ZONGULDAK ORMANLIK ALANLARINDAKİ KAÇAK YAPILAŞMANIN UYDU GÖRÜNTÜLERİNDEN OTOMATİK NESNE ÇIKARIMI YAPILARAK CBS İLE ANALİZİ * H. Akçın, A. M. Marangoz, S. Karakış, H. Şahin *Zonguldak Karaelmas Üniversitesi Müh. Fak. Jeodezi ve Fotogrametri Müh. Böl. 67100 Zonguldak (akcin, marangoz, karakis, sahin)@jeodezi.karaelmas.edu.tr ÖZET Zonguldak bölgesi ormanları, Türkiyenin tür çeşitliliği açısından en zengin ve önemli ormanlarıdır. Bu bölge içinde kurulu olan Zonguldak Metropolitan Alanı nda zaman içinde madencilik endistürisinin getirdiği kısıtlamalar ve bozuk kentleşme sürecinde bölgede ormanlık alanların bir bölümü tahrip olmuş bir bölümü içine de kaçak yapılaşma meydana gelmiştir. Çalışmada; metropolitan alan içinde ki ormanlık alanlardaki açılmalar Landsat, Ikonos ve KVR1000 uydu görüntüleri üzerinden otomatik nesne çıkarımı ve Fuzzy Logic sınıflama teknikleri kullanılarak belirlenmiş ve GIS tabanlı analizler yapılarak belirlenen pilot alandaki yapılaşmanın zamansal gelişimi incelenmiştir. Anahtar Kelimeler: Zonguldak, otomatik nesne çıkarımı, Landsat TM5, Ikonos, KVR1000 uydu görüntüleri ANALYSIS OF ILLEGAL CONSTRUCTIONS IN ZONGULDAK FOREST REGIONS USING AUTOMATIC FEATURE EXTRACTION AND GIS FROM SATELLITE IMAGES Forest areas in Zonguldak region include many different types of species and high rich when compared to others. Zonguldak Metropolitan Area located in the region has experienced many problems related to urbanization due to the activities caused by mining industry. This also gave rise to illegal housing in the region. In this study, damages and openings existed in the forest areas have been localized by automatic feature extraction produce and fuzzy-logic classification techniques by means of Landsat, Ikonos and KVR-1000 sattellite images. Finally, temporal monitoring of illegal constructions in this pilot area has been realized by GIS-based analysis. Keywords: Zonguldak, automatic feature extraction, Landsat 5 TM, Ikonos, KVR1000 sattellite images
1. GİRİŞ Zonguldak Metropolitan Alanı (ZMA); Türkiye nin Kuzeybatısında yeralan, Kuzeyinde Karadeniz ve Güneyinde ormanlık alanlar arasında dar bir sahil bandına kurulmuş bir endüstri şehridir (Şekil 1). Özellikle Osmanlı döneminin bitmesi ve Türkiye Cumhuriyetinin kurulmasıyla birlikte bölge bir madencilik, demir-çelik ve orman endüstri merkezi haline gelmiştir. Ancak, yıllar boyu maden sektörünün de getirdiği kısıtlamalar ile kentsel alan açısından ve konut sayısı açısından fazlaca genişleyememiştir. Bu kısıtlamalarla birlikte öncelikle ormanlık alanlar içine kaçak yapılaşmalar başlamış ve günümüze kadar bu yapılaşma süreci özellikle 1988 yılında bu yasakların kalkması ile (maden sahaları üzerinde mülkiyet edinim yasağı) hızlanmıştır. Zonguldak ilinin yüzey oluşumu itibari ile %59 u ormanlık arazi olup, bunların %36 sı iğne yapraklı ve %64 ü de yapraklı ağaçlardır. Bu ormanlık alanlar Türkiye ormanlarının yaklaşık %5 ini oluşturmaktadır. ZMA ise bu oluşumun içinde yeralmaktadır. ZMA nın toplam yüzölçümü 38.81 km 2 olup yüzey dağılımı açısından %30.7 si orman, %40.5 i yerleşim alanı ve %6.7 si de tarım arazisidir. ZMA da 1996 yılında yapılan tespitlere göre belirlenen konut sayısı 213301 olup bu sayı 2002 yılında %11 artış göstererek 223966 ya ulaşmıştır. ZMA nın 2000 yılı itibarı ile nüfusu 176511 dir (Erkin, 1999). Özellikle ZMA nın ormanlık alanlarındaki değişimlerin incelendiği bu