Professional Documents
Culture Documents
Uygulama-İnterferometrik Yapay Açıklıklı Radar Yöntemi-Uygulama1 - SAM
Uygulama-İnterferometrik Yapay Açıklıklı Radar Yöntemi-Uygulama1 - SAM
1
1.İNTERFEROMETRİK YAPAY AÇIKLIKLI RADAR (INSAR) YÖNTEMİ İLE
DİJİTAL YÜKSEKLİK MODELİ OLUŞTURULMASI
Bu çalışmada Sentinel 1B görüntüleri kullanılarak nasıl interferometri haritasının
oluşturulduğu anlatılmaktadır.
1.1. Sentinel 1-A ve Sentinel 1-B Uydu Görüntülerinin Elde Edilmesi
Bu tezde kullanılan SAR verileri, Level 1 Single Look Complex (SLC) görüntüleridir. SLC
formatı, verinin önemli faz bilgisini muhafaza eden gerçek ve sanal birimler olarak tam sinyal
bant genişliği ve karmaşık bilgiye karşılık gelen, her bir boyutta tek bir görünüme sahip olması
anlamına gelir.
Bir SLC modu olan Level-1 IW (Interferometric Wide) verisi, içerisinde “Terrain
Observation with Progressive Scans SAR (TOPSAR)” tekniğiyle elde edilmiş 3 adet şerit
(subswath) bulundurur. Her bir şeritte VH (Vertical transmit, Horizontal receive polarisation)
ve VV (Vertical transmit, Vertical receive polarisation) ya da yalnızca VV, HH (Horizontal
transmit, Horizontal receive polarisation) ve HV (Horizontal transmit, Vertical receive
polarisation) ya da yalnız HH polarizasyonlu görüntüler bulunur. Verinin tek veya çift
polarizasyonlu olması bölgeye göre değişiklik gösterir. Bu durumda toplamda, tek bir SLC IW
verisi içinde 3 veya 6 adet görüntü bulunur. [9]
Bu tez çalışması için kullanılan veri, Sentinel-1A ve Sentinel-1B uydularından
Interferometric Wide (IW) modunda, C-bandında elde edilmiştir. Veri, çalışma bölgesi seçimi
için göz önüne alınması gereken etmenlerin değerlendirilmesi sonucunda İç Anadolu
Bölgesi’nde yer alan Ankara şehri ve çevresinden seçilmiştir. Bölgede, InSAR uygulaması için
oldukça uygun ve elverişli şartlar sağlayan kuru ve nemsiz bir iklim hakimdir, yoğun bir bitki
örtüsüne sahip değildir. Çalışmada, elde edilen verilerden 1 numaralı IW şeridi (IW1) ve
şeritteki VH polarizasyonlu görüntüler kullanılmıştır ve işlenmiştir. Çalışma için alınan SAR
verileri, Avrupa Uzay Ajansı (European Space Agency - ESA) tarafından sağlanmıştır. Veri
setleri, ücretsiz ve açık şekilde erişilebilen Scientific Data Hub (ESA Sentinels Scientific Data
Hub) üzerinden alınmıştır.
Bir Sentinel-1 SLC IW verisi, adından da anlaşılacağı üzere kompleks bir veridir ve bundan
dolayı dahilindeki 3 ayrı şerit görüntü (swath) için üç adet görüntü bandı içerir. Bu bantlar “i”,
“q” ve “intensity” bantlarıdır. “i” bandı ve “q” bandı sırasıyla görüntünün gerçek ve hayali
kısımlarıdır. “intensity” bandı ise görüntü işleme için uygunluk sağlar. [11]
2. METODOLOJİ
2
Veri tabanını açıp görüntü aratma işlemini gerçekleştirmek için, web sitesinde istenilen
verinin cinsine göre bilgiler seçilir.
İlk olarak web sitesinde Sentinel-1 ile ilgili veri arama penceresinin yanındaki kutucuk
işaretlenir. Elde edilmek istenen uydu görüntülerinin tarihi ile ilgili iki seçenek vardır. “Sensing
date” verinin sensör tarafından algılandığı tarihi, “Ingestion date” ise verilerin veri tabanına
aktarıldığı tarihi ifade etmek için kullanılır. Pencerede istenilen uydu platformu (Sentinel 1-A
ve/veya Sentinel 1-B), yörünge tipi (Ascending ve Descending), veri tipi (Single Look
Complex “SLC”, Ground Range Detected “GRD” veya Ocean “OCN”), polarizasyon tipleri
(HH, HV, VV, VH), sensör modu (SM, IW, EW, WV) seçilebilir ve biliniyorsa istenilen relatif
yörünge numarası yazılarak aratma yapılabilir.
