Konumsal Veritabanı 2 Dersi 2. Ünite Özet

30.07.2022
4
A+
A-

Konumsal Veritabanında Vektör Veriler

Açıköğretim ders notları öğrenciler tarafından ders çalışma esnasında hazırlanmakta olup diğer ders çalışacak öğrenciler için paylaşılmaktadır. Sizlerde hazırladığınız ders notlarını paylaşmak istiyorsanız bizlere iletebilirsiniz.

Açıköğretim derslerinden Konumsal Veritabanı 2 Dersi 2. Ünite Özet için hazırlanan  ders çalışma dokümanına (ders özeti / sorularla öğrenelim) aşağıdan erişebilirsiniz. AÖF Ders Notları ile sınavlara çok daha etkili bir şekilde çalışabilirsiniz. Sınavlarınızda başarılar dileriz.

Konumsal Veritabanında Vektör Veriler

Giriş

Basılı haritaların masraflı olması ve güncellenebilir olmaması nedeniyle, bu haritalar sayısal ortama aktarılmaya başlanmıştır. Vektör tabanlı çizim yöntemi basılı haritaların sayısal ortama aktarılmasını sağlar.

Vektör Veri Modeli

Biçimleri olan ya da rüzgar, su gibi geometrik olarak tanımlanması zor tüm olguların, harita ortamına aktarılmasında kullanılan yöntemlerden birisi de vektör veri modelidir. Vektör veri modelinde yeryüzündeki olgular, sahip oldukları belirgin özellikler göz önünde bulundurularak, nokta (point) , çizgi (line) ya da poligon (polygon) olarak temsil edilir. Nokta (point): Nokta boyutsuz bir geometrik nesnedir. Ölçeğe bağlı olarak alan ya da çizgi olamayacak kadar küçük nesneler için kullanılır. X ve Y koordinatlarından oluşan nokta, mutlak konum belirlemek için kullanılır. Çizgi (line) : Çizgi, sıralı bir x, y koordinat serisinden oluşan, belirli bir uzunluğa sahip geometrik nesneler için kullanılır. Çizgi ile temsil edilen nesneler ölçeğe göre nokta olamayacak kadar uzun, alan olamayacak kadar dar nesnelerdir. Poligon (polygon) : Poligon, iki boyutlu alansal geometrik nesnedir. Çizgiler tarafından sınırlandırılmış x, y koordinatlarından oluşur. Ölçeğe bağlı olarak çizgi ile gösterilemeyecek kadar geniş coğrafi biçimler için kullanılır.

Konumsal Nesneler ve Geometri

Coğrafi Bilgi Sistemlerinde vektör veriler konumsal nesne (feature ) olarak adlandırılmaktadır. Konumsal nesne kavramı nokta, çizgi ve poligon ile temsil edilen varlıkların biçimsel özelliklerini, öznitelik verilerinin saklandığı tabloları, kuralları, ilişkileri ve diğer özellikleri de kapsayan daha geniş anlamlı bir kavram olarak tanımlanabilir. Nokta, çizgi ve poligon dışında kullanılan diğer vektör veri tipleri şu şekildedir; Çoklu nokta (multipoint): Noktanın konumuna hassas olarak ihtiyaç duyulmadığı durumlarda, ortak özniteliklere sahip, rastgele yerleştirilen noktalar grubudur. Çoklu yama (multipatch): Genellikle üç boyutlu uzayda ayrı bir alan ya da hacim kaplayan bir nesnenin, dış yüzeyi ya da kabuğunu temsil etmek için kullanılan geometri tipidir. Etiket (annotation): Etiket konumsal nesnesi açıklama gerektiren alanlarda kullanılan konumsal nesnedir. Genellikle metin gösteriminde kullanılsa da zaman zaman grafik nesneler de içerebilir. Etiketin bir konumsal nesne olarak kullanılmasının amacı, özellikle çok kullanıcılı ve çok fazla sayıda etikete sahip veritabanlarında performansı ve veri tutarlılıgını korumaktır. Ölçüm (dimension): Konumsal veritabanında ölçüm de bir konumsal nesnedir ve uzunluk, mesafe gibi ölçümlerin, harita üzerine yazılmasını sağlar. Ölçümlerin bir konumsal nesne olması, etiket yazılımın performansını artırır ve veri tutarlılığı sağlar.

