ArcGIS For Desktop Spatial Analiz Kitabı

i
Esri Türkiye Yayın Katalog Bilgisi
ArcGIS for Desktop Spatial Analiz

Yazarlar: Seda KAHRAMAN, Ömer ÜNSAL
225 s. 20x24 cm (Esri Türkiye Yayın no: )
ISBN:
Dağıtım Adresi
Esri Bilgi Sistemleri Mühendislik ve Eğitim Ltd. Şti. 2024. Cadde No:16, Beysukent, 06800
ANKARA
Tel: +90 312 233 50 50
Web: www.esriturkey.com.tr
Editör: Seda KAHRAMAN(SERT)
Kapak Dizaynı: Gökhan SÖĞÜT, Seda KAHRAMAN
Baskı:
Baskı Yılı: 2014
1. Baskı
ii
Bu eserin her türlü telif hakkı ©2014 Esri Bilgi Sistemleri Mühendislik ve Eğitim Ltd. Şti. ‘ye
aittir. Bu kitabın tamamı ya da bir kısmı yayıncı izni olmadan, internet, e-posta, fotokopi, vb.
elektonik ve mekanik yöntemler kullanarak çoğaltılamaz, yayınlanamaz, dağıtılamaz.
Bu eser T.C. telif hakları kanunları ve uluslararası geçerliliği olan kanunlar tarafından
korunmaktadır. Yasalara uygunluğun sağlanması kullanıcı sorumluluğundadır.
CD içerisinde sayısal olarak sunulan veriler kaynak gösterilmek kaydıyla bilimsel çalışmalarda
kullanılabilir.
Kitaptaki harita, resim, şekil ve sayısal olarak sunulan hiçbir bilgi ne surette olursa olsun resmi
bir bilgi niteliğinde kullanılamaz ve bilgilerdeki yanlışlardan dolayı yazarlar ve Esri Türkiye
sorumlu tutulamaz.
©2014 Esri Bilgi Sistemleri Mühendislik ve Eğitim Ltd. Şti.

Her hakkı saklıdır/Copyright © 2014/All rights reserved.
iii
Önsöz
Bilgi çağı olarak adlandırılan günümüzde; Coğrafi Bilgi Sistemleri ve Uzaktan Algılama
teknolojileri, karmaşık planlama ve yönetim sorunlarının çözülebilmesi için etkin araçlar
sağlamaktadır. Özellikle Avrupa Birliği’ndeki coğrafi veri ve yönetimi ile ilgili gelişmeler
ülkemizdeki çalışmaları da hızlandırmış, verilerin ulusal ve uluslararası kullanım ihtiyacı, yeni
teknikler, yeni standartların oluşmasını zorunlu kılmıştır.
Coğrafi Bilgi Sistemleri ve Uzaktan Algılama teknolojilerinin gelişmesine paralel olarak
ülkemizde bu yazılımları kullanan kuruluş ve uzman sayısı gün geçtikçe artmaktadır. Tüm bu
kullanıcıların teknik ve idari konularda oluşturacağı anlayış birliği sayesinde, çağdaş Coğrafi Bilgi
Sistemi teknolojileri ve ülkemiz sorunlarına daha etkin çözümlerin üretileceğine inanmaktayız.
Esri Türkiye olarak ülkemiz kamu kurum ve kuruluşları, askeri kuruluşlar üniversite ve özel
sektörlerde etkin kullanıma sahip Coğrafi Bilgi Sistemi teknolojisindeki gelişmeleri sizlere
aktarma ve siz değerli kullanıcılarımızı bir araya getirme, deneyimlerimizi paylaşma
arzusundayız.
iv
İçerik
Önsöz iv
İçerik v
Bölüm 1: Coğrafi Bilgi Sistemlerine Giriş ve Spatial Analiz Modulü 9
Konu 1 Coğrafi Bilgi Sistemleri ve Spatial Analiz 9
Coğrafi Bilgi Sistemleri 10
Veri Yapısı 10
Vektör ve Raster Veriler Arasındaki Farklılıklar 11
Spatial Analiz Nedir? 12
Bölüm 2: Mesafe ve Yoğunluk Analizleri 13
Konu 2 Mesafe Analizleri 13
Mesafe Analizleri 14
Euclidean Distance 15
Uygulama 2a 15
Cost Path 21
Uygulama 2b 21
Bölüm 2: Mesafe ve Yoğunluk Analizleri 25
Konu 3 Yoğunluk Analizleri 25
Yoğunluk Analizleri 26
Simple Density 27
Kernel Density 27
Verilerin Değerlendirilmesi 28
Uygulama 3a 28
Line Density – Fay Hatlarının Yoğunluğunun Belirlenmesi 34
Uygulama 3b 34
Kernel Density – Virüs Salgınından Etkilenen Kişilerin Yoğunluğunun Hesaplanması 38
Uygulama 3c 38
Bölüm 3: Ara Değer Bulma - Interpolasyon 45
Konu 4 Nokta Verisinden Sürekli Yüzey Oluşturma 45
IDW Yöntemi – Topraktaki Kil Miktarının Hesaplanması 46
Uygulama 4a 47
IDW with Barrier Yöntemi – Akarsuların Topraktaki Kil Miktarına olan Etkisi 52
Uygulama 4b 52
IDW ve IDW with Barrier Yöntemleri ile Oluşturulan Sürekli Yüzeylerin Karşılaştırılması 54
Uygulama 4c 54
Kriging Yöntemi – Kirlilik Hesaplaması 57
v
Uygulama 4d 57
Sürekli Yüzeylerin Doğruluğunun Ölçülmesi 62
Uygulama 4e 62
Bölüm 4: Spatial Analiz Modulü ve İstatistiksel Analizler 67
Konu 5 İstatistiksel Analizler 67
Hücre Bazlı İstatistikler 68
Bölge(Zone) Bazlı İstatistikler 68
Tabulate Area – Eğim Gruplarındaki Arazi Kullanımının Tespiti 68
Uygulama 5a 69
Cell Statistics – Türkiye’deki Son 5 Yıllık Hava Sıcaklığının Değerlendirilmesi 72
Uygulama 5b 72
Zonal Statistics as Table – Bölgesel Suç İstatistiğinin Hesaplanması 75
Uygulama 5c 76
Bölüm 05: ArcMap Arayüzünün Özelleştirilmesi 79
Konu 6 Etkileşimli Görünürlük Analiz Aracının Eklenmesi 79
Interactive Visibility Eklentisinin ArcMap Arayüzüne Eklenmesi ve Kullanımı 80
Uygulama 6a 80
Bölüm 06: Haritaların Özel Analizlere Hazırlanması 87
Konu 7 Yeniden Sınıflandırma 87
Raster Verilerin Yeniden Sınıflandırılması 89
Uygulama 7a 90
Bölüm 06: Haritaların Özel Analizlere Hazırlanması 99
Konu 8 Dönüşüm İşlemleri 99
Vektör Verinin Raster Veriye Dönüştürülmesi 100
Uygulama 8a 100
Bölüm 07: Raster Verilerin Çakıştırılması 107
Konu 9 Raster Calculator 107
Potansiyel Afet Alanlarının Tespiti 108
Uygulama 9a 109
Bölüm 07: Raster Verilerin Çakıştırılması 113
Konu 10 Weighted Overlay 113
Yeni Kentleşme İçin Uygun Arazilerin Tespiti 114
Uygulama 10a 114
Uygulama 10b 115
Bölüm 08: Hidrolojik Analizler 123
Konu 11 Yüzey Hidrolojik Modellemesi 123
Hidrolojik Modelleme ve Havzaların Çıkarılması 124
Uygulama 11a 124
vi
Sayısal Yükseklik Modeli Üzerindeki Boşlukların Gözlemlenmesi 124
Sayısal Yükseklik Modelinde Hücre Doldurma İşlemi 127
Akış Yönlerinin Bulunması 128
Akış Toplamlarının Bulunması 130
Havza Çıkış Noktası Kullanılarak Havzanın Çıkarılması 132
Diğer Hidroloji Araçları 135
Uygulama 11b 135
Set Null - Akış Ağının Çıkarılması 138
Stream Order - Akarsu Hiyerarşisinin Bulunması (Akarsu Çatallanması) 139
Flow Lenght - Akış Uzunluklarının Bulunması 141
Stream Link - Akarsu Parça Sayısının Bulunması 143
Stream to Feature - Raster Akarsu Ağının Vektöre Dönüştürülmesi 144
Basin - Havzaların Çıkarılması 147
Bölüm 08: Hidrolojik Analizler 147
Konu 12 Yeraltı Hidrolojik Modellemesi 147
Darcy Akış Modelinin Üretilmesi 148
Uygulama 12a 148
Parçacık İzleme 154
Uygulama 12b 154
Konsantrasyon Dağılımı 157
Uygulama 12c 158
Bölüm 09: Görüntü İşleme 163
Konu 13 Uydu Görüntülerinin Sınıflandırılması 163
Sınıflandırma 164
Uygulama 13a 166
Kontrolsüz Sınıflandırma 166
Etkileşimli Kontrollü Sınıflandırma 178
Kontrollü Sınıflandırma 186
Bölüm 10: Model Builder Uygulamaları 195
Konu 14 ArcToolbox Spatial Analyst Araçları ile Model Builder Uygulamaları 195
ModelBuilder 196
Model Elemanları 196
Toollar 196
Data (Veri) 196
Bağlayicilar 196
Etiketler (Labels) 196
İsimler 197
vii
ArcToolbox’ta Spatial Analyst Araçları 197
Uygulama 14a 197
Kaynaklar 213
viii
Bölüm 1: Coğrafi Bilgi Sistemlerine Giriş ve Spatial Analiz Modulü
Konu 1 Coğrafi Bilgi Sistemleri ve

Spatial Analiz
Coğrafi Bilgi Sistemleri
Spatial Analiz Nedir?
Spatial Analiz Modülünün Yetenekleri
9
Coğrafi Bilgi Sistemleri
Yıllardır insanlar harita ve küre gibi modeller kullanarak dünyayı yorumlamaya, anlamaya ve
keşfetmeye çalışmışlardır. Son 30-40 yıl içinde bu modeller bilgisayarlara taşınmış ve aynı
zamanda modellerin her yıl daha anlaşılır ve daha açık hale getirilerek işlevselliği arttırılmıştır.
Bilgisayarlar aracılığıyla işlevselliği arttırılan bu modeller Coğrafi Bilgi Sistemleri (CBS) ile
analizsel boyutlara taşınmıştır.
Coğrafi Bilgi Sistemlerinde bir çalışma yapmak için ne tür harita olursa olsun -arazi, iklim
zonları, ormanlar, siyasi sınırlar, nüfus yoğunluğu, kişi başına düşen gelir, enerji tüketimi,
mineral kaynaklar ve daha niceler- temin edilen veri gerçek veri ise dünyanın anlamlaştırılması
daha gerçekçi olur. Böylelikle dünya üzerindeki bu tür haritalar akıllı hale gelir ve sorulan her
soruya cevap bulabilecek özelliklere taşınır.
Veri Yapısı
Coğrafi veri yapısı temel olarak Mekânsal ve Tanımlayıcı Bilgiler olmak üzere iki gruba ayrılır.
Mekansal veriler; özelliklerin yerini, şeklini ve diğer mekansal veriler ile ilişkilerini belirler.
Tanımlayıcı Bilgiler ise özelliklere ait bilgilerin veri tabanında tutulmasıdır.
Coğrafi nesneler olarak adlandırılam mekansal bilgiler sonsuz bir çeşitlilik içermektedir. Ancak
bunların hepsi 3 geometrik şekil ile temsil edilir; nokta (point), çizgi (line), alan (polygon).
Alanlar (polygon) ülke sınırları, il sınırları, göller, arazi sınıfları vs. gibi coğrafi objeleri; çizgiler
(line) nehir, enerji nakil hattı, yol vs. gibi coğrafi objeleri; noktalar (point) ağaç, kuyu, yangın
muslukları vs. gibi coğrafi objeleri temsil ederler.
Alan, çizgi ve noktalara toplu olarak vektör veri adı verilmektedir.
Vektör Veri formatındaki konuma ait veriler; nokta, çizgi ve alan özellik tipi ve de x,y koordinat
değerleriyle depolanırlar. Nokta özelliği tekbir x,y koordinat çifti ile temsil edilen verilerdir
(Elektrik Direkleri, Yangın Muslukları, Kuyular gibi). Çizgi özelliği, bir başlangıç ve bir bitiş
noktası olan x,y koordinatlar dizisi ile temsil edilirler (Dereler, Yollar, Elektrik Hatları gibi). Alan
özelliği ise, başlangıç ve bitiş noktası aynı olan x,y koordinatlar dizisi ile temsil edilirler.
(Parseller, Binalar, Arazi Kullanımı gibi).
10
Raster Veri formatında konuma ait veriler ise hücrelere bağlı olarak temsil edilir. Aynı
boyuttaki hücrelerin biraraya gelmesi ile oluşurlar. En küçük birim piksel olarak tanımlanır.
Raster verilerde verinin hassasiyeti piksel buyutuna göre değişen çözünürlük (resolution)
özelliği ile tanımlanır. Raster veride her piksel bir değere sahiptir. Bu değer bazen coğrafi bir
özelliğe ait kod değeri olarak tanımlanabilir ve ESRI GRID formatında bu kod değeri Value
Attribute Table (Vat) yapısında depolanır ya da o pixel 0–255 renk aralığında bir değer taşır.
Vektör ve Raster Veriler Arasındaki Farklılıklar

Raster verilerin veri depolama hacmi vektör verilere göre oldukça büyüktür. Bazı konumsal
analizler (Bindirme analizleri, Alan hesaplamaları ve yakınlık analizleri gibi) raster veri
formatında daha kolaydır. Verilerin hassasiyeti raster verilerde pixel size ile orantılı olduğundan
hassas çalışmalarda veri kayıplarına neden olabilir. Vektörel veri formatında ise grafik objeleri
tanımlayan öznitelik bilgilerine ulaşma, güncelleme ve günleme mümkün ve daha kolaydır.
Spatial Analiz Nedir?
ArcGIS Spatail Analiz Modülü, ArcGIS for Desktop için opsiyonel bir ek modüldür. Bu modül tüm
lisans seviyelerinde çalışabilmektedir. Spatial Analiz Ek Modülü, raster ve vektor verileriniz için
güçlü mekansal analizler yapıp, modeler geliştirmenize imkan tanımaktadır. Yeni açmak
istediğiniz market için en kazanç getirecek yer neresi?, bu göldeki kirlilik ne kadar?, A ilçesinin
nüfus yoğunluğu ne kadardır?, dere taşması sonucunda ne kadar yapı bu taşkından etkilenir?
gibi özel sorulara rahatlıkla cevap bulabilirsiniz.
Spatial Analiz Ek Modulü ile;
En uygun yer bulma
Bir noktadan diğer noktaya, en az maliyetle ulaşımı sağlama
Arazi kullanım analizleri
Yangın, sel, deprem ve diğer afetler açısından riskli bölgeleri belirleme,
Erozyon belirleme
Suç analizleri gerçekleştirme
Demografik analizleri gerçekleştirme,
11
Kontrollü, kontrolsüz sınıflandırma,
Ara değer kestirimi,
Eğim, bakı gibi yüzey analizlerini gerçekleştirme,
Güneşlenme süresinin ölçülmesi
Yeraltı ve yüzey hidrolojik modelleme
Işlemlerini gerçekleştirebilirsiniz.
12
Bölüm 2: Mesafe ve Yoğunluk Analizleri
Konu 2 Mesafe Analizleri

Euclidean Distance
Cost Path
13
Mesafe Analizleri
ArcGIS Spatial Analiz modulü, mesafe ölçümleriniz için, düz bir çizgi halinde mesafe
ölçümü ya da eğim, yolun durumu, arazinin kullanımı gibi etkileri de göz önünde
bulundurarak mesafe ölçümü gerçekleştirir.
Yapılan bu analizler, kullanıcılara, yöneticilere ya da karar vericilere ek kararlar sağlar,

örneğin yapılacak olan yeni bir yolun bir bölümü dağ sebebiyle kesintiye uğrayacaktır,
bu yol ya dağın etrafını dolaraşarak ya da tünel açılarak devam etmelidir. İşte mesafe
analizi size bu sonucu verebilir, böylece sizin için daha az maliyetli olan seçimi
gerçekleştirebilirsiniz.
Euclidean Distance
Euclidean Distance aracı, mesafe analizi gerçekleştrien araçlar içinde en çok

kullanılanıdır. Burada amaçlanan, belirlenen mesafe içinde hücrelerin kaynağa olan en
yakın uzaklığıdır. Örneğin, çocuğunuzu okula yazdıracaksınız ve en fazla 10 km
uzaklıkta bir okul arıyorsunuz var. Okullara yapılan mesafe analizi sonucunda, evinize
10 km uzaklıkta okul var mı, varsa hangisi en yakının karşılaştırmasını
Euclidean Distance ile, taşkın bölgelerinin tespiti, kıyı-kenar çizgisinin belirlenmesi,

karayollarının belirli bölgelere uzaklığı gibi analizleri gerçekleştirebilirsiniz.
14
Uygulama 2a
Bu uygulamada, seyahat firmasında çalışan bir kişi olarak müşterinizin isteği gereği,
aranan otellerin yollara maksimum 100 m uzaklıkta olması istenmiştir. Siz müşteriye
alternative olması amacıyla 200 m mesafede otel arayacaksınız.
1 ArcMap arayüzünü açınız.
2 File>Open yardımıyla C:\SpatialAnaliz\Konu02 dizininden Uygulama2b.mxd ArcMap çalışma

dosyasını çağırınız.
Haritanızda, yol, göl, yükseklik ve otel katmanlarının olduğunu gözlemleyiniz.
15
3 ArcToolbox arayüzünü açınız ve Spatial Anayst
Tools>Distance>Euclidean Distance aracına ulaşınız
ve çift tıklayarak aracı açınız.
Euclidean Distance aracında ilk olarak tanımlamanız gereken veri yol verisidir, ardından
mesafesi, hücre boyutu vs bilgilerini tanımlayabilirsiniz.
4 Input raster or feature source data kısmına Yol verinizi yerleştiriniz ve kayıt yeri olarak
C:\SpatialAnaliz\Konu02\Verilerim dizinine ulaşarak, YolMesafe adını veriniz.
Not: Input raster or feature source data bölümüne, nokta, çizgi, alan tipindeki vektör
veriler ve raster veriler tanımlanabilmektedir. Böylece, göllere 100 m mesafede bir otel
bulmanız mümkündür.
5 Maksimum distance bölümü müşterinizin sizden istediği 100 m mesafenin tanımlanacağı

yerdir. Ama siz alternatif sunmak üzere 200 metre tanımlayacaksınız. Oluşacak raster veri için
ise 20 hücre boyutunu belirleyiniz.
16
6 Son seçenek ise, opsiyonel olan Output Direction Raster’dır. Bu bölümde eğer bir kayıt yeri
ve isim belirlenirse bir yön raster verisi oluşacaktır. Oluşacak bu raster veri ise her hücreden en
yakın yola, hangi yöne giderek ulaşacağı bilgisini taşımaktadır. Müşterilerinizi yönlendirmek
adına etkileyici bir sonuç olacaktır. C:\SpatialAnaliz\Konu02\Verilerim dizinine ulaşarak Yon
adını veriniz.
Spatial Analiz uygulamalarını gerçekleştiriken dikkat etmeniz gerek en önemli etken,

analizinizi gerçekleştirmek istediğiniz alanın büyüklüğüdür (Extent Ayarlaması). ArcGIS
for Desktop, her verinin extentini(sınırını) kendi sınırı olarak tanımaktadır. Ancak bazı
uygulamalarda bu sınırın dışına çıkmak gereklidir. Örneğin yol veriniz üzerinde bir
analiz gerçekeştireceksiniz ancak gerçekleştirmek istediğiniz analiz yol verinizin 200 m
dışını da kapsamaktadır. Bu sebeple extent değişimi yapmanız gerekmektedir.
7 Environments… butonuna tıklayınız. Açılan Environment Settings penceresinde Processing

Extent kısmınndan sınırınızı değiştirerek Same as Layer SYM seçiniz. SYM sizin otellerinizin
olduğu truzim bölgesine ait yükseklik haritasıdır. Dolayısıyla bu sınır sizin için yeterlidir.
17
8 OK butonuna basarak Environment Settings penceresini kapatınız. Euclidean Distance
penceresinde OK butonuna tıklayarak aracı çalıştırınız.
9 Haritanızsa sadece Otel, Yol, Yon ve YolMesafe katmanlarını görünür yapınız. YolMesafe
katmanınızın sembolojisini değiştiriniz ve 2 sınıf halinde görüntülenmesini sağlayınız.
Haritanızı yakınlaşarak izleyiniz. Yollara 100 uzaklıkta otellerin olduğunu gözlemleyiniz.

Bu otellerden birine yaklaşınız ve YolMesafe katmanını görünmez yapınız.
18
Böylece eğer müşteriniz bu oteli seçerse otelin kuzeydoğusunda en yakın mesafede yol
bulacaktır. Peki kaç metre uzaklıkta. Bunu Identify aracı ile sorgulayabilirsiniz.
10 Identfy aracına tıklayınız ve otelin üzerine gelerek mouse ile bir kere tıklayınız.
Açılan pencerede Identify form seçeneğini değiştirerek All Layers yapınız.
11 Otele tekrar tıklayınız ve gelen bilgiyi yorumlayınız.
19
Otel yola 56 m uzaklığında 2024 m
yükseklikte bulunmaktadır. Ayrıca
yola 315 derece açıyla gidilirse en
kısa yoldan otele ulaşılacaktır.
12 Buraya kadar yapmış olduğunuz işlemleri kaydetmek istiyorsanız Main Menu (Ana Menü) de
yer alan Save As… butonuna tıklayınız ve C:\SpatialAnaliz\Konu02\Verilerim altına
Verilerim_Uyg2a.mxd ismini vererek kaydediniz.
13 ArcMap arayüzünü değişiklikleri kaydetmeden kapatınız.
Cost Path
Cost Path aracı maliyete dayalı bir mesafe analizi gerçekleştirir. Euclidean Distance ile
hesaplanan mesafeye ek olarak, yüzeyde bir çukur olduğunu düşünün ya da bir tepe bu
bir maliyettir ve bu bilgiye göre hesaplama gerçekleştirebilmektedir. Böylece yakınlık
hesabını maliyet bilgisine göre yapabilmektedir. Maliyet sizin belirlediğiniz kriterlerdir.
Eğitm, yükseklik, ormanlık alan maliyetinizi etkileyen sebeplerden birkaçıdır.
Uygulama 2b
Bu uygulamada bir yol yapım şirketinde çalışan bir yönetici olarak, şehir merkezinden
bir vadiye yeni bir yol için plan yapmanız gerekiyor. Bu planı yaparken, maliyetin en az
20
olması sizden istenen. Mevcut yolları, araziyi inceleyerek bunun için en uygun
güzergahı belirleyeceksiniz.

21
3 ArcToolbox arayüzünü açınız ve Spatial Anayst
Tools>Distance>Cost Path aracına ulaşınız ve çift
tıklayarak aracı açınız.
4 Input raster or feature destination data kısmına Rockbound Vadisi verinizi yerleştiriniz.
Destination bölmesini ise opsiyonel olduğu için boş bırakabilir ya da Rockbound Vadisi
katmanında yer alan sözel bilgileri içeren sütunlardan birini seçebilirsiniz.
5 Input cost distance raster kısmı için Sürüş Zamanı isimli raster veriyi, Input cost baclink raster
kısmına ise Hedefe Yakınlık isimli raster verinizi tanıtınız.
22
Sürüş zamanı (cost distance) verisi, arazinin durumuna, mevcut yollara göre, o arazide
yapabileceğiniz hızı hesaplar, örneğin eğimli bir arazide hızınız düşük olur, ya da bir
yerde yol varsa o yolda yeni yapacağınız yol ile birleşebilir, böylece maliyeti düşürmüş
olursunuz.
Hedefe yakınlık (backlink) verisi ise arazde bulununan her hücrenin hedefe (Rockbound
Vadi) en az maliyetle ulaşabilmesi gitmesi gereken yön bilgisini taşır. Bu da yine sizin
belirleyeceğiniz kritere göre oluşturulur, bu uygulamada eğime göre oluşturulmuştur.
6 Kayıt yeri olarak C:\SpatialAnaliz\Konu02\Verilerim dizinine ulaşınız ve Maliyet adını veriniz.

Ok butonuna basarak aracı çalıştırınız.
Şehir merkezi, Rockbound Vadisi, Maliyet ve SYM haritarını görünür yapınız ve haritanızı
inceleyiniz.
7 Maliyet katmanının sözel bilgisini açınız.
23
PathCost sütunundaki bilgiye bakarak, şehir merkezinden Rockbound Vadisine açılacak olan
yeni yol 200dk sürecektir. Çoğunluk bölümü mevcut yollarla sağlanacak ve küçük bir bölümüne
belirlenen güzergahta yeni yol açılmasıyla en az maliyetle ulaşım sağlanacaktır.
Verilerim_Uyg2b.mxd ismini vererek kaydediniz.
24
Bölüm 2: Mesafe ve Yoğunluk Analizleri
Konu 3 Yoğunluk Analizleri

Verilerin Değerlendirilmesi
Line Density – Fay Hatlarının Yoğunluğunun Belirlenmesi
Kernel Density – Virüs Salgınından Etkilenen Kişilerin

Yoğunluğunun Belirlenmesi
25
Yoğunluk Analizleri
Yoğunluk analizleri, nokta ve çizgi tipindeki detayların yoğunluğunu, km2 başına düşen nüfus
yoğunluğunu vb gösterimler için en uygun analizlerdir. Örneğin 112’ye gelen çağrıların
hangi bölgelerde yoğun olduğu, A mahallesinde yaşayan üniversite mezunlarının
yoğunluğu, Ankara’da işlenen suçların nerelerde yoğun olduğu sorularının cevaplarını
yoğunluk analizi hesaplamalarıyla bulabilirsiniz.
Peki neden yoğunluk haritası, yoğunluk yüzeyleri bir noktanın ya da biz çizginin nerede
fazlalaştığını daha da genelleştirirsek konsantreliğini gösterir. Örneğin her beldeye ait
nokta veriniz ve toplam nüfus bilginiz var ama siz nüfusun dağılımı ile ilgili daha fazla
bilgi edinmek istiyorsunuz. Sonuçta belde de yaşayan kişiler size belirtilen noktada
yaşamıyor belde boyunca dağılmış bir şekilde yaşıyorlar. Bu amaçla yola çıkarak,
nüfusun dağılımını gözlemleyebilir, ve bu dağılımla ilgili bilgi sahibi olabilirsiniz.
Nüfus Yoğunluğu ve
belde merkezleri
Yoğunluk fonksiyonu, yoğunluğu hesaplamak için iki metot kullanır: simple ve kernel. Her iki
metotta da yoğunluğu hesaplamak için dairesel bir bölge veya tarama bölgesi kullanılır.
26
Simple Density
Simple metotta hücre değerleri dairesel bir tarama alanına göre hesaplanır. Her bir hücre
değeri, tarama alanına giren nesne sayısı alanın büyüklüğüne bölünerek hesaplanır. Point
Density ve Line Density Simple metodunu kullanır.
7/2.88 km2= 2.4 işyeri/km2
Kernel Density
Kernel metotta her bir hücreye değil örnek her bir nokta etrafına dairesel bir alan çizilir ve
noktanın bulunduğu yerden dairesel alan sınırına doğru 1’den 0’a doğru giden matematiksel bir
fonksiyon uygulanır. Kernel Density aracı Kernel metodunu kullanır.
27
Örnek Nokta
Verilerin Değerlendirilmesi
Bu uygulama opsiyonel bir uygulama olup, Spatial Statistics araçları kullanılarak, temel
seviyede bir kaç yorum yapılacaktır. Detaylı bilgi Spatial Statistics eğitimlerinde
verilmektedir.
Analize başlamadan önce eldeki verilerin değerlendirilmesi, varılmak istenen sonuca

giderken izlenecek yol hakkında bilgi sahibi olunması açısından oldukça önemlidir. Bu
değerlendirme, sonuçların daha doğru olmasını sağlayacağı gibi karar aşamasında
yanlış kararlar alınmasını önleyecektir.
Uygulama 3a
Bu uygualama bir sonraki uygulamalarda gerçekleştireceğiniz analizler için hazırlık aşamasıdır.