Sentinel-1A ve Sentinel-1B SLC IW uydu verileri Avrupa genelinde birbirine en az 6 gün
aralıklı olarak bulunabilir. İki uydu verisi arasındaki gün aralığı arttıkça, atmosferik şartlardaki
değişim dolayısıyla uydu görüntüleri arasındaki uyum (coherence) azalır. Bu sebeple Sentinel-
1A ve Sentinel-1B uydularından sırasıyla 28 Kasım 2016 ve 22 Kasım 2016 tarihlerine ait SLC
IW verileri kullanılmıştır. Verilerin isimleri şu şekildedir:
S1A_IW_SLC__1SDV_20161128T035801_20161128T035828_014137_016D38_F010
S1B_IW_SLC__1SDV_20161122T035718_20161122T035745_003066_00536D_50A5
S1A’nın yörünge numarası 14137, S1B’nin yörünge numarası 3066’dır.
Kullanılan verilere, Copernicus Data Hub sistemine ücretsiz üye olunarak Kaynaklar
kısmındaki linklerden ulaşılabilir. [16]
Sentinel-1 verilerinin işlenmesi, Avrupa Uzay Ajansı’nın (ESA) geliştirdiği, bünyesinde
Sentinel-1 Toolbox, Sentinel-2 Toolbox ve Sentinel-3 Toolbox adlı toolbox’ların kombine
edildiği, SNAP (Sentinel Application Platform) adlı yazılım kullanılmıştır. Yazılım,
Avrupa Uzay Ajansı’nın web sitesinden ücretsiz olarak edinilebilir.
2.2. InSAR Stack Overview
3
Şekil 1. Verilerin açılması ve harita üzerindeki yeri
Veri setleri işlenmeye başlanmadan önce, uyduların veri setlerinin alındığı andaki
konumları arasındaki dik baz mesafesi olan Bperp (perpendicular baseline) değerinin bilinmesi
gerekir. Bu değeri öğrenmek için, SNAP yazılımında Radar>Interferometric sekmesi altında
bulunan “InSAR Stack Overview” fonksiyonu kullanılır.
4
Şekil 2. InSAR Stack Overview
Elde edilen görüntü S1A ve S1B görüntü çifti, 128.78 metre dik baz mesafesine (Bperp)
sahiptir, ki bu mesafe verimli bir uygulama için yeterli bir mesafedir.
5
2.3 Coregistrasyon
Elde edilen iki adet kompleks veri seti, bünyesinde 3 adet şerit (swath) ve her bir şerit için
VV ve VH polarizasyonlarını içerir. Şeritler, içinde birbirinden ayrılmış yatay şeritler (burst)
bulundurur. Her burst, birbirlerinden çizgiler ile ayrılmıştır. Bu çizgilerin olduğu bölgelerdeki
herhangi bir veri geçersiz sayılabilir.
Yapılacak interferometrik uygulamada, iki veya daha fazla veri setindeki görüntüler tek bir
veri içinde birleştirilmek üzere “stack” haline getirilmelidir. Görüntüler yazılım tarafından
birisi master, diğeri slave görüntüsü olacak şekilde seçilir. Slave görüntüsünde yer alan
piksellerin master görüntüsündeki pikseller uyuşması için, slave görüntüsündeki pikseller
piksel altı hassasiyette master görüntüsündeki piksellere kaydırılır. Coregistrasyon, zemin
üzerindeki her bir noktanın hem master hem de slave görüntüsündeki aynı (range, azimuth)
piksel içinde bulunmasını sağlar. [12]
Uygulamanın ilk adımı olan Coregistrasyon işlemi için, S1 TOPS Coregistration
kullanılmalıdır.
Radar>Coregistration>S1 TOPS Coregistration>S1 TOPS Coregistration sekmesiyle açılan
pencerede coregistrasyon işlemi gerçekleştirilir.
6
Şekil 5. Coregister edilecek verilerin seçimi
7
Şekil 7. TOPSAR-Split işlemi
Şekil
9. Yörünge dosyasının seçimi
8
Back-Geocoding sekmesinde, istenilen türdeki dijital yükseklik modeli (DEM) ve
enterpolasyon metodu seçilebilir. Yaygın olarak kullanılan ve SNAP yazılımı tarafından
otomatik olarak indirilen SRTM (Shuttle Radar Topography Mission) yükseklik modellerinin
dünya genelindeki çözünürlükleri 1 arc-second için yaklaşık olarak 30 metre, 3 arc-seconds
için yaklaşık olarak 90 metredir.
9
Şekil 12. Coregister edilip stack haline getirilmiş veri
Yeni oluşturulan veri setinde master ve slave görüntüsü olarak atanmış olan, iki veri
setinden alınmış “i”, “q” ve “intensity” bantları görülebilir. Stack haline getirilmiş olan IW1
şeridi, alttaki World View penceresinde kırmızı çerçeve ile belirtilmiştir.
10
Δϕdisplacement, yer yüzeyi deformasyonunun interferometrik faza etkisidir.
Δϕatmosphere, atmosferin interferometrik faza etkisidir. Bu etkinin oluşmasının
sebepleri, iki görüntü arasındaki atmosferik nemlilik, atmosferik sıcaklık ve atmosferik
basınç değişimdir.
Δϕnoise, radyo sinyalini yeryüzünden geri yansıtan arazi özelliklerinin kısa süre içinde
değişime uğramasından, farklı bakış açısından ve hacim yayılımından kaynaklanan faz
gürültüsüdür.
