3B NOKTA BULUTLARINDAN DEPREM SONRASI HASARLI BİNALARIN TESPİTİ DETERMINATION OF DAMAGED BUILDINGS AFTER EARTHQUAKE FROM 3D POINT CLOUDS

Transkript

1 3B NOKTA BULUTLARINDAN DEPREM SONRASI HASARLI BİNALARIN TESPİTİ M. Uysal 1 ve N. Polat 2 1 Doç. Dr., Harita Müh. Bölümü, Afyon Kocatepe Üniversitesi, Afyonkarahisar 2 Araş. Gör., Harita Müh. Bölümü, Afyon Kocatepe Üniversitesi, Afyonkarahisar muysal@aku.edu.tr ÖZET: Deprem sonrasında arama kurtarma faaliyetlerinin etkin olarak yapılabilmesi için hasar gören ve yıkılan binaların belirlenmesi gerekir. Bunun için yer referansı veri kaynağına ihtiyaç duyulmaktadır. Bu amaçla uydu görüntüleri, hava fotoğrafları ve LiDAR verileri kullanılabilir. Görüntü ve LiDAR tabanlı sistemlerde binaların otomatik belirlenmesi konusunda çalışmalar yapılmaktadır. Bu çalışmada 3B nokta bulutlarından hasar gören binalar otomatik belirlenmiştir. Hasar gören binaların belirlenmesi için 12 Ocak 2010 Haiti depremine ait LiDAR veri seti kullanılmıştır. LiDAR verileri Ocak tarihleri arasında toplanmıştır. 3B nokta bulutundan hasar gören yapılar belirlenmiştir. Belirlenen yapılar yüksek çözünürlüklü görüntüler ve yer verileri ile karşılaştırılmıştır. ANAHTAR KELİMELER: 3B nokta bulutu, Bina tespiti, Deprem DETERMINATION OF DAMAGED BUILDINGS AFTER EARTHQUAKE FROM 3D POINT CLOUDS ABSTRACT: In order for the search and rescue activities to be effective after the earthquake, the damaged and destroyed buildings must be identified. For this, a ground reference data source is needed. Satellite images, aerial photographs and LiDAR data can be used for this purpose. Work is being done on automatic identification of buildings and buildings in LiDAR based systems. In this study, buildings damaged by 3D point clouds were determined automatically. The LiDAR dataset of Haiti earthquake of January 12, 2010 was used to identify the damaged buildings. LiDAR data were collected between January. The structures damaged by the 3D point cloud have been identified. Specified constructions are compared with high resolution images and location. KEYWORDS: 3D point cloud, Building detection, Earthquake 1. GİRİŞ Son elli yıl içerisinde, tüm dünyada deprem, sel, kuraklık ya da volkan patlaması gibi doğal afetlerin sayısında ciddi artışlar meydana gelmiştir. Bu afetler bitki ve hayvan yaşamına verdiği zararın yanı sıra binlerce insanın ölümüne, kötü etkilenmesine, evsiz kalmasına ve yaşadığı yerlerden göçe zorlamıştır. Bu sebeple doğal afetler konusunda farklı bilimsel disiplinler güncel olarak sürekli çalışma yapmaktadır. Maalesef bugünün teknolojiyle bile doğal afetlerin tespiti ve önlem alınması konusunda bazı şeyler yapılabilmesine rağmen hala ihtiyaç duyulan yeterliliğe ulaşılamamıştır. Fakat deprem konusu bir kaç adım daha geriden gelmektedir çünkü özellikle depremin önceden tahmini noktasında hatırı sayılır bir ilerleme bulunmamaktadır ve bu sebeple çalışmalar daha

