Esri Jupyter Notebook’ta OpenStreetMap Bina Verisi Kullanılarak Basit Analizler Yapımı

Esri Jupyter Notebook’ta OpenStreetMap Bina Verisi Kullanılarak Basit Analizler Yapımı

ArcGIS Pro yüklü makinede yüklenebilen ücretsiz Jupyter Notebook sayesinde ‘ArcGIS API for Python’ kullanılarak coğrafi uygulamalar geliştirip analizler gerçekleştirebilirsiniz. Bununla birlikte ArcGIS Online yönetimini de yapılabilmektedir.

ArcGIS Pro yazılımına sahip ama henüz Jupyter Notebook’u bilgisayarınıza yüklemediyseniz link içinde geçen yönergeleri takip edip bilgisayarınıza yükleyebilirsiniz. Hemen şimdi kullanmak istiyorsanız da Esri’nin ücretsiz hizmete sunduğu notebooks.esri.com adresinde Jupyter Notebook’u kullanabilirsiniz. Dikkat etmeniz gereken husus bu adreste yapacağınız çalışmaları ve verilerinizi kendi yerel bilgisayarınıza kopyalamanız. Çünkü açacağınız oturum, süre kısıtlı; eğer hiçbir işlem yapmazsanız belirli bir süre içinde oturumunuz otomatik olarak kapatılır ve yaptığınız çalışmaları kaybedebilirsiniz.

Bu yazıda Jupyter Notebook platformu üzerinde 3 boyutlu bir harita üzerinde OpenStreetMap (OSM) bina verilerini görselleştirip, metro duraklarına kendi oluşturacağımız yakınlık analizi algoritmasına göre görselleştirmesi anlatılmaktadır.

İşleyiş adımları aşağıdaki gibi olacaktır:

Şekil 1. İşleyiş adımları

Gereksinimler:

  1. ArcGIS Developer hesabı (ücretsiz oluşturmak için https://developers.arcgis.com/ adresini ziyaret edin)
  2. Jupyter Notebook

1.      OSM Bina Verilerinin Alınması

OSM ücretsiz servisler sunması nedeniyle içerdiği büyük boyutlarda coğrafi verilerin son kullanıcılar tarafında erişimi farklı ücretli ve ücretsiz olarak erişilebilmektedir. Bu yazıda overpass-turbo.eu sitesi üzerinden ücretsiz olarak bina verilerini indireceğiz. Yasal kullanım hakları için https://www.openstreetmap.org/copyright sitesine mutlaka bakın.

İlgili sitede, arama kutusuna istediğiniz bölgeyi yazın ve alacağınız bina verilerini öncelikle olabildiğince dar alan için alın. Yazı bitiminde istediğiniz büyüklükte bir alan üzerinden çalışabilirsiniz.

Şekil 2. Ankara şehir merkezi binalar

Sol üstteki ‘Wizard’ (Sihirbaz) düğmesine basıp, çıkan ekranda haritada görüntülenen alan için alabileceğimiz OSM verisi için sorgu oluşturacağız. Buradaki sorgu için kullanacağınız kelimelerin detaylarını linkte bulabilirsiniz.

Şekil 3. Sorgu sihirbazı

Sorgu sihirbazına yazacağınız ‘building=* OR building:levels=*’ yazarak, haritada görüntülediğiniz alandaki tüm binaları ve varsa seviye (kat) bilgisini da almış oluyorsunuz. Burada seviye bilgisi her bina için farklılık gösterecektir. ‘build and run query’ (derle ve çalıştır sorguyu) düğmesine basarak, ilgili alan için veriler çekilir.

Web sayfasının sol üst kısmındaki ‘Data’ (Veri) sekmesine tıklayarak, çekilen verileri görüntüleyebilirsiniz. Eğer verilerinizde sıkıntı yoksa, web sayfasının sol kısmındaki ‘Export’ (Dışarı Çıkart) düğmesine tıklayarak verileri indirme için gerekli paneli açacağız.

Şekil 4. ‘Dışarı Çıkarma’ paneli

‘Export’ panelindeki ‘Data’ kısmını genişlettiğinizde ‘download/copy as GeoJSON’ (indir/kopyala GeoJSON olarak) linkine tıklayın. Bu şekilde ArcGIS Developer hesabı ile giriş yapabileceğiniz ArcGIS Online içerisine kolay bir şekilde format değişimi yapmadan atabileceğiz.

2.      Verinin ArcGIS Online İçerisine Atılması

ArcGIS Online giriş yapın ve ‘Content’ (İçerik) linkine tıklayın. Sol kısımdaki ‘Add Item’ (Öğe Ekle) düğmesine tıklayıp dosya içeri aktarma sürecini başlatalım. ‘From my computer’ (Bilgisayarımdan) seçeneğini seçelim.

Şekil 5. ArcGIS Online ‘Bilgisayarımdan bir öğe ekle’ paneli

Bir önceki bölümden indirdiğimiz dosyayı burada seçip, ilgili alanları dolduruyoruz. Başlık kısmına girdiğimiz değeri sonraki bölümlerde kullanacağız. Kısa bir süre sonra öğemiz ‘Feature Layer’ (Feature Katmanı) olarak eklenmiş olacak.

Yeni eklenen öğeyi tıklayıp sayfasını açın. Analizler için kullanacağımız yeni bir ‘Field’ (Alan) oluşturmak için ‘Data’ (Veri) sekmesine tıklayıp verilerin görüntülendiği sayfa açılsın.

Şekil 6. ‘Alan Ekle’ menüsü

Sol kısımdaki üç tırtıklı ikona tıklandığı zaman açılan menüde ‘Add Field’ (Alan Ekle) menü seçeneğini tıklanır ve aşağıdaki resimdeki veriler girilir.

Şekil 7. ‘Alan Ekle’ paneli

3.      Jupyter Notebook içerisinde Programlama

Öncelikle analiz için kullanacağımız metro bilgisini almak. Bunun için ‘Jupyter Notebook’ uygulamasını çalıştırın ve yeni bir çalışma kitabı oluşturun ve aşağıdaki kodları yazıp çalıştırın.

Şekil 8. Metro bilgisinin alınıp ArcGIS Online’a kaydetme

Yukarıdaki kodlarda kırmızı ile kapatılmış alanları kendi bilgilerinize göre doldurmanız gerekmektedir. Bu kod parçası Ankara merkezde metro istasyonları POI bilgisini ‘feature’ olarak en fazla 20 tane olacak şekilde almaktadır. Sonrasında da harita üzerinde gösterimini sağlayıp, bilgiyi ArcGIS Online üzerine ‘metrolar’ olarak kaydetmektedir.

İsterseniz kaydedilen ‘metrolar’ katmanının görsel ikonunu değiştirebilirsiniz.

Metro bilgisini alma işlemini bitirdikten sonra, ana uygulamamızı oluşturabiliriz. Bunun için yeni bir çalışma kitabı oluşturalım Jupyter Notebook üzerinde.

