ovitek 05-06.qxd 6.2.2009 9:11 Page 1 GEOGRAFSKI INFORMACIJSKI SISTEMI V SLOVENIJI 2005–2006 DRAGO PERKO JANEZ NARED MARJAN ^EH DAVID HLADNIK VENIJI 2005–2006 MARKO KREVS TOMA@ PODOBNIKAR RADO[ [UMRADA V SLO CIJSKI SISTEMI ISBN 961-6568-55-8 GEOGRAFSKI INFORMA € /20 SIT 4.793 9 6 1 6 9 8 7 5 5 5 8 6 5 1 2 GEOGRAFSKI INFORMACIJSKI SISTEMI V SLOVENIJI 2005–2006 4 GEOGRAFSKI INFORMACIJSKI SISTEMI V SLOVENIJI 2005–2006 Uredili: Drago Perko Janez Nared Marjan ^eh David Hladnik Marko Krevs Tomà Podobnikar Rado{ [umrada Ljubljana 2006 GEOGRAFSKI INFORMACIJSKI SISTEMI V SLOVENIJI 2005–2006 Drago Perko, Janez Nared, Marjan ^eh, David Hladnik, Marko Krevs, Tomà Podobnikar, Rado{ [umrada © Geografski in{titut Antona Melika ter In{titut za antropolo{ke in prostorske {tudije ZRC SAZU, 2006 Uredniki: Drago Perko, Janez Nared, Marjan ^eh, David Hladnik, Marko Krevs, Tomà Podobnikar, Rado{ [umrada Recenzenta: Matej Gabrovec, Marjan Ravbar Izdajatelja: Geografski in{titut Antona Melika ter In{titut za antropolo{ke in prostorske {tudije ZRC SAZU Za izdajatelja: Drago Perko, Ivan [prajc Soizdajatelja: Zveza geografskih dru{tev Slovenije in Zveza geodetov Slovenije Za soizdajatelja: Mitja Bricelj, Jurij Reèk Zalònik: Zalòba ZRC Za zalònika: Oto Luthar Glavni urednik zalòbe: Vojislav Likar Ra~unalni{ki prelom: SYNCOMP d. o. o., Ljubljana Tisk: Tiskarna Ljubljana d. d., Ivan~na Gorica Naslovnica: Slika na naslovnici, ki prikazuje spreminanje koncentracije ozona, je vzeta iz poglavja Asimilacija podatkov kot metoda v GIS. Avtor poglavja je Klemen Zak{ek. Izid publikacije je podprla Javna agencija za raziskovalno dejavnost Republike Slovenije. CIP – Katalòni zapis o publikaciji Narodna in univerzitetna knjìnica, Ljubljana 659.2:004:91 GEOGRAFSKI informacijski sistemi v Sloveniji 2005–2006 / uredili Drago Perko … [et al.]. – Ljubljana : Zalòba ZRC, 2006 ISBN 961-6568-55-8 1. Perko, Drago, 1961– 228103168 VSEBINA Uvodnik ........................................................................................................................................................................................................ 9 Klemen Zak{ek Asimilacija podatkov kot metoda v GIS .................................................................................................................. 13 @iga Kokalj, Kri{tof O{tir, Ale{ Marseti~ Izdelava ortopodob iz satelitskih posnetkov .......................................................................................................... 23 Tomà Podobnikar, Jurij Mlinar Integriranje podatkov reliefa Slovenije ...................................................................................................................... 33 Mauro Hrvatin, Drago Perko Hipsografska analiza pore~ij z digitalnim modelom vi{in ............................................................................ 43 Natalija [peh Geoinformacijska orodja in obdelava podatkov bioindikatorskih metod .......................................... 53 Mojca Dolinar Prostorska porazdelitev trajanja son~nega obsevanja ...................................................................................... 61 Marko Komac Potencialno plazovita obmo~ja v Sloveniji in izpostavljenost ~lovekovega okolja ........................ 73 Mateja Breg, Jerneja Fridl, Ale{ Smrekar Geoinformacijska podpora pri dolo~anju prednostne sanacije neurejenih odlagali{~ ................ 83 Peter Frantar, Mojca Dolinar Geoinformacijska podpora vodni bilanci pore~ja Savinje v obdobju 1971–2000 .......................... 95 Mitja Janà Analiza odvisnosti indeksa baznega toka od lastnosti povodja .............................................................. 103 Damijan Bec, Tomà Podobnikar Spreminjanje struge reke Save na Ljubljanskem polju .................................................................................. 113 Leon Gosar, Ga{per Rak, Franc Steinman Analiza hidravli~nih lastnosti vodotokov z uporabo GIS orodja .......................................................... 123 Peter Frantar, Irena Rejec Brancelj, Jure Jerov{ek Analiza vodomernih postaj ARSO z vidika referen~nih razmer pore~ja .......................................... 133 Blà Barbori~, Dalibor Radovan Batimetri~ni model slovenskega morja .................................................................................................................. 141 Matija Klanj{~ek, Igor Karni~nik, Dalibor Radovan Vloga navti~nega vodnika slovenskega morja in pomorskih publikacij za priobalni GIS ...... 151 Mojca Golobi~ Kartiranje normativnega znanja: spoznavni zemljevidi in GIS .............................................................. 159 Ale{ Mlakar Analiza ranljivosti prostora kot izhodi{~e izvedbe celovite presoje vplivov na okolje .............. 169 Breda Miheli~, Igor Bizjak Geografski informacijski sistem kot orodje za dolo~anje prioritetnih obmo~ij prenove mest .......................................................................................................................... 177 Janez Nared Uporaba geografskih informacijskih sistemov pri spremljanju in vrednotenju investicij s podro~ja regionalnega razvoja na primeru spodbujanja razvoja turisti~nih destinacij ................................................................................ 189 Benjamin [tular Analiza gospodarskega zaledja v arheologiji krajin ........................................................................................ 199 Sa{o Poglajen Iskanje rimske cestne mreè v severozahodni Istri .......................................................................................... 211 7 Vsebina Kri{tof O{tir Uporaba daljinskega zaznavanja za odkrivanje majevskih arheolo{kih najdi{~ ............................ 223 Joìca [kofic Uporaba GIS v dialektologiji ........................................................................................................................................ 233 Matej Knapi~, Tomà Seli{kar, Stanislav Gomboc, Vlasta Knapi~ GIS na podro~ju varstva rastlin pred {kodljivimi organizmi .................................................................... 243 Primò Pajk, Vlasta Knapi~, Stanislav Gomboc, Matej Knapi~, Tomà Seli{kar Uporaba GIS-a pri razmejevanju {kodljivih organizmov na primeru hru{evega oìga .......... 253 Maja Zagmajster, Boris Sket, Tomà Podobnikar Izbira mreè za prostorsko analizo podzemeljske biodiverzitete ............................................................ 261 Dejan Paliska, Da{a Fabjan, Samo Drobne Ve~stopenjski model dolo~anja uniformnih storitvenih obmo~ij avtobusnih postajali{~ ...... 271 Igor Kuzma, Danijela [abi} Mònosti analize in prikazovanja statisti~nih podatkov v hierarhi~ni mreì ................................ 279 Matej Petkov{ek, Mojca Tomaì~, Damjan Vr~ek Uporaba GIS-a pri conaciji obmo~ij Natura 2000 .......................................................................................... 287 Tomislav Iskra Integrirana uporaba globalnega sistema pozicioniranja in digitalnih radijskih zvez v Slovenski policiji .................................................................................................. 293 Matic Petek, Ale{ Ver{i~ Spletne storitve Agencije Republike Slovenije za okolje s pomo~jo geografskih informacijskih sistemov .............................................................................................. 299 Dragan Vitas, Mark Ple{ko, Andrej Maleì~, Mitja [lenc, Miha Kadunc Spletna storitev za upravljanje in urejanje prostorskih GIS podatkov ................................................ 309 Tomà Petek Infrastruktura za prostorske informacije v Evropski Skupnosti (INSPIRE) .................................. 319 8 GIS v Sloveniji 2005–2006, 9–11, Ljubljana 2006 UVODNIK Leta 1991 smo si zastavili nalogo, da bomo bienalno predstavljali znanstvene, strokovne in pedago{ke dosèke in usmeritve na podro~ju razvoja in uporabe geografskih informacijskih sistemov v Sloveniji. Pred vami je osma knjiga, s katero èlimo izpolniti zastavljeno nalogo, tokrat za dveletno obdobje 2005–2006. Vsebuje 33 prispevkov, ki jih je uredni{ki odbor izbral izmed poslanih na razpis. Izmed njih je bilo izbranih 8 posebej zanimivih za predstavitev na simpoziju z enakim naslovom, kot ga nosi ta knjiga. Od za~etka na{ega delovanja vabimo k sodelovanju vse, ki pri svojem delu uporabljate geografske informacijske sisteme – ne glede na stroko ali podro~je dela. Zato nas ob pregledovanju vseh dosedanjih knjig ne presene~a izjemna vsebinska raznovrstnost prispevkov. Skupaj z leto{njimi je bilo doslej objavljenih 219 prispevkov. Oglejmo si preprosto analizo spreminjanja njihove strukture s treh vidikov: • razmerja med »teoreti~nimi« in »aplikativnimi« prispevki, • razmerja med »znanstvenimi« in »preglednimi« prispevki ter • razmerji med prispevki z razli~nih geoinformacijskih podro~ij. Ker je {tevilne prispevke mogo~e uvrstiti v ve~ kategorij, je obravnava strukture prispevkov le priblìna – a vendarle kaè nekatere opaznej{e poteze njenega spreminjanja v obravnavanem obdobju. Razmerje med »teoreti~nimi« in »aplikativnimi« prispevki (slika 1) je bilo ve~inoma uravnoteèno, razen v sedanji knjigi, v kateri beleìmo izrazitej{o prevlado »aplikativnih« prispevkov. V obravnavanem obdobju se je na splo{no pove~evala prevlada »znanstvenih« prispevkov v primerjavi s »preglednimi« (slika 2). Po posameznih geoinformacijskih podro~jih beleìmo izrazita nihanja v {tevilu prispevkov (slika 3). V vseh knjigah so prevladovali ~lanki, ki so obravnavali prostorske podatke v naj{ir{em smislu, ali geoinformacijske (prostorske, prostorsko-~asovne) analize oziroma modeliranje. Izrazitej{e zanimanje za 25 20 v vko 15 ispe 10 evilo prŠt 5 0 1991–1992 1993–1994 1995 1996 – 1997 1998 – 1999–2000 2001–2002 2003–2004 2005 2006 – Obdobje teoreti~ni aplikativni Slika 1: Spreminjanje razmerja med »teoreti~nimi« in »aplikativnimi« prispevki. 9 Drago Perko, Janez Nared, Marjan ^eh, David Hladnik, Marko Krevs, Tomà Podobnikar, Rado{ [umrada 35 30 25 20 15 10 5 0 1991–1992 1993–1994 1995–1996 1997–1998 1999–2000 2001 2 – 002 2003 2 – 004 2005 2 – 006 Obdobje znanstveni pregledni Slika 2: Spreminjanje razmerja med »znanstvenimi« in »preglednimi« prispevki. 16 14 12 v vko 10 ispe 8 6 evilo prŠt 4 2 0 1991–1992 1993–1994 1995–1996 1997–1998 1999–2000 2001–2002 2003–2004 2005–2006 Obdobje prostorski podatki in GI projekti prostorske in prostorsko-~asovne analize, modeliranje, simulacije prostorska vizualizacija, kartografija daljinsko zaznavanje, naravni viri, vplivi na okolje prostorsko planiranje, aplikacije GISov, navigacija, lokacijske storitve vrednotenje nepremi~nin GIS in e-upravljanje, e-poslovanje izobraèvanje Slika 3: Spreminjanje razmerja med prispevki glede na obravnavano podro~je geoinformatike. 10 Uvodnik aplikacije geografskih informacijskih sistemov, navigacijske sisteme in lokacijske storitve beleìmo zlasti v obdobjih 1991–1992 ter 1999–2000, za prostorsko vizualizacijo v obdobju 1997–1998 in 2003–2004, za daljinsko zaznavanje, upravljanje z naravnimi viri, analize vplivov na okolje na primer v obdobju 2003–2004. Geografski informacijski sistemi so torej tudi v Sloveniji postali res izjemno raz{irjeno orodje. Kljub zadovoljstvu s tem dejstvom è ve~ let ugotavljamo tudi nekatere pomanjkljivosti slovenske geoinformatike, ki bi jih èleli v prihodnje odpraviti ali vsaj zmanj{ati. Raba GIS-ov v Sloveniji ostaja v veliki meri zaprta o okvire posameznih strok ali ustanov in je torej {e malo izkori{~ena mònost ugodnih u~inkov medsebojnega sodelovanja med strokami in med ustanovami. Objavljanju prispevkov iz razli~- nih strok ter na dve leti sre~evanju strokovnjakov, znanstvenikov in pedagogov s podro~ja geoinformatike bi bilo morda smiselno dodati (spletno) okolje, ki bi omogo~alo pogostej{e (vsaj virtualno) sre~evanje, obve{~anje in razpravljanje. Na drugi strani le izjemoma zasledimo izvirne znanstvene ali aplikativne prispevke na òjem podro~- ju geografskih informacijskih sistemov oziroma geografske informacijske znanosti. Prevladujejo namre~ predstavitve uporabe è obstoje~ih metod in tehnolo{kih re{itev na razli~nih strokovnih podro~- jih. Tak{nih prispevkov si zaradi ve~disciplinarnosti rabe geografskih informacijskih sistemov sicer {e vedno èlimo, a kot podlago za uspe{nej{e uveljavljanje slovenske geoinformatike v Sloveniji in na svetovnem prizori{~u in trì{~u si bo uredni{ki odbor v prihodnje prizadeval pove~evati delè tudi v òjem geoinformacijskem smislu inovativnih prispevkov. Drago Perko Janez Nared Marjan ^eh David Hladnik Marko Krevs Tomà Podobnikar Rado{ [umrada 11 12 GIS v Sloveniji 2005–2006, 13–21, Ljubljana 2006 ASIMILACIJA PODATKOV KOT METODA V GIS Klemen Zak{ek In{titut za antropolo{ke in prostorske {tudije ZRC SAZU Novi trg 2, 1000 Ljubljana klemen.zaksek@ zrc-sazu.si UDK: 659.2:004:91 IZVLE^EK Asimilacija podatkov kot metoda v GIS Pri modeliranju dinami~nih procesov imamo pogosto na voljo premalo podatkov, da bi zanesljivo dolo~i-li vrednost izbrane spremenljivke na poljubni to~ki v izbranem ~asu. Ker so pri dinami~nih procesih podatki zajeti v razli~nih trenutkih, so rezultati, pridobljeni s klasi~nimi interpolacijskimi metodami, nezaneslji-vi. Asimilacija podatkov pa omogo~a izdelavo zveznega sloja izbrane spremenljivke za izbran trenutek na podlagi matemati~nega modela tudi, ~e so bili podatki zajeti v razli~nih trenutkih. Gre za prostorsko ~asovno analizo, ki poi{~e tisti model, ki se optimalno ujema z danimi podatki. V okviru tega ~lanka je prikazana zmogljivost te metode za modeliranje dinami~nih procesov v GIS na primeru uporabe asimilacije podatkov na razli~nih podro~jih. KLJU^NE BESEDE asimilacija podatkov, model, dinami~ni procesi, prostorsko ~asovne analize ABSTRACT Data assimilation as GIS method The dynamical process modelling is often affected by the lack of appropriate data, thus the value of the selected variable in the chosen location and time is uncertain. Data acquisition moment is usually not the same for the whole available dataset in the case of the dynamical processes, thus results generated with the classical interpolation methods are unreliable. The data assimilation enables the generation of the continuous layer of the chosen variable in the chosen time by a mathematical model, even if the input data were acquired in different moments. It is the spatial-temporal analysis that searches for the model that optimally fits the available data. Within the article, the method ability of an effective modelling of dynamical processes in GIS is shown with some examples from different applications. KEYWORDS data assimilation, model, dynamical processes, spatial-temporal analyses 13 Klemen Zak{ek 1 Uvod V svojih za~etkih so se geografski informacijski sistemi (GIS) izkazali kot primerno orodje za avtomatsko kartiranje in shranjevanje geokodiranih podatkov. S~asoma je bilo razvitih in vklju~enih v programsko opremo tudi vse ve~ prostorskih analiz, ki jih lahko mnoì~no uporabljamo na razli~- nih podro~jih. S spletom, prenosno tehnologijo GIS in globalnim navigacijskim sistemom je tako GIS nekajkrat pove~al {tevilo naklju~nih uporabnikov, katere npr. zanima, katera turisti~na znamenitost se nahaja ob njihovi poti, kje je najblìja banka itd. Na drugi strani imamo raziskovalci, ki GIS s pridom uporabljamo v svoji stroki, visoke zahteve od prostorskih analiz, saj GIS uporabljamo za pridobivanje novih informacij. Velikokrat nas zanima prostorska porazdelitev spremenljivke, ki jo lahko v primeru, da ne poznamo vrednosti spremenljivke na izbrani legi, ocenimo na tri na~ine (Kanevski in Maignan 2004): • z deterministi~no interpolacijo (npr. interpolacija v smeri najve~jega naklona), • z geostatisti~nimi metodami (kriging), • z modelom, ki opisuje proces (npr. navidezno gibanje Sonca za dolo~itev obseva). Prvi dve metodi z zgornjega seznama sta uporabni le za modeliranje stati~nih objektov oziroma tistih procesov, za katere lahko re~emo, da so dovolj po~asni (npr. tudi relief se spreminja, a so spremembe na~eloma tako po~asne, da lahko predvidimo, da bo danes izdelan digitalni model reliefa primerna predstavitev reliefa tudi ~ez ve~ let). Modeliranje dinami~nih procesov je velikokrat re{eno z regresijsko analizo (Kanevski in Maignan 2004). Ko postane proces preve~ zapleten, pa regresija in podobne metode, ki v ve~ini slonijo na stohasti~nih predpostavkah (npr. metoda Monte Carlo), odpovejo. S takimi teàvami so se prvi sre- ~ali meteorologi, ki kljub vsem sistemom zbiranja podatkov o atmosferi {e danes nimajo dovolj informacij za to~no napoved vremena (Ghil 2000). V ta namen so za bolj{o vremensko napoved razvili ve~ modelov, ki pa lahko ob neustreznem obravnavanju podatkov podajo popolnoma napa~ne rezultate (Kalnay 2004). Klasi~ne interpolacijske metode (deterministi~ne in geostaisti~ne) niso primerne za dolo~itev zveznega sloja spremenljivk, ki so ne samo krajevno, ampak tudi ~asovno odvisne. Ker se moramo v praksi vse preve~krat soo~ati z omejenimi sredstvi, je opazovanj na~eloma vedno premalo, zato potrebujemo model, ki pojasnjuje ~asovno odvisnost izbranih spremenljivk. Pri zapletenih procesih so v uporabi numeri~ni modeli, ki za pravilno delovanje potrebujejo kvalitetne za~etne in robne pogoje, te pa nam lahko zagotovi asimilacija podatkov (Ghil 2000). Asimilacija podatkov je torej prostorsko ~asovna analiza, ki model optimalno priredi vhodnim podatkom. Glede na »uspeh« te metode v meteorologiji bo v tem ~lanku predstavljena mònost njene uporabe znotraj orodij GIS. 2 Teoreti~no ozadje Obseg ~lanka ne dovoljuje podrobne predstavitve metode (podrobnej{i podatki so dosegljive v navedeni literaturi in na svetovnem spletu), a si bomo pred nadaljevanjem vseeno ogledali njeno matemati~no osnovo na primeru ~asovno linearno odvisnega modela. V praksi so modeli praviloma nelinearni, parametri modela, podatki in opazovanja vsebujejo napake, a predpostavimo, da delamo s preprostim, idealnim primerom brez {uma. Stanje izbrane spremenljivke v ~asovno linearno odvi-snem modelu med trenutkoma t in t opi{emo z ena~bo 1 (Nichols 2003). k k+1 x = F ⋅ x + G ⋅ u k = 0 N ... −1 (1) k +1 k k x vektor stanja izbrane spremenljivke v ~asu t k k u vektor vhodnih podatkov modela v trenutku t k k F, G sistemski matriki modela dinami~nega procesa 14 Asimilacija podatkov kot metoda v GIS Z (1) predpostavljamo, da lahko ob danih vhodnih podatkih, ki vplivajo na razvoj stanja izbrane spremenljivke, vedno enoli~no dolo~imo vrednost te spremenljivke za poljuben trenutek. V model vklju- ~imo {e opazovane koli~ine, ki so linearno odvisne od stanja v modelu (2). ^e za~etna vrednost x ni 0 dovolj natan~no poznana, je naloga asimilacije uporabiti opazovane koli~ine za dolo~itev stanja spremenljivke v poznej{ih trenutkih. To lahko naredimo na dva na~ina: s prekinjeno ali z neprekinjeno asimilacijo podatkov. y = H ⋅ x k = 0 N ... −1 (2) k k y vektor opazovanih koli~in v ~asu t k k H matrika opazovanj 2.1 Prekinjena asimilacija podatkov Pri prekinjeni asimilaciji podatkov so priblìki za~etnih pogojev izbrani na podlagi izku{enj. Z modelom nato dolo~imo stanje za ~as t , za katerega so na voljo è prva opazovanja. Razliko med opazovanimi k in predvidenimi vrednostmi xb uporabimo za prilagoditev modela. Po prilagoditvi ima stanje mode-k la vrednost xa, ki ga imenujemo tudi stanje analize. Model naslednji~ ustavimo v trenutku, ko imamo k na voljo nova opazovanja, in potem zopet ponovimo celoten postopek. Matemati~no zapi{emo model z ena~bami 3–4 (Nichols 2003). xb = F ⋅ xa + G ⋅ u (3) k +1 k k xa = xb + K ⋅ H 1 1 ( ⋅ xb − y (4) 1 1 ) k + k + k + k + K, matrika prirastka, mora biti izbrana tako, da je zagotovljena konvergenca k pravemu stanju modeliranega procesa. To je vedno mogo~e, kadar imamo na voljo opazovane koli~ine, ki opisujejo razvoj stanja spremenljivke. Sistem ena~b 3–4 lahko preuredimo v ena~bo 5. Ta model ima spremenjene lastnosti glede na izvorni model (1). Njegova stabilnost je odvisna od matrike F + K · H · F, zato matrika prirastka K dolo~a lastnosti stanja analize in s tem celoten potek asimilacije podatkov. Postopek prekinjene asimilacije podatkov je grafi~no prikazan na sliki 1. xa = 1 ( F + K ⋅ H ⋅ F)⋅ xa + G ( + K ⋅ H ⋅ G)⋅ u − K ⋅ y (5) k + k k k +1 2.2 Neprekinjena asimilacija podatkov Neprekinjena asimilacija podatkov uporablja v nasprotju s prekinjeno asimilacijo, ki ob danih opa-zovanjih vedno znova posodobi stanje v modelu, vsa opazovanja znotraj danega ~asovnega okvirja. V tem Slika 1: Potek prekinjene asimilacije podatkov (Walker in Houser 2005); ~rta predstavlja potek modeliranega procesa, ~rne pike z modelom predvidena stanja, bele pike opazovanja in kvadrati stanja analize. 15 Klemen Zak{ek primeru lahko gledamo na ~as kot na ~etrto dimenzijo. Preuredimo torej sistem ena~b 1–2 tako, da so opazovanja funkcija ~asa (6; Nichols 2003). y = H ⋅ x = H ⋅ F ⋅ x + H ⋅ G ⋅ u (6) k k k −1 k −1 Potem lahko zapi{emo tak sistem ena~b tudi za poljuben trenutek t , k = 0, 1, 2 … N – 1 (7). k H ⋅ x = y 0 0 H ⋅ F ⋅ x = y − H ⋅ G ⋅ u 0 1 0 H ⋅ F 2 ⋅ x = y − H ⋅ G ⋅ u − H ⋅ F ⋅ G ⋅ u 0 2 1 0 (7) M N −2 H ⋅ F N −1 ⋅ x = y − j N ∑ H ⋅ F ⋅ G⋅ u 0 1 − N − j −2 j =0 S (7) nastavimo predolo~en sistem linearnih ena~b za neznan za~etni pogoj, ki ga lahko re{imo z metodo najmanj{ih kvadratov (8), kjer V predstavlja koeficiente x in r desno stran ena~b 7. Obi~ajno gre 0 za zelo velik sistem ena~b, ki ga re{imo iterativno. 2 min V ⋅ x − r (8) x 0 0 2 Pri neprekinjeni asimilaciji podatkov torej obravnavamo za~etno stanje izbrane spremenljivke kot parameter, ki mora biti izbran tako, da je napaka med stanjem predvidenim z modelom in opazovanimi koli~inami minimalna znotraj celotnega ~asovnega okvirja. Postopek neprekinjene asimilacije podatkov je grafi~no prikazan na sliki 2. Slika 2: Potek neprekinjene asimilacije podatkov (Walker in Houser 2005); ~rtkane ~rte predstav- ljajo potek modeliranega procesa v ~asu, ko {e nimamo na voljo vseh opazovanj znotraj izbranega ~asovnega okvirja, polna ~rta pa predstavlja kon~ni potek modela. ^rne pike so z modelom predvidena stanja, bele pike opazovanja in kvadrati stanja analize. 3 Uporaba asimilacije podatkov V meteorologiji se za napovedovanje vremena è vrsto let uporabljajo numeri~ni modeli, ki temeljijo na izbranih predpostavkah. Moderni numeri~ni modeli so reda 107 prostostnih stopenj. [tevilo klasi~nih opazovanj pa je reda 104, kar pomeni, da je kakovostna napoved nemogo~a brez uporabe dodatnih informacij (Kalnay 2004). Te so v preteklosti zagotovile izku{nje meteorologov, dandanes pa lahko v ta namen uporabimo podatke daljinskega zaznavanja, s katerim lahko izbrane spremenljivke obi~aj-no ocenimo le posredno (Lorenc 1995). Asimilacija podatkov lahko uspe{no obdela vse podatke in poda ustrezne za~etne pogoje numeri~nemu modelu, na podlagi katerega je nato izdelana zanesljiva napoved vremena. Tudi slovenski meteorologi na ARSO uporabljajo asimilacijo podatkov za napovedovanje vremena, poleg tega pa so dejavni pri njenem razvoju. Gregori~ (2001) se je ukvarjal z asimilacijo radarskih 16 Asimilacija podatkov kot metoda v GIS meritev globoke konvekcije. Pojem globoka konvekcija je v meteorologiji definiran kot proces, v katerem kot konvektivne celice nastopajo konvektivni oblaki, katerih vertikalna razsènost zavzema ve~ji del troposfere. To je mogo~e, kadar je hitrost vzgornika v jedru konvektivnih oblakov primerno velika (presega 1 ms–1). Za objektivno ugotavljanje pojava posameznih konvektivnih oblakov in dolo~anje njihovih razsènosti so uporabljene meritve globoke konvekcije. Kraj in ~as nastanka konvektivnega oblaka ter njegova razsènost so za modeliranje razvoja vremena dragoceni, zato je kljub dosedanjim dosèkom potreben {e nadaljnji razvoj v tej smeri. Tudi na drugih podro~jih preu~evanja atmosfere je asimilacija podatkov è nepogre{ljivo orodje. Zanimive so npr. raziskave koncentracije plinov v atmosferi. Za kakovost zraka je zelo pomembna vsebnost du{ikovega dioksida (NO ), ki nastaja tako pri zgorevanju fosilnih goriv, kot tudi med naravnimi procesi 2 (npr. med udarom strele). Ta plin sodeluje pri nastanku ozona (O ). Je eden od povzro~iteljev kislega 3 dèja in je na splo{no strupen. Zato je smiselno nadzorovanje njegovega deleà v atmosferi, saj lahko na ta na~in odkrijemo vzroke onesnaènja. Zaradi tega nem{ka agencija za zrak in vesolje (DLR; medmrèje 3) beleì in kartira koncentracije NO , za kar potrebuje podatke daljinskega zaznavanja 2 (npr. senzor SCIAMACHY na krovu Envisata), ki jih nato z asimilacijo podatkov primerno interpretira. Slika 3 prikazuje onesnaènost z du{ikovim dioksidom na Daljnem vzhodu, Evropi in Severni Ameriki. Slika 3: Rezultati asimilacije koncentracije du{ikovega dioksida na Daljnem vzhodu (vidna velika onesnaènost na vzhodu Kitajske), v Evropi in v Severni Ameriki v ~asu od decembra 2003 do novembra 2004 (medmrèje 3); z modro barvo so ozna~ene nizke in z rde~o visoke koncentracije. 17 Klemen Zak{ek Slika 4: Meritve senzorja GOME na krovu ERS2 za vsak drugi dan v drugi polovici novembra 2005; te podatke se nato asimilira v globalen model koncentracije ozona (medmrèje 2). V zadnjih letih je predvsem v poletnih mesecih aktualna teàva mo~no ultravijoli~no sevanje. Ozon (O ) je plin, ki je v ve~ji koncentraciji prisoten v mezosferi, njegova pomembna lastnost pa je 3 absorpcija ultravijoli~nega sevanja. Zaradi antropogenih vplivov se koncentracija ozona spreminja, lahko pride celo do tako imenovane ozonske luknje, zato je nadzor njegove koncentracije zelo pomemben. V ta namen na DLR podatke, ki jih zagotavlja daljinsko zaznavanje (npr. GOME na krovu ERS2; slika 4), asimilirajo v model, imenovan ROSE, ki med drugim upo{teva ve~ kot 120 razli~nih kemi~nih reakcij. Tako lahko v vsakem trenutku dokaj natan~no vemo, kolik{na koncentracija ozona je v atmosferi (slika 5). Da pa imajo kaj od tega tudi laiki, lahko uporabijo spletno storitev, kjer glede na tip koè izvejo, koliko ~asa so lahko izpostavljeni Soncu (medmrèje 4; slika 6). Prostorsko ~asovne analize imajo {irok krog uporabnikov, zato je bila asimilacija podatkov uspe{no uporabljena tudi na drugih podro~jih ne glede na svoj meteorolo{ki izvor. Na{tejmo nekaj primerov. Oceanologi so imeli {e pred nekaj deset leti na voljo premalo podatkov, da bi jih bilo sploh smiselno zdruèvati v homogene sloje, a se je stanje mo~no popravilo z razvojem daljinskega zaznavanja. Dan-18 Asimilacija podatkov kot metoda v GIS Januar Februar Marec 2004 450 400 350 300 250 200 150 2005 DU 60 40 20 0 Razlika –20 –40 –60 Slika 5: Koncentracijo ozona lahko z asimilacijo podatkov dolo~imo za izbrano ~asovno obdobje. Da bi bolje razumeli spremembe koncentracije, lahko posamezna obdobja povpre~imo in primerjamo med seboj (medmrèje 3). danes so oceani nadzorovani s senzorji, name{~enimi na satelitih, ki lahko dokaj podrobno podajo lastnosti morske vode (Robinson in ostali 1998). V kombinaciji s klasi~nimi meritvami lahko napovemo vi{ino plime, predvidimo koncentracijo planktona itd. Asimilacija podatkov je bila v zadnjem desetletju uporabljena tudi v hidrologiji (Walker in Houser 2005). Z uporabo enodimenzionalnega Kalmanovega filtra je mogo~e v roku enega meseca dovolj natan~no napovedati vlànost prsti, kar npr. pove~a tudi kakovost ocene evapotranspiracije ali vodnega odtoka. Z asimilacijo podatkov so bile uspe{no ocenjene tudi lastnosti snène odeje. Struktura ali temperatura snega imata namre~ velik vpliv na vodni odtok. Hidrologi se med drugim ukvarjajo {e z erozijo, ki je zaradi nepremi{ljenih posegov v naravo posebej pere~a teàva v slab{e razvitih drà- vah (medmrèje 1). Ker je na teh obmo~jih malo meritev, je asimilacija podatkov v kombinaciji s podatki daljinskega zaznavanja najbolj{a metoda za oceno erozije in njenih posledic. Asimilacija podatkov {e ni standardna metoda v seizmologiji, kljub temu pa gre za metodo, na katero lahko ra~unamo pri napovedovanju potresov (Donnellan in drugi 2004). Numeri~ni model, na katerem temelji sistem napovedovanja procesov, temelji na (predvsem gradbenikom znani) metodi kon~nih elementov. Model uporablja tako podatke iz arhivov o preteklih potresih, kot tudi podatke o spremembah povr{ja, ki jih podajo InSAR senzorji, neprekinjena GPS opazovanja na geodetskih to~kah itd. 19 Klemen Zak{ek Slika 6: ^as izpostavljenosti Soncu preden pride do opeklin v zimskem ~asu na obmo~ju srednje Evrope za tip koè 2 (medmrèje 3, 4). 4 Sklep Namen tega ~lanka ni razlaga skrivnosti asimilacije podatkov, zato tudi niso razloèni pojmi kot Kalmanov filter, optimalna interpolacija itd. Napisan je kot spodbuda slovenskim GIS-strokovnjakom, da se ozrejo tudi po zahtevnej{ih prostorskih in ~asovnih analizah. V preteklih letih smo bili v Sloveniji pri~a mnogim zanimivim aplikacijam, ki pa so pove~ini temeljile na zelo preprosti matematiki. Za uspe{no uporabo tehnologije GIS je treba vedeti ve~, kot le poznati gumbe v GIS programskem paketu, a veliko slovenskih uporabnikov GIS àl ne ve, kak{en algoritem je uporabljen npr. za izra~un naklona ploskve. Do sedaj je na podro~ju prostorskih analiz nekaj ve~ matematike pokazal samo Podobnikar (1998) z uporabo metode Monte Carlo. Potencial asimilacije podatkov kot metode v tehnologiji GIS je pomemben, saj omogo~a organizacijo podatkov z objektivno interpolacijo, dopolnitev podatkov z implicitnimi omejitvami, ki jih podaja modeliran proces, in kontrolo podatkov s primerjavo predvidenih stanj in dejanskih opazovanj (Walker in Houser 2005). Metoda ima seveda tudi svoje omejitve – je izrazito matemati~no-numeri~na metoda interpolacij v ve~ iteracijah, ki za svoje delovanje nujno potrebuje numeri~ni model, s katerim lahko opi{emo kratkoro~ne spremembe. Numeri~ni model lahko uspe{no uporabimo tudi za napoved modeliranega procesa v bolj oddaljeni prihodnosti, vendar potrebujemo {e dodatne podatke, ki jih zagotavlja predvsem daljinsko zaznavanje. Asimilacija podatkov je torej zelo zmogljiva metoda, ki jo je mòno uspe{no uporabiti tudi v orodjih GIS. Vpra{anje je le, kdaj jo je smiselno uporabiti, kajti zahteva veliko sredstev: matemati~no usposobljen kader, primerno strojno in programsko opremo – pravzaprav zahteva vzpostavitev popolnoma novega sistema GIS. Zato je uporaba asimilacije podatkov zaenkrat upravi~ena le, kadar imamo opravka z dinami~nim procesom, ki ga ne znamo predstaviti druga~e kot z zapletenim numeri~nem modelom. 20 Asimilacija podatkov kot metoda v GIS 5 Viri in literatura Donnellan, A, Rundle, J., Geoffrey F., McLeod, D., Grant, L., Tullis, T., Pierce, M., Parker, J., Lyzenga, G., Granat, R., Glasscoe, M. 2004: QuakeSim and the Solid Earth Research Virtual Observatory. Special Issue of Pure and Applied Geophysics (Bejing ACES Meeting). Peking (Kitajska). Ghil, M. 2000: The Essence of Data Assimilation, or Why Combine Data with Models? Proc. 3rd WMO Int'l Symp. Assimilation of Observations in Meteorology & Oceanography. @eneva ([vica). Gregori~, G. 2001: Asimilacija radarskih meritev globoke konvekcije v numeri~ni model v mezo-β skali. Doktorska naloga, Fakulteta za matematiko in fiziko Univerze v Ljubljani. Ljubljana. Kalnay, E. 2004: Atmospheric modeling, data assimilation and predictability. Cambridge (Velika Britanija). Kanevski, M., Maignan, M. 2004: Analysis and modelling of spatial environmental data. Lozana ([vica). Lorenc, A. C. 1995: Atmospheric Data Assimilation. Didakti~no gradivo, Forecasting Resaearch Meteorlogical Office. Bracknell (Velika Britanija). Medmrèje 1: http://www.cig.ensmp.fr/~iahs/sapporo/HS01long.htm (18. 5. 2006). Medmrèje 2: http://wdc.dlr.de/data_lib/ (18. 5. 2006). Medmrèje 3: http://www.tagderraumfahrt.de/dlr/news/sciamachy/ (18. 5. 2006). Medmrèje 4: http://www.uv-check.com/ (18. 5. 2006). Nichols, N. K. 2003: Data assimilation: aims and basic concepts. Data Assimilation for the Earth System, Proceedings of the NATO Advanced Study Institute. Berlin (Nem~ija). Podobnikar, T. 1998: Monte Carlo simulacije napak digitalnega modela vi{in. Geografski informacijski sistemi v Sloveniji 1997–1998. Ljubljana. Robinson, A. R., Lermusiaux, P. F. J., Sloan, N. Q. 1998: Data assimilation. The Global Coastal Ocean, Processes and Methods, The Sea Vol. 10. New York (ZDA). Walker, J. P., Houser, P. R. 2005: Hydrologic Data Assimilation. Advances in Water Science Methodologies. Leiden (Nizozemska). 21 22 GIS v Sloveniji 2005–2006, 23–32, Ljubljana 2006 IZDELAVA ORTOPODOB IZ SATELITSKIH POSNETKOV @iga Kokalj in dr. Kri{tof O{tir In{titut za antropolo{ke in prostorske {tudije ZRC SAZU Novi trg 2, 1000 Ljubljana ziga.kokalj@ zrc-sazu.si, kristof@ zrc-sazu.si Ale{ Marseti~ Spodnje [kofije 64, 6281 [kofije alesmars@ hotmail.com UDK: 528.7/.8 IZVLE^EK Izdelava ortopodob iz satelitskih posnetkov V prispevku je predstavljena izdelava ortopodob iz stereopara pankromatskih in multispektralnih posnetkov satelita SPOT. Podan je opis visokolo~ljivih satelitskih sistemov in teoreti~nih osnov digitalne fotogrametri~ne obdelave. Prikazan je postopek – digitalne samodejne ortorektifikacije v programu OrthoBASE. Preu~ene so mònosti uporabe srednjelo~ljivih podob slab{e kakovosti, ki predstavljajo gorata podro~ja, za izdelavo ortopodob in digitalnih modelov vi{in. Natan~nost ortopodob je ugotovljena s primerjavo z digitalnimi ortofoti. Dobljene ortopodobe so zelo dobre in kaèjo na kvalitetno obdelavo. Vhodne podobe slabe kvalitete pa niso primerne za generiranje digitalnih modelov vi{in, katerih izdelava je mo~no odvisna od samodejne korelacije. KLJU^NE BESEDE visokolo~ljivi satelitski posnetki, satelitska fotogrametrija, ortorektifikacija, digitalni model vi{in, natan~nost ABSTRACT Orthoimage generation from satellite imagery In the paper, the generation of the orthoimages from a stereopair of panchromatic and multispectral SPOT satellite imagery is presented. A description of the high-resolution satellite systems and the theoretical bases of the digital photogrammetric processing are given. The digital automatic orthorectification techniques in OrthoBASE is shown. The possibilities of the application of the mid-resolution images of lower quality, covering mountainous regions, for the generation of orthoimages and digital elevation models are examined. The accuracy of the ortho data has been determined by comparing with the digital orthophotos. The resulting images are very good and show good treatment. However, low quality imagery is not suitable for the generation of digital elevation models, which depend heavily on automatic image matching. KEYWORDS high-resolution satellite imagery, satellite photogrammetry, orthorectification, digital elevation model, accuracy 23 @iga Kokalj, Kri{tof O{tir, Ale{ Marseti~ 1 Uvod Satelitski posnetki postajajo vedno pomembnej{i vir podatkov o zemeljski povr{ini. Z njimi lahko pridobivamo podatke o pokrovnosti in rabi tal, opazujemo spremembe zaradi ~lovekove aktivnosti in naravnih pojavov, spremljamo nesre~e, opazujemo toplotno onesnaènje, na~rtujemo posege v prostor, in podobno. Visokolo~ljivi posnetki – to je taki z lo~ljivostjo velikostnega reda enega metra – postajajo zelo pomemben vir podatkov za izdelavo in posodabljanje kart, {e posebej na obmo~jih, ki so zaradi najrazli~nej{ih pogojev (tudi politi~nih) tèje dostopna. Z njimi lahko ustvarjamo obi~ajne ali satelitske karte velikih meril (do 1 : 5000). Ker gre za rastrske podatke, jih lahko vklju~imo v geografski informacijski sistem, bodisi kot samostojen sloj ali prek interpretiranih kart. Satelitski posnetki visoke lo~ljivosti trenutno dosegajo lo~ljivost 0,61 m (QuickBird pri snemanju navpi~no), kar je le nekoliko slab{e od digitalnih ortofoto posnetkov, ki jih ponuja Geodetska uprava Republike Slovenije (lo~ljivost 0,5 m). Poleg visoke pankromatske lo~ljivosti ima ve~ina tovrstnih sistemov tudi ve~spektralni senzor, s praviloma nekajkrat manj{o lo~ljivostjo (QuickBird 2,44 m pri snemanju navpi~no) (Kramer 2002). V velikostnem redu enega metra obstajajo {e posnetki Ikonos in OrbView-3 (pankromatsko 1 m, ve~spektralno 4 m), nekoliko slab{o lo~ljivost pa imajo EROS-1A (1,8 m), IRS-1C/D (5,8 m), IRC-P5 (z drugim imenom Cartosat 1, 2,5 m) in SPOT (2,5 oziroma 5 m). Ve~ina omenjenih satelitov ima podobe, ki so opremljene s podatki o snemalnem sistemu in letu satelita, kar omogo~a ortorektifikacijo. Satelitsko opazovanje {e posebej preka{a klasi~no letalsko fotografijo, ~e upo- {tevamo zapletene postopke, ki jih je potrebno urediti pri preletih letal, zlasti v tujih dràvah, kjer je lahko politi~na situacija zelo nepredvidljiva. Podobe satelitskih sistemov so komercialno dosegljive, kar pomeni, da jih lahko kupi vsakdo in za vsak namen. Nekateri ameri{ki ponudnik podob sicer imajo posebne pogodbe z (ameri{ko) vojsko, vendar pa ta ve~inoma ne izklju~uje prodaje posnetkov tujim dràvam. Arhivi posnetkov so odvisni od sistema do sistema, glavna zna~ilnost visokolo~ljivih satelitov pa je, da snemanje ni sistemati~no. Za razliko od, recimo, Landsata, ki sistemati~no zajema celotno zemeljsko povr{je, ti sateliti snemajo le po naro~ilu oziroma v skladu s predvideno prodajo. Obmo~ja gostej{e poselitve, velikega interesa javnosti (nesre~e, konfliktna obmo~ja), medijev in razli~nih organizacij snemajo pogosteje, drugih pa sploh ne. Prav zaradi manj{e pokritosti pa je cenovno ugodno tudi novo snemanje, saj je le priblìno ~etrti-no dràje od arhivskih podob. 2 Ortorektifikacija Ortorektifikacija je proces zmanj{evanja geometri~nih napak, ki nastanejo na podobah daljinskega zaznavanja. Najpogostej{i razlogi za geometri~ne napake so (Leica 2003, 60 in 61): • orientacija senzorja, • sistemati~ne napake senzorja, • premik zaradi izoblikovanosti povr{ja in • ukrivljenost Zemlje. Parametre orientacije senzorja dobimo s triangulacijo bloka ali resekcijo posameznega posnetka. Z metodo najmanj{ih kvadratov med procesom triangulacije lahko zmanj{amo napake, ki so povezane z nestabilnostjo senzorja. Z izbiro primerne opcije se v procesu triangulacije upo{teva in odpravi u~inek ukrivljenosti Zemlje, ki je bolj opazen kadar obdelujemo blok podob ali satelitske slike velikega obmo~ja. U~inek premika zaradi razgibanosti povr{ja pa odstranimo z upo{tevanjem modela vi{in med procesom ortorektifikacije. Po ortorektifikaciji je vsaka celica dobljene podobe »geometri~no zanesljiva«. To pomeni, da so meritve na ortopodobi prakti~no enake meritvam na zemeljski povr{ini. Vsaka to~ka v podobi je videti, kot bi jo gledali iz poloàja, ki je to~no nad njo oziroma pravokotno na Zemljo (Marseti~ 2005, 52). 24 Izdelava ortopodob iz satelitskih posnetkov Slika 1: Geometrija ortorektifikacije. Premik zaradi razgibanosti povr{ja se odpravi tako, da vsaki celici na modelu reliefa pripi{emo ustrezno celico na satelitski podobi. Sivinska vrednost te lokacije je dolo~ena s prevzor~enjem sosednjih celic. Izra~un ustrezne lokacije na ortopodobi temelji na sivinski vrednosti, vi{ini in podatkih o zunanji orientaciji senzorja. V nasprotju s klasi~nimi tehnikami rektifikacije, ortorektifikacija temelji na podatkih o vi{inah. Obstaja mnogo virov digitalnih modelov vi{in, ki so zaradi postopkov izdelave in generalizacije podvrèni razli~nim stopnjam negotovosti, kar zelo vpliva na kakovost izdelanih ortopodob. Raznovrstni slikovni podatki potrebujejo modele vi{in razli~nih stopenj natan~nosti, saj je le tako mogo~e omejiti napake povezane z negotovostjo v nadzorovanih mejah. Za ortorektifikacijo satelitskih posnetkov so zelo primerni modeli vi{in izdelani iz stereo posnetkov istega satelitskega sistema, zlasti kadar ortorektificiramo same stereo posnetke. Model vi{in je mogo~e iz posnetkov izdelati le, ~e sta na voljo dve ali ve~ prekrivajo~ih se podob. Pred za~etkom samodejne izdelave, morajo biti znane informacije o notranji in zunanji orientaciji senzorja. Postopek povezan s samodejno izdelavo modela vi{in lahko razdelimo na naslednje tri korake (Leica 2003, 66): • digitalna slikovna korelacija, • dolo~itev koordinat to~k na povr{ju in • izdelava modela vi{in. Pomembno vlogo pri izdelavi kakovostnega modela vi{in ima è izbira podob, ki jih nameravamo uporabiti. Krupnik (2000) in Toutin (2003) priporo~ata naj imata podobi (stereopar), iz katerih izde-lujemo model vi{in, naslednje lastnosti: • posneti naj bi bili ena za drugo v najkraj{em ~asu (enako stanje objektov na podobah in enake svet-lobne razmere), • imeti morata ~im ve~je prekrivanje, • razmerje med bazo in vi{ino (B/H) naj bo okoli 1, nikoli pa manj{e od 0,5, • stereopar naj bo sestavljen bodisi iz pankromatskih bodisi iz multispektralnih podob, • podobi naj imata enako prostorsko lo~ljivost, • podobi naj bosta brez oblakov in drugih mote~ih pojavov, • sence naj bodo ~im kraj{e in • podobi naj imata enako stopnjo predobdelave. 