2 çok depremle yaşama bağlamında önlem artırımı, hızlı hasar tespiti ve yardım iletimi üzerine olmaktadır. Depremlerde meydana gelen can kayıpları düşünüldüğünde depremin diğer afetlerden daha yıkıcı olduğu açıktır. 21. yy da meydana gelen en büyük depremlerden biri 12 Ocak 2010 yılında 7.0 Mw büyüklüğünde Haiti de meydana geldi. Resmi raporlara göre kişi hayatını kaybetti. Bunun yanı sıra kişi yaralandı ve 1.3 milyon kişi de evsiz kalarak yer değiştirdi. Amerika birleşik devletleri jeoloji kurumuna (USGS) göre Haiti nin güneyindeki Port-au-Prince bölgesinde ev yıkıldı ve 190 bine yakın sayıda ev değişik seviyelerde hasar gördü (Duda ve Jones, 2011). Depremin önceden kestirilememesi sebebiyle, araştırmacılar depremin hasarını en hızlı ve doğru biçimde tespit üzerine yoğun olarak çalışmaktadır. Bu noktada değişik kaynaklardan farklı tipte veriler kullanan muhtelif disiplinden araştırmacılar bulunmaktadır. Özellikle hızlı veri temini sayesinde uzaktan algılama teknolojileri hem hasar tespiti hem de kurtarma gibi diğer alanlara çok ciddi hizmet edebilmektedir (Rehor ve Bohr, 2007; Corbane vd., 2011). Özellikle aktif uzaktan algılama sistemleri bu konuda büyük öneme sahiptir. Bu sistemlerden biri hava lazer tarama (LiDAR) sistemidir. Bu sistem yer yüzeyinden milyonlarca referanslı veriyi çok kısa sürede toplayabilmektedir. Temel olarak üç bileşeni vardır: konum ölçümü için GPS, dönüklük kaydı için IMU ve mesafe ölçümü için lazer tarayıcı. Bu sayede yeryüzü ve üzerindeki objelere ait milyonlarca referanslı konum bilgisi (XYZ) elde dilmektedir. Aktif sistem olması ve lazer kullanması sebebiyle neredeyse her türlü hava şartında kullanılması da bu sistemin bir diğer avantajıdır. Ayrıca sık ormanlarda ağaç ve bitkilerden zemine inerek o bölgelerin arazi topografyası hakkında da kullanılabilmektedir (Vetrivel ve Gerke, 2015; polat ve uysal, 2015 ). Uçak ya da helikoptere monte edilen bu sistem, çok geniş alanlarda hızlıca kullanılmaktadır (Tong, Hong et al. 2012). 2. DATA VE ÇALIŞMA ALANI Çalışma alanı olarak haitide meydana gelen depremin merkez üssü olan Port-au-Prince bölgesi içinde 700 x 700 m lik bir alan seçilmiştir. Bu alan yoğun yerleşime sahip olup kısmen engebeli bir alandır. Konutlar değişik yüksekliklere sahip olup ciddi bir bitki varlığı da mevcuttur. Port-au-Prince bölgesinin tamamında depremden sonra Lidar verileri toplanmıştır (şekil 1). Şekil 1. USGS tarafından belirlenmiş depremin etki alanını ve artçıları gösteren harita.

3 Bu çalışma kapsamında seçilen bölgeye ait ham lidar verisinde referanslı nokta mevcuttur. Lidar verisinin karakteristiği olarak bu ham veride bazı aykırı değerler bulunmaktadır. Aykırı değerler temizlendikten sonra elde edilen temizlenmiş lidar verisi noktaya inmiştir. Metre karede 3.4 nokta bulunmaktadır. 3. UYGULAMA Şekil 2. Seçilen çalışma bölgesine ait aykırı değerlerden temizlenmiş lidar verisi. Çalışmanın amacı lidar verisi kullanarak depremde yıkılan binaları tespit edebilmek için bir yaklaşım geliştirmektir. Bu kapsamda lidar verisinin en temel özelliği olan yükseklik bilgisi içermesinden faydalanılmaktadır. Bu sebeple ilk olarak sayısal arazi modeli üretilmiştir. Bu işlem temelde arazideki tüm yapay ve doğal objeleri içeren sayısal bir model üretim işlemidir. Lidar nokta bulutu en yakın komşuluk enterpolasyon metoduyla 1 m çözünürlükte üretilmiştir (şekil 3).

4 Şekil 3. Lidar nokta bulutundan üretilen 1 m çözünürlükteki sayısal arazi modeli Daha sonra LiDAR verisi filtrelenerek sadece yeryüzüne ait noktalar elde edilmiş ve sayısal yüzey modeli üretilmiştir. Sayısal yüzey modeli temelde çıplak yeryüzünün topografyasını ifade eden bir modeldir. Benzer şekilde bu model de 1 m çözünürlükte üretilmiştir (şekil 4).

5 Şekil 4. Lidar nokta bulutundan üretilen 1 m çözünürlükteki sayısal yüzey modeli. Arazide bulunan objelerin yükseklikleri ifade etmek için literatürde bulunan normalleştirilmiş sayısal arazi modeli de üretilmiştir (şekil 5). Bu model sayısal arazi modeli ve yüzey modeli farkı alınarak her pikselde yükseklik bilgisi elde edilmektedir. Yani sayısal arazi modelindeki her bir Z koordinatı yerine o piksele bir yükseklik bilgisi yüklenmektedir.

6 Şekil 5. Lidar nokta bulutundan üretilen 1 m çözünürlükteki normalleştirilmiş sayısal arazi modeli. Daha öncede söylendiği gibi temel amaç yıkılan binaları tespit etmek ve bu kapsamda LiDAR verisinin Z değerini kullanmak. Bu amaçla, üretilen normalleştirilmiş arazi modeli üzerinde yükseklik temelli analizler ile yıkılan binalar tespit edilmeye çalışılmıştır. İlk olarak yıkımın hangi yükseklik sevilerinde olduğunu anlayabilmek için 1 m aralıkla yükseklik segmentasyonu yapılmıştır (şekil 6).

