İnsansız hava aracı verilerinden nesne tabanlı sınıflandırma yaklaşımı ile sığ heyelanların tespiti
Dedection of shallow landslides with object based classification approach from unmanned aerial vehicle data
- Tez No: 536814
- Danışmanlar: DOÇ. DR. UĞUR AVDAN, DOÇ. DR. TOLGA GÖRÜM
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 138
Özet
Karadeniz bölgesi yüksek eğimli topoğrafyası, yoğun yağış alma özelliği ve dayanım açısından zayıf jeolojik malzeme özelliği nedeni ile Türkiye'de heyelan olayların yoğun olarak yaşandığı bölgelerdendir. Bölgenin heyelan duyarlılık haritalarının üretilmesinde, heyelan envanter haritalarının üretilmesi birinci adımdır. Bölgede meydana gelen heyelanların haritalanmasında yersel yöntemler bölgenin koşulları nedeni ile zaman alıcı ve çok maliyetlidir. Uydu görüntüleri ve uçaklardan elde edilen hava fotoğraflarına bağlı yapılacak heyelan haritalamada, iklimsel koşullar, maliyet ve tekrarlı ölçüm kapasitelerinin sınırlı olması gibi kısıtlayıcı faktörler söz konusudur. Bunlara ek olarak uydu görüntüleri ve hava fotoğraflarına bağlı olarak yapılan görsel yorumlama temelli heyelan haritalama işlemi çok fazla zaman almaktadır. Bundan dolayı İnsansız Hava Aracı (İHA) temelli veri toplama ve bu veriler üzerinden nesne tabanlı sınıflandırma yaklaşımı ile heyelan olay envanterinin üretilmesi diğer yöntemlere göre hız ve maliyet açısından üstünlük kurabilecek niteliktedir. Bu tez çalışmasında, Karadeniz Bölgesinde ani yağışlara bağlı gelişen heyelan olayları sonrası insansız hava aracından elde edilen verilere nesne tabanlı sınıflandırma yaklaşımı uygulanarak heyelanların hızlı haritalanmasına yönelik modeller geliştirilmiştir. Bu kapsamda Bartın – Kurucaşile ve Rize – Çayeli olmak üzere iki adet araştırma sahası seçilmiştir. Seçilen alanlarda heyelanların haritalanmasına yönelik modeller geliştirilip test alanlarındaki başarıları araştırılmıştır. Geliştirilen modellerle elde edilen heyelanlar uzman tarafından üretilen heyelanlarla sayısal ve alansal bazda karşılaştırılmıştır. Karşılaştırma işlemi sonucunda heyelan sayısına göre %86,27 ve alana göre %83,01'lük doğruluk oranı ile heyelanların haritalanabileceği görülmüştür.
Özet (Çeviri)
The Black Sea Region is one of the most landslide prone area due to the high slope topography, heavy rainfall and highly weathered hillslope material conditions in Turkey. Generating of landslide inventory maps are first step producing landslide susceptibility maps of the region. Terrestrial methods for mapping the landslides occurrence to the region are time consuming and costly due to the conditions of the region. Landslide mapping based on satellite images and aerial photographs taken from airplanes has some limitation factors such as climatic conditions, cost and limited repetitive measurement capacities. In addition, visual interpretation-based landslide mapping, which is based on satellite images and aerial photographs, is time consuming. Therefore, the data collection based on Unmanned Aerial Vehicle (UAV) and generation of landslide event inventory maps by object-based classification approach through this data can be superior in terms of speed and cost compared to other methods. In this thesis study, a semi-automatic model was developed by object-based classification approach for rapid mapping of landslides from data obtained from unmanned aerial vehicles after major landslide events in the Black Sea Region. Within this scope, two research areas were selected, namely Bartın - Kurucaşile and Rize – Çayeli. Landslide mapping Models have been developed in the selected areas and the successes of the models have been investigated in the test areas. The landslides obtained with the developed models have been compared with the landslides produced by the experts in numerical and area based. As a result of the comparison process, landslides can be mapped with an accuracy rate of 86.27% according to the number of landslides and 83.01% according to the landslides area.
Benzer Tezler
- İnsansız hava aracı ve yüksek çözünürlüklü uydu verilerinin değerlendirilmesinde piksel ve nesne tabanlı sınıflandırma yöntemlerinin karşılaştırılması
Comparison of pixel and object-based classification methods in the evaluation of unmanned aerial vehicle and high resolution satellite data
MESUT ÇOŞLU
Yüksek Lisans
Türkçe
2019
Mühendislik BilimleriAkdeniz ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
PROF. DR. NAMIK KEMAL SÖNMEZ
- İnsansız hava aracı ile elde edilen veriler yardımıyla yol tespiti
Automatic road detection from data taken by unmanned aerial vehicles
ABDURAHMAN YASİN YİĞİT
Yüksek Lisans
Türkçe
2020
Jeodezi ve FotogrametriAfyon Kocatepe ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT UYSAL
- İnsansız hava aracı ile elde edilen veriler yardımıyla bina tespiti
Building extraction from data obtained by unmanned aerial vehicle
ADEM KABADAYI
Yüksek Lisans
Türkçe
2020
Jeodezi ve FotogrametriAfyon Kocatepe ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT UYSAL
- Evrişimsel sinir ağı kullanılarak insansız hava aracı tespit uygulaması
Unmanned aerial vehicle detection application using convolutional neural network
AHMED FOUAD KADHIM KOYSHA
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Gedik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYTAÇ UĞUR YERDEN
- Nesneye yönelik kural tabanlı sınıflandırma ve derin öğrenme yöntemleri ile otomatik yol çıkarımı olanaklarının araştırılması
Investigation of automatic road extraction possibilities with object oriented rule-based classification and deep learning methods
ZEYNEP BAYRAMOĞLU
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANİME MELİS UZAR DİNLEMEK