Uzaktan algılama ve derin öğrenme yöntemleri ile İstanbul'un yerel iklim alanları ve yer yüzeyi sıcaklığı değişimleri arasındaki ilişkinin incelenmesi

Investigation of the relationship between local climate zones and land surface temperature changes in İstanbul using remote sensing and deep learning methods

PDF İndir

Tez No: 887285
Yazar: MELİKE NİCANCI SİNANOĞLU
Danışmanlar: PROF. DR. ŞİNASİ KAYA
Tez Türü: Yüksek Lisans
Konular: Jeodezi ve Fotogrametri, Mühendislik Bilimleri, Geodesy and Photogrammetry, Engineering Sciences
Anahtar Kelimeler: Belirtilmemiş.
Yıl: 2024
Dil: Türkçe
Üniversite: İstanbul Teknik Üniversitesi
Enstitü: Bilişim Enstitüsü
Ana Bilim Dalı: İletişim Sistemleri Ana Bilim Dalı
Bilim Dalı: Uydu Haberleşmesi ve Uzaktan Algılama Bilim Dalı
Sayfa Sayısı: 87

Özet

İnsan faaliyetleri sanayi devriminden bu yana, doğal dengeyi bozma eğitilimde ilerlemiştir. Hızla artan enerji tüketimi özellikle bunların içinde fosil yakıtların kullanılması, atmosfere büyük oranda karbondioksit ve sera gazlarının salınmasına yol açmaktadır. Bu gazlar atmosferde birikerek güneşten gelen enerjinin bir kısmının tutulmasına sebep olarak ortalama sıcaklıkları yükseltir. İşte bu ortalama sıcaklıkların artması ile küresel bir sorun haline gelen küresel ısınma ve iklim değişikliğinin başlıca sebep olarak karşımıza çıkmaktadır. Bunların yanı sıra ormanların ve yeşil alanların tahrip edilmesi, artan orman yangınları ve yeşillendirme çalışmalarının eksikliği de önemli faktörlerdir. Tarım ve hayvancılık faaliyerleri de sera gazlarının salınımına katkıda bulunur. Ayrıca endüstriyel atıklarda küresel ısınmayı tetikleyen sebepler arasında yer almaktadır. Tüm bunlar dikkate alındığında özetle küresel ısınmanın ve iklim değişikliğinin ana sebepleri olan fosil yakıt kullanımı, ormansızlaşma, tarım ve hayvancılık faaliyetleri ve endüstriyel üretim süreçleri doğal dengeyi bozarak ekosistemleri ve insan yerleşimlerini derinden etkilemektedir. Küresel ısınma ve iklim değişikliğinin ekosistem üzerindeki etkileri doğrudan ve dolaylı yoldan insana da çok net bir şekilde yansımaktadır ve olumsuz yönlerini hissetmektedir. Nüfus yoğunluğunun özellikle şehir alanlarında yaşadığını dikkate alırsak, bu etkiler son yıllarda hızlı kentsel nüfus artışı, kontsolsüz kentleşme, modern yaşam faaliyetlerle beraber kentsel alanların kaldıramayacağından fazla insan ve yapılaşmanın beraberinde getirdiği sorunlar artık öncesine göre gözle görülebilir ve hissedilebilir aşamalara gelmiştir. Şehir alanlarında ki bu yoğun enerji tüketimi, kontrolsüz betonlaşma, yeşil alanların yoksunluğu ve tahribi, küresel ısınmayı tetiklediği gibi kentsel ısı adası etkisiyle de mikrokilimatik farklılıkların ortaya çıkmasına sebep olmaktadır. Kentsel ısı adası kavramı şehir merkezlerindeki ısının çevresindeki kısal alanlara göre daha yüksek sıcaklıklara sahip olma eğilimini ifade etmektedir. Sebepleri arasında yine küresel ısınmayı da tetikleyen, insan faaliyetleri, yeşil alanların eksikliği ve tahribi, aşırı betonlaşma ve bina yoğunluğu, atmosferik kirlilik, sayılabilir. Bunlar özellikle şehir alanlarında kenstsel ısı adası etkisini fazlasıyla etkileyen ve son yıllarda derinlemesine hissettiğimiz