Jeoloji biliminin gelişmesi ile sistematik kazanan bu alan daraltma çalışmaları, uzaktan algılama yöntemlerinin kullanımı ile büyük bir ivme kazanmış ve özellikle erişilmesi zor bölgelerde madenlere ait yansıma, drenaj ve renk farklılıklarının uydular tarafından görüntülenmesi sonucu başta demir, bakır, kalay, çinko gibi metalik maden yatakları olmak üzere, manyezit, fosfat, dolomit, kil yatakları gibi birçok yeni endüstriyel hammadde yatağı keşfedilmiştir. Günümüzde, uydu görüntülerinin eriştiği hassasiyet (çözünürlük) 1 m. „nin altına inmiş durumdadır

1. JEO 498
JEOLOJİDE COĞRAFİ BİLGİ
SİSTEMİ
VE
UZAKTAN ALGILAMA
DERSİ UYGULAMA
NOTLARI
Ders Sorumlusu: Prof. Dr. Murat Ercanoğlu

2. JEO 498
UYGULAMA: 1
Bu uygulamada, taranmış bir görüntüden (topoğrafik harita), SAM elde etme aşamalarının öğretilmesi
amaçlanmıştır.
R2V Programı ve İkonları Tanıma
R2V (Raster to Vector) (Able Software, Version: 4.0.580) programı ile taranmış görüntüler üzerinde
sayısallaştırma işlemleri gerçekleştirilebilmektedir. Programın aktif hale geçmesi için, R2V programının dizininde
taranmış bir görüntü olması tercih edilmelidir. Tüm çizim ve “export” işlemlerinin, aynı dizin altına
kaydedileceği unutulmamalıdır.

3. Line Editor
No
1
2
3
4
5
6
7
8
9
10
Açıklama
Line Editor (Aktif)
Draw/Trace Line
Multi Line Trace
Add Node
Delete Node
Move Node
Snap Node
Split Line
Join Lines
Close Line
No
11
12
13
14
15
16
17
18
19
Açıklama
Copy Line
Delete Line
Delete All Lines
Set Value
Label Line
Label Contours
Set Layer
Form Polygon
Show Line ID
Point Editor
No
1
2
3
4
Açıklama
Point Editor (Aktif)
Add Point
Delete Point
Move Point
No
5
6
7
Açıklama
Set Value
Label Point
Show Point ID

4. RUN R2V
Önemli Not: Bu ve bundan sonraki uygulamalarınızda, dosya isimlerini tanımlarken Türkçe karakter
kullanmamanız yararınıza olacaktır.
Dikkat Edilecek Hususlar
1) Haritayı iyi okumak.
2) Gerek eşyükseklik eğrileri, gerekse nokta atarken dikkatli olmak, temsil edici veri atmak.
3) Mümkünse, her eşyükseklik eğrisi veya farklı nokta girişlerinde, dosyayı kaydetmek.
4) Tavsiye edilen, başlangıçta bir “*.prj” dosyasına kaydetmek.
5) Kontur veya nokta değeri atandıktan sonra, kontrol etmek.
6) Export edilen veriyi, CBS programına atmadan yapısını ve değerlerini kontrol etmek.
7) Kullanılacak CBS programının Import seçeneğinin veriyi ne şekilde algıladığını/tanıdığını bilmek.
Sayısallaştırma
1) open “tara.tif”
2) Save “*.prj”
3) Imagine conversion → 1 bit level
4) Geo-referencing (4 nokta)
a.
b.
Control points
From X to X
From Y to Y
c. MinX : 490
000
000
MaxX: 493
000
000
MinY: 4439
d.
MaxY: 4441
View/Geo-Coded Coordinates
5) Line Editor
a)
b)
c)
d)
e)
f)
Draw/Trace Line
Delete All Lines
Add Node/Move Node
Labeling Contours
Show Line ID
Auto-tracing
6) Point Editor
a)
b)
c)
Set Value
Add/Delete/Move
Show Point ID

5. 7) Export (Point + Line), Bi-linear (XYZ); dosya ismi: alan
8) Open “alan.xyz” (veri yeterli ise); değilse Open “tara.xyz”
RUN IDRISI ANDES
1) Set Data Path: “alan.xyz” veya “tara.xyz” nin bulunduğu klasör

6. 2) File/ Import/ General Conversion Tools/ Ascii XYZ
3) XYZ Dosyası “space delimited”, “comma delimited”?
4) Output Vector File (tara.vct)
Reference system (utm-36n)
5) XYZ cursor inquiry
6) GIS Analysis Surface Analysis Interpolation INTERPOL
a) Interpolate DEM
b) Data entry option: Use Point ID’s as heights
c) Output file specifications: Max-Min X;Y
d) Data Type: real
e)
f)
g)
Use a six point search radius : a)”no” tick
Cursor inquiry mode
Column-Row
60/40
120/80
240/160
1200/800
Pixel Size
…..
…..
.….
.....
b)”yes” tick

