Gezegeni ve gezegeni oluşturan tüm sistemleri analiz edip sınırsız olan insan gereksinimlerini sınırlı kaynaklarla karşılamaya, bunları yönetmeye ve bu sınırlı kaynakların nasıl kullanılması, önceliklerin nasıl şekillendirilmesi gerektiğini belirlemeye yarayan bir sistem olduğu şeklinde ifade edilmektedir.

Karşımıza 21. Yüzyıl dünyasında çıkan çevre sorunları, küresel iklim değişiklikleri, giderek artan bölgesel çatışmalar ve savaşlar, artan afet maruziyetleri gibi sorunlar çıkmaktadır. Bu sorunların yönetimi için konumsal verileri modellemek önemli hale gelmektedir.

Veri ve bilgi birbirleriyle aynı anlamda kullanılan iki farklı kavramdır. Veri, temel anlamda bilgiyi elde etmek için kullanılan işlenmemiş gerçekler ve malzemelerdir. Yani veri, aslında bilgiye ulaşmak için kullanılan sistemli gerçekler bütünü, her türlü işaret, harf ve rakamlar topluluğudur. Bilgi ise bir amaç doğrultusunda işlenmiş veridir. Bilgi, ilgili verilerin işlenmesiyle ortaya çıkan, mevcut ya da olası bir karar verme sürecinde kullanılan işlenmiş gerçekler ve malzemelerdir.

Coğrafi veri, coğrafi bilginin temsil biçimidir ve evrende bir konumu olan nesnelere ilişkin olarak tanımlanır. Coğrafi bilgi sistemleri dahilinde düşündüğümüzde coğrafi veri, coğrafi bilginin bilgisayar ortamında temsil biçimidir. Coğrafi bilgi, bilgisayar ortamında, nokta, çizgi, alan şeklinde vektör veri biçiminde; hücreler şeklinde raster veri biçiminde temsil edilebilir. Örneğin akarsular, yollar, elektrik hatları çizgi, binalar alan, ağaçlar nokta şeklinde temsil edilebilir.

Coğrafi bilgi, coğrafi verilerin işlenmesi, analiz edilmesi neticesinde ortaya çıkar. Coğrafi bilgi ile herhangi bir nesnenin nerede olduğu veya yeryüzünün herhangi bir konumunda neler olduğunu tanımlayabilmemiz mümkündür. Neredeyim, ülkemizin komşuları kimlerdir gibi soruların yanıtlarının tümü coğrafi bilgidir.

Coğrafi bilgi sistemlerine girdi teşkil eden verileri konumsal veri ve öznitelik verisi olmak üzere iki ana grupta gruplandırabiliriz.

Konumsal veriler yeryüzündeki herhangi bir nesnenin coğrafi olarak nerede olduğunu, yani coğrafi konumunu belirlemek için kullanılır.

Öznitelik verisi konumsal nesne ile ilişkili konum bilgisi içermeyen özelliklerin her biridir. Bunu bir ağaç örneği ile örneklendirecek olursak, ağacın nerede olduğuna dair soruya cevap olarak verdiğimiz koordinat değerleri konumsal veri; ne, nasıl, hangi gibi sorulara cevap olarak verdiğimiz ağacın türü, çapı, yüksekliği, yaşı vb. veriler ise özentilik verisidir.

Yeryüzü üzerinde yer alan bir nesnenin temsil edilmesi için bir yöntem ortaya konmasıdır. Temel anlamda dünyayı basitçe bir küre olarak, dünyada yer alan bir bölgeyi ve o bölgeye ait çeşitli özellikleri harita olarak, grafiksel ya da bilgisayar ortamında vektörel şekilde ya da resim içindeki farklı piksel değerleriyle modelleyebiliriz.

Model tasarlamada kullanılan en iyi yaklaşımlar, modelin detayının farklı görünümlerini sağlayan, alt modellerin veya bağımsız model kümelerinin olduğu yaklaşımlardır.

Bunlar; gösterimli (representation) modeller, uygunluk (suitability) modeller ve süreç (process) modellerdir.

