Ünite 7: Çok Zamanlı Görüntü Analiz Teknikleri

Temel Kavramlar

Değişim izleme ve saptama, bir cismin veya olayın durumundaki farklılıkların farklı zamanlarda gözlemlenerek analiz edilme süreci olarak tanımlanmaktadır. Bu süreç, genellikle en az iki farklı tarih aralığında veya belirli zaman aralıklarında yeryüzünde oluşan değişikliklerin saptanmasını içerir. Bu amaca yönelik olarak kullanılan çok zamanlı görüntü serileri, arazideki değişikliklerin zamansal dinamiğini de gösterdiğinden, sadece iki farklı tarihte alınan görüntülerin karşılaştırmasına dayalı iki zamanlı değişim saptama analizine kıyasla daha çok tercih edilirler.

Değişim saptama ve izlemenin geçmişi, uzaktan algılamanın geçmişine, yani ilk hava fotoğrafının çekildiği yıllara dayanmaktadır. Sonrasındaki gelişmeler, daha çok askerî alanda (özellikle I. ve II. Dünya Savaşı sırasında görüntülerden elde edilen zamansal bilgilerin stratejik üstünlük sağlaması nedeniyle) olmuştur. Değişim saptamaya yönelik ilk sivil uygulamalar, daha çok görsel yorumlama ve analog yöntemlerle gerçekleştirilmiş ve 1970-80’li yıllara kadar sivil uygulamalar için veri elde etme, askerî sınıflamalar (gizlilik) nedeniyle oldukça sınırlı olmuştur.

Dijital değişim izleme ve saptamanın gelişimi 1972 yılında fırlatılan ‘LANDSAT-1’ uydusundan alınan görüntüler ile başlamıştır.

Diğer yandan, dijital değişim saptama tekniklerinin gelişiminde, bilgisayar teknolojilerindeki gelişmeler de (veri işleme teknolojisindeki ve kapasitesindeki sınırlamalar nedeniyle) etkili olmuştur.

Değişim Türleri

Yeryüzünde kısa vadeli (örneğin, meteorolojik), döngüsel (örneğin, mevsimsel fenoloji), yönsel (örneğin, kentsel gelişme), çok yönlü (örneğin, ormansızlaşma ve rejenerasyon) veya doğa olayları (örneğin; orman yangını, doğal afetler) vb. Farklı türde değişimler söz konusudur. Diğer yandan basit olarak değişimler, kısa dönemde (örneğin; su seviyesindeki değişim, ürün gelişimi vb.) veya uzun dönemde (örneğin, kentsel gelişim) oluşan değişimler şeklinde de kategorize edilebilir.

Uzaktan algılama ile değişim saptama sürecinde temel hedefler, değişimin tipini, hızını ve alanını (mekânsal dağılımını) belirlemek, değişimin izlerini (nedenlerini) saptamak, nesnelerin belirli spesifik özelliklerinde (örneğin; biyokütle, yaprak alanı indeksi) oluşan değişimleri izlemek ve değişim saptama sonuçlarının doğruluğunu değerlendirmektir.

Sınırlamalar

Bir değişim saptama analizinde, öncelikle uygulamanın amacı, konumu ve büyüklüğü açık bir şekilde tanımlanarak analizde kullanılacak veriler seçilir. Değişimin zamansal etkilerini niteliksel olarak analiz etmek ve değişimi nicelleştirmek için kullanılan çok zamanlı görüntü verileri, farklı formata (dijital, analog veya vektör) sahip olabilirler.

