Modelování výskytu živočišných druhů prostředky geografických IT

Mendelova zemědělská a lesnická univerzita v Brně Provozně ekonomická fakulta

Modelování výskytu živočišných druhů prostředky geografických IT Bakalářská práce

Vedoucí práce: Mgr. Jitka Machalová, Ph.D.

Jan Velička

Brno 2007

volná strana pro zadání práce

Prohlašuji, že jsem tuto bakalářskou práci vyřešil samostatně s použitím literatury, kterou uvádím v seznamu.

V Brně 27. května 2007

....................................................

Rád bych na tomto místě poděkoval vedoucí bakalářské práce paní Mgr. Jitce Machalové, Ph.D. za její cenné rady a připomínky při tvorbě práce. Dále bych rád poděkoval řediteli firmy VARS BRNO a.s. Ing. Tomáši Minibergerovi za umožnění zpracování tohoto tématu a poskytnutí zázemí.

Abstract Jan Velička. Modelling of occurrence species using geographical IT. Brno, 2007. This bachelor deals with modelling of occurrence species using geographical IT. Definition, basic terminology and possibilities of use GIT. Ideal model of kingfisher is created by using suitable software and described methodology. Trustworthiness of model is concluded by comparing with reality. Key words: GIT, modelling, ESRI technology Abstrakt Jan Velička. Modelování výskytu živočišných druhů prostředky geografických IT. Brno, 2007. Tato bakalářská práce pojednává o problematice modelování výskytu živočišných druhů pomocí prostředků geografických IT. Definice, vysvětlení základních pojmů a možnosti využití GIT. Za použití vhodného softwaru a popsané metodiky je vytvořen model ideálního výskytu ledňáčka říčního. Reálnost modelu je posouzena srovnáním s realitou. Klíčová slova: GIT, modelování, ESRI technologie

5

Obsah 1

ÚVOD A CÍL PRÁCE ......................................................................................................................8 1.1 1.2

2

TEORETICKÝ ZÁKLAD...............................................................................................................10 2.1 2.1.1 2.1.2 2.1.3 2.2 2.3 2.3.1 2.3.2 2.3.3 2.3.4 2.4 2.4.1 2.4.2 2.4.3 2.4.4 2.4.5 2.4.6 2.4.7

3

ÚVOD .........................................................................................................................................8 CÍL PRÁCE ..................................................................................................................................9

GEOGRAFICKÉ INFORMAČNÍ TECHNOLOGIE (GIT) ...................................................................10 Historie GIT ........................................................................................................................10 Definice GIT ........................................................................................................................10 Oblasti využití GIT..............................................................................................................11 DATA, INFORMACE ..................................................................................................................12 RESTRUKTURALIZACE DAT .......................................................................................................14 Manipulace..........................................................................................................................14 Generalizace.........................................................................................................................15 Transformace (konverze) ......................................................................................................15 Manipulace s digitálními modely terénu...............................................................................15 ANALÝZA GEODAT ...................................................................................................................15 Kombinace mapových vrstev matematicky ............................................................................16 Dotazy na databázi ..............................................................................................................16 Analýzy povrchů..................................................................................................................17 Analýzy vzdáleností.............................................................................................................17 Analýzy obrazů....................................................................................................................17 Analýzy sítí .........................................................................................................................18 Statistické analýzy ...............................................................................................................18

POSTUP PRÁCE ............................................................................................................................19 3.1 GIT SOFTWARE.........................................................................................................................19 3.2 METODIKA MODELOVÁNÍ PROSTŘEDKY GIT ............................................................................20 3.2.1 Obecná definice modelování..................................................................................................20 3.2.2 Modelování výskytu živočišných druhů prostředky GIT .......................................................21 3.2.3 Model výskytu živočicha obecného........................................................................................21 3.2.4 Verifikace modelu.................................................................................................................25 3.2.5 Modely ideálního a skutečného stavu....................................................................................25

4

MODEL PRAVDĚPODOBNÉHO VÝSKYTU LEDŇÁČKA ŘÍČNÍHO..................................27 4.1 4.2 4.2.1 4.2.2 4.2.3 4.2.4 4.2.5 4.2.6 4.3 4.4

5

CHARAKTERISTIKA LEDŇÁČKA ŘÍČNÍHO ..................................................................................27 DEFINICE DÍLČÍCH OMEZUJÍCÍCH PODMÍNEK ............................................................................27 Nadmořská výška .................................................................................................................28 Klidná a pomalu tekoucí voda...............................................................................................28 Zdroje potravy .....................................................................................................................30 Vliv pH vodních toků ...........................................................................................................30 Slunečná místa ....................................................................................................................31 Plachost ...............................................................................................................................31 ANALÝZA DÍLČÍCH OMEZUJÍCÍCH PODMÍNEK ...........................................................................33 VYHODNOCENÍ MODELU ..........................................................................................................33

ZÁVĚR ............................................................................................................................................35

6

6

LITERATURA ................................................................................................................................36

7

PŘÍLOHY........................................................................................................................................37 A B

OBRÁZKY ......................................................................................................................................37 TABULKY ......................................................................................................................................41

7

1

Úvod a cíl práce

1.1 Úvod Vliv informačních technologií na současnou společnost je značný a neustále roste. Jejich používání doma i na pracovišti se stalo neodlučitelnou součástí každodenního života. Informační technologie otevírají možnosti, které se následně odráží v chování lidí, v jejich činnosti, myšlení a hodnotách. Mění se i fungování a priority společnosti a začíná se mluvit o informační společnosti. Informační společnost, nespočívá jen v intenzivním využívání informačních technologií, ale v práci s informacemi a souvisejícími změnami myšlení vůbec. Charakterizuje společnost, kde kvalita života i perspektiva sociálních změn a ekonomického rozvoje v rostoucí míře závisí na informacích a jejich využití. Dříve byly informace seznamem faktů nebo údajů. Dnes informace a technologie, které je poskytují, začaly být vysoce ceněny. Věk informací pozitivně i negativně změnil způsob, jak žijeme, myslíme, pracujeme. Jedním z mnoha pozitivních přínosů informační doby jsou geografické informační technologie. Zpočátku byly využívány pouze pro vojenské a státní účely. Postupem doby se působnost geografických informačních technologií stále více promítala do běžného života. A v posledním desetiletí se GIT staly doslova masovou záležitostí a získaly si řadu příznivců, kteří využívají GIT pro účely podnikání i zábavy. Oblastí kde GIT nacházejí své uplatnění je celá řada. Jelikož je problematice nasazení GIT věnována samostatná kapitola, uvedu zde jen oblast životního prostředí, resp. problematiku modelování, kterou se zabývám ve své bakalářské práci – Modelování výskytu živočišných druhů prostředky geografických IT. Při jejím vypracování byla pro účely modelování prostředky GIT použita metoda, popsána v analytické studii - Analytická studie možností využití geodatabáze a dalších GIS technologií v podmínkách hodnocení a modelování ekologického stavu vod. Vypracování této studie si vyžádalo ministerstvo životního prostředí na základě změn, kterými prochází monitoring vod v ČR v rámci implementace Rámcové směrnice vodní politiky EU. Klíčovou změnou se stává zavedení sledování vybraných biologických složek (ryb, vodních bezobratlých, řas, rostlin) a současně hydromorfologie vodních toků. Tyto proměnné jsou přirozeně proměnlivé v prostředí a mění se v podélném říčním kontinuu. Zavádí se nejen sledování aktuálního ovlivnění řek v místech pod zdroji znečištění, ale i sledování tzv. referenčních podmínek, tj. podmínek v místech minimálně zasažených. Hodnocení ekologického stavu povrchových vod vychází pak ze srovnání referenčních hodnot s hodnotami ze zasažených lokalit. Referenční podmínky je vhodné modelovat pro celou říční síť v ČR a stejně tak lze modelovat

8

i postup ovlivnění ze zdrojů znečištění. Doposud se k řešení problematiky přistupovalo výhradně využitím matematicko – statistického aparátu. Možnosti geoinformací a moderních GIS technologií využity nebyly. Cílem vypracované analytické studie bylo zjistit, zda je možné využití GIS technologií pro zpracování a výpočet modelu ekologického stavu vodstva v ČR. Následně by takto určený model měl sloužit pro predikci hodnot v kterémkoliv místě, aby bylo možno porovnat predikované hodnoty s hodnotami zjištěnými odběrem a na základě rozdílu těchto hodnot určit ekologický stav vodstva v dané lokalitě. Tyto výsledky by měly být opět pomocí GIS a internetových technologií prezentovány.