sonuçlar doğurmaktadır. Bu sonuçlar arasında sıcaklıkların artmasıyla serinlemek için artan enerji kullanımı daha fazla sera gazının salınımına sebep olarak bir kısır döngüye sokmaktadır. Sıcaklığın getirdiği bazı sağlık sorunlarının sonuçları ağır olabilmektedir. Hava kalitesinin sıcaklıkla beraber daha da bozulması sağlık sorunları ve solunum yolu hastalıklarını beraberinde getirebilir. Yine sıcaklığın artması su kütlelerinde buharlaşmayı hızlandırarak su kütleleri üzerinde baskı oluşturmaktadır. Kentsel ısı adası oluşum sebepleri incelendiğinde şehirleşme yapısının farklılıklarının neticesinde tüm şehir alanının betonlarla kaplı olması, yeşil alanlarında yoksunluk ve insan faaliyetlerinin yoğunluğu açısından aynı olmayacağını anlayabiliriz. İşte bu farklılıklar kentsel mikto iklim çeşitliliği olarak değerlendirilmektedir. Bir ağaç gölgesinin bile sıcaklığı etkilediğini düşünürsek mikro iklim farklılıkları şehir alanlarında karşılaşacağımız bir durumdur. Kentsel mikro iklim, kentsel ısı adası oluşumunda saydığımız sebeplere ek olarak, kentsel formdan, bina geometrisinden, bina beton kalitesinden de etkilenen kentsel alanların alt atmosferindeki iklim koşullarıyla ilişkilidir. Genel olarak bu etkilerin çözüm yolu büyük oranda yeşilendirme, yeşil duvar ve çatılar, yalıtıcı malzeler, enerji tasarrufu ve verimliliği gibi kentsel ısı adası ve kentsel mikro iklimin olumsuz etkilerini azaltmada yardımcı olarak daha yaşabilir kentsel alanlar oluşturabilir. Kentsel ısı adası etkisi ölçmek ve bu alanda çalışmalar yaparken önceleri kentsel ve kırsal alanlardaki sıcaklık farklılıkları ölçülerek değerlendirme yapılmaktaydı fakat kentsel ve kırsal alanların sınırlarının belirsizleşmesi, kırsal alanların kentsel alanlara karışmasıyla beraber bu ölçümler çalışmalar için yetersiz bir teknik haline geldi. Buna bir çözüm olarak kentsel ve kırsal alanların standartlaştırılmış bir sınıflandırma sistemi oluşturuldu. Yerel iklim alanları sınıflandırma şeması Steward ve Oke tarafından 2012 yılında yayımlanarak bu standartlaşmış sınıflandırma sistemi tüm dünya tarafından kabul görmüştür. Yerel iklim alanları sınıflandırma için oluşturulmuş bu standart sistem, 17 farklı kategoriyi içerisinde bulundurmaktadır. Bunlardan bina yapılarını dikkate alarak oluşturulan; yakın yüksek kat, yakın orta kat, yakın alçak kat, açık yüksek kat, açık orta kat, açık alçak kat, alçak katlı düzensiz, alçak katlı geniş yapılı, seyrek yapılaşma, sanayi bölgeleri olmak üzere toplamda yükseklik, açıklık ve işlevsel olarak sınıflandırılan 10 kategori bulunmaktadır. Diğer 7 kategori arazi örtüsü tiplerini sınıflandıran; yağun ağaçlık, seyrek ağaçlık, çalılık, az bitkili, kayalık yada asfalt, çıplak toprak yada kum, su yüzeyleridir. Bu kategoriler birbirine geçmiş şekilde alt kategoride oluşturabilirler. Örneğin; yakın orta açık yüksek binalar, seyrek ağaçlık çıplak toprak gibi. Çok sayıda daha için yerel iklim alanları sınıflandırma sistemi kullanılarak sınıflandırma yapılmıştır. Genellikle sınıflandırma için iki aşamalı bir yaklaşım kullanılmaktadır. Verilerin elde edilmesi ve görsel yorumlama. Özellikle uzaktan algılama ve coğrafi bilgi sistemleri uygulamaları bu süreçlerdeki