25 @iga Kokalj, Kri{tof O{tir, Ale{ Marseti~ Kakovost in natan~nost modela vi{in sta odvisni {e od naslednjih dejavnikov (Infoterra 2005): • prostorske lo~ljivosti senzorja, • radiometri~ne kakovosti podob, • pokrovnosti obmo~ja zanimanja in • natan~nosti kontrolnih to~k za geokodiranje podob. Glede na {tevilo posnetkov, ki jih obdelujemo naenkrat, poznamo dve vrsti ortorektifikacije (Leica 2003), in sicer ortorektifikacijo posameznega posnetka in blo~no triangulacijo. Ortorektifikacija posameznega posnetka uporablja tehniko imenovano resekcija prostora. Pri tem za vsak posnetek potrebujemo vsaj tri kontrolne to~ke; za ortorektifikacijo 50 posnetkov, na primer, potrebujemo vsaj 150 kontrolnih to~k. Pri tem moramo to~ke dolo~iti in izmeriti ro~no za vsak posnetek posebej. Nato tehnika prostorske resekcije izra~una orientacijo in lokacijo senzorja v ~asu snemanja. Te informacije skupaj z modelom vi{in uporabimo za izlo~itev geometri~nih napak. Pri tem ne upo- {tevamo dodatnih spremenljivk povezanih s sistemati~nimi napakami. Ortorektifikacijske tehnike posameznih posnetkov za zmanj{anje in porazdelitev napak, povezanih s kontrolnimi to~kami, meritvami slike, modelom vi{in in informaciji o senzorju, ne upo{tevajo notranjih razmerij med sosednjimi podobami v bloku. Zato v postopku mozai~enja pogosto prihaja do napak v poravnavi sosednjih podob, saj napake niso bile zmanj{ane in prerazporejene po celotnem bloku. Blo~na triangulacija je proces osnovanja matemati~nega razmerja med podobami uporabljenimi v projektu, modelom senzorja in tlemi. Informacije pridobljene iz triangulacije so potrebne kot vhodni podatek za ortorektifikacijo in izdelavo modela vi{in. Blo~na triangulacija nudi naslednja tri osnovna opravila. • Dolo~itev lege in orientacije vsake podobe v projektu v ~asu snemanja. Tako dolo~ene kazalce imenujemo zunanji kazalci (parametri) orientacije. Za njihovo dolo~itev potrebujemo vsaj tri kontrolne to~ke za celoten blok, neodvisno od {tevila podob v projektu. • Dolo~itev talnih koordinat veznih to~k ro~no ali samodejno izmerjenih na prekrivajo~ih se obmo~- jih ve~ podob. Zelo natan~na dolo~itev talnih koordinat veznih to~k je uporabna za pridobivanje kontrolnih to~k iz podob, zaradi ~esar ni potrebe po terenskih meritvah. Nadalje, ~e se pridobi veliko {tevilo kontrolnih to~k, lahko interpoliramo model vi{in. • Minimiranje in porazdelitev napak povezanih s podobami, merjenjem podob, kontrolnimi to~ka-mi in podobnim. Blo~na triangulacija obdela informacije celotnega bloka posnetkov v eni so~asni re{itvi, v kateri s statisti~nimi tehnikami samodejno najde, porazdeli in odpravi napake. Ker so podobe obdelane v enem koraku, so tako re{ene zadrege s poravnavo podob pri mozai~enju. Ganas in drugi (2002) utemeljujejo, da pri ortorektifikaciji posnetkov, ki prikazujejo zemeljsko povr{- je z majhno reliefno amplitudo, zadostuje model vi{in s prostorsko lo~ljivostjo okrog 20 m, vi{insko natan~nostjo 10 m in planimetri~no natan~nostjo 25 m. Poudarjajo tudi vpliv spretnosti operaterja na natan~nost re{itve, zaradi teàv pri pravilni izbiri celic. Passini in Jacobsen (2004, 6) sta bolj specifi~- na. Ugotavljata, da je za zagotovitev dolo~ene natan~nosti kon~ne ortopodobe, dovoljena natan~nost uporabljenega modela vi{in obratno sorazmerna tangensu kota snemanja podobe, kar ponazarjata naslednji ena~bi in preglednica. Z ena~bo 1 izra~unamo sprejemljivo standardno deviacijo vpliva modela vi{in na planimetri~no natan~nost ortopodobe. SX = SX 2 − SX 2 (1) xz orto o Kjer je SX dovoljena napaka komponente kot funkcija SZ, SX standardna deviacija ortopodo- xz orto be in SX standardna deviacija orientacije. Sprejemljiva standardna deviacija vi{ine modela vi{in za izdelavo o ortopodob je SX SZ xz = (2) sprejemljiva tan η pri ~emer je η kot snemanja. 26 Izdelava ortopodob iz satelitskih posnetkov Preglednica 1: Natan~nostne zahteve za model vi{in kot funkcija kota snemanja za razli~ne natan~nosti ortopodob (Passini in Jacobsen 2004, 6). QuickBird Ikonos velikost celice ortopodobe 0,6 m 1,0 m 1,0 m S 1,2 m 2,0 m 2,0 m orto kot snemanja η SZ [m] sprejemljiva 5° 12,1 21,7 19,8 10° 5,7 10,8 9,8 15° 4,0 7,1 6,5 20° 2,9 5,2 4,7 25° 2,3 4,1 3,7 30° 1,8 3,3 3,0 35° 1,5 2,7 2,5 40° 1,3 2,3 2,1 45° 1,1 1,9 1,7 3 Izdelava ortopodob iz satelitskih posnetkov SPOT V okviru testne {tudije smo opravili izdelavo ortopodob iz srednjelo~ljivih satelitskih posnetkov SPOT. Gre za klasi~no procesiranje po na~elih digitalne fotogrametrije, sam postopek pa je prilagojen satelitskim podobam, ki so bile pridobljene z metodo vzdol`nega skeniranja. 3.1 Podatki Ortopodobe smo izdelali iz dveh multispektralnih in dveh pankromatskih podob SPOT. Pankromatski podobi sta imeli lo~ljivost 10 m, multispektralni pa 20 m. Posnetki so bili dobljeni leta 2000 in so sluìli za spremljanje plazu pri Logu pod Mangartom. Vse podobe obsegajo priblìno isti del povr{ja (J del Avstrije, SV del Italije in slovenski del Julijskih Alp, del Karavank ter Pokljuko) in so radiometri~- no ter geometri~no popravljene. Prvi dve podobi sta zaradi oblakov, dolgih senc in slabega delovanja detektorjev vidno slab{e kvalitete. Poleg ortopodob smo iz stereoparov posnetkov izdelali tudi digitalne modele vi{in, ~eprav podobe temu niso bile namenjene. Zaradi tega tudi ne izpolnjujejo vseh pogojev, ki so potrebni za dober stereopar. Poleg slabih kakovosti podob in dolgih ~asovnih razmakov med snemanji stereoparov, je najbolj problemati~no slabo razmerje med bazo in vi{ino leta, ki naj bi zna{alo priblìno ena (B/H ≈ 1). Pri uporabljenem pankromatskem stereoparu zna{a B/H = 0,17, pri multispektralnem stereoparu pa samo B/H = 0,11. Dobljeni modeli vi{in so bili slabi in povsem neuporabni, zato se z njimi v nadaljevanju prispevka ne bomo ukvarjali. 3.2 Triangulacija pankromatskega stereopara Za izdelavo ortopodob smo uporabili digitalni fotogrametri~ni program Erdas Imagine OrthoBASE. Program uporablja blo~no izravnavo s snopi in korakoma vodi uporabnika skozi vse faze izdelave, od definiranja bloka do ortorektifikacije in morebitne ekstrakcije modela vi{in. Sam proces je skoraj v celoti samodejen, kljub temu pa je za kakovostne rezultate potreben izku{en operater. 27 @iga Kokalj, Kri{tof O{tir, Ale{ Marseti~ Slika 2: Primer surove pankromatske podobe SPOT. Preden za~nemo kakr{nokoli fotogrametri~no delo (s programom OrthoBASE ali kakim drugim), moramo najprej definirati blok. Blok je termin, ki se uporablja za dolo~anje in opisovanje vseh informacij, ki so povezane s fotogrametri~nim projektom, kot so: projekcija, elipsoid, datum; podobe; informacije o modelu senzorja; oslonilne to~ke; zveza med podobami in terenom (Leica 2003, 265). Podobam se izdela {e slikovne piramide, dodatne sloje s podatki slab{e lo~ljivosti. Piramidni sloji so uporabni pri slikovni korelaciji, ki se uporablja pri samodejnem dolo~anju veznih to~k in samodejni izdelavi modela vi{in, pove~avi podob, premikanju po podobi itd. Naslednji korak je definiranje modela senzorja, s katerim dolo~imo snemanja v ~asu zajema podobe. To vklju~uje notranje modeliranje senzorja (notranja orientacija) in dolo~anje zunanje geometrije uporabljenega senzorja (zunanja orientacija). Pri podobah SPOT je proces notranjega modeliranja senzorja enostaven in pogosto vklju~uje le preverjanje parametrov senzorja, ki se naloìjo iz glave datoteke. Izbrati moramo le stopnjo polinoma za parametre zunanje orientacije, ki se bo uporabljala v procesu triangulacije. Nekoliko obsènej{a je zunanja orientacija, ki vklju~uje dolo~itev oslonilnih in veznih to~k ter triangulacijo. Natan~no razmerje med podobami, senzorjem in povr{jem se lahko dolo~i in zagotovi samo z uporabo oslonilnih to~k. 28 Izdelava ortopodob iz satelitskih posnetkov Na pankromatskem stereoparu smo dolo~ili 17 oslonilnih to~k, ki so bile dokaj enakomerno porazdeljene po celem obmo~ju. To~ke ponavadi predstavljajo kriì{~a cest, v visokogorju pa tudi sti~i{~a meli{~. Pri tem smo uporabili samo ozka meli{~a, ki so bila dobro vidna na obeh podobah. Le z njihovo uporabo lahko oslonilke enakomerno razporedimo po celotnem obmo~ju, saj je bila zaradi slabe kakovosti podob ve~ina cest slabo prepoznavnih. Horizontalne koordinate to~k so bile zajete iz DOF5, vi{ina pa iz InSAR DMV25. Vezne to~ke so bile ve~inoma dobljene s samodejno slikovno korelacijo. Na podro~jih, kjer ta ni uspela, jih je bilo potrebno izmeriti ro~no, s ~imer smo dobili skupno 78 veznih to~k. Po dolo~itvi veznih to~k je mogo~a triangulacija. Za prikaz natan~nosti koordinat kontrolnih to~k smo uporabili RMSE (ang. Root Mean-Square Error), neke vrste generalizirano standardno deviacijo, ki je obi~ajno merilo za podajanje absolutne natan~nosti triangulacije. Rezultati absolutne natan~nosti v horizontalnih koordinatah so sicer dobri, ne pa odli~ni. Nekoliko natan~nej{a je koordinata Y. Pri tem pa je potrebno upo{tevati, da rezultati vsebujejo tudi napake merjenja in vira, ki je bil podlaga za dolo- ~anje koordinat kontrolnih to~k. Zaradi tega je realna natan~nost bloka bolj{a (velikosti piksla ali manj). Bistveno slab{a je vi{inska koordinata, saj je priblìno {tirikrat ve~ja od ostalih. Ker je bilo obravnavano obmo~je gorato, je bil tak rezultat tudi pri~akovan. Na natan~nost vpliva tudi razmerje B/H, ki je bilo v na{em primeru slabo (Marseti~ 2005, 42). Preglednica 2: RMSE posameznih koordinat kontrolnih to~k (pankromatski stereopar). RMSE Terenska koordinata X 18,8 m Y 14,2 m Z 75,3 m Slikovna koordinata x 0,1 piksla y 0,3 piksla 3.3 Triangulacija multispektralnega stereopara Postopek je tudi v tem primeru skoraj enak kot pri pankromatskem stereoparu, razlike so le v podatkih, parametrih in rezultatih. Pri multispektralnem stereoparu je bilo uporabljenih manj oslonilnih (12) in veznih to~k (55). Slaba druga podoba je tudi razlog za manj{e {tevilo to~k, saj lahko s slabimi meritvami le zmanj{amo natan~nost triangulacije. RMSE terenskih in slikovnih koordinat za oslonilne to~ke je bil v kon~nem rezultatu bolj{i kot pri pankromatski izravnavi, za RMSE kontrolnih to~k pa lahko re~emo, da je celo veliko bolj{i od pankromatskih. Trdimo lahko, da so rezultati odli~ni, kar velja posebno za koordinati X in Y. Koordinata Z je sicer nekoliko slab{a, vendar {e vedno zadovoljiva. Preglednica 3: RMSE posameznih koordinat kontrolnih to~k (multispektralni stereopar). RMSE Terenska koordinata X 7,2 m Y 3,4 m Z 56,9 m Slikovna koordinata x 0,04 piksla y 0,1 piksla 29 @iga Kokalj, Kri{tof O{tir, Ale{ Marseti~ 3.4 Izdelava ortorektificiranih podob S triangulacijo smo stereoparoma dolo~ili notranjo in zunanjo orientacijo ter jih s tem pripravili za ortorektifikacijo. V programu OrthoBASE gre pri tem za enostaven, interaktiven proces, pri katerem dolo~imo izhodne podatke in razne parametre, ki ga vodijo. Velikost celic (glede na original) nismo spreminjali, za metodo prevzor~enja pa smo izbrali bilinearno interpolacijo. Program priporo~a uporabo modela vi{in, ki pokriva celotno obmo~je uporabljenih podob. V ta namen smo uporabil DMV, ki poleg obmo~ja Slovenije vsebuje tudi jùno Avstrijo in vzhodno Italijo. DMV ima lo~ljivost 25 m in je dovolj natan~en za srednjelo~ljive posnetke z majhnim kotom snemanja. Ortorektificirane in »surove« podobe so si zelo podobne. Najve~ji vidni razliki sta zasuk podob v desno in neraven, rahlo valovit rob. Manj{e razlike v konfiguraciji terena so vidne le v ve~jih pove~avah in pri razgibanem terenu. Skladnost z resni~nostjo je podrobneje opisana v naslednjem podpodpoglavju. Slika 3: Primer ortorektificirane multispektralne podobe. 30 Izdelava ortopodob iz satelitskih posnetkov 3.5 Poloàjna natan~nost ortorektificiranih podob Poloàjno natan~nost ortopodob smo preverili glede na digitalni ortofoto. Uporabili smo DOF5, ki ima poloàjno natan~nost ± 1 m in piksle velikosti 0,5 m, kar je vsekakor primerna referenca za ortopodobe s piksli velikosti 10 m ali 20 m. Vsako podobo smo razdelili na ve~ podobmo~ij, ki so vsebovala le en tip oblike povr{ja (gorovje, dolino, planoto itd.). Skupno smo na vsaki podobi posebej izmerili priblìno 100 to~k in jih primerjal z ortopodobami. Zaradi pomanjkanja zna~ilnih objektov sem izpustil vsa {tiri gorata obmo~ja in Meà- klo (podobmo~ja smo poimenovali po dolinah, planotah, najvi{jih vrhovih, mestih itd.). Iz dobljenih razlik po obeh koordinatah smo izra~unali skupno odstopanje (razdaljo) med pravim in dobljenim poloàjem primerjanih to~k za celotno podobo in posamezne skupine. Skupno odstopanje smo dobili z ena~bo so = o 2 + o 2 x y (3) kjer je so skupno odstopanje, o odstopanje za X in o odstopanje za Y. x y Preglednica 4: Skupno odstopanje ortopodob. Podobmo~je Podoba 1 Podoba 2 Podoba 3 Podoba 4 Kr. Gora 14,7 m 16,1 m 13,8 m 13,8 m Jesenice 8,7 m 7,6 m 14,1 m 14,5 m Vrata 11,0 m 17,8 m 13,2 m 13,6 m Planica 10,3 m 13,6 m 12,8 m 8,0 m Trenta 11,4 m 18,2 m 20,3 m 15,7 m Log 16,9 m 18,0 m 20,6 m 14,5 m Pokljuka 11,6 m 14,8 m 9,5 m 14,5 m Radovljica – – 9,9 m 8,6 m Trì~ – – 7,4 m – Jelovica – – 7,1 m 15,9 m SKUPNO 12,0 m 15,6 m 12,6 m 12,9 m Pri interpretaciji rezultatov moramo upo{tevati, da imata podoba 1 in podoba 3 lo~ljivost 10 m, podoba 2 in podoba 4 pa 20 m. Poleg tega je potrebno tudi upo{tevati, da je natan~nost merjenja to~k priblìno pol piksla (vsaj 5 m za pankromatske podobe oziroma 10 m za multispektralne). Ob upo{tevanju teh dejstev lahko vidimo, da so dobljeni rezultati izjemno natan~ni. Vse podobe imajo priblìno enako skupno odstopanje. Med njimi odstopa le podoba 2, ki ima nekoliko vi{je odstopanje. Kljub temu so rezultati zelo dobri, kar {e posebej velja za multispektralne podobe. Od podobmo~ij imajo najmanj{a odstopanja Jesenice, Planica, Radovljica in Trì~, najve~ja pa Trenta in Log. Najbolj zanimivi so rezultati podobe 3, kjer so najmanj{a odstopanja v desnem delu podobe. Odstopanja so tudi do polovice manj{a kot na preostali podobi. Razlog je verjetno oblika reliefa, saj je desna stran pretèno ravninska in nima ve~jih vi{inskih razlik. Ravne povr{ine pa niso tako odvisne od modela vi{in, ki se ga uporabi pri ortorektifikaciji, kot so to gorata podro~ja. Poleg tega je tudi interpolacija ravninskih delov pri izdelavi ortopodob enostavnej{a in to~nej{a (Marseti~ 2005, 66). 4 Sklep V prispevku je bila predstavljena ortorektifikacija srednjelo~ljivih satelitskih podob SPOT. Obdelava je bila ve~inoma samodejna, rezultati pa so bili zaradi slab{e kakovosti podob kljub temu zelo odvisni 31 @iga Kokalj, Kri{tof O{tir, Ale{ Marseti~ od operaterja. Dobra natan~nost ortopodob je bila potrjena s primerjavo z digitalnimi ortofoti. Vse {tiri ortopodobe so imele priblìno enaka odstopanja, in sicer dobrih deset metrov. [tudija natan~nosti posameznih podobmo~ij ne kaè na povezanost bolj{ih rezultatov z dolo~eno geografsko zna~ilnostjo ali dolo~eno lego v podobi. Pri tem je potrebno upo{tevati dejstvo, da zaradi pomanjkanja zna~ilnih objektov niso bila posebej obdelana gorata podro~ja, kjer je proces ortorektifikacije najbolj odvisen od uporabljenega modela vi{in. Za ostala obmo~ja pa se lahko trdimo, da je bil uporabljen DMV s 25 metrsko lo~ljivostjo dovolj natan~en za uporabo v ortorektifikaciji. ^e upo{tevamo {e nekatere avtorje (Al-Rousan in drugi 1997), ki so za srednjelo~ljive pankromatske podobe SPOT dobili RMSE okoli 9 m, so dobljeni rezultati zelo dobri. Slaba kakovost podob na ortorektifikacijo ni posebno vplivala. Najve~je teàve je povzro~ala pri triangulaciji, saj je samodejno iskanje veznih to~k delno odpovedalo in potrebno je bilo ro~no merjenje. Problemi so nastajali tudi pri iskanju lokacij oslonilnih to~k. Kljub temu so bili tudi rezultati triangulacije dobri, pri multispektralnem stereoparu celo presenetljivo dobri, ~e upo{tevamo {e goratost obravnavanega obmo~ja. Ortopodobe, ki smo jih izdelali so dokaj natan~ne. Ker pa imajo imajo vseeno le »srednjo« lo~ljivost, so primerne le za kartiranja v srednjih in nekaterih velikih merilih (to je 1 : 50.000 in manj{a). Trenutno so za izdelavo ortopodob na voljo tudi visokolo~ljivostne podobe satelitov SPOT, Ikonos, QuickBird, OrbView-3, EROS-1A in drugi. S temi podobami je mogo~e pridobiti kakovostnej{e in zanesljivej{e rezultate, ki imajo {irok spekter uporabe. Pri tem pa moramo paziti tudi na primerno izbiro modela vi{in za ortorektifikacijo, saj lahko DMV z nizko natan~nostjo le poslab{a natan~nost ortopodob. Visokolo~ljivostne podobe so è skoraj dokon~no izrinile starej{e podobe z nìjo lo~ljivostjo, ki ne zado{~ajo ve~ novim potrebam. Poleg tega se hitro razvijajo tudi tehnike samodejne slikovne korelacije, ki bodo {e dodatno izbolj{ale, olaj{ale in pospe{ile izdelavo ortopodob in modelov vi{in. Posledi~no se bosta pove~ali tudi natan~nost in zanesljivost izdelanih digitalnih modelov vi{in in digitalnih ortopodob. 5 Viri in literatura Al-Rousan, N., Cheng, P., Petrie, G., Toutin, T., Valadan Z. 1997: Automated DEM extraction and orthoimage generation from SPOT level 1B imagery. Photogrammetric engineering & remote sensing, 63, 8. Ganas, A., Lagios, E. in Tzannetos, N. 2002: An investigation into the spatial accuracy of the IKONOS 2 orthoimagery within an urban environment. International journal of remote sensing, 23, 17. Infoterra, 2005: DEMs from optical satellite data. Medmrèje: http://www.infoterra-global.com/ opticaldem.htm (7. 8. 2005). Kramer, H. J. 2002: Observation of the earth and its environment. Survey of missions and sensors. Berlin. Krupnik, A. 2000: Accuracy assessment of automatically derived digital elevation models from SPOT images. Photogrammetric engineering & remote sensing, 66, 8. Leica 2003: Leica Photogrammetry Suite, OrthoBASE & OrthoBASE Pro User's Guide. Atlanta, Zdru- ène dràve Amerike. Marseti~, A. 2005: Izdelava digitalnega modela vi{in in ortopodob iz satelitskih posnetkov SPOT. Diplomska naloga, Univerza v Ljubljani, Fakulteta za gradbeni{tvo in geodezijo. Ljubljana. Passini, R., Jacobsen, K. 2004: Accuracy analysis of digital orthophotos from very high resolution imagery. International Archives of Photogrammetry and Remote Sensing, 35, Part 4. Carigrad, Tur~ija. Toutin, T. 2003: Block bundle adjustment of Landsat 7 ETM+ images over mountainous areas. Photogrammetric engineering & remote sensing, 69, 12. 32 GIS v Sloveniji 2005–2006, 33–41, Ljubljana 2006 INTEGRIRANJE PODATKOV RELIEFA SLOVENIJE dr. Tomà Podobnikar In{titut za antropolo{ke in prostorske {tudije ZRC SAZU Novi trg 2, 1000 Ljubljana tp@ zrc-sazu.si Jurij Mlinar Geodetska uprava Republike Slovenije Zemljemerska ulica 12, 1000 Ljubljana jurij.mlinar@ gov.si UDK: 551.4:659.2:004(497.4) IZVLE^EK Integriranje podatkov reliefa Slovenije Leta 2005 je Znanstvenoraziskovalni center SAZU po naro~ilu Geodetske uprave Republike Slovenije izdelal celovit sistem za vzdrèvanje digitalnega modela reliefa (DMR) z vedno novimi, kakovostnej{imi podatki o reliefu. Sistem je relativno enostaven in transparenten. Na podlagi inovativne metodologije je bil z integracijo obstoje~ih virov o reliefu izdelan nov model za obmo~je Slovenije in okolice z lo~ljivostjo 12,5 m. Model je zaradi zdruèvanja ve~ kot 25 razli~nih podatkovnih slojev nekak{en nehomogen kolà, vseeno pa je tako z metri~nega kot tudi geometri~nega (geomorfolo{kega) vidika bolj{e kakovosti od najbolj{ega podatka. Nadaljnji izzivi so predvsem prakti~en prenos izdelanih postopkov izdelave DMR-ja v prakso. KLJU^NE BESEDE digitalni model reliefa, integracija podatkov, geografski informacijski sistem, Slovenija ABSTRACT Data integration for Slovenian digital elevation model production In the year 2005 Scientific Research Centre of the Slovenian Academy of Sciences and Arts on order by Surveying and Mapping Authority of the Republic of Slovenia elaborated an integral system for data main-tenance digital elevation model with new qualitative relief data. The system is relatively simple and transparent. With integration of existing data, on the basis of innovative methodology for the territory of Slovenia and its surroundings s a new digital elevation model was produced with the resolution of 12.5 m. Due to pool-ing of more than 25 data sets the model is a sort of collage which is from the metrical and geomorphological point of view of better quality than the best source data. Further challenge is first of all to put elaborated procedures of making digital elevation model into practice. KEYWORDS digital elevation model, data integration, geographical information system, Slovenia 33 Tomà Podobnikar, Jurij Mlinar 1 Uvod Digitalni model reliefa (DMR) je bistven za u~inkovito prostorsko predstavitev in analize na zemelj-skem povr{ju. Brez podatkov o reliefu ne bi bilo mogo~e zagotoviti uspe{nega upravljanja evidenc, pomembnih za dràvo in dràvljane. Geodetska uprava in druge institucije hranijo veliko kakovostnih podatkov o reliefu, ki so bili zajeti v zadnjih desetletjih izklju~no za izvedbo dolo~enih nalog (Podobnikar 2001). Podatke so zajemale razli~ne institucije po razli~nih standardih. Taki podatki s~asoma zastarajo, saj jih ve~inoma po zaklju~ku naloge ne vzdrùjejo ve~. Poleg tega je ve~ina podatkov o reliefu geomorfolo{ko neobdelanih in so pravzaprav »surovina« za izdelavo DMR. Pri tem mislimo predvsem na obstoje~e podatke modelov vi{in v Sloveniji (t. i. DMR 25 ali DMR 100) Z izvedbo projekta izdelave DMR-ja Slovenije smo pripravili metodologijo, ki zajema celovit sistem za vzdrèvanje modela reliefa z novimi, kakovostnej{imi podatki o reliefu. Metodologija je zasnovana tako, da podpira tako lokalno vzdrèvanje modela reliefa na obmo~jih, ki pokrivajo le manj{i del Slovenije, kot tudi vzdrèvanje na celotnem obmo~ju Slovenije. Izdelano metodologijo za vzdrèvanje modela reliefa smo v preteklih letih temeljito preizkusili (Podobnikar 1999, 2001, 2002a, 2002b, 2005; Podobnikar et al. 2001). Po celoviti kontroli kakovosti virov smo iz obstoje~ih vi{inskih podatkov izdelali osnovni model reliefa. Model smo v nadaljnjih fazah skladno z metodologijo nadgrajevali z drugimi vi{inskimi podatki in ga tako izbolj{evali. Pri tem smo se v veliki meri naslanjali na analiti~ne sposobnosti geografskih informacijskih sistemov. Rezultat projekta je tudi digitalni model vi{in z lo~ljivostjo 12,5 m, ki pokriva obmo~je Slovenije in njene okolice. Omenjeni model reliefa ni kon~ni rezultat, ampak le prvi rezultat integracije podatkov o reliefu Slovenije, ki bo periodi~no vzdrèvan z vedno novimi viri. 2 Metodologija za izdelavo DMR-ja V drugi polovici devetdesetih let prej{njega stoletja so nastale ob{irne zbirke prostorskih podatkov, ve~inoma razli~nih kakovosti, lo~ljivosti in merila. Precej zbirk vsebuje tudi informacije o nadmorski vi{ini ali oblikovanosti povr{ja in so potencialno uporabne za izdelavo DMR-ja. Te zbirke vsebujejo lokalno bolj{e informacije o reliefu, kot je bil do nedavnega najbolj{i DMR za celotno dràvo. Iz njih smo za celotno dràvo izdelali model, ki je precej bolj{i od obstoje~ih modelov, in to brez vsakr{nega novega zajemanja podatkov (Podobnikar 1999). Na àlost vsebuje ve~ina virov grobe ali celo sistemati~ne napake, metapodatki posameznih virov pa so praviloma tèko primerljivi. Problem izvedbe omenjene ideje med drugim predstavlja uveljavljeno pravilo, da pri integriranju ne smemo me{ati podatkov razli~ne kakovosti. Vseeno smo postavili hipotezo, da je mòno s primerno obravnavo podatkov odpraviti grobe in sistemati~ne napake, izpostaviti najbolj{e lastnosti obstoje~ih virov in jih integrirati v model, ki bi bil v celoti bolj{i od posameznega vira (Podobnikar 2001). Izdelava DMR-ja je zasnovana na sveìh idejah in pristopih, oplemenitena z izku{njami iz dobre prakse. Metodologija obsega {tiri, parcialno iterativne faze: pripravo za modeliranje, predobdelavo virov, obdelavo virov za izdelavo modela in kontrolo kakovosti. Postopek je pregleden, saj v vseh fazah izdelave poteka vsestransko preverjanje kakovosti. Osnovna zamisel obdelave razli~nih virov podatkov temelji na utènem se{tevanju virov z geomorfolo{kimi popravki (Podobnikar 2001, 2005, slika 1). V modelu so uteì podatkov upo{tevane glede na statisti~no testirane vire, geomorfolo{ke lastnosti pa ob upo{tevanju vizualno ovrednotenih virov. Dejansko je metodologija nekoliko bolj zapletena, saj je kombinacija utènega se{tevanja, geomorfolo{kih popravkov, hkratne interpolacije virov, mozai~enja podatkov ter metod za integracijo podatkov brez informacij o vi{inah (Podobnikar 2005). Potencialni viri za izdelavo novega DMR-ja Slovenije so bili vsi, ki vsebujejo trirazsène podatke o povr{ju, poleg tega pa tudi dvorazsèni podatki, ki dodatno opisujejo obliko zemeljskega povr{ja, kot sta re~no ali cestno omrèje. V modelu so uteì podatkov upo{tevane glede na statisti~no testirane vire, geomorfolo{ke lastnosti pa ob upo{tevanju vizualno ovrednotenih virov. 34 Integriranje podatkov reliefa Slovenije Slika 1: Utèno se{tevanje virov z geomorfolo{kimi popravki. V 1. koraku upo{tevamo uteì u in u , i j izra~unane glede na predhodno ovrednoteno kakovost posameznega sloja. Z utènim se{tevanjem slojev i in j izra~unamo sloj i + j. V 2. koraku poenostavimo sloje i, j in i + j tako, da izra~unamo ploskve trendov i', j' in i' + j'. Izra~unamo razliko Δj med geomorfolo{ko bolj{im slojem j in njegovim trendom j'. Dobljeno razliko Δj pri{tejemo ploskvi trenda i' + j' in dobimo geomorfolo{ko popravljen utèén sloj DMR. 3 Izdelava DMR-ja Leta 2002 je bil na podlagi zastavljene metodologije za osrednji del Slovenije izdelan prototipni DMR s celi~no mreò lo~ljivosti 20 m (Podobnikar et al. 2001). Za izdelavo tega modela so bili uporabljeni vsi primerni obstoje~i podatki, tudi taki, ki bi jih na prvi pogled najraje zavrgli. V izdelavo prototip-nega DMR-ja je bilo po izvedeni kontroli virov vklju~enih ve~ kot 25 razli~nih virov podatkov, zajetih od leta 1947 dalje. Med njimi gre tudi za dvodimenzionalne podatke, ki so pripomogli predvsem k geomorfolo{kim izbolj{avam DMR-ja kot so podatki cest, èleznic in vodotokov. Na podlagi teh izku{enj je bil na In{titutu za antropolo{ke in prostorske {tudije Znanstvenoraziskovalnega centra SAZU med 35 Tomà Podobnikar, Jurij Mlinar letoma 2003 in 2005 izdelan za Slovenijo in {ir{o okolico {e natan~nej{i in bolj izpopolnjen DMR Slovenije (slika 2). DMR Slovenije je sistem, ki obsega podatke digitalnih modelov vi{in z lo~ljivostjo 12,5 m, 25 m in 100 m, njegove bistvene zna~ilnosti pa so: • model je zaradi vklju~itve razli~nih virov nekak{en kolà, kar pomeni, da se njegove lastnosti spreminjajo glede na kakovost (in koli~ino) uporabljenih virov na dolo~enem obmo~ju, • ocenjena natan~nost modela je 3,2 m za obmo~je vse Slovenije, in sicer 1,1 m za ravnine, 2,3 m za gri- ~evja, 3,8 m za hribovja in 7,0 m za gorovja pri lo~ljivosti 12,5 m, • za vsako to~ko modela je znana potencialna natan~nost ter delè vsakega uporabljenega vira, • model pokriva tudi okolico Slovenije s skupno povr{ino 55.087,5 km2, kar je 2,7-kratna velikost dràve, • uporabljeni so bili obstoje~i podatki brez zamudnega in dragega zajema, • rezultati kontrole kakovosti so pregledni, pri ~emer so vizualne in druge geomorfolo{ke kontrole kakovosti enakovredne statisti~nim, • skupaj s kontrolo kakovosti so bile odpravljene grobe in sistemati~ne napake vseh uporabljenih virov, • metodologija izdelave omogo~a vzdrèvanje modela z novimi viri podatkov glede na natan~no ovrednoten izdelan model z znanimi spremembami povr{ja v preteklosti, • podatki DMV-ja 12,5 so primerni za lokalne analize na obmo~jih, kjer je kakovost ve~ja, npr. na obmo~- ju Ljubljane, DMV-ja 25 za analize na ravni regij in zahtevnej{e analize na ravni celotne dràve ter DMV-ja 100 za analize na ravni celotne Slovenije, • poleg omenjenih DMV-jev obsega DMR Slovenije {e plastnice z ekvidistanco 10 m, skelet z zna~ilnimi ~rtami in to~kami ter sloje o kakovosti. Metodologija izdelave DMR-ja Slovenije je omogo~ila izbolj{anje in ovrednotenje vseh virov, uporabljenih pri izdelavi. Identificirali in ozna~ili smo napake poloàjev ali vi{in geodetskih in drugih raztresenih to~k. Odpravili smo okoli 7000 napak plastnic merila 1 : 25.000, nastalih pri digitalizaciji in ve~ kot 200 napak, prisotnih è na obstoje~ih kartah. Digitalne plastnice smo topolo{ko povezali glede na iste atribute vi{in in med posameznimi listi v enoten sloj. Prekinili smo jih na obmo~jih kamnolomov in nekaterih drugih ve~jih posegov v prostor. Obmo~ja stoje~ih voda so aùrirana, dodani so atributi vi{in. Zajeli smo podatke obmo~ij kamnolomov. Najve~ ~asa je vzela prav predobdelava, torej vrednotenje in plemenitenje posameznih virov za izdelavo DMR. Vsekakor smo posredno pripomogli, da so podatki Geodetske uprave bolj pregledni, làje dostopni, zapisani v primernej{ih formatih kot prej ter da so splo{no dostopni metapodatki pravilnej{i. Posebej velja omeniti uporabnost podatkov DMR 25. Po opravljenih analizah kakovosti se je pokazalo, da viri za izdelavo niso bili navedeni. Zaradi na{ega nepoznavanja virov je bilo pri modeliranju DMR-ja Slovenije tèko verodostojno uporabiti podatke kot neodvisne. Pogosto se je dogajalo, da smo na istem obmo~ju modelirali DMR 25 in {e nek drugi sloj, ki pa sta bila pravzaprav istega izvora. Poleg tega je DMR 25 relativno nehomogen, saj ga je izdelovalo ve~ izvajalcev, vseeno pa se je z leti kakovost izbolj- {evala. Nekoliko druga~ne izku{nje smo imeli z zbirko DTK 5, kjer smo bili s poskusnimi podatki izjemno Slika 2: Karta povr{ja Slovenije v merilu 1 : 250.000, izdelana iz DMR-ja Slovenije (Podobnikar 2006c). 36 Integriranje podatkov reliefa Slovenije zadovoljni, kasnej{i podatki so prav tako ohranjali visoko horizontalno natan~nost, pri vi{inskih podatkih pa so se pojavljale posamezne grobe napake. Na splo{no so bili podatki, na katere smo se lahko najbolj zanesli, skenogrami DTK 25 in kataster stavb. Ve~ja in bolj predvidljiva kakovost podatkov bi projekt izdelave DMR-ja Slovenije izrazito poenostavila in pocenila. Najve~ja prednost novega DMR-ja Slovenije je odprtost v smislu mòne u~inkovite nadgradnje z novimi viri podatkov. Pri tem lahko z razmeroma nizkimi stro{ki doseèmo {e ve~jo kakovost modela. Pripravljena metodologija je zasnovana tako, da podpira tako lokalno – selektivno vzdrèvanje modela reliefa kot tudi vzdrèvanje podatkov modela reliefa za celotno obmo~je Slovenije hkrati. Omogo~a tudi dolo~itev obmo~ij z manj kakovostnim DMR-jem, ~emur lahko prilagodimo zajem podatkov za izbolj{avo modela. 4 Smernice za nadaljnjo integracijo podatkov Pomemben povod za izdelavo novega DMR-ja Slovenije so bili uporabniki, ki so zahtevali ve~jo kakovost prostorskih podatkov. Vendar se pri tem z ekonomskega vidika poraja problem visoke cene in dolgotrajnosti zajema takih podatkov. V zadnjih letih so se tehnologije na podro~ju zajema podatkov o reliefu izrazito izbolj{ale in pocenile, tako da lahko kmalu tudi na obmo~ju Slovenije pri~akujemo vse ve~ natan~nej{ih in podrobnej{ih podatkov o reliefu. Omeniti velja razvoj tehnologije laserskega skeniranja, ki omogo~a zajem podatkov povr{ja z natan~nostjo nekaj 10 cm ali manj. S takimi podatki bi è dosegli nekak{no razumno mejo kakovosti DMR-ja, saj se npr. na njih è vidi razlika v vi{inah in teksturi med sveè preorano njivo ter opu{~eno in spremenjeno v travnik. S takimi natan~nimi podatki bi omogo~ili zelo ob~utljive simulacije poplav ali identifikacijo vrta~ na krasu, ki jih je tèko natan~no izmeriti s tradicionalnimi fotogrametri~nimi metodami. Metodologija vzdrèvanja DMR-ja Slovenije sloni na natan~nih metapodatkih o kakovosti posameznih modelov reliefa, ki nastopajo kot vir za izdelavo DMR-ja Slovenije (Podobnikar 2005). Glede na to védenje se lahko odlo~amo med vklju~itvijo novih podatkov, ki jih sproti pridobivamo in so na razpolago, ter med novim, na~rtnim in selektivnim zajemom podatkov na obmo~jih, kjer je DMR slab- {i od zahtevane kakovosti. Vsekakor moramo vse nove vire pred uporabo celovito ovrednotiti in jih po potrebi popraviti. Pomemben produkt izdelave DMR-ja so metapodatki o natan~nosti modela reliefa, ki povedo, kateri deli modela reliefa so slab{e kakovosti (slika 3) ali pa so slabo ovrednoteni (ker ni bilo dovolj kontrolnih podatkov) ter metapodatki obmo~ij, kjer se potencialno hitro spreminja zemeljsko povr{je, kot so kamnolomi in gramoznice, smeti{~a, obmo~ja gradnje avtocest ipd. Ti metapodatki so odli~no izhodi{~e za selektivno vzdrèvanje modela reliefa Slovenije. Pri vklju~evanju novih podatkov moramo biti {e posebej pazljivi, saj je treba pri vsaki obnovi DMR-ja poleg utènega se{tevanja slojev upo{tevati tudi geomorfolo{ke popravke (npr. potek rek ali cest). Slika 3: Natan~nost DMR-ja Slovenije kot eden izmed slojev pri utènem se{tevanju s podatki o reliefu, ki bodo zajeti v prihodnje (Podobnikar 2006b). 37 Tomà Podobnikar, Jurij Mlinar Pomembna prednost vzdrèvanja pri uporabi razvite celovite metodologije ovrednotenja kakovosti je, da odpade drago zajemanje morebitnih kontrolnih to~k. Ob uporabi veliko neodvisnih predhodno testira-nih podatkov o reliefu in pridobitvijo parametrov o kakovosti so è ti najbolj{e izhodi{~e in zagotovilo za kakovost DMR-ja Slovenije. Izdelava DMR-ja po opisani metodologiji temelji izrazito na predhodnih parametrih in znanju, pridobljenih v predhodnih fazah izdelave modela. Glede na dosedanje izku{nje pri izdelavi DMR-ja Slovenije èlimo izpostaviti nekaj pomembnih napotkov pri vklju~evanju novih virov podatkov v model: • metapodatki virov morajo biti to~ni in natan~ni, znan mora biti izvor, vsebovati morajo dodatne parametre, pomembne za izdelavo DMR-ja Slovenije glede na razvito tehnologijo (kar je najmanj, parametri kakovosti po standardu ISO morajo biti zanesljivi), Slika 4: Napredna metoda vizualizacije DMR-ja, ki omogo~a podroben vpogled v kakovost sloja in hkrati plasti~en prikaz reliefa (kombinacija analiti~nega sen~enja, izpostavljanja robov, bipolarnega diferenciranja in hipsometrije) za obmo~je Ljubljane in Mosta na So~i (Podobnikar 2006a). 38 Integriranje podatkov reliefa Slovenije Slika 5: Zna~ilne ~rte, pridobljene kot »stranski« produkt pri interpolaciji plastnic. • lastnik podatkov mora sodelovati z izvajalci in hkrati dobro poznati metodologijo in naravo dela, • povezati se je treba z drugimi upravljalci prostorskih podatkov in vklju~evati njihove podatke, npr. z gradbeniki, • upo{tevati je treba pravila, ki se ti~ejo definicije DMR-ja – npr. mostovi in drugi grajeni objekti ne smejo biti del modela reliefa (Podobnikar 2001), • viri morajo biti neodvisni od predhodno uporabljenih podatkov pri izdelavi DMR-ja Slovenije, morebitna odvisnost mora biti podrobno opisana v metapodatkih, • na splo{no mora biti postopek pridobivanja novih podatkov nadzorovan in transparenten, vsesko-zi mora potekati celovita kontrola kakovosti. ^e navedenih osnovnih napotkov ne bomo upo{tevali, se kakovost novega DMR-ja ne bo bistveno izbolj{ala, poleg tega se bo podraìl postopek vzdrèvanja. Hkrati ne bomo mogli uìvati sadov pomembnega stranskega produkta izdelave DMR-ja Slovenije, izbolj{anih virov podatkov za izdelavo modela reliefa. Izku{nje od za~etka izdelave DMR-ja Slovenije v za~etku sedemdesetih let prej{njega stoletja kaèjo, da se pri nacionalnem DMR-ju do sedaj ni sistemati~no dràlo zastavljenih ciljev. Upa-mo in èlimo si, da bo opisana metodologija po prvih vzpodbudnih rezultatih tokrat zaìvela (slika 4). Razmisliti moramo tudi o izdelavi zbirke podatkov o reliefu. Izhodi{~a so pripravljena: kot »stranski produkt« pri izdelavi DMR-ja smo namre~ pridobili zbirko podatkov zna~ilnih ~rt in to~k, ki jih lahko ob ustrezni dodelavi vklju~imo v celovitej{i DMR Slovenije. Gre za ~rte grebenov in dolin ter za to~ke vrhov in vrta~. Zraven spadajo tudi izpopolnjeni sloji plastnic razli~nih (kartografskih) meril in drugi ovrednoteni podatki o reliefu (Podobnikar 2001, 2002b, slika 5). Te sloje je smiselno vzdrèva-ti v povezavi z modelom reliefa. Zbirka podatkov o reliefu bi morala omogo~ati tudi vpogled v arhiv modelov reliefa. Pri izgradnji modela reliefa Slovenije ne gre samo za izbolj{evanje kakovosti, ampak tudi za beleènje spreminjanja povr{ja (Podobnikar 2001). Po letu 2008 bomo pre{li na nov dràvni koordinatni sistem, ki temelji na ESRS ( European Spatial Reference System) in ki bo poenotil geokodiranje prostorskih podatkov med posameznimi dràvami v Evropi. Ob pretvorbi podatkov DMR-ja Slovenije v nov koordinatni sistem se bo skladno z natan~- nostjo izvedene transformacije tudi delno poslab{ala kakovost obstoje~ih podatkov o reliefu. Po drugi stani pa bo s prehodom na nov koordinatni sistem omogo~ena làja in kakovostnej{a integracija DMR-ja Slovenije z modeli reliefa sosednjih dràv. To pa odpira nove mònosti za nadgradnjo in vzdrèvanje podatkov z drugimi viri podatkov ter pove~uje uporabnost podatkov. Nenazadnje se pomembnosti integracije podatkov o reliefu zaveda tudi Evropska komisija, ki uvr{~a te podatke prav v sklop najpomembnej{ih geoinformacijskih slojev v Evropi. Glede na novi predlog direktive INSPIRE (INfrastructure for SPatial InfoRmation in Europe) bo morala vsaka dràva ~lanica Evropske unije voditi kakovostne modele reliefa. Evropska komisija je dala s tem jasen znak, da se zaveda, da strokovne in kasneje poli-39 Tomà Podobnikar, Jurij Mlinar ti~ne odlo~itve temeljijo tudi na podatkih o reliefu in da je za vsako dràvo izrednega pomena, da razpolaga s kakovostnimi podatki. 5 Sklep Povpra{evanje po kakovostnih podatkih o reliefu se pove~uje, saj se ve~ina uporabnikov ne zadovolji ve~ z dvodimenzionalnimi podatki, temve~ teì k kakovostnim tridimenzionalnim podatkom, ki jim omogo~ajo bolj pregleden in nazoren prikaz dogajanja v prostoru. Pove~ano uporabo podatkov potrjujejo tudi statistike o izdanih prostorskih podatkih na Geodetski upravi, ki kaèjo na velik porast uporabe podatkov DMR-ja v zadnjih letih (slika 6). Vse to {e dodatno podkrepi pomembnost podatkov o reliefu in njihovo uporabnost tudi za dràvo, ki je zainteresirana, da razpolaga s kakovostnimi podatki in da ima vzpostavljen u~inkovit sistem vzdrèvanja teh podatkov. 120 100 80 v (v tiso~)o odatk 60 danih p 40 evilo iz[t 20 Slika 6: Letna koli~ina izdanih podatkov DMR-ja 0 1999 2000 2001 2002 2003 2004 2005 po enotah izdajanja podatkov glede na obmo~je Leto izdaje podatkov lista topografske karte 1 : 5000. Metodologija, ki smo jo razvili v okviru projekta DMR-ja Slovenije, omogo~a prav to: izdelavo kakovostnega modela reliefa in integracijo novih podatkov o reliefu, ki bodo zajeti v prihodnje in s tem nenehno izbolj{evanje DMR-ja Slovenije. @e v letu 2007 bo po naro~ilu Geodetske uprave izdelan digitalni model vi{in z lo~ljivostjo 5 m in s predpisanim srednjim odklonom med 1 in 3 m, odvisno od vrste pokrovnosti in razgibanosti povr{ja.* Geodetska uprava Republike Slovenije bo v naslednjih letih nadaljevala z zajemom podatkov za dràvno topografsko karto za raven merila 1 : 5000 – DTK 5. Podatke za DTK 5 se zajemajo fotogrametri~no iz stereoparov letalskih posnetkov in so izrednega pomena za izdelavo modelov reliefa, saj vklju~ujejo tudi zna~ilne ~rte v prostoru. To so predvsem podatki o strugah vodotokov in bregovih jezer ter obmo~ja ve~jih posegov v prostor (ceste in èleznice). Vsi ti novi podatki o reliefu bodo ob premi{ljeni zasnovi lahko dober vir za integracijo v opisan sistem DMR-ja Slovenije. Pri~akujemo, da bodo z na{tetimi izbolj{avami modela reliefa vsi parametri kakovosti optimalni in homo-geni pri lo~ljivosti 12,5 m in ne ve~ pri 25 m, kot so sedaj. Da bi dosegli èlene cilje, se moramo posvetiti predvsem izbolj{anju kakovosti prostorskih podatkov Geodetske uprave, ki so glavni vir za izdelavo DMR-ja Slovenije. Nadaljnji razvoj izdelave DMR Slovenije je odvisen predvsem od èlja in zahtev potencialnih uporabnikov, razvoja tehnologije in znanja, (z)mònosti ponudnikov ter posluha za pravilne dolgoro~ne strate{ke odlo~itve. Z novim modelom reliefa Slovenije se lahko zagotovo spogledujemo z dosèki raz- * Glede na sedanjo 1,1 m natan~nost v ravninah in lo~ljivost DMR-ja Slovenije 12,5 m, bi bila pri 5 m lo~ljivosti optimalna natan~nost v ravninah 10 do 30 cm. Tak model bi se lahko npr. uporabljal za simulacijo poplav. Hkrati pa je na najbolj razgibanih obmo~jih in v zimzelenih gozdovih ({e posebej v kombinaciji z vrta~ami) realno pri~akovati natan~nost, slab{o od 3 m. Pri izdelavi novega modela vi{in z lo~ljivostjo 5 m bo treba slediti zgoraj navedenim napotkom za vklju- ~evanje novih virov, sicer bo integracija v DMR Slovenije tèko izvedljiva. 40 Integriranje podatkov reliefa Slovenije vitej{ih dràv – ne samo po inovativnem znanju, temve~ tudi po temeljiti in transparentni izdelavi, kakovosti in uporabnosti izdelka. V naslednjih nekaj letih nas ~aka predvsem implementacija izdelane metodologije v prakso. Novi podatki o reliefu bodo kmalu na voljo in zasnovan proces vzdrèvanja podatkov lahko ste~e. Predvsem je treba paziti, da ne bomo ponavljali starih napak in nadome{~ali enega modela z drugim, ampak da bomo vzdrèvali le en kakovosten model reliefa – DMR Slovenije. To je tudi osnovno na~elo, ki izhaja iz zastavljene metodologije. Z vzdrèvanjem DMR-ja Slovenije se bodo s ~asoma izbolj{evali tudi izhodni podatki iz zasnovanega sistema, digitalni modeli vi{in. S transparentno vodeno izgradnjo modela lahko pri~akujemo vse ve~jo natan~nost podatkov modelov vi{in in vse ve~jo lo~ljivost osnovne celice. S kakovostnej{imi modeli vi{in pa se pribliùjemo potrebam tudi najbolj zahtevnih uporabnikov, ki za svoje delo potrebujejo visoko kakovostne podatke o reliefu. 6 Viri in literatura Podobnikar, T. 1999: Le z natan~nim DMR moremo izvajati u~inkovite prostorske analize: kakovostni digitalni model reliefa za Slovenijo. Delo, Ljubljana, 27. oktober 1999, 41/250. Podobnikar, T. 2001: Digitalni model reliefa iz geodetskih podatkov razli~ne kakovosti. Doktorska disertacija, FGG, Univerza v Ljubljani. Ljubljana. Podobnikar, T. 2002a: Koncept izdelave novega digitalnega modela reliefa Slovenije. Geografski vestnik, 74/1. Podobnikar, T. 2002b: Metode vizualnih kontrol kakovosti prostorskih podatkov. Geografski informacijski sistemi v Sloveniji 2001–2002, Ljubljana. Podobnikar, T. 2005: Production of integrated digital terrain model from multiple datasets of different quality. International journal of geographical information science, 19/1. Podobnikar, T. 2006a: DEM from Various Data Sources and Geomorphic Details Enhancement. Mountain Cartography Workshop, Bohinj (v tisku). Podobnikar, T. 2006b: Digitalni model reliefa Slovenije 12,5 m. Medmrèje: http://iaps.zrc-sazu.si/?q=/ node/70 (19. 5. 2006). Podobnikar, T. 2006c: Karta povr{ja Slovenije. Geodetska uprava Republike Slovenije in Znanstvenoraziskovalni center SAZU. Podobnikar, T., Stan~i~, Z., O{tir, K., Mlinar, J. 2001: Digitalni model reliefa Slovenije iz raznih geodetskih podatkov. Geodetski vestnik, 45/3. 