YÜKSEK ÇÖZÜNÜRLÜKLÜ DEPREM SONRASI UYDU GÖRÜNTÜLERİNDEN OBJE TABANLI YAPI HASAR TESPİTİ: BAM VE HAITI ÜZERİNDE İKİ DURUM ÇALIŞMASI

Tez Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: İstanbul Teknik Üniversitesi, Afet Yönetimi Enstitüsü, Deprem Mühendisliği, Türkiye

Tez Danışmanı: Dr. Öğr. Üyesi Gülşen Taşkın Kaya (İstanbul Teknik Üniversitesi)

Tezin Onay Tarihi: 2016

Tezin Dili: İngilizce

Özet:

Bir doğa olayı olan depremlerin nerede, ne zaman ve hangi şiddette olacağını kesin bir şekilde önceden bilmemiz şuan ki mühendislik bilgilerimiz çerçevesinde mümkün değildir. Ancak inşaat mühendisleri ve deprem mühendisleri olarak elimizden gelen öncü bir takım önlemler almak ve yapılarımızı mümkün mertebe depremlere dayanıklı olacak şekilde inşaa etmektir. Ancak çok geniş alanlarda yıkıcı etkiler gösterebilen depremlerin meydana gelmesi belirli periyotlarla kaçınılmazdır. Bu sebeple insanoğlu deprem sonrası ortaya çıkacak durumlar içinde hazırlıklı olmalıdır. Bunlardan bir tanesi olan deprem sonrası yapı hasarının belirlenmesi deprem mühendisliğinin alanına girmektedir. Deprem sonrası yapılacak ilk çalışmalarda bölgede oluşan deprem hasarının en kısa sürede ve en yüksek doğrulukta yapılması istenir. Bu amaçla kulanılan yöntemlerden bir tanesi uzaktan görüntü algılama teknolojilerinin kullanılması ve bu verinin görüntü işleme yöntemleri ve makine öğrenme teknikleri kullanılarak değerlendirilmesidir. Çoğu durumda deprem sonrası olay bölgesine ulaşım kısıtlı yada çok zor olduğundan uzaktan algılama yöntemleri öne çıkmakta ve ilgi görmektedir.

Bu tez çalışmasında deprem sonrası oluşan kriz durumunun yönetilmesi ve bölgede görevlendirilen ekiplerin müdahele edecekleri alanları önem durumuna göre önceleğinin tayin edilebimesi için çok önemli olan, yüksek çözünürlüklü multispectral ve panchromatic optik uydu görüntüleri ile makina öğrenme teknikleri kullanarak yapılarda depremden dolayı oluşan hasarın hızlı ve mümkün olan en yüksek doğrulukta tespiti ve deprem hasarını en çok öne çıkaran görüntü özelliklerinin belirlenmesi ve farklı depremler için karşılaştırılması konusu işlenmiştir. Bu amaçla bir tanesi 12 Ocak 2010 tarihinde Haiti'de meydana gelen 7.0 Mw büyüklüğüdeki deprem ile, diğeri 26 Aralık 2003'te İran'ın Bam şehrinde 6.6 Mw büyüklüğünde meydana gelen iki farklı deprem bölgesi çalışma alanı olarak seçilmiştir. Bu iki deprem için depremden dolayı oluşan yapı hasarları makina öğrenme teknikleri kullanılarak tespit edilmiş ve iki deprem için bu hasarı en çok öne çıkaran görüntü özellikleri karşılaştırılmış ve aralarındaki benzerlikler incelenmiştir.

Bahsi geçen depremler için o bölgenin deprem öncesi ve deprem sonrası görüntüleri Quickbird ve Worldview-1 uydularından multispectral ve panchromatic olarak temin edilmiş daha sonra bu görüntülerden uzaysal çözünürlüğü daha yüksek pansharpened görüntüler elde edilmiş ve bu görüntüler işlemlerde kullanılmıştır. Multispectral görüntüler genellikle bir piksel için 4 kanal veriye sahiptir. Bunlar kırmızı, yeşil, mavi renk verisi ve yakın kızıl ötesi spectrum verileridir. Multispectral görüntülerin uzaysal çözünürlüğü düşüktür. Panchromatic görüntüler ise tek kanal veri içermekte ve bir piksel için geniş bir dalga boyunda ışığı yakalayan sensörler ile yakalanmış veriden oluşmaktadır. Çözünürlüğü multispectral görüntülere göre çok daha büyüktür. Burada belirtilen çözünürlük bir pikselin gerçek anlamda kaç metrekarelik bir alanı temsil ettiğini gösterdiğinden yüksek çözünürlüklü veriler daha fazla bilgi içermektedir. Bu iki görüntüyü birleştirerek 4 kanal veriye sahip yüksek çözünürlükte renkli görüntüler elde edilebilmektedir. Bunlara Pansharpened görüntüler denir.

