Bu araştırma, faal bir belediye katı atık depolama sahasının zaman içindeki yüzey ve hacim değişimlerinin havadan lazer tarama (Airborne Laser Scanning, ALS/LiDAR) ile ne kadar güvenilir biçimde izlenebileceğini araştırmaktadır. Çalışmanın temel sorusu yalnız “LiDAR ile hacim hesaplanabilir mi?” değildir. Araştırmacılar aynı zamanda dijital arazi modelinin (Digital Terrain Model, DTM) hangi mekânsal çözünürlükte hazırlanması gerektiğini, yatay konum hatalarının eğimli arazide düşey hataya nasıl dönüştüğünü ve bitki örtüsünün gerçek zemin değişimiyle karıştırılabilecek ne ölçüde hata ürettiğini değerlendirmektedir.

Çalışma Çekya'nın Moravya bölgesindeki Strážnice belediye katı atık düzenli depolama sahasında gerçekleştirilmiştir. Yaklaşık 4 hektarlık saha 1993'ten beri işletilmektedir; bir bölümü halen genişletilirken bir bölümü kapatılmış ve rehabilite edilmiştir. Bu nedenle saha hem aktif atık depolama bölgelerini hem yolları, eğimli yüzeyleri, otsu bitki örtüsünü ve çalılıkları aynı çalışma alanında içermektedir.

Havadan lazer tarama verileri 28 Mayıs 2023 ve 5 Ekim 2023 tarihlerinde, yaklaşık beş aylık arayla toplanmıştır. Her iki uçuşta da ortalama nokta yoğunluğu yaklaşık 10 nokta/m²'dir. RIEGL LMS Q780 tam dalga biçimli lazer tarayıcı, yaklaşık 1 km uçuş yüksekliğinde Cessna 208B Grand Caravan fotogrametri uçağı üzerinde kullanılmıştır.

Orijinal nokta bulutlarından 0,3 m çözünürlüklü DTM üretilmiş; daha sonra veri yoğunluğu azaltılarak 0,5 m, 0,8 m ve 1,5 m çözünürlüklerde ek modeller hazırlanmıştır. Böylece DTM hücre büyüklüğünün hesaplanan hacim değişimine etkisi karşılaştırılmıştır.

Sonuçlara göre 0,3 m ile 0,5 m çözünürlük arasında hacim değişimi açısından istatistiksel olarak anlamlı fark bulunmamıştır (\(p=0,91\)). Benzer biçimde 0,3 m ile 0,8 m arasındaki fark da anlamlı değildir (\(p=0,64\)). Buna karşılık 0,3 m ile 1,5 m karşılaştırması istatistiksel olarak anlamlıdır (\(p=0,03\)). Bu nedenle araştırmacılar 1,5 m çözünürlüğün hassas depolama sahası izleme çalışmalarında kaçınılmasını önermektedir.

Bilimsel sonuç iki farklı çözünürlük önerisini birbirinden ayırmayı gerektirir. 0,3–0,8 m aralığı testlerde güvenilir sonuç veren çözünürlük grubudur; ancak veri hacmi, ayrıntı ve operasyonel maliyet birlikte değerlendirildiğinde araştırmacılar 0,3–0,5 m aralığını pratik optimum denge olarak önermektedir.

Çalışmada yatay ALS konum hatasının ortalama yaklaşık 0,38 m olduğu hesaplanmıştır. Düz bir zeminde bu hata doğrudan büyük bir yükseklik hatası yaratmayabilir; fakat eğim arttıkça aynı yatay kayma önemli bir düşey hataya dönüşmektedir. Ortalama 0,38 m XY hatası kullanıldığında yaklaşık düşey hata 5° eğimde 0,03 m, 15°'de 0,10 m, 25°'de 0,17 m ve 35°'de 0,23 m olarak hesaplanmıştır.

Bitki örtüsü ise çözünürlükten ayrı ve bazı durumlarda daha büyük bir hata kaynağıdır. Bağımsız GPS noktalarıyla yapılan karşılaştırmada 28 Mayıs verisi için 0,3 m DTM'deki GPS–DTM ortalama farkı −0,20 m ve standart sapma 0,21 m iken, 5 Ekim verisinde aynı çözünürlükte −0,24 m ve 0,33 m elde edilmiştir. 1,5 m çözünürlükte Ekim standart sapması 0,42 m'ye yükselmiştir.