11
Şekil 15. İnterferogram oluşturma
Pencerede kaynak veri (source product) olarak, oluşturulan stack verisi seçilir. Hedef veri
(target product) kısmında, oluşturulacak interferogram görüntüsünün ismi stack verisinin
adının sonuna “ifg” ibaresi eklenmiş şekilde gözükür. Bu ibare, oluşturulacak görüntünün
interferogram görüntüsü olduğunu belirtmek üzere yazılım tarafından otomatik olarak
yerleştirilir. Görüntünün kaydedileceği klasör Directory kısmında seçilir. Processing
Parameters sekmesinde ise interferogramın oluşturulmasında kullanılan parametreler
görülebilir. Parametre değerleri default olarak olduğu gibi bırakılır.
12
“Run” butonuna tıklanarak interferogram görüntüsünün oluşturulma işlemi başlatılır.
Oluşan interferogram verisi, Product Explorer penceresinde görülebilir.
Oluşturulan interferogram verisi, interferometrik fazı göstermek için bir bant içerir. Bu
çalışmadaki interferometrik faz bandı, “Phase_ifg_IW1_VH_28Nov2016_22Nov2016”
ismiyle oluşturulmuştur.
Bu interferometrik faz görüntüsü açıldığında, görüntüde yatay şeritlerin (burst) ve bu şeritler
arasındaki çizgilerin hala mevcut olduğu görülebilir. Bu çizgiler, S1 TOPS Deburst adımı
uygulandığında ortadan kalkacaktır.
13
Şekil 18. Faz (phase) bandı görüntüsü
İnterferometrik şeritler (fringe), tam bir 2π döngüsünü temsil eder. Şeritler, interferogramda
rastgele renklerden oluşan döngüler halinde oluşur ve her döngü sensörün dalga boyunun
yarısını temsil eder.
İnterferogram, düz arazilerde seri halinde düzenli olarak sıralanmış paralel şeritler şeklinde
oluşur. Paralel şerit deseninde farklılık yaratan herhangi bir değişim, topoğrafik olarak bir
farklılık olduğunun işaretidir.
Interferogram Formation adımında üretilen bir diğer görüntü, master ve slave görüntüleri
arasındaki tutarlılığı temsil eden Coherence görüntüsüdür. Master ve slave görüntüleri
arasındaki tutarlılık (coherence), görüntülerin arasında yüksek benzerlikler olup olmadığını ve
buradan çıkış ile bir DEM oluşturmak için uygun veriler olup olmadıklarını gösterebilir. İki
görüntü arasındaki tutarlılığın kaybı, kalitesiz interferogram oluşumuna sebep olabilir.
Tutarlılık kaybı, zamansal (iki görüntünün alıp tarihleri arasındaki zamanın uzun olması),
geometrik (yörünge hataları), hacimsel (bitki örtüsü yoğunluğu) sebeplerden veya görüntülerin
işlenme aşamasında oluşabilir. [12]
14
Şekil 19. Coherence bandı görüntüsü
15
Şekil 21. Ankara örneği için Coherence değerleri
DEM oluşturma uygulamalarında iyi bir sonuç elde etmek için, tutarlılık değerlerinin
yaklaşık olarak %70’inin 0.4 üzerinde olması gerekir. Bu bilgi ile birlikte, bu çalışmada
kullanılan görüntülerin tutarlılık değerlerinin yaklaşık olarak %60-%70’inin 0.4 üzerinde
olduğu çıkarımı yapılabilir. Bu da çalışmanın amacına ulaşabilmesi için gerek anahtar
noktalardan birisidir.
2.5.Debursting
İnterferogram görüntüsündeki burst’lerin tek bir görüntü oluşturmak üzere birleştirilmesi
için debursting işlemi uygulanmalıdır.
Radar>Sentinel-1 TOPS>Sentinel TOPS Deburst sekmesi ile debursting penceresi açılır.
16
Şekil 23. S-1 TOPS Deburst
Kaynak veri kısmında oluşturulmuş olan interferogram verisi seçilir. Yazılımın, hedef
verinin ismine debursting işlemini temsil etmek üzere “deb” ibaresini eklediği görülebilir. Çıktı
görüntüsünün kaydedileceği klasör tanımlanır ve “Run” butonuna tıklanarak debursing işlemi
başlatılır.
17
İşlem tamamlandıktan sonra, deburst işlemi uygulanmış veri Product Explorer penceresinde
görülebilir.
İnterferometrik faz,
Zamansal dekorelasyon
Geometrik dekorelasyon
Hacim yayılımı
Görüntü işlemede oluşan hata
gibi etkilerden kaynaklanan gürültü sebebi ile bozulmaya uğrayabilir. [12]
İki görüntü arasındaki tutarlılıkta azaldığında, interference desenlerinde kayıplar olur. Fazın
doğru bir şekilde unwrap edilebilmesi için, faz üzerinde filtre uygulanarak sinyal/gürültü
oranının artırılması gerekir. Bu sayede interferogramda mevcut olan şerit (fringe) desenleri
daha belirgin hale getirilir.
Goldstein faz filtreleme ile, interferometrik şerit desenleri (fringes) daha keskin hale gelir.