Yeryüzündeki objeler (binalar, akarsular, ormanlar vb.) benzer özelliklere göre kategorize edilerek tabakalarla gösterilirler. Bu gösterimler kullanılarak coğrafi objeler arasındaki temel statik mekânsal ilişkiler yakalanır.

En uygun lokasyonu bulmakta kullanılırlar (işyeri, okul, arazi doldurma, acil durum boşaltım bölgesi vb.). Birtakım kriterler belirlenip bu kriterleri sağlayan farklı tabakalardaki objeler kullanılarak istenilen uygunlukta yerler bulmamıza yardımcı olurlar.

Süreç modelleri gösterimli modellerde tanımlanan coğrafi objeler arasındaki etkileşimi tanımlayan daha karmaşık problemleri ifadede kullanılır. Yapılması düşünülen bir barajın arkasındaki taşma alanının belirlenmesi veya bir orman yangınının yayılma alanının tahminini belirleme gibi süreç ihtiva eden karmaşık olayların modellemesidir.

İki temel yolla yapılmaktadır. Bunlar; raster veri
modeli ve vektör veri modelidir.

Raster ve vektör veri modellerinin kendilerine
özgü bazı avantaj- dezavantajları şunlardır:
? Raster verilerin boyutları vektör verilere göre
daha büyüktür.
? Bazı konumsal analizleri (çakıştırma, yakınlık
vb) raster verilerle yapmak daha kolaydır.
? Ağ analizlerinde vektör veri tercih edilir.
? Raster veri yapısı, vektör veriye göre daha
basittir.
? Vektör veriler daha hassastır.
? Vektör verilerde ilgili konumsal nesnelerin
öznitelik bilgilerine ulaşma ve güncelleme daha
kolaydır.

Vektör veri modeli en temel şekliyle üç ana
gösterim şeklinde oluşur. Bunlar; nokta, çizgi, poligon
olarak sıralanabilir. Nokta veri gösterimi ağaç, elektrik
direği, kuyu, zirve noktası, verici vb. nesneler için uygun
bir gösterim şekliyken, poligon veri gösterimi binalar,
tarım alanları, ormanlar, göller, arsa sınırları vb. coğrafi
varlıklar için uygun olacaktır. Çizgi gösterim şekli ise
modellediğimiz nesneler içinde yol, akarsu, elektrik hattı,
sınırlar, demir yolu, kara yolları vb. nesneler için uygun
olacaktır.

Raster veri, grafik nesneleri hücrelere bağlı
olarak temsil eder. Bir kağıt parçası üzerine çizilmiş
birkaç çizgi düşünün. Raster veri modelinde kâğıt her biri
hücre (grid) denilen küçük karelere bölünür, bu karelerin
her birine piksel denilir. Biz bu kareleri ne kadar
küçültürsek, kağıt üzerine çizilmiş çizgileri bu kareleri
boyayarak temsil etme oranımız giderek artar. Kareler
büyüdükçe kağıt üzerindeki çizgilerin boyalı küçük
karelerle temsiliyeti o derece düşer. Piksel dediğimiz bu
karelerin her biri o resmin en küçük birimidir. Raster veri
bu tablolardan oluşmuş bir tablo gibidir. Tabloda satır ve
sütunlar bulunmaktadır, pikselin konumu hangi satır ve
sütunda olduğuna göre belirlenmektedir.

Çözünürlük konumlandırılmış verinin piksel
boyutu ile tanımlanır ve piksel büyüklüğü verinin gösterim
hassasiyetini belirler. Çözünürlük değeri küçüldükçe
nesnelerin ayırt edilebilirliği artacaktır. Örneğin bir uydu
görüntüsü için 5 metre çözünürlükte yeryüzündeki bazı
cisimler ayırt edilemezken çözünürlük 1 metreye
çıktığında detaylar belirginleşecektir. Ancak çözünürlük
arttıkça veri büyüklüğü de artacaktır. Dolayısıyla bir
çalışma yaparken düşük çözünürlüğe sahip bir veriyle
çalışmak, detayların kaybolmasına bağlı olarak nasıl sorun
teşkil ediyor ve yeryüzünün raster veri tarafından
temsiliyetini azaltıyorsa, gereğinden fazla çözünürlüğe
sahip veri de veri büyüklüğü nedeniyle gereksiz zaman
kaybına yol açacaktır.

