SavedAdd your journal

Journals / Türkiye Lidar Dergisi / 2025 / Volume: 7 Issue: 2

Change Analysis with Historical Aerial Photographs

Tarihi Hava Fotoğrafları ile Değişim Analizi

Hasan Güner(Harita Genel Müdürlüğü)0000-0002-9604-9604
Murat Uysal(AFYON KOCATEPE ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ)0000-0001-5202-4387
Pages
33–39
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

The results reveal detailed structural changes over time, as well as increases or decreases in building density within the study area.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Aerial photographs serve as a valuable data source in remote sensing and photogrammetry studies due to their high spatial resolution and geometric accuracy.
📊
Key Findings & Data:In this context, photogrammetric aerial photographs from the years 1976, 2023, and 2024, obtained from the General Command of Mapping, were utilized for a selected study area in the Yeşilyurt district of Malatya province.
💡
Conclusion & Impact:The results reveal detailed structural changes over time, as well as increases or decreases in building density within the study area.
🔬Design:Modeling & Simulation
📍Scope:2023 Verileri
⚙️Variables:Uzaktan algılama · Hava fotoğrafı · Fotogrametri

Abstract

Aerial photographs serve as a valuable data source in remote sensing and photogrammetry studies due to their high spatial resolution and geometric accuracy. These images are commonly used for purposes such as orthophoto generation and Digital Surface Model (DSM) production. While orthophotos provide geometrically corrected visual data suitable for measurements, DSMs represent the three-dimensional structure of the Earth's surface. Such data play a critical role in monitoring changes in urban density, conducting morphological analyses, and tracking land use transformations. In this context, photogrammetric aerial photographs from the years 1976, 2023, and 2024, obtained from the General Command of Mapping, were utilized for a selected study area in the Yeşilyurt district of Malatya province. Orthophotos and DSMs were generated from these images, and elevation difference analyses were performed by comparing DSMs from different years. The results reveal detailed structural changes over time, as well as increases or decreases in building density within the study area.

Özet

Hava fotoğrafları, yüksek mekânsal çözünürlükleri ve geometrik doğrulukları sayesinde uzaktan algılama ve fotogrametri çalışmalarında değerli bir veri kaynağıdır. Bu görüntüler, ortofoto üretimi ve Sayısal Yüzey Modeli (SYM) oluşturma gibi amaçlarla yaygın olarak kullanılmaktadır. Ortofotolar, ölçüme uygun ve geometrik olarak düzeltilmiş görsel veriler sağlarken; SYM'ler arazi yüzeyinin üç boyutlu yapısını temsil eder. Bu veriler, yapılaşma yoğunluğundaki değişimlerin takibi, morfolojik analizler ve arazi kullanımındaki dönüşümlerin izlenmesi gibi çalışmalarda önemli rol oynar. Bu doğrultuda, Malatya ili Yeşilyurt ilçesinde belirlenen çalışma alanında, Harita Genel Müdürlüğü’nden temin edilen 1976, 2023 ve 2024 yıllarına ait fotogrametrik hava fotoğrafları kullanılmıştır. Bu görüntülerden ortofotolar ve SYM’ler üretilmiş; farklı yıllara ait modeller karşılaştırılarak yükseklik fark analizleri yapılmıştır. Elde edilen sonuçlar, zaman içinde gerçekleşen yapısal değişimleri ve yapılaşma yoğunluğundaki artış veya azalışları ayrıntılı şekilde ortaya koymuştur.

