ArcGIS Pro’da Öznitelik Kuralları

Öznitelik kuralları, düzenleme deneyimini geliştirmek ve veri bütünlüğünü güçlendirmeye yardımcı olmak için bir veri kümesine eklenebilecek kullanıcı tanımlı kurallardır. Bu kurallar, öznitelik değerlerini doldurmak veya izin verilen özellik sınırlarını kısıtlamak için kullanılabilir ve detayları güncelleme sırasında uygulanır. Bir detayı düzenlerken kural ihlali yapılırsa, bir hata iletisi verir. Öznitelik kuralları Subtype/Domain gibi veritabanına atanan özellikleri destekler. Örneğin Veritabanınızda oluşturduğunuz bir domain değerlerine otomatik hesaplama eklemek istediğiniz durumlarda öznitelik kurallarını kullanabilirsiniz. Öznitelik kuralı tanımladığınız verilerinizi servisler olarak paylaşabilirsiniz. Servis oluştururken dikkat etmeniz gerekenler kural tipine göre değişkenlik gösterebilir. Detaylı bilgilere link üzerinden ulaşabilirsiniz.

Öznitelik kuralları yalnızca kurumsal coğrafi veri tabanında desteklenir.

  • Bir öznitelik kuralı tanımlamak için kullanılan ifade Arcade dili kullanılarak yazılan işlevlerle sınırlıdır.
  • Mevcut öznitelik kurallarını başka bir veri kümesine aktarmak için, aracı birden çok kez çalıştırmak yerine Export Attribute Rules aracını ve Import Attribute Rules aracını kullanabilirsiniz.

Not:Bir veri kümesine özellik kuralları ekledikten sonra, veri kümesi için minimum istemci sürümü ArcGIS Pro 2.1’dir. Bu, veri kümesinin ArcGIS Desktop’da kullanımı olmayacağı anlamına gelir. Ayrıca Validation kural tipi ArcGIS Pro 2.3 sürümü ile gelmiştir.

 

Öznitelik kurallarını eklemek için öncelikle Add Attribute Rule aracını çalıştırmalısınız. Araç içerisinde belirlediğiniz kuralın adını ve açıklamasını girdikten sonra kuralın hesaplama,kısıtlama veya doğrulama olması gerektiğini seçmelisiniz.

  • Hesaplama: Öznitelik tablonuz içerisinde girdiğiniz değerleri belirlediğiniz kurallara göre doldurur.
  • Kısıtlama: Öznitelik tablonuz içerisine girebildiğiniz değerlere kısıtlama getirir ve güncelleme sırasında bu kısıtlama değeri aşıldığı zaman size sizin belirlediğiniz bir uyarı penceresi getirir
  • Doğrulama: Belirtilen nitelik veya geometri gereksinimlerini ihlal eden özellikleri incelemek için mevcut verilerdeki hataları vurgular.

Aşağıdaki örnekte kullanılan kurallar:

  1. $feature.nufus / $feature.alankm2
  2. $feature.nufus > $feature.gencnufus

 

Yukarıdaki örnekte gösterilen kural iki numerik değere sahip öznitelik alanlarının birbirleri arasındaki ilişkiyi ifade etmektedir. Örnekte Nüfus değerinin Genç Nüfus değerinden daha küçük olamayacağı belirtilmiştir eklenen kural böyle bir durumda veri girişi yapmayacaktır.Aşağıdaki örnekte gösterilen kural ise bir birinden bağımsız iki numerik öznitelik alanındaki bilgileri, kurala eklenen formülasyona göre bir başka öznitelik alanına yazdırmaktır. Örnekte İllere göre nüfus değerlerinin değişmesi sonucunda Km²’ye düşen insan sayısı hesaplatılmaktadır.

 

 

 

ArcGIS Pro 2.3 Yeniliklere Genel Bakış

ArcGIS Pro 2.3 Yeniliklere Genel Bakış

ArcGIS Pro’ya şimdiye kadar gelmiş en büyük değişikler ve yenilikler 2.3 versiyonuyla gelmiştir. Bu blog yazımızda 2.3 yeniliklerine genel bir bakış sağlayacağız. ArcGIS Pro 2.3 ile ilk fark edeceğiniz şey başlangıç bölümü. Bu alan yeniden tasarlanmış ve geliştirilmiştir.

