Uzaktan algIlama SPEKTRAL İMGELER ALGILAYICI TEKNOLOJİSİ GÖRÜNTÜLERİN SINIFLANDIRILMASI VE YORUMLANMASI

HAZIRLAYANLAR 1302070079 TUĞÇE SUBAŞI 1302090069 KADER ZENGİN 1302080093 BURAK BAYBURTLU 1302070060 Y.EMRE FENDOĞLU

Elektromanyetik Spektrum Elektromanyetik spektrumda dalga boyları bina mertebesinde uzunluğa sahip radyo dalgalarından, bir atom çekirdeği mertebesindeki kısa dalga boylarına kadar uzanır. İnsan gözünün algılayabildiği dalga boyları, sadece görünür bölgedekilerdir.

Spektral imgeler Bir malzeme için yansıyan, yutulan, veya iletilen ışınım miktarları dalga boyuna bağlı olarak değişir. Bu önemli özellik sayesinde farklı nesneleri ya da sınıfları ayırt etmek olanaklıdır. Aşağıdaki görüntüde yeryüzündeki bazı maddelerin spektral yansımaları gösterilmektedir. Çalışmanın amacına göre, bir görüntüde ayırt edilmek istenen maddeler değişecektir. Analistler, daha iyi bir analiz yapmak için, spektral imgelerden yararlanarak kullanılması gereken spektral bantları belirlemektedirler.

Dijital Görüntü Uzaktan Algılama görüntüleri dijital formlarda kayıt edilir ve bilgisayarlar tarafından görüntüye dönüştürülmek üzere işlenir. Bir uzaktan algılama sisteminde algılayıcı enerjiyi (ışığı) algılar, ölçer ve miktarını bilgisayarın okuyabileceği bir sayıya çevirir. Yörüngedeki uzay aracı bu kodları sinyaller ile yeryüzündeki uydu yer istasyonuna gönderir. Bu sinyaller alınarak sayı dizilerine çevrilir, sıra ve sütunlar bir gri değerine denk gelen sayı ile ifade edilir ve bir dijital görüntü oluştururlar. Kısaca, sayılar küçük resim elemanlarına çevrilirler ve bir araya geldiklerinde görüntünün tamamını oluştururlar. Dijital görüntüyü oluşturan resim elemanlarına piksel adı verilir. Her piksele ait olan ve temsil edilen alandan gelen ortalama ışınımı veren değer DN ile gösterilir. DN değerleri genellikle 0-255 arasındadır.

Dijital Görüntünün Özellikleri Çözünürlük bir görüntüleme sisteminde kayıt edilen detayların ayırt edebilebilirlik ölçüsüdür. Uydu Görüntüleri için 4 farklı çözünürlük tanımlanmaktadır: Radyometrik Çözünürlük: Elektromanyetik enerji miktarında sahip olunan hassasiyet radyometrik çözünürlüğü göstermektedir. Bir başka deyişle, bir görüntüleme sisteminin radyometrik çözünürlüğü, enerji farklılıklarını ayırt edebilme yeteneğini gösterir. Bahsedilen enerji farklılıkları ayırt edilmesi mümkün olan gri tonu sayısına denk gelir. Aynı bölgeye ait 2-bitlik bir görüntü (1) ile 8-bitlik bir görüntü (2) karşılaştırıldığında, radyometrik çözünürlükle ilişkili olarak detay ayırt etme seviyesindeki fark göze çarpmaktadır

Görüntü Elde Etme Renkler, üç ana rengin (kırmızı, yeşil, mavi) farklı oranlarda karıştırılması ile elde edilir. İnsan gözü sadece görünür bölgedeki dalga boylarını algılamaktadır. Optik görüntüler oluşturulurken, sırasıyla kırmızı yeşil ve mavi bantlara ait görüntüler bilgisayar ekranında görüntülendiğinde doğal renkli görüntü, diğer tüm bant kombinasyonlarının görüntülenmesi durumunda ise yapay renkli görüntü elde edilir. Yapay görüntüler, özellikle insan gözünün duyarlı olmadığı bir spektral bölgedeki yansımaya ilişkin bilgi sağlayarak gözün algılamadığının görünür hale getirildiği görüntüler olup bazı uygulama alanları için büyük öneme sahiptirler.

