LiDAR Verilerinden Kent Ağaçlarının Tespit Edilmesi

Çetin Z., Yastıklı N.

XII. Türkiye Ulusal Fotogrametri ve Uzaktan Algılama Birliği (TUFUAB) Teknik Sempozyumu, Sivas, Türkiye, 24 - 26 Mayıs 2023, ss.45

  • Yayın Türü: Bildiri / Özet Bildiri
  • Basıldığı Şehir: Sivas
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.45
  • Yıldız Teknik Üniversitesi Adresli: Evet

Özet

Yeşil alanlar, yerel yönetimlerin sürdürülebilir kent planlanmasında kilit unsurlardan biri haline gelmiştir. Kentlerdeki yeşil alanların en önemli elemanı olan ağaçların hava kalitesini iyileştirme, iklim kontrolü, gürültü, toz, gaz ve rüzgâr zararlarını önleme, sosyo-kültürel (anıt ağaç, endemik türler vb.) etkiler, kent peyzajını düzenleme gibi sayısız yararları bulunmaktadır. Günümüzde, kent ağaçlarının tespiti ve envanter çalışmaları uzmanlar tarafından çoğunlukla arazi çalışmaları ve yersel ölçümler sonucunda gerçekleştirilmektedir. Aktif bir uzaktan algılama teknolojisi olan LiDAR (Light Detection and Ranging), kentsel ağaçlarının tespiti ve envanter çalışmalarında sunduğu ayrıntılı üç boyutlu (3B) konum bilgisi ile büyük bir kolaylık sağlamaktadır. LiDAR nokta bulutu verileri kullanılarak kent ağaçları arazi çalışmalarına gereksinim duyulmadan otomatik olarak belirlenebilmektedir. Bu çalışmanın amacı, yoğun yerleşim alanlarında kentsel ağaçların 3B ham LiDAR nokta bulutu verilerinden otomatik olarak tespit edilmesidir. Çalışma alanı olarak İstanbul’un Fatih ilçesinde yer alan, UNESCO Dünya Miras Listesine kayıtlı Sultanahmet Meydanı’nını da içeren kentsel alan seçilmiştir. Turistik ve tarihi öneme sahip çalışma alanındaki kent ağaçlarının otomatik olarak tespit edilmesi için ilk olarak, hiyerarşik kural tabanlı sınıflandırma yaklaşımı ile LiDAR verilerinden yer yüzeyini ifade eden zemin, bina, alçak bitki örtüsü, orta bitki örtüsü, yüksek bitki örtüsü, alçak nokta, hava nokta ve varsayılan sınıfları elde edilmiştir. Kentsel ağaçların elde edilmesi için hiyerarşik kural tabanlı sınıflandırma işlemi sonucunda elde edilen yüksek bitki örtüsü sınıfındaki noktalar kullanılmıştır. Yüksek bitki örtüsü sınıfındaki LiDAR noktaları makine öğrenme tabanlı “Mean shift” kümeleme algoritması kullanılarak segmente edilmiştir. Elde edilen nokta tabanlı segmentlerin analizi sonucu gürültüler temizlenerek bireysel ağaç taçları belirlenmiştir. Belirlenen kent ağaçlarının doğruluk değerlendirmesi, bütünlük (completeness) ve doğruluk (correctness) analizleri kullanılarak gerçekleştirilmiştir. UNESCO Dünya Miras Listesine kayıtlı Sultanahmet Meydanı’nı da içeren kentsel çalışma alanında elde edilen sonuçlar, bu çalışma kapsamında önerilen nokta tabanlı yaklaşımın LiDAR nokta bulutu verilerinden yoğun kentsel alanlarda ağaçların otomatik tespiti için kullanılabilirliğini ortaya koymuştur.

Bu çalışma, Yıldız Teknik Üniversitesi BAP Koordinasyon Birimi tarafından “LiDAR Verileri Kullanılarak Ağaç Türlerinin Makine Öğrenmesi ile Otomatik Tespitinde Parametrelerin Analizi ve Optimum Sınıflandırma Özelliklerinin Belirlenmesi (Proje No: FBA-2023-5425)” başlıklı proje kapsamında desteklenmiştir.



Green areas have become one of the key elements in the sustainable urban planning of local governments. Trees, which are the most important elements of green areas in cities, have numerous benefits such as improving air quality, climate control, preventing noise, dust, gas and wind damage, socio-cultural (monumental tree, endemic species, etc.) effects, and arranging urban landscape. Today, detection and inventory studies of urban trees are mostly carried out by experts as a result of field studies and terrestrial measurements. LiDAR (Light Detection and Ranging), an active remote sensing technology, provides a great advantage with the detailed three-dimensional (3D) positional information in the detection and inventory studies of urban trees. Urban trees can be detected automatically without need field studies by using LiDAR point cloud data. The aim of this study is to automatically detect urban trees in dense residential areas from 3D raw LiDAR point cloud data. The urban area located in the Fatih district of Istanbul including the Sultanahmet Square was chosen as the study area which is registered in the UNESCO World Heritage List. Firstly, ground, building, low vegetation, medium vegetation, high vegetation, low point, air point and default classes were obtained in order to automatically detect the urban trees in the study area which has touristic and historical importance. The points in the high vegetation class obtained as a result of the hierarchical rule-based classification were used to detect urban trees. LiDAR points in the high vegetation class were segmented using the machine learning-based “Mean shift” clustering algorithm. The noises were removed as a result of the analysis of the obtained point-based segments, and individual tree crowns were determined. Accuracy assessment of the detected urban trees was carried out using completeness and correctness analyses. The obtained results in the urban study area including Sultanahmet Square, registered in the UNESCO World Heritage List, verified the usability of the point-based approach proposed in this study for automatic detection of trees in dense urban areas from LiDAR point cloud data.

This study was supported by Yıldız Technical University Scientific Research Projects Coordination Unit (YTU BAP) within the scope of the project titled “Parameter Analysis and Optimum Classification Feature Detection in Automatic Detection of Tree species by Machine Learning Using LiDAR Data (Project No: FBA-2023-5425)”.