Raster ve vektör veri modellerinde temsil edilen
veriler birbirlerine dönüşebilmektedir. Yani raster veriler
vektör veriye, vektör veriler ise raster veriye
dönüşebilmektedir. Genel manada değerlendirdiğimizde
uydu görüntüleri, hava fotoğrafları gibi raster verilerde
nesneler görsel olarak ayırt edilmekle birlikte ayrı ayrı
tanımlanamaz. Oysaki vektör verilerde bu nesneler, nokta,
çizgi, poligon gibi farklı tiplerde konumsal nesneler olarak
ayrı ayrı tanımlanabilmektedir.

Coğrafi bilgi sistemlerinde hızlı sonuç
alınabilmesi için çakıştırma analizlerinde genellikle raster
veri modeli kullanılmaktadır. Bu nedenle çakıştırma
analizlerinde farklı tipte veriler bulunmakta ise bunların
hepsinin raster veriye çevrilmesi önerilir. Yani vektör
verilerle temsil edilen yeryüzüne ait konumsal özelliklerle,
raster verilerle temsil edilen konumsal özelliklerin bir
arada değerlendirilmesi için bir çakıştırma analizi
gerçekleştirilecekse bu durumda vektör veriler raster
verilere dönüştürülürler.

Vektör veri modeli raster veriye dönüştürülürken
aynı özniteliğe sahip vektörlerle temsil edilmiş olan
nesneler, bu öznitelik verilerine göre gruplandırılarak
raster olarak yeniden kaydedilir. Başka bir deyişle raster
veride aynı öznitelik değerine sahip vektörel nesneler aynı
renk ya da renk tonu ile temsil edilmiş olur.

Zira çözünürlük düşük olacak şekilde bir
dönüşüm söz konusu olduğunda vektör verideki pek çok
detay genelleşerek yeryüzündeki konumsal özelliklerin ya
da nesnelerin gerçek dünyaya göre raster verideki
temsiliyeti düşecektir. Özetle, bir şekilde vektör veriden
raster veriye dönüşümde belirtilen piksel büyüklüğü grid
büyüklüğü doğrudan doğruya veri kaybıyla ilişkili
olacaktır.

Raster veriden vektör veriye dönüşüm için raster
verideki piksel değerleri yazılım tarafından gruplanır ve
bunlar ayrı birer vektör olarak çizilir. Bunda aynı piksel
değerine sahip grupların grup sınırlarının birer çizgiye
dönüştürülmesi esastır. Vektör verinin hassasiyeti
doğrudan doğruya raster verinin çözünürlüğüne bağlıdır. Çözünürlüğü yüksek olan raster verilerden elde edilen
vektör verilerin dünyadaki konumsal nesneye yakınlığı o
derece daha fazla olacaktır.

Konumsal veri modelleri yardımıyla gerçek
dünyayı modellemenin en temel sebebi, gerçek dünyadaki
bir soruna çözüm bulabilmek amacıyla çeşitli analizleri
yapabilmektir.

Bunlar; sorgulama, çakıştırma, yakınlık analizi,
ağ analizi, yüzey analizleri, grid analizi ve istatistiksel
analizlerdir.

Sayısallaştırılarak CBS ortamına aktarılmış olan
bir verinin konumsal bilgileri olduğu gibi öznitelik
bilgileri de bulunmaktadır. Bu veriler atanan kimlik
numaraları yardımıyla ve topoloji kuralları içerisinde
birbiriyle ilişkilendirilmiştir. Bu bilgiler içerisinden bazı
detaylar sorgulama yoluyla hem öznitelik olarak hem de
mekânsal olarak çıkartılabilmektedir. Burada önemli olan
doğru bir şekilde sorgulama yapabilmektir. Sorgulama
yapabilmek için özel bir bilgisayar dili olan SQL
(Structured Query Language: Yapılandırılmış Sorgu Dili)
kulanılmaktadır.

