Yrd.Doç.Dr. Ali Ġhsan KADIOĞULLARI, Doç.Dr. Oğuz GÜNGÖR,

Prof.Dr. Emin Zeki BAġKENT

Karadeniz Teknik Üniversitesi / TRABZON

3.4.1.1-Ormanın Haritasının Yapımı

Planda; Meşcere Haritası, Fonksiyon Haritası ve Topoğrafik Meşcere Harita mevcuttur.

İşletme şefliği ormanlarının haritasının yapılmasında, Bilgi Sistemleri Dairesi Başkanlığı‟ndan

temin edilen; Harita Genel Komutanlığınca üretilmiş olan 1/25000 ölçekli eşyükselti eğrili

haritalardan yararlanılmıştır. Bilgisayar ortamında paftalar üzerinde, bölme taksimatları, plan ünitesi

sınırları, önemli dere, tepe, sırtlar sayısal ortamda çizilmiştir. Daha sonra orman haritasının

yapılmasında, Bilgi Sistemleri Dairesi Başkanlığı tarafından verilen sayısal hava fotoğraflarından

yararlanılmıştır. Bunların özellikleri:

- 2011 yılındaki uçuşlardan elde edilmiş,

- 3 Band (Red-Greeen-Blue) + ColorInfrared (CIR)

- 1/60 000 – 70 000 ölçeğinde

- 30 cm çözünürlüğünde

- UTM WGS-84 Projeksiyon Sistemindedir.

Plan Ünitesi içerisinde alımı yapılan bütün sayısal hava fotoğrafları Match-AT Inpho yazılımı

kullanılarak modellenmiş ve ortofotoları hazırlanmıştır. Ortofoto harita üretimi için arazi yapısının

kırıklı olduğu ve yoğun ormanlık alana sahip paftalarda 5 metre karelik alanlarda, nisbeten ziraat

alanları ile kaplı arazilerde ve arazi yapısının düz olduğu alanlarda 10 metre karelik alanlarda sayısal

arazi ve yüzey modelleri oluşturulmuştur. Ancak, çalışma alanındaki örnek ağaçların boylarını ölçmek

amacıyla 1 metre karelik alanlarda sayısal arazi yüzey modeli (SYM) ve 1,5 metre karelik alanlarda

ise sayısal arazi modeli (SAM) için nokta bulutu oluşturulmuş ve nokta bulutu verisi “*.las; LIDAR

Data Exchange File” uzantılı olarak kayıt edilmiştir. Hazırlanan bu arazi modelleri kullanılarak 3

boyutlu sayısal hava fotoğraflarından Match-AT ortovista modülü ile 35 cm piksel boyutundaki 4

bantlı ortofoto haritalar üretilmiştir. Bu ortofotolardan UMT WGS 84 37. zone projeksiyon koordinat

düzlemine ait pafta indeksine göre pafta bazında foto-mozaikler üretilmiştir. Plan yapıcıları tarafından

sayısal hava fotoğrafı mozaik görüntülerinden (2 boyutlu) taslak meşcere haritaları farklı Coğrafi Bilgi

Sistemleri (CBS) ve uzaktan algılama (UA) yazılımları kullanılarak üretilmiştir. Bu taslak harita

arazide incelenmiş ve gerekli düzeltmeler yapıldıktan sonra büroda ise 3 boyutlu uzaktan algılama

yazılımları ile meşcere haritasına son şekli verilmiştir. Bu işlemler sırasında yersel gözlemler ve

incelemelerle birlikte bir önceki planın amenajman haritasının sayısal formundan, orman işletme

şefliğindeki orman mühendislerinin bilgilerinden de yararlanılmıştır.

Ayrıca 1/25000 ölçekli askeri paftaların üzerine meşcere haritasının bindirilmesi suretiyle

“Topoğrafik Meşcere Haritası” da hazırlanarak plana eklenmiştir. Yapılan haritadan yararlanmayı

kolaylaştırmak amacı ile kullanılan özel işaretler, koordinat bilgileri ve renkler, paftaların adlarını ve

konumlarını gösteren bilgiler haritaya eklenen köşede gösterilmiştir. Bu suretle MEŞCERE

HARİTASI haline getirilmiştir. Bu orijinal harita, bilgisayar yazıcısı ile çıktı alınmış ve renkli

fotokopi yöntemiyle çoğaltılmıştır. Orman Genel Müdürlüğü‟nün 2013 Yılı Uzaktan Algılama

Yöntemi ile Fonksiyonel Amenajman Planlaması Arazi ve Büro Çalışmalarına Ait Teknik

İzahnamesine göre çalışmalar yapılmıştır. Plan ünitesi hudutları dâhilinde kesinleşmiş veya

tescillenmiş kadastro sınırları, İşletme Müdürlüğü tarafından yüklenici firmaya verilmiş ve meşcere

sınırları kesinleşmiş veya tescillenmiş olan bu sınırlara göre oluşturulmuştur. Bu sınırlara uyumluluk

0,3 hektardan küçük alanlarda 2013 yılı Teknik İzahname gereği sağlanamamıştır.