Bazı ülkelerin sağlık ocaklarından alınmış ve H3N2 virüsü taşıyan hastaların gösterildiği harita
üzerinde bazı yorumlar gerçekleştireceksiniz.
28
2 File>Open yardımıyla C:\SpatialAnaliz\Konu03 dizininden Uygulama3a.mxd ArcMap çalışma
Yoğunluk analizleri için gerekli olan önemli bilgiler, elinizdeki nokta ya da çizgilerin
sayısı, çalıştığınız alanın büyüklüğü, noktaların birbirlerine olan yakınlığı gibi mekansal
bilgilerdir.
3 ArcToolbox arayüzünü açınız ve

Spatial Statistics Tools>Analyzing
Patterns>Average Nearest
Neighbor aracına ulaşınız ve çift
tıklayarak aracı açınız.
4 Input Feature Class kısmına Sağlık Ocağı katmanını tanıtınız ve Generate Report’un çekini
atınız. OK butonuna tıklayarak aracı çalıştırınız.
29
Bu aracın çalışması sonunda, size bir rapor sunacaktır. Bu rapora Geoprocessing>Results’ a
tıklayarak ulaşabilirsiniz.
5 Report File’ a tıklayınız.
30
Çıkan rapor sonucunda, verilerinizin clustered (kümelenmiş) yapısında olduğu için yoğunluk
analizinin belirleyeceğiniz parametrelerle doğru sonuç üreteceğini çıkarabilirsiniz. Bu
parametreleri belirlerken Observed Mean Distance kullanacağınız parametrelerden biridir. Bu
parametre, tüm çalışma alanında (8 ülkede) örnek sağlık ocaklarının birbirine olan yakınlığının
ortalama değeridir. Yani bir sağlık ocağı diğer sağlık ocağına yaklaşık olarak 27 km uzaklıktadır.
31
Bu oran yeterli sıklıkta bir orandır, çünkü bir alttaki parametreye baktığımızda Expected Mean
Distance Beklenen uzaklığın yaklaşık olarak 31 km olduğunu gözlemlemekteyiz.
Bir diğer değerlendirme metodu ise, salgının yayılımının hangi yönde olduğunu belirleme, bu
işlem size, salgın dağılımına ait bazı önemli bilgiler verecektir.
6 ArcToolbox arayüzünü açınız ve

Spatial Statistics Tools>Measuring
Geographic
Distributions>Directional
Distribution aracına ulaşınız ve
çift tıklayarak aracı açınız.
Bu araç size salgının hang yöne doğru ilerleme gösterdiği hakkında detaylı bilgi verecektir.
7 Input Feature Class alanına Sağlık Ocağı katmanını tanıtınız ve kayıt yerini
C:\SpatialAnaliz\Konu03\Verilerim dizini olarak belirleyiniz. Oluşucak veriye Trend adını veriniz
ve aracı çalıştırınız.
32
Oluşan harita bu salgının 8 ülkede daha çok güneybatı-kuzeydoğu yönünde ilerlediğini
söylemektedir.
33
Line Density – Fay Hatlarının Yoğunluğunun Belirlenmesi
Line density, çizgisel detayların yoğunluğunu belirlemek üzere, her hücrenin belli bir yarıçap
içinde kalan bölümünün birim alan başına yoğunluğunu hesaplar. Line density, bir bölgedeki,
metro hatlarının, otobüs hatlarının, yolların, fayların yoğunluğunu hesaplamada çok
kullanışlıdır. Line Density ile bir fay hattında meydana gelen deprem sayısına göre, deprem
yoğunluğu haritası da çıkarabilmeniz mümkündür. Line Density ile üretilen sonuçlar her
defasında belirlenen birim başına düşen yoğunluğu verir (km2 başına düşen fay yoğunluğu, m2
başına düşen metro hattı vb). Hesaplama yapılırken, çizgi tipindeki deatyların uzunluğu göz
önünde bulundurulur.
Kaynak Hücre
Yarıçap
Uygulama 3b
Bu uygulamada bir bölgedeki fay hatlarının km2 başına düşen yoğunluğunu gösteren bir harita
oluşturacaksınız.
2 File>Open yardımıyla C:\SpatialAnaliz\Konu03 dizininden Uygulama3b.mxd çalışma dosyasını

çağırınız.
34
3 ArcToolbox’da bulunan Line Density aracına ulaşınız
ve tıklayınız.
35
4 Input polyline features bölmesine fay hatlarını tanıtınız ve Population field kısmını None
olarak belirtiniz.
Population Field bölümü, eğer bu faylarda meydana gelen deprem sayısı ya da ortalama
deprem büyüklüğü bilgisine sahip olsaydınız, bölgenin ortalama deprem büyüklüğü yoğunluğu
haritasını ya da bölge de meydana gelen depremlerin yoğunluk haritasını çıkarabilirdiniz.
5 Output cell size yani oluşacak raster haritanın hücre büyüklüğünü 1 olarak ayarlayınız. Kayıt
yerini ise C:\SpatialAnaliz\Konu03\Verilerim klasörüne ulaşarak FayYogunlugu adıyla
tanımlayınız.
6 Son olarak Search Radius kısmında yarıçapı 10 olarak belirleyiniz ve Area units’ I
SQUARE_KILOMETERS tanımlayınız.
Search Radius için Average Nearest Neighbor aracı ile kullanıp, yarıçap belirleyebilirsiniz.
Aracınızı çalışmadan önce, fay hatlarınızla, bölgeniz üzerinde bir yoğunluk hesaplaması
yaptığınızdan sınırı büyültmeniz gerecekecektir. Environment Settingsten gerekli ayarlamayı
yapınız ve aracınızı çalıştırınız.
36
Aracın çalışması bittiğinde km2 düşen fayların yoğunluk haritası oluşacaktır. Böylece gölün
güneyindeki faylarda bir yoğunluk olduğunu ve km2 başına kaç metre fay düştüğünü
yorumlayabileceksiniz.
37
Kernel Density – Virüs Salgınından Etkilenen Kişilerin Yoğunluğunun

Hesaplanması
Kernel Density aracı, yoğunluk hesaplamada özel bir formül kullanır. Bu formül, elinizdeki her
nokta için bir yarıçap belirler, noktanın çevresine bu yarıçap doğrultusunda bir çember çizer ve
çemberin sonuna kadar kernel fonksiyonu uygulanarak, 1’den 0 a doğru katsayılarla hesaplama
yapar. Yarıçapın bittiği yerde 0 ile hesaplama yapılır ve diğer nokta için hesaplama yapılmaya
başlanır. Bu sebeple kernel için yarıçap seçimi çok önemlidir. Daha doğru bir yoğunluk haritası
için, noktaların yarıçaplarının kesişmesi gerekmektedir.
Uygulama 3c
Bu uygulamada, 8 ülkede hörülen H3N2 virüsü taşıyan hastaların başvurduğu sağlık ocakları ve
sözel bilgilerinde kaç hastanın başvuruda bulunduğu bilgilerini içeren verileriniz bulunmaktadır.
Bu verilerden yola çıkarak, 8 ülkedeki H3N2 hastalığının yoğunluk haritasını çıkaracaksınız.
2 File>Open yardımıyla C:\SpatialAnaliz\Konu03 dizininden Uygulama3c.mxd ArcMap çalışma

38
3 ArcToolbox’da bulunan Kernel Density aracına ulaşınız
ve tıklayınız.
4 Input point or polyline features kısmına Sağlık Ocağı katmanını tanıtınız. Population Field bölümüne
de hasta yoğunluğunu hesaplamak istediğiniz için Hasta Sayısı sütununu tanıtınız ve
C:\SpatialAnaliz\Konu03\Verilerim dizinine Salgın adıyla kaydediniz.
39
5 Output Cell Size bölümünde oluşacak olan yoğunluk haritanızın hücre boyutu bilgisini girmeniz
gerekmektedir. 8 ülkenin kapsadığı alanı düşünerek, bilgisayarınızın bu işlemi gerçekleştirirken çok
zorlanmayacağı bir hücre boyutu belirleyiniz. Bu uygulama için 2000 olarak belirleyebilirsiniz.
6 Yoğunluk analizlerinin en önemli kısmı yarıçap belirlemektir. Sonucunuzun doğru olabilmesi için
yarıçapı uygun belirlemelisiniz. Bu uygulama için 310000 değerini girmeniz uygun olacaktır.
Yarıçap Belirleme: Bu değer için çalışma alanınızın büyüklüğü ve Uygulama3a da gerçekleştiriğiniz

Average Nearest Neighbor sonucunda çıkan Expected Distance Mean değerini yorumlamak çok
önemlidir. Hatırlarsanız, Expected Distance Mean değeriniz 31000 civarında çıkmıştı, yani iki sağlık
ocağı arasındaki ortalama uzaklık 31000 metredir. Ancak çalışma alanınızın büyüklüğünü
değerlendirdiğinizde birbirinden çok uzak sağlık ocakları olduğunu gözlemleyebilirsiniz. Yoğunluk
analizi için minimum 8 noktanın yarıçaplarının kesişiyor olması uygun sonuç vermektedir. Eğer 31000
girerseniz yakın sağlık ocaklarında doğru sonuçlar alırsınız ama sağlık ocaklarının daha uzak olduğu
bölgelerdeki sonuç doğruluğu çok yansıtmayacaktır. Eğer 300000’den büyük bir değer girdiğinizde,
yarçapları kesişen noktalarınız artacaktır (özellikle sağlık ocaklarının uzak olduğu bölgelerde).
7 Environment Settings penceresinde Processing Extent bölümünü Same as layer Ülkeler olarak
belirleyiniz.
40
Böylece çalışma alanınızın sınırlarını Ülkelerin sınırlarına genişletlemiş oldunuz. Bu, ülkelerdeki
yoğunluğu hesapladığınız için önemli bir etkendir. Sağlık ocakları ülkelerin içinde kalmaktadır, sınıra
yakın sağlık ocağı bulunmayan yerlerde bu hesaplama yapılamayacaktır. Bunun sebebi ise ArcGIS
herhangi bir katman üzerinde analiz gerçekleştirirken varsayılan olarak o katmanın sınırlarını
kullanmasıdır ancak siz katmanın sınırlarının dışında analiz gerçekleştirmek isterseniz bu sınıra
müdahale etmeniz gerekecektir.
8 Environment Settings penceresini OK butonuna basarak kapatınız, Area units kısmını varsayılan
şekliyle bırakınız (km2) OK butonuna tıklayarak aracı çalıştırınız.
Sağlık Ocağı katmanını kaldırarak haritanızı inceleyiniz.
41
Daha güzel bir kartografik görünüm elde etmek istiyorsanız. Data Frame Properties penceresini
açınız ve Data Frame tabında bulunan Clip Options seçeneğini değiştiriniz.
Haritanız sadece ülke sınırları içinde görüntülenmiş oldu.
42
Clip Options harita pencerenizde sadece görüntüde değişklik yapar, haritalarınızı gerçek
anlamda belirli bir sınıra gore kesme işlemini gerçekleştirmez. Eğer Clip Options seçeneğini eski
haline getirirseniz, hartanız orjinal hali ile görüntülenmeye devam edecektir. Kalıcı olarak
kesme işlemini Spatial Analyst Tools>Extraction>Extrack by Mask aracı yardımıyla
Verilerim_Uyg3c.mxd ismini vererek kaydediniz.
43
44
Bölüm 3: Ara Değer Bulma - Interpolasyon
Konu 4 Nokta Verisinden Sürekli Yüzey

Oluşturma
Inverse Distance Weighted (IDW) Yöntemi
IDW with Barrier Yöntemi
IDW ve IDW with Barrier Yöntemi ile Üretilen Haritaların

Karşılaştırılması
Kriging Yöntemi – Durgun Sularda Kirlilik Hesaplaması
Sürekli Yüzeylerin Doğruluğunun Ölçülmesi
45
Çalışma sahasındaki her bir noktaya ilişkin veri toplamak hem kolay değildir hem de
maaliyetlidir. Böyle bir durumda çalışma sahası içindeki stratejik noktalardan örnekler seçilir.
Interpolasyon, bu sahada geriye kalan noktalara ilişkin tahmini değerleri kullanan bir
algoritmadır. İnterpolasyon yöntemi; yükseklik ve kimyasal yoğunluk gibi bilinmeyen coğrafik
nokta değerlerinin tahmini için kullanılır. Bu işlemde mekansal olarak dağılmış cisimlerin
mekansal olarak birbirleriyle ilişkili olduğu varsayılır.
Interpolasyon araçları, örnek noktalardan sürekli yüzey oluşturmayı sağlar. Spatial analiz
modulü, Interpolasyon için iki yaklaşım uygulanmaktadır. İlki Deterministik metod olarak
bilinen ve sadece matematiksel fonksiyonlarla hesaplama yapan yaklaşım, ikincisi ise
jeoistatistiksel metod olarak ve istatistiksel yaklaşımla hesaplama yapan metoddur. Bu iki
metodun, eldeki veriye, araziye, hesaplanmak istenen niteliğe göre avantajları vardır.
IDW Yöntemi – Topraktaki Kil Miktarının Hesaplanması
Inverse Distance Weighted (IDW) yöntemi her bir hücrenin civarındaki örnek veri noktalarının
ortalama değerleri vasıtasıyla, hücre değerlerini tahmin eden, bir interpolasyon metodudur.
Hücreye en yakın olan örnek noktalara büyük ağırlık verilir. Tahmin lokasyonundan
uzaklaştıkça, noktaların etkileri azalacaktır. Çok uzak bir noktayı dikkate almak zararlı olabilir
çünkü nokta tahmin lokasyonundan oldukça farkı bir bölgede yer alıyordur. Çözüm; yeterli
sayıda noktayı dikkate alıp küçük alanlar için yüzey yaratmaktır. Nokta sayısı, örnek noktaların
miktarı, dağılımı ve yüzey karakterine bağlı olarak değişir.
Örneğin bir sıcaklık haritası oluştururken, ege bölgesi ile karadeniz bölgesi arasında ilişki
kurmaya çalışmak ve hesaplamayı bu ilişkiye göre gerçekleştirmek sonuçta yanlışlıklar
doğurabilecektir. Çünkü ege bölgesindeki bir lokasyon, karadeniz bölgesindeki bir lokasyonun
sıcaklığından etkilenmemektedir. Ancak bunu bölgesel düşünür ve Kütahya ilinin sıcaklık
haritasını oluşturmak istediğinizde, Kütahya’nın çevresindeki illerin sıcaklıkları ile benzer değer
gösterebileceğini yorumlayabilirsiniz.
Bu gibi hesaplamalarda IDW en yakınında bulunan örneklem noktalarına katsayı vererek bir
hesaplama gerçekleştirir. Bu katsayı örneklem noktaları birbirine ne kadar yakınsa o kadar
büyük olacaktır (Örneğin Kütahya’nın sıcaklığını hesaplarken, Uşaktaki sıcaklık örneklemlerinin
Manisa’daki sıcaklık örneklemlerine göre katkısı daha fazla olacaktır), uzaklaştıkça katsayı
düşecek ve 0’a gelecektir.
46
Uygulama 4a
Bu uygulamada topraktaki kil miktarını hesaplayacaksınız. Örneklem alınmış bazı noktalarda kil
miktarları bulunmaktadır. Bu miktarlar örneklem katmanının sözel tablosunda yer almaktadır.
Peki hangi yöntemi seçmeniz gerekiyor. Kil toprakta çözünen en zor maddelerden olduğu için,
yer altı suları ile taşınması zor bir ihtimaldir, bu sebeple 50 km uzaklıktaki bir örneklem noktası
hesaplanan hücrenin değerini değiştirmeyecektir. Bu koşullarda kil miktarını hesaplamak
istediğinizde IDW metodu en uygun olacaktır.

47
3 ArcToolbox’da bulunan IDW aracına ulaşınız
ve çift tıklayınız.
4 Input point features alanına sürekli yüzeyinizi oluşturacağınız örneklem noktalarını giriniz ve Z
value field olarak KılOran sütununu giriniz. Böylece kil değerlerinizi tanıtmış oldunuz. Oluşacak
sürekli yüzeyin kayıt yerini belirleyiniz ve IDW adıyla kaydediniz.
5 Ouput cell size yani hücre boyutunu 50 olarak belirleyiniz ve Power değerini varsayılan(2)
olarak bırakınız.
48
6 Search Radius alanı yüzeyin doğruluğunu artıracak olan en önemli bölümdür. Buradaki
değerleri doğru girmek çok önemlidir. Bu uygulama için Variable seçeneğini kullanınız ve ekran
görüntüsünde yer alan değerleri giriniz.
Buradaki 10000 değeri Average Nearest Neighbor aracı ile hesaplanan uzaklığın 10 katı olarak
belirlenmiştir.
Search Radius
Search radius için iki seçenek vardır. Bunlardan birisi Fixed diğeri ise Variable’dır.
Fixed metodu ile hesaplama belirli bir mesafe içinde gerçekleştirilir. Bu mesafenin içine giren
tüm noktalar IDW ‘ye göre hesaplamaya katılır. Ayrıca hesaplamanız için minimum bir nokta
olmasını istiyorsanız bu değeri de tanımlayabilirsiniz. Böylece analizinin gerçekçi olması için 8
örneklemin hesaba katılması gerekirken, tanımladığınız yarıçapta bu örneklem sayısına
ulaşamadınız zaman yarıçapınız 8 örnekleme ulaşana kadar artar.
Variable metodunda ise öncelik örneklem noktalarına verilir, yarı çap her defasında değişir. Her
defasında 10 örneklem alarak hesaplama yapar. Eğer 10 km uzaklıktaki bir örneklemin etkisinin
olmasını istemiyorsanız limit değeri girmeniz gerekmektedir. Bu da 10. değeriniz 10 km’den
uzaktaysa hesaplamaya almayacağı anlamına gelir.
49
7 Environments Settings ile örneklem noktalarınızın dışında da hesaplama yapılmasını
sağlayınız ki havzanızın tüm sınırlarındaki kil değerini öğrenebilme imkanınız olsun. Aksi halde
örneklem noktalarınızın sınırında hesaplama kesilecek ve bazı bölgelerde yüzey oluşmayacaktır.
Aracı çalıştırınız. Oluşan sürekli yüzeyinizi ister sınırlara göre keserek, ister havza katmanını
görünmez yaparak görüntüleyiniz.
50
Identify aracı ile oluşan raster veriniz üzerinde herhangi bir hücreye tıkladığınızda o hücrenin kil
değerini görebilirsiniz.
51
IDW with Barrier Yöntemi – Akarsuların Topraktaki Kil Miktarına olan Etkisi
Bazı bölgelerde değişime etki eden önemli çevresel faktörler olabilir. Dağ sırtları, akarsular, fay
hatları, yollar bölgedeki dağılımı etkileyebilir. Bu etkiler IDW with Barrier yöntemi ile
hesaplanabilir. Böylece, örneğin bir akarsu etrafındaki değişimi gözlemleyebilirsiniz. IDW with
Barrier yöntemi IDW aracı ile birlikte gelmekte olup, opsiyonel bir seçenektir. Eğer engel olarak
bir katman tanıtılırsa hesaplama bu engele uygun olarak yapılacaktır.
Uygulama 4b
Bu uygulamada arazinizden geçen bir akarsuyun topraktaki kil olaranın değişime sebep olup
olmadığını incelemek için bir sürekli yüzey oluşturacaksınız.

52
3 ArcToolbox’da bulunan IDW aracına ulaşınız
IDW aracınızı bir önceki uygulamada bulunan parametrelerle aynı olacak şekilde doldurunuz ki
farklı gözlemleyebilesiniz.
4 Tüm değerleri bir önceki uygulamadaki gibi ayarlayınız ve Input barrier polyline features
alanına Akarsu katmanını tanıtınız ve aracı çalıştırınız.
53
Oluşan sürekli yüzeyinizi gözlemleyiniz.
IDW ve IDW with Barrier Yöntemleri ile Oluşturulan Sürekli Yüzeylerin

Karşılaştırılması
Uygulama 4c
Bu uygulamada uygulama 4a ve 4b de oluşan sürekli yüzeylerin karşılaştırmasını yapacaksınız.

54
3 Effects araç çubuğunu ArcMap arayüne ekleyiniz.
4 Effects araç çubuğunda effect uygulayacağınız katmanı (IDWBariyer) katmanını tanımlayınız

ve Swipe aracını aktif hale getiriniz.
55
Swipe aracı tanımlanan katmanın kaydırılmasını sağlayarak alttaki katmanı görüntüler.
IDWBariyer haritasını akarsunun olduğu bölgede aşağıya doğru kaydırınız.
Değişimi gözlemleyiniz.
56
Kriging Yöntemi – Kirlilik Hesaplaması
Kriging, çok güçlü ve hassas olarak interpolasyon sağlayan bir metoddur. Diğer bir deyişle
istatistiksel modellere dayalıdır. Uygun kullanım için ileri düzeyde istatistiksel bilgiye ihtiyaç
duyulmaktadır. Kriging metodu, “Ordinary” ve “Universal” olarak tanımlanmış iki seçeneğe
sahiptir. Bilinmeyen bir değeri hesaplarken tüm örneklemlerin değerlerini kullanır.
IDW interpolasyon tekniği gibi krigingde bilinmeyen değerleri tahmin etmek için civardaki
ölçüm lokasyonlarına ağırlık atar. Yakın ölçüm değerleri en etkilidir. Ancak civardaki ölçüm
lokasyonlarının kriging ağırlıkları IDW dekinden daha teferruatlıdır. IDW mesafeye dayanan
basit bir algoritma kullanır, fakat kriging ağırlıkları verinin mekansal yapısını araştıran
semivaryogramdan gelir.
Kriging yöntemi çok aşamalı bir süreçtir, öncelikle örneklem noktalarının keşfi istenir, ardından
bu örneklem noktalarına uygun olarak tahmini bir yüzey modeli belirlenir ve bu yüzeyi
değerlendirmek gerekir. Eğer veri örneklemin dağılımından veya yönünden etkilendiğini
düşünüyorsanız kriging yöntemi en uygun yöntemdir.
Kriging yöntemini diğer interpolasyon yöntemlerinden ayıran en önemli özellik, tahmin edilen
her bir nokta veya alan için bir varyans değerinin hesaplanabilmesidir ki bu tahmin edilen
değerin güven derecesinin bir ölçüsüdür. Bu şekilde kestirim hatasının büyüklüğü
görüntülenebilir.
Krigingin diğer bir üstünlüğü ise ağırlıkların gelişi güzel bir kurallara göre belirlenmemesidir.
Kriging metodunda değişim her yerde sabit kabul edilir ve tepe ile vadiler oluşturulabilir.
Bu kitapta Kriging için gerekli istatistiksel bilgiler çok detaylı olarak açıklanamayacaktır. İleri
seviye istatistik bilgisi gerektiren bu konu Geostatistical Analiz kitabında yer almaktadır.
Uygulama 4d
Bu uygulamada bir gölde kirlilik hesaplaması gerçekleştireceksiniz. Gölün bir tarafında kimyasal
atıkları olan fabrikalar, diğer tarafında ise park alanları bulunmaktadır.
57
2 File>Open yardımıyla C:\SpatialAnaliz\Konu04 dizininden Uygulama4d.mxd ArcMap çalışma
3 ArcToolbox’da bulunan Kriging aracına ulaşınız

58
4 Input point features alanına sürekli yüzeyi üreteceğiniz numune değerlerini ve Z value field
kısmına ise kirlilik bilgisinin olduğu numune katmanının kirlilik ismindeki sütununu tanıtarak
C:\SpatialAnaliz\Konu04\Verilerim klasörüne Kriging ismiyle kaydediniz.
5 Semivariogram properties verilerinizin istatistiksel olarak değerlendirilip, parametrelerin

belirlendiği alandır. Bu uygulamda litaratür çalışmları sonucunda en iyi sonuç veren
parametreler sizin için ayarlanmıştır. Kriging metodunu Ordinary olarak belirleyip,
Semivariogram modeli Gaussian seçiniz.
Ordinary Kriging
 Sabit, ama bilinmeyen ortalama değerler kabul edilerek hesaplamalar yapılır.
 Ordinary kriging semivaryogramlar veya kovaryansları kullanabilir (otokorralasyonu

ifade etmekte kullanılan matematiksel formlar), transformasyonları kullanabilir ve
trendi uzaklaşatıralabilir, ölçüm hataları için izin verebilir.
Universal Kriging
 Universal Kriging, değerleri bilinmeyen katsayılarla bir eğim yüzeyini farz ederek veri
üretir
 Yakınındaki komşu değerler yüzünden yerel etkilere izin verir.
59
6 Advanced Parameters.. butonuna tıklayarak Lag Size alanına 1300 olarak değiştiriniz.
Not: Lag Size Average Nearest Neighbor aracı kullanırak hesaplanmıştır.
7 Output Cell Size alanını 30 olarak değiştiriniz ve diğer parametreleri sabit bırakarak Extent
değişikliğini Göl alanına göre gerçekleştiriniz ve aracı çalıştırınız.
Sürekli yüzeyinizi gözlemleyiniz ve bilinmeyen lokasyonların kirliliğini inceleyiniz.
60
Parkların olduğu bölgeler kritik dğer olan 35 birimi geçmemekte bu sebeple bu park yerlerinde
herhangi bir uyarı yapmanıza gerek kalmamıştır.
Verilerim_Uyg4d.mxd ismini vererek kaydediniz.
61
Sürekli Yüzeylerin Doğruluğunun Ölçülmesi
Interpolasyon metodu ile oluşturulan yüzeylerin doğruluğu ve haritanın kullanılır olup

olmaması çok önemlidir. Geostatistical Analiz modulu, bulunan hata oranını belirtse de Spatial
Analiz modülünde bu işlem daha farklı gerçekleştirilmektedir.
Interpolasyon sonucunda oluşan sürekli yüzeylerde, mevcut numune noktalarında da

hesaplama yapılır. Oluşan yeni değerle ölçüm sonucu elde edilen değer karşılaştırılarak
doğruluk saptanabilir.
Uygulama 4e
Bu uygulamada bir önceki uygulama sonucunda oluşan sürekli yüzeyin doğruluğunu

irdeleyeceksiniz. Bunu mevcut noktaların değerleriyle, interpolasyon sonucunda yeniden
hesaplanmış olan değerlerle karşılaştırarak gerçekleştireceksiniz.
2 File>Open yardımıyla C:\SpatialAnaliz\Konu04 dizininden Uygulama4e.mxd ArcMap çalışma

62
3 ArcToolbox’da bulunan Exract Values to Points aracına
ulaşınız ve çift tıklayınız.
Extract Values to Points aracı, nokta detaylarının altında bulunan raster verilerin değerlerini
detayın sözel tablosuna yazdıran araçtır. Bu araç, bir noktanın sıcaklık bilgisini, sıcaklık
haritasından yazdırmada, yükseklik, jeoloji gibi bilgileri mevcut raster verilerden detaya
yazdırmada oldukça kullanışlıdır. Örneğin elinizde bir meteoroloji istasyonu bulunmakta. Siz bu
istasyonun yükselik bilgisini ve kurulu olduğu zeminin jeolojisini merak etmektesiniz. Extact
Values to Points aracı bu bilgileri istasyonun sözel tablosuna yazdıracaktır.
4 Input point features alanına numune noktalarını giriniz ve Input raster alanına da Kriging
isimli sürekli yüzeyi tanımlayınız. Yeni oluşacak katmanı C:\SpatialAnaliz\Konu04\Verilerim
klasörüne S_Numune ismiyle kaydediniz.
63
Not: Interpolate values at the point locations seçeneğinin çekini atınız, böylece iki hücrenin
kesişiminde olan numune noktalarının değerlerini yazdırıken bu iki hücrenin ortalama değerini
alarak yazdırır.
Oluşan yeni katmanın sözel tablosunu açınız ve inceleyiniz.
64
Bazı değerlerin gerçek değerine yakın bazı değerlerin ise çok yakın olmadığı görülmektedir.
Eğer Kriging metodunu uygularken, lag size ve Gaussian metodunu seçmeden varsayılan
değerleriyle hesaplama yapmış olsaydınız bu farkların daha fazla olduğunu gözlemleyebilirdiniz.
Hiçbir değiştirme yapılmadan, varsayılan ayarlamalarla oluşturulan sürekli yüzeyde hata

oranının daha fazla olduğunu ekran görüntüsünden inceleyebilirsiniz.
Sizde bu testi gerçekleştimek için, numune noktalarından kriging metodu ile hiçbir parametreyi
değiştirmeden sürekli bir yüzey oluşturunuz ve Extract Values by Points aracı ile sağlama
işlemini gerçekleştiriniz. Bu iki tabloyu karşılaştırınız.
65
Verilerim_Uyg4e.mxd ismini vererek kaydediniz.
66
Bölüm 4: Spatial Analiz Modulü ve İstatistiksel Analizler
Konu 5 İstatistiksel Analizler

Eğim Gruplarında Arazi Kullanımının Tespit Edilmesi
Türkiye’nin Son 5 Yılda Hava Sıcalığı Değişiminin Değerlendirilmesi
Bölgesel Suç Analizi
67
ArcGIS Spatial Analiz modülü, sağlamış olduğu istatistiksel analizlerle, bölgedeki minimum,
maksimum standart sapma vb hesaplamaları gerçekleştirmenizi sağladığı gibi, bilgiden bilgi
üretmenizi sağlayacak araçlar sunar. Bu araçlar genel olarak iki ana başlık altında toplanırlar,
 Hücre Bazlı İstatistikler

 Bölge(Zone) Bazlı İstatistikler
Hücre Bazlı İstatistikler
Hücre bazlı istatistik fonksiyonu, iki veya daha fazla sayıdaki raster veriler üzerinde ilgili
hücreler arasındaki değişimleri veya eğilimleri hesaplamak için kullanılır. İlgili hücreleri
karşılaştırmak için istatistiksel metotlardan birini kullanır. Hücre bazlı istatistik fonksiyonu ile
arazi kullanımındaki değişimleri gösteren bir raster oluşturulabilir. Örneğin elinizde son 10 yılın
nüfus değişimini gösteren raster haritalar varsa, son 10 yılın ortalama nüfus dağılımını gösteren
haritayı bu araçlarla hesaplatabilirsiniz.
Bölge(Zone) Bazlı İstatistikler
Bölge bazlı istatistikler, sadece belirlenen bölge içinde bir hesaplama yapar. Raster veri
üzerinde bölgeler belirlenir ve o bölgenin istatistiki bilgisi çıkarılır. Örneğin Türkiye’deki illerin
ortalama sıcaklık değerleri nedir? Sorusunun cevabını bu araçlarla bulabilirsiniz.
Tabulate Area – Eğim Gruplarındaki Arazi Kullanımının Tespiti
Tabulate Area aracı ile bölgelerin birbirleri içersinde bulunma oranlarını hesaplar. Yağış alan
bölgelerde ne kadar orman var?, yangın bölgelerindeki yerleşim alanları ne kadar? sorularnın
yanıtlarını bu araçla bulabilirsiniz.
68
Uygulama 5a
Bu uygulamada her bir eğim grubunun içinde kalan arazi kullanımını inceleyeceksiniz. Ormanlık
alanların ne kadarı 0-10 derece eğime sahip bölgelerde, yerleşim alanlarından 50-70 derece
eğime sahip bölgelerde dağılımı nedir sorularının cevabını bulacaksınız.

