CBS103U-COĞRAFİ BİLGİ SİSTEMLERİNE GİRİŞ
Ünite 5: Mekânsal Analiz
Giriş
Bütün alanlarda olduğu gibi Coğrafi Bilgi Sistemleri (CBS) ile ilgili de gelişmeler yaşanmaktadır. Bu gelişmelerden biri de mekânsal analizlerin ortaya çıkması ve bilgisayarlar yardımıyla çok daha kompleks işlemlerin gerçekleştirilebilmesidir. Mekânsal analiz yöntemleri, karar destek yapıları olarak Coğrafi Bilgi Sistemleri’nde her zaman önemli bir yere sahip olmaktadır.
Ölçme, Sorgulama ve Sınıflama
Mekânsal analiz, mevcut verilerin konuma dayalı olarak modellenmesi ve işlenmesi yoluyla anlamlı sonuçlar ortaya çıkarılması sürecidir.
Ölçüm İşlemleri
Ölçüm işlemi; bilinmeyen bir büyüklüğün gözlem yoluyla, aynı türden olan bir ölçüt ile karşılaştırılarak, bilinen ölçü türünde sayı veya sembollerle belirtilmesidir. Mekânsal analiz yapılırken ölçüm işlemleri lokasyon, mesafe, uzunluk ve alan hesaplamalarında kullanılır. Ölçüm işlemi katmandaki verilerin vektör veri tipinde (noktasal, çizgisel, alansal) veya raster veri tipinde olmasına göre farklı şekillerde gerçekleştirilmektedir.
Lokasyon bilgisi, noktasal veriler için bir koordinat çiftini (x,y) içerirken çizgisel ve alansal verilerde birden fazla koordinat çiftinden meydana gelmektedir.
Mesafe ölçümü, iki nesne arasındaki uzaklığın ölçümüdür ve çeşitli yöntemler kullanılarak gerçekleştirilmektedir.
Uzunluk bilgisi, çizgisel ve alansal veriler için sınırlarındaki düğüm noktaları (vertex) arasındaki mesafelerin toplamı olarak hesaplanır.
Alan bilgisi, alansal verilerde sınırlar içerisinde kalan alan olarak hesaplanmaktadır. Raster verilerde alan hesaplaması, hesaplanacak alan içerisindeki hücrelerin sayısı ile bir hücrenin alan değeri çarpılarak yapılmaktadır.
Mekânsal Seçim Sorguları
Elimizdeki verilerin gözden geçirilmesi, işlenmesi, hataların düzenlenmesi ve analiz yapılabilmesi için öncelikle kullanılacak verilerin seçilmesi gerekmektedir. Seçim işlemleri için mekânsal seçim sorguları kullanılmaktadır. Mekânsal seçim sorguları mekânsal veriler ya da mekânsal verilerle ilişkili öznitelik verileri üzerinde koşullar oluşturularak çalıştırılabilir.
İnteraktif Mekânsal Seçim
Mekânsal verilerin gösterildiği çalışma alanı üzerinde imleç yardımıyla nokta, çizgi veya geometrik şekil çizilerek oluşturulan sınırla kesişen, birleşen, içinde kalan ve çakışan veriler seçilir (Şekil 5.1a). Seçilen mekânsal veriler ile ilişkili olan öznitelik verileri de otomatik olarak seçilir (Şekil 5.1b). Kullanılan CBS yazılımına bağlı olarak işaret imleci ile seçim, daire şeklinde seçim, kare şeklinde seçim gibi yöntemlerle seçim yapılabilmektedir.
Öznitelik verilerinin görüntülendiği tablo ekranında ise, satırların tekli ya da çoklu seçilmesi işlemidir. Seçilen öznitelik verileri ile birlikte mekânsal verilerde otomatik olarak seçilir (Şekil 5.2b).