1. Gerçek ve gerçek olmayan değişim: Arazideki gerçek değişimin, diğer birçok faktör (örneğin; mevsimsel değişimler, yanlış geometrik kayıt, algılayıcıdan veya atmosfer kaynaklı radyometrik hatalar vb.) nedeniyle oluşan spektral değişimlerden ayırt edilebilmesidir.
2. Zamansal ölçek: Yeryüzü birçok açıdan sürekli değişmekte olduğundan, değişikliklerin meydana gelebileceği zamansal ölçek çok değişkendir (S:217, Şekil 7.4’ü inceleyiniz.). Örneğin bu değişimler, anlık katastrofik olaylar (örneğin, sel baskınları) olabileceği gibi, sürekli değişim gösteren jeolojik olaylar (örneğin, kıtasal sürüklenmeler) da olabilir.
3. Mekânsal ölçek: Değişikliklerin meydana gelebileceği mekânsal ölçekler de çok heterojendir. Diğer bir ifade ile lokal olaylardan (örneğin, şehirleşme), global değişimlere (örneğin, deniz suyu sıcaklığının değişimi) göre farklılık gösterebilir.
4. Veri seçimi: Değişim saptama analizinde etkili olabilen çeşitli faktörlerin etkilerini en aza indirgemek için, çok zamanlı görüntülerin dikkatle seçilmesi gereklidir. Bu bağlamda, çok zamanlı görüntülerin alınma periyodu (örneğin; mevsim, ay), doğrudan fenoloji, iklim koşulları ve güneş açısı ile ilgili olduğundan, görüntü veri setinin seçiminde dikkate alınması gereken kritik bir parametredir.
5. Görüntüler arasındaki zaman aralığı ve görüntülenme sıklığı: Bu konu sadece yörünge frekansına değil, aynı zamanda bölgenin bulut veya sis ile kaplı olma frekansına da bağlıdır. Görüntü verilerinin çok sık alınması durumunda, yavaş değişim süreçlerinin dahil edilmeme veya çok uzun aralıklarla alınması durumunda, bazı hızlı değişimlerin ihmal edilme hatası oluşacağından, zaman faktörü, değişim saptama analizinin bütünlüğünde rol oynar.
6. Görüş açısı: Değişim saptamada farklı görüş açılarına sahip iki görüntünün kullanımı, yanlış analiz sonuçlarına neden olabileceğinden, kullanılan verilerin yaklaşık aynı görüş açısına sahip olması istenir.
7. Spektral çözünürlük: Değişim saptama analizinde farklı algılayıcılardan alınan verilerin kullanılması durumunda, bir görüntüdeki spektral bant aralığı ile diğer bir görüntünün bant aralığı eşleşmediğinde (örneğin, LANDSAT TM Bant 1 (Mavi bölge) ile SPOT XS veya LANDSAT MSS bantları) değişim saptama analizi hatalı sonuçlar üretebilir.
8. Çalışma alanının boyutu ve mekânsal çözünürlük: Uzaktan algılamada mekânsal çözünürlük, piksel boyutu ile ilgilidir.
9. Radyometrik düzeltme: Çok zamanlı görüntüler arasındaki radyometrik heterojenliğin en aza indirgenmesi gerekir.
10. Yüksek doğruluklu geometrik kayıt: Değişim saptama analizinde, çok zamanlı görüntüler genellikle piksel bazında karşılaştırılır. Bu bağlamda, aynı konumdaki pikselleri karşılaştırmak için görüntüler arasında yüksek doğruluklu geometrik kaydın yapılması gerekir.

Basit Rölatif Radyometrik Düzeltme Teknikleri

Değişim saptama sürecinde kullanılan veriler aynı veya çeşitli algılayıcılardan farklı aydınlanma koşullarında alındığından, algılayıcı ve/veya platformdan kaynaklı distorsiyonların giderilmesine yönelik uygulanan radyometrik ve geometrik düzeltme adımlarının dikkatle uygulanması gerekir.

Histogram Eşleştirme

Bu yöntem, aynı bölgeye ait farklı tarihte alınan herhangi bir görüntü histogramının baz olarak alınan referans görüntüsü histogramına eşleştirilmesi (radyometrik normalleştirme) olarak tanımlanır.

Sözde-Değişmez (Pseudo-Invariant) Özelliklere Dayalı Görüntü Eşleştirme

Schott vd. (1988) tarafından geliştirilen sözde-değişmez özelliklere dayalı görüntü eşleştirme yönteminde değişmez özellikler olarak aynı bölgenin farklı tarihlerde alınan görüntülerinde hemen hemen aynı yansıtma özelliğine sahip pikseller (radyometrik kontrol noktaları olarak da adlandırılan) göz önüne alınır.