41 42 GIS v Sloveniji 2005–2006, 43–51, Ljubljana 2006 HIPSOGRAFSKA ANALIZA PORE^IJ Z DIGITALNIM MODELOM VI[IN Mauro Hrvatin in dr. Drago Perko Geografski in{titut Antona Melika ZRC SAZU Gosposka ulica 13, 1000 Ljubljana mauro@ zrc-sazu.si, drago@ zrc-sazu.si UDK: 551.4:659.2:004(497.4) IZVLE^EK Hipsografska analiza pore~ij z digitalnim modelom vi{in Hipsografska analiza pore~ij se ukvarja z ugotavljanjem lastnosti pore~ij glede na njihove nadmorske vi{ine. Prostorska razporeditev nadmorskih vi{in znotraj posameznega pore~ja je pokazatelj geomorfolo{kih zna- ~ilnosti oziroma prevladujo~ih geomorfnih procesov in oblik. Klasi~na hipsografska analiza je zahtevala veliko ro~nega planimetriranja in prera~unavanja, z razvojem geografskih informacijskih sistemov in natan~- nej{ih digitalnih modelov vi{in pa je postala pomemben ~len v morfografski analizi pore~ja kot temeljne geomorfolo{ke enote, saj je realno izvedljiva in dostopna ve~ini raziskovalcev. Kot primer je v prispevku predstavljena hipsografska analiza nekaj zna~ilnih pore~ij v Sloveniji. KLJU^NE BESEDE hipsografija, hipsometrija, digitalni model vi{in, pore~je, geomorfologija, geografija, Slovenija ABSTRACT Hypsographic analysis of catchments with digital elevation model Hypsographic analysis of catchments deals with the assessment of catchment properties with regard to elevation. The arrangement of elevations within a single catchment indicates the geomorphologic characteristics and the prevailing geomorphic processes and landforms respectively. Classic hypsometric analysis demand-ed a lot of manual planimetry and calculation. With the development of the geographic information systems and with improved digital elevation models it has become an important element in the morphographic analysis of a catchment as a basic geomorphic unit. Nowadays it could be readily performed and it's accessible to most researchers. As an example the hypsographic analysis of some typical catchments in Slovenia is presented in the article. KEYWORDS hypsography, hypsometry, digital elevation model, catchment, geomorphology, geography, Slovenia 43 Mauro Hrvatin, Drago Perko 1 Uvod S preu~evanjem razgibanosti povr{ja so se na razli~ne na~ine ukvarjali {tevilni geografi, predvsem geomorfologi, in raziskovalci sorodnih znanosti (Perko 2001, 27–29), razvoj geografskih informacijskih sistemov in digitalnih modelov reliefa pa je prinesel {e nove mònosti. Med njimi je tudi ugotavljanje vi{inske razgibanosti in prostorske razporeditve nadmorskih vi{in pore~ij (Lindsay 2005), ki sta poka-zateljici geomorfolo{kih zna~ilnosti oziroma prevladujo~ih geomorfnih procesov in oblik v pore~jih. V okviru geografije in geologije so se sredi 20. stoletja pojavile {tevilne kvantitativne geomorfolo{ke in hidrolo{ke {tudije (Horton 1945; Mackin 1948; Strahler 1952; Strahler 1957), v katerih je prevlado-vala analiza pore~ij. Ena od kvantitativnih analiz pore~ij je tudi hipsografska analiza pore~ij, ki jo je prvi uporabil geolog Walter B. Langbein (Langbein 1947), razvil pa geograf Arthur Newell Strahler (Strahler 1952) in z njo ugotavljal razvojne stopnje povr{ja v smislu erozijske teorije, ki jo je zasnoval William Morris Davis (Davis 1899). V naslednjih desetletjih se hipsografska analiza pore~ij zaradi zamudnega planimetriranja in izra~unavanja ni {ir{e uveljavila, uporabljala in razvijala. Del krivde lahko pripi{emo tudi navezanosti na Davisovo teorijo, ki je bila med geografi vse manj popularna. Ponoven zagon je hipsografska analiza pore~ij doìvela v osemdesetih in devetdesetih letih 20. stoletja z razvojem ra~unalni{ke tehnike, digitalnih modelov vi{in in geografskih informacijskih sistemov (Ciccacci, Fredi, Lupia Palmieri in Pugliese 1980; Ciccacci, D'Alessandro, Fredi in Lupia Palmieri 1992; Ohmori 1993; Luo 1998; D'Alessandro, Del Monte, Fredi, Lupia Palmieri in Peppoloni 1999) in prinesla nove razlage in nova dognanja. 2 Hipsometri~na krivulja Hipsografija je del geografije, ki se ukvarja s preu~evanje nadmorskih vi{in zemeljskega povr{ja. V pomo~ ji je hipsometrija, ki se ukvarja z merjenjem nadmorskih vi{in zemeljskega povr{ja in je del geodezije. HIPSOMETRI^NA KRIVULJA V 1 v y=v/V POGLED S STRANI 0,5 vi{inski delè v/V p 0 P 0 0,5 1 x=p/P povr{inski delè p/P POGLED OD ZGORAJ Slika 1: Shemati~ni prikaz hipsometri~ne krivulje in spremenljivk za njeno ra~unanje. 44 Hipsografska analiza pore~ij z digitalnim modelom vi{in Hipsografska analiza pore~ij se ukvarja z ugotavljanjem lastnosti pore~ij glede na njihove nadmorske vi{ine in temelji na hipsometri~nih metodah. Ena od teh metod je tudi dolo~anje hipsometri~ne krivulje, ki je v matemati~nem smislu krivulja kumulativne frekven~ne distribucije oziroma kumulativne verjetnostne distribucije. Pri enakomerni razporeditvi pojavov je krivulja podobna premici, pri normalni razporeditvi pojavov pa ~rki S. Za hipsometri~no krivuljo sta pomembni tudi njena splo{- ~enost in asimetri~nost. Hipsometri~no krivuljo pore~ja na grafu (slika 1) obi~ajno prikaèmo tako, da so na abscisi navedeni deleì nadmorske vi{ine od 0 za najmanj{o vi{ino pore~ja do 1 za najve~jo vi{ino pore~ja (vi{inski deleì) oziroma normirane vi{ine, na ordinati pa deleì pore~ja od 0 do 1, kar pomeni od 0 % do 100 % povr{ine pore~ja (povr{inski deleì). Plo{~ino med ordinato in hipsometri~no krivuljo imenujemo hipsometri~ni integral. 3 Tipi hipsometri~nih krivulj Hipsografske analize pore~ij so pokazale, da lahko hipsometri~ne krivulje razvrstimo v {tiri temeljne skupine ali tipe (Ciccacci, D'Alessandro, Fredi in Lupia Palmieri 1992): • konkavne hipsometri~ne krivulje, • konveksne hipsometri~ne krivulje, • premo~rtne hipsometri~ne krivulje in • konkavno-konveksne hipsometri~ne krivulje. Po Strahlerju oziroma Davisovi teoriji (Strahler 1952) naj bi bila konkavna hipsometri~na krivulja zna~ilna za staro stopnjo razvoja povr{ja, ko se iznad peneplena dvigajo zgolj posamezni osamelci (monadnocki), konveksna hipsometri~na krivulja za mlado stopnjo razvoja povr{ja, ko se reke vrezu-jejo v pretèno uravnano povr{je, premo~rtna in konkavno-konveksna hipsometri~na krivulja pa za zrelo stopnjo razvoja z mo~no raz~lenjenim povr{jem. Tudi hipsometri~ni integral, torej plo{~ina pod hipsometri~no krivuljo, naj bi pokazal stopnjo razvoja povr{ja oziroma koliko gradiva bi morala erozija {e odnesti do popolne uravnanosti. ^e bi se povr{je res razvijalo cikli~no, od uravnanega in prek raz~lenjenega povr{ja do ponovno uravnanega povr{ja, bi bila Strahlerjeva razlaga pomena tipov hipsometri~nih krivulj in hipsometri- ~nega integrala smiselna. Ker pa se povr{je razvija veliko bolj kompleksno (Bognar 2001), je sodobna geomorfolo{ka znanost hipsometri~nim krivuljam in hipsometri~nemu integralu pripisala nove razlage. Konkavna hipsometri~na krivulja s hipsometri~nim integralom pod 0,4 je zna~ilna za povr{je, kjer je denudacija pobo~ij pomembnej{a od erozijskega vrezovanja vodnik tokov, zato so nastale {iroke doline s konkavnimi pobo~ji. Konveksna hipsometri~na krivulja s hipsometri~nim integralom nad 0,6 je zna~ilna za povr{je, kjer je erozijsko vrezovanje vodnih tokov pomembnej{e od denudacije pobo~ij, zato so nastale ozke doline s konveksnimi pobo~ji. Premo~rtna hipsometri~na krivulja s hipsometri~nim integralom okrog 0,5 je zna~ilna za kamninsko enotno povr{je, kjer sta denudacija pobo~ij in erozijsko vrezovanje vodnih tokov uravnoteèna, zato so nastale ozke doline s premo~rtnimi pobo~ji. Premo~rtno krivulja pomeni enakomerno razporeditev nadmorskih vi{in v pore~ju. Konkavno-konveksna hipsometri~na krivulja s hipsometri~nim integralom med 0,4 in 0,6 je zna- ~ilna za kamninsko neenotno povr{je, kjer je ponekod pomembnej{a denudacija pobo~ij, drugod pa je pomembnej{e erozijsko vrezovanje vodnih tokov. Konveksno-konkavna krivulja je najblìja krivu-lji normalne razporeditve, ki je zna~ilna za razporeditev ve~ine pojavov v naravi. Nekatere reliefne zna~ilnosti pore~ij opredeljujeta tudi splo{~enost in asimetri~nost hipsometri~- ne krivulje. 45 Mauro Hrvatin, Drago Perko 4 Uporaba geografskega informacijskega sistema Vi{insko razgibanost pore~ij v Sloveniji smo ugotavljali s 100-metrskim in 12,5-metrskim digitalnim modelom vi{in oziroma DMV 100 in DMV 12,5 (Podobnikar 2005; Geodetska uprava … 2006). DMV 12,5 je za preu~evanje razgibanosti povr{ja manj{ih obmo~ij zelo primeren, ker je dovolj podroben, zgolj z geomorfolo{kega vidika pa je sicer bolj{i DMV 25, saj je geomorfolo{ko testiran (Podobnikar 2006). Za ra~unanje reliefnih kazalnikov ter povezovanje podatkovnih slojev reliefa, kamnin, re~ne mreè in razvodnic smo uporabili programska paketa IDRISI (Eastman 1995) in ArcGIS (Shaner, Wrightsell 2000; Tucker 2000; McCoy, Johnston 2001). S programom Terrain Analysis System (Lindsay 2005), ki je posebej prilagojen za geomorfolo{ke in hidrolo{ke analize, smo izra~unali hipsometri~ne integrale in izrisali hipsometri~ne krivulje za 186 pore~ij z velikostjo med 5 in 50 km2. Uporabili smo DMV 100 in DMV 12,5, vendar so odstopanja izra~unanih hipsometri~nih integralov za isto pore~ja med obema digitalnima modeloma vi{in le okrog 1 %, pa tudi potek obeh hipsometri~nih krivulj za isto pore~je je enak (sliki 2 in 3). Kljub veliki razliki v natan~nosti in kakovosti DMV 100 in DMV 12,5 se je spet potrdilo dejstvo, da lahko DMV 100 pri nadmorskih vi{inah povr{ja tudi pri manj{ih obmo~jih uspe{no nadomesti natan~nej{e digitalne modele vi{in. Statisti~no pomembne razlike se pojavijo {ele pri navpi~ni in vodoravni nagnjenosti povr{- ja, torej naklonih in ekspozicijah povr{ja, ter navpi~ni in vodoravni ukrivljenosti povr{ja (Hrvatin, Perko 2002; Perko 2002; Hrvatin, Perko 2005). 1 1 Jevnica Jevnica hipsometri~ni hipsometri~ni integral = 0,4799 integral = 0,4678 0,5 0,5 vi{inski delè vi{inski delè 0 0 0 0,5 1 0 0,5 1 povr{inski delè povr{inski delè Slika 2: Hipsometri~na krivulja pore~ja Jevnice Slika 3: Hipsometri~na krivulja pore~ja Jevnice (Posavsko hribovje), izrisana iz 1109 podatkov (Posavsko hribovje), izrisana iz 71.045 podatkov vi{in DMV 100. vi{in DMV 12,5. 5 Pore~ja v Sloveniji Glede na kamninsko in reliefno pestrost Slovenije smo pri~akovali tudi najrazli~nej{e oblike hipsometri~nih krivulj. Ugotovili smo, da se v Sloveniji pojavljajo pore~ja z vsemi temeljnimi tipi hipsometri~nih krivulj. Najve~ pore~ij ima konkavno-konveksno hipsometri~no krivuljo s hipsometri~nim integralom med 0,4 in 0,6, kar je razumljivo, saj se pri nas tudi znotraj tako majhnih prostorskih enot, kot so pore~ja pod 50 km2, kamnine in geomorfni procesi hitro spreminjajo. 46 Hipsografska analiza pore~ij z digitalnim modelom vi{in Najmanj pore~ij ima konveksno hipsometri~no krivuljo s hipsometri~nim integralom nad 0,6. Taka pore~ja so zna~ilna za planote. V Sloveniji je sicer veliko planot, vendar je ve~ina kra{kih, torej brez povr{inskih vodotokov. Za prikaz smo za vsak tip hipsografskih krivulj izbrali dve zna~ilni pore~ji v Sloveniji: • pore~ji Ra~ne in Reke kot primera pore~ij s konkavno hipsometri~no krivuljo, • pore~ji Lobnice in Vuda kot primera pore~ij s konveksno hipsometri~no krivuljo, • pore~ji Kanomljice in Ljubnice kot primera pore~ij s premo~rtno hipsometri~no krivuljo in • pore~ji Dav~e in Lahomnice kot primera pore~ij s konkavno-konveksno hipsometri~no krivuljo. 6 Primeri pore~ij v Sloveniji Pore~je Ra~ne meri 42,9 km2. Leì ve~inoma v jùnem delu Kr{kega gri~evja, deloma pa sega tudi na Kr{ko polje. Najvi{je se vzpne 528 m visoko, kolikor meri vzpetina med Malo in Veliko Hubajnico, najnìja to~ka (148 m) je na soto~ju Ra~ne s Krko v bliìni Hrva{kega Broda. Kamninsko podlago povirja sestavlja predvsem triasni dolomit, spodnji del pore~ja pa prekrivajo pliokvartarne gline in ilovice, med katerimi so ponekod prodniki in kosi roènca (slika 4). Pore~je Reke meri 36,1 km2 in obsega skoraj celotna Gori{ka brda. Najvi{je se vzpne na Koradi (812 m), najnìja to~ka (68 m) je na soto~ju Reke z Idrijo v bliìni naselja Venco/Jenkovo v sosednji Italiji. Kamninsko podlago sestavlja eocenski fli{ s krajevnimi vlòki apnen~evih bre~. Spodnji tok Reke spremlja precej {iroka obre~na ravnica (slika 5). Pore~je Lobnice meri 43,1 km2 in leì na severni strani Pohorja. Najvi{je se vzpne na Velikem vrhu (1344 m) v bliìni ^rnega jezera, najnìja to~ka (269 m) je na soto~ju Lobnice z Dravo pri Ru{ah. Kamninsko podlago povirja sestavlja granodiorit, v spodnjem delu pore~ja pa prevladuje muskovitno-biotitni gnajs, ki ga ponekod prekinjajo le~e eklogita in amfibolita. Tik pred soto~jem pre~ka Lobnica {e pas kloritno-amfibolovega skrilavca (slika 6). Pore~je Vuda (Prevalov graben) meri 7,6 km2 in leì v zahodnem delu Kozjaka. Najvi{je se vzpne na jùnem pobo~ju hriba Haderniggkogel/Gabernik (1184 m) v sosednji Avstriji, najnìja to~ka (400 m) je na soto~ju Vuda z Mu~ko Bistrico. Pore~je je v skoraj v celoti zgrajeno iz metamorfnih kamnin. V povirju je najve~ kloritno-amfibolovega skrilavca ter amfibolita in diabaza, spodnji del pore~ja pa gradijo blestnik, gnajs in filit z vklju~ki marmorja in kremenovega metaporfirja (slika 7). Pore~je Kanomljice meri 45,4 km2 in leì v osrednjem delu Idrijskega hribovja. Najvi{je se vzpne s hribom Maslinca (1163 m) na robu Vojskarske planote, najnìja to~ka (300 m) je na soto~ju Kanomljice z Idrijco v Spodnji Idriji. Med kamninsko sestavo pore~ja prevladuje triasni dolomit, ki ponekod prehaja v plasti laporja in apnenca. Ostale kamnine (permokarbonski klastiti, dachsteinski apnenec, kredni skrilavi glinovec) gradijo le manj{a obmo~ja (slika 8). Pore~je Ljubnice meri 42,3 km2. Leì v vzhodnem delu Kamni{ko-Savinjskih Alp. Najvi{jo to~ko doseè na Komnu (1684 m), najnìja to~ka (408 m) je na soto~ju Ljubnice in Savinje v Ljubnem ob Savinji. V kam-ninski sestavi pore~ja prevladujeta oligocenska andezitni tuf in tufit z le~ami vulkanskih bre~. Najvi{ji vrhovi (Komen, Veliki Travnik in Smrekovec), po katerih poteka razvodnica, so zgrajeni iz andezita (slika 9). Pore~je Dav~e meri 32,3 km2 in leì v [kofjelo{kem hribovju. Najvi{je se vzpne na Poreznu (1630 m), najnìja to~ka (504 m) je na soto~ju Dav~e s Sel{ko Soro v bliìni Zalega Loga. Kamninska podlaga je izredno pestra in sestavljena iz triasnih psevdoziljskih plasti (skrilavi glinovec v menjavi s pe{~enjakom, drobo in tufom), pe{~enjaka, dolomita in apnenca. Povirna pobo~ja Porezna so zgrajena iz jurskega in krednega apnenca, laporja, dolomita, glinovcev in pe{~enjakov (slika 10). Pore~je Lahomnice meri 35,0 km2. in leì v vzhodnem delu Posavskega hribovja. Najvi{je se vzpne na Tolstem vrhu (834m), najnìja to~ka (216m) je na soto~ju Lahomnice s Savinjo v Marija Gradcu. Kamninsko podlago jùnega dela pore~ja sestavljajo miocenski lapor, pesek, pe{~enjak in litotamnijski apnenec, v severnem delu pore~ja pa je najve~ permokarbonskih klasti~nih kamnin ter diabaza in keratofirja (slika 11). 47 Mauro Hrvatin, Drago Perko 1 1 Ra~na Reka hipsometri~ni hipsometri~ni integral = 0,2422 integral = 0,2291 0,5 0,5 vi{inski delè vi{inski delè 0 0 0 0,5 1 0 0,5 1 povr{inski delè povr{inski delè Slika 4: Konkavna hipsometri~na krivulja na Slika 5: Konkavna hipsometri~na krivulja na primeru pore~ja Ra~ne (Kr{ko gri~evje). primeru pore~ja Reke (Gori{ka brda). 1 1 Lobnica Vud hipsometri~ni hipsometri~ni integral = 0,7052 integral = 0,6336 0,5 0,5 vi{inski delè vi{inski delè 0 0 0 0,5 1 0 0,5 1 povr{inski delè povr{inski delè Slika 6: Konveksna hipsometri~na krivulja na Slika 7: Konveksna hipsometri~na krivulja na primeru pore~ja Lobnice (Pohorje). primeru pore~ja Vuda (Kozjak). 7 Sklep Hipsografska analiza pore~ij posku{a na temelju prostorske razporeditve nadmorskih vi{in znotraj posameznega pore~ja obrazloìti njegove geomorfne procese in oblike. Njeni za~etki segajo è v sredino 20. stoletja, vendar se je zaradi zahtevnosti ra~unanja hiposmetri~nih kazalnikov kljub svoji znanstveni vrednosti razmahnila {ele z razvojem geografskih informacijskih sistemov konec 20. stoletja in natan~- nej{ih digitalnih modelov vi{in v 21. stoletju. 48 Hipsografska analiza pore~ij z digitalnim modelom vi{in 1 1 Kanomljica Ljubnica hipsometri~ni hipsometri~ni integral = 0,4811 integral = 0,5116 0,5 0,5 vi{inski delè vi{inski delè 0 0 0 0,5 1 0 0,5 1 povr{inski delè povr{inski delè Slika 8: Premo~rtna hipsometri~na krivulja Slika 9: Premo~rtna hipsometri~na krivulja na na primeru pore~ja Kanomljice (Idrijsko primeru pore~ja Ljubnice (Kamni{ko-Savinjske hribovje). Alpe). 1 1 Dav~a Lahomnica hipsometri~ni hipsometri~ni integral = 0,4489 integral = 0,4705 0,5 0,5 vi{inski delè vi{inski delè 0 0 0 0,5 1 0 0,5 1 povr{inski delè povr{inski delè Slika 10: Konkavno-konveksna hipsometri~na Slika 11: Konkavno-konveksna hipsometri~na krivulja na primeru pore~ja Dav~e ([kofjelo{ko krivulja na primeru pore~ja Lahomnice hribovje). (Posavsko hribovje). Hipsografska analiza 186 slovenskih pore~ij z velikostjo med 5 in 50 km2 je pokazala, da se v Sloveniji pojavljajo pore~ja z vsemi temeljnimi tipi hipsometri~nih krivulj, zaradi kamninske in reliefne pestrosti pa prevladujejo pore~ja s konkavno-konveksno hipsometri~no krivuljo in hipsometri~nim integralom med 0,4 in 0,6. Na{e prihodnje delo bo usmerjeno na hipsografsko analizo vseh slovenskih pore~ij ne glede na njihovo velikost, tako da bomo lahko dolo~ili njihovo tipologijo, hkrati pa bomo natan~neje raziskali pore~ja znotraj kamninsko razmeroma enotnih pokrajin, na primer Brkinov ali Slovenskih goric, in ugotovi-49 Mauro Hrvatin, Drago Perko li, koliko so si hipsometri~ne krivulje in hipsometri~ni integrali posameznih pore~ij znotraj enotne pokrajine podobni. Poiskali bomo tudi morebitne zakonitosti pri prostorski razporeditvi pore~ij vseh temeljnih tipov hipsometri~nih krivulj. 8 Viri in literatura Avena, G. C., Giuliano, G., Lupia Palmieri, E., 1967: Sulla valutazione quantitativa della gerarchizza-zione ed evoluzione dei reticoli fluviali. Bollettino della Società Geologica Italiana 86. Roma. Bognar, A. 2001: The theory of geomorphological cycles of William Morris Davis. Geografski zbornik 41. Ljubljana. Ciccacci, S., D'Alessandro, L., Fredi, P., Lupia Palmieri, E., 1992: Relations between morphometric characteristics and denudational processes in some drainage basins of Italy. Zeitschrift für Geomorphologie 36. Berlin, Stuttgart. Ciccacci, S., Fredi, P., Lupia Palmieri, E., Pugliese, F., 1980: Contributo dell'analisi geomorfica quantitativa alla valutazione dell'entità dell'erosione nei bacini fluviali. Bollettino della Società Geologica Italiana 99. Roma. D'Alessandro, L., Del Monte, M., Fredi, P., Lupia Palmieri, E., Peppoloni, S., 1999: Hypsometric analysis in the study of Italian drainage basin morphoevolution. Transactions, Japanese Geomorphological Union 20–23. Kyoto. Davis W. M. 1899: The geographical cycle. Geographical Journal 14. London. Eastman, J. R. 1995: IDRISI for Windows. User's Guide. Worcester. Geodetska uprava Republike Slovenije: Digitalni modeli vi{in (DMV). Medmrèje: http://www.gu.gov.si/ index.php?id=9909#13332 (1. 6. 2006) Horton, R. E. 1945: Erosional development of streams and their drainage basins; hydrophysical approach to quantitative morphology. Bulletin of the Geological society of America 56. New York. Hrvatin, M., Perko, D. 2002: Ugotavljanje ukrivljenosti povr{ja z digitalnim modelom vi{in in njena uporabnost v geomorfologiji. Geografski informacijski sistemi v Sloveniji 2001–2002. Ljubljana. Hrvatin, M., Perko, D. 2005: Differences between 100-meter and 25-meter digital elevation models according to types of relief in Slovenia. Acta geographica Slovenica 45–1. Ljubljana. Langbein, W. B. 1947: Topographic characteristics of drainage basin. Water Supply Paper 968-C. Denver. Lindsay, J. B., 2005: The Terrain Analysis System: a tool for hydro-geomorphic applications. Hydrological processes 19. Chichester. Luo, W. 1998: Hypsometric analysis with geographic information system. Computers & Geosciences 24–8. Oxford, New York. Lupia Palmieri, E., 2004: Hypsometric analysis. Encyclopedia of geomorphology 1. London. Mackin, J. J. 1948: Concept of the graded river. Bulletin of the Geological society of America 59. New York. Marchetti, M., 2000: Geomorfologia fluviale. Bologna. McCoy, J., Johnston, K. 2001: Using ArcGIS Spatial Analyst. Redlands. Ohmori, H. 1993: Changes in the hypsometric curve through mountain building resulting from concurrent tectonics and denudation. Geomorphology 8. Amsterdam, Oxford, New York, Tokyo. Perko, D. 2001: Analiza povr{ja Slovenije s stometrskim digitalnim modelom reliefa. Geografija Slovenije 3. Ljubljana. Perko, D. 2002: Dolo~anje vodoravne in navpi~ne razgibanosti povr{ja z digitalnim modelom vi{in. Geografski vestnik 74-2. Ljubljana. Podobnikar, T. 2005: Production of integrated digital terrain model from multiple datasets of different quality. International Journal of Geographical Information Science 19–1. London. Podobnikar, T. 2006: Digitalni model reliefa iz razli~nih podatkov. @ivljenje in tehnika 57–4. Ljubljana. 50 Hipsografska analiza pore~ij z digitalnim modelom vi{in Shaner, J., Wrightsell, J. 2000: Editing in ArcMap. Redlands. Strahler, A. N., 1952: Hypsometric (area-altitude) analysis of erosional topography. Bulletin of the Geological society of America 63. New York. Strahler, A. N., 1957: Quantitative analysis of watershed geomorphology. Transaction of the American Geophysical Union 38. Washington. Tucker, C. 2000: Using ArcToolbox. Redlands. 51 52 GIS v Sloveniji 2005–2006, 53–60, Ljubljana 2006 GEOINFORMACIJSKA ORODJA IN OBDELAVA PODATKOV BIOINDIKATORSKIH METOD dr. Natalija [peh ERICo Velenje, In{titut za ekolo{ke raziskave Koro{ka cesta 58, 3320 Velenje natalija.speh@ erico.si UDK: 504.05:659.2:004 (497.4) IZVLE^EK Geoinformacijska orodja in obdelava podatkov bioindikatorskih metod Zaradi {tevilnosti podatkov bioindikatorskih metod, ki ugotavljajo onesnaènje okolja s pomo~jo ìvih organizmov (bioindikatorjev), smo z uporabo geografskega informacijskega sistema sintezno prikazali stanje obremenjenosti pokrajine s poudarkom na zraku. Bolj obi~ajno tovrstne podatke razlagajo statisti~no, GIS orodja pa omogo~ajo nazornej{i, prostorski prikaz. S tem se raz{irijo mònosti njihove nadaljnje uporabe, npr. v prostorsko-planerski stroki (prostorske strategije in akti lokalnih skupnosti). KLJU^NE BESEDE bioindikatorske metode, stanje okolja, geografski informacijski sistem, [ale{ka dolina, Slovenija ABSTRACT Geoinformatic tools and processing the data of bioindication methods Because of the number of bioindication methods' data, which enable us to establish the environmental state using living organisms (bioindicators), we made GIS application for synthesis presentation of the landscape burdening state focussed on the landscape source of air. Usually the bioindication data are processed statistically, whereas GIS tools provide more evident spatial presentation. Also the possibilities of the data further usage widen, eg. in spatial planning (spatial strategies and documents of communities). KEYWORDS bioindication methods, environmental state, geographical information system, [alek Valley, Slovenia 53 Natalija [peh 1 Uvod Bioindikatorske metode, s katerimi zaznavamo stanje okolja, za obdelavo podatkov najpogosteje uporabljajo statisti~ni pristop. V prispevku pa predstavljamo poskus sinteznega prikaza stanja pokrajinskih virov s poudarkom na zraku, opravljen na podlagi podatkov za razli~ne bioindikatorje, tj. ìve organizme, ki na spremembe v okolju ustrezno (merljivo) reagirajo. Geografske sinteze ve~krat zahtevajo primerjavo podatkov, ki so bili pridobljeni z razli~nimi metodolo{kimi pristopi, meritve pa opravljene na razli~nih pokrajinskih (okoljskih) virih. Velikokrat je dovolj, ~e primerjamo gibanje vrednosti podatkov (trende) v razli~nih ~asovnih obdobjih izvajanja meritev, ~e pa lokacijam (vzor~evalnim mestom), kjer smo meritve opravljali, dodamo prostorsko dimenzijo, dobijo izmerjeni rezultati dodatno (sporo~ilno in strokovno) vrednost. Hkrati se ponudijo mònosti njihove uporabe tudi v drugih strokah, npr. prostorskem na~rtovanju, ki potrebuje tovrstne strokovne podlage za sonaravno in trajnostno ume{~anje dejavnosti v prostor. Brez tega pristopa je namre~ na~rtovanje prostora lahko zopet le povod in vir nadaljnjega obremenjevanja in pritiskov na okolje in njegove vire. Prikazano ocenjevanje obremenjenosti zraka s pomo~jo bioindikatorjev temelji na pokrajinskoekolo{ki ~lenitvi prostora (~lenitev obravnavanega obmo~ja na pokrajinskoekolo{ke enote, oprte na vi{insko regionalizacijo). Glede na razpolòljive bioindikatorske kazalce o kakovosti zraka smo opredelili obmo~- ja doseène stopnje razvrednotenja okolja z vidika obremenjevanja zraka v [ale{ki dolini. Pridobljene ugotovitve so lahko v pomo~ pri oblikovanju ocen {e sprejemljivega obsega obremenitve in predlogov stopnje varovanja okolja pred obremenitvami, vklju~no z obmo~ji, v katerih zaradi ~ezmerne obremenjenosti novi obremenjujo~i posegi v okolje niso dovoljeni. Te ocene in predloge pa bi bilo mòno oblikovati {ele po opravljeni kompleksni {tudiji ranljivosti in ob~utljivosti okolja, ki jo sestavljajo kakovostna in koli~inska analiza okolja in vseh njegovih sestavin, njegove ob~utljivosti glede nadaljnjih posegov v okolje, ocena regeneracijskih in nevtralizacijskih sposobnosti okolja ter kon~no, ocena integralne obremenjenosti okolja ([pes et al. 2002). 2 Metodologija Na podlagi podatkov bioindikatorskih metod, ki zaznavajo onesnaènje v okolju s pomo~jo ìvih organizmov (bioindikatorjev), smo ugotavljali posledice pritiskov na kakovost zraka [ale{ke doline, ki jih v najve~ji meri povzro~a Termoelektrarna [o{tanj s svojo aktivnostjo. Obremenjenost zraka smo ocenili z naslednjimi kazalci: indeks zra~ne ~istosti (Poli~nik 2005), vsebnost celokupnegàvepla v iglicah smreke in delè po{kodovanosti listov tobaka kot u~inek onesnaènja zraka s troposferskim ozonom. Ozemlje [ale{ke doline smo raz~lenili na pet pokrajinskoekolo{kih enot (PEE), na podlagi uveljavlje-nih razvrstitev v razrede za posamezen kazalec pa uskladili vrednostne lestvice v enotno razredno razvrstitev in oblikovali lestvico s {tirimi razredi. Posamezne bioindikatorske kazalce onesnaènosti zraka smo predstavili tudi kartografsko ter jih s prekrivanjem zdruìli v sinteznem zemljevidu, ki prikazuje stanje razvrednotenja obravnavanega okoljskega (pokrajinskega) vira – zraka (nabor bioindikatorskih kazalcev vrednotenja stanja zraka v [ale{ki dolini je bil odvisen od razpolòljivosti podatkov). Ocena obremenjenosti zraka v [ale{ki dolini velja za leto 2004. 3 Rezultati in razprava 3.1 Pokrajinskoekolo{ka ~lenitev obmo~ja raziskave Pokrajinskoekolo{ka analiza pokrajinotvornih sestavin (okoljskih virov) v okviru pokrajinskoekolo{kih enot (PEE) nudi podlago za oceno (skupne) ranljivosti in obremenjenosti pokrajinskih enot. 54 Geoinformacijska orodja in obdelava podatkov bioindikatorskih metod Drùbenogeografske sestavine so vklju~ene pri obravnavanih pokrajinotvornih elementih z vidika ocenjevanja obremenjenosti (emisije, ostale obremenitve in motnje kot posledica ~lovekovih dejavnosti) ([pes et al. 1995). Celovito poznavanje sestave in delovanja geografskega okolja in njegovih sestavin je osnovni strokovni pripomo~ek za realno oceno pokrajinskih posegov in za izbor poti celostnega re{evanja pokrajinskodegradacijskih pojavov ter predloga optimalne pokrajinske rabe (Plut et al. 2000). Preglednica 2: Pokrajinskoekolo{ke enote [ale{ke doline. pokrajinskoekolo{ka enota povr{ina (v %) n. v. n. v. kotlinsko dno ob Paki in jezerih ter njihovih pritokih 41,6 do 375 m gri~evje 19,8 376–575 m nizko hribovje vzhodnih Karavank 24,0 576–975 m visoko hribovje vzhodnih Karavank 10,2 976–1375 m Smrekov{ko pogorje 4,4 1376–1577 m Geomorfolo{ko gledano predstavlja obravnavano geografsko obmo~je [ale{ke doline na vzhodu in zahodu zaklju~eno in samostojno reliefno enoto amfiteatralne kotlinaste oblike. Celoten prostor [ale{- ke doline (179,6 km2) smo kljub omejenosti glede na Gamsovo (1996) vi{insko razdelitev po stometrskih pasovih, ki samo izjemoma povr{je do 200 m nad morjem uvr{~a med gri~evje (nadmorske vi{ine na{ega preu~evanega obmo~ja so v razponu od 360 do 1596 m), razlo~ili 5 pokrajinskoekolo{kih enot ([peh 2003; Poli~nik et al. 2005): • najnìje, ravninske dele predstavlja zaradi podzemne premogovni{ke dejavnosti ojezerjeno kotlinsko dno ob reki Paki in njenih pritokih, antropogeno nastala tri jezera (Drùmirsko, Velenjsko in najstarej{e [kalsko jezero) ter naplavine spodnjih delov njihovih pritokov. Gre za uravnan svet na aluvialnih nanosih, ki je namenjen intenzivni kmetijski rabi tal (njivske in travni{ke povr{ine), vmes pa so zaplate, porasle z varovalnim gozdom, ali pa je pokrajina mo~no urbanizirana. • pokrajinskoekolo{ka enota gri~evje zavzema vi{je, slemenaste predele nad dolinami jezerskih pritokov (predstavljajo ga kmetijske in gozdne povr{ine) ter agrarno pokrajino strnjenih naselij ter njihovih bolj razloèno poseljenih delov. Lahko bi govorili tudi o termalnem pasu, kjer zaradi ugodnej{e kli-me uspevajo tudi ob~utljivej{e kulture, npr. sadno drevje. • nizko hribovje vzhodnih Karavank – jugozahodno pobo~je karbonatne in zakrasele Vodemle ter njeno razpr{eno poseljeno vznòje, kjer se izmeni~no pojavljajo me{ane kmetijske povr{ine. Najstrmej{e in vrhnje dele prera{~a gozd. • visoko hribovje vzhodnih Karavank – zaobljeni vrhovi pobo~ij, ve~inoma pora{~eni z gozdom in vmesnimi samotnimi kmetijami – celki, obkroà in hkrati zaklju~uje amfiteatralno obliko obravnavanega obmo~ja. • vulkansko pogorje Smrekovca (1577 m); zelo redko (ponekod le ob~asno) poseljeno obmo~je v skrajnem zahodnem delu preu~evanega obmo~ja, izmenoma pora{~eno z gozdom in gorskimi travniki. Obmo~je je zaradi ohranjenih naravnih vrednot (prostoìve~e ìvalske vrste, botani~no izjemna biotska pestrost) vklju~eno v evropsko omrèje zavarovanih obmo~ij Natura 2000. 3.2 Smreka kot bioindikator Kazalec onesnaènosti zraka te bioindikatorske metode je celokupna vsebnost `vepla v iglicah teko- ~ega letnika. Rezultati meritev pokaèjo oceno stanja gozdnega ekosistema na osnovi ekofiziolo{kih pokazateljev stresa v iglicah (Glasen~nik in Al Sayegh Petkov{ek 2005). Kazalec se vsebinsko in funkcionalno smiselno navezuje na ostale bioindikatorje, predvsem li{aje, ki prav tako odraàjo obremenjenost zraka v gozdnem ekosistemu. Podatke o vsebnostih `vepla, izmerjenih za vzorce smrekovih iglic na osmih 55 Natalija [peh Slika 1: Ocene obremenjenosti zraka po pokrajinskoekolo{kih enotah [ale{ke doline glede na kazalec celokupne vsebnostìvepla v iglicah (Glasen~nik, Al Sayegh Petkov{ek 2005). vzor~evalnih mestih v [ale{ki dolini, smo glede na uveljavljeno kategorizacijo (Kalan et al. 1995) kartografsko prikazali lego vzor~evalnih mest in razrede (slika 1), v katere sodijo smreke glede na celokupno vsebnost `vepla v njihovih iglicah, po posameznih pokrajinskoekolo{kih enotah. Iz slike 1 razberemo, da je zrak najbolj obremenjen v neposredni bliìni vira emisij – {o{tanjske termoelektrarne v PEE 1; meritve iz leta 2004 uvr{~ajo vzorce z dveh lokacij v tretji razred, ki è pomeni mòne in pri~akovane po{kodbe drevja, medtem ko imajo smrekove iglice na tretji lokaciji izmerjeno celokupno vsebnost `vepla v okvirih naravne vsebnosti in pripada 1. kakovostnemu razredu. V PEE 2 se nahaja le eno vzor~evalno mesto jùno od opazovanega vira emisij, iglice smreke pa so imele ob zadnjih meritvah vsebnost `vepla, ustrezno drugemu razredu. Tudi v PEE 3 je le eno vzor~evalno mesto na Gra{ki gori, glede na vsebnost `vepla v vzorcu iglic pa se uvr{~a v tretji razred (mòne in pri~akovane so po{kodbe dreves). Edina lokacija v PEE 4 se po izmerjenih podatkih uvr{~a v drugi razred. Najmanj `vepla leta 2004 so imele iglice z lokacije Kramarica v PEE 5; po meritvah vsebnostìvepla smo jo uvrstili v 1. razred (do 0,97 mg/g), ki ustreza naravni vsebnostìvepla. 3.3 Li{aji kot bioindikator Pri bioindikatorski metodi z li{aji se onesnaènost zraka ocenjuje s podatki za indekse zra~ne ~istosti. Prvi~ v letu 1994, neprekinjeno pa od leta 2002 se v [ale{ki dolini izvaja kartiranje epifitskih li{ajev, ker se reakcija li{ajev na onesnaènost zraka izkazuje z razli~no vrstno sestavo epifitov, meri pa se tudi vsebnost tèkih kovin v li{ajih kot akumulacijskih indikatorjih. Za ocenjevanje onesnaènosti zraka, ra~unanje indeksov zra~ne ~istosti in umestitev obmo~ij v razrede ~istosti smo uporabili mednarod-56 Geoinformacijska orodja in obdelava podatkov bioindikatorskih metod Slika 2: Ocene obremenjenosti zraka po pokrajinskoekolo{kih enotah [ale{ke doline glede na indeks zra~- ne ~istosti (Poli~nik 2005). no primerljivo metodo, po kateri se stopnje (razredi) onesnaènosti dolo~ajo z indeksom (vi{ji indeks pomeni vi{ji razred oziroma bolj ~ist zrak). Rezultate analiz in meritev smo tudi prostorsko ovrednotili in prikazali (slika 2). Vrednosti indeksa, izra~unanega na podlagi zadnjih meritev iz leta 2004, uvr{~ajo 12,9 % povr{ja [ale{ke doline v najnìji razred, ki pomeni tudi najbolj onesnaèn zrak (vrednost indeksa od 0 do 10,73). Gre za jezersko pokrajino ter srednji del pore~ja Pake z najnìjimi nadmorskimi vi{inami (PEE 1) ob neposredni bliìni vira onesnaèvanja – {o{tanjske termoelektrarne. 41,2 % ozemlja [ale{- ke doline pripada glede na obravnavani kazalec zra~ne ~istosti drugemu najbolj šonesnaènemu’ razredu (vrednost indeksa se giblje med 10,74–21,45), in se prekriva s PEE 2 – gri~evje, ki obroblja dno [ale{- ke doline. Skoraj polovico (45,9 %) obravnavanega obmo~ja spada v tretji razred onesnaènosti zraka po lestvici izbrane metode in zavzema glede na nadmorsko vi{ino preostale tri najvi{je leè~e PEE. 3.4 Tobak kot bioindikator Onesnaènost zraka [ale{ke doline smo ocenili tudi z bioindikatorskim kazalcem vpliva troposferskega ozona glede na delè po{kodovanosti listov tobaka. Na podlagi meritev in podatkov (med letoma 2002 in 2004) smo èleli ugotoviti prostorsko razporeditev posledic u~inkovanja troposferskega ozona na kmetijske rastline v [ale{ki dolini. Tobak je bil izpostavljen v urbanih in ruralnih obmo~jih. Izra~unana je bila povpre~na po{kodovanost listov v vegetacijski dobi za omenjeno ~asovno obdobje treh let in opredeljen delè po{kodovanosti listov tobaka (ocenjen v odstotkih). Ve~ina ozemlja (78,7 %) [ale{ke doline spada glede na preu~evani kazalec obremenjenosti zraka v tretji razred, najve~ji vpliv troposferskega ozona na po{kodovanost listnih povr{in tobaka pa je bil 57 Natalija [peh Slika 3: Obremenjenost zraka [ale{ke doline s troposferskim ozonom glede na delè po{kodovanosti listov tobaka (Kopu{ar 2005). ocenjen na obmo~ju PEE 3 – nizko hribovje vzhodnih Karavank) in Velikega Vrha v PEE 2 – gri~evje (21,3 % povr{ja [ale{ke doline) (slika 3). 3.5 Ocena obremenjenosti (onesnaènosti) zraka v [ale{ki dolini Zakon o varstvu okolja (UL RS 39/2006) opredeljuje kot obremenjenost okolja vsak poseg oziroma posledico posega v okolje, ki je izklju~no ali hkrati povzro~ila ali povzro~a onesnaènje (razvrednote-nje) okolja, tveganje za okolje ali po{kodbo okolja ter rabo in izkori{~anje naravnih dobrin. Doseèno stopnjo obremenjenosti okolja z vidika zraka smo prikazali s prekrivanjem posameznih zemljevidov (slike 1, 2, 3), nastalih na podlagi podatkov za kakovost (stanje obremenjenosti) zraka z bioin-dikatorskimi kazalci celokupne vsebnostìvepla v iglicah smreke, indeksom zra~ne ~istosti (LGW), pridobljenim s kartiranjem in analizo tèkih kovin v li{ajih ter oceno vpliva troposferskega ozona glede na delè po{kodovanosti listnih povr{in tobaka. Ob razlagi sinteznega zemljevida (slika 4), ki prikazuje obmo~ja [ale{ke doline z razli~no stopnjo obremenjenosti zraka, ugotavljamo, da (Poli~nik et al. 2005): 1. se 12,9 % povr{ja nahaja v najbolj onesnaènem obmo~ju s prekomerno (kriti~no) obremenjenost-jo zraka ob neposredni bliìni vira – TE[-a (obmo~je se nahaja na ozemlju PEE 1), 2. obmo~je z mo~no obremenjenim zrakom se ne pojavlja, 3. drugi najve~ji delè (41,2 %) predstavljajo tisti predeli doline, kjer obremenjevanje {e ni preseglo samo~istilnih in regeneracijskih sposobnosti (nosilnosti) okolja; obmo~je se nahaja v gri~evna-ti PEE 2, 58 Geoinformacijska orodja in obdelava podatkov bioindikatorskih metod Slika 4: ^lenitev [ale{ke doline glede na stopnjo obremenjenosti zraka, stanje leta 2004 (po bioindikatorskih kazalcih indeksa zra~ne ~istosti, vsebnostìvepla v iglicah smreke in ocene vpliva troposferskega ozona glede na delè po{kodovanosti listnih povr{in tobaka). 4. najve~ je povr{ja z zmerno obremenjenim zrakom (43,9 %), ki ve~inoma sovpada s PEE 3 in 4 – visoko in nizko hribovje vzhodnih Karavank ter PEE 1 v skrajnem jugovzhodnem delu doline (Dobrnsko podolje in [entiljska kotlinica), 5. najmanj onesnaèn zrak (majhna obremenjenost) je v severni polovici PEE 5 – Smrekov{ko pogorje in predstavlja 2 % povr{ja [ale{ke doline. 4 Sklep Kot najbolj reprezentativen za ugotavljanje stanja (obremenjenosti / ~istosti) zraka se je izkazal kazalec LGW indeksa, ker je mreà vzor~evalnih mest postavljena sistemati~no, 4 krat 4 km. Pri kazalcih vsebnosti celokupnegàvepla v smrekovih iglicah in deleà po{kodovanosti listnih povr{in tobaka so bile lokacije izbrane naklju~no, na gozdnih povr{inah vzpetin in slemen, predvidenih kot vplivno obmo~- je {o{tanjske termoelektrarne. Predstavljeno uporabo GISa pri vrednotenju preu~evanega pokrajinskega vira s podatki bioindikatorskih metod ocenjujemo kot delno ustrezno, ob izpolnjevanju naslednjih pogojev pa bi se primernost njene uporabe izbolj{ala: • ve~je {tevilo med sabo primerljivih kazalcev naravnih in drùbenih pokrajinskih virov, ki bi zmanj- {ali negativen u~inek posplo{evanja (generalizacije) ter zve~ali relevantnost in pomen sinteznega prikaza, 59 Natalija [peh • bolj gosta mreà merilnih (vzor~evalnih) mest in vklju~itev ve~jega {tevila lokacij (vzor~evalnih mest) iz vzhodnega dela [ale{ke doline, • dodati tudi kazalce, ki bi predstavljali {e druge vire antropogenega obremenjevanja zraka v dolini in ne samo {o{tanjske termoelektrarne. Preglednica 2: Pomanjkljivosti in prednosti uporabljene aplikacije GISa pri sintezi podatkov bioindikatorskih metod. pomanjkljivosti prednosti majhno {tevilo kazalcev bolj nazoren, prostorski prikaz {tevilnih podatkov iz preglednic generalizacija (posplo{evanje) mònost prekrivanja slojev (zna~ilnosti) posameznih kazalcev ni podatkov (vzor~evalnih mest) mònost zdruèvanja naravnih in drùbenih zna~ilnosti (kazalcev) za vzhodni del preu~evanega ozemlja mònost vrednotenja posameznega okoljskega (pokrajinskega) vira nevklju~eni ostali antropogeni viri ali razli~ne kombinacije le-teh obremenjevanja zraka 5 Viri in literatura Gams, I. 1996: Geografske zna~ilnosti Slovenije za srednje {ole. Ljubljana. Glasen~nik, E., Al Sayegh Petkov{ek, S. 2005: Biomonitoring gozdnega ekosistema po zmanj{anju emisije iz Termoelektrarne [o{tanj. Poro~ilo, DP 16/02/05. ERICo Velenje, In{titut za ekolo{ke raziskave. Velenje. Kalan, J., Kalan, P., Simon~i~, P. 1995: Bioindikacija onesnaènosti gozdov z `veplom na podlagi vsebnostìvepla v asimilacijskih delih gozdnega drevja. Zbornik Gozdarstva in lesarstva, 47. Ljubljana. Kopu{ar, N. 2005: Preu~evanje interakcije vplivov O in N na indikatorske rastline v ruralnih obmo~- 3 jih [ale{ke doline. Letno poro~ilo, DP 6/02/05. ERICo Velenje, In{titut za ekolo{ke raziskave. Velenje. Plut, D., [pes, M., Hudoklin, J., Bre~ko Grubar V., Jankovi~ L. 2000: Varstvo okolja in prostorski razvoj Slovenije (raziskovalna naloga). Znanstveni in{titut FF Ljubljana, Acer. Novo mesto. Poli~nik H. 2005: Ugotavljanje onesnaènosti zraka s kartiranjem li{ajev in akumulacijo tèkih kovin v li{ajih. Poro~ilo, DP 4/02/05. ERICo In{titut za ekolo{ke raziskave. Velenje. Poli~nik, H., Al Sayegh-Petkov{ek, S., Kopu{ar, N., [peh, N., Justin, B., Pav{ek, Z., [alej, M., Glasen~- nik, E . 2005: Termoelektrarna [o{tanj in prekomejno onesnaèvanje zraka v letih 1987–2004. Kon~no poro~ilo, DP 24/02/05. ERICo In{titut za ekolo{ke raziskave. Velenje. [peh, N. 2003: Sonaravno vrednotenje povr{ja nad zahodnim delom Velenjske premogovne kadunje. Doktorska disertacija, Filozofska fakulteta Univerze v Ljubljani, Oddelek za geografijo. Ljubljana. [pes, M., Bat, M., Gabrovec, M., Ho~evar, M., Natek, K., Natek, M., Plut, D., Sadar, K., [ebenik, I. 1995: Ranljivost okolja v novome{ki ob~ini. In{titut za geografijo. Ljubljana. [pes, M., Cigale, D., Lampi~, B., Natek, K., Plut, D., Smrekar, A. 2002: [tudija ranljivosti okolja (metodologija in aplikacija). Geographica Slovenica 35/1-2. Geografski in{titut Antona Melika ZRC SAZU. Ljubljana. Zakon o varstvu okolja (ZVO-1-UPB1). Ur. l. {t. 39/2006. 