ArcGIS Pro‘yu Windows Gezgininde aşağıdaki öğelere çift tıklayarak başlatabilirsiniz:

  • ArcGIS Pro haritaları (ArcGIS Pro maps)  (.mapx),
  • Harita paketleri (Map packages) (.mpkx),
  • Çıktı (Layouts) (.pagx),
  • Harita katmanları (Map layers) (.lyrx) ve
  • Katman paketleri (Layer packages) (.lpkx).

ArcGIS Pro’yu  bir proje oluşturmadan başlatabilirsiniz. Çalışmanızı kaydetmek istiyorsanız daha sonra bir proje oluşturulabilir. Sık kullanılan projeleri ve proje şablonlarını  sabitleyebilirsiniz. Son projeler listesi en fazla 50 proje görüntüleyebilir. ArcGIS Pro’yu her zaman aynı projeyi açarak veya uygulamayı başlattığınızda proje oluşturmadan otomatik olarak başlayacak şekilde yapılandırabilirsiniz.

  • Üç yeni hızlı başlangıç ​​öğreticisi,  Author a mapVisualize temporal data, ve Manage data kullanılabilir.
  • ArcGIS Pro ve çevrimdışı Help görüntüleyicisinin erişilebilirliğini artırmak için iyileştirmeler yapılmıştır. Daha fazla bilgi için, bkz.
  • Şimdi Concurrent Use license türünü kullanırken yedek lisans yöneticileri ekleyebilir ve kaldırabilirsiniz. Dört taneye kadar yedek lisans yöneticisi eklenebilir. Daha fazla bilgi için, bkz.

 

Rapor

  • Raporlar yeni bir proje öğesidir ve oluşturduğunuz rapor dosyaları Catalog bölmesinde özel bir klasörde listelenir. Bir rapor oluşturduğunuzda, veri kaynağını ayarlayabilir, verileri gruplandırma ve sıralama ile düzenleyebilir, bir şablon ve stil seçeneği seçebilir, sayfa boyutunu ve kenar boşluklarını tanımlayabilirsiniz.
  • Raporda yapabileceğiniz  düzenlemeler; rapor başlığı, grup başlığı ve sayfa altlığı gibi bölümlere ayıran rapor görünümünde, grafik çizgiler ve görüntüler gibi statik öğeler, özet istatistikler veya tarih değerleri gibi dinamik öğeler ekleyebilirsiniz. Raporları ayrıca  PDF dosyası olarak paylaşılabilir, bir proje paketinin parçası olarak kaydedebilir veya bir rapor dosyası olarak (.rptx) kaydedebilirsiniz.

 

Deep Learning

  • Deep Learning araç seti bu sürümde tanıtıldı. Bu yeni araç kutusu, ArcGIS Image Analyst araç kutusunda bulunan üç aracı içerir.

 

  • Bu araçlar, TensorFlow, CNTK ve Keras gibi Deep Learning  modellerini kullanan görüntü sınıflandırma ve nesne algılama iş akışlarını destekler.

  • Bu araçlar, analiz yapmak için yeni GPU’dan  yararlanır. Ayrıca ArcGIS Image Server veya raster analysis ortamlarında da çalıştırılabilirler. Her bir katmanın bir veya daha fazla benzersiz özelliği olabildiği neural networks‘lerde birden çok katman kullanarak çalışırlar.

LocateXT

  • ArcGIS LocateXT eklentisi, konum bilgisi için herhangi bir metni veya belgeyi aramanıza ve bu konumlardan özellikler oluşturmanıza olanak sağlayan bir dizi araç içerir.
  • LocateXT, PDF belgelerinde, Microsoft Office belgelerinde, web sayfalarında, e-postalarda ve sosyal medya metinlerinde arama yapabilir. Aracı açmak için, Map sekmesinde,  Add Data açılır okunu tıklayın ve Extract Locations’i seçin. To Geodatabase araç setine iki coğrafi işlem aracı (Extract Locations from Document ve Extract Locations from Text) de eklenmiştir.

