KENTSEL ALANLARDA AĞAÇLIK VE YEŞİL ALANLARIN UYDU GÖRÜNTÜLERİNDEN NESNE-TABANLI ÇIKARIMI VE COĞRAFİ BİLGİ SİSTEMLERİNE ENTEGRASYONU

Transkript

1 KENTSEL ALANLARDA AĞAÇLIK VE YEŞİL ALANLARIN UYDU GÖRÜNTÜLERİNDEN NESNE-TABANLI ÇIKARIMI VE COĞRAFİ BİLGİ SİSTEMLERİNE ENTEGRASYONU Aycan Murat MARANGOZ, Serkan KARAKIŞ, Hakan AKÇIN, Murat ORUÇ Zonguldak Karaelmas Üniversitesi, Müh. Fak., Jeodezi ve Fot. Müh. Bölümü, Zonguldak GİRİŞ ÖZET Günümüzde uzaktan algılama teknolojilerindeki gelişim, yüksek çözünürlüklü uydu görüntülerinin bir çok amaç için kullanımına olanak tanımaktadır. Bunun dijital fotogrametriye yansıması olarak, farklı görüntü işleme yöntemlerinin de ortaya çıkmasına neden oldu. Bu bağlamda nesne-tabanlı görüntü analizi günümüzde özellikle detay çıkarımı için gerekli hale gelmiştir. Nesne-tabanlı görüntü analizinde, sadece piksel gri değerleri değil, birbiriyle ilişkili piksellerin oluşturduğu segmentlerin görüntüde ayırt edilebilmesini sağlayacak uzaysal ve yapısal bilgiler de kullanılmaktadır. Bu açıdan piksel tabanlı görüntü analizlerine kıyasla çok daha olumlu sonuçlar elde edilebilmektedir. Bu çalışmada, test alanı olarak, oldukça değişken bir topoğrafyaya sahip olan Zonguldak metropolitan alanı seçilmiştir. Öncelikle Zonguldak bölgesini kaplayan yüksek çözünürlükteki Quickbird pansharpened uydu görüntüsü üzerinden birçok farklı sınıfı içeren bir bölge seçilerek segmentlere ayrılmış, bu segmentlerden bitki örtüsü sınıfına dahil olacak detaylar için uygun fonksiyonlar belirlenmeye çalışılmıştır. Yazılım olarak ecognition v4.0.6 programı kullanılmıştır. Sonuçta görüntü üzerinden, seçilen fonksiyonlara uygun segmentlerle bitki örtüsü sınıfı oluşturulmuştur. Sınıflandırma sonuçları, kullanılan yazılımın bir özelliği olarak vektör bilgiye çevrilmiş ve sonuç detayların CBS ortamında analizi yapılmıştır. Yapılan analizlerden, 1 milyon m 2 büyüklüğe sahip test alanının elle nesne çıkarımıyla m 2 sinin, yani %34 ünün ağaçlık ve yeşil alanla kaplı olduğu belirlenmiştir. Otomatik çıkarımda ise bu alanların m 2 olduğu hesaplanmış ve buna göre elle nesne çıkarımının %93 ünün otomatik olarak da çıkarılabildiği saptanmıştır. Anahtar Kelimeler: Quickbird uydu görüntüsü, Ağaçlık ve Yeşil Alan, Segmentasyon, Nesne-tabanlı Görüntü Analizi, Sınıflandırma, Coğrafi Bilgi Sistemi. Günümüz modern kentleri için önemli araştırma konularından biri, kent dokusu içindeki ağaç ve yeşillik alanların varlığının kayıt altına alınması, arazi yüzeyi üzerinde kapladığı alan miktarının belirlenmesi ve zamansal değişimlerinin ortaya konulmasıdır. Böylece bu analizler sonucunda, kent dokusu içinde yeni park alanlarının planlanması ve bu alanlarda yeni düzenlemelerinin yapılabilmesi de sağlanmış olacaktır. Bu yönde bir araştırma için en hızlı ve etkin yöntem ise, gelişmiş uydu teknolojilerinden yararlanarak coğrafi tabanlı bir bilgi sistemi altında uygulamaların gerçekşeştirilmesidir. Bugün için kentsel alanların yüksek çözünülürlüklü renkli ve yakın kızılötesi görüntüleri üzerinden çalışabilmek olasıdır. Ayrıca ele alınan bu görüntüler üzerinden otomatik ve elle nesne çıkarımı da söz konusu olmakla birlikte bunların bir Coğrafi Bilgi Sistemi (CBS) yazılımı altında analizleri de gerçekleştirilebilmektedir.

