Kazanimlar:
- Tampon, kesişim, mekansal birleştirme ve komşuluk gibi CBS analizlerini AI ile tasarlayıp adım adım kurgulayabilme
- Öznitelik ve mekansal sorguları (SQL/ifade) doğal dilden üretip QGIS/PostGIS ortamına uyarlayabilme
- CBS analiz çıktısını topolojik tutarlılık, projeksiyon uygunluğu ve alan/uzunluk mantığıyla doğrulayabilme
CBS (Coğrafi Bilgi Sistemi; İngilizce GIS), konumu olan verileri saklayan, sorgulayan, analiz eden ve haritalayan sistemlerin genel adıdır. Harita mühendisinin günlük işinin büyük kısmı burada geçer: "bu dereye 50 metreden yakın parseller hangileri?", "bu iki katmanın çakıştığı alanlar nerede?", "her mahalleye düşen bina sayısı kaç?" gibi sorulara mekansal analizle cevap üretmek. Bu ünitede yapay zekayı bu analizleri tasarlamak, sorguları doğal dilden üretmek ve QGIS/PostGIS ortamına uyarlamak için nasıl kullanacağımızı işliyoruz. İlke: AI analizi kurgular ve sorguyu yazar; sonucun geçerliliği projeksiyon, topoloji ve mantık kontrolüyle mühendiste kalır.
Önce temel terimler. Vektör veri, dünyayı nokta, çizgi ve poligonlarla temsil eder (parseller, yollar, kuyular). Raster veri, dünyayı hücre/piksel ızgarasıyla temsil eder (yükseklik modeli, uydu görüntüsü). Öznitelik (attribute), bir geometriye bağlı tablo bilgisidir (parselin alanı, malik, ada/parsel no). Tampon (buffer), bir geometrinin çevresinde belirli mesafede oluşturulan alandır. Mekansal birleştirme (spatial join), iki katmanı konumsal ilişkiye göre eşleştirir (her binayı içinde bulunduğu mahalleyle). Topoloji, geometriler arası komşuluk/çakışma/boşluk kurallarıdır.
AI'ın CBS Analizinde Rolü
Yapay zeka CBS'de üç somut yerde hızlandırır:
- Analiz tasarımı. "Şu soruya cevap vermek için hangi katmanlar, hangi sırayla, hangi araçlarla işlenir?" sorusuna adım adım bir plan çıkarır. Bu, özellikle karmaşık çok adımlı analizlerde düşünme yükünü azaltır.
- Sorgu üretimi. Doğal dildeki isteği QGIS ifadesine, SQL'e veya PostGIS fonksiyonuna çevirir. "Alanı 500 m²'den küçük ve tarım vasfındaki parseller" isteğini bir filtre ifadesine döker.
- İş akışı ve kod üretimi. Tekrarlayan analizleri Python/PyQGIS betiğine çevirir (bu konuyu 10. ve 11. ünitelerde derinleştiriyoruz).
Ama AI'ın kritik bir kör noktası vardır: veriyi görmez, sadece tarifinizi görür. Katmanın hangi CRS'de olduğunu, öznitelik sütununun tam adını, verinin temiz olup olmadığını bilmez. Bu yüzden ürettiği sorgu sözdizimsel olarak doğru ama sizin verinizde yanlış olabilir.
Dikkat: Mesafe ve alan hesapları yalnızca metrik (projeksiyonlu) bir CRS'de doğrudur. Coğrafi koordinatlarda (derece) doğrudan 50 m tampon almak, derece-metre karışıklığı yüzünden tamamen hatalı sonuç verir. Analiz öncesi katmanı uygun projeksiyona alın.
Adım Adım: Bir Mekansal Analizi Kurgulamak
Örnek soru: "Bir akarsuya 100 m'den yakın olan yapı ruhsatlı parselleri bul."
- Girdileri ve CRS'i netleştirin. Akarsu katmanı (çizgi), parsel katmanı (poligon), her ikisi de metrik CRS'de (örneğin TUREF/TM33) olmalı.