Ormanların yoğun olduğu bölgeler 3 boyutlu diğer alanlar ise foto-mozaiklerden 2 boyutlu

olarak yorumlanmıştır. Bu yorumlamalar sonucunda oluşan taslak meşcere haritası orman işletme

şefinin katkılarıyla birlikte 20 günlük bir arazi programıyla yerinde incelenerek az miktarda örnek alan

alınmış ve üzerinde gerekli düzeltmeler yapılmıştır. Meşcere haritasının yapımında; yöreyi iyi bilen

Orman İşletme Müdürlüğü çalışanlarından, sayısallaştırılmış eski plan verilerinden, ağaçlandırma

projelerinden vb. sayısal altlıklardan da yararlanılmıştır. Son hali verilen meşcere haritası Amenajman

Rehberlik ve Denetim Başmühendisi tarafından da incelenmiştir.

Bu bölgelerde;

Doğal orman alanlarının meşe ve az miktarda kavak ağaç türlerinden olması,

Benzer meşcere yapısına sahip olması,

Ağaçlandırma sahalarının neredeyse hiç olmaması, meşcere haritasının oluşturulmasında bir

avantaj olarak karşımıza çıkmıştır.

Teknik talimatlar gereği yaş ve bonitet haritası yerine Fonksiyon Haritası yapılmıştır. Bu

haritalardan yararlanmayı kolaylaştırmak için kullanılan paftaların adları, Orman Amenajman

Yönetmeliğinin belirttiği özel işaretler ve renkleri içeren lejant düzenlenmiştir. Yapılan bu çalışma ile

sadece meşcere haritası çizilmemiş, işletme şefliği bazında birçok veriye ulaşmayı sağlayacak bir

konumsal veri tabanı da oluşturulmuştur.

Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Teknolojileri Ġle Orman Envanterinin

Yapılması

Bu kapsamda farklı CBS ve uzaktan algılama yazılımları kullanılmış, hangi yazılım ile daha

hızlı ve doğru bir şekilde kesim meşcere haritalarının üretilebileceği test ediliştir. eCognition,

DAT/EM, ArcGIS stereo analysis eklentisi, MATLAB, ERDAS imagine ve diğer programlar ile

meşcere haritası üretimi bu planın hazırlanması sırasında kullanılmış ve değerlendirilmiştir.

a) eCognition yazılımı ile taslak meĢcere haritası üretimi

Ecognition yazılımı kullanılarak 4 bantlı ve 35 cm konumsal çözünürlükte hazırlanmış

ortofoto haritalar nesne tabanlı olarak sınıflandırılmıştır. Bu sınıflandırma işlemi ile elde edilen vektör

haritalar bir dizi işlemden geçirilerek taslak meşcere haritaları elde edilmiştir. Bu işlemler;

Renk ve ölçek ayarı ile nesne tabalı sınıflandırma,

Yansıma değerine göre tüm sınıflandırma verilerinin vektör (shape file) formatta kayıt

edilmesi,

Benzer yansıma değerine sahip poligonların birleştirilmesi,

Çok kırıklı bir yapıya sahip olan vektör haritaların topoloji hatası olmaksızın oval yapıya

dönüşmesi,

0,3 ha dan daha küçük alanların elenmesidir.

Bu işlemler sonucunda elde edilen taslak meşcere haritası, kesin meşcere haritasının

hazırlanması amacıyla ArcGIS stereo analysis ve DAT/EM gibi yazılımlarda kullanılmak üzere bir

altlık harita olarak kullanılmıştır. eCognition yazılımı ile taslak meşcere haritaları üretilirken hiçbir

şekilde manuel müdahale veya editleme yapılmamıştır.

“eCognition developer

programı” arayüzü ve

ortofoto haritanın nesne

tabanlı sınıflandırılması

“eCognition developer programı”‟nda

kullanılan örnek nesne tabanlı sınıflandırma

parametreleri

Scale:170

Color: 0.7

“eCognition developer

programı”‟nda

sınıflandırılmış poligon

haritasının yansıma

değerlerini içerecek

şekilde “shape file”

formatında kayıt

edilmesi (0-256 arası

renk kodu içermektedir)

“eCognition developer

programı” ile

hazırlanmış ilk ham

taslak meşcere haritası

“dissolve” komutu ile

ArcGIS 10.0

yazılımında yakın

yansıma değerine sahip

poligonların

gruplandırılması

“Smooth poligon”

Kırıklı (piksel bazlı,

köşeli) yapıya sahip

haritanın daha oval

hatlara çevrilmesi ve

topoloji hatalarının

giderilmesi

Kırıklı yapıya sahip

haritaların sınırlarının

oval yapıya

dönüştürülmesi

Mavi çizgiler kırıklı

poligon haritayı, sarı ise

oval yapıya dönüşmüş

taslak meşcere haritasını

göstermektedir.

“Eliminate” komutu ile

ArcGIS 10.0 yazılımı ile

küçük alanları elenmiş

taslak meşcere haritası

b) ArcGIS 10.0 stereo analysis modülü (eklentisi) ile meĢcere haritası üretimi

Ecognition veya diğer yazılımlar ile yada manuel olarak 2 boyutlu hazırlanan taslak meşcere

haritaları bölme katmanı ile kesiştirildikten sonra kesin meşcere haritası üretiminde kullanılmaktadır.

