Up next in 10
Auzef Uzaktan Algılama 2025 Üç Ders Soruları
https://lolonolo.com/2026/08/29/uzaktan-algilama-2025-uc-ders-sorulari/
auzef, Coğrafya, Uzaktan Algılama
Show More Show Less View Video Transcript
0:00
Lolo Nolo platformuna hoş geldiniz. Bu
0:02
dersimizde uzaktan algılama 2025 3 ders
0:05
konularını ve sorularını inceliyoruz.
0:07
Gündemimizde tam beş kritik başlık var.
0:10
Uzaktan algılamanın temelleri, ışının ve
0:12
atmosfer etkileşimi, algılayıcı
0:14
sistemler ve çözünürlük, görüntü işleme
0:17
ve örnekleme ve son olarak yorumlama ve
0:19
uygulama alanları. Işığın o büyüleyici
0:22
yolculuğunu adım adım takip etmeye
0:23
hazırsanız hiç vakit kaybetmeden
0:25
başlayalım. Bölüm 1. Uzaktan algılamanın
0:28
temelleri. Peki tam olarak nedir bu
0:31
uzaktan algılama? İşin bütün sırrı şu
0:33
cümlede gizli aslında. Fiziksel temas
0:35
kurmadan anlamak. Yani yeryüzündeki bir
0:38
dağa, devasa bir ormana veya bir göle
0:40
gidip dokunmuyoruz. Yalnızca o
0:42
cisimlerden seken, yansıyan
0:44
elektromanyetik enerjiyi çok uzaklardan
0:46
ölçüyoruz. Temelinde yaptığımız şey
0:48
boşlukta süzülen bu soyut enerjiyi
0:50
yakalayıp hepimiz için anlamlı
0:51
haritalara, işi yarar verilere
0:52
dönüştürmek. Bir nevi gezegenin gizli
0:55
dilini tercüme ediyoruz diyebiliriz.
0:57
Tabii bu inanılmaz süreç öyle
0:59
kendiliğinden olmuyor. Beş adımlı
1:00
gerçekten hayati bir zincirimiz var. İlk
1:03
olarak sağlam bir enerji kaynağına
1:05
ihtiyacımız var ki bu genellikle güneşin
1:07
ta kendisidir. O enerji atmosferden
1:09
geçer. Yeryüzüyle etkileşime girer.
1:11
Ardından uzaydaki algılayıcımıza ulaşır
1:13
ve son olarak sisteme kaydedilip
1:15
yorumlanır. Şimdi buraya çok dikkat
1:17
edin. Bu zincirin her bir halkası
1:18
elimize geçecek o nihai görüntünün
1:20
kalitesini doğrudan etkiler. Yani
1:22
sisteminiz her zaman en zayıf halkanız
1:25
kadar güçlüdür. Bölüm 2. ın ve atmosfer
1:28
etkileşimi. Enerjiyi doğru anlamak
1:30
istiyorsak elektromanyetik spektrumu çok
1:32
iyi bilmeliyiz. Çünkü bizim asıl çalışma
1:35
dilimiz bu. Gözümüzün görebildiği o
1:37
görünür bölge dediğimiz yer 0.4 ile 0.7
1:40
mikrometre gibi çok dar bir aralığa
1:43
sıkışmış durumda. Mavi, yeşil ve kırmızı
1:45
bantlar işte tam da burada yer alıyor.
1:47
Özellikle kırmızı renk 0.620 ile 0.700
1:50
700 mikrometre değerleriyle görünür
1:53
renkler arasında en uzun dalga boyuna
1:55
sahip olandır. Kırmızının sınırını
1:57
geçtiğiniz an artık kızıl ötesi ve
1:59
mikrodalga sularındasınız demektir.
2:01
Sınav için bu 0.7 sınır değerini mutlaka
2:04
aklınızın bir köşesine yazın. Peki
2:06
güneşten çıkan bu enerji rahat rahat mı
2:09
iniyor yeryüzüne? Kesinlikle hayır.