2 2 Bu çalışmada, Zonguldak Metropolitan Alanı nı içeren yüksek çözünürlükteki Quickbird pansharpened uydu görüntüsünden belirlenen bir test alanındaki ağaç ve yeşil alanlar içeren bölgede otomatik ve elle nesne çıkarımı yapılmış, sentetik alanlardan bu bölgenin ayırımı sağlanarak, bu yöntemlerin ağaç ve yeşillik alanların çıkarımındaki potansiyeli incelenmiştir. Yapılan analizler sonucunda, karşılaşılan problemler ortaya konmuş ve çözüm önerileri geliştirilmiştir. TEST ALANI VE GÖRÜNTÜ VERİSİ Zonguldak test alanı, Türkiye nin Kuzeybatısında yer alan, Kuzeyinde Karadeniz ve Güneyinde ormanlık alanlar arasında dar bir sahil şeridine kurulmuş bir endüstri şehridir. Bölge; bir madencilik, demir-çelik ve orman endüstri merkezidir. Ancak, yıllar boyu maden sektörünün de getirdiği kısıtlamalar ile kentsel alan açısından ve konut sayısı açısından fazlaca genişleyememiştir. Alan oldukça engebeli, değişken bir topoğrafyaya sahiptir. Şehir bir tarafında denizle iç içeyken diğer tarafında yer yer 800 metre yüksekliğe varan sık ormanlarla kaplı dağlarla çevrilidir. Bu test alanında kullanılan görüntü, Digital Globe isimli özel bir A.B.D. şirketi tarafından çalıştırılan Quickbird uydusuna aittir. Quickbird verisinden, pankromatik bant için 0.61m lik, multispektral bantlar içinse 2.44m lik çözünürlükte görüntüler elde edilmektedir. Standart işlenmiş ürünler için, pan 0.70m (0.73m.-30 off-nadir) ve multispektral bantlar ise 3.0m (2.9m.-30 off-nadir) çözünürlük sunmaktadırlar (Nik İnşaat Tic. Ltd. Sti. İnternet Sitesi, 2005). Kullanılan Quickbird uydu görüntüsünün metadata (başlık) dosyalarındaki önemli özellikleri Tablo 1 de verilmiştir. Tablo 1: Çalışma alanına ait Quickbird uydu görüntüsünün özellikleri. Gün, Zaman 23/05/2004, 08:39:55 GMT Nominal azimut (derece) 61.0 Nominal yükseklik açısı (derece) 85.9 Güneş azimutu (derece) Güneş yükseklik açısı (derece) 64.7 Nadir açısı (derece) 3.9 Görüntü boyutu (piksel: satır - sütun) x Referans yüksekliği (m) Mayıs 2004 te çekilen görüntünün ağaç ve yeşillik alan sınıfını içeren bir bölümü Şekil 1 de gösterilmiştir. Ortalama 450m yüksekliğe sahip ve yaklaşık km lik bir alanı kaplayan Quickbird görüntüsünün üst kısımlarında Karadeniz sahili uzanmakta ve bu görüntünün diğer kısımlarında Zonguldak ın merkezi yerleşimi bulunmaktadır. Görüntü, ilk alındığı zaman, düzenli bir şekilde yayılmış uygun YKN (yer kontrol noktası) seçimi için analiz edilmiştir. Bu belirleme sonucunda, 43 farklı YKN GPS ölçmeleri ile yaklaşık 3 cm doğrulukla ölçülmüştür. Bu noktaların görüntü üzerinde çok iyi görülebilir olmasından dolayı, noktalar, bina köşeleri, kavşaklar vb. olarak seçilmiştir. Quickbird görüntüsünün yüksek çözünürlüğünden dolayı, birçok kültürel özellikler tanınmış ve YKN olarak kullanılmıştır. YKN nın görüntü koordinatlarının ölçülmesi, PCI Geomatica-Orto Engine yazılımının YKN Ölçme Arayüzü (GCP Collection Tool) ile gerçekleştirilmiştir.