sınırlayıcıları ortadan kaldırmak için fazlaca tercih edilen veri ve uygulama yöntemleridir. Gelişen teknoloji ve sınıflandırma sistemlerindeki yetenekler attıkca komplike yöntemler de beraberinde gelmektedir. Son yıllarda bilgisayarlı görü teknolojilerinin artması ve derin öğrenme yapıları kullanılarak amaca yönelik çıkarılan modeller sayesinde milyonlarca görsel üzerinden hızlı ve doğruluğu yüksek sonuçlar almamızı sağlamaktadır. Bu çalışmada uzaktan algılama ve derin öğrenme yapılarından semantik öge bölütleme (instance segmentation) metodu ile İstanbul kenti Google Earth görüntüleri üzerinden World Urban Database and Access Portal Tools (WUDAPT) yayımladığı sınıflandırmada dikkat edilecek hususlar göz önüne alınarak, sınıflandırılmasını ve bazı bölgelerde yerel ikilm bölgelerinin zamansal değişiminin model ile tespit edilmesi yapılmıştır. Yapılan bu model sonrasında belirlenen bölgelerin 2002 Ağustos ve 2023 Ağustos arasındaki değişimi incelenmiştir. Yerel iklim alanları sınıflandırmasına ek olarak, yine İstanbul'a ait Landsat uygu görüntülerinin termal bant ile hesaplanan bir dizi işleme tabi tutulan değerler sonucunda arazi yüzey sıcaklığı hesaplanmıştır. Aynı şekilde 2002 temmuz ve 2023 temmuz arasındaki farkı görebilmek adına her iki yıla ait arazi yüzey sıcaklığı hesaplanmıştır. Sonuç olarak 2002 ve 2023 yılları arasındaki 11 yıllık değişim hem yerel iklim alanları sınıflandırma sistemi kullanarak hemde arazi yüzey sıcaklığı kullanarak şehir alanlarındaki mikro iklim değişiminin yerel iklim alanları sınıfları ile olan bağlantısı incelenmiştir. Yerel iklim alanı sınıflandırmada semantik öge bölütleme modeli Yolov8 kullanılmıştır. Yolov8 2023 yılında tanıtılan diğer YOLO modelllerinin geliştilmiş bir versiyonu olmaktadır. Yolov8 semantik öge bölütleme modeli görsel içerisindeki sınıfların piksellerin sınırlarını çizerek sınıflandırma çalışmaları için etkili bir model haline gelmektedir. Görsel içerisinde farklılıkları daha hızlı anlamakta ve ölçekleme problemi olmadığından farklı boyutlardaki nesnelerin tespitinde de etkili sonuçlar göstermektedir. Toplamda 47 görselin sınıf etiketlerinin görsel yorumlama ile etiketlenmesi, eğitim için görüntülerin ön hazırlığı ve veri arttırma işlemleri ile toplamda 121 görüntünün eğitimi sonrası modelin performansını ifade eden bazı değerler elde edilmştir. Eğitilen model artık bir görsel üzerinde yerel iklim alanları sınıflandırması yapabilmektedir. Landsat görüntüleri USGS Explorer üzerinden Landsat 4-5 ve Landsat 8-9 olmak üzere arazi yüzey sıcaklığı hesaplama için kırmızı bant, yakın kızılötesi ve termal bant indirilmiştir. Arazi yüzey sıcaklığı için toplamda 6 işlemden oluşan birbirine bağlı bir hesaplama yapılmıştır. Bu değerler radyans değeri hesaplama, kelvin- celsius dönüşümü, NDVI hesaplama, bitki örtüsü ve pv oranı hesaplama, emisyon yayılımı ve son olarak yer yüzeyi sıcaklığı hesaplaması sonucunda çıkan değerlerdir. Çalışmada, bu iki farklı method sonucunda İstanbul'un 2002 ve 2023 yıllları arasında değişen şehir yapısının yerel iklim alanları sınıflandırma sistemi ile incelenmesi ve yer yüzeyi sıcaklığı ile arasındaki ilişikiyi anlama açısından etkili sonuçlar içermektedir.