Geometrik kapsam bir konumsal nesnenin en büyük ve en küçük x, y değerlerini kapsayarak oluşturulmuş, kenarları koordinat sistemine paralel bir dikdörtgendir. Her konumsal nesnenin bir geometrik kapsamı vardır. Bu, konumsal veritabanının performansını olumlu yönde etkileyen bir özelliktir. Geometrik kapsam aslında veritabanında konumsal dizin oluşturmak için kullanılır. Veritabanında dizin (index), veritabanındaki bir verinin çağrılma hızını artıran bir yapıdır. Veriyi, veritabanındaki tüm satırları tarayarak aramak yerine, daraltılmış alanlarda arayarak sorgulama işlemini daha hızlı gerçekleştirir.

Vektör Verilerde Konumsal Referans

Konumsal nesnenin geometrisi (feature geometry) kartezyen koordinat sistemine göre saklanır. Ancak yeryüzü küreseldir. Konumsal referans (spatial reference) , konumsal nesnelerin yeryüzündeki konumlarının iki boyutlu ortama ne şekilde aktarılacağını gösteren referans sistemidir.

Konumsal veritabanında olusturulan nesneler için, konumsal referans oldukça önemlidir. Birbiriyle konumsal ilişkisi bulunan nesnelerin aynı konumsal referansı paylaşması gereklidir. Konumsal referansların farklı olması, iki nesne arasındaki ilişkilerde ölçüm hataları, geometri bozulmaları gibi sorunlara yol açar.

Konumsal veritabanında çözünürlük, bir konumsal nesnenin konum ve geometri bilgisinin hangi hassasiyette saklanacağını belirler. Konumsal nesneler çözünürlüğe bağlı olarak oluşturulan ızgara (grid) yapısı üzerinde oluşturulur. Bu ızgara zeminindeki karelerin kenarı, çözünürlük değeri kadardır. Çözünürlüğü daha küçük olan ızgarada oluşturulan nesneler, büyük olana göre daha detaylı olacaktır.

Konumsal kapsam, tanımlanan konumsal referansta, mevcut tüm konumsal nesnelerin en büyük ve en küçük x, y koordinat değerlerini kapsayan alandır. Aynı konumsal referansa sahip nesnelerin bulunduğu çalışma alanını tanımlar.

Hata payı ilişkisel ve topolojik işlemler sırasında, koordinatlar arasındaki en küçük mesafeyi tanımlar. İki nesne birbirlerine hata payından daha yakınsa nesnelerin koordinatları aynı olarak kabul edilir.

Öznitelik Verisi

Öznitelik verileri, varlıklara sorulan “Ne?” sorusunun cevabı olarak onların özelliklerini anlatan bilgilerdir. Konumsal nesnelerin öznitelik verileri (attribute data) tablo yapısında saklanır. Tablo, satır ve sütunlardan oluşur. Tablodaki her bir satır bir nesneyi, sütunlar ise öznitelik verilerini saklar. Konumsal nesne tabloları (feature class) oluşturulurken öznitelik alanlarının isimleri ve değişken tipleri tanımlanır. Öznitelik verileri tabloda, veri alanlarıyla temsil edilir. Bu veri alanlarına yapılacak girişler için alan adı ve veri tipi tanımlanır. Bir coğrafi varlığa ait birbirinden farklı veri tipine sahip öznitelik verisinin tutulduğu sütunlar olabilir.

Alan özellikleri (field properties): Öznitelik veri alanları alan adı (field name) ve veri tipi (data type) özelliklerinden oluşur. Alan adı bölümünde, öznitelik tablosundaki sütun adı tanımlanır. Oluşturulan konumsal nesnenin genellikle otomatik olarak atanan kimlik numarası (Object ID) ve nesnenin geometrik özellikleri (nokta, çizgi, poligon) bu alanda tanımlanır. Bunun dışında oluşturulacak tablodaki sütun başlıkları birer öznitelik veri alanı adıdır. Veri tipi bölümünde ise yukarıda bahsedilen veri tiplerinden uygun olanı seçilir. Oluşturulan alanlara ait çeşitli özellikler ve kısıtlamalar da getirilebilir. Bu belirleyicilerin girildiği alana alan özellikleri denir.