1) Doğal renkli kompozit (TM bandları 3, 2 ve1) 2) Yapay renkli kompozit (TM bandları 4, 3 ve2)

Radar görüntüleri de siyah-beyaz görüntüler olup kırmızı mavi yeşil (RGB) kombinasyonunda çok-spektrumlu, çok-zamanlı ve çok-polarizasyonlu görüntülerin kullanılması ile renkli görüntü elde edilebilir 1) Bir tarım bölgesine ait radar görüntüsü (2) Aynı bölgenin YY (Yatay-Yatay), DD (Düşey-Düşey) ve YD (Yatay-Düşey) polarizasyonları ile oluşturulmuş renkli görüntüsü.

Atmosfer Etkisi Yeryüzüne gelen güneş enerjisi atmosfer tarafından soğurulma (yutulma), dağıtılma ve yansıtılma gibi işlemler sonucu değiştirilmektedir. Soğurulmanın nedeni, çok atomlu moleküllerin titreşim ve dönmelerinin değişik enerji seviyelerine geçişi olduğu kadar atom ve moleküle bağlı elektronların farklı enerji seviyesine geçişindendir.

Görüntü Zenginleştirme Görüntüler pek çok histogram işlemleri ve filtreleme metodları ile zenginleştirilebilir. Histogram: Histogram bir görüntüdeki yansıma değerlerinin grafik gösterimidir. Grafikte, yansıma değerleri (genellikle 0-255) x-ekseni üzerinde ve bu değerlerin görüntüde tekrar etme sıklığı ise y-ekseninde görülmektedir. Bir görüntünün belli dağılıma sahip yansıma değerleri üzerinde işlemler yapılarak görüntüde istenen özellikler daha belirgin hale getirilebilir.

Görüntü Dönüşümleri Veri Entegrasyonu Görüntü dönüşümleri, genellikle iki veya daha fazla görüntüden yararlanılarak ilgilenilen özelliklerin daha fazla ortaya çıktığı yeni bir görüntünün oluşturulması işlemidir. Temel görüntü dönüşümleri görüntüye uygulanan basit aritmetik işlemlerdir. Örneğin, görüntü çıkarma işlemi genellikle farklı tarihlerde alınmış olan görüntülerin arasındaki farklılıkları bulmak için yapılan bir uygulamadır. Görüntü bölme veya orantılama işlemleri de sıkça kullanılan dönüşümlerdir. Veri Entegrasyonu Veri entegrasyonu farklı kaynaklardan elde edilen bilgilerin daha iyi ve daha çok bilgi elde etmek üzere birleştirilmesidir. Bu kapsamda çok-zamanlı, çok-çözünürlüklü, çok-algılayıcılı veri kombinasyonları kullanılabilir. Bir uzaktan algılama veri setinin sınıflandırılmış harita formatında olan sonuçları, başka bir veri kaynağı olan Coğrafi Bilgi Sistemlerini (CBS) güncelleştirmede kullanılabilir. Farklı veri setlerini ve kaynaklarını bir arada kullanmak çok daha iyi sonuçlara ulaşmak için iyi bir yaklaşımdır.