çalışmada; öncelikle 1992 ve 2000 Landsat 5 TM görüntüleri üzerinden ecognition 4.0 yazılımı kullanılarak bir fuzzy-logic sınıflandırma yapılmış ve bölgedeki ormanlık alanlar belirlenmiştir. ZMA içinde yoğun konut talebinin olduğu İncivez ve Bahçelievler Bölgelerini içine alan bir alanın yüksek çözünürlüklü Ikonos ve KVR-1000 uydu görüntüleri üzerinden otomatik nesne çıkarımı yapılarak bu alandaki binalar saptanmış ve son olarak çeşitli zaman boyutlarında elde edilen bu çıkarımlar CBS ortamında çakıştırılarak değişimler gözlenmiştir. Şekil 1. Zonguldak ın konumu Fig. 1. Location of Zonguldak
2. LANDSAT 5 TM UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI ZMA ya ilişkin 1992 ve 2000 yıllarına ait iki farklı görüntü, öncelikle GPS ölçüleri ve 1/25000 ölçekli haritalar kullanılarak georektifiye edilmiştir. İkinci aşamada Landsat görüntülerinin 1, 4 ve 7 bantları ile oluşturulan konbinasyon PCI Geomatica V9.1.1 yazılımı kullanılarak analiz edilmiş ve en büyük benzerlik tekniği kullanılarak ön sınıflama çalışması yapılmıştır. Bu sınıflandırmanın doğruluk istatistiği olarak toplam doğruluk %68.8 ve kappa istatistik ölçütü 0.618 bulunmuştur. Elde edilen sınıflandırılmış raster görüntü ecognition 4.0 yazılımı kullanılarak segmentasyon yapılmış ve vektör görüntü haline getirilmiştir. Elde edilen segmentlerin daha yüksek çözünürlüklü Ikonos görüntüsü ile kontrolü sağlanmıştır. Segmentasyonda sırasıyla ölçek, renk, biçim, yumuşaklık ve bütünlük parametreleri 30, 0.8, 0.2, 0.9 ve 0.1 alınmıştır. Şekil 2 ve 3 de segmentasyonu yapılmış görüntüler verilmiştir (Akçin ve diğerleri, 2004). Şekil 2. ZMA nın 1992 Landsat-5 TM görüntüsüne ait segmentasyon sonucu. Fig. 2. Segmentation result using 1992 Landsat-5 TM image of ZMA Şekil 3. ZMA nın 2000 Landsat-5 TM görüntüsüne ait segmentasyon sonucu. Fig. 3. Segmentasyon result using 2000 Landsat-5 TM image of ZMA.
3. YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDEN NESNE ÇIKARIMI Yüksek çözünürlüklü uydu görüntülerinin otomatik olarak fuzzy logic segmentasyonu ve nesne tabanlı detay çıkarımı aşamasında, aşağıdaki parametreler olabildiğince gerçeğe yakın belirlenmelidir. Bunu sağlayabilmek için aşağıda belirtilen parametreler kullanılır. Ölçek parametresi (Scale Parameter): Bu parametre, ortalama nesne boyutunu dolaylı yoldan etkiler. Aslında bu parametre nesnelerin heterojenliğine izin veren maksimum değeri belirler. Ölçek parametresi ne kadar büyürse nesneler de o kadar büyür. Renk / Biçim (Color / Shape): Bu parametrelerle renk ve biçim çatışmasının homojenliğinin nesne üretimi etkisi düzeltilebilir. Biçim kriteri ne kadar yüksek olursa, spektral homojenliğinin nesne üretimine etkisi daha az olacaktır. Yumuşaklık / Bütünlük (Smoothness / Compactness): Biçim kriteri 0 dan büyük olduğunda kullanıcı, nesnelerin daha bütün (yoğun) veya daha yumuşatılmış olması gerektiğine karar verebilir (Hofmann, 2001). ZMA nın 2000 ve 2003 yıllarına ait yüksek çözünürlüklü Ikonos ve KVR-1000 uydu görüntülerinın segmentasyonunda ise aşağıdaki adımlar izlenmiştir. ZMA ya ilişkin Ikonos görüntüsü GPS ölçüleriyle georektifiye edilerek PCI Geomatica 9.0 yazılımında 1 m. çözünürlüklü renkli Pan-Sharpened Orto görünütü haline dönüştürülmüştür. Bölgeye ilişkin 1,6 m. çözünürlüklü KVR-1000 görüntüsü GPS ölçüleri ve büyük ölçekli haritalar kullanılarak georektifiye edilmiştir. Elde edilen Ikonos ve KVR-1000 raster yapıdaki orto