Learn ArcGIS ile CBS’yi Öğrenmek

Learn ArcGIS ile CBS’yi Öğrenmek

Bu yazımızda, Esri’nin kendi kendinize eğitim alabileceğiniz ve CBS üzerine olan yeteneklerinizi geliştirebileceğiniz eğitim sitesi olan Learn ArcGIS’i sizlere tanıtacağız.

Learn ArcGIS sitesi gerçek dünyadan, gerçek verilerle, gerçek mekânsal problemleri çözdürerek ArcGIS platformunun bileşenlerini öğreten bir platformdur. CBS’nin neler yapabileceğini hangi sektörlere nasıl dokunabildiğini anlayabileceğiniz örnek senaryolarla dolu ve sürekli yeni eğitimler eklenen bir sitedir. Diğer eğitim platformlarından farkı içinse kısaca: Size Esri’nin “Coğrafi Yaklaşım” dediği ve problemlere mekânsal düşünerek çözümler bulmamızı sağlayan düşünce yapısını öğretmesidir diyebiliriz. Biz Esri Türkiye Eğitim Birimi olarak bu yaklaşımı eğitimlerimizde detaylıca öğretiyoruz, isteriz ki bunu kendi kendinize deneyimleyebileceğiniz bu siteyi de sıklıkla kullanırsınız.

Burada CBS’ye yeni başlıyor olsanız da CBS yazılımlarımızı yıllardır kullanan bir CBS uzmanı olsanız da işinize yarayacak eğitimler bulunmaktadır. Bu sitedeki üzerine iyi düşünülmüş eğitimler, problemleri kavramsallaştırma ve analiz etme, sonuçları değerlendirerek harita oluşturma ve paylaşma konularında daha iyi olmanıza yardımcı olacaktır.

Kendi kendinize istediğiniz zaman istediğiniz hızda alacağınız bu eğitimler Esri teknolojisiyle çözmeniz için size gerçek coğrafi problemler vererek, haritaların işlevselliğini de size öğretecektir. Yazılım işlevlerinden ziyade problem çözmeye odaklanarak ve CBS’nin her alanından karşınıza çıkması muhtemel senaryolarla çalışarak gündelik CBS görevlerinden çok daha derin bilgiler öğrenebilirsiniz.

Tamamen ücretsiz bir eğitim sitesidir. CBS teknolojisini ve kavramlarını hikayeler ve problemler üzerinden öğreten bir metotla çalışabileceğiniz sistemiyle kontrolü size bırakır. Kendi kendinize öğrenme üzerine tasarlanmıştır. ArcGIS Online, ArcGIS Pro, ArcMap üzerinden farklı işlevleri öğrenebileceğiniz gibi son güncellemeyle artık ArcGIS Enterprise yapısıyla da çalışabileceğiniz senaryolar eklenmiştir.

Senaryolar üzerine iyi düşünülmüş diyerek anlatmak istediğim, sadece ara yüzde bulunan butonlar, seçim araçları ya da topoloji kurallarını tek tek açıklamak yerine bizlere günümüz dünyasından gerçekte var olan bir problem vererek, nasıl çözülebileceği üzerinden ilerleyen eğitimlerle başarma hissini yaşatıyor. Örneğin küresel ısınma sonucu yükselen sular ya da hava kirliliğinin tahminlerini belirleyebileceğiniz senaryolar ya da işletmenizi sizin için en kârlı ve masrafsız nereye kurabileceğiniz gibi ya da seçim sonuçlarını anketlerden tahmin ederek seçim çalışmalarınızı nerelerde yoğunlaştırmanız gerektiğini bulabileceğiniz senaryolar bunlardan sadece birkaçı.

Buradaki çoğu ders bir hikâyeye dayanır, her bir eğitim senaryosu, arkada yatan olayla ilgili giriş bilgilendirmesinden sonra uygulamaya başlatır.

Ama gene de Learn ArcGIS’i Esri Türkiye’de bir eğitmen tarafından verilen tam teşekküllü eğitimlerimiz ya da esri.com/training sayfasındaki web kursları gibi değil de eğitimlerimize ek olarak katılımcıların öğrenme ve araştırma iştahlarını kabartacak leziz öğrenme tarifleri gibi düşünebilirsiniz. ?

