Dergiler / Geomatik / 2018 / Cilt: 3 - Sayı: 3

Kırsal Alanlarda SYM Üretiminde Filtreleme Yöntemlerinin Performans Analizi: Hava LiDAR Uygulaması; İstanbul Örneği

Sayfa
242–253
Yayın Tarihi
2022-10-19
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Elde edilen sonuçlar, filtreleme algoritmalarının üretilen SYM doğruluğunu etkilediğini göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Sayısal Yükseklik Modeli (SYM) yeryüzünün fiziksel yapısını üç boyutlu olarak temsil etmek amacıyla kullanılan matematiksel bir modeldir.
📊
Temel Bulgular & Veri:Özellikle ulaşılması zor bölgeler ve yüzölçümü bakımından büyük alanlar söz konusu olduğunda 3B konum verilerinin uzaktan algılama teknikleri ile belirlenmesi tercih edilmektedir.
💡
Sonuç & Katkı:Elde edilen sonuçlar, filtreleme algoritmalarının üretilen SYM doğruluğunu etkilediğini göstermektedir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:sayısal yüzey modeli · sayısal yükseklik modeli · hava LiDAR

Özet

Sayısal Yükseklik Modeli (SYM) yeryüzünün fiziksel yapısını üç boyutlu olarak temsil etmek amacıyla kullanılan matematiksel bir modeldir. SYM üretimi için kullanılacak verilerin toplanma yöntemleri, çalışma alanını büyüklüğüne ve üretilecek yüzey modelin kullanım amacına göre değişebilmektedir. Son yıllarda uzaktan algılama teknikleri ile yüzey verilerinin toplanması sağladıkları zaman ve maliyet avantajları nedeniyle tercih edilmeye başlamıştır. Özellikle ulaşılması zor bölgeler ve yüzölçümü bakımından büyük alanlar söz konusu olduğunda 3B konum verilerinin uzaktan algılama teknikleri ile belirlenmesi tercih edilmektedir. Hava LiDAR (Light Detection and Ranging) tekniği kırsal, kentsel ve ormanlık alanlarda 3B konum verisini üretmede hızlı ve güvenilir bir uzaktan algılama teknolojisidir. Ayrıca klasik fotogrametrik yöntemlerle karşılaştırıldığında veri toplama aşamasında hava durumuna, mevsimlere ve zamana daha az bağımlıdır. Dahası, yoğun ormanlarla kaplı yüzeylerde bitki örtüsüne nüfuz ederek zemin noktalarına ulaşmada ve dolayısıyla SYM oluşturmada diğer yöntemlere göre daha iyi sonuçlar alınabilmektedir. Bu çalışmada LiDAR verileri kullanılarak bir sayısal yüzey modeli oluşturulmuş ve yüzey üzerinde bulunan zemin dışı objelerin filtreleme işlemi gerçekleştirilmiştir. Farklı filtreleme algoritmaları kullanılarak yapılan bu işlem sonucunda, elde edilen SYM’nin düşey doğruluğu referans olarak kabul edilen bir veri seti ile kıyaslanmış ve sonuçlar istatistik olarak değerlendirilmiştir. Elde edilen sonuçlar, filtreleme algoritmalarının üretilen SYM doğruluğunu etkilediğini göstermektedir. Ayrıca filtreleme yöntemlerinin ani yükseklik değişimi olan bölgelere duyarlı olduğu ve bu bölgelerde filtreleme kaynaklı hata büyüklüklerinin arttığı gözlemlenmiştir.

🔖

Bu Makaleye Atıf Yap

DOĞRULUK, M., AYDIN, C. C., YANALAK, M. (2022). Kırsal Alanlarda SYM Üretiminde Filtreleme Yöntemlerinin Performans Analizi: Hava LiDAR Uygulaması; İstanbul Örneği. Geomatik, Cilt: 3 - Sayı: 3, 242–253. https://ajindex.com/articles/524763

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (9)

  1. Axelsson, P. (2000). DEM generation from laser scanner data using adaptive TIN models. International Archives of Photogrammetry and Remote Sensing, 33(B4/1; PART 4), 111-118.
  2. Briese, C. (2010). Extraction of digital terrain models. Airborne and terrestrial laser scanning, 135-167.
  3. Chen, Z., Gao, B., & Devereux, B. (2017). State-of-the-Art: DTM Generation Using Airborne LIDAR Data. Sensors, 17(1), 150. Hobi, M. L., & Ginzler, C. (2012). Accuracy Assessment of Digital Surface Models Based on WorldView-2 and ADS80 Stereo Remote Sensing Data. Sensors, 12(5), 6347-6368. doi:10.3390/s120506347 Hu, F., Gao, X., Li, G., & Li, M. (2016). DEM Extraction from Worldview-3 Stereo-Images and Accuracy Evaluation. International Archives of the Photogrammetry, Remote Sensing & Spatial Information Sciences, 41. Hu, H., Ding, Y., Zhu, Q., Wu, B., Lin, H., Du, Z.,. Zhang, Y. (2014). An adaptive surface filter for airborne laser scanning point clouds by means of regularization and bending energy. Isprs Journal of Photogrammetry and Remote Sensing, 92(Supplement C), 98-111. doi:https://doi.org/10.1016/j.isprsjprs.2014.02.014
  4. Jones, A. F., Brewer, P. A., Johnstone, E., & Macklin, M. G. (2007). High‐resolution interpretative geomorphological mapping of river valley environments using airborne LiDAR data. Earth Surface Processes and Landforms, 32(10), 1574-1592. doi:doi:10.1002/esp.1505 Kilian, J., Haala, N., & Englich, M. (1996). Capture and evaluation of airborne laser scanner data. International Archives of Photogrammetry and Remote Sensing, 31, 383-388.
  5. Kraus, K., & Pfeifer, N. (1998). Determination of terrain models in wooded areas with airborne laser scanner data. Isprs Journal of Photogrammetry and Remote Sensing, 53(4), 193-203. doi:https://doi.org/10.1016/S0924-2716(98)00009-4
  6. Liu, X. (2008). Airborne LiDAR for DEM generation: some critical issues. Progress in Physical Geography, 32(1), 31-49.
  7. Meng, X., Currit, N., & Zhao, K. (2010). Ground filtering algorithms for airborne LiDAR data: A review of critical issues. Remote Sensing, 2(3), 833-860.
  8. Meng, X., Wang, L., Silván-Cárdenas, J. L., & Currit, N. (2009). A multi-directional ground filtering algorithm for airborne LIDAR. Isprs Journal of Photogrammetry and Remote Sensing, 64(1), 117-124. doi:https://doi.org/10.1016/j.isprsjprs.2008.09.001
  9. Montealegre, A. L., Lamelas, M. T., & de la Riva, J. (2015). A comparison of open-source LiDAR filtering algorithms in a mediterranean forest environment. IEEE Journal of Selecte