has been explained in detail via the used equations and GEE code. The accuracy assessment for the largest and smallest surface water area for each lake was evaluated using the random point selection method and confusion matrix. Moreover, the water surface area changes of the three lakes and the LSWT variable, as well as their relationship with one to another, were analyzed to clarify the effects of an increase or decrease in LSWT over the extent of the lake's surface water. In the fifth chapter, the daily, seasonal, and annual variations in each lake surface area across the research period were presented. The findings from the study indicate that by using NDWI, water pixels can be extracted rather accurately, with an overall accuracy of more than 98% for the surface area of all lakes. Between 2000 and 2021, the water surface area value of Lake Burdur decreased significantly by more than 22%, while for Lake Egirdir it has dropped slightly by less than 4%, and for Lake Beysehir has not changed noticeably, it has decreased by roughly less than 1%. After analyzing the LSWT values, it can be established that they increased in all lakes except for Beysehir over the study time period. Thus, Burdur Lake's LSWT increased by more than 2.1°C, Egirdir Lake heightened by more than 0.3°C, and Beysehir Lake decreased by more than 1.4°C. The obtained results were evaluated with meteorological parameters and our findings showed that human-induced activities were more dominant than climate effects over the lakes. In the sixth chapter, the study's findings were reviewed and discussed.
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.
Deep learning based road segmentation from multi-source and multi-scale data

(Graduate School, 2023-05-12) Öztürk, Ozan ; Şeker, Dursun Zafer ; 501162611 ; Geomatics Engineering

Roads are geographical objects that have been the subject of many application areas, such as city planning, traffic management, disaster management, and military interventions. The success of these applications depends on the speed and accuracy of obtaining road information. Researchers have mostly used satellite and/or aerial photographs as data sources in these studies and focused on the automatic acquisition of road information. Although successful results have been obtained with Artificial intelligence (AI)-based approaches, that are widely used recently, automatic segmentation of roads from remote sensing data is still considered a difficult and important problem due to its complex and irregular structure. AI has been developed to enable computers to realize human abilities such as reasoning, perception, and problem-solving. The most basic expectation is that AI can overcome the problems in which the traditional approaches are insufficient. As a recent trend of AI, deep learning (DL) methods establish a more complex relationship with the data and distinguish the hidden features of the data more accurately. DL is data-driven, and the quality, number, and variety of training data directly impact the performance of the models. For this purpose, comprehensive data sets such as MNIST, COCO, and ImageNet were published. However, the number of datasets containing geographic details is limited compared to others. In addition, datasets containing geographic details can represent only the characteristics of the regions where they were created. Therefore, the models trained with these data sets can only have the capacity to distinguish details at the level that they can only learn from these limited data. It is extremely difficult for these models to effectively predict roads in regions characterized by complex road networks, such as Istanbul. In this thesis, it is aimed to overcome the data gap in road segmentation studies with DL algorithms, to produce datasets representative of the study region, and finally to use data obtained from different sources together to overcome the problems encountered in existing research using only optical images. This thesis is divided into five main parts. The introduction provides a general overview of the subject matter, including comprehensive information on current studies and the motivation of this thesis. In the second part, a fast, accurate, and comprehensive road dataset production infrastructure was created using a web map service to overcome data-related problems. For this purpose, it was found appropriate to utilize service providers where maps can be edited based on user requests. Using the Static API feature of the Google Maps Platform, a data generation program was developed in Python programming language. In this program, the properties of the mask images corresponding to the satellite images were defined with a JavaScript code. An automatic static map style was created for road segmentation. In addition, using this program, the desired number of images can be generated randomly or as a sequence at fixed image sizes and within the boundaries of specified test regions. Furthermore, the Google Maps Platform does not provide geographic information about the images. In order to overcome this deficiency, the geo-referencing of these satellite images and corresponding masks was added to the program. In the third part of the thesis, it is aimed to create an Istanbul road dataset due to the necessity of producing a dataset that represents the characteristics of the region being tested in the road segmentation studies. Istanbul's road network is in a state of development with an ever-increasing population. As it contains different road types and land use details, it is capable of meeting the data diversity required by DL applications. The changing and evolving structure of Istanbul makes it one of the most important regions to be constantly observed and analyzed. In order to examine the contributions of different resolutions of satellite images and different generalization levels of masks in road segmentation studies, the images at zoom levels 14, 15, 16, and 17 from Google Maps were generated in this thesis. Consequently, 10000 optical images and road mask images were produced for each zoom level in the test regions in Istanbul. In order to test the performance of the generated dataset in DL models, the deep residual U-Net architecture was used. When the training metrics of the models' predictions are examined, it was found that the Istanbul dataset achieved successful results in terms of segmenting road pixels at each zoom level separately. In addition, DeepGlobe and Massachusetts datasets, which are widely preferred in road segmentation studies, were included in the analysis to test the prediction performance of the models trained with these datasets generated outside the study region.