AlgIlayIcI Teknolojisi Uzaktan Algılama teknolojisi yüksek çözünürlükte kaynakların çok daha verimli yönetilmesine olanak vermektedir. Geniş bir terim olan çözünürlük, görüntü aracında görüntülenen piksel sayısı veya görüntü dosyasındaki pikselin temsil ettiği yeryüzü alanı olarak tanımlanabilir. Ancak bu geniş tanım uzaktan algılanmış veri tasvirinde yetersiz kalmaktadır (ERDAS 1995). Çözünürlük, detayların ayırt edilebilme gücünü belirtir. Bir uydu görüntüsünün çözünürlüğünden bahsedildiği zaman; spektral, geometrik ( mekansal – konumsal ) radyometrik zamansal olmak üzere dört farklı çözünürlük açısından incelenmelidir.

1.Spektral çözünürlük, bir algılayıcının elektromanyetik spektrumda kaydedebildiği belirli dalga boyu aralığıdır. Aralık daraldıkça spektral çözünürlük artar ve aralık genişledikçe kaba spektral çözünürlükten bahsedilir.

Su ve vejetasyon gibi geniş sınıflar genellikle görünen ve yakın kızıl ötesi kesim gibi çok geniş dalga boyu aralığı kullanılarak ayırt edilebilir. Fakat daha spesifik sınıflar (karaçam, sarıçam, göknar, ladin gibi) bu her iki (görünen ve yakın kızıl ötesi kesim) geniş dalga boyu aralığı kullanılarak kolaylıkla ayırt edilemez ve onları ayırt etmek için çok daha dar dalga boyu aralıklarında karşılaştırmak gerekir. Bu nedenle, daha yüksek spektral çözünürlüklü bir algılayıcıya ihtiyaç duyarız.

High spectral resolution: 220 band Algılayıcıların spektral çözünürlükleri söz konusu olduğunda, öncelikle algılayabildikleri elektromanyetik spektrum bölgelerinin sayısı düşünülebilir. Ancak, bu bant sayısı tek başına spektral çözünürlüğe karşılık gelmez. Bununla birlikte, bu bantların elektromanyetik spektrumdaki durumu da göz önünde bulundurulmalıdır High spectral resolution: 220 band Medium spectral resolution: 3 -15 bands Low spectral resolution: 3 bands

Spektral çözünürlük, bir algılayıcının ince (dar) dalga boyu aralıklarını tanımlama yeteneğini tarif eder. Daha iyi bir spektral çözünürlük, özel bir kanal veya bant için daha dar dalga boyu aralığı demektir. Yani, bir bant veya kanalın spektral çözünürlüğüne kadar yüksekse, o bant veya kanalın duyarlı olduğu bir başka deyişle, alım yapılan dalga boyu aralığı o kadar dar demektir.

2. Mekansal (Geometrik-Konumsal) çözünürlük, algılayıcı tarafından algılanan bir pikselin yeryüzünde temsil ettiği alanın, bir başka deyişle ayırt edilebilen en küçük objenin boyutudur. Bazı uzaktan algılama araçları için platform ve görüntülenen hedef arasındaki uzaklık, algılayıcı tarafından görüntülenen toplam alan ve elde edilen bilginin ayrıntılarını belirlemede büyük bir rol oynar. Hedeflerinden uzakta bulunan platformlar üzerindeki algılayıcılar tipik olarak daha büyük bir alan görüntülerler, fakat büyük ayrıntı sağlayamazlar

Homojen bir özelliğin ayırt edilebilmesi için boyutunun genellikle çözünürlük hücresine eşit veya daha büyük olması gereklidir. Şayet özellik (obje) bundan daha küçükse çözünürlük hücresinde kaydedilecek olan bütün özelliklerin ortalama parlaklıkları olarak ayırt edilemez.