7. JEO 498
UYGULAMA: 2
IDRISI ANDES Programı, Temel CBS ve UA Uygulamaları
1) Menülerin Tanıtımı

8. 2) Önemli İkonların Tanıtımı
3) Idrisi Explorer
a.
b.
Projects/Files/Filters
Projects → Default
i. Working Folder → Hangi dizinde çalışılacaksa, o dizini seçmelisiniz (bu uygulamada
uygulama_2 dizinini seçiniz).
c. Files → Mevcut (geçerli) dizinde varolan dosyaları gösterir (Filters’da aktif olan dosya
uzantılarına göre).
d. Filters → Idrisi Andes programında kullanılan dosya türlerinden seçim yapabilirsiniz. Özellikle,
“*.rst” (raster dosyalar) ve “*.vct” (vektör dosyalar) seçilmelidir.
4) IDRISI DOSYALARI: Uygulama_2 dizininin içindeki doyaları inceleyiniz. Bu dizinde, aynı isimde dosyalar
mevcut. Raster + raster documentation files (sierra1 isimli dosyadan 2 adet mevcut. Bunlardan biri
raster, diğeri de dokümantasyon (metadata) dosyasıdır).
5) DISPLAY (ikon + DISPLAY Menu/Display Launcher)
a.
b.
Raster Layer/Vector Layer/Map Composition
Select: raster layer + sierradem.rst + OK

9. c. Click “Cursor Inquiry Mode” ikonu → sierradem.rst görüntü dosyası üzerinde farklı noktalar
tıklayınız ve lejandtaki seviyelerle renk uyumunu kontrol ediniz.
6) COMPOSER/Layer Properties
a.
b.
c.
Display Parameters (min, max, palette options, revert)
Properties (metadata + histogram)
Visibility
7) GIS ANALYSIS MENU/SURFACE ANALYSIS/TOPOGRAPHIC VARIABLES




Slope (degree + percent)
Aspect
Hillshade
Display: “slope + aspect + hillshade”
8) GIS ANALYSIS/SURFACE ANALYSIS/FEATURE EXTRACTION
 Contour (select input raster file: sierradem.rst; output vector file: contour.vct; contour
interval: 10; 50)


Display: sierradem + add layer (select vector layer “contour.vct”)
Toposhape (select input raster file: sierradem.rst; output file: toposhape.rst). Topoğrafik
şekilleri inceleyiniz. Yamaç eğriselliği (curvature) temel alınarak sınıflama yapıldığını
unutmayınız.
9) LANDSAT TM UYDU GÖRÜNTÜLERİ İLE BAZI UYGULAMALARIN YAPILMASI
a.
b.
Display in default idrisi quantitative palette: sierra1, sierra2,......, sierra7.rst
Display in selecting GRAY SCALE palette: sierra1, sierra2,......, sierra7.rst
c. İncele lejand (değişim aralığı)
d. DISPLAY Menu/COMPOSITE (GÖRÜNÜR KESİM UYGULAMASI)
i. Blue Image Band: sierra1.rst
ii. Green Image Band: sierra2.rst
iii. Red Image Band: sierra3.rst
iv. Output Image: sierra123.rst
v. Use the defaults
vi. Display “sierra123”
 LANDSAT uydu görüntüleri, jeolojide son derece yaygın bir şekilde kullanılmaktadır. Sadece bazı
bilgilerin bilinmesi ile bile, bazı görsel yorumlama ve çözümlemeler yapılabilmektedir.




Ayrıntılar için http://geology .com/satellite/landsat-images.shtml adresine bakınız.
Yerleşim (büyük şehirler) →mor, eflatun, pembe, soluk mavi
Su → siyah + koyu lacivert
Bataklık → Küçük bitkilerle kaplı sulak alanlar → su ve bitki örtüsü renk karışımı → yeşil + siyah +
lacivert


Sağlıklı bitki örtüsü → canlı yeşil
Yükseltiler → düzensiz topoğrafya + rölyef değişimi

10.  Tarımsal alanlar → kırmızı + pembe + yeşil karışımı (yeşil → klorofil; kırmızı + pembe → işlenmiş
toprak)
 FCC (False Color Composite)