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.
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.
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
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).
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.
Global gravity field recovery from low-low satellite-to-satellite tracking with enhanced spatiotemporal resolution using deep learning paradigm

(Graduate School, 2023-05-24) Uz, Metehan ; Akyılmaz, Orhan ; 501162610 ; Geomatic Engineering

Understanding climate system and ensuring survival of the planet require more attention to monitoring water resources and water-related natural disasters. Therefore, monitoring water storage is crucial for the global climate and natural ecosystems. Gravity Recovery and Climate Experiment (GRACE) and GRACE Follow-On (GFO) missions have revealed new insights into mass transport within the Earth system. For the first 15 years, beginning in 2002, time series of terrestrial water storage (TWS) variations on the Earth were recovered from the measurements of the GRACE mission. After a gap of 11 successive months, the GFO mission has been performing this task since May 2018. Hence, over the last 20 years, TWS variations from GRACE/GFO measurements have provided an unique information on the Earth's water cycle to a wide range of hydrology, glaciology, and solid earth activities. Numerous scientific investigations have been conducted in the light of this data. Some of these efforts include estimating time-variable gravity field models with high accuracy from GRACE/GFO measurements using satellite gravimetry techniques and/or enhancing the temporal and spatial resolutions of TWS anomalies (TWSA). In this thesis, two major efforts have been investigated by applying the energy balance approach (EBA), which is a kind of satellite gravimetry technique based on the principles of energy conservation. The preliminary aim is to estimate spherical harmonic coefficients (SHC) of time-variable gravity field models of the Earth and new hybrid deep learning (DL) algorithms, namely residual deep convolutional autoencoders (ResDCAE) and super-resolution residual deep convolutional autoencoders (SR-ResDCAE). The next objective is to enhance temporal and spatial resolutions of TWSA maps that are derived from the SHCs. The SHCs are highly sensitive to the systematic errors and high-frequency noise sources in range-rate observations of GRACE/GFO K/Ka Band Ranging (KBR) as well as the orbit configurations. This is why the estimated geopotential differences (GPD) from EBA have direct relations to range rate dataset due to applied KBR alignment approach. Under these circumstances, the temporal models are estimated to have comparable accuracy with other institution models for up to degree/order (d/o) 20, but are less accurate for higher degrees of SHCs. In order to mitigate these error and noise sources, KBR empirical parameter estimation or the Bayesian filter (BF) is applied to estimated GPDs. When the number of empirical parameters are increased (from one to three cycle-per-revolution (CPR)), the heavier effect of North-South (N-S) stripes is drastically reduced, particularly in months with poor orbit configuration. However, this results in a loss of strength in the long-wavelength component of the gravitational signal. On the other hand applying both the forward filtering (FF) and backward smoothing (BS) steps of BF to the GPD residuals, high-frequency noises caused by the satellite's temperature changes are reduced and there is no signal loss in SHCs estimated by these filtered and smoothed GPDs. However, this result did not lead to any improvement in the mitigation of high-degree SHC correlations. Since the estimated GPDs are also highly sensitive to orbital configurations to represent mass variations, it is concluded that a regularization process is required in the gravity inversion step to eliminate correlations in higher-order SHCs and reduce N-S stripes in an unconstrained solution without signal loss. In the second step, the TWSA that are calculated from estimated SHCs are downscaled from monthly and 100 km resolutions to daily and 25 km resolutions using in-house developed DL, i.e., ResDCAE and SR-ResDCAE, applying step-by-step simulations from lower to higher resolutions. Internally, the performance of each GRACE-like TWSA simulation is validated using mathematical metrics such as root mean squared error (RMSE) and Nash-Sutcliffe efficiency (NSE), as well as comparisons to previous studies. Contrary to internal validation, the simulated TWSAs are also externally validated by comparison to the performance of filling the gap between GRACE and GFO missions and to non-GRACE datasets, such as the El Nino/La Nina sea surface temperature index and global mean sea level (GMSL) changes. In addition, the capability of the daily simulations to detect long- and short-term variations in the TWSA signal caused by natural disasters such as the 2011 and 2019 Missouri River Floods, Hurricane Harvey, and the 2012–2017 drought in California for Contiguous United States (CONUS) region is investigated. The droughts experienced in Türkiye during the GRACE/GFO time period, which occurred in 2007–2008 and 2013–2014, are also evaluated using daily simulations considering Fırat Dicle Basin (FDB) and Konya Close Basin (KCB), separately. Both the filling of TWSA data gaps and the simulation of daily time series using the ResDCAE algorithm have been successfully simulated. Nevertheless, the spatial downscaling step of the SR-ResDCAE algorithm requires additional physical investigation regarding the establishment of spatio-temporal correlations during training. In addition, leakage bias effects have emerged as a result of the post-processing filters used to eliminate errors in time-varying gravity field models obtained unconstrained by the EBA method. Due to post-processing filters, the true signal magnitude of TWSA is diminished. Therefore, the temporal and spatial pattern of the simulated TWSA time series is comparable to that of the other compared simulations and models, but signal power loss is readily apparent.