Öznitelik değer alanları, veri bütünlüğünü sağlamak için öznitelik girdisinin alabileceği değerleri tanımlayan kurallardır. Öznitelik değer alanları tablolardaki herhangi bir öznitelik verisinin alabileceği değeri kısıtlar. Her konumsal nesne tablosu için farklı öznitelik değer alanları ve ön tanımlı değerler tanımlanabilir. Veri girişini sınırlamak için kullanılan öznitelik değer alanlarının iki türü vardır:

  • Aralık değer alanı (Range domain): Aralık değer alanları öznitelik verileri için belirlenmiş sayısal bir aralığı tanımlar. Girilecek veri tanımlanan en küçük ve en büyük değer arasında olmalıdır. Aralık değer alanı metin veri tipine uygulanamaz. Aralık değer alanı sınırlamasında veritabanlarının özelliklerinden dolayı genellikle veri girişi engellenmez.
  • Kodlanmış değer alanı (Coded domain): Kodlanmış değer alanı, bir öznitelik veri alanı için tanımlanmış değerler kümesinden oluşur ve o veri alanı için sadece bu kümeden değer seçilmesini sağlar.

Alt Tip

Konumsal nesneler, konumsal nesne tabloları (feature class) hâlinde düzenlenebilmektedir. Konumsal nesne tabloları, aynı türdeki konumsal nesnelerden oluşan gruplardır ama bazı durumlarda bu konumsal nesneler arasında farklılıklar olabilir. Aynı türde ve aynı öznitelik veri alanlarına sahip konumsal nesnelerin bu tür farklılıklar taşıması durumunda, yeni bir konumsal nesne tablosu oluşturmak yerine aynı tablo içinde alt tip (subtype) oluşturulabilir. Alt tiplerin avantajları aşağıdaki gibidir:

  • Alt tiplerin kullanımı, özellik olarak birbirine yakın konumsal nesnelerin bir arada tutulması ile hem verilerin organizasyonunu sağlar hem de veritabanının çalışma performansını arttırır.
  • Konumsal nesne tablosu içinde yeni nesneler oluşturulurken her bir alt tip için özniteliklere ön tanımlı değerler atanabilir.
  • Her bir alt tip için öznitelik değer alanları kullanılabilir. Kodlanmış veya aralık öznitelik deşer alanları, alt tiplerinin öznitelik deşerlerinin girişlerini kontrol eder.
  • Konumsal nesneler ve alt tipler arasında topoloji ve ilişki kuralları tanımlanabilir.

Alt tiplerin dezavantajları aşağıdaki gibidir:

  • Konumsal nesnelerin öznitelikleri farklıysa alt tip uygulanamaz.
  • Alt tiplere farklı seviyelerde erişim kısıtlaması getirilemez.

Konumsal Nesneler ve İlişkiler

Konumsal ya da konumsal olmayan verilerin ilişkileri, konumsal veritabanlarında iki temel ilişki tipi ile modellenir. Bunlar;

  • Konumsal ilişkiler: Vektör veri modelindeki nokta, çizgi ve poligon nesnelerinin, birbiri ile olan yakınlık, uzaklık, içinde olma, kesişme, komşu olma vb. ilişkileri konumsal ilişki ile tanımlanır. Bağlanırlık (connectivity), bitişiklik (adjacency) ve yakınlık (proximity) konumsal ilişkilerin tanımlanmasında kullanılan topolojinin üç temel ilkesidir. Coğrafi Bilgi Sistemleri platformunda topoloji tabloları oluşturularak konumsal nesneler arasındaki ilişkiler belirlenmektedir.
  • Tablolar arası ilişkiler: Tablolar arası ilişki, konumsal ve konumsal olmayan nesnelerin ortak öznitelik verileri aracılığıyla ilişkilendirilmesidir. İlişkiler, tasarımı basitleştiren veya sorgulamayı kolaylaştıran mantıksal kavramlardır. Bire-bir ilişki, iki veri arasındaki değişmez ilişkidir. Birden-çoğa ilişki durumunda bir veri birden fazla veri ile ilişkili olabilir. Çoktan çoğa ilişki birden-çoğa ilişkinin çift yönlü olma durumudur.