“Composite” görüntüler 3 farklı bandın birleştirilmesiyle elde edilebilir.
Bantların değer aralıkları ve uygulamadaki kullanımları, aşağıdaki çizelgede verilmiştir:
Sığ suların haritalanması , toprak-bitki örtüsü ayrımı, iğne yapraklı- yaprakları dökülen bitki türlerinin ayrımı.
Sağlıklı bitki örtüsüne ilişkin görünür yeşil yansıma değerlerinin ölçümü.
Klorofil absorbe ölçümü ile bitki türlerinin ayrımı.
Su ve bitki örtüsü ile kaplı alanların görüntülenmesi.
Bitki ve toprak nemi ölçümü, bulut-kar ayrımı.
Kayaç türlerinin ayrımı, hidrotermal haritalama.
Band 1 0.45 - 0.52µm
Band 2 0.52 - 0.60µm
Band 3 0.62 - 0.69µm
Band 4 0.76 - 0.90µm
Band 5 1.55 - 1.75µm
Band 7 2.08 - 2.35µm
Band 6 10.40 - 12.50µm Termal haritalama, bitki sıcaklık analiz, toprak nemi belirlenmesi.
 6. Band , “termal band” olup, çözünürlüğü 120m x 120m’dir. Diğer bandlar, 30m x 30m çözünürlüğe
sahiptir.

11. e. DISPLAY Menu/COMPOSITE (FCC UYGULAMASI)
i. Blue Image Band: sierra3.rst
ii. Green Image Band: sierra4.rst
iii. Red Image Band: sierra5.rst
iv. Output Image: sierra345.rst
v. Use the defaults
vi. Display “sierra345”
vii. Renkleri inceleyiniz ve “sierra123” ve”sierra345” görüntülerini karşılaştırınız
(DISPLAY: “sierra123” ve”sierra345”).
10) DISPLAY Menu/ORTHO
a.
b.
c.
Surface Image: sierradem (do not use drape image; use defaults)
Surface Image: sierradem (use drape image: sierra123; use defaults)
Zoom In; Zoom Out, Left, Right
11) DISPLAY Menu/HISTO
a.
b.
c.
d.
Input File Name: sierra1
Select: Graphic
“İstatistiksel Özellikleri” inceleyiniz.
Select: Numeric
12) DISPLAY Menu/Fly Through
a.
b.
Surface Image: sierradem (do not use drape image; use defaults)
Surface Image: sierradem (do not use drape image; change color palette, change
exaggeration factor as % 200)
c. Surface Image: sierradem ( use drape image: sierra123; use defaults)

12. JEO 498
UYGULAMA: 3
Kalınlık Haritası Oluşturma, Çakıştırma, Aritmetik İşlemler
1) Ankara yakınlarında Kösrelikkızığı mevkiinde toprak-kaya dokanağının belirlenmesine yönelik olarak, bir
sondaj çalışması yapılmıştır. Sondaj yerlerine ilişkin koordinatlar ve toprak-kaya dokanağına ilişkin derinlik
verileri, aşağıdaki çizelgede sunulmuştur.
Sondaj No
SK-1
SK-2
SK-3
SK-4
SK-5
SK-6
SK-7
SK-8
SK-9
SK-10
2) Kalınlık haritasının oluşturulması:
a.
X
490182.9
491670.6
492884.9
490127.3
491615.4
492389.2
490280.2
491156.8
492055.3
492745.9
Y
4440963.4
4440907.8
4440722.5
4439994.8
4440017.9
4440041.1
4439378.4
4439373.7
4439114.2
4439114.9
Kalınlık (m)
12.1
3.5
2.4
15.6
21.6
4.2
18.3
21.2
20.3
12.9
Edit ikonunu kullanarak, yukarıdaki çizelgede verilen sondaj yerlerine ilişkin X, Y ve kalınlık
değerlerini, aralarına virgül koyarak yazınız.
b.
c.
Dosyayı, “soil_depth.txt” olarak kaydediniz. IMPORT komutu ile vektör dosyasını oluşturunuz.
Kalınlık haritasını (thickness.rst), INTERPOL komutu ile oluşturunuz. Dosyayı oluştururken,
görüntü özelliklerinin, bölgenin SAM “dem.rst” ile aynı olmasına dikkat ediniz.
3) Kaya birimlerin topoğrafyasının oluşturulması:
a.
b.
c.
OVERLAY komutu ile KAYA=DEM-THICKNESS hesaplaması
SCALAR komutu ile hacim ve kütle hesaplanması VOLUME=THICKNESSxALAN (d=1.9 t/m )
TRANSFORM komutu ile Trigonometrik işlemlerin yapılması
1. Slope
2. Sin (slope)
3. Cos (slope)
d. Image Calculator
3

