Yardımcı Ecza

Arazi eğimi beklediğinden dik çıkıyor, drenaj yönü ters görünüyor ya da hacim hesabın sahadaki ölçüyle uyuşmuyorsa sorun çoğu zaman modelin kendisinde değil, doğruluk değerlendirmesindeki eksikte yatar. Sayısal yükseklik modeli doğruluğunu doğru okuduğunda; proje riskini azaltır, veri seçiminde para ve zaman kaybını önlersin. Kendi tecrübemle söyleyebilirim ki, aynı çözünürlükte görünen iki farklı yükseklik verisi sahada bambaşka sonuçlar üretir; farkı belirleyen şey piksel boyutu değil, hata yapısının nasıl ölçüldüğüdür.

Sayısal yükseklik modeli doğruluğunu anlamanın temel taşları

Sayısal yükseklik modeli, yeryüzünün yükseklik bilgisini sayısal hücreler ya da düzensiz noktalar üzerinden temsil eder. Fakat asıl mesele verinin varlığı değil, bu verinin ne kadar güvenilir olduğudur. Burada önce üç kavramı ayırman gerekir: çözünürlük, hassasiyet ve doğruluk.

Çözünürlük, hücre boyutunu anlatır. 1 metre çözünürlüklü bir model, her 1 metrede bir yükseklik değeri sunduğunu söyler. Bu, tek başına yüksek doğruluk anlamına gelmez.

Hassasiyet, tekrar eden ölçümlerin birbirine yakınlığını ifade eder. Aynı noktayı birkaç kez ölçtüğünde benzer sonuçlar alıyorsan hassasiyet yüksektir.

Doğruluk ise modelin gerçek dünya yüksekliğine ne kadar yaklaştığını gösterir. Bir veri seti çok hassas olabilir ama sistematik kayma yüzünden yine de düşük doğruluk verebilir.

Yükseklik modellerinde doğruluk çoğu zaman dikey hata üzerinden değerlendirilir. En sık kullanılan ölçütler şunlardır:

– Ortalama hata: Modelin genel olarak yüksek mi alçak mı tahmin ettiğini gösterir.
– Mutlak ortalama hata: Hatanın yönünden bağımsız olarak büyüklüğünü verir.
– RMSE: Büyük hatalara daha fazla ağırlık verir.
– Standart sapma: Hatanın yayılımını gösterir.
– LE90 veya CE90 benzeri güven seviyeleri: Hataların belirli bir yüzde içinde kaldığı sınırı açıklar.

RMSE formülü pratikte çok kullanılır çünkü tek bir sayıyla genel hata düzeyini özetler. Ancak RMSE tek başına yeterli değildir. Eğer modelde birkaç büyük hata varsa RMSE yükselir ve verinin geri kalanındaki performansı gölgede bırakır. Bu yüzden medyan hata ve yüzde 95 hata sınırı gibi ek ölçütlere de bakmak gerekir.

Bir diğer kritik ayrım da DSM, DTM ve DEM kavramlarıdır. DSM bina, ağaç, enerji hattı gibi yüzey üstü öğeleri de içerir. DTM ise toprağın çıplak yüzeyini temsil etmeye çalışır. Pek çok kullanıcı “DEM” terimini ikisi için de kullanır; ama drenaj, kazı-dolgu ve altyapı tasarımında bu ayrım doğrudan sonucu etkiler.

Yıllar süren yükseklik verisi takibim gösteriyor ki, kullanıcıların en sık yaptığı hata ürün türünü doğruluk metniyle birlikte okumamaktır. Orman içindeki bir DSM verisini çıplak zemin varsayarak analiz ettiğinde, hata sadece birkaç santimetre değil; yer yer metreler seviyesine çıkabilir.

Doğruluk ölçümü nasıl yapılır ve hangi metrik gerçekten iş görür

Sağlıklı bir doğruluk analizi için ilk adım, güvenilir referans veri toplamaktır. Referans veri çoğu zaman GNSS ölçüsü, total station noktası, nivelman ya da daha yüksek doğruluklu lidar nokta bulutu olur. Buradaki mantık basittir: Test ettiğin modelden daha güvenilir bir kaynağa ihtiyaç duyarsın.