Konumsal nesneler (feature) arası ilişki konumsal ya da konumsal olmayan nesneler arasında kurulabilir. Konumsal veritabanı, nesneler arası ilişkilerin yanı sıra bu ilişkileri belirli kurallara tabi tutarak veri bütünlüğünü sağlar. Ilişki tablosu (relationship class), konumsal nesne tabloları (feature class) ve öznitelik tabloları (table) arasındaki ilişkiyi saklayan tablolardır. İki öznitelik tablosu, bir tablo ve bir konumsal nesne tablosu ya da iki konumsal nesne arasında ilişki tabloları kullanılabilir. Konumsal veri tabanı platformunda tablolar arası ilişki üç farklı yöntemle kurulabilir. Bunlar;

  • İlişkilendirme: Bire bir ve birden çoğa ilişkiyi destekler ancak çoktan çoğa ilişkiyi desteklemez. Verilerde düzenleme yapmak mümkündür.
  • Birleştirme: Semboloji ve etiketleme için etkin olarak kullanılır. Bire bir ve birden çoğa ilişkileri destekler ancak iki tablonun birleşmesinden yeni bir tablo oluşturur.
  • İlişki tabloları: Tüm ilişki türlerini destekler. Ayrıca tabloları veri tutarlılığına zorlar. Bir ilişki tablosu basit ya da bileşik şekilde oluşturulabilir.

Konumsal Nesne Tablosu

Konumsal nesne ve bunlara ait çeşitli verileri saklayan konumsal veritabanı tablolarına konumsal nesne tablosu (feature class) denir. Konumsal nesne tablosundaki her bir satır bir konumsal nesneyi temsil etmektedir. Sütunlar öznitelik veri alanlarıdır. Konumsal nesne tablolarının genel özellikleri aşağıdaki gibidir:

  • Konumsal nesne tablosu oluşturulurken ilk olarak ismi belirlenir. Kullanılacak isim Türkçe veya özel karakterler içermemelidir. Ayrıca bir konumsal nesne tablosu, veritabanı içindeki başka bir tablo ile aynı adı paylaşmamalıdır.
  • Konumsal nesne tablosunun en önemli özelliklerinden biri, vektör tipi belirlenmeden tablonun oluşturulamayacağıdır. Konumsal nesne tablosu, sadece aynı vektör tipindeki konumsal nesneleri barındırabilir. Konumsal nesne tablosu oluşturulduktan sonra vektör tipi kesinlikle değiştirilemez.
  • Konumsal nesne tablosu, konumsal referansı belirlenmeden oluşturulamaz. Bir konumsal nesne tablosunda, farklı referanslara sahip konumsal nesneler bulunamaz.
  • Öznitelik değer alanları ve alt tipler konumsal nesne tabloları içerisinde oluşturulur.
  • Konumsal nesne tabloları oluşturulurken, öznitelik veri alanları tanımlanır. Bir konumsal nesne tablosundaki tüm konumsal nesneler aynı öznitelik veri alanlarına sahip olmalıdır. Tablo, bu alanlar tanımlanmasa da oluşturulabilir, değer alanları daha sonra eklenip çıkartılabilir veya silinebilir.
  • Konumsal nesne tabloları arasında ilişkiler kurulabilir ve topoloji kuralları tanımlanabilir.