Hazırlanan bu bölmecik haritası 2 boyutlu veya 3 boyutlu olarak ArcGIS stereo analysis eklentisi ile

kesin meşcere haritası yapımında kullanılmaktadır. Aşağıdaki resimlerde de görüldüğü üzere, plan

yapımında hava fotoğraflarının 3 boyutlu analiz edilmesi ve aynı anda ArcGIS yazılımında

editlenebilmesi plan yapıcıya büyük avantaj sağlamaktadır. ArcGIS stereo analysis eklentisi ile sayısal

hava fotoğraflarının bir pencerede 3 boyutlu görülürken, yan pencerede ise ortofoto haritaların 2

boyutlu görülebilmekte ve aynı alana otomatik olarak zoom yapmakta (yaklaşmakta) ve üzerlerine

araziden alınan istikşaf ve örnek alan bilgilerinin eklenmesi ile çok hızlı ve güvenli bir şekilde kesin

meşcere haritasının manuel olarak üretilmesini sağlamaktadır. Buradaki en önemli eksiklerden birisi

poligon veya nokta bazında (etiket; meşcere tipi vs.) istenilen özelliklerin stereo ekranında

gösterilmemesidir. Çalışma alanına ilişkin 2 boyutlu haritanın 3 boyutlu olarak sayısal hava fotoğrafı

üzerinde gösterilmesi veya 3 boyutlu haritaya dönüştürülmesi aşamasında 5 metrekarelik alanlardan

üretilmiş milyonlarca noktadan oluşan sayısal arazi modelleri kullanılmaktadır. ArcGIS stereo analysis

eklentisi MATCH-AT programında hazırlanmış olan proje dosyasını okuyabilmekte ve fotoğrafları

bindirmeli olarak modellemektedir.

Kahta orman işletme şefliğinin ArcGIS 10.0 stereo analysis programında kesin meşcere haritasının

hazırlanması

c) DAT/EM ve ArcGIS programları ile meĢcere haritası üretimi

Ecognition veya diğer yazılımlar ile yada manuel olarak 2 boyutlu hazırlanan taslak meşcere

haritaları bölme katmanı ile kesiştirildikten sonra kesin meşcere haritası üretiminde kullanılmaktadır.

Hazırlanan bu bölmecik haritası 2 boyutlu veya 3 boyutlu olarak DAT/EM ve aynı anda eş güdümlü

olarak ArcGIS 10.0 yazılımı ile kesin meşcere haritası yapımında kullanılmaktadır. Aşağıdaki

resimlerde de görüldüğü üzere, plan yapımında hava fotoğraflarının 3 boyutlu analiz edilmesi ve aynı

anda ArcGIS yazılımında editlenebilmesi plan yapıcıya büyük avantaj sağlamaktadır. Üç boyutlu

özelliğe sahip monitörde NVDIA gözlükler ile DAT/EM yazılımında sayısal hava fotoğrafları 3

boyutlu görülebilmekte ve üzerlerine istenirse 2 veya 3 boyutlu bölmecik sınırları, deneme alanı ve

istikşaf noktası bilgileri eklenebilmektedir. Aynı anda, diğer monitörde ise ArcGIS 10.0 yazılımındaki

2 boyutlu haritalar ortofoto altlık haritası üzerinde görülürken DAT/EM yazılımı ile eşgüdümlü olarak

aynı alana otomatik olarak zoom yapmakta (yaklaşmakta) ve çok hızlı ve güvenli bir şekilde kesin

meşcere haritasının manuel olarak üretilmesini sağlamaktadır. DAT/EM yazılımının en önemli

artılarından birisi poligon veya nokta bazında (etiket; meşcere tipi vs.) istenilen özelliklerin 3 boyutlu

hava fotoğrafları üzerinde de görülebilmesi ve ArcGIS programında veya DAT/EM yazılımında

yapılan her türlü editleme (poligon kesme, birleştirme, çizgi çizme vs.) işleminin anında diğer ekranda

görülebilmesidir. Aynı zamanda DAT/EM yazılımında 2 ve daha düşük kapalı meşcerelerdeki

ağaçların boyları pratik bir şekilde ölçülebilmekte ve meşcere tipi yorumlamada önemli bir artı

sağlamaktadır. Çalışma alanına ilişkin 2 boyutlu haritanın 3 boyutlu olarak sayısal hava fotoğrafı

üzerinde gösterilmesi veya 3 boyutlu haritaya dönüştürülmesi aşamasında 5 metre karelik alanlardan

üretilmiş milyonlarca noktadan oluşan sayısal arazi modelleri kullanılmaktadır. DAT/EM yazılımı

MATCH-AT programı tarafından kaydedilen Summit proje dosyasını okuyabilmekte ve fotoğrafları

bindirmeli olarak modellemektedir.

