İHA tabanlı SfM ve LiDAR nokta bulutu kullanılarak akarsu DTM üretim metodolojisinin geliştirilmesi

Neden nehir tabanlarının haritalanması önemli

Nehirler yalnızca su taşımaz; kanalları, kum adacıkları ve kıyıları taşkınları kontrol eder, vahşi yaşam için habitat oluşturur ve kirliliğin aşağı akışta nasıl yayıldığını biçimlendirir. Buna rağmen nehir yatağı ve çevresinin hassas bir haritasını çıkarmak şaşırtıcı derecede zordur, özellikle sığ ve bitki örtüsüyle dolu akarsularda botlar, sonar ve ölçüm direkli ekiplerin ulaşmakta güçlük çektiği yerlerde. Bu çalışma, alçaktan uçan insansız hava araçları, lazer tarayıcılar ve akıllı bilgisayar filtelerinin bir araya gelerek bir Kore akarsuyunun ayrıntılı “çıplak zemin” haritalarını nasıl oluşturabildiğini gösteriyor; bu, nehirlerin gizli yüzeyini daha güvenli, daha hızlı ve daha eksiksiz görmeyi sağlıyor.

Kompleks bir akarsu üzerinde gökyüzünden yeni bakışlar

Araştırmacılar, Güney Kore’nin Icheon kentindeki Bokha Deresi’nin 2,8 kilometrelik bir bölümüne odaklandı; burası kıvrımlı kanallar, kum adacıkları, taşkın ovaları ve uzun kıyı ağaçlarından oluşan bir peyzajdı. Geleneksel ölçümler burada yavaş, tehlikeli olur ve her kıvrımı ya da çukuru yakalayamazdı. Bunun yerine ekip iki tür insansız hava aracı kullandı. Birine yerden yansıma sürelerini ölçen ve yaprakların arasından zemine kadar nüfuz edebilen yoğun bir 3B nokta bulutu üreten bir lazer tarayıcı (LiDAR) takıldı. Diğeri çok bantlı bir kamera taşıdı ve birbirinin üst üste binmiş fotoğraflarını birleştirerek başka bir 3B nokta bulutu üreten hareketten yapılandırma (SfM) denen tekniği kullandı. Bu tamamlayıcı görünümler birlikte bitki örtülü kıyılar ve sığ, çoğunlukla berrak kanalın yoğun kapsamasını sağladı.

Suyu topraktan, zemini saçalıktan ayırmak

Ham 3B nokta bulutları her şeyi kaydeder: yapraklar, dallar, yapılar, havadaki gürültü ve dalgalı su yüzeyindeki yansımalar. Sadece gerçek araziyi modellemek için bu ekstra noktaların elenmesi gerekir. Ekip önce Normalized Difference Water Index (NDWI) adlı basit bir renk tabanlı gösterge kullanarak suyu topraktan ayırdı; bu gösterge spektrumdaki yeşil ve yakın kızılötesi bantlardaki parlaklıkları karşılaştırır. Seçilen bir eşik değerin üzerindeki pikseller su olarak işaretlendi. Kara alanlarında LiDAR noktaları tercih edildi çünkü lazer darbeleri yaprakların arasından zemine ulaşabiliyor. Su alanlarında ise LiDAR çoğunlukla yüzeyden yansıma verdiği ve derinliği “göremediği” için araştırmacılar yerine fotoğraf tabanlı SfM verilerine güvendiler; SfM bazen sığ ve nispeten berrak sularda akarsu yatağındaki özellikleri takip edebiliyor.

Üç dijital süpürgenin sınanması

Sırada daha zor adım vardı: bitki örtüsü ve diğer zemin dışı nesneleri gerçek kıyı ve yatak şekillerini koruyarak temizlemek. Ekip üç yaygın kullanılan “dijital süpürge” yani yer filtresini karşılaştırdı. Cloth simulation filter (bez simülasyonu filtresi) ters çevrilmiş bir nokta bulutu üzerine esnek bir örtü seriliyormuş gibi hayal eder ve örtüyü zemin kabul eder. Progressive TIN filter (ilerlemeli TIN filtresi) düşük noktalardan başlayarak bir ağ (mesh) yüzey kademeli olarak inşa eder ve yükseklik ile eğim kurallarına uyan ek noktalar ekler. Simple Morphological Filter (SMRF) yüzeyi tekrar tekrar aşındırıp genişleterek çalılık ve ağaç gibi yüksek nesneleri budar. Her yöntem için ekip LiDAR arazide, SfM ise su alanlarında olacak şekilde çok sayıda parametre ayarı denedi ve ardından ortaya çıkan araziyi geleneksel ölçüm aletleriyle alınmış 11 dikkatle ölçülmüş enine kesitle karşılaştırdı.

Gerçek nehire en iyi uyumu bulmak

Doğruluk, modellenen ve ölçülen yükseklikler arasındaki ortalama ve karekök ortalama (RMS) farklarla değerlendirildi. LiDAR ve SfM ayrı kullanıldığında fotoğraf tabanlı yöntem genel olarak daha iyi performans gösterdi çünkü LiDAR’ın kaçırdığı batık yatağı kısmen yakalayabiliyordu. Ancak en net resim iki veri setinin birleştirildiğinde ortaya çıktı: kara için LiDAR, su için SfM ve her ikisi optimize edilmiş filtrelerle temizlendi. Üç algoritma arasında SMRF en iyi genel performansı verdi; tüm alanda hatalar yalnızca yaklaşık 16–21 santimetre mertebesindeydi. Yoğun çalılıkları ve yüksek ağaçları temizlemede başarılı olurken küçük teraslar ve dik kıyılar gibi keskin detayları korumada da üstünlük gösterdi; bu özellikler gerçekçi taşkın ve habitat modelleri için kritik önemdedir. Bununla birlikte SMRF bazen su bölgelerinde yükseklikleri biraz düşük tahmin edebiliyordu.

Bu nehirler ve komşuları için ne anlama geliyor

Uygulamada çalışma, dağınık drone ölçümlerini küçük, sığ akarsular için doğru çıplak zemin haritalarına dönüştürmenin test edilmiş bir tarifini sunuyor. Su ile karayı otomatik olarak ayırıp lazer ve fotoğraf verilerini akıllıca harmanlayarak yöntem, eski bot veya kara tabanlı ölçümlerin birçok kör noktasını gideriyor. Yazarlar, bu tür karışık nehir koridorları için genel amaçlı en güvenilir filtre olarak SMRF’yi öne çıkarırken, bez simülasyonu filtresinin kötü noktalı zorlu su alanlarında özellikle istikrarlı olduğunu da not ediyorlar. Bu bulgular mühendislerin ve ekolojistlerin daha iyi taşkın modelleri oluşturmasına, restorasyon projelerini planlamasına ve nehirlerin zaman içindeki değişimini daha az saha riski ve maliyetle takip etmesine yardımcı olabilir. Daha çevreci lazer sistemleri ve geliştirilmiş işlem yöntemleri yaygınlaştıkça, bu yaklaşım yüksek çözünürlüklü nehir yatağı haritalamayı su yollarını yönetmek için standart bir araç haline getirebilir.

Atıf: Gou, J., Lee, H., Park, J. et al. Development of a stream DTM generation methodology using UAV-based SfM and LiDAR point cloud. Sci Rep 16, 5178 (2026). https://doi.org/10.1038/s41598-026-35473-x

Anahtar kelimeler: nehir haritalama, drone ölçümleme, LiDAR, dijital arazi modeli, akarsu ekolojisi