3 3 Şekil 1: Test alanının Quickbird pan-sharpened görüntüsü. Kullanılan görüntü, ecognition yazılımına aktarılmadan önce PCI yazılımındaki pan-sharpening metodu uygulanarak geliştirilmiştir. Bu metod, görüntünün yüksek uzaysal çözünürlülüğü ile sensörlerin spektral karakteristiklerinden yararlanmayı sağlar. Böylece, dört spektral Quickbird kanallarının (2.44m çözünürlüklü) birinci ana bileşeni yerine, 0.61m çözünürlüklü Quickbird pankromatik kanalı kullanılmıştır. Daha sonra ana bileşenlerin yeni kombinasyonu, ters temel bileşenlerin transformasyonu uygulanarak tekrar dönüştürülmüştür (Karakış ve diğerleri, 2005). UYDU GÖRÜNTÜLERİNDEN AĞAÇLIK VE YEŞİL ALANLARIN ÇIKARIMI Günümüz yüksek çözünürlüklü uydu görüntüleri, kullanıcılar için pankromatik, renkli ve yakın kızılötesi bantlar içerecek şekilde düzenlenmektedir. Bu görüntülerin özellikle ağaç ve yeşillik alanların belirlenmesinde kullanımı için; Pankromatik görüntülerin otomatik nesne çıkarımında başarı düzeyinin düşük olduğu, elle nesne çıkarımında ise başarı düzeyinin orta seviyelerde olduğu, Renkli görüntülerin; otomatik ve elle nesne çıkarımında yeşil alan dokusu için biyolojik ve sentetik ayrımının yapılamadığı, gölgelik alanlarda ve yoğun yapılar arasındaki ağaç ve yeşillik alanların belirlenemediği, Yakın kızılötesi bant eklenmiş renkli görüntülerle, başarı düzeyi yüksek otomatik ve elle nesne çıkarımının sağlanması söz konusudur. Bu bağlamda, geniş alanları kaplayan kent dokusu içerisinde güncel uygulamaların etkin ve hızlı biçimde ele alınmasına olanak sağlayacak yöntemler aşağıda anlatılmıştır.

4 4 Elle Nesne Çıkarımı Yaklaşımı Bilgisayar teknolojisindeki gelişmeler sayesinde, tabletlerle yapılan sayısallaştırma işlemi interaktif hale gelmiştir. Kullanılan yazılımlar yardımıyla uydu görüntüsü üzerinde bulunan ilgili detaylar, ekran üzerinde takip edilebilmekte ve vektörleştirme işlemi imleç yardımıyla yapılabilmektedir. Sonuçta, kullanıcı tarafından yaratılan birçok katmandan oluşan sayısal nesne çıkarımları, istenen topoloji kurularak ve editlenmesi yapılarak kolayca üretilebilmektedir. Ele alınan bu çalışmada, kullanılan Quickbird uydu görüntüsü üzerinde bant kombinasyonlarından yararlanarak, yakın kızılötesi bandın görünümü gerçek yeşil banda baskın hale getirilmiş ve vektörleştirme işlemi için en ideal ortam sağlanmıştır. Bu görüntü üzerinde gölge ve diğer görüntü kayıpları en aza indirgenerek ilgili nesnelerin sınırları üzerinden vektör geçirilerek ağaçlık ve yeşil alanların çıkarımı sağlanmıştır. Şekil 2 de test alanının yakın kızıl ötesi banttaki gerçek ve yapay kızılötesi görüntüsü, Şekil 3 te ise bu görüntü üzerinden elle çıkartımlar görülmektedir. Şekil 2: Test alanının gerçek ve yapay yakın kızılötesi görüntüleri. Şekil 3: Test alanı üzerindeki ağaçlık ve yeşil alanların elle çıkarımı.

