LİDAR verileri ile SAM üretiminde farklı arazi türlerine göre performans araştırması

Abstract

Bu doktora tez çalışması kapsamında çalışma alanı olarak, Türkiye'nin Doğu Anadolu Bölgesinde yer alan Artvin İli, Borçka ve Ardanuç ilçelerindeki ormanlık alanlar seçilmiştir. Bu alanlar içerisinde yapay ve doğal oluşum şekli ve farklı coğrafi özellikte (konum, bitki örtüsü, eğim) 4 adet test bölgesi seçilmiştir. Seçilen bu test bölgelerinin her biri üzerinde 11 adet örnek alan belirlenmiştir. Bu örnek alanlar bina, elektrik direği, yol, araba v.b. gibi yapay oluşumlar ile şev, orman, uçurum v.b gibi doğal oluşum şekillerini içermektedir. Bu tez çalışmasına literatür araştırması yapılarak başlanılmış olup Hava LiDAR (Light Detection and Ranging) teknolojisi ile ilgili Türkiye'de ve Dünyada filtreleme ve Sayısal Arazi Modeli (SAM) oluşturulması konusunda yapılan çalışmalara yer verilmiştir. Uygulama için LiDAR teknolojisi ile elde edilmiş nokta bulutu verisi kullanılarak SAM üretmek amacıyla farklı doğal ve yapay oluşum şekli içeren, farklı arazi kategorilerindeki filtreleme sonuçlarına ilişkin uygulamalar yapılmıştır. Filtreleme işlemi öncesinde gerçek yeryüzü sınıfına ait olmayan alçak ve yüksek noktaların (hatalı) veriden ayıklanması için bir metodoloji geliştirilmiştir. Bu noktaların veriden çıkarılması ve yeryüzü sınıflandırılması işlemi için Uyumsal Düzensiz Üçgen Ağı (UDÜA) yöntemi kullanılmıştır. Parametre değerleri olarak alçak ve yüksek nokta çıkarımı için arama yarıçapı parametresi, yeryüzü sınıflandırması için ise iterasyon açısı parametresi kullanılmıştır. Uygulamanın ilk aşamasında Terra Solid (Soinien, 2015) LiDAR yazılımına ait veri işleme araçları ve diğer veriler (ortofoto ve Google Earth) kullanılarak çalışma alanının referans veri seti oluşturulmuştur. İkinci adımda, ham veri analizi yapılmıştır. Bunun için yükseklik şeması ve veri dağılım modeli oluşturularak bir yardımcı model yaratılmıştır. Bu yardımcı model vasıtasıyla gerçek yeryüzüne ait yükseklik değerleri içerisinde yer alan hatalı yüksekliklere ilişkin noktalar ham veriden çıkarılarak işlem performansında bir artış sağlanmıştır. Üçüncü adımda ise UDÜA yöntemine göre arama yarıçapı parametresi kullanılarak alçak ve yüksek noktaların çıkarımına ilişkin hata yüzdeleri hesaplanmıştır. Hata yüzdelerinin hesaplanmasında iki çeşit hata türü belirlenmiştir. Oluşturulan referans veride, veriye ait nokta olup işlem sonucunda veri dışı olarak belirlenen noktaların tüm noktalara oranı I.Tip hata olarak adlandırılmıştır. Referans veride, veriye ait olmadığı halde işlem sonucunda veriye ait gibi gösterilen noktaların tüm noktalara oranı ise II.Tip hata olarak adlandırılmıştır. Karşılaştırma işlemi referans veriye göre yapılarak işlemin performansı hata yüzdelerine bağlı olarak test edilmiştir. Yeryüzü sınıflandırılması işleminde ise, üçgen tepeleri arasındaki açı ve mesafe kriterleri kullanılmıştır. Uygulama her bir test bölgesinde seçilmiş bulunan 11 adet örnek alan üzerinde yapılmıştır. Filtreleme için uygun açı eşikleri tanımlanmış, her bir açı değeri için I.Tip ve II.Tip hata yüzdeleri hesaplanmıştır. Bu işlemde de gerçek yeryüzüne ait olan noktaların yeryüzü harici nokta olarak gösterilmesi hatası I.Tip hata; yeryüzü harici noktaların gerçek yeryüzüne ait nokta gibi gösterilmesi hatası ise II.Tip hata olarak tanımlanmıştır. Yeryüzü sınıflandırma