Yüksek mekansal çözünürlüklü uydu/uçak platformlu görüntüler ve CBS teknolojisi kullanılarak Van-Erciş depremi sonrası bina hasar tespiti

Abstract

Son yıllarda jeoinformasyon ve uydu teknolojisinde gözlenen hızlı gelişmeler, farklı ve yeni araştırma konu ve uygulamaların ortaya çıkmasına neden olmuştur. Bu uygulama alanlarından biriside afet yönetimidir. Toplumların sosyoekonomik faaliyetlerini önemli ölçüde sekteye uğratan, canlılara ve çevreye büyük zararlar veren, yaralanmalara, can ve mal kayıplarına neden olan büyük oranda veya tamamen insanların kontrolü dışında gerçekleşen doğal ve teknolojik olaylar afet olarak tanımlanmaktadır. Türkiye, depremler açısından dünyanın en aktif tektonik yapılarından biri olan Alp-Himalaya fay sistemi üzerinde yer almakta ve bu konumu nedeniyle de depremsellik açısından oldukça aktif bir yapıya sahip bulunmaktadır. Bu bağlamda doğal ve/veya insan kaynaklı afetlere karşı önceden planlamaların yapılması, riskli bölgelerin tespit edilip gerekli önlemlerin alınması, afet sonrası hasar tahmini, tespiti ve bölgede meydana gelen değişimin izlenmesi afet yönetimi açısından son derece büyük önem arz etmektedir.Bu tez çalışmasında 23 Ekim 2011 tarihinde Van ili sınırları içinde meydana gelen 7.2 şiddetindeki Van-Erciş depremi çalışma bölgesi olarak seçilerek, yüksek mekansal çözünürlüklü uydu görüntüleri ve ortogörüntüler ile, deprem sonrası yıkılmış ve/veya ağır hasar görmüş binaların sınıflandırma yöntemleri yardımıyla tespit edilmesi, deprem sonrası bölgeye ait değişimin izlenmesi ve Coğrafi Bilgi Sistemi (CBS) tabanlı 3-boyutlu interaktif veritabanı oluşturularak farklı mekansal sorgulamaların yapılabilmesi amaçlanmıştır.Bu amaç doğrultusunda doktora tezinde öncellikle bölgeye ait veri setlerinin temini gerçekleştirilmiştir. Elde edilmiş olan veri setleri 3 ana sınıf altında gruplanmıştır. İlk grupta yer alan yüksek mekansal çözünürlüklü uydu verileri olarak, deprem öncesi Worldview 2 ve deprem sonrası Quickbird 2 uydu verileri kullanılmıştır. İkinci grup olan ortogörüntüler ise deprem öncesi Tapu Kadastro Genel Müdürlüğü'nden, deprem sonrası ise Harita Genel Komutanlığı'ndan temin edilmiştir. Son veri seti olan Streetview görüntüleri, bölgenin afet sonrası alınmış sokak görüntüleridir. Veri setleri ile uygulama öncesinde çalışma bölgesi farklı yapıdaki 5 test bölgesine ayrılmıştır. Bu test bölgelerinin seçiminde yıkılmış ve/veya ağır hasar almış binaların yoğunlukta olduğu bölgeler gözönüne alınmış ve homojen arazi örtüsü/kullanımına sahip 2, heterojen arazi örtüsü/kullanımına sahip 3 bölge belirlenmiştir. Seçilen test bölgelerinde her bir veri seti için sırası ile klasik piksel tabanlı kontrollü sınıflandırma yöntemi ile nesne tabanlı kontrollü ve kontrolsüz sınıflandırma yöntemleri uygulanmıştır.Test bölgelerinde sınıflandırma uygulamasına geçilmeden önce göz önüne alınacak temel sınıflar belirlenmiştir. Bu bağlamda piksel tabanlı kontrollü sınıflandırma için bina, gölge, tarım alanı, yeşil alan ve yol olmak üzere