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.
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.
InSAR ve makine öğrenmesi yöntemleri kullanılarak yüzey hareketlerinin zaman serileri ile modellenmesi: İstanbul Havalimanı örneği

(Lisansüstü Eğitim Enstitüsü, 2023-05-30) Yağmur, Nur ; Musaoğlu, Nebiye ; Şafak, Erdal ; 501182615 ; Geomatics Engineering

Ulaşım trafiğinin önemli bir bölümünü hava taşımacılığı oluşturmaktadır. Özellikle mega kentlerde yer alan ve hem ulusal hem de uluslararası taşımacılığı sağlayan havalimanları önemli bir konuma sahiptir. Yılda milyonlarca insanın yolculuk yapmasına olanak sağlayan bu havalimanlarında yapı sağlığı konusu kritik bir öneme sahip olup, yapı hasarlarının maliyetinin yanı sıra oluşabilecek kazalar sonrası yolcuların can güvenliği de dikkate alınması gereken bir diğer konudur. Bu sebeple, pist ve yapılarda meydana gelebilecek hasarlar sürekli olarak izlenerek, ihtiyaç duyulması halinde yapı iyileştirmeleri gerçekleştirilmelidir. Yapı sağlığı izleme konusunda birçok yersel ölçme yöntemi mevcuttur. GNSS, nivelman, inklonometre vb. sıklıkla kullanılan yersel ölçme yöntemlerine örnek verilebilmektedir. Ancak bu ölçme yöntemleri hassas ölçü sağlasa dahi nokta tabanlı olup, alansal bilgi çıkarımında kullanılması bir hayli güçtür. Ciddi iş yükü gereksiniminin yanı sıra maliyet ve zaman gerektirmektedir. Uzaktan algılama yöntemleri, sürekli periyotlarda uydu görüntüsü sağlama ve geniş kapsama alanı ile bu konuda önemli bir boşluğu doldurmaktadır. Son yıllarda farklı sensörlere sahip birçok uydudan ücretsiz uydu görüntülerinin temin edilebilmesi sayesinde, uydu görüntüsünün mekânsal çözünürlüğüne bağlı olarak farklı detaylarda alansal bilgi çıkarımı sağlanabilmektedir. Yapılarda veya arazi yüzeylerinde meydana gelen yüzey hareketlerinin alansal olarak belirlenmesinde yapay açıklıklı radar (Synthetic Aperture Radar-SAR) uydu görüntüleri sıklıkla kullanılmaktadır. Avrupa Uzay Ajansı'nın Sentinel-1 SAR uydu görüntülerini ücretsiz olarak servis etmesiyle, yapı sağlığı izlemelerinde interferometrik SAR (InSAR) analizleri sıklıkla uygulanmaya başlanmıştır. Yüzey hareketlerinin zaman içerisinde davranışlarını belirlemek ve izlemek için zaman serisi InSAR yöntemleri geliştirilmiştir. Sabit Saçıcı İnterferometri (Persistent Scatterer Interferometry-PSInSAR) ve Küçük Baz Altküme InSAR (Small Baseline Subset InSAR - SBAS) yöntemleri en çok kullanılan yöntemlerdendir. Havalimanlarının uygun arazi eksikliği sebebiyle deniz dolgu alanlarına veya sulak alanların ıslah edilmesiyle elde edilen boş alanlara inşa edilmesi, son yıllarda yüzey hareketlerinin oluşmasına ve bu yüzey hareketlerinin zaman serisi InSAR yöntemleriyle izlenmesi çalışmalarına konu olmuştur. Bu havalimanlarının, Türkiye'de de benzer örnekleri görülmeye başlanmıştır. İstanbul Havalimanı, bulunduğu jeolojik konum ve kullanıma açıldıktan sonra ulaşım trafiğindeki rolü sebebiyle önemli bir yere sahiptir. Terkedilen açık kum ve kömür ocaklarının zaman içerisinde sularla dolmasıyla oluşan sulak alanlar ve rehabilite edilen ağaçlık alanlar üzerine İstanbul Havalimanı inşa edilmiştir. Sulak alanlar ıslah edilmiş ve dolgu malzemeleriyle doldurularak havalimanı inşaatına uygun konuma getirilmiştir. Yüklü miktarda dolgu yapıldığı bilinen havalimanı, zemin oturması ve yoğun dış yükler sebebiyle yüzey hareketlerine karşı hassas durumdadır. Bu sebeple, çalışma alanı olarak İstanbul Havalimanı