En yaygın olarak kullanılan analiz
yöntemlerinden birisi olan bu yöntemde aynı alana ait
farklı veri katmanları üst üste bindirilerek yeni haritalar
elde edilir. Bu işlem sadece basit bir pafta birleştirme
işlemi olmayıp bu işlem sonunda çeşitli veri setlerini
içeren kompozit haritalar oluşturulur.

Yakınlık analizleri içerisinde en çok kullanılanı
tek veya çoklu tampon bölge oluşturma (Buffer ve
Multiple Ring Buffer) analizleridir. Bu analizde nokta,
çizgi poligon verinin çevresinde istenilen mesafe ve
kademelerde zonlar oluşturulur.

Kara yolları, uçuş rotaları, enerji nakil hatları ve
akarsu ağları gibi çizgisel özellikte ve ağ yapısına sahip
sistemler üzerinde, en kısa, en hızlı, en ekonomik ve
uygun rotaların belirlenmesinde kullanılan bir analizdir.

Sayısal yükseklik modeli kullanılarak yer
şekillerinin temel özellikleri olan, eğim, akı, yamaç şekli
(kürvatür), topografya görünümü (hillshade), hacim
hesaplaması, en iyi gözlem noktası ve görülebilirlik
analizleri yapılabilmektedir.

Raster verilerle yapılan bir analiz olup optimum
koridor belirleme ve komşuluk analizi gibi çeşitleri vardır.

Sonuçları genellikle grafik olarak belirtilen
analizler yapılabilmesi mümkündür. Bu analizden
mekânsal verilere ait toplam, ortalama, maksimum
değerler ve standart sapma bilgilerine ulaşılabilir.

Bunlar;
? Mevcut sayısal verilerin temini ve
dönüştürülmesi,
? Analog haritalardan sayısal haritaya dönüştürmetarama,
? Analog haritalardan sayısal haritaya dönüştürmesayısallaştırma,
? Arazi ölçümleri,
? Uzaktan algılama- fotogrametrik veri toplama,
? Küresel konumlandırma sistemi (GPS-GNSS).

Günümüzde birçok konumsal veri hazır
formlarda ve ücretsiz olarak temin edilebilirken; bir
bölümü sektörde sayısal ve konumsal veri üreten özel
veya kamu kurumlarından belirli bir ücret karşılığında
satın alınabilmektedir.

Konumsal verilerin bir kısmını sayısal formatta
bulmak her zaman mümkün olmadığından basılı haritalar
ve kayıtlar önemli bir veri kaynağı olarak
kullanılabilmektedir. Bu işlem ya kağıt haritaların
taranarak coğrafi referanslama işleminden sonra
sayısallaştırılmasıyla ya da otomatik sayısallaştırıcılar
vasıtasıyla yapılmaktadır.

Bu işlem, doğrudan basılı ve taranmış haritalarla
uydu görüntüleri ve hazır sayısal görüntüler altlık olarak
kullanılarak yapılabilmektedir. Sayısallaştırma operatör
tarafından harita üzerindeki nokta ve çizgilerin (yollar,
binalar, nehirler, tesviye eğrileri, kot noktaları, parseller
vb.) imleç vasıtasıyla tek tek yapılabildiği gibi imleçle
işaretlenen belirli bir çizgiden itibaren o çizginin otomatik
olarak izlenmesi yoluyla da gerçekleştirilebilir.

Yapılacak modelleme çalışmasının özelliğine
göre arazide yapılan ölçüm sonuçları önemli birer veri
kaynağı olabilir. Örneğin teodolit veya total station
(istasyon) gibi cihazlar arazinin modellenmesinde kullanılabilmektedir. Elde edilen veriler CBS
yazılımlarına aktarılarak modelleme işlemi
gerçekleşmektedir. Yapılacak çalışma hava kirliliğiyle
ilgili ise belirli noktalara konulan hava ölçüm
cihazlarından alınan noktasal veriler enterpole edilerek
alansal veriler haline getirilir.

Uydu görüntüleri ve hava fotoğrafları da önemli
veri kaynaklarındandır. Bu veri kaynakları sayesinde
topografya özellikleri, mevcut alan kullanımının ve
kentsel gelişimin zamansal değişimi, bitki örtüsü, yer altı
ve yer üstü zenginlikleri, arkeolojik zenginlikler vs.
hakkında bilgi edinilebilir. Bu veriler bilgisayar ortamına
alındıktan sonra mevcut CBS ve uzaktan algılama
yazılımları yardımıyla sayısallaştırılması oldukça kolay
olmakta ve zamandan kazanç sağlamaktadır.