13. JEO 498
UYGULAMA: 4
Koşullara Bağlı Karar Verme
Kösrelik (Ankara) bölgesinde yapılacak “Toplu Konut İnşaat Alanı” için jeolojik etüdler tamamlanmış olup,
sonuçlar ekteki jeolojik haritada sunulmuştur. Aşağıda verilen ölçütler dahilinde, “TOPLU KONUT İNŞAATI İÇİN
YER SEÇİMİ” yapılması gerekmektedir:
1) “İnşaat Alanı” kayalık veya alüvyal zemin üzerinde olmamalıdır.
2) “İnşaat Alanı” harita üzerindeki faydan, en az 750 m uzakta olmalıdır.
Şekil 1. Alandaki litolojik birimler: Sarı: Kireçtaşı (2); Turuncu: Kiltaşı/silttaşı (3); Kırmızı: Kumtaşı (4); Mavi: Killi-
Siltli Toprak Birimler (5); Gri: Alüvyon (6); Siyah: Fay (1).
Söz konusu alanın köşe koordinatları Min X: 490
000
; Max X: 493 ; Min Y: 4439
000 000
ve Max Y: 4441
000
olarak
belirlenmiştir. Yukarıda verilen ölçütleri dikkate alarak, inşaat alanı için uygun olacak alanları belirleyiniz.
1) Set your working folder as “uygulama_4” .
2) “jeo.jpg” dosyasını inceleyiniz.
3) Display SAM
Layer Properties
Max-min
Column / row
4) Close
5) Import/ Desktop Publishing Formats / JPGIDRIS

14. Input File: jeo.JPG
Output File: jeo.RST
Output Ref. Inf.: “the same as” “SAM.RST”
6) Digitizing
a) Sarı: Kireçtaşı (2)
Turuncu: Kiltaşı/silttaşı (3)
Kırmızı: Kumtaşı (4)
Mavi: Killi-Siltli Toprak Birimler (5)
Gri: Alüvyon (6)
Siyah: Fay
b) Name of the file to be created: fay
Symbol display: quant
Data type: Integer
Layer Type: Line
ID or Value: 1
Digit
Save
c) Create New Layer
Name of the file to be created: lito
Symbol display: quant
Data Type: Integer
Layer Type: Poligon
ID or Value: (bkz. 5a)
d) Save + Kontrol + Close
7) VECTOR TO RASTER
a) Reformat / RASTERVECTOR
Line to Raster
Poligon to Raster
fayras.rst (INITIALIZE)
litoras.rst (INITIALIZE)
INITIALIZE (Image to copy parameters from, sam.RST)
Fayras.rst (0: not fault; 1: fault)
Litoras.rst (Kontrol 5. madde)
b) Kontrol + Close
8) YENİDEN SINIFLAMA (RECLASS)
a) GIS Analysis / Database Query / RECLASS
- Select: Image
- Input File: “litoras.rst” ; Output File: “litofinal.rst”
- Classification type: User defined
0
1
0
b) Close
9) TAMPONLAMA (BUFFERING)
 Feature Image: Fay.ras
0
5
6
5
5
999

15. 




1
0
10) DISPLAY
Litofinal.rst
Fayfinal.rst
Buffer Width: Try 250/500/750
Output Image: faybuff.rst
Reclass: Faybuff.rst
Output file: fayfinal.rst
Reclass
0
1
0
999
11) OVERLAY (Çakıştırma)
“final.rst” (Koşulların sağlandığı alanlar)
(palette: equal interval)
12) GIS Analysis / Database Query/ Area
Select final as input image
Select “tabular” option
See also “image” option
13) GIS Analysis / Database Query/ Profile
Digitize a profile path as vector file
See your profile

16. JEO 498
UYGULAMA: 5
Bölgesel Erozyon Değerlendirmesi: Mengen (Bolu) Örneği
Amaç: Bu uygulamada, ülkemiz açısından son derece önemli bir jeolojik sorun olan erozyon olayının, bölgesel
anlamda değerlendirilmesine yönelik olarak, CBS ilkeleri yardımıyla, Mengen (Bolu) yöresinde
Potansiyeline Sahip Alanların” değerlendirilmesi amaçlanmıştır.
“Erozyon
Erozyon Nedir?
Aşağıdaki linkten ve diğer birçok kaynaktan erozyona ilişkin bilgi edinilebilinir:
http://www.tema.org.tr/CevreKutuphanesi/Erozyon/ErozyonNedir.htm)