LearnArcGIS’i kullanmak için herhangi bir Esri yazılımına sahip olmanıza gerek yoktur.

Örnek verilerle çalışabilmek için bir Learn ArcGIS deneme hesabı açmanız yeterlidir. Tabi isterseniz kendi kurumsal ArcGIS Online hesabınızla da çalışabilirsiniz. Eğer Learn ArcGIS deneme hesabı açarsanız 60 gün boyunca eğitimlerde ve kendi işlerinizde de kullanabileceğiniz ArcGIS Online’daki bulut tabanlı araçlara erişiminiz olacaktır. Learn ArcGIS hesabı oluşturduğunuzda ArcGIS Desktop veya Collector for ArcGIS ya da Explorer for ArcGIS ürünlerini gerektiren eğitimler için, bu yazılımların deneme sürümlerine de ulaşabilirsiniz.

Learn ArcGIS sitesi size CBS hakkında bilginizi geliştirebileceğiniz ücretsiz kitaplar da sunmaktadır.

Learn ArcGIS sitesi size CBS hakkında bilginizi geliştirebileceğiniz ücretsiz kitaplar da sunmaktadır.

Başta da bahsettiğimiz gibi bu eğitimlerde CBS hakkında bilgi sahibi olmanıza gerek bile yoktur, siteye kaydolduğunuzda en temelden başlayarak çok değişik alanlarda CBS’nin nasıl kullanılabileceğine dair birçok eğitime ulaşacaksınız. Emniyet güçlerinden, politikaya, tarihten, sağlığa ve bunlar dışında daha birçok sektörde örnek senaryolarla sorunları çözeceksiniz.

Dersler arasında arama ve sınıflara göre sıralama yaparak gezinebileceğiniz bir galeriden seçerek istediğiniz konudan çalışmaya başlayabilirsiniz. Bazı eğitimlerde haritalar ve diğer mecralarla hikayeler anlatmak isteyenlere de yardımcı olacaktır, Story Map’ler aracılığıyla yapılabilecekleri deneyimleyeceğiniz bu eğitimler sayesinde etkileyici hikayeler anlatabilirsiniz.

Yukarıda da bahsettiğimiz gibi bu site CBS’de haritalarla sorunları nasıl çözebileceklerini daha iyi anlamak isteyenlere çok faydalı olacaktır ama daha da önemlisi bu eğitimlerle “mekânsal düşünmek” dediğimiz yapıyı öğrenerek “Cevaplamak istediğiniz soruyu dikkatlice çerçevelendirdikten sonra, veri toplamak, analiz yapmak ve çıkan sonuçları değerlendirdikten sonra da sonuçları paylaşmak.” bir konu hakkında mekânsal düşünmeyi özetleyen yapıdır.

Buradaki eğitimler analizinizin cevaplamasını istediğiniz soruyu dikkatlice düşünmeyi, sonuçların dikkatlice yorumlanmasını ve haritalarınızı nasıl paylaşacağınızı sizlere gösterecektir.

Bu ve bunun gibi kaynaklar hakkında daha fazla bilgi almak için eğitimlerimize katılabilirsiniz.

Esri Türkiye 2019

Haritanızın Performansını Nasıl Arttırabilirsiniz?

Haritanızın Performansını Nasıl Arttırabilirsiniz?

Hedef kitlemize ulaşırken yaptığımız haritaların güzelliği ve anlattıkları ne kadar önemliyse, bu haritaları hızlı bir şekilde sunmak da bir o kadar önemli. Haritamızla anlatmak istediklerimizin çokluğu bazen hızdan feragat etmemize sebep olabiliyor ama içinde bulunduğumuz çağda hız, kullanıcı tarafında haritalarımızın tüketiminde çok önemli rol oynuyor. Bunu eğitimlerimizde katılımcılarımızdan gelen sorulardan da anlayabiliyoruz. Esri Türkiye bünyesinde yaptığımız eğitimlerde gelen sorulardan biri genellikle “Haritalarımızı nasıl hızlandırırız?” oluyor. Bu blog yazımızda kendi bilgisayarınızda yalnızca kendi kullanımınız için bir harita hazırlayacak olsanız da harita servisi olarak geniş kullanıcı topluluklarıyla paylaşacak olsanız da haritalarınızın performansını arttırabilecek püf noktalarına değineceğiz.