Atmosferin farklı katmanlarına yerleştirilen
uydular yardımıyla yeryüzünde bulunulan konumu
belirlemeye yarayan alete GPS denir. Başlangıçta sadece
askeri amaçla kullanılan bu araç, zamanla günlük yaşamın
vazgeçilmezi haline gelmiştir. Modelleme yapılacak alan
içerisinde belirlenen unsurların dağılışının belirlenmesinde
GPS’den alınan koordinat bilgileri kullanılmaktadır. Son
yıllarda GPS bir marka adı gibi kullanıldığından bu
sisteme yaygın olarak GNSS denilmektedir.

Konumsal veri modelleri harita üretimi,
sorgulama, analiz vb. işlemleri gerçekleştirebilmek için
gerçek dünyanın konumsal veri kümeleri olarak temsil
edilmesi esasına dayanmaktadır.

Spagetti veri modeli, konumla ilişkili veri modeli
(georelation) ve konumsal veritabını (geodatabase) modeli
olmak üzere üç temel grupta ifade edilmesi mümkündür.

Spagetti veri modeli 1900’lü yılların ikinci
yarısında gelişmeye başlayan bilgisayar destekli tasarım
(CAD) teknolojisinin paralelinde ortaya çıkmış olup
konumsal verilerin CAD dosyaları içinde nokta, çizgi ve
poligon olarak saklanması esasına dayanır. Bu modelde
konumsal nesnelerin birbirleri ile olan ilişkileri
gösterilememekte olup kayıt ve gösterim nesne bazında
yapılabilmektedir.

Konumla ilişkili (georelational) veri modeli,
spagetti veri modeli ile konumsal ilişki sorgulaması
yapılamadığı ve nesneler öznitelik verilerine göre kolayca
sorgulanamadığı için daha sonraki dönemlerde ortaya
çıkarılmış, nesne tabanlı bir veri modelidir. Bu modelde
konumsal veri ile öznitelik verileri birlikte tutulmakta,
ayrıca nesnelerin birbirleri ile olan ilişkileri de model
içinde yer almaktadır.

Konumsal veri modelinin en yaygın kullanılan
tipi topolojik veri modelidir. Topolojik veri modeli
objelerin koordinat bilgileri dışında içindelik, dışındalık,
komşuluk, yön, bağlantı özellikleri, çakışıklık,
birbirleriyle diğer ilişkileri gibi topolojik özelliklerin de
kaydedilmesine olanak sağlar.

Bugün artık en yaygın olarak kullanılan
veritabanı modeli konumsal veritabanı modelidir. Bu
modelin konumsal veri modellerinden en temel farkı,
grafik nesnelerin ayrı bir CAD dosyası benzeri bir yapıda
saklanması, bu nesnelerin doğrudan doğruya veritabanı
içinde öznitelik verileriyle birlikte aynı tablo içinde
saklanmasıdır. Bu model öznitelik verileri ile konumsal
verilerin (grafik verilerin) arasındaki entegrasyon
sorununu ortadan kaldırmak amacıyla konumsal
nesnelerin şekil ve koordinat verilerinin, veritabanı
kayıtlarında tutulması esasına dayalı bir veritabanı
modelidir.

Veri, temel anlamda bilgiyi elde etmek için kullanılan işlenmemiş gerçekler ve malzemelerdir.

Bilgi, ilgili verilerin işlenmesiyle ortaya çıkan, mevcut ya da olası bir karar verme sürecinde kullanılan işlenmiş gerçekler ve malzemelerdir

Coğrafi veri, coğrafi bilginin temsil biçimidir ve evrende bir konumu olan nesnelere ilişkin olarak tanımlanır.

Konumsal veriler yeryüzündeki herhangi bir nesnenin coğrafi olarak nerede olduğunu, yani coğrafi konumunu belirlemek için kullanılır.