Öznitelik Koşullarıyla Mekânsal Seçim
Öznitelik verileri üzerinde koşullu seçim yapabilmek için SQL sorguları kullanılmaktadır. CBS uygulamalarında sorguların yazılmasını kolaylaştıran çeşitli yardımcı arayüzler bulunmaktadır. Bu arayüzler aracılığı ile sorgu çalıştırılacak tablolar seçilmekte ve gerekli koşullar sorguya eklenmektedir. Koşul oluşturmak için sıklıkla kullanılan operatörler;
1. eşittir (=) operatörü
2. küçüktür (<) operatörü
3. büyüktür (>) operatörü
4. küçük eşittir (<=) operatörü
5. büyük eşittir (>=) operatörü
6. eşit değildir (< >) operatörü
7. ve (and) operatörü
8. veya (or) operatörü
9. benzer (like) operatörü
10. değil (not) operatörü
11. is operatörü
olarak sıralanabilir
Topolojik İlişkileri Kullanarak Mekânsal Seçim
Topolojik ilişkilere göre mekânsal seçim yapma işleminde nesnelerin konumsal verileri ve bu veriler arasındaki ilişkiler kullanılmaktadır. Bu kapsamda oluşturulan sorgular aynı katman üzerinde yapılacağı gibi birden fazla katman birlikte kullanılabilir. Aynı şekilde oluşturulan koşullara öznitelik verileri de eklenerek daha detaylı seçim işlemleri yapılabilir. Topolojik ilişkileri kullanarak mekânsal seçim işlemleri CBS uygulamaları arasında farklılıklar göstermektedir ancak çoğu uygulama tarafından desteklenen sorgu araçları;
• kesişenleri seçme işlemi • belirli uzaklıkta olanları seçme işlemi • içine düşenleri seçme işlemi • tümüyle içine düşenleri seçme işlemi • içinde olduğunu seçme işlemi • tümüyle içinde olduğunu seçme işlemi • sınırına dokunanları seçme işlemi • ortak kenar paylaştıklarını seçme işlemi • benzerlerini seçme işlemi
olarak listelenebilir
Sınıflama İşlemleri
Sınıflama işlemi bir katmandaki nesneleri oluşturduğumuz kurallar dahilinde gruplandırma işlemidir. Gruplandırma yoluyla oluşan sınıflar ihtiyaç dahilinde analiz sonucu ya da sonraki analiz işlemlerinde kullanmak için ön çalışma niteliği taşıyabilir. Sınıflama işlemleri kontrollü
(supervised) veya kontrolsüz (unsupervised) olmak üzere 2 şekilde gerçekleştirilir. Kontrollü sınıflama işlemlerinde, kontrol noktaları kullanıcılar tarafından belirlenir ve sınıflama işlemi gerçekleştirilir. Kontrolsüz sınıflama işleminde, kontrol aralıkları ve sınıf tanımlamaları kullanılan algoritma tarafından belirlenir ve sınıflama işlemi gerçekleştirilir.
Temel İşlemler
Mekânsal analiz işlemlerinde birden fazla nesne veya katmanın analize hazır hâle getirilebilmesi için çeşitli işlemlerden yararlanılmaktadır. Bu işlemlerden sıklıkla kullanılanları; çakıştırma, birleştirme, kesme, silme ve sınır kaldırma işlemleridir.
Çakıştırma İşlemleri (Map Overlay)
Çakıştırma işlemleri iki veya daha fazla katmanın belirlenen kurallara göre çakıştırılarak yeni bir katman elde edilmesi işlemidir. Çakıştırma işlemi vektör veriler ve raster veriler olmak üzere iki farklı şekilde gerçekleştirilmektedir.
Vektör Çakıştırma İşlemleri
Vektör çakıştırma işlemi noktasal, çizgisel ve alansal nesnelerin alansal nesnelere çakıştırılması şeklinde üç yöntemle gerçekleştirilmektedir. Noktasal nesneleri içeren katmanın alansal nesneleri içeren katmanla çakıştırılması yöntemiyle oluşturulan yeni katman, iki katmandan gelen öznitelik verilerini de içeren noktasal nesnelerden oluşur.