Haritalarınızı ister web’de paylaşın ister ArcGIS Desktop yazılımlarından birinde kullanın, görüntüleme işlemlerini hızlandırmak ve performansı arttırmak için uygulayabileceğiniz birçok teknik vardır. Daha hızlı görüntülenen bir harita, ArcGIS Desktop ortamında yapacağınız analizler için daha iyi bir kaynak oluştururken, ArcGIS Server üzerinden paylaştığınızda ise kullanıcılara daha iyi bir görüntüleme ve analiz deneyimi yaşatacaktır.

Performansı iyileştirmenin birçok yöntemi vardır ama bu yöntemlerin hepsi tek bir temel stratejiyi baz alır: bilgisayarınız çizimleri ekrana getirdiği sırada ne kadar az işlem kararı alırsa o kadar hızlı bir çizim yapar. Çoğu durumda sembolojide, data frame’de (veri çerçevesinde) veya harita katmanlarda yapacağınız birkaç küçük değişiklikle haritalarınızın görüntüleme hızının artmasında büyük fayda sağlayabilirsiniz.

Performans İçin Haritadaki Öğeleri Optimize Etme

Veri ayarlarınızı ve veriyi kullanma şeklinizi ArcGIS Desktop’ta performansı iyileştirmek için optimize edebilirsiniz. Veri kaynağının formatı da dahil olmak üzere birçok faktörün haritanızın hızında rolü vardır. Verinin konumu, katmanlar, veri çerçevesi ve harita çıktısındaki detayların ayarlarını değiştirerek çok büyük hız artışı sağlayabilirsiniz.

Verinizi hazırlamak

Veri formatını seçerken kullanıcı ihtiyacı, verinin kullanım amacı, boyutu, yapılacak analiz türleri veri bakım gereksinimleri gibi birçok faktör belirleyici olur. Bir haritanın en iyi performansta çalışması için verilerin uzaktaki bir makinede saklanması yerine, görüntüleyeceğiniz bilgisayarda bulunması hızı arttıracaktır.

Bununla birlikte çok büyük veri kümelerinden veri çekerek küçük alanların gösterimini yapacak haritalar için, verinin ArcSDE’den servis edilmesi, aynı veriyi dosyalara kaydetmeye kıyasla önemli performans avantajları sağlayacaktır.

Eğer haritanızı paylaşacaksanız ya da çoklu kullanıcı erişimine açacaksanız verinizi Personal Geodatabase’lerde (Kişisel coğrafi veri tabanlarında) saklamak doğru olmayacaktır.  Personal Geodatabase’ler bunun için tasarlanmamışlardır.

Veriyi hazırlarken dikkat edilmesi gereken birkaç ek husus:

  • Bütün projeksiyonları aynı yapmak: Data Frame’iniz ve altına eklediğiniz her katmanı mümkün olan her durumda aynı projeksiyon sistemine çevirmeniz veri düzenlerken ve paylaşıma hazırlarken çok önemlidir. Bütün katmanlar aynı projeksiyonda olduğu zaman sürekli olan on-the-fly projeksiyon hesaplamasına ihtiyaç kalmayacaktır. Bu durum ciddi bir performans artışına sebep olur.
  • Join ve Relate’le çalışmak: Verinize Join ya da Relate’le eklediğiniz sütunlarla semboloji, etiketleme, sorgu ve daha birçok işlem yapabilirsiniz. Ancak Join ve Relate’le veri eklemek performansınızı yavaşlatabilir. Bu yavaşlamadan kaçınmak için püf noktalarına buradan ulaşabilirsiniz.
  • Öznitelik ya da Mekânsal indeksleri kullanmak: Eğer veri kaynağınız izin veriyorsa sorgulamada ya da gösterimde kullandığınız sütunlarınızı indeksleyin. İndeksler her veri formatı için farklıdır. Shapefile’lar için buradan ve Geodatabase’ler (Coğrafi Veri Tabanları) için de buradan daha fazla bilgiye sahip olabilirsiniz. Bunlara ek olarak Geoprocessing çatısı verinizdeki öznitelikleri indekslemeniz için bir araca sahiptir, bu araç hakkındaki bilgiye de bu bağlantıdan ulaşabilirsiniz: Add_Attribute_Index.
  • Veriyi Basitleştirmek: Verinizin basitleştirilmiş ya da genelleştirilmiş versiyonlarını kullanmak da ciddi performans artışına sebep olur. Eğer küçük ölçekte gösterim yapacaksanız verinizin genelleştirilmiş veya basitleştirilmiş bir sürümüyle çalışırsanız zaten görünmeyecek olan detaylar için yazılımın hesaplama yapmasına gerek kalmayacaktır. Örneğin, Dünya kıyı şeritlerinin çok detaylı bir haritası tam ölçekte gösterildiğinde yavaş çalışacaktır, verteksleri azaltarak verinizi sadeleştirirseniz, sorgu ve tanılama yeteneklerinin performansının arttığını göreceksiniz.