Kahta orman işletme şefliğinin a ) DAT/EM ve b)ArcGIS 10.0 programlarında eşgüdümlü olarak

kesin meşcere haritasının hazırlanması

a

b

Kahta orman işletme şefliğinin DAT/EM ve ArcGIS 10.0 programlarında eşgüdümlü olarak kesin

meşcere haritasının çizim aşamasının gösterimi

d) MATLAB, ERDAS ve diğer programlar ile meĢcere haritası üretimi

Uzaktan algılama yeryüzündeki objelere fiziki temas etmeden ilgili objeler hakkında birtakım

tanımlayıcı bilgilere ulaşmaya çalışır. Orman ekosistemleri kapladıkları alan, konumsal dağılım, içerik

ve niteliği itibarıyla farklılık göstermekte ve zamansal olarak da değişmektedirler. Özellikle orman

amenajman planlarının yapımında meşcere tanımlamasının/algılamasının yapılarak ilgili planlama

biriminin ağaç türü, gelişim çağları ve kapalılık itibarıyla meşcerelerin doğru tanımlanarak haritasının

oluşturulması orman envanterinde önemli yer tutmaktadır. Buradan hareketle, orman amenajman

planlarının yapımında zaman ve emek yoğun olan ve bazen de güvenlik ve ulaşım sorunlarının

yaşandığı durumlarda özellikle meşcere haritasının oluşturulmasında yersel ölçümlerin yerine uzaktan

algılama teknolojilerinden faydalanılması yoluna gidilmiştir. Örnek bir model çalışma olarak bu

planlama biriminde uzaktan algılama teknolojileri kullanılmış ve 2011 ve 2012 tarihlerinde çekilmiş

ortalama 1/60000-1/70000 arasında ortalama ölçekli 30 cm konumsal ve geometrik hassasiyette

sayısal hava fotoğrafları kullanılarak kapalılık, tür ve gelişme çağlarına göre sınıflandırma yapılarak

taslak meşcere haritası oluşturulmaya çalışılmıştır.

Bu bölümde sınıflandırılmış görüntü kullanarak kapalılık haritası üretiminin araziye çıkmadan

otomatik olarak nasıl üretildiği, bindirmeli görüntülerden üretilen 3-Boyutlu nokta bulutu ile ağaç

yüksekliklerinin/boylarının nasıl belirlenebildiği ve son olarak da ağaç tepe çaplarının otomatik olarak

belirlenmesine yönelik yapılan çalışmalar ayrıntılı olarak verilmiştir.

Kapalılık haritasının üretilmesi; 4 bant (mavi, yeşil, kırmızı ve kızılötesi) sayısal hava

fotoğrafları Destek Vektör Makineleri (DVM) yöntemi kullanılarak sınıflandırılmıştır. Bu

sınıflandırma yönteminin kullanılmasının sebebi piksel tabanlı sınıflandırıcılar içerisinde en yüksek

sınıflandırma doğruluğunu veren sınıflandırıcılar içerisinde öne çıkmasıdır.

Ülkemizde envanter çalışmalarında meşçere tipi haritaları üretilirken ağaç türü karışımı,

kapalılık, çap, yaş, tepe çapı, yanıcı madde miktarı gibi çeşitli meşcere parametreleri yersel ölçümlerle

toplanmaktadır. Bu işlemler çok zaman alıcı olmakta ve işgücü gerektirmektedir. Ayrıca meşcere

haritaları 10 yılda bir ancak yenilendiği için örneğin yangın bilgileri anında güncelliğini kaybetmiş

olabilmektedir. Bu amaçla yukarıda sözü edilen parametrelerden kapalılık haritalarının ve yanıcı

madde miktarının sınıflandırılmış görüntüler üzerinden elde edilebilirliği araştırılmıştır. Bu maksatla

Matlab yazılımı kullanılarak bir kod geliştirilmiş ve kapalılık haritası otomatik olarak havadan çekilen

görüntüler üzerinden üretilmiştir.

Kapalılık bir alanda bulunan ağaçların tepe çatıları itibarıyla birbirlerine göre sık veya seyrek

olma durumlarını yani toprağı örtme derecesini temsil etmektedir. Bu nedenle kapalılık haritası

üretilirken sınıflandırılmış görüntüde sadece iğne ve geniş yapraklı ağaç ve gölge sınıflarına ait

pikseller dikkate alınmış ve belli bir alandaki yoğunlukları hesaplanarak kapalılık derecelerine karar

verilmiştir. Sınıflandırılmış görüntü üzerindeki ağaçlar incelendiğinde her bir ağacın ortalama 10-15

metre çapında bir alanı kapladığı görülmüştür. Kullanılan görüntü 0,3 metre (1 piksel) çözünürlükte

olduğu için bu 35-50 piksel çapında bir alana denk gelmektedir. Özellikle 1 kapalı bir alanda ağaçlar

arası boşluğun en az bir ağaç mesafesi kadar olabildiği göz önüne alındığında bir alana ait kapalılık

miktarının belirlenmesi için en az 40 piksel (12 metre) çapında bir alanın incelenmesi gerektiğine

karar verilmiştir. Bu nedenle sınıflandırılmış görüntü üzerinde 41x41 piksel boyutlarında inceleme

alanları (pencereler) alınmıştır. Bu pencerenin içerisine düşen iğne ve geniş yapraklı ağaç ve gölge

piksellerinin yoğunluğunun ağaçsız boş alanları temsil eden diğer 4 sınıfa ait piksellerin yoğunluğuna

olan oranları hesaplanarak pencerenin merkezindeki piksel için kapalılık oranı belirlenmiştir ve bu

piksel kapalılık derecesine göre farklı bir renkle etiketlenmiştir. Her bir pencere merkezindeki piksel,

eğer ağaç ve gölge piksellerinin kapladığı alan %0-10 arası ise boş alan, %11-40 ise 1-kapalı, %41-70

ise 2-kapalı ve %71-100 ise 3-kapalı olarak etiketlenmiştir. Her bir piksel için tek tek gerçekleştirilen

bu işlem aşağıdaki şekilde anlatılmaktadır.