Editing Tools

Düzenleme iş akışlarınızı geliştirmek için aşağıdaki dört araç eklenmiştir:

Divide Divide , Çizgisel ve alansal vektör verileri bir değere bölmek için araçlar barındırır. Çizgi, mesafeye, parça sayısına veya yüzdeye göre bölünebilir; Alan, orantılı alanlara, eşit alanlara veya eşit genişliklere göre bölünebilir.

Fillet  Fillet , iki line arasındaki teğet olan ve iki bağlantı bölümünü kesen kısımlara yay oluşturur. Yarıçapı dinamik olarak sürükleyip boyutlandırabilir veya sabit bir mesafe yazabilirsiniz.

Generalize Generalize Polyline, temel şeklini korurken bir çizginin veya bir çokgen özelliğinin karmaşıklığını azaltabilir.

Split Split , bir veya daha fazla mevcut giriş özelliğini seçmenize ve bunları bir veya daha fazla seçilen hedef özelliği bölmek için kullanmanıza izin verir.

Attribute Rules

  • Öznitelik kuralları ek kural türlerine ve gelişmiş bir kullanıcı deneyimine sahiptir. Öznitelik Kuralları görünümü, veri kümelerindeki öznitelik kurallarını görüntüleme, oluşturma ve yönetme erişimini sağlar. Öznitelik Kuralları araç çubuğuna birkaç yeni araç eklenmiştir. Daha fazla bilgi için, yeni araçları ve mevcut araçlardaki değişiklikleri gözden geçirmek üzere  yenilikler bölümüne bakın. Toplu hesaplama (Batch calculation) ve doğrulama (validation) kuralları, mevcut özellikler üzerindeki kuralları değerlendirme olanağı sağlayan yeni kural türleridir. Bu kurallar, Hata Müfettişi veya Kuralları Değerlendir aracı kullanılarak kullanıcı tarafından belirlenen bir zamanda değerlendirilir. Daha fazla bilgi için, bkz. Not: Hesaplama ve doğrulama kurallarını değerlendirmek için kullanılan Doğrulama özelliği, yalnızca ArcGIS Enterprise 10.7 veya sonraki sürümlerinde paylaşılırken kullanılabilir.
  • Daha fazla bilgi için eski portallarla paylaşırken dikkat edilmesi gerekenler bölümüne bakın. Yeni Arcade işlevselliği için ArcGIS Arcade sürüm 1.5 sürüm notlarına bakın. Koşullu öznitelik değerleri, bir alandaki değerleri diğerindeki değerlere bağımlı hale getirmenize izin veren yeni bir veri tasarım özelliğidir. Bir dizi alan ve bu alanlar için geçerli değerlerin bir listesini oluşturmak için alan ve alan grupları kullanırlar. Örneğin, elektrik direği malzemeleri için bir alan Ahşap olarak ayarlanırsa, o direğin yükseklik alanı için geçerli değerler 10, 12 ve 15 metre ile sınırlandırılır. Alan Çelik olarak ayarlanmışsa, yükseklik alanı için geçerli değerler 15, 17 ve 20 metredir. Alanlarınız arasındaki bu tür bağımlılıklar, koşullu değerler kullanılarak ayarlanabilir. Yeni Dosya Aktarma aracı, bir dosya sistemi ile bir bulut depolama çalışma alanı arasında dosyaları verimli bir şekilde aktarır.

3D Interpolation EBK

  • Empirical Bayesian Kriging 3D aracı, noktaların enterpolasyonunu gerçekleştirmenize ve 3D uzayındaki noktalar arasındaki tüm konumlardaki değeri tahmin etmenize olanak sağlar. Bir analiz aracı olarak Geostatistical Wizard‘da mevcuttur. Daha fazla bilgi için, bkz.

 

ArcGIS Pro 2.3 versiyonuyla birlikte gelen diğer yenilikler ve özellikler sonraki yazılarımızda aktarılacaktır.

 

ArcGIS Pro’da Regresyon Analizi Temelleri

ArcGIS Pro’da Regresyon Analizi Temelleri

 

Mekansal İstatistikler (Spatial Statistics) araç kutusu, mekansal kalıpları ölçmek için etkili araçlar sağlar. Örneğin, Hot Spot Analysis aracını kullanarak, aşağıdaki gibi sorulara cevaplar bulabilirsiniz:

  • Suç işlenme olasılığının yüksek olduğu noktalar, 112 acil durum çağrıları veya yangınlar nerede?
  • Şehir içerisinde trafik kazası olma ihtimalinin yüksek olduğu yerler nerelerdir?