Katmanları, Rasterları ve Çıktı Düzenlerini Optimize Etmek

Aslında performans artışı ve hız için yapabileceğiniz en kolay ve hızlı yöntem, gereksiz katmanları ve veri çerçevelerini (Data Frame) haritanızdan kaldırmaktır. Haritanın amacına hizmet etmeyen veri çerçevelerini ve katmanları kaldırmak, çıktı düzeninizdeki gereksiz harita öğelerini kaldırmak ciddi bir performans artışı sağlayabilir.

Bütün bunları yaptıktan sonra daha ileri bir performans artışı isterseniz aşağıdaki ek hususlara da bakabilirsiniz.

  • Belirli katman ve detayları otomatik olarak gizleyerek performansı artırmak: Katman gösteriminde performansı arttırmanın en iyi iki yoldan biri detayları sadece göstermenin uygun olduğu ölçek aralığında göstermektir ve diğeri ise özniteliklerden tanım sorgusu oluşturarak her detayın gösterilmesinden kaçınmaktır.
  • Eğer belirli bir ölçekte haritanızdaki bir katmanın görünmesine ihtiyacınız yoksa, o katman için ölçek bağımlılığını açarak, sadece belirlediğiniz ölçek değerlerinde görüntülenmesini sağlayabilir bu sayede performansı arttırabilirsiniz. Bu konuda bilgiye buradan ulaşabilirsiniz,
  • Tanım sorgusu yaparak haritanızdaki verinin miktarını kısıtlayabilirsiniz. Bir sorgu oluşturarak sadece dikkat çekmek ve gösterimini yapmak istediğiniz verilerin gösterilmesini sağlayabilirsiniz. Nasıl yapıldığını öğrenmek için buraya bakabilirsiniz,
  • Semboloji ve performans ilişkisi hakkında bilgi için buraya bakabilirsiniz,
  • Gösterim performansını optimize etmek için altlık haritaları kullanmak hakkında buradan bilgi alabilirsiniz,
  • Haritanızdaki verileri bilgisayarınız önbelleğine kaydedilmesini sağlamak: ArcMap detay önbelleklemesi haritadaki detayları geçici olarak bilgisayarınızın belleğine alarak veriye daha hızlı ulaşılmasını sağlar. Bu işlemin etiketleme, düzenleme, detay seçimi, birden çok katmanda kullanılan aynı detayın daha hızlı çağrılması gibi birçok işleme faydası vardır. Bu konuda daha fazla bilgi için buradan faydalanabilirsiniz,
  • Rasterları hızlandırmak için ise birden çok teknik kullanabilirsiniz. Görüntü kalitesini mümkün olduğunca düşük tutmak, doğru yeniden örnekleme yöntemini kullanmak ve raster’ı on-the-fly projeksiyon yerine kendi projeksiyonunda göstermek gibi yöntemleri kullanabilirsiniz. Bunların yanında piramitleme’de etkin bir performans arttırıcı yöntemdir. Raster’ları hızlandırmanın çeşitli yöntemlerini buradan inceleyebilirsiniz,
  • Çıktı düzenini ayarlarken veri çerçevelerinizin kenarlarını yuvarlak hatlı olması, arkaplan renklendirmeniz, çerçevelere gölge vermeniz gibi görselleştirme özellikleri performansı yavaşlatacaktır. Bu özellikleri veri çerçevesine sağ tıklayarak Properties (Özellikler), Frame (Çerçeve) yolundan ayarlayabilirsiniz.