Kod hücrelerinde:

  1. Gerekli kütüphane kullanımları yapılıyor ve ArcGIS Online hesabına bağlantı sağlanıyor.
  2. Merkezi Ankara olacak şekilde bir harita objesi oluşturuluyor.
  3. ArcGIS Online hesabına bağlı olan içerikte bina bilgilerini içeren ‘export’ katmanı bulunuyor.
  4. ‘metrolar’ katmanı bulunuyor.
  5. Yapılacak analiz sonucunda 3 boyutlu binaların görselliğini değiştirmek için özel bir semboloji tanımlanıyor. ‘ClassBreak’ tipindeki bu sembolojide alan ‘distance’ içindeki 0, 15, 25, 50, 75 ve 100 metrelik değerlere göre bina renklendirilmesi farklı olmaktadır.
    Metro katmanı haritaya katman olarak eklenir. Haritayı 3 boyutlu hale getirmeyi unutmayınız.
  6. Basit bir analiz yapılıyor. Metro konumlarına göre oluşturacağımız ‘buffer’ işlemini 100,75,50,25 ve 15 metrelik tekrarlar ile yapıp, her oluşturulan ‘buffer’ poligonun bina poligonu ile arasındaki uzaklık farkının sıfır olması durumunda, bina bilgisindeki ‘distance’ alanına ilgili ‘buffer’ uzaklığının değeri yazılmaktadır. Bu şekilde tüm binaların metro duraklarına olan uzaklığı hesaplanmaktadır.

Şekil 9. Basit bina-metro durağı analizi

Kodun çalıştırılması sonrasında haritamızda analiz sonucunu görüntüleyeceğiz.

Şekil 10. Ankara merkez bina-metro yakınlık analizi

Metro bilgisi yerine isteyeceğiniz farklı POI bilgilerin ve bina bilgilerine göre farklı analizler yapabilirsiniz artık.

Denetimsiz Piksel Tabanlı Sınıflandırma

Denetimsiz Piksel Tabanlı Sınıflandırma

Denetimsiz ya da kontrolsüz görüntü sınıflandırma dediğimiz sınıflandırma, kullanıcının görüntüde kaç tane arazi örtüsü bulunduğunu bilmediğinde kullanabileceği iyi bir yöntemdir. Denetimsiz sınıflandırma görüntüdeki pikselleri sadece sınıf sayısı vererek sınıflandırmayı sağlar ve sınıflandırma işlemleri bittikten sonra uygulayacağınız birkaç basit uygulamayla çıkan sonucu işimizin niteliğine göre çok daha uygun hale getirebiliriz. ArcGIS Pro bizim için sınıflandırmayı yaptıktan sonra biz de yeniden sınıflandırma yaparak çıktımızı işimize daha yararlı hale getirebiliriz.

Bu yazıda denetimsiz sınıflandırmaya değineceğiz ama başka bir yöntem olarak bunun dışında işinizin niteliğine göre denetimli sınıflandırma metotlarını da kullanabilirsiniz. Mesela arazi yapısındaki belirli bir konuya dikkat çekmek istiyorsak o zaman o konuya göre uygun sınıf sayısı belirleyerek bu sınıflara girecek detayları kendimiz örnekler toplayarak belirlememiz gerekebilir. Örneğin bir ormandaki farklı ağaçları farklı sınıflara ayırmak isteyebiliriz. Çam ağaçlarına odaklanarak, ormandaki geri kalan diğer ağaçlardan ayırabilirsiniz. Bunu yapmak için sınıfların içeriğini bizim belirlediğimiz denetimli bir sınıflandırma izlemek gereklidir.

Denetimsiz sınıflandırma yaparken kullanacağımız Iso Cluster Unsupervised Classification aracı girdi olarak kullandığınız raster’ın band’larına göre bizden bir müdahale beklemeden sınıflandırma yapan bir coğrafi işlem araıdır.

Denetimsiz piksel tabanlı görüntü sınıflandırma, geniş çalışma alanlarını analiz etme ve raster verilerindeki potansiyel sınıfları tanımlamak için bilgisayar işlemlerini kullanmanızı sağlar. Denetimsiz piksel tabanlı görüntü sınıflandırmayı kullanmak için bir iş akışı mevcuttur ve bu akışı kullanarak bu işlemi her defasında sorunsuzca gerçekleştirebilirsiniz.

*Denetimsiz piksel tabanlı sınıflandırma, bazı rasterlar için iyi çalışırken bazı rasterlarda ise istediğimiz sonucu vermeyebilir. Bunun için analizinizde bu yöntemi kullanmadan önce göz önünde bulundurmanız gereken bazı faydalar ve kısıtlar vardır. Bu teknik, kullanıcılara girdi raster içindeki detaylar hakkında bilgi veren tematik rasterlar oluşturur. Belirlediğiniz sınıf sayısına göre girdi rasterından daha basitleşmiş ve pikselleri kümelenmiş bu raster daha sonra siz tarafından yeni sınıfların neyi anlatığı bilgisiyle birlikte paylaşılabilir ve başka işlemler için girdi olarak kullanılabilir.

Denetimsiz piksel tabanlı görüntü sınıflandırma yöntemi, bir algoritmanın pikselleri spektral değerlerindeki benzerliklerine dayanarak kümeler halinde bir araya getirdiği ve kullanıcının müdahale etmediği bir teknik kullanarak sınıflandırır. Algoritma, spektral değerlerin nasıl kümelendiğine bağlı olarak her pikseli sınıflandırmaya çalışır.

Rasterın sınıflandırılması otomatik bir işlem olmasına rağmen daha sonra kullanıcıların sınıflandırılmış kümeleri, hangi özelliğin veya objenin sınıflandırıldığını belirtmek için dokümante etmesi yani tanımlaması gerekir.

Bu teknik rahatlıkla Landsat 8 uydusundan elde edilen görüntülerde kullanılabilir. İlk olarak belirlediğiniz değer sınıfların sayısı için önemli olan şey, spektral çeşitliliği sağlamak için görünür band’lardan daha fazla olması gerektiğidir. Genellikle, elde edeceğiniz birçok sınıf bir objeyi ya da sınıfı oluşturacaktır, yani denetimsiz olarak oluşturulan birçok sınıfı birleştirip tek bir sınıf haline getirmeniz gerekecektir. Örneğin çeşitli ağaç türleri için birden çok farklı piksel değerine/rengine sahip ağaç sınıflarını birleştirerek Orman sınıfını oluşturmanız gerekecektir. Buna reclassification yani yeniden sınıflandırma denir. Bu işlemi sınıflandırmayı neden yaptığını bilen kullanıcı yapmalıdır.

Denetimsiz piksel tabanlı görüntü sınıflandırma tekniği, her bir pikselin spektral özelliklerini değerlendirir ve bunları kümeler halinde gruplar, bu gruplar spektral olarak benzer piksellere dayanmaktadır. Yukarıda da bahsettiğimiz gibi tüm piksellerin sınıflandırılmasından sonra, kümeleri başka bir rasterda birleştirerek sınıflandırma sonuçları rapor edilir.