Alansal nesneleri içeren katmanın alansal nesneleri içeren katmanla çakıştırılması yöntemiyle oluşturulan yeni katman, iki katmandan gelen öznitelik verilerini de içeren alansal nesnelerden oluşur
Raster Çakıştırma İşlemleri
Raster çakıştırma işlemi, raster verilerin yapısından kaynaklı olarak katmanlar piksel piksel çakıştırılmaktadır. Kullandığımız analiz yöntemi ve parametrelere göre ayrı ayrı tüm pikseller için hesaplanan değerler yeni katmana eklenmektedir. Raster çakıştırma işlemi, vektör çakıştırma işlemine göre daha basittir. Bu nedenle genel olarak raster çakıştırma işlemi kullanılmaktadır. Katmanlarda çakıştırma yapmak için öncelikle bir çakıştırma fonksiyonu oluşturmamız gerekmektedir. Katmanlardan gelen farklı türden veriler bu fonksiyona parametre olarak girilir ve sonuç katmanında oluşturulacak veriler fonksiyonun çıktısı olarak tespit edilir. Raster verilerin çakıştırılması sırasında amaca ve mevcut verilerin yapısına bağlı olarak çeşitli işlemler kullanılmaktadır. Bu işlemler aritmetik ve mantıksal olarak iki ana grupta değerlendirilebilir.
Birleştirme İşlemleri
Birleştirme işlemi iki katman üzerindeki nesnelerin özelliklerini birleştirerek sonraki analiz işlemlerinde kullanılması amacıyla gerçekleştirilir. İki katmandaki öznitelik verileri birleştirilerek yeni bir öznitelik veri tablosu oluşur. Şekil 5.17’de alansal veri türündeki nesnelerin parametre olarak kullanıldığı birleştirme işlemi
gösterilmiştir. Farklı katmanlardaki gri ve sarı renkte gösterilen iki nesne birleştirilerek, yeşil renkli yeni nesne ortaya çıkarılmıştır. Birleştirme işlemi ile oluşan yeni nesne, iki nesnenin de özelliklerini taşımaktadır düzenlenmiştir.
Kesme İşlemleri
Kesme işlemi, bir katmandaki özelliklerin diğer katmandaki özelliklere kesişim bölgesi dahilinde eklenmesi için kullanılır. Örneğin yapılacak yeni bir yol düzenlemesinde yolun geçeceği alanlardaki arazi kullanım türlerini tespit etmek için kullanılabilir. Şekil 5.18’de alansal veri türündeki nesnelerin parametre olarak kullanıldığı kesme işlemi gösterilmiştir. Farklı katmanlardaki mavi ve sarı renkte gösterilen iki nesne kesme fonksiyonuna verilerek, yeşil renkli yeni nesne ortaya çıkarılmıştır.
Silme İşlemleri
Silme işlemi, bir katmandaki nesne ya da nesnelerin, başka bir katman ile kesişen kısımlarındaki bölümlerini temizleyerek ihtiyaç duyulan daha küçük bir çalışma alanı sağlanması için kullanılmaktadır. Şekil 5.19’da farklı katmanlardaki alansal veri türündeki nesnelerin parametre olarak kullanıldığı silme işlemi gösterilmiştir. Farklı renklerle gösterilen nesne üzerinde sarı renkli nesne kullanılarak silme işlemi gerçekleştirilmiş ve yeni nesne ortaya çıkarılmıştır.
Silme Kaldırma İşlemleri
Sınır kaldırma işlemi, bir katmandaki sınırları çakışan iki nesnenin arasındaki sınırın kaldırılarak tek bir nesne oluşturulması için kullanılmaktadır. Şekil 5.20’de alansal veri türündeki nesnelerin parametre olarak kullanıldığı sınır kaldırma işlemi gösterilmiştir. N1 ve N2 kodlu tarım alanları arasındaki sınır kaldırılarak N7 kodlu nesne, N4 ve N5 kodlu mera alanları arasındaki sınırlar kaldırılarak N8 kodlu nesne oluşturulmuştur.
Temel Mekânsal Analizler
Mekânsal analiz yapılırken ihtiyaçlar dahilinde birden fazla analiz işlemi arka arkaya yapılarak sonuç elde edilmektedir. Ara sonuç ya da işlem sonucu ortaya çıkarmak için sıklıkla kullanılan analiz yöntemleri yüzey analizleri, sayısal arazi modeli, yakınlık analizleri ve ağ analizleridir.