Harita içerisindeki Kırmızı noktalar gelen ihbarların yoğun olduğu yerleri, artı ile gösterilen yerler ise gelen çağrıya yönelen ekiplerin konumlarını ifade eder.Yukarıdaki soruların her birinde “nerede?” diye sorulmakta, analiz türleri için mantıksal olarak bir sonraki sorulması gereken soru “neden?”

  • Bu olayları azaltmaya yardımcı olmak için maruz kalan bölgelerin özelliklerini modelleyebilir miyim?
  • Trafik kazaların artmasında etkili olan faktörler nelerdir? Trafik kazalarının fazla gerçekleştiği bölgelerde kazaları azaltmak için önlemler alınabilir mi alınabilirse bunların etkisi nasıl olur?

 

Modeling Spatial Relationships toolset içerisindeki araçlar, ikinci soruya cevap vermenizde yardımcı olur. Bu araçlar sıradan en küçük kareler (Ordinary Least Squares) (OLS)  ve Coğrafi Ağırlıklı Regresyon (Geographically Weighted Regression) (GWR) araçlarıdır.

 

Mekansal ilişkiler

Regresyon analizi, mekansal ilişkileri modelleme, inceleme ve keşfetme olanağı sağlar. İnsanların neden şehirlerin belirli bölgelerinde ısrarla yaşadığını veya hangi faktörlerin obezite hastalığın artmasında daha fazla katkıda bulunduğunu araştırmak isteyebilirsiniz. Ayrıca mekansal ilişkileri modelleyerek, regresyon analizini tahmin için de kullanabilirsiniz. Örneğin, üniversite mezuniyet oranlarını modellemek yaklaşmakta olan iş gücü becerileri ve kaynakları hakkında tahminlerde bulunmanıza olanak tanır. Ayrıca, gözlem istasyonlarının her yerde olamamasından dolayı enterpolasyonun yetersiz olduğu durumlarda yağış veya hava kalitesini tahmin etmek için regresyon kullanabilirsiniz. OLS, tüm regresyon tekniklerinin en iyi bilinenidir. Tüm mekansal regresyon analizleri için de uygun bir başlangıç ​​noktasıdır. Anlamaya veya tahmin etmeye çalıştığınız (suç / yağış) değişken veya süreçlerin küresel bir modelini sağlar. Bu süreci temsil etmek için tek bir regresyon denklemi oluşturur.

Coğrafi olarak ağırlıklı regresyon (GWR), coğrafya ve diğer disiplinlerde de kullanılan çeşitli mekansal regresyon tekniklerinden biridir. GWR, veri kümesindeki her özelliğe bir regresyon denklemi oluşturarak tahmin etmeye çalıştığınız değişken veya işlemin yerel bir modelini sağlar. Doğru kullanıldığında, bu yöntemler doğrusal ilişkileri tahmin etmek için güçlü ve güvenilir istatistikler sağlar.

Doğrusal ilişkiler ya olumlu ya da olumsuzdur. Gündüz sıcaklıkları arttığında arama ve kurtarma olaylarının sayısının arttığını görüyorsanız, ilişkinin pozitif olduğu söyleyebilirsiniz yani olumlu bir korelasyon vardır. Bu olumlu ilişkiyi ifade etmenin bir başka yolu, gündüz sıcaklıkları azaldıkça arama ve kurtarma olaylarının azaldığını söylemek olur.Eğer bir alan üzerinde devriye gezen polis memurlarının sayısı arttıkça suç sayısının azaldığını görüyorsanız, ilişkinin negatif olduğu söyleyebilirsiniz. Bu olumsuz ilişkiyi, devriye memurlarının sayısı azaldıkça suç sayısının arttığını belirterek de ifade edebilirsiniz. Aşağıdaki grafik, iki değişken arasında ilişki olmadığı durumu, olumlu ve olumsuz ilişkileri göstermektedir:

Olumlu bir ilişkiyi göstermekte(Sol), negatif ilişkiyi göstermekte(Orta) ve iki değişken arasında ilişki olmadığı göstermekte(Sağ)

Korelasyon analizleri ve yukarıda gösterilen grafikler, iki değişken arasındaki ilişkinin gücünü test eder. Diğer yandan regresyon analizleri daha güçlü bir iddiada bulunur: Bir ya da daha fazla değişkenin potansiyel olarak başka bir değişkendeki pozitif ya da negatif değişimi destekleme derecesini göstermeye çalışırlar.

