KTU Harita Mühendisliği Bölümü

SAR Seçmeli dersi Uygulaması:

280203 Numaralı Ali DEMİR’in ‘İNTERFEROMETRİK

YAPAY AÇIKLIKLI RADAR (INSAR) YÖNTEMİ İLE
DİJİTAL YÜKSEKLİK MODELİ OLUŞTURULMASI’
isimli bitirme çalışmasından alınmıştır.

BitirmeTezi Danışmanı: Dr.Öğr.Üyesi Esra Tunç Görmüş

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

2.1. Sentinel 1 Verilerinin İşlenmesi

Uygulama için kullanılacak Sentinel-1A ve Sentinel 1-B Single Look Complex IW

görüntüleri, Avrupa Uzay Ajansı’nın Copernicus Sentinel Data Hub adlı internet veri tabanında
ücretsiz olarak alınmıştır. Veri tabanında Sentinel-1 yanında Sentinel-2 ve Sentinel-3 uydu
görüntüleri de erişime açıktır.

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

Veriler, alındığı sıkıştırılmış formattan çıkarılmadan, SNAP yazılımının “Product Explorer”

penceresine sürüklenerek kolay bir şekilde açılabilir. Bunun haricinde, File>Export
sekmesinden de aynı işlem yapılabilir.

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

Şekil 3. 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.

Şekil 4. S1 TOPS Coregistration

Açılan pencerede S1 TOPS Coregistration işlemi dahilindeki belirli adımlar sekmeler

halinde sıralanmıştır. İlk olarak, coregister edilecek veri setleri Read ve Read(2) sekmelerinde
sırasıyla seçilir. Read sekmesinde seçilen veri “master” görüntüsü, Read(2) sekmesinde seçilen
veri ise “slave” görüntüsü olacaktır. [12]

6
 Şekil 5. Coregister edilecek verilerin seçimi

Şekil 6. Coregister edilecek verilerin seçimi

Veri setleri seçildikten sonra, TOPSAR-Split ve TOPSAR-Split(2) sekmelerinde uygulama

yapılmak istenen şerit (subswath), polarizasyon ve istenirse şeritler içinde yer alan yatay
şeritler (burst) seçilebilir. Uygulama için her iki veri setindeki aynı şerit ve polarizasyonlar
seçilmelidir. Aksi takdirde yazılım hata verecektir.
İstenilen şeritlere ait görüntüler, sıkıştırılmış formattaki verinin manuel olarak açılıp,
istenilen polarizasyon ve şerite ait dosyaların içinden çekilmesi yoluyla ayrılmamalıdır.
Bu tez çalışması için IW1 şeridindeki VH polarizasyonlu görüntü seçilmiştir.

7
 Şekil 7. TOPSAR-Split işlemi

Şekil 8. TOPSAR-Split işlemi

Apply Orbit File ve Apply Orbit File(2) sekmelerinde yörünge verisi olarak “Sentinel
Precise” seçilmelidir. Bu yardımcı yörünge verisi, SAR verisinin alımının yapıldığı andaki
uydu konumu hakkında bilgi içerir. Sentinel-1 uydularının yörünge verileri, yazılım tarafından
otomatik olarak indirilir. [12]

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.

Şekil 10. Back-Geocoding parametreleri

Write sekmesinde, bir çıktı klasörü tanımlanır ve çıktı verisi için istenilen herhangi bir isim
verilebilir. Ardından “Run” butonuna tıklanarak coregistrasyon işlemi gerçekleştirilir.

Şekil 11. Coregister verisinin kaydedilmesi

Yörünge düzeltmesi yapılmış ve stack haline getirilmiş veri, aşağıdaki şekilde yazılımda
açılır.

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.

2.4.İnterferogram Oluşturma ve Coherence Yorumlama

İnterferogram master görüntüsünün, slave görüntüsünün karmaşık eşleniği ile çapraz
çarpılmasıyla oluşturulur. Burada, iki görüntünün genlikleri çarpılırken, faz iki görüntü
arasındaki faz farkını temsil eder.
Faz farkına etkisi olan 5 farklı etmen vardır [12] :
 Δϕflat, düz Dünya fazı olarak adlandırılır. Dünyanın eğriliğinin faza etkisidir.
 Δϕelevation, topoğrafyanın interferometrik faza etkisidir.

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.

Şekil 13. SAR interferometrik faza etkisi olan etmenler [12]

İnterferometrik veri oluşturmada kullanışlı olan elevation ve displacement etkilerinin elde

edilebilmesi için, diğer etki ve hata kaynakları giderilmeye çalışılmalıdır. İnterferogram
oluşturma işleminde giderilmesi gereken etkilerden birisi Flat Earth Phase etkisidir. Bu etki,
referans yüzeyinin eğikliğinden dolayı interferometrik sinyalin dahilinde bulunur. [12]

Radar>Interferometric>Products>Interferogram Formation sekmesiyle interferogram

oluşturma penceresi açılır.