Araştırmacılar bu nedenle yalnız daha küçük piksel üretmenin yeterli olmadığını göstermektedir. LiDAR verisinde bitki örtüsünün yanlışlıkla zemin olarak sınıflandırılması, lazer darbelerinin otsu bitkiler ve çalılar arasından zemine farklı oranlarda ulaşması ve mevsimsel bitki değişimi gerçek depolama sahası deformasyonuymuş gibi görünen sahte hacim değişimleri oluşturabilir.

Bu etkiyi azaltmak için ALS verisiyle aynı anda 0,4–1,1 µm aralığında VNIR hiperspektral görüntüler toplanmış, NDVI ile yeşil bitki örtüsü belirlenmiş ve nDSM kullanılarak otsu bitkiler ile ağaç/çalı bölgeleri ayrılmıştır. Belirsizlik modelinde otsu bitki örtüsü için 0,3 m, ağaç ve çalılar için 0,4 m yükseklik hatası atanmıştır.

Çalışmanın saha haritası, aynı konum için yalnız hacim değişimini değil bu değişimin belirsizliğini de piksel düzeyinde üretmektedir. Böylece “burada 0,2 m³ değişim oldu” demek yerine, bu değişimin ölçüm sisteminin hata sınırları içerisinde ne kadar güvenilir olduğu da değerlendirmeye katılmaktadır.

Türkiye açısından: Türkiye'deki düzenli depolama tesislerinde kapasite kullanımı, dolgu ilerlemesi, şev değişimleri, oturma ve rehabilitasyon alanlarının takip edilmesi açısından bu yaklaşım uygulanabilir bir yöntem sunmaktadır. Özellikle geniş sahalarda tekrarlı klasik nokta ölçümlerinin yerine tüm yüzeyi kapsayan LiDAR taramaları, hacim ve yüzey değişiminin mekânsal dağılımını gösterebilir. Ancak çalışma yalnız Çekya'daki tek bir sahada doğrulanmıştır. Türkiye'deki bir tesise aktarımda şev geometrisi, bitki örtüsü tipi, iklim, uçuş yüksekliği, sensör yoğunluğu, koordinat altyapısı ve yerel GNSS kontrol noktaları yeniden değerlendirilmelidir. Çalışmadan Türkiye'deki bütün depolama sahaları için tek ve değişmez bir DTM çözünürlüğü çıkarılamaz.

Geleneksel nokta ölçümünün temel problemi nedir?

Jeodezik veya GNSS tabanlı saha ölçümleri belirli noktalarda yüksek hassasiyet sağlayabilir. Ancak bir düzenli depolama sahası birkaç hektarlık karmaşık bir yüzey olduğunda yüzeyin tamamını sık nokta aralıklarıyla tekrar tekrar ölçmek zaman, personel ve maliyet gerektirir.

Daha önemli problem, nokta ölçümlerinin noktalar arasındaki yerel değişimleri doğrudan göstermemesidir. Depolama sahasının bir bölümünde atık yığılması, başka bir bölümünde oturma, başka bir yerde şev geometrisinin değişmesi aynı zaman aralığında meydana gelebilir.

ALS bu problemi milyonlarca üç boyutlu ölçüm noktasıyla bütün yüzeyi örnekleyerek çözmeye çalışır.

ALS ile LiDAR aynı şey mi?

LiDAR, lazer darbelerinin hedef yüzeye gidip geri dönme süresinden mesafe çıkaran uzaktan algılama yöntemidir. Airborne Laser Scanning (ALS) ise LiDAR sensörünün uçak veya başka bir hava platformunda kullanıldığı uygulama biçimidir.

Bu çalışmada sensör bir drone üzerinde değil, fotogrametrik uçakta taşınmıştır.

Çalışma sahası

Test sahası Çekya'nın Moravya bölgesindeki Strážnice belediye katı atık depolama alanıdır.

İki ALS kampanyası nasıl yapıldı?

Uçuş trajektorileri GNSS ve IMU verileriyle hesaplanmış, uçuş şeritleri arasındaki sapmalar eş düzlemler ve en küçük kareler yaklaşımıyla ayarlanmış, ardından nokta bulutları yeniden jeoreferanslanmıştır.