1.2 Cíl práce Doposud se k řešení problematiky zjišťování ideálních míst pro výskyt živočišných druhů používaly matematicko-statické metody. Cílem mé práce je popsat metodický postup modelování výskytu živočišných druhů prostředky GIT, pomocí metodiky modelování výskytu fiktivního taxonu živočicha obecného prostředky geografických informačních systémů, popsaný ve výše uvedené analytické studii, vypracované pro ministerstvo životního prostředí. Pomocí dostupných softwarových geografických produktů aplikovat tuto metodiku na ledňáčka říčního. Takto sestavený model reprezentující místa ideálního výskytu ledňáčka říčního porovnat se skutečným stavem a vyhodnotit reálnost ideálního modelu výskytu ledňáčka říčního.

9

2

Teoretický základ

2.1 Geografické informační technologie (GIT) 2.1.1 Historie GIT Počátky GIT (omezíme-li se pouze na digitální zpracování dat) lze položit někde do období konce 50. a začátku 60. let minulého století, kdy se objevuje komerčně dostupná a dostatečně výkonná výpočetní technika, nastupuje kosmická technologie, zvláště umělé družice Země, které se postupně stávají masivními zdroji dat o Zemi (tzv. geodat) – a hlavně roste zájem o komplexní zpracování velkých objemů geodat, získávaných z různých zdrojů, pro potřeby správy, plánování a rozhodování ve vztahu k přírodním zdrojům, ale nejen k nim. Výsledkem byl vznik prvních účelových systémů pro zpracování geodat, jejichž možnosti byly z dnešního pohledu velice omezené, nicméně ve své době převratné a každopádně dostatečné na to, aby tyto systémy prokázaly svoji životaschopnost a praktickou využitelnost. Od té doby zahájily různé skupiny vědců výzkum v oblasti zpracovávání geodat s využitím informačních technologií. Postupně začaly vznikat první geografické informační systémy (Institut geoinformatiky, 2007). K významnému zlomu ve vývoji došlo až v 80. letech minulého století, po nástupu osobních počítačů. V té době se začaly objevovat první komerčně dostupné programové balíky pro tvorbu aplikací GIS, využitelné širokým okruhem odborníků. Od té doby nastává rychlý rozvoj využívání geografických informačních systémů. V posledních letech se díky rozvoji telematiky a miniaturizaci elektronických systémů posouvají geoinformační technologie ještě blíže uživateli – běžnému občanovi, do různých komunikátorů, mobilních telefonů, digitálních osobních asistentů (angl. PDA – Personal Digital Assistant), palmtopů apod. Geodata a geoinformace se stávají dostupnými v reálném čase, kdykoliv a kdekoliv (Institut geoinformatiky, 2007). 2.1.2 Definice GIT Existuje trojí chápání pojmu GIT – jako technologie, jako aplikačního nástroje a jako vědeckého oboru. GIT jako technologii můžeme chápat jako prostředky nutné pro provoz a realizaci aplikace, tj. hardwarové a softwarové vybavení. GIT jako aplikace je chápána jako druh informačního systému „geografického typu”, který slouží nějaké organizaci. Uživatelé chápou GIT především tímto způsobem (Tuček, 1998).

10

GIT jako vědecký obor, neboli geoinformatika je věda o sběru, práci s daty, modelování, analýze a presentaci prostorových dat a procesů, které vyjadřují či popisují (Kartografie a Geoinformatika, 2007). Většina lidí vnímá GIT jako prostředek pro zpracování, tvorbu a zobrazování map. Databázový pohled zase zdůrazňuje důležitost shromažďovat, třídit, selektovat a prezentovat data. Naproti tomu analytický pohled zdůrazňuje možnosti analýzy, modelování a syntéz poznatků o prostorových datech (Machalová, 2004). Z výše uvedených poznatku vyplývá, že pod pojmem GIT si každý z nás představuje trošku něco jiného a není tedy snadné GIT jednoznačně definovat, a proto lze v literatuře najít rozmanitou škálu nejrůznějších definic, které mohou vypadat následovně. Všeobecně jsou GIT chápány jako část informačních systémů (Tuček, 1998). Podle jiné definice lze říci, že GIT je organizovaný soubor hardwaru, softwaru, grafických dat a personálu, určený k účinnému sběru, ukládání, údržbě, manipulaci, analýze a zobrazování všech forem geograficky vztažené informace (Machalová, 2004). 2.1.3 Oblasti využití GIT Jak již jsem zmínil v úvodu, používání GIT se stalo běžnou součástí každodenního života. GIT nacházejí uplatnění ve všech oblastech lidské činnosti. Vzhledem k faktům, že vývoj informačních technologií jde neustále kupředu a potřeby lidské společnosti neustále rostou, lze očekávat rozšíření GIT i do dalších oblastí lidské působnosti. Proto zde uvedu pouze nejrozšířenější oblasti využití. Z historického hlediska první oblastí, kde se GIT využívaly, byla evidence nemovitého majetku pro potřeby státu. I v dnešní době využívá státní správa i samospráva GIT a to nejen v oblasti správy nemovitého majetku, ale také na odborech životního prostředí, dopravy či sociálních věcí především pro podporu rozhodování. Velmi významné uplatnění nacházejí GIT v sektoru obrany, který byl vždy na čele mapování, protože dobře zmapovaný terén byl pro každé vojsko strategickou výhodou. Ministerstvo obrany vybudovalo v Dobrušce centrum GIT na špičkové úrovni. Velmi rozvinuté je využívání GIT pro ochranu životního prostředí: modelování znečišťování, rozšiřování eroze půdy, stav lesního porostu, evidence záplavových oblastí, to jsou jen některé oblasti využívající GIT. Vzhledem k tomu, že geodata mohou zaznamenávat i prostor pod a nad povrchem Země, využívají se GIT i v důlním průmyslu, letectví a za účelem předpovědi počasí. Zvyšováním množství geodat, která jsou k dispozici (zdarma nebo za úplatu), snižováním ceny a zlepšováním uživatelské přívětivosti softwaru se GIT začínají 11

uplatňovat i v soukromém sektoru: správci technických sítí (plynárenství, elektrárenství, vodovody a kanalizace, správci silnic), dopravní společnosti a také zemědělci. GIT si našly svoji cestu i do školství. V prvé řadě jsou vyučovány předměty s GIT tématikou a to jak pro budoucí uživatele, tak i pro správce. GIT se také využívají jako učební pomůcka v jednotlivých předmětech (zeměpis, dějepis, občanská výchova) (Machalová, 2004).

2.2 Data, informace Základními pojmy se kterými se setkáváme v souvislosti s GIT jsou data a informace. Vztaženo na problematiku GIT , data jsou základním prvkem se kterým geografické informační technologie pracují a informace označujeme jako výsledky zpracování dat prostředky GIT. Přitom je nutné si uvědomit, že to, co jednou získáme jako nové informace, může být ihned použito jako vstupní data pro další analýzy (Rapant, 2002). V souvislosti s daty se dnes hojně používá i pojem metadata. Metadata jsou data, popisující obsah, reprezentaci, rozsah (prostorový i časový), prostorový referenční systém, kvalitu a administrativní, případně i obchodní aspekty využití digitálních dat (Rapant, 2002). Jak již jsem zmínil výše, GIT pracují s daty, která označujeme pojmem prostorová data. Prostorová data (angl. spatial data) jsou data, která se vztahují k určitým místům v prostoru, a pro která jsou na potřebné úrovni rozlišení známé lokalizace těchto míst (Rapant, 2002). Údaj, který zajišťuje vazbu dat na konkrétní místo v prostoru se nazývá georeference. V ideálním případě touto georeferencí jsou přímo souřadnice na mapě, ale většinou se jedná o údaj, který zprostředkovává prostorovou lokalizaci nepřímo, jako je například adresa, číslo parcely, název státu, okresu, města, městské části apod. (Rapant, 2002). Jako synonymum pro prostorová data se často používá pojem geodata (angl. georeferenced data), ale ve skutečnosti nejde o zcela rovnocenné pojmy. Geodata jsou podmnožinou dat prostorových. Geografická data jsou tedy data, která mohou být vztažena k místům (definovaným v rámci termínů bod, plocha, objem) na Zemi, především data o přírodních jevech, kulturních a lidských zdrojích (Rapant, 2002). Geografická data mohou být reprezentována dvěmi základními kategoriemi geometrií:

12

Vektorový datový model Výhodou vektorové interpretace geometrie jevu je především její nezávislost na zobrazovaném měřítku. Je to dáno tím, že všechny typy geometrií jsou vyjádřeny pouze určitou posloupností souřadnicových bodů tzv. shapepointů a spojnic mezi nimi. Podle počtu těchto bodů a jejich uspořádání se je možné odlišovat několik základních typů geometrií, jako jsou body, linie polygony a další složitější kombinace. Rastrový datový model V tomto případě je geografický prvek reprezentován jako matice buněk v prostoru. Každá vrstva reprezentuje jeden atribut, kde navíc každá buňka má přiřazenu určitou hodnotu. V obou modelech je prostorová informace reprezentována základními (homogenními) jednotkami. V rastrových modelech jsou to pixely (buňky), ve vektorových modelech jsou homogenními jednotkami body, lomené čáry a polygony. Pokud rastrový a vektorový model popisují shodné území ve srovnatelné přesnosti, je v rastrovém modelu řádově více základních jednotek než ve vektorovém modelu. Rozměr základních jednotek v rastrovém modelu je konstantní, rozměr základních jednotek ve vektorových modelech je velice proměnlivý - lomená čára se může skládat ze dvou bodů nebo také z několika desítek tisíc bodů (VARS BRNO, 2006). Základní entitou popisovanou prostorovými daty je geoprvek (angl. feature) Geoprvek je základní prostorová entita, která je dále nedělitelná na jednotky stejného typu a která je popisovaná prostorovými daty. Z geoprvků je složeno prostředí, v němž se pohybuje člověk. Příkladem geoprvku může být budova, kterou již nelze rozdělit opět na budovy, ale může být rozdělena na patra, místnosti apod. Na geoprvky se odkazujeme jedinečnými identifikátory, například adresou, číslem parcely, unikátním kódem a pod. Geoprvky mohou reprezentovat jak objekty reálného světa, tak i abstraktní jednotky, jako jsou například volební obvody, statistické jednotky apod (Rapant, 2002). Každý geoprvek, má-li být správně reprezentován a zpracováván, musí být popsán z mnoha hledisek. Z pohledu GIT je možné rozdělit popis geoprvků prostorovými daty na pět základních složek: •

geometrickou – zaznamenává lokalizaci geoprvku v prostoru, popisuje přímo jeho geometrické vlastnosti a nepřímo prostorové vztahy s okolními objekty, tzv. topologii

•

popisnou – zaznamenává negeometrické vlastnosti geoprvku, jeho tzv. atributy

13

•

časovou – zaznamenává pozici geoprvku na časové ose, tedy dobu jeho existence při daném stavu geometrie a atributů

•

vztahovou – popisuje jeho vztahy, do nichž geoprvek vstupuje s jinými geoprvky

•

funkční – popisuje operace, které lze s daným geoprvkem provádět

Jako doplňující složka, která se nevztahuje přímo k popisovanému geoprvku, ale k jeho popisu jako takovému, je složka kvalitativní – popisuje kvalitu popisu geoprvku (Rapant, 2002). Na základě výše uvedených poznatků lze tedy konstatovat, že geoprvek je tedy jednoznačně definován geometrií, topologií, atributy a dynamikou (Machalová, 2004).

2.3 Restrukturalizace dat Málokdy se podaří získat data v takovém stavu, aby byla ihned použitelná našimi geografickými IT. Úpravy, které s daty provádíme za účelem možnosti jejich použití, nazýváme souhrnně restrukturalizace. Při ní nevznikají nová data, pouze se upravují data současná. Restrukturalizace neboli předzpracování dat upravuje strukturu dat tak, aby se dala použít pro analýzy a syntézy. Manipuluje se s prostorovou i popisnou informací a také s prostorovými vztahy mezi objekty. 2.3.1 Manipulace Změna topologických vztahů například při přidání nové hranice, která rozdělí původní existující plochu. Aby byla manipulace snadnější, dělí se plocha na menší části, tzv. mapové listy. Je třeba dohlédnout na to, aby při spojování oddělených mapových listů nedošlo k vzájemnému posunu listů. Při změně ve více listech je třeba provést změnu všude, a to odděleně, nebo lze spojit listy (Machalová, 2004). Dalším příkladem je změna velikosti buňky rastru, například při sladění dat z různých zdrojů. V atributových datech se změny většinou provádějí vypočítáním hodnot nových atributů pomocí původních (Machalová, 2004). Změna mapové projekce, transformace souřadného systému je nutná vždy při práci s daty, která jsou v různých mapových projekcích. Je třeba docílit stejné projekce pro celou databázi. V ČR a SR se používají souřadné systémy S-42 a S-JTSK, proto je běžně třeba transformovat data z jednoho souřadného systému do druhého. Ve světovém měřítku se začíná nejvíce používat WGS-84, i když každá oblast má svůj nejpoužívanější souřadnicový systém (Machalová, 2004).

14

2.3.2 Generalizace Generalizace neboli zjednodušování objektů na základě měřítka je žádána z ekonomického hlediska, při požadavku redukce objemu dat, jsou-li data využívána pro rozličné účely nebo aby se nezamezilo schopnosti pochopení. Při generalizaci tak dochází ke snižování polohové a atributové věrnosti, konzistentnosti a kompletnosti údajů. Například při generalizaci linií se vynechají některé lomové body, při generalizaci polygonů se zjednodušuje tvar (Machalová, 2004). 2.3.3 Transformace (konverze) Rasterizace Při konverzi reprezentací vektor-rastr se mřížkou rastru překryje vektorová reprezentace. Všem buňkám rastru (i překrytým zčásti) se přiřadí patřičná hodnota z vektorové reprezentace a poté dochází k odfiltrování nadbytečných buněk z reprezentace objektu. Překrývá-li například buňka část jednoho polygonu a část druhého polygonu, je několik pravidel pro rozhodnutí, kterého polygonu bude mít buňka hodnotu (Machalová, 2004). Vektorizace Při konverzi rastr-vektor se bod ve vektorové reprezentaci lokalizuje ze středu příslušné buňky rastrové reprezentace. Při identifikování linií je třeba dbát na odbourávání nadbytečných linií a na vychýlení průběhu linie. Problém vektorizace je obecně složitější a neexistují zcela automatizované převody (Machalová, 2004). 2.3.4 Manipulace s digitálními modely terénu Vyhlazování tvaru digitálního modelu terénu je běžnou činností a dochází k ní vždy při vzniku modelu. Dalším krokem bývá filtrace v TIN struktuře, při které se odbourá uložení nadbytečných bodů a hran. Rozdělování a spojování částí je podobný problém jako nad jednotlivými vrstvami geodat. Převod z TIN struktury do rastrového modelu je proces obdobný rasterizaci. Převod z rastrového modelu do TIN struktury je komplikovaný proces, v němž je třeba definovat význačné body a údolnice, které budou v TIN struktuře uloženy (Machalová, 2004).

2.4 Analýza geodat Jádrem každé práce s geodaty jsou analýzy a syntézy dat. Veškeré činnosti s geodaty jsou směřovány k analytickým operacím, jejichž výsledkem jsou nové informace, a k vhodnému způsobu jejich prezentace. Některé analytické operace jsou vhodnější pro vektorové vrstvy, jiné pro rastrové vrstvy. Je třeba si uvědomit, že konkrétní způsob vykonání jednotlivých analýz velmi závisí od použitého GIT SW. Proto je třeba zaměřit se na obecné principy a neomezit se na jednotlivý SW,