2:11
Atmosferde ciddi bir engelli koşu
2:13
başlıyor. Enerjinin hayatta kalabilmesi
2:16
için aşması gereken tam üç spesifik
2:18
dağılma türü var. Ve bu dağılmalar
2:20
tamamen enerjinin yolda çarptığı
2:21
partiküllerin boyutuyla alakalı. Şöyle
2:23
düşünün. Eğer partikül çapı dalga
2:26
boyundan çok küçükse buna riley
2:28
dağılması diyoruz. Çap ve dalga boyu
2:30
birbirine yakınsa mi dağılması devreye
2:33
giriyor. Ama partikül dalga boyunun
2:35
yanında devasa kalıyorsa işte o zaman
2:37
hiçbir ayrım gözetmeyen, seçici olmayan
2:40
dağılma meydana geliyor. Atmosferi zor
2:42
zor aşan enerji sonunda yeryüzüne
2:44
ulaştı. Peki sonra ne oluyor? Bu çok ama
2:47
çok kritik bir detay. Enerji yüzeye
2:49
çarptığında üç şey olabilir. Emilebilir,
2:52
yüzeyin içinden geçip gidebilir ya da
2:54
yansıyabilir. İşte biz uzaktan algılama
2:57
uzmanları olarak tam olarak bu yansıyan
2:59
kısmın peşindeyiz. Bizim asıl
3:01
kaydettiğimiz ve üzerine o koca
3:03
analizleri inşa ettiğimiz şey yüzeyden
3:05
bize doğru geri seken o enerjidir. Bölüm
3:08
3. Algılayıcı sistemler ve çözünürlük.
3:11
Işık sekti. Uzaya doğru geri dönüyor.
3:13
Peki onu orada kim karşılayacak?
3:15
Algılayıcılarımızı temelde iki ana gruba
3:17
ayırıyoruz. Pasif algılayıcılar adından
3:20
da anlaşılacağı gibi daha sakindir.
3:22
Uzayda bekler ve güneş gibi doğal
3:24
kaynaklardan yansıyan enerjiyi
3:25
kaydederler. Optik kameralar buna harika
3:27
bir örnektir. Aktif algılayıcılarsa
3:30
kendi işimi kendim görürüm. Kendi
3:32
enerjilerini üretir, aşağıya fırlatır ve
3:34
geri dönen o sinyali ölçerler. Radar ve
3:36
lider sistemleri tam olarak böyledir.
3:38
Burada sınavlarda sıkça yoklanan çok
3:40
ince bir detay var. Radar 6 metrelerde
3:42
kesinlikle aktif algılayıcılardır.
3:44
Sinyal gönderirler ama asla bir görüntü
3:46
üretmezler. Onların tek amacı mesafe ve
3:49
yükseklik ölçmektir. Bunu unutmayın.
3:51
Algılayıcımız ışığı yakaladığında veriyi
3:54
işleme biçimine göre farklı görüntü
3:55
tipleri ortaya çıkıyor. Pankromatik
3:57
görüntüler tek bir banttan oluşur.
3:59
Renksizdir, siyak beyazdır ama inanılmaz
4:02
yüksek bir çözünürlük ve netlik sunar.
4:04
Multispektral görüntülerse işin içine
4:06
birkaç farklı bant katarak renklendirme
4:08
yapar. Ama eğer ben detayların dibine
4:10
inmek, o cismin eşsiz kimliğini,
4:12
spektral imzasını çözmek istiyorum
4:14
diyorsanız o zaman yüzlerce dar bant
4:16
kullanan hiperspektral görüntülere
4:18
başvurmanız gerekir. Veri derinliği
4:19
arttıkça elinizdeki o detay da muazzam
4:22
boyutlara ulaşır. Geldik sınavın altı
4:24
yıldızlı konusuna. Çözünürlük. Bunu dört
4:27
farklı başlıkta inceliyoruz. Mekansal
4:29
çözünürlük tek bir pikselin yerde
4:31
kapladığı o fiziksel alandır. Eğer
4:33
binaları tek tek sayacaksanız buna
4:35
ihtiyacınız var. Spektral çözünürlük az
4:37
önce konuştuğumuz bant sayısı ve
4:38
genişliğidir. Radyometrik çözünürlük
4:41
sistemin ayırt edebildiği parlaklık veya
4:43
gri tonu seviyesidir. Ve son olarak
4:45
zamansal çözünürlük. Yani uydu o
4:48
bölgeden ne sıklıkla geçiyor. Diyelim ki
4:50
hızla yayılan bir seli ya da yangını
4:52
izliyorsunuz. O zaman aşırı netlikten
4:54
ziyade uydu oradan her gün geçiyor mu
4:56
diye bakarsınız. Yani zamansal
4:58
çözünürlük sizin için hayati önem taşır.
5:00
Bölüm 4. Görüntü işleme ve örnekleme.
5:04
Uydu tüm bu veriyi dünyaya gönderdiğinde
5:07
elimizde oldukça ham bir malzeme olur.
5:09
Bilgisayarlar işte burada devreye
5:11
girerek o ham veriyi pürüzsüzleştiriyor.
5:14
Pikselleri yeni bir matrise uydurma
5:16
işlemine biz örnekleme yani resampling
5:19
diyoruz. Karşımıza çıkan üç ana yöntem
5:21
var. En yakın komşu yöntemi sadece bir
5:24
pikselin değerini alır. Çok hızlıdır ama
5:26
köşeli piksel piksel bir sonuç verir.
5:29
Biline interpolasyon 4 komşu pikselin
5:31
değerine bakar. Cubic convolutsa tam 16
5:34
pikselden oluşan koca bir bloğun
5:36
ağırlıklı ortalamasını alır. Bu da demek
5:38
oluyor ki Cubic Convoluation size görsel
5:41
olarak en yumuşak, en harika sonucu
5:42
verir ama bilgisayarınızın işlemcisini
5:45
kelimenin tam anlamıyla ağlatır.