DTM neyi temsil ediyor?

Digital Terrain Model, mümkün olduğunca çıplak zeminin yükseklik yüzeyini temsil eder. Düzenli depolama sahasında problem, lazer tarafından görülen her noktanın gerçek zemin olmamasıdır.

Ot, çalı, ağaç, geçici nesne veya atık yüzeyindeki düzensizlikler zemin sınıflandırmasını etkileyebilir. Bu nedenle DTM doğruluğu yalnız lazer sensörünün teknik doğruluğuna bağlı değildir.

Neden dört DTM çözünürlüğü test edildi?

Başlangıçtaki yaklaşık 10 nokta/m² yoğunluktan üretilen 0,3 m DTM temel yüksek çözünürlüklü yüzeydir.

Nokta bulutu daha sonra inceltilerek:

modelleri oluşturulmuştur.

Amaç en küçük pikseli otomatik olarak “en iyi” kabul etmek değil, hacim değişimi açısından daha kaba çözünürlüğün ne zaman anlamlı bilgi kaybına yol açtığını belirlemektir.

Random seed neden test edildi?

Nokta bulutu inceltilirken her grid hücresindeki noktalar rastgele seçilmiştir. Rastgele seçim kendi başına yeni bir belirsizlik yaratabileceği için araştırmacılar 100, 200, 300 ve 400 gibi dört farklı seed kullanmıştır.

Bu yöntem aynı seed ile aynı nokta alt kümesinin tekrar seçilmesini sağlayarak işlemi tekrarlanabilir hale getirmektedir.

İnceltilmiş nokta bulutlarından toplam 24 DTM oluşturulmuş ve farklı seed kombinasyonlarının yükseklik sonuçlarını anlamlı biçimde değiştirip değiştirmediği değerlendirilmiştir.

Seed sonucu

İstatistiksel testler seed seçiminin DTM yüksekliklerinde anlamlı sistematik etki oluşturmadığını göstermiştir. Örneğin 0,5 m çözünürlükte üç kontrol noktası için p-değerleri sırasıyla 0,99, 1,00 ve 0,98'dir.

0,8 m çözünürlükte değerler 0,86–0,96 arasında, 1,5 m çözünürlükte ise kaynakta 0,48–0,99 arasında verilmiştir. Bütün bu değerler 0,05 anlamlılık eşiğinin üzerindedir.

Dolayısıyla sonuç, kullanılan random thinning işleminin incelenen koşullarda sistematik bias üretmediğidir.

Kaynak metindeki p-değeri ifadesine dikkat

Kaynak sonuç bölümünde önce “all p-values > 0.86” ifadesi kullanılmakta, hemen ardından 1,5 m çözünürlük için p-değerlerinin 0,48–0,99 arasında olduğu bildirilmektedir.

0,48 değeri 0,05 eşiğine göre hâlâ istatistiksel olarak anlamsızdır; yani çalışmanın seed konusundaki ana sonucunu değiştirmez. Ancak “bütün değerler 0,86'dan büyük” ifadesi kaynağın kendi raporladığı değerlerle uyumlu değildir.

Çözünürlük gerçekten hacim hesabını değiştiriyor mu?

0,3 m çözünürlük referans alınarak eşleştirilmiş t-testi yapılmıştır:

Bu sonuç 1,5 m hücre büyüklüğünün yüzeyi fazla genelleştirerek hacim değişim tahmininde anlamlı değişkenlik oluşturabileceğini göstermektedir.

0,3–0,8 m mi, 0,3–0,5 m mi?

Kaynağın farklı bölümlerindeki iki ifade birbirini tamamen dışlamamaktadır.

İstatistiksel sonuç açısından 0,3; 0,5 ve 0,8 m test edilen güvenilir çözünürlüklerdir çünkü 0,3 m ile 0,8 m arasında anlamlı hacim farkı bulunmamıştır.

Operasyonel öneri açısından ise araştırmacılar veri yoğunluğu ve işlem yükünü de hesaba katarak 0,3–0,5 m aralığını en uygun denge olarak değerlendirmektedir.

Yatay konum hatası eğimli sahada neden düşey hataya dönüşür?