Doğruluk değerlendirmesini şu sıra ile yapman en sağlıklı yoldur:

1. Önce modelin yatay ve düşey datum bilgisini doğrula. Pek çok hata, ölçüm kalitesinden değil koordinat sisteminin yanlış eşleştirilmesinden doğar.
2. Referans noktaları çalışma alanına dengeli dağıt. Sadece düz arazide toplanan kontrol noktaları, engebeli yüzeyde yanıltıcı tablo üretir.
3. Arazi sınıflarını ayır. Düz zemin, dik yamaç, orman, tarla, kentsel alan ve çıplak kaya aynı hata karakterine sahip değildir.
4. Her referans noktasında model yüksekliğini çıkar ve farkı hesapla.
5. Ortalama hata, MAE, RMSE, medyan ve yüzde 95 hata sınırını birlikte incele.
6. Son olarak hatayı mekânsal olarak haritala. Çünkü tek sayı, hatanın nerede yoğunlaştığını anlatmaz.

ABD Jeoloji Araştırmaları Kurumu ve ASPRS doğruluk standartları, düşey doğruluğu bağımsız kontrol noktalarıyla test etmeni önerir. ASPRS’in fotogrametrik ve geouzamsal veri standartlarında farklı arazi örtüsü sınıfları için ayrı doğruluk raporlaması vurgulanır. Bunun nedeni açıktır: Açık arazide iyi görünen bir model, ağaçlık alanda aynı başarıyı vermez.

NASA’nın SRTM verisi üzerine yayımlanan çalışmalarda, küresel ölçekte dikey doğruluğun bölgeye ve arazi koşuluna göre değiştiği sıkça gösterildi. Birçok bölgede mutlak düşey hata birkaç metre düzeyinde kabul edilebilir görünür; ancak dik yamaç, radar gölgesi ya da yoğun bitki örtüsü olan alanlarda hata ciddi biçimde büyür. Benzer biçimde Copernicus DEM ve çeşitli lidar tabanlı ürünler üzerine yapılan karşılaştırmalarda, veri kaynağı ve işleme yöntemi değiştikçe doğruluk profilinin de değiştiği net biçimde ortaya kondu.

Burada önemli nokta şu: Bir veri sağlayıcısı “düşey doğruluk 1 m” diyorsa hemen güvenme. Şunu sor: Bu değer RMSE mi, yüzde 95 sınırı mı, açık arazide mi, tüm arazi sınıflarında mı? Bu soruların cevabı yoksa o sayı tek başına pazarlama cümlesine döner.

RMSE neden tek başına yeterli kalmaz

RMSE büyük hatalara aşırı duyarlıdır. Diyelim ki 100 noktadan 95’i çok iyi, 5’i çok kötü. RMSE bu 5 noktanın etkisini büyütür. Bu bazen faydalıdır çünkü kritik hataları görünür kılar. Ama bazen de tipik kullanıcı deneyimini olduğundan kötü gösterir. Bu yüzden RMSE ile birlikte medyan mutlak hata ve yüzde 95 hata aralığını da incele.

Sistematik hata ile rastgele hata nasıl ayrılır

Ortalama hata sıfırdan belirgin biçimde uzaksa sistematik kayma ihtimali yükselir. Örneğin tüm model yaklaşık 40 santimetre yüksek çıkıyorsa, geoit dönüşümü ya da datum dönüşümünde sorun aramalısın. Hatalar sıfır etrafında dağılmış ama saçılım genişse bu kez rastgele hata ağır basar. Böyle bir durumda sensör gürültüsü, eşleştirme hatası ya da yüzey karmaşıklığına bak.

Eğim doğruluğu neden yükseklik doğruluğundan farklı okunur

Dikey hata küçük olsa bile eğim hesabı ciddi sapabilir. Çünkü eğim, komşu hücreler arasındaki küçük yükseklik farklarına dayanır. 10 metrelik hücrede 30 santimetrelik hata çok sorun çıkarmayabilir; ama 1 metrelik mikro topoğrafya analizinde aynı hata sonucu bozar. Hidroloji ve heyelan çalışmalarında bu ayrımı özellikle ciddiye al.

Sahada ve ofiste doğruluğu etkileyen ana değişkenler

Bir yükseklik modelinin doğruluğunu sadece sensör belirlemez. Veri toplama zamanı, arazi örtüsü, işleme zinciri ve kalite kontrol disiplini de sonucu doğrudan değiştirir.