 

Regresyon analizi, çok çeşitli uygulamalar için kullanılabilir

  • Trafik kazalarını hız, yol koşulları, hava durumu vb. gibi fonksiyonlarla modellemek, kazaları azaltmaya yönelik politikaları bilgilendirmek.
  • Yangın departmanının katılım derecesi, cevap süresi veya özellik değerleri gibi değişkenlerin bir fonksiyonu olarak yangından kaynaklanan mülk kayıplarının modellenmesi. Yanıt süresinin anahtar faktör olduğunu gösterirseniz, daha fazla itfaiye istasyonu oluşturmanız gerekebilir. Katılımı anahtar faktör olarak belirtirseniz, ekipmanı ve görevli çalışan sayısını arttırmanız gerekebilir.

 

Regresyon analizini kullanmak isteyebileceğiniz Temel Senaryolar

  • Temel amaç, bir veya daha fazla değişkendeki değişimin, diğer değişkenleri ortak olarak etkilediğini ölçmektir. Örneğin nesli tükenmekte olan bir hayvan türü için beslenme,barınma,korunma vb. gibi etkilerin hayvanın neslinin tükenmemesi için ortak bir amaç doğrultusunda birlikte değerlendirilmesidir.
  • Başka yerlerde veya ileri tarihlerdeki değerleri tahmin etmek için bazı değişkenleri modellemek. Temel amaç, hem tutarlı hem de doğru olan bir tahmin modeli oluşturmaktır. Örneğin nüfus artışı verilerine göre gelecek yıl elektrik tüketimi ne kadar olacak? gibi değerlendirmeleri ve araştırmaları regresyon analizleri ile yapabilirsiniz.
  • Bir diğer neden aralarında doğrudan bağlantı veya ilişki olmayan değişkenlerin birlikte değerlendirilip değerlendirilemeyeceğinin belirlenmesidir. Örneğin hırsızlık suçlarının bölgesel değerlendirmede Yaşlı ve Kadın nüfusunun fazla olduğu yerlerde gerçekleşmesi. Hırsızların uyuşturucu kullanıp kullanmaması, uyuşturucu temin edebilmek için hırsızlığa başvurması gibi değişkenlerin değerlendirilmesi için regresyon analizlerini kullanabilirsiniz.

 

 

Empirical Bayesian Kriging Nedir?

Empirical Bayesian Kriging Nedir?

Empirical Bayesian kriging (EBK), geçerli bir kriging modeli oluşturmanın en zor yönlerini otomatikleştiren jeoistatistiksel bir enterpolasyon yöntemidir. Geostatistical Analyst’deki diğer kriging yöntemlerinde doğru sonuçları almak için parametreleri ayarlamanız gerekir, ancak EBK, bu parametreleri bir alt-set ve simülasyon işlemi aracılığıyla otomatik olarak hesaplar.

Empirical Bayesian Kriging’in diğer kriging yöntemlerinden farkı altta yatan semivariogramı tahmin etmesi ve ortaya çıkan hatayı hesaplamasıdır. Diğer kriging yöntemleri bilinen veri konumlarından semivariogramı hesaplar ve bilinmeyen yerlerde tahmin yapmak için bu tek semivariogramı kullanır; Bu süreç, tahmin edilen semivariogramın enterpolasyon bölgesi için doğru semivariogram olduğunu kısmen kabul eder. Semivariogram kestiriminin belirsizliğini dikkate almayan diğer kriging yöntemleri, standart tahmin hatalarını hafife alır.

Empirical Bayesian kriging aracı hem Geostatistical Wizard’da hem de  geoprocessing araçları içerisinde bulunmaktadır.

 

Avantaj ve Dezavantajlar

 

Avantajlar

  • Minimum etkileşimli modelleme gerektirir.
  • Standart tahmin hataları diğer kriging yöntemlerinden daha doğrudur.
  • Orta derecede sabit olmayan verilerin doğru tahminlerini sağlar.
  • Küçük veri kümelerinde diğer kriging yöntemlerinden daha doğrudur.