Bu keskinleştirme, spektrumda şeritlerden dolayı kaynaklanan tepe noktasının filtrelenmesi ile
tepe noktasına daha yüksek bir rölatif ağırlık verilmesi sonucu gerçekleştirilir. [12]
18
Radar>Interferometric>Filtering>Goldstein Phase Filtering sekmesinden Goldstein Phase
Filtering penceresi açılır.
Açılan pencerede Source Product olarak en son deburst işlemi uygulanmış veri seçilir.
Hedef verinin isminin sonuna, faz filtrelemeyi temsil etmesi için yazılım tarafından “flt” ibaresi
eklenir.
19
Şekil 28. Goldstein faz filtesi uygulanmış verideki bantlar
Bütün radar görüntüleri, belirli bir derecede, adına “radar speckle” denilen etkiyle birlikte
görünür. Speckle etkisi, görüntüde “tuz ve karabiber” dokusu şeklinde gözükür. Bunun nedeni,
20
her bir çözünürlük hücresinde ortaya çıkan, çoklu saçılma ile dönüş yapan sinyallerin rastgele
yapıcı ve yıkıcı interference’larıdır. Örnek olarak, büyük ve çim kaplı araziler gibi homojen
yapıya sahip bölgeler speckle etkisi olmadığında genellikle açık tondaki piksel değerlerine
sahip olurlar (A). Fakat gerçekte, her bir çözünürlük hücresindeki çim yapraklarından yansıyan
sinyaller, görüntüdeki bazı piksellerin ortalama tona göre daha açık veya daha koyu renklerde
oluşmasına sebep olur (B). [5]
Source product olarak Goldstein faz filtresi uygulanmış olan veri seçilir. Target product
kısmında yazılımın, oluşturulacak verinin isminin sonuna multilooking işlemini temsil etmek
üzere “ML” ibaresini eklediği görülebilir. Çıktı verisinin kaydedilmek istendiği klasör
Directory kısmında tanımlanır.
22
Processing Parameters penceresinde multilooking işlemi ile ilgili parametreler görülebilir.
Source Bands kısmında, multilooking işleminin uygulanması istenilen bantlar tek tek
seçilebilir. Default olarak gelen değerlerde, multilooking işlemi 1 range ve 3 azimuth bakışı ile
gerçekleştirilerek ground range square pikseli oluşturulur. [13] İşlem sonucunda oluşacak
ortalama ground range pikselinin boyutu 13.26 metre olacaktır.
23
Şekil 36. Multilooking uygulanmış interferometrik faz görüntüsü
İnterferogram verisinde, interferometrik faz belirsiz durumdadır ve yalnızca bir döngü (2π)
içerisinde bilinir. İnterferometrik faz bilgisinin topoğrafik yükseklik bilgisiyle ilişkilendirmek
için, faz görüntüsünde unwrapping (açma) işlemi gerçekleştirilmelidir. [11]
Şekil 37. Unwrapping işlemi uygulanmış fazın uygulanmamış faz ile kıyası [11]
Faz açma işlemi, komşu pikseller arasındaki faz farkını birbirlerine entegre ederek bu
belirsizliği giderir. İnterferogramdaki iki nokta arasındaki faz değişimi, gerçek yükseklik
değişiminin elde edilmesini sağlayan bir ölçüm sağlar. Uygulamadan en iyi sonuçları elde
24
etmek için, unwrapping işleminden önce multilooking ve faz filtremele işlemlerinin
gerçekleştirilmiş olması önerilir. Unwrapping işlemi uygulanan faz görüntüsünün kalitesi ve
güvenilirliği çoğunlukla girdi verisinin oluşturulmasında kullanılan master ve slave görüntüleri
arasındaki tutarlılığa (coherency) bağlıdır. Yalnızca tutarlılığın yüksek olduğu bölgelerde
güvenilir sonuçlar beklenmelidir. [11]
Unwrapped işlemi uygulanmış görüntüler, iki piksel arasındaki rölatif bir yükseklik/yer
değiştirme olarak yorumlanmalıdır. Mutlak değerler elde etmek için, “Unwrapped Phase to
Elevation” adımında bir bağlama noktası kullanılabilir. [11]
Unwrapping işlemi SNAP yazılımı dahilinde değil, Linux tabanlı SNAPHU adında bir
algortima kullanılarak gerçekleştirilir. SNAPHU, Stanford Üniversitesi’nde Curtis Chen ve
Howard Zebker tarafından geliştirilmiş olan, faz açma için kullanılan istatistiksel maliyetli bir
ağ akış algoritmasıdır. [11]
Linux sistemi kullanıldığı durumda, “apt-get install snaphu” adlı yazılım paketinin
kurulmasıyla SNAPHU kullanıma hazır hale getirilebilir. Windows sistemi kullanıldığı
durumda ise, Linux üzerinde çalışan bu algoritmayı çalıştırmak için bir “sanal makine (virtual
machine - VM)” kullanılmalıdır. Bu çalışmada Cygwin adındaki virtual machine kullanılmıştır
ve SNAPHU yazılımı Cygwin üzerinden kurulup kullanılabilir hale getirilmiştir. Cygwin ve
SNAPHU’nun nasıl kurulacağına dair bilgi, Almanya’daki Tuebingen Üniversitesi’nde
doktora öğrencisi olan Andreas Braun tarafından oluşturulmuş tutorial’da bulunabilir. [1]
Multilook adımı ile son haline getirilen faz görüntüsünün unwrapping işlemi ile açılması
için, veri SNAPHU yazılımına export edilmek üzere kaydedilmelidir.