60 GIS v Sloveniji 2005–2006, 61–71, Ljubljana 2006 PROSTORSKA PORAZDELITEV TRAJANJA SON^NEGA OBSEVANJA Mojca Dolinar Agencija Republike Slovenije za okolje Vojkova cesta 1B, 1000 Ljubljana m.dolinar@ gov.si UDK: 551.521:528.94(497.4) 659.2:004:91 IZVLE^EK Prostorska porazdelitev trajanja son~nega obsevanja Glavni namen predstavljene {tudije je izra~un prostorske porazdelitve trajanja son~nega obsevanja v referen~nem obdobju 1971–2000. Trajanje son~nega obsevanja se zaradi ovir precej skraj{a. Ker se vpliv ovir spremeni è ob majhnem prostorskem premiku, smo trajanje prera~unali na matemati~ni horizont. Tako smo na kartah prikazali le klimatolo{ke zna~ilnosti trajanja son~nega obsevanja, medtem ko vpliv ovir dodatno ocenimo za vsako lokacijo posebej. Prostorski vzorec trajanja son~nega obsevanja se med sezonskim ciklom obrne, zaradi ~esar se zna~ilen prostorski vzorec na letni ravni zabri{e. Zato smo prostorsko porazdelitev trajanja son~nega obsevanja ra~unali po letnih ~asih. Interpolacijski model je kombinacija multivariat-nega regresijskega modela, kriginga in enostavnih matemati~nih modelov. Za vsak letni ~as smo naredili regionalizacijo Slovenije glede na zna~ilnosti trajanja son~nega obsevanja in za vsako regijo posebej dolo- ~ili interpolacijski model. Kon~ne karte so izra~unane na sezonski ravni z lo~ljivostjo 1 km. KLJU^NE BESEDE trajanje son~nega obsevanja, prostorska interpolacija, kriging, klimatske karte, digitalni model reliefa, geografski informacijski sistem ABSTRACT Spatial interpolation of sunshine duration The objective of present study is the calculation of spatial distribution of sunshine duration for the territory of Slovenia. Four maps in 1 km resolution are prepared to present spatial distribution of sunshine duration for winter, spring, summer and autumn. The values on all four maps are 30-year mean seasonal sunshine duration, calculated from measurements on 43 meteorological stations in the reference period 1971–2000. The seasonal presentation is chosen due to high inter-seasonal variability in spatial distribution of sunshine duration. The values on the maps are calculated on a mathematical horizon, to avoid the influence of geographical, urban and vegetation obstacles. The interpolation model is a combination of multivari-ate regression model, residual kriging and simple mathematical models. Geographical variables (altitude, latitude and longitude) are used in models to explain the spatial variability of sunshine duration. For each season, regionalisation is preformed, based on sunshine duration data, derived geographical data and radio-sounding data. The interpolation models are developed for every region separately and afterwards the calculated layers are merged using GIS techniques. KEYWORDS sunshine duration, spatial interpolation, kriging, climatological maps, digital terrain model, geographical information system 61 Mojca Dolinar 1 Uvod Energija son~nega obsevanja je eden pomembnej{ih obnovljivih virov energije v Sloveniji, zato je povpra{evanje po nadrobni klimatologiji son~nega sevanja vedno ve~je (Medved et al. 2001). Trajanje son~nega obsevanja se meri è vrsto let, saj je merjenje s pomo~jo okrogle le~e dokaj enostavno. Zaradi pomanjkanja meritev energije son~nega obsevanja si s trajanjem lahko pomagamo pri oceni energije son~nega sevanja. Za referen~no obdobje 1971–2000 smo imeli na voljo 43 lokacij z meritvami trajanja son~nega obsevanja (Ovsenik-Jegli~ 2004), medtem ko smo imeli za isto obdobje na voljo le eno lokacijo s kontinuiranimi meritvami energije son~nega sevanja. To je bil glavni razlog, da smo se odlo- ~ili za izra~un prostorske porazdelitve trajanja son~nega obsevanja na matemati~ni horizont. Na ta na~in so predstavljene le klimatolo{ke zna~ilnosti trajanja son~nega obsevanja (neodvisno od geografskih in drugih ovir) in te sezonske karte lahko sluìjo kot vhod v razli~ne modela za oceno energije son~nega obsevanja. Trajanje son~nega obsevanja je mo~no odvisno od nadmorske vi{ine, vendar se ta odvisnost iz meseca v mesec mo~no spreminja (Ho~evar et al. 1982). Zaradi pogoste megle in nizke obla~nosti v dolinah, kotlinah in ve~jih ravninah, imamo v zimskih in jesenskih mesecih ve~ son~nih ur v vi{jih legah. Nasprotno pa je v pomladanskih in poletnih mesecih ve~ sonca nad ve~jimi ravninami, saj se v tem delu leta najpogosteje formirajo konvektivni oblaki v hribih in njihovi bliìni. Zaradi tolik{ne razlike odvisnosti trajanja son~nega obsevanja od nadmorske vi{ine smo prostorsko porazdelitev ra~unali lo~eno po letnih ~asih. Za vsak letni ~as smo Slovenijo razdelili na regije z zna~ilnim interpolacijskim modelom. Geografski informacijski sistemi so hitro razvijajo~e in mo~no orodje, ki imajo vedno ve~ji pomen v okoljskih znanostih, tudi v klimatologiji (Dobesch et al. 2001). V predstavljeni {tudiji so bile funkcionalnosti GIS uporabljene za zelo {irok spekter nalog: ra~unanje izpeljanih geografskih spremenljivk, regionalizacijo, razvoj in izvajanje interpolacijskih modelov, spajanje rezultatov prostorske interpolacije po regijah in kon~no tudi za vizualizacijo kon~nih rezultatov in njihovo kartiranje. 2 Podatki Pri ra~unanju prostorske porazdelitve trajanja son~nega obsevanja smo uporabili dva osnovna tipa podatkov: • Klimatolo{ke podatke • Geografske podatke V referen~nem obdobju 1971–2000 je bilo trajanje son~nega obsevanja kontinuirano merjeno na 19 merilnih to~kah po Sloveniji. Poleg teh, smo imeli na voljo {e podatke iz 24 merilnih to~k z vsaj 5 let neprekinjenih meritev v tem istem obdobju. Manjkajo~e podatke na teh postajah smo interpolirali na dnevni ravni. Kot pojasnjevalne spremenljivke smo uporabili meritve energije globalnega in direktnega son~nega obsevanja, ~e so bile te na voljo. Sicer smo za ~asovno-prostorsko interpolacijo kot pojasnje-valni spremenljivki uporabili trajanje son~nega obsevanja in obla~nost iz najblìjih meteorolo{kih postaj. Prostorska porazdelitev 43 merilnih mest na teritoriju Slovenije je prikazana na sliki 1. Porazdelitev postaj z meritvami trajanja son~nega obsevanja, ki jih upravlja Agencija RS za okolje (ARSO) glede na nadmorsko vi{ino je skladna s porazdelitvijo terena Slovenije po nadmorski vi{ini (slika 2), z najvi{jo merilno postajo na Kredarici (2514 m). Vi{ino baze konvektivnih oblakov v poletnih in pomladnih mesecih in vi{ino jezer hladnega zraka v jesenskih in zimskih mesecih smo dolo~ili s pomo~jo vertikalnih profilov temperature in vlage, ki jih izmerimo z radiosondànimi meritvami. Take meritve izvaja ARSO nad Ljubljano, vsako jutro ob 7. uri po son~nem ~asu. Meritve so reprezentativne za Ljubljansko kotlino in vse ve~je kotline v Sloveniji. Glede na merilo, ki smo ga pri prostorski interpolaciji zajeli, lahko te meritve vzamemo za reprezentativne za vse kotlinske oblike, ki smo jih v analizi zajeli. V primeru manjkajo~ih meritev smo 62 Prostorska porazdelitev trajanja son~nega obsevanja Slika 1: Postaje z meritvami trajanja son~nega sevanja na ozemlju Slovenije. 35 DMR (100 m) 30 postaje z meritvami trajanja son~nega obsevanja 25 enca (%) 20 ekv 15 na frv relati 10 5 0 600 800 < 200 – – 1000 – 1200 – 1400 – 1600 – 1800 – 2000 – Slika 2: Porazdeltev terena Slovenije (DMR 100 m) 200–400400 600 > 2000 800 1000 1200 1400 1600 1800 in merilnih postaj s trajanjem son~nega sevanja nadmorska vi{ina (m) po nadmorski vi{ini. radiosondàne meritve Ljubljane nadomestili z radiosondànimi meritvami nad Udinami (Vidmom) in Zagrebom. Tudi te meritve so vsaj v grobem reprezentativne tudi za Slovenijo. Za regionalizacijo in prostorsko interpolacijo so zelo pomembne geografske spremenljivke. Geografska dolìna in {irina, nadmorska vi{ina in druge geografske spremenljivke, ki dolo~ajo zna~ilnosti merilnega mesta, so bile zbrane iz metapodatkovne baze ARSO. Za ostalo obmo~je Slovenije smo geografske podatke dobili ali izra~unali iz DMR z lo~ljivostjo 100 ali 25 m. Zunaj obmo~ja Slovenije smo uporabili podatke GTOPO (Medmrèje 1 2004). 63 Mojca Dolinar 3 Metode Prostorsko porazdelitev trajanja son~nega obsevanja po sezonah smo izra~unali z objektivnimi metodami prostorske interpolacije (Cressie 1993, Issaks in Srivastava 1989, Daley 1991). Razdelitev po sezonah smo izbrali zaradi velike medsezonske spremenljivosti trajanja son~nega obsevanja, ki bi se na letni ravni popolnoma zabrisala. Najprej smo meritve trajanja son~nega obsevanja na dnevni ravni korigirali na matemati~ini horizont. Na ta na~in smo meritve o~istili vseh vplivov orografskih, urbanih in vegetacijskih ovir, ter izolirali spremenljivost trajanja son~nega obsevanja le v okviru vremenskih vplivov. Za vsak letni ~as smo naredili regionalizacijo na podlagi povpre~nih vrednosti trajanja son~nega obsevanja v sezoni, geografskih spremenljivk in vertikalnih profilov temperature in vlage. Z modeliranjem v GIS (Hrvatin in Perko 2002) smo izolirali kotline, doline in ve~je ravnine na podlagi DMR (z lo~ljivostjo 100 in 25 m). Njihove meje smo dolo~ili iz vertikalnih profilov vlage in temperature ter vertikalnega gradienta v trajanju son~nega obsevanja. Model prostorske interpolacije smo razvili za vsako regijo in letni ~as posebej. Vsak model je bil pravzaprav kombinacija enostavnej{ih deterministi~nih in stohasti~nih metod za interpolacijo: mul-tivariatnega regresijskega modela, kriginga in enostavnih matemati~nih modelov. V primerih, ko smo imeli v dolo~eni regiji zelo majhno {tevilo merilnih to~k, za prostorsko interpolacijo nismo mogli uporabiti stohasti~nih metod (kot so metode kriginga), zato smo jih nadomestili z deterministi~no metodo prostorske interpolacije z utèmi, ki so obratno sorazmerne z razdaljo med to~kami. Pojasnjevalne spremenljivke za deterministi~ni del interpolacijskega modela smo izbrali z multi-variatno regresijsko analizo. V ve~ini primerov smo velik delè prostorske spremenljivosti v trajanju son~nega obsevanja lahko pojasnili z nadmorsko vi{ino, v nekaterih primerih sta statisti~no zna~ilo izbolj{ali linearni model tudi geografska dolìna in {irina. Vpliv ostalih orografskih oblik (konkavnost in konveksnost) smo izlo~ili è z regionalizacijo. Za vrednotenje interpolacijskih modelov in rezultatov prostorske interpolacije smo uporabili metodo navzkrìnega preverjanja (Cressie 1993, in Srivastava 1989). Bolj podroben opis geostatisti~nih metod in metod vrednotenja rezultatov je opisan v Isacs in Srivastava (1989), Cressie (1993) in drugi geostatisti~ni literaturi. Na mejah med regijami smo morali zagotoviti zveznost prostorske porazdelitve trajanja son~ne-ga obsevanja. To smo dosegli v dveh korakih. Pri prostorski interpolaciji trajanja son~nega obsevanja v dolo~eni regiji smo upo{tevali tudi obmejne podatke iz drugih regij. Pri leplenju rezultatov posameznih regij v prostorsko porazdelitev za celo Slovenijo smo na mejah med regijami dolo~ili prehodno cono, kjer smo trajanje son~nega obsevanja dolo~ili kot linearno kombinacijo obeh regij z utèmi, ki so pada-le z razdaljo od meje med regijama. Vrednosti trajanja son~nega obsevanja smo v prvem koraku ra~unali v mreò z lo~ljivostjo 100 m z namenom, da bi zajeli veliko prostorsko spremenljivost geografskih spremenljivk. V zadnjem koraku smo vrednosti povpre~ili v mreò z lo~ljivostjo 1 km, ki je najve~ja mòna lo~ljivost glede na gostoto merilnih to~k, njihovo reprezentativnost in napako prostorske interpolacije. 4 Rezultati Rezultati prostorske interpolacije trajanja son~nega obsevanja so predstavljeni po letnih ~asih. Za vsak letni ~as je prikazana regionalizacija, po regijah so nato opisani interpolacijski modeli. Konven-cija zapisa variogramov je povzeta po Cressieju (1993). 4.1 Poletje Kot je razlo~iti iz slike 3, je poleti odvisnost trajanja son~nega obsevanja od nadmorske vi{ine enotna po vsej dràvi. Zaradi pogostej{e konvekcije ob orografskih pregradah se trajanje son~nega obsevanja 64 Prostorska porazdelitev trajanja son~nega obsevanja Slika 3: Trajanje son~nega obsevanja v odvisnosti Slika 4: Poleti je odvisnost trajanja son~nega od nadmorske vi{ine za poletne mesece (junij, obsevanja od nadmorske vi{ine enotna po celi julij, avgust). dràvi, zato lahko tvorimo enotno regijo. z nadmorsko vi{ino zmanj{uje. Ve~jo spremenljivost trajanja son~nega obsevanja v niìnah lahko pojasnimo z odvisnostjo od geografske {irine: jùni deli dràve imajo poleti ve~ son~nih ur kot severni (slika 5). Regresijska analiza pokaè, da z nadmorsko vi{ino ( NMV) in geografsko {irino ( G[) lahko razloìmo 55 % variabilnosti v trajanju son~nega obsevanja ( TSO): TSO = 851− 0,0701* NMV − 0,000610* G Slika 5: Karta povpre~nega trajanja son~nega obsevanja v poletnih mesecih (junij, julij, avgust) za referen~no obdobje 1971–2000. 65 Mojca Dolinar Ostanke regresijskega modela nato interpoliramo v prostor z metodo kriginga. Najbolj{e rezultate pri metodi navzkrìnega preverjanja smo dobili s sferi~nim modelom variograma: Var = 264⋅ Nug 0 ( )+1600⋅ Sph 26600 ( ) in radijem vplivne okolice 55 km. Mo~na odvisnost trajanja son~nega obsevanja od nadmorske vi{ine se odraà na prostorski porazdelitvi trajanja son~nega obsevanja poleti (slika 5). Najve~ son~nih ur poleti dobimo na Obali, najmanj pa v gorah. 4.2 Jesen V dolinah in kotlinah se v jesenskih mesecih pogosto pojavlja megla, ki pa zaradi vpliva toplega morja ni zna~ilna za Primorsko. Vpliv megle na trajanje son~nega obsevanja je dobro razviden, ~e analiziramo odvisnost trajanja od nadmorske vi{ine (slika 6). Na podlagi te odvisnosti namre~ lahko Slovenijo razdelimo na tri regije s specifi~nimi zna~ilnostmi trajanja son~nega obsevanja (slika 7): Primorska regija, za katero ni zna~ilna megla in trajanje son~nega obsevanja z nadmorsko vi{ino pada, izpostavljene lege v notranjosti dràve, kjer prav tako megla ni pogost pojav in trajanje son~nega obsevanja z nadmorsko vi{ino nara{~a, ter kotline, kjer je megla in nizka obla~nost zelo pogost pojav in ni zaznati statisti~no zna~ilne odvisnosti trajanja son~nega obsevanja od nadmorske vi{ine. Regionalizacijo smo naredili na podlagi DMR z lo~ljivostjo 25 m ter radiosondànih podatkov. Vpliv toplega morja jeseni seè do Dinarskega roba in po dolini So~e, kar je bil kriterij za dolo~itev primor-ske regije. Kotline smo dolo~ili na podlagi variabilnosti v nadmorski vi{ini v radiju 2 km okoli to~ke, relativne nadmorske vi{ine v isti okolici in povpre~ne vi{ine temperaturnih inverzij. V regresijska modela za trajanje son~nega obsevanja ( TSO) za Primorsko in izpostavljene lege je bila vklju~ena samo nadmorska vi{ina ( NMV): PRIMORSKA REGIJA TSO = 398 − 0,029* NMV, R 2 = 36 % IZPOSTAVLJENE LEGE TSO = 494 − 0,088* NMV, R 2 = 52 % Za kotlinsko regijo nobena od geografskih spremenljivk ni statisti~no zna~ilno pojasnjevala variablinosti trajanja son~nega obsevanja. Zaradi majhnega {tevila to~k v vsaki od regij za prostorsko Slika 6: Trajanje son~nega obsevanja v odvisnosti Slika 7: Jeseni glede na odvisnost trajanja od nadmorske vi{ine za jesenske mesece (septem- son~nega obsevanja od nadmorske vi{ine ber, oktober, november). Slovenijo lahko razdelimo na tri zna~ilne regije. 66 Prostorska porazdelitev trajanja son~nega obsevanja Slika 8: Karta povpre~nega trajanja son~nega obsevanja v jesenskih mesecih (september, oktober, november) za referen~no obdobje 1971–2000. interpolacijo niso bile primerne stohasti~ne metode, zato smo za prostorsko interpolacijo ostankov regresije pri primorski regiji in izpostavljenih legah ter za trajanje son~nega obsevanja pri kotlinah, uporabili metodo prostorske interpolacije z utèmi, ki so obratno sorazmerne z razdaljo med to~kami. Na prostorski porazdelitvi trajanja son~nega obsevanja je opaziti vpliv regionalizacije (slika 8). Vpliv kotlinske lege je nekoliko {ir{i od regije kotlin, saj je prehod med kotlinsko in izpostavljeno lego zve-zen zaradi variabilnosti v vi{ini inverzij in nizke obla~nosti. Podobno kot poleti je jeseni najve~ son~nih ur na obali, najmanj pa po dolinah in kotlinah. 4.3 Zima ^e nari{emo odvisnost trajanja son~nega obsevanja od nadmorske vi{ine za zimske mesece (slika 9), sta è na prvi pogled opazni dve zna~ilni skupini, ki sta tudi prostorsko enotni: primorska regija z majhnim porastom trajanja son~nega obsevanja z vi{ino in notranjost Slovenije, kjer trajanje son~- nega obsevanja z vi{ino mo~no nara{~a, kar je posledica megle in nizke obla~nosti v nìjih legah. Z regresijskim modelom, v katerem je edina statisti~no zna~ilna pojasnjevalna spremenljivka nadmorska vi{ina ( NMV), v primorski regiji lahko pojasnimo kar 66 % variabilnosti v trajanju son~nega obsevanja ( TSO): PRIMORSKA REGIJA TSO = 394 + 0,036* NMV, R 2 = 66 % Ostanke regresijskega modela smo v prostor interpolirali z metodo kriginga, kjer smo z metodo navzkrìnega preverjanja izbrali linerani model variograma in radij vplivne okolice 40 km: Var = 40⋅ Nug 0 ( )+ 620⋅ Lin 48600 ( ) 67 Mojca Dolinar Slika 9: Trajanje son~nega obsevanja v odvisnosti Slika 10: Pozimi glede na odvisnost trajanja od nadmorske vi{ine za zimske mesece (december, son~nega obsevanja od nadmorske vi{ine januar, februar). Slovenijo razdelimo na dve zna~ilni regiji. Tudi za notranjost Slovenije je interpolacijski model podoben kot za primorsko regijo. S statisti~no zna~ilnim regresijskim modelom lahko pojasnimo 79 % variabilnosti v trajanju son~nega obsevanja: NOTRANJOST SLOVENIJE TSO = 220 + 0,089* NMV, R 2 = 79 % Slika 11: Karta povpre~nega trajanja son~nega obsevanja v zimskih mesecih (december, januar, februar) za referen~no obdobje 1971–2000. 68 Prostorska porazdelitev trajanja son~nega obsevanja Ostanke regresijskega modela smo v prostor interpolirali z metodo kriginga, kjer smo z metodo navzkrìnega preverjanja izbrali eksponentni model variograma in radij vplivne okolice 30 km: Var = 300⋅ Nug 0 ( )+1100⋅ Exp 11400 ( ) Pozimi najve~ sonca dobijo vi{je leè~i kraji, medtem ko je na obali in v niìnah zaradi pogoste megle in nizke obla~nosti sonca pozimi bistveno manj (slika 11). Najmanj son~nih ur je pozimi v kotlinah v notranjosti Slovenije, podobno kot v jesenskih mesecih. 4.4 Pomlad Iz slike 12 lahko razberemo, da v pomladnih mesecih trajanje son~nega obsevanja v nìjih predelih veliko hitreje pada z nadmorsko vi{ino kot v hribovitih predelih. Tako pomladi dobimo dve zna~ilni regiji (slika 13): niìnsko in hribovsko regijo. Kot posledica konvekcije se pojavi zelo strm gradient v trajanju son~nega obsevanja v pasu z nadmorsko vi{ino od 700 do 800 m. Slika 12: Trajanje son~nega obsevanja v odvisnosti Slika 13: Pomladi glede na odvisnost trajanja od nadmorske vi{ine za pomladne mesece (marec, son~nega obsevanja od nadmorske vi{ine april, maj). Slovenijo razdelimo na dve zna~ilni regiji. V niìnski regiji je gradient trajanja son~nega obsevanja zelo strm. Z regresijskim modelom, v katerem je edina statisti~no zna~ilna pojasnjevalna spremenljivka nadmorska vi{ina ( NMV), lahko pojasnimo 50 % variabilnosti v trajanju son~nega obsevanja ( TSO): NI@INSKA REGIJA TSO = 581− 0,138* NMV , R 2 = 50 % Ostanke regresijskega modela smo v prostor interpolirali z metodo kriginga, kjer smo z metodo navzkrìnega preverjanja izbrali sferi~ni model variograma in radij vplivne okolice 35 km: Var = 160⋅ Nug 0 ( )+ 490⋅ Sph 32400 ( ) V hribovski regiji je regresijski model podoben, s tem, da z nadmorsko vi{ino pojasnimo kar 78 % variabilnosti trajanja son~nega obsevanja. HRIBOVSKA REGIJA TSO = 579 − 0,051* NMV , R 2 = 78 % 69 Mojca Dolinar Slika 14: Karta povpre~nega trajanja son~nega obsevanja v pomladnih mesecih (marec, april maj) za referen~no obdobje 1971–2000. Zaradi majhnega {tevila to~k so ostanki regresijskega modela interpolirani v prostor z metodo prostorske interpolacije z utèmi, ki so obratno sorazmerne z razdaljo med to~kami. Prostorska porazdelitev trajanaja son~nega obsevanja v pomladnih mesecih izgleda precej gladka (slika 14). Najve~ son~nih ur je na Obali in v niìnah severovzhodne Slovenije, najmanj pa v gorah. 5 Sklep Pri~ujo~a analiza je pokazala, da za prostorsko interpolacijo dolo~ene meteorolo{ke spremenljivke ni neke splo{ne metode. Najbolj{e rezultate dobimo s kombinacijo razli~nih interpolacijskih metod, posebej, ~e v modele vklju~imo dodatne informacije, kot so bile v na{em primeru geografske spremenljivke in radiosondàne meritve. Tudi regionalizacija se je izkazala za zelo u~inkovit pristop pri ra~unanju prostorskih polj, ~eprav se je leplenje posameznih regij v enotno polje neke spremenljivke izkazalo za zelo zahtevno nalogo. Za regionalizacijo so najbolj pomembne lastnosti obravnavane meteorolo{ke spremenljivke, vendar pa brez dodatnih podatkov, kot so geografski, objektivna regionalizacija ni mòna. Funkcionalnost GIS je pri takih nalogah v pomo~, posebej pri regionalzaciji in leplenju rezultatov prostorske interpolacije posameznih regij. Vse {tiri sezonske karte prostorske porazdelitve trajanja son~nega obsevanja kaèjo tipi~en prostorski vzorec in jih lahko uporabljamo kot maske za ra~unanje trajanja son~nega obsevanja v manj{i ~asovni skali (dekadni do mese~ni) ter nadalje za ocene energije son~nega obsevanja. Primerjava kart med sabo kaè na zna~ilno razliko v trajanju son~nega obsevanja med letnimi ~asi, ko se gradienti lahko celo obr-nejo. 70 Prostorska porazdelitev trajanja son~nega obsevanja 6 Viri in literatura Cressie, N. A. C. 1993: Statistics for Spatial Data. John Wiley &Sons, USA. Daley R. 1991: Atmospheric Data Analysis. Cambridge University Press, Canada. Dobesch, H., Tveito, O. E. & Bessemoulin, P. 2001: Final Report Project no. 5 in the framework of the climatological projects in the application area of ECSN šGeographic Information Systems in Climatological Application’. Oslo-Vienna. HMZ 1991: Sunshine duration in the period 1961–1990. Climatography of Slovenia: Hydrometeoro-logical Institute of Slovenia, Ljubljana, Slovenia. Ho~evar, A., Kajfè-Bogataj, L., Petkov{ek, Z., Pristov, J., Rakovec, J., Ro{kar, J. in Zupan~i~, B. 1982: Son~no sevanje v Sloveniji. Biotechnical Faculty, Ljubljana, Slovenija. Hrvatin, M. in Perko, D. 2002: Ugotavljanje ukrivljenosti povr{in z digitalnim modelom vi{in in njena uporabnost v geomorfologiji. GIS v Slovenia 2001–2002. ZRC-SAZU, Ljubljana. Isaaks, E. H. in Srivastava R. M. 1989: An Introduction to Applied Geostatistics. Oxford University Press, USA. Medmrèje 1: Global 30 Arc-Second Elevation Data Set (GTOPO30), http://edcdaac.usgs.gov/gtopo30/gtopo30.asp, (9. 9. 2004). Medved, S., Stritih, U., Arkar, C. in Maksi}, R. 2001: An assessment of Potencial of renewable energy resources in Slovenia. EGES 5. Ljubljana, Slovenija. Ovsenik-Jegli~, T. 2004: Trajanje son~nega obsevanja. Klimatografija Slovenije: Agencija RS za okolje, Ljubljana, Slovenija. Petkov{ek, Z. 1969: Pogostnost megle v niìnah in kotlinah Slovenije. Razprave – Papers. Ljubljana, Slovenija. Petkov{ek, Z. 1980: Additional relief meteorologically relevant characteristics of basins. Zeitschrift für Meteorologie 30, Berlin, Nem~ija. Tveito, O. E. in Schöner, W. (urednika) 2002: Applications of spatial interpolation of climatological and meteorological elements by the use of Geographical Information Systems (GIS), KLIMA, No. 28/02, Oslo. Ustrnul, Z. in Czekierda D. 2005: Application of GIS for the development of climatological air temperature maps: an example from Poland. Meteorol. Appl. 12: 43–50. UK. 71 72 GIS v Sloveniji 2005–2006, 73–82, Ljubljana 2006 POTENCIALNO PLAZOVITA OBMO^JA V SLOVENIJI IN IZPOSTAVLJENOST ^LOVEKOVEGA OKOLJA dr. Marko Komac Geolo{ki zavod Slovenije Dimi~eva ulica 14, 1000 Ljubljana marko.komac@ geo-zs.si UDK: 551.435.62:659.2:004(497.4) IZVLE^EK Potencialno plazovita obmo~ja v Sloveniji in izpostavljenost ~lovekovega okolja Za obmo~je Slovenije smo na podlagi nacionalne baze zemeljskih plazov v merilu 1 : 250.000 dolo~ili potencialno plazovita obmo~ja. Uporabili smo podatke za 3257 plazov, od katerih smo jih 2176 upo{tevali pri izdelavi analiz pojavljanja plazov v odvisnosti od prostorsko-~asovnih pripravljalnih (vzro~nih) in spro- ìlnih dejavnikov ter za izdelavo modelov napovedi, 1081 pa za oceno kakovosti dobljenih modelov. Analize smo opravili v GIS-ih s celi~nimi podatki velikosti 25 krat 25 metrov. Izdelali smo ve~ obteènih linearnih modelov napovedi potencialno plazovitih obmo~ij, najprimernej{egai pa smo uporabili za oceno izpostavljenosti ~lovekovega okolja. KLJU^NE BESEDE plazovi, plazovita obmo~ja, model, izpostavljenost, ~lovek, prostorske analize, GIS, Slovenija ABSTRACT Landslide susceptibility areas in Slovenia and exposure of anthroposphere A landslide susceptibility map of Slovenia at scale 1 : 250.000 was completed, using an extensive national landslide database. Altogether 3257 landslides were used, 2176 for the statistical analyses of landslide occur-rence in relation to the spatio-temporal precondition factors and in relation to the triggering factors, and 1081 for the validation of the results. The analyses were conducted on a raster format data with the 25 × 25 m pixel size using GIS. Several weighted linear susceptibility models with various factor weights variations based on previous research were developed, and the best was used for the anthroposphere exposure assessment. KEYWORDS landslides, susceptibility, model, exposure, anthoposphere, spatial analyses, GIS, Slovenia 73 Marko Komac 1 Uvod Plazovi in ostali pojavi pobo~nega masnega premikanja kot naravna nevarnost vse bolj ogroàjo ~loveka, saj ta zaradi potrebe po vedno ve~jih uporabnih povr{inah posega v prostor tudi na obmo~- jih, ki so do nedavnega sodila med manj primerna za gradnjo. Posledice nepremi{ljenih posegov v prostor so tudi zmanj{anje stabilnosti breìn, zaradi katerih se ob kriti~nih razmerah, kot so mo~ne padavine ali potresi, sproìjo plazovi, skalni podori in masni tokovi, kar mo~no zmanj{a kakovost ìvljenjskega okolja. [kode zaradi naravnih pojavov (poplave, potresi, plazovi idr.) predstavljajo velik finan~ni uda-rec za ob~ine, regije in dràve. Prave posledice omenjenih pojavov, tudi pobo~nih masnih premikanj, so pogosto prisotne dlje ~asa po dogodku, saj se ogroèni soo~ajo z ekonomsko-eksistencialnimi problemi, ob~inski in dràvni prora~uni pa so ob ve~jih katastrofah trajno obremenjeni. Primera, ki to potrjujeta, sta sanaciji posledic plazov Stovè (medmrèje 3) in Slano blato (medmrèje 4). Letno plazovi po vsem svetu usmrtijo okoli 1000 ljudi in povzro~ijo okoli 4 milijarde ameri{kih dolarjev {kode (Singhroy et al. 2000). Po nekaterih podatkih naj bi 25 najve~jih plazov v 20. stoletju terjalo okoli 180.000 ìvljenj in ogromno materialno {kodo (Galloway 2001). Slovenija je zaradi svoje kompleksne geolo{ke sestave, ki je zelo ugodna za pojavljanje pobo~nih masnih premikov, zelo izpostavljena njihovemu pojavljanju in posledi~no tudi njihovemu vplivu na ~lovekovo okolje. V Sloveniji naj bi bilo sredi devetdesetih let po oceni (Ribi~i~ et al. 1994) med 7000 in 10.000 ve~jih nestabilnih pojavov. Na dan 30. 6. 2005 je bilo v zdruèni bazi plazov na obmo~ju Slovenije zabeleèno 6602 plazov. Za 3257 plazov je lokacija zabeleèna, za ostalih 3345 pa so zajeti le opisni podatki brez lokacije. Ocena {kode zaradi plazov v Sloveniji po letih, povzeta po podatkih Statisti~nega zavoda Slovenije (2005), je prikazana na sliki 1. ^lovek naravnih pojavov ne more prepre~iti, lahko pa jih s premi{ljenimi potezami minimizira ali se jim do dolo~ene mere celo izogne. Eden od osnovnih pristopov k re{evanju predstavljene problematike je dolo~itev potencialno nevarnih obmo~ij naravnih pojavov in upo{tevanje teh obmo~ij v prostorskih planih. Zaenkrat obmo~ja geolo{ko odvisnih nevarnosti, med katere sodijo tudi pobo~- 15,36 % 7,24 % 5,01 % 11,41 % Jugovzhodna Slovenija Notranjsko-kra{ka 3,74 % 0,02 % Pomurska 4,30 % 0,21 % Gorenjska Obalno-kra{ka 27,13 % 0,33 % Savinjska Gori{ka 9,51 % Osrednjeslovenska Spodnjeposavska Koro{ka 8,89 % Podravska 11,15 % Zasavska Ocenjena letna {koda v Sloveniji zaradi pojava drsenja tal in snega leto 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 mio SIT 1.503 2.431 2.546 1.134 5.735 3.127 2.310 378 836 334 delè (%) 10 % 16 % 22 % 7 % 14 % 32 % 9 % 2 % 18 % 1 % Slika 1: Ocena {kode zaradi plazov v Sloveniji za obdobje 1994–2003 po posameznih letih (medmrèje 5). 74 Potencialno plazovita obmo~ja v Sloveniji in izpostavljenost ~lovekovega okolja ni masni premiki, niso obvezni sestavni del prostorskih planov. Zakonski akti se dotikajo pere~e problematike le z vidika odpravljanja posledic. Z vidika preventive veljavna zakonodaja le omejuje rabo prostora zaradi mònih pojavov plazljivih obmo~ij, ne opredeljuje pa metod za dolo~anje plazljivih obmo~ij. Novi zakon o vodah, ki je v pripravi, naj bi to spremenil. V prispevku predstavljene analize in rezultate so prek ciljnega raziskovalnega projekta »Novelacija in nadgradnja informacijskega sistema o zemeljskih plazovih in vklju~itev v bazo GIS_UJME« omogo~ila Ministrstvo za obrambo R Slovenije, Ministrstvo za okolje in prostor in Ministrstvo za visoko {olstvo, znanost in tehnologijo (Komac et al. 2005b). 2 Vzroki pojavljanja plazov Prispevek predstavlja izpostavljenost ~lovekovega okolja pojavljanju plazov, zato je smiselno na kratko predstaviti vzroke njihovega nastajanja oziroma pojavljanja skozi dejavnike, ki jih povzro~ajo. Pojavljanje plazov, tako prostorsko kot tudi ~asovno, je povezano s {tevilnimi dejavniki, razdeljenimi v dve skupini. Povzro~itelji plazenj so dejavniki, ki skozi dalj{e ~asovno obdobje dolo~ajo razmere za nastanek plazu. Mednje sodijo lastnosti kamnin, naklon, ukrivljenost in orientacija terena, nadmorska vi{ina lokacije, oddaljenost od geolo{kih mej, strukturnih elementov in povr{inskih tokov, dolìna toka povr{inske vode ter tip rabe tal. Sproìtelji plazenj so trenutni dogodki, ki tako intenzivno vplivajo na razmere nekega obmo~ja, da za stalno spremenijo njegovo stanje in povzro~ijo splazitev mase (Komac 2005a in 2005b). Sproìtelji, ki so lahko posledica ~love{kega delovanja ali naravnih pojavov, se delijo na pripravljalne (se~nja gozda, vkopi, obremenitve breìn in razbremenitve vznoìj) in sproìlne dejavnike (intenzivne padavine, erozija in tresenje tal oziroma seizmi~na aktivnost obmo~ja). 3 Podatki 3.1 Podatki o plazovih Podatki o plazovi, vklju~eni v analize za izdelavo modela napovedi in dolo~itve potencialno plazovitih obmo~ij v Sloveniji, so bili pridobljeni iz {tevilnih virov (Komac et al. 2005a). Celotna populacija plazov z znano lokacijo (3257 plazov) je bila razdeljena na u~ni niz z 2176 plazovi in na kontrolni niz s 1081 plazovi. Kot u~ni niz plazov je bilo za vsako od 29 inènirsko-geolo{kih enot, dobljenih na osnovi Geolo{ke karte Slovenije 1 : 250.000 (Buser, v tisku), na obmo~ju katerih se pojavlja zadostno {tevilo plazov, naklju~no izbranih okoli 60 % plazov oziroma vsaj 40 plazov. Ostali plazovi so pripadli kontrolnemu nizu. Pri enotah, na katerih se pojavlja premalo plazov, so plazovi sluìli kot kazalec vpliva prostorskih dejavnikov za nastanek plazenje. Kazalci so pomagali pri strokovni oceni pojavljanja plazov (Komac et al. 2005b). 3.2 Podatki o prostorsko-~asovnih dejavnikih Pojavljanje plazov je posledica delovanja {tevilnih prostorsko-~asovnih dejavnikov, povzro~iteljev in sproìteljev. Za dolo~itev potencialno plazovitih obmo~ij v Sloveniji v merilu 1 : 250.000 so bili uporabljeni podatki o naslednjih prostorsko-~asovnih dejavnikih: litolo{ke oziroma inènirsko geolo{ke zna~ilnosti kamnin, naklon, ukrivljenost in usmerjenost pobo~ij, oddaljenosti od geolo{kih mej, od prelomnih struktur in od povr{inskih vodnih tokov, dolìna povr{inskega toka vode, tip rabe tal, povpre~ne letne padavine za 30-letno obdobje, koli~ina maksimalnih 24-urnih padavin s povratno dobo 100 let ter projektni pospe{ek tal s povratno dobo 475 let. 75 Marko Komac 3.3 Podatki o ~lovekovem okolju Podatki o o gostoti prebivalstva, stavbah, cestni in èlezni{ki mreì so bili pridobljeni iz baze Naravovarstveni atlas R Slovenije (MOP – ARSO 2005), primarni viri podatkov pa so navedeni v nadaljevanju. Podatki o rabi tal so bili povzeti po bazi Ministrstva za kmetijstvo, gozdarstvo in prehrano (MKGP 2002). Pri uporabi navedenih podatkov je bila upo{tevana tajnost osebnih podatkov, podatki pa so bili uporabljeni izklju~no za navedeni projekt. 4 Model napovedi potencialno plazovitih obmo~ij v Sloveniji V okviru projekta, je bila opravljena analiza pojavljanja (znanih) plazov na obmo~ju Slovenije in analiza vpliva prostorskih dejavnikov na njihovo pojavljanje (Komac et al. 2005b). Kot kon~ni rezultat analiz je bil izdelan zemljevid verjetnosti pojavljanja plazov za celotno obmo~je Slovenije v merilu 1 : 250.000 (Komac in Ribi~i~, v tisku). Uporabljeni so bili podatki o plazovih na obmo~ju Slovenije iz ve~ virov na dan 30. 6. 2005. V analize je bilo vklju~enih 3257 plazov z znano lokacijo. Analize so bile opravljene v GIS-u, rezultati so bili statisti~no obdelani z metodami univariatne statistike, medsebojni odnos med prostorsko-~asovnimi spremenljivkami pa je bil povzet po Komac (2005). Za izdelavo zemljevida verjetnosti pojavljanja plazov na obmo~ju Slovenije v merilu 1 : 250.000 (slika 2) je bil uporabljen linearni model vsote uteì vplivnih prostorskih spremenljivk (prirejeno po Voogd 1983). Slika 2: Zemljevid verjetnosti pojavljanja plazov v Sloveniji v merilu 1 : 250.000 (Komac in Ribi~i~, v tisku). 76 Potencialno plazovita obmo~ja v Sloveniji in izpostavljenost ~lovekovega okolja V preglednici 1 je prikazana porazdelitev povr{in razredov verjetnosti pojavljanja plazov in delè plazov po razredih verjetnosti za obmo~je Slovenije. V petem stolpcu je podano razmerje med dele- èm plazov in deleèm povr{ine. [ele ko to razmerje preseè vrednost 1, je verjetnost pojavljanja plazov za dano obmo~je realna (ve~ja od naklju~ne). To potrdi tudi testiranje naklju~nosti prostorskega pojavljanja plazov glede na razrede verjetnosti z metodo χ2 ({esti stolpec). Vrednosti testa ne morejo biti negativne, predznak le podaja vpliv lastnosti razreda na pojavljanje plazov, kjer negativen predznak pomeni zaviralni vpliv in pozitiven predznak spodbujevalni vpliv. Zaradi statisti~no utemeljenih analiz in merila vhodnih podatkov je treba upo{tevati dejstvo, da pojavljanje plazov na obmo~jih z razmerjem P/A, manj{im od 1 ali z negativnim predznakom v primeru testa χ2, ni izklju~eno. Preglednica 1: Porazdelitev povr{in razredov verjetnosti pojavljanja plazov in delè plazov po razredih verjetnosti pojavljanja v Sloveniji. razred verjetnost pojavljanja plazov A delè plazov (P) razmerje (P/A) χ2 1 je ni 28,00 % 5,1 % 0,18 (–)610 2 zelo majhna 17,03 % 5,5 % 0,32 (–)254,3 3 majhna 20,99 % 8,5 % 0,40 (–)242,1 4 srednja 10,00 % 11,4 % 1,14 (+)6,384 5 velika 17,00 % 26,2 % 1,54 (+)161,7 6 zelo velika 6,97 % 43,3 % 6,21 (+)6167,6 5 Rezultati analize izpostavljenosti ~lovekovega okolja pojavom plazenj S podatki o potencialno plazovitih obmo~jih (vplivnega dejavnika) in podatki o prostorskem pojavljanju vplivanih (opazovanih) komponent je mòno oceniti izpostavljenost posameznih tvornikov ~lovekovega okolja. 5.1 Izpostavljenost prebivalstva [tevilo prebivalcev je povzeto po katastru stavb (MOP GURS 2005a), vsota prebivalcev pa je podana na nivoju osnovne celice 25 krat 25 m. Delè prebivalstva lahko odstopa zaradi celi~no osnovanih prostorskih analiz, vendar pa je odstopanje vrednosti na nivoju celotne Slovenije manj{e od 0,1 %. Porazdelitev prebivalstva Slovenije glede na razrede verjetnosti pojavljanja plazov je prikazana v preglednici 2. Da ìvi ve~ina prebivalstva (≈ 66 %) na obmo~jih brez verjetnosti pojavljanja plazov, je pri~akovano, presenetljiv pa je delè prebivalstva na plazovom najbolj izpostavljenih obmo~jih (7,8 %). Ta je ve~ji Preglednica 2: Porazdelitev {tevila in deleèv prebivalcev glede na razrede verjetnosti pojavljanja plazov v Sloveniji. verjetnost pojavljanja plazov je ni zelo majhna majhna srednja velika zelo velika {tevilo prebivalcev 1300896 65521 125904 108836 217677 153875 delè prebivalstva 65,94 % 3,32 % 6,38 % 5,52 % 11,03 % 7,80 % povr{ina razreda (km2) 5674,99 3451,61 4254,22 2026,78 3445,53 1412,67 delè povr{ine razreda 28,00 % 17,03 % 20,99 % 10,00 % 17,00 % 6,97 % 77 Marko Komac celo od povr{ine razreda, ki je slabih 7 %, razlika pa kljub temu ni statisti~no zna~ilna. Delè prebivalcev je v ostalih razredih precej nìji od deleà povr{ine teh razredov. Zato lahko sklepamo, da je visok delè prebivalstva na najbolj izpostavljenih obmo~jih lahko posledica neupo{tevanja naravnih razmer oziroma naravnih procesov pri izbiri lokacij bivali{~, lahko pa tudi posledica {tevilnih »navideznih« stanovalcev, prijavljenih na lokacijah stavb s primarnim namenom oddiha. Najverjetneje lahko govorimo o kombinaciji obeh omenjenih vzrokov. 5.2 Izpostavljenost objektov Analiza pojavljanja stavb glede na verjetnost pojavljanja plazov je temeljila na podatkih o centroidih stavb in o {tevilu età, saj je bil cilj ocena {tevila potencialno izpostavljenih stavb. V katastru stavb (MOP GURS, 2005a), po katerem so povzeti analizirani podatki, se najverjetneje pojavlja manj{i delè napak, saj se nekatere zelo visoke stavbe pojavljajo na nelogi~nih mestih (npr. 47-etàna stavba v ob~ini Dobr-na), a to bistveno ne vpliva na rezultate analiz. V preglednici 3 je podana porazdelitev vseh stavb po etaàh glede na verjetnost pojavljanja plazov. Delè stavb lahko odstopa zaradi celi~no osnovanih prostorskih analiz, vendar pa je odstopanje {tevila stavb na nivoju celotne Slovenije manj{e od 0,37 %. Preglednica 3: Porazdelitev deleà stavb po {tevilu età glede na povr{ino razredov verjetnosti pojavljanja plazov v Sloveniji. (*verjetno gre za napako pri podatku o {tevilu età). verjetnost pojavljanja plazov {tevilo età je ni zelo majhna majhna srednja velika zelo velika delè stavb NP 66,41 % 3,79 % 6,23 % 4,67 % 12,67 % 6,23 % 0,157 % 1 54,26 % 3,86 % 8,23 % 7,11 % 15,15 % 11,39 % 47,163 % 2 51,88 % 3,80 % 8,66 % 7,36 % 16,00 % 12,30 % 43,672 % 3 49,14 % 4,02 % 8,39 % 7,30 % 16,79 % 14,36 % 7,608 % 4 68,64 % 4,41 % 6,30 % 4,85 % 8,91 % 6,89 % 0,639 % 5 79,53 % 3,22 % 4,73 % 3,62 % 5,38 % 3,52 % 0,351 % 6 78,06 % 3,60 % 4,19 % 3,56 % 7,21 % 3,38 % 0,181 % 7 80,18 % 2,75 % 3,56 % 3,96 % 5,99 % 3,56 % 0,101 % 8 76,57 % 3,35 % 4,39 % 3,97 % 7,11 % 4,60 % 0,039 % 9 80,92 % 2,96 % 6,58 % 2,96 % 4,61 % 1,97 % 0,025 % 10 84,51 % 0,88 % 4,42 % 2,21 % 6,19 % 1,77 % 0,018 % 11 90,81 % 3,24 % 1,08 % 0,54 % 3,24 % 1,08 % 0,015 % 12 93,57 % 0,00 % 2,14 % 0,71 % 1,43 % 2,14 % 0,011 % 13 83,56 % 2,74 % 5,48 % 4,11 % 4,11 % 0,00 % 0,006 % 14 90,57 % 3,77 % 1,89 % 1,89 % 1,89 % 0,00 % 0,004 % 15 85,48 % 3,23 % 6,45 % 3,23 % 0,00 % 1,61 % 0,005 % nad 15 91,49 % 2,13 % 0,00 % 2,13 % 0,00 % 4,26 %* 0,004 % Preglednica 4 podaja porazdelitev stavb v Sloveniji glede na razrede verjetnosti pojavljanja plazov. Velika deleà stavb v zgornjih dveh razredih verjetnosti pojavljanja plazov sta najverjetneje vezana na lokacije stavb s primarnim namenom oddiha, saj v kar 95 % stavb na obmo~jih z veliko in 75 % stavb na obmo~jih z zelo veliko verjetnostjo pojavljanja plazov ni prijavljenega stanovalca. Skupni delè stavb na obmo~jih z zelo veliko verjetnostjo pojavljanja plazov je skoraj dvakrat ve~ji od naklju~no pri~akovanega, kar o~itno kaè na dejstvo, da prebivalci zanemarjajo pomen preteklih dogodkov oziroma naravnih pojavov npr. pobo~nih masnih premikov. 78 Potencialno plazovita obmo~ja v Sloveniji in izpostavljenost ~lovekovega okolja Preglednica 4: Porazdelitev {tevila in deleà stavb glede na razrede verjetnosti pojavljanja plazov v Sloveniji. verjetnost pojavljanja plazov je ni zelo majhna majhna srednja velika zelo velika {tevilo stavb 651991 47185 102891 88206 190587 146177 delè stavb 53,14 % 3,85 % 8,39 % 7,19 % 15,53 % 11,91 % povr{ina razreda (km2) 5674,99 3451,61 4254,22 2026,78 3445,53 1412,67 delè povr{ine razreda 28,00 % 17,03 % 20,99 % 10,00 % 17,00 % 6,97 % 5.3 Izpostavljenost tipov rabe tal Porazdelitev obmo~ij posameznih tipov rabe tal glede na verjetnost pojavljanja plazov v Sloveniji je prikazana v preglednici 5. Klasifikacija rabe tal je povzeta po bazi MKGP (2002). S stali{~a izpostavljenosti kmetijskih zemlji{~ so pri~akovano najve~ji delè zasedla zemlji{~a, ki leìjo na obmo~jih z majhnimi nakloni oziroma tam, kjer ni verjetnosti pojavljanja plazov. Skoraj dvakrat ve~ji delè kmetijskih zemlji{~ od pri~akovanega se pojavlja na obmo~jih z zelo veliko verjetnostjo pojavljanja plazov. Raz~lemba po tipih rabe zemlji{~ pokaè, da so vzrok pove~anja travniki, katerih delè je na najbolj izpostavljenih obmo~jih skoraj 70 %. S travo porasle povr{ine delujejo kot slab preventivni dejavnik pri pojavljanju plazov. Gozdnatih povr{in je v najmanj izpostavljenih obmo~jih manj kot v drugih, kar je posledica uporabe manj izpostavljenih obmo~ij za druge namene (kmetijstvo, poseljenost …). Nizek delè z gozdom pora{~enega sveta, ki leì v obmo~jih z zelo veliko verjetnostjo pojavljanja plazov, gre najverjetneje pripisati varovalni vlogi gozda. Porazdelitev pozidanih in sorodnih povr{in je zelo podobna porazdelitvi stavb, zato lahko sklepamo na sorodne vzroke. Z vodami pokrite povr{ine (vode in odprta zamo~virjena zemlji{~a) so porazdeljene skladno s pri~akovanji, saj se jih manj{i delè pojavlja v ob-mo~jih s kakr{nokoli verjetnostjo pojavljanja plazov. Razlog so verjetno napake v digitalnem modelu vi{in (in njegovih izpeljankah) ter merilo podatkov modela vi{in. Odprta zemlji{~a brez ali z nepomembnim rastlinskim pokrovom so predvsem vi{je leè~a obmo~ja, najverjetneje v gorskem svetu, kjer je verjetnost pojavljanja plazov ve~ja è zaradi samih geomorfolo{kih razmer v pokrajini. Preglednica 5: Porazdelitev deleèv rabe tal glede na povr{ino razredov verjetnosti pojavljanja plazov v Sloveniji. verjetnost pojavljanja plazov je ni zelo majhna srednja velika zelo delè tipa majhna velika rabe tal kmetijska zemlji{~a 48,44 % 5,56 % 9,70 % 6,83 % 15,81 % 13,66 % 33,18 % gozd in ostale pora{~ene 13,98 % 23,84 % 28,36 % 12,24 % 18,38 % 3,20 % 59,28 % povr{ine pozidana in sorodna 55,16 % 4,73 % 9,08 % 6,81 % 14,25 % 9,97 % 5,34 % zemlji{~a odprta zamo~virjena 94,52 % 1,86 % 1,59 % 0,64 % 1,14 % 0,24 % 0,135 % zemlji{~a odprta zemlji{~a brez ali z nepomembnim 2,31 % 53,72 % 30,23 % 7,53 % 5,70 % 0,51 % 1,422 % rastlinskim pokrovom vode 80,72 % 5,57 % 6,46 % 2,29 % 3,87 % 1,10 % 0,653 % 79 Marko Komac 5.4 Izpostavljenost cestnega omrèja Porazdelitev tipov cest glede na verjetnost pojavljanja plazov po ob~inah je prikazana v preglednici 6. Klasifikacija tipa cest je bila povzeta po zdruènih bazah digitalne mreè dràvnih cest DRSC (2000) in podatkovnega niza TOPO 25 – ceste MOP GURS (2005b). Delè cest lahko odstopa zaradi celi~no osnovanih prostorskih analiz, vendar pa je odstopanje vrednosti na nivoju celotne Slovenije manj{e od 0,1 %. Porazdelitve avtocest, hitrih cest, glavnih cest, mestnih ali krajevnih cest in zbirnih mestnih ali zbirnih krajevnih cest kaèjo na dobro oceno lociranja pomembnih transportnih poti, ko je govora o pojavljanju plazov. Kolesarske poti so ve~inoma seveda speljane po ravnem svetu. Regionalne ceste so, z izjemo najbolj izpostavljenih obmo~ij, bolj ali manj enakomerno porazdeljene po razredih izpostavljenosti. Precej{nja deleà javnih poti in lokalnih cest sta v zgornjih dveh razredih verjetnosti pojavljanja plazov, kar je verjetno posledica dejstva, da se so na teh obmo~jih poti za prevoz lesa in manj pomembne, najve~krat makadamske poti. Precej{en delè cest je nerazvr{~en (61 %), kar onemogo~a natan~nej{e in kakovostnej{e analize pojavljanja cest v odnosu do verjetnosti pojavljanja plazov. Preglednica 6: Porazdelitev deleà celic posameznih tipov cest glede na povr{ino razredov verjetnosti pojavljanja plazov v Sloveniji. verjetnost pojavljanja plazov je ni zelo majhna srednja velika zelo velika delè tipa majhna ceste avtocesta 68,26 % 7,24 % 8,21 % 4,81 % 8,53 % 2,95 % 0,55 % regionalna cesta 19,87 % 18,79 % 27,97 % 11,31 % 17,10 % 4,96 % 11,8 % hitra cesta 73,12 % 5,35 % 7,21 % 5,47 % 7,25 % 1,60 % 0,09 % javna pot 41,74 % 5,77 % 11,31 % 8,64 % 19,27 % 13,3 % 11,9 % kolesarska pot 65,26 % 3,93 % 6,04 % 6,34 % 12,08 % 6,34 % 0,01 % lokalna cesta 36,22 % 7,19 % 14,20 % 9,58 % 20,15 % 12,7 % 9,01 % glavna mestna cesta 89,68 % 3,04 % 3,22 % 1,78 % 1,84 % 0,43 % 0,09 % mestna cesta ali 78,90 % 3,32 % 4,68 % 3,83 % 6,27 % 3,01 % 1,05 % krajevna cesta zbirna mestna cesta ali 79,18 % 3,80 % 5,16 % 3,71 % 5,52 % 2,64 % 0,42 % zbirna krajevna cesta regionalna cesta 43,35 % 8,92 % 16,01 % 7,83 % 15,39 % 8,49 % 3,96 % nekategorizirana cesta 30,45 % 12,58 % 17,93 % 10,32 % 18,82 % 9,90 % 61,1 % Preglednica 7 podaja skupno porazdelitev cest v Sloveniji glede na razrede verjetnost pojavljanja plazov. Splo{no gledano je porazdelitev cest skladna s porazdelitvijo deleèv povr{in razredov. Pri porazdelitvi cest ni mogo~e govoriti o neupo{tevanju izpostavljenosti plazovom, saj mora del mreè prometnih poti potekati tudi po bolj izpostavljenih obmo~jih. Preglednica 7: Porazdelitev deleà vseh cest glede na povr{ino razredov verjetnosti pojavljanja plazov v Sloveniji. verjetnost pojavljanja plazov je ni zelo majhna majhna srednja velika zelo velika {tevilo celic s cestami 1719099 616597 930215 523660 969517 514440 delè celic s cestami 32,60 % 11,69 % 17,64 % 9,93 % 18,38 % 9,76 % povr{ina razreda (km2) 5674,99 3451,61 4254,22 2026,78 3445,53 1412,67 delè povr{ine razreda 28,00 % 17,03 % 20,99 % 10,00 % 17,00 % 6,97 % 80 Potencialno plazovita obmo~ja v Sloveniji in izpostavljenost ~lovekovega okolja 5.5 Izpostavljenost èlezni{kega omrèja Porazdelitev èlezni{kih prog v Sloveniji glede na verjetnost pojavljanja plazov je prikazana v preglednici 8, porazdelitev èlezni{kih postaj pa v preglednici 9. Podatki so bili povzeti po bazi TOPO 25 – èleznice (MOP GURS 2005c). Delè prog lahko odstopa zaradi celi~no osnovanih prostorskih analiz, vendar pa je odstopanje vrednosti na nivoju celotne Slovenije manj{e od 0,1 %. Ve~inoma te~ejo èleznice po ravninskih in polònej{ih obmo~jih, hribovita in gorata obmo~ja pa pre~kajo skozi trd-nej{e kamnine, v poteh skozi manj trdne kamnine pa so za{~itene s predori in vkopi. Porazdelitev èleznic (in podobno èlezni{kih postaj) kaè na njihovo preudarno ume{~anje v prostor. Preglednica 8: Porazdelitev deleà èleznice glede na povr{ino razredov verjetnosti pojavljanja plazov v Sloveniji. verjetnost pojavljanja plazov je ni zelo majhna majhna srednja velika zelo velika {tevilo celic z èleznico 45456 7286 9454 4467 6269 2052 delè celic z èleznico 60,62 % 9,72 % 12,61 % 5,96 % 8,36 % 2,74 % povr{ina razreda (km2) 5674,99 3451,61 4254,22 2026,78 3445,53 1412,67 delè povr{ine razreda 28,00 % 17,03 % 20,99 % 10,00 % 17,00 % 6,97 % Preglednica 9: Porazdelitev deleà èlezni{kih postaj glede na povr{ino razredov verjetnosti pojavljanja plazov v Sloveniji. verjetnost pojavljanja plazov je ni zelo majhna majhna srednja velika zelo velika {tevilo celic z èlezni{ko 194 22 23 15 21 8 postajo delè celic z èlezni{ko 68,55 % 7,77 % 8,13 % 5,30 % 7,42 % 2,83 % postajo povr{ina razreda (km2) 5674,99 3451,61 4254,22 2026,78 3445,53 1412,67 delè povr{ine razreda 28,00 % 17,03 % 20,99 % 10,00 % 17,00 % 6,97 % 6 Sklep Prostorsko matemati~no modeliranje naravnih pojavov omogo~a izdelavo napovedi njihovega pojavljanja in posredno oceno izpostavljenosti okolja. Ker je dandanes informacija o medsebojnem vplivu ~loveka in okolja klju~nega pomena za kar se da nemoteno delovanje drùbe, igrata aùrnost in celovitost informacij o stanju okolja in dogajanju v njem pomembno vlogo. Prispevek je pokazal u~inkovito kon~no uporabnost rezultatov modeliranja prostorskih podatkov in analiz vplivov obravnavanih pojavov na ~lovekovo okolje v GIS-ih. Dobljeni rezultati tako sluìjo kot eden od osnovnih vhodnih podatkov pri na~rtovanju rabe prostora na nivoju dràve. 