Şekil 14. İnterferogram oluşturma

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.

Şekil 16. İnterferogram oluşum parametreleri

12
 “Run” butonuna tıklanarak interferogram görüntüsünün oluşturulma işlemi başlatılır.
Oluşan interferogram verisi, Product Explorer penceresinde görülebilir.

Şekil 17. İnterferogram verisi içinde yer alan bantlar

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

Şekil 20. Tutarlılık (Coherence) kaybına neden olan etmenler [12]

Coherence bandı, master ve slave görüntülerindeki 0 ile 1 arasında bir ölçek ile her pikselin
birbiriyle ne kadar benzer olduğunu gösterir. Yüksek tutarlılığın olduğu alanlar parlak, düşük
tutarlılığın olduğu alanlar ise koyu renkte oluşacaktır. [12]
Bu çalışmada kullanılan görüntüler arasındaki tutarlılık ise aşağıdaki histogram ile görsel
olarak ifade edilmiştir.

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.

Şekil 22. S-1 TOPS Deburst

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.

Şekil 24. Deburst işlemi uygulanmış verideki bantlar

17
 İşlem tamamlandıktan sonra, deburst işlemi uygulanmış veri Product Explorer penceresinde
görülebilir.

Şekil 25. Deburst işlemi uygulanmış interferometrik faz görüntüsü

2.6.Goldstein Faz Filtreleme

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.

Şekil 26. Goldstein faz filtreleme

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.

Şekil 27. Goldstein faz filtreleme

Processing Parameters sekmesindeki parametreler default olarak bırakılır ve “Run”
butonuna tıklanarak faz filtreleme işlemi başlatılır. Filtreleme sona erdiğinde, oluşturulan veri
Product Explorer penceresinde görülebilir.

19
 Şekil 28. Goldstein faz filtesi uygulanmış verideki bantlar

Şekil 29. Goldstein faz filtresi uygulanmış interferogram

2.7.Multilooking

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]

Şekil 30. Radar speckle [5]

Speckle, temelde görüntünün görsel veya dijital olarak değerlendirilmesinin zorlaşmasına
sebep olan, görüntü kalitesinde düşmeye neden olan bir gürültü tipidir.
Speckle etkisi, multilooking denilen işlem ile giderilebilir. Multilooking, tek bakışa sahip
(single look) radar ışınının (A) daha dar yapıdaki alt ışınlara bölünmesi prensibine dayanır. Her
alt ışın ile, sensör tarafından alımı yapılan bölgede bağımsız bir bakış (look) oluşur. Bu bakışlar
içinde kalan bölgelerde speckle etkisine yine rastlanacaktır. Fakat oluşturulan her bakış
içindeki speckle’ların toplanıp ortalamasının alınması ile, oluşturulacak olan görüntüdeki
speckle etkisi azaltılmış olur. Multilooking genellikle verinin uydu tarafından algılandığı sırada
yapılır. [5]

Şekil 31. Multilooking [5]

Radar>Multilooking seçeneğine tıklanarak Multilooking penceresi açılır.

21
 Şekil 32. Multilooking

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.

Şekil 33. Multilooking

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.

Şekil 34. Multilooking işlem parametreleri

“Run” butonuna tıklanarak multilooking işlemi gerçekleştirilir ve işlem sonra erince
oluşturulan veri Product Explorer penceresinde açılır.

Şekil 35. Multilooking işlemi uygulanmış verideki bantlar

23
 Şekil 36. Multilooking uygulanmış interferometrik faz görüntüsü

2.8 Phase Unwrapping (Faz Açma)

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.

Şekil 38. Verinin SNAPHU yazılımı için çıktı olarak kaydedilmesi

Bunun için, Radar>Interferometric>Unwrapping>Snaphu Export sekmesi kullanılır. Açılan
Snaphu Export penceresinde Source Product olarak multilook işlemi gerçekleştirilmiş veri
seçilir. Snaphu Export sekmesinin Target Product kısmında export edilecek verilerin
kaydedileceği klasör oluşturulur ve tanımlanır. Ardından “Run” butonuna tıklanarak veriler
SNAPHU yazılımında işlenmek üzere tanımlanan klasöre kaydedilir.

25
 Şekil 39. Snaphu Export

Şekil 40. Snaphu Export

Oluşturulan, export edilmiş verilerin olduğu klasörün içine, SNAPHU yazılımının
Cygwin’de çalışmasını sağlayacak olan snaphu.exe dosyası eklenir. Ardından unwrapping
işlemini başlatmak üzere Cygwin64 Terminal virtual machine açılır. SNAPHU’nun algoritması
hakkında bilgi almak için komut satırına “snaphu” yazılıp Enter’a basılır.

