ORAN GÖRÜNTÜLERİ Oran Görüntüsü Oran görüntülerini değişik şekillerde tanımlamak mümkündür; Bir görüntünün belirli bandındaki piksel parlaklık değerleri ile bunlara karşılık gelen ikinci bir banddaki piksel parlaklık değerleri arasında aritmetik işlemler kullanılarak yeni piksel değerlerinin oluşturulması işlemine oranlama, bu işlemle elde edilen yeni görüntü formuna da oran görüntüsü denir. Diğer bir deyişle; Multispektral görüntülerin birden çok kanalı üzerinde yapılan işlemlerle görüntülerin zenginleştirilmesi amacıyla oran görüntüleri oluşturulur. Kanallar arasında uygulanan aritmetik operasyonlar (toplama, çıkarma, çarpma ve bölme) ile orijinal görüntülerin özellikleri değiştirilerek görsel yorumlanabilirliği daha iyi yeni görüntüler elde edilebilir. Veya bir görüntü verisinin iki bandına ait piksel parlaklık değerlerinin eklenmesi, çıkarılması, çarpılması ve bölünmesi ile yeni bir görüntü şekline transfer edilmesi işlemi olarak da tanımlanabilir. Niçin Oran Görüntüsü? Oran görüntüsünün avantajları; 1. Değişik yeryüzü kabuk tiplerinin spektral yansıtma eğrilerinin durumu oranlama ile ortaya çıkarılabilmektedir. 2. Topoğrafik düzensizlikten kaynaklanan ve değişik aydınlanmaya neden olan gölge faktörünün etkisi azaltılabilmektedir. Oran görüntüsünün sakıncaları; Cisimlerin yansıtma özelliklerinin bastırılıp, spektral yansıtma eğri karakteristiklerinin önem kazanmasıdır. Oran görüntülerinde farklı yansıtma özelliğine fakat benzer spektral yansıtma eğrisi eğimine sahip farklı cisimler benzer cisim olarak görünür ve ayırt edilemezler. 1
Şekil 1. Yüzeylerin farklı oranlarda aydınlanması Tablo 1. Oranlama ile yansıma değerlerindeki farklılığın kaldırılması Aydınlanma TM BAND 3 TM BAND 1 RATIO 3/1 Güneş Işığı 94 42 2,24 Gölge 76 34 2,23 Şekil 4.1 de, gölgede kalan (alt seviyedeki) alanın parlaklık değeri, üst seviyedeki (aydınlık bölgedeki) alanın parlaklık değerinden % 50 daha azdır. Topoğrafyanın düzensiz olmasından dolayı, üst ve alt seviyelere gelen güneş ışınları farklı eğime sahip olmaktadır. Bunun sonucunda da farklı yansıtım durumu ortaya çıkacaktır. Bu bölgeler aynı yüzey tipinde bulunuyor olsalar bile, iki bant için üst bölgedeki parlaklık değerlerinin farkı alt bölgedekinden iki kat daha büyük bir sonuç verecektir. Ancak bu bölgeler için iki banda ait oranlar aynıdır. Bu durumda oran görüntülerinden yararlanılması ile topoğrafik etki ortadan kaldırılabilmektedir. Tablo 1 de de görüldüğü gibi yansıma değerleri farklı olduğu halde, oranlama ile bulunan değerler aynıdır.bu nedenle oran görüntüleri uzaktan algılamada çok kullanılan transformasyonlardan biri olmuştur. Oran görüntüleri özellikle tek bir spektral bant görüntüsünde parlaklık değişmeleri nedeniyle maskelenmiş olan küçük ve kolayca farkedilemeyen spektral değişimlerin ayırt edilmesinde yararlı olur. Örneğin; sağlıklı yeşil bitki örtüsüne sahip bir alan için yakın-kızılötesini içeren bantın, kırmızı ışığı içeren banda oranı normalde çok yüksektir. Fakat 2