Bir LiDAR noktası gerçekte ait olduğu yatay konumdan biraz kaymışsa düz zeminde yükseklik farkı sınırlı olabilir. Aynı yatay kayma dik bir şev üzerinde gerçekleştiğinde ise nokta eğimin daha yüksek veya daha düşük bölümüne düşer.

Çalışmada basitleştirilmiş ilişki:

\[ \varepsilon_Z = \varepsilon_{XY}\tan(S) \]

olarak kullanılmıştır.

Burada:

• \(\varepsilon_Z\): düşey yükseklik hatası,
• \(\varepsilon_{XY}\): yatay konum hatası,
• \(S\): arazi eğimidir.

Ölçülen XY hata düzeyi

Üç sabit, yatay ve asfalt kontrol noktasındaki karşılaştırmalarda:

• ortalama yatay hata aralığı: 0,24–0,54 m,
• SD aralığı: 0,20–0,34 m,
• RMSE aralığı: 0,31–0,62 m,
• ortalama \(\varepsilon_{XY}\): 0,38 m,
• ortalama SD: 0,28 m,
• ortalama RMSE: 0,48 m

olarak raporlanmıştır.

Araştırmacılar yaklaşık 0,20–0,34 m'den daha küçük değişimlerin kullanılan veri setindeki rastgele konumsal gürültüden güvenilir biçimde ayrılmasının zor olabileceğine dikkat çekmektedir.

Eğim arttıkça hata

Bu nedenle depolama sahasının dik şevlerindeki birkaç santimetrelik görünen yükseklik değişimleri, yatay jeoreferans hatasının etkisi dikkate alınmadan doğrudan oturma veya dolgu olarak yorumlanmamalıdır.

Bitki örtüsü nasıl tespit edildi?

ALS ile aynı tarihlerde CASI-1500 görüntüleme spektrometresi kullanılarak 0,4–1,1 µm spektral aralığında VNIR veri toplanmıştır. VNIR görüntülerinin mekânsal çözünürlüğü 0,8 m'dir.

Yeşil bitki örtüsünü ayırmak için NDVI kullanılmış ve:

\[ NDVI>0,4 \]

olan pikseller bitkili olarak sınıflandırılmıştır.

nDSM üzerinde zemin seviyesinin 0,7 m üzerindeki nesneler ağaç, çoğu çalı ve benzeri yüksek yapıları ayırmak için kullanılmıştır.

Böylece:

• 0,7 m'den düşük otsu bitki örtüsü,
• 0,7 m'den yüksek ağaç ve çalılık alanlar

için farklı belirsizlikler tanımlanabilmiştir.

Bitki kaynaklı hata değerleri

Çalışmanın belirsizlik modelinde:

• otsu bitki örtüsü: 0,3 m yükseklik hatası,
• ağaç ve çalılık: 0,4 m yükseklik hatası

atanmıştır.

Bu değerler yalnız makine üreticisinin nominal LiDAR doğruluğuna değil, saha üzerindeki bağımsız GPS karşılaştırmaları ve literatürdeki bitki örtüsü kaynaklı DTM hataları dikkate alınarak seçilmiştir.

Hacim değişimi nasıl hesaplandı?

İki tarih arasındaki yükseklik değişim rasteri:

\[ DTM_{changes} = DTM_{t1}-DTM_{t2} \]

olarak oluşturulmaktadır.

Her pikseldeki yükseklik değişimi piksel alanıyla çarpılarak hacim değişimine dönüştürülür:

\[ Volume_{changes} = DTM_{changes}\times A_{pixel} \]

0,3 m DTM için piksel alanı:

\[ 0,3\times0,3 = 0,09\ \mathrm{m^2} \]

olmaktadır.

Belirsizlik nasıl birleştirildi?

Tek bir DTM için iki ana hata bileşeni birlikte ele alınmıştır:

\[ \sigma_{total} = \sqrt{ \sigma_1^2+\sigma_2^2 } \]

Burada \(\sigma_1\) şev üzerinde XY konum hatasından oluşan düşey hata, \(\sigma_2\) ise bitki örtüsünden kaynaklanan hata bileşenidir.

İki farklı tarihe ait yüzey karşılaştırıldığında her iki DTM'nin belirsizliği de hesaba katılır:

\[ \sigma_{changes} = \sqrt{ \sigma_{total,1}^2+ \sigma_{total,2}^2 } \]

Bu yaklaşım, yalnız fark haritası değil aynı zamanda farkın güvenilirlik haritasını üretmeyi sağlar.