İlk olarak işlem görüntünün sol üst köşesinden başlar ve görüntünün 1681 adet pikseli (41x41)

alınır. Bu pikseller içinde ağaç ve gölge sınıfına ait piksellerin diğer piksellere olan oranı hesaplanır.

Bulunan oran yukarıda belirtilen kategorilerden hangisi içine düşerse orijinal görüntüde satır ve sütün

numarası 20 olan piksel için kapalılık miktarı hesaplanmış olur. Aşağıdaki şekilde görüntünün sol üst

köşesindeki mavi piksel bu durumu göstermektedir. Daha sonra pencere bir piksel sağa kaydırılarak

yine merkezdeki piksel için kapalılık miktarı bulunur. Yine kapalılık haritası oluşturma şeklinde sol

üst köşede gösterilen kırmızı piksel (bu piksel orijinal görüntüde (satır=20 ve sütun= 21)

konumundadır) ikinci adım sonucu etiketlenen pikseli göstermektedir. İşlem bu şekilde devam ederek

tüm görüntü taranana kadar sürdürülür. Son adım olarak bu şekilde sağ alt köşede gösterilen

pencerenin merkezindeki piksel (mavi piksel) etiketlendirilir ve işlem sonlandırılır. Bu işlemin

sonucunda aşağıda şekilde verilen kapalılık haritası oluşturulmuştur.

Kapalılık Haritası Oluşturma Yöntemi

Sınıflandırmada dört farklı sınıf kullanılmıştır. Bunlar orman, çimen, gölge ve diğer arazi

özelliklerine ait sınıftır. Sınıflandırma sonucunda üretilen tematik harita incelendiğinde, sınıflandırma

işleminin yüksek başarı ile yapıldığı görülmektedir. Ayrıca sınıflandırma işleminin başarısı sayısal

olarak da incelenmiştir. Bu amaçla “Erdas Imagine” yazılımında sınıflandırılmış görüntü üzerine

rastgele dağılımda olmak üzere Kahta bölgesi için 310 adet nokta atılmış, görsel olarak ve arazide

İlk etiketlenen

piksel

ikinci

etiketlenen

son

etiketlenen

41X41

boyutlarında

pencere

Sınıflandırılmış

Görüntü

alınan örnek alan verileri ile istikşaf verilerini kullanarak bu noktaların hangi sınıflara atanmaları

gerektiği belirlenmiştir. Daha sonra bu noktalar için belirlenen sınıf değerleri destek vektör makineleri

yöntemi sonucu yazılımın bulduğu sınıf değerleri ile karşılaştırılmış ve aşağıda şekil ile tabloda

verilen hata matrisi oluşturulmuştur.

Kahta örnek alan (solda), Örnek alanın SVM ile sınıflandırılması ile elde edilen görüntü (sağda)

Destek Vektör Makineleri (DVM) Sınıflandırıcı ile sınıflandırılmış Kahta görüntüsüne ait hata matrisi

Sınıf Toplam

Referans

Piksel

Toplam

Sınıflandırılmış

Piksel

Toplam Doğru

Piksel

Üretici

Doğruluğu

Kullanıcı

Doğruluğu

Ağaç 68 71 59 %86.76 %83.10

Gölge 78 71 70 %89.74 %98.59

Çimen 72 70 59 %81.94 %84.29

Diğer 92 98 92 %100.00 %93.88

Toplam 310 310 280

Genel Sınıflandırma Doğruluğu : %90.32 Ortalama Kappa İstatistiği : 0.8703

Hata matrisi incelendiğinde Destek Vektör Makineleri (DVM) yönteminin doğruluğunun

Kahta bölgesi için %90 ve Kappa değerleri ise %87 olarak belirlenmiştir. Aynı görüntü ayrıca En

Küçük Mesafe (minimum distance), En Çok Benzerlik (maximum likelihood), Fisher Linear

Discriminant (FLD), ve ECHO yöntemleri kullanılarak da sınıflandırılmıştır. Sonuç olarak SVM

yönteminin literatürde de söylendiği üzere diğer sınıflandırıcılardan ortalama %8-10 puan daha iyi

sonuç verdiği gözlemlenmiştir.

Kahta orijinal görüntüsü (a) ve Kahta için üretilen kapalılık haritası (b)

Kapalılık haritası oluşturuken özellikle meşcere alanlarının sınırlarını oluşturan bölgelerde

poligonların homojenliğini bozan bazı hatalı piksellerin üretildiği görülmüştür. Bu problemi ortadan

kaldırmak için ArcGIS CBS programında Spatial Analist araç kutusundaki ‘boundry clean’ aracı

kullanılmış ve böylece meşcere alanları arasında daha temiz geçişler sağlanmıştır.

a

b

Üretilen kapalılık haritasının doğru olup olmadığını test etmek amacıyla vektörel olarak

elimizde bulunan bölgeye ait kapalılk haritası sınıflandırılmış görüntü ile çakıştırılmıştır. Geliştirilen

model ile sınıflandırılmış görüntü üzerine çakıştırılmış meşcere haritası incelendiğinde benzer olduğu

ve meşcere kapalılık haritalarının üretiminin araziye çıkılmadan yapılabileceği görülmektedir.