15

byť by třeba v dané době zásadním způsobem dominoval na trhu (Machalová, 2004). 2.4.1 Kombinace mapových vrstev matematicky Používáme-li rastrové uložení geodat, můžeme kombinovat mapové vrstvy matematicky. Operace můžeme provádět s jednou či více vrstvami s odpovídajícími si buňkami. Používá se speciální jazyk mapové algebry (Tomlin, 1999). Lokální funkce, jejímž výsledkem je změna hodnoty jedné buňky, se může využít například u bodových objektů. Máme-li zaznamenanou výšku stromu, můžeme jednoduchým výpočtem (součin, součet) hodnotu změnit a tím aktualizovat vrstvu (Machalová, 2004). Fokální funkce, které změní hodnotu buňky na základě buněk okolních, se dělí na statistické funkce a analýzy proudění. Většinou se užívají pouze bezprostřední sousedé dané buňky, ale postup se může využít na libovolně definované okolí. Ze statistických funkcí se používá aritmetický průměr z hodnot okolních buněk, směrodatné odchylky, sumy, vyhledávání minima a maxima; analýzy proudění definují směr proudění (Machalová, 2004). Pomocí zonálních funkcí se mění hodnoty buněk na základě hodnot buněk v jiné vrstvě. Opět se používají statistické funkce a dále funkce geometrické (výpočet plochy, obvodu, maximální a minimální šířky). Globální funkce se využívají při výpočtu vzdáleností klasických, nákladových a vzdáleností při pohybu terénem (Machalová, 2004). 2.4.2 Dotazy na databázi Prohledávání databáze je základní činností, která většinou předchází složitějším analýzám. Pomocí dotazování vybíráme data, která vyhovují našim podmínkám. Výsledky si můžeme pouze zobrazit pomocí výstupního zařízení, nebo je můžeme trvale uložit do paměti. Používáme prostorové (co se nachází na tomto místě) a atributové (které objekty mají definovanou vlastnost) dotazy na databázi. Jednodušší dotazy provádíme nad jednou informační vrstvou, složitější na dvou či více vrstvách. Proces výběru má 3 části: a) specifikace dat, kterých se výběr týká, b) formulace podmínek, kterým musí data vyhovovat a c) pokyn, co se má s vybranými daty udělat. Nejčastěji se používá jazyk SQL. V rastrové reprezentaci hledáme buňku (pixel, voxel, ...) a atribut s ní spojený. Lze také najít prvek na základě jeho atributů. S využitím Booleovy algebry se objektům splňujícím podmínku přiřadí hodnota 1 a ostatním se přiřadí hodnota 0. Dotazy na

16

topologické vztahy se provádí na fokálních operacích mapové algebry. Nejčastěji se tomu říká překrytí (Tuček, 1998). 2.4.3 Analýzy povrchů Velmi využívané v praxi jsou analýzy povrchů, které jsou závislé na typu modelu terénu. V praxi se používají 3 typy modelů terénu. Rastrový model uvádí ke každé buňce hodnotu označující výšku. Předpokládá se jednotná výška na celé ploše buňky. Dalším rastrovým typem terénu je tzv. lattices, kde jsou uloženy hodnoty výšky jen v určitých buňkách a výška terénu v ostatních buňkách se vypočítává z nejbližších známých hodnot a ze vzdálenosti od buněk se známou hodnotou výšky. Prostorově nejúspornější jsou modely TIN, ve kterých máme povrch aproximován trojúhelníkovou sítí a vrcholy mají přidělenou výšku. Plochu trojúhelníku můžeme považovat za rovinnou, nebo jí přiřadit určitou křivost. Modely terénu využíváme ke zjišťování sklonu terénu (tangenta roviny modelovaného povrchu v libovolném bodě), modelování vrstevnic, identifikaci hřebenů a údolnic, orientaci ke světovým stranám, horizontální a vertikální křivosti a zjišťování viditelnosti (Machalová, 2004). 2.4.4 Analýzy vzdáleností Analýzy vzdáleností jsou snad nejpotřebnější analýzy v GIS. U dvojrozměrného prostoru používáme euklidovskou metriku, u trojrozměrného prostoru musíme počítat se sklony povrchu. Dalším typem vzdáleností je tzv. nákladová vzdálenost. Ta je důležitá pro výpočet nákladů pro překonání dané vzdálenosti. Vychází z předpokladu, že různý terén pro nás představuje různé náklady na danou jednotku délky. Využívá se především při plánování stavby komunikací. Pro počítání nákladové vzdálenosti využíváme tzv. frikční povrchy, kde každé buňce je přiřazena hodnota popisující náklady potřebné na její překonání. Nejkomplexnějším jsou tzv. anizotropické povrchy, které zohledňují i náklady na překonání buňky v určitém směru. To lze využít nejen v horském terénu, ale také při modelování vody v oceánu nebo proudění vzdušných mas (Tuček, 1998). 2.4.5 Analýzy obrazů Fotogrammetrie poskytuje družicové a letecké snímky. K základním analýzám patří korekce chyb obrazu (výpadky řádků, náhodný šum, stav atmosféry, poloha Země vůči Slunci), které vzniknou v procesu snímání, přenosu a uložení s cílem upravit obraz tak, aby co nejvíce odpovídal skutečnosti; vylepšování obrazů za účelem zvýraznění nebo potlačení některé informace (změna jasu a barev, filtrace, kompozice obrazů); transformace obrazů redukcí více obrazů do kompozitního obrazu a klasifikace obrazů (neřízená a řízená klasifikace), založená na identifikaci spektrálních odrazových znaků jednotlivých typů objektů. Důležité je využití odrazových vlast17

ností různých typů objektů ve všech dostupných pásmech spektra (Machalová, 2004). 2.4.6 Analýzy sítí Analýzy sítí se využívají například v dopravních úlohách. Síť je soubor liniových objektů, které jsou propojeny nějakými fenomény, mají délku, směr a spojitost. Sítě se modelují dvojrozměrné nebo trojrozměrné. K modelování sítí se používají vektorové reprezentace. Patří sem modelování zatížení sítě (transport vody ve vodních tocích, rychlost pohybu plynu v potrubí, zatížení dopravních tras, ...), výběr optimální trasy z hlediska délky nebo potřebných nákladů a nejvhodnější alokace zdrojů (definice center v síti a modelování průchodu sítí při příchodu k centrům). V této souvislosti se definují tzv. izochrony neboli čáry spojující místa se stejnou dostupností k centru (Machalová, 2004). 2.4.7 Statistické analýzy Výsledky statistických analýz jsou použitelné především ke statistickému zhodnocení. K dalším analýzám patří třídění dat a jejich nová klasifikace podle nových požadavků. Statistickým geoanalýzám se věnuje obor geostatistika a také nachází hojné použití v demografii (Machalová, 2004).

18

3

Postup práce

3.1 GIT software Pro vytvoření modelu bude použit softwarových produkt od firmy ESRI – ArcGIS Desktop včetně rozšiřujícího modulu Spatial Analyst. Technologie ESRI představuje celosvětově rozšířené a podporované řešení GIS. V České republice je technologie ESRI ArcGIS nepsaným standardem v oblasti veřejné správy. Technologii ESRI používají magistráty velkých měst jako je Praha nebo Ostrava. Technologií ESRI jsou vybaveny všechny krajské úřady i významné instituce státní správy – Ministerstvo životního prostředí, Zeměměřický úřad, Český geologický úřad, Státní plavební správa, Ředitelství silnic a dálnic a řada dalších. ArcGIS se skládá se ze tří klíčových částí: •

ArcGIS Desktop, integrované sady aplikací GIS

•

ArcSDE, rozhraní pro řízení geodatabáze v DBMS

•

ArcIMS, GIS založeném na internetu pro distribuci dat a služeb

ArcGIS Desktop ArcGIS Desktop, klientská část ArcGIS, je řada softwarových produktů pomocí nichž lze řešit nejrůznější úlohy GIS, od tvorby, editace a správy dat přes prostorovou analýzu až po tvorbu map. Softwarové produkty ArcGIS Desktop se skládají z navzájem spolupracujících softwarových aplikací: ArcMap, ArcCatalog, ArcToolbox. Data, mapy, symboly, uživatelské nástroje, výstupní sestavy a metadata lze vzájemně sdílet a předávat mezi produkty ArcGIS Desktop a v rámci nich mezi aplikacemi ArcMap, ArcCatalog a ArcToolbox (ARCDATA PRAHA, 2007). ArcMap je centrální aplikace v ArcGIS Desktop, použitelná pro všechny mapově orientované úlohy, včetně prostorových analýz, editace dat a tvorby kartografických výstupů (ARCDATA PRAHA, 2007). ArcCatalog pomáhá organizovat a spravovat všechna data. Obsahuje nástroje pro vyhledávání a prohlížení geografických datových sad, tvorbu a prohlížení metadat a pro vytváření schématu struktury geografických vrstev (ARCDATA PRAHA, 2007). ArcToolbox je aplikace obsahující nástroje pro konverzi dat, transformaci mezi souřadnicovými systémy a nástroje pro prostorovou analýzu, tzv. geoprocessing (ACDATA PRAHA, 2007). Možnosti produktů ArcGIS Desktop lze značně rozšířit přidáním rozšiřujících modulů, např. Spatial Analyst (pokročilá prostorová analýza), 3D Analyst (třírozměrná vizualizace, topografická analýza, tvorba modelu reliéfu), Geostatical Analyst