Sayfa 7'deki harita ne gösteriyor?

Kaynağın Şekil 4'ünde aynı depolama sahası için yan yana iki raster harita bulunmaktadır. Sol harita Mayıs–Ekim arasındaki hacim değişimini, sağ harita ise aynı değişimin hesaplanan belirsizliğini göstermektedir.

Bu iki haritanın birlikte yorumlanması yöntemin temel avantajıdır. Büyük görünen bir yüzey değişimi, eğer aynı bölgede belirsizlik de yüksekse doğrudan fiziksel deformasyon olarak değerlendirilmemelidir.

Şekil 5 ise operasyonel iş akışını GPS referans ölçümü + iki dönem ALS + VNIR → DTM/nDSM → konum, eğim ve bitki örtüsü hataları → yükseklik değişimi → hacim değişimi ve belirsizlik şeklinde göstermektedir.

Aktif atık depolama bölgeleri ile kararlı yüzeylerin farkı

Kaynağın tartışmasına göre waste_1 alanında ortalama yükseklik değişimi çözünürlükler boyunca yaklaşık 0,3–0,4 m düzeyinde ve standart sapma yaklaşık 0,02 m'dir.

waste_2 olarak tanımlanan aktif bölgede ise yükseklik değişimi yaklaşık 5,2–5,5 m düzeyindedir ve SD yaklaşık 0,07 m'dir. Bu büyüklük, veri çözünürlüğü veya ölçüm gürültüsünden ziyade gerçek atık depolama/şekillendirme faaliyetleriyle uyumlu büyük ölçekli bir yüzey yükselmesini göstermektedir.

Yol yüzeyinde ortalama yükseklik değişimi yaklaşık 0,003 m ve SD yaklaşık 0,01 m ile son derece küçüktür. Bu da yolun iki tarih arasında kararlı bir referans yüzey olarak davrandığını desteklemektedir.

Bitki örtüsü neden sahte hacim değişimi üretebiliyor?

LiDAR darbesi bir dönemde yoğun otsu bitkinin üst veya ara katmanlarından geri dönerken başka bir dönemde kurumuş bitkilerin arasından daha derine geçip zemine ulaşabilir.

İki tarihte gerçek toprak yüzeyi hiç değişmese bile DTM:

Mayıs: bitki üst yüzeyine yakın ölçüm → Ekim: zemine daha derin penetrasyon

şeklinde değişebilir.

Fark rasteri bunu yanlışlıkla negatif zemin değişimi veya sıkışma olarak gösterebilir.

Çalışma, merkez bölgesinde görülen bazı hacim azalışlarını gerçek atık oturmasından ziyade mevsimsel bitki örtüsü değişimine bağlamaktadır.

ALS verisi hangi mevsimde alınmalı?

Araştırmacılar bitki etkisini azaltmak için ALS kampanyalarının mümkün olduğunda erken ilkbahar veya geç sonbaharda, bitki örtüsünün minimum olduğu dönemlerde gerçekleştirilmesini önermektedir.

Buradaki amaç yalnız daha fazla lazer darbesinin zemine ulaşması değil, iki ölçüm dönemi arasındaki bitki fenolojisi farkının gerçek arazi değişimiyle karıştırılmasını azaltmaktır.

Çalışmanın Yöntemi ve Bulguları

Veri kaynakları

GPS referans yapısı

ALS veri setlerinin birbirine eş-kaydı için depolama sahasının dışındaki düz, asfalt ve değişmediği kabul edilen bölgelerde üç GPS kontrol noktası kullanılmıştır.

Gerçek saha üzerindeki DTM yüksekliğinin bağımsız doğrulaması için ise arazi düzensizliği ve bitki örtüsünden etkilenen alanlara 12 ek GPS referans noktası yerleştirilmiştir.

Nokta sayısının erişim kısıtları nedeniyle sınırlı olduğu kaynakta açıkça belirtilmektedir.

GPS–DTM doğruluk sonuçları

Tablo 3'ün gösterdiği temel sonuç

Her iki tarihte de ortalama mutlak GPS–DTM farkı çözünürlük kabalaştıkça genel olarak büyümektedir.