25
Şekil 39. Snaphu Export
26
Şekil 41. Cygwin virtual machine
Unwrapping işleminde kullanılacak verilerin bulunduğu klasörün yazılıma tanıtılması için,
komut satırına “cd” yazıp, yanına verilerin bulunduğu klasör sürüklenerek bırakılır ve Enter’a
basılır. Ardından “ls” komutu ile, yazılıma tanıtılan klasör içinde yer alan dosyaların isimleri
görüntülenir.
Export edilen klasörde, “snaphu.conf” adındaki dosya Notepad ile açılır. Unwrapping
işlemini başlatmak için gereken komut bu dosya içinde yer alır. “command to call snaphu”
ibaresi altındaki komut satırı kopyalanıp, Cygwin64 Terminal’de komut satırına yapıştırılır ve
Enter’a basılarak unwrapping işlemi başlatılır.
Unwrapping işlemi, kullanılan donanımın RAM hafızasını oldukça fazla kullanır.
Unwrapping işlemi, donanımın yeterince RAM hafızasına sahip olmamasından dolayı hata
verirse, kullanılan verinin daha küçük bir kısmı subset edilerek işlem tekrarlanabilir.
27
Şekil 42. Unwrapping işleminin başlatılması
28
Şekil 44. Unwrapped görüntünün tekrar SNAP’te açılması
Açılan pencerenin Read Phase sekmesinde Source Product olarak unwrapping işlemi
uygulanmadan önceki faz görüntüsünün olduğu veri seçilir. Read Unwrapped Phase
sekmesinde unwrapping işleminin uygulandığı faz görüntüsü seçilir. Write sekmesinde,
oluşturulacak verinin adının sonuna “unwrapped” ibaresi yazılarak diğer veriler ile karışması
engellenir. “Run” butonuna tıklanarak veri SNAP’e import edilir.
29
Şekil 46. Snaphu Import
30
Şekil 48. Unwrapping işlemi uygulanmış veri içinde yer alan bantlar
31
2.9 Fazdan Yüksekliğe Geçiş (Phase to Elevation)
32
Oluşturulacak DEM görüntüsünün adının sonuna, yazılım tarafından dijital yükseklik
modelini temsil etmesi için “dem” ibaresinin eklendiği görülebilir. Processing Parameters
sekmesinde istenilen dış DEM verisi ile resampling metodu seçilebilir. “Run” butonuna
tıklanarak DEM oluşturma işlemi başlatılır.
İşlem sonunda oluşan veri, Product Explorer penceresinde açılır. Verinin içinde yalnızca
“elevation” bandının olduğu görülebilir.
33
Arazi Düzeltmesi, geometrik bozulmaları aynı bölgeye ait başka bir dijital yükseklik modeli
(DEM) kullanarak düzeltip bir harita projeksiyonlu bir veri üreterek görüntüyü coğrafyayla
kodlar. Coğrafi kodlama, eğik mesafe (slant range) veya zemin mesafesi (ground range)
geometrisindeki bir görüntüyü bir harita koordinat sistemine dönüştürür. Arazi düzeltmesinde
ekstra bir dijital yükseklik modeli kullanmasının sebebi foreshortening, layover ve shadow
(gölgelenme) gibi doğal geometrik etkileri gidermektir.
34
Şekil 56. Range-Doppler Terrain Correction parametreleri
“Pixel Spacing” kısmında, oluşturulacak dijital yükseklik modelinin piksel boyutunun 13.96
olduğu görülebilir. Bu da tatmin edici bir değerdir. “Run” butonuna tıklanarak, DEM
görüntüsüne arazi düzeltmesi getirilir. İşlem bittikten sonra, oluşturulan görüntü Product
Explorer penceresinde açılır.
35
Şekil 57. Range-Doppler arazi düzeltmesi uygulanmış verinin içindeki elevation_VH bandı
Arazi düzeltmesi getirilmiş dijital yükseklik modelindeli yükseklik değerleri, Pixel Info
sekmesi açıkken görüntü üzerinde farenin gezdirilmesiyle incelenebilir.
36
Şekil 59. Dijital yükseklik modelindeki yükseklik değerleri
Üretilen yükseklik modelinin gerçek topografya ile uyum sağlayıp sağlamadığını görmek
için, görüntü Google Earth’te açılmak üzere kaydedilebilir. Bunun için, görüntü üzerinde sağ
tıklanarak Export View as Google Earth KMZ seçilir ve görüntü KMZ uzantısında kaydedilir.
Ardından kaydedilen görüntü, Google Earth’te açılıp incelenebilir.