Landsat 8 uydusundan elde edilmiş görüntüler Dünya’nın geniş bölümünü kapsar ve ilgilendiğiniz herhangi bir bölgedeki değişimi tespit edebilmeniz için ideal olan aynı noktaya ait birden çok zaman aralığında veriyi de barındırır. Bunun yanında Landsat görüntüleri binalar, ağaçlar ve kaldırımlar gibi ayrık detayları tanımayı zorlaştıran mevcut 11 bandının çoğu için 30 metrelik bir mekânsal çözünürlüğü sahiptir. Görünür bandların dışındaki ek bandlarla da elektromanyetik spektrumun görünür kısmının dışındaki alan hakkında da bilgi içermesini sağlar.

30 x 30 metrelik çözünürlüğe sahip raster verilerinde küçük detayların tanınması zordur. Düşük mekânsal çözünürlüğe rağmen görüntüler sınıflandırmada değerlendirilecek çok sayıda spektral veri içerir.

Bir görüntüden denetimsiz piksel tabanlı sınıflandırma yoluyla elde edilen yeni görüntü birbirinden ayırt edilebilir farklı sınıflardan oluşabilir. Bunları da yukarıda bahsettiğimiz gibi bilinçli bir şekilde tekrardan sınıflandırmamız gerekebilir.

Denetimsiz sınıflandırma, Landsat’dan gelen nispeten kaba çözünürlüğe sahip raster verilerle iyi iş görür çünkü spektral olarak benzer hücreleri benzer spektral özelliklere sahip sınıflara kümeler. Görsel değerlendirme sayesinde, hangi arazi örtüsünün kümeleri tanımladığını yorumlayabilirsiniz.

Analizinizde kullanmadan önce denetimsiz piksel tabanlı görüntü sınıflandırmasının faydalarını ve eksiklerini de göz önünde bulundurmalısınız.

Faydaları:

  • Kullanıcı tarafından belirlenmiş örnek sınıfları gerektirmez.
  • Girdi olarak kullanılan raster’ın spektral özelliklerine göre sınıf sayısını uyarlar
  • Hızlı bir işlemdir.

Eksikleri:

  • İlk çıktı raster’ın yorumlaması zor olabilir.
  • Algoritma tarafından bulunan sınıfları tanımlamak için manuel bir çaba gerekir.
  • Bitişik pikselleri dikkate almaz.

Denetimsiz piksel tabanlı görüntü sınıflandırma uygulama aşamaları, eğer tek tek yapacaksanız bir dizi coğrafi işlem (Geoprocess) aracıyla tamamlanabilir. ArcGIS Pro bu işlemler için size Görüntü Sınıflandırma Sihirbazı’yla (Image Classification Wizard) kılavuzluk eder. Sihirbazda kullanılan tüm araçları araç kutusundan bulabilmenize rağmen, sihirbaz size adımları tek tek tamamlamak için bir yol gösterici gibi çalışarak işinizi oldukça kolaylaştıracaktır. Denetimsiz sınıflandırmalar için yol gösterdiği gibi denetimli sınıflandırma iş adımlarını da bu sihirbazla kolaylıkla gerçekleştirebilirsiniz.

Esri Türkiye, 2019

ArcGIS Pro’da ModelBuilder’la Çalışmak

ArcGIS Pro’da ModelBuilder’la Çalışmak

ModelBuilder, yapmak istediğiniz işlerden bir iş akışı şeması oluşturarak, bir işlemin birden çok adımını bir araya getirmenizi sağlar. Grafik arayüzlü programlama ortamlarına veya blok şemaları kullanan görsel programlama dillerine aşina iseniz, ModelBuilder size tanıdık gelebilir. İş akışlarınızı tekrar tekrar kullanılabilir hale getirebilir ve bu iş akışının görsel bir sunumunu da hazırlayabilirsiniz.

Çok adımlı bir geoprocessing (coğrafi işlem) iş akışını otomatikleştirmek istiyorsanız, ModelBuilder’ı kullanmalısınız.

Bu sayede bir kere oluşturduğunuz iş akışınızı kaydederek ister kendiniz ister kuruluşunuz ve iş arkadaşlarınızla paylaşarak onların da işlerini kolaylaştırabilirsiniz.

Yeni bir model oluşturmak için ArcGIS Pro üst panelinde yer alan Analysis sekmesinden ModelBuilder butonuna tıklamalısınız.

Bu işlem size modeliniz için boş bir tuval gibi düşünebileceğimiz bir pencere açacaktır. İstediğiniz verileri, geoprocessing (coğrafi işlem) araçlarını sadece sürükleyip bırakarak bu ekranı doldurabilirsiniz.

En temel içerik zinciri şu şekildedir: Girdi Öğesi > Geoprocessing Aracı (Coğrafi İşlem Aracı) > Çıktı Verisi’dir (Türetilmiş Veri’dir) ve bu ModelBuilder penceresinde aşağıdaki gibi görselleşir:

Girdi öğesi mavi oval şekille gösterilir. Bu girdiler, katmanlar veri tabloları gibi veriler olabilir.

Geoprocessing araçları ise Sarı dikdörtgenler şeklinde görselleştirilir. Geoprocesing araçları modelinizin temel yapı taşlarıdır. En çok kullanılan geoprocessing araçları da Select, Buffer, Clip, Merge, Union, Intersect, Spatial Join, Join by Attributes gibi sıklıkla kullandığınız araçlardır. ArcGIS Pro çeşitli araç kutuları altına bulunan binden fazla geoprocessing aracına sahiptir, bu araçlardan istediklerinizi modelinize ekleyerek yapmak istediğiniz işleri geliştirebilirsiniz.

Tuvalinize ilk defa bir geoprocessing aracını sürükleyip bıraktığınızda gelen araç gri renkli olarak gelir. Ne zaman bu araca bir girdi öğesi belirlerseniz artık o zaman sarı olarak görünür.

Geoprocessing araçlarının çıktısı olan türetilmiş veri ise yeşil renkli bir oval olarak tuvalde görünür. İki türetilmiş veri türü vardır: değiştirilmiş girdi (geçici bir veri kümesi) ve bilgisayarınıza kaydedilen yeni çıktı (kalıcı bir veri kümesi). Değiştirilmiş girdilerden oluşan çıktılarınızı, başka geoprocessing araçlarının girdisi olarak kullanabilirsiniz. Eğer ara çıktıları kalıcı hale getirmek isterseniz verinize uygun kopyalama araçlarından birini kullanabilirsiniz.

Model öğelerinize tanımlayıcı etiketler vererek sizin ve modeli paylaşacağınız kişiler için anlamlı hale gelmesini sağlayabilirsiniz.