3 Eğim haritasının sözel tablosunu açarak inceleyiniz. 1 nolu value bilgisine sahip bölgelerin 0 -
10 derece eğime sahip bölgeler olduğunu gözlemleyiniz.
69
4 ArcToolbox’da bulunan Tabulate Area aracına ulaşınız ve çift
tıklayınız.
5 Tabulate Area aracında hangi bölgenin içinde kalan değerlerin hesaplatılacağı çok önemlidir.
Bu uygulamada eğim gruplarının içinde kalan arazileri hesaplatacağınız için Input raster or
feature zone data alanına Eğim haritanızı tanıtınız. Zone Field olarak da Vaule yi seçiniz ki
bölgeleriniz tanımlı olsun.
Eğim grubunda 4 bölge bulunmaktadır.
6 Input raster or feature class data alanı ise eğim grupları içinde kalan arazilerinizin
değerlendirileceği bölgedir. Yani 0-10 derece eğime sahip bölgelerde ne kadar ormanlık alan
varın cevabını bulacağınız alan. Bu sebeple bu Alana AraziKullanım katmanını tanıtınız.
70
Class field olarak snf sütununu tanıtınız ki değerleri yorumlamanız kolay olsun.
7 C:\SpatialAnaliz\Konu05\Verilerim klasörüne TabulateArea adını vererek kaydediniz ve aracı

çalıştırınız.
Processing cell size mevcut verinizdeki hücre boyutunu kullanacağı için değiştirmenize gerek
yoktur. Eğer vektör verilerle bu analizi gerçekleştirmiş olsaydınız bu alanı boş bırakabilirdiniz.
Table of Contents’e tablonuz eklenecektir. Tablonuzu açınız ve değerlendirmenizi yapınız.
71
Eğimi 0-10 derece olan bölgelerde toplam 17085900 hücre bulunmaktadır. Bu değeri, hücre
boyutu olan 10 ile çarparsanız m2 cinsinden alanı da bulabilirsiniz. Hatta km2 olarakta bu
hesaplamayı gerçekleştirebilirsiniz.
Cell Statistics – Türkiye’deki Son 5 Yıllık Hava Sıcaklığının Değerlendirilmesi
Cell Statistics birden fazla raster veride bulunan değişimleri hesaplayan araçtır. Bu değişimler
maksimum, minimum, toplam medyan vb şeklinde olabilmektedir. Son 3 yılın en düşük
değerleri cell statistics aracı ile kolaylıkla hesaplanabilir.
Uygulama 5b
Bu uygulamada Türkiye’nin son 5 yıllık sıcaklık değerlendirmesini gerçekleştireceksiniz. Bu

işlemi gerçekleştirebilmeniz için 5 yıla ait sıcaklık verilerinin olduğu haritalara ihityacınız
olmaktadır. Bu haritaları istasyonlardan aldığınız değerlerle IDW metodunu kullanarak
oluşturabilirsiniz. Ardından son 5 yılın maksimum sıcaklığı, 5 yılın ortalama sıcaklığı gibi
analizleri gerçekleştirebilir, bilgiden yeni bilgiler üretebilrisiniz.

dosyasını çağırınız
72
3 ArcToolbox’da bulunan Cell Statistics aracına ulaşınız ve çift
çift tıklayınız.
73
Araçtanda anlayacağınız üzere raster verileri araca tanıtmanız ve çalıştırmanız gerekmektedir.
4 Input rasters or constant values alanına 2008-2012 raster verilerini sırasıyla ekleyiniz ve kayıt
yerini C:\SpatialAnaliz\Konu05\Verilerim olarak belirleyerek CellStat adını veriniz.
Bir diğer kısım ise veriyi nasıl değerlendireceğinizin yanıtını bulacağınız alan. Son 5 yıllık
maksimum sıcklığı mı, ortalama sıcaklığı mı yoksa sıcaklıkların standart sapmasını mı
hesaplamak istiyorsunuz. Bu uygulamada maksimum sıcaklık değerlendirileceği için maksimum
seçeneğini seçiniz ve aracı çalıştırınız.
74
Türkiye’nin son 5 yıldaki maksimum sıcaklık 5 ile 29
derece arasında değişmiştir.
Not: Sıcaklık değerleri gerçek veriler değildir, sadece

eğitim amaçlı hazırlanmış rasgele değerlerdir.
Zonal Statistics as Table – Bölgesel Suç İstatistiğinin Hesaplanması
Zonal Statistics as Table aracı, zonları yani bölgeleri içinde analizi gerçekleştirir. Bir bölge içinde
bulunan piksel değerlerinin istatistiki bilgisini size verir, böylece Türkiye’ye ait sıcaklık haritasını
kullanarak sadece Ankara’nın sıcaklık bilgilerinin istatistiğini oluşturabilirsiniz.
75
Uygulama 5c
Bu uygulamada suç haritası çıkarılmış bir bölgeden, o bölgede bulunan ilçelere ait suç analizi
gerçekleştirilecektir, böylece her ilçede meydana gelen ortalama, maksimum vb. suç oranı
bulunacaktır.

dosyasını çağırınız
76
3 ArcToolbox Spatial Analyst Tools altında bulunan Zonal
Statistics as Table aracına ulaşınız ve çift tıklayınız.
4 Input raster or feature zone data alanı için bölgeleri tanımlayacağınız katmanı yani ilçe
katmanını giriniz. Zone field olarak AdiNumarası sütununu seçiniz ki oluşacak tabloda ilçe adını
gözlemleyebilin.
5 Input value raster alaı için elinizde bulunan raster veriyi tanmlamanız gerekmektedir. Suç
yoğunluğu haritasını buraya tanıtınız ve kayıt yerini C:\SpatialAnaliz\Konu05\Verilerim olarak
belirleyerek Zonal adını veriniz.
6 Statistics type alanına inceleyiniz, bu uygulama için ALL seçeneğini seçerek aracınızı
çalıştırınız.
77
Table of Contentse eklenen tabloyu açınız ve inceleyiniz.
Bölgede bulunan tüm ilçelerin ortalama suç analizi, minimum suç analizi ve diğer istatistiki
bilgiler oluşturulmuştur.
78
Bölüm 05: ArcMap Arayüzünün Özelleştirilmesi
Konu 6 Etkileşimli Görünürlük Analiz

Aracının Eklenmesi
Interactive Visibility Eklentisinin ArcMap Arayüzüne Eklenmesi ve
Kullanımı
79
Konu 6 uygulamasında daha önceden Python yazılım geliştirme ortamında geliştirilen
Interactive Visibility eklentisini (Add-In) ArcMap ortamına kolaylıkla yüklemeyi
öğrenebileceksiniz. Sonrasında eklenen bu araç çubuğunu ArcMap ortamında kullanmayı
öğrenebileceksiniz.
Bu gibi eklentiler genellikle genel ArcGIS kabiliyetlerinde olmayan konularda veya daha kolay
kullanma isteğiyle Python ortamında geliştirilmektedir. Sonrasında birden çok işlem veya analiz
gerektiren süreçler bir kaç buton yardımıyla ve kolay parametrik değişimlerle
kullanılabilmektedir.
Interactive Visibility Eklentisinin ArcMap Arayüzüne Eklenmesi ve Kullanımı
ArcGIS 10.1’den itibaren diğer versiyonlarda çalışır durumda olan Interactive Visibility eklentisi,
klasör ortamında veya ArcMap ortamında yüklenerek araç çubuğu halinde çalıştırılacaktır.
Interactive Visibility araç çubuğu ArcGIS Spatial Analyst ve 3D Analyst modülünde bulunan
Viewshed aracının fonksiyonlarını tam olarak etkileşimli hale getirerek araç kullanımı ve
modüle olan ihtiyacı azaltarak kolay kullanım sunmaktadır. Ayrıca araca tablosal ortamda
tanımlanabilen Offset, Radius gibi bilgileri radio butonları ile tanımlanabilmektedir. Bu gibi
eklentileri Python ve Add-In Asistant aracılığı ile sizler de kolaylıkla yapabilirsiniz.
Uygulama 6a
Interactive Visibility eklentisini ArcMap ortamına almak için iki yol bulunmaktadır. İlki windows
klasör gezgininde Add-In üzerinde çift sol klik yapmanız ArcMap arayüzüne Add-In eklenmesini
sağlayabilir. Diğer ikinci seçenek, ArcMap arayüzünde iken Customize > Add-In Manager
seçeneğine tıklamaktır.
Not: Add-In ekleneceği zaman ArcMap arayüzünün açık olmaması tavsiye edilir.
1 Windows gezgininde C:\SpatialAnaliz\Konu06\Veri klasörüne erişiniz, ardından

interactivevisibility klasörüne erişiniz. Açılan klasörde InteractiveVisibility.esriAddIn dosyasında
çift sol klik yapınız.
80
2 Ekrana gelen Esri ArcGIS Add-In Installation Utility penceresinde Install Add-In butonuna
tıklayınız.
3 Son olarak gelen başarılı yükleme onay penceresinde OK butonuna tıklayınız.

81
Buraya kadar olan adımlarda dışarıda bulunan ArcGIS eklentisini yüklediniz. Devam eden adımlarda
eklenen eklentinin kullanımına değinilecektir.

82
6 ArcMap arayüzünde Interactive Visibility araç çubuğuna erişmek için Customize > Toolbars >
Interactive Visibility seçeneğine tıklayınız.
Devam eden adımlarda araç çubuğu üzerinde görünürlük analizi için gerekli katman ve
yükseklik, çap, yatay ve dikey açı bilgileri tanımlanacaktır.
7 Interactive Visibility araç çubuğunda en sol bölüm katman tanımlama bölümünde açılır oka
tıklayarak SYM katmanını tanımlayınız. Bu tanımlama etkileşimli görünürlük analizinin
gerçekleştirileceği yükseklik bilgilerini içeren rasterın tanımlanmasını kapsar.
8 Sonrasında herhangi bir parametre ayalarması yapmadan Add Observer and Compute
Visibility (Gözlemci ekle) butonuna tıklayınız. Sonrasında sayısal yükseklik modeli üzerinde
daha çok gözlemcilerin konumlanıdırılabileceği bir tepeye bir kez sol tıklayınız.
Oluşan yeni nokta katmanını ve yüzeyi gözlemleyiniz. Oluşan visibility_output katmanının

tablosunu açınız.
83
9 Adjust Observer Attributes butonuna tıklayınız. Açılan parametrik ayarlama penceresinde
Observer offset (z units) (Z biriminde gözlemci yüksekliği) parametresini 40 metre olarak
ayarlayınız. Bunun için direkt 40 yazabilir veya radio butonunu kullanabilirsiniz.
Oluşan yeni yüzeyi gözlemleyiniz.
84
10 İkinci bir gözlemci noktası oluşturmak için imleciniz Add Observer durumunayken yine tepe
bir noktaya gözlemci ekleyiniz. Bu gözlemcinin parametrelerini aşağıdaki gibi ayarlayınız.
Görünüme ek olarak, visibility_output katmanı tablosunda her gözlemci için görebildiği hücre
sayısını yazmaktadır. Hücre sayısını (20031) ile hücre boyutunu (100x100 m) çarptığınızda, her
gözlemcinin görebildiği alanı metrekare olarak ortaya çıkarabilirsiniz. Uygulamada 2. gözlemci
200310000 metrekare veya 200 kilometrekare alanda görünürlüğe sahiptir.
85
Ayrıca oluşan visibility_output katmanı şu anda geçici hafızada (in memory) bulunmaktadır. Bu
katmanı kalıcı hale getirmek için katman üzerinde sağ klik > Data > Export Data seçeneği ile
kaydedebilirsiniz.
Oluşturduğunuz grafik gözlemci noktalarını vektör veri olarak kaydetmek için Interactive
Visibility araç çubuğunda bulunan Save Observer Points butonuna tıklayabilirsiniz.
C:\SpatialAnaliz\Konu06\Veri klasöründe interactivevisibility eklentisine ek olarak Sinuosity gibi

eklentiler de bulunmaktadır. Bu eklentileri de daha sonra siz deneyebilirsiniz. Sinuosity
eklentisi mevcut çizilmiş akarsularda kıvrımlılık değerini çıkarabilirsiniz.
86
Bölüm 06: Haritaların Özel Analizlere Hazırlanması
Konu 7 Yeniden Sınıflandırma

Raster Verilerin Yeniden Sınıflandırılması
87
Konu 7 uygulamasında raster verilerin kullanıcı isteğine göre yeniden sınıflanması sağlanarak
sonraki konularda yapılacak olan analizlerde girdi rasterı olarak kullanılması sağlanacaktır.
Rasterların yeniden sınıflandırılması işlemi, mevcut rasterda iki türlü etki yapmaktadır. Birincisi;
hücrelerinde ondalıklı değer barındıran rasterların tam sayı değer içeren rastera
dönüştürülmesi, ikincisi ise; daha sonra yapılacak çakıştırmalarda yeniden sınıflanacak rasterda
yeni verilen sınıfların daha çok istendiği/uygun olduğu anlamında kullanılabilir olmasıdır.
Diğer kullanım alanları ise, raster hücrelerini gruplamaktır. Bu gruplama işlemi bireysel/tek
değerler olabildiği gibi aralıklı olan değerleri gruplamak da olabilir.
Görüldüğü gibi bireysel olan değerlere belirli sınıf değeri ataması yaparak onların aynı gruba
dahil edilmesi sağlanmış olmaktadır.
Görüldüğü gibi farklı aralıklarda olan hücre değerleri aynı gruplara dahil edilmiştir.
88
Ayrıca çakıştırmada kullanılacak katmanları ortak ölçekte toplamanızı da sağlayan bir araçtır.
Yani bir çakıştırmada tüm katmanların aynı sınıf sayısında olması isteniyorsa, sınıflarda
birleştirme gibi işlemleri bu araç sayesinde yapabilirsiniz.
Tamsayı değer içeren (hücre değerlerinin tamsayı (1 gibi) değer içermesi) rasterların gösterge
tablosunun (Attribute Table) açılmasıdır. Ondalıklı değer içeren rasterlarda tablo açılmaz. Tablo
oluşması ve açılması belirli bir sınıfa göre gruplama (dissolve gibi düşünülebilir) işlemiyle
beraber gelir. Yani Reclassify aracına tabii tutulan ondalıklı değer içeren rasterlar, araç
kullanımından sonra tamsayı değer içerir. Bu tamsayı bir grupta tabloya yazılır ve rasterın
tablodan da yönetilmesi sağlanır. Tek bir sınıfa atanan tüm 1 değeri içeren hücreler artık
kolaylıkla çakıştırılarak analiz edilebilir.
Bu uygulamada yeniden sınıflanan raster katmanlar daha sonra Raster Calculator veya
Weighted Overlay gibi araçlarda çakıştırma için kullanılabileceklerdir.
Aşağıdaki uygulamada kullanılacak araç olan Reclassify aracının aktif olması/kullanılması için
Spatial Anayst ve 3D Analyst modüllerinin olması gerekmektedir.
Raster Verilerin Yeniden Sınıflandırılması
Çakıştırma veya bir çok hücresel analizde yeniden sınıflanmış veya tamsayı değer içeren raster
veriler kullanılarak gerçekleştirilmektedir. Bu yüzden analizde kullanılmak istenen rasterların
yeniden sınıflanması veya doğrudan tamsayı değer içermesi gerekmektedir. Rastera
dönüştürülen veriler artık hücrelerden oluştukları için üst üste gelme durumuna göre hücresel
bir çok matematiksel fonksiyon ve çakıştırma işlemine tabii tutulabilmektedir.
Aşağıdaki uygulamada rasterları yeniden sınıflandırarak bir çok analizin yolunu açabilirsiniz.
Uygulamada yeniden sınıflandırılmak üzere hazırlanan iki raster veri bulunmaktadır. Bunlar
Eğim ve SYM katmanlarıdır. İlk olarak Eğim katmanı yeniden sınıflandırılarak anazliler için
uygun hale getirilecektir. Sonrasında SYM katmanı yeniden sınıflandırılarak analizler için uygun
hale getirilecektir.
89
Uygulama 7a

Ekrana gelen Eğim katmanını inceleyiniz. Bunun içinde Layer Properties > Source sekmesine
tıklayarak Pixel Type (Hücre tipi) satırına göz atınız. Burada eğim rasterındaki hücrelerin
ondalıklı (float) değer içerdiğini okuyabilirsiniz. Bunun ikinci göstergesi olan katman üzerinde
sağ klik > Open Attribute Table seçeneğinin aktif/pasif olması durumudur. Seçenek pasif iken
rasterdaki hücreler ondalıklı değer içeriyor anlamına gelir. Diğer yöntem ise Identify aracı ile
Eğim rasterı üzerinde bir kez tıklamaktır, bu durumda açılan Identify penceresindeki Pixel value
satırında 3.21 gibi değerler görebilirsiniz. Bu durum da rasterın ondalıklı değer içerdiğinin
göstergesidir. Adımların sonuna gelindiğinde eğim rasterı yeniden sınıflandıktan sonra bu
göstergeler kontrol edilerek rasterdaki değişim net olarak gözlemlenebilir.
90
3 Eğim rasterını yeniden sınıflandırmak (reclassify) için Reclassify aracına erişmeniz
gerekmektedir. Bunun için ArcToolbox > Spatial Analyst > Reclass araç seti içinde bulunan
Reclassify seçeneğine çift tıklayabilirsiniz.
4 Açılan Reclass aracında Input raster parametresinde açılır oka tıklayarak “Egim” katmanını
tanımlayınız. Bu parametre yeniden sınıflanmak istenen rasterı tanımladığınız parametredir.
5 Reclass field parametresinde açılır oka tıklayarak “Value” katmanını tanımlayınız. Bu

parametre yeniden sınıflanacak rasterdaki sütunu tanımladığınız parametredir.
6 Reclassification (yeniden sınıflandırma) parametresi bu araç için en önemli parametredir.

Yapılacak sınıflandırma ve gruplama gibi işlemler bu parametre sayesinde belirlenebilir. Bu
uygulama için Classify butonuna tıklayınız. Ekrana gelen sınıfların düzenlenebileceği
Classification penceresinde sınıf aralıklarını aşağıdaki gibi düzenleyiniz. OK butonuna tıklayınız.
91
Bu sayede yeniden sınıflanacak sınıfları bir düzenlemiş oldunuz. Bu sınıf aralıklarına göre
sonraki adımlarda yeniden sınıflandırma işlemi yapılacaktır.
7 Ardından Reclassify penceresinde Reverse New Values butonuna tıklayınız. Bu sayede New
Values sütununda en az eğimli olan 0-5 dereceli alanlara, yeni değer olarak 9 değeri atanmış
olacaktır. Bu değer çakıştırma işlemlerinde en uygun, en çok istenen sınıf anlamına gelecektir.
8 Sonrasında 35-40 ve 40-73 dereceli eğim gruplarının ikisine de New Values sütununda 1
değerini yazınız.
9 Output raster parametresinde Browse butonuna tıklayınız. Açılan pencerede

C:\SpatialAnaliz\Konu07\Verilerim klasörüne erişerek oluşacak yeni rasterın adını “rec_egim”
olarak yazınız ve Save butonuna tıklayınız. Bu parametre ile yeniden sınıflanan rasterın
kaydetme yerini ve ismini belirlemiş oldunuz.
92
Araç penceresinin yandaki gibi
olduğundan eminseniz, OK
butonuna tıklayarak aracı
çalıştırınız.
Ekrana gelen rec_egim katmanını inceleyiniz.
93
Buraya kadar olan adımlarda
aralık verilen bir raster
katman yeniden
sınıflandırılarak tam sayı
değer içeren rastera
dönüştürülmüştür.Değişiklikl
eri Identify aracı ile
gözlemleyebilir veya yeni
katmanda tablo açılabilirliğini
kontrol edebilirsiniz. Devam
eden adımlarda Uygulama
veri çerçevesindeki sym
raster katmanı yeniden
sınıflandırılacaktır.
10 Uygulama veri çerçevesi üzerinde sağ klik > Activate seçeneğine tıklayarak diğer çalışma
ortamını aktif ediniz.
94
11 sym rasterını yeniden sınıflandırmak (reclassify) için Reclassify aracına erişmeniz
gerekmektedir. Bunun için ArcToolbox > Spatial Analyst > Reclass araç seti içinde bulunan
Reclassify seçeneğine çift tıklayabilirsiniz.
4 Açılan Reclass aracında Input raster parametresinde açılır oka tıklayarak “sym” katmanını
tanımlayınız. Bu parametre yeniden sınıflanmak istenen rasterı tanımladığınız parametredir.
5 Reclass field parametresinde açılır oka tıklayarak “Value” katmanını tanımlayınız. Bu

parametre yeniden sınıflanacak rasterdaki sütunu tanımladığınız parametredir.
6 Reclassification (yeniden sınıflandırma) parametresi bu araç için en önemli parametredir.

Yapılacak sınıflandırma ve gruplama gibi işlemler bu parametre sayesinde belirlenebilir. Bu
uygulama için Classify butonuna tıklayınız. Ekrana gelen sınıfların düzenlenebileceği
Classification penceresinde sınıf aralıklarını aşağıdaki gibi düzenleyiniz. OK butonuna tıklayınız.
95
Bu sayede yeniden sınıflanacak sınıfları bir düzenlemiş oldunuz. Bu sınıf aralıklarına göre
sonraki adımlarda yeniden sınıflandırma işlemi yapılacaktır.
7 Ardından Reclassify penceresinde Reverse New Values butonuna tıklayınız. Bu sayede New
Values sütununda yüksekliği en az olan 1003-1010 metre yükseklikteki alanlara, yeni değer
olarak 9 değeri atanmış olacaktır.
8 Sonrasında 1210-1250, 1250-1280, 1280-1368 yükseklik gruplarındaki üç sınıfa da New

Values sütununda 1 değerini yazınız.

C:\SpatialAnaliz\Konu07\Verilerim klasörüne erişerek oluşacak yeni rasterın adını “rec_sym”
olarak yazınız ve Save butonuna tıklayınız. Bu parametre ile yeniden sınıflanan rasterın
kaydetme yerini ve ismini belirlemiş oldunuz.
Araç penceresinin
yandaki gibi
olduğundan
eminseniz, OK
butonuna tıklayarak
aracı çalıştırınız.
Ekrana gelen rec_sym katmanını inceleyiniz.
96
Buraya kadar olan adımlarda
aralık verilen bir raster
katman yeniden
sınıflandırılarak tam sayı
değer içeren rastera
dönüştürülmüştür.
Değişiklikleri Identify aracı ile
gözlemleyebilir veya yeni
katmanda tablo açılabilirliğini
kontrol edebilirsiniz.
97
Artık üretilen bu iki raster bir çok çakıştırma ve çıkarım yapma gibi araçlarda rahatlıkla
kullanılabilir hale gelmiştir. Bir sonraki konuda çakıştırma işlemlerine diğer hazırlık araçlarından
Feature to Raster aracı, vektör verileri raster verilere dönüştürme işleminde kullanılacaktır.
98
Bölüm 08: Haritaların Özel Analizlere Hazırlanması
Konu 8 Dönüşüm İşlemleri

Vektör Verinin Raster Veriye Dönüştürülmesi
99
Konu 8 uygulamasında vektör verilerin raster veriye dönüşümü sağlanarak sonraki konularda
yapılacak olan analizlerde girdi rasterı olarak kullanılması sağlanacaktır. Veriler daha çok raster
formatta iken çakıştırıldığında daha doğru ve düzenli sonuçlar elde edilerek, bu çıkan sonuçlar
da ek olarak başka analizler ve işlemler yapılabilmektedir.
Aşağıdaki uygulamada kullanılacak araç olan Feature to Raster aracı Spatial Analyst modülüne
sahip olmadan da kullanılabilecektir. Bu araç ArcGIS for Desktop Basic lisans seviyesi ile
kullanılabilir.
Vektör Verinin Raster Veriye Dönüştürülmesi
Çakıştırma veya bir çok hücresel analiz raster veriler kullanılarak gerçekleştirilmektedir. Bu
yüzden analizde kullanılmak istenen bir çok verinin vektörel formattan raster formata
dönüştürülmesi gerekmektedir. Rastera dönüştürülen veriler artık hücrelerden oluştukları için
üst üste gelme durumuna göre hücresel bir çok matematiksel fonksiyon ve çakıştırma işlemine
tabii tutulabilmektedir.
Aşağıdaki uygulamada verileri raster formata dönüştürerek bir çok analizin yolunu açabilirsiniz.
Uygulamada rastera dönüştürülmek üzere hazırlanan iki alansal geometride vektör veri
bulunmaktadır. Bunlar Arazi Kullanım Kabiliyet Sınıfları ve Toprak katmanlarıdır. İlk olarak Arazi
Kullanım Kabiliyet Sınıfları tablosunda yazan AKK sütununa göre rastera dönüştürülecektir.
Sonrasında Toprak katmanı BTG (Büyük Toprak Grupları) sütununa göre rastera
dönüştürülecektir.
Uygulama 8a

100
Ekrana gelen katmanları tablolarıyla beraber inceleyiniz.
3 Vektör katmanları rastera dönüştürmenizi sağlayacak araca erişmek için ArcToolbox >
Conversion > To Raster araç setinde bulunan Feature to Raster aracına çift tıklayınız.
4 Açılan Feature to Raster aracında Input features parametresinde açılır oka tıklayarak “Arazi”
katmanını tanımlayınız. Bu parametre rastera dönüştürmek istediğiniz katmanı tanımladığınız
parametredir.
5 Field parametresinde açılır oka tıklayarak “AKK” katmanını tanımlayınız. Bu parametre vektör
katmanı rastera dönüştürmede kullanılacak öznitelik sütununun tanımlandığı parametredir. Bu
sütunda bulunan değerler çıktı olarak üretilecek raster katmanın hücrelerine taşınacaktır.
6 Output raster parametresinden Browse butonuna tıklayınız. Açılan pencerede

C:\SpatialAnaliz\Konu08\Verilerim klasörüne erişerek oluşacak yeni rasterın adını
“arazi_raster” olarak yazınız ve Save butonuna tıklayınız. Bu parametre dönüşen raster
katmanın kaydedilme yeri ve isminin belirlendiği parametredir.
7 Output Cell Size değerine 20 değerini yazınız. Bu parametre oluşacak raster katmanın hücre
boyutlarının belirlendiği parametredir. Bu parametre daha sonrasında çakıştırma yapılacaksa
oldukça önemlidir. Çünkü çakıştırmada kullanılacak katmanların hücre boyutlarının aynı olması
istenmektedir. Buna göre diğer katmanların çözünürlüğüyle aynı değeri belirlemeniz daha
sonraki çalışmalarınızda tavsiye edilir.
101
çalıştırınız.
Oluşan yeni katmanı hücre bazında görüntüleyebilecek kadar yakınlaştırınız. Oluşan yeni raster
Table Of Contents penceresinde en alta eklenecektir. Bu rasterı en üste taşıyınız.
Özellikle vektör sınırı takip eden hücrelerde vektörden rastera dönüşümün etkilerini
görebilirsiniz. Bunun için Ana menü > Windows >Image Analysis > Swipe gibi araçlar ile sıyırma
gerçekleştirerek oluşan yeni katmanı gözlemleyiniz.
102
Buraya kadar olan adımlarda arazi kullanım kabiliyetleri haritasını vektör formattan raster
formata dönüştürmüş oldunuz. Devam eden adımlarda vektör Toprak verisi raster
dönüştürülecektir.
8 Arazi vektör verisini de rastera dönüştürmede kullanılan Feature to Raster aracına erişmek
için ArcToolbox > Conversion > To Raster araç setinde bulunan Feature to Raster aracına çift
tıklayınız.
9 Açılan Feature to Raster aracında Input features parametresinde açılır oka tıklayarak
“Toprak” katmanını tanımlayınız. Bu parametre rastera dönüştürmek istediğiniz katmanı
tanımladığınız parametredir.
10 Field parametresinde açılır oka tıklayarak “BTG” katmanını tanımlayınız. Bu parametre

vektör katmanı rastera dönüştürmede kullanılacak öznitelik sütununun tanımlandığı
parametredir. Bu sütunda bulunan değerler çıktı olarak üretilecek raster katmanın hücrelerine
yazılacaktır.
11 Output raster parametresinden Browse butonuna tıklayınız. Açılan pencerede

“toprak_raster” olarak yazınız ve Save butonuna tıklayınız. Bu parametre dönüşen raster
katmanın kaydedilme yeri ve isminin belirlendiği parametredir.
103
12 Output Cell Size değerine 20 değerini yazınız. Bu parametre oluşacak raster katmanın hücre
boyutlarının belirlendiği parametredir. Bu parametre daha sonrasında çakıştırma yapılacaksa
oldukça önemlidir. Çünkü çakıştırmada kullanılacak katmanların hücre boyutlarının aynı olması
istenmektedir. Buna göre diğer katmanların çözünürlüğüyle aynı değeri belirlemeniz daha
sonraki çalışmalarınızda tavsiye edilir.