17. BÖLGESEL EROZYON DEĞERLENDİRMESİ ÇALIŞMASI: Çorum Örneği (Tombuş ve Özülü, 2007)
• Nüfus artışı, sanayileşme, ormanların tahrip edilmesi, bilinçsiz tarım politikaları vb. nedenlerle,
toprağın verimli üst yapısı zarar görmekte ve erozyon oluşumuna yol açmaktadır.
• Ülkeler kendi koşullarını gözeterek, farklı erozyon değerlendirme/analiz tekniklerini dikkate almış
ve/veya üretmişlerdir.
• Örn.: AB ülkeleri → CORINE (toprak yapısı, taşlılık, yağış vb.); İspanya → ICONA (iklimsel özellikleri
dikkate almayan bir sistem)
•
•
•
Farklı değişkenler, farklı derecelerde değerlendirilmiş.
Başka yöntemler de mevcut (USLE, LEAM, MOSES, GLEAMS gibi).
Türkiye’ye özgü bir değerlendirme → MALESEF YOK!!!

18. • Tombuş ve Özülü (2007) → CORINE ve ICONA’yı temel alan + AHP adı verilen bir KARAR VERME
SÜRECİ tekniğiyle, Çorum iline ilişkin potansiyel erozyon alanlarını, CBS + UA ile değerlendirmişlerdir.
• Toprak haritaları, yamaç eğimi, bakı, jeoloji, bitki örtüsü (LANDSAT ETM+) vb. parametreleri dikkate
almışlardır.
CORINE → Toprak aşınabilirliği, aşındırıcı güç, yamaç eğimi, arazi örtüsü

19. ICONA → Arazi kullanımı, bitki örtüsü yoğunluğu, yamaç eğimi, litoloji
Tombuş ve Özülü (2007) → CORINE ve ICONA ≈ hemen hemen birleştirmişler.

23. JEO 498 YÖNTEMİ →
•
•
•
•
•
•
•
Çalışacağımız bölgeye ilişkin bir ön değerlendirme yapmamız gerekli.
Söz konusu parametreler, bu değerlendirme sonucunda ortaya çıkacak.
Litoloji
Yamaç Eğimi
Bakı
Yamaç Şekli
Bitki Örtüsü
Çizelge 1. JEO498 yönteminde kullanılacak parametreler ve puanlama değerleri.
Parametre Alt Grup PUAN
LİTOLOJİ Yüksek Dayanımlı Kaya (Pam,
Pap)
Orta Dayanımlı Kaya (Dc, Teg,
Tes)
Zayıf Dayanımlı Kaya (Tec)
Toprak Birimler (Tnm, Qal)
0
1
(Sayısallaştırarak) 2
3
4
1
2
3
4
4
1
2
4
1
1
2
3
4
YAMAÇ EĞİMİ ( )
(SAM’nden)
Az (0-5)
Orta (5-10)
Yüksek (10-15)
Çok Yüksek (>15)
0
BAKI ( )
(SAM’nden)
YAMAÇ ŞEKLİ
(SAM’nden)
K-G (315-45; 135-225)
D-B (45-135; 225-315)
İçbükey (Konkav)
Dışbükey (Konveks)
Diğer
NDVI
(Uydu
Görüntüsünden)
NDVI≥0.4
0.2≤NDVI<0.4
-0.2≤NDVI<0.2
-0.2>NDVI

24. Mengen ve civarının jeolojik özellikleri (Gökçeoğlu and Aksoy, 1996)
Erozyon Potansiyeli Haritasının Oluşturulma Aşamaları
Söz konusu bölgenin erozyon potansiyeli haritasının oluşturılması için, daha önceden değinilen 5 adet
parametre ve bunlara ilişkin puanlamalar dikkate alınacaktır. Burada yapılan işlem üstüste çakıştırma
(OVERLAY) işlemi olup, herhangi bir istatistiksel analize dayalı değildir. Yöntem tamamıyla öznel olup, uzman
görüşünü (expert opinion) temel almaktadır. Parametre haritalarına puanlamaların atanmasında Çizelge 1’de
verilen puanları dikkate alarak, RECLASS modülünden yararlanınız.
1. Öncelikle bölgenin Landsat ETM+ uydu görüntüsünün RGB bantlarını kullanarak, COMPOSITE
görüntüsünü oluşturup, bölge hakkında genel bilgi edinmelisiniz.