Yüzey Analizleri
Arazi yer şekilleri üzerinde çalışılması ve çeşitli sonuçların elde edilerek görselleştirilmesi işleminde yüzey analiz yöntemlerinden yararlanılmaktadır. Yüzey analizleri ile işlem sonuçları çıkarılabileceği gibi sonraki yapılacak analizler için hazırlık işlemi olarak uygulanabilir. Yüzey analizleri yapabilmek için öncelikle yüzey modelleri oluşturulmalıdır. Yüzey modelleri düzenli ve düzensiz topolojik modelleme olmak üzere iki farklı yöntemle üretilmektedir.
Düzenli topolojik model, Sayısal yükseklik modeli (SYM) olarak da bilinmektedir. Sayısal yükseklik modeli x,y,z
şeklinde 3 boyutlu olarak arazinin yükseklik bilgilerinin yer aldığı raster verilerden oluşur.
Düzensiz topolojik model, düzensiz üçgenler ağı olarak da bilinmektedir. Düzensiz üçgenler ağı, birbiri üstüne çakışmayan üçgen şeklindeki vektör verilerden oluşur. Vektör verilerden oluştuğu için analiz yöntemlerinde kullanılması SYM’lere göre daha zordur. Yüzey modeli oluşturma işleminden sonra yapılmak istenen analiz gerçekleştirilir. En çok kullanılan yüzey analiz yöntemleri eğim, bakı, profil çıkarma, gölgelendirme, eş eğri, görünebilirlik ve hacim analizleridir.
Yakınlık Analizleri
Yakınlık analizi, bir nesne ile diğer nesnelerin arasındaki yakınlığın hesaplanması ve bu hesaplama bilgilerinin analiz edilmesi işlemini kapsar. Yakınlık için uzunluk ölçüleri ile mesafe tespiti dışında ulaşım zamanı, gürültü seviyesi gibi başka ölçüm metodları da kullanılabilir. Raster veriler ve vektör veriler üzerinde çeşitli yakınlık analizleri uygulanabilir. En çok kullanılan yakınlık analizi metodu tampon bölge oluşturma işlemidir. Tampon analizi, seçilen noktasal, çizgisel veya alansal bir nesneden belirlenen uzaklıktaki alanların tespit edilerek tampon bölge oluşturulması işlemidir. Risk ve Etki alanı belirleme işlemleri için kullanılabilir.
Ağ (Network) Analizleri
Ağ analizleri birbirine bağlı çizgisel nesneleri kullanarak noktalar arasında gerçekleşecek hareketlerin incelenmesi ve işlenmesi amacıyla uygulanan analiz yöntemleridir. Vektör veriler üzerinde işlemler gerçekleştirilir. Çizgisel nesnelerdeki hareket yönü (tek yönlü/çift yönlü), kullanım ve taşıma limitleri gibi analizde kullanılacak kısıtlamalar belirlenmelidir. Ağ analizleri;
• en kısa yol tespiti, • rota oluşturma, • en yakın durak noktaları tespiti, • servis alanlarının tespiti, • filo yönlendirme
gibi işlemler için kullanılmaktadır.
Enterpolasyon (Ara Değer Kestirimi)
Enterpolasyon, bilinen mekânsal verileri ve mekânsal verilere bağlı öznitelik verilerini kullanarak bilinmeyen konumlardaki mekânsal verileri veya mekânsal verilere bağlı öznitelik verilerini çeşitli algoritmalar kullanarak tahminleme işlemidir. Enterpolasyon işlemi bir katmanda uygulanır ve ilgili katmandaki bilinen veriler ile bilinmeyen verilerin yakınlıklarına ve benzer öznitelik verilerine göre çeşitli algoritmalar kullanılarak gerçekleştirilmektedir. Bilinen verilerin miktarı ve doğruluğu, bilinmeyen konumlardaki veri tahminleme işleminin doğruluğunu etkileyen en önemli faktördür. Bilinen verilerin miktarı ve doğruluğu ne kadar yüksekse tahminlenen verilerin doğruluğu da o kadar yüksek olmaktadır. Enterpolasyon işlemini gerçekleştirebilmek için öncelikli olarak modelleme yapılmalı ve oluşturulan gruplara/modellere
göre tahminleme algoritmaları kullanılmalıdır. Gruplandırma/modelleme işleminde etki alanına bölme (Voronoi Polygons) veya hücrelere bölme şeklinde iki yöntem uygulanmaktadır.