seçilmiştir. Landsat optik uydu görüntüleri kullanılarak 1984-2020 yılları arasında beşer yıllık periyotlar ile çalışma alanı sınıflandırılmıştır. Sınıflandırma sonrası gerçekleştirilen tematik doğruluk değerlendirmesi sonucunda, sınıflandırmalar yüksek doğruluk değerleri ile gerçekleştirilmiştir. Sınıflandırma sonucunda 1984 yılından 2010 yılına kadar sulak alanların 10 kat arttığı ancak havalimanı inşaatı sonrası %50'sinden fazlasının yok edildiği tespit edilmiştir. Bitki örtüsü yaklaşık olarak %24 azalmış, açık alan sınıfı ise %7 artış göstermiştir. Havalimanında meydana gelen yüzey hareketlerini belirlemek üzere LiCSBAS uygulama paketi ile SBAS yöntemi, SNAP ve StaMPS yazılımları ile PSInSAR yöntemleri uygulanmıştır. Havalimanının kullanıma açıldığı Kasım 2018 ile Eylül 2022 zaman aralığını kapsayan analizlerde, Sentinel-1 ücretsiz SAR görüntüleri kullanılmıştır. Hem yükselen hem de alçalan geometride gerçekleştirilen analiz sonuçlarının birbirine oldukça yakın sonuç verdiği tespit edilmiştir. SBAS ve PSI analiz sonuçlarının birbirini destekleyici sonuç vermesinin yanı sıra mekânsal çözünürlüklerinin farklı olması sebebiyle sonuçlar birbirini tamamlayıcı nitelikte olmuştur. Elde edilen sonuçlar doğrultusunda, B ve C pisti ile terminal binası arasında bulunan ve havalimanı inşaatı sebebiyle ıslah edilen 88,6 ha alana sahip sulak alanın olduğu bölgede çökme eğilimli deformasyon hareketi tespit edilmiştir. Bu bölgeye yakın olan pistlerde (B ve C pisti) ve terminal binasının kuzey kesimlerinde de benzer şekilde çökme eğilimli hareket görülmektedir. A pistinin kuzey kesimlerinde de çökme eğilimli negatif yönde hareket görülürken, terminal binası üzerinde, binanın güney kesimlerinde ve B pistinin güney kesimlerinde kabarma eğilimli pozitif yönde hareket görülmektedir. Kasım 2018-Eylül 2022 süre zarfında C pistinin inşaatına başlanıp tamamlanarak kullanıma açılmasından dolayı, PSI yöntemiyle sabit saçıcı noktaları tespit edilememiştir. Bu sebeple, C pistinin kullanıma açıldığı Temmuz 2020-Eylül 2022 zaman aralığında PSI analizleri tekrarlanmış ve C pistinin inşa edildiği bölgede yer alan ıslah edilmiş ufak sulak alanın üzerinde çökme eğilimli negatif yönde hareket olduğu tespit edilmiştir. Hem alçalan hem yükselen yörüngede elde edilen analiz sonuçları kullanılarak uydu bakış yönünde elde edilen yüzey hareketleri düşey ve yatay bileşenlerine ayrılmıştır. Her iki yörüngede elde edilen sonuçların birbirine benzerlik göstermesi, hareketin düşey yönde olduğunun göstergesidir. Elde edilen düşey bileşen de bu durumu doğrulamaktadır. Yatay bileşenden ise anlamlı sonuçlar elde edilememiştir. Terminal binası üzerinden alınan zaman serisi bileşenlerine ayrılarak trend bileşeni, Meteoroloji Genel Müdürlüğü (MGM)'den alınan sıcaklık verisi ile ilişkilendirilmiş ve yüksek korelasyon elde edilmiştir. Bu durum, terminal binasının çatı malzemesinin genleşmeye meyilli olduğunu göstermiştir. Sayısal yükseklik modelleri (SYM) kullanılarak havalimanı inşaatında kazı ve dolgu yapılan alanlar tespit edilmiştir. Havalimanı inşaatı öncesi topoğrafyayı ifade eden SYM, SRTM verisi ile sağlanmıştır. İnşaat sonrası topoğrafya ise stereo Pleiades görüntüleri ile 2 m mekânsal çözünürlükte oluşturulmuş ve SRTM verisinin mekânsal çözünürlüğü olan 30 m'ye yeniden örneklenmiştir. İki verinin farkının alınmasıyla elde edilen sonuçlar doğrultusunda 88,6 ha alana sahip büyük sulak alana ortalama 60 m dolgu yapıldığı tespit edilmiştir. Ayrıca