İHA görüntüleri ve nokta bulutu verilerine dayalı çok-zamanlı dağlık arazi değişiklikleri analizi

Dağların Nefes Alışını ve Kaymasını İzlemek

Keskin dağ manzaraları zamansız görünebilir, ancak Dünya üzerindeki en huzursuz bölgeler arasındadır. Şiddetli yağmur, depremler, heyelanlar ve yavaş zemin kayması vadileri sessizce yeniden şekillendirip evlere zarar verebilir ve yolları kesebilir. Bu çalışma, küçük insansız hava araçları ve gelişmiş görüntü analizinin bu engebeli bölgeleri dikkatle izlenen alanlara dönüştürebileceğini, zeminin birkaç santimetreden birkaç metreye kadar nerede hareket ettiğini ortaya koyabileceğini gösteriyor. Bu bilgi, afet sonrası kurtarma ekiplerine rehberlik etmeye ve kararsız yamaçlarda yaşayan topluluklar için daha güvenli planlama desteklemeye yardımcı olabilir.

Dağ Değişikliklerini Görmeyi Zorlaştıran Nedenler

Dağ arazisinin zaman içinde nasıl değiştiğini ölçmek hiç de basit değildir. Dik uçurumlar derin gölgeler oluşturur, yoğun bitki örtüsü zemini gizler ve manzaranın bazı bölümleri sıklıkla görüş hattından engellenir. Geleneksel havadan fotoğraflar veya uydu görüntüleri ince hareketleri kaçırabilir ve yüksek teknoloji lazer taramalar bile ağaç dalları sallandığında veya arazi kısmen yakalandığında yanıltıcı olabilir. Sonuç olarak, tehlikeli kaymalar fark edilmeyebilir veya sadece gölge veya mevsimlik yeşillik değişimi söz konusu iken yanlış alarmlar ortaya çıkabilir. Bu nedenle dağlık bölgeler, yalnızca yukarıdan görünen yüzey renklerini değil, aynı zamanda altındaki arazinin üç boyutlu şeklini de görebilen yöntemlere ihtiyaç duyar.

Arazinin Şeklini Yakalamak İçin Drone Kullanımı

Bu zorluğun üstesinden gelmek için araştırmacılar, Tayvan’ın Guanziling dağlarında altı hektarlık bir alan üzerinde küçük kamera taşıyan insansız hava araçlarını iki kez, yaklaşık bir yıl arayla uçurdular. Örtüşen uçuş yollarını dikkatle planlayıp uçuş yüksekliğini düşük tutarak, her pikselin zeminde yalnızca iki santimetreyi temsil ettiği binlerce yüksek çözünürlüklü görüntü topladılar. Bu fotoğraflardan açık kaynak yazılımlar kullanılarak binaların, ağaçların, yolların ve çıplak zeminin yüzeylerini milyonlarca renkli noktayla haritalayan ayrıntılı üç boyutlu “nokta bulutları” yeniden oluşturuldu. Bu dijital peyzaj, sahada yer kontrol işaretleriyle gerçek dünya koordinatlarına bağlanarak iki anketin santimetre düzeyinde doğrulukla karşılaştırılabilmesini sağladı.

Bilgisayara Sahneyi Anlatmayı Öğretmek

Yüksek ayrıntı tek başına yeterli değildir—bilgisayarın neye baktığını da bilmesi gerekir. Ekip, DeepLabv3 adlı derin öğrenme modelini semantik segmentasyon gerçekleştirecek şekilde eğitti; bu, drone görüntülerindeki her piksele bina, yol, bitki örtüsü, nehir veya diğer insan yapımı nesneler gibi basit bir kategori atanması demektir. İlk anketten yüzlerce görüntü karo parçasını elle etiketleyerek bir referans haritası oluşturdular ve bunu ağına benzer desenleri tanımayı öğretmek için kullandılar. Eğitilmiş model karmaşık, engebeli arazide çoğu kategori için insan etiketleriyle yüzde 90'dan fazla oranda doğru eşleşme göstererek oldukça yüksek doğruluk sergiledi. Bu adım, görünürdeki bir değişikliğin endişe verici mi yoksa yaprak hareketi gibi geçici mi olduğunu belirlerken sistemin evler ve yollar gibi katı özellikleri bitki örtüsü gibi daha değişken olanlardan ayırmasını sağladı.