işleminin ardından sonuçlara ilişkin SAM oluşturulmuştur. İşlemde LiDAR verisinin yoğun nokta bulutu yapısı özelliğinde olması ve özellikle büyük projelerde hesap zorluğu oluşturması bir dezavantaj olarak değerlendirildiğinden grid yöntemi tercih edilmiştir. Grid yapıya dönüşümde Ters Mesafe Ağırlıklı (IDW (Invers Distance Weighted)), Ordinary Kriging (OK), Radyal Bazlı Fonksiyon (RBF (Radial Based Fonction)) ve Yerel Polinom (LPI (Local Polinomial Interpolation)) Enterpolasyon yöntemleri kullanılmıştır. Bu yöntemlerin her biri çalışmanın başında seçilen farklı özellikteki arazi gruplarında test edilmiştir. Her bir yöntemin başarısı enterpolasyon işleminden önceki LiDAR noktalarının yükseklik değerleri ile enterpolasyon işleminden sonraki LiDAR noktalarının yükseklik değerleri arasındaki farklardan hesaplanan Karesel Ortalama Hata (KOH) değerleri kullanılarak test edilmiştir. Çalışmada ayrıca çalışma alanındaki değişik arazi sınıflarında (açık alan, çalılık, yerleşim v.b) yapılan Gerçek Zamanlı Kinematik (RTK), Küresel Konumlama Sistemi (GPS) ölçümleri ile elde edilen Yer Kontrol Noktaları (YKN) kullanılarak LiDAR noktalarının düşey doğruluğu tespit edilmiştir. Çalışmanın geneli değerlendirildiğinde; binlerce nokta bulutundan oluşan LiDAR verisinden hatalı noktaların ayıklanması işleminde parametre seçimi işlem sonucunu büyük oranda etkilemiş fakat doğru sonuç için, yalnızca filtreleme yöntemi yeterli olmamıştır. Bunun yanında kullanıcının yapacağı manuel editleme işlemine de ihtiyaç bulunmaktadır. Bunun için manuel editlemeyi azaltacak ilave yöntemlerin geliştirilmesi gereklidir. Benzer olarak gerçek yeryüzü sınıfını oluşturmak için yapılan filtreleme işleminde de, parametre değerlerine göre işlem sonucu değişmiş ve farklı arazi kategorilerinde farklı sonuçlar elde edilmiştir. Ayrıca; SAM üretmek için grid yapıya dönüştürülen ve enterpolasyon işlemi uygulanan sınıflanmış veri için farklı arazi kategorilerinde farklı KOH sonuçları elde edilmiştir. Aynı zamanda LiDAR noktalarının düşey doğruluğu da, arazi kategorilerindeki farklılıklar bakımından, enterpolasyon işlemlerinden elde edilen KOH sonuçları ile paralellik göstermiştir. Bu test işleminde de açık alanlardaki düşey doğruluk arazi örtüsünün yoğun olduğu yerlere göre daha prezisyonlu elde edilmiştir. Uygulanan enterpolasyon yöntemleri ise sonuçlar üzerinde kurallı bir farklılık meydana getirmemiştir. Sonuç olarak; LiDAR verilerinin global ölçekte ve bu çalışmada seçilen test alanında olduğu gibi ulaşılması zor alanlarda koordinat bilgisini elde etmedeki kolaylığı nedeniyle gerçek yeryüzünü oluşturmak için bir seçenek olabileceği değerlendirilmektedir. Fakat sınıflandırma işleminde kullanılan parametre değerleri farklı arazi kategorilerinde farklı sonuçlar verdiği için, çıplak alan, yoğun bitki örtüsüne sahip (tamamiyle orman) alan, seyrek orman, eğimli arazi gibi doğal oluşumlar ile araba, yol, elektrik direği v.b yapay oluşumlar olarak gruplandırma yapılarak farklı arazi yapılarında farklı parametre değerleri seçilmelidir. Alçak ve yüksek nokta çıkarımında parametreler yoluyla yapılan filtreleme işleminin tek başına yeterli olmaması nedeniyle ham veri üzerinden yükseklik şeması ve veri dağılım modeli oluşturularak gerçek yükseklik değerlerine göre oldukça bariz yüksekte ve alçakta bulunan noktalar çıkarıldıktan sonra filtreleme yöntemi uygulanmalıdır.