Arazi örtüsü ilk büyük etkendir. Lidar, bitki örtüsü içinden zemine ulaşma konusunda fotogrametriye göre çoğu zaman daha avantajlıdır. Fakat yoğun ormanda, düşük nokta yoğunluğu varsa lidar da zemin modelinde zorlanır. Fotogrametri ise açık alanlarda çok güçlü performans gösterebilir; ama ağaç tepe yüzeyini zemin sanma riski yüksektir.

Eğim ve bakı ikinci etkendir. Dik yamaçlarda gölge, örtüşme zayıflığı ve interpolasyon sorunları artar. Radar tabanlı modellerde layover ve shadow etkileri bu alanlarda hatayı büyütebilir.

Mevsim ve yüzey durumu da belirleyicidir. Yapraklı dönemde alınan veri ile yapraksız dönemde alınan veri aynı arazi için aynı sonucu vermez. Kar örtüsü, ıslak zemin, sürülmüş tarla ve geçici hafriyat sahaları da doğruluğu değiştirir.

Nokta yoğunluğu ve filtreleme kalitesi, özellikle lidar ve fotogrametrik nokta bulutlarında kilit rol oynar. Aşırı agresif filtreleme, küçük topoğrafik detayları siler. Fazla gevşek filtreleme ise bina kenarı, çalı ya da araç gibi öğeleri zemine karıştırır.

Yatay konum hatası da düşey sonucu dolaylı biçimde bozar. Dik eğimli bir alanda yatayda küçük bir kayma, düşeyde büyük fark gibi görünür. Bu yüzden yalnızca Z farkına bakmak çoğu zaman eksik kalır.

Kendi tecrübemle söyleyebilirim ki, özellikle mühendislik projelerinde en pahalı hata veri satın almak değil, veri metadatasını okumadan projeye entegre etmektir. Veri tarihi, dikey datum, üretim yöntemi ve sınıflandırma kalitesi kontrol edilmediğinde, sahada tekrar ölçüm maliyeti hızla katlanır.

Proje türüne göre kabul edilebilir doğruluk seviyesini nasıl seçersin

Her iş için aynı doğruluk seviyesi gerekmez. Bölgesel taşkın ön değerlendirmesi ile şantiye kot kontrolü aynı toleransla yönetilemez. İhtiyacı işin risk düzeyi belirler.

Bölgesel planlama ve görünürlük analizi gibi çalışmalarda metre düzeyindeki hata çoğu zaman kabul edilebilir. Fakat yağmur suyu drenajı, yol projelendirme, boru hattı eğimi, kazı-dolgu hesabı ve parsel içi kot tasarımında desimetre hatta santimetre ölçeğinde güvenilirlik aranır.

Aşağıdaki mantık işini kolaylaştırır:

– Kararın maliyeti büyüdükçe doğruluk gereksinimini yükselt.
– Eğim küçükse düşey hata toleransını daralt.
– Hacim hesabı yapıyorsan yalnızca noktasal doğruluk değil, yüzey bütünlüğünü de test et.
– Hidrolojik model kuruyorsan çukur, sırt ve akış yollarının topolojik doğruluğunu ayrıca kontrol et.
– Kentsel dönüşüm, altyapı ve aplikasyon işlerinde resmi standart ve ihale şartnamesini veri seçiminin önüne koy.

Uluslararası uygulamalarda ASPRS, USGS ve çeşitli ulusal harita kurumları doğruluk sınıflarını kullanım amacına göre tanımlar. Bu yaklaşım sana önemli bir ders verir: “En doğru veri” diye tek bir kategori yoktur; “işe uygun doğruluk” vardır.

Bu noktada veri sağlayıcısından şu belgeleri istemen gerekir:
– Üretim yöntemi raporu
– Kontrol noktası sayısı ve dağılımı
– Arazi örtüsü sınıflarına göre doğruluk tablosu
– Datum ve projeksiyon bilgisi
– Veri tarihi ve işleme sürümü

Yardımcı Ecza gibi bilgi odaklı kaynaklarda teknik içerik tararken de aynı bakış açısını korumanı öneririm: Verinin adı kadar, nasıl üretildiği ve nasıl test edildiği de kararın parçası olmalı.