- Adımları planlatın. AI'a: akarsuya 100 m tampon → parsellerle kesişim/seçim → öznitelikten "ruhsatlı" filtresi → sonuç sayımı. Sırayı ve her adımın çıktısını yazsın.
- Sorguyu ürettirin. Filtre ifadesini ("durum" = 'ruhsatlı") ve seçim mantığını QGIS/PostGIS diline çevirsin.
- Küçük örnekte test edin. Analizi tüm veri yerine küçük bir alt kümede çalıştırıp sonucu gözle kontrol edin.
- Sonucu doğrulayın. Sayım makul mü (mertebe)? Seçilen parseller gerçekten akarsuya yakın mı (görsel/topolojik kontrol)? Alanlar mantıklı mı?
Üç Mini Vaka: Rakamlarla
Vaka 1 — Derece tampon felaketi. Bir stajyer, WGS84 coğrafi CRS'deki parsel katmanına doğrudan 100 birim tampon uyguladı; sonuç yaklaşık 11 km yarıçapında absürt alanlar üretti (1 derece ~111 km). Mertebe kontrolü ("tampon alanı parselin binlerce katı olamaz") hatayı anında gösterdi. Katman metrik CRS'e alınınca tampon 100 m olarak doğru çıktı.
Vaka 2 — Yanlış sütun adı. AI, "vasfı tarım olan parseller" için "vasif" = 'tarim' ifadesi üretti; oysa sütunun gerçek adı PARSEL_VASF ve değer TARLA idi. Sorgu hata vermeden 0 sonuç döndü. Mühendis, öznitelik tablosunu açıp gerçek sütun adı ve değerlerini AI'a verince sorgu düzeldi. Ders: AI sütun adlarını uydurabilir; gerçek şemayı verin.
Vaka 3 — Topoloji sorunu. İki komşu ilçe sınırı katmanında küçük boşluklar (sliver) ve çakışmalar vardı. AI destekli bir "alan toplamı" analizi, bu hatalar yüzünden gerçek toplamdan yaklaşık %2 saptı. Topoloji kontrolü ve düzeltme yapılınca alanlar tutarlı hale geldi. Ders: analiz sonucu ancak girdi geometrisi kadar temizdir.
Zayıf Prompt / Güçlü Prompt
Zayıf prompt:
Dereye yakın parselleri bulan bir sorgu yaz.
Güçlü prompt:
Görev: QGIS için bir mekansal analiz kurgusu ve ifadesi üret.Bağlam:- akarsu_katmani: çizgi, CRS EPSG:5256 (TUREF/TM33)- parsel_katmani: poligon, CRS EPSG:5256, öznitelik sütunları: ADA_NO, PARSEL_NO, DURUM (değerler: 'ruhsatli','ruhsatsiz'), ALAN_M2Soru: Akarsuya 100 m'den yakın ve DURUM='ruhsatli' parselleri seç,sayısını ve toplam alanını ver.İstekler:1) Adımları sırala (tampon -> mekansal seçim -> öznitelik filtresi).2) Her adımda hangi aracın kullanılacağını yaz.3) Mesafe/alan için metrik CRS zorunluluğunu hatırlat.4) Sonucu doğrulama adımını (mertebe + görsel kontrol) ekle.
Güçlü prompt gerçek sütun adlarını, CRS'i, değer kümesini ve doğrulama adımını verir; çıktı verinize uyar.
