Yüksek çözünürlüklü orman bozulması haritalaması için yapay zekâya hazır bir uydu uzaktan algılama veri seti

Hasarlı ormanların herkes için önemi

Avrupa genelinde ormanlar kuraklık, fırtına, böcekler ve tomruklama gibi artan baskılar altında. Bu değişimler yerde fark edilmesi zor küçük yamalarda ortaya çıkabiliyor, ancak yürüyüş alanlarından karbon depolamaya ve yerel iklime kadar her şeyi etkiliyor. Bu çalışma, Alman ormanlarının ultra-ayrıntılı hava fotoğraflarını yapay zekâ için kullanılabilir hâle getiren yeni, açık bir veri seti sunuyor; böylece ormanların nerede, nasıl ve neden zarar gördüğünü tespit etmek çok daha kolaylaşıyor.

Ormanları yukarıdan ayrıntılı görmek

Çalışma, son yıllarda özellikle ladinlerde ağır ağaç kayıpları yaşayan batı Almanya’daki yoğun ormanlı eyalet Renanya-Palatina üzerine odaklanıyor. Yüzeyi 10–30 metrelik piksellere bulanıklaştıran yaygın uydu görüntülerine dayanmak yerine yazarlar, bireysel ağaç tepelerini ve dar açıklıkları ayırt edebilecek kadar keskin, yalnızca 20 santimetre çözünürlüğe sahip hava fotoğrafları kullanıyor. Her büyük hava sahnesi standartlaştırılmış 100’e 100 metrelik karolara bölünerek yaklaşık 17.500 görüntü parçasından oluşan bir koleksiyon yaratılıyor. Bu ince taneli görünüm, daha kaba sensörlerle sıklıkla kaçan küçük, düzensiz bozulma yamalarını çok daha yüksek doğrulukla haritalamaya olanak tanıyor.

Görünmeyen renkleri ve orman yüksekliğini eklemek

Veri seti yalnızca normal renkli fotoğrafları saklamakla kalmıyor. Her karoda kırmızı, yeşil, mavi, yakın kızılötesi ışık ve nesne yüksekliği tahmini olmak üzere beş bilgi katmanı bulunuyor. Yakın kızılötesi, bitkinin ne kadar yoğun fotosentez yaptığı hakkında bilgi vererek stresli veya ölü ağaçları sağlıklı olanlardan ayırt etmeyi sağlıyor. Dijital yüzey ve zemin yükselti modellerinin birleştirilmesiyle oluşturulan yükseklik katmanı, nesnelerin ne kadar uzun olduğunu göstererek ayakta duran ağaçları açıklıklar veya devrilmiş gövdelerden ayırmaya yardımcı oluyor. Bu katmanlar birlikte orman örtüsünün hem “rengini” hem de “şeklini” yakalayarak yapay zekâ modellerine farklı bozulma türlerini ayırt etmek için gereken ipuçlarını sunuyor.

Uzman bilgisini eğitim verisine dönüştürmek

Yüksek kaliteli eğitim verisi birçok yapay zekâ projesi için darboğazdır ve orman izleme de istisna değil. Görüntüleri etiketlemek için ekip, bir milli park ve eyalet çapında bir raporlama sisteminden gelen arazi gözlemlerini dikkatli görsel yorumlama ile harmanladı. İlk adımda orman bekçilerinin saha gözlemleri elle ayrıntılı bozulma poligonlarına dönüştürüldü. Ardından, modern bir bilgisayarlı görü modeli, bölgesel veritabanındaki genellikle kaba bozulma sınırlarını geliştirmeye yardımcı olmak üzere ince ayarlandı ve bu sınırlar görüntülerde görünen gerçek hasar alanlarına oturtuldu. Uzmanlar daha sonra özel bir web aracı kullanarak binlerce karoyu gözden geçirip sınırları, sınıfları ve kaçan yamaları düzeltti. Sonuç, her pikseli kabuk böceği zararı, açıklık, rüzgâr devrilmesi veya arka plan olarak işaretleyen ve uzman kabul oranı %90’ın üzerinde olan bir dizi segmentasyon maskesi oldu.

Yapay zekâ ormanı ne kadar iyi okuyabiliyor?

Veri setinin neler yapabildiğini göstermek için yazarlar, bozulma türlerini otomatik olarak segmente eden popüler bir derin öğrenme mimarisi eğitti. Beş kanalın tamamı kullanıldığında model piksellerin yaklaşık %88’ini doğru sınıflandırdı; özellikle açıklıklar ve kabuk böceği zararında çok iyi performans gösterdi. Ek bir deneyde hangi kanalların en önemli olduğunu görmek için girdi kanalları sistematik olarak çıkarıldı. Yakın kızılötesi veya yükseklik katmanlarının çıkarılması, özellikle ölü veya tomruksuz bırakılmış alanları ve karışık rüzgâr devrilmelerini tespit etmede performansta en büyük düşüşe neden oldu. Bu, spektral ipuçlarını 3B yapı ile birleştirmenin ağaçların nasıl öldüğü veya kaldırıldığı arasındaki ince farkları tanımada anahtar olduğunu doğruluyor.

Geleceğin orman gözetimi için anlamı

Uzman olmayanlar için temel çıkarım, bu çalışmanın yukarıdan ormanları “okuyan” yapay zekâ sistemleri için özenle derlenmiş, açıkça erişilebilir bir eğitim alanı sunduğu. Keskin hava görüntülerini güvenilir bozulma etiketleriyle eşleştirerek araştırmacıların, kuruluşların ve hatta koruma gruplarının orman sağlığını izlemek için otomatik araçlar geliştirmesini ve karşılaştırmasını kolaylaştırıyor. Veri seti tek bir Alman eyaletine dayansa da tasarımı —ve birlikte yayımlanan kod— benzer çabalar için bir şablon sunuyor. Uzun vadede, bu tür kaynaklar toplumun orman sorunlarını tek bir korudan bir bölgeye kadar daha erken fark etmesine ve yanıt vermesine yardımcı olabilir.

Atıf: Rodríguez-Paulino, E., Stoffels, J., Schlerf, M. et al. An AI-ready remote sensing dataset for high-resolution forest disturbance mapping. Sci Data 13, 490 (2026). https://doi.org/10.1038/s41597-026-07084-8

Anahtar kelimeler: orman bozulması, uzaktan algılama, hava fotoğrafçılığı, derin öğrenme, kabuk böceği