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

Şekil 43. Unwrapping işleminin sona ermesi

SNAPHU’daki işlem bittikten sonra, oluşturulmuş unwrapped faz görüntüsünün tekrar
SNAP’te açılması için, Radar>Interferometric>Unwrapping>Snaphu Import sekmesi
kullanılır.

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.

Şekil 45. Snaphu Import

29
 Şekil 46. Snaphu Import

Şekil 47. Snaphu Import

Import edilen veri, Product Explorer penceresinde açılır. Verinin dahilindeki bantlar
arasında unwrapped faz görüntüsünün bulunduğu görülebilir.

30
Şekil 48. Unwrapping işlemi uygulanmış veri içinde yer alan bantlar

Şekil 49. Unwrapping işlemi uygulanmış faz görüntüsü

31
2.9 Fazdan Yüksekliğe Geçiş (Phase to Elevation)

Unwrapping işlemi uygulanmış interfereometrik faz görüntüsünün, dijital yükseklik

modeline (DEM) dönüştürülmesi adımıdır.

Şekil 50. Faz verisinden yükseklik verisine geçiş

Radar>Interferometric>Products>Phase to Elevation sekmesi tıklanarak PhasetoElevation
DEM Generation penceresi açılır.

Şekil 51. 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.

Şekil 52. Phase to Elevation verisinin içindeki Elevation bandı

Şekil 53. İnterferometrik faz görüntüsünden elde edilen DEM

2.10 Range-Doppler Terrain Correction (Arazi Düzeltmesi)

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.

Şekil 54. Range-Doppler Terrain Correction

Radar>Geometric>Terrain Correction>Range-Doppler Terrain Correction sekmesine
tıklanarak Range-Doppler Terrain Correction penceresi açılır.
Arazi düzeltmesi getirilecek görüntünün adının sonuna yazılım tarafından, arazi
düzeltmesini temsil etmesi için “TC” ibaresi eklenir. Oluşturulacak görüntünün kaydedileceği
klasör tanımlanır. Processing Parameters sekmesinde, kullanılacak resampling metodu ile
DEM verisi default olarak seçilmiştir.

Şekil 55. Range-Doppler Terrain Correction

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

Şekil 58. Range-Doppler arazi düzeltmesi uygulanmış DEM

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

Yükseklik modeli hakkındaki istatiksel bilgiler ile modeldeki maksimum ve minimum

yükseklik değerleri, Anaylsis>Statistics sekmesinden öğrenilir.

38
 Şekil 61. Yükseklik modeli hakkındaki istatistiksel değerler

2.11 Oluşturulan Dijital Yükseklik Modelinin SRTM Yükseklik Modeliyle

Kıyaslanması

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

2.12 Dijital Yükseklik Modelindeki Detayların İncelenmesi

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.

Şekil 63. Raster verisinin açılması

40
 Şekil 64. Üretilen DEM görüntüsü

Açılan DEM görüntüsüne Hillshade işlemi uygulamak için Raster>Analysis>Terrain

Models sekmesine tıklanır.

Şekil 65. Hillshading işlemi

Açılan pencerede, oluşturulacak Hillshade katmanının ismi ve kaydedileceği klasör
tanımlanır. Hillshading algoritması, yatay düzlemdeki piksel değerlerini metre cinsinde kabul

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.

Şeki 66. Hillshade katmanının oluşturulması

Şekil 67. Hillshade katmanı

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.

Şekil 69. Eklenti yükleme

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.

Şekil 70. Eklenti yükleme

Şekil 71. Color Ramp Manager eklentisi

Eklenti içinde bulunan renk paletlerinin yüklenmesi için, Plugins>Color Ramp
Manager>Color Ramp Manager sekmesine tıklanır ve “Package” kısmında “full cpt-city
package” seçeneği işaretlenir, OK butonuna tıklanır.

Şekil 72. Color Ramp Manager eklentisi

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.

Şekil 74. DEM görüntüsüne renk paleti uygulanması

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]

Şekil 76. Renk paletinin uygulanmasında yapılan ayarlar

3 ÇIKTI VERİLERİ

46
 Metodoloji adımında anlatılan uygulamalar tamamlandıktan sonra, elde edilen ürün
aşağıdaki şekilde görüntülenir.

Şekil 77. Uygulama sonucunda oluşturulan dijital yükseklik modeli

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

Oluşturulan modeldeki yükseklik değerleri, Identify Features seçeneği ile görüntülenebilir.

Görüntüde istenilen bölge üzerinde bir noktaya tıklanarak tıklanılan pikselin yükseklik değeri
görüntülenebilir.

48
 Şekil 80 Modeldeki yükseklik değerlerinin incelenmesi

Şekil 81 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