Bir geoprocessing aracına girecek girdiyi kontrol etmek isterseniz değişken (Variable) ekleyebilirsiniz. Değişlkenler daha açık renkli mavi ovaller şeklinde görünür. Değişkenler veri kümesi olmayan girdilerden oluşur yani Yazı (text), uzun tamsayı (Long integer), ondalıklı sayı (Double) ya da Boolean (Mantık operatörü) oluşur. Değişkenlere bir örnek vermek gerekirse Buffer (Tampon) aracına girdiğiniz mesafe değeri ya da yoğunluk araçlarını kullanırken belirlediğiniz arama yarı çapı değerlerini düşünebilirsiniz. Bu değişkenler sayesinde dosya isimlerini belirleyebildiğiniz gibi girdi verilerinden bir alt küme de belirleyebilirsiniz.

Bir model çalışıyorsa o an çalışan aracın rengi kırmızı olur ve aynı zamanda o an çalışan işlem kaydında hangi aracın çalıştığını takip edebilirsiniz.

Model çalışmayı bıraktığı zaman diyagramda kullanılan her elemanın altında bir gölge görünür. Bu o araçların başarılı şekilde önceden kullanıldığı anlamına da gelir.

Parametreleri Ayarlamak

Modeller genellikle ArcGIS projenizle aynı isimde özel bir araç kutusunda saklanır. Katalog bölmenizden nereye kaydedildiğini kontrol edebilirsiniz. Katalog bölmesinden modelinize sağ tıklayarak gelen menüden Open’a (Aç’a) tıklarsanız Geoprocessing aracı diyalog penceresi ekranda belirecektir. Modelinizde parametre olarak belirlediğiniz herhangi bir öğe varsa burada ArcGIS Pro’da kullandığınız diğer geoprocessing araçları gibi kontrol edebileceğiniz parametreler olarak görünecektir.

Bir değişkeni parametre olarak belirlemek için öğeye sağ tıklayıp gelen menüden “Parameter” (Parametre) olarak seçmek yeterlidir. Bu işlem sonucu menüde Parameter’ın yanına yeşil bir onay işareti gelecektir. Parametre olarak belirlediğiniz öğenin sağ üst köşesinde bir “P” harfiyle öğenin parametre olduğu gösterilir.

Gruplar oluşturmak

Birlikte gruplamak istediğiniz tüm öğeleri seçip ardından Grup düğmesini tıklatarak modelinizin parçalarını farklı gruplara ayırabilirsiniz:

Bu, modelin kümelenmiş parçalarının her birini isimlendirmenize izin verir.

Gruplama yaptığınızda, grupları daraltabilir veya genişletebilirsiniz, böylece modelinizin farklı parçalarını ayrı ayrı kolayca görüntüleyebilirsiniz.

Yineleyiciler

Modelinizde kullanmak istediğiniz bir değer veya giriş listeniz varsa, bir yineleyici ayarlayabilirsiniz.

 

ArcGIS Pro’da ModelBuilder’da farklı değerler, veri kümeleri ve çalışma alanları üzerinde yineleme yapmak için kullanabileceğiniz on iki yineleyici vardır. 12 farklı yineleyici tipi vardır:

Yineleyici Tanımı
For Belirlediğiniz sayıda yineler.
While Belirlenmiş bir değişkene ulaşana kadar ya da Doğru-Yanlış koşullarından biri sağlanana kadar işlemi yineler.
Iterate Feature Selection Bir detay sınıfındaki her detay için veya ortak özniteliklere sahip bir grup detay için yineler.
Iterate Row Selection Bir tablodaki her kayıt için ya da ortak özniteliğe sahip kayıt grubu için yineler.
Iterate Field Values Bir sütundaki her değer boyunca yineler.
Iterate Multivalue Giriş değerleri listesindeki her değer boyunca yinelenir.
Iterate Datasets Bir çalışma alanında her veri kümesi boyunca yeniler.
Iterate Feature Classes Bir çalışma alanındaki her detay sınıfı boyunca yeniler.
Iterate Files Bir klasördeki her dosya için yineler.
Iterate Rasters Bir çalışma alanındaki her raster boyunca yineler.
Iterate Tables Bir çalışma alanındaki her tablo için yineler.
Iterate Workspaces Bir klasördeki coğrafi veri tabanı veya klasör gibi, her çalışma alanı boyunca yinelenir.

 

Yineleyiciler ModelBuilder ekranında turuncu altıgenler şeklinde gösterilir. Dikkat edilmesi gereken ise her model için yalnızca bir tane yineleyici kullanabilirsiniz.

Modelin Özelliklerini ve Bilgilerini Düzenleme

Modelinize bir ad ve etiket verebilir, hatta sizin için önemliyse modelinizi parola korumalı bile yapabilirsiniz. Catalog bölmesinden modelinize sağ tıklayarak gelen menüden Properties (Seçenekler)’den şifre koyabilir ve gene aynı menüden “Edit Metadata” ya girerek, modelinizi çalışma arkadaşlarınızla paylaşılabilir hale getirmek için modeliniz hakkında biraz daha fazla meta veri girebilirsiniz.

Burada bir açıklama yazabilir, arama etiketleri sağlayabilir, küçük resimler ve çok daha fazla bilgi de ekleyebilirsiniz. Bu menüden modelinizi coğrafi veri tabanındaki bir araç olarak paketleyebilir ve tüm ArcGIS Pro projenizin bir parçası olarak paylaşabilirsiniz.

Diyagram Gösterimi

Otomatik Düzen (Auto Layout) özelliği sayesinde çok karışık bir model bile oluştursanız tek tuşla hızlı bir şekilde düzenli bir görünüme gelmesini sağlayabilirsiniz. Bu sayede göze hoş gelen bir dizilim görüntüsü sağlayabilirsiniz.

İsterseniz model adımlarınızdan bir rapor da alabilirsiniz. Üst taraftaki şerit arayüzden Report’a tıklayarak modelinizdeki parametrelerden, modelinizdeki hatalara kadar detaylı bir rapor alabilirsiniz.

Diyagramı Düzenlemek

ArcGIS Pro’da diyagramınızın görünümünü düzenleyebilecek birçok seçenek vardır. Düzenleyebileceğiniz ayarlardan bazıları şunlardır:

  • Bütün öğelerin boyutunu ayarlama
  • Etiketler için yazı görünümü ve boyut ayarlamaları
  • Yazının düzen ayarlaması
  • Kutuların şekil ve bağlantı ayarları

Bunlara ek olarak ModelBuilder’ı bir kalite kontrol aracı olarak da kullanabilirsiniz, mantık operatörleri ve koşul araçları kullanarak oluşturduğunuz modelle verinizin belirlediğiniz standartlara uyup uymadığını kontrol de edebilirsiniz.

ModelBuilder hakkında daha fazla bilgi için, ArcGIS 3 Mekânsal Analiz Uygulamaları eğitimimize katılabilir veya ModelBuilder sözlüğü ve Esri’nin ModelBuilder Dokümanlarına bakabilirsiniz.