Özellikle Ekim verisinde standart sapma:

\[ 0,33\rightarrow0,37\rightarrow0,39\rightarrow0,42\ \mathrm{m} \]

şeklinde artmaktadır.

Bu durum daha kaba DTM'lerin yüzey genellemesi ve bitki örtüsü etkileri altında sistematik hatayı büyütebildiğini göstermektedir.

Özetteki doğruluk sınırı neden dikkatle okunmalı?

Kaynağın özetinde 0,3 ve 0,5 m çözünürlüklerin “ortalama fark ≤0,23 m, SD ≤0,24 m” değerlerine sahip olduğu belirtilmektedir.

Bu sınırlar 28 Mayıs Tablo 3 sonuçlarıyla uyumludur:

• 0,3 m: −0,20 ± 0,21 m
• 0,5 m: −0,23 ± 0,24 m

Ancak 5 Ekim sonuçlarında:

• 0,3 m: −0,24 ± 0,33 m
• 0,5 m: −0,27 ± 0,37 m

verilmektedir.

Bu nedenle özetteki ≤0,23 m ve ≤0,24 m sınırları iki kampanyanın tamamına ait genel maksimum değerler olarak yorumlanmamalıdır.

Bitkili alan SD ifadesi hakkında kaynak içi not

Kaynak özeti bitkili alanlarda DTM çözünürlüğü değiştikçe SD'nin “0,10 m'ye kadar arttığını” belirtmektedir.

Tablo 2'de otsu bitki alanının SD değerleri:

\[ 0,04,\ 0,04,\ 0,06,\ 0,02\ \mathrm{m} \]

ve çalılık alanın SD değerleri:

\[ 0,15,\ 0,15,\ 0,05,\ 0,14\ \mathrm{m} \]

olarak verilmiştir.

Çalılıktaki en büyük mutlak çözünürlük farkı gerçekten 0,10 m'dir; ancak 0,3 m'deki 0,15 m'den 0,8 m'deki 0,05 m'ye doğru azalış yönündedir. Dolayısıyla kaynak özetteki “artış” ifadesi Tablo 2'nin doğrudan değerleriyle tam uyumlu değildir.

Hacim değişimi sonuçlarının yüzey türüne bağlılığı

En yüksek belirsizlik nerede?

Kaynakta bitki örtüsünün DTM doğruluğu üzerinde raster çözünürlüğünden daha güçlü bir etki oluşturabileceği belirtilmektedir.

Ağaç ve çalılık bölgelerde hacim değişimi belirsizliği haritada yaklaşık 0,05 m³/piksel değerine kadar ulaşmıştır.

Bu nedenle yüksek çözünürlüklü LiDAR tek başına bitkili yüzeylerde yüksek doğruluk garantisi değildir.

Çalışmanın desteklediği sonuçlar

• ALS, işletmede bulunan bir belediye katı atık depolama sahasında tekrarlı yüzey ve hacim değişimi analizi için uygulanabilir bir yöntemdir.
• 0,3 m ile 0,5 m DTM sonuçları arasında hacim değişimi açısından istatistiksel olarak anlamlı fark bulunmamıştır.
• 0,3 m ile 0,8 m arasındaki fark da anlamlı değildir.
• 0,3 m ile 1,5 m arasındaki fark anlamlıdır ve 1,5 m hassas operasyonel izleme için uygun görülmemektedir.
• 0,3–0,5 m aralığı veri miktarı ve doğruluk açısından pratik bir optimum olarak önerilmektedir.
• Yatay konum hatası, şev açısı yükseldikçe önemli bir düşey yükseklik hatasına dönüşebilir.
• Bitki örtüsü, DTM çözünürlüğünden daha güçlü bir hata kaynağı olabilir.
• VNIR/NDVI ve nDSM katmanları bitki kaynaklı belirsizliğin mekânsal olarak modellenmesini destekleyebilir.
• Hacim değişimiyle birlikte belirsizlik rasterinin üretilmesi, gerçek değişim ile ölçüm belirsizliğinin ayrılmasını güçlendirmektedir.
• ALS kampanyalarının bitki örtüsünün az olduğu erken ilkbahar veya geç sonbaharda yapılması önerilmektedir.

