Yangın ve Güvenlik Dergisi 183. Sayı (Mayıs-Haziran 2016)

YANGIN ve GÜVENL ø K SAYI 183 72 YANGIN - MAKALE g × nlar × (Afrika’daki otlak arazi yang × nlar × , Amazon’daki çevirim yang × nlar × , Hindis- tan’daki tar × msal yang × nlar), bilinen gaz parlama lokasyonlar × ile ba ù lant × l × ufak nokta kaynaklar × (örne ù in Kuzey Dakota/ ABD’de bulunan gaz hidrolik k × r × lma istas- yonlar × , ve orta-do ù udaki petrol sahalar × ) ve aktif volkanlar gibi di ù er do ù rulana- bilir × s × l anomaliler dahil olmak üzere çok farkl × yang × n ko ü ullar × boyunca uzman görüntü analistleri taraf × ndan nitel olarak tetkik edilmi ü tir. Landsat-8 yang × n algoritmas × yukar × da belirtilmi ü olan çok farkl × ko ü ullarda iyi performans sergilemi ü tir. û ekil 5 , 1-km Terra ve Aqua MODIS Thermal Anoma- lies (MOD14/MYD14), ve 750 m ve 375- m S-NPP/VIIRS aktif yang × n verilerinden (Csiszar et al., 2014; Giglio, Descloitres, Justice, & Kaufman, 2003; Schroeder et al., 2014). elde edilen ayn × -gün yang × n tespitleri ile desteklenmi ü olan ve ABD’nin California eyaletinde 2014 y × l × nda mey- dana elen yang × nda üretilmi ü olan gün- düz yang × n tespitlerini göstermektedir. Bu uydu görüntüleri s × ral × olarak al × nm × ü olup, her bir ard × ü × k üstten geçi ü aras × nda orta- lama 1 saatlik ay × r × m vard × r. Genel anlamda, farkl × ürünler, hem yan- g × n önü lokasyonu ve boyut anlam × nda iyi bir uyu ü ma sa ù lam × ü lard × r. Ancak, Lan- dsat-8 yang × n pikselleri alevlenmi ü yang × n ön hatt × n × n daha detayl × haritas × n × sa ù la- m × ü ve yang × n × n hem do ù u hem de bat × kanad × nda sürekli aktivite alanlar × n × ve de yang × n perimetresi içerisinde izole edilmi ü × s × adalar × tan × mlam × ü t × r. Yang × n perimetresinin kuzey bölümünde (en uç kenar)optik olarak kal × n bir pirokü- mülüs bulutun olu ü umu, gün içerisinde de ù i ü ti ù i için, yang × n ürünleri üzerinde de ù i ü ken etkilere sahip olmu ü tur. Göreceli olarak kuru duman ile kaplanm × ü olan di- ù er alanlar OLI SWIR reflektanslar × nda ve ona denk gelen yang × n tespit performan- s × nda hiç bir belirgin etkiye sahip olma- m × ü t × r (destekleyici malzeme). Algoritman × n say × sal gündüz dahil etme hata oranlar × çok farkl × yang × n aktivitesi gösteren 13 farkl × lokasyon için hesap- lanm × ü t × r ( Tablo 2 ). Görüntülerin ayr × ayr × i ü lenmesi süreci temel yang × n algoritma- s × n × ve yukar × da tan × mlanan tamamlay × c × multi-temporal analiz prosedürünü içer- mektedir. Temporal analize dahil edilen kullan × labi- lir görüntü say × s × bulut kapsama alan × na ba ù l × olmu ü tur. Arjantin ve kuzey Hindis- tan özellikle bulut gölgelemesine maruz kalm × ü önceki 176 günde elde edilmi ü olan 11 olas × görüntünün be ü tanesin- den az × bulutsuz veri ortaya koymu ü tur. Algoritman × n multi-temporal analizinde kullan × lan daha az say × da görüntüye