Değişim Saptama Yöntemleri ve Doğruluk Analizi

Uygun değişim saptama yöntemlerinin seçimi, genelde çalışmanın amacına (örneğin; belirli değişimleri izlemek, değişimi haritalamak vb.), saptanacak değişim bilgisinin türüne (örneğin; spektral değişim, arazi örtüsü değişimleri) ve göz önüne alınan değişim türüne (örneğin; orman ve bitki örtüsündeki değişim, sulak alanlardaki değişim vb.) bağlıdır. Kullanılan yaklaşımlar, manuel veya otomatik olmak üzere iki ana grupta toplanır. İlk grupta ton, biçim, doku vb. farklı yorumlama elemanları ile görüntü yorumlama teknikleri, ikinci grupta ise iki zamanlı veya çok zamanlı dijital değişim saptama teknikleri kullanılır.

Piksel Tabanlı Değişim Saptama

Uzaktan algılamada değişim saptama kategorileri dört farklı değişim türüne göre gruplandırılır: (i) Binari değişim (Değişim var/Değişim yok), (ii) Detaylı değişim izi (‘bir sınıftan-başka bir sınıfa’ geçiş), (iii) Belirli bir değişim türü ve (iv) Sürekli değişken değişim. Uygulamada yaygın olarak ilk iki kategori kullanılmaktadır. Detaylı değişim izi kategorisinde kullanılan sınıflandırma sonrası karşılaştırma hem piksel hem de nesne tabanlı yaklaşımlarda geçerli olduğu için en yaygın kullanılan yaklaşımdır. Diğer yandan yeni gelişme gösteren makineyle öğrenme (örneğin; Yapay Sinir Ağları, Destek Vektör Makineleri) ve Coğrafi Bilgi Sistemi (değişim saptamaya yönelik geçmiş ve güncel arazi kullanımı haritalarının, topoğrafik ve jeolojik verilerle entegrasyonu) tabanlı yöntemler de değişim analizinde kullanılmaktadır.

Sınırlamalar

Değişim saptama algoritmalarında değişimin var veya değişimin yok olduğunu tanımlayan karar fonksiyonu kilit unsurdur. Bu bağlamda değişim saptama algoritmalarının çoğunda, değişimi belirlemek için en yaygın yaklaşım olarak eşik değeri kullanılır.

Yöntemler

Bu kategoride yer alan yöntemlerde bir görüntüdeki piksellerin spektral özellikleri, mekânsal içerikleri göz önünde bulundurulmadan değişim saptama analizinde kullanılır. Aşağıda kısaca açıklanan bu yöntemler, analizde tek olarak veya daha doğruluklu sonuçlar için birlikte veya diğer görüntü işleme teknikleriyle farklı kombinasyonlarda (örneğin; Bitki Örtüsü İndeksleri ile Görüntü Çıkarma, Değişim Vektörü Analizi ile Ana Bileşen Analizi vb.) da kullanılabilirler.

Görüntü Çıkarma

Görüntü çıkarmada, seçilen belirli bir bantta bir pikselin bir tarihteki DN (dijital değer) değeri, yine aynı pikselin başka bir tarihteki aynı banttaki DN değerinden çıkartılarak yeni bir görüntü elde edilir.

Görüntü Oranlama

Birbirine geometrik kayıt edilmiş iki görüntü birbirine oranlandığında değişim göstermemiş alanların oran değeri, teorik olarak 1 olacaktır.

Bitki Örtüsü İndeksi Farkı

Bu yöntemde, biyokütlenin belirlenmesinde yaygın olarak kullanılan spektral dönüşümler göz önüne alınır.