elde edilen kazı ve dolgu alanlarının deformasyon sonuçlarıyla örtüştüğü tespit edilmiştir. Yüzey hareketlerinin belirlenmesi sonrası, zaman serileriyle tahmin analizleri gerçekleştirilmiştir. Tahmin analizlerinde altı farklı pilot bölge, yapı türü ve zaman serisinin karakteristiğine bağlı olarak belirlenmiştir. Tahmin analizleri geleneksel yöntemler, regresyon tabanlı yöntemler ve derin öğrenme yöntemleriyle gerçekleştirilmiştir. Analiz sonuçlarında, geleneksel yöntemler lineer bir yaklaşım sunarak başarılı bir sonuç vermiştir. Regresyon tabanlı yöntemlerden ise XGBoost Regresyon (XGBR) algoritmasının bütün bölgelerde başarılı sonuç verdiği tespit edilmiştir. Derin öğrenme yöntemlerinde ise Bütünleşik LSTM (Long Short Term Memory-LSTM) yönteminin başarılı sonuç verdiği tespit edilmiştir. Zaman serileri bileşenlerine (trend, mevsimsel etki, artık) ayrılarak, ERA5-Land meteorolojik parametreleri (hava sıcaklığı, toprak sıcaklığı, yağış ve buharlaşma) ile beraber tahmin analizlerine dahil edilmiş ve XGBR ile Bütünleşik LSTM algoritmaları kullanılarak bu özniteliklerin tahmin analizlerine katkısı incelenmiştir. Analiz sonucunda, özniteliklerin eklenmesinin tahmin doğruluğunu arttırdığı tespit edilmiştir. Her bölge için özniteliklerin önem dereceleri her iki yöntem üzerinden de belirlenmiştir. XGBR yöntemi üzerinden SHAP (SHapley Additive exPlanations), permütasyon öznitelik önemi yöntemleri ve algoritmanın kendi ağaç yapısını oluştururken kullandığı önem dereceleri ile, Bütünleşik LSTM yöntemi üzerinden ise permütasyon öznitelik önemi yöntemi ile eklenen yedi özniteliğin önem dereceleri belirlenmiştir. XGBR yöntemi ile elde edilen önem dereceleri bütün yöntemlerde benzerlik göstermiş ve trend ile artık parametrelerinin en önemli öznitelikler arasında yer aldığı belirlenmiştir. Ancak kontrollü ilerlenmediği takdirde bu parametrelerin aşırı öğrenmeye sebebiyet verdiği tespit edilmiştir. Pist üzerinden alınan iki farklı zaman serisinde buharlaşma parametresi öne çıkarken, bina üzerinden alınan zaman serilerinde de hava sıcaklığı parametresinin öne çıktığı belirlenmiştir. Bütünleşik LSTM yöntemi üzerinden permütasyon öznitelik önemi yöntemiyle belirlenen önem derecelerinde, trend bileşeni zaman serilerinin genelinde önemli öznitelikler arasında yer almaktadır. Pist üzerinden alınan zaman serilerinde yağış parametresi öne çıkarken, bina üzerinden alınan çökme ve kabarma zaman serilerinde buharlaşma parametresi öne çıkmaktadır. Terminal binası özelinde incelendiğinde ise toprak sıcaklığının öne çıktığı belirlenmiştir. Elde edilen sonuçlar doğrultusunda tahmin analizlerinde yapı türü, yapı malzemesi ve kullanılan yönteme göre sonuçların değişkenlik gösterdiği söylenebilmektedir. LSTM katmanlarında bulunan seyreltme katmanı ile aşırı öğrenme engellenebilirken, regresyon tabanlı algoritmalarda bu durumun engellenememesi yanıltıcı sonuçlar elde edilmesine sebep olabilmektedir. Geleneksel yöntemlerden ARIMA ve FFT ile XGBR ve Bütünleşik LSTM yöntemleri kullanılarak zaman serilerinin gelecek tahmini analizi gerçekleştirilmiş, elde edilen sonuçlar doğrultusunda FFT ve Bütünleşik LSTM yöntemlerinin benzer bir yaklaşım sunduğu tespit edilmiştir. Tez çalışması, İstanbul Havalimanı üzerinde gerçekleştirilen kapsamlı analizleri içermekte olup, İstanbul Havalimanı gibi büyük ve kritik öneme sahip ulaşım altyapılarında gerçekleştirilecek yapı sağlığı izleme çalışmalarına katkı sağlayacağı düşünülmektedir.