1 bit veri==2^1=2 ____0-1 Siyah-Beyaz 3. Radyometrik çözünürlük, bir algılayıcının elektromanyetik enerjinin büyüklüğüne karşı duyarlılığını ifade eder. Görüntüleme sisteminin radyometrik çözünürlüğü enerjideki küçük farklılıkları ayırma yeteneği ile tanımlanır Diğer bir anlatımla bu, kaydedilen enerjinin bölündüğü“bit” sayısıdır. Örneğin, 8 bit veride her pikselin veri dosya değeri 0’dan 255’e kadar uzanırken 7-bit veride her pikselin veri dosya değeri sadece 0’dan 127’ye kadardır. Yani 8-bit veride kaydedilen enerji 256 (2^8) parlaklık değerine, 7-bit veri’de ise 128 (2^7) parlaklık değerine ayrılır. 1 bit veri==2^1=2 ____0-1 Siyah-Beyaz 8 bit veri == 2^8 = 256 ____0-255 Landsat TM 11 bit veri== 2^11=2048 ____0-2047 IKONOS

Azalan radyometrik çözünürlük >>>>>>>>>>>>

4.Zamansal çözünürlük: Arazi kullanımındaki değişimlerin izlenmesinde çok büyük öneme sahip olan zamansal çözünürlük, algılayıcının aynı alandan hangi sıklıkta veri (görüntü) kazandığı ile ilgilidir. Aynı yerin ardışık görüntülerinin alınması için gerekli süre zamansal çözünürlük olarak tanımlanır. Bir uydu algılayıcısının yeniden ziyaret periyodu (uydunun tam bir yörünge dönüşünü tamamlaması için geçen zaman uzunluğunu) genellikle birkaç gündür. Bu nedenle, ikinci kez aynı görünüm açısından, tam olarak aynı alanı görüntülemek için bir uzaktan algılama sisteminin mutlak zamansal çözünürlüğü bu periyoda eşittir. Bununla birlikte çoğu uydular için komşu yörüngeler görüntü süpürmelerindeki bir miktar çakışma ve enlem derecesinin artması ile bu çakışmadaki artış nedeniyle dünya üzerindeki bazı alanlar daha sık bir şekilde yeniden görüntülenmeye meyillidir. Bazı uydu sistemleri ise programlanabilir olma özellikleri ile yüksek zamansal çözünürlüğe sahiptirler. Bu nedenle, bir algılayıcının aktüel zamansal çözünürlüğü, uydu/algılayıcı yetenekleri, süpürmedeki çakışma ve enlem derecesini içeren çeşitli faktörlere bağlıdır. Farklı zaman periyotlarında yer yüzeyi üzerinde aynı alanın görüntüsünü toplayabilmek uzaktan algılama verilerinin uygulanmasının en önemli unsurlarından biridir. Objelerin spektral özellikleri zamanla değişebilir ve bu değişimler çok zamanlı görüntünün kıyaslanması ve toplanması ile saptanabilir.

Sürekli bulutlar yer yüzeyinin sınırlı olarak açık (temiz) görünmesini sağlar (Tropik bölgelerde, sık sık) Kısa süren olayları görüntüleme ihtiyacı(taşkınlar, petrol saçılmaları gibi) Çok zamanlı kıyaslamalarda ihtiyaç duyulur (örneğin; yıldan yıla bir orman hastalığının yayılması) Zamanla bir objenin görünümünün değişmesiyle yakın benzerlikteki objelerden (buğday/mısır) onu ayırt edebilmek için kullanılabilir.

2000Landsat TM(543) 1987Landsat TM(543)

Görüntülerinin SInIflandIrIlmasI Dijital görüntülerde farklı özellik tipleri, doğal spektral yansıtma ve yayma özelliklerine bağlı olarak farklı sayısal değerler içeren kombinasyonlar oluşturmaktadır. Bu farklılıktan yararlanılarak aynı spektral özellikleri taşıyan yer yüzündeki nesneler gruplandırılabilmektedir. Amaç uydu görüntülerindeki her pikseli spektral özelliklerine göre farklı gruplara ayırmak ve pikseli yansıtma değerlerine göre yer yüzünde karşılık geldiği kümeye atamaktır. Sınıflandırma işleminin gerçekleştirilmesinde dikkat edilecek hususlar şunlardır: Algılayıcı, algılama zamanı ve spektral bantların amaca uygun olarak seçimi. Yer yüzü özelliklerini ortaya koyabilecek kontrol alanlarının seçimi. Amaca yönelik sınıflandırma algoritmaların seçimi. Belirlenen bu özelliklerin tüm görüntüye uygulanması ve görüntülenmesi. Sonuç görüntülerinde doğruluk değerlendirmelerinin yapılması.