Dezavantajlar

  • Nokta verileriniz, alt küme boyutu ve üst üste binme sayısı arttıkça işlem süresi etkilenecektir. Bir dönüşüm tipi seçerseniz(Empirical, Log empirical) ve  semivariogram model tipi için de K-Bessel veya K-Bessel Detrended seçilmişse, işlem süresi artacaktır. Bu parametreler  sonraki blog yazılarında açıklanacaktır.
  • İşleme, özellikle raster’e çıktığında, diğer kriging yöntemlerinden daha yavaştır. Aracın sonucunun raster olarak alınması diğer kriging yöntemlerine göre daha yavaştır.
  • Cokriging ve anisotropic düzeltmeler mevcut değildir.
  • Log Empirical dönüşümü bir birinden uzak değerlere özellikle duyarlıdır. Bu dönüşümü, bir birinden uzak değerler içeren verilerle kullanırsanız, giriş noktalarınızın değerlerinden daha büyük veya daha küçük değerleri alabilirsiniz.

Semivariogram Tahmini

Diğer kriging yöntemlerinden farklı olarak , EBK’daki semivariogram parametreleri kısıtlı maksimum olasılık (REML) kullanılarak tahmin edilir. Büyük veri kümeleri için REML’nin hesaplama kısıtlamaları nedeniyle, giriş verileri ilk olarak belirli bir boyutta üst üste binen alt kümelere bölünür (varsayılan olarak her 100 nokta bir alt kümeye bölünür). Her alt kümede, semivariogramlar şu şekilde tahmin edilir:

  1. Semivariogram alt kümedeki verilerden hesaplanır.
  2. Bu semivariogramı model olarak alarak, alt kümedeki giriş konumlarının her birinde koşulsuz olarak yeni veriler simüle edilir.
  3. Simüle edilmiş verilerden yeni bir semivariogram tahmin edilir.
  4. 2. ve 3. adımlar belirtilen sayıda tekrarlanır. 1. adımda tahmin edilen semivariogram girdi verilerinin konumlarında yeni veri kümesini simüle etmek için kullanılır daha sonra simüle edilmiş veriler yeni semivariogramı tahmin etmek için kullanılır.

 

Bu süreç, her bir alt küme için çok sayıda semivariogram oluşturur ve bunlar birlikte çizildiğinde, sonuç, yoğunluk tarafından gölgelenen bir semivariogram dağılımıdır (daha koyu mavi renk, daha fazla semovariogram bu bölgeden geçer). Empirical semivariances mavi (+) ile temsil edilir. Ek olarak, dağılımın medyanı koyu kırmızı bir çizgi ile renklendirilmiş ve 25 ve 75’inci yüzdeler aşağıda gösterildiği gibi kırmızı kesikli çizgilerle renklendirilmiştir.

Simüle edilmiş semivariogramlar

Alt küme için simule edilen semivariogramların sayısı varsayılan olarak 100’e ayarlanır ve bu semivariogramların her biri, alt küme için gerçek semivariogramın bir tahminidir.

Her bir tahmin konumu için noktanın çevresindeki semivariogram spektrumlarından tekil semivariogram örneklerine dayalı bir örneklemeyle oluşturulan yeni bir semivariogram dağılımı kullanılarak hesaplanır. Örneğin, bir tahmin yerinin üç farklı alt kümede (arama komşuluğunda belirtildiği gibi) komşuları varsa, üç alt kümenin her birinden simüle edilmiş semivariogramlar kullanılarak hesaplanacaktır; Bu semivariogramlar olasılık değerlerine göre seçilmiştir.