toplamda 5 sınıf ve depremsonrası bina, gölge, tarım alanı, yeşil alan, yol, yıkılmış bina ve çadırkent olmak üzere toplamda 7 sınıf seçilmiştir.Nesne tabanlı kontrollü ve kontrolsuz sınıflandırma içen ise deprem öncesi görüntülerde açık alan, bina (kamu ve özel), gölge, karışık alan, tarım alanı, yeşil alan ve yol olmak üzere toplamda 7 sınıf; deprem sonrası görüntülerde ise açık alan, bina (kamu ve özel), gölge, karışık alan, tarım alanı, yeşil alan (orman, çalılık, otlak, bahçe), çadırkent, yıkılmış bina, enkaz, oyun alanı ve yol (asfalt, ana yol, tali yol, toprak yol, kaldırımlar ve dönemeçler) olmak üzere toplamda 11 sınıf seçilmiştir.Klasik piksel-tabanlı kontrollü sınıflandırma uygulaması sonrasında elde edilen tematik haritalar, piksel tabanlı sınıflandırmanın farklı özellik tipleri arasındaki spektral ayrımın gerçekleştirilmesi açısından yetersiz kaldığını (arazi örtüsü/arazi kullanımı sınıflarındaki sınıf içi yansıma çeşitliliğinin artması ve bunun sonucunda arazi örtüsü/arazi kullanımı sınıflarının karışması nedeniyle) ve bina hasar tespitine yönelik tematik haritalamada yüksek mekansal çözünürlüklü uydu görüntülerinin etkin bir yöntem olmadığını ortaya koymuştur. Bu bağlamda günümüzde piksel tabanlı sınıflandırmada mekânsal çözünürlükteki artıştan kaynaklanan spektral karışım gibi olumsuz etkilere alternatif olarak geliştirilen nesne tabanlı sınıflandırma yöntemi kullanılmıştır. Nesne tabanlı sınıflandırma işleminin ilk ve en önemli aşaması segmentasyon olup bu çalışmada tüm veri setine çoklu çözünürlüklü segmentasyon uygulanmıştır. Segmente edilmiş yüksek mekansal çözünürlüklü uydu verileri ve ortogörüntüler ile kontrolsüz ve kontrollü sınıflandırma işlemi gerçekleştirilmiştir. Öncelikle homojen ve heterojen dokudaki test bölgelerinde deprem öncesi ve sonrası kullanılan her bir veri seti için göz önüne alınan sınıfları tanımlayacak değişkenler (örneğin, GLCM, parlaklık, NDVI, boy vb.) tespit edilerek nesne tabanlı sınıflandırma yapılmıştır. Nesne tabanlı kontrolsüz ve kontrollü sınıflandırma sonuçlarının doğruluklarını kontrol etmek için 5 test bölgesinde tüm veri seti için doğruluk analizi yapılmıştır. Kontrolsüz sınıflandırmada elde edilen doğruluklar (%47-96), kontrollü sınıflandırmaya (%57-98) göre daha düşük çıkmıştır.Kontrollü sınıflandırma sonrası yapılan doğruluk analizleri incelendiğinde, deprem öncesi temin edilen ortogörüntü ve yüksek mekansal çözünürlüklü (WV2) veri setinin homojen bölgelerde daha yüksek doğruluk (%91) sağladığı görülmektedir. Bunun yanısıra heterojen bölgelerdeki doğruluklar, her iki veri setinde birbirine yakın ( % 70) çıkmıştır. Deprem sonrası temin edilen veri setinin doğruluk analizleri, QB2 uydu görüntüsünün ve ortogörüntünün (HGK) heterojen dokudaki bölgelerde birbirine yakın (%65) çıktığını göstermektedir. Ancak her iki homojen bölgede de QB2 uydu verisinin doğrulukları (%70 ve %77), aynı bölgelerin ortogörüntü doğruluklarına (%92 ve %96) nazaran daha düşük çıkmıştır. Bu farklılık QB2 verisinin mevsimsel