Konumsal Nesne Veri Kümesi

Konumsal nesne veri kümesi (feature dataset ), aynı konumsal referansı ve kapsamı paylaşan konumsal nesne tablolarından oluşan bir kapsayıcıdır. Konumsal nesne veri kümelerinin kullanılmasının temel amacı, konumsal veritabanında mantıksal bir bütünlük oluşturmaktır. Bu konumsal nesnelerin birbiri ile olan ilişkilerinin irdelenebilmesi için gerçek dünyada aynı konumda olan nesnelerin, harita üzerinde de aynı konumda olmaları gerekmektedir. Konumsal nesne veri kümeleri, altındaki konumsal nesne ve tablolara erişimler tanımlanmasına izin verir.

Giriş

Basılı haritaların masraflı olması ve güncellenebilir olmaması nedeniyle, bu haritalar sayısal ortama aktarılmaya başlanmıştır. Vektör tabanlı çizim yöntemi basılı haritaların sayısal ortama aktarılmasını sağlar.

Vektör Veri Modeli

Biçimleri olan ya da rüzgar, su gibi geometrik olarak tanımlanması zor tüm olguların, harita ortamına aktarılmasında kullanılan yöntemlerden birisi de vektör veri modelidir. Vektör veri modelinde yeryüzündeki olgular, sahip oldukları belirgin özellikler göz önünde bulundurularak, nokta (point) , çizgi (line) ya da poligon (polygon) olarak temsil edilir. Nokta (point): Nokta boyutsuz bir geometrik nesnedir. Ölçeğe bağlı olarak alan ya da çizgi olamayacak kadar küçük nesneler için kullanılır. X ve Y koordinatlarından oluşan nokta, mutlak konum belirlemek için kullanılır. Çizgi (line) : Çizgi, sıralı bir x, y koordinat serisinden oluşan, belirli bir uzunluğa sahip geometrik nesneler için kullanılır. Çizgi ile temsil edilen nesneler ölçeğe göre nokta olamayacak kadar uzun, alan olamayacak kadar dar nesnelerdir. Poligon (polygon) : Poligon, iki boyutlu alansal geometrik nesnedir. Çizgiler tarafından sınırlandırılmış x, y koordinatlarından oluşur. Ölçeğe bağlı olarak çizgi ile gösterilemeyecek kadar geniş coğrafi biçimler için kullanılır.

Konumsal Nesneler ve Geometri

Coğrafi Bilgi Sistemlerinde vektör veriler konumsal nesne (feature ) olarak adlandırılmaktadır. Konumsal nesne kavramı nokta, çizgi ve poligon ile temsil edilen varlıkların biçimsel özelliklerini, öznitelik verilerinin saklandığı tabloları, kuralları, ilişkileri ve diğer özellikleri de kapsayan daha geniş anlamlı bir kavram olarak tanımlanabilir. Nokta, çizgi ve poligon dışında kullanılan diğer vektör veri tipleri şu şekildedir; Çoklu nokta (multipoint): Noktanın konumuna hassas olarak ihtiyaç duyulmadığı durumlarda, ortak özniteliklere sahip, rastgele yerleştirilen noktalar grubudur. Çoklu yama (multipatch): Genellikle üç boyutlu uzayda ayrı bir alan ya da hacim kaplayan bir nesnenin, dış yüzeyi ya da kabuğunu temsil etmek için kullanılan geometri tipidir. Etiket (annotation): Etiket konumsal nesnesi açıklama gerektiren alanlarda kullanılan konumsal nesnedir. Genellikle metin gösteriminde kullanılsa da zaman zaman grafik nesneler de içerebilir. Etiketin bir konumsal nesne olarak kullanılmasının amacı, özellikle çok kullanıcılı ve çok fazla sayıda etikete sahip veritabanlarında performansı ve veri tutarlılıgını korumaktır. Ölçüm (dimension): Konumsal veritabanında ölçüm de bir konumsal nesnedir ve uzunluk, mesafe gibi ölçümlerin, harita üzerine yazılmasını sağlar. Ölçümlerin bir konumsal nesne olması, etiket yazılımın performansını artırır ve veri tutarlılığı sağlar.