25. 2. Litoloji → RECLASS → lito_rec.rst (working folder’da mevcu ur)
3. Yamaç Eğimi → mengen_sam.rst → SLOPE → slope.rst → RECLASS → slope_rec.rst

26. 4. Bakı → mengen_sam.rst → ASPCET → aspect.rst → RECLASS → aspect_rec.rst
5. Yamaç Şekli → mengen_sam.rst → TOPOSHAPE → yamac_sekli.rst → RECLASS → yamac_sekli _rec.rst

27. 6. NDVI → ndvi=(mb4.rst-mb3.rst)/ (mb4.rst+mb3.rst) → ndvi.rst → RECLASS → ndvi _rec.rst
7. OVERLAY → Tüm puanlandırılmış parametre haritaları (IMAGE CALCULATOR)

28. 8. erozyon.rst=(lito_rec.rst+ slope_rec.rst+ aspect_rec.rst+ yamac_sekli _rec.rst+ ndvi _rec.rst)
9. erozyon.rst → RECLASS → sonuc.rst
a.
b.
c.
d.
e.
f.
Değer değişim aralığı → 5-20
RECLASS
5-8 → DÜŞÜK (1) Erozyon Potansiyeli
8-11 → ORTA (2) Erozyon Potansiyeli
11-14 → YÜKSEK (3) Erozyon Potansiyeli
14-20 → ÇOK YÜKSEK (4) Erozyon Potansiyeli

29. 10. ORTHO → sonuc_rst + mengen_sam.rst (use qualitative palette)

30. JEO 498
UYGULAMA: 6
Denetimli ve Denetimsiz Sınıflama
Amaç: Bir uydu görüntüsü kullanarak, farklı algoritmalarla denetimsiz ve denetimli sınıflama yapılması.



Denetimli Sınıflama
Denetimsiz Sınıflama
Denetimli sınıflamada “Traning Site” → ÇOK ÖNEMLİ
1.
2.
3.
4.
COMPOSITE → B/G/R → tm1.rst/tm2.rst/tm3.rst → tm_123.rst
False Color COMPOSITE → B/G/R → tm3.rst/tm4.rst/tm5.rst → tm_345fcc.rst
Oluştur → tm_all.rgf

31. Sınıf No
1
2
3
İsim
Su
Orman
Çıplak Alan
Renk (FCC’de)
Siyah
Yeşil
Pembe-Açık Yeşil
~ Sarı
Doku
Düz
Orta
Orta
4 Yol/Endüstriyel
Alan
Mavi/Gri Karmaşık
5 Yerleşim Açık Mavi Karmaşık
Not: Kömür atık alanı bu uygulamada dikkate alınmayacak.
5. Run ISOCLUST from Image Processing Hard Classifiers
6. Insert Layer Group tm_all.rgf
7. İncele Histogram → 20 gruptan sonrası histogram düz, sınıf sayısını en fazla 20 olarak dikkate almak
gerekli.
8. Output File Name: isoclust20.rst
9. RECLASS using the classes below giving the output file name isoclust20_reclass.rst:
12
22
32
44
53
63
71
82
92
10 4
11 5
12 5
13 2
14 4
15 3
16 5
17 3
18 5
19 4
20 3

32. 10.
Sınıf No
1
2
3
İsim
Su
Orman
Çıplak Alan
Renk (FCC’de)
Siyah
Yeşil
Pembe-Açık Yeşil
~ Sarı
4 Yol/Endüstriyel
Alan
5
6
Yerleşim
Kömür Atık Alanı
Açık Mavi
Koyu Pembe/Siyah
Karmaşık
Düz
Mavi/Gri Karmaşık
Doku
Düz
Orta
Orta
Training Areas → Bilinen özelliklere ilişkin alanları → Sayısallaştırma
11. Her bir sınıf için anlamlı sayıda ve temsil edici alanın sayısallaştırılması gereklidir.
 Genel Kural: “Training Site” Piksel Sayısı ≥ Bant Sayısı x 10 (Bu uygulamada 60, çünkü 6 adet TM bandı
kullanıyoruz)
Yukarıda gösterilen alanları her bir sınıf için ayrı ayrı sayısallaştınız.

33. Örnek:
DISPLAY tm_345fcc.rst



Digitize ikonuna basınız
Dosya İsmi: Water (Enter the Name of layer to be created)
Click OK; Digitize; ID:1; Eğer başka alnlarda da “Water” varsa, o alanları da ID:1 olarak
sayısallaştırmalısınız.