🔖

Cite This Article

Güner, H., Uysal, M. (2025). Change Analysis with Historical Aerial Photographs. Türkiye Lidar Dergisi, Volume: 7 Issue: 2, 33–39. https://doi.org/10.51946/melid.1746367

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (18)

  1. Borkowski, A., & Jóźków, G. (2012). Accuracy assessment of building models created from laser scanning data. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 39, 253–258.
  2. Avşar, E. (2022). Tarihi hava fotoğraflarının farklı yöntemler ile ortorektifikasyonu ve doğruluk analizi (Master’s thesis, Fen Bilimleri Enstitüsü).
  3. Baltsavias, E. P. (1999). Airborne laser scanning: Basic relations and formulas. ISPRS Journal of Photogrammetry and Remote Sensing. https://doi.org/10.1016/S0924-2716(99)00015-5
  4. Coppin, P., Jonckheere, I., Nackaerts, K., Muys, B., & Lambin, E. (2004). Digital change detection methods in ecosystem monitoring: A review. International Journal of Remote Sensing, 25(9), 1565–1596. https://doi.org/10.1080/0143116031000101675
  5. Fraser, C. S., & Ravanbakhsh, M. (2009). Georeferencing accuracy of GeoEye-1 imagery. Photogrammetric Engineering & Remote Sensing, 75(6), 634–638. https://doi.org/10.1111/j.1435-5957.2009.00246.x
  6. Fraser, C. S., Baltsavias, E. P., & Gruen, A. (2002). Processing of IKONOS imagery for sub-metre 3D positioning and building extraction. ISPRS Journal of Photogrammetry and Remote Sensing, 56(3), 177–194. https://doi.org/10.1016/S0924-2716(02)00045-X
  7. Habib, A., Kim, C., & Kim, Y. (2005). New methodologies for true orthophoto generation. In ASPRS Annual Conference.
  8. Kabadayı, A., & Uysal, M. (2020). Çok yüksek çözünürlüklü İHA verilerinden bina tespiti. Türkiye İnsansız Hava Araçları Dergisi, 2(2), 43–48.
  9. Kraus, K. (2007). Photogrammetry: Geometry from images and laser scans (2nd ed.). Walter de Gruyter. https://doi.org/10.1515/9783110892871
  10. Lu, D., & Weng, Q. (2007). A survey of image classification methods and techniques for improving classification performance. International Journal of Remote Sensing, 28(5), 823–870. https://doi.org/10.1080/01431160600746456
  11. Şahin, E., & Polat, N. (2019). Sayısal yüzey modelleri kullanılarak şehirleşme sürecinin analizi: İstanbul örneği. Türkiye Fotogrametri Dergisi, 27(1), 45–58.
  12. Şencan, G. (2023). True (gerçek) ortofoto üretimi ve doğruluk analizi (Master’s thesis, Necmettin Erbakan University, Turkey).
  13. Uysal, M., Yılmaz, M., Tiryakioğlu, İ., & Polat, N. (2018). İnsansız hava araçlarının afet yönetiminde kullanımı. Eskişehir Teknik Üniversitesi Bilim ve Teknoloji Dergisi B – Teorik Bilimler, 6, 219–224. https://doi.org/10.20290/aubtdb.48908
  14. Voigt, S., Kemper, T., Riedlinger, T., Kiefl, R., Scholte, K., & Mehl, H. (2007). Satellite image analysis for disaster and crisis-management support. IEEE Transactions on Geoscience and Remote Sensing. https://doi.org/10.1109/TGRS.2007.895830
  15. Yao, X., Chen, Y., & Liu, J. (2011). Urban change detection using multitemporal aerial photographs and LiDAR data. Remote Sensing, 3(5), 1149–1167. https://doi.org/10.3390/rs3051149
  16. Zhou, Q., Li, B., & Cheng, H. (2013). Urban 3D change detection from high-resolution satellite imagery and LiDAR data using object-based image analysis. Remote Sensing, 5(2), 927–944. https://doi.org/10.3390/rs5020927
  17. Weng, Q. (2012). Remote sensing of impervious surfaces in urban areas: Requirements, methods, and trends. Remote Sensing of Environment, 117, 34–49. https://doi.org/10.1016/j.rse.2011.02.030
  18. Wolf, P. R., & Dewitt, B. A. (2000). Elements of photogrammetry with applications in GIS (3rd ed.). McGraw-Hill.