çalıştırınız.
Özellikle vektör sınırı takip eden hücrelerde vektörden rastera dönüşümün etkilerini
görebilirsiniz. Arazi_raster ve Arazi katmanlarının çekini kapatınız Toprak_raster katmanını
Toprak katmanının üzerine taşıyınız.
104
Swipe aracıyla karşılaştırma yapınız.
Bu uygulamada raster çakıştırma gibi konularda çokça kullanılan vektörden rastera veri
dönüşümü adımlarını uygulamış oldunuz. Sonraki konularda mesafe analizleri, yeniden
sınıflandırma ve vektörden rastera dönüşümlerin sonunda kullanılan çakıştırma araçları
anlatılacaktır.
105
106
Bölüm 07: Raster Verilerin Çakıştırılması
Konu 9 Raster Calculator

Potansiyel Afet Alanlarının Tespiti
107
Konu 9 uygulamalarında bulunan Uygulama9a proje dosyası, farklı tiplerde bölgelemesi yapılan
afetlere ait katmanları içermektedir. Bu uygulama dosyasındaki katmanlar Spatial Analyst
modülünün en önemli iki aracından biri olan Raster Calculator (diğeri Weighted Overlay) ile
çakıştırma yapılarak afet olabilecek lokasyonlar bulunacaktır. Bu sayede tesis kurulumu, erken
uyarı ve müdahale sistemlerinin kurulacağı yerlerin planlaması gibi bir çok konu çözüme
ulaştırılabilir.
Potansiyel Afet Alanlarının Tespiti
Potansiyel afet alanlarını tespit ederken uygulama dosyasında size sunulan faya uzaklık, yangın
bölgeler, sel bölgeleri, heyelan bölgeleri gibi birkaç afet tipine ait katmanlar kullanılacaktır. Bu
katmanlar, Raster Calculator aracında çakıştırılarak afetlerin olabileceği yerler tespit
edilecektir.
Belirli afet bölgelerinin en tehlikeli olan 1. ve 2. sınıflar çakıştırılarak en tehlikeli afet bölgesi
bulunmuş olacaktır.
En tehlikeli bu iki sınıf her katman için şu sınıflara denk gelmektedir:
Faya Uzaklık Sel Bölgeleri
0-500 metre 1. Derece

500-1000 metre 2. Derece
Yangın Bölgeleri Heyelan Bölgeleri
1. Derece 1. Derece
2. Derece 2. Derece
108
Uygulama 9a

Ekrana gelen katmanları teker teker inceleyiniz, daha çok nerelerde afetin olabileceği tespit
etmeye çalışınız.
3 Katmanlarda çakıştırma yapmanızı sağlayacak araca erişmek için ArcToolbox > Spatial Analyst
> Map Algebra araç setinde bulunan Raster Calculator aracına çift tıklayınız.
Devam eden adımlarda herhangi bir hata aracın çalışmamasına veya yanlış sonuç çıkarımasına
neden olabilir.
4 Ekrana gelen araç penceresinde Operatör kutusunu ve katman listesini ve numaratörü

kullanarak aşağıdaki gibi çakıştırma kodunu yazınız. Katmanı kod bölümüne yazdırmak için
katmanın ismi üzerinde çift tıklayabilirsiniz.
((("Faya Uzaklık" == 1) | ("Faya Uzaklık" == 2)) & (("Yangin Bölgeleri" == 1) | ("Yangin

Bölgeleri" == 2)) & (("Sel Bölgeleri" == 1) | ("Sel Bölgeleri" == 2)) & (("Heyelan
Bölgeleri" == 1) | ("Heyelan Bölgeleri" == 2)))
109
Bu çakıştırma kodunu açıklamak gerekirse:
Her katmandaki istenen sınıf bir parantez içine alınmıştır. Ve ilgili katmandaki mutlak bir sınıf
istendiği için katman == sınıf sayısı ifadesi oluşturulmuştur.
("Faya Uzaklık" == 1)
4 katmandaki istenen bu en tehlikeli ilk iki sınıflar toplanarak çakıştırılacağı için her katman
grubu arasına | ifadesi yerleştirilmiştir ve her katmanın en tehlikeli ilk iki parametresi
kullanışmıştır. Katman gruplarını kapsayacak şekilde bir parantez daha eklenmiştir.
(("Faya Uzaklık" == 1) | ("Faya Uzaklık" == 2))
Son olarakda & operatörü ile kesişim işlemleri gerçekleştirilmiş ve her afet riskinin en
tehlikeli olduğu bölgeler kesiştirilerek 4 riskin etkin olduğu yer bulunmuştur.

C:\SpatialAnaliz\Konu10\Verilerim klasörüne erişerek oluşacak yeni rasterın adını “afet_alani”
olarak yazınız ve Save butonuna tıklayınız. Bu parametre ile oluşacak potansiyel en tehlikeli
afet alanlarına ait raster katmanının kaydedileceği yeri ve ismi belirlemiş oldunuz.
Araç penceresinin aşağıdaki gibi olmasını sağladıktan sonra OK butonuna tıklayınız.
Ekrana gelen “afet_alani” isimli katmanı inceyiniz.
110
Haritanız eklenen yeni katman ve Table of Contents’te yer alan 0 ve 1 değerleri afet risklerini
temsil etmektedir. Bu sonuca göre, 0 olan yerlerde, sel, yangın, deprem, heyelan riski hayati
önem taşımamaktadır.
1 ile temsil edilen bölgeler ise yüksek derecede afet riski taşımaktadır ve bu bölgeler 1.
dereceden afet riskine girmektedir.
Afet Alanı verinizin sözel tablosunu açtığınızda 1 değerine sahip 92 adet hücre bulunduğunu
görebilirsiniz. Raster verilerin 10 metre çözünürlükte olduğunu da hesaba katarsanız
92*100=9200 m2 alana sahip bölge 1. dereceden afet alanıdır
111
112
Bölüm 07: Raster Verilerin Çakıştırılması
Konu 10 Weighted Overlay

Yeni Kentleşme İçin Uygun Arazilerin Tespiti
113
Konu 10 uygulamalarındaki iki farklı proje dosyası bulunmaktadır. Bu proje dosyalarından ilki
Uygulama10a.mxd dosyası verilerin analizlere hazırlanma sürecini kapsamaktadır. Bu uygulama
dosyası ilerleyen adımlarda işlenmeden siz kullanıcıların veri hazırlama işlemini yapmanız için
oluşturulmuştur. Diğer asıl uygulama dosyası olan Uygulama10b.mxd dosyasında veri hazırlık
sürecini tamamlamış veriler ile doğrudan ağırlıklı çakıştırma/bindirme (weighted overlay)
işlemine geçilerek en uygun kentleşme alanı yer seçimi yapılacaktır.
Yer seçimi kullanım alanlarına örnekler verilecek olursa, en uygun bir tesisin yer seçimi, okulun,
alış veriş merkezinin, kentleşme alanlarının uygun yer seçimidir. Görüldüğü üzere arazideki
noktasal veya alansal herhangi bir yer seçim çalışması yapılabilir. Ek olarak çizgisel nesnelerde
de (örneğin en uygun yol yer seçimi) bu çalışmalar yapılabilir.
Yeni Kentleşme İçin Uygun Arazilerin Tespiti
En uygun yer seçim çalışması için en büyük aşamayı verilerin toplanması ve analize
hazırlanması işlemi kapsamaktadır. Uygulama10a dosyası bu veri hazırlık sürecini uygun olarak
hazırlanan bir dosyadır. Daha önceki konularda bu verilerin analize hazırlanması (Euclidean
Distance, Slope, Reclassify araçları ile) yapıldığı için aynı konuların tekrarı istenmemiştir. Bu
sebeple Uygulama10a dosyası ilk adımlarda açılarak, katmanların tanıtımından bahsedilecektir.
Sonrasında Uygulama10b dosyasına geçilecektir.
Uygulama 10a

114
3 Ekrana gelen Parklar, Okullar, Yollar ve Arazi Kullanımı katmanlarını görünür/görünmez
yaparak veya beraber inceleyebilirsiniz. Görüldüğü gibi arazinin çoğu kıraç arazi grubundadır.
Sonrasında merkezi olan yerler çok sayıda park bulunmaktadır.
4 Yer seçim çalışmasını gerçekleştirmek için bu katmanlar Euclidean Distance, Reclassify gibi
araçlarda işlenerek veriler hazır hale getirilecektir. Uygulamab dosyası verilerin hazırlanmış
halini içermektedir.
Uygulama 10b
Uygulama10b dosyasındaki katmanlar ve bunların kullanımı, amaca uygunlukları şu şekildedir:
İlk olarak Park katmanında, her bir parka olan uzaklık katmanı yeniden sınıflandırılarak RePark
isimli katman elde edilmiştir. Bu katman daha sonrasında kentleşme alanı çakıştırması için
kullanılacaktır. Kentleşme alanının parklara yakın olması istenmektedir.
Sonrasında Okul katmanında, her bir okula olan uzaklık katmanı yeniden sınıflandırılarak
ReOkul isimli katman elde edilmiştir. Bu katman daha sonrasında kentleşme alanı çakıştırması
için kullanılacaktır. Kentleşme alanının okullara yakın olması istenmektedir.
Üçüncü katman olan Eğim katmanı , sayısal yükseklik modelinde üretilen eğim katmanı yeniden
sınıflandırılarak ReEgim isimli katman elde edilmiştir. Bu katman daha sonrasında kentleşme
115
alanı çakıştırması için kullanılacaktır. Kentleşme alanının eğimi az olan yerlerde olması
istenmektedir.
Son olarak Yol katmanında, her bir yola olan uzaklık katmanı yeniden sınıflandırılarak ReYol
isimli katman elde edilmiştir. Bu katman daha sonrasında kentleşme alanı çakıştırması için
kullanılacaktır. Kentleşme alanının yollara yakın olması istenmektedir.
Sonuç olarak bu 4 katman yukarıda istenen alanlara göre çakıştırma yapılarak en uygun yer
seçimi yapılacaktır. Bu çakıştırma işleminde her katmana belirli yüzdeler/ağırlıklar verilerek
uygun yer tespiti yapılacaktır. Daha sonrasında sizler de katman sayısı daha fazla olan bir
çakıştırma analizi gerçekleştirebilirsiniz, bu uygulamada örnek teşkil etmesi ve kolay anlaşılması
açısından katman sayısı az tutulmuştur.
5 Yer seçim çalışmasına devam etmek için açık olan ArcMap arayüzünde File > Open yardımıyla
C:\SpatialAnaliz\Konu10 dizininden Uygulama10b.mxd ArcMap çalışma dosyasını çağırınız.
6 Ekrana gelen RePark, ReOkul, ReEgim, ReYol katmanlarını çekip açıp kapatarak lejantlarıyla
beraber inceleyiniz.
7 Bu katmanları çakıştırmak için ArcToolbox > Spatial Analyst Tools > Overlay > Weighted
Overlay aracına çift tıklayarak açınız. Bu araç ile tanımladığınız katmanlara kolay bir şekilde
ağırlık vererek çakıştırma işlemini gerçekleştirebileceksiniz.
116
Not: Çakıştırma yapılacak katmanların uygulamada olduğu gibi üst üste gelmesi gerekmektedir.
8 Çakıştırmada kullanılacak katmanları Weighted Overlay aracında ikonuna tıklayınız.

Açılan Add Weighted Overlay layer penceresinde Input raster parametresine RePark katmanını
tanımlayınız. Input field parametresine de açılır oktan Value sütununu ayarlayınız. OK
butonuna tıklayınız. Bu araç ile çakıştırmada kullanılacak katmanı ve bu katmana ait hangi
sütunda yazan değerlerin çakıştırmaya alınacağını ayarlamış oldunuz.
9 Çakıştırmada kullanılacak diğer

katman için Weighted Overlay aracında
ikonuna tıklayınız. Açılan Add

Weighted Overlay layer penceresinde
Input raster parametresine ReOkul
katmanını tanımlayınız. Input field
parametresine de açılır oktan Value
sütununu ayarlayınız.
10 Çakıştırmada kullanılacak diğer

katman için Weighted Overlay aracında
ikonuna tıklayınız.
Açılan Add Weighted Overlay layer penceresinde Input raster parametresine ReEgim katmanını
tanımlayınız. Input field parametresine de açılır oktan Value sütununu ayarlayınız.
117
11 Çakıştırmada kullanılacak diğer katman için Weighted Overlay aracında ikonuna
tıklayınız. Açılan Add Weighted Overlay layer penceresinde Input raster parametresine ReYol
katmanını tanımlayınız. Input field parametresine de açılır oktan Value sütununu ayarlayınız.
12 Çakıştırmada kullanılacak son katman için Weighted Overlay aracında ikonuna

tıklayınız. Açılan Add Weighted Overlay layer penceresinde Input raster parametresine Arazi
Kullanımı katmanını tanımlayınız. Input field parametresine de açılır oktan LANDUSE sütununu
ayarlayınız.
Weighted Overlay aracının aşağıdaki gibi olmasını sağlayınız ve adımlara devam ediniz.
13 Çakıştırmada Görüldüğü gibi Weighted Overlay Table parametresinde RePark katmanı için %
Influence (Yüzde Etkisi) sütununda RePark katmanı için 100 değeri bulunmaktadır. Bu sütuna
yazılacak değerler hangi katmana yüzde kaç etki vermek istediğinizi belirttiğiniz en önemli
parametrelerden biridir. Bu uygulama için aşağıdaki gibi yüzdeler veriniz.
Bu yüzde değerini girmeniz için değeri gireceğiniz hücreye bir kez sol klik yapmanız yeterlidir.
118
Buraya kadar olan adımlarda çakıştırmada hangi katmanın yüzde kaç etkiye sahip olacağını
ayarlamış oldunuz. Devam eden adımlarda çakıştırmada kullanılacak katmanlarda önem
derecelerini ayarlayabileceksiniz. Örneğin arazi kullanımında sulak alan gibi sınıflar
çakıştırmada kullanılmamak üzere kısıtlanacaktır.
14 Çakıştırmada ilk olarak RePark katmanı sınıfları için ayarlamalar yapılacaktır. RePark katmanı
satırını ikonunu kullanarak genişletiniz. Her sınıf için Scale Value sütununda yazan değerleri
aşağıdaki gibi düzenleyiniz. Bunun için hücreye bir kez tıkladığınızda açılır ok aktif olacaktır.
Burada RePark katmanı için 1 numaralı sınıf parklara yakın olan sınıftır (0-1000 metre).
Yapılacak çakıştırmada parklara yakın alanlar kentleşme için uygun bulunduğundan Scale Value
sütununda 1 değerine karşılık gelen ölçek değerine 5 değerini seçmiş oldunuz. Parklara uzak
yerler istenmeyen/uygun olmayan sınıflar olmadığı için Scale Value değeri düşmüştür.
Anlaşıldığı gibi uygun bulunan veya istenen sınıflara Scale Value sütununda en yüksek değeri
tanımlamak çakıştırma için önemli bir konudur. Bu bilgilere göre diğer katmanların uygun olma
durumlarını araca tanımlayabilirsiniz. Bu işlemin tam tersi de söz konusudur. En düşük değeri
tanımlayabilirsiniz. Dikkat etmeniz gereken tek husus, tüm katmanlarınızı aynı önem
derecesine göre belirlemek ve üretilen sonucu bu değerlere göre yorumlamaktr. Bu
uygulamanın sonucunda üretilen yüzeyler 5’den aşağı doğru gidildikçe istenmeyen bölgeleri
size sunacaktır. Bir başka uygulamada ise 1 en çok istenen bölge iken sayı artıkça bölgenin
değer düşebilir.
15 Çakıştırmada ReOkul katmanı sınıfları için ayarlamalar yapılacaktır. ReOkul katmanı satırını
ikonunu kullanarak genişletiniz. Her sınıf için Scale Value sütununda yazan değerleri
aşağıdaki gibi düzenleyiniz.
119
16 Çakıştırmada ReEgim katmanı sınıfları için ayarlamalar yapılacaktır. ReEgim katmanı satırını
ikonunu kullanarak genişletiniz. Her sınıf için Scale Value sütununda yazan değerleri
aşağıdaki gibi düzenleyiniz.
Görüldüğü gibi eğimi az olan yerler analiz sırasında uygun yerler olarak belirtilmiş oldu.
17 Çakıştırmada ReYol katmanı sınıfları için ayarlamalar yapılacaktır. ReYol katmanı satırını
ikonunu kullanarak genişletiniz. Her sınıf için Scale Value sütununda yazan değerleri aşağıdaki
gibi düzenleyiniz.
18 Çakıştırmada son olarak Arazi Kullanımı katmanı sınıfları için ayarlamalar yapılacaktır. Arazi
Kullanımı katmanı satırını ikonunu kullanarak genişletiniz. Her sınıf için Scale Value
sütununda yazan değerleri aşağıdaki gibi düzenleyiniz.
120
Görüldüğü gibi sulak alan göl ve sulak alan gibi katmanlar Restricted (Kısıtlanmış) sınıf olarak
belirtilmiştir. Bu durum iki sınıfı çakıştırma sırasında kısıtlayarak analize hiç karıştırılmaması
anlamına gelmektedir. Diğer arazi sınıfları da kentleşme alanlarına çok uygun olmadığı için en
düşük değerler verilmiştir. Kıraç Arazi kentleşme alanları için uygun olduğu için en uygun sınıf
olarak belirtilmiştir.
19 Diğer seçeneklerde herhangi bir değişiklik yapılmadan Output raster parametresinde

Browse butonuna tıklayınız. Açılan pencerede C:\SpatialAnaliz\Konu10\Verilerim klasörüne
erişerek oluşacak yeni rasterın adını “uygun_yer” olarak yazınız ve Save butonuna tıklayınız. Bu
parametre ile oluşacak en uygun yer raster katmanının kaydedileceği yeri ve ismi belirlemiş
oldunuz.
Araç penceresinin aşağıdaki gibi olduğundan eminseniz, OK butonuna tıklayarak aracı

çalıştırınız.
Oluşan yeni uygun_yer katmanını gözlemleyiniz. Ekranı daha sade hale getirmek için RePark,
ReOkul, ReEgim, ReYol, Yollar gibi katmanlarının çekini kapatabilirsiniz.
121
Görüldüğü gibi istenen durumlara uygun şekilde yeni bir raster üretilmiştir. “uygun_yer”
katmanında renkleri değiştirerek daha uygun görünüme ulaşabilirsiniz.
0 hiç bir şekilde yerleşimin yapılmasının düşünülmediği yerler, 1 ise düşünülecek en son yerdir.
5 değerine sahip bölgeler ise yerleşim için en uygun yerdir.
Bazı uygulamalarda 5 adet önem derecesi belirlediğiniz takdirde 2 tane sonuç üretilebilir (3-4)
bu ilk tercihiniz olan 5 değerine uygun yerlerin olmadığı anlamına gelmektedir.
122
Bölüm 08: Hidrolojik Analizler
Konu 11 Yüzey Hidrolojik Modellemesi

Sayısal Yükseklik Modeli Üzerindeki Boşlukların Gözlemlenmesi
Sayısal Yükseklik Modelinde Hücre Doldurma İşlemi
Akış Yönlerinin Bulunması
Akış Toplamlarının Bulunması
Havza Çıkış Noktası Kullanarak Havzanın Çıkarılması
Akış Ağının Çıkarılması
Akarsu Hiyerarşisinin Bulunması (Akarsu Çatallanması)
Akış Uzunluklarının Bulunması
Akarsu Parça Sayısının Bulunması
Raster Akarsu Ağının Vektöre Dönüştürülmesi
Havzaların Çıkarılması
123
Konu11 uygulamalarındaki yer üstüne ait hidrolojik modellemeler ArcGIS Spatial Analyst
modülü ile gelen Hydrology araçları ile yapılacaktır. Hydrology araç seti ile ile yüzey boyunca
suyun akışını modelleyebileceksiniz. Dünyadaki yüzey şekilleri hakkında birçok bilgiyi elde
edebileceğiniz bu araçlar bölgesel planlamadan, tarıma ve ormancılığa kadar birçok kullanım
alanına sahiptir.
Suyun akışını modelleyerek, suyun nereden nereye aktığını bulabilir, buna göre havza çıkarma,
havza planlama işlemlerini yapabilirsiniz.
Hidrolojik Modelleme ve Havzaların Çıkarılması
Uygulama 11a
Bu uygulamada yükseklik haritası kullanılarak, havza çıkarma konusu anlatılacaktır Ancak

öncesinde, daha doğru bir sonuç üretilmesi amacıyla, SYM üzerinde bazı işlemler yapılacak,
genelleştirme hataları giderilecek ve havza çıkarımı için gerekli hazırlıklar tamamlanarak havza
çıkartılacaktır.
Sayısal Yükseklik Modeli Üzerindeki Boşlukların Gözlemlenmesi
Sayısal Yükseklik Modeli oluşumunda ortaya çıkan sorunlardan bir tanesi olan
boşluklar/çöküntüler/depresyonlar, akış yönü rasterının yanlış oluşmasına ve ardından yanlış
havza ve akış hatları oluşmasına sebep olmaktadır. Bu çöküntüler olmadan daha detaylı arazi
modelleri üretmek için LiDAR gibi lazer tarama sistemleri kullanılarak yüzeydeki en küçük
çöküntü veya tepelik alan daha detaylı ve mantıksal olarak üretilmektedir. Fakat bu gibi lazer
tarama işlemlerinin pahalılığı boşlukları ve tepelik hücreleri yazılım kısmıya daha maliyetsiz ve
kısa sürede düzeltme imkanı vermiştir. Hidrolojik modelleme öncesinde/esnasında ve
sonrasında yapılacak işlemler ArcHydro ücretsiz modülü ile kolay bir şekilde yapılmaktadır.
124
Aşağıdaki uygulamada daha önceden gözlemlemeniz için oluşturulan “Boşluklar” isimli katman
bulunmaktadır. Bu katman Hydrology araç seti altına bulunan Flow Direction rasterının
oluşmasından sonra çalıştırılabilen Sink aracının çıktı katmanıdır. Yani akış yönü rasterında
olabilecek su tıkanmalarını önceden görebilmenizi sağlayan bir araçtır. Bu tıkanmaları
engellemek için boşlukların bulunduğu yerler Flow Direction aracını çalıştırmadan Fill aracıyla
doldurulacaktır.