19

(statická analýza dat, modelování a pokročilé generování povrchu) a celou řadou dalších. Spatial Analyst Jedním z nejdůležitějších přínosů nadstavby Spatial Analyst je možnost vytvářet data v rastrovém formátu a analyzovat souvislosti mezi různými typy geografických dat – v rastrovém i vektorovém formátu. Spatial Analyst umožňuje využití těch dat, která popisují spojitě se měnící veličiny, jako např. nadmořská výška, sklon, teplota, tlak, srážky, znečištění apod. a umožní vám vytvořit rastrovou vrstvu prostřednictvím interpolace hodnot naměřených v diskrétních bodech zkoumaného území. Zároveň lze v rámci nadstavby Spatial Analyst pracovat i s klasifikovanými rastry (např. rastr vyjadřující způsob využití půdy apod.), či takové rastry vytvářet (převodem z vektorového formátu nebo kategorizací spojitých dat). Prostřednictvím logických dotazů, kombinací různých rastrových či vektorových dat a pomocí nejrůznějších algoritmů prostorové analýzy, jež poskytuje Spatial Analyst, lze získat nové informace o území. Příkladem výstupů takových operací mohou být oblasti vybrané na základě daných kritérií. Spatial Analyst tedy umožňuje vytvářet nové informace o území a tím přispívá k hlubšímu porozumění vztahů v území a přijímání fundovaných rozhodnutí (ARCDATA PRAHA, 2007). Spatial Analyst je vhodný pro uživatele GIS, který potřebuje analyzovat a popisovat spojitě se měnící veličiny, jako např. nadmořská výška, sklon, teplota, tlak, srážky, výskyt znečištění, apod. Spatial Analyst se proto uplatňuje zejména v oblasti zemědělství, hydrologie, ochrany přírody, státní správy a samosprávy a dalších oborech (ARCDATA PRAHA, 2007).

3.2 Metodika modelování prostředky GIT 3.2.1 Obecná definice modelování V různých vědních disciplinách má slovo model různý význam (architektonický model, ekonomický model, matematický model, počítačový model, myšlenkový návrh apod.) Při tom výrazové prostředky pro tvorbu modelu mohou být velmi různorodé od fyzických modelů (např. modely budov v architektuře), přes matematicko-logické modely (např. soustavy rovnic), různé grafické modely (např. ikonografické modely), počítačové modely (programy) až po verbální slovní popisy (např. popisy podnikové kultury, procesu učení se apod.) (Molnár, 2007). Modelová technika umožňuje promítnutí alternativního vývoje systému pomocí modelového experimentu, umožňuje sledování změn jednotlivých parametrů hodnot prvků i jejich vazeb, vliv změny chování okolí na systém, stabilitu systému apod. Na modelu systému můžeme experimentovat se strukturou systému, jeho prvky i vazbami, okolím systému změnou vstupních parametrů a zkoumáme 20

chování systému na základě změny vstupních parametrů. Na modelu pak zkoumáme zejména souvislosti, příčiny a analogie a hledáme nejlepší řešení systému z hlediska požadovaného cíle systému (Molnár, 2007). V obecném slova smyslu má být model reprezentací části reality. Kvůli komplexnosti, složitosti a množství interakcí celého světa, jsou vytvářené modely zjednodušeným pojetím pohledu na realitu. Modely napomáhají k pochopení, popisu nebo k předpovědi toho jakým způsobem se chová modelovaný jev (VARS BRNO, 2006). Modelování je potom tedy proces projektování a konstrukce modelu, který se nikdy neobejde bez ujasnění výchozích premis (předpokladů, hypotéz, teorií). Právě volba výchozích hypotéz tvoří z konstrukce modelu tvůrčí činnost. Identifikace systému a selekce hypotéz vyžaduje nejen dobrou znalost věcné problematiky ale občas i trochu intuice (Molnár, 2007). Na procesu modelování je podstatný účel, pro který model konstruujeme, tj. na jakou otázku spojenou s vlastnostmi systému nám má dát model odpověď. Ten určuje míru zjednodušení, tj. výběr prvků, vazeb a jejich vlastností. Nad jedním systémem pak můžeme definovat nespočet možných modelů podle toho, pro jaký účel model tvoříme resp. na jaké otázky týkající se zkoumaného systému nám má model dát odpověď (Molnár, 2007). 3.2.2 Modelování výskytu živočišných druhů prostředky GIT Geografické informační systémy napomáhají k tvorbě velmi užitečných analýz, ale samy o sobě nedokáží problémy vyřešit. K získání požadovaných výsledků pomocí GIS nástrojů je zapotřebí, aby otázka problematiky byla správně položena a k její odpovědi byly poskytnuty správné informace. K vyřešení problému je zapotřebí jej nejprve jasně definovat a uvést do kontextu, ve kterém má být modelován. Omezujícím faktorem, na který musí být brán ohled, mohou být například dostupná data, ze kterých lze čerpat informace pro očekávaná řešení, nebo také nepříliš detailní informace o charakteristice analyzovaného jevu. Celé řešení je zapotřebí postavit na dostupných podkladech a soustředit se na nejvýznamnější aspekty geografického modelu (VARS BRNO, 2006). 3.2.3 Model výskytu živočicha obecného Obecný metodický postup modelování výskytu živočišných druhů, bude demonstrován na modelování pravděpodobnosti výskytu fiktivního taxonu živočicha obecného. Stejným způsobem jakým je odvozen nejpravděpodobnější výskyt živočicha obecného, lze namodelovat výskyt jakéhokoli jiného živého organizmu.

21

V následujícím uvedu popis metody hledání výskytu fiktivního taxonu živočicha obecného, tak jak byla popsána již v úvodu zmiňované analytické studii. V prvé řadě je důležité udělat si představu o tom, jak by mělo vypadat řešení daného problému. Úkolem tedy bude identifikovat na mapě místa, kde se podle vstupních podmínek předpokládá největší pravděpodobnost výskytu živočicha obecného, resp. odlišit od sebe místa s nejpravděpodobnějším výskytem od míst, u kterých se předpokládá, že se živočich obecný vyskytovat nebude. Jakmile jsou jasně definovány okolnosti analyzované problematiky, měla by se rozčlenit na několik drobnějších celků či kroků, aby bylo jasné jakých požadavků bude zapotřebí k celému řešení. Pro příklad hledání výskytu živočicha obecného je vhodné celou problematiku rozčlenit podle významných veličin, které mají vliv na jeho populaci. Při definování dílčích částí, by mělo být rozmyšleno, jakým způsobem budou měřitelné. Jakým způsobem by měla být ohodnocena příhodnost životního prostředí živočicha obecného. Můžeme vycházet z čistě fiktivních předpokladů, že živočich obecný má vztah k těmto vlastnostem prostředí: 1. Vyskytuje se převážně v rozmezí nadmořské výšky 300 – 500 m n.m. 2. Žije podél toků pstruhového pásma 3. Živí se drobnými vodními živočichy, kteří jsou nároční na množství kyslíku ve vodě 4. Převážně preferuje teplá a slunná místa 5. Vyhovuje mu větší kyselost vody 6. Je velmi plachý, proto jeho výskyt nelze předpokládat blízko lidských obydlí K tomu, aby byl tento problém řešitelný pomocí nástrojů geografických informačních systémů, je zapotřebí jej vyjádřit pomocí entit se kterými GIS pracuje. Jednotlivé aspekty řešené problematiky tedy budou interpretovány pomocí plošně rozmístěných veličin, jejichž definiční obor bude stanoven od 0 – 10 podle toho, jaké charakteristiky prostředí více vyhovují živočichu obecnému. 0 bude značit nevhodné místa, 10 naopak ty nejpříhodnější. Nadmořská výška Aby mohla být identifikována místa s vyhovující nadmořskou výškou je dobré si ujasnit, zda je výskyt živočicha striktně vymezen hranicemi 300 – 500 m nebo je možné jeho výskyt předpokládat i v jiných nadmořských výškách, byť s menší pravděpodobností. Budeme tedy předpokládat, že nadmořská výška, ve které je předpokládán jeho výskyt v největší četnosti je 400 m n. m., 90 % jeho populace je v rozmezí 300 – 500 m n. m. Místa s nejvhodnější nadmořskou výškou pro výskyt