sağlıksız bitki örtüsü olması durumunda bu oran düşük (yakın-kızılötesinde yansıtma azalacağı ve kırmızı bantta artacağı için) olacaktır. Dolayısıyla, bir yakın kızılötesi - kırmızı bant oranı ile elde edilen oran görüntülerinin kullanımı sağlıklı ve sağlıksız yeşil bitki örtüsü alanlarının ayırt edilmesinde çok yararlı olabilmektedir. Herhangi belirli bir spektral oranın yararlılığı gerçekte uygulama tipine ve söz konusu cisimlerin spektral yansıtma karakteristiklerine bağlıdır. Örneğin; normalize edilmiş fark bitki örtüsü indeksi NDVI (Normalized Difference Vegetation Index); NDVI = bant7 bant5 bant7+ bant5 şeklinde tanımlanır. Landsat MSS sisteminde bant 7 yakın kızılötesi ( NIR ) ve bant 5 kırmızı ( R ) bölgelerinde algılama yapmaktadırlar. Görüldüğü gibi NDVI da mutlak bant değerlerinin yerine fark ve toplam değerleri kullanılmaktadır. Bundan dolayı, belirli bir bölgenin zamana bağlı olarak incelenmesinde NDVI oranının kullanımı daha avantajlıdır. Bitki indeksleri bitki örtüsü yoğunluğunu belirlemek amacıyla oluşturulur. Oranlama ile elde edilen sonucun 1 den küçük veya büyük (Oran > 1 veya Oran < 1) çıkması durumuna göre uygun bir katsayı ile ölçeklendirilir. Bitki indeksi 1 e ne kadar yakınsa verim o kadar iyi olur. Diğer iki bitki örtüsü indeksine nazaran daha az kullanılan bir indeks de Dönüştürülmüş Normalize Edilmiş Bitki İndeksi dir. TNDVI = (((NIR - R) / (NIR + R))+.5)*.5 Özet olarak, oranlama işlemi ile bitki örtüsü yoğunluğunu belirlemek amacıyla bitki indeksleri oluşturulabilmektedir. Bu şekilde sağlıklı ve sağlıksız bitki örtüsü ayrımı yapılabilmektedir. Normalize edilmiş fark bitki örtüsü endeksinin Landsat TM, SPOT ve AVHRR için güncel uyarlamaları şu şekildedir; NDVITM TM4 TM3 = TM4+ TM3 NDVI NDVI HRV = AVHRR = XS3 XS2 XS3+ XS2 IR red IR + red 3
Oranlama(R), birçok şekilde uygulanabilir. Genellikle şu üç şekilden birisi kullanılır; a b c (1) R1 =, R2 =, R3 = ; a + b + c a + b + c a + b + c (2) R = a ; b (3) R = a b. a+ b Oranlama, sadece iyileştirme açısından değil, olağanüstü özelliklerin vurgulanması açısı için de çok önemli bir prosedür olarak bilinir. Çöl alanlarında kayaların kimyasal yapılarındaki değişikliklerin belirlenmesi bu duruma örnek olarak verilebilir (Maurer, 1971 ; Vincent, 1973). Oran Görüntülerinin Uygulama Alanları Oran görüntüleri uygulamada birçok amaçla oluşturulabilir. Bunlardan bazıları şu şekildedir; 1. Bitki indeksi oluşturulması yoluyla sağlıklı ve sağlıksız bitki örtüsü ayrımının belirlenmesinde. 2. Yeryüzü kabuk tiplerinin belirlenmesi amacıyla jeolojik araştırmalarda. (Kaya ve toprak tiplerinin spektral yansıtma karakterlerinin zenginleştirilmesi amacıyla). Örneğin; çöl alanlarında kaya özelliklerinin belirlenmesi gibi). 3. Aynı bölgeye ait iki farklı görüntü yardımıyla zamanla oluşan değişikliklerin tespit edilmesinde (Change Detection). 4. Yerleşim alanlarına ait görüntülerde yol gibi detayların vurgulanması amacıyla. Oran görüntülerinin uygulama alanlarını sınırlamak mümkün değildir. Yapılan çalışmanın amacına uygun olarak, oran görüntülerini oluşturmak mümkündür. Şu şekilde birkaç örnek verilebilir. 4
Ayrıca belirtilmesi gereken bir başka husus da oranların matematiksel olarak büyütülebileceğidir. Oranlama hesaplarının sonuçlarını, ölçeklendirmek ve görüntülemek için kullanılacak alet ile ilişkilendirmek önemlidir. Bunun için şu formül kullanılır; burada; DNx DN ' = R arctan DNy DN = oran görüntüsündeki sayısal değerler R = oranlama verilerini tahsis edilen tam sayılara yerleştirmek için kullanılan ölçeklendirme faktörü arctan DNx = X ve Y bandındaki sayısal değerler oranının tanjantının açı DNy değeridir. Eğer DN y sıfıra eşit olursa bu açı 90 olur. Yukarıdaki denklemdeki açı değeri 0-90 derece arasında ya da 0-1.571 radyan değerleri arasında tanzim edilir. Bunun için DN, sıfırdan yaklaşık 1.571R değerine kadar ayarlanır. Eğer 8 bitlik veri görüntülenirse, R 162.3 seçilir ve DN 0-255 değerleri arasında ayarlanır. 5