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 Suç Analizi Çözümleri Bölüm 2

ArcGIS Pro’da Suç Analizi Çözümleri Bölüm 2

Suç analizi, elimizdeki veriler sayesinde mekân, zaman, suçun işleniş karakteristikleri, önceki olaylara benzerlikleri gibi konuların tespit edilmesi, aynı zamanda suç trendleri, suçlar ve diğer değişkenler arasındaki korelasyon ve nedensellik ilişkilerini ortaya çıkarmakta kullanılır.

Suç ve şüphelinin belirlenmesi, haritalanması, zaman çizelgelerinin çıkarılması, grafikler, tablolar ve şemalar oluşturulması işlemlerini de içerir. Bu sayede mahkeme sürecine katkı sağlayabilir.

Suç analizi, devriye, suçun önlenmesi, soruşturma, planlama, araştırma, personel, operasyon, bütçe vb. birçok birimin faaliyetlerini desteklemede kullanılabilir.

Suç analizlerinin en önemli kısımlarından olan veri toplama, veriyi standart hale getirme, suçların benzerliklerini kategorize etme ve soruşturmaya katkı sağlayacak bütün verilerin hazırlanması gibi işleri Esri’nin suç analizi çözümleri sayesinde hızlı ve etkin bir şekilde gerçekleştirilebiliriz, bu sayede de zaman ve kaynak tasarrufu sağlayabilirsiniz.

Esri’nin Suç analizi çözümleriyle;

  • Meydana gelen veya gelişmekte olan suç serilerini ve suç kalıplarını ortaya çıkarabilir, harita üzerinde görüntüleyebilir,
  • Olması muhtemel suçlar için yakın bir tahminde bulunabilir,
  • Coğrafi profilleme yapabilir, suçların mekânsal ilişkilerini çıkarabilir,
  • Personel, kaynak ve bütçe planlamalarında veri desteği sağlayabilirsiniz.

Daha önceki ArcGIS Pro ile Suç Analizi yazımızda Esri’nin suçla mücadele çözümü olan Crime Analyst Toolbar’ın (Suç Analizi Araç Çubuğunun) barındırdığı araçlara değinmiştik.

Crime Analyst Toolbar, Crime Analysis sayfasından ücretsiz olarak indirip ArcGIS Pro’da kullanabileceğiniz bir Add-in’dir.

Bu yazımızda ise bu araçlar sayesinde yapabileceklerinize değineceğiz. Ama tüm bunlardan önce şunu belirtelim ki bu yazı boyunca kullanılan bütün veriler ve görseller bizler tarafından oluşturulmuş tamamen kurmaca verilerdir. Gerçeklerle hiçbir ilişkileri bulunmamaktadır.

Şimdi de literatürdeki suç analizlerini Esri Suç analizi çözümleri ile nasıl gerçekleştirebileceğinizden kısaca bahsedelim:

Taktik Analizlerinizi gerçekleştirmek için, Suçları istediğiniz kriterlere göre sınıflandırarak (örneğin kişilere karşı suçlar, kamu güvenine karşı suçlar veya mal varlığına karşı suçlar gibi) İstatistiksel olarak anlamlı sıcak ve soğuk noktaları çıkartabilirsiniz. Böylece mevcut veya gelişmekte olan suçların günlük olarak haritalandırabilir, analiz edebilirsiniz.

Belirlenmiş suç türüne göre oluşturulmuş bir Hot Spot analizi haritası. Bu haritaya göre ihbarın en fazla olduğu kırmızı bölgeler için kaynak aktarımı gerektiği düşünülebilir. Bu analiz bize ihbarlara cevap süremizi ve intikal süremizi düşürmek için bölgeye personel aktarımı yapmamız gerektiği bilgisini de verebilir.

Crime Analyst Toolbar ile coğrafik profilleme yapabilirsiniz, bunun için;

İhbar verilerinden ya da elinizdeki raporlanmış herhangi bir veriden (bunlar olaylar sırasında tutulmuş raporlar ya da gelen ihbarlardan tablosal olarak tutulmuş veriler de olabilir) istediğiniz alanlara göre nasıl bir dağılım izlediğini gösteren haritalar oluşturabilirsiniz.

Bu harita tutuklama sayılarına göre gerçekleştirilen mekânsal gösterimdir. Devriye bölgesinde gerçekleşen olay sayılarına baktığınızda çalışma alanımızın kuzeyine ve doğusuna güney ve batıdaki devriye bölgelerinden kaynak aktarımı yapılması gerekmektedir gibi bir kaynak akarımı yorumunda bulunabiliriz.

Bu konuda Crime Analyst Toolbar aracımızın size sağlamış olduğu kolaylık ise birkaç tık işlemi ile bu haritaları otomatik olarak renklendirilmiş ve etiketleri ile birlikte elde ediyor oluşunuzdur. Bu yöntemleri kullanarak bir il, ilçe, mahalle, devriye bölgesi ya da karakol sorumluluk bölgesi için en fazla suç hangi bölgede işleniyor ya da ihbar nerelerden geliyor bunların gösterimini sağlayabilirsiniz. Bu da kaynaklarınızı nereye yönlendirmeniz gerektiğini ortaya koyabilir. Olayların en sık yaşadığı bölgelere devriye kaynaklarınızın aktarılmasını sağlayabilirsiniz.

Taktik analizleri içerisinde gerçekleşmiş suçların ötesinde “Suçun tahminini” de bulunmaktadır peki bu konuda nelere yapabiliriz bir de bunları inceleyelim:

Gelecekteki suçları tahmin edebilir miyiz?

  • Önümüzdeki hafta kaç hırsızlık suçu işlenmesi bekleniyor? Bunu öngörebilir miyiz?
  • Haftanın belirli gününde ve saatinde nerelerde soygun veya şiddet suçu riskinin artması bekleniyor?
  • Bu doğrultuda güvenlik güçlerimizin kaynaklarını suçların engellenmesi için en etkin şekilde tahsisini nasıl sağlayabiliriz?
  • Suçlar bir doku izliyor mu? Bir mekâna doğru eğilim gösteriyor mu zamansal veya mekânsal bir kümelenme var mı?

Tüm bu gibi sorulara cevap bulabilir miyiz?

Suçları haritalamak, analizler yapmak bizlere çeşitli tahminler yapma imkânı verir. Bu bize suçların engellenmesi için kaynaklarımızı en etkin biçimde kullanmamıza yardımcı olur. Bu sayede bir suç trendi oluşuyorsa bunu engelleyebiliriz.

Kısaca Amacımız suçu engellemek ve güvenlik güçlerinin kaynaklarını en etkin bicimde kullanmak ise Esri suç analizi çözümleri bizlere bu tahminlerimizi gerçekleştirebileceğiniz analiz araçlarını sağlıyor.

Suç tahminlerinin yapılması çerçevesinde gerçekleştirilebilecek analizlere bakarsak:

Esri’nin sunduğu araçlar sayesinde elimizdeki ihbar veya suç verileri ile sıcak nokta analizi uyguladığınızda suçların bir yerde mekânsal olarak kümelendiğini gösterecek haritalar oluşturabilirsiniz.