Save
Forest, Pasture, Residential, Commercial ve Coal sınıfları için de aynı işlemleri tekrarlayınız.
12. MAKESIG komutunu çalıştırınız (Image Processing/Signature Development)
 Vector File Defining Training Sites’dan, her bir sınıfı tek tek seçerek, girdiğiniz ID’ler ile isimlerini “Enter
Signature File Names” kesimine yazınız. “Create Signature Group File” butonundaki Check’i kaldırmayı
unutmayınız.
 Band to be Processed kesimine, daha önceden oluşturmuş olduğunuz RGF (6 TM bandı) dosyasını
tanıtınız (6 TM bandını da burada görmelisiniz). Sonuçta , “water.sig” isimli dosya oluşacaktır. Bu
aşamayı her bir sınıf için, diğer bir deyişle, her sınıfın tanıtıcı “*.sig” dosyalarını oluşturunuz.
13. Tüm alan için “train.rgf” dosyasını, Idrisi Explorer ile oluşturunuz (TM bantları için rgf dosyası
oluştururkenki stratejimizi izleyiniz). Bu işlemi yaparken, “water.sig”, “forest.sig”, pasture.sig”,
“commercial.sig”, “residential.sig” ve “coal.sig” sıralamasında dosyaları seçip gruplandırınız (Create
signature group file).

34. 14. SIGCOMP komutunu çalıştırınız. “Insert signature group file” için, bir önceki aşada oluşturduğunuz
“train.rgf” dosyasını kullanmalısınız (burada dikkate aldığımız 6 sınıfı da görmelisiniz). Mean (ortalama)
opsiyonunu seçip, her bir bantta, dikkate aldığımız sınıfların spektral yansıma değerlerinin değişimini
inceleyiniz.
Tartışma:


Neden Forest ve Residential TM4 nolu bantta benzer özellik vermiş olabilir?
Coal ve Water sınıfları hemen hemen her bantta benzer bir davranış göstermekte (su her bantta
daha az yansıma veriyor). İkisini ayırt etmek için ne yapmalıyız?
15. SINIFLAMA (PIPED)



En hızlı sınıflama algoritması
Image Processing/Hard Classifiers/PIPED
“Train.sig” dosyasını kullanarak, “piped_min_max.rst” (min ve max değerleri temel alır) ve
“piped_z.rst” (gauss dağılımı ve standart sapmayı temel alır) dosyalarını oluşturunuz.
16. SINIFLAMA (MAXIMUM LIKELIHOOD)



Eğer “Training Site” çok iyi tanımlanmışsa, genelde daha iyi sonuç verdiği bilinmektedir.
Image Processing/Hard Classifiers/MAXLIKE
“Train.sig” dosyasını kullanarak, “maxlike.rst” dosyasını oluşturunuz.
17. Tartışma → Görsel olarak hangi algoritma daha iyi sonuç verdi? Sınıflamayı nasıl daha iyi bir hale getiririz?
Sınıflamalardaki hata ne kadar?

35. 18. REFORMAT/RASTERVECTOR komutu ile eğitim aşamasında kullanıdığımız vektör dosyalarını, raster
dosyalarına çeviriniz. Dosya isimleri olarak, eğitim aşamasındaki ID kodlarını kullanınız. Daha sonra, tüm
dosyaları, aritmetik olarak toplayıp, “gr_cont.rst” adlı dosyayı oluşturunuz. Aynı işlemi, “tm_123.rst”
dosyası ile de bilinen alanlar veya noktaları dikkate alarak yapabiliriz.
19. Image Processing/Accuracy Assessment/ERRMAT komutu ile Ground Truth Dosyası için “gr_cont.rst”,
Categorical Map için de sınıflama yaptığımız dosyaları kullanıp, üretilen haritaların performansını karşılaştırınız.


Overall Error
KIA

36. JEO 498
UYGULAMA 7
 Bu uygulamada, bir bölgeye ilişkin bazı jeolojik özelliklerin değerlendirilmesi ve analizi
yapılacaktır. Bu işlemler gerçekleştirilirken, filtreleme, bant oranlama ve FCC kavramlarından
yararlanılacaktır.
 Hatırla → NDVI → Bitki örtüsüne yönelik yorumlamalar
Sağlıklı bitki örtüsü → NIR band: iyi yansıma
→ Kırmızı band: iyi soğurma
Toprak ve su → NIR ve Kırmızı ~ yansıma
JEOLOJİK ÖZELLİKLERİN BELİRLENMESİ
 Jeolojik haritalama, değişik türdeki kaya birimleri arasındaki sınırların saptanması, birbirleriyle
olan ilişkilerin ortaya çıkartılması ve yüzeydeki tektonik kökenli çizgiselliklerin ortaya
çıkartılması esasına dayanmaktadır (Kavak, 1998).
 Geleneksel olarak bu işlemler sahada yapılan gözlemlerle gerçekleştirilmekte olup,
günümüzde bu tür uygulamalrda UA ürünlerinden CBS yazılımlarından sıklıkla
yararlanılmaktadır.