Oran Görüntüleri Uygulama Örnekleri Örnek 1. Bu çalışmada Leicester bölgesinde sel suları ile oluşan bir gölün zamana bağlı olarak değişimi incelenmiştir. İlkönce 1976 ve 1981 yıllarına ait görüntüler birbirleri ile uyumlu hale getirilmiştir(registration). Bu işlem için en yakın komşuluk yöntemi kullanılmıştır. Daha sonra yakın kızılötesi ve kızılötesi band oranlaması ile oran görüntüleri oluşturulmuştur. Oran görüntülerinin farkları alınarak da yeni bir oran (fark) görüntüsü elde edilmiş ve değişiklikler bu şekilde tespit edilmiştir. (a) (b) Şekil 4.2 : Leicester bölgesinde sel sularının 1976-(a) ve 1981 (b) tarihli oran görüntüleri 6
Şekil 4.3 : Fark görüntüsü Fark görüntüsü üzerinde değişimin olduğu alanlar daha açık gri renk tonu olarak belirgin bir şekilde görülebilmektedir. Bu uygulamada kullanılan teknikler Fark Görüntüleri İle Değişiklik Belirleme (Change Detection) olarak isimlendirilebilir. 7
Landsat TM için Band 1 0.45-0.52 μm Mavi Band 2 0.52-0.60 μm Yeşil Band 3 0.63-0.69 μm Kırmızı Band 4 0.76-0.90 μm Yakın kızılötesi Band 5 0.55-1.75 μm Orta Kızılötesi Band 7 2.08-2.35 μm Orta Kızılötesi Örnek 2. Bu örnek uygulamada ise Landsat TM verisi üzerinde band oranlamaları ile elde edilen oran görüntüleri yorumlanmaktadır. Bu görüntülerde daha yüksek oran değerleri daha açık renk tonundadır. Şekil 4.4 de TM1/TM2 oranlaması gösterilmektedir. İki band arasında yüksek korelasyon olması nedeniyle bu oran görüntüsü düşük kontrasta sahiptir. Diğer bir ifade ile cisimler bu iki banddaki yansıtma karakterleri benzerdir. Şekil 4.4 : TM1/TM2 8
Landsat TM için Band 1 0.45-0.52 μm Mavi Band 2 0.52-0.60 μm Yeşil Band 3 0.63-0.69 μm Kırmızı Band 4 0.76-0.90 μm Yakın kızılötesi Band 5 0.55-1.75 μm Orta Kızılötesi Band 7 2.08-2.35 μm Orta Kızılötesi Şekil 4.5 de ise TM3/TM4 oranlaması gösterilmektedir. Su ve yollar kırmızı bandda yüksek, yakın kızılötesi bandda ise küçük yansıtma değerlerine sahiptir. Bu yüzden oranlama sonucunda su ve yollar daha açık tonda görülmektedir. Yeşil bitki örtüsü ise kırmızı banddaki düşük ve yakın kızılötesi banddaki yüksek yansıtmalarından dolayı daha koyu tonda görülmektedir. Şekil 4.5 : TM3/TM4 9
Landsat TM için Band 1 0.45-0.52 μm Mavi Band 2 0.52-0.60 μm Yeşil Band 3 0.63-0.69 μm Kırmızı Band 4 0.76-0.90 μm Yakın kızılötesi Band 5 0.55-1.75 μm Orta Kızılötesi Band 7 2.08-2.35 μm Orta Kızılötesi Şekil 4.6 da TM5/TM2 oranı gösterilmektedir. Burada bitki örtüsünün orta kızılötesi bölgesindeki yansıtma değerinin, yeşil banddaki değerine göre daha fazla olmasından dolayı genellikle açık tonda görülmektedir. Bununla birlikte belirli bitki tipleri özel yansıtma karakteristiklerinden dolayı bu genellemeyi takip etmemektedir. Bu özelliklerinden dolayı çok koyu tonda görünen bu farklı tip bitkiler, böylece diğer bitki türlerinden ayırt edilebilmektedir. Şekil 4.6 da TM5/TM2 oranı 10
Landsat TM için Band 1 0.45-0.52 μm Mavi Band 2 0.52-0.60 μm Yeşil Band 3 0.63-0.69 μm Kırmızı Band 4 0.76-0.90 μm Yakın kızılötesi Band 5 0.55-1.75 μm Orta Kızılötesi Band 7 2.08-2.35 μm Orta Kızılötesi Şekil 4.7 de ise TM3/TM7 oranı gösterilmektedir. Yollar ve diğer tarımsal özellikler daha açık tonda görülmektedir. Bu durumun nedeni, kırmızı banddaki (TM3) yansıtma değerlerinin, kızılötesi (TM7) banddaki değerlerinden fazla olmasıdır. Şekil 4.7 : TM3 / TM7 11