125
3 Ekrana gelen 3 katmanı inceleyiniz. Ardından Bookmarks > Boşluk seçeneğine tıklayınız.
Yaklaşılan alanlarda bazı siyah hücreler görebilirsiniz. Bu hücreler ile Sayısal Yükseklik Modeli
arasında bağlantıyı kurabilmek için Boşluklar katmanının çekini kapatıp açınız.
Görüldüğü üzere iki akarsu yatağında set halinde çizgisel engeller bulunmaktadır. Bu engeller
kaldırılmadan/düzeltilmeden veya doldurulmadan Flow Direction aracı çalıştırılırsa yanlış
sonuçlar ortaya çıkacaktır. Bu sonuçlar yanlış havza oluşumlarına sebep olabilir.
126
Sayısal Yükseklik Modelinde Hücre Doldurma İşlemi
Bu gibi boşlukları doldurmak için Fill aracı kullanılarak uygun sayısal yükseklik modeli tekrar
üretilecek ve işlemlere bu çıktı rasterından devam edilecektir.
4 Fill (Doldur) aracına erişmek için ArcToolbox > Spatial Analyst Tools > Hydrology araç seti
altındaki Fill seçeneğine çift tıklayabilirsiniz.
5 Açılan Fill aracında Input surface raster parametresinde açılır oka tıklayarak “Sayısal Yükseklik
Modeli” katmanını tanımlayınız. Bu parametre boşluklarda doldurma veya mantıksız tepelik
alanları düzeltmek istediğiniz rasterı tanımladığınız parametredir.
6 Output surface raster parametresinden Browse butonuna tıklayınız. Açılan pencerede

C:\SpatialAnaliz\Konu11\Verilerim klasörüne erişerek oluşacak yeni rasterın adını “fill_sym”
olarak yazınız ve Save butonuna tıklayınız. Bu parametre ile çöküntü alanları doldurulan yeni
rasterınızın kaydetme yerini ve ismini belirlemiş oldunuz.
7 Z-limit parametresini boş

bırakınız. Bu parametre boşluk
hücreleri ile boşluk hücrelerinin
çıkış noktaları arasındaki
doldurulmak istenen en fazla
yükseklik değerinin yazılabildiği
parametredir. Bu uygulamadaki
gibi parametre boş bırakılırsa, tüm
boşluklar derinliğe bağlı olarak
doldurulacaktır.
Son olarak araç pencerenizin yukarıdaki gibi olduğundan eminseniz, OK butonuna tıklayarak
aracı çalıştırınız. Oluşan yeni fill_sym ile eski Sayısal Yükseklik Modeli katmanlarını karşılatırarak
inceleyiniz. Renklerin aynı sınıflarda olması doldurulan hücreleri daha rahat görmenizi
sağlayacaktır. Bunun için fill_sym katmanı semboloji sekmesinde Sayısal Yükseklik Modeli
katmanından sembolojiyi alabilirsiniz.
127
Ek olarak oluşan bu iki raster arasında doldurulan veya eksiltilen değerleri daha net görmek
için, Spatial Analyst Tools > Math içinde bulunan Minus aracı kullanılabilir. Fill aracı
çalıştırıldıktan sonra doğruluğu tespit etmek için, gerçek topografya gözlemleriniz ile veya
doğru topografik haritalarla karşılaştırma yapabilirsiniz. Doğru sonuca ulaşmak için Z-limit
parametresi daha verimli ve doğru sonuçlar için kullanılabilir.
Akış Yönlerinin Bulunması
8 Oluşan bu fill_sym katmanından akış yönlerini bulabilmek için Hydrology araç seti altında
bulunan Flow Direction aracına çift tıklayarak açınız.
9 Açılan Flow Direction araç penceresinde Input surface raster parametresine “fill_sym”
katmanını tanımlayınız.
10 Akış yönlerini barındıracak çıktı rasterını kaydetmek ve isim vermek için Output flow
direction raster parametresinde Browse butonuna tıklayınız. Gelen Save penceresinde
C:\SpatialAnaliz\Konu11\Verilerim klasörüne erişerek oluşacak yeni rasterın adını “akis_yonu”
olarak yazınız ve Save butonuna tıklayınız.
11 Diğer iki parametreyi boş bırakarak, araç penceresinin aşağıdaki gibi olduğundan eminseniz,
OK butonuna tıklayarak aracı çalıştırınız.
128
Boş bırakılan parametrelerden ilki olan
Force all edge cells to flow outward
parametresi şu şekilde açıklanabilir: bu
parametre, tüm kenar hücrelerini akışa
zorlamak istenilen durumda aktif edilen
seçenektir. Pasif bırakıldığı durum ise
varsayılandır. Pasifken bir zorlama
olmadan normal akış kuralları geçerlidir.
Yani hücrelerin akışına engel olan
hücrelerde akışı zorlamak için
kullanılabilecek parametredir.
Diğer parametre olan Output drop raster parametresi de şu şekilde açıklanabilir: Opsiyonel
olarak hücreler arasındaki su düşüşününün fazla olduğu yerleri göstermek için üretilen rasterın
çalışma ortamının ve isminin belirlendiği parametredir. Hücrelerin merkezleri arasında izlediği
yolun uzunluğunu bulmak için her hücreden akışın yönü boyunca yükseklikteki en yüksek
değişimi yüzde olarak gösteren katmandır. Her hücre için maksimum düşüş = yükseklikteki
değişim / mesafe * 100 formülünü kullanır. O yüzden eğimin yüksek olduğu yerlerde su düşüşü
fazla olacağı için, yüzde değeri de fazla çıkar.
Oluşan yeni katman aşağıdaki gibi görüntülenecektir.
Yeni oluşan katmandaki değerler, 8 ana ve ara coğrafi yönü gösteren sınıflardır. Bu değerler
yükseklik modelinden üretilirken arkaplanda eğimden kaynak alınarak üretilmiştir. Sonraki
129
adımlarda bu yönlerin birleştirilmesi ve toplanmasıyla suyun toplanabileceği hücreler akış
toplamı rasterında daha net gözükecektir.
Kod verilmiş olan akış yönlerine ait

açıklamalar şöyledir:
1: Doğu
2: Güneydoğu
4: Güney
8: Güneybatı
16: Batı
32: Kuzeybatı
64: Kuzey
128: Kuzeydoğu
“akis_yonu” rasterının çekini kapatınız.
Akış Toplamlarının Bulunması
11 Akış toplamı rasterını üretmek için Hydrology araç seti altında bulunan Flow Accumulation
aracına çift tıklayınız.
12 Açılan Flow Accumulation araç penceresinde Input flow direction raster parametresine
“akis_yonu” katmanını tanımlayınız. Bu sayede yazılım akış yönlerinden akış toplamlarını
bulabilecektir.
13 Akış toplamını barındıracak çıktı rasterını kaydetmek ve isim vermek için Output flow
accumulation raster parametresinde Browse butonuna tıklayınız. Gelen Save penceresinde
“akis_toplami” olarak yazınız ve Save butonuna tıklayınız.
130
14 Diğer iki parametrede herhangi bir
değişiklik yapmayınız. Araç
penceresinin aşağıdaki gibi
olduğundan eminseniz, OK butonuna
tıklayarak aracı çalıştırınız.
Boş bırakılan parametrelerden ilki olan Input weight raster (Girdi ağırlık rasterı) parametresi şu
şekilde açıklanabilir: Her hücre için ağırlık uygulanmak istendiği durumda girdi olarak verilen
rasterın tanımlandığı parametredir. Burada herhangi bir raster girdi olarak verilmezse ağırlık
varsayılan 1 değeri ile alınır. Burada flow direction ile üst üste gelen ağırlık rasterı hücrelerine
katsayı olarak tanımlanır bu da oluşacak akış toplamı rasterında katsayının fazla olduğu
yerlerde akış toplamının yoğunlaşlamasını sağlar.
Diğer parametre olan Output data type parametresi de şu şekilde açıklanabilir: Çıktı olarak
alınacak akış toplamı rasterındaki hücre tipinin belirlendiği parametredir. Float tipi çıktı rasterı
hücrelerinin ondalıklı değere sahip olacağı durumlarda seçilir ki bu seçenek varsayılan olarak
belirlenmiştir. Integer ise çıktı raster hücrelerinin tamsayı değerlere sahip olacağı durumlarda
seçilir.
Daha genel görüş için Bookmarks > Genel Görünüm seçeneğine tıklayınız. İlk olarak siyah
arkaplan rengi üzerine beyaz çizgiler görebilirsiniz.
Bu durumu daha anlaşılır hale getirmek

için oluşan akis_toplami katmanında çift
tıklayınız. Symbology > Classified
bölümüne geçiniz. Sınıf sayısını 2,
değerleri ise 0-1000 (no color) ve 1000-
maksimum değer (mavi) olarak
ayarlayıp OK butonuna tıklayınız. Artık
daha uygun bir katman elde etmiş
oldunuz.
131
Oluşan yeni katman aşağıdaki gibi görüntülenecektir. “akis_toplami” rasterındaki hücre değeri,
her bir hücreye kaç hücreden akış geldiğini hücre sayısı olarak tutmaktadır.
Havza Çıkış Noktası Kullanılarak Havzanın Çıkarılması
Oluşan bu katmanları kullanarak havza sınırlarını oluşturmak için Watershed aracı

kullanılacaktır.
15 Havza rasterını üretmek için Hydrology araç seti altında bulunan Watershed aracına çift
tıklayınız.
16 Açılan Watershed araç penceresinde Input flow direction raster parametresine “akis_yonu”
katmanını tanımlayınız. Bu sayede yazılım akış yönlerinin kesildiği yerlerde havzaları
bulabilecektir.
17 Havzaların belirli noktaların öncesinde kalan kısmı bulunmak isteniyorsa “Input raster or
feature pour point data” (Vektör veya raster havza çıkış noktası) parametresine noktasal tipte
olan verileri tanımlayabilirsiniz. Bu parametre sayesinde tüm arazideki havzalar değil sadece
havza çıkış noktasını konumlandırdığınız akarsu kolunun havzası oluşturulacaktır. Uygulama için
bu parametrede açılır oka tıklayınız, bu listeden Havza Çıkış Noktası katmanını seçiniz.
Bu katmanın oluşum yöntemi şöyledir: bir nokta katmanı ArcCatalog yardımı ile oluşturulur. Bu
nokta oluşan akis_toplami katmanı referans alınarak havzası çıkarılmak istenen kolun birleşim
132
yerine atılarak çizim yapılır. Sonrasında oluşan nokta(lar) Feature to Raster veya Point to Raster
gibi araçlar ile raster dönüştürülür. Oluşan bu raster hücreleri akis_toplami rasterı da
kullanılarak Snap Pour Point aracında işleme konulur. Bu araç ile raster hücreleri akış toplamı
rasterına göre yakalama yaptırılır. Bu araçtan çıkan çıktı katmanı sonrasında Watershed
aracında “Input raster or feature pour point data” parametresinde girdi olarak kullanılır.
18 Akış toplamını barındıracak çıktı rasterını kaydetmek ve isim vermek için Output flow
accumulation raster parametresinde Browse butonuna tıklayınız. Gelen Save penceresinde
“akis_toplami” olarak yazınız ve Save butonuna tıklayınız.
19 Pour point field parametresinde “Id” sütununu ayarlayınız.
20 Havzaları barındıracak çıktı rasterını kaydetmek ve isim vermek için Output raster
parametresinde Browse butonuna tıklayınız. Gelen Save penceresinde
C:\SpatialAnaliz\Konu11\Verilerim klasörüne erişerek oluşacak yeni rasterın adını “havza”

çalıştırınız.
133
Sadece bir havza çıkış noktası (outlet) olduğu için bir havza üretilecektir. Bu havzaya
Bookmarks > Havza seçeneği ile yaklaşabilirsiniz.
21 Oluşan bu havzayı daha uygun görüntülemek için sembolojisini aşağıdaki gibi ayarlayınız.
Uygulama için Fill Color seçeneğini sarı (Solar yellow) seçiniz. Ardından Display sekmesinden
%70 saydam/transparan yapınız.
Oluşan katmanı artık daha kolay gözlemleyebilirsiniz. Havza sınırları ile sırtların (su bölüm
çizgileri) uyumunu gözlemleyiniz.
Uygulama11a proje dosyasını kullanarak sayısal yükseklik modeli ve havza noktası ile hidrolojik
modelleme ve analizler yapmış oldunuz. Sink aracı ile oluşturulmuş çöküntü hücrelerini tespit
edip, bu yerlerin Fill aracı ile doldurulması ve rasterın analizlere hazırlanması aşamalarını
öğrenmiş oldunuz. Ardından Flow direction aracı ile diğer araçlara da temel teşkil eden
doğadaki gerçek akarsu akış yönlerini bulmuş oldunuz ve hidrolojik analizlerde diğer temel
katman olan akış toplamlarını Flow Accumulation aracı ile bulmuş oldunuz. Sonrasında
Watershed aracında, Flow Direction aracının çıktısı olan “akis_yonu” rasterı ve havzasını
134
oluşturmak istediğiniz akış noktasını (Havza Çıkış Noktası) kullanarak arazideki belirli bir nehrin
havzasını bulmuş oldunuz.
Diğer Hidroloji Araçları
Uygulama 11b
Bu uygulamada hidroloji araç setinde bulunan araçlar örneklerle anlatılacaktır.
Set Null - Akış Ağının Çıkarılması
Akış ağının çıkarılması işlemi bir önceki uygulamada da çıkarılan akış toplamı rasterı ile
yapılacaktır. Aynı katman burada üretilmiş olup, Uygulama11b.mxd dosyasında kullanıma hazır
durumdadır. Akış toplamı rasterı Set Null aracıyla filtrelenerek, 1000 ve daha fazla hücreden su
toplayabilen hücreler akarsu olarak oluşturulacaktır. Sonrasında akarsu çatallanması
(hiyerarşisi) gibi bir çok konuda kullanılmak üzere referans katman olarak kullanılacaktır.

135
3 Akış toplamı rasterından, akış ağı rasterını oluşturmak için Set Null (Geçersiz Ayarla) aracına
erişmek için ArcToolbox > Spatial Analyst Tools > Conditional araç seti altındaki Set Null
seçeneğine çift tıklayabilirsiniz.
4 Açılan Set Null aracında Input conditional raster parametresinde açılır oka tıklayarak “Akış
Toplamı” katmanını tanımlayınız. Bu parametre belirli bir şarta bağlı geçersiz hücre oluşturmak
istediğiniz rasterı tanımladığınız parametredir.
5 Expression parametresinde oluşturmak istediğiniz şartı yazabilirsiniz. Bu uygulama için 1000

ve daha fazla hücreden su toplayabilen hücreler akarsu olarak oluşturulmak istendiği için
"VALUE" > 1000 değerini yazınız.
Hidrolojik analizler için 1000 değeri havzanın büyüklüğüne, maksimum su toplayan hücre
değerine göre oranlanabilir. Veya havzanın bulunduğu coğrafi lokasyon da önemlidir. Çünkü
kurak yerlerde akasu oluşma durumu daha zor olacağı için değeri 1000 yerine 500 yapmak
daha uygun olabilir. Yine yağışın fazla olduğu lokasyonlarda az hücreden su toplayan
hücrelerde akış oluşma ihtimali fazla olduğu için taşkın gibi afetlerde planlama yapabilmek için
bu değeri yine az vermek uygun olacaktır.
6 Input false raster or constant value değerine 1 değerini yazınız. Bu parametre hakkında
detaylı bilgi şöyledir: İfade (Expression) parametresinde yazılan şart yanlış ise, girdi olarak
verilen değer bu parametrede tanımlanan float/integer rastera göre veya sabit değere (1) göre
oluşturulabilir.
136
C:\SpatialAnaliz\Konu11\Verilerim klasörüne erişerek oluşacak yeni rasterın adını “akis_agi”
olarak yazınız ve Save butonuna tıklayınız. Bu parametre ile oluşacak akış ağı rasterının
kaydedileceği yeri ve ismi belirlemiş oldunuz.

çalıştırınız.
Oluşan yeni katmanı gözlemleyiniz.
Oluşan bu akış ağı (stream network) rasterı sonraki adımlarda bir çok araçta kullanılacaktır.
Devam eden adımlarda akış ağından üretilebilen akarsu hiyerarşisi (çatallanma) rasterı
üretilecektir.
137
Stream Order - Akarsu Hiyerarşisinin Bulunması (Akarsu Çatallanması)
Bölümün başlarında bahsedildiği gibi akarsu çatallanması için Stream Order aracı
kullanılacaktır. Bu araçta girdi olarak akış ağı katmanı kullanılacaktır. Sonrasında hiyerarşi
metodu seçilerek farklı hiyerarşi sınıflarına atanmış olarak bir raster katman üretilecektir. Bu
sınıflar akarsuların/suyun toplandığı yerler olan alt havzalarda daha yüksek olacaktır. Bu
çatallanma planlamadan, afet yönetimine kadar bir çok alanda kullanılabilir.
8 Akış ağı rasterından, akarsu hiyerarşi rasterını oluşturmak için Stream Order (Akarsu
hiyerarşisi) aracına erişmek için ArcToolbox > Spatial Analyst Tools > Hydrology araç seti
altındaki Stream Order seçeneğine çift tıklayabilirsiniz.
9 Açılan Stream Order aracında Input stream raster parametresinde açılır oka tıklayarak
“akis_agi” katmanını tanımlayınız. Bu parametre hiyerarşinin oluşacağı akarsu ağının
tanımlandığı parametredir.
10 Input flow direction raster parametresinde akış yönlerini barındırından Akış Yönü rasterını
açılır oka tıklayarak tanımlayınız.

“catallanma” olarak yazınız ve Save butonuna tıklayınız. Bu parametre ile oluşacak akarsu
çatallanması rasterının kaydedileceği yeri ve ismi belirlemiş oldunuz.
12 Bu araç için son parametre olan Method of stream ordering (akarsu hiyerarşi metodu) ile
akarsu ağının hiyerarşi metodunu belirleyebilirsiniz. Bu uygulama için Strahler seçeneğini
seçiniz.

çalıştırınız.
138
Oluşan yeni rasterı haritaya yaklaşarak gözlemleyiniz.
Görüldüğü gibi çatallanma durumu 6 farklı sınıfta oluşturulmuştur. 6. Sınıf akarsu en fazla su
toplayan akarsudur. Devam eden adımlarda Flow Length aracı ile akarsu kaynağına doğru olan
mesafe bulunacaktır.
Flow Lenght - Akış Uzunluklarının Bulunması
Akış yolu boyunca akarsu kaynağına veya akarsu akış yönüne doğru olan akış uzunluğun
bulunacağı bu konuda Flow Length aracı kullanılacaktır.
13 Akış yönü rasterından, akış uzunluk rasterını oluşturmak için Flow Length (Akış Uzunluğu)
aracına erişmek için ArcToolbox > Spatial Analyst Tools > Hydrology araç seti altındaki Flow
Length seçeneğine çift tıklayabilirsiniz.

“asagi_uzunluk” olarak yazınız ve Save butonuna tıklayınız. Bu parametre ile oluşacak akarsu
çatallanması rasterının kaydedileceği yeri ve ismi belirlemiş oldunuz.
16 Direction of Measurement parametresinde Downstream seçeneğini seçiniz. Bu parametreyi

açıklayacak olursak: Akış yolu boyunca ölçüm yönünün belirlendiği parametredir. İki seçenek
gelir ki bunlar; Downstream ve Upstream’dir. Downstream (akış yönüne doğru), raster
kenarındaki her hücreden boşluk ve havza çıkış yerlerine olan akışın yolu boyunca olan
139
mesafeyi verir. Upstream ise, her hücreden drenaj bölümüne olan akış yolu boyunca
(akarsuyun kaynağına doğru olan yukarı yön) en uzun akış yukarı olan mesafeyi hesaplar.
17 Bu araç için son parametre olan Input weight raster parametresini boş bırakınız. Bu
parametre: Her hücre için ağırlık uygulanmak istendiği durumda girdi olarak verilen rasterın
tanımlandığı parametredir. Burada herhangi bir raster girdi olarak verilmezse ağırlık varsayılan
1 değeri ile alınır. Burada flow direction ile üst üste gelen ağırlık rasterı hücrelerine katsayı
olarak tanımlanır bu da oluşacak akış uzunluğu rasterında katsayının fazla olduğu yerlerde akış
uzunluğunun artmasını sağlar. Katsayı görevi görür.

çalıştırınız.
140
Görüldüğü gibi alt havza kısmına yakın olan yerlerde mesafe daha az iken (yeşil), yukarı kısım
olan kaynak yerde mesafe artmıştır (mavi). Devam eden adımlarda Stream Link aracı ile akarsu
ağındaki her bir akarsu kolu için eşsiz bir değer atanacaktır. Bu da havzada kaç farklı kol olduğu
bilgisini verecektir.
Stream Link - Akarsu Parça Sayısının Bulunması
Akış ağı ve akış yönü rasterlarını kullanarak Stream Link aracı ile akarsu ağındaki her bir kolu
birleşim yerinden ayırarak bir kol haline getiren araçtır.
18 Akış yönü rasterından ve akış ağından, akarsu parçalarını oluşturmak için Stream Link
(Akarsu Bağlantısı) aracına erişmek için ArcToolbox > Spatial Analyst Tools > Hydrology araç seti
altındaki Stream Link seçeneğine çift tıklayabilirsiniz.
19 Açılan Stream Link aracında Input stream raster parametresinde açılır oka tıklayarak
“akis_agi” katmanını tanımlayınız. Bu parametre parçaların oluşacağı akarsu ağının
141
“akarsu_parca” olarak yazınız ve Save butonuna tıklayınız. Bu parametre ile oluşacak akarsu
parçaları rasterının kaydedileceği yeri ve ismi belirlemiş oldunuz.

çalıştırınız.
Oluşan yeni katmanda 5.327.113 farklı akarsu kolu bulunmaktadır. Bu katmanı çalıştığınız
havza sınırına göre keserek daha detaylı bilgilere ulaşabilirsiniz. Devam eden adımlarda raster
halde bulunan akış ağı, akış yönü katmanı ile Stream to Feature aracında kullanılarak vektör bir
akarsu ağına dönüştürülecektir.
142
Stream to Feature - Raster Akarsu Ağının Vektöre Dönüştürülmesi
Akış ağı ve akış yönü rasterlarını kullanarak Stream to Feature aracı vektör akarsu ağlarını
oluşturmanızı sağlayacaktır. Bu sayede topografya, hidrografya gibi haritalar için potansiyel
akarsu kollarını vektör halde ortaya çıkarabilir, mevcut çizilen akarsu ağı ile karşılaştırılabilir.
22 Akış yönü rasterından ve akış ağından, akarsu parçalarını oluşturmak için Stream to Feature
(Akışı Vektöre (dönüştür)) aracına erişmek için ArcToolbox > Spatial Analyst Tools > Hydrology
araç seti altındaki Stream to Feature seçeneğine çift tıklayabilirsiniz.
23 Açılan Stream to Feature aracında Input stream raster parametresinde açılır oka tıklayarak
“akis_agi” katmanını tanımlayınız. Bu parametre vektör nesnelerin oluşacağı akarsu ağının

“akarsu_vektor” olarak yazınız ve Save butonuna tıklayınız. Bu parametre ile oluşacak vektör
akarsu katmanının kaydedileceği yeri ve ismi belirlemiş oldunuz.

çalıştırınız.
Aracın çalışma zamanı, üreteceği

vektör nesne sayısına dolayısıyla
akış ağı raster katmanındaki hücre
sayısına göre değişmektedir.
Bu uygulamada oldukça yoğun bir

akarsu ağı bulunduğu için katmanın
üretilmesi ve görüntülenmesi uzun
sürecektir.
143
Oluşan yeni rasterı haritaya yaklaşarak gözlemleyiniz. Akis_agi raster katmanı ile bu katmanı
karşılaştırarak inceleyiniz. Diğer hidrolojik katmanlarının çekini kapatabilirsiniz.
Stream to Feature aracına alternatif olarak ArcToolbox > Conversion Tools > From Raster >
Raster to Polyline aracını kullanarak raster akış ağından vektör olarak akarsu ağını
oluşturabilirsiniz.
Basin - Havzaların Çıkarılması
Akış yönü rasterını kullanarak çalıştırılan Basin (Havza) aracı sayesinde akış yönündeki
bölünmelere göre havzalar otomatik olarak çıkarılacaktır. Watershed (Su toplama alanı/havza)
aracından farkı tam olarak otomatik yani kullanıcı kontrolünde olmadan havzaların
çıkarılmasıdır. Bilindiği üzere Watershed aracında kullanıcının daha öncesinde belirlemiş
olduğu havza çıkış noktalarına (outlet) göre havza çıkarılmaktadır.
26 Akış yönü rasterından, akarsu havzalarını oluşturmak için Basin (Havza) aracına erişmek için
ArcToolbox > Spatial Analyst Tools > Hydrology araç seti altındaki Basin seçeneğine çift
tıklayabilirsiniz.
açılır oka tıklayarak tanımlayınız.Bu parametre havzaların oluşturulacağı akarsu yönlerinin
tanımlandığı parametredir. Her akarsu parçası için havza çıkarımı yapılacaktır.

C:\SpatialAnaliz\Konu11\Verilerim klasörüne erişerek oluşacak yeni rasterın adını “havza”
olarak yazınız ve Save butonuna tıklayınız. Bu parametre ile oluşacak havza katmanının
kaydedileceği yeri ve ismi belirlemiş oldunuz.

çalıştırınız.
Aracın çalışma zamanı,

üreteceği vektör nesne sayısına
dolayısıyla akış ağı raster
katmanındaki hücre sayısına
göre değişmektedir.
144
Görüldüğü üzere havzalar daha çok sayısal yükseklik modeline bağlı olarak kuzeybatıdan,
güneydoğuya doğru oluşmuşlardır. Oluşan bu havzaların her birine Symbology > Unique
Symbol ile ayrı bir renk verebilir, ardından transparanlık vererek havza sınırlarının sırtlarla ve
tepelerle olan uyumunu gözlemleyebilirsiniz.
Uygulama11b ile ArcGIS Spatial Analyst modülü Hydrology araçlarının anlatıldığı Uygulama11a
konusuna eklemeler yapılarak araç setindeki bir çok araç açıklandı. Bu iki uygulama konusunda,
temel katmanlar olan akış yönü ve akış toplamı rasterını oluşturarak bir çok araçta girdi olarak
kullanmayı öğrenmiş oldunuz. Sonrasında diğer önemli girdi olan akış ağı (stream network)
katmanını kolay bir şekilde oluşturup bir çok araçta girdi olarak kullandınız.
Devam eden konuda Spatial Analyst modülü ile gelen Grounwater araç setindeki araçlara
değinilecek bu sayede yeraltı suyunda modellemeler yapabileceksiniz.
145
146
Bölüm 08: Hidrolojik Analizler
Konu 12 Yeraltı Hidrolojik Modellemesi

Darcy Akış Modelinin Üretilmesi (Darcy Flow)
Parçacık İzleme (Particle Track)
Konsantrasyon Dağılımı (Porous Puff)
147
Konu12 uygulamalarındaki yer altına ait hidrolojik modellemeler ArcGIS Spatial Analyst modülü
ile gelen Groundwater araç seti araçları ile yapılacaktır. Bu sayede yeraltındaki suyun
hareketini, hızını belirli değişkenlere göre modelleyerek bir çok çalışmanızı
zenginleştirebileceksiniz. Bu araçlar ile su kirliliğinden, baraj planlamaya, gelecek su
planlamasına, su stoklamasına ait bir çok bilgiye ulaşabilirsiniz.
Suyun akışını, hızını modelleyerek, suyun nereden nereye aktığını bulabilir, buna göre kirlilik
modellemesi gibi bir çok bilgi elde edebilirsiniz.
Darcy Akış Modelinin Üretilmesi
Uygulama 12a

148
3 ArcMap arayüzünde aktif olan Yeraltı Suyu Analizler-Darcy Flow çalışma ortamını genişletip
gözlemleyiniz. Ardından Bookmarks > Proje Alanı seçeneğine tıklayınız.
Uygulamada Darcy yasasına göre bir akış modelini üreteceksiniz. Bunun için Darcy Flow aracını
kullanabilirsiniz. Burada kullanılacak katmanları sizin için hazır olarak uygulama dosyasında
bulunmaktadır. Bu katmanlar araç kullanımıyla beraber açıklanacaktır. Dilerseniz katmanların
çekini açıp kapatarak katmanlar hakkında bilgi sahibi olabilirsiniz.
4 Darcy Flow aracına erişmek için ArcToolbox > Spatial Analyst Tools > Groundwater araç seti
altındaki Darcy Flow seçeneğine çift tıklayabilirsiniz.
5 Açılan Darcy Flow aracında Input groundwater head elevation raster parametresinde açılır
oka tıklayarak “Yükseklik (Head Elevation)” katmanını tanımlayınız.
Bu parametre çalışma yapılacak lokasyonda yeraltı suyu hareketi için sayısal yükseklik
modelinin tanımlandığı parametredir. Ortalama deniz seviyesi üzerinde olmalıdır. Burada
tanımlanan raster piezometrik (Potentiometric) baş yüzey olarak da bilinmektedir. Bu raster
sıklıkla kuyu verisinden üretilir.
Katmanda göründüğü gibi akiferin en yüksek yeri GB’da 1910 m, en alçak yeri ise KD’da 1836
metredir.
6 Input effective formation porosity raster parametresinde açılır oka tıklayarak “Gözeneklilik
(Porosity)” katmanını tanımlayınız.
149
Bu parametre çalışma yapılacak lokasyonda yeraltı suyu hareketi için gözeneklilik katmanının
tanımlandığı parametredir. Bu raster jeolojik materyallerin farklı gözeneklilik durumlarına göre
üretilmiş olur. Buradaki raster değerleri 0.0002 ile 0.65 arasında değişir ki bu değer farklı
materyallerin gözeneklilik katsayısıdır. Materyallerin katsayıları ve diğer Darcy Flow yetenekleri
için http://resources.arcgis.com/en/help/main/10.2/index.html#//009z0000004s000000
adresini inceleyebilirsiniz. (Volkanik tüf için 0.30-0.40 arasıdır.)
Bu katmanda gözeneklilik verisi görüldüğü üzere tüm çalışma alanında 0.35 (%35)’dir.
7 Input saturated thickness raster parametresinde açılır oka tıklayarak “Kalınlık (Thickness)”
katmanını tanımlayınız.
Bu parametre çalışma yapılacak lokasyonda yeraltı suyu hareketi için kalınlık katmanının
tanımlandığı parametredir. Akiferin jeolojik özelliklerinden hazırlanan bu katman, en üst ile en
alt arasında bulunan suyun uzunluk biriminden ölçümüdür.
Bu katmanda kalınlık verisi görüldüğü üzere tüm çalışma alanında 20 metredir. Fakat bu değer
genellikle değişmektedir.
8 Input formation transmissivity raster parametresinde açılır oka tıklayarak “Geçirgenlik

(Transmissivity)” katmanını tanımlayınız.
Bu parametre çalışma yapılacak lokasyonda yeraltı suyu hareketi için geçirgenlik katmanının
tanımlandığı parametredir. Jeolojik materyal boyunca suyun yataydaki hareketini günlük
metrekare (m2/Gün) gibi birimler ile içerisinde bulunduran rasterdır. Kuyu pompalama
testlerinden elde edilebilir. Örneğin bu uygulamada tanımlanan katman tüm çalışma alanında
aynı geçirgenlik değerine sahiptir. 1.32 m2/Gün)
9 Output groundwater volume balance residual raster parametresinde Browse butonuna

tıklayınız. Açılan pencerede C:\SpatialAnaliz\Konu12\Verilerim klasörüne erişerek oluşacak yeni
rasterın adını “hacim_denge” olarak yazınız ve Save butonuna tıklayınız.
Bu çıktı parametresi, önceki parametrelerde tanımlanan 4 katmandan yeraltı suyu hacim

dengesi bakiye rasterının kaydetme yerinin ve isminin belirlendiği parametredir. Akifer içinden
geçen suyun hacminden sonra hücrede ne kadar su ayrıldığını belirten raster üretilir. Çıkan bu
bakiye rasterındaki değerler 0 ve 0’a yakın değerler ise tüm su girdiği hücreden çıkmış demektir
ki bu da genel olarak olumlu bir raster anlamına gelir.
150
10 Output direction raster parametresinde Browse butonuna tıklayınız. Açılan pencerede
C:\SpatialAnaliz\Konu12\Verilerim klasörüne erişerek oluşacak yeni rasterın adını “darcy_yon”
Bu çıktı parametresi, akış yönü rasterıdır. Hücrenin 4 yüzeyi boyunca sızıntı hızının ortalama
değeri olarak hesaplanan değer her hücre için bu rasterda bulunur. Çizgisel akış hızı bulunur.
Yön rasterı ile üretilen her hücre için akış yönlerini 360 derecelik kadran üzerinden bulmanızı
sağlar. (33.43 hücre değeri akışın kuzeydoğuya doğru olduğunu gösterir.)
11 Output magnitude raster parametresinde Browse butonuna tıklayınız. Açılan pencerede

“darcy_mag” olarak yazınız ve Save butonuna tıklayınız.
Bu parametre çıktı olarak üretilebilen akış yönü magnitüd rasterıdır. Hücrenin 4 yüzeyi
boyunca sızıntı hızının magnitüd değeri olarak hesaplanan değer her hücre için bu rasterda
bulunur. Çizgisel akış hızı magnitüdü bulunur. Bu raster ile üretilen hücreler yüksek değere
sahipse (0.01 m/gün) akifer kum ve çakıl gibi gözenekli araziye denk gelmektedir. Bu akış hızı
yine jeolojik materyal olan granite bağlı çok azalabilir ki bu değer 2x10-11 m/gün olabilir.