Sıcak nokta analizlerinizden elde ettiğiniz bilgilere ek olarak Esri tarafından sizlere sunulan işsizlik verileri, nüfus verileri, hane halkı sayısı, eğitim seviyesi gibi çok çeşitli demografik, sosyoekonomik ve coğrafik suça etki eden diğer verileri de ekleyebilir ve tüm bunlara sizden gelen verileri de dahil ederek ki bunlar mobese ile kontrol edilen noktalar, kontrol edilemeyip kör nokta olarak kalan alanlar, suça eğilimi arttıran terk edilen yıkıntı alanlar, arazi kullanım desenine geceyle gündüz aktif kullanılan alanlar ve devriye araçlarının güzergahları v.b. gibi birçok veriyi de ekleyerek risk haritaları oluşturabilirsiniz. Böylece suç riskinin yüksek olduğu alanları görüntüleyebilirsiniz ve önlemler alabilirsiniz.

“Bir suç türü belirli bir mekânda zaman içinde aynı metotlar ile gerçekleşiyorsa, tekrarlanma ihtimali yükselir.” Önceki bir suç olayından sonra etrafındaki risk artacaktır. Sık tekrar eden olayların mekânsal bir ilişki içerisinde olup olmadığını gösterebilirsiniz.

Tekrarlanan suçlar yüksek risk alanı olarak tanımlanan alanlara düşüyorsa önlemlerinizi arttırabilirsiniz.

Yani bu analizlerin sonucundaki çıkarımınız ile hangi bölgelere kaynakların aktarılması gerektiğine karar verebilirsiniz.

Suçun zaman ve mekânsal ilişkisini gösteren 3 Boyutlu bir gösterimle (buradaki 3. boyut zamandır), belirli bir zaman aralığında belirli mekânda suçun dönemler halinde artış mı izlediği ya da yaptığımız bir müdahale sonucu da olabilir, azalış mı izlediğini gözlemleyebiliriz.

Problem analizi olarak da bilinen stratejik analizler, suçla mücadele bağlamında bilgiye dayalı olarak karar vermenizi sağlar. Uzun vadeli problemlerin gösteriminde kullanılan suçun artış ve azalışını gösteren analizleri bu çözümün sunduğu araçlar sayesinde gerçekleştirebilirsiniz.

Stratejik Analiz Yüzde Değişimi haritamızda emek çevresinin sorumlu olduğu devriye bölgesinde hırsızlık suçlarının ikinci altı aylık dönemde %85 oranında arttığını görebilirsiniz.

Ya da ihbarların gece ve gündüz gibi belirli zaman periyodları arasındaki dağılım yoğunluğu çıkartarak hem telefon ihbarlarına yanıt veren ofis personeli açısından hem de olay yerine intikal edecek devriye ekiplerinin yönetilmesini sağlayabilirsiniz.

Tüm bu bahsetmiş olduğumuz taktik ve stratejik analizlerinizi birkaç tık ile gerçekleştirerek, zamanınızın çoğunu alan istatistik hazırlama ve rapor yazma süreçlerinizi çok daha hızlı yürütebilirsiniz. Bu veriler grafikler oluşturabilmenizi, oluşturduğunuz web uygulamaları ve dashboard’larda sorgulamalar yapabilmenizi ve ihtiyaçlarınızı detaylı şekilde görmenizi sağlayacaktır.

Bu harita bir ihbara, ekiplerin 3 dakika içinde intikal edilebileceği alanları temsil etmektedir.

Kaynakların yönetilmesi adına, devriye bölgelerinin olaya intikal etme süresine göre belirlenmesi, hizmet verilen bölgelerin büyüklüğü, personel sayısı, görevlendirme politikaları hatta görev yoğunluğunu analizlerinize dahil ederek kaynaklarınızı en etkin şekilde yönetebilirsiniz.

Tekrar etmek gerekirse, Esri’nin Suç analizi çözümleri sayesinde;

  • Meydana gelen veya gelişmekte olan suç serilerini ve suç kalıplarını ortaya çıkarabilir, harita üzerinde görüntüleyebilir,
  • Olması muhtemel suçlar için yakın bir tahminde bulunabilir,
  • Coğrafi profilleme yapabilir, suçların mekânsal ilişkilerini çıkarabilir,
  • Personel, kaynak ve bütçe planlamalarında veri desteği sağlayabilirsiniz.

Esri Türkiye 2018

ArcGIS’te Mesafe Analizlerine Genel Bir Bakış

ArcGIS’te Mesafe Analizlerine Genel Bir Bakış

CBS analizlerinin en önemlilerinden ve en çok kullanılanlarından biri yakınlık analizleridir. Çoğu zaman ArcGIS kullanıcıları bu tür analizleri, en bilindik yöntemler olan ve vektör verileri üzerinden uygulanan Buffer ve Near araçlarını kullanarak yaparlar. Bu blog yazımızda vektör verilere uygulanan yakınlık analizlerinden farklı bir yöntem olarak, mesafeleri raster veriler üzerinden hesaplama yöntemlerine değineceğiz.

İşlem sonucu raster bir çıktı katmanı veren Öklidyen Mesafe (Euclidean Distance) analiziyle araçlarımızı tanımaya başlayalım:

Euclidean (Öklidyen) Mesafe Analizi

ArcGIS kullanarak birçok farklı yöntemle mesafe analizi yapabilirsiniz. Bunlardan en yaygın kullanılanlarından biri iki nokta arası mesafeyi doğrusal bir çizgi şeklinde hesaplayan Öklidyen mesafe analizidir. Öklidyen mesafe analizine kuş uçuşu mesafe de denir ve bu analizle Pisagor teoremine göre iki nokta arası en kısa mesafe hesaplanabilir. İki raster hücresi arası kuş uçuşu mesafeyi bulur, bunu bir kağıttaki iki nokta arasını cetvelle ölçmek gibi düşünebilirsiniz. Bunu yaparken rasterda belirlediğiniz hücrenin merkez noktasından hedef hücrenin merkez noktasına doğru hesaplama yapar.

Bu analizi geoprocessing (coğrafi işlem) araçlarından Euclidean Distance’ı kullanarak yapabilirsiniz.

Euclidean Distance, vektör verilerle veya raster verilerle yaptığınız analiz sonucunda, elinizdeki detaylara olan uzaklığı ölçüp çıktı olarak, her bir hücresinde (diğer bir adıyla pikselinde) sizin kaynak verinize olan uzaklığı değer olarak saklayan bir raster katman oluşturur.

Her hücre değeri kaynağa olan mesafeyi gösterir. A hücresinin değeri olarak görünen x A hücresiyle kaynak hücre arasındaki mesafedir.