görüntülerinin ecognition 4.0 yazılımı kullanılarak segmentasyon işlemi yapılmış ve bu görüntüler üzerinden yalnızca binalara ilişkin otomatik nesne çıkarımı yapılmıştır. Ikonos orto görüntüsü üzerinde farklı nesnelere ilişkin 5 ayrı segmentasyon katmanı ele alınmıştır. Bu katmanların oluşturulmasında Tablo 1 de verilen parametreler kullanılmış ve segmentasyon gerçekleştirilmiştir. Segmentasyon üzerinden belirlenen pilot alandaki bina yapıları otomatik olarak çıkartılmış ve sonuçlar Şekil 4 de verilmiştir. KVR-1000 orto görüntüsü pankromatik bir görüntü olduğu için ve radyometrik yapısındaki yetersizlikten dolayı sadece gri değerleri üzerinde inceleme yapılmıştır. Bunun sonucu binalar çıkarılmak istense de sonuç ürün tüm yapay nesnelere yönelmiştir. Bunun anlamı binalarla birlikte yol ve bahçelerde otomatik olarak çıkmaktadır (Şahin ve diğerleri, 2004). Görüntünün bu özelliğinden dolayı segmentasyon parametresi olarak sadece ölçek: 4 ve renk: 1 olarak alınmış ve sonuç görüntü Şekil 5 de verilmiştir. Katman A B C D E Ölçek par. 5 10 16 25 250 Renk 0.7 0.5 0.4 Biçim 0.3 0.5 0.6 Yumuşaklık 0.9 0.9 0 Bütünlük 0.1 0.1 1 Seg. modu Normal Normal Spektral Farkl. Normal Tablo 1. Görüntü İçin Kullanılan Segmentasyon Parametreleri (Marangoz ve diğerleri, 2004) Table 1. Segmentation parameters used for image (Marangoz et.al., 2004)
Şekil 4. ZMA nın Ikonos Pan-Sharpened görüntüsü ve oluşturulan segmentasyon sonucu (Marangoz ve diğerleri, 2004) Fig. 4. Ikonos pan-sharpened image of ZMA and it s segmentation result (Marangoz et.al., 2004) Şekil 5. ZMA nın KVR-1000 orto görüntüsü ve oluşturulan segmentasyon sonucu Fig. 5. KVR-1000 ortho image of ZMA and it s segmentation result
4. CBS TABANLI ANALİZLER CBS tabanlı analizler iki aşamalı olarak gerçekleştirilmiştir. Bunlardan ilki segmentasyonu yapılmış Landsat 5 TM görüntüleri üzerinden ormanlık alanlar üzerindeki değişimlerin izlenmesine yöneliktir. İkincisi ise, 2000 ve 2003 yılları arasındaki yapılaşmanın takibine yönelik analizlerdir. Otomatik olarak sınıflandırılmış ve segmentasyonu yapılmış Landsat 5 TM görüntüleri; MapInfo 7.0 yazılımı kullanılarak yapılan işlemlerle, 1992 ve 2000 yılı görüntülerine ait segmentasyon katmanları üst üste açılarak, ormanlık alanlardaki değişim gözlenmiş ve 8 yıllık zaman diliminde 12.6 km 2 alanda orman açılımının yapıldığı saptanmıştır. Buna ilişkin analiz görüntüleri Şekil 6 da verilmiştir (Gri bölgeler 1992 yılı sonrası açılımları göstermektedir). Ayrıca bu görüntülerin üzerine KVR-1000 görüntüsünden elde edilen bina yapılarına ilişkin segmentasyon katmanı da açılarak, ormanlık alanların içine düşen yapılar belirlenerek Şekil 7 de verilmiştir. Şekil 6. ZMA daki ormanlık alanlardaki değişimler Fig. 6. Changes in forest regions of ZMA Şekil 7. Ormanlık alanlardaki yapılaşmalar Fig. 7. Constructions in forest regions
2000 ve 2003 yılları arasındaki gelişmeleri takip etmek amacıyla 2003 yılı Ikonos görüntüsü üzerine 2000 yılı KVR-1000 görüntüsünden çıkarımı yapılan nesneler CBS ortamında entegre edilerek gözlemlenmiştir. Bu incelemeler ormanlık alanlardaki yapılaşmaların artarak devam ettiğini ortaya çıkarmıştır (Şekil 8). 