ArcGIS Pro 2.4 ile Görüntü Analiz (Image Analyst) eklentisine gelen yenilikler

ArcGIS Pro 2.4 ile Görüntü Analiz (Image Analyst) eklentisine gelen yenilikler

Görüntü görselleştirme, kullanım ve analiz iş akışlarınızı geliştirmek için ArcGIS Pro 2.4 ArcGIS Image Analyst eklentisindeki yeni görüntü ve uzaktan algılama özelliklerini kullanın. ArcGIS Image Analyst şimdi genişletilmiş derin öğrenme (deep learning) yetenekleri, gelişmiş hareketli video yetenekleri, çok boyutlu veri desteği ve yeni piksel düzenleme (Pixel Editor) araçlarını sunuyor. ArcGIS Pro 2.4 versiyonu ile eklenen görüntü ve uzaktan algılama özelliklerinin birkaçını Analiz, Görselleştirme, Düzenleme başlıkları ile inceleyeceğiz.

Analiz

Derin Öğrenme (Deep Learning)

Güçlü analiz yetenekleri sağlamak için Derin Öğrenme araç setimizi geliştirmeye devam ediyoruz. Bu sürümde sunulan temel özellikler şunlardır:

  • ArcGIS Enterprise ile derin bir öğrenme paketi (DLPK) oluşturmak ve paylaşmak için ArcGIS Pro 2.4 kullanarak derin öğrenmeyi yürütme yeteneği
  • PyTorch derin öğrenme modeli çıkarımı için dahili destek eklendi
  • Aşağıdakileri içeren Export Traning Data aracındaki geliştirmeler:
    •  Veri arttırma yöntemleri (Rotate & Shift)
    •  Görüntü parçaları için geliştirilmiş meta veri formatları (Labeled Tiles)
    •  Bir görüntü koleksiyonunu girdi olarak kabul etme seçeneği (Folder)
    •  Çalışma alanını sınırlamak için girdi maskelerini kabul etme yeteneği

Raster foksiyonlar ve Coğrafi işlemler

ArcGIS Pro’da erişilebilen raster fonksiyonların listesi, ArcGIS Pro 2.4’te ek göstergeler, mesafe ve hidrolojik fonksiyonlarla genişletilerek analistlerin mesafe modellemesi ve hidrolojik modelleme için iş akışlarını tasarlamalarını sağlar.

Birkaç yeni raster foksiyonu ve bazı fonksiyonlarda iyileştirmeler yapılmıştır:

  • The Focal Statistics foksiyonu, GP araçlarında bulunan parametreleri desteklemek için geliştirilmiştir.
  • Most raster foksiyonu, çok boyutlu veri setlerinin analizini gerçekleştirmek için geliştirilmiştir.
  • Çok boyutlu verilerde çalışmak için yeni coğrafi işlem araçları eklendi:
    • Çok boyutlu raster verilerini bir boyut boyunca birleştirme aracı.
    • Çok boyutlu bir veri kümesi oluşturmak için; çok boyutlu bir rasterda her dilim için anomali hesaplama aracı

Görselleştirme

Hareketli Görüntü

Hareketli video desteğimizi geliştirmeye ve iyileştirmeye devam ediyoruz, böylece videoyu yerleşik coğrafi meta verilerle yönetebilir ve etkileşimli olarak kullanabilirsiniz. Bu sürümdeki temel özellikler şunları içerir:

  • Yeni video arama aracı, coğrafi yere göre büyük video koleksiyonlarında arama yapmanızı sağlar.
  • Video penceresinde 2B mesafe ve alan ölçümleri yapabilme.
  • Video çerçevesinde belirlenmiş bir bölge seçmek ve onu  raporlama ve kopyalama seçeneği.
  • Video akışına gömülü Video Hareketli Hedef Göstergesi (VMTI) meta verilerini okuma ve görüntüleme özelliği.

Çok Boyutlu Raster Yönetimi, İşleme ve Analiz

Bu sürümle eklenmiş yeni araçları ve yetenek setini kullanarak çok boyutlu veri kümeleriyle çalışın. Bu araçlar zamanla verilerinizi toplamanıza ve birden fazla değişken ve boyutta anormallikleri hesaplamanıza olanak tanır. Anahtar özellikler:

Veri yönetimi araçları:
  • Çok boyutlu verilere meta veri oluşturun ve çok boyutlu verilerden mozaik veri seti yapın
  • Çok boyutlu veri yapısını yeniden optimize edin ve çapraz boyutlu analizi daha verimli hale getirin
Analiz araçları:
  • Bir boyut boyunca, çok boyutlu veri kümesi değişkenleri, (zaman olabilir) çok boyutlu bir rasterda her dilim için anomalileri hesaplayın

Aşağıdakiler dahil, çok boyutlu rasterları desteklemek için geliştirilmiş mevcut raster fonksiyonları:

  • Tüm raster fonksiyonlar (100’den fazla fonksiyon)
  • Classify, Clip, Contour, Extract Band, Mask, Reproject, Resample, Unit Conversion, Vector Field, Weighted Sum
Aşağıdakiler Python ortamında çok boyutlu verilerin yönetimi ve işlenmesi için desteklenmektedir:
  • Genişletilmiş raster nesne yetenekleri
  • ArcGIS Image Analyst ve ArcGIS Spatial Analyst Python modüllerinde yeni fonksiyon seti

 

Düzenleme

Piksel Düzenleme (Pixel Editor)

Pikselleri düzenleme yeteneğini soruyordunuz. Dinledik! Piksel Düzenleyici, raster ve görüntü verilerinin piksel değerlerini işlemek için araçlar sağlar. Redaksiyon, gürültü giderme veya kategorik verileri yeniden sınıflandırmak için araç setlerini kullanın. Tek bir pikseli veya bir piksel grubunu tek seferde düzenleyebilirsiniz. Yükseklik veri setlerinde ve çok bantlı görüntülerdeki pikselleri düzenleye bilirsiniz.