22

živočicha obecného mohou být získány reklasifikací vstupních dat elevací. Jednotlivé stupně nadmořské výšky budou ohodnoceny podle křivky normálního rozdělení. Místa s nadmořskou výškou 400 m dostanou 10 bodů, místa s jinou nadmořskou výškou budou ohodnocena nižšími hodnotami. Nejméně pravděpodobnější místa budou ohodnocena číslem blízkým 0. Toky pstruhového pásma Dohledáním míst, kde se nacházejí řeky a potoky pstruhového pásma může být získáno z nejrůznějších zdrojů dat. Pro tyto toky je určující množství vody, které v nich průměrně teče a jejich šířka. Tyto charakteristiky je možné odvodit s drobnou odchylkou z dat o výškovém profilu krajiny. Lze předpokládat přímou závislost mezi průtokem řeky a mezi plochou, která je danou řekou splavována. Pro model pravděpodobnosti výskytu živočicha obecného budeme předpokládat, že toky pstruhového pásma splavují plochu krajiny od 40 – 400 km2. Množství kyslíku ve vodě Lze předpokládat, že toky, které mají vyšší sklon budou více nasycené kyslíkem, než vody pomalu tekoucích řek, či vody stojaté. Tato veličina zřejmě bude také závislá na tom, do jaké míry je koryto řeky kamenité a členité, což ovlivňuje to, jak se voda tříští o kameny a nasycuje se kyslíkem. Vzhledem k tomu, že informace o kamenitosti koryt řek není možné odvodit z žádné dostupné veličiny, bude muset být tento parametr pro zjednodušení zanedbán a funkce určující nasycení vody kyslíkem tedy bude závislá pouze na sklonu toku. Informaci o sklonu toku lze odvodit z výškového profilu krajiny. Bude ovšem vhodné, aby i tato veličina byla ohodnocena ve stupnici od 0 – 10. Slunná místa K dohledání těchto míst je možné pro zjednodušení preferovat jižní svahy kopců před svahy severními. Tyto informace je též možné získat odvozením z dat o výškovém profilu krajiny. Živočich obecný bude preferovat jižní svahy před severními, ale zřejmě se nebude vyskytovat v hlubokých stinných údolích. Pro tuto veličinu bude nastavena průměrná denní výška slunce nad obzorem jaká je při jarní rovnodennosti a azimut svitu jižního slunce. Kyselost vody Hodnota pH vodních toků je bezesporu veličina, která je závislá na celé řadě faktorů a není jednoduché ji odvodit. Pro hledání vhodných míst životního prostředí živočicha obecného bude vycházeno z předpokladu, že větší kyselost vodních toků bude očekávána v místech s lesním porostem než u míst, kde je hodně zemědělsky obdělávané půdy. Pro zohlednění významnosti vlivu obou těchto činitelů bude jako váha použita hustota říčních toků. U míst s menší hustotou toků lze přepo23

kládat, že voda dotčená kyselostí nebo zásaditostí prostředí bude více vsakována a naopak u míst s větší hustotou toku budou činitelé pH více odplavovány povrchovou tekoucí vodou. Jako výchozí data tedy bude použita vrstva landuse, u které se jednotlivé kategorie užití krajiny ohodnotí podle toho, jaký mezní přírůstek/úbytek k hodnotě pH by se u nich dal očekávat. Jehličnaté lesy budou mít přiřazenu hodnotu -1, zemědělsky obdělávaná půda +1, pH neutrální kategorie landuse budou mít přiřazeno 0. Jak již bylo řečeno, další vrstva, která bude použita pro odvození předpokládané kyselost vody bude hustota říční sítě. Rozmezí hodnot této veličiny bude stanoveno od 0,2 – 1,2 a bude použita jako váha vrstvy landuse mezního vlivu na pH. Plachost Vzdálenost od lidských obydlí může být pomocí GIS jednoduchým způsobem odvozena pro jakýkoliv bod analyzované oblasti. Sama o sobě ovšem nevypovídá o tom, kolik lidí se v dané oblasti vyskytuje. Pro nalezení klidných míst, která nejsou narušena lidskou přítomností je zapotřebí zohlednit i hustotu osídlení obyvatelstva. Vytvoření analýz dílčích částí Jakmile je analyzovaná problematika rozčleněna do ucelených částí a je zřejmé jaké veličiny budou tvořit hlavní aspekty hledaného řešení, je zapotřebí těmto veličinám přiřadit váhy, které budou zohledňovat míru jejich vlivu. Jelikož měly všechny dílčí veličiny stanoveny definiční obor od 0 do 10, bude vhodné, aby suma všech vah byla rovna 1. Hledaný výsledek pak bude získán váženou sumou všech kalkulovaných mapových vrstev a jeho definiční obor bude také od 0 do 10. Výsledek potom bude možné zkoumat podle ukazatele relativní vhodnosti prostředí, u kterého bude posuzováno kolika bodů dosáhlo dané místo v krajině z maximálního počtu 10 bodů. Pro nalezení míst s nejvhodnějšími životními podmínkami živočicha obecného byly stanoveny následující váhy (viz tabulka 1): Tabulka 1: Váhy významnosti jednotlivých prostředí (zdroj: VARS BRNO)

Charakteristika prostředí

Váha významnosti

1

Nadmořská výška

0,05

2

Pstruhové pásmo

0,35

3

Kyslík ve vodě

0,15

4

Teplá a slunná místa

0,15

5

Kyselost pH

0,20

6

Plachost

0,10

24

Nejvyšší váha byla přidělena místům, kudy protékají potoky pstruhového pásma. Tato váha je sedmkrát vyšší než váha nadmořské výšky, u které bylo předpokládáno, že nemá na výskyt živočicha až tak zásadní vliv jako místa, kudy protékají řeky a potoky pstruhového pásma. Hledaný výsledek je zobrazen na následujícím obrázku. Červenou barvou jsou vybarvena všechna místa, u kterých se předpokládá s největší pravděpodobností výskyt tohoto živočicha. Jasně tak vystupují do popředí místa podél koryt středních toků řek. Koryta řek vyšších řádů, u kterých je průtok vody příliš velký jsou ve výsledku potlačena, stejně tak jako všechny ostatní méně vhodné oblasti. Tato místa jsou zvýrazněna barvou modrou (viz příloha A, obrázek 7). 3.2.4 Verifikace modelu Jakmile je geografický model dokončen, je vhodné zjistit, zda vyobrazený výsledek vypovídá o realitě správně, nebo alespoň přibližně správně. Toto může být zjištěno, pokud je to ovšem možné, návštěvou vyznačených míst s maximálními hodnotami, popřípadě porovnáním s informacemi o skutečném stavu jednotlivých lokalit. Dosažený výsledek mnohokrát nemusí odpovídat původnímu cíli, kvůli kterému byla analýza prováděná. Na druhou stranu může uživateli poskytovat celou řadu dalších zajímavých zjištění (VARS BRNO, 2006). 3.2.5 Modely ideálního a skutečného stavu Výše uvedený postup popisuje, jakým způsobem je možné postupovat při vytváření modelu, který se soustředí na odvozování nejvhodnějších míst pro výskyt konkrétních taxonů. V tomto modelu záměrně nebyly žádným způsobem zmiňovány vlivy stresorů. Tento typ modelu svým způsobem odráží ideální stav všech lokalit, jaký by se v nich měl nacházet, pokud by byly všechny negativní vlivy na životní prostředí potlačeny. Správnost modelu pro konkrétní taxon je možné odvodit z míst referenčních lokalit, ve kterých by se zastoupení taxonů modelovaného a skutečného stavu mělo shodovat (VARS BRNO, 2006). Stejný nebo přibližně podobný postup je možné použít pro vytvoření modelu, který přímo zobrazuje skutečný stav a zjištěné zastoupení populace taxonů. Pro takovýto model by bylo zřejmě použito v hojné míře interpolačních metod, které by vycházely z dat odběrných vzorků (VARS BRNO, 2006). Směrodatných výsledků pro vyhodnocování životního prostředí by potom mohlo být dosaženo jejich jednoduchým porovnáním. Takovéto porovnání musí vycházet z předpokladu, že jsou oba modely nastaveny ve stejných jednotkách. Model pro hodnocení vhodných míst pro populaci živočicha obecného oznámkoval každou lokaci pomocí bodů v rozmezí od 0 do 10. Stejný způsob klasifikace by musel tedy 25

být použit i u výstupu modelu skutečného stavu. Poměr ideálního a skutečného stavu by následně odlišoval místa, ve kterých dochází k významným rozporům mezi oběma modely. Jeho využitelnost by mohla složit jako vodítko k odhalení skrytých stresorů (VARS BRNO, 2006).