Bölgenin deprem öncesi görüntüleri, yapıların arsa sınırlarını belirlemek için kullanılmıştır. Makine öğrenme yöntemlerinden bir tanesi olan Support Machine Vectors (SVM) ile çok sınıflı sınıflandırma tekniği kullanılarak piksel ve doku tabanlı sınıflandırmalar yapılmıştır. Bu sınıflandırma ile yapılar, yollar ve bitkiler sınıflandırılabilmiştir. Deprem sonrası görüntüler ile de tek sınıflı SVM öğrenme tekniği kullanılarak yapının hasarlı yada hasarsız olduğu şeklinde bilgisi elde edilmiştir. Ancak bu işlem yapının tamamı için değil deprem sonrası görüntüler üzerinde deprem öncesi görüntülerden elde edilen yapı arsa sınırları baz alınarak oluşturulan ve benzer özelliklerdeki alanları gruplama amacı taşıyan bölümlendirme (segmentation) işlemi ile elde edilmiş yapının alt alanlarında obje tabanlı sınıflandırma yöntemiyle yapılmıştır. Bu alt alanların hasar durumuna göre alan büyüklükleri ile doğru oranlayarak yapı bloğunun tamamı için yapı hasarı belirlenebilmektedir.

Yapı hasarının tespitinde kullanılan görüntüler genellikle yüksek çözünürlüklü görüntülerdir. Uzaysal çözünürlüğü 10 metre yada daha küçük olan görüntüler ile yapı hasarı yapı seviyesinde basit bir kaç grupta tanımlanabilirken çözünürlüğü metre altına inen görüntülerle yapı hasarı daha detaylı olarak farklı yapı bölümleri için tanımlanabilmektedir. Örneğin bu çalışmada kullanılan görüntülerin çözünürlüğü Bam depremi için 0.6 metre ve Haiti depremi içi 0.5 metredir. Buda görüntüdeki bir pikselin gerçek dünyada 0.6 metreye 0.6 metrelik ve 0.5 metreye 0.5 metrelik kare alana karşılık geldiğini belirtir. Ancak günümüzde bile hala yapı hasarı, çözünürlüğü 0.5 metre olan görüntülerle bile yapı bazında birebir olarak tam yapılamamaktadır. Kullanılacak görüntüler uzaydan veya havadan insanlı, insansız hava araçları ile elde edilmiş olabilir. Bir diğer veride eldeki mevcut haritalardan veya yerinde elde edilen her türlü yardımcı veriden oluşur. Bu verileri 4 ana gruba ayırabiliriz. Bunlar Optik görüntüler, SAR (Synthetic Aperture Radar) verileri, LiDAR (Light Detection And Ranging) verisi ve yardımcı verilerdir. Bu çalışmada sadece optik görüntüler kullanılmıştır.

Bir görüntüden oluştutulabilecek sonsuz sayıda özellik vardır. Önemli olan bu özelliklerden hangisinin yapılacak işleme göre anlamlı olduğudur. Bu sebeple seçilen özellikler arasından öne çıkan özellikler, özellik seçme yada özellik indirgeme olarak adlandırılan bir işleme tabi tutulur. Burada kullanılan görüntü özelliklerinin sayısı, sonucu en az etkileyecek şekilde azaltma yoluna gidilir. Buda zamandan tasarruf ve işlemlerde kolaylık sağlar. Bu çalışma kapsamında önemi bir çok kez kanıtlanmış görüntü özelliklerinden Haralick özellikleri kullanılmıştır. Bu özellikler oluşturulurken belirli bir pencere içerisinde komşu piksellerin birbiriyle olan komşulukları kullanılır. Pencere boyutu olarak 7 piksele 7 piksel bir alan seçilmiştir. Ayrıca bunun yanında görüntüdeki kenarları öne çıkaran Canny fonksiyonu ilede bir özellik oluşturulmuştur. Toplamda 85 görüntü özelliği kullanılmıştır.

Yapılan işlemler sonucunda bulunan verilere göre deprem hasarını en iyi temsil eden görüntü özellikleri Bam şehri için piksel bazında renk verisi (kırmızı, mavi, yeşil ve yakın kızılötesi) ile haralick özelliklerinden doku bazında "Auto Correlation" olarak bulunmuştur. Ancak Haiti şehri için "Cluster Shade" ve "Maximum Probability" doku özellikleri öne çıkmaktadır.

Bu tez dört bölümden oluşmaktadır. İlk bölümde tezin amacı anlatılarak literatürde daha önce yapılan benzer çalışmalar incelenmiştir. İkinci bölümde ise kullanılan yöntemler sırasıyla anlatılmıştır. Üçüncü bölümde ise Bam ve Haiti bölgeleri için yapılan analizler ve sonuçları ayrıntılı olarak sunulmuştur. Dördüncü ve sonuncu bölümde ise elde edilen sonuçlar karşılaştırılmış ve bir sonuca varılmıştır.