Geostatistical Wizard ile Empirical Bayesian Kriging’i çalıştırdığınızda tahmin edilen değeri hesaplamak için kullanılan alt kümeleri görebilirsiniz. Aşağıdaki görselde, tahmin yüzeyindeki imleç merkezdir. İmlecin etrafındaki küçük daire, arama merkezidir ve üst üste binen çokgenler, tahminleri hesaplamak için kullanılan iki alt kümede yer alan noktaları gösterir. Bu örnekte, haritanın ortasındaki noktalar her iki alt kümede de bulunur. Bu görselleştirmeyi mavi okla gösterilen buton ile açıp kapatabilirsiniz:

 

Kaynaklar

http://pro.arcgis.com/en/pro-app/help/analysis/geostatistical-analyst/what-is-empirical-bayesian-kriging-.htm

 

ArcGIS Pro’da Stereo Haritalama

ArcGIS Pro ile Stereo Haritalama

ArcGIS Pro stereo haritalama, stereo görüntüleme ve üç boyutlu detayları toplama yeteneklerini sağlar. Parsel düzenleme, basit üç boyutlu binalar oluşturma, uzaklıkları ve yükseklikleri ölçme gibi çeşitli işler için üç boyutlu vektör detaylarını (nokta, çizgi ve alan) toplayabilirsiniz. Stereo görüntüleme için, 3. Boyutu görmenizi sağlayan Shutterglass veya  Anaglyph 3B Gözlük (Red – Cyan) kullanabilirsiniz. Stereo haritadaki editleme işlemi, ArcGIS Pro’daki standart editleme işlemleriyle aynıdır. Düzenleme yaparken mevcut katmanları, sembolleri ve şablonları kullanabilirsiniz. Editleme işlemleri doğrudan bir coğrafi veritabanına kaydedilir ve çok kullanıcılı ve eşzamanlı veri girişi işlemlerini destekleyebilir.

Not: Stereo haritalamayı kullanabilmek için ArcGIS Image Analyst lisansınızın olması gerekir.

Stereo Veri Kaynakları

Stereo haritalama uydu görüntülerini, Ortofoto, drone ve ADS verilerini destekler. Stereo haritalama için kullanılacak görüntünün veri kaynağı, bir stereo görüntü çifti olarak stereo modellerin bir koleksiyonunu veya tek bir stereo modelini kullanan bir mozaik veri kümesi olabilir.Stereo modellerinizin kalitesi, topladığınız özelliklerin sonuçlarını etkileyebilir. Stereo harita için veri kaynağı tanımlandıktan sonra, bir stereo hizalama kalite kontrolü yapılmalıdır. Görüntüleri stereo haritanıza ekleyin ve bir nesneyi bulun; sol ve sağdaki görüntüler yatay olarak hizalanırsa, görüntüler stereo görüntüleme ve doğru veri toplamak için geometrik olarak doğrudur. Yazılım, stereo parazitlenmeyi düzeltmek için Y paralaksını elle ayarlayabilme özelliğine sahiptir, ancak bu ayar stereo haritalamada kullanılmadan önce Block Adjustment araçları kullanılarak yapılması önerilir.

Stereo görüntüleme ve veri toplama için geometrik olarak doğrudur.

Stereo görüntüleme ve veri toplama için geometrik olarak doğru değildir.

Görüntüler stereo görüntüleme için geometrik olarak ayarlanmamışsa, Ortho Mapping araçları blok ayarlaması yapmak ve stereo modelleri oluşturmak için kullanılabilir. Ayarlanmış görüntüleri ve stereo modelleri içeren mozaik veri seti daha sonra stereo haritalama için kullanılabilir.

Görüntüler geometrik olarak ayarlanmışsa, bir mozaik veri kümesi oluşturarak ve uygun raster tipini kullanarak görüntüleri hazırlayabilirsiniz. Daha sonra Stereo Model Oluşturma aracını kullanarak stereo modeli oluşturabilirsiniz. Stereo görüntüleme piramitlere ve istatistiklere dayanır; Bu nedenle, istatistiklerinizi hesaplamanız ve görüntüleriniz için bilineer enterpolasyonlu piramitler oluşturmanız önerilir.

Not: ADS verileri için stereo harita, ek ayarlar yapılmadan L1 görüntülerini doğrudan görüntüleyebilir.

Ayrıca, uydu görüntüsü dağıtıcıları tarafından sağlanan çift gibi iki ayrı görüntü  kullanarak stereo görüntü kaynağını hızlı bir şekilde tanımlayabilirsiniz. Çift kullanıyorsanız, görüntü çiftinin detayları toplamak için gereken geometrik doğruluğa sahip olduğundan emin olun. Pratik uygulama ve daha iyi stereo görüntü için bir mozaik veri seti kullanın, çünkü uydu verilerinin ve ADS verilerinin her ikisinin de metrik bir yükseltiye ihtiyacı vardır. Mozaik veri kümesinde geometrik işlevi kullanarak yüksekliği tanımlayabilirsiniz.

