Journals / Türkiye Fotogrametri Dergisi / 2021 / Cilt: 3 - Sayı: 1

İnsansız hava aracı ile elde edilen veriler yardımıyla ağaç çıkarımı

Pages
15–21
Publication Date
2021-06-15
DOI
—
🏛️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)

Ardından eCognition yazılımında karşılaştırma amaçlı kontrol verisi üretilip, hata matrisi kullanılarak doğruluk analizi yapılmıştır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Teknolojik ilerlemeyle birlikte her konuda olduğu gibi haritacılıkta da bilgiye ulaşma konusunda büyük bir aşama kaydedildi.
📊
Key Findings & Data:Bu çalışmada, RGB(Red-Green-Blue) bantları bulunan iki farklı alanda yapılmıştır.
💡
Conclusion & Impact:Ardından eCognition yazılımında karşılaştırma amaçlı kontrol verisi üretilip, hata matrisi kullanılarak doğruluk analizi yapılmıştır.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Obje Tabanlı · İHA · Fotogrametri

Özet

Teknolojik ilerlemeyle birlikte her konuda olduğu gibi haritacılıkta da bilgiye ulaşma konusunda büyük bir aşama kaydedildi. İnsansız hava araçları ile çok sayıda bilgiye hızlı bir şekilde ulaşılan bu dönemde, bu bilgilerin kullanılıp anlamlı verilere dönüştürülmesi konusunda aynı ilerleme gerçekleşmedi. Operatörler yardımıyla anlamlı verilere dönüştürülen bu bilgilerin veri toplamada olduğu gibi hızlı bir şekilde işlenme ihtiyacı doğmuş oldu. Bu çalışmasında, arazi hakkında bilgi edinmede olduğu gibi bu bilgilerin anlamlı verilere dönüşmesi konusunda da doğruluklarına özen göstererek, hızlı bir şekilde anlamlı veriler oluşturma ve bu verilerin çeşitli coğrafi bilgi sistemleri ile entegre edilmesi amaçlanmıştır. Bu çalışmada, RGB(Red-Green-Blue) bantları bulunan iki farklı alanda yapılmıştır. Çalışmada, İHA yardımıyla elde edilen dijital görüntüler, Pix4D yazılımında işlenmiş ve bu dijital görüntülerden ortofoto, sayısal yükseklik modeli ve sayısal arazi modeli elde edilmiştir. Elde edilen bu veriler yardımı ile eCognition yazılımında obje tabanlı sınıflandırma yapılması hedeflenmiştir. Obje tabanlı sınıflandırma yaparken görüntüler segmentasyon işlemi ile anlamlı kümelere ayrıştırılıp, aynı eşik değeri içinde kalan segmentler belirlenen indis değerlerine göre sınıflandırılmıştır. Ardından eCognition yazılımında karşılaştırma amaçlı kontrol verisi üretilip, hata matrisi kullanılarak doğruluk analizi yapılmıştır.

🔖

Cite This Article

CEYLAN, M. C., UYSAL, M. (2021). İnsansız hava aracı ile elde edilen veriler yardımıyla ağaç çıkarımı. Türkiye Fotogrametri Dergisi, Cilt: 3 - Sayı: 1, 15–21. https://ajindex.com/articles/812440

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (7)

  1. Alptekin A & Yakar M (2020). Mersin Akyar Falezi’nin 3B modeli. Türkiye Lidar Dergisi, 2(1), 5-9.
  2. Alptekin A, Çelik M Ö, Doğan Y & Yakar M (2019a). Mapping of a rockfall site with an unmanned aerial vehicle. Mersin Photogrammetry Journal, 1(1), 12- 16. Alptekin A, Çelik M Ö, Kuşak L, Ünel F B & Yakar M (2019b). Anafi Parrot’un Heyelan Bölgesi Haritalandırılmasında Kullanımı. Türkiye İnsansız Hava Araçları Dergisi, 1(1), 33-37. Baatz M & Schape A (2000). Multi resolution segmentation: an optimization approach for high quality multi scale image segmentation, Proceedings of Twelfth Angewandte Geographische Informations verarbeitung, Wichmann-Verlag, Heidelberg, 12−23. Benz U C, Hofmann P, Willhauck G, Lingenfelder I, Heynen M., (2004), Multi-resolution object-oriented fuzzy analysis of remote sensing data for GIS- ready information, ISPRS Journal of Photogramemetry and Remote Sensing, 58 (3-4), 239-258
  3. Boyacı D (2012). Cbs-Uzaktan Algılama entegrasyonu ve örnek uygulama: uydu görüntülerinden detay ve otomatik öznitelik tespiti, Doktora Tezi, Selçuk Üniversitesi Harita Mühendisliği Anabilim Dalı, Konya. Çölkesen İ (2009). Uzaktan Algılamada İleri Sınıflandırma Tekniklerinin Karşılaştırılması ve Analizi, Y. Lisans Tezi, Gebze Teknik Üniversitesi, Gebze Yüksek Teknoloji Entitüsü, 153s, Gebze. Çölkesen İ, Yomralıoğlu T & Kavzoğlu T. (2015). Obje Tabanlı Sınıflandırmada Bölgeleme Esasına Dayalı Ölçek Parametresi Tespiti: Worldview-2 Uydu Görüntüsü Örneği, Harita Dergisi, 154, 9-18.
  4. Definiens (2012). Definiens Developer XD 2.0.4. Reference Book, Definiens AG, München, Germany, Ghamisi P, Plaza J, Chen Y, Li J & Plaza A J (2017). Advanced Spectral Classifiers for Hyperspectral İmages: A Review, IEEE Geoscience and Remote Sensing Magazine, 5, 8-32.
  5. Hamal S N G, Sarı B & Ulvi A (2020). Using of Hybrid Data Acquisition Techniques for Cultural Heritage A Case Study of Pompeiopolis. Türkiye İnsansız Hava Araçları Dergisi, 2(2), 55-60
  6. Hofmann P (2001), “Detecting Urban Features From IKONOS Data Using an Object-Oriented Approach, First Annual Conference of the Remote Sensing & Photogrammetry Society 12-14 September 2001, 28-33.
  7. Kamps M, Bouten W & Seijmonsbergen A (2017). Lidar and Orthophoto Synergy to Optimize Object-Based Landscape Change: Analysis Of An Active Landslide, Remote Sensing, 9, 805. Kaya Y & Polat N (2020). Investigation Of Phenological Stages of Wheat Plant Using Vegetation Index. Mersin Photogrammetry Journal, 2(1), 24-28. Kaya Y & Polat N (2021) Bitki İn