Dört Kopyalanabilir Şablon
1) Analiz planı çıkarma:
Aşağıdaki mekansal soruyu cevaplamak için adım adım CBS iş akışı yaz:her adımda girdi katmanı, kullanılan araç ve çıktı katmanı belirtilsin.Metrik CRS gerektiren adımları işaretle. Soru: [soru]. Katmanlar: [liste]
2) Doğal dilden QGIS ifadesi:
Aşağıdaki filtreyi QGIS öznitelik ifadesine çevir. SADECE verilen sütunadlarını ve değerlerini kullan; sütun uydurma. Belirsizlik varsa sor.Sütunlar/değerler: [şema]. İstek: [filtre]
3) PostGIS sorgusu:
Aşağıdaki mekansal analiz için PostGIS SQL yaz (ST_ fonksiyonları).Geometrilerin SRID'sini [srid] varsay; mesafe metrik olmalı. Sorguyuaçıkla ve doğrulama için bir sağlama sorgusu ekle. Analiz: [tanım]
4) Sonuç makullük kontrolü:
Aşağıdaki CBS analiz sonucunu makullük açısından denetle: sonuç sayısımertebesi, alan/uzunluk mantığı, boş/çift kayıt, CRS uyumu. Şüphelinoktaları listele ve olası nedeni yaz. Sonuç özeti: [özet]
CBS Analiz Araçları Karşılaştırması
Araç
Ne yapar
Tipik kullanım
Dikkat
Buffer (tampon)
Çevrede mesafe alanı
Koruma bandı, yakınlık
Metrik CRS şart
Intersect (kesişim)
Ortak alanı çıkarır
Çakışma analizi
Topoloji temiz olmalı
Spatial join
Konuma göre eşleştirir
Bina-mahalle ilişkisi
İlişki türü (içinde/kesişen)
Dissolve (birleştir)
Aynı öznitelikleri kaynaştırır
Sınır sadeleştirme
Öznitelik seçimi
Clip (kırpma)
Bir sınıra göre keser
Çalışma alanı sınırlama
Sınır geometrisi doğru mu
Sık yapılan hatalar
- Coğrafi CRS'de mesafe/alan hesaplamak. Analizden önce metrik projeksiyona geçmemek.
- AI'ın uydurduğu sütun adlarını kullanmak. Gerçek şemayı vermemek; sessiz 0 sonuç.
- Topolojisi bozuk veriyle analiz yapmak. Boşluk/çakışma alan ve sayım hatası doğurur.
- Mekansal ilişki türünü karıştırmak. "İçinde" ile "kesişen" farklı sonuç verir.
- Sonucu mertebe kontrolünden geçirmemek. Absürt alan/sayıları fark etmemek.
- Tüm veride körlemesine çalıştırmak. Küçük örnekte test etmeden büyük veriye uygulamak.
Özetle
CBS analizinde yapay zeka; iş akışını planlamak, doğal dildeki isteği sorguya çevirmek ve kod üretmek için güçlü bir asistandır. Ama AI veriyi görmez; CRS'i, gerçek sütun adlarını ve topoloji kalitesini siz vermelisiniz. En kritik kural, mesafe ve alan hesaplarının yalnızca metrik CRS'de doğru olmasıdır. Her sonucu mertebe, topolojik tutarlılık ve mantık kontrolünden geçirin; küçük örnekte test etmeden büyük veriye uygulamayın.
Uygulama görevi
Bir mekansal soru seçin (örneğin "bir yola 25 m'den yakın binalar"). Katmanları, CRS'lerini ve gerçek öznitelik sütun adlarını yazın. AI'a adım adım analiz planı ve QGIS ifadesi ürettirin; ardından çıktıyı üç kontrolle sınayın: (1) metrik CRS kullanılmış mı, (2) sütun adları gerçek şemaya uyuyor mu, (3) sonuç sayısı mertebe olarak makul mü.
Kontrol listesi
- [ ] Katmanları metrik CRS'e aldım (mesafe/alan için).
- [ ] Gerçek öznitelik sütun adlarını ve değerlerini AI'a verdim.
- [ ] Analiz adımlarını ve araçlarını planlattım.
- [ ] Mekansal ilişki türünü (içinde/kesişen) doğru seçtim.
- [ ] Girdi geometrinin topolojisini kontrol ettim.
- [ ] Analizi önce küçük örnekte test ettim.
- [ ] Sonucu mertebe ve mantık kontrolünden geçirdim.
- [ ] Nihai yorumu mühendis onayında tuttum.