Bir sonraki aşamada bindirmeli hava fotoğraflarında üretilen 3-Boyutlu nokta bulutları

kullanılarak ağaç yüksekliklerinin (boylarının) otomatik olarak nasıl elde edilebileceği araştırılmıştır.

Sayısal hava fotoğrafları alımı yapılırken her bir pikselin konumsal bilgileri kaydedilmiştir. Bu amaçla

öncelikle görüntüsü alınan bölgeye ait üç boyutlu nokta bulutu ve sayısal yüzey modeli üretilmiştir.

Bu işlem Match-AT veya AgiSoft Photo Scan yazılımlarından birisi ile yapılabilir. Bu amaçla yer

kontrol noktalarının koordinatlar ve çekim anında uçağın kaydettiği GPS IMU (yer koordinatları,

sayısal hava fotoğrafları kalibrasyon bilgileri ve yükseklik bilgileri) kayıtları kullanılarak ortofotolar

üretilmiştir. Ortofoto üretiminden sonra 3 Boyutlu nokta bulutu elde edilmiştir. 3 boyutlu nokta bulutu

bindirmeli görüntüler ile yazılımın her iki görüntüde de karşılıklı olarak bulabildiği pikselin hem X,Y

koordinatları ve hem de yükseklik (Z) bilgisini hesaplayabilmesi demektir. Bu noktalar kullanılarak

arazinin 3 boyutlu modeli elde edilebilir.

Üretilen nokta bulutu ile öncelikle Sayısal Yüzey Modeli (SYM) üretilir. SYM hem zemindeki

hem de ağaç üzerindeki noktaları içerir. Oysa bizim amacımız ağaç yüksekliklerini otomatik olarak

bulmaktır. Bu amaçla üretilen nokta bulutunda tam zeminde olan noktalar bulunarak Sayısal Arazi

Modeli (SAM) üretilir. Daha sonra SYM‟den SAM Erdas Imagine yazılımı ile raster tabanlı

çıkarılarak ağaç yükseklikleri tespit edilir. Bu işlemin milyonlarca nokta için tek tek yapılması

mümkün değildir. Bu yüzden zemin üzerinde bulunan noktaları tespit ederek SAM üretimi işleminin

SYM‟ni oluşturan nokta bulutunun filtrelenmesi ile gerçekleştirilmesi yoluna gidilmiştir. Filtreleme

işlemi ENVI LIDAR yazılımı ile gerçekleştirilebilir.

ENVI LIDAR programı ortofoto, sayısal arazi modeli, sayısal yükseklik modeli ve eş yükselti

eğrileri vb. sonuç ürünleri üretebilmektedir. Programın Outputs sekmesinin altında üretilmesi

amaçlanan ürünler (sayısal yükseklik modeli, binalar, ağaçlar, eş yükseklik eğrileri vb.) seçilir. Yine

bu sekmede ilgili koordinat bilgileri girilir. Area Definition sekmesinde ise çalışma bölgesi seçilir. Bu

programda 50 cm‟den 10 m çözünürlüğe kadar SYM üretilebilir. Production Parameters sekmesinin

altındaki Grid Resolution sekmesinde arzu edilen çözünürlük değeri girilerek bu işlem

gerçekleştirilebilir. ENVI LIDAR yazılımı çıplak arazi seviyesinin altındaki noktaların filtrelenmesi

amacıyla kentsel (Urban Area Filtering) ve kırsal (Rural Area Filtering) alan filtrelemesi

kullanmaktadır. Bu filtreler kullanılırken nokta bulutu çözünürlüğe göre bölgelere ayrılır. Her bir

bölgedeki noktalar yüksekliklerine göre sıralanır ve orta nokta ile standart sapma hesaplanır. Orta

noktadan belirlenen standart sapmanın daha aşağısında bulunan noktalar nokta bulutundan çıkarılır.

Filtreleme algoritması kentsel ve kırsal alan filtreleri için farklı standart sapmalar kullanmaktadır.

Kırsal alanda gerçekleştirilen bir çalışmada kentsel alan filtresinin kullanılması nokta bulutunda

var olması gereken noktaların filtrelenmesine neden olabilir. Near Terrain Classification seçeneği ise

noktaların çıplak arazi yüzeyinde olduğunu veya bu yüzeye yakın bir yerde olduğunu belirlemede

kullanılır. Near Terrain Classification eşik değeri 15–50 cm arasında değerler almaktadır. Örneğin

eşik değeri 40 cm belirlenmişse, noktadan 0–40 cm uzaklıkta olan noktalar arazi noktası olarak

belirlenirken, 40–50 cm uzaklıkta olan noktalar ise arazi yüzeyine yakın noktalar olarak belirlenir.