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.
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.
Mekansal karar destek sistemi ile doğal gaz acil müdahale istasyonu yerlerinin belirlenmesi: İstanbul örneği

(Lisansüstü Eğitim Enstitüsü, 2023-05-12) Sarıkaya, Mehmet Şerif ; Yanalak, Mustafa ; 501172604 ; Geomatik Mühendisliği

Enerji, yaşam döngüsünün devamı için hayati öneme sahiptir. Canlılar için temel ihtiyaç olan enerji günlük hayattaki fonksiyonların yerine getirilmesi açısından da büyük rollere sahiptir. Hayatımızın birçok alanında farklı enerji kaynaklarından yararlanmaktayız. Temelde iki ana enerji kaynağı kullanılmaktadır. Birincisi fosil yakıtlar olarak bilinen yenilenemeyen ve sınırlı miktarda olan petrol, doğal gaz, kömür ve nükleer gibi yenilenemeyen enerji kaynakları. Diğeri ise doğal kaynaklardan elde edilen ve kendi kendini yenileyen rüzgar, güneş, jeotermal ve hidroelektrik gibi yenilenebilir enerji kaynaklarıdır. Günümüzde ise kullanılan enerjinin büyük bir çoğunluğu fosil yakıtlardan sağlanmaktadır. Fosil yakıtlar arasında en düşük karbon emisyonuna sahip olan doğal gaz, hava kirliliği ile mücadelede ve sağlıklı bir çevrenin sürdürülebilir olması açısından önemli bir enerji kaynağıdır. Yüksek enerji yoğunluğu ve nispeten düşük maliyetli olan doğal gaz birçok enerji türüne göre daha çok tercih edilmektedir. Elektrik üretimi, ısıtma, sıcak su, araç yakıtı ve pişirme gibi temel ihtiyaçları karşılayabilen, konutlarda ve sanayide geniş kullanım alanı olan doğal gaz önemli avantajlar sağlamaktadır. Özellikle gelişmiş ve gelişmekte olan ülkelerin şehirleşme ve sanayileşme süreçlerine ciddi katkılar sunan doğal gaz toplumlar için önemli bir enerji kaynağı olmuştur. Doğal gaz renksiz, kokusuz ve havadan daha hafif olan yanıcı bir gazdır. Sızıntı durumlarında ortamdaki oksijenin yerini doğal gaz alması ve yüksek konsantrasyonlarda solunması sonucunda boğulmaya ve ölümlere sebep olabilir. Son kullanım noktasında doğal gaz cihaz ve sistemlerinin hatalı kurulumu ya da ortamdaki havalandırma eksikliği nedeniyle doğal gazın tam yanmaması karbonmonoksit zehirlenmelerine yol açar. Doğal gazın yanıcı ve patlayıcı bir gaz olmasından dolayı kullanımında bazı teknik emniyetlerin alınması gereklidir. Doğal gazın çıkarılmasında, taşınmasında ve tüketiciye ulaştırılmasındaki tüm süreçlerde alınan güvenlik önlemleri ile kaza riskleri en düşük seviyede tutulabilmektedir. Güvenli doğal gaz kullanımının sürekliliğini sağlamak için gaz şirketleri ulusal ve uluslararası acil durum planlarını uygulamaktadırlar. Acil durumlarda, doğal gaz kullanıcılarına güvenli ve en az kesintili doğal gaz arzı sağlamak için hızlı ve etkin bir şekilde müdahale etmeye hazır doğal gaz acil müdahale ekiplerine ihtiyaç vardır. Bu nedenle, can ve mal güvenliğini korumak adına acil durum ihbarlarına müdahale etmek, doğal gaz acil müdahale ekipleri için en yüksek önceliğe sahiptir. Bu noktada gaz şirketleri tarafından oluşturulan doğal gaz acil müdahale istasyonları tarafından, olası acil durumlarda gerekli eylem planlarının uygulanması, son kullanıcı ve kamu kurumları ile koordinasyon ve doğal gaz hizmetinin devamlılığı sağlanır. 7/24 çalışan doğal gaz acil müdahale istasyonları gerekli teknolojik ekipmanları ve doğal gaz konusunda yetkin acil durum uzmanlarını bünyesinde bulundurmaktadırlar. Bu istasyonlar oluşabilecek krizleri kontrol altına alınmasında ve doğal gaz ihbarlarına en kısa sürede müdahale ulaşılmasında kritik bir rol oynamaktadırlar. Doğal gaz aboneleri tarafından 7/24 doğal gaz acil hatlarına ihbarlar bildirilmekte. Doğal gaz acil müdahale istasyonlarının konumuda, doğal gaz ihbarlarına zamanında müdahale edilmesi ve olası can/mal kayıpların azaltılması açısından kritik öneme sahiptir. Özellikle nüfus ve trafik yoğunluğunun yüksek olduğu büyükşehirlerde doğal gaz acil müdahale istasyonlarının doğru konumlandırılması gerekir. İstanbul ili 6.5 milyon üzerinde doğal gaz abonesine ve yılda 200.000'in üzerinde doğal gaz ihbarına sahiptir. Acil doğal gaz ihbarlarına 15 dakika içerisinde müdahale edilmesi gerekliliği ve yoğun trafik koşulları İstanbul ilindeki doğal gaz acil müdahale istasyonlarının dağılımlarını ve yer seçimlerini daha önemli bir noktaya taşımıştır. Bu tez çalışmasında, İstanbul'da doğal gaz acil ihbar çağrılarına en hızlı şekilde cevap verebilecek hizmet standartlarına ulaşmasını sağlamak amacıyla doğal gaz acil müdahale istasyon yer seçimi için bir mekansal karar destek sistemi geliştirilmiştir. Çalışmanın ilk aşamasında, İstanbul'daki mevcut 32 doğal gaz acil müdahale bölgesinde yer alan 36 istasyonun dağılımı ve çalışma alanları incelenmiştir. 