farklılığından kaynaklanmaktadır.Nesne tabanlı sınıflandırma sonrasında test bölgelerindeki deprem öncesi ve deprem sonrasındaki değişimi belirleyebilmek için her bir veri setine değişim saptama analizi uygulanmıştır. Bu bağlamda yapılan değişim saptama analizi sonrasında 5 test bölgesinde deprem öncesi 494 adet bina sağlam, 39 adet bina yıkılmış bina olarak tespit edilmiştir. Alansal olarak toplam değişim, ortogörüntülerde yapılan analiz sonrası heterojen bölgelerde 11140 m2, homojen bölgelerde ise 2011 m2 olarak belirlenmiştir. Yüksek mekansal çözünürlüklü uydu verileri ile yapılan değişim saptama analizinde ise heterojen bölgelerdeki toplam değişim, 11039 m2, homojen bölgelerde ise 2158 m2 olarak bulunmuştur. Her iki farklı yapıdaki bölgelerde değişim alanları arasındaki farklılık, heterojen dokudaki bölgeler için, yüksek mekansalçözünürlüklü verilerde yıkılmış bina sınıflarında yapılan yanlış sınıflandırma hatasından kaynaklanmaktadır. Homojen bölgelerde ise bazı sınıfların karışması (örneğin homojen 2 bölgesinde yıkılmış bina ile yol sınıflarının karışması) sonucu 147 m2'lik alansal fark ortaya çıkmıştır.Nesne tabanlı sınıflandırma sonuçlarının görselleştirilmesi için öncellikle açık kaynak kodlu CBS yazılımı olan QGIS ile sonuçlar raster formattan vektör formatına dönüştürülmüş ve interaktif veritabanı için CBS tabanlı bir yazılım olan ArcGIS kullanılmıştır. Oluşturulan 3-boyutlu interaktif veritabanında deprem öncesi ve sonrası olmak üzere Van ili- Erciş ilçesinin 3-boyutlu tematik haritaları elde edilmiş ve bölgeye ait diğer haritalar (örneğin güncel diri fay haritası, jeoloji haritası vb.) raster formattan vektör formatına dönüştürülerek katmanlar arası çeşitli sorgulamaların yapılabilmesine imkan sağlanmıştır.Bu tez çalışmasında görüldüğü gibi, Uzaktan Algılama ve CBS teknolojileri, afet öncesinde, sırasında ve özellikle sonrasında mevcut durumun etkin bir şekilde değerlendirilmesinde ve incelenmesinde, diğer bir ifade ile afet yönetim sisteminin her aşamasında önemli rol oynamaktadır. Özellikle son yıllarda sıklıkla kullanılmakta olan yüksek mekansal çözünürlüklü uydu verileri ile afet sonrası yıkılmış binaların tespitinin mümkün olması ve arama kurtarma çalışmalarına altlık oluşturması açısından, konvansiyonel yersel ölçmelere oranla daha avantajlı olduğu görülmektedir. Ancak uzaktan algılama teknolojilerinin sunduğu avantajların yanı sıra bazı negatif etkilerin de (bulutluluk oranının yüksek olması, görüntü alım tarihi, mevsimsel etkiler vb.) veri işlemeden önce göz önüne alınması gereklidir.Özellikle büyük afetlerde aldığı hasarlar göz önünde bulundurulduğunda, ülkemizde, afetlere hazırlıklı olunması ve olası zararların azaltılması için, gelişmiş uzay ve jeoinformasyon teknolojilerini kullanan kapsamlı bir afet ve acil durum yönetim sistemine ihtiyaç duyulmaktadır. Bu bağlamda, modern afet yönetimi ve gelişmiş jeoinformasyon teknolojileri alanında eğitim, ulusal kapasite, kaynak ve insan gücünün artmasına öncelik verilmesi gerekmektedir.