5 5 Nesne-Tabanlı Otomatik Çıkarım Yaklaşımı Nesne-tabanlı yaklaşım, yapıyı, dokuları ve spektral bilgileri birlikte dikkate alan bir yöntemdir. Bu yaklaşımda sınıflandırma aşaması, komşu piksellerin gruplandırılmasının, sınıflandırmanın sonraki basamağında ele alınabilir anlamlı bölgelere dönüştürülmesi ile başlar. Bu tür segmentasyon ve topoloji oluşumu, çözünürlüğe ve çıkarılması düşünülen nesnelerin ölçeğine göre ayarlanmalıdır. Bu yöntemle, sadece tekil pikseller sınıflandırılmakla kalmaz, ayrıca bir önceki segmentasyon basamağı sırasında homojen görüntü nesneleri de ortaya çıkar. Bu segmentasyon değişik çözünürlüklerde yapılabilirken, nesne kategorilerinin katmanlarını ayırt etmeye de izin verir (Hofmann, 2001a, b, c). Test alanı için yapılan otomatik nesne çıkarımı yaklaşımında öncelikle segmentasyon için parametreler seçilmiştir. Tablo 2 de, ecognition yazılımına girilen segmentasyon katmanlarına ilişkin bu parametreler verilmiştir. Tablo 2: Segmentasyon katmanlarına ilişkin parametreler. Katman Ölçek par Renk Biçim Yumuşaklık Bütünlük Seg. modu Normal Normal Normal Normal Spektral Farklılık Yukarıdaki tabloda görüldüğü gibi, segmentasyon 5 ayrı katmanda yapılmış ve bunlardan en uygun nesnel yapıyı üçüncü katmanın verdiği belirlenmiştir. Bu aşamada, sadece yeşil alan sınıfı oluşturulmuş ve uygun üyelik fonksiyonları atanmıştır. Şekil 4 te ele alınan üyelik fonksiyonları verilmiştir. Bu fonksiyonların seçilmesinde alanların net olarak ortaya konulması için kapalı fonksiyonlar ele alınmıştır. Ayrıca fonksiyonların alt ve üst sınırları kırmızıya ve maviye duyarlı yansıma değerleri kullanılmıştır. Bunun nedeni, ağaç ve yeşil alan nesnelerinin yakın kızılötesi bant için seçilen fonksiyona verdiği tepkiye ek olarak, diğer nesne gruplarının bu fonksiyona verdiği tepkiyi kısıtlamaktır. a b Şekil 4: Sınıflandırma için ele alınan üyelik fonksiyonları; a)yakın kızılötesine duyarlı olan nesnelerin sınıfa dahil edilmesi, b) Bu sınıfa dahil olmaması gereken yol, bina vb. nesnelerin diğer spektral yansıma bilgileriyle sınıftan çıkartılması.

6 6 Bu segmentasyon parametreleri ve üyelik fonksiyonları ele alınarak oluşturulmuş ağaç ve yeşil alan nesne grupları Şekil 5 de verilmiştir. CBS TABANLI ANALİZLER Şekil 5: Otomatik olarak çıkartılmış ağaç ve yeşil alan nesneleri. CAD tabanlı elle nesne çıkarımı ve otomatik nesne çıkarımı sonuçları Mapinfo CBS yazılımına aktarılarak ilgili nesnelerin test alanı yüzeyi üzerinde kapladığı alan miktarları hesaplanmış, ayrıca bu görüntüler üst üste çakıştırılarak otomatik çıkarımın elle çıkarıma göre farkı ortaya konmuştur. Yapılan analizlerden, 1 milyon m 2 büyüklüğe sahip test alanının elle çıkarımla m 2 sinin, yani %34 ünün ağaç ve yeşil alanla kaplı olduğu belirlenmiştir. Otomatik çıkarımda ise bu alanların m 2 olduğu hesaplanmış ve buna göre elle çıkarımın %93 ünün otomatik olarak da çıkarılabildiği saptanmıştır. Şekil 6 da CBS ortamında elle ve otomatik çıkarımın çakıştırılmış görünümü (altta koyu renk elle çıkarım, üstte açık renk otomatik çıkarım şeklinde) verilmiştir.

7 7 Şekil 6: CBS ortamında elle ve otomatik çıkarımların çakıştırılmış hali. SONUÇ VE ÖNERİLER Kentsel alanlardaki ağaçlık ve yeşil alanların, yüksek çözünürlüklü uydu görüntüleri kullanılarak elle ve otomatik nesne çıkarımına yönelik gerçekleştirilen bu çalışmada; pankromatik görüntülerin ilgili nesne grubunun çıkarımı için yeterli olmadığı görülmüştür. Çekim açısı büyük olan renkli yüksek çözünürlüklü görüntülerde ise bilgi kayıpları fazla olduğundan uygulamada kullanılmamıştır. Test alanı için, amaca uygun kriterlere sahip ve mevcut olan Quickbird renkli görüntüsü üzerinden araştırmalar gerçekleştirilmiştir. Her iki nesne çıkarımı yaklaşımında da biyolojik ve sentetik yeşil yapıların ayrımını ve bilgi kayıplarını en aza indirgemeye yönelik olarak yakın kızılötesi bantla zenginleştirilmiş görüntü üzerinden nesne çıkarımları gerçekleştirilmiştir. Örneğin, sentetik yeşil halıyla kaplı bir futbol sahasının diğer doğal yeşil nesnelerden ayrımı bu sayede gerçekleştirilmiştir (Şekil 7). Eğer nesne çıkarımları normal renkli görüntü üzerinden yapılacak olursa, özellikle otomatik çıkarımlarda bu ayırıma gidilmesi söz konusu olamayacaktır. a b c Şekil 7: Sentetik halı kaplı bir saha ve yeşil boyalı bir tenis kortunu içeren bir alanın; a) Normal renkli görüntüsü, b) Yakın kızılötesi ile zenginleştirilmiş normal renkli görüntüsü, c) Yakın kızılötesi ile zenginleştirilmiş yapay renkli görüntüsü.