2000 yılı sonrasında gerçekleşen yapılaşmalar Şekil 8. ZMA nın ormanlık alanlarında 2000 yılı sonrası yapılaşmalar Fig. 8. Constructions after 2000 in forest regions of ZMA 5. SONUÇ VE ÖNERİLER Uydu görüntüleri ve CBS kullanılarak yapılan bu çalışmada, Türkiye nin Kuzey Batısındaki ormanlık alanlara sahip Zonguldak Metropolitan Alanı nda özellikle madenciliğe ilişkin kısıtlamaların 90 lı yıllardan sonra kalkmasıyla ve yeterli sayıda imarlı konut alanlarının üretilmemesi sonucu kaçak yapılaşmanın artış gösterdiği gözlenmiştir. Özellikle ormanlık alanlarda 1992 den 2000 yılına kadar yaklaşık 13 km 2 lik alanda ormanlık alanın açılarak değişime uğradığı belirlenmiştir. Bu alanlar içerisine ayrıca yol ve bina yapımında da artış gözlenmiştir. Kaçak yapılaşmanın 2000 yılından sonra da ormanlık alanlar içine doğru artarak devam ettiği de saptanmıştır. Ormanlık alanlardaki bu tür kaçak yapılaşmaların takibinde bakanlık, kamu kurumları ve yerel yönetimlerin işbirliği ve üniversitelerin bilimsel katkısıyla bu tür illegal oluşumların takip edilerek önlemlerin alınması gerekmektedir. Özellikle ülkemizin Kuzey ve Güneyindeki dağlık ve ormanlık alanlar sahil şeridine yakın ve paralel bir coğrafi yapıda oluşum göstermiş ve ülkemizin bir çok önemli kentleri de deniz ve dağları arasındaki dar alanda konumlanmaktadır. Bu nedenle kentlerin potansiyel gelişim alanlarının saptanmasında, yönlendirilmesinde ve imarlı yapıya açılmasında uzaktan algılama ve CBS kullanılarak planlama yapılması gerekmektedir. Aksi taktirde, ormanlık alanlarının cazibe merkezi olması nedeniyle, bu alanlardaki düzensiz açılmalar ve kaçak yapılaşmalar devam edecektir. Bu tür uygulamalarda raster yapıdaki uydu görüntülerinden nesne çıkarımı ve segmentasyonunun manuel olarak yapılması oldukça fazla zaman almaktadır. Ancak zamana dayalı bu tür analizlerde bu işlemin en kısa sürede gerçekleştirilmesi için otomatik nesne çıkarımı ve segmentasyonunun yapılması gerekmektedir. Yüksek çözünürlüklü uydu görüntülerinin otomatik segmentasyonunda, özellikle Ikonos için stereo görüntü kullanılması otomatik nesne çıkarımını kolaylaştırmakta ve doğruluğu
arttırmaktadır. KVR-1000 görüntüsü için ise iki farklı edinim söz konusudur. Bunlardan birincisi, satıcı firması tarafından SYM kullanılarak elde edilerek piyasaya sürülen orto görüntü, ikincisi ise ham görüntüdür. Orto görüntü ucuz olmasına ve 1.6 m. çözünürlüğe sahip olmasına karşın görüntüde nesnelere ilişkin bir takım konumsal kayıklıklar ve parlaklık söz konusudur. Bu nedenle daha pahalı olan ham görüntü alınarak çalışmalar yapılabilir. Ayrıca KVR-1000 görüntüsünün pankromatik olması nesne çıkarımı açısından bir takım sorunlar da çıkartmaktadır. 6. KAYNAKLAR Akçın, H., Topan, H., Karakış, S. ve Marangoz, A. M., 2004. Gis-Based Analysis of Landcover Changes Arising From Coal Pruduction Wastes in Zonguldak Metropolitan Area Turkey, XX ISPRS Kongresi, İstanbul ecognition Kullanım Klavuzu 3, 2003. Definiens Imaging, sf.3.2-108 Erkin, E., 1999. Dört Maden Kentinin Değişim Öyküsü 1973-96 Karşılaştırmalı Bir Analiz: Zonguldak-Kozlu-Kilimli-Çatalağzı, İstanbul, ISBN 975-7634-42-5 Hofmann, P., 2001. Detecting urban features from IKONOS data using an object-oriented approach, RSPS 2001, Geomatics, Earth Observation and the Information Society Marangoz, A. M., Oruç, M. ve Büyüksalih, G., 2004. Object-oriented Image Analysis and Semantic Network for Extracting The Roads and Buildings from Ikonos Pan-sharpened Images, XX ISPRS Kongresi, İstanbul Şahin, H., Topan, H., Karakış, S. ve Marangoz, A. M., 2004. Comparison of Object Oriented Image Analysis and Manual Digitizing for Feature Extraction XX ISPRS Kongresi, İstanbul