37. Çizgisellik Analizi
 Kullanılan yöntemler: Filtreleme; Bant Oranlama; FCC; PCA; Gölgelendirme
Çizelge 1. Çizgisellik haritalarının oluşturulmasında Landsat TM uydu görüntüsü kullanılarak yapılan
bazı çalışmalar (Kuterdem, 2005).
Bant Kombinasyonu
7
5, 3, 1 (R, G, B)
Filtreleme
PCA, High Pass, Sobel
PCA, Lineer
Kaynak
Süzen and Toprak (1998)
Kontrast, Kaymakçı (2000)
Dekorelasyon düzeltmesi
7, 5, 4 (R, G, B) High Pass, PCA, Bant Oranlama Won-In and Charusiri (2003)
1. DISPLAY “mengen_sam.rst”
2. JPGIDRIS “litomengen.jpg” →Output File: “lito_mengen.rst” (mengen_sam özelliklerini
kullanınız).
3. DIGITIZE “rivers.vct” ve “faults.vct”
4. DISPLAY “mb7.rst” (grayscale paleti kullanarak)
5. Add Layers: “rivers.vct” (mavi) ve “faults.vct” (kırmızı)
6. Uncheck: “rivers.vct” ve “faults.vct”
7. COMPOSITE: RGB → “mengen.rst”
8. Image Processing/Enhancement/Stretch/Histogram Equalization: “mb7.rst” → “mb7_he.rst”

38. 9. Image Processing/Enhancement/Filter/High Pass: mb7_he.rst→mb7_hp.rst
10. Contrast (-80-60)
11. Check: “rivers.vct” ve “faults.vct”
12. Aynı işlemleri, uygun dosya isimleri vererek Sobel ve Laplacian filtreleri ile de yapınız.
13. HILLSHADE “mengen_sam.rst”
14. Nehir ve fay vektör dosyalarını karşılaştırın (farklı yönlerden açı vererek).
15. OVERLAY: 5/7 (red); 2/3 (green); 4/5 (blue) → Red (hidroksil, fay ve kırıklar boyunca su etkisi);
Green (bitki örtüsü); Blue (yüksek deformasyona uğrayan alanlar)
16. FCC: RGB bantları → “fcc.rst”
Mineral Arama




Uranyum →Arkoz kumtaşları içinde saklanan, ikincil demir oluşumları içinde.
Porfiro bakır yatakları → Kaolinitik killer, demir oksit ve hidroksiller.
Hidrotermal alterasyon → Alünit (sadece hidrotermal alterasyona uğramış kesimlerde).
Saçınımlı altın yatakları → Sıcak su kaynakları ile ilişkili → Sıcak suların yüzeye çıktığı
yerler.
 Kum ve Çakıl yatakları → Gece gündüz sıcaklık değişimi → Termal kızıl ötesi bantlar
(Kavak, 1998).
Bu uygulamada çalışılacak alan: Volkanik bir bölge, ana kayaç: andezit.
Bölgedeki kayaçlar, hidrotermal çözeltiler ile alterasyona uğramış (sıcak su-kayaç
etkileşimi).
Ekonomik değer taşıyan mineral oluşumunda son derece önemli.
Spektral yansımalar dikkate alınarak yapılan bant oranlamaları, sıklıkla kullanılmaktadır.
Mantık → Yansımanın fazla olduğu bant (pay); az olduğu bant (payda) → Hedeflenen
mineral oluşumları.
Teorik kesim son derece önemli
Bant Oranı (Landsat TM)
5/7
5/4
3/1
Hedeflenen Mineral Türü
Kil mineralleri
Demir mineral i (1)
Demir minerali (2)
Örnek Mineral
Kaolinit
Jarosit
Hematit

39. (Clark, 2002)
 Kaolinit → 1.4 mm’de absorbe → TM’de bu bant yok, mevcut bilgiyi etkin kullanım çok
önemli.
UYGULAMA:
1. COMPOSITE: 1_2_3 (B, G, R): output file: “tm_123.rst”
2. DISPLAY “tm_123.rst”; ortadaki beyaz alan, hidrotermal alterasyona uğramış kesim
3. Bant 5/7; 5/4; 3/1

40. 4. Basit aritmetiksel işlem yerine, NDVI’daki gibi bir yaklaşım, görüntüyü daha belirgin hale
getirmektedir.
5. 5by7; 3by1; 5by4
6. DISPLAY: 5by7 (greyscale); min: -0.05; max: 0.20; apply, save
7. COMPOSITE: 5/7; 3/1; 5/4; (B; G; R); output file name: “ratio.rst”
8. Ortadaki mavi kesim → ↑ 5/7 oranı (kil minerali)