Sayısal yüzey modellerinde anlamsal sınırlar için üç boyutlu mekânsal gösterim yöntemi

Kaya duvarlarını yeni bir gözle görmek

Kayalık uçurumlar antik denizler, gömülü kaynaklar ve geçmiş depremler hakkında ipuçları saklar, ancak bu ipuçlarını okumak hâlâ büyük ölçüde dik, erişilmesi zor duvarlarda insanların gözlemlediklerini çizmesine dayanıyor. Bu çalışma, drone’lar, akıllı görüntü analizi ve 3B bilgisayar modellerinin bir araya gelerek pürüzlü bir uçurum yüzünü santimetre düzeyinde doğrulukla farklı kaya türleri ve gizli sınırların haritalandığı ayrıntılı, etkileşimli bir dijital kopyaya nasıl dönüştürebileceğini gösteriyor.

Enerji ve tehlikeler açısından uçurumların önemi

Çin’in Sincan çöllerinde, antik deniz tabanının katmanları saha boyunca açığa çıkan ve yüzeyde yükselen kayalık duvarlar halinde görülür. Bu katmanlar yeraltında petrol, gaz ve su tutan rezervuarlar oluşturabilir ve bölgenin uzun jeolojik geçmişinde nasıl kıvrılıp kırıldığını kaydeder. Bir kaya türünün nerede bittiğini ve diğerinin nerede başladığını kesin olarak bilmek, hangi katmanların sıvı depolayabileceğini, fayların akışı nasıl yönlendirebileceğini veya engelleyebileceğini ve gelecekte hangi yerde heyelanlar ya da kırılmaların gelişebileceğini değerlendirmeye yardımcı olur. Oysa her metreyi mezura ve not defteriyle yürümek yavaş, riskli bir iştir ve modern kaynak arama ile tehlike izleme ihtiyaçlarına yetişmekte zorlanır.

Kaya yüzü üzerinde uçan kameralar

Araştırma ekibi, Kambriyen dönemine ait sığ deniz karbonatlarından oluşan kalın bir istif olan Xiaoerbulake yüzeyine odaklandı. Yaklaşık iki ila üç santimetre piksel çözünürlüğünde birbirinin üzerine binen 5.200’den fazla görüntü toplamak için aşağıya bakan ve dört açıdan gören beş kamerayla donatılmış profesyonel bir multirotor drone kullandılar. Özenli uçuş planlaması drone’u sabit bir yükseklikte tutup yüksek önde ve yan örtüşme sağlarken, görüntüler daha sonra aydınlatma ve bozulma için temizlendi. Bu yoğun, keskin ayrıntılı fotoğraflar her rıhtımın şeklini, kaya türleri arasındaki ince renk değişimlerini ve duvarı kesen kıvrım ve fay çizgilerini yakalıyor.

Ağı kayan sınırları takip etmeye öğretmek

Ham resimleri anlamlı haritalara dönüştürmek için araştırmacılar popüler bir görüntü analiz ağı olan U-Net’in geliştirilmiş bir versiyonunu eğitti. Deneyimli jeologlar üç ana karbonat kaya türünü ve arka planı işaretleyerek 850 görüntü yamasını elle etiketledi. Ağ, hem geniş bantları hem de ince dokuları görebilmek için çok ölçekli filtreler kullanan ve muhtemel sınırları öne çıkarırken gürültülü çevreleri bastıran dahili bir dikkat modülüyle kenarlara özel dikkat verecek şekilde yeniden tasarlandı. Özel bir kayıp fonksiyonu ince sınır zonlarına ekstra ağırlık vererek modelin bulanık geçişler yerine keskin çizgiler çizmeyi öğrenmesini sağladı. Birkaç yaygın yönteme karşı yapılan testlerde, bu geliştirilmiş ağ özellikle kaya temaslarını ne kadar keskin ve doğru izlediği açısından en iyi skorları elde etti.

Akıllı bir 3B uçurum inşa etmek

Bir sonraki adım düz resimlerden tam bir 3B modele geçmekti. Standart "motion’dan yapı" (structure from motion) ve çoklu görünüş stereo tekniklerini kullanarak ekip, gerçekçi yüzey dokusuna sahip ayrıntılı bir dijital ağ (mesh) reconstruct etti. Her drone görüntüsünün tam konumunu ve bakış açısını bilerek 2B kaya etiketlerini 3B yüzeye geri projeksiyon yaptılar. Bir derinlik testi, bir noktanın daha yakın kaya tarafından gizlendiği görünüşleri kaldırır ve ağırlıklı oylama şeması, yüzeye daha doğrudan bakan kamera açılarından gelen etiketleri tercih eder. Sonuç, her üçgenin bir kaya türü etiketi taşıdığı renkli bir 3B uçurumdur ve kontrol noktalarına karşı yapılan kontrollerde tipik eşleme hatası sadece birkaç santimetre olarak gösterildi.

Farklı ölçeklerde dijital uçurumu keşfetmek

Modeli pratikte kullanışlı hale getirmek için yazarlar Cesium 3D haritalama platformunu kullanarak web tabanlı bir görüntüleyici oluşturdu. Sadece ana bantları ve yapıları gösteren hafif ağlardan yakın incelemeye uygun daha yoğun versiyonlara kadar birkaç detay düzeyi yarattılar. Kullanıcılar geniş bir bölgesel görünümden belirli rıhtımlara kadar yakınlaşabilir, farklı kaya gövdelerinin mekanda nasıl bağlandığını görürken performansın akıcı kalmasını sağlayabilir. Renkler ve saydamlık ölçekle değişerek en ilgili sınırların dağınıklık olmadan öne çıkmasını sağlar.

Bu yöntemin gelecekteki saha çalışmaları için anlamı

Uzman olmayanlar için temel fikir, artık uçurumların kaya türleri ve yapısal çizgilerin elle değil otomatik olarak izlendiği hassas, etkileşimli dijital ikizlere dönüştürülebileceğidir. Xiaoerbulake örneğinde yöntem, standart görüntü araçlarını açıkça geride bıraktı ve 3B eşlemedeki hataları birkaç santimetre içinde tuttu. Bu düzeydeki ayrıntı petrol, gaz veya suyun nerede depolanabileceğine dair tahminleri keskinleştirebilir ve bilim insanlarının zeminin zaman içinde nasıl kaydığını anlamalarına yardımcı olabilir. Drone’lar ve yapay zeka geliştikçe benzer sistemler jeologlar için rutin araçlar haline gelebilir; saha çalışmalarını daha hızlı, daha güvenli ve daha bilgilendirici yapabilir.

Atıf: Dong, Z., Zhang, H., Qu, Y. et al. Three-dimensional spatial representation method for semantic boundaries in digital outcrop models. Sci Rep 16, 15170 (2026). https://doi.org/10.1038/s41598-026-45820-7

Anahtar kelimeler: dijital yüzey, drone jeolojisi, 3B jeolojik modelleme, anlamsal segmentasyon, jeolojik sınırlar