37
Şekil 60. Oluşturulan yükseklik modelinin Google Earth’te gösterimi
38
Şekil 61. Yükseklik modeli hakkındaki istatistiksel değerler
Oluşturulan yükseklik modeli, SNAP yazılımında Band Maths fonksiyonu ile bölgeye ait
SRTM DEM verisi indirilerek karşılaştırılmıştır. Bant Math penceresinin Expressions
kısmında, oluşturulan model “elevation_VH” ile indirilen SRTM “elevation_srtm3sec” bandı
arasındaki fark alınarak (elevation_srtm3sec - elevation_VV) doğruluk analizi
gerçekleştirilmiştir.
Yükseklik modellerinin farkının alınmasıyla oluşturulan bant incelendiğinde, oluşturulan
yükseklik modeli ile SRTM arasındaki yükseklik farklarının çoğunlukla -60 metre ile 137
metre arasında değiştiği görülebilir. Hangi bölgelerdeki yüksekliklerin uyuştuğu ve hangi
bölgelerdeki yüksekliklerin farklılık gösterdiği, seçilen renk spektrumunun model üzerindeki
dağılımından analiz edilebilir. Sol alttaki Colour Math penceresinin incelenmesiyle, beyaz
renkteki bölgelerde modellerdeki yüksekliklerin birbiriyle uyum gösterdiği, kırmızı renkteki
bölgelerde oluşturulan modeldeki yüksekliklerin SRTM değerlerine göre daha büyük olduğu,
mavi renkteki bölgelerde oluşturulan modeldeki yüksekliklerin SRTM değerlerine göre daha
küçük olduğu çıkarımı yapılabilir.
39
Şekil 62. Oluşturulan model ile SRTM arasındaki değerlerin farklılıkları
Elde edilen dijital yükseklik modelindeki topografik detayların 3 boyutlu olarak görsel bir
şekilde temsil edilmesi için, bir Hillshade katmanı oluşturulmalıdır. Bunun için, açık kaynaklı
bir coğrafi bilgi sistemleri yazılımı olan QGIS kullanılmıştır.
DEM, QGIS’te açmak üzere SNAP yazılımında File>Save Product as sekmesinden
GeoTIFF formatında kaydedilir. Kaydedilen görüntü, raster katmanı ekleme butonuna
tıklanarak yazılımda açılır.
40
Şekil 64. Üretilen DEM görüntüsü
41
eder. Fakat bu değerler model içinde ondalık derecede yer alır. Bu durumu düzeltmek için,
penceredeki “scale (ratio vert. Units to horiz. Box)” kısmına ölçek düzeltme faktörü olarak
111120 değeri girilir. [2] Ardından OK butonuna tıklanarak Hillshade katmanı oluşturulur.
42
Şekil 68. Hillshade katmanına yakından bakış
Hillshade katmanı oluşturulduktan sonra, katman ismi üstüne sağ tıklanarak Properties
seçeneği açılır. Burada minimum ve maksimum değerler sırasıyla 125 ve 155, brightness
(parlaklık) ve contrast (kontrast) değerleri sırasıyla 45 ve ve 20 olacak şekilde değiştirilir. Son
olarak, Blending Mode olarak Multiply seçilir ve OK’e tıklanarak girilen değerler uygulanır.
Bu ayarlar, renk paleti uygulanacak yükseklik modelinin Hillshade katmanı üzerinde aynı anda
görüntlenmesini sağlar. [2]
Oluşturulan Hillshade katmanının topografik özellikleri renk bağlamında temsil edilmesi
için, DEM görüntüsüne bir renk paleti uygulanır. Bu çalışma için kullanılacak renk paleti,
yazılım dahilinde gelmeyip, eklenti halindedir. Bu eklentinin yüklenmesi için,
Plugins>Manage and Install Plugins sekmesine tıklanır.
43
Açılan pencerenin Settings sekmesinde “Show also experimental plugins” ibaresinin
yanındaki kutucuk işaretlenir. Ardından Not Installed sekmesinde, kullanılacak renk paletini
içeren “Color Ramp Manager” adlı eklenti aratılır ve “Install plugin” butonu ile yüklenir.
44
Şekil 73. Color Ramp Manager eklentisi
Yüklenen renk paletlerinden kullanılacak olan “sd-a” adlı paletin modele uygulanması için,
katman üstüne sağ tıklanır ve Properties seçeneği açılır. Açılan pencerenin Style sekmesine,
“Singleband grey” olan Render Type, “Psuedocolor band” olarak değiştirilir. Color kısmında,
“sd-a” adlı renk paletini kullanmak için “New color ramp” seçilir. Açılan pencerede “Color
ramp type” olarak cpt-city işaretlenir ve seçimden sonra açılan pencerede “sd-a” paleti
seçilerek OK’e tıklanır.
45
Şekil 75. “sd-a” paletinin seçimi
Renk paletinin seçiminden sonra, renk paletinin oluşturulan modeldeki yükseklik değerleri
ile eşleşmesi için, SNAP yazılımının Analysis>Statistics sekmesinden öğrenilen modeldeki
minimum ve maksimum değerler pencerede girilir.