Öznitelik verisi ise konumsal nesne ile ilişkili konum bilgisi içermeyen özelliklerin her biridir.

Modelleme, yeryüzü üzerinde yer alan bir nesnenin temsil edilmesi için bir yöntem ortaya konmasıdır.

Modeller gezegenimizin ve gezegenimizdeki nesnelerin sembollerle basitleştirilmiş şekilleridir.

Yeryüzündeki objeler (binalar, akarsular, ormanlar vb.) benzer özelliklere göre kategorize edilerek tabakalarla gösterilirler. Bu gösterimler kullanılarak coğrafi objeler arasındaki temel statik mekânsal ilişkiler yakalanır.

En uygun lokasyonu bulmakta kullanılırlar (iş yeri, okul, arazi doldurma, acil durum boşaltım bölgesi vb.). Birtakım kriterler belirlenip bu kriterleri sağlayan farklı tabakalardaki objeler kullanılarak istenilen uygunlukta yerler bulmamıza yardımcı olurlar.

Süreç modelleri gösterimli modellerde tanımlanan coğrafi objeler arasındaki etkileşimi tanımlayan daha karmaşık problemleri ifadede kullanılır.

Vektör veri modeli en temel şekliyle üç ana gösterim şeklinden oluşur. Bunlar nokta, çizgi, poligon olarak sıralanabilir.

Nokta veri gösterimi ağaç, elektrik direği, kuyu, zirve noktası, verici vb. nesneler için uygun bir gösterir.

Poligon veri gösterimi binalar, tarım alanları, ormanlar, göller, arsa sınırları vb. coğrafi varlıklar için uygun olacaktır.

Çizgi gösterim şekli ise modellediğimiz nesneler içinde yol, akarsu, elektrik hattı, sınırlar, demir yolu, kara yolları vb.

Raster veri, grafik nesneleri hücrelere bağlı olarak temsil eder. Bir kağıt parçası üzerine çizilmiş birkaç çizgi düşünün. Raster veri modelinde kağıt her biri hücre (grid) denilen küçük karelere bölünür, bu karelerin her birine piksel denilir. Biz bu kareleri ne kadar küçültürsek, kağıt üzerine çizilmiş çizgileri bu kareleri boyararak temsil etme oranımız giderek artar. Kareler büyüdükçe kağıt üzerindeki çizgilerin boyalı küçük karelerle temsiliyeti o derece düşer. Piksel dediğimiz bu karelerin her biri o resmin en küçük birimidir. Raster veri bu piksellerden oluşmuş bir tablo gibidir.

Yakınlık analizleri içerisinde en çok kullanılanı tek veya çoklu tampon bölge oluşturma (Buffer ve Multiple Ring Buffer) analizleridir. Bu analizde nokta, çizgi poligon verinin çevresinde istenilen mesafe ve kademelerde zonlar oluşturulur

Raster verilerle yapılan bir analiz olup optimum koridor belirleme ve komşuluk analizi gibi çeşitleri vardır.

Atmosferin farklı katmanlarına yerleştirilen uydular yardımıyla yeryüzünde bulunulan konumu belirlemeye yarayan alete GPS denir.

Spagetti veri modeli 1900’lü yılların ikinci yarısında gelişmeye başlayan bilgisayar destekli tasarım (CAD) teknolojisinin paralelinde ortaya çıkmış olup konumsal verilerin CAD dosyaları içinde nokta, çizgi ve poligon olarak saklanması esasına dayalıdır. Bu modelde konumsal nesnelerin birbirleri ile olan ilişkileri gösterilememekte olup kayıt ve gösterim nesne bazında yapılabilmektedir

Bu veri modelinde de konumsal veriler CAD dosyalarında saklanır. Konumsal nesnelerle ilişkili öznitelik verileri veritabanı tablolarında tutulur. Konumsal bilgiye bağlı öznitelik bilgileri istenildiği gibi özelleştirilebilir. Bu modelde, tablo ve konumsal nesne bağlantısı tanıtıcı kod (ID) yardımı ile kurulur. Bu modelin en önemli sorunu, veriyi bir yerden bir yere taşırken konumsal nesneler ile öznitelik verileri arasındaki bağlantının kopmasıdır.