26

4

Model pravděpodobného výskytu ledňáčka říčního

4.1 Charakteristika ledňáčka říčního Ledňáčka říčního (Alcedo atthis) mnoho lidí pokládá za našeho nejkrásnějšího ptáka. Ledňáček je velice poutavý obzvláště svým zbarvením, které uchvátí každého. Ornitology byl zvolen ptákem roku 2000. Pro Ledňáčka říčního je typické zbarvení. Záda, vnější část křídel a hlavičku má modrozelenou, hruď je zbarvena oranžově. Velikost ledňáčka se pohybuje kolem 15 – 17 cm, rozpětí křídel je 25 cm a jeho hmotnost je přibližně kolem 40 gramů. Ledňáčci jsou vázáni na klidné, široké a pomalu tekoucí čisté vody, zejména pak na místa chráněná před větrem, kde se netvoří vlny. Méně často je pak zastihneme u stojatých vod. Ledňáček musí žít u zdravých toků bohatých na ryby, protože denně spořádá ohromné množství malých rybek. Ledňáček nejčastěji loví drobné rybky, jako jsou střevle nebo hrouzci, dále korýše, žáby a vodní živočichy, případně i některý suchozemský hmyz. Ptáci k lovu upřednostňují místa, kde nad vodu zasahují větve stromů, na nichž lze sedět, a kde je voda tak průzračná, že kořist je dobře viditelná. Jakmile si vyhlédne svou oběť, vrhá se s křídly přitisknutými k tělu téměř kolmo do vody. Pevně sevře rybku do zobáku, pomocí úderů křídel se vynoří na hladinu a odlétá zpět na svou pozorovatelnu, kde kořist usmrtí údery o větev nebo o kůl, na nichž sedí. Ryby polyká hlavou napřed, aby mu jejich ploutve a šupiny neodřelo hrdlo. K nasycení potřebuje alespoň deset menších rybek. Ledňáček hnízdí v norách, které si vyhrabává zobákem ve strmých březích vod. (iReferaty, 2006) Ledňáček říční hnízdí ve vhodném prostředí roztroušeně po celém území České republiky. Vzácnější je v severozápadních Čechách, s výjimkou Šumavy se vyhýbá horským oblastem (Natura 2000, 2006).

4.2 Definice dílčích omezujících podmínek Při modelování pravděpodobného výskytu ledňáčka říčního jsem použil metodiku modelování výskytu fiktivního taxonu živočicha obecného, která je podrobně popsána výše. Pro správné naformulování modelu, jsem nejprve musel definovat dílčí charakteristiky ovlivňující výskyt ledňáčka říčního. Na základě dostupných informací o příhodných podmínkách pro výskyt ledňáčka říčního jsem jednotlivé dílčí charakteristiky výskytu stanovil takto: •

Ledňáček se vyskytuje převážně v níže položených oblastech a nížinatých oblastech, naopak se vyhýbá horským oblastem

27

•

Vyhledává klidné, pomalu tekoucí vody, slepá ramena řek

•

Živí se drobnými vodními živočichy

•

Vyhledává zalesněna území s relativně čistou vodu

•

Upřednostňuje teplá místa, s vysokými písčitými nebo hlinitými břehy

•

Je poměrně plachý, a proto se vyhýbá osídleným oblastem

4.2.1 Nadmořská výška Jak již bylo řečeno, ledňáček vyhledává níže položené oblasti, tj. pásma vegetačního stupně nížin (do 200 m n. m.) a pahorkatin (200 – 500 m n. m.). Zde se nalézá většina populace ledňáčka. Občas zavítá i do oblastí podhorského vegetačního pásma (500 – 800 m n. m.). Oblastem horského vegetačního stupně se až na výjimky vyhýbá (nad 800 m n. m.). Proto jsem místům s nejpříhodnější nadmořskou výškou (tj. nížiny) přidělil hodnotou 10. Naopak horským oblastem jsem přidělil hodnotu nejnižší, tedy 0. Vliv nadmořské výšky jsem získal reklasifikací dat o výškovém profilu krajiny. Reklasifikací dat se rozumí, že hodnoty některých buněk budou podle určitého pravidla přepsány jinou hodnotou. Aby byl výstupní rastr dostatečně jemný, rozdělil jsem původní data do 100 kategorií (viz příloha A, obrázek 9). Ty jsem pak ohodnotil hodnotami z intervalu 0 – 10 podle výše zmíněného klíče (viz příloha A, obrázek 10). Výsledný vliv nadmořské výšky má pak následující podobu (viz obrázek 1). 4.2.2 Klidná a pomalu tekoucí voda Pro výskyt ledňáčka jsou nejpříhodnější klidné a mírně tekoucí vodní toky, patří sem také slepá ramena řek, pískovny, aj. Lze tedy předpokládat, že rychlost říčního toku bude závislá na sklonu terénu. Faktory ovlivňující rychlost říčního toku, jako jsou přehrady a jiné umělé zásahy do říčního koryta, budou pro jednoduchost zanedbány. Pak lze údaje o sklonu toku snadno odvodit z výškového profilu krajiny. Vhodnou reklasifikací údajů o sklonu terénu jsem získal výsledný vliv rychlosti říčního toku. Opět je nutné, aby tato veličina byla ohodnocena ve stupnici od 0 do 10. Místům s nízkou svažitostí jsem přidělil nejlepší hodnotu, tedy 10. Naopak svažitým místům jsem přidělil hodnotu 0 (viz obrázek 2).

28

Obrázek 1: Vliv nadmořské výšky na výskyt ledňáčka říčního

Obrázek 2: Vliv svažitosti na rychlost říčního toku

29

4.2.3 Zdroje potravy Zdrojem potravy ledňáčka říčního jsou převážně drobné rybky, jako jsou střevle nebo hrouzci, dále také korýši, žáby a jiní vodní živočichové. Jelikož má velký energetický výdej, spotřebuje denně velké množství potravy. Proto se ledňáček objevuje v blízkosti těchto zdrojů potravy. Tito živočichové spadají do oblastí pstruhového pásma. Toky pstruhového pásma jsem pro potřeby modelu ledňáčka říčního odvodil podobně jako v případě živočicha obecného. Tedy ze závislosti mezi průtokem řeky a plochou, kterou daná řeka splavuje. Předpokládejme proto, že toky pstruhového pásma splavují plochu krajiny od 40 km2 do 400 km2. Opět jsem data rozložil na stupnici 0 – 10 (viz obrázek 3).

Obrázek 3: Toky pstruhového pásma - zdroje potravy ledňáčka říčního

4.2.4 Vliv pH vodních toků Ledňáček vyhledává místa, kde nad vodu zasahují větve stromů, na nichž lze sedět a pozorovat kořist. Obecně lze tedy říci že ledňáček vyhledává zalesněná území. Při zohlednění faktoru lesních porostů jsem vycházel z předpokladu, že místa s lesním porostem vykazují větší kyselost pH. Lze tedy předpokládat, že zalesněná území vodních toků jsou indikována kyselým pH (viz obrázek 4). Hodnotu pH jsem odvodil stejným způsobem jako v případě živočicha obecného. Jednotlivé kategorie užití krajiny vrstvy landuse jsem ohodnotil podle toho, jaký mezní přírůstek/úbytek k hodnotě pH by se u nich dal očekávat. Jehličnatým le-

30

sům jsem přiřadil hodnotu -1, zemědělsky obdělávané půdě +1, pH neutrální kategorie landuse budou mít přiřazeno 0. Jako váhu jsem pak použil hustotu říční sítě.