7 Viri in literatura Buser, S. v tisku: Geolo{ka karta Slovenije 1 : 250.000. Geolo{ki zavod Slovenije, Ljubljana. DRSC, 2000: Digitalna mreà dràvnih cest. – MPZ, Direkcija RS za ceste, Ljubljana. 81 Marko Komac Galloway, J. 2001: Geologic Hazards. – Canáda College, p. 7, Redwood City. Komac, M. 2005a: Napoved verjetnosti pojavljanja plazov z analizo satelitskih in drugih prostorskih podatkov. Ljubljana. Komac, M. 2005b: Intenzivne padavine kot sproìlni dejavnik pri pojavljanju plazov v Sloveniji. Geologija 48–2. Ljubljana. Komac, M. in Ribi~i~, M. 2006: Karta verjetnosti pojavljanja plazov v Sloveniji v merilu 1 : 250.000. Geologija 49–2 (v tisku). Ljubljana. Komac, M., Ribi~i~, M., [inigoj, J., Krivic, M., Kumelj, [. 2005b: Analiza pojavljanja plazov v Sloveniji in izdelava karte verjetnosti plazenj – projekt: Novelacija in nadgradnja informacijskega sistema o zemeljskih plazovih in vklju~itev v bazo GIS_Ujme. Fazno poro~ilo za leto 2005. Geolo{ki zavod Slovenije. Ljubljana. Komac, M., [inigoj, J., Krivic, M., Kumelj, [., Hribernik, K., Vehovec, A. 2005a: Pregled in analiza podatkov v obstoje~ih bazah plazov za novelacijo baze gis_ujME. – Geolo{ki zavod Slovenije. Ljubljana. Medmrèje 1: http://www.pls.lib.ca.us/smcccd/faculty/galloway/haz.9.html (2001) Medmrèje 2: http://disaster.ceos.org/landslide.htm (2001) Medmrèje 3: http://www.delo.si/index.php?sv_path=43,50&id=df162ff727d19b430b1abfc31a4ece5104& source=Delo (3. 8. 2001) Medmrèje 4: http://www.delo.si/index.php?sv_path=43,50&id=989117b1b268c4aca9a8a0ad77b7d04c04& source=Delo (14. 9. 2003) Medmrèje 5: http://www.stat.si/letopis/index_letopis.asp (2005) Ministrstvo za okolje in prostor, ARSO 2005: Interaktivni naravovarstveni atlas Republike Slovenije. Ljubljana. MKGP, 2002: Zajem in spremljanje rabe kmetijskih zemlji{~ 2002. Ministrstvo za kmetijstvo, gozdarstvo in prehrano. Ljubljana. MOP-GURS, 2005a: Kataster stavb. Ministrstvo za okolje in prostor, Geodetska uprava Republike Slovenije. Ljubljana. MOP-GURS, 2005b: Topo 25 – ceste. Ministrstvo za okolje in prostor, Geodetska uprava Republike Slovenije. Ljubljana. MOP-GURS, 2005c: Topo 25 – èleznice. Ministrstvo za okolje in prostor, Geodetska uprava Republike Slovenije. Ljubljana. Ribi~i~, M., Buser. I. & Hoblaj, R. 1994: Digitalno atributna/tabelari~na baza zemeljskih plazov Slovenije za terenskizajem podatkov. Prvo slovensko posvetovanje o zemeljskih plazovih, Idrija, 17. in 18. november 1994. Idrija. Singhroy, V., Van Westen, C. J., Bannert, D., Wasowski, J., Lacoul, M., Ohkura, H., Mitchell, C., & Mas-sonnet, D. 2000: Report of the Landslide Hazard Team – Executive Summary. The CEOS Group, Committee on Earth Observation Satellites Disaster Management Support Group. Voogd, H. 1983: Multicriteria evaluation for urban and regional planning. London. 82 GIS v Sloveniji 2005–2006, 83–93, Ljubljana 2006 GEOINFORMACIJSKA PODPORA PRI DOLO^ANJU PREDNOSTNE SANACIJE NEUREJENIH ODLAGALI[^ Mateja Breg, mag. Jerneja Fridl in dr. Ale{ Smrekar Geografski in{titut Antona Melika ZRC SAZU Gosposka ulica 13, 1000 Ljubljana, Slovenija mateja.breg@ zrc-sazu.si, jerneja@ zrc-sazu.si, ales.smrekar@ zrc-sazu.si UDK: 628.4:659.2:004(497.4) IZVLE^EK Geoinformacijska podpora pri dolo~anju prednostne sanacije neurejenih odlagali{~ Neurejena odlagali{~a odpadkov na vodovarstvenih obmo~jih ogroàjo podtalnico in s tem vodni vir. Popol-na sanacija je tèko in redko izvedljiva, zato je treba dolo~iti negativne u~inke odlagali{~ in izdelati prednostni seznam njihove sanacije. V podporo metodologiji sanacije odlagali{~ na Jar{kem produ smo vzpostavili celovit geografski informacijski sistem, ki vklju~uje kataster odlagali{~, gramoznic, opozorilnih tabel in cestnih ovir. Iz razli~nih podatkovnih slojev smo z osnovnimi GIS analizami generirali devet atributnih kazalnikov. Kazalniki so bili glede na razvrstitev v enega od {tirih vsebinskih sklopov ovrednoteni z razli~nimi vrednostmi to~k. Glede na vrednosti kazalnikov smo odlagali{~a razvrstili v pet sanacijskih razredov. KLJU^NE BESEDE okoljski GIS, neurejeno odlagali{~e, gramoznica, kazalnik, sanacija, Slovenija, Ljubljana ABSTRACT Geoinformational support in determining priorities for the clean-up of illegal waste dumps Illegal waste dumps in areas with protected water resources threaten the quality of the groundwater and consequently sources of drinking water. The complete clean-up of these sites is rarely feasible; it is there-fore necessary to identify the negative impacts of waste dumps and set priorities in their clean-up. In support of the methodology for clean-up of the waste dump in Jar{ki prod we set up a complex geographical information system which includes a registry of waste dumps, gravel pits, warning signs, and road barriers. Drawing from different layers and using GIS analyses we generated nine attributive indicators. These indicators were assigned values depending on their grouping in one of four content-based sets, and depending on the values of the indicators, waste dumps were classified into five categories with respect to clean-up. KEYWORDS environmental GIS, illegal waste dump, gravel pit, indicator, clean-up, Slovenia, Ljubljana 83 Mateja Breg, Jerneja Fridl, Ale{ Smrekar 1 Uvod V prestolnici Ljubljana proizvedemo letno priblìno 120.000 ton razli~nih odpadkov (medmrè- je), od katerih, kljub preventivno zastavljeni okoljski zakonodaji, manj{i del {e vedno odlagamo na neurejenih odlagali{~ih. Ta obremenjujejo okolje in so z estetskega vidika zelo mote~a, zato so potrebni dolo~eni ukrepi. Revitalizacija degradirane pokrajine je mogo~a s pomo~jo kakovostnih sanacijskih programov. Tak{ni programi prvenstveno zahtevajo natan~no presojo obstoje~ega obremenjevanja okolja ter pretehtano izbiro najustreznej{ih metod in ukrepov sanacije, pri katerih lahko z uporabo geografskih informacijskih sistemov doseèmo bolj{e rezultate. Na Geografskem in{titutu Antona Melika ZRC SAZU smo leta 2005 sklenili projekt izdelave katastra in predloga prednostne sanacije odlagali{~ odpadkov vodozbirnega obmo~ja ~rpali{~a Jar{ki prod. Cilj projekta je bil s pomo~jo GIS-ov pripraviti model prednostne sanacije odlagali{~ in temu prilagojen na~rt sanacijskih ukrepov. V skladu s cilji smo najprej zajeli podatke na terenu. S terenskim popisom lokacij in lastnosti odlagali{~ odpadkov ter objektov, ki so funkcijsko povezani z njimi, smo na Jar{kem produ evidentirali 151 neurejenih odlagali{~ odpadkov, 22 gramoznic, 15 ovir in 10 obvestilnih tabel. Podatkovno bazo terenskih podatkov o neurejenih odlagali{~ih (46 atributov) smo dopolnili z nekaterimi podatki iz obstoje~ih podatkovnih slojev (21 atributov), kar je bila dobra podpora za nadaljnje analize. Poseben poudarek smo dali izpeljavi devetih kazalnikov, s pomo~jo katerih smo popisana odlagali{~a razvrstili v pet razredov prednostne sanacije. S tem smo postavili temeljna izhodi{~a za izvedbo sanacijskih ukrepov obstoje~ih neurejenih odlagali{~ na obmo~ju Jar{kega proda. V letu 2006 smo nadaljevali s popisom odlagali{~ odpadkov v bliìni ostalih vodarn, pomembnih za oskrbo Mestne ob~ine Ljubljana s pitno vodo (UL SRS 13/1988, UL RS 120/2004). Tako bo è vzpostavljena podatkovna baza ustrezno dopolnjena s priblìno 1450 objekti. 2 Odlagali{~a odpadkov na vodovarstvenih obmo~jih 2.1 Okoljevarstvena problematika neurejenih odlagali{~ Neurejenih odlagali{~ odpadkov je v Sloveniji veliko in so razmeroma nezaèlen in mote~ del pokrajine. Ve~inoma gre za odlagali{~a z me{animi odpadki lokalnega izvora. Njihova lega je v {tevilnih primerih neugodna tako z vidika onesnaèvanja voda kot tudi zaradi neugodnega videza, kar je neposredno povezano s kakovostjo bivalnega okolja. Na vodovarstvenem obmo~ju vodarne Jar{ki prod so prav odlagali{~a odpadkov najbolj pere~ problem, saj ga urbanizacija in kmetijstvo zaradi odmaknjenosti manj ogroàta. Odlaganje je {e posebej intenzivno, ker neurejenost obmo~ja, {tevilne opu{~ene dostopne gramoznice in drevesno-grmovna vegetacija naravnost »vabijo« k odlaganju odpadkov. Neurejena odlagali{~a so potencialna nevarnost onesnaènja podtalnice, {e posebej na mestih, kjer je podtalnica blizu povr{ju, kjer je prepustnost krov-ne plasti velika in zaradi ve~jih koli~in padavin prihaja do intenzivnej{ega izpiranja. Podtalnica je dodatno obremenjena tudi zaradi antropogenih dejavnikov, kot je kopanje gramoza. S tem se globina do podtalnice tanj{a, izpraznjene gramoznice pa postanejo uporabne za odlaganje novih odpadkov. Zaradi navedenih razlogov bi morala Mestna ob~ina Ljubljana obmo~je Jar{kega proda obravnavati kot prioritetno za izvedbo sanacije obstoje~ih neurejenih odlagali{~. 2.2 Pokrajinske zna~ilnosti testnega obmo~ja Jar{ki prod je obmo~je na severovzhodnem robu mesta Ljubljane. Leì na levem bregu reke Save, jùno od industrijsko-obrtno-servisne cone, ki se razprostira med ^rnu~ami in Nadgorico in je tudi vodovarstveno obmo~je vodarne Jar{ki prod. Preu~evano obmo~je ima povr{ino 216,7 ha znotraj meja 84 Geoinformacijska podpora pri dolo~anju prednostne sanacije neurejenih odlagali{~ vodovarstvenih obmo~ij 0, I in IIA. Vodarna Jar{ki prod spada med pomembnej{e vodne vire za oskrbo mesta Ljubljane (Urbanc in Breg 2005, 38). Predvidoma se bo s priklju~itvijo novega, ~etrtega vodnjaka koli~ina dnevno na~rpane vode na tem obmo~ju bistveno pove~ala. Glavni vzrok za neugodno stanje na Jar{kem produ je, da je zaradi morebitnih poplav, neurejene lastni{ke strukture in vodarne prostor nezanimiv za {iritev pozidave, zaradi opu{~anja kmetijske dejavnosti pa tudi v zara{~anju. »Prazen« prostor, ki je v prostorskih dokumentih sicer predviden tudi kot rekreacijsko obmo~je (Prostorski plan … 2002), je brez vsebine, hkrati pa dobro dostopen, kar vabi k neu-rejenemu odlaganju odpadkov. 3 Metodologija sanacije neurejenih odlagali{~ odpadkov Posku{ali smo zasnovati ~imbolj celovit geografski informacijski sistem neurejenih odlagali{~ odpadkov, z namenom: • dobiti aùren kataster neurejenih odlagali{~ odpadkov na vodovarstvenih obmo~jih, pomembnih za oskrbo Mestne ob~ine Ljubljana s pitno vodo, • neurejena odlagali{~a umestiti v prostor, bodisi kot to~kovne objekte ali v obliki poligonov (npr. gramoznice) in s tem omogo~iti GIS analize, POPIS PODATKOV NA TERENU FOTOGRAFIRANJE LINK PODATKOVNA OBJEKTOV DATOTEKE A@URIRANJE FOTOGRAFIJ BAZA PODATKOV NEPOSREDEN ZAJEM PODATKOV IZ OBSTOJE^IH VNOS PODATKOVNIH BAZ VNOS A CIJO A A A A A CIJ CIJ OJ K A CIJ ANJ O A A V V POSREDEN A O O V SL L K O A ALIZ T CIJE K N ORSK ALJENOSTI K A T ^ VZEMANJE A ERA UGEGA RASTRSK INTERPOLA VEKT DIGIT ODD TO KLASIFIK POD OP POIZVED PRE POD DR GLEDE • vodovarstveno • digitalni model vi{in, • geolo{ki digitalni • oddaljenost odlagali{~a • razv { r ~anje kazalnikov • izbiranje odlagali{~ obmo~je odlagali a, {~ sloj, od vvo 0 in Save, v razrede za izdelavo glede na postavljen • digitalni model nivoja prednostne kriterij, • katastrska ob~ina podtalnice... • pedolo{ki digitalni • oddaljenost odlagali{~a sanacije neurejenih odlagali{~a, , sloj , od najblìjega naselja odlagali{~, • izbiranje parcel glede na lastni{tv , o • parcelna {tevilka • omrèje dostopnih • oddaljenost odlagali{~a • prikazovanje odlagali a... {~ poti... od glavne ceste... lastnosti odlagali{~ • izbiranje gramoznic na zemljevidih... glede na aktivnost... MODEL PREDNOSTNE SANACIJE NEUREJENIH ODLAGALI[^ Slika 1: Shematski prikaz metodologije sanacije neurejenih odlagali{~ odpadkov. 85 Mateja Breg, Jerneja Fridl, Ale{ Smrekar • pripraviti predlog prednostne sanacije neurejenih odlagali{~, • predstaviti delne ali kon~ne rezultate v obliki tematskih zemljevidov. Glede na zastavljene cilje smo veliko pozornost posvetili metodolo{kemu pristopu, kar se je izkazalo kot zelo pozitivno. 4 Priprava podatkovne baze 4.1 Popis podatkov na terenu Terensko delo je zajemalo popis neurejenih odlagali{~ odpadkov na vodovarstvenem obmo~ju vodarne Jar{ki prod. Poleg manj{ih odlagali{~ smo v popis zajeli {e gramoznice, ovire in opozorilne table; prve zaradi tanj{anja za{~itne plasti in privla~nosti za odlaganje ve~je koli~ine odpadkov (Breg in Urbanc 2005, 82), ovire in opozorilne table pa z namenom prikazati nemo~ zakonodajnih ukrepov in iznajdljivost kr{iteljev. Popis je zajel vidna odlagali{~a odpadkov na vodovarstvenem obmo~ju s prostornino 1 m3 in ve~. Kot samostojno odlagali{~e smo {teli tisto, ki je bilo od sosednjega odlagali{~a oddaljeno vsaj 3 m. Polo- àje objektov smo dolo~ali z uporabo GPS naprave. Njihova poloàjna natan~nost je bila preverjena s kontrolnimi to~kami na ortofoto posnetkih v merilu 1 : 1000. Vse ostale terenske podatke o lastnostih odlagali{~ (vrsta dostopa, na~in dostave odpadkov, vidnost odlagali{~a odpadkov, mikrolokacija odlagali{~a odpadkov, ocena velikosti odlagali{~a odpadkov, vrste odpadkov itd.) smo vpisovali v posebej pripravljene popisne liste in jih naknadno vna{ali v digitalno podatkovno bazo. Za popis odlagali{~, ki ga trenutno izvajamo na preostalih 2529 ha vodovarstvenih obmo~jih Mestne ob~ine Ljubljana, uporabljamo dlan~nike, ki omogo~ajo neposreden vnos podatkov v GIS è na terenu. S tem smo zamuden postopek zajemanja podatkov znatno pospe{ili in bistveno zmanj{ali verjetnost napak. 4.2 Zajem podatkov iz obstoje~ih podatkovnih slojev Vrsto podatkov je bilo na terenu nemogo~e popisati, ali bi to pomenilo podvajanje dela, saj smo jih lahko pridobili iz obstoje~ih podatkovnih slojev, ki jih vodijo pristojne slùbe. Nekatere od podatkov smo lahko uporabili neposredno, ve~ino pa smo jih dolo~ili posredno z uporabo operacij, ki jih ponuja ra~unalni{ki program ArcGIS 9.1. Tako smo vsakemu odlagali{~u pripisali vrednosti za naslednje atribute: • vodovarstveno obmo~je odlagali{~a odpadkov glede na reìm varovanja (Vodovarstvena obmo~- ja … 2002); • nadmorska vi{ina odlagali{~a odpadkov (Digitalna topografska karta 2004); • katastrska ob~ina, parcelna {tevilka ter ime in priimek lastnika, na kateri leì odlagali{~e (Digitalni katastrski na~rt 2004, Zemlji{ka knjiga); • geolo{ka podlaga lokacije odlagali{~a odpadkov (Osnovna geolo{ka karta … 1983); • pedolo{ka podlaga lokacije odlagali{~a odpadkov (Osnovna pedolo{ka karta … 1985); • globina povpre~nega nivoja podtalnice pod odlagali{~em odpadkov (Hidroizohipse nivoja podtalnice 2002); • oddaljenost od vodovarstvenega obmo~ja 0; • oddaljenost od reke Save; • oddaljenost odlagali{~a odpadkov od najblìjega strnjenega dela naselja in vrti~karskega obmo~ja in • oddaljenost odlagali{~a odpadkov od najblìje glavne ceste. Zaradi raznovrstnih podatkovnih virov je bilo v obdelavo in poenotenje podatkov vloènega veliko truda. 86 Geoinformacijska podpora pri dolo~anju prednostne sanacije neurejenih odlagali{~ Slika 2: Kataster neurejenih odlagali{~ odpadkov v programu ArcGIS 9.1. 5 Obdelava podatkov Vzpostavljena podatkovna baza je bila dobro izhodi{~e za obdelave in matemati~ne analize podatkov, ki jih brez uporabe ustrezne programske opreme, v na{em primeru ArcGIS 9.1, ne bi bilo mogo~e izvesti. V nadaljevanju je omenjenih nekaj ra~unalni{kih operacij, ki smo jih pri delu najpogosteje uporabljali. 5.1 Prevzemanje podatkov drugega sloja glede na lokacijo Operacija zdruèvanja atributov dveh podatkovnih slojev glede na lokacijo je zelo uporabna, kadar èlimo, da dolo~eni to~kovni ali linijski objekti prevzamejo atributne vrednosti poligona, znotraj katerega leìjo. Tako smo s pomo~jo omenjene operacije vsakemu popisanemu odlagali{~u dodali podatek, ali leì v vodovarstvenem obmo~ju 0, I, IIA ali IIB, glede na njegov poloàj znotraj dolo~ene zemlji{ke parcele pa smo mu pripisali {e {tevilko parcele, katastrsko ob~ino, ime in priimek lastnika ter njegov naslov. 5.2 Rastrska interpolacija Vzpostavitev geografskega informacijskega sistema neurejenih odlagali{~ odpadkov na Jar{kem produ je temeljila predvsem na vektorskih podatkih. Pri dolo~anju nadmorske vi{ine odlagali{~a in njegove oddaljenosti od povpre~nega nivoja podtalnice smo v vmesni fazi dela uporabili tudi rastrske podat-87 Mateja Breg, Jerneja Fridl, Ale{ Smrekar ke. Z interpolacijo geodetsko izmerjenih to~k terena in hidroizohips nivoja podtalnice smo pripravili rastrski digitalni model vi{in in rastrski digitalni model nivoja podtalnice z velikostjo celic 5 krat 5 metrov. Na{ namen je namre~ bil, da odlagali{~a prevzamejo vi{ine oziroma globine tistih celic, v katere padejo. Da smo lahko vsakemu odlagali{~u pripisali vrednost ustrezne celice, smo s konverzijo vektorske datoteke to~k najprej v 3D-shape in nato nazaj v 2D-shape ustvarili stolpec, v katerem so se z-koordinate izpisale kot atributne vrednosti. 5.3 Vektorska digitalizacija Podatke o vrsti prsti in zgradbi kamnin, na katerih odlagali{~a leìjo, smo morali v digitalno obliko prenesti s pomo~jo vektorske digitalizacije. Na razpolago smo namre~ imeli le geolo{ko in pedolo{ko karto na papirju. Zaradi relativno majhnega obmo~ja zajema podatkov in manj{ega {tevila poligonov digitalizacija njihovih meja s kurzorjem na digitalni tabli ni predstavljala zahtevnej{ega dela. Predvsem je bilo pomembno, da smo natan~no dolo~ili koordinate trem orientacijskim to~kam, saj bi morebitna napaka na tej stopnji dela sistemati~no vplivala na vrednosti koordinat vseh lomnih to~k poligonov (Fridl 1999, str. 56). 5.4 Oddaljenosti to~k Ve~ atributov, ki so se nam zdeli pomembni za pripravo seznama prednostne sanacije neurejenih odlagali{~, smo dolo~ili z uporabo operacije ra~unanja oddaljenosti to~k od izbranih objektov. V ve- ~ini primerov smo uporabili preprostej{i algoritem izra~una zra~ne oddaljenosti to~ke od najblìjega roba objekta. Na ta na~in smo za vsako odlagali{~e dolo~ili zra~no razdaljo do najblìjega roba vodovarstvenega obmo~ja 0, do reke Save ter do najblìjih strnjenih delov naselij in vrti~karskih obmo~ij. Le pri izra~unu oddaljenosti odlagali{~ odpadkov od najblìjih glavnih cest smo zra~ne razdalje izra- ~unali le do najblìje makadamske poti ali kolovoza, nato pa sledili ~rti do najblìje glavne prometnice. Z ro~nimi meritvami na topografskih kartah bi lahko dolo~ili razdalje le za manj{e {tevilo to~k, saj bi sicer porabili zelo veliko ~asa in naredili vrsto napak (Kvamme s sodelavci 1997, 25). S pomo~jo pripravljenih algoritmov smo dobili vrsto {tevil~nih vrednosti, ki smo jih v nadaljevanju uporabili za opredelitev in vrednotenje kazalnikov. 5.5 Klasifikacija podatkov Ena od najpogosteje uporabljenih funkcij je bila klasifikacija podatkov, ki smo jo izvajali na enem ali ve~ podatkovnih slojih. Pod klasifikacijo razumemo razvr{~anje {tevil~nih atributnih vrednosti v velikostne razrede in opisnih atributnih podatkov v kategorije (Fridl 1999, 66). Klasifikacija je bila uporabljena v dveh fazah dela. Pri dolo~anju in to~kovanju kazalnikov smo glede na lastnosti in frekven~no porazdelitev atributov za vsakega od devetih kazalnikov dolo~ili {tevilo razredov oziroma kategorij in njihove meje. Klasifikacija objektov je bila nujna tudi pri pripravi {tevilnih tematskih zemljevidov. Pred dokon~no izbiro mej razredov smo najve~krat ugotavljali frekven~no distribucijo vrednosti podatkov v podatkovni bazi in se {ele nato odlo~ili za geometri~no, aritmeti~no ali kar empiri~no metodo postavitve razredov oziroma kategorij. 5.6 Operacije poizvedovanja Glavna prednost dobro organizirane podatkovne baze, ki jo je seveda treba sproti aùrirati in dopol-njevati, je v hitrosti dobivanja informacij. Tako lahko s smiselnimi poizvedovalnimi vpra{anji dobimo sezname vseh odlagali{~, ki ustrezajo postavljenim pogojem (na primer vsa odlagali{~a s koli~ino od 500 do 1000 m3 odpadkov, oziroma odlagali{~a, ki leìjo v suhih strugah ter so od Save oddaljena manj 88 Geoinformacijska podpora pri dolo~anju prednostne sanacije neurejenih odlagali{~ kot 100 m in podobno). Poizvedovanje po bazi se je v veliki meri uporabljalo tudi pri to~kovanju posameznih kazalnikov, saj smo potem, ko smo dorekli metodologijo njihove klasifikacije in vrednotenja, najprej poiskali vsa odlagali{~a, katerih atributne vrednosti so leàle znotraj meje posameznega razreda in jim pripisali izbrano {tevilo to~k. 6 Klasifikacija in vrednotenje kazalnikov Zaradi velikih stro{kov celovita sanacija neurejenih odlagali{~ na Jar{kem produ ni izvedljiva v kratkem ~asu. Zato smo glede na ranljivost obmo~ja odlagali{~a, stopnjo obremenjevanja odlagali{~a, estetski vidik obremenjevanja odlagali{~a ter terensko presojo mòne sanacije odlagali{~a le-ta smiselno uvrstili v pet razredov prednostne sanacije. V {tirih vsebinskih sklopih smo izpostavili devet kazalnikov, ki smo jih glede na lastnosti posameznih odlagali{~ oziroma njihovih atributnih vrednosti {tevil~no ovrednotili. Za vsak objekt smo dolo~ili tak{no vrednost to~k posameznega kazalnika, ki ustreza dejanskemu stanju na terenu ali obstoje~im podatkom o odlagali{~u. Vrednost to~k je temeljila na celoviti presoji vpliva posameznih dejavnikov. Tako smo na primer presodili, da je oddaljenost od vodovars-od 31 do 100 to~k NEUREJENO ODLAGALI[^E od 15 do 50 to~k od 16 do 50 to~k KAZALNIKI, IZVEDENI IZ KAZALNIKI, IZVEDENI IZ OBSTOJE^IH PODATKOV TERENSKIH PODATKOV od 15 do 50 to~k od 13 do 30 to~k od 1 do 15 to~k od 2 do 5 to~k SKLOP 1 SKLOP 2 SKLOP 3 SKLOP 4 RANLJIVOST STOPNJA ESTETSKI VIDIK TERENSKA PRESOJA OBMO^JA OBREMENJEVANJA OBREMENJEVANJA SANACIJE 5, 8, 11, 14, 17 ali 20 to~k 2, 4, 6, 8 ali 10 to~k 1, 2, 3, 5 ali 10 to~k 2, 4 ali 5 to~k ODDALJENOST OD AKTIVNOST PREDLAGAN NA^IN VODOVARSTVENEGA KOLI^INA ODLAGALI[^A SANACIJE PASU »0« VSEH ODPADKOV (popisovalec) 5, 8, 11, 14, 17 ali 20 to~k 10, 11, 13, 15 ali 17 to~k 0, 3 ali 5 to~k POVPRE^NA KOLI^INA VIDNOST GLOBINA NEVARNIH ODLAGALI[^A PODTALNICE ODPADKOV 5 ali 10 to~k 1 ali 3 to~ke LEGA NA SUM ODPADKOV VODOVARSTVENEM POD POVRŠJEM OBMO^JU Slika 3: Shematski prikaz klasifikacije in to~kovanja kazalnikov, razvr{~enih v {tiri vsebinske sklope. 89 Mateja Breg, Jerneja Fridl, Ale{ Smrekar tvenega obmo~ja 0 zelo pomembna in jo lahko ocenimo z maksimalno oceno 20 od skupno 100 mò- nih to~k. Povpre~no so odlagali{~a od najblìjega roba vodovarstvenega obmo~ja 0 oddaljena 753 m, dvanajst med njimi jih je oddaljenih ve~ kot 1500 m. Na temelju teh ugotovitev smo dolo~ili 6 razredov oddaljenosti: od 0 do 300 m (20 to~k), od 301 do 600 m (17 to~k), od 601 do 900 m (14 to~k), 901 do 1200 m (11 to~k), od 1201 do 1500 m (8 to~k) in od 1501 do 1800 m (5 to~k). Na podoben na~in so bile dolo~ene tudi vrednosti ostalih kazalnikov. To~kovanje je temeljilo na pokrajinskoekolo{kih zna- ~ilnostih obmo~ja in na tistih lastnostih odlagali{~ odpadkov, ki so z vidika obremenjevanja vodnega vira in drugih negativnih vplivov na okolje najpomembnej{i. Glede na se{tevek to~k vseh devetih kazalnikov smo vsako odlagali{~e razvrstili v enega od pet razredov prednostne sanacije: • 1. razred: od 71 do 90 to~k (12 odlagali{~); • 2. razred: od 61 do 70 to~k (25 odlagali{~); • 3. razred: od 51 do 60 to~k (37 odlagali{~); • 4. razred: od 41 do 50 to~k (50 odlagali{~); • 5. razred: od 30 do 40 to~k (27 odlagali{~). Ve~je {tevilo to~k pomeni ve~jo obremenitev okolja, {e posebej vodnega vira, zato je treba pri sanaciji posebno pozornost nameniti neurejenim odlagali{~em iz prvih dveh razredov. 7 Urejanje problematike neurejenih odlagali{~ Re{evanje problema neurejenih odlagali{~ na Jar{kem produ se mora izvajati v dveh stopnjah. Najprej je nujna sanacija obstoje~ih neurejenih odlagali{~, dolgoro~no pa je treba posebno pozornost nameniti dodatnim preventivnim ukrepom, ki bi zmanj{ali ali povsem onemogo~ili nadaljnje odlaganje odpadkov. 7.1 Prednostna sanacija neurejenih odlagali{~ odpadkov Priporo~ljivo je, da sanacija manj{ih, to~kovnih odlagali{~ ali ve~jih, ploskovnih virov obremenjevanja podtalnice, kot so na primer gramoznice, poteka po pripravljenem sanacijskem na~rtu. Z vidika ohranjanja podtalnice je smiselno 12 odlagali{~, ki so se po se{tevku to~k posameznih kazalnikov uvr-stila v 1. razred, sanirati takoj, 25 odlagali{~ iz 2. razreda pa ~im prej. Neurejena odlagali{~a, uvr{~ena v ostale tri prednostne razrede, so sicer bolj mote~a z estetskega vidika kot z vidika onesnaèvanja in jih je mogo~e sanirati postopoma. Predstavljeni rezultati so dobro izhodi{~e za izvedbo sanacije, pri kateri pa se bodo verjetno pojavile dodatne omejitve, ki bodo povzro~ile teàve ali celo onemogo~ile sanacijo izbranega odlagali{~a. Pri tem imamo v mislih predvsem dostopnost, saj vsa odlagali{~a ne leìjo ob dovoznih poteh, pridobiti pa bo treba tudi soglasja lastnikov. Zaradi tega smo v model prednostne sanacije vklju~ili tudi podatkovni sloj zemlji{kega katastra in za preu~evano obmo~je pripravili omrèje stez, kolovozov, maka-damskih poti in asfaltnih cest. 7.2 Preventivni ukrepi S pomo~jo analize dejanskega stanja na terenu smo dobili jasno sliko, na katerem delu obravnavanega obmo~ja je problem odlaganja odpadkov najbolj pere~. Zato smo v okviru predloga sanacijskih ukrepov predvideli omejitve dostopov do mest, kjer se pojavlja ve~je {tevilo aktivnih odlagali{~. Izmed vseh vrst ovir so se zapornice izkazale za najbolj u~inkovite, zato predlagamo postavitev {tirih novih Slika 4: Predlog re{evanja problema neurejenih odlagali{~ na Jar{kem produ. 90 Geoinformacijska podpora pri dolo~anju prednostne sanacije neurejenih odlagali{~ 91 Mateja Breg, Jerneja Fridl, Ale{ Smrekar zapornic na dovozne poti, ki vodijo na najbolj kriti~na obmo~ja. [tevilnih opozorilnih tabel ob dovoznih poteh, ki prepovedujejo odlaganje odpadkov, kr{itelji àl ne upo{tevajo. To tudi potrjuje dejstvo, da bo v prihodnje treba poostriti in{pekcijski in policijski nadzor ter u~inkoviteje izvajati kaznovalno politiko. Pri tem lahko pripravljena podatkovna baza bistveno olaj{a nadzor in{pekcijskim slùbam, saj je neposredno uporabna za delo z dlan~niki. Ker so v posebnem stolpcu podatkovne baze definirane povezave na njihove fotografije, je s tem olaj{ano prepoznavanje obstoje~ih odlagali{~ na terenu, hkrati pa je làje najti novonastalo odlagali{~e in ga neposredno vstaviti v è vzpostavljeno bazo. 8 Sklep @eleno raven kakovosti podtalnice lahko ohranimo le, ~e v bliìni ~rpali{~ pitne vode ne bo nako-pi~enih ve~jih koli~in odpadkov. Opravljene raziskave v Mestni ob~ini Ljubljana so àl pokazale, da je na nekaterih vodovarstvenih obmo~jih stanje zaskrbljujo~e. Na Jar{kem produ problema ni mogo~e re{iti v kratkem ~asu, predvsem zaradi velikega {tevila neurejenih odlagali{~ in koli~in odpadkov ter omejenih tehni~nih in finan~nih sredstev za njeno izvedbo. Na podlagi terenskih raziskav, ocene ranljivosti obmo~ja in stanja posameznih odlagali{~ smo s pomo~jo GIS programov pripravili vrstni red prednostne sanacije. Predstavljena metodologija popisa in prednostne sanacije neurejenih odlagali{~ odpadkov se je na obmo~ju vodarne Jar{ki prod izkazala kot ustrezna. Zato je brez ve~jih dopolnitev uporabljena tudi pri popisovanju neurejenih odlagali{~ na ostalih vodovarstvenih obmo~jih, pomembnih za oskrbo mesta Ljubljane in njenega zaledja. Sanacija neurejenih odlagali{~ àl ni edina re{itev predstavljenega problema. V prihodnje je treba ve~ pozornosti nameniti tudi preventivnim ukrepom. @e v zelo kratkem ~asu lahko s postavitvijo dodatnih ovir ter poostritvijo nadzora in kaznovalne politike prepre~imo dovaànje novih odpadkov brez ve~jih finan~nih vlaganj. Ve~jo pozornost bo treba nameniti tudi na~rtovanju rabe prostora na vodovarstvenih obmo~jih. Zlasti bo potrebno veliko pozornosti nameniti pospe{enemu in poglobljenemu informiranju, izobraèvanju in ozave{~anju razli~nih skupin prebivalcev. 9 Viri in literatura Breg, M.; Fridl, J.; Kladnik, D.; Smrekar, A. 2005: Vrednotenje nedovoljenih odlagali{~ odpadkov glede na nujnost njihove sanacije. Geografski vestnik 77–1, Ljubljana. Breg, M.; Fridl, J.; Kladnik, D.; Smrekar, A.; Urbanc, M. 2005: Izdelava katastra in predloga prednostne sanacije odlagali{~ odpadkov vodozbirnega obmo~ja ~rpali{~a Jar{ki prod. Elaborat. Ljubljana. Breg, M., Urbanc, M. 2005: Gramoznice in dileme (ne)trajnostnega razvoja degradirane obre~ne pokrajine, IB 39–4, Ljubljana. Digitalna topografska karta. Digitalni podatki. Mestna ob~ina Ljubljana. Ljubljana, 2004. Digitalni katastrski na~rt. Digitalni podatki. Geodetska uprava Republike Slovenije. Ljubljana, 2004. Digitalni ortofoto posnetki. Digitalni podatki. Mestna ob~ina Ljubljana. Ljubljana, 2002. Fridl, J. 1999: Metodologija tematske kartografije nacionalnega atlasa Slovenije. Geografija Slovenije 2. Ljubljana. Hidroizohipse nivoja podtalnice. Digitalni podatki. Javno podjetje Vodovod-Kanalizacija d. o. o. Ljubljana, 2002. Kwamme, K.; O{tir-Sedej, K.; Stan~i~, Z.; [umrada, R. 1997: Geografski informacijski sistemi. Ljubljana. McCoy, J., Johnston, K. 2001: Using ArcGIS Spatial Analyst. Redlands. Medmrèje: http://www.stat.si/pxweb/Database/Obcine/Obcine.asp (24. 5. 2006). 92 Geoinformacijska podpora pri dolo~anju prednostne sanacije neurejenih odlagali{~ Odlok o varstvu virov pitne vode. Uradni list Socialisti~ne republike Slovenije 13/1988. Ljubljana. Osnovna geolo{ka karta SFRJ 1 : 100.000. List: Ljubljana, L 33–66. Geolo{ki zavod Slovenije. Beograd 1983. Osnovna pedolo{ka karta SFRJ 1 : 50.000. List: 06-Ljubljana-2. Ljubljana, 1985. Prostorski plan Mestne ob~ine Ljubljana, Prostorska zasnova. Ljubljana, 2002. Shaner, J., Wrightsell, J. 2000: Editing in ArcMap. Redlands. Tucker, C. 2000: Using ArcToolbox. Redlands. Urbanc, M., Breg, M. 2005: Gravel Plains in Urban Areas: Gravel Pits as an Element of Degraded Landscapes. Geografski zbornik 45–2, Ljubljana. Uredba o vodovarstvenem obmo~ju za vodno telo vodonosnika Ljubljanskega polja. Uradni list Republike Slovenije, 120/2004. Ljubljana. Vodovarstvena obmo~ja ~rpali{~ pitne vode v Mestni ob~ini Ljubljana. Digitalni podatki. Javno podjetje Vodovod-Kanalizacija d. o. o. Ljubljana, 2004. Izsledki so iz raziskovalne naloge Izdelava katastra in predloga prednostne sanacije odlagali{~ odpadkov vodozbirnega obmo~ja ~rpali{~a Jar{ki prod, ki sta jo financirala Oddelek za kulturo in raziskovalno dejavnost Mestne ob~ine Ljubljana ter Javno podjetje Vodovod-Kanalizacija d. o. o. 93 94 GIS v Sloveniji 2005–2006, 95–102, Ljubljana 2006 GEOINFORMACIJSKA PODPORA VODNI BILANCI PORE^JA SAVINJE V OBDOBJU 1971–2000 Peter Frantar in Mojca Dolinar Agencija Republike Slovenije za okolje Vojkova cesta 1B, 1000 Ljubljana peter.frantar@ gov.si, m.dolinar@ gov.si UDK: 556.1:659.2:004(497.4)"1971/2000" IZVLE^EK Geoinformacijska podpora vodni bilanci pore~ja Savinje v obdobju 1971–2000 Vodna bilanca pore~ja Savinje 1971–2000 je bila izdelana v okviru projekta Vodna bilanca Slovenije z namenom preverjanja uporabljenih metod za korekcijo padavin in pretokov ter za prostorsko interpolacijo padavin in izhlapevanja. Pore~je Savinje smo razdelili na hidrometri~na zaledja vodomernih postaj ter z analizo podatkov v geoinformacijskem okolju izvedli primerjavo pretokov, padavin in izhlapevanja. V skupnem regionalnem pogledu se podatki posameznih elementov vodnega kroga dobro skladajo. S tem smo potrdili uporabnost privzetih metod, ki jih bomo uporabili za izra~un vodne bilance za celo dràvo. KLJU^NE BESEDE vodna bilanca, padavine, izhlapevanje, odtok, geografski informacijski sistem, prostorska interpolacija ABSTRACT Geoinformational support for the 1971–2000 Savinja river water balance Water balance for Savinja watershed was performed in order to validate the methods for precipitation and runoff corrections and methods for spatial interpolation of precipitation and evaporation. Savinja watershed was divided into the hydrometrical units created upon existing water dividing lines. Water balance elements: precipitation, evaporation and runoff were analyzed and compared in GIS. The results were promis-ing: water balance for the whole Savinja watershed was unbiased and the results proved that the selected correction and interpolation methods are suitable for water balance calculation on the entire territory of Slovenia. KEYWORDS water balance, precipitation, evapotranspiration, runoff, geographical information system, spatial interpolation 95 Peter Frantar, Mojca Dolinar 1 Uvod Leta 2004 smo na Agenciji za okolje za~eli z delom na projektu Vodna bilanca Slovenije za obdobje 1971–2000. Del rezultatov projekta smo preverili tudi z analizo vodne bilance na hidrografskem obmo~ju Savinje. Preverili smo uporabnost posameznih metod korekcije padavin in pretokov ter metod za prostorsko interpolacijo padavin in izhlapevanja pri tem pa smo se omejili na osnovne elemente hidrolo{kega cikla – padavine, izhlapevanje in odtok. Pore~je Savinje smo razdelili na hidrometri~na zaledja upo{tevanih vodomernih postaj po katerih smo primerjali pretoke, padavine in izhlapevanje. Predstavljene so glavne ugotovitve izdelave vodne bilance. 2 Metodologija Vodna bilanca je razdelitev vodnega kroga na dolo~enem obmo~ju na njegove sestavne ~lene. Izra- ~un temelji na primerjavi dotokov in padavin z odtoki, evapotranspiracijo ter spremembo vodnih zalog. Pri izra~unu nismo upo{tevali sprememb vodnih zalog, saj smo predpostavili, da je ta ~len bilance zaradi povpre~evanja po dolgoletnem obdobju zanemarljiv (Kolbezen et al. 1998; Frantar et al. 2005). Uporabili smo osnovno ena~bo vodne bilance, ki predpostavlja ravnovesje padavin z odtokom in evapotranspiracijo: Padavine (P) = Odtok (Q) + Evapotranspiracija (E) Pore~je Savinje meri po orografskih razvodnicah 1850 km2. Vodomerne postaje (vp) smo zaradi primerjave izbrali v skladu z è izdelano vodno bilanco obdobja 1961–1990 (Kolbezen et al. 1998), dodali smo le {e vp Veliko [irje, ki zaklju~uje pore~je Savinje. Za osnovo smo morali izbranimi postajam Preglednica 1: Izbrane vodomerne postaje z osnovnimi podatki. {ifra vodomerna postaja vodotok za~etek delovanja vodozbirno zaledje hidromet. zaledje 6020 Sol~ava I Savinja 1959 63,7 63,41 6060 Nazarje Savinja 1926 457,3 235,48 6068 Letu{ I Savinja 1994 529,7 72,41 6140 Celje II – Brv Savinja 1960 1189,2 182,93 6200 La{ko I Savinja 1953 1663,6 117,42 6210 Vel. [irje I Savinja 1967 1841,9 81,94 6220 Lu~e Lu~nica 1954 57,5 57,39 6240 Kra{e Dreta 1958 100,8 100,84 6280 Velenje Paka 1964 63,3 63,36 6300 [o{tanj Paka 1956 131,2 68,38 6340 Re~ica Paka 1972 205,4 74,34 6550 Dol. vas II Bolska 1962 169,5 170,47 6630 Levec I Lònica 1967 102,9 102,89 6690 ^rnolica Voglajna 1959 53,7 54,00 6720 Celje II Voglajna 1966 202,2 148,92 6770 Polè Hudinja 1953 69,1 69,09 6790 [kofja vas Hudinja 1983 156,5 86,84 6835 Vodi{ko I Gra~nica 1991 96,6 97,02 96 Geoinformacijska podpora vodni bilanci pore~ja Savinje v obdobju 1971–2000 dolo~iti hidrogmetri~na zaledja. Osnovni poligoni le-teh so bili pridobljeni iz linijskega GIS sloja baze razvodnic, ki jo redno osveùje dràvna hidrolo{ka slùba. Linije so bile v orodju Mapinfo ro~no povezane in zdruène v poligone. Tako v predstavljeni analizi pore~je Savinje sestavlja 18 hidrometri~nih pore~ij (Frantar 2003), ki so predstavljajli osnoven prostorski element (poligone) za izra~un dejanskih neto odtokov, povpre~nih padavin ter izhlapevanja z GIS orodji. 3 Padavine Padavinska karta za obdobje 1971–2000 je bila narejena na podlagi meritev padavin na 201 lokaciji po Sloveniji. Upo{tevali smo namre~ le tiste padavinske postaje, ki so v obravnavanem obdobju 1971–2000 delovale vsaj 28 let. Manjkajo~e podatke smo interpolirali na osnovi meritev na najblìjih delujo~ih postajah. Z ombrometri izmerjene padavine so podcenjene, v niìnah do 10 %, v vi{jih, vetru izpostavljenih legah, lahko tudi do 80 %. Za potrebe izra~una vodne bilance smo izmerjene padavine korigirali, pri ~emer smo upo{tevali vpliv vetra, intenzitete padavin in omo~enosti ombrometra. Korek-cijske faktorje za Hellmanov ombrometer smo povzeli po Forlandu (Forland et. al. 1996), ki je na podlagi empiri~nih poizkusov v vetrovnem tunelu in numeri~nih simulacij (Nespor in Sevruk 1999) izpeljal dinami~ni korekcijski model, ki upo{teva vrsto padavin, njihovo intenziteto ter hitrost vetra. Ker na padavinskih postajah ne merimo vetra, smo reprezentativne postaje z meritvami vetra poiskali s po-mo~jo karte povpre~nih vetrov. Vsaki postaji z meritvami vetra smo priredili nabor padavinskih postaj, ki so ji glede na prevetrenost najbolj podobne. Za iskanje reprezentativnih postaj z meritvami vetra smo sestavili model v GIS (ArcGIS), kjer smo za izbirne kriterije dolo~ili razdaljo padavinske postaje od postaje z meritvami vetra, podobnost vetrnih razmer na podlagi rastrske karte povpre~nih vetrov in ujemanje Slika 1: Povpre~na letna koli~ina padavin po hidrometri~nih zaledjih v mm v obdobju 1971–2000. 97 Peter Frantar, Mojca Dolinar nadmorskih vi{in z dovoljenim odstopanjem ± 100 m. Pri izra~unu korekcijskih faktorjev smo upo- {tevali {e vrsto in intenziteto padavin. Tudi intenziteta padavin se meri le na nekaj postajah po Sloveniji. Tako smo padavinskim postajam poiskali referen~ne postaje z intenzito padavin prav tako z modelom v GIS. Kriterij je bila podobnost 24-urnih padavin s 50 letno povratno dobo, ki smo jo dolo~ili iz rastrske karte v 100 m lo~ljivosti ter pripadnost isti padavinski regiji. Padavinske regije smo dolo~ili na podlagi dolgoletnih mese~nih povpre~ij padavin (12 kart; lo~ljivost 100 m) ter DMR (lo~ljivost 100 m). Vse padavine smo korigirali na dnevni ravni, saj bi zaradi velike spremenljivosti vetra, vrste in intenzitete padavin (predvsem v zimskih mesecih) na mese~ni ravni naredili preveliko napako. Prostorsko porazdelitev padavin smo izra~unali na podlagi korigiranih padavin na 201 lokaciji. Dodatno smo pri interpolaciji upo{tevali tudi meritve totalizatorjev in korigiranih padavin iz mejnih postaj Avstrije, Italije in Hrva{ke. Pri izra~unu prostorskega polja smo upo{tevali odvisnost koli~ine padavin od geografskih spremenljivk. Geografske spremenljivke, ki so statisti~no zna~ilno pojasnjevale prostorsko spremenljivost dolgoletnega povpre~ja korigiranih padavin so bile: geografska dolìna in {irina, njuni kvadrati ter oddaljenost gorskih grebenov v severozahodnem sektorju. Zadnjo geografsko spremenljivko smo izra~unali na podlagi DMR z lo~ljivostjo 100 m s pomo~jo orodja Spatial Analyst (ArcGIS). Iskali smo relativno nadmosrko vi{ino izhodi{~ne to~ke nasproti najvi{ji vi{ini v sektorju {irine 30° s si-metralo proti severovzhodu. Za prostorsko interpolacijo smo uporabili geostatisti~no metodo residual kriging (Cressie, 1999), kjer so kot pojasnjevalne spremenljivke nastopale zgoraj na{tete geografske spremenljivke. Upo{tevali smo tudi anizotropnost prostorske povezanosti padavin. Podatki za padavinsko karto s povpre~nimi koli~inami padavin po hidrometri~nih zaledjih so pridobljeni s prekrivanjem vektorskega in rastrskega sloja v Idrisiju in je za obravnavano testno obmo~je Savinje prikazan na sliki 2. Slika 2: Povpre~na letna potencialna evapotranspiracija po hidrometri~nih zaledjih v mm v obdobju 1971–2000. 