Birden fazla kaynak hücreye uygulama yaptığınız yüzeylerde, çıktı katmanındaki her hücre değeri, bir kaynak hücreye yakınlığı verir ve bu da kendine en yakın olan kaynak hücredir.

Her hücre değeri en yakın kaynağa olan uzaklığı gösterir. Hücre A Kaynak 1’e en yakındır ve değeri arasındaki mesafeyi verir. Euclidean Distance aracı yatay ve dikey olarak hesaplamalar yapabilir.

Euclidean Distance aracı sonucu kuş uçuşu düz bir çizgi için verir ama yüzeyde dosdoğru şekilde ilerlemek her zaman mümkün olmayabilir, bu çizgi üzerinde ırmaklar ya da dik eğimler gibi çeşitli engeller olabilir. Bu gibi durumlarda maliyet ağırlıklı mesafe araçlarını kullanmak gerçekçi sonuçlar açısından daha doğru olur.

Euclidean Allocation

Euclidean Allocation aracı ise her hücrenin en yakın kaynağa olan kuş uçuşu mesafeye göre belirlendiği bölümlenmiş bir raster oluşturur. Eğer sadece bir kaynak varsa oluşacak rasterdaki bütün hücreler bu kaynak noktaya göre tahsis edilir.

Eğer birden çok kaynak nokta varsa oluşacak rasterdaki hücreler en yakındaki kaynağa göre belirlenerek tahsis edilir. Bu hücrelerin oluşturduğu alanları detayların bölümleri olarak düşünebilirsiniz. Bu bölümlerin şekli ve boyutu hücrelerin kaynağa olan mesafesi tarafından belirlenecektir.

Bu resimde yeşil hücrelerden birinin 1 ve 2. kaynak arasında eşit mesafede olduğunu görebilirsiniz. İki kaynağa da aynı mesafede olan bu hücreler program tarafından otomatik olarak bir kaynağa atanır. Burada bu 2. kaynak olmuştur. Euclidean Allocation’ı rasterdaki her hücrenin en yakın olan kaynağa göre bölümlenmesini istediğinizde kullanabilirsiniz. Araç sonuç olarak her hücrenin en yakın olduğu kaynağa göre değerini verecektir.

Euclidean Direction

Öklidyen yönelim her hücreden kaynak hücreye kuş uçuşu en kısa doğrunun yönelimi derece cinsinden verir. Euclidean direction’ın verdiği raster verideki her hücre değerleri en yakın kaynağa olan yolun açısını gösterir. Bunu aşağıdaki resimdeki gibi bir pusulanın, yüzeydeki her hücre için olduğunu düşünebilirsiniz. Her hücre içindeki değerler 1 ile 360 derece arasındadır ve 360 derece kuzeyi ifade eder.

Euclidean direction rasterında hücre değerleri azimuth derecelerine dayanmaktadır. Bu resimdeki örnekte hücrenin yönelim değeri 45 derecedir.

Bu resimde kaynak 1 noktası, A hücresine en yakın noktadır. İki nokta arasındaki doğru çizgi hattı A noktasından 1. kaynağa 15 derecelik bir açıdadır. A noktasının hücre değerine baktığımızda 15 yazdığını görürüz. Kaynak 2 ise B hücresinden 135 derecelik bir açıdadır.3. kaynak ise C noktasına en yakındır ve 320 derecelik bir açıya sahiptir. Gri hücreler ise 0 derecedir yani bir yönü yoktur.

Euclidean Direction sayesinde, “En yakın şehre ulaşmak için hangi yöne doğru seyahat etmeliyim?” gibi sorulara cevap bulabilirsiniz.

Euclidean Distance 

Bu resim yüzeydeki her konumdan kamp alanlarına olan mesafeleri simgelemektedir. Açık renklerde daha yakın koyu renkler daha uzaktadır.

 

 

 

 

 

 

Euclidean Allocation

Bu yüzey resmi her iki kamp alanı için lokasyon tahsisini göstermektedir. Yeşil alan A kampına yakındaki pikselleri (raster hücreleri), mavi ise B kamp alanına yakın olan pikselleri göstermektedir.

 

 

 

 

 

 

Euclidean Direction

Bu resim ise yüzeydeki her yerin kamp alanlarına olan pusula yönlerini göstermektedir. Oklar Euclidean Direction aracının çıktısı değildir, otomatik olarak yönleri göstermez. Bunu yapmak için çıktı raster katmanına Vector Field semboloji özelliğini uygulayarak haritanızda görüntülenmesini sağlayabilirsiniz.

 

 

 

 

 

Ağırlıklandırılmış Mesafe analizi:

Weighted distance analysis yani ağırlıklı mesafe analizi ArcGIS’deki başka bir mesafe analiz türüdür. Bir noktadan diğerine doğru bir çizgi çizmenin işinizi görmediği durumlar vardır. Bazı durumlarda analiziniz, birden çok mesafe sonucunu karşılaştırmanızı gerektirebilir. Örneğin A ve B noktaları arasında üç tane yol varsa bu yolları hız limiti, hava durumu, yol tipi gibi faktörlere göre ağırlıklandırarak en iyi rotayı belirleyebilirsiniz. En kısa yol her zaman en kısa yolculuk zamanını vermeyebilir. Eğim fazla olabilir veya hız limitlerinden dolayı şehir içinden geçen bir yol daha kısa olmasına rağmen çevre yolundan daha uzun bir yolculuk zamanı verebilir.

Bu resimde 2 kamp noktası arası 2 yol çıkarılmıştır. Sarı çizgi kuş uçuşu mesafeyi simgelerken siyah çizgi iki kamp noktası arası en hızlı yolu simgeler. Çünkü kuş uçuşu mesafe dağlık arazi yüzünden daha yavaş ilerlenecek ve ulaşım sürenizi uzatacak bir yoldur.

Bir konumdan diğerine potansiyel olarak çok sayıda yol olduğunda ve genellikle zaman gibi belirli bir kaynağı maliyet olarak kabul ettiğimiz durumlarda ağırlıklandırılmış mesafe kullanabilirsiniz.

Reclassification (Yeniden Sınıflandırma) ve Cost (Maliyet) Yüzeyleri

Genelde veriler doğrudan maliyetleri iletmez, bunu yapabilmeleri için dönüştürülmeleri lazımdır. Örneğin dik bir arazi yol yapım masraflarını arttırabilir yani arazinin eğimi bir maliyet faktörü olabilir. Eğim yüzdeleri yolun yapım maliyetlerinin az mı çok mu olduğu bilgisini bize direk vermez. Maliyetleri göstermenin yolu eğim değerlerini maliyet değerlerine TL cinsinden çevirmek daha iyi şekilde maliyetleri yansıtacaktır. Ya da ağırlıklandırarak göreceli bir değer sıralaması belirleyerek de bunu yapabilirsiniz.