Özet (Çeviri)

Since Since the Industrial Revolution, human activities have tended to disrupt the natural balance. Rapidly increasing energy consumption, particularly the use of fossil fuels, has led to the emission of large amounts of carbon dioxide and greenhouse gases into the atmosphere. These gases accumulate in the atmosphere, trapping some of the energy from the sun and causing average temperatures to rise. This rise in average temperatures is a primary cause of the global problem of global warming and climate change. Additionally, the destruction of forests and green spaces, increasing forest fires, and the lack of afforestation efforts are significant contributing factors. Agricultural and livestock activities also play a crucial role in the emission of greenhouse gases. Moreover, industrial waste, including the improper disposal of chemicals and by-products, is among the causes that trigger global warming. Considering all these factors, the main causes of global warming and climate change—fossil fuel use, deforestation, agricultural and livestock activities, and industrial production processes—disrupt the natural balance, deeply affecting ecosystems and human settlements. The impacts of global warming and climate change on ecosystems are very clearly reflected on humans, both directly and indirectly, and are felt in negative ways. Given that population density is particularly high in urban areas, these effects have become more visible and noticeable in recent years due to rapid urban population growth, uncontrolled urbanization, modern living activities, and the accompanying issues of excessive human and construction density that urban areas can no longer support. The intense energy consumption in urban areas, uncontrolled concrete construction, and the lack of and destruction of green spaces exacerbate global warming and lead to the emergence of microclimatic differences with the urban heat island effect. The concept of the urban heat island refers to the tendency of city centers to have higher temperatures compared to surrounding rural areas. Causes include human activities that also trigger global warming, the lack of and destruction of green spaces, excessive concrete construction, building density, and atmospheric pollution. These factors, particularly in urban areas, have significant impacts on the urban heat island effect, resulting in consequences that have been deeply felt in recent years.These consequences include increased energy use for cooling, which leads to more greenhouse gas emissions, creating a vicious cycle. The resulting health problems due to increased temperatures can be severe. The deterioration of air quality with rising temperatures can lead to health issues and respiratory diseases. Additionally, higher temperatures accelerate the evaporation of water bodies, putting pressure on water resources. Urban areas, therefore, face significant challenges in maintaining public health, managing water resources, and sustaining livable environments. When examining the causes of urban heat islands, it is evident that not all urban areas will be the same in terms of concrete cover, lack of green spaces, and intensity of human activities, due to differences in urban structures. These differences are evaluated as urban microclimate diversity. Considering that even the shade of a tree can affect temperatures, microclimatic differences are a common occurrence in urban areas. Urban microclimates, influenced by the varying density of buildings, materials used in construction, and available green spaces, create a patchwork of temperature variations within a single city. The urban microclimate, in addition to the causes listed for urban heat island formation, is related to the climate conditions in the lower atmosphere of urban areas, influenced by urban form, building geometry, and building material quality. Generally, the solution to these effects involves large-scale greening, green walls and roofs, insulating materials, and energy-saving and efficiency measures to help reduce the negative impacts of urban heat islands and urban microclimates, creating more livable urban areas. Implementation of these solutions requires coordinated efforts from urban planners, architects, policymakers, and the community. Moreover, public awareness and participation in greening initiatives can significantly enhance the effectiveness of these measures. While measuring the urban heat island effect and conducting studies in this area, temperature differences between urban and rural areas were previously evaluated. However, as the boundaries between urban and rural areas have become blurred and rural areas have merged with urban areas, these measurements have become an insufficient technique for studies. As a solution, a standardized classification system for urban and rural areas was developed. The Local Climate Zone classification scheme, published by Steward and Oke in 2012, has been accepted worldwide. This standardized system for Local Climate Zone classification consists of 17 different categories. These include 10 categories based on building structures: compact high-rise, compact mid-rise, compact low-rise, open high-rise, open mid-rise, open low-rise, lightweight low-rise, large low-rise, sparsely built, and industrial areas, classified by height, openness, and function. The other 7 categories classify land cover types: dense trees, scattered trees, bush and scrub, low plants, bare rock or paved, bare soil or sand, and water. These categories can be sub-categorized into overlapping types, such as compact mid-rise, open high-rise buildings, sparse trees, and bare soil. Many more classifications have been made using the Local Climate Zone classification system. Generally, a two-stage approach is used for classification: data acquisition and visual interpretation. Especially remote sensing and geographic information systems applications are frequently preferred data and application methods to eliminate constraints in these processes. As technology and classification system capabilities advance, more complex methods are also emerging. In recent years, the rise of computer vision technologies and the use of deep learning structures have enabled us to obtain quick and highly accurate results from millions of images using purpose-built models. In this study, using the instance segmentation method from remote sensing and deep learning structures, the classification and temporal changes of Local Climate Zones in some areas of Istanbul were detected with the model based on Google Earth images, considering the criteria published by the World Urban Database and Access Portal Tools (WUDAPT). Following this model, the changes between August 2002 and August 2023 were examined for the identified regions. In addition to the Local Climate Zone classification, the land surface temperature of Istanbul was calculated using a series of processes on Landsat satellite images' thermal bands. Similarly, the land surface temperature for July 2002 and July 2023 was calculated to observe the difference between these two years. Consequently, the changes over the 11-year period between 2002 and 2023 were examined using both the Local Climate Zone classification system and land surface temperature to understand the relationship between microclimate changes in urban areas and Local Climate Zone categories. The instance segmentation model YOLOv8 was used for Local Climate Zone classification. YOLOv8, introduced in 2023, is an advanced version of other YOLO models. The YOLOv8 instance segmentation model is effective for classification studies by delineating the boundaries of classes within the visual. It quickly detects differences within the image and is effective in identifying objects of different sizes without scaling issues. A total of 47 images were labeled through visual interpretation, and after image preprocessing and data augmentation for training, a total of 121 images were used for training, resulting in some performance values indicating the model's effectiveness. The trained model can now perform Local Climate Zone classification on an image. Landsat images were downloaded from the USGS Explorer, including Landsat 4-5 and Landsat 8-9, for calculating land surface temperature using the red, near-infrared, and thermal bands. Land surface temperature calculations involved a series of six interconnected processes: radiance calculation, Kelvin to Celsius conversion, NDVI calculation, vegetation cover and PV ratio calculation, emissivity calculation, and final land surface temperature calculation. This study includes effective results for examining Istanbul's changing urban structure between 2002 and 2023 using the Local Climate Zone classification system and understanding the relationship with land surface temperature. The findings highlight the significant impacts of urbanization and microclimatic changes on local climates and provide a basis for further research and policy-making aimed at mitigating the adverse effects of urban heat islands. The results of such studies hold significant importance for urban planning and sustainable development policies. Urban managers and planners can develop strategies to make cities more livable by considering the effects of urban heat islands and microclimatic changes. These strategies include increasing green spaces, constructing energy-efficient buildings, and promoting environmentally friendly transportation systems. Additionally, public awareness and participation are crucial to enhancing the effectiveness of such sustainable practices. Improving urban environments not only helps combat global warming and climate change but also provides significant benefits in protecting public health, enhancing quality of life, and preserving ecosystems. Therefore, the study of urban heat island effects and microclimatic changes should be an integral part of efforts to build more sustainable and resilient cities. The combination of long-term planning and scientific research will guide the design and management of future urban living spaces, helping to create communities that are compatible with and resilient to climate change.