Pencerenin alt kısmında, brightness (parlaklık) değeri 30 ve contrast (kontrast) değeri -20
olacak şekilde değiştirilir ve Apply butonuna tıklanarak girilen değerler uygulanır. [2]
3 ÇIKTI VERİLERİ
46
Metodoloji adımında anlatılan uygulamalar tamamlandıktan sonra, elde edilen ürün
aşağıdaki şekilde görüntülenir.
Üretilen yükseklik modeli büyük bir alanı kapladığı için, detaylar incelenmek üzere görüntü
yaklaştırıldığında modelin belirli bölgeleri aşağıdaki şekilde görüntülenir.
47
Şekil 78. Uygulama sonucunda oluşturulan dijital yükseklik modelinin yakından görünümü
Şekil 79. Uygulama sonucunda oluşturulan dijital yükseklik modelinin yakından görünümü
48
Şekil 80 Modeldeki yükseklik değerlerinin incelenmesi
4 SONUÇ
Bu tez çalışmasında, yapay açıklıklı radar (synthetic aperture radar – SAR) yöntemi
kullanılarak dijital yükseklik modeli (DEM) oluşturma amaçlanmıştır. Yapay açıklıklı radar ile
ilgili literatür ve veri kaynakları incelendikten sonra, uygulama için Avrupa Uzay Ajansı’nın
(European Space Agency – ESA) en yeni SAR misyonu olan Sentinel-1’in Sentinel-1A ve
Sentinel-1B uydularından alınan veriler kullanılmıştır. Avrupa Uzay Ajansı’nın ücretsiz
erişime açtığı veri tabanı Copernicus Data Hub üzerinden, biri Sentinel-1A diğeri Sentinel-1B
uydularından olmak üzere IW (Interferometric Wide) modunda, Level 1 SLC (Single Look
Complex) formatında bir veri çifti indirilmiştir. Veriler, birbirine Avrupa kıtası için en kısa
zaman aralığı olan 6 gün ara ile alınmıştır. Alınan veriler, yine Avrupa Uzay Ajansı tarafından
geliştirilmiş olan SNAP yazılımı ile işlenmiştir. Radar görüntüleri ile dijital yükseklik modeli
üretmek için gereken
Coregistrasyon,
İnterferogram oluşturma,
Debursting,
Goldstein faz filtrelemesi,
Multilooking,
SNAPHU yazılımının kullanımı ile Faz açımı (Phase Unwrapping),
Fazdan yükseklik değerlerine geçiş (Phase to Elevation),
Range-Doppler arazi düzeltmesi
49
adımları sırası ile uygulanmıştır. Uygulama sonucunda konumsal çözünürlüğü 13.96 metre
olan bir dijital yükseklik modeli elde edilmiştir. Elde edilen yükseklik modelindeki detayların
belirgin hale getirilmesi amacıyla, modele QGIS yazılımında Hillshading ile yükseklik
değerlerini iyi yansıtacak bir renk paleti uygulanmıştır ve sonuç ürün elde edilmiştir.
5 KAYNAKLAR
[1] Braun, A., Installation SNAPHU in Windows, University of Tübingen, Germany, (Web),
http://forum.step.esa.int/uploads/default/original/2X/9/959019a6526901fca7b8af6b8d008f6cbf739
1cd.pdf
[2] “Create Great Looking Hillshaded Maps in QGIS”, (4 Nisan 2015), IEQGIS Ireland
QGIS User Group Blog, (Web), https://ieqgis.wordpress.com/2015/04/04/create-great-looking-
topographic-maps-in-qgis-2/
[3] Ferretti, A., Monti-Guarnieri, A., Prati, C. ve Didier Massonnet, D., (2007), InSAR
Principles: Guidelines for SAR Interferometry Processing and Interpretation, Dipartimento di
Elettronica ed Informazione, Politecnico di Milano, Italy, CNES, Toulouse, France.
[4] Fletcher, K., (2012), Sentinel-1: ESA’s Radar Observatory Mission for GMES
Operational Services, ESA Communications, Noordwijk, The Netherlands.
[5] “Microwave Remote Sensing”, Natural Resources Canada, Government of Canada,
(Web), http://www.nrcan.gc.ca/earth-sciences/geomatics/satellite-imagery-air-photos/satellite-
imagery-products/educational-resources/9371
[6] “Monitoring the Earth Deformation from Space”, Geospatial Information Authority of
Japan, (Web), http://vldb.gsi.go.jp/sokuchi/sar/qanda/qanda-e.html
[7] Moreira, A., Prats-Iraola, P., Younis, M., Krieger, G., Hajnsek, I. ve
Papathanassiou, K. P., (2013), A Tutorial on Synthetic Aperture Radar, German Aerospace
Center (DLR), Germany.
[8] Ott, P., (2016), Quantification and Mitigation of Atmosphere-Induced Effects on Repeat-
Pass Differential SAR Interferometry Over the Volcan Piton De La Fournaise, Master Tezi,
University of Zurich, Faculty of Science, Department of Geography Remote Sensing
Laboratories RSL, Zurich.