Stereo Görüntülemeyi Etkinleştir

Stereo izlemeyi etkinleştirmek için, ilk önce kullanacağınız stereo gözlük tipine bağlı olan uygun stereo modunu açmanız gerekir.

  1. Proje (Project) menüsünü ve ardından Seçenekler’I (Options) tıklayın.
  2. Seçenekler iletişim kutusunda, Görüntü(Display) sek mesini tıklatın.
  3. Stereoskopik mod (Stereoscopic mode) için Shutter veya Cyan/red gözlüklerinden kullanacağınızı seçin.
  4. Tamam’a tıklayın.

Uygulama yeni ayarların etkinleştirilmesiyle yeniden başlayacaktır. Artık stereo iş akışınızı başlatabilirsiniz.

Shutter Gözlükleri İçin Gereksinimler

Stereo haritalamada shutter gözlük kullanmak için aşağıdaki gereksinimler gereklidir:

İşletim sisteminiz Windows 8.1 veya üstü olmalıdır.

Monitörünüzün ekran yenileme hızı en az 120 Hertz olması gerekir.

NVIDIA grafik ayarlarınızın stereoskopik üç boyutlu yetenekleri etkinleştirilmiş olmalıdır.

Not: Sadece NVIDIA grafik kartları, ArcGIS Pro için shutter gözlüklerini destekler

NVIDIA grafik kartınız için stereoscopik 3B ayarlarınızı aşağıdaki gibi etkinleştirebilirsiniz NVIDIA Denetim Masanızı (NVIDIA control panel) açın.

  1. Stereoscopik 3B bölümünü genişletin.
  2. Stereoskopik 3B Kur’u tıklayın.
  3. Stereoskopik 3B’yi etkinleştir onay kutusunu işaretleyin.

Not : Tüm NVIDIA grafik kartları stereoskopik 3B özelliklerini desteklemez.

Stereo Görüntüler Ekle

Stereo ile çalışmaya başlamak için stereo görüntüsüne sahip olmanız gerekmektedir. Yeni bir stereo harita eklemek için aşağıdaki adımları izleyin:

Ekle (Insert) menüsüne tıklayın.Proje (Project) grubunda yeni harita (New Map)  ve  Yeni Stereo Harita’ya (New Stereo Map)   tıklayın.Stereo Harita görünümü aktif olduğunda, Stereo Harita sekmesi kullanılabilir. Stereo Harita sekmesi, stereo görüntüleme ve çalışma için ihtiyaç duyduğunuz tüm araçlara sahiptir. Kaynağını Ayarla’yı(Set Source)   tıklatarak başlayın ve stereo harita girişinizi seçin. Kaynağı Stereo model koleksiyonu veya Stereo model olarak ayarlayabilirsiniz. Stereo model koleksiyonu, stereo kaynağınız olarak bir mozaik veri kümesi seçmenize izin verir. Mozaik veri kümesi, blok ayarlı (block-adjusted) stereo modellerden oluşan bir koleksiyon içermelidir. Stereo model, stereo kaynağınız olarak sol ve sağ görüntü çiftini seçmenizi sağlar. Stereo çifti, görüntü verileriyle ilişkili bir kamera modeline veya RPC’ye sahip olmalıdır. Stereoda düzenlemek istediğiniz katmanlar dahil olmak üzere, stereo görünümünde görüntülemek istediğiniz diğer katmanları eklemek için Veri Ekle’yi   kullanabilirsiniz. Stereo Model Seçici panelini açmak ve birlikte çalışacak stereo setini seçmek için Stereo Model grubunda Model Seçici’yi  kullanabilirsiniz.

Stereo Haritalama modunda verilerin nasıl toplanacağı ve düzenleneceği ile ilgili daha fazla bilgi için Feature compilation using stereo mapping bağlantısını inceleyebilirsiniz.

Bu çalışmayı birlikte yürüttüğüm Teknik Destek Uzmanı arkadaşım @Tuğba Oğuz’a teşekkürlerimi sunarım…

Yararlanılan Kaynaklar