UZAKTAN ALGILAMA UYGULAMALARI I - Deneme Sınavı - 13

Sınıflandırma işlemi sonrasında oluşan sınıfların doğruluklarını belirlemek amacı ile doğruluk analizinin yapılması gerekmektedir. Analiz, piksel değerlerinin referans kabul edilen haritalar ya da arazi hakkında kesin bilgi veren bir kaynakla istatistiksel olarak karşılaştırma ilkesine dayalı bir kontrol yöntemidir.
Analizde, kullanıcı belirli noktalara ait sınıfların gerçek değerlerini girer ve bir hata matrisi oluşturulur. Bu
matris [sınıf sayısı]x[sınıf sayısı] boyutlarındadır.

Kappa (K) Katsayısı sınıflandırmanın doğruluğunu ağırlıklı olarak hesaplayan bir istatistiksel ölçü olarak
kullanılır. Hata matrisinin satır/sütun toplamları ve köşegeni üzerindeki elemanlar kullanılarak elde edilir.
Bulunan Kappa(K) Katsayısı değeri;
• 0.0 ise sınıflandırılmış ve referans verileri arasında uyuşma olmadığını,
• 0.4 ve aşağı ise sınıflandırma performansının yetersiz olduğunu,
• 0.75 ve fazlası sınıflandırma performansının çok iyi olduğunu,
• 1.0 ise tam uyuşum olduğunu göstermektedir.

Doğruluk Analiz Raporu içerisinde;
• Genel Doğruluk: tüm doğru atanmış piksel sayısı/tüm pikseller sayısı,
• Kullanıcı Doğruluğu: bir sınıfa ait doğru sınıflandırılan piksel sayısı/o sınıftaki toplam piksel sayısı,
• Üretim Doğruluğu: bir sınıfa ait doğru sınıflandırılan piksel sayısı/bir sınıftaki olması gereken gerçek piksel sayısı,
• Kappa (K) Katsayısı Değeri: tüm değerleri göz önünde bulundurarak hesaplanan katsayıdır.

Vektörizasyon işlemi, uydu görüntüsüne ait aynı renk değer aralığına sahip piksel alanlarının, harita koordinatlarında vektör yapıdaki alan verilerine dönüştürür.

Vektörizasyon işlemi, uydu görüntüsüne ait aynı renk değer
aralığına sahip piksel alanlarının, harita koordinatlarında CAD
ve CBS yapısında vektör alanlara dönüştürür. Vektörizasyon işlemi iki farklı yöntem kullanılarak sağlanabilir. Bunlar Değer
Aralığı veya Tek Değer’ dir.

Değer Aralığı:
Eğri geçirme yöntemini (Marching Squares algoritması) kullanarak belirlenen aralıkların alanlarını oluşturur. Piksel değerleri gradient olan uydu görüntülerinde (örneğin; arazi modelinden yükseklik haritası oluşturma) kullanılması önerilir.
Tek Değer:
Piksel sınırları boyunca belirlenen değerlerin alanlarını oluşturur. Sınıflandırma sonrasında oluşan uydu görüntüsü üzerinde uygulanarak sınıf alanlarının vektöre dönüştürülmesi için kullanılabilir.

Bu bölümde uzaktan algılama uygulamaları kapsamında bant aritmetiği, katman ayırma ve değişiklik analizi uygulamaları anlatılacaktır. Görüntü işleme uygulamaları gerçekleştirilirken Netcad/ANALIST modül yetenekleri kullanılacaktır. Doğru cevap B’dir.

Katman Ayırma uygulaması, renk derinliği 8(gri/paletli), 16, 24 ve 32 bit olan görüntülere ait sınıf renklerinin yönetilerek kaydedildiği işlemdir. Katman ayırma işlemi, daha öncesinde sınıflandırma işlemi sonrasında elde edilen veya renk paletine sahip olan görüntüler kullanılmalıdır. Doğru cevap A’dır.

Bantlar arası aritmetik işlemler uygulanarak elde edilen yeni görüntüler yeni bulgu ve yorumlara yol açabilecek nitelikte olmaktadır. Aritmetik işlemlerde çok yaygın olarak kullanılan yöntem orandır. Bant aritmetiği işlemleri ile elde edilen yeni görüntüye oran görüntüsü denilmektedir. Doğru Cevap B’dir.

Bant aritmetiği uygulamaları farklı mesleki disiplinlerde farklı amaçlara yönelik formül değişiklikleri ile uygulanmaktadır. Örneğin jeolojik uygulamalarda yüzey örtü tiplerinin (kil, silis, karbonat, alterasyon ve demir vb.) ayırt edilmesine yönelik, hidrolojik uygulamalarda kirlilik ve tuzluluk tespitine yönelik indis uygulamaları gerçekleştirilebilir. Bitkisel indis uygulamaları bant aritmetiği formül kütüphanesinde en çok tercih edilen işlemlerdendir. Doğru cevap A'dır.

Normalize Edilmiş Bitki İndisi (NDVI), yakın kızılötesi (NIR) ve görünür kırmızı (R) bantları arasındaki zıtlığı artırmak veya iki banttaki bilgiyi tek banda toplayarak, bitki varlığını incelemek üzere normalize edilmiş bitki indisi formüle edilir. Doğru cevap C’dir.