Disasters, which may be natural or technological phenomena defined as an occurrence of widespread severe damage, injury, or loss of life or property that a society cannot cope and undergoes severe disruption. Among the natural hazards, earthquake is the most destructive disaster and causes huge loss of lives, heavily infrastructure damages and great economical loses. High numbers of deaths accompanying earthquakes almost result from structural collapse of poor, low-cost houses. According to the statistics about natural hazards, more than a million earthquakes occur which is equal to two earthquakes per minute in the world. During the time period of last decade, for instance between 2001–2011, natural disasters have brought about 780.000 deaths and approximately % 60 of this loss is reported due to the earthquakes.Most of the earthquakes originate along the boundaries between plates in the world. Turkey is one of the most seismically active countries in the world due to the junction of Arabian, African and Eurasian plates. According to the statistical data, every 2-3 years, destructive earthquakes occur in this country. Turkey is located on the Alpine-Himalayan mountain belt, one of the world's most active regions in terms of earthquakes, and has an active structure in terms of seismicity due to its location. The collision of African and Arabian plates with the Eurasian plate has an important role in the formation of tectonics of Turkey and its surroundings. As a result of this collision, the North Anatolian Fault Zone (NAFZ) on the Northern part of the mainland and the Eastern Anatolian Fault Zone on the Southern part of Turkey are formed. The NAFZ is a right lateral strike slip fault system, starting from Karlıova in the East and continuing to the Saroz Gulf in the length of 1200 km. The EAFZ is a left lateral strike-slip fault in NE-SW direction. Starting from Karlıova, this fault system runs for 600 km and passes through Kahramanmaraş province and joins the Dead Sea Fault Zone.A great earthquake (Mw=7.1) struck Van city center and its vicinity towns in the Eastern part of Turkey on October 23th 2011 at 13:41 local time (10:41 GMT). The epicentre coordinates of Van-Ercis earthquake was at 38° 37′ 40.8″ N, 43° 29′ 9.6″ E near Tabanlı village, 16 km far away from the Northern part of Van city centre. The main shock was occurred at 26 km depth and its duration was 50 seconds. After the main earthquake, 11 aftershocks above M>5 were occurred. According to the information provided by Prime Ministry Disaster and Emergency Management Presidency, it was recorded that, Van-Ercis earthquake caused 604 loss of life and 2608 wounded. In Van province and its town of Ercis, about 4000 buildings heavily damaged or/and totally collapsed due to the great and destructive earthquakes. Besides, a majority of the casualities and building damages occurred due to the irregular urbanization in Eastern part of Turkey.The main purpose of this doctoral dissertation is to determine and extract the buildings which have been demolished or severelydamaged after earthquake by using different image dataset (very high spatial resolution satellite images and orthophotos) with image classification and change detection methods and also to establish a 3D interactive GIS based disaster database to visualise and to build queries for the application.To assess how well remote sensing technologies can perform in detecting structural damages suffered after earthquake, conventional pixel based and object based image classification procedures were applied to all dataset for five case study areas selected. Among the five case study areas, two of the them had homogeneous urban patterns and the other three areas had heterogeneous urban patterns. The two homogeneous case study areas include mainly farm lands, vegetation areas and sparse buildings whereas heterogeneous case study areas had more dense urbanization. However the first heterogeneous case study area (named as HET 1) has patterns like a mixture of homogeneous and heterogeneous case study areas. This site was especially selected due to having the city stadium, which is used as a tentcity after the earthquake.Since rapid post-earthquake damage assessments are being efficiently made in more detail and accurately using very high spatial resolution (VHR) satellites due to ease of the interpretation of damage status of each building block or even each individual building extracted from the images by using advanced image processing techniques; in this thesis, 3 different image datasets were used ranging from VHR satellite image to orthophotos acquired pre- and post- earthquake together with the Street wiev images. As a orthophoto images, two different orthophoto datasets produced by different directorates were used. First orthophoto dataset was taken before the earthquake and produced by Directorate General of Land Registry and Cadastre. Post-earthquake orthophotos were obtained the next day after the earthquake and produced by General Command of Mapping (GCM) which is the national mapping agency of Turkey. Both orthophoto datasets have same spectral resolution (i.e. 3 spectral bands - RGB), however their spatial resolutions (i.e. pre-earthquake orthophoto dataset has 30 centimeter whereas post-earthquake orthophoto dataset has 45 centimeter spatial resolution) are different. As a VHR satellite image dataset, the Quickbird- 2 (QB2) and Worldview- 2 (WV2) images were used. Quickbird-2 is a very popular high-resolution commercial satellite with 0.6 m panchromatic and 2.4 m multispectral mode spatial resolution and has 4 spectral bands. Worldview- 2 is the first high-resolution commercial satellite with 0.5 m panchromatic and 2.0 m multispectral mode spatial resolution and has 8 spectral bands. The third dataset used was Street view images of the disaster areas at the city centre and obtained by the Earthmine Inc. on November 9th, 2011.In remote sensing, image classification is the most commonly used image processing method in order to get information about the Earth features and to categorize all pixels into one of several land cover/land