Sentetik açıklıklı radar görüntülerinden deniz petrol kirliliğinin tespiti
Oil spill detection from synthetic aperture radar image
- Tez No: 639387
- Danışmanlar: DR. ÖĞR. ÜYESİ ANİME MELİS UZAR DİNLEMEK
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Bilim Dalı
- Sayfa Sayısı: 53
Özet
Dünyada gittikçe artanendüstriyel faaliyet ihtiyaçlarını karşılamak ve ülkelerin gelişimi için enerji ihtiyacının artması ile birlikte enerji kaynaklarına olan talep artmaya başlamıştır. Günümüzde dünyadaki bu enerji ihtiyacının karşılanmasında birinci sırada %33.6 tüketim oranıyla petrol gelmektedir. Dünya petrol taşımacılığının yarısından fazlası, büyük petrol şirketlerine ait olan tankerlerle yapılmakta ve bu yüzden dünya genelinde denizlerde oluşan tanker trafiğinin de % 5O'sinden fazlasını petrol taşımacılığı sebebiyle oluşmaktadır. Bu gelişmeler ile beraber denizlerdeki petrol kirlenmesi de günbegün artmaktadır. Denizlerde petrol arama çalışmaları nedeniyle kurulan petrol platformları da kirlilik oluşumu için oldukça tehlike arz etmektedir. Uzaktan algılama deniz ve okyanus yüzeylerinde insan kaynaklı oluşan petrol (yağ) kirliliği gibi felaketler için yersel ölçümün mümkün olmadığı ve hızlı müdahale gerektiren acil durumlarda kullanılan en etkili yöntemdir. Uzaktan algılama ile neredeyse gerçek zamanlı ve sinoptik görüntü verileri oluşturulabildiğinden otoritereler tarafından hızlı ve etkili müdahaleler yapılabilmektedir. Uzaktan algılama deniz ve okyanus üzerindeki yağ kirliliğinin tespiti için olası yağ kirliliğinin konumu, derecesi ve oluşma olasılığı hakkında yaklaşımda bulunabilmektedir. Uzaktan algılama verileri askeri ve sivil alanlarda da uygulamalar için kullanılmaktadır. Bu sebeple birçok uzaktan algılama yöntemi ve sistemi geliştirilmiştir. Optik sistemler ve radarlar en etkili uzaktan algılama sistemlerindendir. Radarlar, sundukları farklı yeteneklerden dolayı geniş kullanım alanlarına sahiptirler. Radar sistemleri anten konumlarına göre Sentetik Açıklıklı Radarlar (SAR) ve Gerçek Açıklıklı Radarlar (RAR) olmak üzere ikiye ayrılmaktadır. Sentetik Açıklıklı Radar sistemleri, Gerçek Açıklıklı Radar sistemlerine göre daha iyi azimut çözünürlüğü sunmaktadırlar. Bu işlemi sentezlenebilir boyutta antenler kullanarak gerçekleştirirler. Bu sebeple, SAR sistemleri ile birçok uygulama tipi için yaygın olarak kullanılırlar. SAR görüntüleri hedef tespiti işlemi başta insanlar tarafından görüntülerin sınıflanması ile yapılırken zaman içinde bilgisayar teknolojisindeki ilerleme ve bilgisayar bilimlerindeki gelişmeler ile birlikte otomatik olarak bilgisayarlar tarafından yapılmaya başlanmıştır. Bunun için çeşitli otomatik tanıma algoritmaları önerilmiş ve geliştirilmiştir. Bu çalışmada Yapay Sinir Ağları (YSA) ve Rasgele Orman (RO) yöntemleri kullanılarak SAR görüntülerinden 2010 yılında Meksika Körfezinde Deepwater Horizon petrol platformunda meydana gelen sızıntıya ait petrol kirliliğinin tespit edilmesi ve sınıflandırma işlemleri üzerine uygulamalar yapılmıştır. Uygulama alanı için oluşturulan veri RO ve YSA ile eğitilmiş ver her bir yöntemin sınıflandırma performansları petrol (yağ) tabakası ve deniz yüzeyi sınıflarının tespit sonuçları ile değerlendirilmiştir. YSA yöntemi için sınıflandırma genel doğruluğu %89.47, RO Yöntemi ile sınıflandırma genel doğruluğu %89.50 olarak hesaplanmıştır. Yapılan bu çalışmalar deniz ve okyanus yüzeyindeki petrol (yağ) kirliliğin tespiti için YSA ve RO gibi makine öğrenmesi yöntemlerinin kullanılabilirliğini göstermiştir.