Örnek.3 Bu örnek uygulamada ise Güney Karolin (South Carolina) bölgesine ait iki değişik tarihli SPOT panchromatic verisinin çıkarılması ile elde edilen fark (oran) görüntüsü yardımıyla toprak nemindeki değişikliklerin belirlenmesi (Change Detection) işlemi gösterilmektedir. Bu işlem için görüntüler önce rektifiye edilmiş daha sonra birbirlerinden çıkarılmıştır. (SPOT panchromatic 0.51μm-0.73μm) 26.Nisan.1989 04.Ekim.1989 Fark (Oran) Görüntüsü 12
Örnek.4 Landsat TM için Band 1 0.45-0.52 μm Mavi Band 2 0.52-0.60 μm Yeşil Band 3 0.63-0.69 μm Kırmızı Band 4 0.76-0.90 μm Yakın kızılötesi Band 5 0.55-1.75 μm Orta Kızılötesi Band 7 2.08-2.35 μm Orta Kızılötesi Bu örnek uygulamada ise Thermopolis bölgesinde bulunan Rüzgar Nehri (Wind River) ve (Owl Creek) Baykuş Deresi ne ait uydu verilerinden elde edilen oran gösterilmektedir. Burada oran görüntüleri jeolojik bilgi elde etmek amacıyla kullanılmıştır. TM3/TM1 (red/blue) oranı şeklinde elde edilen oran görüntüsünde demir oksit içeren bölgeler 3. banddaki yüksek yansıtımları dolayısıyla çok açık renkte görülmektedir. Demir oksitin yutma ve yansıtma özelliği sonucu olarak görünür bölgede zeminin kırmızı görünmesi karakteristikdir. Şekil 4.8 : TM3 / TM1 13
Örnek.5 3/1 oranlamasından başka 5/7 ve 3/5 oranlamaları ile de jeolojik bilgi elde etmek amacıyla oran görüntüleri oluşturulmaktadır. 3/1,5/7 ve 3/5 oranları ile elde edilen oran görüntülerinden herbiri bir ana renk (yeşil,kırmızı,mavi RGB) kullanılarak renklendirilir. Bu tek renkli oran görüntüleri renkli oran görüntüsü elde etmek amacıyla birleştirilir. Renkli oran görüntüsündeki renk değişimleri daha fazla jeolojik bilgi içerir ve daha yüksek kontrasta sahiptir. Bu renkli oran görüntüleri, normal renkli jeolojik haritalarla da karşılaştırılabilir. 3/5 ORAN GÖRÜNTÜSÜ 5/7 ORAN GÖRÜNTÜSÜ 3/1 ORAN GÖRÜNTÜSÜ 14
Örnek.6 Landsat MSS için Band 1 0.50-0.60 μm Yeşil Band 2 0.60-0.70 μm Kırmızı Band 3 0.70-0.80 μm Yakın kızılötesi Band 4 0.80-1.10 μm Yakın kızılötesi ------------------------------------------------------------------------------------------------------ Oranlama, topoğrafik etkileri gidermek ve kaya-toprak için spektral yansıtma karakterlerini zenginleştirmek amacıyla kullanılır. Şekil 4.9 (a) ve (b) de Landsat MSS 2. ve 4. band görüntüsü görülmektedir. Görüntü içerisinde bulunan alanlar kurumuş ya da çatlamış ekin alanları, yeşil alanlar ve su şeklindedir. Bu iki görüntünün 4/2 oranı ile elde edilen oran görüntüsünde sağlıklı bitkiler açık tonda, toprak alanları koyu gri tonda ve su siyah olarak görülmektedir. Şeki 4.9 Landsat MSS 4. ve 2. band oranı ile elde edilen oran görüntüsü. 15
Örnek.7 Landsat MSS için Band 1 0.50-0.60 μm Yeşil Band 2 0.60-0.70 μm Kırmızı Band 3 0.70-0.80 μm Yakın kızılötesi Band 4 0.80-1.10 μm Yakın kızılötesi ------------------------------------------------------------------------------------------------------ Bu örnek uygulamada ise Aşağı Meriç Deltasına ait 1988 ve 1993 tarihli iki Landsat MSS görüntü verisi yardımıyla fark görüntüsü oluşturularak değişiklik belirleme (Change Detection) yöntemi uygulanmıştır. Öncelikle görüntüler rektifiye edilmiş ve Band4 / Band2 oranı ile oran görüntüleri elde edilmiştir. Bu görüntülerden elde edilen fark görüntüsü ile de değişiklikler belirlenmiştir. Oran görüntülerinin farkının alınması ile elde edilen fark görüntüsünde Meriç Nehri kıyılarında ve deltasının uç kısımlarda değişiklikler görülmektedir. 16
1988 tarihli oran görüntüsü (4/2) 1993 tarihli oran görüntüsü(4/2) Fark görüntüsü 17