çalıştırınız.
151
Oluşan yeni katmanları gözlemleyiniz. İlk olarak en üste gelen “darcy_mag” katmanını
gözlemleyebilirsiniz.
Üretilen bu Darcy Akış magnitütü her

hücre boyunca yeraltı suyu akış hızını
saklar. Lejantında yazan High :
0.010177 ve Low : 0.0101761
değerleri yüksek hızı yansıtır.
Buradaki değerler yakalaşık olaran
günde 0.01 metre akış anlamına gelir
ki bu değer genellikle kum ve
çakıldan oluşan akiferleri yansıtır. Bu
akış hızı bazeb de diğer jeolojik
materyallerde oldukça yavaş olabilir
(örn: 2x10-11).
Ardından diğer katmanı gözlemlemek için “darcy_mag” katmanının çekini kapatınız. En üstte
“darcy_yon” katmanının görünmesini sağlayınız.
Üretilen bu Darcy Akış yönü her

hücre için yeraltı suyu akış yönünü
belirtir. Lejantta yazan (33.43 derece)
akışın kuzeydoğuya doğru olduğunu
belirtmektedir.
152
Ardından diğer katmanı gözlemlemek için “darcy_yon” katmanının çekini kapatınız. En üstte
“hacim_denge” katmanının görünmesini sağlayınız.
Bakiye/kalan hücredeki su hacmi 0

ise mükemmel demektir. Bu
hücreye giren tüm suyun hücreyi
terk ettiği, hücrede su kalmadığı
anlamına gelir. Yüksek pozitif veya
negative değerler genellikle girdi
verilerinde sorunlar olduğu
anlamına gelir. Bu girdiler genellikle
yükseklik ve geçirgenlik rasterları
arasındaki tutarsızlıktan dolayı
meydana gelir. Bu katmandaki
değerler (-0.00032 ile + 0.00032)
arasındadır. Bu uygulama için kabul
edilebilir değerlerdir.
Bu adımlara kadar belirli girdi verilerinde yapılan işlemler ile yeraltı suyunda biriken hücrelerin
nerede olabileceğini, akışın hangi yöne ve hangi hızda olabileceğini ortaya çıkarmış oldunuz.
Devam eden adımlarda parçacık izleme konusunu Particle Track aracı ile yapabileceksiniz.
Groundwater araç setinde Darcy Flow aracından sonra gelen Darcy Velocity aracı
anlatılmayacaktır. Çünkü Darcy Flow aracında alınan opsiyonel iki çıktı (darcy_mag ve
darcy_yon) katmanları aynı zamanda Darcy Velocity aracının çıktılarıdır, bu yüzden konu
tekrarlaması olmaması için Particle Track aracı ile adımlara devam edilecektir.
153
Parçacık İzleme
Bir önceki Dacy Flow aracının çıktılarının bu araçta girdi olarak kullanılacağı konuda, akış yönü
ve hızı katmanları kullanılarak belirli bir noktadaki akışın hangi yönde ve hızda olacağı bilgisi
çıktıya dönüştürülecektir. Bu sayede belirli noktada olan parçacık veya partikülün arazide
yeraltı suyu ile beraber hangi yolu izleyeceği ve nereden çıkış yapacağı belirlenebilir.
Uygulama 12b

3 Particle Track aracına erişmek için ArcToolbox > Spatial Analyst Tools > Groundwater araç seti
altındaki Particle Track seçeneğine çift tıklayabilirsiniz.
4 Açılan araç penceresinde Input direction raster parametresinde açılır oka tıklayarak
“darcy_dir” katmanını seçiniz.
154
Bu parametre, hücrenin merkezinden sızıntı hızının yönünü her hücre için hesaplanmış float
değer içeren girdi rasterı parametresidir. Bu yönler kuzeyden saat yönünde derece cinsinde
devam eden değerlerdir. Bu katman Darcy Flow aracı ile üretilmektedir.
5 Input magnitude raster parametresinde açılır oka tıklayarak “darcy_mag” katmanını seçiniz.
Bu parametre, hücrenin merkezinden sızıntı hızının magnitüdünü/hızını her hücre için
hesaplanmış float değer içeren girdi rasterı parametresidir. Birimi uzunluk/zamandır. Bu
katman Darcy Flow aracı ile üretilmektedir.
6 Source Point parametresinde X Coordinate kısmına 758000, Y Coordinate kısmına 4312100

değerlerini giriniz.
Bu parametre, parçacık izlemenin başlayacağı noktanın lokasyonun harita biriminin X ve Y

cinsinde koordinat olarak girildiği parametredir.
7 Output track file parametresinde Browse butonuna tıklayınız. Açılan pencerede

C:\SpatialAnaliz\Konu12\Verilerim klasörüne erişerek oluşacak yeni dosyanın adını
“izleme_dosyasi” olarak yazınız ve Save butonuna tıklayınız.
Bu parametre parçacık izleme verisi içeren ASCII metin dosyasının kaydedileceği çalışma
ortamının ve isminin belirlendiği parametredir. Bu dosya Porous Puff aracında girdi olarak
kullanılacaktır.
8 Step Length parametresinde 5 değerini giriniz.
Bu parametre, parçacık izlemenin hesaplanacağı adım uzunluğu parametresidir. Birimi uzunluk

olan bu parametreye bir değer girilmediğinde varsayılan değer hücre boyutunun yarı değeri
olacaktır.
9 Track time parametresini boş bırakınız.
Bu parametre, parçacık izleme için geçen en yüksek zaman değerinin yazıldığı parametredir.
Birimi zamandır. Herhangi birim değer girilmezse varsayılan değer ‘sonsuz’ değer olarak
atanacaktır. Araç algoritması tanecik izinin ya çöküntü hücre içine gidene kadar yada hücrede
kapalı kalana kadar geçen zaman olarak bilinir. Buradaki zaman birimi Darcy Flow aracında
verilen birimle aynıdır.
10 Output track polyline feature parametresinde Browse butonuna tıklayınız. Açılan pencerede
C:\SpatialAnaliz\Konu12\Verilerim klasörüne erişerek oluşacak yeni vektör katmanın adını
“izleme_hatti” olarak yazınız ve Save butonuna tıklayınız.
155
Bu parametre parçacık izinin opsiyonel olarak kaydedilmesi istenen çizgi katmanının
kaydedileceği çalışma ortamının ve isminin belirlendiği parametredir. Kaydedilen bu çizgi
katmanı yol boyunca geçen seyahat süresini, kümülatif uzunluğu, yerel yeraltı suyu hız yönünü
ve magnitüdü ile yay serilerini ve buna ait öznitelikleri içerecektir.

çalıştırınız.
Araç için darcy_yon ve darcy_mag

katmanlarının çekinin açık
olduğundan emin olunuz.
Oluşan yeni katmanı ve metin

dosyasını gözlemleyiniz. Table Of
Contents pencereniz metin dosyası
eklendiğinden dolayı List By
Selection görünümüne geçmiştir.
Daha net görmek için izleme_hatti
katmanının sembolojisini
değiştirebilirsiniz.
156
Izleme_hatti vektör çizgisel katmanında bulunan partikül maddenin izleyeceği yol Particle Track
aracında Step Length parametresinde 5 ifadesi yazıldığı için yaklaşık 5000 metrelik parçalara
(LENGTH sütunu) bölünmüştür. Ve her parçadan partikülün geçiş zamanı (TIME sütunu) ve yön
(FLOWDIR sütunu) gibi birkaç bilgi tabloya yazılmıştır.
11 Buraya kadar yapmış olduğunuz işlemleri kaydetmek istiyorsanız Main Menu (Ana Menü)
de yer alan Save As… butonuna tıklayınız ve C:\SpatialAnaliz\Konu12\Verilerim altına
Konsantrasyon Dağılımı
Particle Track aracının dosya çıktısı ile beraber, gözeneklilik, kalınlık ve zaman gibi bilgilere
bakılarak akiferdeki dikey konsatrasyon dağılımı bulmaya yarayan Porous Puff aracı
kullanılacaktır.
157
Uygulama 12c

3 Porous Puff aracına erişmek için ArcToolbox > Spatial Analyst Tools > Groundwater araç seti
altındaki Porous Puff seçeneğine çift tıklayabilirsiniz.
4 Açılan araç penceresinde Input particle track file parametresinde açılır oka tıklayarak
“izleme_dosyasi” tablosunu seçiniz.
Bu parametre, girdi olarak verilecek tanecik izleme yoluna ait dosyanın tanımlandığı
parametredir. Bu ASCII metin dosyası yol boyunca geçen seyahat süresini, kümülatif uzunluğu,
yerel yeraltı suyu hız yönünü ve magnitüdü ile yay serilerini ve buna ait öznitelikleri içerecektir.
Bu girdi parametresi Particle Track aracında çıktı olarak alınmaktadır.
5 Input effective formation porosity raster parametresinde açılır oka tıklayarak “Gözeneklilik
(Porosity)” katmanını seçiniz.
Bu parametre, çalışma yapılacak lokasyonda yeraltı suyu hareketi için gözeneklilik katmanının
tanımlandığı parametredir. Bu raster jeolojik materyallerin farklı gözeneklilik durumlarına göre
158
üretilmiş olur. Buradaki raster değerleri 0.0002 ile 0.65 arasında değişir ki bu değer farklı
materyallerin gözeneklilik katsayısıdır. Materyallerin katsayıları ve diğer Darcy Flow yetenekleri
için http://resources.arcgis.com/en/help/main/10.2/index.html#//009z0000004s000000
adresini inceleyebilirsiniz. (Volkanik tüf için 0.30-0.40 arasıdır.)
6 Input saturated thickness raster parametresinde açılır oka tıklayarak “Gözeneklilik (Porosity)”
katmanını seçiniz.
Bu parametre, çalışma yapılacak lokasyonda yeraltı suyu hareketi için kalınlık katmanının
tanımlandığı parametredir. Akiferin jeolojik özelliklerinden hazırlanan bu katman, en üst ile en
alt arasında bulunan suyun uzunluk biriminden ölçümüdür.

“konst_dagilimi” olarak yazınız ve Save butonuna tıklayınız.
Bu parametre, yoğunluk dağılımı olarak üretilen rasterın kaydedilme yeri ve isminin belirlendiği
parametredir. Her hücre o lokasyonda bulunan yoğunluğu temsil eder. Bir başka deyişle kütle
dağıldıktan sonra yoğunluğun çözüldüğü hücreler bu raster ile üretilir. Ağırlık/birim hacim
olarak değerlendirilir (Gr/m3).
8 Mass parametresinde 26000000 değerini giriniz.
Bu parametre, ağırlık biriminde kaynak noktada hızlı bir şekilde ortaya çıkan kütle miktarı
değerinin verildiği parametredir. 26000000 (yaklaşık 10000 galon) yazıldığında gram cinsinden
verilmiş olur. Uygun birimler (pound (453 gr) veya slug (14586.6 gr) yazabilirsiniz.
9 Dispersion time parametresinde 18000 değerini giriniz.
Bu parametre, kütle ayrılmasının zaman biriminde hücrelerde temsil edilmesini sağlayan

parametredir. Burada belirlenen zaman track file parametresindeki en yüksek zamana eşit
veya daha az olmalıdır. Aksi taktirde olumsuz sonuç alabilirsiniz. Varsayılan zaman track
dosyasındaki en son zamandır. 18000 yazıldığında gün cinsinden değer verilmiş olur ki bu da
yaklaşık 50 yıla denk gelir.
10 Longitudinal dispersivity parametresini varsayılan değeriyle bırakınız.
Bu parametre, akış yönüne paralel olarak dispersivity/ayrılganlık değerini bulan parametredir.

Yoğunluk ekseninde uzun eksen bu parametre ile belirlenir.
159
11 Dispersivity ratio parametresini varsayılan değeriyle bırakınız.
Ayrılganlık oranı anlamındaki bu parametre yoğunluk eksenindeki kısa eksen olarak bilinir.
Varsayılan değer 3’tür. Yatay yüzeyde akış yönüne dik olan enine eksendir.
12 Retardation factor parametresini varsayılan değeriyle bırakınız.
Akiferde çözünen maddenin gecikme faktörünün boyutsuz şekilde temsil edileceği değerdir.
Gecikme değer 1 ve sonsuz arasında değişir. Varsayılan değer 1’dir. Çözünen maddenin akifer
boyunca su ile taşınmasında kullanılır. Kum ve çakılda çözünen madde suya göre daha yavaş
taşınır. 1 değeri suda taşınma durumunda kullanılır, diğer jeolojik materyallere bağlı ise daha
yüksek değer verilebilir.
13 Decay Coefficient parametresini varsayılan değeriyle bırakınız.
Çökelme/çürüme katsayısı olarak bu parametre çözünen madde için birinci dereceden üstel
çökelmeyi ters zaman birimlerinden verilebilen parametredir. Varsayılan değer 0’dır ki bu da
çökelme olmadığına karşılık gelir. Zaman içinde bazı çözünen maddeler kimyasal değişiklikte
kullanılır. Örneğin Radyoaktif materyaller diğer elementler içinde çökelir.

çalıştırınız.
160
Oluşan yeni katmanı gözlemleyiniz.
Daha uygun görüntülemek için kons_dagilimi katmanında renk değiştirme işlemi yapabilirsiniz.
Oluşan bu konsantrasyon dağılımı haritası metreküp başına 0’dan 413 grama kadar yoğunluk
aralığının olduğunu göstermektedir. Konsantrasyonun en yüksek olduğu yer elips şeklin
merkezidir. Bu merkez de akış yönüne göre oluşmuştur. Bu dağılım modeli basitleştirilirken bu
bilgi çok karmaşık olan süreçleri anlamanızı kolaylaştırmaktadır.
161
162
Bölüm 09: Görüntü İşleme
Konu 13 Uydu Görüntülerinin

Sınıflandırılması
Sınıflandırma
Kontrolsüz Sınıflandırma
Etkileşimli Kontrollü Sınıflandırma
Kontrollü Sınıflandırma
163
Sınıflandırma
Görüntülerin sınıflandırılması ve işlenmesi ilk uyduların 1960’larda fırlatılmasından sonra

1970’lerin başında başlamıştır. Burada uyduların, yeryüzündeki nesnelerden gelen spektral
yansıma değerlerine sınıflandırma işlemi yapılmaktadır. Spektral yansıma değerleri rasterdaki
her hücrenin sahip olduğu renk değerlerini kapsamaktadır. Yani her hücrenin uydu
sensöründeki bantlara göre bir renk değeri vardır, bu degree göre çeşitli sınıflandırma tipleri
uygulanır.
Sınıflandırma temel olarak bu spektral yansıma değeri birbirine yakın olan (yakın renklerde
görünen) hücrelerin, kullanıcı tarafından belirlenen sayıdaki sınıflar içersinde kümelenerek
atılmasıyla yapılır.
Sınıflandırma iki farklı kategoriye ayrılmaktadır. Bu kategoriler de kendi içinde alt tiplere ve
tekniklere ayrılmaktadır.
1. Nesne Tabanlı Sınıflandırma (Object Based Classification)

2. Hücre Tabanlı Sınıflandırma (Cell Based Classification
a. Kontrolsüz/Eğitimsiz Sınıflandırma (Unsupervised Classification)
- Iso Cluster
- K-Means (K ortalamalar)
- ISODATA (Tekrarlı ardışık kümeleme)
- Statistical Clustering (İstatistiksel kümeleme)
- Squental Clustering (Sıralı kümeleme) gibi farklı yazılımlarda bulunan
sınıflandırma tipleri bulunur.
b. Kontrollü/Eğitimli Sınıflandırma (Supervised Classification)
- Maximum Likelihood Classification (En çok benzerlik sınıflandırması)
- Parallelepiped (Paralelkenar karar kuralı)
- Mahalanobis Distance (Mahalanobis mesafesi)
- Minimum Distance (En kısa mesafe)
İlerleyen konularda bu iki kategoriden daha çok hücre tabanlı sınıflandırma üzerinde
durulacaktır.
Sınıflandırma aşamalarını ise üç grupta toplamak mümkündür. Bu aşamalar her zaman

uygulanmasa da uygun sınıflandırma için tavsiye edilen işlemlerdir.
164
1. Sınıflandırma öncesi; sınıflandırmayı yapmadan önceki yapılacak çalışmaları kapsayan
bu aşama uygun sınıflandırma için bazı adımlar içerir. Bu adımlar sınıflandırma
konusuna göre değişmekle beraber tavsiye edilir. İlk olarak sınıflandırılacak yeryüzü
parçası çok çeşitli arazi örtülerinden oluşuyorsa ve sınıfların oluşumunda hatalar
bulunuyorsa veya renklerin birbirine karışabileceği sınıflar var ise, uydu görüntüsünü
bölerek veya maskeleyerek sınıflandırma parça parça yapılabilir. Buna örnek olarak
büyük bir arazide orman gruplarını daha iyi sınıflandırmak için ilk önce orman
bulunduran görüntüyü bölerek sadece o bölge için sınıfları oluşturmak ve o sınıflara
göre sınıflandırma yapmak verilebilir. Kullanılan teknikler genellikle renkleri birbirine
en çok benzeyenleri aynı sınıfa atacaktır. Bu da orman gibi yeşil olarak yansıyan
hücreleri de orman sınıfına atacaktır. Görüntüyü bölerek sınıflandırma yapmak, bu gibi
dezavantajları veya potansiyel hataları engellemiş olacaktır. İkinci olarak
sınıflandırılacak arazi için arazi çalışması yapılıyorsa veya gerçeğe en yakın sınıflar
oluşturulmak isteniyorsa, araziden GPS cihazları ile noktalar alınıp o noktaların
bulunduğu arazi örtüsü bilgisi sınıflanacak raster ile karşılaştırılarak uygun sınıflar
oluşturulabilir. Diğer ön işlem ise, sınıflanacak arazi için vektör veriler (özellikle alansal
arazi örtüsü katmanı) bulunuyorsa bunlardan yardım alarak sınıflandırma yapılır. Son
olarak kontrollü sınıflandırma yapılacaksa, bu sınıflandırmadan önce bir kontrolsüz
sınıflandırma yaparak hiç bilinmeyen bir arazide sınıfların nerede ve hangileri
olabileceğini tahmin ederek sınıflandırma öncesi işlem yapılabilir.
Bu sınıflandırma öncesi aşaya ek olarak diğer şu durumlara da karar verilmelidir.
Bunlar; sınıflandırma için yeryüzü özelliklerini doğru/uygun çıkarabilecek sınıfların
belirlenmesi ve sınıflamada kullanılacak örneklem/kontrol alanlarının seçilmesidir.
Diğer ön hazırlık bilgisi ise; sınıflandırmanın yapılacağı çalışma amacına göre uygun
görüntü tipinin seçilmesi ve buna göre çalışılacak spektral bantların belirlenmesidir.
2. Sınıflandırma sırasında; ön hazırlık işlemlerinden faydalanarak amaca uygun

oluşturulan sınıflara göre örneklem alanlarının çizilmesidir (kontrollü sınıflandırma
için). Kontrolsüz sınıflandırma için ise amaca uygun sınıf sayısının belirlenemesidir. Yine
sınıflama amacına uygun sınıflandırma tekniğinin/algoritmasının seçilmesidir.
3. Sınıflandırma sonrası; kontrolsüz olarak yani kullanıcının müdahalesi olmadan

oluşturulan tematik haritanın nitelendirilmesi işlemi yapılabilir. Burada kontrolsüz
sınıflandırmayı yapan araca sadece oluşturulmak istenen sınıf sayısı girildiği için oluşan
sınıfların ne olduğu belirlemek yani nitelendirmek gerekmektedir. Burada oluşan
sınıfları nitelendirmek için çeşitli referanslardan faydalanılır. Bunlar aynı bölgeye ait
165
haritalar, arazi çalışmaları sırasında gözlemlenen örtüler/sınıflar, varsa daha yüksek
çözünürlüklü uydu görüntüleri, GPS arazi tanımları verisi olabilir. Ek olarak bölgenin
daha önceki yıllara ait sınıflandırılmış görüntüsü veya vektör katmanlar kullanılabilir.Bu
nitelendirme zorluğu sınıf sayısıyla doğru orantılı olarak artacak veya azalacaktır. Sınıf
sayısı arttığı için bu sınıfları nitelendirmek zorlaşacaktır. Kontrollü sınıflandırma
yapıldıktan sonra ise, güven (confidence) katmanları ve doğruluk analizleri yapılabilir.
Bu doğruluk analizleri, üretilen sınıflandırılmış uydu görüntülerinin doğruluklarını tespit
etmek için kullanılır. 2 farklı yaygın yöntem vardır. Birincisi, ki-kare (X2) testi ile hatalı
sınıflandırılan hücrelerin tespitinde kullanılır. İkinci ise, Kappa katsayısı ve hata matrisi
ile doğruluk analizidir. Bu analizlerin ardından aynı zamana ve araziye ait vektör
katmanlar ile sınıflar kontrol edilebilir. Yine imkan bulunuyorsa ve detaylı bir çalışma
ise, üretilen sınıfların doğruluğu arazide teyit edilebilir.
Sınıflandırmalar sonucunda yaygın olarak ortaya çıkan iki potansiyel hata bulunur.
Birincisi; aynı/çok yakın spektral yansıması bulunan hücrelerin farklı sınıflara atılması,
buna bağlı ortaya çıkan ikinci hata ise, farklı yansıyan hücrelerin aynı sınıflarda
bulunmasıdır. Buna sebep olan durumlar vardır. Örneğin, yapıların çatılarındaki
kiremitler kırmızımsı yansırken, sürülen kırmızı renklı topraklar veya kiremitteki renge
benzeyen parklardaki kırmızı plastik halılar aynı gruba yani yerleşme gibi gruplara dahil
edilmektedir. Bunları engellemek için yukarıda sınıflandırma sonrasında yapılan
doğruluk analizi gibi veya komşuluk analizi (birbirine yakın istatistiki değere sahip
hücrelerin birleştirilmesi) işlemler gerçekleştirilebilir. Burada esas olan diğer durum ise
sınıflandırmada kullanılacak örneklem alanlarının en yüksek doğrulukla üretilmesi
gerektiğidir.
Uygulama 13a
Bu uygulamada Spatial Analiz modülü tarafından sağlanan kontrollü ve kontrolsüz sınıflandırma

konuları anlatılacaktır.
Kontrolsüz Sınıflandırma
Uydu görüntüsündeki hücrelerin, kullanıcı müdahalesi olmadan (kontrollü sınıflandırmaya göre

daha az müdahale edilerek, sınıf sayısı verilerek) seçilen algoritmaya/kontrolsüz sınıflandırma
tekniğine bağlı olarak otomatik kümenmeye dayanan sınıflandırmadır.
166
Kullanılan algoritmaların genelinde, oluşacak küme merkezleri geçici olarak hesaplanarak,
hücrelerin dahil edileceği sınıfların belirlenmesi vardır. Bu işlem, küme merkezlerinin
konumlarında değişim olana kadar yinelenerek devam edecektir.
Bu sınıflandırma yöntemi genel olarak, uydu görüntüsündeki veri/arazi örtüsü

tanımlanamadığında kullanılır. Bu yöntemle oluşan görüntü daha sonra kontrollü sınıflandırma
aşamasında doğal referans verisi olarak kullanılabilir.
Kullanıcının sadece sınıf sayısı gibi parametreleri belirleyebildiği bu yöntem ile, arazi hakkında
yeterli bilgi olmadan doğal sınıflar üretilir.
Kontrolsüz sınıflandırma tanımlanan rasterdaki farklı bantlardaki sayısal değerleri kullanarak

rasterdaki hücrelerin benzer/aynı olanlarını otomatik olarak (yinelemeler sonucu) bularak bu
benzer hücrelerin bir sınıfa atanması işlemine dayanır.
Kontrolsüz sınıflandırma sonucu oluşan sınıflar, spektral sınıflardır. Bu sınıflar daha sonra çeşitli
referans verilerinden faydalanılarak niteliklendirilebilir.
Rastera göre sınıf sayısı az verildiğinde benzer hücre kümeleri birleştirilebilir bu da istenmeyen
durumlara neden olabilir.
Kontrolsüz sınıflandırma da karar kuralıolarak minimum uzaklık kullanır. Pikseller, görüntünün

sol üst köşesinden başlanarak soldan sağa ve satır satır analiz edilir. Aday piksel ileher bir küme
ortalaması arasında spektral uzaklık hesaplanır ve en yakın kümeye atanır. Tam otomatik bir
sınıflandırma yöntemi olan kontrolsüz sınıflandırmada pikseller arasındaki spektral uzaklıklar,
Mahalonobis ve Öklit uzaklığıgibi formüllerle hesaplanır. Öncelikle istenilen sınıf sayısı kadar
oluşturulan kümenin ortalaması hesaplanır ve her iterasyondan sonra, her bir kümenin yeni
ortalaması hesaplanılarak, bu ortalamalar bir sonraki iterasyon kümelerinin tanımlanmasında
kullanılır. Kontrolsüz sınıflandırmada küme merkezleri geçici olarak hesaplanarak, piksellerin
dahil olacağısınıflar belirlenir ve bu işlem küme merkezlerinin konumlarında değişim olmayana
kadar devam eder.
n = boyut = bant
x, y = n boyutlu uzayda görüntü elemanlarının spektral değerleri
167
E = n boyutlu uzayda görüntü elemanlarının spektral değerleri arasındaki uzaklık
Uygulama13a konusunda ilk olarak Iso Cluster Unsupervised Classification (Eş küme kontrolsüz
sınıflandırması) algoritması kullanılacaktır. Bu algoritmaya göre “Malezya4bant” rasterı
sınıflandırma işlemine tabii tutulacaktır. Kontrolsüz sınıflandırma konusu ana hatları ile 3
bölüme ayrılabilir. İlki uydu görüntüsünün tanıtılması ve bant kombinasyonlarını değiştirme
konularını kapsamaktadır. İkinci ve üçüncü bölümler ise kontrolsüz sınıflandırma ile iki farklı
sınıf sayısındaki sınıflandırılmış görüntünün karşılaştırılmasını kapsamaktadır.
ArcMap ile açılan Getting Started penceresinde Cancel butonuna tıklayınız.

3 Ekrana gelen “Maleyza4bant” isimi görüntüyü inceleyiniz. Bunun için ilk olarak katman
üzerinde çift klik > Source sekmesinde yer alan bilgiler gözlemleyiniz.
168
Raster Information bölümünde yer alan bazı satırları açıklayacak olursak; Cell Size (X,Y)
satırında incelediğiniz rasterın hücre boyutlarını görebilirsiniz. Bu değerler, rasterın 2,5 x 2,5
metre değerlerinde hücrelere sahip olduğunu belirtmektedir. Buna bağlı olarak rasterdaki
toplam hücre sayısı sütun ve satır olarak 1500 x 1500 olarak yani toplamda 2.250.000 tane
hücre olduğu belirtmektedir. Number of Bands satırı rasterın içindeki toplam bant sayısını
belirtmektedir. Bunlar, bu görüntü için Kırmızı (R), Yeşil (G), Mavi (B) ve Kızılötesi (IR) bantlara
denk gelmektedir. Burada yazan bantlara ait spektral değerler (bantların elektromanyetik
spektrumdaki dalga boylar) Table Of Contents penceresinde katmanın altında yazan
değerlerdir.
Pixel Type satırında yazan değerler ise, rasterdaki hücrelerin sadece pozitif (unsigned) tamsayı
(integer) değerler içerebileceğini, Pixel Depth ise rasterdaki hücrelerin alabileceği en fazla
169
değer sayısını (16 bit=216=65536-1=65535) belirtir. Sonuç olarak unsigned integer 16 bit raster
veri 0-65535 arasında değer alabilir anlamındadır.
4 Layer Properties penceresini kapatınız. Tools araç çubuğunda bulunan Identify aracı ile
ormanlık bir bölgeye bir kez tıklayınız.
Identify penceresinde Field

ve Value sütunlarında yazan
değerler tıklanan ormanlık
alandaki hücrenin denk
geldiği renk değerlerini
belirtmektedir.
5 Table Of Contents penceresinde katmanın sembolojisinde görünen üç renk görünmektedir.