Geometrik kapsam bir konumsal nesnenin en büyük ve en küçük x, y değerlerini kapsayarak oluşturulmuş, kenarları koordinat sistemine paralel bir dikdörtgendir. Her konumsal nesnenin bir geometrik kapsamı vardır. Bu, konumsal veritabanının performansını olumlu yönde etkileyen bir özelliktir. Geometrik kapsam aslında veritabanında konumsal dizin oluşturmak için kullanılır. Veritabanında dizin (index), veritabanındaki bir verinin çağrılma hızını artıran bir yapıdır. Veriyi, veritabanındaki tüm satırları tarayarak aramak yerine, daraltılmış alanlarda arayarak sorgulama işlemini daha hızlı gerçekleştirir.

Vektör Verilerde Konumsal Referans

Konumsal nesnenin geometrisi (feature geometry) kartezyen koordinat sistemine göre saklanır. Ancak yeryüzü küreseldir. Konumsal referans (spatial reference) , konumsal nesnelerin yeryüzündeki konumlarının iki boyutlu ortama ne şekilde aktarılacağını gösteren referans sistemidir.

Konumsal veritabanında olusturulan nesneler için, konumsal referans oldukça önemlidir. Birbiriyle konumsal ilişkisi bulunan nesnelerin aynı konumsal referansı paylaşması gereklidir. Konumsal referansların farklı olması, iki nesne arasındaki ilişkilerde ölçüm hataları, geometri bozulmaları gibi sorunlara yol açar.

Konumsal veritabanında çözünürlük, bir konumsal nesnenin konum ve geometri bilgisinin hangi hassasiyette saklanacağını belirler. Konumsal nesneler çözünürlüğe bağlı olarak oluşturulan ızgara (grid) yapısı üzerinde oluşturulur. Bu ızgara zeminindeki karelerin kenarı, çözünürlük değeri kadardır. Çözünürlüğü daha küçük olan ızgarada oluşturulan nesneler, büyük olana göre daha detaylı olacaktır.

Konumsal kapsam, tanımlanan konumsal referansta, mevcut tüm konumsal nesnelerin en büyük ve en küçük x, y koordinat değerlerini kapsayan alandır. Aynı konumsal referansa sahip nesnelerin bulunduğu çalışma alanını tanımlar.

Hata payı ilişkisel ve topolojik işlemler sırasında, koordinatlar arasındaki en küçük mesafeyi tanımlar. İki nesne birbirlerine hata payından daha yakınsa nesnelerin koordinatları aynı olarak kabul edilir.

Öznitelik Verisi

Öznitelik verileri, varlıklara sorulan “Ne?” sorusunun cevabı olarak onların özelliklerini anlatan bilgilerdir. Konumsal nesnelerin öznitelik verileri (attribute data) tablo yapısında saklanır. Tablo, satır ve sütunlardan oluşur. Tablodaki her bir satır bir nesneyi, sütunlar ise öznitelik verilerini saklar. Konumsal nesne tabloları (feature class) oluşturulurken öznitelik alanlarının isimleri ve değişken tipleri tanımlanır. Öznitelik verileri tabloda, veri alanlarıyla temsil edilir. Bu veri alanlarına yapılacak girişler için alan adı ve veri tipi tanımlanır. Bir coğrafi varlığa ait birbirinden farklı veri tipine sahip öznitelik verisinin tutulduğu sütunlar olabilir.

Alan özellikleri (field properties): Öznitelik veri alanları alan adı (field name) ve veri tipi (data type) özelliklerinden oluşur. Alan adı bölümünde, öznitelik tablosundaki sütun adı tanımlanır. Oluşturulan konumsal nesnenin genellikle otomatik olarak atanan kimlik numarası (Object ID) ve nesnenin geometrik özellikleri (nokta, çizgi, poligon) bu alanda tanımlanır. Bunun dışında oluşturulacak tablodaki sütun başlıkları birer öznitelik veri alanı adıdır. Veri tipi bölümünde ise yukarıda bahsedilen veri tiplerinden uygun olanı seçilir. Oluşturulan alanlara ait çeşitli özellikler ve kısıtlamalar da getirilebilir. Bu belirleyicilerin girildiği alana alan özellikleri denir.

