Yangın ve Güvenlik Dergisi 182. Sayı (Nisan 2016)

YANGIN ve GÜVENL ø K SAYI 182 84 YANGIN - MAKALE veya Bu temporal s × n × rlama potansiyel olarak kara yüzeyi ko ü ullar × n × de ù i ü tirebilecek olan mevsimsel de ù i ü imlerin etkisini en aza indirmek ve de ayn × zamanda bu- lutsuz veri bulunabilirli ù ini dengelemek için uygulanm × ü t × r. Bu yakla ü × m uzaysal-çak × ü × k ve geçici-di- rençli yang × n pikselleri için olan önceden i ü lenmi ü aktif yang × n verilerinin do ù rudan do ù rulamas × üzerine dayal × d × r. Bu basit test, 30 m zemin ayak izi içerisindeki ti- pik biokütle yanma yak × tlar × n × n dakikalar, saatler veya bir kaç gün süren aral × ks × z alevlenme ve/veya içten yanma ile tamamen tüketildikleri varsay × m × na da- yanmaktad × r. Bu sebeple yang × n tespit algoritmas × taraf × ndan potansiyel yan- g × ndan-etkilenmi ü alanlar olarak s × n × flan- d × r × lm × ü olan ve daha önceden belirlen- mi ü bir ya da daha fazla yang × n pikseli ile çak × ü an pikseller, geçici olarak kal × c × yang × n × tespit i ü aret edecek ü ekilde bir kal × c × kaynak s × n × f × na atan × rlar. Bu tür bir s × n × fland × rma gaz alevlenmelerini ve di- ù er yerle ü ik kentsel × s × kaynaklar × n × (örne- ù in çelik i ü leme tesisleri) i ü aretlemek için faydal × olmu ü tur. Sonuç olarak, aç × k arazi yang × nlar × ve di ù er tür yanma ya da × s × kaynaklar × n × birbirinden ay × rmak için kul- lan × labilir. Buna ilave olarak, bu test ayn × zamanda, radyometrik olarak parlak kentsel özellikleri (örne ù in s × cak ve reflek- tif fabrika çat × lar × ) ve güne ü enerjisi çift- likleri/fotovoltaik istasyonlar vs. gibi di ù er özgün yap × lar ile ba ù lant × l × potansiyel gündüz hatalar × n × (yanl × ü alarmlar) i ü a- retleyebilir. Buna ilave olarak kömür çu- kurlar × ve belirli alanlarda yakma amaçl × tekrar eden biokütle istiflemelerinin de bu test sonucunda kal × c × kaynaklar ola- rak i ü aretlenebilece ù ini fark ettik. Geçti ù imiz 176 gün boyunca e ü -lokas- yonlu tespit olmaks × z × n gündüz yang × n algoritmas × taraf × ndan sa ù lanan piksel ç × kt × lar × ayr × ca, potansiyel yanl × ü alarm i ü areti olan, zaman içerisinde × srarc × olan yüksek kanal 7 reflektanslar × n × n olup ol- mad × ù × na yönelik daha detayl × olarak in- celenmi ü tir. Bitki örtüsü olan ve olmayan (örne ù in sadece toprak) alanlar × ay × rma anlam × ndaki avantajlar × ve duman tara- f × ndan daha az kontaminasyon sebebiy- le bu test için kanal 7’yi kulland × k(Asner & Lobell, 2000; Kaufman et al., 1997). Bu test, U 7;t N0:2 olan piksellere parlak yüzey atamaktad × r ve bu da geçti ù imiz 176 gün boyunca t e ü -lokasyonlu bu- lutsuz pikseller kullan × larak hesaplanm × ü (8) (9) (10) Testler 7 ve 8 s × ù ve/veya çökelti aç × s × n- dan zengin sular × (örne ù in Amazon nehir a ù z × ) görüntülemek için kullan × l × rken, test 7 ve 9 derin ve/veya koyu su kütlelerini haritalamak için faydal × d × r. Bu su-mas- keleme sistemi L1T kalitesindeki bantta bulunan mevcut su güvenilirlik bitlerine k × yasla daha liberal bir s × n × fland × rma sun- makta olup baz × dahil etme hatalar × na ra ù men daha fazla su pikselinin i ü aret- lenmesini sa ù lar. Örne ù in, test 7 ve 9 su kütlelerini ve bulut gölgelerini birbiri ile kar × ü t × rabilir ve her ne kadar bu tür bir s × n × fland × rma hatas × yang × n algoritmas × performans × üzerinde fark edilebilir bir et- kiye sahip olmam × ü olsa da, bu sebeple geçerli arka plan istatistiklerini etkiler. 3.2 Gece yang × n tespiti Gece görüntülerinde yans × m × ü solar komponent olmamas × yang × ndan et- kilenmi ü piksellerin s × n × fland × rmas × n × ko- layla ü t × rmaktad × r. Burada SWIR kanal 7 radyans verilerine dayanan ve Giglio et al. (2008)‘e benzer olan tek sabit-alt s × n × r testi uyguluyoruz: Burada L7 kanal radyans × d × r. Analiz edi- len gece görüntülerinde DN katlanma- s × na dair bir kan × tla kar ü × la ü mad × k. Ancak, tetkikimizin gece görüntülerinin az olmas × ile s × n × rlanm × ü oldu ù unu fark ettik. Bu ve- rilerde DN katlanmas × n × düzgün ü ekilde ele almak için kanal 6 radyans verileri kullan × larak ilave testler yap × lmas × gerekli olabilir. 4. Multi-Temporal Analiz Seviye 1T OLI verileri 12m’lik bir jeolokas- yon hata gereklili ù ine (Irons et al., 2012), sahip olup bu, farkl × tarihlerde al × nm × ü gö- rüntülerde gözlemlenen yüzey özellikleri- nin e ü -lokasyonlulu ù unu büyük ölçüde iyile ü tirmektedir. Iyile ü tirilmi ü jeolokasyon verilerine dayanarak, en fazla 176 gün aral × kla al × nm × ü olan eski görüntülerden elde edilen e ü -lokasyonlu verileri kulla- narak yang × n algoritmas × n × iyile ü tirmek amac × yla basit bir prosedür geli ü tirdik. û ekil 3. 7 A ù ustos 2014’te çekilmi ü Do ù u Çin (yol/s × ra 119/4) Landsat-8/OLI alt seti. Ye- ü il gölgeler bitki örtüsünü, gri ve mor gölgeler kentsel alanlar × göstermektedir. Soldaki panel yang × n algoritmas × taraf × ndan sa ù lanan piksel ç × kt × s × n × gösterirken, sa ù daki panel buna denk gelen multi-temporal analiz sonuçlar × n × ve de beraberinde bütün pikselleri kent-ba ù lant × l × × s × /yüksek reflektif kaynaklar olarak yeniden s × n × fland × r × lm × ü olarak göster- mektedir (Bu ü ekildeki renk referanslar × n × n yorumu için, okuyucunun bu makalenin web versiyonunu okumas × önerilir).