Çalışmanın kanıtlamadığı sonuçlar

• 0,3–0,5 m DTM çözünürlüğünün bütün dünyadaki bütün depolama sahalarında evrensel optimum olduğu gösterilmemiştir.
• Çalışma yalnız tek bir Çekya depolama sahasında gerçekleştirilmiştir.
• Bağımsız saha doğrulaması yalnız 12 depolama sahası içi GPS noktasıyla yapılmıştır.
• Çalışma metan emisyonu, sızıntı suyu veya yeraltı suyu kirliliğini doğrudan ölçmemektedir.
• Hacim azalmasının tamamının gerçek atık oturması olarak yorumlanabileceği gösterilmemiştir; bazı değişimler bitki örtüsünden kaynaklanabilir.
• ALS'nin klasik jeodezik ölçümün bütün işlevlerini tamamen ortadan kaldırdığı gösterilmemiştir; GPS kontrol noktaları yöntemin önemli parçasıdır.
• Mevsimsel bitki etkisinin bütünüyle giderildiği gösterilmemiştir.
• Farklı LiDAR sensörleri, farklı uçuş yükseklikleri ve farklı iklimlerde aynı hata büyüklüklerinin elde edileceği doğrulanmamıştır.

Başlıca sınırlılıklar

Birinci sınırlılık, çalışmanın tek bir depolama sahasına dayanmasıdır. Araştırmacılar yöntemin başka sahalara uygulanabileceğini belirtmekle birlikte farklı depolama geometrileri ve bitki örtüsü koşullarında ek doğrulama gerektiğini kabul etmektedir.

İkinci sınırlılık, saha üzerindeki bağımsız GPS doğrulama noktalarının yalnız 12 olmasıdır. Daha yüksek sayıda ve daha dengeli dağıtılmış doğrulama noktası geometrik doğruluk tahmininin istatistiksel gücünü artırabilir.

Üçüncü sınırlılık, iş akışında bazı operatör bağımlı adımların bulunmasıdır. GPS kontrol noktalarının seçimi, konumlandırılması ve ALS filtreleme sonuçlarının yorumlanması insan kaynaklı bias oluşturabilir.

Dördüncü sınırlılık, iki ALS kampanyasının farklı bitki fenolojisi koşullarında gerçekleştirilmesidir. Bu durum aynı zamanda araştırmanın bitki etkisini göstermesini sağlamış olsa da gerçek yüzey değişiminin ayrılmasını zorlaştırmaktadır.

Operasyonel uygulama önerisi

Kaynakta oluşturulan genel iş akışı iki ana bölüme ayrılmaktadır:

Veri toplama:

• GPS referans noktalarının ölçülmesi,
• iki veya daha fazla tarihte ALS taraması,
• bitki kaynaklı belirsizlik için VNIR verisi toplanması.

Veri işleme:

• ALS eş-kayıt,
• DTM ve nDSM oluşturma,
• XY ve eğim kaynaklı Z hata hesaplama,
• NDVI tabanlı bitki maskesi,
• yükseklik değişimi,
• belirsizlik yayılımı,
• hacim değişimi ve hacim belirsizliği haritaları.

Araştırmacılar birden fazla geniş depolama sahasının kısa sürede taranması gerektiğinde uçak tabanlı ALS'nin avantajlı olabileceğini; tek bir saha için operasyonel izleme yapılacaksa UAV tabanlı lazer taramanın daha uygun olabileceğini belirtmektedir.

Kaynak ve Yöntem Notu

Tam özgün çalışma adı: Detecting volume changes in municipal solid waste landfill using airborne laser scanning

Yazarlar: O. Brovkina; M. Pikl; F. Zemek; J. Michálek.

Sorumlu yazar: O. Brovkina.

Kurumlar: Global Change Research Institute, Czech Academy of Sciences, Department of Remote Sensing, Brno, Czech Republic; Municipal Office Strážnice, Czech Republic; University of South Bohemia in České Budějovice, Faculty of Agriculture and Technology, Czech Republic.

Kaynak türü: Hakemli araştırma makalesi.

Dergi: Waste Management Bulletin.

Yayınevi: Elsevier B.V.

Yayın: Cilt 4, Sayı 1, 2026, Makale 100272.

Çevrim içi ilk yayın: 3 Aralık 2025.

Sayı tarihi: Nisan 2026.