Sınıflandırmanın Genel Adımları

Sınıflandırma yöntemleri; 1-PİXEL-TABANLI *Kontrollü(Supervised) sınıflandırma *Kontrolsüz(Unsupervised) sınıflandırma 2-OBJE-TABANLI

1.PİXEL-TABANLI a)Kontrollü (Supervised) Sınıflandırma Bu yöntemde çalışma alanındaki yer yüzü özelliklerini tanımlayan yeteri sayıdaki örnek bölgeler (test alanlar) kullanılarak, sınıflandırılacak her bir cisim için spektral özellikleri tanımlı özellik dosyaları oluşturulur. Bu dosyaların görüntü verilerine uygulanması ile her bir görüntü elemanı (piksel), hesaplanan olasılık değerlerine göre en çok benzer olduğu sınıfa atanmaktadır.

Kontrollü Sınıflandırma Yönteminin Temel Aşamaları

Kontrollü sınıflandırma işleminde; En Büyük Benzerlik (Maximum Likelihood) Paralelyüz (Paralel lepiped) En Küçük Uzaklık (Minimum Distance) adı verilen çeşitli sınıflandırma yöntemleri kullanılmaktadır.

En Büyük Benzerlik (Maximum Likelihood) Yöntemi Bu yöntem, sınıflar için eş olasılık eğrilerinin tanımlanmasına ve sınıflandırılacak piksellerin üyelik olasılığı en yüksek olan sınıfa atanması ilkesine dayanır.

-Yöntemin etkinliği, her spektral sınıf için ortalama vektör ile kovaryans matrisin doğru biçimde tahmin edilmesine bağlı olmaktadır. -Bu koşul ise, sınıfların her biri için yeterli miktarda örnekleme verisinin (pikseller) bulunabilmesine bağlıdır. -Örnekleme bölgesine ait yeterli miktarda veri bulunmadığı zaman (sınıfların olasılık dağılımlarını doğru bir şekilde tahmin edebilecek özellikte veri olmadığı zaman)arzulanan sınıflandırma doğruluklarına ulaşılamaz. -Böyle bir durumda kovaryans bilgilerini kullanmayan başka sınıflandırma yöntemlerine başvurmak gerekir.

En Küçük Uzaklık (Minimum Distance) Yöntemi -Örnekleme bölgelerine ait örnekleme verileri sınırlı olduğu zaman, kovaryans bilgilerini kullanmayan yalnızca spektral sınıfların ortalama vektörlerinin kullanılmasına dayanan sınıflandırma yöntemlerine başvurmak gerekir. -Böyle bir durumda kısıtlı örnekten ortalama değerler kovaryanslara nazaran daha doğru tahmin edilebilir. -Örnekleme verilerinden sınıf ortalamaları belirlenir, sınıflandırmada bir piksel en yakın ortalamaya sahip sınıfa atanır.

En küçük uzaklık yöntemi, en büyük benzerlik yönteminden daha hızlı olduğu için ilgi çekicidir. Ancak kovaryans bilgilerini kullanmadığından en büyük benzerlik yöntemi kadar esnek değildir. Yöntemde kovaryans verilerinin kullanılmaması nedeniyle sınıf modelleri spektral anlamda simetriktir. Bu nedenle bazı sınıflar iyi modellenmeyebilir. Ancak örnekleme verileri sınırlı olduğu zaman en küçük uzaklık yöntemi, en büyük benzerlik yönteminden daha doğru sonuçlar verir.