[9] “Sentinel-1 SAR User Guide”, ESA Sentinel Online, European Space Agency, (Web),
https://sentinels.copernicus.eu/web/sentinel/user-guides/sentinel-1-sar
[10] “Sentinel-1 Observation Scenario”, ESA Sentinel Online, European Space Agency,
(Web), https://sentinel.esa.int/web/sentinel/missions/sentinel-1/observation-scenario
[11] Veci, L., (2015), Sentinel-1 Toolbox Interferometry Tutorial, Array Systems Computing
Inc.
[12] Veci, L., (2015), Sentinel-1 Toolbox TOPS Interferometry Tutorial, Array Systems
Computing Inc.
[13] Veci, L., (2015), Sentinel-1 Toolbox SAR Basics Tutorial, Array Systems Computing
Inc.
50
[14] Wolff, C., “Radar Temelleri”, radartutorial.eu, (Web),
http://www.radartutorial.eu/20.airborne/ab07.tr.html
[15] Crosetto, M., Perez Aragues, F., Radargrammetry and SAR interferometry for DEM
generation: validation and data fusion, Politecnico di Milano, Milan, Italy, Institut
Cartografic de Catalunya, Barcelona, Spain.
[16] Çalışmada Kullanılan Veriler (Web),
https://scihub.copernicus.eu/dhus/odata/v1/Products('27a8aaa5-929e-488f-9ddf-
2979a5c19668')/$value
https://scihub.copernicus.eu/dhus/odata/v1/Products('01c8858e-ef91-4765-be16-
f5572a6f1008')/$value
[1] Braun, A., Installation SNAPHU in Windows, University of Tübingen, Germany, (Web),
http://forum.step.esa.int/uploads/default/original/2X/9/959019a6526901fca7b8af6b8d008f6cbf739
1cd.pdf
[2] “Create Great Looking Hillshaded Maps in QGIS”, (4 Nisan 2015), IEQGIS Ireland
QGIS User Group Blog, (Web), https://ieqgis.wordpress.com/2015/04/04/create-great-looking-
topographic-maps-in-qgis-2/
[3] Ferretti, A., Monti-Guarnieri, A., Prati, C. ve Didier Massonnet, D., (2007), InSAR
Principles: Guidelines for SAR Interferometry Processing and Interpretation, Dipartimento di
Elettronica ed Informazione, Politecnico di Milano, Italy, CNES, Toulouse, France.
[4] Fletcher, K., (2012), Sentinel-1: ESA’s Radar Observatory Mission for GMES
Operational Services, ESA Communications, Noordwijk, The Netherlands.
[5] “Microwave Remote Sensing”, Natural Resources Canada, Government of Canada,
(Web), http://www.nrcan.gc.ca/earth-sciences/geomatics/satellite-imagery-air-photos/satellite-
imagery-products/educational-resources/9371
51
[6] “Monitoring the Earth Deformation from Space”, Geospatial Information Authority of
Japan, (Web), http://vldb.gsi.go.jp/sokuchi/sar/qanda/qanda-e.html
[7] Moreira, A., Prats-Iraola, P., Younis, M., Krieger, G., Hajnsek, I. ve
Papathanassiou, K. P., (2013), A Tutorial on Synthetic Aperture Radar, German Aerospace
Center (DLR), Germany.
[8] Ott, P., (2016), Quantification and Mitigation of Atmosphere-Induced Effects on Repeat-
Pass Differential SAR Interferometry Over the Volcan Piton De La Fournaise, Master Tezi,
University of Zurich, Faculty of Science, Department of Geography Remote Sensing
Laboratories RSL, Zurich.
[9] “Sentinel-1 SAR User Guide”, ESA Sentinel Online, European Space Agency, (Web),
https://sentinels.copernicus.eu/web/sentinel/user-guides/sentinel-1-sar
[10] “Sentinel-1 Observation Scenario”, ESA Sentinel Online, European Space Agency,
(Web), https://sentinel.esa.int/web/sentinel/missions/sentinel-1/observation-scenario
[11] Veci, L., (2015), Sentinel-1 Toolbox Interferometry Tutorial, Array Systems Computing
Inc.
[12] Veci, L., (2015), Sentinel-1 Toolbox TOPS Interferometry Tutorial, Array Systems
Computing Inc.
[13] Veci, L., (2015), Sentinel-1 Toolbox SAR Basics Tutorial, Array Systems Computing
Inc.
[14] Wolff, C., “Radar Temelleri”, radartutorial.eu, (Web),
http://www.radartutorial.eu/20.airborne/ab07.tr.html
[15] Crosetto, M., Perez Aragues, F., Radargrammetry and SAR interferometry for DEM
generation: validation and data fusion, Politecnico di Milano, Milan, Italy, Institut
Cartografic de Catalunya, Barcelona, Spain.
[16] Çalışmada Kullanılan Veriler (Web),
https://scihub.copernicus.eu/dhus/odata/v1/Products('27a8aaa5-929e-488f-9ddf-
2979a5c19668')/$value
https://scihub.copernicus.eu/dhus/odata/v1/Products('01c8858e-ef91-4765-be16-
f5572a6f1008')/$value
52