Piksel Düzenleyicinin temel özellikleri şunlardır:
  • Çok bantlı, tek bantlı, tematik ve yükseklik verilerinde pikselleri düzenleme
  • Yükseklik verilerindeki boşlukları doldurmak, keskin uçları ve delikleri kaldırmak, yükseklik sınır çizgilerini, ofsetleri veya belirli değerleri düzeltmek
  • Pikselleri, bölgeleri veya nesneleri yeniden sınıflandırma
  • Detay verileri kullanarak pikselleri yeniden sınıflandırma
  • Gürültüyü ve uç değerdeki pikselleri kaldırma
  • Alanları düzeltmek için önceden ayarlanmış filtreler kullanma
  • Pikselleri gizleme veya düzeltme

Daha fazla bilgi almak için aşağıdaki linke tıklayabilirsiniz.

https://pro.arcgis.com/en/pro-app/get-started/whats-new-in-arcgis-pro.htm

Esri Türkiye, 2019

Metin Belgelerinden Hızlıca Haritalar Oluşturun

Metin Belgelerinden Hızlıca Haritalar Oluşturun

ArcGIS LocateXT eklentisi, verilerinizdeki metinden coğrafi koordinatları kolayca keşfetmenizi ve çıkarmanızı sağlar. Birçok sektör, geleneksel mekansal formatlar ile çalışmaz fakat konum tabanlı bilgiye sahip olmak ister. Ellerinde verilerin yakalanamadığı, görselleştirilemediği veya analiz edilemediği metin tabanlı formatlar bulunur. Bu veriler belgelerde, PowerPoint sunumlarında, PDF’lerde, basit Not Defteri metinlerinde, e-postalarda, elektronik tablolarda, web sitesi içeriğinde ve hatta standart raporlama formlarında bulunabilir.

ArcGIS LocateXT teknolojisi, kullanıcıların belgeleri hızlıca taramasını ve coğrafi olarak konumlandırılmasını sağlar. Alternatif elektronik tablo formülleri, saatlerce okuma, kopyalama, yapıştırma  gerektiren sıkıcı bir işlemdir. Ayrıca hata yapılma ihtimali oldukça yüksektir. Metinsel verilerdeki coğrafi referansları bulma, tanımlama ve haritalama ile ilgili çalışmaların büyüklüğü nedeniyle önemli mekansal modeller gözden kaçırılmış veya göz ardı edilmiştir. Bu sorunun kümülatif etkisi, kaybedilen binlerce saate ve düşük üretkenliğe neden olur.

ArcGIS LocateXT eklentisinin amacı, müşterilerimize e-postalar, özetler ve raporlar gibi verilerden coğrafi koordinatları kolayca bulmalarını ve çıkartmalarını sağlamak ve kullanıcıların anında akıllı harita tabanlı bilgiler üretmelerini amaçlamaktadır. Örneğin: Bir polis departmanı tüm suç  olaylarını Microsoft Word belgelerine kaydediyor. Zamanla, departman da tarih içeren yüzlerce rapor topladı; zaman, yer, tür;  soygun, gasp ve yasadışı uyuşturucu satışları vb. gibi. Güvenliğini sağlamak için memurlar, bu yasa dışı faaliyetleri hedef alabilmeleri ve sınırlı kaynaklarını buna göre tahsis edebilmeleri için sıcak noktaları ve suç eğilimlerini belirlemek için bu raporları kullanmak istiyorlar. Geçmişte, bu her raporda sayısız okuma yapmak anlamına gelirdi; olayın gerçekleşmesi, her olay türü için haritaya bir nokta ekleme. Şimdi, ArcGIS LocateXT eklentisi ile, bu belgeleri kolayca sürükleyebilir veya klasörü ArcGIS Pro’ya sürükleyerek hızlıca haritalarınıza veri aktarabilirsiniz.

LocateXT teknolojisi, düzenli ifade (REGEX) model aramasını kullanır ve gelişmiş iş akışlarını gerçekleştirmek için diğer ArcGIS coğrafi işlem yetenekleriyle birleştirilebilir. Aşağıda bulunan örnekte bir denizaltı rotasının hızlıca oluşturulması gösterilmiştir.

Hem ArcGIS Pro hem de ArcMap’te bulunan ArcGIS LocateXT eklentisi, metin verilerinin analizi, haritalanması ve görselleştirilmesini hızlıca gerçekleştirmenize olanak sağlar. Aşağıda bulunan linkten detaylı bilgilere ulaşabilirsiniz.

https://pro.arcgis.com/en/pro-app/help/data/locatext/extract-locations.htm

Esri Türkiye, 2019

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.