Bu sembollere tıklayarak uydu görüntüsünün bant kombinasyonu değiştirilebilmektedir. Bu
kombinasyonu değiştirmek için kırmızı renk sembolojisi üzerinde sol klik, ardından açılan
seçeneklerden ayarlamaları aşağıdaki gibi yapınız.
170
Ekrana gelen görüntüyü değiştiğini artık 4-3-2 bant kombinasyonunda görüntülendiğini
gözlemleyebilirsiniz. Rastera ait hücreler artık NIR (Near Infrared/Yakın Kızılötesi), R (Kırmızı), G
(Yeşil) değerleri ile görünecektir.
Kontrolsüz Sınıflandırma konusundaki ilk bölüm olan uydu görüntüsünün tanıtılması ve bant
özelliklerinin değiştirilmesi tamamlanmış oldu. Devam eden adımlarda 4 sınıftan oluşan bir
harita üreteceksiniz.
6 Kontrolsüz sınıflandırmayı uygun bant kombinasyonunda yapmak için Table Of Contents

penceresinden katmana ait bant kombinasyonunu eski haline getiriniz.
171
7 Kontrolsüz sınıflandırmanın yapılacağı
araca erişmek için; Geoprocessing
sekmesinden ArcToolbox seçeneğine
tıklayarak arayüzün açılmasını sağlayınız.
Sonrasında Spatial Analyst Tools >
Multivariate > Iso Cluster Unsupervised
Classification aracına çift tıklayarak
açınız. Ekrana gelen boş araç penceresini
şimdi doldurmaya başlayacaksınız.
Bu araç hakkında detaylı bilgiler aşağıda bulunmaktadır.
Maximum Likelihood Classification ve Iso Cluster araçları kullanılarak girdi raster bant serileri
üzerinde kontrolsüz sınıflandırma yapan araçtır.
Kullanım olarak bu araç Iso Cluster ve Maximum Likelihood Classification araçlarının
fonksiyonlarıyla kombine olabilir. Çıktı olarak sınıflandırılmış yeni bir raster üretir. Seçeneğe
bağlı olarak da diğer bir çıktı olan örneklem dosyasını üretir.
Bu araçtan alınan örneklem dosyası Maximum Likelihood Classification gibi araçlarda girdi
olarak kullanılabilir.
Kümeleme (cluster) sayısına ait bu değerin üst sınırı yoktur. Genellikle daha çok kümeleme
daha çok yineleme (iteration) gerektirir.
Doğru kümelemeyi temsil etmek için her kümeleme için yeterli hücre olmalıdır. Sonraki
sınıflandırma için örneklem dosyası oluşturmak amacıyla yeterli istatistiği sağlamak gerekir. En
az sınıf boyutu (minimum class size) için girilen değer, girdi olarak verilen raster bantlarındaki
katman sayısından yaklaşık 10 kat daha büyük olması tavsiye edilir.
Girilen örneklem aralık değeri (sample interval) kümeleme hesaplamaasıda kullanılacak her
hücre bloğunun (n by n) aralığını temsil eder.
ASCII örneklem dosyasındaki istatistiklerde birleştirme veya silme işlemi önerilmez.
172
Genellikle girdi bantlarının üst üste geldiği yerde daha çok hücre olduğundan dolayı, en az sınıf
boyutu ve örneklem aralık değerleri için daha çok değer verilmelidir. Örneklem aralığına girilen
değerler örneklenmek istenen girdi değerinde mevcut olan en küçük kategori değerine uygun
olarak küçük olmalıdır.
Çıktı örneklem dosyası üzerinde sınıf ID değeri başlangıçtan itibaren sırasıyla aratarak girdi sınıf
sayısına uyar. Sınıf sayılarının atanması isteğe bağlıdır.
Tüm girdi bantları aynı değer aralığına sahipse daha iyi sonuçlar elde edilecektir. Eğer bantlar
çok farklı veri aralıklarına sahipse Map Algebra aracında aşağıdaki eşitlik kullanılarak veri
aralıkları düzenlenebilir.
Z: Yeni veri aralıkları ile çıktı alınacak raster

X: Girdi rasterı
Oldmin: Girdi rasterındaki en küçük değer
Oldmax: Girdi rasterındaki en büyük değer
Newmin: Çıktı rasterında olması istenen en küçük yeni değer
Newmax: Çıktı rasterında olması istenen en büyük yeni değer
8 Açılan araç penceresinde ilk olarak sınıflandırma işlemine tabii tutacağınız raster katmanı
veya raster bantlarını tanımlayabilirsiniz. Bu uygulama için Input raster bands parametresinde
açılır oka tıklayarak “Malezya4bant” katmanını seçiniz. Artık sınıflamanın yapılacağı raster
katmanı araca tanımlamış oldunuz.
9 Number of classes parametresinde ise sınıflandırma sonucu üretilecek toplam sınıf sayısını
belirleyebilirsiniz. Buraya girilecek değer en az “2” olabilir. Bu uygulama için 4 değerini giriniz.
10 Oluşacak sınıflandırılmış raster kaydetmek ve isimlendirmek için Output classified raster

parametresinde Browse butonunu kullanarak kaydetmek istediğiniz çalışma ortamını
C:\SpatialAnaliz\Konu13\Verilerim klasörü olarak belirleyiniz. İsmi ise Malezya4sinif olarak
belirleyip Save butonuna tıklayınız.
Minimum class size ve sample interval parametreleri yukarıdaki araç hakkındaki detaylı bilgiler
açıklanmıştır. Bu parametreleri varsayılan değerleriyle bırakınız.
173
11 Son parametre olan Output signature file
parametresi ile araç, üreteceği 4 sınıfa ait
örneklem dosyasını .gsg uzantılı halde
kaydetmenizi sağlar. Bu uygulama için
kaydetme işlemi gerçekleştirilecektir.
Browse butonunu kullanarak kaydetmek
istediğiniz çalışma ortamını
C:\SpatialAnaliz\Konu13\Verilerim klasörü
olarak belirleyiniz. İsmi ise
Malezya4orneklem olarak belirleyip Save
butonuna tıklayınız.
Aracınızın son hali yandaki gibiyse OK
butonuna tıklayarak aracı çalıştırınız ve
oluşan yeni raster ArcMap arayüzünde
gözlemleyiniz. Diğer çıktı olan örneklem
dosyasını ise windows gezginini kullanarak
bulunduğu klasörde gözlemleyiniz.
Oluşan yeni rasterın renklerini daha anlamlı
olması için aşağıdaki gibi değiştirebilirsiniz.
174
12 Oluşan yeni raster ile orijinal raster karşılaştırarak incelemek için Swipe aracını
kullanabilirsiniz. Bu araca erişmek için ana menü sekmelerinden Windows > Image Analysis
seçeneğine tıklayınız.
13 Açılan Image Analysis penceresinin en üst kısmı

olan katman listesinde (Layer List) karşılaştırma
yapılacak yeni raster ile orijinal rasterların
katmanlarının çekinin aktif olduğundan emin
olduktan sonra, karşılaştırılacak yeni raster üzerine
tıklayarak seçiniz.
14 Karşılaştırma için Image Analysis penceresindeki Processing bölümünden Swipe aracına

tıklayınız. Ardından imlecinizi ekrana getiriniz, artık imleç ikonu değişmiştir. Şimdi yeni
görüntüyü sıyırmak için mousenin sol tuşuna basılı tutarak sürükleme yapınız. Yeni görüntünün
sıyrıldığını, orijinal rasterın gözüktüğünü göreceksiniz. Şimdi oluşan sınıfları gerçekle
karşılatırınız.
175
Bu adıma ile kontrolsüz sınıflandırma bölümünün birinci ve ikinci bölümlerini bitirmiş oldunuz.
Devam eden adımlarda aynı aracı kullanarak 12 sınıftan oluşan bir sınıflandırma haritası
üretebilecek ve sonrasında oluşan bu rasterları karşılaştırabileceksiniz.
15 12 sınıflı yeni raster oluşturmak

için Iso Cluster Unsupervised
Classification aracını yandaki gibi
ayarlayınız ve OK butonuna tıklayarak
aracı çalıştırınız.Bu adım için 7.-8.-9.-
10. ve 11. adımlardan yardım
alabilirsiniz. Çıktı raster ismini
“malezya12” olarak ayarlayınız.
Yeni görüntü aşağıdaki gibi ekrana gelecektir.
176
16 “malezya12” ile “Malezya4bant” rasterlarını karşılarştırmak için ilk olarak arada kalan
“malezya4sinif” katmanının çekini kapatınız. Sonrasında Image Analysis penceresinden
malezya12 katmanını seçiniz, ardından swipe aracı ile yeni rasterı sıyırınız.
Bu adım ile beraber Spatial Analyst modülü ile gerçekleştirilebilen kontolsüz sınıflandırma
konusunu tamamlamış oldunuz.
Sonraki adımlarda ArcMap arayüzünde bulunan Image Classification araç çubuğu ile bütünleşik
olarak Multivariate araç setinde bulunan araçlar uygulamalı olarak anlatılacaktır.
177
Devam eden konular için Image Analysis penceresini kapatabilirsiniz. İmleç modunu Tools araç
çubuğunda bulunan Pan aracına tıklayarak Swipe aracından çıkarınız.
Sonrasında ise oluşan iki sınıflandırılmış katman olan “malezya4sinif” ve “malezya12”

katmanlarının çekini kapatınız.
Haritanızı ilk açıldığı gibi görüntülemek için ana menü sekmelerinden Bookmarks > Genel
Görünüm seçeneğine tıklayınız. Artık ArcMap arayüzünün aşağıdaki gibi olmasını sağladınız.
Etkileşimli Kontrollü Sınıflandırma
Bu konu ile bir sonraki konu olan Kontrollü Sınıflandırma konusunda aşağıdaki bilgilere ihtiyaç
olacaktır. İlk olarak kontrollü sınıflandırmayı açıklayacak olursak; isminden de anlaşıldığı üzere
kullanıcı/uygulayıcı/analist tarafından örneklem/kontrol alanlarının (hücrelerinin), sınıf
sayısının ve tiplerinin belirlenmesiyle görüntü sınıflandırma işlemidir. Kontrolsüz sınıflandırma
işleminde olduğu gibi bu yöntemde de çeşitli algoritmalar bulunur.
Önemli adımlardan biri olan örneklem alanlarının belirlenmesi işlemi hava fotoğrafı, daha
yüksek çözünürlük uydu görüntüsü, mümkünse arazi çalışmaları sonucu elde edilen arazi
örtüleri bilgisi kullanılabilir. Örneklem alanlarının doğru şekilde toplanması/çizilmesi sonuç
haritasını önemli ölçüde etkileyecektir. Bu örneklem alanları sınıflandırmanın amacına göre
belirlenir. Sınıflandırma amacı arazideki belli bir konuya dikkat çekmek ise o konuya uygun
sınıflar ve sınıf sayısı belirlenir. Bunların doğrultusunda örneklem alanları toplanır. Örneğin;
178
uygulayıcı orman tiplerini ayırmak istiyorsa, örneklem alanlarını orman tiplerine göre örneklem
alarak oluşturmaktadır, arazideki yerleşme ve sanayi alanlarını ayrı ayrı göstermeden aynı
sınıfta göstermektedir.
Uygulamada bu örneklem alanları belirme aşamasında en sık karşılaşılan sorun sınıfların

çakışmasıdır. Bu durum aynı spektral değerlerdeki hücrelerin farklı sınıflara atanmasına çokça
sebep olmaktadır.
Kontrollü sınıflandırma da, çalışma alanındaki yeryüzü özelliklerini tanımlayan yeteri sayıdaki
örnekleme alanları kullanılarak, piksel değerlerinin özellik dosyaları oluşturulur. Kontrol
alanlarının örneklediği özellik dosyalarının görüntü verilerine uygulanması ile her bir piksel,
hesaplanan olasılık değerine göre en çok benzer olduğu sınıfa atanmaktadır.
Kontrollü sınıflandırma da, ilk adım örnekleme adımıdır. Örnekleme aşamasında, analist her bir
arazi örtüsü çeşidini temsil edecek örnekleme bölgeleri seçer ve bu bölgelerin spektral
özelliklerini açıklayacak sayısal değerler geliştirir. İkinci adım, sınıflandırma adımıdır.
Sınıflandırma adımında, görüntü verisindeki her bir piksel en çok benzer olduğu arazi örtüsü
kategorisine dahil edilir. Görüntü elemanı örnekleme bölgeleriyle uyum sağlamıyorsa
bilinmeyen olarak etiketlenir. Bilinmeyen piksel değerinin hangi arazi örtüsü grubuna dahil
olacağı daha sonra belirlenir. Her bir piksele atanan sınıf, yorumlanmış veri dizisinde yerini alır
ve böylece çok boyutlu görüntü matrisi, karşılık gelen yorumlanmış arazi örtü sınıfı tiplerinin
oluşturduğu matrisi geliştirme de kullanılır.Bütün veriler kategorize edildikten sonra sonuçlar
çıktıadımında sunulur. Sonuçlar tematik haritalar, istatistiksel tablolar veya coğrafi bilgi
sistemlerine dahil edilebilecek nitelikteki sayısal veri kütükleri şeklinde ortaya koyulurlar.
Kontrollü sınıflandırma yönteminde kullanılan en önemli algoritmalar, en kısa uzaklık
(Minimum Distance) karar kuralı, paralelkenar (Parallelepiped) karar kuralı, Mahalanobis
uzaklığı (Mahalanobis Distance) ve en çok benzerlik (Maximum Likelihood) algoritmalarıdır.
Bu uygulamada kullanılacak Maximum Likelihood (en çok benzerlik) algoritması hakkında

bilgiler aşağıdaki gibidir.
En çok benzerlik yöntemi literatürde en yaygın olarak kullanılan etkili bir kontrollü
sınıflandırma algoritmasıdır. Bu yöntemde ortalama değer, varyans ve kovaryans gibi istatistiki
değerlerin tümü dikkate alınır. Kontrol alanlarını oluşturan sınıflar için olasılık fonksiyonları
hesaplanmakta ve buna göre her bir pikselin hangi sınıfa daha yakın olduğuna karar
verilmektedir. Bir pikselin hangi sınıfa ait olduğu her bir sınıfa ait olma olasılıklarının
hesabından sonra en yüksek olasılıklı grubu atama şeklinde yapılır. Bu noktada kullanıcı
tarafından tespit edilecek bir eşik değer sınıflandırılacak pikselin belirlenen sınıflardan veya bu
179
sınıfların dışında bir sınıftan olduğunun tespitinde kullanılır. Bu yöntemde, sınıf kontrol
verilerini oluşturan noktalar kümesindeki dağılımın, normal dağılım olduğu kabul edilir.
Sınıfların ilk olasılıkları hakkında bilgi mevcut değilse, hepsi eşit olasılıklı olarak kabul edilir.
Yöntem, pikselleri sadece parlaklık değerlerine göre değil, her sınıf için ayrım oluşturacak
varyans-kovaryans matris değerine göre oluşturur. Böylece örnek piksellerin özellik uzayındaki
dağılımlarıda dikkate alınmış olur. Olasılık yoğunluk fonksiyonları, bilinmeyen piksellerin
olasılıklarının hesaplanarak belirli bir sınıfa atanması için kullanılır. Aday piksel olasılık değerine
göre en çok benzediği sınıfa atanır. Sınıflandırma sırasında piksellerin belirlenen sınıflardan
veya bu sınıfların dışında bir sınıftan olduğunun tespiti için eşik değeri kullanılmaktadır. Eğer
aday pikselin olasılığ ıtüm sınıflar için belirlenen eşik değerinin altındaysa piksel bilinmeyen
olarak etiketlenir. En çok benzerlik yönteminde kullanılan formül aşağıdaki şekildedir:
Bu eşitlikte; D, uzaklık ağırlıklı olasılık değerini; C, örnek bir sınıfı; X, aday pikselin ölçüm
vektörünü; Mc , C örnek sınıfının ortalama vektörünü; ac, aday pikselin C sınıfına ait olma
yüzdesini, Covc, C örnek sınıfındaki piksellerin varyans-kovaryans matrisini göstermektedir.
17 Etkileşimli olarak kontrollü sınıflandırma

işlemi Image Classification araç çubuğu ile
yapılacaktır. Bu araç çubuğuna ana menü
sekmelerinden Customize > Toolbars >
Image Classification seçeneğine tıklayarak
erişebilirsiniz.
18 Ekrana gelen araç çubuğunda sınıflandırılacak görüntünün seçilmesi gerekmektedir. Bu

seçimi araç çubuğu üzerindeki katman açılır okundan yapabilirsiniz. Sınıflandırılacak görüntü
“Malezya4bant” katmanı olduğu için bu açılır oktan, o katmanı seçiniz.
19 Sonrasında toplanan örneklem alanlarının yönetilebildiği Training Sample Manager ikonuna

tıklayınız.
180
20 Örneklem alanlarınızı oluşturmak için Image Classification araç çubuğundan Draw Polygon
butonuna tıklayınız. İlk örneklem alanını almak için bir kaç orman örneklem alanında çizim
yapabilirsiniz. Bunun için Bookmarks sekmesinden “Orman 1” seçeneğine tıklayınız. Ekrana
gelen ormanlık alanda siyah hücreleri çizim içine almadan örneklem alanlarınızı toplayınız.
Çizimi sol klikle başlatıp devam ediniz, çift sol klik ile çizimi bitiriniz. Çizim sırasında sol görüntü,
çizim bittiğinde sağ görüntü gibi olacaktır. (Not: çizim bittikten sonra sınıf rengi aşağıdakinden
farklı olabilir.)
Örneklem alma işlemi sonuçlarınızın doğruluğu olumlu ve olumsuz değiştirebilir. Burada dikkat
edilecek durum örneklem alma sırasında oluşturacağınız sınıfı (orman) en iyi temsil eden yerleri
bulmaktır. Örneğin orman alanlarında ağaç gölgeleri siyah olarak gözükmektedir. Bu gölge olan
siyah hücreleri de orman örneklem alanına eklerseniz, sınıflandırma sonucunda siyah hücreler
de orman gibi görünecek ve size yanlış bir sonuca götürecektir. Aynı şekilde siyah hücreleri
başka sınıfların da içine alarak örneklem alanı çizerseniz, sınıfları oluşturmada sorun
çıkabilecektir. Sonuç olarak örneklem alanları sınıfı en iyi karakterize eden alanlardan çok
dikkatli bir şekilde toplanmalıdır.
181
Çizim bittikten sonra Count sütununda yazan değerler, örneklem alanının toplandığı hücre
sayısını belirtmektedir.
21 Orman için örneklem alanı

toplamaya devam etmek için
Bookmarks sekmesinden “Orman 2”
seçeneğine tıklayarak diğer toplama
alanına yaklaşınız. Ekrana gelen
ormanlık alanda siyah hücreleri çizim
içine almadan örneklem alanlarınızı
toplayınız. Çizimi sol klikle başlatıp
devam ediniz, çift sol klik ile çizimi
bitiriniz. Çizim sırasında sol görüntü,
çizim bittiğinde sağ görüntü gibi
olacaktır. (Not: çizim bittikten sonra
sınıf rengi aşağıdakinden farklı
olabilir.)
22 Orman için örneklem alanı toplamaya devam etmek için Bookmarks sekmesinden “Orman
3” seçeneğine tıklayarak diğer toplama alanına yaklaşınız. Ekrana gelen ormanlık alanda siyah
hücreleri çizim içine almadan örneklem alanlarınızı toplayınız. Çizimi sol klikle başlatıp devam
ediniz, çift sol klik ile çizimi bitiriniz. Çizim sırasında sol görüntü, çizim bittiğinde sağ görüntü
gibi olacaktır. (Not: çizim bittikten sonra sınıf rengi aşağıdakinden farklı olabilir.)
23 Orman için örneklem alanı toplamaya devam etmek için Bookmarks sekmesinden “Orman
4” seçeneğine tıklayarak diğer toplama alanına yaklaşınız. Ekrana gelen ormanlık alanda siyah
hücreleri çizim içine almadan örneklem alanlarınızı toplayınız. Çizimi sol klikle başlatıp devam
182
ediniz, çift sol klik ile çizimi bitiriniz. Çizim sırasında sol görüntü, çizim bittiğinde sağ görüntü
gibi olacaktır. (Not: çizim bittikten sonra sınıf rengi aşağıdakinden farklı olabilir.)
24 Yazılımın toplanan bu 4 orman

örneklemini farklı sınıf olarak algılamaması
için, sınıfların birleştirilmesi gerekmektedir.
Aksi takdirde yanlış sonuçlar çıkacaktır. Bu
birleştirme için Training Sample Manager
(Eğitim örneklem yöneticisi) penceresinden
4 sınıfı da Ctrl + Sol klik ile seçiniz, ardından
aynı pencerede bulunan Merge training
samples aracına tıklayınız.
25 Birleşen tek sınıfa Class Name sütununda tıklayarak “Orman” ismini, Color sütununda
tıklayarak koyu yeşil bir renk veriniz.
Artık ormanlık alanlar için örneklem toplamı işlemi bitmiş oldu. Etkileşimli kontrollü
sınıflandırmada kullanılacak Interactive Supervised Classification seçeneğinin aktif olması için
toplanan örneklem sınıfının en az 2 tane olması gerekmektedir. Bu işlem için siz kumsal ve
deniz alanları için 2 örneklem daha toplayarak etkileşimli sınıflandımayı
gerçekleştirebileceksiniz.
26 Kumsal alanlarında örneklem toplamak için Bookmarks sekmesinden “Kumsal 1” seçeneğine

tıklayınız. Ekrana gelen kumsalda örneklem çizimi yapınız.
183
27 Kumsal olarak çizilen örneklem sınıfının ismini Kumsal olarak, rengini turuncu olarak
değiştiriniz.
28 Deniz alanlarında örneklem toplamak için Bookmarks sekmesinden “Deniz 1” seçeneğine

tıklayınız. Ekrana gelen denizde örneklem çizimi yapınız.
28 Deniz olarak çizilen örneklem sınıfının ismini Deniz olarak, rengini mavi olarak değiştiriniz.
29 Oluşan bu üç sınıfa göre rasterı etkileşimli olarak sınıflandırmak için Image Classification
araç çubuğu açılır okundan Interactive Supervised Classification seçeneğine tıklayınız.
Seçeneğe tıklamanızla beraber arkaplanda Maximum Likelihood Classification aracı çalışacaktır.
184
Not: Interactive Supervised
Classification seçeneği,
genellikle sınıf sayısının az
olduğu çalışmalarda hızlıca
kullanılabilir. Sağladığı en
büyük avantaj kontrollü
sınıflandırma işlemini mevcut
sınıflara göre hızlıca test edip
30 Oluşan yeni görüntüyü tam olarak görmek için ona göre gerçek sınıflandırma
Bookmarks > Genel Görünüm seçeneğine tıklayınız. Yeni işlemine geçmenizi sağlar. Yani
sınıflanmış rasterda gözlemleme yapınız. kontrollü sınıflandırma öncesi
sınıflandırmaya ait ön izleme
imkanı bulabilirsiniz. Diğer bir
avantajı örneklem dosyası
(signature file) oluşturmadan
sınıflandırma yapabilmenizdir.
Üretilen sınıflanmış çıktı
rasterını windowsun geçici
dosyalarının saklandığı yerde
tutarak sizden çıktı yeri
istemeden saklar. Eğer
üretilen çıktı rasterı sizin için
uygunsa, katman üzerinde sağ
klik > Data > Export Data
seçeneğine tıklayarak
kaydetme işlemini
yapabilirsiniz.
Görüldüğü gibi etkileşimli sınıflandırma ile tüm hücreler, en yakın oldukları sınıfa dahil edilmiş
oldu. Bu durum genellikle dezavantaj oluşturmakla beraber, ENVI gibi uzaktan
algılama/görüntü işleme yazılımlarında sorun oluşturmadan, sadece o sınıfa giren hücreler
sınıflandırılır, değeri uzak olan hücreler herhangi bir sınıfa katılmadan Unknown/Bilinmeyen
sınıf olarak ekrana gelir.
Daha sonraki çalışmalarınızda veya uygulamaya devam ederek sınıf sayısını daha çok vererek
Interactive Supervised Classification seçeneğini kullanabilirsiniz. O durumda daha doğru
sonuçlar elde edebilirsiniz.
185
31 Yeni oluşan sınıflanmış rasterın (Classification_Malezya4bant) çekini kapatınız.
Devam eden adımlarda Kontrollü Sınıflandırma bölümüne değinilerek daha fazla parametrik
ayarlama yapmayı öğrenebileceksiniz. Daha fazla sınıf oluşturarak daha uygun sınıflanmış
raster harita üretebileceksiniz. Bu sınıflar Açık – Kayalık Alan, Tarım ve Yerleşme olacaktır.
Kontrollü Sınıflandırma
Kontrollü Sınıflandırma hakkında detaylı bilgi bir önceki bölüm olan Etkileşimli Kontrollü
Sınıflandırma’da verilmiştir.
32 Yeni snıfları oluşturmaya tarım alanlarından devam ederek örneklemleri toplamak için
Bookmarks > Tarım 1 seçeneğine tıklayınız. Ekrana gelen tarım alanında örneklem çizimi
yapınız.
33 Tarım için örneklem alanı toplamaya devam etmek için Bookmarks sekmesinden “Tarım 2”
seçeneğine tıklayarak diğer toplama alanına yaklaşınız. Ekrana gelen tarım alanında örneklem
çizimi yapınız.
186
34 Önceki adımlarda orman
örneklemlerinde olduğu gibi bu iki tarım
örneklemini birleştirmeniz gerekmektedir.
Birleştirme için Training Sample Manager
penceresinden 2 sınıfı da Ctrl + Sol klik ile
seçiniz, ardından aynı pencerede bulunan
Merge training samples aracına tıklayınız.
35 Birleşen tek sınıfa Class Name sütununda tıklayarak “Tarım” ismini, Color sütununda
tıklayarak sarı bir renk veriniz.
36 Yeni snıfları oluşturmaya Açık – Kayalık alanlarından devam ederek örneklemleri toplamak
için Bookmarks > Açık – Kayalık Alan 1 seçeneğine tıklayınız. Ekrana gelen açıklık alanda
örneklem çizimi yapınız. Burada iki farklı alandan örneklem alınmıştır.
37 Açık – kayalık sınıfı için örneklem alanı toplamaya devam etmek için Bookmarks
sekmesinden “Açık – Kayalık Alan 2” seçeneğine tıklayarak diğer toplama alanına yaklaşınız.
Ekrana gelen açıklık alanda örneklem çizimi yapınız.
187
38 Açık – kayalık sınıfı için örneklem alanı toplamaya devam etmek için Bookmarks
sekmesinden “Açık – Kayalık Alan 3” seçeneğine tıklayarak diğer toplama alanına yaklaşınız.
Ekrana gelen kayalık alanda örneklem çizimi yapınız.
39 Önceki adımlarda olduğu gibi bu iki

açık-kayalık alan örneklemini
birleştirmeniz gerekmektedir.
Birleştirme için Training Sample
Manager penceresinden 4 sınıfı da
Ctrl + Sol klik ile seçiniz, ardından aynı
pencerede bulunan Merge training
samples aracına tıklayınız.
188
40 Birleşen tek sınıfa Class Name sütununda tıklayarak “Açık – Kayalık Alan” ismini, Color
sütununda tıklayarak aşağıdaki gibi (Cantaloute/kavun) bir renk veriniz.
41 Son yeni sınıfa yerleşim alanlarından

devam ederek örneklemleri toplamak
için Bookmarks > Yerleşme 1 seçeneğine
tıklayınız. Ekrana gelen yerleşme
alanında örneklem çizimi yapınız. Her
binada kırmızı kiremit kullanılmadığında
kırmızı ve beyaz alanlardan örneklem
alınız.
42 Oluşan bu tek sınıfa Class Name sütununda tıklayarak “Yerleşme” ismini, Color sütununda
tıklayarak kırmızı renk veriniz.
43 Maximum Likelihood Classification aracını çalıştırmadan önce yapmanız gereken son işlem
olan bu örneklem dosyalarını .gsg uzantılı olarak kaydetmektedir. Bu işlem için Training Sample
Manager penceresinde sağda bulunan Create a signature file (Örneklem/imza dosyası oluştur)
butonuna tıklayınız. Ekrana gelen kaydetme penceresinde C:\SpatialAnaliz\Konu13\Verilerim
klasörüne ulaşınız ve dosya ismine “Malezya6sinif” ifadesini yazıp, Save butonuna tıklayınız.
Daha sonra sınıfları kullanmak için Save training samples butonuna tıklayınız. Bu sayede sınıflar
shapefile olarak kaydedilecektir.
44 Sınıflandırmada kullanılacak olan araca Image Classification açılır okundan Maximum