36 istasyonun kendi çalışma bölge sınırları içindeki 15 dakikalık kapsama alanları çıkarılmış ve konumlarının yeterliliği analiz edilmiştir. CBS'de gerçekleştirilen ağ analizi sonucunda mevcut 26 doğal gaz acil müdahale istasyonunun geniş çalışma alanı, trafik yoğunluğu veya konumları nedeniyle 15 dakika içerisinde ihbarlara müdahale etmede yetersiz kaldığı anlaşıldı. İstanbul Büyükşehir bölgesindeki doğal gaz hatlarının %70,04'ünün ve doğal gaz abonelerinin %91,03'ünün mevcut 36 istasyonun 15 dakikalık hizmet alanı içinde olduğu sonucuna ulaşılmıştır. Bu sonuçlar neticesinde İstanbul ilinde yeni doğal gaz acil müdahale istasyonlarının açılması ihtiyacı ortaya çıkmıştır. Çalışmanın ikinci aşamasında, doğal gaz acil müdahale istasyonlarının yer seçimi probleminin çözümünü kolaylaştırmak için literatürdeki acil müdahale merkezleri yer seçimi, doğal gaz güvenlik çalışmaları ve ulusal doğal gaz acil müdahale planları incelenerek yedi ana yer seçim kriteri önerilmiştir. Bu çalışma kapsamında doğal gaz acil müdahale istasyonları için ilk kez yer seçim kriterleri önerilmiştir. Doğal gaz abone yoğunluğu, doğal gaz ihbar yoğunluğu, doğal gaz hatlarına yakınlık, ana yollara yakınlık, pazarlara uzaklık, mevcut doğal gaz acil müdahale istasyonlarına uzaklık ve RMS-B istasyonlara yakınlık olmak üzere 7 kriter belirlenmiştir. Vektör veri formatında olan bu kriterler raster veri formatına dönüştürülerek mekansal analiz için uygun hale getirilmiştir. Çalışmanın üçüncü aşamasında, doğal gaz acil müdahale uzmanları eşliğinde çok kriterli karar verme yöntemlerinden biri olan bulanık analitik hiyerarşi prosesi (BAHP) kullanılarak yedi kriterin ağırlıklandırılması yapılmıştır. Ağırlıklandırma sonrası CBS'nin ağırlıklı bindirme mekansal analiz aracı kullanılarak doğal gaz acil müdahale istasyonları için ilk yer seçim analizi yapılmıştır. Analiz sonucunda 12 yeni doğal gaz acil müdahale istasyonu açılması önerilmiştir. İkinci yer seçimi analizinde mülkiyeti gaz dağıtım şirketinde olmayan 22 istasyon analiz dışında tutularak tekrardan çalışma yapılmıştır. Bu analiz sonucunda da mülkiyeti gaz dağıtım şirketinde olan 14 istasyona ek olarak 31 yeni istasyon açılması önerilmiştir. Her iki yer seçim analizinde önerilen istasyon lokasyonların büyük oranda birbiri ile uyumlu olduğu görülmüştür. Çalışmanın son aşamasında, ilk yer seçim çalışmasında önerilen 12 ve mevcut 36 doğal gaz acil müdahale istasyonu için yeniden CBS'nin ağ analizi fonksiyonu kullanılarak 15 dakikalık yanıt süresi içindeki kapasam alanındaki değişikler analiz edildi. Analiz sonucunda İstanbul ilindeki doğal gaz şebekesine erişebilirlik oranı %83,86'ya, doğal gaz abonesine erişebilirlik oranı %96,27'ye yükselmiştir. Yer seçimi planlamasında doğal gaz acil müdahale istasyonların mekânsal etkinliği, mekânsal erişilebilirliği ve ilgili yer seçimi kriterleri bütüncül olarak ele alınmıştır. Bu çalışma ile ilk defa doğal gaz acil müdahale istasyonları için yer seçimi çalışması yapılmış ve literatüre önemli bir katkı sağlanmıştır. Bu tez çalışması kapsamında, mevcut doğal gaz acil müdahale istasyonların yeterliliğini ve hizmet alanı kapsamını dikkate alan CBS-BAHP tabanlı bir mekânsal karar destek sistemi önerilmiştir. Elde edilen sonuçlar sonrasında kullanılan mekânsal karar destek sisteminin uygun istasyon yerlerinin seçiminde kullanılmaya değer olduğu görülmüştür.
Modelling site selection process for wind power plants through free and open source gis