Paralelyüz sınıflandırma yöntemi Paralelyüz sınıflandırma yöntemi, uygulaması hızlı ve kolay olmasına rağmen; her bir örnekleme seti için özelliklerin yalnızca minimum ve maksimum değerleri kullanılması nedeniyle, gerçek spektral sınıfların iyi temsil edilememesine yol açmaktadır. Bu yöntem, kontrol (örnekleme) verilerinin spektral bileşenlerinin histogramlarının incelenmesine dayalı çok basit bir kontrollü sınıflandırmadır. Aynı zamanda bir sınıflandırma analistin denen az bilgiyi gerektiren yöntemdir. Tanımlanan her sınıf için, kullanılan her bandın minimum ve maksimum piksel değerleri kullanılmaktadır. Uygulanan karar kuralı, her bilinmeyen piksel, özellik değeri ile ilgili olduğu paralelyüz içine atanır.

b)Kontrolsüz (Unsupervised) Sınıflandırma Çalışma bölgesinde özellikleri bilinen yeterince örnekleme bölgesi (test bölgesi)veya istatistiksel bilgi bulunmadığı durumlarda, spektral olarak ayrılabilir sınıflar belirlenmekte ve bunlardan bilgi elde etme yoluna gidilmektedir. Bu sınıflar görüntü dijital değerlerindeki doğal gruplaşmalara bağlı olup, oluşan spektral sınıfların ne olduğu önceden bilinmemektedir. Oluşan sınıfların özellikleri bölgeye ait hava fotoğrafları, topografik haritalar ve daha önce elde edilmiş var olan bilgilerle karşılaştırılarak belirlenir.

Kümeleme merkezi önce geçici olarak belirlenmekte olup, her bir pikselin açılan kümelerden hangisine dahil edileceği ise o görüntü elemanı ile açılan küme merkezi arasındaki uzaklığın hesaplanması ve başlangıçta kabul edilen uzaklık değeri ile karşılaştırılması sonucu belirlenir. Bu belirlemede en küçük uzaklık değeri esas alınır. Kümeye katılan her yeni piksel ile birlikte aritmetik ortalama hesaplanarak geçici küme merkezi n boyutlu uzayda ötelenmekte ve işlem geçici merkezin konumunda değişim olmayıncaya kadar iteraktif olarak devam etmektedir.

2.OBJE-TABANLI Bu sınıflandırma yönteminde pixel boyutunda gruplanmış veriler yerine oluşturulan segmentler kullanılır. Segment, belli bir gri değerine veya aralığa sahip ve bu gri değerleri grubunu temsil eden alanlar olarak nitelendirilebilir. Bu alanlar (segmentler) seçilen segment parametrelerinin değerlerine göre görüntüde farklılık gösterir. Segment parametreleri, görüntünün özelliklerine göre ve yapılacak sınıflandırmaya göre birden fazla Level değerleri oluşturularak belirlenir ve amaca en uygun parametreler (Level) sınıflandırma işlemi için kullanılır. Level Scale Parameter Color Shape Smoothness Compactness Level1 5 0.7 0.3 0.9 0.1 Level2 10 0.5 0.5 0.5 0.5 Level3 25 1.0 0 0.5 0.5

GÖRÜNTÜ SINIFLANDIRMASININ DOĞRULUK DEĞERLENDİRİLMESİ Uzaktan algılamada görüntü sınıflandırmalarında doğruluk, bir piksele tahsis edilen sınıf etiketi ile “gerçek” sınıf arasındaki uygunluğu gösterir. Gerçek sınıf, gerek hava fotoğraflarından gerekse de mevcut harita ve planlardan doğrudan veya dolaylı olarak gözlenebilir. Doğruluk değerlendirmesinde çok kullanılan yöntem hata matrislerinin (confusion matrix, contingency table) hazırlanmasıdır. Hata matrisleri sınıf bazında referans verileri(gerçek-yersel veriler) ile otomatik sınıflandırma sonuçları arasındaki ilişkiyi karşılaştırır.