Sahada işine yarayan kontrol yaklaşımı ve yaygın hata kaynakları

Pratikte doğruluk kontrolünü kusursuz hale getiren şey pahalı ekipman değil, disiplinli örnekleme planıdır. Ben sahada şu yaklaşımın en güvenilir sonuç verdiğini defalarca gördüm:

1. Önce alanı arazi sınıflarına ayır.
2. Her sınıf için ayrı kontrol noktası hedefi koy.
3. Düz ve kolay ulaşılabilir noktalara yığılma yapma.
4. Kırık eğim, dere yatağı, dolgu şevi ve yüzey geçişlerini özellikle örnekle.
5. Aynı noktayı tekrar ölçerek referans verinin kendi güvenilirliğini kontrol et.

Yaygın hata kaynakları ise çoğu zaman birbirine karışır:

– Yanlış jeoit modeli kullanımı
– Elipsoidal yükseklik ile ortometrik yüksekliği karıştırma
– Veri tarihleri arasındaki yüzey değişimini görmezden gelme
– GCP dağılımını köşelere yığma
– Fotogrametride yetersiz bindirme
– Lidar sınıflandırmasında zemin filtreleme hatası
– Interpolasyon sırasında su yüzeylerini yanlış ele alma

Özellikle su yüzeyleri özel dikkat ister. Göl, baraj ve geniş nehir yüzeylerinde sensör davranışı değişebilir. Fotogrametri yansıma ve tekstür eksikliği yüzünden sorun çıkarabilir; lidar ise su penetrasyonu ve geri dönüş karakteri nedeniyle tutarsız sonuç verebilir. Bu alanlarda modelin pürüzsüz görünmesi doğru olduğu anlamına gelmez.

Bir başka pratik nokta da bağımsız kontrol noktaları ile üretimde kullanılan noktaları ayırmaktır. Modeli oluşturan GCP’lerle modeli test edersen, gerçek doğruluğu değil eğitilmiş performansı görürsün. Bu hata, proje raporlarında sandığından daha sık karşına çıkar.

Sıkça Sorulan Sorular

Sayısal yükseklik modeli doğruluğu için iyi bir RMSE değeri kaç olmalı?

Bu tamamen kullanım amacına bağlıdır. Bölgesel analizde 1-5 metre kabul görebilir. Mühendislik ve şantiye işlerinde çoğu zaman desimetre ya da santimetre düzeyi istersin.

Çözünürlük arttıkça doğruluk da otomatik artar mı?

Hayır. Küçük piksel, daha fazla detay sunar; ama yanlış işlenmiş ya da zayıf referanslı veri yine hatalı kalır.

DSM ile DTM arasındaki fark doğruluk yorumunu etkiler mi?

Evet. DSM yüzey üstü objeleri içerir, DTM zemini hedefler. Aynı noktada iki veri arasında metreler düzeyinde fark oluşabilir.

Kontrol noktası sayısı ne kadar olmalı?

Tek bir sihirli sayı yok. Alan büyüklüğü, arazi çeşitliliği ve proje riski belirleyicidir. Kritik olan, noktaları dengeli dağıtman ve farklı yüzey sınıflarını temsil etmen.

Datum hatası düşey doğruluğu ne kadar bozar?

Çok ciddi bozar. Yanlış dikey datum ya da jeoit dönüşümü, tüm modelde sistematik kayma yaratabilir.

Uydu tabanlı yükseklik modeli mühendislik işlerinde kullanılır mı?

Ön fizibilite ve geniş alan taramasında işe yarar. Ancak kesin tasarım, aplikasyon ve hassas hacim hesabında çoğu zaman daha yüksek doğruluklu veri tercih edersin.

Eğimli arazide neden hata daha yüksek görünür?

Çünkü yataydaki küçük kaymalar, düşey farkı büyütür. Ayrıca eşleştirme ve interpolasyon hataları dik yamaçlarda daha belirgin hale gelir.

Doğru veri seçimi, çoğu projede ekipman seçiminden daha büyük fark yaratır. Eğer elindeki modelin güvenilir olup olmadığından emin değilsen, önce 20-30 bağımsız kontrol noktasıyla küçük bir pilot doğrulama yap. İstersen kullandığın veri türünü ve proje amacını yorumlarda yaz; hangi doğruluk metriğine önce bakman gerektiğini birlikte netleştirelim. Ayrıca teknik kaynak karşılaştırırken Yardımcı Ecza üzerinde yer alan içerik mantığıyla hareket et: iddiaya değil, ölçülebilir kanıta güven.