5:47
Hesaplama yükü en ağır olan kesinlikle
5:49
budur. Geometrik düzeltmeleri yaptık.
5:51
Peki ya bilgiyi nasıl
5:52
zenginleştireceğiz? İşte tarım ve
5:54
ormancılığın süper kahramanı olan NDVI
5:57
burada sahneye çıkıyor. NDVI bitki
6:00
canlılığını izlemek için başvurduğumuz
6:02
efsanevi bir indeks. Mantığı şaşırtıcı
6:04
derecede nettir. Kırmızı ve yakın kızıl
6:07
ötesi bantların farkını alır. Sonra bunu
6:09
yine bu iki bandın toplamına bölersiniz.
6:11
Yaptığımız bu basit oranlama bize
6:13
ormanların ne kadar sağlıklı olduğu ya
6:15
da tarladaki ürünün rekoltesi hakkında
6:17
inanılmaz güçlü bilgiler sunar. Geldik
6:20
bölüm 5'e. Yorumlama ve uygulama
6:21
alanları. İşlenmiş tertemiz görüntümüz
6:24
masada duruyor. Peki insan gözü ve beyni
6:26
bunu yorumlarken hangi ipuçlarını
6:28
kullanıyor? Ton, doku, şekil, ebat,
6:32
patern, gölge ve konum. Şimdi burada
6:35
sınavlarda hep ama hep düşülen bir tuzak
6:37
var. Lütfen dikkat edin. Ebat yani
6:39
büyüklük unsuru tamamen görüntünün
6:42
ölçeğine bağlı bir fonksiyondur. Ölçeği
6:44
değiştirdiğiniz anda o cismin
6:46
görüntüdeki ebadı da anında değişir. Bu
6:48
bağımlılığı aklınızdan asla çıkarmayın.
6:51
Uygulama tarafına geçtiğimizde
6:53
hidrolojik modellerin tam kalbinde yatan
6:55
o kritik ilişkiyle karşılaşıyoruz.
6:58
Toprak nemi arttıkça yüzeyden yansıyan
7:01
enerji azalır. Yani toprak ıslandıkça
7:04
adeta bir sünger gibi o enerjiyi daha
7:07
çok emer ve uydumuza çok daha az yansıma
7:10
gönderir. Yansımadaki bu spesifik azalma
7:13
bizim tarımsal takipleri yapmamızı,
7:15
yıkıcı taşkın tahminlerinde bulunmamızı
7:17
sağlayan en önemli ipucumuzdur. Şimdi
7:20
sizden 3, 2 ve 1 rakamlarını görsel
7:24
hafızanıza sabitlemenizi istiyorum.
7:26
Diyelim ki lens verileriyle
7:27
çalışıyorsunuz ve sığ suların derinlik
7:29
haritasını yani batimetrisini çıkarmak
7:31
istiyorsunuz. İhtiyacınız olan o sihirli
7:34
kombinasyon görünür bölgedeki 3, 2 ve 1
7:37
bantlarıdır. Su altı çalışmaları için bu
7:40
eşsiz sıralama adeta altın
7:42
anahtarınızdır. Son olarak biraz da
7:44
dijital hava fotoğrafçılığından
7:45
bahsedelim. Eski sistemlere göre devasa
7:48
bir avantajı var. Kimyasal banyo,
7:50
tarama, film masrafı gibi şeyler tamamen
7:53
ortadan kalktığı için maliyetler müthiş
7:55
düşüyor. Ancak her güzel şeyin bir
7:58
bedeli var, değil mi? Bu sistemler
8:00
öylesine yüksek çözünürlükte ve devasa
8:02
veri üretiyor ki bu sefer de biz bu
8:05
devasa veriyi nerede saklayacağız, nasıl
8:07
işleyeceğiz sorunuyla başa kalıyoruz.
8:09
Depolama altyapısı bu teknolojinin en
8:12
büyük handikapı diyebiliriz. Uzaktan
8:14
algılama teknolojisi gezegenimizin o
8:16
çıplak gözle göremediğimiz gizli dilini
8:19
bize işte bu şekilde tercüme ediyor.
8:21
Peki bugünün sensörleri ormanların
8:23
sağlığından suların derinliklerine kadar
8:26
bu kadar çok şeyi ortaya çıkarabiliyorsa
8:28
kim bilir yarının teknolojisi bize
8:30
görünmeyenin ardındaki hangi sırları
8:32
fısıldayacak? Videoda incelediğimiz bu
8:34
dersin ve yıla ait çıkmış soruları
8:36
kendiniz deneme sınavı formatında çözmek
8:38
ve kendinizi test etmek için
8:40
lolonolo.com adresini ziyaret edebilir,
8:43
videonun altındaki açıklama kısmında yer
8:45
alan bağlantıya tıklayabilirsiniz.
Jobs & Education