Hata matrisinin şematik gösterimi Matrisin sütun elemanları örnekleme veri setine ilişkin değerleri gösterirken, satır elemanları sınıflandırılmış piksel verilerini göstermektedir. Doğru arazi örtüsüne sınıflandırılmış örnekleme veri seti pikselleri ana köşegen(diagonal) üzerinde bulunmaktadır.

Hata matrislerinden çeşitli sınıflandırma doğruluk kriterleri türetilebilir. “Toplam doğruluk” (overall accuracy), doğru biçimde sınıflandırılmış piksellerin toplam sayısının (köşegen toplamı) referans piksellerin toplam sayısına bölünmesiyle elde edilir. Matrisin köşegeni üzerinde bulunmayan elemanları “ihmal hatası ”veya“ dahil etme hatası”(comission error)’ nı temsil eder. “Üretici doğruluğu” (producer’s accuracy), her sınıf içinde doğru olarak sınıflandırılmış piksellerin sayısını, bu sınıf için kullanılan örnekleme veri seti pikselleri sayısına bölerek bulunur ve verilen bir arazi örtü türünün örnekleme seti piksellerinin ne kadar iyi sınıflandırılabildiğini gösterir. “Kullanıcı doğruluğu” (user’s accuracy), her sınıf içinde doğru sınıflandırılmış piksel sayısını, bu kategori içinde sınıflandırılan piksellerin toplam sayısına bölünmesiyle bulunur ve “dahil etme hatası” nı gösteren bir ölçüdür. Bu doğruluk değeri, herhangi bir sınıfa atanan bir pikselin bu sınıfı gerçekte temsil etme olasılığını gösterir.

Coğrafi Bilgi Sistemleri(CBS) CBS, konumsal veri ve ilişkili bilgilerin toplandığı, depolandığı, görselleştirildiği, yönetildiği, analiz edildiği ve sorgulandığı, veri, bilgisayar donanım ve yazılımından oluşan bir sistemdir. Yeryüzünü modellemek üzere kullanılan bu sistemde belirli veri grupları (örn. yollar, binalar) farklı katmanlarda tutulur. Bu katmanlarda tutulan her grafik gösterim gerçek dünyada o objenin konum, koordinat ve şekil özelliklerini taşır ve veri tabanında da temsil ettiği nesneye ait bilgiler ile ilişkili olarak saklanır. Bir CBS farklı çalışmalar için sadece gerekli katman ve veri tablolarının kullanılmasına uygundur. Aynı zamanda hızlı sonuçlara ve daha gerçekçi yaklaşımlara ulaşılmasını sağlayan bir teknolojidir

UA ve CBS Entegrasyonu Uzaktan Algılama, CBS için çok önemli veri kaynaklarından birisi olup genellikle CBS analizleri için geniş alanlara dair konumsal veri ve modelleme imkanı sağlar. Bu amaca yönelik olarak bilgi elde etmek amacıyla görüntü işleme ve modelleme için gereklidir. Karşılıklı olarak, uzaktan algılama verisi genellikle konumsal veri setleri ile birlikte yorumlanır. (farklı tarihler, farklı ölçekler, farklı algılayıcılar, farklı metodlar kullanılarak yeryüzü hakkında edinilmiş veriler) Bu nedenle, uzaktan algılama ve coğrafi bilgi sistemleri çok ilişkilidir ve birbirlerini tamamlayıcı olarak kullanılmaktadırlar

KAYNAKLAR www.irfanakar.com http://jeodezi.karaelmas.edu.tr/linkler/akademik/marangoz/marangoz_files/DersNotlari/UZALG/UZAL_07B.pdf http://ormanweb.sdu.edu.tr/dersler/hocoban/ua http://rst.gsfc.nasa.gov/