DOI: 10.1016/j.wmb.2025.100272.

Resmî bağlantı:https://doi.org/10.1016/j.wmb.2025.100272

ISSN: 2949-7507.

Lisans: Creative Commons Attribution (CC BY 4.0).

Finansman/destek: Çalışma Technology Agency of the Czech Republic tarafından Environment for Life programındaki SS06020164 numaralı hibe ve Çekya Ministry of Education, Youth and Sports bünyesindeki CzeCOS programının LM2023048 numaralı hibesi tarafından desteklenmiştir.

Çıkar çatışması: Yazarlar çalışmayı etkileyebilecek bilinen finansal çıkar veya kişisel ilişki bulunmadığını beyan etmiştir.

Veri erişilebilirliği: Kaynak metinde ayrı bir “Data Availability” bölümü yer almamaktadır; bu nedenle ham ALS, VNIR veya GPS veri setlerinin kamuya açık olduğu yönünde ek bir iddia yapılmamıştır.

Yazar katkıları

Kaynakta CRediT beyanına göre O. Brovkina özgün taslak, proje yönetimi, metodoloji ve araştırma; M. Pikl gözden geçirme/düzenleme, yazılım, araştırma ve biçimsel analiz; F. Zemek gözden geçirme/düzenleme, görselleştirme ve metodoloji; J. Michálek ise görselleştirme ve doğrulama rollerini üstlenmiştir.

Kaynak içi tutarlılık notu 1 — random seed p-değerleri

Sonuç bölümünde farklı seed değerleri için önce “all p-values > 0.86” ifadesi bulunmaktadır. Aynı paragraf 1,5 m çözünürlükte p-değerlerinin 0,48–0,99 aralığında olduğunu bildirmektedir.

Bu farklılık çalışmanın istatistiksel sonucunu değiştirmez; 0,48 de 0,05 anlamlılık eşiğinin üzerindedir. Ancak “bütün değerler 0,86'dan büyük” ifadesi kaynakta verilen en düşük değerle uyumlu değildir.

Kaynak içi tutarlılık notu 2 — ince DTM doğruluk sınırları

Özet bölümünde 0,3 ve 0,5 m DTM'lerin ortalama farkının ≤0,23 m ve SD'sinin ≤0,24 m olduğu belirtilmektedir. Bu değerler 28 Mayıs Tablo 3 sonuçlarını doğru biçimde özetlemektedir.

Ancak 5 Ekim Tablo 3 sonuçları 0,3 m için −0,24 ± 0,33 m ve 0,5 m için −0,27 ± 0,37 m'dir. Bu nedenle söz konusu eşikler her iki ALS kampanyasını kapsayan mutlak üst sınırlar değildir.

Kaynak içi tutarlılık notu 3 — bitkili alan SD değişimi

Özet, bitkili alanlarda SD'nin daha kaba DTM çözünürlüklerinde 0,10 m'ye kadar “arttığını” belirtmektedir. Tablo 2'de çalılık alan için en büyük 0,10 m fark 0,15 m'den 0,05 m'ye doğru gerçekleşmektedir; yani yönü azalıştır.

Bu nedenle Verianla metninde “0,10 m artış” doğrudan bilimsel sonuç olarak tekrarlanmamış, Tablo 2'nin açık sayısal değerleri verilmiştir.

Kanıt ve genellenebilirlik sınırı

Araştırma gerçek bir işletme sahası, iki gerçek ALS kampanyası ve bağımsız GNSS ölçümleri kullanması bakımından güçlü uygulamalı kanıt sunmaktadır. Buna karşılık deney tasarımı tek sahalıdır ve doğrulama noktası sayısı sınırlıdır.

Bu nedenle önerilen çözünürlükler ve hata büyüklükleri başka ülkelerdeki veya farklı yüzey koşullarındaki düzenli depolama tesislerine doğrudan sabit standart olarak aktarılmamalıdır.

Bu Verianla açıklamasındaki yöntem, denklemler, ölçüm değerleri, istatistikler, sonuçlar ve sınırlılıklar incelenen kaynak çalışmaya dayanmaktadır. Kaynağın bildirmediği saha verileri eklenmemiş; kaynak içindeki sayısal uyuşmazlıklar dış bilgi veya tahmin kullanılarak sessizce düzeltilmemiştir.