Likelihood Classification seçeneğine tıklayarak ulaşabilirsiniz. Aynı araca ArcToolbox > Spatial
Analyst Tools > Multivariate araç setinden de erişebilirsiniz.
189
Aracın parametreleri hakkında detaylı bilgiler aşağıda
açıkça ifade edilmiştir.
Input raster bands; Sınıflandırma yapılamak istenen

raster bantlarının tanımlandığı parametredir.
Input siganture file; Sınıflandırma işleminde

kullanılacak olan örneklem dosyasının girdi olarak
Output classified raster; Sınıflandırılmış halde üretilen

raster verinin kaydedileceği çalışma ortamı ve isminin
belirlendiği parametredir.
Reject fraction; Sınıflandırılmayan kalan hücreler için en düşük olasılık değeri atayarak
sınıflamaya/sınıflamamaya yönlendiren parametredir. Varsayılan değer 0.0’dır, bundan dolayı her
hücre sınıflanacaktır. 14 geçerli girdi değeri bulunur ki bu değer 0.0’dan uzaklaştıkça sınıflanmamış
hücre sayısı artacaktır. Bu 14 geçerli değer: 0.0, 0.005, 0.01, 0.025, 0.05, 0.1, 0.25, 0.5, 0.75, 0.9,
0.95, 0.975, 0.99 ve 0.995’tir.
A priori probability weighting; Öncelik olasılıklarına ait ağırlığın belirlendiği parametredir. Burada üç
ağırlık tipi bulunur. EQUAL (eşit) ile tüm sınıflar aynı öncelik olasılığına sahip olacaktır, varsayılan
seçenektir. SAMPLE (örnek) ile girdi olarak verilen örneklem dosyasına ait örneklenen tüm
sınıflarda her sınıf için toplam hücre sayısının orantılı olarak ağırklıklandırılacağı seçenektir. FILE
(dosya) ile öncelik olasılıkları bir sonraki parametrede verilen ASCII girdisinin tanımlanabilmesi için
seçilen seçenektir. File seçeneği seçildiğinde bir alt parametre olan Input a priori probability file
parametresi aktif olacaktır.
Input a priori probability file, Girdi örneklem sınıfları için öncelik olasılıklarını içeren metin
dosyasının tanımlandığı parametredir. Tanımlanacak dosyanın uzantısı .txt veya .asc olmalıdır.
Output confidence raster; Çıktı olarak alınmak istenen, sınıflandırmanın güven rasterının
kaydedileceği çalışma ortamının ve isminin belirlendiği parametredir. Bu rasterda 14 farklı güven
seviye sınıfı bulunur. Burada en düşük değer sınıfları en yüksek güvenilirliğe sahip hücrelerdir.
190
45 Sınıflandırılacak raster bantlarının tanımlandığı Input raster bands parametresine otomatik
olarak Malezya4bant katmanı eklenecektir. Bu yüzden herhangi bir ekleme yapmaya gerek
kalmamıştır.
46 Kullanıcı kontrolünde olan sınıfları araca tanıtmak için Input signature file parametresi
kullanılacaktır. Bu parametre için Browse butonuna tıklayarak önceki 43. adımda kaydettiğiniz
C:\SpatialAnaliz\Konu13\Verilerim klasöründe olan “Malezya6sinif” verisini ekleyiniz.
47 Sınıflanmış olan çıktı rasterının

kaydetme yerini ve ismini ayarlamak
için Output classified raster
parametresinde Browse butonuna
tıklayınız. Açılan pencerede
C:\SpatialAnaliz\Konu13\Verilerim
klasörüne erişiniz. Kaydedilecek
dosya ismini Malezya6sinif olarak
belirleyip Save butonuna tıklayınız.
48 Oluşacak sınıflı haritada örneklem

alınmayan bazı bölgeler
bulunmaktadır. Örnek olarak kıyıya
yakın yerlerde görünen deniz
tarafındaki kumlar, kıyıdaki dalgalar
ve ada tarafında bulunan bulutlar ile
nehir kenarındaki havuzlar verilebilir.
Bu bölgeleri herhangi bir sınıfa
(özellikle açık alan sınıfına) dahil
etmek istemiyorsanız ve bu gibi
bölgeler için bilinmeyen türünde bir
sınıf oluşturmak istiyorsanız Reject
fraction parametresini elinizdeki
sınıflara uygun olarak 0.025 olarak
ayarlayınız. Bu değeri açılır oktan
seçebilirsiniz. Bu uygulama için
bu ayarlamayı yapabilirsiniz.
191
49 Oluşacak sınıflanmış rasterın sınıfları hakkında bir güven rasterı oluşturmak için Output
confidence raster parametresinden Browse butonuna tıklayınız. Açılan pencerede
C:\SpatialAnaliz\Konu13\Verilerim klasörüne erişiniz. Kaydedilecek dosya ismini
“Malezyaguven” olarak belirleyip Save butonuna tıklayınız. Araç penceresinin aşağıdaki gibi
olduğundan emin olunuz ve OK butonuna tıklayarak aracı çalıştırınız.
50 Ekrana iki raster eklenecektir. “Malezyaguven” rasterının çekini kapatınız ve oluşan diğer
sınıflı rasterı inceleyiniz. “Malezya6sinif”rasterını incelerken renklerin sizin ayarladığınızdan
farklı olduğu görebilirsiniz. Aynı renkleri renklere tıklayarak verebilirsiniz.
Aynı renkleri vermek için; diğer bir yol olarak “Malezya6sinif” rasterı üzerinde çift sol klik >
Symbology > Unique Values bölümündeyken Import butonuna tıklayabilir, gelen pencerede
C:\SpatialAnaliz\Konu13\Veri klasörüne erişerek “Malezya6sinifRenk.lyr” uzantılı katmanı
seçtikten sonra Add butonuna ve ardından OK butonuna tıklayarak hazır renk katmanından
renkleri içeri aktarabilirsiniz.
192
51 “malezyaguven” isimli sınıf güvenilirliği rasterının çekini onaylayınız. Oluşan bu rasterda
yeşil olarak gözüken/değeri 1’e en yakın olan hücreler daha doğru sınıflanmış demektir.
193
Görüldüğü üzere
sınıflanmamış kıyıya yakın
yerler, bulutun olduğu
yerler kırmızı renkte yani
sınıf güvenilirliği daha az
olan kategoride
bulunmaktadır.
Anlaşıldığı gibi sınıf

oluşturma işlemi oldukça
önemlidir. Arazi
sınıflamasında hücrelerin
tamamını karakterize
edecek sınıflar oluşturmak
doğru olan durumdur.
Oluşan “Malezya6sinif” rasterı ArcToolbox > Spatial Analyst Tools > Generalization içinde
bulunan Shrink, Nibble gibi araçlarla genelleştirilebilir. Sonrasında Set Null gibi araçlarla da
belirli bir alanın altında bulunan hücreler boş olarak ayarlanabilir.
Ayrıca uzun uğraşlar gerekebilen arazi sınıflama işlemi tekrar denenerek en uygun sonucu
bulmaya gitmek gerekmektedir. Aksi taktirde yanlış arazi sınıfları çıkarılabilir ki bu da
planlamadan bir çok konuya kadar daha büyük hatalı sonuçlar doğurabilir.
Daha iyi sonuçlar için Class Probability gibi araçlar kullanılabilir. Bu araç sınıflanacak raster ve
çıkarılan örneklem arasında sınıfların olabilirliğini test eder. Yani orman olarak alınan
örneklemlerin arazinin başka neresinde bulunacağı görülebilir. Bu da sizin daha iyi sınıflama
yapmanızı sağlayabilir.
194
Bölüm 10: Model Builder Uygulamaları
Konu 14 ArcToolbox Spatial Analyst

Araçları ile Model Builder Uygulamaları
ModelBuilder
ArcToolbox’ta Spatial Analyst Araçları
195
ModelBuilder
Model Builder, mekânsal analizleri farklı veri setleri üzerinde otomatik olarak
gerçekleştirmenizi sağlayan gelişmiş grafik araçlar sunar. Bu sayede bir model yapılandırarak
her zaman yapmanız gereken uzun coğrafi işlemleri çok kısa zamanda yapabilirsiniz. Ayrıca
modellerinizin çıktısını alabilir, sunumlarınıza yerleştirebilir, dışarıdan yapılmış başka modelleri
ArcGIS Model Builder’a entegre edebilirsiniz.
ModelBuilder, metodları ve prosedürleri organizasyonunuz dışındaki diğer kullanıcılarla da

paylaşabilmeniz için verimli bir mekanizmadır.
Model Elemanları
Modeller elemanlarla desteklenmektedirler; toollar, veriler, bağlayıcılar ve etiketler. Bir model

işlemi; bir tooldan, input ve output verisiden ibarettir ve bir model her hangi bir numaraya da
birbiri ile ilgili işlemlere sahip olabilir.
Toollar (Sarı renkli dikdörtgenler) ArcToolbox’ta yeralan fonksiyonlardır. ArcToolbox’tan

fonskiyonları sürükleyerek model sayfasına eklersiniz. Tool’a çift tıklayarak parametreleri
ayarlarsınz. Add Connection ile, ya da tool parametresinde Data’dan (veri) söz ederek toola
veriyi bağlarsınız.
Data (Veri) Proje verileri (mavi renkli oval şekiller) daha önceden mevcut olan girdi/input
datasetleridir yada bir tool tarafından gerek duyulan parametre değerleridir. Bütün
desteklenmiş veriler bir modelde kullanılabilir. ArcCatalog ya da ArcMap’ten proje verilerini
sürükleyerek, ya da Add düğmesi ile, yada bir tool parametresini ayarlayarak modele
ekleyebilirsiniz. Türetilmiş veri (yeşil renkli oval şekiller) bir tool ile otomatik olarak meydana
getirilen çıktı/output verilerileridir.
Bağlayicilar Veriler ve tool elemanlari arasindaki bağlantılar toolların veri parametrelerini

ayarladığınız zaman otomatik olarak meydana getirilir. Aynı zamanda, bu bağlantıları el ile Add
Connection toolunu kullanarak da meydana getirebilirsiniz.
Etiketler (Labels) Etiketler diyagrama eklenebilirler. Bir elemanin üstünde mouse’un sag
tuşuna bastığınızda o eleman için bir etiket meydana getirirsiniz (etiket elemani takip
196
edecektir), ya da arka planda mouse’un sağ tuşuna bastığınızda serbest bir etiket meydana
getirirsiniz.
İsimler Modeli daha kolay okumak için elemanlarin isimlerini mouse’un sag tusuna basarak
yeniden yazabilirsiniz.
ArcToolbox’ta Spatial Analyst Araçları
Coğrafi analizler, coğrafi bilgi sistemlerinin temel fonksiyonlarından biridir. Mevcut coğrafi
veriden bir dizi işlemlerle yeni bilgi oluşturmak için kullanılan ileri düzey mekânsal analizleri
kapsar. Veriniz üzerinde yapmak istediğiniz herhangi bir değişiklik veya yeni bilgi elde etme
işlemi bir coğrafi analizdir.
Bu, mevcut coğrafi veriyi başka bir formata dönüştürmek gibi basit bir işlem olabileceği gibi,
veri setlerini kesme, seçme ve çakıştırma gibi sıralı birçok işlemin gerçekleştirildiği çoklu
işlemler zinciri de olabilir.
Uygulama 14a

197
Açılan Uygulama14a.mxd proje dosyasında bulunan katmanları inceleyiniz. “Tepe Noktaları” ve
“Münhani” katmanlarının öznitelik tablosunu inceleyiniz.
3 ArcMap arayüzünde bulunan Standard toolbar’da ArcToolbox window butonuna tıklayınız.

ArcToolbox arayüzü açılacaktır. Alternatif olarak ana menu sekmelerinden Geoprocessing
sekmesine ve ardından ArcToolbox seçeneğine tıklayabilirsiniz.
4 Açılan ArcToolbox arayüzünde ArcToolbox üzerinde veya bu arayüzde boşlukta sağ tıklayınız,
ardından Add Toolbox seçeneğine tıklayınız.
5 Add Toolbox penceresinde C:\SpatialAnaliz\Konu14\Verilerim klasörüne bağlantı sağlayınız.

Ardından bu pencerenin sağ üst köşesinde bulunan New Toolbox butonuna tıklayınız.
6 Oluşacak Toolbox’a “Uygulama14” ismini veriniz ve Open butonuna tıklayınız
198
Uygulama14.tbx araç kutunuz ArcToolbox arayüzüne eklenecektir.
7 ArcToolbox arayüzüne eklenen

“Uygulama14” Toolbox’ı üzerinde
sağ tıklayınız ve açılan
seçeneklerden New>Model
seçeneğine tıklayınız.
Uygulama14 toolbox’ının altına

aracınızı sonradan da
çalıştırabilmeniz için model adında
bir araç eklenecek ve modelinizi
yazabilmeniz model penceresi
açılacaktır.
199
8 Model penceresinde içerisine Table Of Contents alanında bulunan “Münhani”, “Tepe
Noktaları”, “Akarsu”, “Göl”, “Sınır” katmanlarını sürükle bırak yöntemiyle ekleyiniz. Bütün
katmanları ekleyeceğiniz için CTRL veya üst karakter tuşlarını kullanabilirsiniz.
Ayrıca ModelBuilder arayüzündeki Add Data or Tool aracını kullanarak verileri bulunduğu
klasörlerden/veritabanlarından ekleyebilirsiniz.
200
9 ArcToolbox arayüzünde Spatial Analyst Tools araç kutusunda Interpolation araç setine
tıklayınız. Açılan araçlar içerisinden Topo to Raster aracını modele sürükleyip bırakınız.
Sürüklerken mouse göstergenizde + sembolü belirecektir.
Model penceresini düzenlemek için ModelBuilder arayüzünde bulunan Auto Layout butonuna
tıklayınız. Ardından ModelBuilder penceresini araca ve katmanlara göre yeniden
boyutlandırınız.
201
Model builder aracılığıyla bir araç çalıştırmak istiyorsanız katman ve araç arasında bağlantı
kurmanız gerekmektedir. Bu işlemi iki şekilde gerçekleştirebilirsiniz.
Aracı model penceresine eklediğinizde adının yazdığı dikdörtgen bir şekil olarak
görüntülenecektir. Bu dikdörtgene çift tıkladığınız zaman araç ArcToolbox arayüzünde aracı
kullandığınız arayüzde gelecektir. Input, Output ve diğer parametreleri buradan doldurup
gerekli ayarlamayı yapabilirsiniz.
Bir diğer işlem ise model penceresinde bulunan connect aracıdır. Connect aracı ile
katmanları ilgili araçlara manuel olarak bağlamanız mümkündür.
Model penceresinde adımları gerçekleştirirken hangi aşamada olduğunuzu veyahutta araçları

ve katmanları ekledikten sonra modelinizin çalışmaya hazır olup olmadığını aşağıda bulunan
şekil yardımıyla irdeleyebilirsiniz. Eğer modelinizde bulunan diyagramlarda henüz bir renk
değişimi yok ise yapmanız gereken adımlar mevcuttur.
202
Topo to Raster yazan aracının henüz renksiz olduğu gözlemleyiniz. Bunun sebebi bu araç ile
herhangi bir katmanın bağlanmamasıdır.
10 “Münhani” katmanını Connect aracınına tıkladıktan sonra; önce Münhani katmanı üzerine
tıklayınız ardından Topo to Raster aracına tıklayınız.
11 Input Feature Class,Output

extent, Environment ve
Precondition seçeneklerinin
olduğu bir pencere çıkacaktır.
Binalar katmanını araç için girdi
olarak tanımlayınız bunun için
Input Feature Class seçeneğine
tıklayınız. Ardından Topo to
Raster aracında çift tıklayınız. Bu
adımdan sonra girdi katmanları
araç üzerinden eklenecektir.
Uyguladığınız 11. adım Arctoolbox arayüzü ile araçlar üzerinde çalışırken gerçekleştirdiğiniz
Input Feature Class adımıdır.
203
Input Feature Class’ı tanımladığınız halde model içindeki bazı diyagramlar henüz
renklenmemiştir. Bu aracınızın çalışmaya hazır olmadığını yani bazı parametrelerin eksik
olduğunu göstermektedir. Kullanmış olduğunuz aracın yapısını biliyor ve ne gibi parametelerle
çalışacağını tahmin edebiliyorsanız Connect aracılığıyla ilgili parametrelerin araçla bağlantılarını
sağlayabilirsiniz. Eğer bilmiyorsanız Model penceresinde araca çift tıklayıp yeşil olarak
gösterilen parametrelerin aracın çalışması için gerekli olduğunu gözlemleyip, ilgili bağlamayı
ister connect aracı ile, isterseniz açılan araç penceresi ile gerçekleştirebilirsiniz.
Bu aşamada Input surface ve Output

Feature Class alanları gerekli ve eksik
alanlar olduğundan aracınız çalışmaya
hazır hale gelmemiştir. Bu parametreleri
araç penceresinden belirleyiniz.
12 Input feature data parametresinde Münhani katmanı görüldüğü üzere tanımlanmıştır. Bu

katman yükseklik girdisi olarak kullanılacağı için Field kısmında LENGTH sütunu yerine
Spot_Meter sütununu ayarlayınız. Type kısmında Contour tipinin seçildiği olduğundan emin
olunuz.
204
13 Diğer 4 katmanı Input feature data açılır okundan seçiniz. Burada sembollü olan
katmanları seçiniz. Katmanlar için geometri kullanım tiplerini ve sütunlarını aşağıdaki gibi
ayarlayınız.
Akarsu, Göl ve Sınır katmanlarına ekran görüntüsündeki gibi kullanım tiplerini seçtiğinizde
sütun tanımlama ihtiyacı ortadan kalkacaktır. Çünkü burada ilgili 3 katmanın sütunları değil
sadece geometrileri kullanılacaktır.
Tanımlarken daha önce

karşılaşmadığınız bir sembol ile
karşılaştınız. bu sembol ilgili
katmanın model penceresinde de
olduğunu ve connect aracı ile
bağlayabileceğinizi gösterir.
Model pencerenizi gözlemleyiniz. Tanımladığınız katmanlar ile Topo to Raster aracı arasında
bağlantı kurulmuştur.
205
Diğer parametre olan Output Feature Class alanını doldurmadığınız halde diyagramlarınız
renklenmiştir. Bunun sebebi programın varsayılan olarak Default.gdb adresine oluşacak
katmanları bir isim vererek kaydetmesidir. Verilerinizin bir arada olması için varsayılan olarak
gelen kayıt yerini değiştiriniz. Bunun için yeşil renkli diyagrama (Oluşacak verileri temsil eden
diyagramlar) ya da Topo to Raster aracının diyagramına çift tıklayarak Output Feature Class
alanını üzerinden kayıt yerlerini değiştirebilirsiniz.
14 Aracın kaydırma çubuğunu kullanarak aşağı doğru kaydırma yapınız. Diğer parametreleri
gözlemleyiniz. 3. parametre olan Output cellsize (çıktı hücre boyutu) parametresine “20”
değerini yazınız.
15 Ardından 6. parametre olan “Smallest z value to be used in interpolation” (tahmin sırasında

kullanılacak en küçük yükseklik değeri) parametresine “Münhani” katmanındaki en küçük
yükseklik değeri olan “2024” değerini yazınız.
206
16 Ardından 6. parametre olan “Largest z value to be used in interpolation” (tahmin sırasında
kullanılacak en büyük yükseklik değeri) parametresine “Münhani” katmanındaki en küçük
yükseklik değeri olan “3036” değerini yazınız.
14 Yeşil renkli oval diyagram üzerinde çift tıklayınız. Kayıt yerini

C:\SpatialAnaliz\Konu14\Verilerim klasörü olarak tanımlayıp SYM adını vererek Save butonuna
basınız ve OK butonuna basınız.
Model penceresi üzerinde oluşacak ürünü gösteren yeşil oval diyagramın ismi değişmiş olarak
gelecektir.
16 Model penceresi üzerinde SYM isimli çıktı ürününü gösteren diyagram üzerinde sağ
tıklayınız ve Add to Display seçeneğini seçiniz.
Bu işlem modeli çalıştırdığınızda oluşacak verinin Table of Contents ve Data View ekranına
ekleneceğini söylemektedir. Eğer modeli çalıştırdığınızda bu işlemi yapmamışsanız oluşan
ürünü göremeyeceksiniz. Sonradan Add to Display seçeneğine tıklamanız durumunda
yeniden Table of Contents ve Data View ekranına eklenmiş olarak gelecektir.
17 Model Penceresinde Run aracına tıklayınız ve modeli çalıştırınız.
207
Modelinizin çalışması bittiğinde yeşil ve sarı renkli diyagramların altında gölgeler belirecektir.
Bu sayede modelin çalışmış olduğunu anlayabilirsiniz.
18 Model penceresini File>Save seçeneği ile kaydettikten sonra simge durumuna küçültünüz.
Ardından Table Of Contents alanını gözlemleyiniz. “SYM” katmanının oluştuğu görebilirsiniz.
Daha uygun görüş için “Münhani” katmanının çekini kaldırınız.
SYM katmanı görüntülenmediği takdirde ModelBuilder arayüzünde SYM kutusu üzerinde Add
to Display seçeneğinin çekini kaldırınız, ardından tekrar onaylayınız.
208
19 Model penceresini eski pencere boyutuna getiriniz. Ana menü sekmelerinden Model
sekmesine ardından Model Properties seçeneğine tıklayınız.
20 Açılan Model Properties penceresinde Parameters sekmesine tıklayınız.
209
21 Bu sekmede sağ kısımda bulunan butonuna tıklayınız. Ekrana gelen Add Model
Parameters penceresinde bütün parametreleri mouse ile veya klavyenizden Ctrl tuşuna basılı
tutarak seçiniz ve OK butonuna basınız. Parameters sekmesinde parametre sıralamasını sağ
taraftaki oklar yardımı ile yapınız. Bu sıra, modelin Open seçeneği ile açıldığında geleceği sırayı
belirtmektedir.
Model Properties penceresinde Parameters sekmesine gelen bütün parametreleri gözlemleyiniz

ve ardından OK butonuna tıklayarak Model Properties penceresini kapatınız.
Model penceresinde mavi ve yeşil olan parametreler üzerinde sağ tıklayarak hepsinin Model
Parameter olarak eklendiğini gözlemleyiniz.
210
22 Modeli tamamlamış ve başarıyla çalıştırmış oldunuz. Modelinizi model penceresinde
bulunan Save butonuna tıklayarak kaydediniz. Model pencerenizi kaydettiğinizden emin

olduktan sonra kapatınız.
Kaydettiğiniz modele ArcToolbox üzerinden ulaşınız ve sağ klik>Open seçeneğine tıklayınız.
Model isimli aracınız açılmış olarak gelecektir. Parametre olarak belirlediğiniz diyagramlar bu
pencerede doldurulması gereken bölümler olarak gelmektedir. Çıkan kırmızı carpı veya ünlem
işareti ise katman isminin ilgili klasörde var olduğunu belirtmektedir. Parametrelerin sırası 21.
adımda ayarlandığı gibi gelecektir.
211
212
Kaynaklar
ArcGIS Resource Center
Altunkaya, Z., 2001.Ortogörüntüler yardımıyla nesne tabanlı sınıflandırma yöntemi kullanılarak

öznitelik çıkarımı.TMMOB CBS Kongresi 2011, Antalya
Çölkesen, İ., 2009. Uzaktan algılamada ileri sınıflandırma tekniklerinin karşılaştırılması ve

analizi. GYTE Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Gebze.
Ekercin., S., 2011. Uzaktan algılama uygulamaları. Aksaray Üniversitesi Harita Müh. Bölümü
Ders notları
Tarhan, Ç., 2004.Planlamada Uzaktan Algılama ce Coğrafi Bilgi Sistemi Disipinleri Entegrasyonu:
Urla ve Balçova Örnekleri. İYTE Şehir ve Bölge Planlama Bölümü
Türker, M., Uzaktan algılama görüntülerinin sınıflandırılması işleminde yardımcı verilerin

kullanılması teknikleri
213

ArcGIS For Desktop Spatial Analiz Kitabı

Uploaded by

Copyright:

Available Formats

You might also like

ArcGIS For Desktop Spatial Analiz Kitabı

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

ArcGIS For Desktop Spatial Analiz Kitabı

Uploaded by

Copyright:

Available Formats

i

Esri Türkiye Yayın Katalog Bilgisi

ArcGIS for Desktop Spatial Analiz

Tel: +90 312 233 50 50

Editör: Seda KAHRAMAN(SERT)

Kapak Dizaynı: Gökhan SÖĞÜT, Seda KAHRAMAN

Baskı Yılı: 2014

©2014 Esri Bilgi Sistemleri Mühendislik ve Eğitim Ltd. Şti.

Konu 1 Coğrafi Bilgi Sistemleri ve

Spatial Analiz Nedir?

Spatial Analiz Modülünün Yetenekleri

Alan, çizgi ve noktalara toplu olarak vektör veri adı verilmektedir.

Vektör ve Raster Veriler Arasındaki Farklılıklar

Spatial Analiz Nedir?

Spatial Analiz Ek Modulü ile;

En uygun yer bulma

Bir noktadan diğer noktaya, en az maliyetle ulaşımı sağlama

Arazi kullanım analizleri

Yangın, sel, deprem ve diğer afetler açısından riskli bölgeleri belirleme,

Suç analizleri gerçekleştirme

Demografik analizleri gerçekleştirme,

Ara değer kestirimi,

Eğim, bakı gibi yüzey analizlerini gerçekleştirme,

Güneşlenme süresinin ölçülmesi

Yeraltı ve yüzey hidrolojik modelleme

Konu 2 Mesafe Analizleri

Yapılan bu analizler, kullanıcılara, yöneticilere ya da karar vericilere ek kararlar sağlar,

Euclidean Distance aracı, mesafe analizi gerçekleştrien araçlar içinde en çok

Euclidean Distance ile, taşkın bölgelerinin tespiti, kıyı-kenar çizgisinin belirlenmesi,

1 ArcMap arayüzünü açınız.

2 File>Open yardımıyla C:\SpatialAnaliz\Konu02 dizininden Uygulama2b.mxd ArcMap çalışma

Haritanızda, yol, göl, yükseklik ve otel katmanlarının olduğunu gözlemleyiniz.

5 Maksimum distance bölümü müşterinizin sizden istediği 100 m mesafenin tanımlanacağı

Spatial Analiz uygulamalarını gerçekleştiriken dikkat etmeniz gerek en önemli etken,

7 Environments… butonuna tıklayınız. Açılan Environment Settings penceresinde Processing

Haritanızı yakınlaşarak izleyiniz. Yollara 100 uzaklıkta otellerin olduğunu gözlemleyiniz.

11 Otele tekrar tıklayınız ve gelen bilgiyi yorumlayınız.

13 ArcMap arayüzünü değişiklikleri kaydetmeden kapatınız.

1 ArcMap arayüzünü açınız.

2 File>Open yardımıyla C:\SpatialAnaliz\Konu02 dizininden Uygulama2b.mxd ArcMap çalışma

6 Kayıt yeri olarak C:\SpatialAnaliz\Konu02\Verilerim dizinine ulaşınız ve Maliyet adını veriniz.

7 Maliyet katmanının sözel bilgisini açınız.

13 ArcMap arayüzünü değişiklikleri kaydetmeden kapatınız.

Konu 3 Yoğunluk Analizleri

Line Density – Fay Hatlarının Yoğunluğunun Belirlenmesi

Kernel Density – Virüs Salgınından Etkilenen Kişilerin

7/2.88 km2= 2.4 işyeri/km2

Analize başlamadan önce eldeki verilerin değerlendirilmesi, varılmak istenen sonuca

Bu uygualama bir sonraki uygulamalarda gerçekleştireceğiniz analizler için hazırlık aşamasıdır.

1 ArcMap arayüzünü açınız.

3 ArcToolbox arayüzünü açınız ve

5 Report File’ a tıklayınız.

6 ArcToolbox arayüzünü açınız ve

9 ArcMap arayüzünü değişiklikleri kaydetmeden kapatınız.

1 ArcMap arayüzünü açınız.

2 File>Open yardımıyla C:\SpatialAnaliz\Konu03 dizininden Uygulama3b.mxd çalışma dosyasını

8 ArcMap arayüzünü değişiklikleri kaydetmeden kapatınız.

Kernel Density – Virüs Salgınından Etkilenen Kişilerin Yoğunluğunun