ArcGIS Server ile Servis Edilecek Haritaları Optimize Etmek

Yukarıdaki haritaları optimize etme yöntemleri ArcGIS Server’la servis edilecek haritalarda da işe yarar. Bu yöntemlere ek olarak bu bağlantı altındaki yöntemlerden de yararlanabilirsiniz. Haritayı servis etmeden önce hedef kitleye göre tasarlayarak, gerekmeyen hiçbir öğeyi ve katmanı eklemeyerek baştan performans düşüşlerinin önüne geçebilirsiniz. Amaçlanan uygulama için gerekmeyen her veri çerçevesini kaldırıp, varsayılan olarak sadece birkaç katmanın gösterilmesini sağlayarak hızı arttırabilirsiniz. Kullanıcılar ihtiyaçları olan katmanları kendileri açıp kapatarak performansı kendileri belirleyebilir.

Önbelleklenmiş harita servisi kullanmak her zaman harita servisi sunmanın en hızlı yoludur. Çünkü harita önbelleği oluşturulduğunda görüntüleme de oluşturulur. Ama bu yöntem pek de dinamik değildir ve sürekli veri değişikliklerine uygun bir yöntem değildir. Önbelleklenmiş harita servisi kullanmak işinize uygun olmadığı zamanlarda bu blog yazısındaki diğer yöntemler performans artışı için çok işinize yarayacaktır.

Performansı haritalar oluşturmak için burada değindiğimiz ve daha birçok yöntem için ArcGIS 1 & 2 CBS’ye Giriş & Temel Uygulamalar eğitimimize katılabilirsiniz.

Esri Türkiye 2019

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.

Sentinel 2 Uydu Görüntüleriyle Esri Sentinel-2 Explorer Web Uygulaması Aracılığıyla Çalışmak

Sentinel 2 Uydu Görüntüleriyle Esri Sentinel-2 Explorer Web Uygulaması Aracılığıyla Çalışmak

Sentinel-2 Explorer Web App‘i sayesinde 13 ön tanımlı bant değerleriyle gösterimler yapabilir, ArcGIS Online hesabınızla giriş yaparak 14 ay önceye giden görüntüler arasından değişim tespiti gibi analizler yapabilirsiniz. Avrupa Uzay Ajansı’nın GMES (Global Monitoring for Environment and Security) programının devamı olan Copernicus projesinin geniş kapsamlı gözlem uydusu Sentinel-2, Dünya yüzeyini sürekli olarak gözlemleyerek elde ettiği yüksek çözünürlüklü multi-spektral (çoklu spekturumlu) ve multi-temporal (çoklu zamanlı) veriler sürekli olarak paylaşılmakta. Sentinel-2’nin multi-spektral görüntüleri yüksek çözünürlüklü 13 banttan oluşmakta ve 3 görünür aralık ve yakın kızıl ötesi bantları için 10 metre çözünürlüğe sahipken, Red Edge ve Kısa dalga kızılötesi 6 bant için 20 metre ve son olarak 3 atmosferik bant için ise 60 metre çözünürlükte veri sağlamaktadır.

Ön tanımlı bant aralıklarından ya da endeks görüntüleme seçeneklerinden istediğinizi seçebilir ve bunlara ek olarak bantları ve endeksleri özelleştirerek analizler yapabilirsiniz.

Uydunun bu kadar geniş aralıkta bantta veri sağlamasının yanında en büyük faydası; bu servis ile paylaşılan bütün yersel görüntülerin 5 ila 7 günde bir tekrar aynı konumdan geçerek yakın aralıklı zamansal veriler kaydetmesidir.

Bitki örtüsü değişiklikleriyle ilgili yüksek çözünürlüklü hassas ve sık zaman aralıklı görüntüleri sayesinde tarım ve orman koşullarının iyileştirilmesi, arazi örtüsü değişikliklerinin izlenmesi gibi amaçlar için çok faydalı olan uydu, tüm Dünya’ya ait görüntü sağlamasıyla acil durum ve afetlerin yönetimine yardımcı olmaktadır.

Görüntüleme seçenekleri arasından hızlıca seçim yapabilirsiniz.

Esri ise bu multi-spektral verileri ArcGIS Image Server yetenekleri sayesinde çok daha hızlı bir şekilde erişilebilir ve analiz edilebilir hale getirerek ArcGIS Living Atlas of the World aracılığıyla herkesin kolayca analizler yapabileceği şekilde bizlerin kullanımına sunuyor.