Etki Alanına Göre Ara Değer Kestirimi (Voronoi Polygons)
Etki alanına göre ara değer kestirim işlemi, bilinen verilere sahip noktalar arasında sınırlar oluşturarak çalışma alanını bölgelere ayırma yöntemidir. Bu yöntemin temel özelliği, verileri bilinen noktaları kullanarak çalışma alanındaki etki alanlarının tespit edilmesidir. Voronoi poligonları oluşturulurken çeşitli algoritmalar kullanılmaktadır. CBS’de en çok kullanılan voronoi poligonu oluşturma algoritması Öklid mesafe (Euclidean distance) ölçümü yöntemidir.
Hücrelere Ayırarak Ara Değer Kestirimi
Hücrelere ayırarak ara değer kestirim işleminde, çalışma alanı hücreler şeklinde parçalanarak bilinen veriler yardımıyla bilinmeyen verilerin tespiti yapılır. Hücrelere ayırma işlemi için öncelikle bir model oluşturulur ve oluşturulan model kullanılarak parçalama işlemi gerçekleştirilir. Modeli oluşturan algoritmalar, deterministik model ve stokastik model olmak üzere iki sınıfta değerlendirilebilir. Deterministik model yardımıyla ara değer kestirimi işleminde (deterministik yöntemler), bilinmeyen veriler için tahminleme yapıldıktan sonra hata değerlendirmesi yapılmaz. Stokastik model yardımıyla ara değer kestiriminde (jeoistatistik yöntemler), bilinmeyen veriler için tahminleme yapılırken tahmini varyans üretilerek hata oranı azaltılmaya çalışılmaktadır.
Hücrelere ayırarak ara değer kestirimi işlemi, bilinmeyen bir değer için tahminleme yapılırken bilinen verilerin kullanım miktarına göre global ve lokal olarak iki şekilde uygulanmaktadır. Global enterpolasyon işleminde bilinen tüm veriler kullanılırken lokal enterpolasyon işleminde yakınlık veya benzerlik durumlarına göre bilinen verilerin bir kısmı kullanılmaktadır.
Ters Mesafe Ağırlıklı Enterpolasyon (Inverse Distance Weighted/IDW)
Ters mesafe ağırlıklı enterpolasyon yöntemi, öznitelik verisi bilinmeyen bir noktadaki verinin tahminlenmesi işleminde, daha yakındaki noktaların daha uzaktaki noktalardan daha benzer olduğu varsayımından hareketle, mesafeye göre ters orantılı olarak ağırlıklandırma yapmaktadır. Tahminleme yapılan noktaya daha yakın noktalardaki verilerin ağırlığı daha yüksek, daha uzak noktalardaki verilerin ağırlığı daha düşük tutularak bir ara değer kestirim işlemi yapılır.
Kriging Enterpolasyon
Kriging enterpolasyon yöntemi; diğer enterpolasyon yöntemlerindeki gibi bilinmeyen öznitelik verilerinin tahminlenmesi işleminde, öznitelik verisi bilinen noktaların öznitelik verisi bilinmeyen noktaya olan mesafelerine göre ağırlıklandırma yaparken bir varyans değeri hesaplayarak
ağırlıklandırma işlemindeki hata oranını en aza indirmeyi hedefler. Varyans değerini kullanarak yapılan kriging enterpolasyon ağırlıklandırmasındaki temel amaç, noktalar arasındaki mesafenin tahminlenen öznitelik verisindeki değişim oranına etkisini de tahminlemektir.
Kriging enterpolasyonun genel yapısını barındıran çeşitli enterpolasyon türevleri bulunmaktadır. Bu türev yöntemlerden bazıları;
• basit (simple) kriging, • normal (ordinary) kriging, • kapsamlı (universal) kriging, • blok kriging, • ko-kriging
şeklinde sıralanabilir.