7 Şekil 6. 1 metre yükseklik farkıyla bölütlenmiş yükseklik modeli 0-2 metre yükseklik bitki örtüsü araç vs objeler olarak düşünülmüş ve bunun üzerinden 1 metre aralıklarla bölütleme yapılmıştır. 15 metrenin üstü ise daha çok ayakta kalmış binalar olarak düşünülmüştür. Şekil 6 da bağımsız her bir binanın tespiti çok zordur ve yıkımın ne ölçüde şiddetli olduğu hususunda bilgi vermektedir. Sonuç çok parçalı olduğu için görsel kontrollü olarak yeniden bölütleme yaparak yıkılan binalar bütünsel olarak elde edilmeye çalışıldı (şekil 7).

8 Şekil 7. Kontrollü olarak bölütlenmiş yükseklik modeli. Şekil 7 de bina geometrisine yakın alanlar elde edilmiştir. Fakat şekil 6 ve şekil 7 lejantları beraber incelendiğinde 5-10, ve aralığındaki sınıfların büyük ölçüde yıkıldığı görülmektedir. Elde edilen sonuçların doğrulanması için deprem öncesine ait bir referans veri bulunamadığı için yersel verilerle deprem hasar durumunu içeren resmi raporlara kullanılmıştır. Bu raporlar birleşmiş milletler ve Avrupa birliğinin de desteklediği bazı bilimsel kuruluşlar tarafından hazırlanmıştır. Raporun çalışma alanına ilişkin hazırlanmış hasar durumu şekil 8 de görülmektedir. Raporda binalar yıkılmış, ağır hasarlı ve orta hasarlı olmak üzere 3 sınıfa ayrılmıştır.

9 Şekil 8. Yersel verilerle hazırlanmış hasar durumu raporu Şekil 7 ve şekil 8 beraber incelendiğinde lejantta yeşil ve mavi ile gösterilen alanlar yıkılmış binalarla örtüşmektedir. Fakat 10 metreyi aşmayan ve yıkılmamış binalarda bu sınıfta bulunmaktadır. Ayrıca bazı binalar 0-2 metre aralığına çökmüştür ki bu tahminlerimizin ötesinde kalmıştır. Çünkü bu çalışmada 0-2 metre aralığı zemin, bitki örtüsü ve bina dışında kalan diğer objeler olarak düşünülmüştür. Diğer taraftan 15 metre ve üzeri ayakta kalan binalar daha rahat tespit edilebilmiştir. 4. SONUÇ Bu çalışma kapsamında deprem sonrası toplanan LiDAR verilerinden yıkılan binalar tespit edilmeye çalışılmıştır. Elde edilen sonuçlar göstermiştir ki Lidar sistemi çok yoğun referanslı veri sağlamasına rağmen yıkılmış bina tespitinde çok başarılı değildir. Diğer taraftan 3.4 nokta/m 2 yoğunluğu ile yıkılmayan binaları bulmada daha etkilidir. Ancak optik uydu görüntüleri gibi diğer başka veriler ile desteklenirse daha başarılı olacağı açıktır. Ayrıca referans veri bulunması da Lidar ın başarısını yükseltecektir. Sonuç olarak hala gelişim aşamasında olmasına rağmen deprem sonrası hasar tespitinde uzaktan algılama verilerinin kullanılana bilirliği ve avantajları aşikârdır. KAYNAKLAR Duda, K.A., Jones, B. K. (2011). USGS Remote Sensing Coordination for the 2010 Haiti Earthquake Photogrammetric Engineering & Remote Sensing, Vol. 77, No. 9, September 2011, pp , /11/ Rehor, M. and Bohr, H.P. (2007). Detection and analysis of building damage caused by earthquakes using laser scanning data. Proc. of the International Symposium on Strong Vrancea Earthquakes and Risk Mitigation.

10 Corbane, C., Carrion, D., Lemoine, G., Broglia, M., (2011).Comparison of Damage Assessment Maps Derived from Very High Spatial Resolution Satellite and Aerial Imagery Produced for the Haiti 2010 Earthquake, Earthquake Spectra, 27, pp. S199-S218 Vetrivel, A., M. Gerke, et al. (2015). Identification of damage in buildings based on gaps in 3D point clouds from very high resolution oblique airborne images. ISPRS Journal of Photogrammetry and Remote Sensing 105: Polat, N and Uysal, M. (2015). Investigation performance of Airborne Lidar data filtering algorithms for DTM generation. Measurement, 63, Tong, X. and Hong, Z. (2012). Building-damage detection using pre-and post-seismic high-resolution satellite stereo imagery: a case study of the May 2008 Wenchuan earthquake. ISPRS Journal of Photogrammetry and Remote Sensing 68: