«آماده برای GIS» کیفیتی است که داده پس از تولید هنوز ندارد: داده‌ی خام ممکن است در چند قالب متفاوت، با مختصات ناسازگار، هندسه‌ی معیوب و صفت‌های ناهمگون باشد و همین ناهمگونی بزرگ‌ترین مانع کار در سامانه‌های اطلاعات مکانی است. آماده‌سازی، داده را از وضعیت «قابل نگهداری» به وضعیت «قابل تحلیل» می‌برد: قالب‌ها یکسان می‌شوند، سامانه‌ی مختصات تصحیح می‌گردد، هندسه اعتبارسنجی و پاک‌سازی می‌شود و صفت‌ها بر پایه‌ی یک شِمای مشترک بازنویسی می‌شوند. در پروژه‌هایی که داده از سازمان‌های مختلف یا از دوره‌های زمانی متفاوت گردآوری می‌شود، این مرحله معمولاً بیشترین سهم زمان را می‌گیرد. خروجی نهایی، لایه‌هایی است که در پایگاه داده‌ی مکانی وارد و بدون دخالت دستی در تحلیل‌ها استفاده می‌شوند.
معنای عملی آماده‌بودن و معیارهای پذیرش
داده‌ی آماده آن است که در پایگاه داده‌ی مکانی بدون خطا بارگذاری شود، سامانه‌ی مختصات آن صریح و درست باشد، هندسه‌ی همه‌ی عارضه‌ها معتبر باشد و صفت‌ها با دامنه‌های تعریف‌شده‌ی سازمان بخوانند. فراداده نیز باید منبع، تاریخ، روش تولید و محدودیت‌های داده را روشن بیان کند.
تعریف معیارهای پذیرش پیش از شروع کار از بحث‌های سلیقه‌ای در پایان پروژه جلوگیری می‌کند. این معیارها معمولاً در قالب فهرست وارسی نوشته می‌شوند تا هر لایه‌ای که تحویل داده می‌شود، یکی‌یکی در برابر آن‌ها سنجیده شود.
- بارگذاری موفق لایه در پایگاه داده و در سامانه‌ی وب بدون خطای قالب یا کدگذاری.
- تصریح سامانه‌ی مختصات، واحد و مبنای ارتفاع در همه‌ی لایه‌ها.
- روشن بودن ساختار صفت، دامنه‌های مجاز و ارتباط جداول.
یکسان‌سازی قالب و ساختار داده
داده‌ها از منابع گوناگون می‌رسند: فایل‌های برداری، پایگاه‌های داده‌ی پوشه‌ای، خروجی‌های نرم‌افزار‌های نقشه‌برداری و فایل‌های تبادلی طراحی. هر قالب محدودیت‌های خود را دارد؛ برای نمونه، نام فیلدها در قالب‌های پوشه‌ای همراه با جداول متن‌ی محدود به طول کوتاه است و بدون تعریف نویسه‌گان، متن فارسی در آن به‌هم می‌ریزد.
برای همین، قالب مقصد پروژه پیش از شروع انتخاب می‌شود؛ قالب‌های مبتنی بر پایگاه داده برای نگهداری بلندمدت، نوع فیلد، دامنه و فراداده مناسب‌ترند و قالب‌های تبادلی سبک برای انتقال میان سامانه‌ها به‌کار می‌آیند. تبدیل میان قالب‌ها فرصت مناسبی است تا نام‌گذاری لایه‌ها و فیلدها یکدست شود.
- انتخاب قالب مقصد بر پایه‌ی کاربرد نهایی: نگهداری، تحلیل یا تبادل.
- تعیین نویسه‌گان متن و بررسی صحت نمایش نام‌های فارسی پس از تبدیل.
- یکسان‌سازی نام‌گذاری لایه‌ها، فیلدها و واحد‌ها.
تبدیل و تصحیح سامانه‌ی مختصات
سامانه‌ی مختصات هر منبع نخست شناسایی می‌شود؛ داده‌ی بدون معرفی مختصات، هر اندازه هم دقیق باشد، برای تلفیق بی‌استفاده است. سپس تبدیل میان مختصات جغرافیایی و تصویرشده و تصحیح مبنای زمین‌مرجع انجام می‌شود و تنها روش‌های تبدیلی که برای همان ناحیه دقت کافی دارند به کار می‌روند.
در پروژه‌هایی که محدوده در نواحی مشخصی از سامانه‌ی تصویرشده‌ی جهانی قرار می‌گیرد، انتخاب ناحیه‌ی درست از اعوجاج ناشی از فاصله تا نصف‌النهار مرکزی جلوگیری می‌کند. تبدیل باید به‌صورت دائمی روی داده اعمال و در فایل ذخیره شود؛ اتکا به تبدیل لحظه‌ای در نرم‌افزار، در خروجی‌ها و سرویس‌های وب ایجاد خطا می‌کند.
- شناسایی و مستندسازی سامانه‌ی مختصات منبع برای هر لایه‌ی ورودی.
- انتخاب روش تبدیل مناسب و ارزیابی خطای باقی‌مانده با نقاط کنترل مشترک.
- اعمال دائمی تبدیل روی داده و ثبت کد مرجع فضایی در فراداده.
اعتبارسنجی هندسه و پاک‌سازی توپولوژی
هندسه‌ی معیوب شامل پلی‌گون‌هایی با خودتقاطع، حلقه‌های ناقص، نقاط تکراری، عارضه‌های چندبخشی ناخواسته و عارضه‌های بدون هندسه است. این خطاها نه‌تنها نمایش را خراب می‌کنند، بلکه محاسبه‌ی مساحت و طول و همچنین پردازش‌های مکانی را نادرست می‌سازند.
پس از اصلاح هندسه، قواعد توپولوژی متناسب با ماهیت لایه تعریف می‌شود: پلی‌گون‌ها نباید همپوشانی داشته باشند، نباید شکاف میان آن‌ها بماند، خطوط باید در گره‌ها به‌هم متصل باشند و عارضه‌های جزئی باید کامل درون عارضه‌های والد قرار گیرند. گزارش تخلف از این قواعد و نحوه‌ی رفع آن‌ها بخشی از تحویل است.
- اصلاح هندسه‌ی نامعتبر و حذف رأس‌های تکراری و حلقه‌های معیوب.
- تعریف قواعد توپولوژی بر پایه‌ی کاربرد تحلیلی لایه، نه به‌صورت پیش‌فرض.
- کنترل پیوستگی عارضه‌های خطی و رفع خطوط معلق و اتصال‌های ناقص.
- مستندسازی تخلف‌های توپولوژیک و اصلاح‌های انجام‌شده.
یکسان‌سازی و کدگذاری صفت‌ها
صفت‌های ناهمگون خطای پنهان تحلیل‌ها هستند: نام یک عارضه با املای متفاوت، رقم فارسی و لاتین در یک فیلد، تاریخ در چند قالب متفاوت و فاصله‌های اضافی، همه گروه‌بندی و جمع‌بندی را نادرست می‌کنند. یکسان‌سازی نویسه‌ها، اعداد، قالب تاریخ و فاصله‌ها نخستین گام این بخش است.
در گام بعد، صفت‌ها به جدول‌های مرجع و دامنه‌های کد‌شده نگاشت می‌شوند تا هر مقدار آزاد به کد استاندارد تبدیل گردد. تبدیل متن‌های توصیفی به کد، حجم داده را کاهش می‌دهد و امکان اعتبارسنجی خودکار در زمان ورود اطلاعات را فراهم می‌کند.
- یکسان‌سازی نویسه‌های عربی و فارسی و تبدیل رقم‌ها به یک استاندارد واحد.
- یکسان‌سازی قالب تاریخ و مقدار‌های خالی در همه‌ی لایه‌ها.
- نگاشت مقادیر آزاد به دامنه‌های کد‌شده و جدول‌های مرجع سازمان.
حذف افزونگی، شکاف و لبه‌های نازک
افزونگی زمانی رخ می‌دهد که یک عارضه‌ی واقعی در دو یا چند لایه‌ی منبع با شناسه‌های متفاوت ثبت شده باشد. تشخیص آن با تطبیق دقیق صفت‌ها آغاز می‌شود و با تطبیق تقریبی نام‌ها و نزدیکی مکانی ادامه می‌یابد؛ سپس سیاست ادغام تعیین می‌کند کدام رکورد به‌عنوان مرجع نگه داشته شود و بقیه چگونه کنار بروند.
ترکیب لایه‌ها معمولاً شکاف‌ها و لبه‌های نازک در مرزها باقی می‌گذارد که مساحت‌های کاذب و آماره‌های گمراه‌کننده تولید می‌کنند. رفع آن‌ها با اصلاح آستانه‌ی اتصال، حذف لبه‌های نازک‌تر از حدی که نسبت به مقیاس نقشه تعیین می‌شود، و انتساب مجدد صفت از عارضه‌ی مجاور انجام می‌گیرد.
- تشخیص رکوردهای تکراری با تطبیق صفت و نزدیکی مکانی و تعیین رکورد مرجع.
- حذف شکاف‌ها و لبه‌های نازک مرزی و جلوگیری از تولید مساحت‌های کاذب.
- بازبینی پردازش پس از ادغام برای اطمینان از حفظ شمار کل عارضه‌ها.
خودکارسازی دسته‌ای و ثبت نسب داده
وقتی مرحله‌ی آماده‌سازی برای چندین لایه و در دوره‌های متوالی تکرار می‌شود، اجرای دستی آن هم کُند و هم نایکدست است. نوشتن روند خودکار با ابزارهای فرمان‌خطی و کتابخانه‌های پردازش برداری و رستری، یا اجرای پرس‌وجوهای مکانی در پایگاه داده، همان گام‌ها را با نتیجه‌ی تکرارپذیر انجام می‌دهد.
نسب داده باید در قالب فراداده ثبت شود تا معلوم باشد هر لایه از کدام منبع، با کدام پردازش و در چه تاریخی ساخته شده است. این ثبت، هم بازتولید نتایج را ممکن می‌کند و هم به‌روزرسانی دوره‌ای را از تبدیل به پروژه‌ای مستقل رها می‌سازد.
- تبدیل روند‌های آماده‌سازی به روند خودکار و قابل اجرای مکرر.
- ثبت منبع، تاریخ، پردازش و مسئول هر گام در فراداده‌ی لایه.
- ذخیره‌ی خروجی‌ها با نام‌گذاری نسخه‌دار برای پیگیری تغییرات.
جمع‌بندی
آماده‌سازی، کاری کم‌دیده اما تعیین‌کننده است؛ بیشتر کندی و خطای پروژه‌های مکانی از ناهمگونی داده‌های ورودی ناشی می‌شود، نه از ضعف تحلیل. هرچه معیارهای پذیرش روشن‌تر و روند کار خودکارتر باشد، سامانه‌ی نهایی پایدارتر و به‌روزرسانی آن کم‌هزینه‌تر خواهد بود.
خروجی این مرحله مجموعه‌ای از لایه‌های سازگار، معتبر و مستندشده است که می‌تواند مستقیماً در پایگاه داده‌ی مکانی بارگذاری، در تحلیل‌های مکانی استفاده و از طریق سرویس‌های مکانی منتشر شود.