98 Geoinformacijska podpora vodni bilanci pore~ja Savinje v obdobju 1971–2000 4 Evapotranspiracija Dejanska evaporacija se v Sloveniji meri le v nekaj to~kah kar onemogo~a izra~un prostorske porazdelitve dejanske evaporacije. Za namen vodne bilance smo tako v prvi fazi izra~unali potencialno evapotranspiracijo (ETP) po Penman-Montiethovi metodi (Montieth, 1965). To je ocena oziroma zgor-nja meja koli~ine vode, ki v danih vremenskih razmerah lahko izhlapi brez ozira na pokrovnost tal in druge vplivne dejavnike. Za oceno smo vzeli enotno referen~no podlago in sicer travo. ETP smo izra- ~unali v 48 to~kah, kjer smo imeli v obravnavanem obdobju na voljo neprekinjene meritve temperature in vetra. Prostorsko porazdelitev pa smo izra~unali z regresijsko metodo v programu GRASS, kjer smo upo{tevali odvisnost ETP od nadmorske vi{ine z uporabo rasterskega sloja DMV 100. 5 Odtoki Odtoki so praviloma najzanesljivej{i ~len vodne bilance. Na dobrih vodomernih postajah namre~ vsa voda dolo~enega vodozbirnega obmo~ja odte~e skozi en sam profil. Zgodi pa se lahko, da dolo~e-na koli~ina vode odteka mimo postaje preko ~rpali{~ ali s podzemnimi pretakanji, hkrati so lahko vpra{ljivi tudi sami merski profili. Pri izra~unavanju smo upo{tevali pretoke vodomernih postaj na vtokih in iztokih iz posameznega hidrometri~nega zaledja. Popolne nize podatkov o pretokih imajo naslednje vodomerne postaje: Savinja – Sol~ava, Savinja – Nazarje, Dreta – Kra{e, Bolska – Dolenja vas, Lònica – Levec, Voglajna – Celje in Gra~nica – Vodi{ko. Preostalih 11 postaj ima nepopolne nize preto~nih podatkov, katerih manj-Slika 3: Specifi~ni odtok po hidrometri~nih zaledjih v lt/s na kvadratni kilometer v obdobju 1971–2000. 99 Peter Frantar, Mojca Dolinar kajo~e podatke smo dopolnili s statisti~no metodo korelacije. Obravnavane postaje smo v programu Statistica primerjali s podobnimi postajami ter dobili tabelo s Pearsonovim korelacijskim koeficien-tom, stopnjo zaupanja (p-vrednost), ter numerusom podatkov na podlagi katerih je bil izra~unan korelacijski koeficient. Za manjkajo~e obdobje podatkov smo glede na dobljen koeficient korelacije, stopnjo zaupanja in numerus, izbrali ustrezno korelacijsko vodomerno postajo ter ji dolo~ili premi-co, na podlagi katere smo potem popolnili manjkajo~e podatke v tabelari~ni obliki v programu Excel. Tabela je bila v Mapinfu povezana na osnovni sloj hidrometri~nih zaledij, kjer smo tudi izra~unali specifi~ne odtoke. Specifi~ni odtok nam pove koliko vode odte~e v dolo~enem ~asovnem intervalu na enoto povr{ine, v tem primeru litrov na sekundo z km2. Bistvena zna~ilnost specifi~nega odtoka v normalnih situacijah (v Sloveniji) je, da je najve~ji v zgornjem toku in postopoma pada proti spod-njemu toku (Kolbezen et al., 1998, 29). Ve~ja odstopanja in izstopanja posameznega obmo~ja (v na{em primeru poligona) od te sheme ter od sosednjih hidrometri~nih zaledij kaèjo na mòno napako, ki pa jo je potrebno pojasniti z natan~nej{imi raziskavami, kjer pa lahko è z uporabo ve~ih GIS slojev (geologije, reliefa, pokrovnosti, ipd) marsikdaj predvidimo vzrok za nastalo situacijo, ki olaj{a strokovno presojo za re{itev takega problema. 6 Elementi vodne bilance Uporaba geoinformacijskih orodij omogo~a prenos razli~nih virov in tipov podatkov na isti ime-novalec. V na{em primeru smo s pomo~jo orodij: ArcView, Idrisi, Grass in Mapinfo zdruìli tabelari~ne, Preglednica 2: Posamezni elementi vodne bilance po hidrometri~nih zaledjih ter skupaj za vse pore~je: padavine, izhlapevanje in odtok v mm, specifi~ni odtok HQ v lt/s, odto~ni koli~nik in bilan~na napaka dP v odstotkih. postaja vodotok pad. (mm) ETP (mm) Q (mm) HQ1 (lt/s) KH (%) dP (%) dP2 SOl~ava I Savinja 1900 581 1084 34,4 57 12 8 Nazarje Savinja 1647 645 1037 32,9 63 –2 –5 Letu{ I Savinja 1458 676 854 27,1 59 –5 –8 Celje II Savinja 1307 742 598 19,0 46 –3 –1 La{ko I Savinja 1274 739 881 27,9 69 –27 –27 V. Sirje I Savinja 1305 725 670 21,2 51 –7 –6 Lu~e Lu~nica 1874 592 1352 42,9 72 –4 –8 Kra{e Dreta 1641 668 1254 39,8 76 –17 –20 Velenje Paka 1360 669 548 17,4 40 10 7 [o{tanj Paka 1329 703 567 18,0 43 4 3 Re~ica Paka 1362 712 628 19,9 46 2 0 Dol. vas II Bolska 1455 706 710 22,5 49 3 1 Levec I Lònica 1284 742 475 15,1 37 5 6 ^rnolica Voglajna 1245 734 508 16,1 41 0 3 Celje II Voglajna 1253 740 521 16,5 42 –1 1 Polè Hudinja 1362 668 502 15,9 37 14 11 [kof. vas Hudinja 1284 713 465 14,7 36 8 8 Vodi{ko I Gra~nica 1306 710 637 20,2 49 –3 –4 Savinja pore~je 1422 697 746 23,7 52 –1 100 Geoinformacijska podpora vodni bilanci pore~ja Savinje v obdobju 1971–2000 vektorske in rasterske podatke na isto osnovo – na hidrometri~na zaledja. Pregled po hidrometri~nih zaledjih nam daje naslednjo prostorsko sliko: V pore~ju Savinje se koli~ina padavin zmanj{uje od zahoda proti vzhodu. V obdobju 1971–2000 je v najzahodnej{ih predelih pore~ja padlo v povpre~ju preko 1800 mm padavin v posameznem hidrometri~nem zaledju, v jugovzhodnem predelu pore~ja pa okrog 1200 mm. Najve~ padavin pade na vrhovih Planjave in Ojstrice, kjer imamo letno v povpre~ju 2250 mm padavin, najmanj, 1200 mm, pa na obmo~- ju Celja. Malce ve~jo letno koli~ino padavin imajo na severovzhodu pore~ja povirni predeli na Pohorju, ki pa ne preseèjo 1500 mm letno. Pri izhlapevanju je slika obrnjena (slika 3). V najvi{jih predelih pore~ja je izhlapevanje najmanj{e in ne preseè niti 400 mm letno. V zaledju VP Sol~ava in VP Lu~e je v povpre~ju pod 600 mm letno. Od tod proti vzhodu in {e posebej proti jugu izhlapevanje nara{~a. Najve~je je v osrednjem delu Celjske kotline, kjer v povpre~ju na hidrometri~no zaledje doseè skoraj 750 mm letno, z najvi{jimi vrednostmi do okrog 780 mm letno. Na povirnih obmo~jih na Pohorju se izhlapevanje zmanj{a na enoto pore~ja na okrog 670 mm letno. Specifi~ni odtoki kaèjo na klasi~no zmanj{evanje od visokogorskih do srednjegorskih predelov Savinje, kar se v grobem dobro pokriva s padavinami in izhlapevanjem. Najve~ji specifi~ni odtoki so na obmo~ju Kamni{ko Savinjskih alp tudi preko 40 lt/s iz km2. Koli~ina odtoka iz km2 pada proti nìje-leè~im obmo~jem in proti vzhodu. Najmanj{e je na obmo~ju Celjske kotline z nekaj nad 15 lt/s iz km2. Povirna obmo~ja Pohorja zaradi majhnega deleà tu ne vplivajo bistveno na specifi~ne odtoke posameznih hidrometri~nih zaledij. Za odto~ne koli~nike velja podobno, saj so najvi{ji v goratem predelu, najnìji pa v ravninskih predelih pore~ja Savinje, na kar zelo vpliva tudi strmina reliefa. V goratem predelu odte~e tako preko 60 % vseh padavin preko povr{inskih vodotokov, v ravninskih pa manj kot 40 %. 7 Sklep Vsebinsko lahko ugotovimo, da so elementi vodne bilance v pore~ju Savinje za obdobje 1971–2000 dokaj usklajeni, kar potrjuje tudi pravilno uporabo geoinformacijske tehnologije. Pri rezultatih odtoka vidimo, da so in bodo potrebne dodatne obdelave podatkov na obmo~jih izstopajo~ih vodomernih postaj po specifi~nem odtoku. Za obmo~je Slovenije se je pokazala potreba po »modulu«, ki bo omogo~il avtomatsko ra~unanje odtoka posameznega hidrometri~nega zaledja, saj je v Sloveniji {tevilo zaledij neprimerno ve~je in je zato nemogo~e ro~no ra~unati odtoke, kot smo to izvedli v tem poskusu. V primerjavi z referen~nim obdobjem 1961–1990 je bilo v pore~ju Savinje padavin za okrog 10 % manj. V obmo~ju zgornjega toka Savinje je padlo za okrog 5 % manj padavin, na obmo~ju Celjske kotline pa za skoraj 15 % manj. Kar 20 % manj pa je bilo padavin v zgornjem toku Voglajne. Na obmo~ju Velenjske kotline je bilo padavin enako, v pore~ju Hudinje pa je bilo padavin za dobrih 5 % ve~. Na obmo~ju celotne Savinje je v obdobju 1971–2000 padlo povpre~no 1422 mm padavin letno, od ~esar je izhlapelo skoraj 700 mm in odteklo skoraj 750 mm. Tudi odtoki so bili v tem obdobju manj{i, v povpre~ju za okoli 10 %. Na vseh postajah je bilo odtoka manj, razen v Re~ici na Paki ter v La{kem na Savinji. Skupni odto~ni koli~nik pore~ja Savinje obdobja 1971–2000 je nad 50 %, bilan~na napaka za celo pore~- je pa samo 1 %. Vse to kaè na to, da je na regionalnem nivoju vodno bilan~ni izra~un uspel in da so napake v hidrometri~nih zaledjih posledica lokalnih, mikro in mezo hidrogeografskih dejavnikov. Vsebinsko bo potrebno raziskati vzroke za veliko bilan~no napako dP na nekaterih postajah. Potrebna bi bila tudi manj{a korekcija korigiranih padavin, ve~ poudarka pa bo potrebno v nadaljnjem delu dati izra~unu dejanskega izhlapevanjana na kar kaè tudi testni poizkus korekcije, ki pa v prvi primerjavi s prvo razli~ico {e ni dal »strokovno sprejemljivej{ih« rezultatov, zato je v preglednici samo bilan~na napaka (dP2) (Kurnik, 2006). 101 Peter Frantar, Mojca Dolinar Enostaven izra~un vodne bilance za dolo~eno obmo~je je tudi z uporabo geoinformacijske tehnologije zapleteno multidisciplinarno podro~je. Uporaba geoinformacijske tehnologije omogo~a làje in hitrej{e analize, vendar brez temeljitih vsebinskih premislekov in poglabljanj lahko privede do vpra{- ljivih rezultatov. Uporaba geoinformacijskih orodij nam bo v prihodnosti omogo~ala làje in hitrej{e analize vodnobilan~nih elementov, predvsem pa smo s tem postavili temelje za podrobnej{e raziskave dejavnikov, ki vplivajo na kroènje vode. S kon~nim pregledom smo tako potrdili pravilnost uporabljenih metod ter nujnost uporabe geoinformacijske tehnologije za analize vodnih bilanc. 8 Viri in literatura ARSO – Agencija RS za okolje, 2005. Baza razvodnic. Ljubljana. ARSO – Agencija RS za okolje, 2005. Kataster vodomernih postaj. Ljubljana. ARSO – Agencija RS za okolje, 2005. Sistem za shranjevanje in obdelavo hidrolo{kih podatkov. Ljubljana. ARSO – Agencija RS za okolje, 2005. Sistem za shranjevanje meteorolo{kih podatkov – METKON. Ljubljana. Cresie, N. A. C., 1993: Statistic for Spatial Data. John Wiley & Sons, New York. Forland, E. J., Allerup, P., Dahltröm, B., Elomaa, E., Jonsson, T., Madsen, H., Perälä, J., Rissanen, P., Vedin, H., Vejen, F. 1996: Manual for Operational Correction of Nordic Precipitation Data. Nor-wegian Meteorological Institute, Oslo. Frantar, P. 2003: Vrednotenje ustreznosti mreè vodomernih postaj na povr{inskih vodotokih v Sloveniji. Geografski vestnik 75. Ljubljana. Frantar, P., Dolinar, M. 2005: Pregled elementov vodne bilance za obmo~je Savinje v obdobju 1971–2000. 16. Mi{i~ev vodarski dan 2005, Maribor. Kolbezen, M., Pristov, J., 1998: Povr{inski vodotoki in vodna bilanca Slovenije. Ministrstvo za okolje in prostor, Hidrometeorolo{ki zavod RS. Ljubljana. Kurnik, B. 2006: Testni raster korigiranega izhlapevanja. Agencija RS za okolje, Ljubljana. Montieth, J. L. 1965: Evaporation and Environment. Symp. Soc. Exp. Biol., 19, Cambridge, UK. Nespor, V., Sevruk, B. 1999: Estimation of wind-enduced error of rainfall gauge measurements using a numerical simulation. J. Atmos. Ocean. Techn. Sauthampton. 102 GIS v Sloveniji 2005–2006, 103–111, Ljubljana 2006 ANALIZA ODVISNOSTI INDEKSA BAZNEGA TOKA OD LASTNOSTI POVODJA dr. Mitja Janà Geolo{ki zavod Slovenije Dimi~eva ulica 14, 1000 Ljubljana mitja.janza@ geo-zs.si UDK: 556.1:659.2:004 IZVLE^EK Analiza odvisnosti indeksa baznega toka od lastnosti povodja Indeks baznega toka, ki je definiran kot razmerje med baznim tokom in celotnim odtokom s povodja je pomemben podatek za oceno kakovostnega stanja podzemnih in povr{inskih voda. V prispevku je opisana dolo~itev empiri~nega odnosa med indeksom baznega toka in hidrolo{kimi, geolo{kimi, geomorfolo{kimi in vegetacijskimi lastnostmi povodij. Odnos je bil analiziran na petindvajsetih povodjih in modeliran z mul-tiplo linearno regresijo. Preizku{ena sta bila dva pristopa modeliranja. Prvi temelji na skupnem modelu vseh povodij, drugi pa na razdelitvi povodij na dve skupini (glede na prevladujo~i tip poroznosti kamnin) in izdelavi lo~enih modelov. Rezultati vrednotenja z navzkrìnim preverjanjem so pokazali ve~jo zanesljivost napovedi modelov v primeru lo~itve povodij. KLJU^NE BESEDE indeks baznega toka, multipla regresija, GIS ABSTRACT Analysis of relationship between base flow index and catchment properties Base flow index (defined as the ratio of base flow to total flow) is important data for assessment of quality status of ground and surface water. In this paper derivation of an empirical relationship between base flow index and hydrological, geological, meteorological and vegetation properties of catchments is described. Relationship was analyzed on twenty five catchments and modelled with multiple linear regression. Two different modelling approaches were tested. A first one is based on the common model, which includes all catchments. A second one separates catchments into two groups (according to the prevailing rock type poros-ity) which are modelled separately. Results of the cross-validation showed better performance of the models of separated catchments. KEYWORDS base flow index, multiple regression, GIS 103 Mitja Janà 1 Uvod Voda, ki pade na zemeljsko povr{je v obliki padavin in ne izhlapi nazaj v atmosfero ter se ne uskladi{~i, odte~e proti vodotoku (potoku ali reki) na razli~ne na~ine. V grobem lo~imo tri vrste odtoka. Povr{inski odtok je del celotnega odtoka, ki odte~e po povr{ini in hitro doseè vodotok. Po~asnej{i del odtoka, ki se pretaka do vodotoka lateralno skozi zgornji del tal je podpovr{inski odtok. Najkasneje doseè vodotok padavinska voda, ki pronica globlje pod povr{ino in odte~e v obliki baznega ali osnovnega toka. Ta je sestavljen iz prispevka podzemnega toka in zapoznelega podpovr{inskega toka in tvori ve~ino celotnega odtoka v su{nih obdobjih. Poznavanje deleèv opisanih komponent odtoka je pomembno pri oceni kakovostnega stanja voda, saj je ve~ina parametrov s katerimi ga ocenjujemo mo~no odvisna od poti oziroma na~ina prenosa onesnaènja od mesta vnosa do vodotoka (Haberlandt et al. 2001, 36). Primer je vnos nitratov, ki so posledica kmetijske dejavnosti. Ko je delè povr{inskega odtoka na obdelovalnih obmo~jih ve~ji, je delè prenosa presèkov nitratov v podzemno vodo manj{i in posledi~no ve~ji v povr{insko vodo. V praksi pogosto ne razpolagamo z merskimi podatki, ki bi omogo~ili oceno komponent odtoka na celotnem obravnavanem obmo~ju. V teh primerih temelji ocena zna~ilnosti odtoka na ekstrapo-laciji ali prenosu informacij iz povodij opremljenih z merskimi in{trumenti na povodja brez meritev. Opisani proces se imenuje regionalizacija in se najpogosteje izvede proces z dolo~itvijo empiri~nega odnosa med zna~ilnostmi odtoka iz povodja in njegovimi zna~ilnostmi. Namen pri~ujo~e {tudije je bil ugotoviti odnos med indeksom baznega toka (ki podaja delè baznega toka v celotnem odtoku) in zna~ilnostmi povodij. Odnos je bil dolo~en z metodo multiple linerne regresije z obdelavo petindvajsetih povodij. Mònost regionalizacije ugotovljenih odnosov z razli~ni-mi modeli je bila vrednotena z metodo navzkrìnega preverjanja. 2 Podatki 2.1 Obravnavano obmo~je V {tudiji je bilo obravnavanih 25 povodij (Preglednica 1), ki skupno pokrivajo 2078 km2, kar je okrog 10 % povr{ine celotne Slovenije. Prostorsko so porazdeljena po celotnem ozemlju Slovenije (Slika 1) Preglednica 1: Obravnavana povodja z oznakami. oznaka povodja vodomerna postaja vodotok oznaka povodja vodomerna postaja vodotok p1 Polana I Ledava p13 Vodi{ko I Gra~nica p2 Martjanci Martjanski p14 Zagorje I Medija potok p15 @ebnik Sopota p3 Neblo Reka p16 [kocjan Radulja p4 Hodo{ Velika Krka p17 Kra{e Dreta p5 Draà vas Oplotnica p18 Tolmin Tolminka p6 Ruta Radoljna p19 Lu~e Lu~nica p7 ^rnolica Voglajna p20 Podhom Radovna p8 Zre~e Dravinja p21 Cerknica I Cerkni{~ica p9 Dovè I Mislinja p22 Sveti Janez Sava Bohinjka p10 Mali otok Nano{~ica p23 Vipava I Vipava p11 Re~ica Paka p24 @iri II Poljanska Sora p12 Levec I Lònica p25 Ajdov{~ina I Hubelj 104 Analiza odvisnosti indeksa baznega toka od lastnosti povodja Slika 1: Obmo~ja obravnavanih povodij z merskimi mesti pretokov. in pokrivajo obmo~ja, ki se po svojih lastnostih (geolo{kih, geomorfolo{kih, hidrolo{kih, podnebnih …) medsebojno precej razlikujejo. 2.2 Lastnosti povodij Lastnosti povodij so bile opredeljene s povpre~nimi vrednostmi {tirinajstih parametrov (Preglednica 2 in Preglednica 3). V primeru povodja Ledave je bil, zaradi omejene razpolòljivosti podatkov, obravnavan le del povodja na obmo~ju Slovenije, ki zna{a 81 % celotnega povodja. V analizah je bilo privzeto, da lastnosti tega dela povodja predstavljajo lastnosti celotnega povodja. Povr{ina povodij je bila dolo~ena na osnovi vektorskega informacijskega sloja. Prav tako gostota drenàne mreè, ki je definirana kot razmerje med dolìno hidrografske mreè in povr{ino dolo~enega povodja. Vrednosti ostalih parametrov so bile dolo~ene kot povpre~ne vrednosti celic pripadajo~ega rastrskega sloja na obmo~ju povodij. Indeks IDPR (ang. Index of Development and Persistence of the Networks) podaja razmerje med teoreti~no dolo~eno drenàno mreò, ki se izra~una na osnovi digitalnega modela vi{in in dejansko drenàno mreò. S pomo~jo vrednosti indeksa IDPR lahko lo~imo obmo~ja, kjer padavinska voda odteka predvsem povr{insko in obmo~ja, kjer se ve~inoma infiltrira. Vrednosti so omejene na razpon med 0 in 4, vendar le redko preseèjo vrednost 2. Nìje vrednosti indeksa nakazujejo ve~jo gostoto teoreti~ne re~ne mreè v primerjavi z dejansko in posledi~no vi{jo infiltracijo (ter obratno). Vi{ina evapotranspiracije je bila izra~unana (Prestor et al. 2004) na osnovi prostorske porazdelitve temperatur (Cegnar 1995) in vi{ine padavin z uporabo Turcove (1954) ena~be. Povr{inski deleì kamnin z razli~nimi tipi poroznosti, u~inkovita poroznost in koeficient prepustnosti kamnin, ki sestavljajo posamezno povodje so bili dolo~eni na osnovi Hidrogeolo{ke karte Slovenije (Prestor et al., 2004) in njenih izpeljank. 105 Mitja Janà Povr{inski deleì obdelovalnih in z gozdom pora{~enih povr{in so bili dolo~eni na osnovi karte pokrovnosti Corine (Ho~evar et al. 2001). Preglednica 2: Parametri lastnosti povodij z viri podatkov. Lastnosti povodij Oznaka enota Vir podatkov Povr{ina povodij A (km2) FGG-KSH 1997 Nadmorska vi{ina NMV (m) DMV – digitalni model vi{in (ZRC SAZU, in Mobitel 2000) Naklon N (o) Izpeljanka DMV Indeks IDPR IDPR (–) Izpeljanka DMV in hidrografske mreè (Prestor et al. 2004) Gostota drenàne mreè D (m/km2) Izpeljanka hidrografske mreè (ARCADIA 1997) Vi{ina padavin P (mm/leto) Zupan~i~, B. 1995 Vi{ina evapotranspiracije ETR (mm/leto) Prestor et al. 2004 Delè kamnin z medzrnsko poroznostjo MP (–) Prestor et al, 2004 Delè kamnin z razpoklinsko poroznostjo RP (–) Prestor et al. 2004 Delè kamnin s kra{ko-razpoklinsko poroznostjo KP (–) Prestor et al. 2004 U~inkovita poroznost ME (–) Prestor et al. 2004 Koeficient prepustnosti K (cm/dan) Prestor et al. 2004 Delè gozdnih povr{in G (–) Corine (Ho~evar et al. 2001) Deleòbdelovalnih povr{in O (–) Corine (Ho~evar et al. 2001) 2.3 Pretoki na vodomernih postajah V {tudiji so bile uporabljene meritve dnevnih pretokov na vodomernih postajah – merskih mestih (Slika 1 in Preglednica 1). Podatki obsegajo nize zveznih meritev od 1. 1. 1990 do 31. 12. 2000 in so last Agencije Republike Slovenije za okolje. 3 Metodologija Za dolo~itev odnosa med indeksom baznega toka in parametri, ki opisujejo lastnosti povodij je bila uporabljena multipla linearna regresija. Najprej je bil izdelan skupni model odvisnosti, ki vklju~uje vsa povodja. Nato so bila povodja, glede na delè kamnin z razli~nim tipom poroznosti, razdeljena na dve skupini, za kateri sta bila izdelana lo~ena modela. 3.1 Razdelitev hidrogramov Najpogosteje uporabljena kvantitativna ocena baznega toka je indeks baznega toka (BFI), ki podaja prostorninski delè baznega v celotnem odtoku: nd q ∑ b q bazni tok, b BFI t = =1 q celotni odtok, nd c q celotni odtok, q ∑ c c t =1 n celotno {tevilo meritev v obravnavanem obdobju. d 106 Preglednica 3: Povpre~ne vrednosti parametrov povodij. Oznaka BFI A NMV N IDPR D P ETR MP RP KP ME K G O povodja p1 0,473 175 270 6,04 0,792 1673 850 456 0,95 0,05 0,00 0,105 224,252 0,31 0,68 p2 0,533 30 274 5,84 0,910 1622 850 456 1,00 0,00 0,00 0,118 135,616 0,37 0,62 A p3 0,375 32 259 15,49 0,679 2230 1781 562 0,10 0,90 0,00 0,016 0,543 0,52 0,46 naliza od p4 0,496 104 300 5,68 0,847 1667 811 449 1,00 0,00 0,00 0,113 6,130 0,43 0,56 p5 0,648 88 745 11,12 1,068 1997 1268 453 0,35 0,65 0,00 0,031 0,778 0,62 0,36 p6 0,680 74 865 17,16 1,211 2503 1390 446 0,05 0,94 0,01 0,005 0,090 0,82 0,15 visnosti indeksa baznega t p7 0,556 51 388 13,94 0,847 2480 1135 484 0,61 0,37 0,02 0,038 0,234 0,39 0,59 p8 0,771 41 886 18,45 1,033 1587 1327 445 0,01 0,95 0,04 0,002 0,039 0,68 0,30 p9 0,744 73 1055 18,87 1,004 1956 1365 427 0,10 0,85 0,05 0,008 0,135 0,80 0,14 p10 0,328 46 573 6,57 0,568 1836 1593 502 0,13 0,81 0,06 0,021 0,677 0,27 0,69 p11 0,566 78 523 14,87 0,784 2319 1263 476 0,31 0,43 0,26 0,024 23,183 0,55 0,42 p12 0,402 107 377 10,58 0,672 1848 1208 487 0,45 0,26 0,29 0,029 19,853 0,48 0,49 p13 0,549 96 513 16,26 0,916 1940 1214 487 0,39 0,20 0,41 0,012 0,118 0,51 0,49 p14 0,679 102 525 19,56 0,823 1656 1295 487 0,20 0,31 0,50 0,009 0,281 0,63 0,34 p15 0,705 48 648 17,96 0,823 1480 1275 475 0,01 0,47 0,52 0,006 1,329 0,69 0,31 oka od last p16 0,504 111 345 12,70 1,021 1968 1150 485 0,10 0,36 0,54 0,017 0,306 0,52 0,48 p17 0,566 101 771 18,88 0,926 1578 1553 463 0,11 0,33 0,56 0,014 0,506 0,71 0,26 p18 0,677 76 1183 30,28 0,415 1051 2940 436 0,17 0,13 0,70 0,021 10,913 0,51 0,06 p19 0,474 55 1148 23,58 0,696 1061 1782 423 0,04 0,24 0,71 0,011 0,621 0,72 0,09 nosti po p20 0,614 168 1219 21,24 0,303 498 1991 408 0,26 0,01 0,73 0,028 32,444 0,76 0,06 p21 0,551 51 716 11,46 0,857 2284 1619 460 0,04 0,16 0,80 0,008 0,199 0,71 0,27 p22 0,558 94 1468 22,10 0,184 329 3074 394 0,15 0,00 0,84 0,017 0,681 0,39 0,01 vodja p23 0,534 142 801 14,35 0,180 265 1889 478 0,01 0,10 0,89 0,010 0,671 0,86 0,08 p24 0,358 52 678 14,95 0,784 1548 2064 483 0,00 0,08 0,92 0,002 0,154 0,65 0,34 p25 0,548 85 954 15,25 0,112 20 2520 470 0,01 0,01 0,98 0,007 0,312 0,84 0,13 sred. vred. 0,555 83 699 15,33 0,738 1576 1568 464 0,26 0,34 0,39 0,027 18,403 0,59 0,34 min. 0,328 30 259 5,68 0,112 20 811 394 0,00 0,00 0,00 0,002 0,039 0,27 0,01 maks. 0,771 175 1468 30,28 1,211 2503 3074 562 1,00 0,95 0,98 0,118 224,252 0,86 0,69 107 stand. 0,12 38,66 337,05 5,94 0,29 687,40 590,63 33,75 0,31 0,33 0,36 0,03 50,97 0,17 0,21 odklon Mitja Janà Slika 2: Primer uporabljene metode razdelitve hidrograma (povodje Drete). Povpre~ne vrednosti indeksa baznega toka v obravnavanem obdobju za posamezno povodje so bile dolo~ene z razdelitvijo – separacijo hidrogramov. Lo~itev hidrogramov je bila opravljena z metodo lokalnega minimuma s programskim orodjem HYSEP 2.2 (Soto & Crouse 1997), ki omogo~a samodejno izvedbo metode. Algoritem temelji na sistemati~nem iskanju in povezovanju lokalnih minimumov hidrograma (Slika 2). Tako dolo~ena ~rta (niz daljic) lo~uje bazni tok od preostalega odtoka. 3.2 Multipla linearna regresija V {tudiji je bila uporabljena metoda multiple regresije, ki postopoma vklju~uje neodvisne spremenljivke z zna~ilnim vplivom na odvisno spremenljivko (ang. forward stepwise regression). Metoda korakoma dodaja neodvisne spremenljivke dokler ni doseèn izbran kriterij. V vsakem naslednjem koraku je izbrana neodvisna spremenljivka, ki najve~ prispeva k zmanj{anju vsote kvadratov slu~ajnih vplivov modela. Ve~ja splo{na uporabnost (robustnost) modelov je bila zagotovljena z logi~nim omejevanjem {tevila korakov vklju~evanja novih spremenljivk, s ~imer se je izognilo pretreniranosti modelov. Pogosta teàva pri prilagajanju regresijskih modelov v hidrologiji so posamezne ekstremne vrednosti – zunanje to~ke (ang. outliers). Te lahko delujejo kot vzvodi in prisilijo model njihovemu prileganju, kar pove~a napake pri ostalih to~kah (Laaha & Bloeschl 2005, 7). Z njihovo odstranitvijo lahko izbolj- {amo prileganje modela podatkom, ni pa nujno, da se s tem pove~a tudi zanesljivost napovedi modela. Iz navedenih razlogov je bil v {tudiji uporabljen iterativni postopek s preverjanjem rezultatov modela. V primeru ekstremnih vrednosti ostankov in velikih vrednosti Cookovih razdalj so bila odstranjena dolo~ena povodja iz nabora podatkov. Nato je bil nov model prilagojen na preostale podatke. Zanesljivost novega – kon~nega modela je bila vrednotena z vsemi podatki, vklju~no s povodji, ki so bila odstranjena zaradi prej navedenih razlogov. Pred dokon~no potrditvijo modela je bila grafi~no preverjena odvisnost ostankov (napak) od napo-vedane vrednosti indeksa baznega toka. ^e so bile variance ostankov primerljive na celotnem razponu odvisne spremenljivke, je bil model dokon~no potrjen. 3.2.1 Transformacija podatkov Normalna porazdelitev vhodnih podatkov je bila preverjena s testom Kolmogorov-Smirnov (Davis 1986, 102). Ugotovljeno je bilo, da neodvisne spremenljivke koeficient prepustnosti, u~inkovita poroznost in deleì kamnin z razli~nim tipom poroznosti niso normalno porazdeljene. Zato je bila izvedena logaritemska transformacija osnovnih vrednosti koeficienta prepustnosti in korenjenje osnovnih 108 Analiza odvisnosti indeksa baznega toka od lastnosti povodja vrednosti preostalih omenjenih spremenljivk, ki niso normalno porazdeljene. Po transformaciji so bile vse spremenljivke normalno porazdeljene na ravni zaupanja 5 %. 3.2.2 Razdelitev povodij na dve skupini Z namenom preverjanja mònosti bolj zanesljive napovedi indeksa baznega toka so bila povodja lo~ena na dve skupini za kateri sta bila izdelana lo~ena regresijska modela. V prvo skupino so bila uvr{- ~ena povodja, v katerih je delè kamnin s kra{ko-razpoklinsko poroznostjo ve~ji kot 50 %, v drugo skupino pa preostala povodja. Prvo skupino sestavljajo povodja z zaporednimi oznakami od p1 do p13, v drugo skupino pa preostala z oznakami od p14 do p25. Kriterij za lo~itev povodij je bil subjektiven in temelji na dejstvu, da so procesi odtoka iz povodij, ki jih sestavljajo predvsem kamnine s kra{ko-razpoklinsko poroznostjo bistveno druga~ni v primerjavi s tistimi na povodjih, ki jih sestavljajo ve~inoma kamnine z medzrnsko in razpoklinsko poroznostjo. 3.3 Vrednotenje modelov Za oceno prileganja modela opazovanim podatkom je bil uporabljen koeficient dolo~enosti R2, ki podaja delè variance odvisne spremenljivke, pojasnjen z neodvisnimi spremenljivkami. Uporabnost oziroma zanesljivost modela pri napovedi indeksa baznega toka za povodja, ki niso bila vklju~ena v analizo, ni mo~ oceniti zgolj s prej omenjenimi statistikami, ki opisujejo stopnjo prileganja modela opazovanim podatkom. Za te namene so primernej{e metode, ki vrednotijo model na podatkih, ki niso bili vklju~eni v njegovo izdelavo. V primeru, ko imamo veliko {tevilo podatkov, le-te razdelimo na dva dela. Prvi – u~ni del uporabimo za izdelavo modela, drugi del pa za njegovo vrednotenje. Ker je bilo v obravnavanem primeru relativno malo podatkov, je bila uporabljena metoda navzkrìnega preverjanja z izpu{~anjem enega povodja (Laaha in Bloeschl 2005, 8), ki je sestavljena iz naslednjih korakov: 1. Odstranitev povodja i iz nabora podatkov; 2. Ocena regresijskih koeficientov ena~be, ki podaja odvisnost indeksa baznega toka od parametrov lastnosti povodij; 3. Uporaba regresijske ena~be iz prej{nje to~ke za oceno indeksa baznega toka za povodje i; 4. Ponovitev korakov od 1 do 3 za vsa ( n) povodja; 5. Ocena napake napovedi. Napaka napovedi ( V ) je bila ocenjena z izrazom: CV n 1 V = BFI − i ∑ − BFI 2 ( ) CV n mi i i =1 kjer je BFI opazovani indeks baznega toka za povodje i, BFI –i pa napoved modela, ki je bil izdelan brez i mi povodja i. Koeficient dolo~enosti ( R 2 ), ki temelji na navzkrìnem preverjanju je bil izra~unan z izra-CV zom: Vq − V R 2 CV = CV Vq kjer je Vq prostorska varianca opazovanih indeksov baznega toka. 4 Rezultati Regresijski model, izdelan z upo{tevanjem vseh petindvajset povodij podaja odvisnost indeksa baznega toka od povpre~nih vrednost naklona, padavin in nadmorske vi{ine povodij (Preglednica 3). 109 Mitja Janà Koeficient dolo~enosti, ki podaja prileganje modela podatkom zna{a 77 %. Precej nìji je koeficient dolo- ~enosti, izra~unan z navzkrìnim preverjanjem ( R 2 = 5). Ta podaja zanesljivost napovedi indeksa baznega CV toka na povodjih, ki niso bila vklju~ena v izdelavo modela. Model izdelan na povodjih, ki ga gradijo pretèno kamnine s medzrnsko in razpoklinsko poroznostjo ( p1 do p13) ima vi{je vrednosti koeficientov dolo~enosti ( R 2 = 92 % in R 2 = 65). Bistveno vi{ja je vrednost koeficienta dolo~enosti, izra~unanega CV z navzkrìnim preverjanjem. V modelu sta neodvisni spremenljivki indeks IDPR in nadmorska vi{i-na povodja. Model na povodjih od p14 do p25, ki jih gradijo pretèno kamnine s kra{ko-razpoklinsko poroznostjo, dolo~a odvisnost indeksa baznega toka od korena povpre~ne vrednosti koeficienta prepustnosti, indeksa IDPR in gostote drenàne mreè. Vrednosti statistik vrednotenja modela so nekoliko nìje kot v prej obravnavanem modelu ( R 2 = 86 % in R 2 = 51), vendar bistveno vi{je od modela, ki vklju-CV ~uje vsa povodja. Preglednica 4: Regresijski modeli. Model R 2 (%) R 2 (%) CV Skupni model BFI = 0,48297 + 0,01363 · N – 0,00021 · P + 0,00030 · NMV 77 5 Povodja s pretèno medzrnsko in BFI = –0,09450 + 0,64069 · IDPR + 0,00018 · NMV 92 65 razpoklinsko poroznostjo Povodja s pretèno kra{ko-razpoklinsko BFI = 1,83175 – 1,27828 · sqrtKP – 0,64760 · IDPR + 0,00017 · D 86 51 poroznostjo 5 Sklep V {tudiji je bila preu~evana odvisnost baznega toka od lastnosti povodij, ki so bile opisane s {tiri-najstimi parametri. Primerjana sta bila dva pristopa izdelave regresijskih modelov. Prvi temelji na enotnem modelu, ki vklju~uje vseh petindvajset povodij. Drugi pristop pa lo~i povodja glede na delè kamnin s kra{ko-razpoklinsko poroznostjo in uporablja lo~ena modela na vsaki skupini povodij. Rezultati primerjave kaèjo na smiselnost delitve povodij na bolj homogene skupine. S tako delitvijo je bila znatno izbolj{ana zanesljivost napovedi regresijskih modelov, ocenjena z navzkrìnim preverjanjem. Ti rezultati potrjuje ugotovitve Laaha in Bloeschla (2005), ki sta dosegla izbolj{anje zanesljivosti modela z delitvijo povodij v bolj homogene skupine s pomo~jo statisti~nih metod. Uporabljeni kriterij za delitev povodij (50 %) je bil dolo~en izkustveno. [tudija ne daje odgovora ali je to optimalen kriterij. Z obdelanim {tevilom povodji bi bilo tèko preveriti odgovor na zastavljeno vpra{anje. Za bolj objektiven odgovor bi bila smiselna uporaba statisti~nih metod lo~evanja povodij, ki pa bi zahtevala vklju~itev dodatnih povodij. 6 Viri in literatura ARCADIA, 1997: Hidrografska mreà. Ljubljana. Cegnar, T. 1995: Povpre~na letna temperatura zraka obdobje: 1961–1990. V: Klimatografija Slovenije 1961–1990, Temperatura zraka. Mekinda-Majaron. Zemljevid, Hidrometeorolo{ki zavod Slovenije. Ljubljana. 110 Analiza odvisnosti indeksa baznega toka od lastnosti povodja Davis, C. J. 1986: Statistics and Data Analysis in Geology, Second Edition. John Wiley & Sons. FGG-KSH, 1997: Hidrografska mreà z razvodnicami in {ifrantom. UL, FGG, Katedra za splo{no hidro-tehniko. Ljubljana. Haberlandt, U., Kloecking, B., Krysanova, Becker, A. 2001: Regionalisation of the base flow index from dynamically simulated flow components – a case study in the ElbeRiver Basin. Ho~evar, M., Kobler, A., Vr{~aj, B., Poljak, M., Ku{ar, B. 2001: Corine karta rabe tal in pokrovnosti Slovenije, Podprojekt: Fotointerpretacija in rezultati, zaklju~no poro~ilo. Gozdarski in{titut Slovenije. Ljubljana. Laaha, G., Bloeschl, G. 2005: A comparison of low flow regionalisation methods – catchment grouping. Journal of Hydrology. Prestor, J., Komac, M., Janà, M., Megli~, P., Bavec, M., Poljak, M. 2004: Nacionalna baza hidrogeo-lo{kih podatkov za opredelitev teles podzemne vode Republike Slovenije, Poro~ilo 2. faze – 2003. Geolo{ki zavod Slovenije. Ljubljana. Sloto, R. A., Crouse, M. Y. 1997: Hysep: AComputer Program for Streamflow Hydrograph Separation and Analysis. U. S. Geological Survey. Lemoyne, Pensylvania. Turc, L. 1954: Le bilan d'eaux des sols: relation entre les precipitations, l'evaporation et l'ecoulement. Ann. Agron. 5. ZRC SAZU, Mobitel 2000: InSAR DMV 25 (Digitalni model vi{in). ZRC SAZU. Ljubljana. Zupan~i~, B. 1995: Povpre~na letna vi{ina padavin obdobje: 1961–1990. V: Klimatografija Slovenije 1961–1990, Padavine. Zupan~i~, B. Hidrometeorolo{ki zavod Slovenije. Ljubljana. 111 112 GIS v Sloveniji 2005–2006, 113–122, Ljubljana 2006 SPREMINJANJE STRUGE REKE SAVE NA LJUBLJANSKEM POLJU Damijan Bec GISDATA d. o. o. Ljubljana [martinska cesta 152, 1000 Ljubljana damijan.bec@ gisdata.si, geo5db@ leeds.ac.uk dr. Tomà Podobnikar In{titut za antropolo{ke in prostorske {tudije ZRC SAZU Novi trg 2, 1000 Ljubljana tp@ zrc-sazu.si UDK: 551.435.11:659.2:004(497.4) IZVLE^EK Spreminjanje struge reke Save na Ljubljanskem polju Spreminjanje re~ne struge je dinami~en proces. Za prikaz dinamike spreminjanja so primerna orodja GIS (Geografski informacijski sistemi), ki omogo~ajo ve~slojno primerjavo linij re~nih strug po posameznih ~asovnih presekih. V prispevku sta na dejanskem primeru odseka reke Save med medenskim mostom in soto~jem treh rek prikazana spreminjanje struge reke Save na Ljubljanskem polju v zadnjih 230 letih ter primerjava uporabe »klasi~nih« in sodobnih metod. KLJU^NE BESEDE georeferenciranje, vektorizacija, DMV, re~na struga, reka Sava, Ljubljansko polje, GIS ABSTRACT Changing of Sava's river channel on Ljubljana's field Changing of river riverbed is a dynamic process, and with the use of GIS (Geographical Information Systems) tools, this process can be clearly shown. This is achievable due to the šnature’ of GIS and its multi-layer approach, where the river channel patterns in different years can be easily compared with each other. In this article, the changing of Sava's river riverbed in the last 230 years is outlined. In this specific case of the river Sava, which is on Ljubljana's field, between the Medno's bridge and the confluence of three rivers, there is also the comparison between the šclassical’ and modern methods approach. KEYWORDS georeferencing, vectorisation, DEM, river channel, river Sava, Ljubljana's field, GIS 113 Damijan Bec, Tomà Podobnikar 1 Uvod Spreminjanje re~nih strug je mogo~e oceniti na veliko na~inov – od »klasi~nega« dela na terenu in iskanja ostankov suhih strug do sodobnej{ega pristopa, kot je vizualna primerjava kart iz razli~nih obdobij. Dana{nji GIS-pristop ima pri ugotavljanju/ocenjevanju spreminjanja re~nih strug mnogo prednosti v primerjavi s klasi~nim geografskim. Izmed mnogih naj izpostavimo predvsem mònost hitre izdelave vektorskih/rastrskih kart poteka strug in neposredno primerjavo strug v razli~nih ~asovnih presekih. Vendar pa ima dana{nji GIS-pristop pri obravnavanju tovrstne tematike tudi dolo~ene omejitve, ki so povezane predvsem z ro~nim georeferenciranjem/rektificiranjem. Linija re~ne struge ne obsega samo bregov struge, ampak tudi robove (linije) morebitnih otokov oziroma prodi{~. Pri ugotavljanju sprememb v liniji re~nih strug je treba izvesti naslednje faze: 1. digitalizacija, 2. georeferenciranje in 3. vektorizacija. Pojem digitalizacija pomeni pretvorbo analogne grafi~ne predloge v digitalno obliko, in sicer ro~- no z digitalnikom (digitalizacija v vektorsko strukturo) ali samodejno s skenerjem (digitalizacija v rastrsko strukturo) (Podobnikar 2001, 283). Georeferenciranje je postopek, pri katerem obi~ajno umestimo karte, letalske ali satelitske posnetke, pa tudi digitalne fotografije, skice, na~rte itd. (zapisanimi v lokalne koordinate) v enoten model geografskega prostora in hkrati v primerno izbran koordinatni sistem. Vektorizacija je pretvorba vsebine digitalne slike ali skenograma iz rastrske v vektorsko obliko, in sicer samodejno, polsamodejno (uporaba »~rva«) ali ro~no (zaslonska vektorizacija) (Podobnikar 2001, 302). V prispevku nismo opisali postopka digitalizacije. Ker pri analizi georeferenciranja nismo uporabili drugih kot polinomne transformacije drugega in tretjega reda, so opisane samo te. Pri postopku georeferenciranja tudi nismo upo{tevali zna~ilnosti razli~nih projekcij uporabljenega kartografskega gradiva. Analizirali samo namre~ relativno majhno obmo~je, 25 kilometrski odsek reke Save. Na tako majhnem obmo~ju so morebitne popa~itve zaradi napak pri izdelavi starih kart izrazito ve~je od morebitnih razlik med projekcijami. Opisali smo tudi potek vektorizacije podatkov na{e {tudije na primeru. Poudarek je uporaba pridobljenih podatkov za analizo spreminjanja struge reke Save na Ljubljanskem polju. 2 Rektifikacija, georeferenciranje in vektorizacija Bistvo georeferenciranja je umestitev (kartografskega) gradiva v dolo~en koordinatni sistem, to je X, Y (lahko tudi H) sistem. Pri transformaciji se uporabljajo razli~ni algoritmi za pripravo kartografskega gradiva*. Uporaba dolo~enih algoritmov je odvisna od razli~nih dejavnikov, med katerimi izpostav-ljamo dva: 1. poloàjna natan~nost (analogne) karte in s tem posledi~no tudi ve~ja verjetnost (ve~je/manj{e) natan~- nosti digitalne karte in 2. natan~nost ali podrobnost skenirane karte, oziroma napake, ki nastanejo zaradi skeniranja (Kvamme et al. 1997). Rektifikacija je pretvorba iz enega geometri~nega sistema v drugega z uporabo razli~nih geometri~nih pretvorb. Del vsake rektifikacije je tudi georeferenciranje (ERDAS 2003). Pri tem lo~imo linearne transformacije od nelinearnih. V analizi smo zaradi nekakovostnega vhod-nega gradiva uporabljali samo nelinearne transformacije, oziroma t. i. polinomne transformacije drugega ali vi{jega reda. Pri tem moramo poudariti, da zaradi nepoznavanja parametrov transformacije, nismo * Opisani postopek seveda ne izklju~uje tudi mònosti uporabe drugega gradiva in koordinatnih sistemov, kot so npr. satelitske slike ali aerofotografije. Opis georeferenciranja, rektificiranja ter vektoriziranja temelji na uporabi ESRI-jeve programske opreme in terminologije. 114 Spreminjanje struge reke Save na Ljubljanskem polju izvedli neposredne pretvorbe iz enega v drugi koordinatni sistem, temve~ smo georeferencirali skeno-grame kart s pomo~jo polinomne transformacije. Premik, vrtenje in sprememba merila so elementi vsake linearne pretvorbe Za ra~unanje spremembe merila se uporabi formulo X' = kxX in Y' = kyY ( kx in ky sta konstanti pomanj{ave/pove~ave glede na os x in y). Premik (v smeri X ali Y) se izra~una s formulo X' = X + dx in Y' = Y + dy ( dx in dy sta premika po osi x in y) (McCoy in Johnston 2001; Kvamme et al. 1997; Minami 2000), vrtenje pa s formulo X' = X cos( j) + Y sin( j) in za Y' = – X sin( j) + Y cos( j) (Kvamme et al. 1997). Pri ro~ni vektorizaciji kart se pogosto sre~ujemo z dvema problemoma, ki {e pove~ata kon~no napako pretvorbe. Najve~krat je problem posledica kakovosti karte, ki je bila skenirana (zgubana, zme~- kana, izbrisana, prelomljena karta ipd.), ali posledica nejasnih mej linije pri vektorizaciji linijskih objektov. V primeru ve~jih nepravilnosti/napak v vhodnem gradivu moramo uporabiti nelinearne transformacije, kot na primer na triangulaciji osnovane metode ali polinomne transformacije drugega in vi{jega reda. Izbira reda polinomne transformacije je odvisna predvsem od kakovosti gradiva (v na{em primeru kartografskega) in od {tevila uporabljenih kontrolnih to~k. Pri tem velja splo{no pravilo: vi{ji red polinomne transformacije uporabimo, ve~je {tevilo kontrolnih to~k potrebujemo. Za polinomno transformacijo prvega reda (linearna) vsaj tri, za transformacijo drugega reda {est in za transformacijo tretjega reda vsaj deset kontrolnih to~k (ERDAS 2003). Kontrolne to~ke morajo biti ~imbolj enakomerno porazdeljene po karti, ki jo georeferenciramo. V primeru linearne pretvorbe moramo za kontrolne to~ke izbrati vsaj tri to~ke z znanimi koordinatami, ki ne leìjo na isti premici. V primeru nelinearnih transformacij je treba uporabiti ve~je {tevilo kontrolnih to~k. V primeru, da je na karti izrisana koordinatna mreà, je lahko georeferenciranje enostavnej{e, saj se za referen~ne to~ke (obi~ajno) vzame kar sti~i{~a koordinatne mreè. Sicer pa je treba na karti dolo~iti referen~ne to~ke, obi~ajno pridobljene iz georeferenciranih prostorskih podatkov, npr. iz Temeljnega topografskega na~rta, ki ga smatramo kot to~nega in natan~nega. Za referen~ne to~ke najpogosteje zajemamo antropogene objekte, npr. cestna kriì{~a, spomenike in cerkve (ESRI 2005). Natan~nost polinomne transformacije, oziroma poloàja transformiranih to~k v primerjavi s kontrolnimi to~kami ugotavljamo z metodo najmanj{ih kvadratov. Posku{amo dobiti najmanj{o mòno vsoto kvadratov odstopanj glede na referen~ne to~ke. Srednji kvadratni (RMS = root mean square) odklon izra~unamo po naslednji formuli (Kvamme et al. 1997, 76; Podobnikar 2001): Oznaka e pomeni razdaljo med transformirano to~ko na georeferancirani karti in kontrolno to~- ko na referen~nem viru, n ozna~uje {tevilo vhodnih to~k. Opomniti velja, da majhen odklon RMS in uporaba vi{jega reda polinoma {e ne dolo~a samo natan~nosti georeferenciranja, temve~ do dolo~ene mere tudi natan~nost transformacije (ERDAS 2003). 