Özet (Çeviri)
The demand for the energy resources has started to increase along with the increasing energy demand for the development of the countries and meeting the needs of the growing industrial activity in the world. Today, petroleum comes first in the world with 33.6% consumption. More than half of the world's oil transportation is carried out by tankers from the major oil companies, and therefore more than 50% of the tanker traffic in the seas occurs worldwide due to the oil transportation. Due to this development, oil pollution in the seas has been increasing day by day. Oil platforms established for the oil exploration in the sea are also dangerous for the pollution. Remote sensing is the most effective method for detecting the real-time cases where terrestrial measurement would not be possible for disasters such as oil pollution caused by humans on sea/ocean surfaces. Through remote sensing, almost real time and synoptic image data can be obtained, allowing authorities to intervene quickly and effectively. Remote sensing is able to estimate the location, degree and likelihood of the possible oil pollution to detect oil pollution on the sea and ocean. Remote sensing data is also used for the military and civilian applications. For this reason, many remote sensing methods and systems have been developed. Optical and radar systems are the most important ones in remote sensing imaging. The radars have a wide range of applications due to their different capabilities. Radar systems can be divided into two categories: Synthetic Aperture Radars (SAR) and Real Aperture Radars (RAR) based upon their antenna length. SAR systems offer better azimuth resolution than RAR systems. They perform this process using synthesized sized antennas. Therefore, SAR systems are widely usedfor many applications in remote sensing. In this study, experiments were carried out for the detection and classification of the oil spill in the Deepwater Horizon oil platform in the Gulf of Mexico in 2010 from Synthetic Aperture Radar images using Artificial Neural Network method (ANN) and Random Forest method (RF). The classifications were performed by using Random Forest (RF) and Artificial Neural Networks (ANN) and the classification performances of each method were evaluated with the class-based accuracy of the oil layer and sea surface classes. The overall accuracy of the classification was 89.47%, the kappa value was 0.100, the overall accuracy of the classification was 89.50% and the kappa value was 0.103 with the Random Forest (RF) Method. These studies have demonstrated the usefulness of machine learning methods such as ANN and RF for the detection of oil pollution on the sea and ocean surface.
Benzer Tezler
- Radar uydu görüntüleri ile deniz yüzeyindeki petrol kirliliğinin tespit edilmesi ve analizi
Detection of oil spill on the sea surface using radar satellite images
BURCU ÖZSOY ÇİÇEK
Yüksek Lisans
Türkçe
2003
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BÜLENT BAYRAM
- Analysis of the crustal deformation caused by the 1999 Izmıt Düzce earthquakes using synthetic alperture radar interferomentry
1999 İzmit ve Düzce depremlerinin neden olduğu kabuk deformasyonunun sentetikaçıklık radar interferometrisi ile incelenmesi
ZİYADİN ÇAKIR
Doktora
İngilizce
2003
Jeoloji Mühendisliğiİstanbul Teknik ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERDAR AKYÜZ
- Derin öğrenme metotları kullanılarak SAR (sentetik açıklıklı radar) görüntülerinden bina tespiti
Building detection from SAR (synthetic aperture radar) images using deep learning methods
RECAİ ALPER EMEK
Yüksek Lisans
Türkçe
2022
Jeodezi ve FotogrametriAkdeniz ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. NUSRET DEMİR
- Türkiye'nin kuzey-batı bölgesindeki yüzeydeformasyonlarının yüksek çözünürlüklü insar verileriyardımı ile gözlenmesi: Asismik slip ve çöküntü olguları
Monitoring of surface deformation in northwest turkey from high resolution insar : Focus on tectonic aseismic slip and subsidence
GÖKHAN ASLAN
Doktora
İngilizce
2019
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiKatı Yer Bilimleri Ana Bilim Dalı
PROF. DR. ZİYADİN ÇAKIR
- Makine öğrenmesi ve görüntü işleme yöntemleri ile sar görüntülerinde gemi tespiti
Ship detection from sar images with machine learning and image processing methods
TAHA BURAK ÖZDEMİR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. KAZIM HANBAY