Gerçek Zemin Hareketini 3B Olarak Ölçmek

İki anket hizalanıp her piksel sınıflandırıldıktan sonra araştırmacılar zeminin kendisinin ne kadar hareket ettiğini ölçmek için nokta bulutlarına döndüler. Lokal arazinin eğimi doğrultusunda bakıp iki zaman dilimi arasında yüzeyin ne kadar kaydığını hesaplayan ve her ölçümde belirsizliği de tahmin eden Çok Ölçekli Modelden Modele Bulut Karşılaştırması adlı bir yöntem kullandılar. Bina çatıları ve asfalt yollar gibi stabil yerlerde yöntem yalnızca ortalama yaklaşık dört santimetrelik bir uyumsuzluk bildirdi ve bu hizalamanın sıkı olduğunu doğruladı. Büyük değişim alanlarında sistem ortalama yaklaşık üç metre yer değiştirme tespit etti; etkilenen noktaların çoğu gürültü seviyesinin açıkça üzerindeydi—ölçüm hatasından ziyade gerçek zemin hareketinin güçlü kanıtı.

2B Görüntülerin Kaçırdıklarını Görmek

Çerçevenin gerçek gücü iki boyutlu ve üç boyutlu görünümlerin birleştirilmesinde yatar. İki tarihte sınıflandırılmış görüntülerin basit bir karşılaştırması bazen hiç gerçekleşmemiş değişiklikleri işaretleyebiliyordu; örneğin kaymış gölgelerle koyulaşan veya daha sıkı bitki örtüsüyle kaplanan bölgelerde. Bu sözde değişiklikleri 3B yer değiştirme haritasına karşı çapraz kontrol ederek araştırmacılar, az ya da hiç ölçülmüş hareket olmayan vakaları eliyordular. Bir dizi “orta değişim” bölgesinde yalnızca 2B yaklaşım gerçek kaymaların onda birinden daha azını tespit ederken, 3B analiz ağaçların zemini kısmen gizlediği yerlerde bile ortalama iki metreden fazla gerçek yer değiştirmeleri ortaya çıkardı. Bu 2B–3B füzyon, görünürdeki değişikliklerin gürültülü yamacını zeminin gerçekten nerede deforme olduğunu daha net gösteren bir resme dönüştürdü.

Dağ Toplulukları İçin Anlamı

Gündelik ifadeyle, bu çalışma kararsız dağ arazisinin zaman içinde nasıl nefes alıp kaydığını izlemek için pratik bir reçete gösteriyor. Ucuz drone anketlerini akıllı görüntü etiketlemesi ve hassas 3B mesafe ölçümleriyle eşleştirerek yetkililer; yamaçların nerede süründüğünü, heyelanların nerede büyüdüğünü ve bu değişikliklerin evlere ve yollara ne kadar yakın olduğunu haritalayabilir. Sistem ile insan yapımı referans haritalar arasındaki güçlü uyum, değişiklik tahminlerinin afet sonrası değerlendirmeler, heyelan izlemesi ve uzun vadeli planlama için yeterince güvenilir olduğunu gösteriyor. Bu yaklaşım yayıldıkça engebeli bölgelerde yaşayan topluluklar zemin hareketlerine daha erken uyarılar, fırtına veya depremler sonrası daha doğru hasar haritaları ve gelecekte nerelere—nerelere değil—yapı yapılacağı konusunda daha iyi bilgi sahibi olabilirler.

Atıf: Hou, TC., Trinh, T.B.N., Yang, TY. et al. Multi-temporal analysis of mountainous terrain changes based on UAV images and point cloud data. Sci Rep 16, 12792 (2026). https://doi.org/10.1038/s41598-026-42202-x

Anahtar kelimeler: dağ heyelanları, drone haritalama, 3B nokta bulutları, arazi değişikliği tespiti, afet izleme