ArcGIS Online hesabınız sayesinde 14 ay öncesine kadar olan yersel görüntüler arasından tercihlerde bulunarak değişim tespiti yapabilirsiniz.

ArcGIS Image Server alt yapısıyla AWS bulut hizmetinin Frankfurt bölgesindeki sunucularından servis yaparak Avrupa bölgesi için çok hızlı erişime izin veren proje ArcGIS Desktop yazılımlarının ara yüzünden çağırabileceğiniz ve analizler yapabileceğiniz bu görüntüler aynı zamanda Esri’nin Sentinel 2 Explorer web uygulamasıyla internet tarayıcınızla ulaşabileceğiniz şekilde herkese açık olarak da paylaşılmaktadır.

Çeşitli ön tanımlı gösterimler arasından tercihlerde bulunabilirsiniz.

Eğer Web App ara yüzünden ArcGIS Online hesabınızla giriş yaptığınız da güncelleme aralığı 5 gün olan görüntülerden 14 ay kadar geriye kadar giderek değişim ve karşılaştırma analizleri yapabilirsiniz. Herhangi bir konumdaki görüntü her 5 günde bir uydunun tekrar geçmesiyle güncellenir ve bu güncellenen veriyle her gün 14 aydan eski tarihli görüntüler kullanımdan çekilmektedir.

Değişim tespiti yapabilir ve bu katmanı ArcGIS Online hesabınıza kaydederek daha sonra ArcGIS Desktop’ta kullanabilirsiniz.

Bir Web App olan ve sentinel2explorer.esri.com adresinden ulaşabileceğiniz Sentinel 2 Explorer ile çevresel faktörlerin daha iyi anlaşılması için bitki örtüsü sağlığı veya toprak nemi gibi özellikleri gösteren endeksler oluşturmak ve zaman içindeki değişiklikleri ölçmek için doğrudan görüntü üzerinden analiz yapabilirsiniz.

ArcGIS Online’dan, internetten ve yerel bilgisayarınızdan veriler ekleyebilir ve bunlarla çalışabilirsiniz.

Aşağıdaki ön tanımlı bant kombinasyonlarıyla endekslere hızlı erişim sağlanır, Sentinel-2 uydusundan gelen görüntülerin dalga boyu aralığı ve bantlara göre çözünürlükleri aşağıdaki tabloda bulunmaktadır.

Band Açıklama Dalga Boyu (µm) Çözünürlük (m)
1 Kıyılar ve Aerosol (Coastal/Aerosol) 0.433 – 0.453 60
2 Mavi (B) 0.458 – 0.523 10
3 Yeşil (G) 0.543 – 0.578 10
4 Kırmızı (R) 0.650 – 0.680 10
5 Vejetasyon Red Edge 0.698 – 0.713 20
6 Vejetasyon Red Edge 0.733 – 0.748 20
7 Vejetasyon Red Edge 0.773 – 0.793 20
8 NIR (Yakın Kızıl Ötesi) 0.785 – 0.900 10
8A Narrow NIR (Daraltılmış Yakın Kızıl Ötesi) 0.855 – 0.875 20
9 Su buharı (Water vapour) 0.935 – 0.955 60
10 SWIR – Cirrus (Kısa Dalga Kızıl Ötesi) 1.365 – 1.385 60
11 SWIR-1 (Kısa Dalga Kızıl Ötesi-1) 1.565 – 1.655 20
12 SWIR-2 (Kısa Dalga Kızıl Ötesi-2) 2.100 – 2.280 20

Çalışmalarınızı yerel bilgisayarınıza ve ArcGIS Online hesabınıza kaydedebilirsiniz.

Görüntüleme seçenekleri için açıklamalara aşağıdaki bağlantılardan ulaşabilir ve bu katmanlarla ArcGIS Online hesabınızda ya da ArcGIS Desktop üzerinde çalışabilirsiniz:
Agriculture with DRABathymetric with DRAColor-Infrared with DRANatural Color with DRAShort-wave Infrared with DRAGeology with DRANDMI ColorizedNormalized Difference Built-Up Index (NDBI)NDWI RawNDWI – with VRE RawNDVI – with VRE Raw (NDRE)NDVI – VRE only RawNDVI RawNormalized Burn RatioNDVI Colormap.

Esri Türkiye 2019