k × - yasla algoritma aktif yang × nlar × , kal × c × × s × l kaynaklar × n × ve parlak pikselleri s × f × r ya da göz ard × edilebilir dahil etme hata oran × ile do ù ru ü ekilde s × n × fland × rabilmi ü tir. Belirgin ü ekilde farkl × yang × n karakteristik- lerine sahip olan alt × bölge, yani Güney Afrika, Avusturalya, Brezilya, Meksika, Ku- zey Hindistan ve Irak, büyük say × da (N 1000) tespit edilmi ü piksel ortaya koy- mu ü tur. Güney Afrika ve Avusturalya’da tespit edilmi ü olan pikseller her bir görün- tüde büyük do ù a yang × n × tan × mlam × ü t × r. Brezilya’da orman çevirim ve otlak alan × açma yang × nlar × tespit edilirken, Meksi- ka’da ve kuzey Hindistan’da ise a ù × rl × kl × olarak tar × msal yang × nlar görülmü ü tür. Irak’taki görüntü çok say × da gaz alevlen- me istasyonu içeren petrol sahalar × ile çak × ü m × ü t × r. Multi-temporal analiz testi sonuçlar × n × n yüksek seviyede arazi kullan × m × ba ù lant × l × biokütle yanma aktivitesi ve do ù al yan- g × nlar sergileyen yukar × daki lokasyonlara uygulanmas × piksel s × n × fland × rmas × nda neredeyse hiç bir de ù i ü ime yol açma- m × ü t × r. Burada ender görülen bir kaç piksel yeniden s × n × fland × rma durumu yü- zeydeki kömür ocaklar × (Afrika) ve kentsel yap × lar ve di ù er alanlardaki nadir bitkisel örtü pikselleri ile ba ù lant × l × d × r. Di ù er ta- raftan multi-temporal analiz testlerinin Irak’taki görüntüye uygulanmas × ciddi Tablo 2. Görüntü lokasyonu ve görüntüleme tarihi, daha önceden al × nm × ü ve mul- ti-temporal analizde kullan × lan görüntü say × s × , yang × n algoritmas × taraf × ndan üreti- len piksel say × s × , multi-temporal analiz sonucunda yeniden s × n × fland × r × lm × ü olan pik- sel say × s × ve tahmini dahil etme hatas × oranlar × baz × nda Landsat-8 yang × n algoritma- s × sonuçlar × n × n aç × klamalar × . Bunlar × n sonuncusu, multi-temporal analiz sonras × nda yeniden s × n × fland × r × lm × ü olan pikseller ç × kart × ld × ktan sonra, kentsel pikseller (örne ù in fabrikalar) ile ba ù lant × l × oldu ù u tespit edilen yang × n algoritmas × taraf × ndan üretilmi ü piksellerin yüzdesini ifade etmektedir. Bölge Yol/s × ra Tarih (gg/aa/yy) Kullan × labilir görüntü say × s × Yang × n algoritmas × ndan gelen piksel say × s × Yeniden s × n × fland × r × lm × ü pikseller (temporal analiz) Dahil etme hatas × (%) ú talya 188/034 23/06/14 10 176 3 1.2 Brezilya 227/069 24/06/14 9 355 2 0.0 Brezilya 226/069 20/06/14 6 1715 1 0.0 Meksika 026/048 07/05/14 9 1345 6 0.0 ABD 023/034 18/05/14 7 27 3 4.8. Avusturalya 105/069 05/08/14 8 3533 0 0.0 Endonezya 127/060 14/06/14 8 65 3 16.1 Hindistan (kuzey) 147/040 07/05/14 4 4737 73 0.1 Hindistan (güney) 143/052 24/03/14 6 444 23 1.7 Arjantin 229/085 13/01/14 3 184 1 0.0 Irak 166/039 19/10/14 9 1400 1289 0.0 Güney Afrika 168/077 15/09/14 10 7154 3 0.0 Çin 119/041 07/08/14 8 179 153 34.6