use (LULC) classes. In general, most LULC classifications have been done by using a pixel based classification methods which can be either a supervised classification, unsupervised classification or hybrid clssification. These pixel based classifiers analyze the spectral properties (i.e. not spatial or contextual information) of every pixel within the area of interest. However, after the launch of VHR satellites, the efficiency of the traditional pixel-based image processing is uncertain due to higher internal variability and noise within each land-cover class in the VHR multispectral imagery. As an alternative to pixel based image analysis, the Object Based Image Analysis (OBIA), which takes not only the spectral information but also the shape, contextual and semantic information, is being used although it has also some limitations. In this thesis, first conventional pixel basedclassification approach was performed but due to limitations and mixed pixel problems encountered, the classification results were not found efficient. Hence, the object based image analysis was done in the next phase of the study. In the first phase of OBIA application, multi-resolution segmentation was applied and the most convenient parameters (such as scale, color, shape, smoothness and compactness) were chosen to obtain the objects in each case study areas. Among these parameters, scale parameter was considered the most significant one that determines the size of image objects. After the segmentation, the number of the classes that will be taken into consideration in the classification step were specified. For this purpose, the selected main land cover classes for pre-disaster image classification were determined as 7 classes in total; i.e. agricultural land, vegetation (forest, bushes, lawn, gardens), buildings (residential and public), open land, mixed areas, shadow and road (asphalted, main networks, turnouts, unpaved roads). For the post-disaster image classification, the selected classes were 11 in total and named as agricultural land, vegetation (forest, bushes, lawn, gardens), buildings (residential and public), tent city area, collapsed buildings, debris areas, open land, playground, mixed areas, shadow and road (asphalted, main networks, turnouts, unpaved roads). As a final step, supervised and unsupervised object based image classification methods were applied to five different case study areas using 2 different image datasets (i.e. VHR images and orthophotos). For the accuracy assessment, classification accuracy analyses was performed in all case study areas using with conventional error matrices after the unsupervised and supervised classification phases, it was observed that the supervised classification (%57-98) was more successful than the unsupervised classification (%47-96).When the accuracy analysis after the supervised classification is examined, it is seen that the orthophoto obtained before the earthquake and the high spatial resolution (WV2) data set provide higher accuracy (91%) in the homogeneous regions. In addition, the accuracy in heterogeneous regions is close to (70%) in both sets of data. Accuracy analyzes of the data set after the earthquake show that the QB2 satellite image and the orthophoto image (HGK) are close to each other (65%) in heterogeneous areas. However, the accuracy of the QB2 satellite data (70% and 77%) in both homogeneous regions was lower than that of orthophoto images (92% and 96%) in the same regions. This difference is due to the seasonal difference of the QB2 data.In this study, the damage, which is usually quantified in terms of the extent or density of collapsed structures, was assessed using object-based change detection approach. There were 494 buildings in 5 case study areas before the earthquake. After the earthquake, 39 buildings were classified as collapsed. The total areal extent of the changes calculated from the orthophoto dataset was 11140 m2 for the heterogenous case study areas while for the homogenous case study areas the change was determined as 2011 m2. For the VHR satellite dataset, the total areal extent of the changes for heterogenous case study areas were found as 11039 m2 while for homogenous areas was calculated 2158 m2. The differences in the areal extents were caused by the misclassification.After the processing of VHR satellite dataset and orthophotos dataset with OBIA and change detection analysis, the final step was to visualize the results in a 3D GIS based established. For this purpose, in the first step QGIS is used in order to digitize all thematic mapping results. Then geological and up to date fault maps were digitized and added as layers in Arc Catalog for the earthquake database management system. As a final phase, the ArcScene software was used to establish a 3D queryable interactive database of the study area.As shown in this PhD thesis, remote sensing and GIS play crucial role for evaluating and examining pre- and post- disaster status effectively. This integrated tool is very important for all countries, which are prone to all different types of disaster (natural hazards or through human factors) every year and should be used in the disaster management systems. As demonstrated in this study, the VHR satellite images offer significant advantages over ground-based survey for assessing building damages especially where the affected area is extensive and access limited. However, some limitations and challenges (cloud coverage, image resolutions, data acquisition in a timely manner, indistinguishable moderate/minor damage states from non-damage, seasonal effects, mixed pixels etc.) should also be considered and managed carefully.The damages, especially in the case of major disasters, a comprehensive disaster and emergency management system is needed in our country that uses advanced space and geoinformation technologies to be prepared for disasters and reduce potential damages. In this context, the priority needs to be given to education, increase of national capacity, resource and human power in the field of modern disaster management and advanced geoinformation technologies.