Univerzita Palackého v Olomouci Přírodovědecká fakulta Katedra geoinformatiky
Sylvie HARTMANNOVÁ
APLIKACE PROSTOROVÉ A TVAROVÉ METRIKY PRO HODNOCENÍ (SUB)URBANIZACE
Bakalářská práce
Vedoucí práce: Mgr. Vít Pászto
Olomouc 2013
Čestné prohlášení Prohlašuji, že jsem bakalářskou práci bakalářského studia oboru Geoinformatika a geografie vypracovala samostatně pod vedením Mgr. Víta Pászto. Všechny použité materiály a zdroje jsou citovány s ohledem na vědeckou etiku, autorská práva a zákony na ochranu duševního vlastnictví. Všechna poskytnutá i vytvořená digitální data nebudu bez souhlasu školy poskytovat.
V Olomouci 20. května 2013
______________________
Děkuji vedoucímu práce Mgr. Vítu Pászto za podněty a připomínky při vypracování práce.
Vložený originál zadání bakalářské práce (s podpisy vedoucího katedry, vedoucího práce a razítkem katedry). Ve druhém výtisku práce je vevázána fotokopie zadání.
OBSAH ÚVOD ........................................................................................................................... 6 1 CÍLE PRÁCE............................................................................................................... 7 2 POUŽITÉ METODY A POSTUP ZPRACOVÁNÍ ................................................. 8 2.1 Použitá data .......................................................................................................... 8 2.2 Použité programy ................................................................................................. 8 2.3 Postup zpracování ................................................................................................ 8 3 SOUČASNÝ STAV ŘEŠENÉ PROBLEMATIKY ................................................ 10 3.1 Zahraniční literatura ........................................................................................... 10 3.2 Česká literatura................................................................................................... 12 4 VSTUPNÍ DATA ....................................................................................................... 14 4.1 CORINE Land Cover ......................................................................................... 14 4.1.1 CORINE Land Cover 1990 .................................................................... 14 4.1.2 CORINE Land Cover 2006 .................................................................... 14 4.2 Urban Atlas ........................................................................................................ 14 4.3 Universe of Cities ............................................................................................... 15 4.4 Zpracování dat .................................................................................................... 15 5 PROSTOROVÉ A TVAROVÉ METRIKY ............................................................ 21 5.1 Shape Metrics ..................................................................................................... 21 5.2 FRAGSTATS ..................................................................................................... 26 6 HODNOCENÍ (SUB)URBANIZACE DLE VÝSLEDNÝCH HODNOT ............. 29 6.1 Hodnocení měst CORINE Land Cover .............................................................. 29 6.1.1 Hodnocení CLC 1990 ............................................................................. 29 6.1.2 Hodnocení CLC 2006 ............................................................................. 30 6.1.3 Srovnání CLC 1990 a CLC 2006............................................................ 31 6.2 Hodnocení měst EU ........................................................................................... 31 6.3 Hodnocení měst světa ........................................................................................ 35 7 VÝSLEDKY ............................................................................................................... 37 8 DISKUZE ................................................................................................................... 39 9 ZÁVĚR ....................................................................................................................... 41 POUŽITÁ LITERATURA A INFORMAČNÍ ZDROJE SUMMARY PŘÍLOHY
5
ÚVOD Použití prostorových a tvarových metrik je známé zejména v krajinné ekologii. S nástupem výpočetní techniky do krajinné ekologie bylo umožněno aplikovat matematické nástroje pro hodnocení krajinných ploch efektivnějším způsobem. Ačkoliv se ve vědecké sféře stále spekuluje o jejich možnostech a rozsahu využití, přináší tyto kvantifikační nástroje jeden ze způsobů, jak hodnotit krajinu. Na základě řady indexů, jejichž výpočet vycházel z tvaru ploch, byly objeveny mnohé prostorové vzory, které mohou ovlivňovat ekologické procesy. Autoři zabývající se problematikou prostorových a tvarových metrik poukazují na důležitou roli vývoje počítačového zpracování a využití geografických informačních systémů a rozvoje dálkového průzkumu Země. Díky těmto technologiím se za pomocí prostorových a tvarových metrik provádí řada výzkumů postavená právě na hodnocení tvarů daného jevu. Další možnost využití nachází prostorové a tvarové metriky při hodnocení podob sídelních tvarů. Za použití např. demografických údajů hodnotí projevy (sub)urbanizace a jejího vlivu na životní prostředí či životní úroveň obyvatelstva. Ačkoliv existuje řada způsobů, jak hodnotit městské formy, prostorové a tvarové metriky jsou matematicky podložené údaje, které mohou napomoci institucím při rozhodování o rozvojové politice města. V této bakalářské práci bude provedeno hodnocení (sub)urbanizace aplikací prostorových a tvarových metrik u vybraných měst České republiky, měst EU a měst světa. Z mnoha informací, které jsou o městech dostupné, bude použita pouze jejich geometrická složka. Dohromady bylo použito 34 metrik pro zjištění matematických charakteristik měst. Poté byly hodnoceny tvary měst a z toho vyplývající (sub)urbanizace na základě výsledných hodnot použitých prostorových a tvarových metrik.
6
1 CÍLE PRÁCE Cílem bakalářské práce je zhodnotit (sub)urbanizaci pomocí aplikace výpočtu prostorových a tvarových metrik. Namísto hodnocení (sub)urbanizace kvantitativními statistickými daty bude práce zaměřena na nalezení prostorových vzorů uspořádání, tvaru a podoby zejména urbanizovaných ploch. Jednotlivými metrikami (tzv. spatial a shape metrics) se tak charakterizují plochy, jejichž tvar a prostorový vzor (tzv. spatial pattern) se vyskytuje díky procesu (sub)urbanizace. Teoretickým cílem práce je rešeršní část, která pojednává o současném využití prostorových a tvarových metrik. Dále budou popsány prostorové a tvarové metriky, které byly použity v případových studiích. Na vybraná města budou ve výpočetních softwarech aplikovány prostorové a tvarové metriky a bude provedená shluková analýza. Dále bude popsán charakter tvaru měst na základě výsledných hodnot prostorových a tvarových metrik.
7
2 POUŽITÉ METODY A POSTUP ZPRACOVÁNÍ V bakalářské práci je hodnocena (sub)urbanizace vybraných měst pomocí prostorových a tvarových metrik. V této kapitole jsou uvedeny použité datové sady, softwary a postup vypracování. Podrobněji se jednotlivým datovým sadám věnuje kapitola 4. Prostorové a tvarové metriky softwarů budou popsány a vysvětleny v kapitole 5.
2.1 Použitá data Hodnocení (sub)urbanizace pomocí prostorových a tvarových metrik proběhlo celkem u 47 měst. Z českých měst bylo vybráno 10 největších měst na základě statusu - krajská města. Data rastrového formátu byla použita z projektu CORINE Land Cover, a to z let 1990 a 2006. Vývoj měst a porovnání výsledků z jednotlivých let z hlediska (sub)urbanizace je podrobně popsán v kapitole 6. Z evropských měst se aplikovaly metriky na hlavní města států EU. Jedná se o vektorovou sadu Urban Atlas z roku 2006. Z měst světa bylo z dostupné datové sady Universe of Cities ve formátu .kml vybráno 10 měst. Ta byla vybírána tak, aby zde byla města přímořská, vnitrozemská, města z vyspělých, ale i rozvojových států světa.
2.2 Použité programy Dříve než data vstupovala do softwarů počítající metriky, musela být vhodně upravena. Jejich zpracování a následná digitalizace probíhala v prostředí ArcGIS for Desktop 10.x od společnosti ESRI. Pro výpočet prostorových a tvarových metrik byl použit software FRAGSTATS 4.1 a toolbox pro ArcGIS for Desktop 10.x s názvem Shape Metrics. Pro následnou clusterovou analýzu pro datovou sadu městu EU byl využit programovací jazyk R a uživatelské prostředí RStudio. Zpracování výsledků bylo provedeno v Microsoft Office Excel.
2.3 Postup zpracování Po nastudování literatury byla zpracována rešerše týkající se využití prostorových a tvarových metrik jak v krajinné ekologii, tak samozřejmě i v aplikaci na městskou problematiku. Teoretická část práce se týkala popisu použitých metrik. Další fáze bakalářské práce zahrnovala výběr měst, u kterých byla provedena aplikace prostorových a tvarových metrik. Jednou z nejdůležitějších částí této bakalářské práce bylo zpracování vstupních dat. Byla provedena vektorizace čtyř datových sad (viz kapitola 4). Problematickou částí bylo rozhodování, které plochy zahrnout či nezahrnout ke zkoumanému městu. Proto se přistupovalo ke každému městu individuálně a zvažovaly se různé aspekty, které poukázaly na užší vztah přilehlých ploch k městu. Následovalo nastudování návodů a literatury o softwarech, aby se předešlo potenciálním nejasnostem např. při nastavení parametrů u jednotlivých metrik. Data vstupovala do dvou programů, ve kterých bylo vypočítáno celkem 34 metrik (s různým nastavením dohromady 44). Poté 8
byla provedena clusterová analýza v softwaru RStudio (pro města EU). Ze zjištěných výsledků vyplynuly mnohé souvislosti buď v rámci jednotlivé datové sady, nebo mezi dvěma datovými sadami, které byly popsány a okomentovány. Proběhla tak charakteristika ploch (tedy jejich tvarů a prostorových vzorů) pomocí prostorových a tvarových metrik a následné hodnocení (sub)urbanizace.
9
3 SOUČASNÝ STAV ŘEŠENÉ PROBLEMATIKY Prostorové metriky jsou využívány v řadě výzkumů. V rešeršní části budou uvedeny vybrané aplikace metrik. Mnohé z nich budou použity k hodnocení (sub)urbanizace v případových studiích bakalářské práce. Změna krajinného pokryvu a krajinné struktury výrazným způsobem ovlivňuje fungování krajiny jako celku. Proto se hledá efektivní a přesný způsob, jak tyto změny zachytit, popsat a vydedukovat dopady změn struktury na funkci krajiny. K tomuto účelu se mimo jiné metody využívají krajinné metriky, které charakterizují stav a změny krajinné struktury. Prvotní implementace metrik se uplatnila v krajinné ekologii v 80. letech minulého století. Krajinné metriky slouží k charakteristice prostorových struktur, popisují jednotlivé přírodní prvky, kvantifikují uspořádání, polohu nebo orientaci krajinných prvků. V této kapitole jsou shrnuty případové studie prováděny v zahraničí. Metriky nachází své uplatnění nejen v krajinné ekologii, ale také při analýzách sídelních struktur. Urbanizační procesy daly vzniknout četným extrémům jako např. tzv. urban sprawl (sídelní kaše) či plánované satelitní zástavbě v zázemí měst.
3.1 Zahraniční literatura Parent (2009) definuje metriky jako kvantifikační nástroje tvarů. Metriky se mohou uplatnit nejen v krajinné ekologii, ale i geografii. Metriky lze využít k určení vhodnosti ploch pro různé účely využití, k hodnocení tzv. sídelní kaše, identifikace tzv. gerrymanderingu (manipulace s volebními obvody), či při hodnocení tvarů vzniklých při zástavbě krajiny (tzv. urban footprint). Podle Parenta má rozloha a tvar plochy lesních porostů vliv na výskyt určitých druhů rostlin a živočichů. Aby byla eliminována závislost na rozloze plochy, používá se u výpočtu tzv. Equal Area Circle (kruh o stejném obsahu jako zkoumaná plocha). Nicméně i přesto některé metriky mezi sebou korelují. Na sedm desítek metrik se objevuje v publikaci McGarigala a Marksové (2012). Spíše jde o manuál k programu FRAGSTATS, který bude sloužit k výpočtům metrik i v této bakalářské práci. Metriky jsou definovány pro tři úrovně analýz krajiny (landscape, class level, patch level). Torrens a Alberti (2000) ve své práci uvádí způsoby, jak hodnotit tzv. urban sprawl (sídelní kaši). Problém chaotické výstavby předměstí je znám hlavně v Jižní Americe, Africe, střední a východní Asii (Indie, Čína), ale i v některých severoamerických městech. Neuspořádaný způsob urbanizace s velmi vysokou hustotou obyvatel, ale značnou rozptýleností obydlí (často jednopodlažní či slamy) vede k vysoké závislosti na automobilové či hromadné dopravě, zatěžuje vodohospodářský systém a je energeticky velice náročný. Autoři uvádí nástroje, jak co nejlépe vystihnout vlastnosti tzv. urban sprawl jako např. hustota (populace, bytových jednotek, zaměstnaných), rozptyl, užití 10
krajinných metrik, dostupnost. Každý z těchto výpočtů zachycuje unikátní charakteristiku plochy zájmu. Problém existence sídelní kaše je nutno brát jako dynamický proces a interakci mezi socioekonomickými a biofyzikální jevy. Úkolem vědců je také o zjištěných dopadech na okolní krajinu výstavbou tzv. sprawl informovat politiky, kteří si neuvědomují důsledky při (ne)plánování výstaveb mnohých objektů. K tomu by mělo sloužit modelování aktuální situace a následného vývoje tzv. sprawl a negativních jevů s ním spojených. Dále je zde zmíněn problém vhodného měřítka, které výrazně ovlivňuje výsledek jakékoliv analýzy v prostoru. Uplatnění metrik je zde také zmíněno ve spojitosti s hodnocením změn v krajině. Mnohé z indexů byly speciálně vytvořeny k zachycení prostorového vzoru a jeho vlivu na okolní prostředí. Autoři se zde snaží nabídnout sadu nástrojů metrik, které mohou být využity u problematiky (sub)urbanizace a jejich dopadů na ekologické podmínky. Krajinná ekologie definuje krajinu jako soubor tzv. patches (plošek). Tyto tzv. plošky reprezentují oddělené plochy, které se vyznačují homogenními vlastnostmi. Tato idea může být přenesena i do urbanizovaných prostředí, aby vyčleňovala např. odlišná využití půdy (rodinné domy, sídliště atd.). V práci Torrense a Albertiho (2000) je uvedena řada metrik např. Mean Patch Size (průměrná velikost plošek), která určuje míru roztříštěnosti (rozdělení přírodních lokalit na menší izolovanější jednotky). Další důležité rozměry sídelní kaše mohou být popisovány pomocí krajinných metrik, např. pomocí Dispersion (rozptyl) a Juxtaposition (existence vedle sebe). K určení rozptylu jevu slouží např. i Contagion index. Další metrikou je Interspersion index, který je na rozdíl od Contagion indexu vhodnější k reprezentaci městské struktury. Jiným významným nástrojem tvarové metriky je Proximity index a Mean proximity index pro plošky, který měří stupeň izolace a roztříštění plošek stejné kategorie. Zachytit a vysvětlit prostorový vzor rozptýlených plošek je velkou výzvou užití krajinných metrik v měření sídelní kaše. Autoři dále poukazují na důležitou roli GIS v prostorových analýzách. Zmiňují také hlavní softwarové produkty, které měří metriky na datových sadách např. Fragstats, Patch Analyst, GRASS, či další extenze pro GIS software (např. Shape Metrics Toolbox pro ArcGIS for Desktop 10.x) Ke sledování změn v krajině neodmyslitelně patří data získaná z dálkového průzkumu země. Herold a kol. (2003) ovšem upozorňuje na kombinací dálkového průzkumu Země a prostorových metrik. Ačkoliv je tato metoda na začátku, může výrazně přispět ke zlepšení modelování vzhledu a dynamického vývoje města. Prostorové metriky použil Huang a kol. (2007) k porovnávání urban form (městských forem). Na vzorku 77 družicových snímků hlavních měst Asie, USA, Evropy, Latinské Ameriky a Austrálie použil sedm indexů. Jedná se o města rozvojových a rozvinutých států světa. Byla zde provedena clusterová analýza, která města zařazuje do skupin podle vypočtených hodnot daných metrik. Autoři zde upozornili na aspekty, které mohly mít vliv na vývoj měst, ať už jde o historické, či socioekonomické vlivy. Z prostorových metrik použili např. AWMSI (Area Weighted Mean Shape Index), který měří nepravidelnost tvaru plochu. Čím vyšší index, tím je plocha nepravidelná. Do výpočtu metriky je zahrnuta plocha a obvod ploch. Centrality index vypovídá o průměrné vzdáleností oddělených ploch k centru největší plochy. Compactness index nepopisuje 11
jen tvar plošky, ale také prostorové rozmístění v městském prostoru. Čím pravidelnější tvar plošky a menší počet plošek, tím je index vyšší. Poměr mezi městskou zástavbou a celkovou rozlohou dané oblasti se nazývá Ratio of Open Space. Density, tedy hustota zalidnění. Porovnává populaci žijící v městské oblasti k celkové rozloze. Zde je problém s určením hranic oblasti, protože administrativní oblasti neodpovídají reálným (fyzickým) hranicím. Autoři zde nepoužili hranice administrativní, nýbrž fyzické. Uvádějí zde ale, že v tomto typu analýz tyto hodnoty výrazně neovlivní jejich závěry. Výsledky srovnání v oblasti městské výstavby u rozvinutých a rozvojových států světa vykázaly značné rozdíly. Většina spočtených hodnot prostorových metrik byla odlišná u obou skupin. Zatímco se městské formy u rozvojových států jeví jako méně složité, kompaktní a hustěji osídlené, v regionech vyspělých států je tomu naopak. Shpuza (2007) vysvětluje vliv tvarů měst na městskou síť (urban gird). Ve vzorku měst jsou vybrána taková, která leží u moře na pobřeží, leží v blízkosti řek či jsou jinak ovlivňována přírodními podmínkami, které mohou bránit rozvoji městské sítě. Krajinným metrikám neboli indexům se v zahraniční literatuře věnuje např. Gustafson (1998). Podle něj se ekologické systémy vyznačují složitostí a proměnlivostí v čase a prostoru. Proto navrhuje použít následující postup. Daný proces je důležité řešit ve vhodném měřítku, které závisí na plošném rozsahu daného jevu, minimální mapovací jednotce či časovém intervalu, kdy bylo pozorování prováděno. Dále zmiňuje použití analytických metod, jejichž výběr závisí na plošných charakteristikách v zájmovém území výzkumu. Stanovení výpočtu metriky by mělo vystihnout ekologický problém v místě zájmu. Na konci výzkumu je nutné zhodnotit teoretický vztah mezi vypočtenou hodnotou danou metrikou a procesem, který se v krajině děje. Velký důraz klade na (geo)statistické metody, pomocí nichž lze vhodně zachytit změnu v krajině v prostoru a čase. V jiné práci se španělští vědci zabývali vzájemnou souvislostí biologické rozmanitosti v lesích na tvarové nepravidelnosti. Pomocí tvarových krajinných metrik se podle Saura a kol. (2008) určují klíčové vlastnosti krajinných vzorů. Dále bylo v tomto výzkumu dokázáno, že nepravidelnější tvary nabízely vyšší bohatost druhů stromů. Za použití prostorových metrik zkoumal Parisien a kol. (2006) požáry v kanadských lesích. Zapojením metrik například popsal velikost, tvar, geografickou orientaci požárů. Poukazuje na užitečnost informací získaných prostorovými metrikami zejména v krajinném plánování.
3.2 Česká literatura Tvarovým a prostorovým metrikám se ve spojení s urbanizací GIS česká literatura příliš nevěnuje. Nicméně tvarové metriky jsou zmíněny v českém překladu krajinnými ekology široce používané knihy od Formana (1995). Konkrétním použitím tvarových metrik se zabývala ve své diplomové práci K. Pavková (2008). Zde je vytvořena sada 12
nástrojů pro analýzu struktury krajiny. Výsledný Toolbox obsahuje dva toolsety – Charakteristika a Indexy. Sada nástrojů Charakteristika slouží pro výpočet a zjištění obecných vlastností zadané vrstvy a toolset Indexy obsahuje výpočet složitějších krajinných metrik (např. tvar plošky, izolovanost plošky, rozptýlenost plošky atd.). Použití GIS nástrojů při analýze krajiny zkoumal V. Pechanec (2008). Popisuje a porovnává nástroje V-LATE, Patch Analyst a českou extenzi StraKa. Hodnocení prostorové informace pomocí prostorových a tvarových metrik se zabývá ve své práci Mgr. Vít Pászto (např. Pászto, Marek, Tuček 2013). Tato práce má za cíl hodnotit (sub)urbanizaci metodami, které jsou v českém prostředí opomíjené.
13
4 VSTUPNÍ DATA V bakalářské práci byly použity čtyři datové sady. Jedná se o CLC 1990, CLC 2006, Urban Atlas a data z projektu Atlas of Urban Expansion (Universe of Cities). Následující podkapitoly se budou věnovat jednotlivým datovým sadám a jejich zpracování a bude uveden výčet měst, na která byl aplikován výpočet prostorových a tvarových metrik.
4.1 CORINE Land Cover Iniciátorem vzniku projektu CORINE (Coordination of information on the environment) byla Evropská komise (Commission of the European Communities). Cílem tohoto projektu je sběr, koordinace a zajištění kvalitních informací o životním prostředí a přírodních zdrojích, které jsou srovnatelné v rámci Evropy. Jedna z částí programu je Land Cover (krajinný pokryv). Při vytváření vrstvy krajinného pokryvu postupují státy podle jednotné metodiky. Vrstva obsahuje až 44 tříd v měřítku 1 : 100 000. Nejvyšší rozlišení dat je 100 metrů/pixel (EEA, 1995). V bakalářské práci byly použity tyto databáze z let 1990 a 2006 a to pro 10 největších měst ČR (obrysy měst na Obr. 1 a 2): • Praha
• Olomouc
• Brno
• Ústí nad Labem
• Ostrava
• Hradec Králové
• Plzeň
• České Budějovice
• Liberec
• Pardubice
4.1.1
CORINE Land Cover 1990
Tehdejší Československo přistoupilo k projektu mezi prvními státy a interpretací snímku z družice LANDSAT a SPOT vznikla databáze, jejímž výstupem byla mapa vegetačního pokryvu v měřítku 1 : 100 000 o 44 třídách.
4.1.2
CORINE Land Cover 2006
Projekt CORINE se v roce 2006 stal součástí evropského projektu GMES. Za spolupráce GMES a MŽP proběhla aktualizace databáze CORINE Land Cover 2000 k roku 2006. Ze 44 tříd bylo pro potřeby této bakalářské práce z obou datových sad vybráno 11 tříd, které se týkaly zastavěné plochy (artificial areas).
4.2 Urban Atlas Dalším projektem GMES je Urban Atlas. Jde o evropskou mapovací službu poskytující vektorovou sadu 305 evropských měst a jejich blízkého okolí na základě satelitních snímku z družice SPOT 5. Byla vytvořena pro snazší srovnávání urbánních ploch mezi jednotlivými městy (EEA, 2013). Referenční rokem je rok 2006. Z 20 tříd
14
bylo extrahováno šest tříd opět týkajících se zastavěné plochy. Pro potřeby bakalářské práce byla vybrána hlavní města států Evropské unie (obrysy měst na Obr. 3): • Berlín
• Vídeň
• Paříž
• Sofie
• Londýn
• Kodaň
• Řím
• Bratislava
• Madrid
• Helsinky
• Varšava
• Dublin
• Bukurešť
• Vilnius
• Amsterdam
• Riga
• Atény
• Lublaň
• Brusel
• Tallinn
• Lisabon
• Nikósie
• Praha
• Lucemburk
• Budapešť
• Valletta
• Stockholm
4.3 Universe of Cities Čtvrtá datová sada pochází z projektu Atlas of Urban Expansion (Lincoln Institute of Land Policy, 2013). Zde je mimo jiné dostupná datová sada s 3646 městy ve formátu .kml s rozlišením 500 metrů/pixel. Tato města měla v roce 2000 populaci vyšší než 100 000 obyvatel. Hlavním účelem projektu Universe of Cities je zachytit zastavěnou plochu v těchto městech. Tato datová sada umožňuje reálný pohled na městský pokryv ve světovém měřítku. V bakalářské práci bylo vybráno 10 měst z této datové sady. Vybrána byla města ze čtyř kontinentů, vnitrozemská a přímořská. Z hlediska (sub)urbanizace zde byla zařazena města včetně obou extrémů − urban sprawl a plánované satelitní zástavbě v zázemí měst. Zde je uveden výčet vybraných měst (obrysy měst na Obr. 4): • Chicago
• Peking
• Mexico City
• Moskva
• Los Angeles
• Káhira
• Tokio
• Bombaj
• Sao Paolo
• Nairobi
4.4 Zpracování dat Důležitým krokem bakalářské práce byla úprava zmíněných datových sad tak, aby jejich konečná podoba byla v souladu s požadavky softwarů, ve kterých byly počítány prostorové a tvarové metriky. Z datové sady CLC 1990 a 2006 rastrového formátu byly 15
vybrány potřebné třídy (artificial areas) a poté byla provedena jejich digitalizace v programu ArcGIS for Desktop 10.x. Došlo ke vzniku souvislých plošek, které kopírují hranice urbánních ploch a které zachycují projevy (sub)urbanizace projevující se např. delšími výběžky. K digitalizaci jednotlivých měst se přistupovalo individuálně, a to z důvodu hodnocení příslušnosti odlehlejších urbánních ploch k městu. Tato část postupu bakalářské probíhala dle subjektivního rozhodování. Více bude rozebrána v kapitole 8. Plochy fyzicko-geografického rázu, jako jsou např. parky, jezera, řeky atd., byly do plošek také zahrnuty. Ačkoliv se nejedná o urbánní procesy, bylo tak učiněno z důvodů omezení softwaru FRAGSTATS, do kterého mohou vstupovat plochy bez mezer či „děr“. Datová sada služby Urban Atlas je vektorového formátu. Stejně jako u předchozí datové sady byly vybrány urbánní plochy (Continuous Urban fabric (S.L. > 80%), Discontinuous Dense Urban Fabric (S.L.: 50% - 80%), Discontinuous Medium Density Urban Fabric (S.L.: 30% - 50%), Discontinuous Low Density Urban Fabric (S.L.: 10% 30%), Discontinuous very low density urban fabric (S.L. < 10%), Industrial, commercial, public, military and private units) a byla provedena digitalizace 27 měst. Další datová sada z projektu Universe of Cities musela být převedena z formátu .kml do rastrového formátu. Poté opět proběhla digitalizace u 10 světových měst. Nově vytvořené datové sady ve formátu ESRI SHP mohly vstupovat do výpočtu v extenzi pro ArcGIS for Desktop 10.x Shape Metrics. Do softwaru FRAGSTATS byla vkládána data typu ESRI grid, čemuž předcházelo převedení vektorové sady na rastrový formát v programu ArcGIS for Desktop 10.x. U datové sady světových měst proběhla také transformace souřadnicového systému, a to z důvodu správnosti nadefinovaných vstupních jednotek buňky rastru do softwaru FRAGSTATS, konkrétně z GCS_WGS_1984 do WGS_1984_BLM_Zone_, Projection: Transverse_Mercator.
16
Obr. 1: Obrysy měst v roce 1990 z datové sady CLC 1990.
17
Obr. 2: Obrysy měst v roce 2006 z datové sady CLC 2006.
18
Obr. 3: Obrysy měst z datové sady Urban Atlas.
19
Obr. 4: Obrysy měst z datové sady Universe of Cities.
20
5 PROSTOROVÉ A TVAROVÉ METRIKY V bakalářské práci se hodnotí (sub)urbanizace měst pomocí prostorových a tvarových metrik. Celkem bylo spočítáno 34 metrik (s různým nastavením parametrů metrik celkem 44). Tato kapitola se věnuje popisu jednotlivých metrik softwarů, ve kterých se metriky počítaly. Uvedeny jsou také základní informace o použitých softwarech.
5.1 Shape Metrics Extenze pro ArcGIS for Desktop 10.x s názvem Shape Metrics byla vyvinuta týmem Jasona Parenta. Do výpočtu vstupují vektorová data, pro která lze vypočítat až 12 různých metrik. Každý index má svou absolutní a normalizovanou hodnotu. Aby byla získána hodnota normalizovaná, vstupuje do výpočtu tzv. Equal Area Circle (kruh o stejném obsahu jako zkoumaná plocha). To umožňuje rozpětí hodnot výpočtu od 0 do 1 a porovnání studovaných ploch mezi sebou. Do výpočtu mohou být zahrnuty vnitřní body i body ležící na obvodu plošky. Zde jsou dle Parenta (2009) popsány indexy použité v bakalářské práci. Proximity index Vyjadřuje průměrnou vzdálenost vnitřních bodů plošky od centroidu (těžiště) a hodnotí kompaktnost města. Příkladem v praxi může být dojížďka cestujících z místa bydliště do centra města a s ní spojené cestovní náklady (čas, palivo, znečištění…). Indexy, které se blíží hodnotě jedna, se více podobají kruhu, zatímco indexy s hodnotou blíže nule vykazují protáhlý tvar.
Obr. 5: Výpočet Proximity indexu (d je vzdálenost mezi body a n počet bodů).
Spin index Je obdoba Proximity indexu, ale jednotlivé vzdálenosti vnitřních bodů od centroidu jsou umocněné na druhou. Delší vzdálenosti jsou tudíž druhou mocninou zvýrazněny a lze tak lépe identifikovat plochy s tvarovými výběžky. Tento index je vhodný pro hodnocení tzv. sídelní kaše (urban sprawl).
21
Obr. 6: Výpočet Spin indexu (d je vzdálenost bodu od těžiště a # of points znamená počet párů).
Dispersion index Vypočtením toho indexu se zjistí průměrná vzdálenost bodů na obvodu plošky k centroidu. To je v reálném světě podobné s dojížďkou lidí z rezidenčního bydlení (předpokládaná suburbanizace) na okrajích města do centra města, ačkoliv centroid centrum města být vždy nemusí. Potenciální „díry“ uvnitř plošky (nezastavěná plocha − např. park či jezero) tato metrika nebere v úvahu. Metrika napovídá, zda se ploška rozptyluje rovnoměrně ve všech směrech.
Obr. 7: Výpočet Dispersion index (d je vzdálenost bodů na obvodu k těžišti).
Cohesion index Metrika podává informaci o průměrné vzdálenosti mezi všemi vnitřními body. Příkladem v praxi může být cestování lidí uvnitř města. Pokud je pohyb relativně snadný, předpokládá se, že tvar města se blíží tvaru kruhu a tudíž probíhá urbanizace rovnoměrně ve všech směrech.
Obr. 8: Výpočet Cohesion indexu (d je vzdálenost mezi body, # počet párů).
22
Depth index Vyjadřuje průměrnou vzdálenost vnitřních bodů k nejbližším bodům ležících na obvodu. Čím větší průměrná vzdálenost, tím vyšší izolace od okolních vlivů mimo město. Metrika nachází hlavní využití v krajinné ekologii při studiu vnějších vlivů na výskyt živočišných a rostlinných druhů.
Obr. 9: Princip výpočtu Depth indexu.
Viable Interiour index Index udává plochu, která zůstane po odstranění zadané vzdálenosti z okrajových částí. Slouží k určení vzdálenosti, do které ploška může být ovlivňována okolními vlivy. Zadávaná vzdálenost závisí na účelu úlohy. Pro úzké a dlouhé tvary může určitá vzdálenost znamenat úplné odejmutí od původního polygonu.
Obr. 10: Princip výpočtu Viable interiour indexu.
Girth index Udává nejdelší poloměr kružnice, která může být vepsána do tvaru plochy. Tento index se využívá k určení těch ploch, které obsahují dostatečně velkou souvislou plochu, vhodnou pro potenciální vývoj (např. vznik vnitřní zástavby).
23
Obr. 11: Princip výpočtu Girth indexu
Perimeter index Je délka obvodu plošky, který je definován lomovými (vertexovými) body. Index může signalizovat náchylnost plošek vůči vnějším vlivům. Čím více kompaktní tvar plošky blížící se kruhu, tím méně je ovlivňována externími vlivy.
Obr. 12: Princip výpočtu Perimeter indexu.
Detour index Vyjadřuje délku obvodu tzv. convex hull (konvexní obálka), což je polygon s co nejkratším možným obvodem, který zahrnuje plošku zájmu.
Obr. 13: Princip výpočtu Detour indexu.
24
Traversal index Vyjadřuje průměr nejkratších cest mezi dvěma vybranými body ležící na obvodu plošky. Body musí být spojovány uvnitř plošky. Tento index může značit protichůdné směry suburbanizace.
Obr. 14: Princip výpočtu Traversal indexu (kde d je vzdálenost mezi body).
Exchange index Je rozloha plochy, která je obsažena v tzv. Equal Area Circle (viz výše). Tato metrika je vhodná pro zjištění kompaktnosti plošky v místě centroidu (často centra města).
Obr. 15: Princip výpočtu Exchange indexu.
Range index Tento index podává informací o délce průměru kružnice, která zcela opisuje plošku. Je to také vzdálenost dvou nejvzdálenějších bodů, které leží na obvodu plošky. Čím větší průměr kružnice, tím viditelnější vývoj suburbanizace.
Obr. 16: Princip výpočtu Range indexu (kde d je průměr kružnice).
25
5.2 FRAGSTATS Software FRAGSTATS pracuje se třemi úrovněmi analýzy krajiny (landscape, class a patch level). Pro potřeby této bakalářské práce se zde využívá patch level. Do výpočtu tedy vstupují jednotlivé plochy rastrového formátu. K hodnocení (sub)urbanizace bylo využito 11 různých indexů. Mezi hlavní vlastnosti plochy patří např. rozloha plochy, tvar plochy a jádrová oblast plochy aj. Indexy jsou popsány dle McCarigala a Marksové (2012). Patch Area Vyjadřuje rozlohu plochy v hektarech. Výsledná hodnota je ovlivněna velikostí buňky. Většina následujících indexů zahrnuje tuto metriku do svých výpočtů.
aij = rozloha plošky
(1)
Patch Perimeter Obvod plochy je další důležitou složkou pro výpočet pokročilejších metrik. Často vstupuje do výpočtu s indexem AREA. Radius of Gyration Značí průměrnou vzdálenost mezi všemi buňkami rastru plošky a centroidu plošky. Pokud se index rovná nule, roste ploška v prostoru rovnoměrně. hijr = vzdálenost mezi buňkou a těžiště
(2)
z = počet buněk v plošce Perimeter-Area Ratio Perimeter-Area Ratio index udává poměr mezi obvodem a rozlohou plošky. Tato metrika měří tvarovou komplexnost, ale neslouží k porovnávání dvou plošek, protože s rostoucí velikostí plošky tento index klesá. pij = obvod plošky aij = rozloha plošky
26
(3)
Shape index Shape index řeší problém předchozího indexu. Měří složitost tvaru plošky vzhledem ke čtverci o stejné rozloze jako plocha zájmu. Hodnoty, které se blíží tvaru čtverci, vykazují hodnoty jedna. Více nepravidelné tvaru mají hodnotu větší než jedna. pij = obvod plošky aij = rozloha plošky
(4)
Fractal Dimension Index Fraktální dimenze popisuje tvarovou složitost. Hodnoty se pohybují mezi 1 a 2. Hodnoty blížící se 1 mají velmi jednoduchou obvodovou linii jako například čtverec. Hodnoty, které nabývají hodnoty blíže 2, se vyznačují komplikovanou obvodovou linií. pij = obvod plošky aij= rozloha plošky
(5)
Related Circumscibing Circle Do výpočtu tohoto indexu vstupuje rozloha plošky a rozloha nejmenší možné opsané kružnice k plošce. Index hodnotí podlouhlost a přímost tvaru plošky. Plochy se složitým, ale přímým tvarem vykazují nízkou hodnotu. Podlouhlé ale přímé tvary mají vysokou hodnotu. aij = rozloha plošky asij= rozloha nejmenší obsané kručnice okolo plošky
(6)
Contiguity Index Metrika hodnotí, jak velká je styčnost mezi jednotlivými rastrovými buňkami zkoumané plošky. Po rastrovém obrazu plošky se posunuje 3x3 pixelové okno, které ohodnocuje jednotlivé pixely dle jejich konektivity s okolím. Metrika hodnotí celkovou konektivitu plošky. cijr= styčná hodnota pixelu v= součet hodnot v okně 3x3 pixely
27
(7)
Core Area Po zadání vzdálenosti, která má být odebrána kolem celého obvodu plošky, vzniká nová a menší jádrová ploška Core Area. Čím nižší hodnota indexu, tím menší rozloha původní plošky zbyla. acij = jádrová plocha
(8)
Number of Core Areas Po vypočtení indexu Core Area se mohou oddělit jednotlivé plošky, resp. jejich jádrové oblasti. Jejich počet závisí na velikosti, tvaru plošky a zadané vzdálenosti od obvodu. nijc = počet separovaných jader
(9)
Core Area Index Vyjadřuje poměr mezi rozlohou vzniklé a původní plošky v procentech. Hodnoty blíže ke 100 % znamenají, že plošky nové jádrové plošky obsahují většinu původní rozlohy (případ 1 jádra). aijc = jádrová oblast vzniklá po zadání délkou odebíráné vzdálenosti aij = původní rozloha plošky
28
(10)
6 HODNOCENÍ (SUB)URBANIZACE DLE VÝSLEDNÝCH HODNOT Bakalářská práce hodnotí urbanizační procesy na základě hodnot prostorových a tvarových metrik. Jednotlivá města se vyznačují unikátními tvary, které může člověk vypozorovat i pouhým okem. Prostorové a tvarové metriky však nabízí matematicky podložené informace o tvarech měst a mohou tak patřit k rozhodujícím prvkům při výzkumu urbanizace. V praktické části této bakalářské práce bylo vypočteno 34 indexů pro 47 měst. Celkové výsledky indexů všech měst jsou umístěny v Přílohách 1, 2, 3 a 4. V této kapitole budou uvedeny ty, které nejlépe ukazují na charakter (sub)urbanizace vybraných měst. Ve velkém množství takto vzniklých údajů byly vypozorovány mnohé prostorové vzory a podobnosti mezi městy v jednotlivých datových sadách. U každého města byly hledány faktory, které mohou ovlivňovat podobu města, jeho potenciální vývoj, ale také výslednou hodnotu určité metriky. Proto se k městům přistupovalo individuálně a města byla začleněna do širšího geografického kontextu (fyzickogeografické, antropogenní faktory aj.). U datové sady CORINE Land Cover 1990 budou města charakterizována na základě výsledných hodnot vybraných prostorových a tvarových metrik. U druhé datové sady CLC 2006 bude popsána navíc změna vzhledu měst v porovnání s CLC 1990, a to za použití metrik, které vykazovaly největší hodnotové rozdíly. U datové sady Urban Atlas se města hodnotí mimo výsledných hodnot metrik také pomoc výsledků shlukové analýzy. Postup této metody je rovněž popsán v kapitole 6.2. U poslední datové sady je zhodnocena (sub)urbanizace u deseti měst světa opět dle hodnot použitých metrik.
6.1 Hodnocení měst CORINE Land Cover 6.1.1
Hodnocení CLC 1990
Mezi nejjednodušší indexy patří např. rozloha města (Area) a obvod města (Perimeter). Obecně by mělo platit, že čím větší rozloha, tím delší obvodová linie města. U deseti měst ČR se ale vyskytují výjimky. Ačkoliv je město Hradec Králové rozlohou srovnatelné s Olomoucí či Libercem, obvod města je výrazně vyšší, a to ho v pořadí řadí za města jako Praha, Brno, Ostrava či Plzeň. Tato skutečnost může o tvaru města napovídat jeho složitost. Z hlediska tvarové složitosti města, kterou popisuje Fractal Dimension Index, se města s nejvyššími hodnotami jako např. Brno, Hradec Králové a Plzeň vyznačují komplikovanější hraniční linií. To může indikovat urbanizační procesy, které mohou být způsobené např. okolní krajinou či historickým vývojem města. U všech těchto měst jsou patrny úzké výběžky, které jsou typické pro (sub)urbanizaci. Na základě hodnot Depth indexu je patrno, že právě tato města mají nejkratší průměrnou vzdálenost vnitřních bodů k okrajovým, což je právě způsobeno např. vznikající zástavbou podél silniční
29
komunikace. Na opačném konci pořadí je město Liberec. Ačkoliv jsou zde výběžky patrné, jde o komplexnější zastavěný prostor. Z nižších hodnot Proximity indexu (viz kapitola 5) vyplývá, že města jako Ústí nad Labem, Pardubice či Plzeň mají spíše protáhlý tvar. Tato skutečnost napovídá, že se vznik nové zástavby nemůže rozvíjet všemi směry rovnoměrně. U zmíněných měst tomu brání např. letiště na okraji města, fyzicko-geografické faktory či vodní díla. Nerovnoměrnost vzniku zástavby okolo města podkládá také Dispersion index. Normalizovaná vzdálenost mezi body ležících na obvodu města je rovněž u těchto měst vysoká. Naopak u skupiny měst jako např. Ostrava, Praha a Liberec nejsou patrny výrazně protáhlejší (sub)urbanizační procesy jedním směrem. Jejich tvar se více blíží kruhu. To znamená, že je městská zástavba kompaktnější. To umožňuje méně obtížné cestování z okrajových částí města do centra. Porovnáním hodnot rozlohy města a Range indexu bylo zjištěno, že ačkoliv města Ústí nad Labem a Pardubice patří rozlohou k menším městům, hodnoty Range indexu, udávající velikost průměru opsané kružnice k celé ploše, jsou vyšší než vyšší města jako např. Olomouc či Liberec. To dokazuje protáhlejší tvar těchto měst. Zajímavým ukazatelem je Girth index. Ten podává informaci o nejdelším možném poloměru kružnice, která může být vepsána do footprintu města. V praxi to znamená zjištění rozlohou co největšího souvislého prostoru sloužícího např. pro vznik zástavby. Nejvíce kompaktní je z tohoto pohledu město Praha, Liberec, Ostrava, Olomouc. Opakem jsou města Hradec Králové, Plzeň, Ústí nad Labem, z jejichž obrysů můžeme pozorovat spíše tvarovou protáhlost či velký počet výběžků, jejichž tvar je spíše úzký a protáhlý. V datové sadě se objevovala města, která byla svými hodnotami průměrná ve srovnání s dalšími městy. Ve městech jako Olomouc nebo České Budějovice se podle indexů neobjevují výraznější (sub)urbánní procesy než v ostatních městech.
6.1.2
Hodnocení CLC 2006
V aktualizaci datové sady CLC 1990 v roce 2006 je viditelný přírůstek městské zástavby. Způsoby, jakými se města rozvíjela, jsou ale odlišné. Stejně jako v předchozí datové sadě vykazuje skupina města jako Liberec, Ostrava, Praha určitou kompaktnost města, která se projevuje u více indexů např. Depth index, Proximity index, Cohesion index. V městech jako např. Pardubice, Ústí nad Labem výstavba vznikala především v návaznosti na jádrovou část a blízkého zázemí. To značí stále atraktivní lokality v centru města (např. v rámci revitalizace tzv. brownfields), a proto se zde výstavba do blízkého zázemí téměř neprojevuje. Naopak u skupiny měst jako České Budějovice, Liberec, Hradec Králové lze vypozorovat zcela nové zastavěné pásy určené k bydlení či komerčním aktivitám. U mnohých měst se rozvíjela zástavba na plochách, kde (sub)urbanizace patrná již byla jako např. v Plzni a Brně. U hodnot indexů vypočítaných pro tuto datovou sadu se prostorový rozvoj měst projevuje také. Opětovná interpretace 30
hodnot metrik by dostatečně nevypovídala o změně prostorových uspořádání a vzorů měst, a proto se další kapitola bude věnovat srovnání výsledných hodnoty z let 1990 a 2006.
6.1.3
Srovnání CLC 1990 a CLC 2006
Díky dostupným datovým sadám CORINE Land Cover může proběhnout srovnání vybraných měst v 16letém časovém odstupu. Ačkoliv se nevyskytly extrémní jevy, které by absolutně pozměnily podobu města, lze v tomto časovém období vypozorovat příbytek v městské zástavbě a vypozorovat určitý vzor v podobě města. V porovnání s rokem 1990 je největší procentuální přírůstek městské zástavby v Pardubicích (20 %), Liberci (17 %) či Ústí nad Labem (14 %). Naopak ani 5% zvětšení městské zástavby se nekonalo v Praze či Českých Budějovicích. Změnu v pořadí dle vypočtených hodnot lze vypozorovat u indexu Perimeter Area. Hodnoty indexu se spíše zmenšovaly. To může znamenat spíše vyplňování zástavby na volných stavebních parcelách mezi již zastavenou zástavbou. Ale např. u města Liberec se obvodová linie zvětšila téměř o 10 %. Bez předchozí vědomosti o tvaru města se může předpokládat, že ve městě přibyla městská zástavba (zejména v okrajových částech), která výrazně zvětšila hodnotu obvodu. Podobná situace nastala i v Hradci Králové. Z pohledu indexu SHAPE se mezi města s nejpravidelnějším tvarem řadí Pardubice, Liberec či Ústí nad Labem. Zajímavým případem je město Brno, u kterého se hodnota indexu snížila nejvýrazněji. Došlo zde k zaplnění protáhlých pásů zástavby, které vedly z jádra města. To přineslo zjednodušení tvaru města, ale také zjednodušení tvaru hraniční linie, což dokazují i hodnoty Fractal Dimension Indexu. V roce 1990 mělo Brno nejvyšší hodnotu indexu ze všech měst, a tedy nejkomplikovanější tvar hranic města. V roce 2006 se ale hodnota tohoto indexu snížila natolik, že se řadí k městům s nejjednodušší linií hranice podle Fractal Dimension Indexu. Podle hodnot Proximity indexu je patrné, že u většiny měst se hodnoty indexu zvyšovaly, což znamená, že se jejich tvary přibližovaly kruhu. Pokles hodnoty indexu lze vypozorovat u města Hradec Králové. To může být přičteno zcela novému pásu zástavby na místě, kde se v roce 1990 žádná zastavěná plocha nevyskytovala. Stále se ale na chvostu pořadí objevuje skupina města jako Ústí nad Labem, Pardubice či Plzeň, Brno, která se vyznačuje buď podlouhlým tvarem města či úzkými dlouhými výběžky. Ty přispívají ke zvyšování absolutní i normalizované hodnoty indexu.
6.2 Hodnocení měst EU Stejně jako města z předchozí datové sady jsou i hlavní města zemí Evropské unie ovlivňována řadou faktorů. Ty mohou být dány historickým vývojem, antropogenními vlivy či fyzicko-geografickými vlivy. Datová sada Urban Atlas nabízí města, která se také liší polohou vůči moři (vnitrozemská, pobřežní), ale také vyspělostí jednotlivých 31
států (města států G8, města z postkomunistických zemí). To vše se může projevit i v hodnotách jednotlivých indexů. Hodnocení (sub)urbanizace metropolí bylo provedeno na základě výsledných hodnot prostorových a tvarových metrik. Byly vybrány ty, které nejlépe charakterizují tvar města a její (sub)urbanizaci. Opět byly nalezeny skupiny měst, které vykazovaly podobné hodnoty u více metrik. U těchto měst byly hledány společné skutečnosti, které tvoří podobu města (jako poloha, historický vývoj aj.). Shluková analýza by pro statistické vyhodnocení neměla pro malý počet měst v předchozí datové sadě význam. Pro tuto datovou sadu tvořena 27 městy shluková analýza provedena byla. Takto vzniklé výsledky budou vyhodnoceny v této kapitole také. Z hlediska tvarové složitosti (složitost hraniční linie), kterou nejlépe zachycuje Fractal Dimension index, patří k metropolím s nejsložitějším tvarem linie hranice např. Valletta, Vídeň, Lublaň, Lucemburk, Kodaň, Tallinn či Stockholm. Jejich tvarová složitost je způsobena kvůli výskytu lesů či přírodních rezervací (Vídeň, Lublaň), rozvoji měst podél silničních komunikací k přilehlým vesnicím (Lucemburk), a tudíž dlouhých pásů, či kopírování urbánní zástavby na pobřeží (Stockholm, Tallin, Kodaň). Mezi kompaktní města z tohoto pohledu patří Paříž, Helsinky, Brusel, Sofia, Lisabon, Řím, Riga. Podlouhlost tvaru metropolí hodnotí CIRCLE index, podle kterého se jako podlouhlá a přímá města jeví skupina měst jako Kodaň, Vídeň, Tallinn, Lucemburk, Lisabon. Na opačném pořadí se nachází skupina měst jako např. Bukurešť, Brusel, Paříž, Řím či Varšava. Tato města jsou dle CIRCLE indexu spíše bližší kruhu. Indikátorem (sub)urbanizace měst je zcela nepochybně Proximity index. Ten v reálném využití může znamenat dojížďku cestujících z rezidenčního bydlení na okraji města do centra města. Vzhledem ke tvaru kruhu jako ideálnímu tvaru se blíží město Brusel, Bukurešť, Praha, Sofia, Řím, Londýn, Riga a Paříž. Naopak k metropolím s nejkomplikovanější dojížďkou patří města Tallinn, Kodaň, Madrid, Vídeň či Lucemburk. U těchto měst lze vypozorovat četné výběžky, které svým podlouhlým tvarem zvyšují průměrnou vzdálenost z okrajů města do centra města. Indexem vypovídající o kompaktnosti města je Girth index. Nejdelší možný poloměr kružnice vepsané do tvaru města vztažený vůči kruhu o stejné ploše mají město Řím, Sofia, Paříž, Londýn, Lisabon, Vilnius, Brusel, Riga, Bukurešť. Z tvarů měst jako Lublaň, Dublin, Tallinn, Stockholm, Valletta, Bratislava a Kodaň a jejich hodnot na opačném konci pořadí toho indexu je patrné, že se výrazně liší od metropolí na prvních příčkách pořadí zejména v prostoru centroidu (centra města), který je značně komplikovaný a tím je ovlivněna velikost kružnice vepsané do footprintu města. U řady evropských metropolí se ve většině užitých indexů objevují průměrné hodnoty vůči skupinám měst objevujících se na vrcholu či chvostu pořadí hodnot. Ačkoliv se u měst jako Berlín, Varšava, Budapešť, Atény, Nikósie, Helsinky, Lisabon extrémy hodnot indexů nevyskytují, i zde jsou protáhlé pásy zástavby, které jsou výsledkem postupné (sub)urbanizace a dá se předpokládat, že v tomto směru bude urbánní rozvoj pokračovat.
32
Další možností, jak hodnotit podobu měst je aplikace shlukové analýzy na výsledné hodnoty užitých metrik. Cílem je snížit dimenzi dat, aby nedošlo k velké ztrátě informace a nastavit tři hlavní komponenty pro následné shlukování. Vybrané komponenty vystihují 87 % proměnlivosti původních dat a jsou lineární kombinací původních metrik. Hlavní tři komponenty jsou tvořeny různými rozptyly jednotlivých metrik. Počet výsledných shluků byl zvolen na základě grafu vyjadřujícího podobnost prvků při určitém počtu shluků (Obr. 17). Obr. 17 představuje podobnost shluků na základě vlastností tvaru metrik při daném počtu shluků v souladu s metodou nejmenších čtverců. Z grafu vyplývá, že v šesti shlucích je podobnost nejvyšší (při zachování co nejmenšího počtu shluků). Podobnost prudčeji stoupá mezi 3 až 6 počtem shluků, ale dále se již se zvyšujícím se počtem shluků významněji nestoupá, a tudíž se datová sada rozdělila do šesti shluků. V dalším kroku byla provedena samotná shluková analýza. Z různých způsobů, jakou metodu shlukování a její nastavení použít, byla zvolena hierarchická metoda shlukování, konkrétně divizivní hierarchické shlukování (DIANA − DIvisive ANAlysis Clustering). Shlukování touto metodou se znázorňuje pomocí binárního stromu, dendrogramu. Divizivní metoda chápe množinu objektů (města EU) jako jeden shluk, který se dále dělí na menší shluky tak, aby byl optimální vůči stanovenému kritériu, a tím se vytváří hierarchický systém (Kaufman a Rousseeuw, 1990). Poté je stanoven počet shluků a podle hodnot jsou prvky (jednotlivé metropole) rozděleny do patřičných shluků (Obr. 18).
Obr. 17: Graf vzájemné (ne)podobnosti shluků.
Pomocí shlukové analýzy vznikly skupiny měst, které se vyznačují podobnými charakteristikami na základě použitých prostorových a tvarových metrik. Vzniklo tedy šest skupin měst. Města v určité skupině mají podobné hodnoty u více metrik, zatímco od ostatních skupin mají odlišné hodnoty. Např. města Vídeň a Kodaň, které se nacházejí v jednom shluku, mají společné úzké dlouhé výběžky zastavěné plochy, které nejsou 33
rozloženy rovnoměrně kolem měst. V čtyřčlenné skupině měst Amsterdam, Dublin, Bratislava, Nikósie a Vilnius se objevují výběžky zástavby také, ale na rozdíl od předchozí skupiny jsou pásy zástavby širší a rozmístěné rovnoměrněji. Ve třetí skupině měst se objevují ta, která se vyznačují protáhlejším tvarem a menší rozlohou města. Města Lublaň, Valleta, Lucemburk a Tallin jsou také navíc ovlivňována fyzickými bariérami (moře, pohoří, chráněná území), které nedovolují rozvoj měst všemi směry. U zbylých shluků měst je patrný kruhový tvar. U skupiny měst Atény, Budapešť, Berlín, Lisabon, Varšava, Madrid, Stockholm lze více či méně vypozorovat kruhový tvar, ale také více vybíhajících pásů zástavby z jádrového města. Oproti tomu pátá skupina měst obsahující Brusel, Sofie, Bukurešť, Praha, Riga, Helsinky, Řím se vyznačuje vysokou kompaktností města. To může plynout z možnosti rozvoje města rovnoměrně všemi směry s výjimkou přímořských měst. Poslední, dvoučlennou skupinou, je shluk Paříže a Londýna. Tato města patří svou rozlohou k největším městům Evropy. Ačkoliv jsou u Londýna patrné výběžky zástavby, které mohou být považovány za určitý způsob (sub)urbanizace, v poměru s celkovou rozlohou města nejsou tak významné, aby ovlivňovaly celkovou podobu města jako např. u první skupiny.
Obr. 18: Dendrogram výsledků shlukování do 6 tříd pro hlavní města států EU (červenou linií jsou ohraničené výsledné shluky).
Interpretace výsledných hodnot užitých prostorových a tvarových metrik a následné shlukové analýzy je obtížná z důvodů velkého počtu vzniklých údajů a komplikovaného vyložení významu jednotlivých metrik v geografii. V této bakalářské práce bylo 34
provedeno zhodnocení tvarů měst na základě metrik, které je charakterizují, ale mnohé spolu korelují. Při hodnocení (sub)urbanizace měst EU se opět vyčleňovala města, která se vyznačují vybíhajícími pásy zástavby z jádrové části města, protáhlým či kruhovitým tvarem. To vše je způsobeno řadou faktorů (fyzicko-geografickými, antropogenními, historickými), které ovlivňovaly rozvoj města.
6.3 Hodnocení měst světa Srovnání měst z různých kontinentů nabízí zajímavý vznik skupin, které spojují podobné hodnoty u mnohých prostorových a tvarových metrik. To lze opět přičítat faktorům ovlivňující vývoj měst. Zejména se města rozvíjela podél vodní toků či pobřeží. I ve světovém měřítku lze vypozorovat prvky (sub)urbanizace, které jsou patrné již pouhým pohledem. Pro podložení tohoto tvrzení budou v této kapitole uvedeny metriky, které nejlépe vystihují (sub)urbanizační procesy i s příklady měst. Mezi města s nejjednodušším tvarem obvodové linie podle Fractal Dimension Indexu patří Mexico City či Nairobi. Naopak nejkomplikovanější tvar mají Tokio a Bombaj. Velké procento zástavby těchto dvou měst leží na pobřeží, což také mohlo ovlivnit výslednou hodnotu indexu. Mezi kompaktní města patří dle většiny indexů Mexico City, Peking a Tokio. I zde jsou ovšem patrné mnohé pásy zástavby, které se mohou projevovat u vypočtených hodnot metrik. Například nízká hodnota Depth indexu znamená buď protáhlý tvar města, nebo velice rozsáhlý a úzký pás zástavby, který vybíhá z jádrové části města. To je případ Tokia, do jehož hodnot se projevil úzký pás zástavby vedoucí kolem pobřeží. Protáhlý tvar vykazují dle této metriky Bombaj a Káhira. Zajímavé hodnoty nabídla metrika CORE. Při odejmutí 200 metrů z obvodu města směrem do jádra, u mnohých měst vznikal velký počet nových jader, která se oddělila kvůli příliš nízké rozloze zástavby v daném místě. Nejvíce počet jader vznikl u měst Tokio, Sao Paolo, Káhira, u kterých lze nalézt četné úzké pásy zástavby. Jsou ale města, u kterých 200metrový zásah neznamenal vznik více jader. Mimo Mexico City, Peking či Chicago je tato skutečnost patrná i v Bombaji. Při odebrání 500 metrů si jediné Mexico City zachovalo pouze jedno jádro, což značí jeho kompaktnost. Z pohledu dojížďky cestujících z okrajových částí do centra města dle Proximity idexu cestuje nejlépe ve skupině měst jako např. Peking, Mexico city, Tokio a Moskva. Traversal index může v praxi znamenat dojížďku mezi místy ležících na okraji města. Kromě Mexico City a Pekingu lze lehčeji cestovat také v městě Nairobi či Sao Paolo. U zmíněného indexu je patrné, že města s protáhlým tvarem vykazují nižší normalizovanou hodnotu, a v praxi tudíž obtížnější cestovní dráhu. Do této skupiny měst patří např. Bombaj, Káhira a Los Angeles. Z hlediska (sub)urbanizačního rozvoje města lze dle Dispersion indexu odhadovat, jak rovnoměrně zástavba vzniká. Zcela nerovnoměrně se zástavba rozšiřuje v Bombaji, Káhiře a Los Angeles. Káhira se vyznačuje podlouhlým tvarem, který je způsoben zástavbou podél řeky Nil. V Bombaji se při urbanizačních procesech musí 35
zohledňovat existence národního parku a poloha vůči moři. Los Angeles je typickým městem, kde se projevují extrémy (sub)urbanizace. Ty také mohou být způsobeny polohou města. Los Angeles je obklopeno pohořím i mořem, a proto nová výstavba vzniká v návaznosti na jádro města všude tam, kde to fyzicko-geografické podmínky umožňují. Naopak rovnoměrně ve všech směrech se objevuje zástavba v Mexico City, Pekingu. Ve městech s průměrnými hodnotami jako Tokio, Moskva, Nairobi, Sao Paolo, Chicago pásy zástavby převažují v jednom směru na rozdíl od již zmíněných měst.
36
7 VÝSLEDKY Na základě výsledných hodnot použitých metrik proběhlo hodnocení tvaru měst z hlediska (sub)urbanizace. Ty prostorové a tvarové metriky, které nejlépe dokážou svým výpočtem nejlépe vystihnout tvar města a také odhalit potenciální (sub)urbanizaci, byly zmíněny v kapitole 6. Výsledky všech metrik jednotlivých datových sad jsou umístěny v tabulkách v Přílohách 1, 2, 3 a 4. Pořadí měst seřazené podle výsledných hodnot u jednotlivých metrik ukázalo řadu charakteristik města. Tyto charakteristiky vycházely samozřejmě ze způsobu výpočtu metriky a jejího významu v reálném světě (protáhlost města, kompaktnost města, úzké pásy zástavby aj.). Objevily se skupiny měst, které vykazují podobné hodnoty, a tudíž u nich lze předpokládat téměř shodný vývoj. Města, která se na základě metrik jevila jako kompaktní, jsou např. Liberec, Praha, Ostrava, Olomouc, Brusel, Bukurešť, Tokio, Mexico City či Peking. Ačkoliv je i u těchto měst vypozorována (sub)urbanizace, ve srovnání s ostatními městy z datových sad není tak markantní, aby výrazněji ovlivňovala podobu tvaru měst. Napříč datovými sadami se mezi města s podlouhlým tvarem či podlouhlými částmi města řadí Ústí nad Labem, Pardubice, Plzeň, Hradec Králové, Tallinn, Kodaň, Madrid, Bombaj, Káhira a Los Angeles. Důvodů, které ovlivňují podobu a vývoj města, je několik. Může za to např. poloha vůči moři, historický vývoj, atraktivita měst z hlediska pracovní nabídky a následná výstavba obydlí. Města, která méně vykazovala extrémní hodnoty v rámci datových sad, jsou např. České Budějovice, Brno, Budapešť, Stockholm, Moskva, Sao Paolo a Chicago. V tomto případě je velice obtížné nalézt ty pravé důvody, proč tomu tak je. Nicméně je zřejmé, že tato města svými hodnotami metrik vykazují průměrnou míru (sub)urbanizace ve smyslu extremity tohoto jevu (např. města nejsou výrazně protáhlá, avšak ani ne čistě kruhová; vyskytují se u nich výběžky (sub)urbanizovaných ploch, ale opět ne tak výrazně jako u jiných měst). Díky dvěma dostupným sadám CORINE Land Cover bylo umožněno srovnání vývoje měst od roku 1990 do 2006. U mnohých měst lze vypozorovat vznik zástavby, která přispěla k větší kompaktnosti města (např. Brno). U měst jako Hradec Králové, České Budějovice, Liberec vznikly zcela nové pásy zástavby, které vybíhají z jádrové části města. U datové sady evropských metropolí byla využita metoda shlukové analýzy. Šest výsledných shluků obsahuje města, která by se měla vyznačovat podobnými charakteristikami (např. podlouhlost tvaru města, kompaktnost města aj.). Z výsledného dendrogramu je patrné, že určité vazby mezi městy vedly k zařazení do stejného shluku. To je patrné např. u dvojice měst Kodaň a Vídeň (města s protáhlými pásy zástavby). U některých měst ve vzniklých shlucích ale nebyly vypozorovány hlubší souvislosti. Dle zadaného postupu bylo v této bakalářské práci použito 34 metrik (s různým nastavením parametrů až 44), jejichž hodnoty vypovídají o podobě města. Ačkoliv je 37
interpretace výsledných hodnot složitější, byly nalezeny u řady měst podobné charakteristiky, což je velice přínosné pro kvantitativní hodnocení urbanizovaných ploch. Podrobnější hodnocení měst je v kapitole 6.
38
8 DISKUZE Získané datové sady musely být pro vstup do výpočetních softwarů prostorových a tvarových metrik řádně upraveny. Pro potřeby bakalářské práce, která má za cíl hodnotit (sub)urbanizaci, byly vybrány z CORINE Land Cover ty kategorie, které se týkají uměle vytvořených povrchů. Ty zahrnují nejen zástavbu určenou pro bydlení, ale také průmyslové stavby a komunikace. Jejich zahrnutí může ovlivnit výslednou hodnotu jednotlivých metrik, ale i vývoj výstavby komunikačních sítí a průmyslových ploch je projevem (sub)urbanizace, a proto byly začleněny i tyto kategorie. Podobný postup byl zvolen i u datové sady Urban Atlas. Zde byly vybrány kategorie souvislé i nesouvislé městské zástavby. Pro jev (sub)urbanizace je také typická nízká hustota zalidnění a městské zástavby v dané oblasti (předpoklad satelitního bydlení v rodinných domech), tudíž byly použity i kategorie nesouvislé zástavby s nízkou a velmi nízkou hustotou městské zástavby. U třetí datové sady Universe of Cities byla k dispozici jedna kategorie zastavěná plocha měst. Další částí byla digitalizace datových sad. Ačkoliv existuje katastrální hranice měst, nevystihuje ale hranice zastavěného území. Podle toho vymezení by nebylo možné hodnotit (sub)urbanizaci, jelikož by v hodnocené ploše města byly zahrnuty např. i zemědělské plochy. Tato fáze postupu zpracování je velice subjektivní. Bylo problematické rozhodnout o příslušnosti či nepříslušnosti přilehlých obcí ke zkoumanému městu. U každého města muselo být individuálně rozhodnuto o tom, zda oddělené polygony vyjadřující zástavbu k městu přiřadit či nikoliv. Digitalizace probíhala nad aktuálním ortofotem z Národního geoportálu INSPIRE (zejm. v případě CLC 2006). Velký důraz byl kladen důraz na to, aby byly citlivě vybírány ty přilehlé oblasti města, kde je patrná (sub)urbanizace. Ačkoliv bylo využito řady zdrojů např. leteckých map, informací o městských častí, síti městské hromadné dopravy apod. k co nejvěrnějšímu zachycení hranice města a spádových oblastí, mohlo zde dojít k nepřesnostem jako např. zahrnutí či nezahrnutí určitého polygonu (obce). Referenční systém nově vzniklých polygonů je u datové sady shodný jako u celé CORINE Land Cover , tedy ETRS_1989_LAEA. U měst EU z datové sady Urban Atlas, který je definován také ETRS89 / ETRS-LAEA, byl opět zachován referenční systém. To ale mohlo přinést zkreslení tvarů u mnohých evropských metropolí. Které by vyřešilo kompenzační zobrazení. Pro potřeby bakalářské práce byl ale zvolen původní souřadnicový systém. Nejviditelnější deformace tvaru byla ale patrná u datové sady Universe of cities, kerá je definovaná v GCS_WGS_1984. Zde bylo každé město převedeno dle náležité zóny, např. Chicago WGS_1984_BLM_Zone_16N_ftUS. Navíc bylo při této transformaci dosaženo metrických jednotek (namísto jednotek ve stupních), což byl nutný předpoklad pro výpočet metrik v programu FRAGSTATS. Vzhledem k charakteru zdrojových dat u datové sady Universe of Cities lze také předpokládat o něco větší chybovost výsledných metrik, jelikož tato datová sada byla v rozlišení pixelu 500 metrů. 39
U samotného výpočtu prostorových a tvarových metrik v softwaru FRAGSTATS bylo nutné zadávat u metriky CORE Area vzdálenost, která bude odebrána z obvodové linie směrem do středu města. Pro lepší názornost a porovnatelnost (z důvodu různé velikosti měst) byla tato metrika vypočtena vícekrát s odlišnými hodnotami parametru konkrétně 50, 100, 200, 300, 500 a 800 metrů. Následná interpretace tak musela být brána s ohledem na nastavení této vzdálenosti. Poté, co byly k dispozici datové sady i s výslednými hodnotami použitých metrik, následovala interpretace těchto dat. Tento krok je opět subjektivní. Bylo důležité pochopit, které metriky jsou nejvhodnější k hodnocení (sub)urbanizace a které méně. Při hodnocení se nepřihlíželo pouze na pořadí města na základě hodnot dané metriky, ale také na polohu města a na rozlohu města a následném srovnání s městem o srovnatelné rozloze. Mnohé metriky mezi sebou korelovaly. To znamená, že pořadí u řady metrik byla stejná. Ačkoliv provedená shluková analýza dala vzniknout šesti shlukům obsahující města EU, její výsledky nepřinesly 100% uspokojivé (avšak dostatečně spolehlivé) vymezení jednotlivých skupin, jak se původně předpokládalo (např. vytvoření shluku přímořských měst).
40
9 ZÁVĚR Tato bakalářská práce si kladla za cíl zhodnotit (sub)urbanizaci měst na základě prostorových a tvarových metrik. Tato metoda je více využívána v krajinné ekologii, ale své uplatnění začíná nacházet i při hodnocení městské problematiky. Prostorové a tvarové metriky poskytují matematicky podložené informace o plochách a mohou přispět v řadách výzkumů hodnotících urbanizaci. Prostorové a tvarové metriky byly aplikovány celkem na 47 měst. Použity byly čtyři datové sady (CORINE Land Cover 1990 - 10 měst, CORINE Land Cover 2006 - 10 měst, Urban Atlas - 27 měst, Universe of Citites - 10 měst). Pro tato města bylo vypočteno 34 indexů (s různým nastavením parametrů metrik celkem 44) v softwaru FRAGSTATS 4.1 a toolboxu pro ArcGIS for Desktop 10.x s názvem Shape Metrics. Pro každou datovou sady tedy přibyly pro všechna města výsledné hodnoty jednotlivých metrik. Na základě hodnot použitých metrik proběhlo hodnocení měst v rámci jednotlivých datových sad a srovnání dvou datových sad (díky dostupným datovým sadám CORINE Land Cover 1990 a 2006). U datové sady evropských měst proběhla také clusterová analýza. Hodnocení tak proběhlo i na základě výsledných shluků. Byly nalezeny skupiny měst, které měly téměř totožné výsledné hodnoty jednotlivých metrik. Při pohledu na tvar těchto měst, lze výsledné hodnoty metrik pokládat za spolehlivé. Interpretace výsledných hodnot není jednoduchá. Postup při hodnocení je mnohdy subjektivní. Výsledné hodnoty metrik, ale zcela jasně poukazují na kompaktnost či roztříštěnost ploch a mohou být jistě používány při řadách výzkumů nebo rozhodovacích procesech rozvojové politiky měst.
41
POUŽITÁ LITERATURA A INFORMAČNÍ ZDROJE EEA (1995): CORINE Land Cover [online]. Jan 01, 1995 [cit. 2013-05-16]. Dostupné z: http://www.eea.europa.eu/publications/COR0-landcover. EEA (2013): Urban Atlas [online]. 13.4.2010 [cit. 2013-04-27]. Dostupné z: http://www.eea.europa.eu/data-and-maps/data/urban-atlas FORMAN, R.T.T (1995): Land Mosaics: The Ecology of Landscapes and Regions. Cambridge University Press, Cambridge, UK GUSTAFSON, E. J. (1998): Quantifying Landscape Spatial Pattern: What Is the State of the Art?, Ecosystems, Vol. 1, No. 2., s. 143-156. HEROLD, M., COUCLELIS, H., CLARKE, K. C. (2003): The role of spatial metrics in the analysis and modeling of urban land use change, Computers, Environment and Urban Systems 29, s. 369–399. HUANG, J., LU, X. X., SELLERS, J. M. (2007): A global comparative analysis of urban form: Applying spatial metrics and remote sensing, Landscape and Urban Planning 82, s. 184–197. KAUFMAN, L., ROUSSEEUW, P. J. (1990): Finding Groups in Data: An Introduction to Cluster Analysis. Wiley, New York. LINCOLN INSTITUTE OF LAND POLICY (2013): Atlas of Urban Expansion: Google Earth Data for the Universe of 3,646 Cities [online]. © 2013 [cit. 2013-05-16]. Dostupné z: http://www.lincolninst.edu/subcenters/atlas-urban-expansion/google-earth-data.aspx. MCGARIGAL, K., MARKS, B. J. (2012): FRAGSTATS HELP, University of Massachusetts , dostupné z http://www.umass.edu/landeco/research/fragstats/documents/fragstats_documents.html, 168 s. PARENT, J. (2009): Shape Metrics Tool Overview, University of Connecticut, dostupné z < http://clear.uconn.edu/tools/Shape_Metrics/index.htm>.
PARISIEN, M-A. et al. (2006): Spatial patterns of forest fires in Canada, 1980–1999, International Journal of Wildland Fire, 15, s. 361–374. PÁSZTO, V., MAREK, L., TUČEK, P. (2013) Are Shape Metrics Useful for a Geocomputation? CORINE Land-Cover Analysis Case Study. In: DATESO 2013. Písek: vydavatel VSB-TU Ostrava, s. 10. PAVKOVÁ, K. (2008): Toolbox pro analýzu struktury krajiny. Olomouc.. Bakalářská práce. Univerzita palackého v Olomouci, Katedra geoinformatiky. Vedoucí práce RNDr. V. PECHANEC Ph.D. PECHANEC, V., PAVKOVÁ, K, DOBEŠOVÁ, Z. (2008): STRAKA a spol. – GIS nástroje pro analýzu struktury krajiny, Sborník příspěvků semináře "ÚSES - zelená páteř krajiny", Brno, 10 s. SAURA, S. et al. (2008): Shape Irregularity as an Indicator of Forest Biodiversity and Guidelines for Metric Selection, Patterns and Processes in Forest Landscapes, s. 167189. SHPUZA, E. (2007): Urban Shapes and Urban Grids: A Comparative Study of Adriatic and Ionian Coastal Cities, Proceedings, 6th International Space Syntax Symposium, İstanbul. TORRENS, P. M., ALBERTI, M. (2000): Measuring Sprawl. CASA Working Paper 27, UCL London, 34 s.
SUMMARY Spatial and shape metrics has been used mainly in landscape ecology, but principles applied on patches in terms of ecology (e.g. habitats) could be applicable also on manmade patches (cities). Every single city could be represented by its urban footprint (urbanized areas), thus spatial and shape metrics has found its usage also in urban geography. The main aim of this bachelor thesis is in application of spatial and shape metrics for (sub)urbanization evaluation. Instead of (sub)urbanization evaluation using quantitative or qualitative statistical data, this thesis aims to find spatial patterns, shape and overall appearance of urbanized areas. Urbanized areas formed due to (sub)urbanization processes were evaluated with the use of various spatial and shape metrics. The theoretical part of this thesis was to mention already existing search in landscape ecology and urban form evaluation. There is a description about applied shape and spatial metrics of FRAGSTATS 4.1 software and toolbox for ArcGIS for Desktop 10.x called Shape Metrics. In this bachelor thesis 34 different shape and spatial metrics were used. Four datasets containing 10 Czech towns, 27 capitals of the EU member states and 10 world cities were analyzed. All these cities were evaluated according to their spatial and shape metrics values in order to find out similarities among them. With the respect of resulted metrics values, it is possible to find groups of cities carrying some common spatial and shape patterns. Also multivariate statistics (namely Principal Component Analysis and clustering) was used in order to find distinctive groups of cities according to their spatial and shape metrics. However, the interpretation of values is not easy and is quite subjective, but these numerical results could serve as a factual supplement to expert knowledge based decisions. The resulting values of metrics provide information about shape of the city (elongated shape, compact shape etc.). Spatial and shape metrics could be used in many urban analyses.
PŘÍLOHY
SEZNAM PŘÍLOH Vázané přílohy: Příloha 1
Tabulka s hodnotami prostorových a tvarových metrik pro města ČR (CLC 1990)
Příloha 2
Tabulka s hodnotami prostorových a tvarových metrik pro města ČR (CLC 2006)
Příloha 3
Tabulka s hodnotami prostorových a tvarových metrik pro města EU (Urban Atlas)
Příloha 4
Tabulka s hodnotami prostorových a tvarových metrik pro města světa (Universe of Cities)
Volné přílohy: Příloha 5
Poster k bakalářské práci
Příloha 6
CD k bakalářské práci