Contour Lines Spacing seçeneği ile hangi aralıklarda eş yükseklik eğrisi geçirilmesi gerektiği

belirtilir. Yazılımla 50 cm‟den 10 metreye kadar aralıklarla eş yükseklik eğrisi geçirilebilir. Terrain

TIN Maximum Error seçeneği ile üretilen her bir üçgenin arazi yüzeyine maksimum düşey uzaklığı

belirlenir. Bu sayıyı azaltmak daha hassas bir TIN elde edilmesini sağlayabilir. Ancak bu durumda

üretilen üçgen sayısı oldukça artar. Maximum TIN Polygon Density üçgenler üretilirken 100x100

boyutunda bir alan için üretilmesi gereken maksimum üçgen sayısını ifade eder. Bu değerin küçük

seçilmesi durumunda arazi yüzeyinin temsili gerçekçi olmayabilir. Normal veri olarak (Default) bu

değer yazılımda 10000 seçilmiştir.

Yazılım ayrıca çıplak arazi yüzeyinin belirlenmesi için nokta bulutundan çıkartılması gereken

ağaç noktaları için de seçenekler sunmaktadır. Height (cm) Min seçeneği ile çalışma bölgesindeki

minimum ağaç yüksekliği, Height (cm) Max seçeneği ile çalışma bölgesindeki maksimum ağaç

yüksekliği belirtilir. Benzer şekilde Radius (cm) Min seçeneği ile çalışma bölgesindeki ağaçların en

incesinin yarıçapı, Radius (cm) Max seçeneği ile çalışma bölgesindeki ağaçların en kalınının yarıçapı

belirtilir. Ağaçlar ile ilgili olarak girilen bu parametreler yazılım tarafından kullanılarak ağaçlar ayrı

olarak sınıflandırılabilir veya nokta bulutundan çıkarılarak arazi yüzeyine ulaşılabilir. Yazılım çalışma

bölgesindeki binaların filtrelenmesi amacıyla da bir takım seçenekler sunmaktadır. Minimum Area

seçeneği binaların minimum alanlarını ifade eder. Algoritma çalışma bölgesindeki düz alanları arar ve

bulunca her birinin alanını hesaplar. Minimum Area seçeneğine metrekare biriminde girilen alan

değeri ve onun altındaki değerlere sahip olanlar filtrelenerek çıkartılır. Near Ground Filter Width

seçeneği ise araba, otobüs, kamyon gibi araçların bina olarak sınıflandırılmasını önler.

Gerçekleştirilen uygulama ile örnek bir bölge için ağaç filtreleme işlemleri gerçekleştirilmiştir.

Örnek bölge oldukça sık ağaçlık bir bölgedir. Aşağıdaki şekilde bölgenin ağaçlardan temizlenmemiş

hali (solda) ve filtreleme işlemleri sonucunda elde edilen çıplak arazi (sağda) görülmektedir.

Bölgenin filtrelenmemiş görüntüsü (solda), Bölgenin ağaçlar filtrelendikten sonraki görüntüsü (sağda)

örnek ağaç haritası

Yüzeyden maksimum 5 metre yükseklikte olan ve genişliği girilen değerden düşük olan

nesneler ağaç sınıfından çıkartılır. Buildings Points Range seçeneği nokta bulutunun verinin

tamamına eşit olarak dağılamadığı durumlarda ağaçların tespit edilebilmesine yarar. Eğer nokta

bulutunun yoğunluğu düşük ise (metrekareye 1 veya daha az nokta düşüyorsa) tek ağaçlar bozuk

ormanlık alan sınıfına atanamayabilir. Buildings Points Range değerini biraz daha arttırmak bu

şekildeki ağaçların tespit edilebilmesini kolaylaştırabilir. Ancak bu değerin arttırılması noktaların

diğer sınıflarla karışmasına da neden olabilir. Auto seçeneğinin seçilmesi genellikle başarılı sonuçlar

vermektedir. Plane Surface Tolerance bir noktanın çevrelediği düşey düzlemlerin incelenmesi için

kullanılan bir eşik değeridir. Veri fazla gürültüye (noise) sahip olduğunda veya çıkartılmak istenen

yüzey eğri bir yüzey olduğunda bu seçenek kullanılarak ağaçların tepe iz düşümleri belirlenir. Birimi

santimetredir ve 15 ile 60 arasında değerler almaktadır. Ayrıca General seçeneği altındaki Clip

Minimum Height ve Clip Maximum Height seçenekleri ile istenilen yükseklik değerleri arasında

çalışabilmek mümkün olmaktadır.

Gerçekleştirilen çalışma ile ilgili bütün ağaçların yüksekliklerini belirlemek mümkündür. Bu

amaçla SYM„den SAM farkını raster tabanlı çıkarma işlemi yapılarak üretilen ağaç yükseklik bilgisi

ortofoto ile ArcGIS ortamında çakıştırılır. Bu sayede görsel olarak bilgisayarda ekran üzerinde fare ile

her ağacın yükseklik bilgisi otomatik olarak elde edilebilir. Aşağıdaki şekilde iki ağaca ait

yüksekliklerin tespit edilmesine ait örnekler gösterilmiştir. Ekranın sol alt köşesinde üzerine gelinen

ağacın yükseklik bilgisi verilmektedir. Ormanların yoğun olduğu yerlerde ortalama meşcere boyu

bulunabilmektedir.