Sınıflandırma Sonrası Karşılaştırma

Sınıflandırma sonrası karşılaştırma ile değişim saptama yönteminde, her bir görüntü birbirine kayıt edilerek, kontrollü/kontrolsüz sınıflandırma teknikleri ile ayrı ayrı sınıflandırılır ve daha sonra sınıflandırılmış görüntüler karşılaştırılarak, oluşturulan değişim matrisi (her iki tarih için her sınıftaki piksel sayısını gösteren matris) ile arazi örtüsündeki değişim belirlenir.

Görüntü Regresyonu

Bu yaklaşımda, aynı bölgenin iki farklı zamanda alınmış görüntü piksel değerleri arasında doğrusal bir ilişki olduğu varsayılır.

Değişim Vektörü Analizi

Bu yöntemde, her bir banttaki piksel değerleri, spektral değerlerin vektörleri olarak kabul edilir ve bir pikselin iki farklı tarih arasında bir değişim göstermesi durumunda, doğal olarak n boyutlu özellik uzayındaki konumunun da değişeceği kabul edilir.

Doğrusal Dönüşümler

Daha az sayıda yeni bileşenler oluşturarak spektral veri boyutsallığını azaltmak için sıklıkla kullanılan doğrusal dönüşümler, çok zamanlı kompozit (tek veri setinde birleştirilen çok zamanlı görüntüler) veri setine de değişim saptama amaçlı uygulanmaktadır.

Ana Bileşen Analizi: Ana bileşen analizi, veri boyutunu azaltmak ve verileri korelasyonsuz veri setine dönüştürmek için kullanılmaktadır.

Tasselled Cap Dönüşümü (Kauth-Thomas Dönüşümü): Bu yöntem, çok zamanlı ve çok bantlı bir veri kümesinin sabit doğrusal dönüşümünü (yani ortogonalizasyonu) içerir.

Doku Tabanlı Analiz

Doku tabanlı değişim saptama analizinde, görüntülerdeki nesnelerin yapısal düzenlemesini ve lokal komşuluklarla olan ilişkilerini belirleyen dokusal özellikler karşılaştırılır.

Çok Zamanlı Spektral Karışım Analizi

Özellikle düşük mekânsal çözünürlüklü uydu verileri ile heterojen alanların tematik haritalamasında, her bir piksel sadece bir sınıf değeri ile temsil edildiğinden, genellikle hatalı sınıflandırma sonuçları ile karşılaşılmaktadır.

Nesne Tabanlı Değişim Saptama

Zengin mekânsal bilgiye sahip yüksek mekânsal çözünürlüklü çok spektrumlu uydu görüntülerinin kullanımının yaygınlaşması ve işleme kapasitesinin son on yılda hızla artması, nesne tabanlı yöntemlerin, klasik piksel tabanlı yöntemler kadar değişim saptama analizinde popüler olmasına neden olmuştur.

Sınırlamalar

Piksel tabanlı yaklaşımların aksine, nesne tabanlı yaklaşımlarda, yeryüzünü modellemek için spektral, dokusal, mekânsal, topolojik ve hiyerarşik nesne özellikleri kullanılmaktadır.

Yöntemler

Genel olarak nesne tabanlı değişim saptama yöntemleri dört farklı şekilde uygulanır: (1) Görüntü-nesne tabanlı değişim saptama, (2) Sınıf nesne tabanlı değişim saptama, (3) Çok zamanlı nesne tabanlı değişim saptama ve (4) Hibrit değişim saptama.

Görüntü-Nesne Tabanlı Değişim Saptama

Bu gruptaki nesne tabanlı değişim saptama analizinde, farklı tarihli görüntü segmentasyonu sonrasında, görüntüde oluşan nesneler, doğrudan belirli bir eşik değeri ile karşılaştırılır.

Sınıf-Nesne Tabanlı Değişim Saptama

Bu yaklaşımda çok zamanlı görüntüler bağımsız olarak sınıflandırılır, yani nesneler her bir görüntüde belirli bir sınıfa atanırlar ve daha sonra değişim, çok zamanlı görüntülerde bağımsız olarak Sınıflandırılmış bu nesnelerin karşılaştırmalarına bağlı olarak analiz edilir.