Obrázek 4: Vliv pH na výskyt ledňáčka říčního

4.2.5 Slunečná místa Ledňáček vyhledává teplejší oblasti ČR. Hnízdí v hlinitých nebo písčitých norách, které si vyhrabává ve strmých březích vod. Lze předpokládat, že místa vystavená slunečnímu působení jsou více náchylná k erozi půdy a je tedy pro ledňáčka snazší vybudovat si v takovýchto místech noru. Lze tedy předpokládat, že ledňáček se vyskytuje častěji v oblastech orientovaných na jih. Tento fakt je možné získat z údajů o svažitosti terénu. Údaje o svažitosti, jsem získal z dat o výškovém profilu krajiny. Pro odvození výškového profilu krajiny jsem nastavil průměrnou denní výšku slunce nad obzorem odpovídající jarní rovnodennosti a azimut svitu jižního slunce (viz obrázek 5). 4.2.6 Plachost Ledňáček je velmi plachý a proto se jeho výskyt nedá předpokládat v blízkosti hustě osídlených oblastí. Pro nalezení, resp. vyloučení takovýchto míst je nutné zohlednit vzdálenost od lidských obydlí a hustotu osídlení obyvatelstva. Hustě osídlené oblasti jsem ohodnotil hodnotou 10 naopak řídce osídlené oblasti hodnotou 0 (viz obrázek 6).

31

Obrázek 5: Vliv jižních svahů na výskyt ledňáčka

Obrázek 6: Ukazatel plachosti reprezentovaný hustotou osídlení

32

4.3 Analýza dílčích omezujících podmínek Po namodelování dílčích omezujících podmínek, jsem jednotlivé faktory ohodnotil váhami. Jednotlivé váhy vyjadřují míru vlivu omezujících podmínek na výskyt ledňáčka říčního. Jelikož všechny dílčí veličiny mají stanoveny definiční obor od 0 do 10, bude vhodné, aby suma všech vah byla rovna 1. Pro nalezení míst nejpravděpodobnějšího výskytu ledňáčka říčního jsem stanovil váhy následovně (viz tabulka 2). Tabulka 2: Váhy významnosti jednotlivých prostředí

Charakteristika prostředí

Váha významnosti

1

Nadmořská výška

0,10

2

Rychlost říčních toků

0,15

3

Pstruhové pásmo

0,30

4

pH vodních toků

0,20

5

Slunečná místa

0,15

6

Plachost

0,10

Výsledný model jsem získal jako váženou sumu všech kalkulovaných mapových vrstev (viz příloha A, obrázek 8), jehož definiční obor bude rovněž od 0 do 10. Ve výsledném modelu jsou pak nejpravděpodobnější místa výskytu indikována červenou barvou (oblasti říčních toků), naopak místa s nejméně předpokládaným výskytem jsou znázorněna barvou modrou (horské oblasti). Pro lepší představu o výškovém profilu krajiny jsem výsledný model překryl vrstvou stínů nastavenou na 75% průhlednost.

4.4

Vyhodnocení modelu

Takto sestavený model je modelem ideálního výskytu ledňáčka říčního, který je nyní nutné porovnat se skutečným stavem a posoudit jeho věrohodnost. Při porovnání se skutečným stavem jsem vycházel z dostupných informací o výskytu ledňáčka říčního. Ledňáček hnízdí roztroušeně po celém území České republiky. úplný seznam lokalit, kde se ledňáček vyskytuje, uvádím v přiložené tabulce (příloha B, tabulka 3). Porovnáním se skutečným stavem (viz příloha A, obrázek 12) jsem zjistil dvě oblasti ve kterých se model výrazněji odlišuje od reality. První z nich je oblast Šumavy, kde by se ledňáček podle ideálního modelu neměl vůbec vyskytovat, ale ve skutečnosti je zde jeho populace zastoupena, přestože se ledňáček horským oblas-

33

tem vyhýbá. Tuto odchylku přičítám specifickému klimatu Šumavy. Druhý rozchod ideálního a reálného stavu jsem zaznamenal v oblasti podkrušnohoří, kde by měly být ideální podmínky pro výskyt ledňáčka, ale ve skutečnosti se zde ledňáček nevyskytuje. Tuto neshodu přičítám zničenému životnímu prostředí, v důsledku povrchové těžby uhlí a velkému množství tepelných elektráren, které znečišťují životní prostředí. Zjištění přesných příčin rozchodu ideálního modelu a reality by mělo být předmětem dalšího zkoumání, které však již není předmět mé práce. Tedy až na tyto dvě oblasti lze konstatovat, že model vypovídá o realitě.

34

5

Závěr

Cílem mé práce bylo popsat metodiku modelování výskytu živočišných druhů prostředky GIT. Tuto metodiku aplikovat na vhodně zvolený živočišný druh. Já jsem si pro tyto účely vybral ledňáčka říčního, který je považován za bioindikátor čistoty vody. Dalším dílčím cílem bylo ověřit reálnost sestaveného modelu porovnáním se skutečností. Následně ze zjištěných poznatků vyvodit konkrétní závěry, týkající se přesnosti modelu, resp. odlišnosti modelu od reality. Při tvorbě této práce jsem načerpal mnoho nových zkušeností a poznatků nejen teoretického, ale i praktického charakteru. Podrobněji jsem se seznámil se softwarovými produkty firmy ESRI, která je špičkou v oblasti vývoje softwaru se zaměřením na GIT. Bakalářská práce mi pomohla ucelit a uspořádat mé dosavadní znalosti v oblasti GIT.

35

6

Literatura

ARCDATA PRAHA [online]. Webové stránky. poslední revize 21. 5. 2007. [cit. 22. května 2007]. Dostupné z internetu: Institut geoinformatiky [online]. Webové stránky. Poslední revize 23. 04. 2007. [cit. 25. dubna 2007]. Dostupné z internetu: Kol. autorů. Analytická studie možnosti využití geodatabáze a dalších GIS technologií v podmínkách hodnocení a modelování ekologického stavu vod. Brno: VARS BRNO, a. s., 2006. Kol. autorů. Kartografie a Geoinformatika [online]. [cit. 25. dubna 2007]. Dostupné z internetu: Ledňáček říční [online]. Webové stránky. [cit. 12. května 2007]. Dostupné z internetu: MACHALOVÁ, J. Geografické IT pro podporu rozhodování, 1. Brno: Konvoj, 2004. ISBN 80-7302-069-6. 2. MOLNÁR, Z. Úvod do základů vědecké práce [online]. [cit. 13. května 2007]. Dostupné z internetu: NATURA 2000 [online]. Webové stránky. [cit. 12. května 2007]. Dostupné z internetu: RAPANT, P. Úvod do geografických informačních systémů [online]. Ostrava: VŠB – Technická univerzita Ostrava, 2002. [cit. 15. května 2007]. Dostupné z internetu: TOMLIN, C. D. Geographic Information System and Cartographic Modelling. New Jersey: Prentice Hall, 1990. TUČEK, J. GIS principy a praxe. Brno: Computer Press, 1998. ISBN 80-7226-091-X.

36

7

Přílohy

A

Obrázky

Obrázek 7: Model výskytu fiktivního taxonu živočicha obecného (zdroj: VARS BRNO)

Obrázek 8: Spatial analyst – kalkulace rastrů

37

Obrázek 9: Spatial Analyst – nastavení intervalů

Obrázek 10: Spatial Analyst – přidělení nových hodnot

38

39

Obrázek 11: Model pravděpodobného výskytu ledňáčka říčního

40

Obrázek 12: Porovnáni se skutečností

B

Tabulky Tabulka 3: Lokality kde se ledňáček vyskytuje (zdroj: NATURA 2000)

kód lokality

lokalita

CZ0211001

Křivoklátsko

CZ0311033

Třeboňsko

CZ0621027

Soutok - Tvrdonicko

CZ0711018

Litovelské Pomoraví

CZ0811020

Poodří

CZ0811021

Heřmanský stav - Odra - Poolzí

CZ0211010

Rožďalovické rybníky

CZ0211011

Žehuňský rybník a Žehuňská obora

CZ0311034

Údolí Otavy a Vltavy

CZ0311041

Šumava

CZ0411002

Doupovské hory

CZ0421003

Vodní nádrž Nechranice

CZ0421006

Labské pískovce

CZ0511007

Českolipsko - Dokeské pískovce a mokřady

CZ0521009

Krkonoše

CZ0521015

Orlické Záhoří

CZ0621025

Bzenecká Doubrava - Strážnické Pomoraví

CZ0621028

Lednické rybníky

CZ0621029

Pálava

CZ0621030

Střední nádrž Vodního Díla Nové Mlýny

CZ0621031

Jaroslavické rybníky

CZ0621032

Podyjí

CZ0721023

Horní Vsacko

CZ0721024

Hostýnské vrchy

CZ0811022

Beskydy

41