Yapay sinir ağları ve rastgele orman yöntemleri ile LANDSAT 8 görüntülerinden otomatik kıyı çizgisi çıkartılması
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, HARİTA MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2018
Tezin Dili: Türkçe
Öğrenci: ABDULKADİR İNCE
Danışman: Bülent Bayram
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:İnsanların suya olan vazgeçilmez ihtiyacı, kıyı alanlarını insanların en çok kullandığı yerleşim yerleri haline getirmiştir. Kıyılar doğal habitat için en uygun habitatlar oluşturmaktadır. Kıyılar aynı zamanda mikroklimatik özellikleri sayesinde tatil ve dinlenme olanakları sağlayan alanlardır. Turizm, sanayi, kültür balıkçılığı, kentleşme gibi faaliyetler kıyı alanları açısından en büyük tehditlerden bazılarıdır. Bu tehditler, kıyı alanlarının korunması ve sürdürülebilir kıyı yönetimi için kıyı alanlarının izlenmesini zorunlu hale getirmiştir. Doğal çevre yönetimi, afet yönetimi, kıyı erozyonu incelemeleri, katı madde taşınımı ve kıyı morfodinamiklerinin modellenmesi gibi farklı alanlarda kıyı çizgileri yaygın olarak kullanılmaktadır. Bu sebeple kıyı çizgilerinin özellikle uydu görüntülerinden elde edilmesi için çeşitli yöntemler kullanılarak birçok çalışma gerçekleştirilmiştir. Son yıllarda yapay zekâ kullanılarak elde edilen başarılar, çeşitli alanlarda çalışan bilim insanlarını da yaptıkları çalışmalarda yapay zekâ kullanmaya teşvik edici olmuştur. Sunulan tez çalışması kapsamında, uydu görüntülerinden kıyı çizgisi çıkarımı kendini düzenleyen haritalar, yapay sinir ağları ve rastgele orman yöntemleri kullanılarak gerçekleştirilmiştir. Yürütücülüğünü Prof. Dr. Bülent Bayram' ın yaptığı 115Y718 numaralı ve "SÜRDÜRÜLEBİLİR KIYI ALANI İZLEME MODELİ İÇİN İHA VE İHA-LİDAR VERİLERİNDEN OTOMATİK ÜÇ BOYUTLU KIYI ÇİZGİSİ ÇIKARTILMASI VE ANALİZİ: TERKOS (İSTANBUL) ÖRNEĞİ" başlıklı TÜBİTAK projesinin test alanı olan İstanbul'un Çatalca ilçesine bağlı Terkos bölgesinin Karadeniz kıyısı yöntemlerin test edilmesi için seçilmiştir. Tez kapsamında önerilen yöntemlerin söz konusu proje açısından uygulanabilirliği test edilmiştir. Karadeniz Bölgesi' nin 5 farklı konumuna ait 2017 yılına ait LANDSAT 8 görüntüsü eğitim amaçlı olarak kullanılmıştır. İstanbul-Terkos bölgesine ait 2013, 2015, 2017 tarihlerine ait aynı mevsimde elde edilmiş üç veri seti, Antalya bölgesine ait 2017 yılında elde edilmiş bir LANDSAT 8, İzmir bölgesine ait 2017 yılında elde edilmiş bir LANDSAT 8, ve Erçek Gölü' ne ait 2018 yılında elde dilmiş bir görüntü olmak üzere toplam altı farklı LANDSAT 8 görüntüsü test amaçlı olarak kullanılmıştır. Uygulamanın birinci aşamasında Kendini Düzenleyen Haritalar Yöntemi için Terkos bölgesine ait uydu görüntüsü kara ile deniz olacak şekilde kümelenmiş ve kıyı çizgisi çıkartılmıştır. Yapay Sinir Ağları Yöntemi için Karadeniz Bölgesi' ne ait 5 farklı uydu görüntüsü kullanılarak karadan ve denizden 2 adet sınıf oluşacak şekilde örnek veriler toplanmıştır. Yapay sinir ağları bu veriler ile eğitilmiş ve ağların test edilmesi için Terkos bölgesine ait uydu görüntüsü eğitilen ağlar ile sınıflandırılarak kıyı çizgileri çıkartılmıştır. Rastgele Orman Yönteminde ağaç yapılarını oluşturmak için yapay sinir ağlarının eğitiminde kullanılan eğitim verileri kullanılmıştır. Bu tezin ana amacı, Yapay Sinir Ağları Yönteminde kullanılan eğitim verileri ile Rastgele Orman Yönteminde ağaç yapılarını oluşturmak için kullanılan verilerinin Kendini Düzenleyen Haritalar Yöntemi kullanılarak otomatik olarak toplanmasını sağlamaktır. İkinci aşamada Karadeniz Bölgesi' ne ait uydu görüntüleri Kendini Düzenleyen Haritalar Yöntemi kullanılarak kara ile deniz olacak şekilde kümelenmiştir. Kümeleme sonuçlarına göre orijinal