3 Georeferenciranje in vekotrizacija starih kart na {tudijskem obmo~ju Za ugotavljanje sprememb linije struge reke Save na Ljubljanskem polju smo imeli na razpolago sedem kart iz treh razli~nih obdobij – v razli~nih projekcijah ali le posameznih parametrih projekcij: • Karto UKL (1883), karto L (1914), karto DHJ (1943), karto DTK50 (1956), karto TK25 (1974), karto, TTN5 (1985) ter DigTTN5 (1996). • Karti UKL (1883) in L (1914) sta izdelani v merilu 1 : 75.000 in karte DHJ (1943), TK25 (1974) in TTN5 (1985) so v merilu 1 : 25.000 v Gauss-Krügerjevi projekciji, karta DTK50 (1956) pa je bila izdelana v merilu 1 : 50.000 in prav tako v Gauss-Krügerjevi projekciji. • Na voljo smo imeli tudi stare Avstrijske voja{ke karte prve izmer iz let 1763–1787 Cassini-Soldner-jevi ekvidistantni projekciji, vendar jih nismo uporabili. Slednjih kart nismo uporabili, ker smo imeli premajhno {tevilo kontrolnih to~k, ki so leàle na obmo~- ju dana{njih ^rnu~, Kle~ in Broda. Za dokaj natan~no georeferenciranje bi morali uporabiti polinomno 115 Damijan Bec, Tomà Podobnikar transformacijo tretjega reda, za kar bi potrebovali vsaj 10 to~k z znanimi koordinatami, za relevantno primerjavo z drugimi georeferenciranimi kartami pa vsaj 20 do 30 to~k z znanimi koordinatami (Bec 2005, 57). Vse karte so bile georeferencirane z uporabo polinomne transformacije drugega reda, z izjemo UKL (1883), pri kateri smo zaradi zgubanosti papirja uporabili transformacijo tretjega reda. Kljub drugim mònostim rektifikacij (npr. lokalni razteg, angl. rubber sheeting), smo se za georeferenciranje z uporabo polinomnih transformacij odlo~ili predvsem na podlagi dejstva, da je {lo v na{em primeru za izrazite lokalne deformacije in hkrati majhno {tevilo referen~nih to~k. Na obmo~ju raziskave skorajda ni antropogenih struktur, pred nekaj stoletji pa obmo~je raziskave sploh ni bilo poseljeno. Vsekakor je bil odklon RMS precej velik, reda nekaj milimetrov a karti. Pri georeferenciranju starej{ih UKL (1883) in L (1914) smo uporabili sedem kontrolnih to~k. To~- ke so bile dolo~ene na podlagi objektov, ki so bili ozna~eni na najnovej{i karti DigTTN5 (1996) kot tudi na kartah UKL (1883) in L (1914). Te kontrolne to~ke so zajemale {tiri cestne mostove (~rnu{ki in tacenski most, most ~ez Gamelj{~ico ter most ~ez Ljubljanico pri Zalogu) in tri cerkve (cerkev sv. Kancijana, cerkev sv. Tomaà, cerkev sv. Jakoba). Poleg teh sedmih kontrolnih to~k smo za primerjavo vzeli {e cestno kriì{~e v Savljah in cestni ovinek pri Kle~ah (slika 1). Ti dve to~ki smo vzeli kot dodatni kontrolni to~ki, s pomo~jo katerih smo preverjali koliko tudi ostale to~ke (in ne samo sedem kontrolnih to~k) na georeferencirani karti sovpadajo z referen~nimi. Kljub temu, da smo se posku{ali dràti pravila ~im ve~je prostorske raztresenosti kontrolnih to~k, nam tega ni uspelo uresni~iti. Zaradi pomanjkanja identi~nih to~k (objektov, ki bi se pojavili tako na UKL (1883) kot tudi na DigTTN5 (1996), smo lahko referen~ne to~ke postavili samo v bliìno dveh ogli{~. Slika 1: Pregledna karta dela Ljubljanskega polja z reko Savo in poloàj nekaterih referen~nih to~k (DOF5 2001; DigTTN5 1996). 116 Spreminjanje struge reke Save na Ljubljanskem polju Slika 2: Oznaka cerkve sv. Kancijana na UKL (1883) (za podlago sluì DOF5 2001). Kljub temu, da so cerkve zaradi svoje stalnosti pogosto primerne referen~ne to~ke, za razliko od cestnega in èlezni{kega omrèja s pripadajo~o infrastrukturo, niso nenatan~no kartirane. Znak pogosto ni postavljen natan~no nad poloàj objekta, prav tako se pojavi problem razli~nih meril in s tem razli~ne stopnje generalizacije. To teàvo smo posku{ali re{iti z uporabo orodja dodajanja kontrolnih to~k (add control points). Z mi{ko se ozna~i del karte, ki ga èlimo prestaviti na novo lokacijo v prostoru. Ozna~eni del nato prestavimo na èleno lokacijo. S tem orodjem lahko napravimo manj{e popravki na georeferencirani karti, kot so premik ali zasuk celotne karte. Na sliki 2 rde~a to~ka ponazarja poloàj cerkve sv. Kancijana na Jeìci, z rumeno obrobo pa je obkro- èn kartografski znak cerkve, ki je prikazan na karti UKL (1883). Vse georeferencirane karte smo vektorizirali v merilu 1 : 2000. Zaradi skenogramov kart slabe lo~- ljivosti nismo uspeli vektorizirati linij strug reke Save v predvidenem ve~jem merilu. Za potek linije strug smo privzeli sredinsko linij kot priblièk podatkov na skenogramih kart. Dobili smo {est linij struge reke Save iz razli~nih virov in obdobij. @e omenjeno DTK50 (1956) smo le vektorizirali, ne pa tudi georeferencirali. Na sliki 3 se lepo vidi natan~nost georeferenciranja, saj imajo sti~i{~a koordinatnih Slika 3: Prikaz sti~i{~a koordinatnega sistema (DOF5 2001; DTK50 1956). 117 Damijan Bec, Tomà Podobnikar Slika 4: Prikaz nenatan~nosti georeferenciranja na podlagi ~rnu{kega mostu (DOF5 2001; DTK50 1956). osi to~ne koordinate, kljub vsemu pa je bila karta iz tega leta za vektorizacijo prakti~no neuporabna (slika 3). Na sliki 3 lahko v delu, ki je obkroèn z modro barvo, razberemo poloàj v koordinatnem sistemu. Pu{~ica je natanko nad sti~i{~em meridianov in paralel – napaka pri georeferenciranju je tu zelo majhna. Kljub izjemni natan~nosti georeferenciranja so se napake velikega obsega pojavile znotraj kvadratov koordinatne mreè (slika 4). Z modro pu{~ico je na sliki 4 ozna~en poloàj èlezni{kega mostu na DOF5 (2001), z rumeno pu{~ico pa poloàj èlezni{kega mostu na DTK50 (1956). Razlika med posameznimi elementi na karti je priblìno 200 metrov, obenem pa so bile popa~ene tudi oblike objektov na karti. ^rnu{ki most je na georeferencirani karti {irok kar 55 metrov, kar lepo kaè na generalizacijo podatkov. Razlaga za to napako bi bila, da je posledica nenatan~no izrisane koordinatne mreè na karti (georeferenciranje je bilo narejeno na podlagi izrisane koordinatne mreè na karti). Omenjeni primer lepo ponazarja dejstvo, da se pri starej- {ih kartah ne smemo preve~ zana{ati na koordinatno mreò, saj je na kartah polno lokalnih distorzij. 4 Spreminjanje struge reke Save na Ljubljanskem polju Georeferenciranje ter vektorizacija izbranih kart sta bila narejena z namenom, da analiziramo spreminjanje struge reke Save glede na posamezne ~asovne preseke. Splo{no je znano, da je reka Sava v ve~jem delu prou~evanega obmo~ja med medenskim mostom in soto~jem Kamni{ke Bistrice, Ljubljanice in Save, izraziteje spreminjala strugo. 118 Spreminjanje struge reke Save na Ljubljanskem polju Slika 5: Spreminjanje struge reke Save na odseku med ~rnu{kim in {entjakobskim mostom v obdobju od 17. do 18. stoletja (UKL 1883; DigTTN 1996). Najve~jo razliko med linijami reke Save smo ugotovili na odseku pri stoì{kem zavoju (sliki 5 in 6). Glavni razlog za tak{ne razlike na tem obmo~ju, je regulacija reke Save v zadnjih 250 letih, v kombinaciji s specifi~nimi geolo{kimi (geomorfolo{kimi) razmerami. Zaradi slabih podatkov o vi{inah tega obmo~ja v zadnjih 130 letih smo vertikalno spreminjanje struge reke Save ugotavljali s pomo~jo ostankov suhih strug in jè. Poloàj suhih strug in jè smo pridobili iz digitalnega modela vi{in InSAR DMV 25 (2000), in sicer s prostorskimi analizami tega sloja. Bistvena lastnost robov v prostoru, npr. grebenov, jè, strug ipd. je, da se na njihovem obmo~ju njihova nadmorska vi{ina spremeni na relativno kratki razdalji, kar lahko ob kakovostnih podatkih modela vi{in s pomo~jo sen~enja povr{ja tudi jasno prikaèmo. Izdelali smo studi sloje klasificiranih nadmorskih vi{in, plastnic z ekvidistanco 2 metra ter iskali pregibe glede na ukrivljenost povr{ja (curvature). Robove smo pridobili z zaznavanjem robov (edge detecting tool) ter s filtriranjem sloja vi{in z visoko propustnim filtrom (high pass kernel). Tako pridobljene robove smo nato pretvorili v linijski podatkovni sloj. Tako dobljene podatke smo {e dodatno preverili s slojema pregibov in plastnic. S kombinacijo podatkov smo odkrili {e 67 robov ve~ (vsega skupaj smo ugotovili 357 robov), predvsem jè, kot s samo metodo zaznavanja robov (slika 7). Ker Sava na tem odseku ne te~e samo v eni smeri (Z–V), je bila vrednost azimuta za sen~enje povr{- ja na vsakem odseku razli~na. Na odseku Medno–^rnu~e so bili najbolj{i rezultati pridobljeni pri azimutu 0°, 45° in 225°, na odseku ^rnu~e–Beri~evo z vrednostmi azimuta 0°, 45°, 180° ali 225°, na odseku Beri- ~evo–soto~je Save, Ljubljanice in Kamni{ke Bistrice pa z azimutoma 0° ter 225°. Bahar (1985) je v diplomskem delu narisal pregledno karto poteka teras in suhih strug. Re~ne terase je glede na Ile{i~evo (1935) klasifikacijo ozna~il s {tevilkami 7, 7/1, 7/2, 7/3, 8 in 9. Umestitev dolo~enega 119 Damijan Bec, Tomà Podobnikar Slika 6: Primerjava linije struge reke Save med razli~nimi leti pri stoì{kem zavoju (UKL 1883; L 1914; DHJ 1943; TK25 1976; TTN5 1987; DigTTN5 1996; DOF5 2001). Slika 7: Potek teras in re~nih paleostrug (Baharjeva terminologija) na Ljubljanskem polju (Bahar 1985; DMV25 2000) in primerjava s poloàjem suhih strug in jè na Ljubljanskem polju, ugotovljenih v na{i analizi. 120 Spreminjanje struge reke Save na Ljubljanskem polju obmo~ja v eno izmed teras je temeljilo na povpre~ni vi{ini povr{ja, pri ~emer je seveda upo{teval tudi padec povr{ja, ki na Ljubljanskem polju zna{a priblìno 3 ‰. Podatke za vi{ino povr{ja je pridobil iz TTN-ja v merilu 1 : 5000 (slika 7). Pri ugotavljanju teras in ostankov suhih strug smo se odlo~ili, da bomo uporabili za GIS primernej{o metodologijo, kot jo je izbral Bahar pri svojem klasi~nem pristopu. Pomagali smo si z digitalnim modelom vi{in in z DOF5 (2001). Pri tem naj poudarimo, da se razlike v {tevilu ugotovljenih suhih strug in jè niso pojavile pri è zabeleènih suhih strugah in jeàh, pa~ pa smo dobili za priblìno tretjino suhih strug in jè, ki jih Bahar z uporabo »klasi~nih« metod ni mogel odkriti. Prednosti opisanih metod so bile v analizi najbolj izrazite na odseku med Sneberjem in Zalogom, saj je tam sprememba nadmorske vi{ine med terasami izrazito majhna, nizke pa so tudi jeè, ki razmejujejo terase. Uporaba GIS-orodij in DMV za ugotavljanje geomorfnih sprememb ima kar nekaj prednosti. Ena izmed najpomembnej{ih je ta, da lahko v relativno kratkem ~asu preizkusimo ve~je {tevilo metod oziroma tehnik pri razli~nih pogojih, npr. pri razli~nih vrednostih azimuta. 5 Sklep Kljub vsem nespornim prednostim, ki jih prina{a uporaba GIS-orodij, moramo omeniti, da za uporabo opisanih metod potrebujemo tudi zmogljivo strojno opremo. Rezultati analiz so v veliki meri odvisni od primernosti podatkov, od kakovostnega georeferenciranja/rektifikacije in vektorizacije. Na àlost moramo omeniti tudi to, da se pri GIS-metodah kot kon~na ocena pri obdelavi podatkov vse preve~- krat pojavlja subjektivna ocena avtorjev analiz. Potek struge reke Save se je v zadnjih 150 letih zelo spremenil. Najve~je spremembe so bile na obmo~- ju dana{njih Stoìc, kjer je bila najve~ja razlika v poteku struge reke med leti 1883 in 2005, nekaj ve~ kot 1200 metrov (slika 6). Na dana{nji potek struge reke Save na Ljubljanskem polju je vplival tudi ~lovek z obsènimi regulacijami struge, vendar ne smemo prezreti dejstva, da je potek dana{nje struge reke predvsem posledica recentnih geolo{kih in geomorfolo{kih razmer Ljubljanskega polja. Na prelomu 19. stoletja, se je na obmo~ju Ljubljanskega polja izvedla obsèna regulacija, med drugim je bila zgrajena tudi HE Tacen. Z izgradnjo HE Tacen se je v veliki meri spremenil transport plavja. Dolvodno od HE Tacen je Sava za~ela intenzivno poglabljati pri ~emer je dolvodno od ~rnu{kega mostu pri~ela epi-gentsko vrezovati. S primerjavo SVZ (1763–1787) in zemljevida UKL (1883) na eni strani in zemljevidov L (1914), TK50 (1956), TK25 (1976), TTN5 (1987), DigTTN5 (1996) ter DOF5 (2001) na drugi strani, smo pri{- li do sklepa, da bi bila struga reke Save, ~e ne bi bila regulirana, dosti bolj razvejana in sestavljena iz dveh, treh ali celo {tirih delov z vmesnimi obsènimi prodi{~i (otoki) (Bec 2005, 170). Mònosti nadaljnje raziskave vidimo predvsem v analizi poglabljanja struge reke Save na celotnem odseku ter v ugotavljanju spreminjanja poteka struge v povezavi z regulacijo reke Save in tudi v ugotavljanju povezave med regulacijami ter poselitvijo obmo~ja v bliìni struge. Bolj{e rezultate analize pa bi pridobili tudi z uporabo bolj{ih podatkov, na primer z uporabo DMV 10 metrske lo~ljivosti. 6 Viri in literatura Bahar, I. 1985: Novej{a poglabljanja Save na Ljubljanskem polju. Diplomska naloga. Filozofska fakulteta, Oddelek za geografijo, Ljubljana. Bec, D. 2005: Spreminjanje struge reke Save na Ljubljanskem polju. Diplomska naloga. Filozofska fakulteta, Oddelek za geografijo, Ljubljana. DHJ 1943: Deutsche Heereskarte Jugoslawien. List 11-3-c, List 11-4-c, List 11-3-d. 1 : 25.000. Filozofska fakulteta, Oddelek za geografijo, Ljubljana. 121 Damijan Bec, Tomà Podobnikar DigTTN5 1996: Digitalni temeljni topografski na~rt. 1 : 5000. Geodetska uprava RS, CD ROM InSAR DMV 25 2000: Podobnikar, T., O{tir, K. Insar DMV 25. ZRC SAZU, Ljubljana (dobljen po dogo-voru v rastrski obliki). DOF5 2001: Digitalni ortofoto. CD ROM, Geodetska uprava RS. TK50 1956: Topografska karta SR Slovenije. List 30-3, List 30-4. 1 : 50.000. Vojnogeografski in{titut, Ljubljana. ERDAS 2003: ERDAS Field guide (seventh edition). Leica Geosystems, Atlanta. ESRI 2005: Help documentation for ArcGIS Desktop (HELP dokumetacijo dobite skupaj z instalacijo ArcGIS Desktopa). Ile{i~, S. 1935: Terase na gorenjski ravnini. Geografski vestnik 11. Ljubljana. Kvamme, K., O{tir-Sedej, K., Stan~i~, Z., [umrada, R. 1997: Geografski informacijski sistemi. Ljubljana. L 1914: Laibach. List 5553. 1 : 75000. Militärgeographisches Institut, Wien. McCoy, J., Johnston, K. 2001: Using ArcGIS Spatial Analyst. Redlands. Minami, M. 2000: Using ArcMap. Redlands. Podobnikar, T. 2001: Digitalni model reliefa iz geodetskih podatkov razli~ne kakovosti. Doktorska disertacija. Fakulteta za gradbeni{tvo in geodezijo, Ljubljana. SVZ 1763–1787: Slovenija na voja{kem zemljevidu – Opisi, 2. zvezek, 1996, Ljubljana. TK25 1976: Topografska karta. List 013-3-3, Ljubljana, List 012-4-4, [entvid. 1 : 25.000. Vojnogeografski institut, Beograd TTN5 1987: Temeljni topografski na~rt. Ljubljana-S-21, Ljubljana-S-22, Ljubljana-S-23, Ljubljana-S-35, Ljubljana-S-36. 1 : 5000. Republi{ka geodetska uprava, Ljubljana. UKL 1883: Umgebungs Karte von Laibach. 1 : 75.000. K. k. Militär geografisches Institut, Laibach. 122 GIS v Sloveniji 2005–2006, 123–131, Ljubljana 2006 ANALIZA HIDRAVLI^NIH LASTNOSTI VODOTOKOV Z UPORABO GIS ORODJA mag. Leon Gosar, Ga{per Rak in dr. Franc Steinman Fakulteta za gradbeni{tvo in geodezijo, Katedra za mehaniko teko~in Hajdrihova 28, 1000 Ljubljana, Slovenija leon.gosar@ fgg.uni-lj.si, rak.gasper@ gmail.com, fsteinma@ fgg.uni-lj.si UDK: 556.536:659.2:004 IZVLE^EK Analiza hidravli~nih lastnosti vodotokov z uporabo GIS orodja Zapletenost postopkov povezave GIS in hidravli~nih orodij ter potreba po dodatni usposobljenosti so dolgo odvra~ale vodarje od obsène uporabe GIS orodij. Zato so bile prednosti, ki jih prina{a povezava, zapostavljene in nedosegljive inènirjem, ki niso napredni uporabniki za delo z GIS podatki. Raz{iritev HEC-GeoRAS programskega orodja ArcGIS pa omogo~a tudi inènirjem z malo izku{njami s podro~ja GIS pripravo prostorskih podatkov o geometriji re~nega korita in poplavnih povr{in na podlagi digitalnega modela terena. Bolj{e informacije bi lahko uporabili v programskem orodju za natan~nej{e hidravli~ne presoje v odprtih vodotokih (HEC-RAS), kasneje pa omogo~ajo tudi ve~jo lo~ljivost izrisa izra~unanih poligonov vodne gladine znotraj struge ter na poplavnih obmo~jih. Orodje je razvil Center za hidrolo{ko inènirstvo (HEC, Hydrologic Engineering Center) v sodelovanju z In{titutom za raziskovanje okolja (ESRI, Environmental System Research Institute). ^lanek prikazuje povezavo GIS orodja s hidravli~nim modelom z uporabo DMT, izdelanega na osnovi podatkov, dobljenih s tehniko LIDAR, ki zagotavlja natan~no topografijo terena, s tem pa bolj u~inkovite hidravli~ne analize. KLJU^NE BESEDE GIS, HEC-GeoRAS, LIDAR, hidravli~ni model, tok odprtih vodotokov ABSTRACT Use GIS tools for hydraulic analysis of streams Although hydraulic analysis can benefit from digital terrain models and other GIS data sets, the complexity and unfamiliarity of GIS programs deters hydraulic engineers from using them. Because of that reason benefits derived from using a GIS to assist in hydraulic analysis are often unavailable to engineers not specialized in GIS knowledge. HEC-GeoRAS allows an engineer with little GIS training to use ArcGIS to develop gemet-ric data for import in HEC-RAS and management of exported water surface profile data. The HEC-GeoRAS is an ArcGIS extension specifically designed to process geospatial data for use with HEC-RAS. It was developed as a part of the Hydrologic Engineering Center's »New Generation« of hydrologic engineering software in cooperation with Environmental System Research Institute (ESRI). In article work with GIS to prepare geometric attribute data of river channel for use in hydraulic model and analysing floodplain polygons on digital terrain mode was presented. For creating DTM topographic data acquired with LIDAR technique was used. Such model assures high accuracy needed for hydraulic analysis. KEYWORDS GIS, HEC-GeoRAS, LIDAR, hydraulic model, open channel flow 123 Leon Gosar, Ga{per Rak, Franc Steinman 1 Uvod ^lovek je od nekdaj povezan z vodo, ki predstavlja nepogre{ljiv dejavnik v ìvljenju vseh ìvih bitij. Razen za osnovne ìvljenjske potrebe je ~lovek vodo kmalu za~el izkori{~ati tudi v druge namene, kar mu je olaj{alo in omogo~ilo marsikatero delo. Zato se je naseljeval ob vodotokih, kjer je vodno mo~ izkori{~al v mlinih, àgah, uporabljal vodo za transport (npr. splavitev lesa), vodo ~rpal za uporabnike, jo uporabljal za namakanje ipd. Seveda pa na drugi strani lahko voda predstavlja tudi veliko nevarnost saj erozija, poplavljanje in drugi neugodni pojavi hitro ogrozijo ~love{ka ìvljenja in njegovo lastnino. Da bi po eni strani izkoristil prednosti, ki mu jih voda prina{a, po drugi pa za{~itil sebe in svojo lastnino, je ~lovek kmalu za~el z izgradnjo objektov na vodotokih ter regulacijami le-teh. V~asih so taka dela opravljali zgolj na podlagi izku{enj in brez poglobljene strokovne podlage, zato so imeli taki posegi lahko tudi negativne posledice ter so povzro~ali celo poslab{anja stanja. Z razvojem razli~nih vej inènirstva pa se je za~elo problematiko obravnavati tudi interdisciplinarno. Da bi kar najbolje spoz-nali naravo vodotokov in ob tem nastajajo~e pojave ter vzroke zanje, se je poleg opazovanja in meritev na vodotokih èlelo spoznati in simulirati razli~ne ekstremne pojave. Na za~etku so bili to fizi~ni modeli, ki imajo veliko prednosti in je njihova uporaba {e danes dostikrat nepogre{ljiva. Zaradi velikih stro{kov, prostorske omejenosti laboratorijev ter drugih slabosti je njihova uporaba vse redkej{a. Tako kot na drugih podro~jih znanosti je tudi pri hidravli~nem modeliranju razvoj ra~unalni{tva v drugi polovici 20. stoletja pomenil pravo revolucijo. Programi za hidravli~no matemati~no modeliranje, ki so v za~etku omogo~ali obravnavo preprostih primerov enodimenzionalnega toka, se hitro razvijajo in danes è omogo~ajo tudi analizo dvo in tridimenzionalnega toka. Pri ve~ini programov poteka vnos geometrije s prostorskimi koordinatami X, Y, Z v lokalnih koordinatnih sistemih. Tak{en na~in je primeren, ko èlimo obravnavati zgolj hidravli~ne lastnosti posameznih objektov na vodotokih. Pri obravnavi dalj{ih odsekov vodotokov in poplavnih povr{in je potrebno hidravli~en model umestiti v dejanski prostor in zajeti tudi druge geografske, objektne in tematske podatke v prostoru. Pri izdelavi natan~nega modela terena si je mòno pomagati s povezavo podro~ij hidravlike in geografsko informacijskega sistema (GIS), zato uporaba GIS za zdruèvanje razli~nih informacij v prostoru prina{a pomemben napredek tudi za hidravli~ne analize. Zaradi zapletenosti postopkov agregacije, izlo~anja ipd. se pokaè kot ovira potreba po dodatni usposobljenosti inènirjev za uporabo GIS orodij. Zato razmeroma dolgo ni pri{lo do direktne povezave GIS orodij in orodij za hidravli~ne izra~une. Ker pa se je razvoj hidravli~nih modelov {iril tudi na to podro~je, je sodelovanje strokovnjakov s podro~ja GIS za skupen razvoj programske opreme, ki bi omogo~ila izkoristiti prednosti hidravli~nih analiz z uporabo GIS orodij, vse ve~je. V prispevku je predstavljena metodologija analize hidravli~nih lastnosti odseka vodotoka z uporabo kombinacije raz{iritve programa ESRI ArcGIS HEC-GeoRAS in programa za hidravli~ne izra~une HEC-RAS. Ta povezava programov omogo~a tudi uporabnikom, ki niso strokovnjaki na podro~ju GIS, izkoristiti prednosti, ki jih prostorsko informacijski sistem ponuja in so bile zaradi zapletenosti postopkov povezovanja doslej zapostavljene ali le redko uporabljene. 2 Hidravli~no modeliranje in GIS orodje Pri opisani metodologiji smo kot hidravli~no orodje uporabili HEC-RAS, ki je {iroko raz{irjen program za ra~un hidravlike enodimenzionalnega stalnega in nestalnega toka odprtih vodotokov, razvit pod okriljem ameri{ke vojske (US Army Corps of Engineers – Hydrologic Engineering Center). Postopek opisa geometrije re~nega korita pri obi~ajnih hidravli~nih programih poteka od izrisa tlorisne situacije vodotoka do definiranja to~k posameznih pre~nih profilov v lokalnih koordinatnih sistemih opisa, objektov na in ob vodotoku, vrednosti koeficientov hrapavosti ostenja ter ostalih parametrov, ki vplivajo na hidravli~ne razmere v vodotoku. Po opravljenem izra~unu lahko rezultate analiziramo grafi~no ali tabelari~no. Vnos podatkov geometrije re~nega korita se izvaja s podajanjem prostorskih koordinat X, Y, Z, 124 Analiza hidravli~nih lastnosti vodotokov z uporabo GIS orodja zato je na lokaciji izmerjenega pre~nega profila geometrija zelo natan~na, bistveno manj pa je natan~- na interpolacija geometrije za del korita med posameznimi izmerjenimi pre~nimi profili. To so le nekateri vzroki, ki so spodbudili uporabnike k pripravi geometrije re~nega korita in poplavnih obmo~ij z uporabo GIS orodja. Osnova za delo je digitalni model terena (DMT) v obliki nepravilne trikotni{ke mreè (TIN). DMT lahko izdelamo na podlagi osnovnih topografskih podatkov, zbranih s pomo~jo razli~nih tehnik daljinskega zaznavanja, digitalizacijo kart, izohips in podobno, ki dajejo seveda podatke razli~ne to~nosti. 2.1 Digitalni model terena Za pripravo podatkov o pre~nih profilih, v katerih se modelirajo hidravli~ne veli~ine, uporabimo digitalni model terena (DMT). DMT je model terena, kateremu so dodane glavne topografske zna~ilnosti terena, kot so to denimo padnice, kote, grape, grebeni itd. ([umrada 2005). DMT je izdelan na podlagi obsènih meritev na terenu s pomo~jo razli~nih metod daljinskega zaznavanja in klasi~nih geodetskih meritev. Najnatan~nej{e modeliranje lahko izvedemo iz to~k izmerjenih s pomo~jo tehnologije LIDAR ( Light Detection and Ranging). Zajem podatkov tu poteka s pomo~jo aktivnega senzorja v obliki laserskega tipala, pritrjenega na letalo, helikopter ali vesoljsko plovilo. Na ta na~in dobljeno bazo podatkov, ki opisuje topografijo terena, sestavljajo to~ke, oz. zapisi v obliki koordinat X, Y, Z posameznih to~k terena. S pomo~jo teh podatkov lahko izdelamo model terena, ki je prilagojen hidravli~nem modeliranju s programskim orodjem HEC-GeoRAS in je v obliki mreè neenakih trikotnikov (TIN). TIN ima nekaj izrazitih prednosti v primerjavi z rastrskim DMT. TIN podaja obravnavano obmo~je z mreò sklenjenih in neprikrivajo~ih se trikotnikov, ki se stikajo in se lahko razlikujejo po obliki in velikosti. Iz to~kovnih vi{inskih vrednosti lahko tako mreò ustvarimo precej hitreje kot z ustrezno mrèno interpolacijo. Tak{na oblika je tudi bolj primerna za shranjevanje podatkov o ~rtah spremembe naklona (npr. breìne, nasipi, ipd.), o vi{inskih to~kah, dobro opi{e navpi~ne strukture ipd. V TIN lahko tudi poljubno zgostimo to~ke s katerimi predstavljamo relief, kar je prav tako ena ve~jih prednosti modela TIN, kadar je treba òje obmo~je podrobno analizirati. Slika 1: Prikaz topografije terena z DMT z razli~no natan~nostjo posnetih to~k povr{ja in posplo{enja, ki pri tem nastajajo (Alemseged 2005). 125 Leon Gosar, Ga{per Rak, Franc Steinman Ve~ina DMT je zadovoljivo natan~nih za splo{en prikaz terena. Pri zajemu geometrijskih podatkov za hidravli~no analizo pa je potrebna ve~ja natan~nost. Z uporabo novej{ih tehnik zajema vi{inskih to~k (npr. LIDAR) lahko re{imo probleme natan~nosti in teàve, ki se pojavljajo pri DMT izdelanih na podlagi digitaliziranih kart. Te namre~ ne vsebujejo dovolj natan~nih podatkov o konfiguraciji terena, pa tudi ne re~ne struge pod vodno gladino in posledi~no njene globine. Navadno so pre~ni profili izmerjeni na ve~jih medsebojnih razdaljah, kar privede do napak pri interpolaciji to~k ob izdelavi TIN. Veliko naravnih pojavov (npr. skalna stena, soteska, …) in tudi umetnih objektov (npr. zidovi, mostovi …) ima lahko razli~no vrednost vi{ine za nivojske to~ke, ki se nahajajo v prostoru z istimi koordinatami x in y. Obi~ajni DMT tega problema ne more popolnoma re{iti, ~eprav zajem ploskev z ve~jimi gradienti lahko izbolj{amo z ve~jo gostoto to~k. Tak{en DMT je v~asih poimenovan kot 2,5-dimenzionalen. 2.2 Tehnologija LIDAR Tako kot ve~ina tehnik, kot so GPS ipd., je bil tudi LIDAR (tehnologija LIDAR – Light Detection and Ranging) razvit v prvi vrsti za voja{ke potrebe in njegova uporaba se je kasneje raz{irila tudi na civilno podro~je. Ta hitro razvijajo~a se tehnologija temelji na daljinskem zaznavanju s pomo~jo laserskega tipala, ki je lahko pritrjeno na zra~na plovila (letala, helikopterji) ali vesoljska plovila. Tak{no tipalo spada med aktivne senzorje daljinskega zaznavanja, saj je sistem sam sebi vir energije in ni odvisen od zunanjih virov, kot so npr. opti~ni sistemi. Uporabnost in raz{irjenost je botrovala {tevilnim sistemom, ki so danes na voljo tudi za komercialno uporabo. Slika 2: Sistem LIDAR (Alemseged 2005). Sistem laserskega skeniranja sestoji iz komponent na plovilu in komponent za obdelavo podatkov. Lasersko tipalo, ki je sestavljeno iz laserja, oddajnika, sprejemnika, detektorja signala, oja~evalca in ostalih elektronskih komponent, je le del sistema na plovilu. Prav tako nepogre{ljivi so tudi radarska antena, GPS (Global positioning system), IMU (inercijska merilna enota) ter video kamera ali fotografski aparat za dokumentacijo. Za natan~nej{e meritve se navadno uporablja LIDAR pritrjen na helikopter, kar omogo~a nìjo vi{i-no leta, manj{o hitrost letenja in izmero koordinat 10–20-tih to~k na kvadratni meter. Na z gozdovi pora{~enih in urbanih obmo~jih lahko àrek zadane v ve~ kot en objekt kar ima za posledico ve~ odbi-tih signalov. Tak{ni ve~krat odbiti signali lahko sluìjo za ugotavljanje vi{ine in oblike nekega objekta ali vegetacije. Zadnji odbiti signal se upo{teva kot to~ka terena za DMT. Avtomati~na ekstrakcija objektov in razvoj modela je {e vedno v razvoju in se naslanja tudi na aerofoto posnetke. Ko bo tehnika dovolj napredovala, bo gotovo tudi na podro~ju zaznavanja objektov pri{la v uporabo, saj bi zaradi natan~- nosti dobili dobre modele zgradb. 126 Analiza hidravli~nih lastnosti vodotokov z uporabo GIS orodja Slika 3: Prikaz to~k posnetih s sistemom LIDAR (levo) in iz njih izdelan TIN (desno); na mestih, ki so pomembnej{a pri hidravli~nih analizah so to~ke zgo{~ene (SIMIS 2006). Prednosti, ki jih prina{a LIDAR, predstavljajo potencial za re{evanje problemov, povezanih z nenatan~nimi topografskimi podatki, ki so vhodni podatek za modeliranje naravnih procesov. Glavna prednost je natan~na digitalna narava podatkov, ki je manj podvrèna horizontalnim napakam kot podatki to~k, dobljenih s pomo~jo izohips. S pomo~jo podatkov, zajetih s tehnologijo LIDAR, dobimo to~ke terena z natan~nostjo med 10 in 15 cm. Pri hidravli~nem modeliranju se kot prednost pokaè tudi mò- nost hitre pridobitve podatkov s kontinuiranimi preleti nad poplavnimi obmo~ji in s tem spremljanje morebitnih sprememb topografije terena zaradi poplav. Visoko resolucijski model prina{a prednosti tudi v primeru, ko imajo lahko majhni elementi terena, kot so nasipi, manj{e zajezitve, jarki, velik vpliv tako na vodotok kot tudi na za~etek in na~in poplavljanja. LIDAR tudi omogo~a gosteje izmerjene to~- ke na takih mestih (prikazano na sliki 3), kjer so to~ke zgo{~ene na breìnah kanalov. To so to~ke prelivanja vode iz glavnega korita in so zato pomembne za natan~neje dolo~anje mejnega pretoka, ko reka pre-stopi bregove. 2.3 Priprava geometrije re~nega korita in izra~un poplavnih obmo~ij s pomo~jo ArcGIS raz{iritve HEC-GeoRAS HEC-GeoRAS je raz{iritev programskega orodja ArcGIS, ki omogo~a pripravo prostorskih podatkov pre~nih profilov za hidravli~no analizo s programom HEC-RAS. HEC-GeoRAS vedno uporabljamo v kombinaciji s raz{iritvama ArcGIS ESRI 3D Analyst in ESRI Spatial Analyst. Medtem ko nam 3D Analyst omogo~a interpolacijo podatkov digitalnega modela, lahko s pomo~jo raz{iritve Spatial Analyst prikaèmo rezultate vodnih globin in hitrosti vode v modelu po kon~anih izra~unih s pomo~jo rastrske mreè ali oblikujemo histograme. Kot je è omenjeno, mora biti digitalni model terena obravnavanega obmo~ja v obliki mreè neenakih trikotnikov (TIN), ki lahko bolje predstavlja povr{insko razgibanost tako re~nega kanala kot pripadajo~ih poplavnih povr{in. Glavna zahteva pri modelu terena je dovolj velika natan~nost, ki omogo~a vnos podatkov in linij, potrebnih za izdelavo modela terena. Ko je model terena v TIN pripravljen, lahko za~nemo oblikovanje to~kovnih, linijskih in poligon-skih slojev za pripravo geometrijskih podatkov za HEC-RAS. Nekateri sloji so obvezni, nekateri izbirni. Med obvezne sloje poleg samega DMT sodijo sredi{~nica vodotoka ter linije in profili pre~nih prere-zov. Ta dva sloja, ki jih oblikujemo najprej v 2D, kasneje pretvorimo v 3D obliko. Na podlagi DMT program dolo~i potrebne razdalje in vi{inske vrednosti posameznih to~k. Uporabnik ima na voljo {e {tevilne druge sloje s katerimi lahko izpopolni geometrijski model – tako lahko izri{emo linije pre~- nih bregov, nasipov in mostov, poti poplavnih tokov, poligonske sloje in sicer obmo~ja neefektivnega 127 Leon Gosar, Ga{per Rak, Franc Steinman Za~etek projekta v ArcGIS-u 1 . Dolo~itev sredi{~nice re~nega sistema • poimenovanje glavnega vodotoka in pritokov • dopolnitev podatkov (staciona e, topologija ...) Priprava GIS podatkov 2 . Linije poteka pre~nih profilov RAS geometrija 3 . Oblikovanje poljubnih slojev • podajanje atributov le-teh 4 . Dopolnitev podatkov pre~nih profilov 5 . Ekstrakcija kot RAS slojev na podlagi DMT Izdelava RAS GIS vhodne datoteke 1. Vnos RAS GIS vhodne datoteke 2. Dopolnitev geometrije, vnos geometrije objektov Hidravli~en izra~un in z njimi povezane hidravli~ne parametre, v programu HEC-RAS podatki pretokov in pripadajo~ih robnih pogojev 3. Hidravli~en izra~un Dovolj pre~nih NE profilov? NE DA Oblikovanje RAS GIS izhodne datoteke 1 . Konvertiranje datoteke .RASExport.sdf v XML 2 . Vnos RAS GIS izhodne datoteke 3 . Kartiranje poplavljanja Kartiranje • izdelava TIN modela vodne povr{ine poplavnih obmo~ij • mreà vodne povr{ine in njene globine 4 . Kartiranje vodne hitrosti • izdelava TIN modela hitrosti vode • mreà hitrosti vode Zmanj{anje Pravilna ponazoritev NE celic mreè poplavljanja DA DA Dovolj pre~nih Zadovoljiva NE DA Detajlna analiza profilov ? natan~nost poplavljanja Shema 1: Hidravli~na analiza s pomo~jo GIS orodja. toka, zgradbe ob re~nem koritu, ki jih je zajel vodni tok in tako zmanj{ujejo povr{ino pre~nega prere-za, obmo~ja akumuliranja vode ipd. Program tudi omogo~a povezavo s slojem v katerem dolo~imo rabo tal. Oblikovanje tega sloja nam je v veliko pomo~ pri definiranju Manningovih koeficientov hrapavosti n , predvsem na poplavnih obmo~- g jih. Program dolo~i spreminjanje ng vzdol` pre~nega profila. Pri kreiranju teh slojev si lahko pomagamo z ortofoto posnetki, ~e se le-ti dovolj natan~no prekrivajo z DMT, na podlagi katerih lahko natan~no dolo~imo lokacije posameznih objektov, pri dolo~anju ng itd. Pri tem moramo biti pozorni, saj DMT vsebuje podatke le za nekatere odseke, kot so akumulacijska obmo~ja, podro~ja neefektivnega toka itd. Pri nekaterih pa si lahko na ta na~in le pomagamo z dolo~anjem natan~nej{e lokacije objektov, samo geometrijo pa definiramo è v ArcGIS-u (npr. hi{e, nasipi, ipd) ali kasneje v HEC-RAS-u. Med slednje sodijo mostovi, prepusti, na~rtovani nasipi ipd. Po oblikovanju vseh slojev oblikujemo datoteko s celotnimi geometrijskimi podatki, ki je primerna za hidravli~en program HEC-RAS. 128 Analiza hidravli~nih lastnosti vodotokov z uporabo GIS orodja Desni rob poplavnega Levi rob poplavnega obmo~ja obmo~ja Desni breg Levi breg Sredi{~nica Globo~nica Slika 4: Prikaz pre~nega profila s karakteristi~nimi to~kami. Linije poplavnih tokov Linija bregu Nasip Slika 5: Situacija karakteristi~nih linij in to~k, Sredi{~nica na podlagi katerih se izra~una geometrijo Linije pre~nih profilov re~nega korita in poplavnih obmo~ij. 2.4 Hidravli~na analiza s programom HEC-RAS Z vnosom datoteke z geometrijskimi podatki je geometrija za hidravli~no analizo pripravljena, zato jo po potrebi le {e dopolnimo s hidravli~nimi posebnostmi. Predvsem moramo definirati dimenzije objektov in dolo~iti parametre, ki vplivajo na hidravli~ne lastnosti vodotoka ob njih (koeficienti raz- {iritve/zoìtve korita ipd.). V naslednjem koraku dolo~imo pretoke in pripadajo~e robne pogoje za dogodke, za katere èlimo izvesti hidravli~no analizo. Robni pogoji se lahko razlikujejo glede na vrsto toka (mònost stalnega in nestalnega toka). Po opravljenem izra~unu lahko rezultate v grafi~ni in tabelari~ni obliki analiziramo {e v programskem orodju HEC-RAS. Seveda pa je kon~ni namen prenesti rezultate hidravli~ne analize v GIS orodje ter jih prikazati na podlagi DMT, da bi bili na voljo drugim analizam danosti v prostoru. Slika 6: Hidravli~na analiza v programskem orodju HEC-RAS. 129 Leon Gosar, Ga{per Rak, Franc Steinman 2.5 Prikaz rezultatov s programskim orodjem HEC-GeoRAS Po kon~ani hidravli~ni simulaciji prenesemo izra~unani potek gladin nazaj v HEC-GeoRAS, kjer izvedemo kartiranje obsega poplavljanja za obravnavane dogodke. Poleg poplavljenih obmo~ij dobimo s postopki v okolju HEC-GeoRAS tudi prikaz porazdelitve vodne globine. Za prikaz poligonov vodne gladine moramo le-te pretvoriti v obliko TIN. Ta postopek se izvede z interpolacijo vi{in vodne gladine med pre~nimi profili. Naklon ploskev poligonov med profili predstavlja padec vodne gladine. Ker je bila geometrija izdelana s pomo~jo programskega orodja HEC-GeoRAS so poligoni prav tako tudi è ume{~eni v prostor. Pri tem je potrebno poudariti, da poligonov, ki niso geopozicionirani, ni mogo- ~e prenesti v GIS. Razli~na globina vode je prikazana z razli~nimi odtenki barv. ^e re~no korito ni v izgonu, je tam voda tudi ob poplavljanju najglobja, kar je tudi lepo razvidno iz slike 7. V samem re~nem koritu je odtenek modre barve temnej{i, kar prikazuje ve~jo globino. Program lahko na podlagi nepravilne trikotni{ke mreè topografije terena in vodne gladine natan~no dolo~i globino vode za poljubno to~ko. Razli~ica programa HEC-GeoRAS, ki deluje v povezavi s starej{o verzijo programa ArcGIS, omogo~a tudi prikaz hitrosti vode za obravnavano obmo~je. Ta mònost {e ni podprta pri uporabljeni verziji, kljub temu pa ArcGIS predstavlja mo~no orodje in omogo~a u~inkovito predstavitev rezultatov, tudi 3D. Slika 7: Prikaz vodne globine na podlagi ortofoto posnetka. Razli~ni odtenki modre prikazujejo razli~no globino vode. Lepo se vidi re~no korito, kjer je voda najglobja in obarvana s temnej{im tonom. 3 Sklep U~inkovito ukrepanje ob pojavu visokih voda je v veliki meri odvisno tudi od natan~nosti dolo- ~anja stopnje nevarnosti na posameznih lokacijah. Natan~ne karte, ki prikazujejo obmo~ja poplavljena ob pretokih z razli~nimi povratnimi dobami predstavljajo osnovne podatke organom za{~ite pred nevar-nostmi visokih voda in planerjem razli~nih ukrepov ob in na vodotokih, kot so nasipi, zajezitve, kanali, razbremenilniki, ipd. Posebno pri bolj ravninskih obmo~jih lahko è majhno zvi{anje vodne gladine povzro~i poplavitev na ve~jih obmo~jih. Da bi dobili natan~no ponazoritev, potrebujemo natan~no predstavitev terena, za kar potrebujemo veliko {tevilo posnetih to~k terena s prostorskimi koordinatami. V preteklosti to prakti~no ni bilo mogo~e ali pa bi za tak{no nalogo potrebovali ogromno ~asa in predvsem denarja. Relativno nova tehnologija LIDAR omenjeno teàvo zelo uspe{no re{uje. U~inkovitost se je pokazala tudi pri analiziranju hidravli~nih lastnosti vodotokov s pomo~jo GIS orodja, kjer je natan~nost geometrije re~nega korita in poplavnih povr{in odvisna od natan~nosti DMT. To je tudi vzrok, da se je DMT, izdelan s pomo~jo digitaliziranih izohips, pokazal kot prakti~no neupora-ben. Poleg splo{ne nenatan~nosti tudi ne vsebuje batimetrije, to je topografije terena re~nega korita pod vodno gladino. ^e bi v hidravli~nih izra~unih upo{tevali gladino vode ob izmeri terena, se to poka- è kot navidezno vi{je dno. Izra~un nepravilno upo{teva manj{i volumen korita in posledi~no se ugotovi manj{a strugotvorna prevodna zmònost. Zaenkrat so meritve s tehnologijo LIDAR, ki omogo~a tudi pridobivanje podatkov topografije terena pod vodno gladino (do dolo~ene globine), precej drage in zato {e niso {ir{e uporabljene. Poleg stro{kov je omejitveni faktor tudi precej{nja obsènost zajetih in 130 Analiza hidravli~nih lastnosti vodotokov z uporabo GIS orodja procesiranih podatkov, zato je potrebna za obdelavo in izdelavo DMT na podlagi le-teh precej zmogljiva ra~unalni{ka oprema. Razvojni cilji Interreg programa IIIA SIMIS (Povezani sistem monitoringa reke Isonzo – So~a) nam pokaèjo dobre vmesne rezultate, temelje~e na meritvah partnerjev iz tujine. 4 Viri in literatura Ackerman, C., Evans, T., Brunner, G. 2002: Linking GIS to Hydraulic Analysis Using ARC/INFO and HEC-RAS. Texas. Medmrèje: http://gis.esri.com/library/userconf/proc99/proceed/papers/ pap682/p682.htm (20. 11. 2005) Ackerman, C. 2002: Hydraulic Modelling of the Salt River, Arizona Using HEC-GeoRAS. Davis, CA. Medmrèje: http://gis.esri.com/library/userconf/proc00/professional/papers/PAP953/p953.htm (3. 12. 2005) Alemseged, T. H. 2005: Integrating Hydrodynamic Model and High Resolution DEM (LIDAR) for Flood Modeling. Medmrèje: www.itc.nl/library/Papers_2005/msc/wrem/haile.pdf (4. 1. 2006) Barr, T. 2002: Application of GIS tools for Hydraulic Modelling. Texas. Medmrèje: http://ceprofs. tamu.edu/folivera/txaggis/Spring2002/Barr/Barr.htm (15. 10. 2005) Burtzeij, J. 2003: GIS and 3-Dimensional Digital Terrain Modeling. Lund. Medmrèje: http://www. giscentrum.lu.se/www_summeruniversity/projects2003/Burdziej.pdf (5. 1. 2006) Chae Kwan, L. 2003: Applying GIS in Hydraulic Analysis. Texas. Medmrèje: http://ceprofs.tamu.edu/ folivera/TxAgGIS/Spring2003/Lim/Lim.pdf (14. 11. 2005) El-Ashmawy, N. 2003: Refine Modelling for Flood Extend Predictions Using Laser Scanning Medmrèje: www.itc.nl/library/Papers_2003/msc/gfm/nagwa.pdf (11. 11. 2005) Gosar, L. Steinman, F. 1996: Povezava ra~una gladin v odprtih vodotokih in CAD sistema. Diplomska naloga, Fakulteta za gradbeni{tvo in geodezijo Univerze v Ljubljani. Ljubljana. Olivera, F., Endres, B. 2003: Processing Geospatial Data with HEC-GeoRAS. Texas. Medmrèje: http://ceprofs.tamu.edu/folivera/TxAgGIS/Spring2003/Endres/Endres%20Term%20paper.htm (20. 11. 2005) Program evropske pobude Interreg IIIA Italija – Slovenija 2000–2006. SIMIS – Povezani sistem monitoringa Isonzo – So~a. Medmrèje: www.simis.si [umrada, R. 2005: Struktura podatkov in prostorske analize. Ljubljana US Army Corps of Engineers; Hydrologic Engineering Center 2003: Susquehanna River Flood Warning and Response system. Davis, CA Medmrèje: www.nap.usace.army.mil/GIS/fwrs.htm (14. 11. 2006) US Army Corps of Engineers; Hydrologic Engineering Center 2002: HEC-RAS, River Analysis System User's Manual, Version 3.1.3. Davis, CA. 131 132 GIS v Sloveniji 2005–2006, 133–139, Ljubljana 2006 ANALIZA VODOMERNIH POSTAJ ARSO Z VIDIKA REFEREN^NIH RAZMER PORE^JA Peter Frantar, dr. Irena Rejec Brancelj in Jure Jerov{ek Agencija Republike Slovenije za okolje Vojkova cesta 1B, 1000 Ljubljana peter.frantar@ gov.si, irena.rejec-brancelj@ gov.si, jure.jerovsek@ gov.si UDK: 556.5:659.2:004(497.4) IZVLE^EK Analiza vodomernih postaj ARSO z vidika referen~nih razmer pore~ja Drùbeno preoblikovanje naravnega okolja se odraà tudi na vodah, tako na njihovi koli~ini kot kakovosti. Vzroki za spremembe so razli~ne ~lovekove dejavnosti, ki imajo lahko vpliv na okolje (npr. kmetijstvo, industrija) in ki so razpoznavne tudi skozi pokrovnost povr{ja. S pomo~jo GIS orodja smo posku{ali iz obstoje~e mreè povr{inskih vodomernih postaj dolo~iti referen~ne vodomerne postaje za koli~insko stanje, oziroma postaje s kar najmanj{im vplivom ~loveka. Uporabili smo podatke o pokrovnosti povr{ja, na podlagi katerih smo dolo~ili tip pokrovnosti z majhnim vplivom ~loveka in na tej osnovi analizirali mreò obstoje~ih povr{inskih vodomernih postaj. 20 odstotkov povr{ja Slovenije je primernih za postavitev referen~nih vodomernih postaj. KLJU^NE BESEDE vodomerne postaje, mreà hidrolo{kega monitoringa, hidrogeografija, referen~ne postaje, geografski informacijski sistem, pokrovnost povr{ja, Slovenija ABSTRACT National water gauging stations analysis in the view of reference hydrographical conditions Human impacts on the environment are present also in the area of water environment, there are important quantity and quality changes. Different economic activities might have impact on environment and this can be observed also through land cover. Reference condition gauging stations are defined as stations with minimum human impacts and are abstracted from national monitoring network with GIS tools. With land use layer the type of land use with low human impacts was defined and recent water gauging stations were compared with this. 20 percent of the surface of Slovenia are useful for building of such stations. KEYWORDS water gauging stations, hydrological monitoring network, hydrogeography, reference stations, geographical information system, land cover, Slovenia 133 Peter Frantar, Irena Rejec Brancelj, Jure Jerov{ek 1 Uvod Drùba s svojimi pritiski vedno bolj vpliva na naravno okolje in drùbeno preoblikovanje naravnega okolja se odraà tudi na vodah, tako na njihovi koli~ini kot kakovosti. Vzroki za spremembe so razli~ne ~lovekove dejavnosti, ki imajo lahko vpliv na okolje (npr. kmetijstvo, industrija). S pomo~jo GIS orodja smo posku{ali iz obstoje~e mreè povr{inskih vodomernih postaj dolo~iti referen~ne vodomerne postaje, to so postaje s ~im manj{im vplivom ~loveka v zaledju Uporabili smo sloj pokrovnosti povr{ja, na podlagi katerega smo dolo~ili tip pokrovnosti z majhnim vplivom ~loveka in na tej osnovi analizirali mreò obstoje~ih povr{inskih vodomernih postaj. 