Öznitelik değer alanları, veri bütünlüğünü sağlamak için öznitelik girdisinin alabileceği değerleri tanımlayan kurallardır. Öznitelik değer alanları tablolardaki herhangi bir öznitelik verisinin alabileceği değeri kısıtlar. Her konumsal nesne tablosu için farklı öznitelik değer alanları ve ön tanımlı değerler tanımlanabilir. Veri girişini sınırlamak için kullanılan öznitelik değer alanlarının iki türü vardır:

  • Aralık değer alanı (Range domain): Aralık değer alanları öznitelik verileri için belirlenmiş sayısal bir aralığı tanımlar. Girilecek veri tanımlanan en küçük ve en büyük değer arasında olmalıdır. Aralık değer alanı metin veri tipine uygulanamaz. Aralık değer alanı sınırlamasında veritabanlarının özelliklerinden dolayı genellikle veri girişi engellenmez.
  • Kodlanmış değer alanı (Coded domain): Kodlanmış değer alanı, bir öznitelik veri alanı için tanımlanmış değerler kümesinden oluşur ve o veri alanı için sadece bu kümeden değer seçilmesini sağlar.

Alt Tip

Konumsal nesneler, konumsal nesne tabloları (feature class) hâlinde düzenlenebilmektedir. Konumsal nesne tabloları, aynı türdeki konumsal nesnelerden oluşan gruplardır ama bazı durumlarda bu konumsal nesneler arasında farklılıklar olabilir. Aynı türde ve aynı öznitelik veri alanlarına sahip konumsal nesnelerin bu tür farklılıklar taşıması durumunda, yeni bir konumsal nesne tablosu oluşturmak yerine aynı tablo içinde alt tip (subtype) oluşturulabilir. Alt tiplerin avantajları aşağıdaki gibidir:

  • Alt tiplerin kullanımı, özellik olarak birbirine yakın konumsal nesnelerin bir arada tutulması ile hem verilerin organizasyonunu sağlar hem de veritabanının çalışma performansını arttırır.
  • Konumsal nesne tablosu içinde yeni nesneler oluşturulurken her bir alt tip için özniteliklere ön tanımlı değerler atanabilir.
  • Her bir alt tip için öznitelik değer alanları kullanılabilir. Kodlanmış veya aralık öznitelik deşer alanları, alt tiplerinin öznitelik deşerlerinin girişlerini kontrol eder.
  • Konumsal nesneler ve alt tipler arasında topoloji ve ilişki kuralları tanımlanabilir.

Alt tiplerin dezavantajları aşağıdaki gibidir:

  • Konumsal nesnelerin öznitelikleri farklıysa alt tip uygulanamaz.
  • Alt tiplere farklı seviyelerde erişim kısıtlaması getirilemez.

Konumsal Nesneler ve İlişkiler

Konumsal ya da konumsal olmayan verilerin ilişkileri, konumsal veritabanlarında iki temel ilişki tipi ile modellenir. Bunlar;

  • Konumsal ilişkiler: Vektör veri modelindeki nokta, çizgi ve poligon nesnelerinin, birbiri ile olan yakınlık, uzaklık, içinde olma, kesişme, komşu olma vb. ilişkileri konumsal ilişki ile tanımlanır. Bağlanırlık (connectivity), bitişiklik (adjacency) ve yakınlık (proximity) konumsal ilişkilerin tanımlanmasında kullanılan topolojinin üç temel ilkesidir. Coğrafi Bilgi Sistemleri platformunda topoloji tabloları oluşturularak konumsal nesneler arasındaki ilişkiler belirlenmektedir.
  • Tablolar arası ilişkiler: Tablolar arası ilişki, konumsal ve konumsal olmayan nesnelerin ortak öznitelik verileri aracılığıyla ilişkilendirilmesidir. İlişkiler, tasarımı basitleştiren veya sorgulamayı kolaylaştıran mantıksal kavramlardır. Bire-bir ilişki, iki veri arasındaki değişmez ilişkidir. Birden-çoğa ilişki durumunda bir veri birden fazla veri ile ilişkili olabilir. Çoktan çoğa ilişki birden-çoğa ilişkinin çift yönlü olma durumudur.