Ağırlıklandırılmış mesafe analizlerinde maliyet faktörlerine bir sıralama yaparsınız ya da bir alanda yolculuğun verimliliğini belirleyen faktörlere değer vererek sıralama yaparsınız. Yüksek verimlilik gösteren değerlere sahip hücreler düşük bir değer alır ve düşük verimlilikle değerleri olan hücreler yüksek bir değer alır. Örneğin, hücre değerlerinde sürüş zamanlarını içeren bir rasterınız varsa ve yeniden sınıflayacaksanız, sürüş zamanı değeri 25 dakika olan bir hücreye 1 değeri verebilir ve sürüş zamanı 65 dakika olan bir hücre değerine 3 değerini verebilirsiniz. 25 dakikada kat edilen bir hücre 1 değerini alarak daha düşük bir değer alacaktır ama sıralama yaptığımızda 1. olduğu anlamına gelecektir. Böyle bir veri dönüşümünden sonra 25 dakikalık sürüş zamanına sahip raster hücreleri daha tercih edilen hücreler olacaktır. Bu dönüşümü yaptığımız işleme Reclassification yani yeniden sınıflandırma denir. Yeniden sınıflandırılmış bu rasterlara da maliyet yüzeyi denir.

Bir öznitelik tablosundaki sütunlarındaki değerler kar derinliklerinden hız sınırlarına ya da herhangi bir arazi özelliğinin sayısal değeri gibi herhangi bir değeri ağırlıklandırma yapmak için seçebilirsiniz. Bunu yaparken hangi özniteliklerin maliyeti etkilediğini belirlemek ve sonra bu özniteliklerin değerlerini sıralamak çok zaman alıcı bir işlem olabilir. Bunu belirlemek için uzmanlara ya da akademisyenlerin çalışmalarına başvurmanız gerekebilir.

Ağırlıklama ölçeğinizi bir aralık içinde belirleyebilirsiniz. Ağırlık ölçeği, en yüksek ve en düşük maliyeti kolayca ayırt edebilme konusunda yönetilebilir bir değer aralığı olacaktır. Örneğin 1 ila 9 arasında rakamlar verebilirsiniz. Burada 9 değeri 1 değerinden 9 kat maliyetlidir anlamına gelmez. En az masraflı hücreler 1 en çok masraflı hücreler de 9 değerine sahiptir anlamına gelir. Analizinizde birden çok maliyet faktörünü ele almak istediğinizde maliyet yüzeylerini aynı ağırlıklandırma ölçeğine göre yapmanız gerekir, bu sayede bütün maliyet yüzeylerini birbirleriyle işleme sokarak toplam maliyet yüzeyini elde edebilirsiniz. Buna ağırlıklı bindirme analizi de denir.

Kar derinliği hücre değerleri raster verisinden 1-9 ağırlık ölçeği kullanarak yeniden sınıflandırılarak maliyet yüzeyi oluşturulur. Karın en derin olduğu yerlerde zaman ve kaynaklar açısından daha masraflı olduğunu varsayarak, en yüksek kar derinliği değerleri 9 değerine atanır ve en düşük kar derinliği değerleri 1 değeri ile belirlenir.

Bu skalada eğim yüzdeleri kar derinliklerinde olduğu gibi 1-9 ağırlık ölçeğine göre sınıflandırılmıştır. Daha dik eğimler daha fazla zaman ve kaynağa mal olacağından eğimi en yüksek olan yerler 9 ve eğimi düz ve düze yakın olan yerler 1 değeriyle yeniden sınıflandırılmıştır.

Kar derinliği raster’ı ve eğim raster’ı aynı ağırlıklandırma ölçeğine göre yeniden sınıflandırıldığı için beraber işleme sokularak toplam maliyet yüzeyini elde edebiliriz. Maliyet yüzeylerini aynı ağırlık ölçeğinde yeniden sınıflandırdıktan sonra birleştirerek her hücre için toplam maliyeti belirleyebiliriz. Örneğin, eğim maliyeti 2 olan bir hücreyle kar derinliği maliyeti 1 olan bir hücre birleştirildiğinde toplam masraf 3 olur. Nihai maliyet yüzeyi en az maliyetli yol analizi (Least-Cost Path Analysis) için gereklidir.

Least-cost Path Analysis (En az maliyetli yol analizi)

Elde ettiğiniz toplam maliyet yüzeyiyle ArcGIS analiz araçlarını kullanarak maliyet ağırlıklı mesafe analizi yapabilirsiniz. En az maliyetli yol, maliyetin zaman, mesafe veya kullanıcı tarafından tanımlanan diğer ölçütlerin bir işlevi olduğu ve iki konum arasındaki en düşük maliyetli yoldur.

Least-cost path analizi bu yüzeyleri kullanarak iki nokta arasındaki en uygun maliyetli yolu belirlemenize yardımcı olur. Bu aracı kullanarak en ucuz şekilde bir boru hattını nasıl yapabileceğinizi belirleyebilirsiniz.

En az maliyetli yol analizi, kaynak hücreyi çevreleyen sekiz komşu hücreyi değerlendirir ve yolu en düşük değere sahip hücreye yönlendirir. Kaynak ve hedef birbirine bağlanana kadar bu işlem kendisini yineler. Tamamlanan yol, iki nokta arasındaki hücre değerlerinin en küçük toplamını temsil eder.

Bu örnekte analiz sonucu ulaşılan yol kaynaktan hedefe en kısa yolu vermemiştir ama en masrafsız yolu hücrelerdeki değerlere göre karşılaştırarak çıkarmıştır.

Kaynak ve hedef noktalardan oluşan herhangi bir kombinasyon least-cost path analizinin bir parçası olabilir, bir kaynaktan bir çok hedefe en düşük masraflı yolu hesaplayabileceğiniz gibi birçok kaynak noktadan da bir hedef noktaya en masrafsız yolu belirleyebilirsiniz.

Bu resimde en düşük maliyetli yol analiziyle kaynaktan hedeflere en uygun yollar çıkarılmıştır.

Least-cost path (En az maliyetli yol) analizi iş akışı

Aşağıdaki liste bu analizi yaparken izlemeniz gereken iş akışının bir özetidir.

  1. Ortak bir ağırlıklandırma ölçeği oluşturmak için rasterlarınızı yeniden sınıflandırma.
  2. Yeniden sınıflandırılmış rasterları birleştirerek toplam maliyet yüzeyinin oluşturulması.
  3. Toplam maliyet yüzeyini kullanarak maliyet mesafeleri ve yönelimleri yüzeylerinin oluşturulması.
  4. Maliyet mesafesi ve maliyet yönü yüzeylerini kullanarak en az maliyetli yolun belirlenmesi.

Aşağıdaki diyagram arazi kullanımı ve eğim katmanları kullanılarak en az maliyetli yolun oluşturulmasını gösterir.

Yakınlık/Mesafe analizleri hakkında daha fazla bilgi almak ve uygulamalarını öğrenmek için ArcGIS 3: Mekansal Analiz Uygulamaları eğitimimize katılabilirsiniz.

Daha fazla bilgi için: egitim.esriturkey.com.tr

Esri Türkiye 2018