Çok Zamanlı Nesne Tabanlı Değişim Saptama

Bu yaklaşımda, çok zamanlı yüksek mekânsal çözünürlüklü görüntü serileri, tek bir veri setinde birleştirilir ve birleştirilen bu görüntü setinde değişim nesnelerini üretmek amacıyla segmentasyon işlemi uygulanır. Bunun nedeni ise aynı coğrafi özelliklere sahip olmalarına rağmen, farklı tarihte segmentasyon ile üretilen görüntü-nesnelerinin geometrik olarak değişebileceği kabulüdür.

Hibrit Değişim Saptama

Daha yüksek doğruluklu değişim haritaları üretmek amacıyla piksel ve nesne tabanlı yaklaşımları birleştiren hibrit değişim saptama algoritmaları, bazı avantajlar (örneğin, gürültü kaynaklı değişimleri azaltma) içerse de bu yaklaşımda değişim saptama analizi birçok adımda gerçekleştiğinden, sonuçta saptanan değişimlerin piksel ve nesne tabanlı yaklaşımların farklı kombinasyonlarından nasıl etkilendikleri konusundaki belirsizlikler hâlâ mevcuttur.

Doğruluk Analizi

Çok zamanlı görüntü sınıflandırmasında olduğu gibi, değişim saptama analizinin doğruluğu, hassas geometrik kayıt ve radyometrik kalibrasyon, yer gerçeği (referans) verilerinin kullanılabilirliği ve kalitesi, arazinin karmaşıklığı, kullanılan yöntem, kullanıcının beceri ve deneyimleri, zaman ve maliyet kısıtlamaları vb. gibi birçok faktöre bağlıdır.

Değişim saptamada doğruluk analizi, uzaktan algılama görüntü sınıflandırması sonrası doğruluk analizine benzer olarak yapılır.

Uygulama Alanları ve Yeni Eğilimler

Uygulama Alanları

Yeryüzü sürekli değişim hâlinde olup çekilen görüntüler farklı mekânsal ve zamansal ölçeğe sahiptir. Bu nedenle uzaktan algılama ve CBS gibi gelişmiş teknolojiler yardımıyla bu değişimlerin saptanması ve izlenmesi, başta global iklim çalışmaları olmak üzere ormancılık, tarım, şehircilik, oşinografi, askerî savunma vb. birçok farklı uygulama alanı için çok önemlidir.

Yeni Eğilimler

Uydu teknolojisindeki gelişmelere bağlı olarak uzaktan algılamada değişim saptama süreci, geleneksel piksel tabanlı spektral ve istatistiksel analizlerden daha ileri ve öncü tekniklere doğru gelişme göstermektedir. Gelecekte bu alandaki yeni eğilimleri açıklamak için, uzaktan algılama ile değişim saptamada önemli olan üç husus; (i) Uygulama alanı, (ii) Veriler ve (iii) Yöntemler dikkate alınmalıdır.

Uygulama alanı: Klasik uzaktan algılama değişim saptama uygulamalarının çoğu, çevresel ve biyo-fiziksel değişimler, arazi kullanımı/arazi örtüsü değişimi, askerî savunma ve güvenlikle ilgilidir.

Veriler: Son 30-40 yıldan beri birçok uzun dönemli uzaktan algılama veri alımı programları (örneğin; LANDSAT, SPOT, NOAA vb.) sayesinde düzenli bir şekilde uydu verisi temin edilebildiğinden, uzaktan algılama verilerinin kullanılabilirliğinde sürekli bir artış gözlenmektedir.

Yöntemler: Uzaktan algılama veri setleri ile ilk değişim saptama uygulamalarında daha çok klasik piksel tabanlı spektral ve/veya istatistiksel yöntemler kullanılmaktaydı. Piksel tabanlı bu yaklaşımların gelecekte, aynı veya farklı algılayıcılardan alınan zamansal görüntüler içinde hâlen yaygın bir şekilde kullanılabileceği Düşünülmektedir.