Toprağa Göre Bitki İndisi (SAVI), düzeltme faktörü kullanılarak toprak yansıma etkileri en aza indirgenmiş bitki indisidir.

Düzeltme faktörü değeri yeşil bitki örtüsü miktarına bağlı olarak değişir. Genellikle, bitki örtüsü bulunmayan bölgelerde L=1; orta seviyede bitki bulunan bölgelerde L=0.5 kabul edilebilir. SAVI değeri -1.0 ile 1.0 arasında değerler verir. Bitki indisi 1 değerine ne kadar yakın olursa bitkinin kuvvetli olduğunu, 0 değerine yaklaştıkça bitki örtüsünün yok olduğunu, negatif olduğunda ise alanların kesinlikle bitkisiz olduğunu göstermektedir.

Optimize Edilmiş Toprağa Göre Bitki İndisi (OSAVI), toprak yansıma değerlerine göre bitki yansıma değerlerinin optimize edildiği yöntemdir. Doğru cevap B’dir.

Düzeltme faktörü değeri yeşil bitki örtüsü miktarına bağlı olarak değişir. Genellikle, bitki örtüsü bulunmayan bölgelerde L=1; orta seviyede bitki bulunan bölgelerde L=0.5 kabul edilebilir. SAVI değeri -1.0 ile 1.0 arasında değerler verir. Bitki indisi 1 değerine ne kadar yakın olursa bitkinin kuvvetli olduğunu, 0 değerine yaklaştıkça bitki örtüsünün yok olduğunu, negatif olduğunda ise alanların kesinlikle bitkisiz olduğunu göstermektedir. Doğru cevap E’dir.

Değişiklik analizi iki uydu görüntüsünün zamansal farklılığını piksel bazında aritmetik olarak inceleyerek farklılıkları hesaplayan bant aritmetiği uygulamasıdır. Doğru cevap D’dir.

Değişiklik analizi farklı meslek disiplinlerinde kullanılabilecek uzaktan algılama uygulamalarındandır. Örnek değişiklik analizi uygulamaları şu şekildedir: • Kentsel dönüşüm uygulamaları • Rehabilitasyon uygulamaları • Maden sahalarındaki imalat değişimi • Bitki üretim deseni değişimi • Doğal afetlerin sonuçları (sel, deprem, kaya düşmesi, heyelan, çığ vb.) • Hidrolojik değişimler • Arazi kullanım değişiklikleri. Doğru cevap E’dir.

Raster Veri Kaynağı Değişiklik analizine girdi olarak kullanılacak verinin 8 bit gri, 8 bit renkli, 16 bit veya 24 bit renkli radyometrik çözünürlükte bulunması gerekmektedir. Farklı bir analiz sonrası elde edilen sonuç veri eğer bu analiz için kullanılması isteniyor ve radyometrik çözünürlüğü uygun değil ise diğer raster düzenleme işlemlerinden derinliği değiştir, griye çevir işlemlerini kullanılabilir. Doğru cevap B’dir.

Sınıflandırılmış uydu görüntülerinin doğruluklarının belirlenmesi amacıyla iki farklı yöntem yaygın olarak kullanılmaktadır. Bunlardan ilki Chi-Kare (X²) testi ile hatalı sınıflandırılan piksellerin belirlenmesi, diğeri ise hata matrisi ve Kappa (K) Katsayısı ile doğruluk analizidir. Doğru cevap A’dır.

Kappa (K) Katsayısı sınıflandırmanın doğruluğunu ağırlıklı olarak hesaplayan bir istatistiksel ölçü olarak kullanılır. Hata matrisinin satır/sütun toplamları ve köşegeni üzerindeki elemanlar kullanılarak elde edilir. Doğru cevap B’dir.

Bulunan Kappa(K) Katsayısı değeri; • 0.0 ise sınıflandırılmış ve referans verileri arasında uyuşma olmadığını, • 0.4 ve aşağı ise sınıflandırma performansının yetersiz olduğunu, • 0.75 ve fazlası sınıflandırma performansının çok iyi olduğunu, • 1.0 ise tam uyuşum olduğunu göstermektedir. Doğru cevap E’dir.

Doğruluk Analiz Raporu içerisinde; • Genel Doğruluk: tüm doğru atanmış piksel sayısı/tüm pikseller sayısı, • Kullanıcı Doğruluğu: bir sınıfa ait doğru sınıflandırılan piksel sayısı/o sınıftaki toplam piksel sayısı, • Üretim Doğruluğu: bir sınıfa ait doğru sınıflandırılan piksel sayısı/bir sınıftaki olması gereken gerçek piksel sayısı, • Kappa (K) Katsayısı Değeri: tüm değerleri göz önünde bulundurarak hesaplanan katsayıdır. Doğru cevap C’dir.

Doğruluk Analiz Raporu içerisinde; • Genel Doğruluk: tüm doğru atanmış piksel sayısı/tüm pikseller sayısı, • Kullanıcı Doğruluğu: bir sınıfa ait doğru sınıflandırılan piksel sayısı/o sınıftaki toplam piksel sayısı, • Üretim Doğruluğu: bir sınıfa ait doğru sınıflandırılan piksel sayısı/bir sınıftaki olması gereken gerçek piksel sayısı, • Kappa (K) Katsayısı Değeri: tüm değerleri göz önünde bulundurarak hesaplanan katsayıdır. Doğru cevap E‘dir.