Konumsal nesneler (feature) arası ilişki konumsal ya da konumsal olmayan nesneler arasında kurulabilir. Konumsal veritabanı, nesneler arası ilişkilerin yanı sıra bu ilişkileri belirli kurallara tabi tutarak veri bütünlüğünü sağlar. Ilişki tablosu (relationship class), konumsal nesne tabloları (feature class) ve öznitelik tabloları (table) arasındaki ilişkiyi saklayan tablolardır. İki öznitelik tablosu, bir tablo ve bir konumsal nesne tablosu ya da iki konumsal nesne arasında ilişki tabloları kullanılabilir. Konumsal veri tabanı platformunda tablolar arası ilişki üç farklı yöntemle kurulabilir. Bunlar;

  • İlişkilendirme: Bire bir ve birden çoğa ilişkiyi destekler ancak çoktan çoğa ilişkiyi desteklemez. Verilerde düzenleme yapmak mümkündür.
  • Birleştirme: Semboloji ve etiketleme için etkin olarak kullanılır. Bire bir ve birden çoğa ilişkileri destekler ancak iki tablonun birleşmesinden yeni bir tablo oluşturur.
  • İlişki tabloları: Tüm ilişki türlerini destekler. Ayrıca tabloları veri tutarlılığına zorlar. Bir ilişki tablosu basit ya da bileşik şekilde oluşturulabilir.

Konumsal Nesne Tablosu

Konumsal nesne ve bunlara ait çeşitli verileri saklayan konumsal veritabanı tablolarına konumsal nesne tablosu (feature class) denir. Konumsal nesne tablosundaki her bir satır bir konumsal nesneyi temsil etmektedir. Sütunlar öznitelik veri alanlarıdır. Konumsal nesne tablolarının genel özellikleri aşağıdaki gibidir:

  • Konumsal nesne tablosu oluşturulurken ilk olarak ismi belirlenir. Kullanılacak isim Türkçe veya özel karakterler içermemelidir. Ayrıca bir konumsal nesne tablosu, veritabanı içindeki başka bir tablo ile aynı adı paylaşmamalıdır.
  • Konumsal nesne tablosunun en önemli özelliklerinden biri, vektör tipi belirlenmeden tablonun oluşturulamayacağıdır. Konumsal nesne tablosu, sadece aynı vektör tipindeki konumsal nesneleri barındırabilir. Konumsal nesne tablosu oluşturulduktan sonra vektör tipi kesinlikle değiştirilemez.
  • Konumsal nesne tablosu, konumsal referansı belirlenmeden oluşturulamaz. Bir konumsal nesne tablosunda, farklı referanslara sahip konumsal nesneler bulunamaz.
  • Öznitelik değer alanları ve alt tipler konumsal nesne tabloları içerisinde oluşturulur.
  • Konumsal nesne tabloları oluşturulurken, öznitelik veri alanları tanımlanır. Bir konumsal nesne tablosundaki tüm konumsal nesneler aynı öznitelik veri alanlarına sahip olmalıdır. Tablo, bu alanlar tanımlanmasa da oluşturulabilir, değer alanları daha sonra eklenip çıkartılabilir veya silinebilir.
  • Konumsal nesne tabloları arasında ilişkiler kurulabilir ve topoloji kuralları tanımlanabilir.

Konumsal Nesne Veri Kümesi

Konumsal nesne veri kümesi (feature dataset ), aynı konumsal referansı ve kapsamı paylaşan konumsal nesne tablolarından oluşan bir kapsayıcıdır. Konumsal nesne veri kümelerinin kullanılmasının temel amacı, konumsal veritabanında mantıksal bir bütünlük oluşturmaktır. Bu konumsal nesnelerin birbiri ile olan ilişkilerinin irdelenebilmesi için gerçek dünyada aynı konumda olan nesnelerin, harita üzerinde de aynı konumda olmaları gerekmektedir. Konumsal nesne veri kümeleri, altındaki konumsal nesne ve tablolara erişimler tanımlanmasına izin verir.

BİR YORUM YAZIN

ZİYARETÇİ YORUMLARI - 0 YORUM

Henüz yorum yapılmamış.