(Institute of Science And Technology, 2020-07) Şimşek, Gözde ; Doğru, Ahmet Özgür ; 633621 ; Department of Geomatics Engineering

In our constantly evolving and changing world with the impact created by developments, energy needs have become a very important component in the policies of both states and private companies. With the increase in energy needs, interest in sustainable resources has increased, and energy production targets from renewable energy sources have grown in development plans and investment programs. In addition to being sustainable, renewable energy sources have become more attractive with their low cost in the long term. Wind energy is economically efficient in the long term, although the installation cost is quite high among these resources. It is desirable that the efficiency obtained from the wind power plant is at the maximum level, but the environmental impact should be kept at a minimum while keeping the efficiency at the maximum level. Therefore, the evaluation of the region where the Wind Power Plant (WPP) will be installed should be made in accordance with international standards, national regulations and environmental conditions. Geographic Information Systems (GIS) are used as tools for multi-criteria decision making problems such as site selection and suitability analysis. With the increasing need for development and the mass of users, the orientation towards free and open source software shows its influence on GIS as well as in many other fields. The value offered by free and open source software is due to the fact that the possibilities offered can be improved, and the developed features can be shared freely with other users. In this context, QGIS which is a free and open source GIS software was used in the study and for the WPP suitability analysis, the first model in which the areas where the WPP cannot be established can be determined first, and then the second suitability model using the weights determined by the Analytical Hierarchy Process (AHP) has been applied. The two models proposed using the free and open source GIS software aimed to automate the process for suitability analysis in study area which is Izmir. First of all, parameters are determined according to national and international standards, literature review and national legal procedures to be considered in order to install WPP, and the specified parameters are classified according to models. The parameters are subjected to two main classifications depending on the purpose of the models. The first exclusion parameters are classified as the since it will serve the purpose of determining the areas where WPP cannot be established. The output map classification obtained with the exclusion model is made with boolean values of 0 and 1 representing the areas where RES can be established and cannot be established, and is included as an input to the suitability model, which is the second model. Two different scenarios are implemented with the first model. Environmental Impact Assessment (EIA) report evaluates the impact of WPP on the environment, it is decided by the relevant institutions whether this assessment is necessary depending on the variables such as the capacity and size of the project, in addition to the fact that such large structures have a great benefit in providing energy by using renewable energy sources, if it is positioned without assessing the impact on the environment, it may harm the nature and society. Considering the advantages and disadvantages, some disadvantages can be minimized by environmentally sensitive studies, so the areas where WPP cannot be established when EIA is not required and areas where WPP cannot be established in situations where EIA is not required vary and the output occurs in two different scenarios. In the suitability model, the aim is to make suitability analysis using the evaluation parameters within the areas where WPP can be established

Gözat

Başlık ile LEE- Geomatik Mühendisliği Lisansüstü Programı'a göz atma

Sayfa başına sonuç

Sıralama Seçenekleri