Ağaç yüksekliği belirlenmesi - Örnek ağaç 1

Ağaç yüksekliği belirlenmesi - Örnek ağaç 2

Son olarak ağaç tepe çaplarının otomatik olarak belirlenmesine yönelik çalışmalar yapılmıştır.

Bu çalışmaların sonucunda 1 kapalı olan bölgelerde yukarıdan bakıldığında zeminde dairesele yakın

bir alanı kaplayan ağaç türlerine ait tepe çapları başarılı bir şekilde otomatik olarak belirlenebilmiştir.

Bu işlem Matlab programı ile yazılmış bir kod çalıştırılarak yapılmıştır. 2 ve 3 kapalı alanlarda ise

ağaçların birbirlerine karışmaları söz konusu olduğu için henüz istenilen doğruluk sağlanamamıştır,

fakat bu problemin çözümüne yönelik çalışmalar devam etmektedir. Ayrıca sürgün kökenli meşe

ormanlarında da tepe yapıları ile ilgili verilerin sağlıklı olarak toplanamamaktadır. Bir merkezden

birden fazla bireyin çıkması bu ölçümleri zorlaştırmıştır. Tohum kökenli ormanlarda çalışmalar devam

etmektedir.

e) ÇalıĢma kapsamında kullanılan donanım alt yapısı

Orman amenajman planlarının hazırlanması sırasında altlık veri olan 3 boyutlu ve iki boyutlu

verilerin analiz edilmesinde üst düzey iş istasyonu bilgisayarlar, 3 boyutlu yüksek yenileme hızlı

monitörler, 3 boyutlu ekran kartları ve 3 boyutlu gözlükler kullanılmıştır.

Plan yapımında kullanılan ve önerilen bilgisayar alt yapısını özetleyecek olursak;

En az 120 Hz yenileme hızı olan 3 boyutlu monitör

3 boyutlu ekran kartı,

3 boyutlu gözlük,

Hızlı ve yüksek kapasitede veri işleme özelliğine sahip iş istasyonu,

Yüksek RAM (en az 16 GB) bellek tercih edilmeli,

Analiz edilen veri boyutunun çok yüksek olması nedeniyle, yüksek veri okuma/yazma

hızına sahip hard diskler seçilmelidir.

3.4.1.2-MeĢcere Tiplerinin Ayrılması Harita Üzerinde MeĢcere Tipleri Sınırlarının

Geçirilerek MeĢcere Haritasının Düzenlenmesi

Meşcere tipleri haritasının yapılmasında, 2 ve 3 boyutlu yorumlama sonucunda oluşturulan

meşcere taslağı arazide yapılan inceleme ve gözlemler sonucunda son halini almıştır. Bu amaçla hava

fotoğrafları üzerinde birbirinden farklılık gösteren alanlar ArcGIS 10.0 programı kullanılmak suretiyle

sınırlandırılmıştır. Sonrasında bu alanlardan birbirine benzer renk yansıması gösteren alanlar

gruplandırılmıştır. Bu grupların meşcereyi temsil edebilecek uygun yerlerine noktalar atılmış ve bu

noktalar arazide incelenmiştir. Arazide tam alan arazi istikşafı da gerçekleştirilmiştir. Gerekli görülen

yerlerden az sayıda örnek alan almak suretiyle de mevcut meşcere haritası oluşturulmuştur. Alınan az

sayıdaki örnek alan değerleri ile örnekleme yapılmayan meşcere tipleri için en yakın Orman İşletme

Şefliklerindeki Tablo: 13 ve Tablo 18 değerleri kombine edilerek, Tablo No.: 13 ve Tablo No.: 18‟in

temelini oluşturacak şekilde geliştirilmiştir.

Arazi çalışmaları sırasında, işletme şefliğinin 2011 ve 2012 yıllarında çekilen sayısal hava

fotoğrafları ve bu fotoğraflardan türetilen orthofoto haritalardan yararlanılmıştır. Planlamacı; söz

konusu bu sayısal görüntüleri yorumlayıp taslak meşcere sınırlarını oluşturmuştur. Çizilen bu taslaklar

arazide kontrol edilerek son halini almış ve envanter sonuçları da (Kombine Envanter Metodu ile)

değerlendirilerek meşcere haritaları oluşturulmuştur. Düzenlenen harita, kesinleşen meşcere tipleri ve

bölme taksimatlarıyla tek bir altlık olarak oluşmuş, ortaya çıkan 0,3 hektardan küçük poligonlar

komşu bölmeciklerle birleştirilmiştir.

Orman İdaresi ve Planlama Dairesi Başkanlığı‟nın APP yazılımı ve CBS tabanlı sayısal harita

programından yararlanılarak meşcere haritası çizilmiştir. Meşcere tipleri ve açıklık alanlar

sembolleştirildikten sonra harita üzerine meşcere sınırları (______) şeklinde gösterilmiştir. Meşcere

tiplerinin ayrılmasında üç kriter vardır. Bunlar; ağaç türü ve karışım şekli, gelişim çağı ve meşcere

kapalılığıdır. Bunların değerlendirilmesi ve simgelendirilmesi aşağıda açıklandığı gibi yapılmıştır.