görüntülerden deniz ve kara sınıfları ayrılmıştır. Daha sonra, elde edilen bu veriden yararlanılarak yapay sinir ağları için her bir görüntüye ait deniz ve kara kümelerinden rastgele örnek veriler toplanmıştır. Rastgele toplanan bu veriler ile yapay sinir ağları eğitilmiş ve test alanına ait görüntülerden kıyı çizgileri çıkartılmıştır. Rastgele Orman Yöntemi için ise yapay sinir ağlarında kullanılan rastgele toplanmış veri seti, ağaç yapılarını oluşturmak için kullanılmıştır. Oluşturulan bu ağaç yapılarına göre test bölgesine ait uydu görüntüleri sınıflandırılmış ve kıyı çizgileri çıkartılmıştır. İlk iki aşamada kullanılan yapay sinir ağları Levenber – Marquardt (TRAINLM), Ölçekli Conjugate Gradient (TRAINSCG) eğitim fonksiyonları ile Hyperbolic Tangent Sigmoid (TANSIG), Logistic Sigmoid (LOGSIG) bağlantı fonksiyonlarının kombinasyonlarından tek gizli katmanlı ve 2000 iterasyonlu olarak tasarlanmıştır. Son aşama olan üçüncü aşamada TRAINSCG – TANSIG kombinasyonu kullanılarak farklı sayıda gizli katman (5, 10, 15) ve iterasyon sayılarıyla (500, 1000, 1500, 2000) yeni ağlar tasarlanmıştır. Gizli katman ve iterasyon sayılarının oluşturdukları kombinasyonlar ile tasarlanan ağlar hem kullanıcı tarafından toplanan eğitim verileri ile hem de Kendini Düzenleyen Haritalar Yöntemi sonuçlarından rastgele toplanan eğitim verileri ile eğitilerek kıyı çizgileri elde edilmiştir. Öncelikle belirlenen kombinasyonların test edilmesi amacıyla önerilen yöntemler Istanbul-Terkos, 2017 Landsat 8 görüntüsüne uygulanmıştır. Birinci aşamadaki Kendini Düzenleyen Haritalar Yöntemi ile elde edilen kıyı çizgisi elle yapılan sayısallaştırma sonuçları ile karşılaştırılmış ve ortalama 0,49 piksel hata ile kıyı çizgisi çıkarılmıştır. Kullanıcı tarafından toplanan eğitim verileri ile eğitilen yapay sinir ağları içerisinden TRAINSCG – TANSIG kombinasyonu ortalama 0,61 piksel hata ile en iyi sonucu vermiştir. Aynı eğitim verilerinin kullanıldığı Rastgele Orman yöntemi sonuçları içerisinden ise en iyi sonucu 50 ağaçtan oluşan ve ortalama 0,45 piksel hata ile kıyı çizgisi elde edilmiştir. İkinci aşamadaki Kendini Düzenleyen Haritalar Yöntemi kümeleme sonuçlarına göre rastgele toplanan eğitim verileri kullanılarak eğitilen ağlardan elde edilen en iyi sonuç ortalama 0,22 piksel hata ile TRAINSCG – TANSIG kombinasyonuna aittir. Aynı rastgele eğitim verileri kullanılarak oluşturulan ağaç yapıları içerisinden 250 ağaçlı ağaç yapısı ortalama 0,79 piksel hata ile kıyı çizgisini tespit etmiştir. Üçüncü aşamadaki kombinasyonlarda kullanıcı tarafından toplanan eğitim verileri kullanılarak oluşturulan ağlardan en iyi sonucu ortalama 0,36 piksel hata ile 10 gizli katmanlı ve 1000 iterasyonlu yapay sinir ağı vermiştir. Kendini Düzenleyen Haritalar Yöntemi kümeleme sonuçlarına göre rastgele toplanan eğitim verileri kullanılarak eğitilen ağlardan elde edilen en iyi sonuç ise ortalama 0,20 piksel hata ile 5 gizli katmanlı ve 1000 iterasyonlu yapay sinir ağına aittir. Bu aşamanın ardından seçilen en iyi konfigurasyonlar göz önünde bulundurularak 6 ek test verisi kullanılmıştır. Elle sayısallaştırma sonuçları ile elde edilen sonuçlar karşılaştırılmıştır. Istanbul-Terkos bölgesi 2013 yılına ait LANDSAT 8 görüntüsünden ortalama 0,47 piksel, Istanbul-Terkos bölgesi 2015 yılına ait LANDSAT 8 görüntüsünden ortalama 0,36 piksel, Istanbul-Terkos bölgesi 2017 yılına ait LANDSAT 8 görüntüsünden ortalama 0,36 piksel, Erçek Gölü'nün 2017 yılına ait LANDSAT 8 görüntüsünden ortalama 0,57 piksel, İzmir bölgesinin 2017 yılına ait LANDSAT 8 görüntüsünden ortalama 0,31 piksel ve Antalya bölgesinin 2017 yılına ait LANDSAT 8 görüntüsünden ortalama 1,31 piksel hata ile kıyı çizgileri tespit edilmiştir.