Benzer Tezler

Tez No
887247
İstanbul'da kentsel büyümenin senaryo tabanlı modellenmesi ve ekolojik açıdan değerlendirilmesi
Scenario-based modeling and evaluation of urban growth in Istanbul
ALİYE GONCA BOZKAYA KARİP
Doktora
Türkçe
2024
Şehircilik ve Bölge Planlama Mimar Sinan Güzel Sanatlar Üniversitesi
Şehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. FATMA ÜNSAL
Tez No
828461
Deep learning based road segmentation from multi-source and multi-scale data
Çok kaynaklı ve çok ölçekli veriyle derin öğrenme tabanlı yol bölütlenmesi
OZAN ÖZTÜRK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametri İstanbul Teknik Üniversitesi
Geomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
Tez No
732793
Aircraft detection using deep learning
Derin öğrenme kullanarak hava aracı tespiti
UTKU MUTLU
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol İstanbul Teknik Üniversitesi
İletişim Sistemleri Ana Bilim Dalı
PROF. DR. SEDEF KENT PINAR
Tez No
652928
Identification of tea plantation areas using Google cloud based random forest and deep learning
Google bulut servise dayalı rastgele orman ve derin öğrenme ile çay tarım alanlarının belirlenmesi
BERKAY ÖZEN
Yüksek Lisans
İngilizce
2020
Jeodezi ve Fotogrametri İstanbul Teknik Üniversitesi
Geomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN
Tez No
807236
Deep unfolding for clutter removal in ground penetrating radar
Yere nüfuz eden radarda kargaşa gidermek için derin katman açma
SAMET ÖZGÜL
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliği İstanbul Teknik Üniversitesi
İletişim Sistemleri Ana Bilim Dalı
PROF. DR. IŞIN ERER

Geri Dön