8 8 Otomatik nesne çıkarımlarında ayrıca, elle çıkarıma göre %7 lik bir bilgi kaybı söz konusu olmuştur. Bunun nedeni gölgelenme ve diğer nesne gruplarının ağaç ve yeşillik alanlarla karışmasını engellemek için üyelik fonksiyonlarının belirli değerler arasında sınırlı tutulmasından ileri gelmektedir. Bu eksikliği gidermeye yönelik olarak, oluşan otomatik segmentasyona sınıflama aşamasında elle müdahale edilerek düzenlenebilir ve daha yüksek verimli sonuçlar alınabilir (Şekil 8). Şekil 8: Otomatik olarak çıkartılamayan nesne sınıfına elle müdahale sonucu doğal sınıf nesnesinin oluşturulması. KAYNAKLAR Akçın, H., Marangoz, A. M., Karakış, S. ve Şahin, H., Zonguldak Ormanlık Alanlarındaki Kaçak Yapılaşmanın Uydu Görüntülerinden Otomatik Nesne Çıkarımı Yapılarak Cbs İle Analizi. 3. CBS Günleri Bilişim Günleri Bildiriler Kitabı, 6-9 Ekim 2004, Fatih Üniversitesi, İstanbul. Benz, U. C., Hofmann, P., Willhauck, G., Lingenfelder, I. ve Heynen, M., MultiResolution, Object-Oriented Fuzzy Analysis of Remote Sensing Data for Gis-Ready Information. ISPRS Journal of Photogrammetry & Remote Sensing, p ecognition User Guide 3., Definiens Imaging. p Hofmann, P., 2001a. Detecting Buildings and Roads from Ikonos Data Using Additional Elevation Information.GIS Geo-Information-System, 6/2001.

9 9 Hofmann, P., 2001b. Detecting Informal Settlements from Ikonos Image Data Using Methods of Object Oriented Image Analysis - An Example From Cape Town (South Africa). Jürgens, Carsten (Editor): Remote Sensing of Urban Areas/ Fernerkundung in urbanen Räumen. (=Regensburger Geographische Schriften, Heft 35), Regensburg. Hofmann, P., 2001c. Detecting Urban Features From Ikonos Data Using an Object-Oriented Approach. In: RSPS 2001, Geomatics, Earth Observation and the Information Society, 2001 Marangoz, A. M., Oruç, M. ve Büyüksalih, G., Object-Oriented İmage Analysis and Semantic Network for Extracting The Roads and Buildings from Ikonos Pan-Sharpened Images. Proceedings of the XX th Congress of International Society for Photogrammetry and Remote Sensing, Haziran, İstanbul, Türkiye. Karakış, S., Marangoz, A. M. ve Büyüksalih, G Quickbird Pan-Sharpened Görüntüsü Üzerinden Otomatik Detay Çıkarımı ve Coğrafi Bilgi Sistemlerine Uygunluğunun Analizi. TMMOB Harita ve Kadastro Mühendisleri Odası 10. Türkiye Harita Bilimsel ve Teknik Kurultayı Bildiriler Kitabı, Mart 2005, Ankara. Nik İnşaat Tic. Ltd. Sti İnternet Sitesi, Quickbird 2 Uydusu, quick.htm, 10 Mart Digital Globe İnternet Sitesi, QuickBird Imagery Products-Product Guide, /downloads/quickbird Imagery Products - Product Guide.pdf, 10 Mart ecognition Yazılımı İnternet Sitesi, Yayınlar-Haziran 2004, /reference.htm, 1 Mart 2005.