2 Ozadje, utemeljitev in cilj analize Ena izmed osnovnih dejavnosti nacionalne hidrolo{ke slùbe so meritve koli~in vode. Na obmo~- ju Slovenije potekajo redne meritve è od sredine 19. stoletja. V tistem ~asu je bila osnovna re~na mreà le malo preoblikovana, posegi v so bili ve~inoma povezani s tradicionalno rabo za mlinarstvo in àgars-tvo, kar so urejali s posebnimi redi. Odvzemi vode in posegi v vodotoke so bili majhni, skozi ~as pa se je raba voda vse bolj pove~evala. Obstoje~a merilna mreà je nastajala postopno in iz razli~nih vzrokov, starih postaj pa se ve~inoma ni ukinjalo. Spremembe mreè vodomernih postaj so bile posledica analiz in uporabnosti podatkov posameznih mest. Dràvne mreè rednega spremljanja vodnih koli~in Slovenije se doslej ve~inoma ni vrednotilo kot celote. Zahteve razli~nih uporabnikov pa terjajo stalno pregledovanje, vrednotenje in ocenjevanje njene primernosti (Frantar, 2002a; Frantar, 2002b). 2.1 Zahteve Svetovne meteorolo{ke organizacije Za pomo~ vrednotenju mreè je Svetovna meteorolo{ka organizacija (WMO) è kmalu za~ela izda-jati priporo~ila o rednem spremljanju hidrolo{kih zna~ilnosti voda. V smernicah zapisanih v publikaciji Guide to Hydrological Practices (WMO, 1994) so tako podane zahteve za na~rtovanje in vrednotenje hidrolo{ke mreè. Svetovna meteorolo{ka organizacija po namenu razlikuje: postaje za operativne namene, regionalno reprezentativne postaje in referen~ne postaje. Referen~ne postaje so priporo~ene za vsako naravnogeografsko regijo z namenom pridobivanja stalnih zbirk hidrolo{kih in klimatolo{kih podatkov. Naravnogeografska pestrost Slovenije, kljub povr{insko majhnemu obmo~ju, zato zahteva ve~ razli~nih vrst referen~nih postaj. Le te naj bi bile na obmo~jih s kar najmanj{im ~lovekovim vplivom, v preteklosti in v prihodnosti. Take postaje potrebujejo tudi dolge opazovalne nize. 2.2 Zahteve Okvirne vodne direktive Tudi Okvirna vodna direktiva (Direktiva 2000/60/ES; Nixon, 1996: Uhan et al., 2002), ki je bila v Evropski Uniji sprejeta z namenom varovanja voda in zagotavljanja dobrega ekolo{kega stanja, zahteva spremljanje koli~in in kakovosti na referen~nih vodomernih postajah vodnih teles vodotokov. Merila, katerim morajo ustrezati referen~na mesta so: zelo dobro ekolo{ko stanje za biolo{ke, hidro-morfolo{ke in fizikalno-kemijske elemente in zelo majhne obremenitve, brez u~inkov industrializacije, urbanizacije ter intenzivnega kmetijstva. Osnovni cilj prispevka je z enostavno GIS analizo, iz obstoje~e mreè vodomernih postaj in na osnovi dostopnih GIS podatkovnih slojev, izbrati metodo za dolo~itev referen~nih obmo~ij in vodomernih postaj. Iz nabora postaj je potem potrebno posami~no, na podlagi podrobne prou~itve zna~ilnosti v zaledju, oceniti primernost postaje kot referen~ne vodomerne postaje. Ocena primernosti metode bo opisana v sklepu. 134 Analiza vodomernih postaj ARSO z vidika referen~nih razmer pore~ja 3 Metodologija in GIS analiza Pri opredeljevanju ~lovekovega vpliva na okolje smo se oprli na integralni model raziskovanja stanja okolja Evropske agencije za okolje (EEA). Metodologija DPSIR (gonilne sile – obremenitve – stanje – vplivi – odzivi) izhaja iz modela trajnostnega razvoja. V njej je vrsta vzro~no posledi~nih zvez med ~lo-vekovimi dejavnostmi (gonilne sile), emisijami (obremenitvami), ki povzro~ajo dolo~eno stanje okolja, vplivi na ekosisteme in na ~lovekovo zdravje ter drùbenimi odzivi. Ta model je mogo~e uspe{no preu- ~iti s pomo~jo GIS analize (EEA, 1998). Za osnovni sloj po katerem smo opredelili ~lovekov vpliv na povr{inske vode smo izbrali CORINE Land Cover 2000 (MOP, 2003) in sicer zaradi njegove dobre strokovne opredeljenosti in primerljivosti z drugimi evropskimi dràvami. Sloj je v merilu 1 : 100.000 in obsega 44 razli~nih tipov pokrovnosti, ki jih je mogo~e zdruèvati v tri ravni (EEA, 2000; ETC, 2003; Lampek Pav~nik, 2001). Na osnovi analize posameznih slojev smo razrede pokrovnosti zdruìli v dva osnovna tipa: obmo~ja z velikim vplivom ~loveka in obmo~ja z majhnim vplivom ~loveka. Postopek smo izvedli s programoma ArcView in MapInfo tako, da smo zdruèvali posamezna obmo~ja (14448 poligonov) z dolo~eno pokrovnostjo v kon~ni dve obmo~ji. Preglednica 1: Tipi pokrovnosti glede na intenzivnost vpliva ~loveka. intenzivnost vpliva ~loveka CLC razred opis razreda 1 – velik vpliv 1 umetne povr{ine 2 kmetijske povr{ine 2 – majhen vpliv 3 gozd in deloma ohranjene naravne povr{ine 4 mo~virja 5 vode Slika 1: Pokrovnost zemlji{~ po Corine Land Cover 2000. 135 Peter Frantar, Irena Rejec Brancelj, Jure Jerov{ek Slika 2: Pokrovnost tal po CLC 2000 glede na hidrografska obmo~ja. Opredeljevanje vpliva ~loveka na dolo~eno pore~je je predstavljalo ve~ji strokovni izziv. Izbrali smo 155 hidrografskih obmo~ij 3 reda v Sloveniji, ki pa ne zajemajo vsega vodozbirnega obmo~ja obstoje- ~e re~ne mreè, zlasti tistega v sosednji Avstriji. Uporabljeni sloj pokrovnosti, ki je na voljo tudi za sosednje dràve dopu{~a v nadaljevanju raz{iritev obdelave. Najprej smo po posameznih hidrografskih obmo~jih izra~unali povr{ine pokrovnosti z razli~nim vplivom ~loveka. Glede na specifi~no mrèno sestavo hidrografskih obmo~ij smo morali v naslednjem koraku izdelati tabelo povezav med posameznimi hidrografskimi obmo~ji. Na podlagi tabele smo izdelali program~ek, ki nam je pomagal se{teti vse povirne vplive na hidrografsko obmo~je. Program je bil izdelan za MS Excel, njegove rezultate pa smo potem povezali v MapInfu v geografsko bazo podatkov. Na osnovi strokovne presoje ter razli~nih scenarijev vpliva smo hidrografskemu obmo~ju pripisali koli~nik vpliva lokalnih in vseh ~lovekovih vplivov. Predvidevali smo, da je lokalni vpliv na obmo~je ve~ji in smo tako lokalnim vplivom na hidrografsko obmo~je pripisali 80 % koli~nika, vsem vplivom v povirju pa 20 % koli~nika. Rezultate ocene vpliva smo razvrstili v 5 razredov za làji pregled in oceno. Ovrednotenje vodomernih postaj smo izvedli s prekrivanjem v programu MapInfo ter tako pripisali zna~ilnosti vpliva ~loveka na hidrografskem obmo~ju vodomerni postaji. 4 Rezultati Za zaledje vodomernih postaj z majhnim ali zanemarljivim ~lovekovim vplivom na hidrolo{ke parametre smo dolo~ili razred, kjer je povr{in z majhnim vplivom ve~ kot 80 % vse povr{ine. Ovrednotenje 195 delujo~ih vodomernih postaj (stanje 31. 1. 2006) glede na ~lovekov vpliv je pokazalo, da je v hidrolo{ki mreì 46 postaj ali 24 % tak{nih, ki ustrezajo zahtevam referen~nih postaj na povr{inskih vodah. 136 Analiza vodomernih postaj ARSO z vidika referen~nih razmer pore~ja V uporabljeni metodi predstavlja glavni problem neusklajenost hidrografskih obmo~ij in lokacij postaj. Zato smo vse dobljene referen~ne postaje {e individualno strokovno ovrednotili in izlo~ili neprimerne postaje. Tako v obstoje~i mreì vodomernih postaj, glede na izbrane kriterije, lahko pripi{emo referen~nost le {e 35 postajam ali 18 %. Te postaje se ve~inoma nahajajo na obmo~ju Alp, visokih kra{- kih planot, Ko~evskega ter na Pohorju (slika 3). Preglednica 2: Obmo~ja z majhnim ali zanemarljivim vplivom ~loveka na vodotoke. delè povr{ine z majhnim vplivom povr{ina v km2 delè povr{ja Slovenije do 20 228,2 1,1 20–40 3231,88 15,9 40–60 5468,07 27,0 60–80 7040,74 34,7 nad 80 4303,1 21,2 vsota 20271,99 100,0 Analiza je pokazala, da lahko s preprosto metodo uspe{no dolo~imo obmo~ja majhnim ali zanemarljivim ~lovekovim vplivom na vodotoke. Dobili smo obmo~ja, kjer lahko tudi postaje na ve~jih vodotokih {tejemo za referen~ne postaje (Alpe, visoke kra{ke planote, Snènik, Ko~evsko, Pohorje). V Sloveniji imamo tako po hidrografskih obmo~jih tretjega reda 4303 km2 oz. dobro petino povr{- ja z majhnim ~lovekovim vplivom in primernih za dolo~itev referen~nih postaj z enostavno strokovno presojo. Kot je razvidno s slike 3, na vseh potencialno ugodnih obmo~jih {e ni vodomernih postaj, drugod pa jih je ve~ skupaj. Ocenjujemo, da so velike mònosti za referen~ne vodomerne postaje {e na dodatni Slika 3: Intenzivnost vplivov ~loveka po hidrografskih obmo~jih in glede na vodomerne postaje. 137 Peter Frantar, Irena Rejec Brancelj, Jure Jerov{ek tretjini povr{ja – 7040 km2 s koli~nikom 60–80 %. Vendar pa je izbiri postaj na teh obmo~jih potrebno posvetiti temeljitej{i strokovni pregled. Razvrstitev hidrografskih obmo~ij v razrede z razli~nim vplivom ~loveka pokaè, da je izbira referen~nih postaj v bolj obremenjenih pore~jih tèja ter omejena na vse manj{e vodotoke. 5 Sklep Preizku{ena metoda izbire referen~nih vodomernih postaj se je pokazala kot primerna. Dobili smo obmo~ja, kjer je izbira referen~nih postaj enostavna. Tak{nega je kar petina slovenskega ozemlja in {e dodatna tretjina je pogojno primerna za postavitev referen~nih vodomernih postaj, torej tak{nih z majhnim ali zanemarljivim vplivom ~loveka. Na razpolago so dobri geografski podatkovni sloji: pokrovnost tal po CLC 2000 in vodomerne postaje. V analizi se je pokazalo, da je potrebna usklajenost med ploskovnimi ter to~kovnimi tipi podatkov o hidrolo{ki mreì. Ugotovili smo, da so za analizo bolj primerna hidrometri~na obmo~ja obravnavanih postaj. Zato predlagamo, da bi se v prihodnje ovrednotenje referen~nih postaj izvedlo s hidrometri~nimi obmo~- ji, saj bi tako dobili informacije o ~lovekovem vplivu na vsako posamezno lokacijo vodomernih postaj. Glede na zahteve Okvirne vodne direktive pa bi bilo potrebno vodomerne postaje pretresti {e z vidika dolo~enih vodnih teles povr{inskih voda. 6 Viri in literatura ARSO – Agencija RS za okolje, 2005. Kataster vodomernih postaj. Ljubljana. ARSO – Agencija RS za okolje, 2005. Sistem za shranjevanje in obdelavo hidrolo{kih podatkov. Ljubljana. CORINE Land Cover 2000, Ministrstvo za okolje in prostor, GURS – ARSO, Ljubljana 2003. http:// www.geodetska-uprava.si/gu/aplik/CEPP/izpis.jsp?ID=5002 Frantar, P., 2003: Vrednotenje ustreznosti mreè vodomernih postaj na povr{inskih vodotokih v Sloveniji. Geografski vestnik 75–1. Kolbezen, M., Pristov, J. 1998: Povr{inski vodotoki in vodna bilanca Slovenije. Ministrstvo za okolje in prostor, Hidrometeorolo{ki zavod RS, Ljubljana. WFD CIS Guidance Document No. 10 (2003). Rivers and Lakes – Typology, Reference Conditions and Classification Systems. Produced by Working Group 2.3 – REFCOND. Published by the Directorate General Environment of the European Commission, Brussels. WMO – World Meteorological Organisation, 1994: Guide to Hydrological Practices, Data aquisition and processing analysis, forecasting and other applications. WMO – No. 168, Fifth Edition. Nixon, S. C., 1996: EEA – European Freshwater Monitoring Network Design. Topic Report no. 10/96. Uhan, J., Dobnikar Tehovnik, M., 2002: Modernizacija mreè monitoringa voda v Sloveniji: Pregled in povzetek EU izhodi{~ z vidika ocenjevanja stanja povr{inskih in podzemnih voda. Delovno gradivo, 18/7/2002 EEA – European Environmnent Agency, 1998. Guidelines for Data Collection and Models, EU State of the Environment report 1998, Revised Working Draft, January 1998. Institute of Terrestrial Eco-logy, UK and National Environmental Research Institute, Denmark. Direktiva 2000/60/ES Evropskega parlamenta in sveta z dne 23. oktobra 2000, ki dolo~a okvir za delovanje Skupnosti na podro~ju vodne politike – Directive 2000/60/EC of the European Parliament and of the Council establishing a framework for Community action in the field of water policy. Redak-cijska komisija MOP 9. 1. 2003. 138 Analiza vodomernih postaj ARSO z vidika referen~nih razmer pore~ja Frantar, P., 2002a: Mreà hidrolo{kih postaj za povr{inske vode: stanje marec 2002. Agencija Republike Slovenije za okolje, 2002. Frantar, P., 2002b. Mreà hidrolo{kih vodomernih postaj za povr{inske vode: ocena primernosti obstoje~e mreè. Agencija Republike Slovenije za okolje, 2002. EEA – European Environmnent Agency, 2000. Information for improving Europe's environment. CORINE Land Cover 250 m grid – Version 12/2000 (English version 2). Medmrèje: http://dataservice.eea.eu.int/ dataservice (9/10/2003) ETC – European Topic Center, Terrestrial Environment, 2003. Corine Land Cover 2000. Medmrèje: http://terrestrial.eionet.eu.int/CLC2000 (9/10/2003) Lampek Pav~nik, I. 2001: Projekt CLC 2000. Corine 2000 – Mednarodna delavnica, Gozd Martuljek, 25. 10. 2001. Medmrèje: http://nfp-si.eionet.eu.int/corine/21_Predlog_izdelave_CLC_projekta.pdf (8/12/2003) 139 140 GIS v Sloveniji 2005–2006, 141–150, Ljubljana 2006 BATIMETRI^NI MODEL SLOVENSKEGA MORJA Blà Barbori~ in mag. Dalibor Radovan Geodetski in{titut Slovenije Jamova cesta 2, 1000 Ljubljana blaz.barboric@ geod-is.si, dalibor.radovan@ geod-is.si UDK: 551.468:659.2:004 IZVLE^EK Batimetri~ni model slovenskega morja Gostota pomorskega prometa in aktivnosti na morju se iz leta v leto pove~ujejo. Povpra{evanje po informa-cijah o globinah slovenskega morja je precej{nje: tako med raziskovalci in pomorci, kot tudi pri razli~nih slùbah. Temu primerno se pove~uje tudi potreba po natan~nih hidrografskih podatkih, ki so po obliki, koli- ~ini in vsebini primernej{i za distribucijo uporabnikom. ^lanek metodolo{ko prikaè izdelavo batimetri~nega modela, s posebnim poudarkom na raziskavi metod interpolacije. Naloga predstavi ve~ razli~ic batimetri~- nega modela za razli~ne hidrografske in nehidrografske uporabnike, z mònostjo rabe v okolju geografskih informacijskih sistemov (GIS). Tako pridobljena hidrografska baza je tudi zelo natan~ni celi~ni model, ki lahko sluì kot pomo~ pri plovbi in ostalim aktivnostim na morju. KLJU^NE BESEDE Batimetri~ni model, interpolacijske metode, 3D prikazi, geografski informacijski sistem ABSTRACT Digital bathimetric model of Slovenian sea The density of the sea traffic and activities at the sea are on increase every year. Therefore considerable inquiries for precise depths of the sea have been expressed from different hydrographic and non-hydrographic users. The research study describes methodology of processing the bathimetric model with special regard on research of interpolation methods. Several varieties of bathimetric model of undersea relief have been implement-ed. They can also be used in GIS environment. A very convenient hydrographic database for the users has been acquired at the same time. With the bathimetric model we've also got very accurate raster model that can play a significant role in safety of navigation and other activities at sea. KEYWORDS bathimetric model, interpolation methods, 3D visualization, geographical information system 141 Blà Barbori~, Dalibor Radovan 1 Uvod Globina in morfologija morskega dna sta elementa, ki najmo~neje vplivata na varnost plovbe. Slovensko morje je bilo natan~no in gosto premerjeno skladno s standardi Mednarodne hidrografske organizacije (IHO, International Hydrographic Organization). Izdelane so bile pomorske karte Koprskega, Piranskega in Trà{kega zaliva, ki pa dajejo le 2D (tlorisni, ortogonalni) pogled na obliko morskega dna. Morfologija morskega dna je na karti prikazana z izobatami (linijami enakih globin) in globin-skimi kotami. Dejansko razpolòljivo {tevilo globin hidrografskih meritev slovenskega morja je bistveno ve~je, kot je {tevilo prikazanih globin na karti. To nam omogo~a, da morsko dno lahko prikaèmo {e natan~neje, tudi v tridimenzionalni hipsometri~ni obliki po globinskih pasovih. Batimetri~ni model omogo~a prikaz drugih parametrov geomorfologije morskega dna kot so npr. naklon, osvetlitev, ekspozicija, ukrivljenost in podobno. S tako natan~nimi podatki je mogo~ tudi prikaz mikroreliefa, tj. elementov dna, ki po dimenzijah niso ve~ji od nekaj decimetrov do nekaj metrov. 2 Metodologija Batimetri~ni model je izveden iz originalnih to~kovnih podatkov hidrografskih meritev slovenskega morja. Izvorni podatki tvorijo t. i. raztresene to~ke, ki so za obi~ajne uporabnike manj primerne. Batimetri~ni model je zato predelan v celi~no mreò analogno kopenskemu digitalnemu modelu reliefa (DMR). Model je za celotno merjeno obmo~je narejen v ve~ razli~icah, ki se razlikujejo po {irini celice, tj. po resoluciji (lo~ljivosti) osnovnega podatka celi~ne mreè. [irina celice je ocenjena glede na gostoto hidrografskih podatkov in glede na èleno natan~nost razli~ice. Razli~ice bodo sluìle razli~nim uporabnikom: od tistih, ki èle najgostej{o in najnatan~nej{o mreò do tistih, ki potrebujejo le grobo morfologijo dna morja. S tem, ko so batimetri~ni podatki za uporabnike pripravljeni vnaprej, se izognemo vsakokratnemu prera~unavanju in generalizaciji ob posameznem naro~ilu. Poseben raziskovalni problem je izbira ustrezne interpolacijske metode za aproksimacijo ploskve dna. Testirali smo ve~ interpolacijskih metod pri razli~nih gostotah to~kovnih podatkov. Model je fizi~no omejen in geometri~no presekan z novoizmerjeno obalno linijo v njeni celotni dolìni, ki brez detajlov zna{a okrog 45 km, z detajli pa kar dvakrat toliko (pomoli, pristani{~a, mikroreliefne oblike, obalni objekti). Batimetri~ni model je prikazan v izbrani projekciji 3D modela. Na{tete metode uporabljamo tudi pri kopenskem DMR, vendar ima hidrografija posebnosti, ki se odraàjo v: • referen~ni ploskvi merjenja globin, • omejitvi z obalno linijo, • ve~jemu pomenu plitvin, • izredni gostoti in standardizirani natan~nosti meritev globin, • uporabi, ki sluì predvsem pomorcem (varnost plovbe), • manj{i reliefni razgibanosti. Izdelava batimetri~nega modela je potekala po naslednjem vrstnem redu: 1. prou~itev hidrografskih podatkov, 2. izbor ustrezne interpolacijske metode, 3. izdelava digitalnega batimetri~nega modela z razli~icami, 4. 3D prikazi. 3 Hidrografski podatki V nadaljevanju so podrobneje analizirani hidrografski podatki s kratkim opisom izvajalcev hidrografskih meritev. Za hidrografske podatke je v nadaljevanju analizirana oblika, obseg in vir podatka, 142 Batimetri~ni model slovenskega morja prav tako pa tudi lastni{tvo podatkov. Metapodatek predstavlja sloj kakovosti izmer, ki je opredeljen z merilom izmere. Za izdelavo digitalnega batimetri~nega modela (BM) slovenskega morja smo uporabili: • Hidrografske podatke izmere ZDA – Navoceano 1998 – digitalni: – priblìno 70 % slovenskega morja, v merilih hidrografskih izmer 1 : 1000, 1 : 2500, 1 : 5000 in 1 : 10 000, – globine merjene z enosnopnim sonarjem (single-beam sonar), datoteke ASCII, podatek: koordinati, globina, – podvodne ovire v datotekah ASCII, podatek: koordinati, opis, globina. • Hidrografski podatki izmere Harpha Sea d. o. o. – digitalni: – Harpha 1999, Harpha 2000: priobalni pas do 200 m od obale v merilu hidrografske izmere 1 : 1000, – Harpha 2003: obmo~je med rtom Se~a in izlivom reke Dragonje v merilu hidrografske izmere 1 : 1000, – globine v datotekah ASCII, podatek: koordinati, globina. • Hidrografski podatki skupne italijansko-hrva{ko-slovenske hidrografske izmere z ladjo Mednarodne pomorske akademije iz Trsta (International Maritime Academy – IMO-IMA): – Piranski zaliv 2002, odprto morje do oddaljenosti 200 m od obale, zelo natan~ni podatki velike gostote (ve~snopni sonar), izbrane globine v merilu hidrografskih originalov 1 : 1000, – globine v datotekah ASCII, podatek: koordinati, globina. • Hidrografski podatki izmere Hrva{kega hidrografskega in{tituta iz Splita: – po italijansko-hrva{ko-slovenski izmeri manjkajo~e òje priobalno obmo~je od izliva reke Dragonje do Zambratije je bilo leta 2002 hidrografsko izmerjeno v merilu 1 : 1000, – globine v datotekah ASCII, podatek: koordinati, globina. Izmere so bile opravljene z enosnopnim in ve~snopnim sonarjem. Ve~snopni sonar pokriva pas {irine okoli 30 metrov (odvisno od globine dna). Snop tvori 32 àrkov, kar pomeni, da dobimo na pasu za vsak poslani signal 32 globin (Gee, Mayer 2000). Enosnopni sonar meri globino le z enim àrkom na liniji izmere. Vsi izmerjeni podatki so podani v obliki geografskih koordinat na elipsoidu WGS 84. So v obliki datotek ASCII (geografska dolìna λ v decimalnih stopinjah, geografska {irina ϕ v decimalnih stopi-Slika 1: To~kovne lokacije vzorcev hidrografskih meritev globin z razli~no gostoto: levo meritve z enosnopnim, desno z ve~snopnim sonarjem. Spodnja slika predstavlja pove~an izsek meritev z ve~snopnim sonarjem. 143 Blà Barbori~, Dalibor Radovan njah, globina v metrih z decimetri na prvi decimalki). Pri obdelavi so bili transformirani v koordinatni sistem UTM na elipsoidu WGS 84. Izvorni podatki o globinah so izmerjeni s centimetrsko natan~nostjo. Ocenili smo, da za izdelavo batimetri~nega modela zadostujejo podatki z decimetrsko natan~nostjo. Najve~ja gostota to~kovnih podatkov je na obmo~ju Piranskega zaliva. Tudi razdalje med hidrografskimi podatki meritev globin so tukaj najmanj{e (manj kot 1 m). Zaradi velike koli~ine podatkov in relativno ve~je rastrske celice v obmo~ju Piranskega zaliva, so bili za izdelavo BM uporabljeni razred~eni podatki v merilu 1 : 1000 (slika 1, slika 2, slika 7). Na preostalih obmo~jih so bili uporabljeni izvorni podatki. 4 Izbor ustrezne interpolacijske metode Na vzorcu hidrografskih meritev Koprskega zaliva smo preizkusili naslednje metode interpolacije: • metoda z zlepki (spline), • metoda z inverznimi distan~nimi utèmi (IDW), • metoda naravnih sosedov (natural neighbour), • kriging, • metoda nepravilnih trikotni{kih mrè (TIN). Z vsako metodo interpolacije dolo~amo ali ocenjujemo vrednosti pojava na izbranih lokacijah, ki leè med lokacijami z znano vrednostjo pojava (Wright 2000). Kakovost aproksimiranega modela plosk-Slika 2: Batimetri~ni prikaz ploskev vzorca globin interpoliranih s petimi metodami. V smeri urinega kazalca od zgoraj levo: metoda z zlepki (spline), metoda nepravilnih trikotni{kih mrè (TIN), metoda z inverznimi distan~nimi utèmi (IDW), metoda naravnih sosedov, kriging. Vse ploskve so prevedene v rastrsko obliko z velikostjo celice 1 m. 144 Batimetri~ni model slovenskega morja ve je odvisna od pojava, ki ga interpoliramo, razporeditve (distribucije) vzor~nih danih to~k in izbire metode interpolacije. Na~eloma homogenej{a in gostej{a razporeditev danih to~k vodi k verodostoj-nej{emu rezultatu. Poleg na{tetih metod, obstajajo tudi druge metode interpolacije. Preizkusili smo tiste metode, ki jih omogo~a programska oprema ArcGIS. Rezultati analize interpolacij vzorcev globin kaèjo, da je metoda naravnih sosedov (NN) najbolj- {a izmed tehnik interpolacije. Algoritem te metode je najprimernej{i za visokokvalitetno interpolacijo podatkov globin morskega dna. Batimetri~ni model vzor~nih podatkov generiran s to metodo ima najmanj motenj (artefaktov) v primerjavi z drugimi metodami. Metoda TIN je zelo natan~na pri velikem {tevilu to~k, vendar je pri geomorfolo{kih oblikah morskega dna vidna ostroroba trikotni{ka struktura. Omogo~a interpolacijo digitalnega modela reliefa znotraj konveksnega obodnega poligona. Vendar pa obmo~je danih globin morja ni konveksen lik, temve~ obmo~je, ki je omejeno z obalno ~rto slovenskega morja in z robom obmo~ja izmer. Model je zato potrebo digitalno obrezati na zaprto obmo~je izmer, ki je proti kopnemu omejeno z novoizmerjeno obalno linijo v njeni celotni dolìni. Metoda naravnih sosedov, je bistveno hitrej{a od metode TIN, vendar ne nudi mònosti interpolacije z omejitvami. Izdelani model s to metodo je nepravilen, saj interpolira tudi obsèno obmo~je kopnega. Iz tega razloga je bil za izdelavo batimetri~nega modela uporabljen model TIN. 5 Izdelava batimetri~nega modela Batimetri~ni model je izveden iz originalnih to~kovnih podatkov hidrografskih meritev. Izvorni podatki tvorijo t. i. raztresene to~ke, ki so za prakti~no uporabo manj primerne. Batimetri~ni model je zato predelan v celi~no mreò analogno kopenskemu digitalnemu modelu reliefa (DMR). Slika 3: Model morskega dna izdelan z modelom nepravilne trikotni{ke mreè (TIN). (Trikotno severozahodno obmo~je {e ni izmerjeno.) 145 Blà Barbori~, Dalibor Radovan Izdelani so bili {tirje batimetri~ni modeli: • v sistemu UTM na elipsoidu WGS 84 z resolucijo 10 m, • v sistemu UTM na elipsoidu WGS 84 z resolucijo 25 m, • v dràvnem koordinatnem sistemu D48 v Gauss-Krügerjevi projekciji na Besslovem elipsoidu z resolucijo 10 m, • v dràvnem koordinatnem sistemu D48 v Gauss-Krügerjevi projekciji na Besslovem elipsoidu z resolucijo 25 m. Za batimetri~ne modele z resolucijami 25 m in 10 m smo se odlo~ili zaradi originalnih to~kovnih podatkov, ki nam omogo~ajo izdelavo modelov s tak{nimi resolucijami in zaradi uporabe batimetri~- nega modela pri spojitvi s kopenskim DMR (InSAR DMV 25). Metodologija izdelave BM v koordinatnem sistemu UTM na elipsoidu WGS 84: • pretvorba izvornih podatkov iz (ϕ,λ)WGS 84 → (y,x)UTM/WGS 84, • interpolacija raztresenih to~k (y,x)UTM/WGS 84 v 10 m mreò (y,x)UTM/WGS 84, • interpolacija raztresenih to~k (y,x)UTM/WGS 84 v 25 m mreò (y,x)UTM/WGS 84. Metodologija izdelave BM v koordinatnem sistemu Gauss-Krügerjeve projekcije na Besslovem elipsoidu: • pretvorba izvornih podatkov iz (ϕ,λ)WGS 84 → (y,x)Gauss-Krüger/Bessel, • interpolacija raztresenih to~k (y,x)Gauss-Krüger/Bessel v 10 m mreò (y,x)Gauss-Krüger/Bessel, • interpolacija raztresenih to~k (y,x)Gauss-Krüger/Bessel v 25 m mreò (y,x)Gauss-Krüger/Bessel. Slika 3 prikazuje batimetri~ni model, izdelan s TIN metodo. Na severnem delu BM je vidna gro-ba, stopni~asta ploskev modela TIN. Ta zna~ilnost je posledica redkih to~kovnih podatkov hidrografskih meritev. Razmiki med izmerjenimi vrednostmi to~kovnih podatkov so priblìno 100 m. Celi~ni digitalni model reliefa je videti bolj gladek in naravnej{i ter je zaradi enostavne topolo{ke strukture mreè homogen (O{tir, 1997). Model TIN pa je geometri~no in topolo{ko nehomogen, zato je vektorski model TIN pretvorjen v enostavnej{i celi~ni DMR (slika 4). Slika 4: Celi~ni model globin morskega dna, izdelan iz modela nepravilne trikotni{ke mreè (TIN). 146 Batimetri~ni model slovenskega morja Za celi~ni podatkovni model smo se odlo~ili, ker ga ve~ina uporabnikov uporablja za opis geografskih pojavov v prostoru. Tudi za prikaz DMR, povr{inske analize in generalizacijo podatkov se uporablja ve~inoma celi~ni GIS. Poleg tega je celi~ni model laè tolma~iti, predstavljati in uporabljati. 6 3D prikaz batimetri~nega modela Batimetri~ni model, ne glede na razli~ico, lahko prikazujemo v celoti ali po delih v 3D projekciji (aksonometriji ali perspektivi) (Moore, 1991). Obsega tudi obmo~je hrva{kega morja zahodno od Savu-drijskega polotoka. V izbrani 3D projekciji je posebno lepo izraèn prav bolj razgiban relief morskega dna ob Savudrijskem polotoku. ^e prikazujemo celo obmo~je hkrati, posameznih celic ne moremo lo~iti. Slika 5: 3D prikaz batimetri~nega modela slovenskega morja. 6.1 Ovire na morskem dnu Ovire na morskem dnu so bile izmerjene z ve~snopnim sonarjem s strani Mednarodne pomorske akademije IMA iz Trsta v okviru izmere morskega dna Piranskega zaliva leta 2002. Izmerjene so bile tri lokacije ovir (slika 6). Lokacije ovir so podane v geografskih koordinatah na elipsoidu WGS 84, v pravokotnih ravninskih koordinatah sistema UTM na elipsoidu WGS 84 in v pravokotnih ravninskih koordinatah Gauss-Krügerjeve projekcije na Besslovem elipsoidu. Izmerjene so bile z gostej{o mreò to~k kot ostalo obmo~je (slika 7). Te gostej{e meritve so bile vklju- ~ene v mreò razred~enih izmerjenih globin morskega dna. Pri interpolaciji vseh to~kovnih podatkov 147 Blà Barbori~, Dalibor Radovan Slika 6: Ovire na morskem dnu, izmerjene z ve~snopnim sonarjem. hidrografskih meritev, ovire v celi~nem modelu niso izraène tako o~itno kot pri modelu TIN, ki obravnava vse razpolòljive to~ke. Tudi v 3D projekciji celi~nega modela ne izstopajo iz ploskve. Ovire na morskem dnu so zato prikazane z vsemi razpolòljivimi to~kami lo~eno v lokalnem izrezu, v BM pa so prikazane z enako celi~no gostoto, kot ostala obmo~ja. 7 Sklep Raziskovalna naloga metodolo{ko prikazuje izdelavo batimetri~nega modela slovenskega morja s poudarkom na raziskavi in izboru interpolacijske metode za aproksimacijo ploskve dna in izboru koordinatnega sistema ter resolucije rastrskega modela. Interpolacijska metoda je bila dolo~ena na osnovi analize na vzorcih hidrografskih izmer globin z razli~no gostoto. Pri izboru sta bila poleg rezultatov analiz pomembna dejavnika zmogljivost in lastnosti razpolòljivih programskih orodij, ki omogo~a-jo interpolacijo izmerjenih to~kovnih podatkov hidrografskih meritev. Naloga predstavi ve~ razli~ic batimetri~nega modela podmorskega terena za razli~ne hidrografske in nehidrografske uporabnike, tudi z mònostjo rabe v okolju geografskih informacijskih sistemov (GIS). Pri izdelavi naloge smo stremeli k temu, da bo batimetri~ni model zanimiv za ~im ve~je {tevilo uporabnikov. Razli~ice se razlikujejo po {irini celice, tj. po resoluciji (lo~ljivosti) celi~ne mreè in po koordinatnem 148 Batimetri~ni model slovenskega morja Slika 7: Gostota to~kovnih hidrografskih meritev je v mreì red~enih izvornih podatkov najve~ja v obmo~ju ovir na morskem dnu Piranskega zaliva. Slika 8: 3D vizualizacija ovire (potopljene ladje) na morskem dnu Piranskega zaliva z batimetri~nim prikazom v projekciji. 149 Blà Barbori~, Dalibor Radovan sistemu. S tem smo batimetri~ne podatke za uporabnike pripravili vnaprej, tako pa smo se izognili vsakokratnemu prera~unavanju in generalizaciji ob posameznem naro~ilu. Pridobljena hidrografska baza je tudi zelo natan~ni celi~ni model, ki lahko sluì kot pomo~ pri varni plovbi in ostalim uporabnikom pri vsakdanjih operativnih in tudi razvojnih nalogah. Prikaz ploskve kopenskega in podvodnega reliefa omogo~a nadaljnje {tudije in operativna dela v priobalnem pasu. Model je fizi~no omejen in geometri~no presekan z novoizmerjeno obalno linijo v njeni celotni dolìni, ki brez detajlov zna{a okrog 45 km, z detajli pa kar dvakrat toliko (pomoli, pristani{- ~a, mikroreliefne oblike, obalni objekti). Kon~no je batimetri~ni model prikazan v izbrani projekciji 3D modela. 8 Viri in literatura Gee, L., Mayer, L. 2000: Interactive 3D visualisation, an important element of multibeam sonar processing, Hydro Int., 8/2000. Ingham, A. E. 1992: Hydrography for the surveyor and engineer. Blackwell Scientific Publications. Kvamme, K., O{tir, K., Stan~i~, Z., [umrada, R. 1997: Geografski informacijski sistemi. Ljubljana. Wright, D., Bartlett, D. 2000: Marine and Coastal Geographical Information Systems. ZDA. 150 GIS v Sloveniji 2005–2006, 151–158, Ljubljana 2006 VLOGA NAVTI^NEGA VODNIKA SLOVENSKEGA MORJA IN POMORSKIH PUBLIKACIJ ZA PRIOBALNI GIS Matija Klanj{~ek, Igor Karni~nik in mag. Dalibor Radovan Geodetski in{titut Slovenije Jamova 2, 1000 Ljubljana matija.klanjscek@ geod-is.si, igor.karnicnik@ geod-is.si, dalibor.radovan @ geod-is.si UDK: 656.618:659.2(497.4) IZVLE^EK Vloga navti~nega vodnika slovenskega morja in pomorskih publikacij za priobalni GIS Predstavljene so slovenske pomorske publikacije, s poudarkom na prvem uradnem Navti~nem vodniku slovenskega morja in obale. Skupaj z drugimi pomorskimi publikacijami (IALA, Popis svetilnikov in boj, Popis podvodnih razbitin, Tablice plimovanja) je vodnik vir preverjenih poloàjnih in drugih podatkov o objektih na morju, morskem dnu in obali, ki jih lahko skupaj s pomorskimi in topografskimi kartami uporabimo kot osnovo za priobalni GIS. Prostorski podatki, ki so v vodniku tudi kartografsko upodobljeni, se nana- {ajo na najpomembnej{e vidike varne plovbe (podatki o globinah, ovirah za plovbo, obalni ~rti, pristani{~ih in sidri{~ih), vsebujejo pa tudi druge, za strokovnjake, ki se ukvarjajo z morjem, pomembne informacije (shema lo~ene plovbe, zavarovana obmo~ja na morju in v priobalnem kopenskem pasu, kopali{~a ipd.). KLJU^NE BESEDE hidrografija, pomorske publikacije, navti~ni vodnik, pomorska kartografija, navigacija, priobalni GIS ABSTRACT The role of the sailing directions of the Slovenian sea and of the nautical publications for a coastal GIS Slovenian nautical publications with the emphasis on the first official Sailing Directions of the Slovenian Sea and its coast are presented. Together with other nautical publications (IALA – List Of Lights, Underwater Shipwrecks Register, Tide Tables), the Sailing Directions are the source of reliable positions and other data about the objects at sea, on the sea floor, as well as on the coast. These publications can be, together with nautical and topographical charts used as the basis for a coastal GIS. In the Directions spatial data are cartographically represented, and they refer to the most important points of safe navigation concerning data about depth, different obstacles at sea, coastline, ports, anchorages. Also other important information for maritime and nautical experts, such as the traffic separation scheme, protected areas at sea and on the coastline, seaside resorts etc., is included in it. KEYWORDS hydrography, nautical publications, sailing directions, nautical cartography, navigation, coastal GIS 151 Matija Klanj{~ek, Igor Karni~nik, Dalibor Radovan 1 Uvod Z nara{~ajo~o potrebo po sistemati~nem urejanju podatkov, vezanih na geografsko, politi~no, ekonomsko ali druga~e pomemben prostor, se vedno hitreje razvijajo tudi ustrezni informacijski sistemi, ki na enem mestu vse te podatke zdruùjejo ter hkrati nudijo vsa potrebna orodja (in znanja) za upravljanje z njimi. Le na u~inkovit na~in organizirani podatki so lahko dobro informacijsko jedro za izvajanje razli~nih strategij razvoja, izrabe ali varovanja dolo~enih obmo~ij. ^lovekova dejavnost je direktno ali pa posredno posegla è v skoraj vsak koti~ek na{ega planeta. Najmo~neje se to odraà prav na pomembnih sti~i{~ih razli~nih vrednot in lastnosti prostora, kjer posamezni dejavniki vsak zase ter medsebojno mo~no vplivajo na njegovo kvaliteto. Priobalna podro~ja svetovnih morij so prav gotovo tak prostor, kjer se prepletajo lastnosti in vplivi treh razli~nih, a vseeno mo~no povezanih okolij, kopnega, morja in atmosfere nad njima (Barlett 1999). ^e so elementi prostora na kopnem nekoliko làje obvladljivi, pa to za morski prostor ne velja ve~ popolnoma – s svojo spremenljivostjo in velikokrat oteèno dostopnostjo predstavljajo izziv raziskovalcem ter drugim strokovnjakom in vsakdanjim uporabnikom morskega in podmorskega prostora. Sprejem Resolucije o pomorski usmeritvi Republike Slovenije (medmrèje) daje temu podro~ju poseben pomen in naloge. Sama opredelitev Slovenije kot pomorske dràve {e zdale~ ne bi bila dovolj, zato je treba njeno vsebino ustrezno uveljavljati v praksi. Potrebno je spremljanje in priprava pomorske zakonodaje ter nepretrgan razvoj pomorske, hidrografske in nadzorne dejavnosti. Slovenija je ~lanica Mednarodne pomorske organizacije (International Maritime Organization, IMO) in Mednarodne hidrografske organizacije (International Hydrographic Organization, IHO). Kot ~lanica IMO je tudi podpisnica ve~ine mednarodnih konvencij, ki nastajajo in se redno dopolnjujejo pod okriljem te organizacije. Zaradi zagotovitve varnosti plovbe smo bili kmalu po osamosvojitvi soo~eni z dejstvom, da je potrebno na{e morje ponovno premeriti in kartirati (Radovan et al. 2000). Tako smo se prvi~ za~eli na~rtno ukvar-jati s hidrografijo, stroko, ki opisuje in meri plovni del zemeljskega povr{ja ter pripadajo~a obalna obmo~ja, s posebnim poudarkom na navigaciji (IHO 1990). 2 Slovenske pomorske karte in publikacije Hidrografska dejavnost v Sloveniji se je za~ela leta 1997 z ustanovitvijo Direktorata za pomorstvo, ki je bil v sedanji obliki ustanovljen v okviru Ministrstva za promet in zveze (medmrèje). Leta 1998 je bila opravljena sodobna hidrografska izmera slovenskega morja, rezultat katere je bila junija 1999 izdana prva slovenska pomorska karta Koprski zaliv 01. Tej karti sta v letih 2000 in 2001 sledili dve publikaciji: IALA – Sistem pomorskih oznak ter Kartografski klju~ znakov in kraj{av na slovenskih pomorskih kartah. Leta 2003 je bila izdelana elektronska navigacijska karta (Electronic Navigational Chart, ENC) Koprski zaliv. Leta 2004 je sledila druga slovenska pomorska karta Piranski zaliv 02, izdelan pa je bil tudi digitalni batimetri~ni model dna slovenskega morja. Z lanskim letom so celoto slovenskih pomorskih kart in publikacij zaklju~ile {e mednarodna razli~ica karte Koprski zaliv INT 3469, tretja pomorska karta Trà{ki zaliv 03, zbirka Slovensko morje – male karte ter Navti~ni vodnik slovenskega morja in obale (slika 1). Navedene projekte je za Ministrstvo za promet izdelal Geodetski in{titut Slovenije (www.geod-is.si). Z izvajanjem hidrografskih meritev ter v nadaljnjem procesu nastajanja vseh omenjenih kart in publikacij, so bili pridobljeni {tevilni geolocirani podatki, vezani na objekte neposredno na morju, morskem dnu in v kopenskem delu priobalnega prostora Slovenije. Ti podatki se nana{ajo na globine morja, plovne poti, navigacijske objekte, obalno ~rto ipd. in so pomembni predvsem za zagotavljanje varne plovbe, hkrati pa predstavljajo koristen vir informacij tudi vsem ostalim uporabnikom morskega prostora. Velik del teh podatkov je bil ustrezno vklju~en v dosedanjih izdelkih hidrografske dejavnosti, prav tako veliko pa jih je na razpolago v hidrografskem arhivu in bazah, ki se v digitalni 152 Vloga navti~nega vodnika slovenskega morja in pomorskih publikacij za priobalni GIS Slika 1: Naslovnica navti~nega vodnika. obliki sprotno gradijo in vzdrùjejo (popis svetilnikov in boj, podvodnih razbitin, plovnih poti, obmo- ~ij prepovedane plovbe in gospodarske izrabe morja, zavarovanih morskih obmo~ij, obmo~ij kopalnih voda ipd.). 3 Navti~ni vodnik slovenskega morja in obale Navti~ni vodnik slovenskega morja in obale je prva tovrstna uradna publikacija v Sloveniji, ki na enem mestu zdruùje ve~ino potrebnih in koristnih podatkov v zvezi s pomorstvom in navti~nim turiz-mom (Klanj{~ek et al. 2005a). Vodnik podaja informacije o slovenskem morju in obali, ki se nana{ajo na geografske, oceanografske in meteorolo{ke podatke. Zbrani in povzeti so pomembnej{i predpisi in drugi upravni akti, ki urejajo podro~je pomorstva in navti~nega turizma v Sloveniji. Predstavljene so osnove navigacije ter znanj in ve{~in, potrebnih za prijetno in varno plovbo. Prvi~ so v celoviti in enotni obliki predstavljena pristani{~a in sidri{~a slovenske obale. Podani so ustrezni opisni podatki, najve~jo vrednost pa predstavlja kartografska in fotografska predstavitev slovenskega morja in obale, ki je nastala na podlagi natan~nih in sistemati~nih hidrografskih in geodetskih meritev v zadnjem obdobju. Prav hidrografija kot mlado in hitro razvijajo~e se samostojno podro~je dela in raziskav je pripomogla k hi-tremu in kvalitetnemu {irjenju znanja, pridobivanja podatkov o morju, morskem dnu in morski obali ter drugih z morjem povezanimi vsakodnevnimi procesi. ^eprav je slovensko morje glede na druga plov-na podro~ja sosednjih dràv in {irom po svetu relativno majhen (navzven odprt) akvatorij, pa s svojo raznolikostjo vseeno zahteva ustrezno poznavanje prostora in pomembnih predpisov. Tako je vodnik v prvi vrsti namenjen vsem uporabnikom morskega prostora Slovenije, ki se z navti~nimi vsebinami sre~ujejo ne toliko po profesionalni plati, temve~ predvsem v vsakodnevnem ali sezonskem, rekreacij-skem in dopustni{kem udejstvovanju. 153 Matija Klanj{~ek, Igor Karni~nik, Dalibor Radovan Slika 2: Izgled notranje strani vodnika. Vsebinsko jedro navti~nega vodnika je bogato zapolnjeno z ustreznimi informativnimi in detajlnimi kartografskimi predstavitvami, fotografijami in tabelami (slika 2). Razdeljeno je na pet ve~jih sklopov oziroma poglavij: splo{ni del, pomembnej{i predpisi in obvestila, osnove navigacije, pristani{~a in sidri{~a slovenske obale ter priloge. Splo{ni del vodnika vsebuje uvodna pojasnila uporabniku, splo{ne geografske podatke podro~ja slovenskega morja, Trà{kega zaliva in {ir{ega priobalnega pasu, hidrografske in oceanografske podatke (morska obala, globine, morsko dno, gibanje morja, temperatura, slanost in gostota morja), ter meteorolo{ke podatke. Poglavje Pomembnej{i predpisi in obvestila se nana{a na obmo~je teritorialnega morja in notranjih morskih vod. Vsebuje opise pomorsko-upravnih organov in pomembnej{ih predpisov, predstavljena so obmo~ja prepovedane in omejene plovbe, pravila s podro~ja varnosti pomorskega prometa, pravila in zahteve pomorske radijske slùbe, postopki ukrepanja v primeru nesre~e na morju in re{evanja, ter predpise s podro~ja {portnega ribolova in potapljanja. Poglavje Osnove navigacije opisuje splo{na znanja, potrebna za varno in u~inkovito navigacijo, opisan je sistem pomorskih kart Slovenije, sistem pomorskih oznak IALA, ter podrobneje predstavljena uporaba GPS v navigaciji. Povsod, kjer je potrebno, so vsebine posameznih poglavij dodatno pojas-njene z ustreznimi diagrami in kartografskimi prikazi. Ve~ina teh preglednih in informativnih kart je prikazanih shematsko z namenom, da se uporabnik okvirno orientira in seznani z zna~ilnostmi tega geografskega podro~ja. Seznam dopolnilnih kartografskih vsebin je slede~i (Klanj{~ek et al. 2005c): • karta Sredozemlja, • karta severnega Jadrana, • karta Trà{kega zaliva s skico morskih tokov, • batimetri~na karta slovenskega morja, • sedimentolo{ka karta slovenskega morja, • obmo~ja prepovedane in omejene plovbe, • obmo~ja prikazov navigacijskih in detajlnih pomorskih kart, 154 Vloga navti~nega vodnika slovenskega morja in pomorskih publikacij za priobalni GIS • dve karti obmo~ij prikazov detajlnih kart pristani{~ in sidri{~, • meteorolo{ke karte podro~ja Evrope s shematskim prikazom reprezentativnih sinopti~nih situacij ob razvoju tipi~nih vetrov in njihovih razli~nih pojavnih oblik na podro~ju Jadrana, • IALA – delitev svetovnih morij na coni A in B, • IALA – prikaz navigacije podnevi in pono~i. Poglavje Pristani{~a in sidri{~a slovenske obale predstavlja vsebinsko jedro navti~nega vodnika. V za- ~etku je podan opis obale slovenskega morja in njenih zna~ilnosti. V nadaljevanju pa so zbrani podrobnej{i opisi posameznih ve~jih pristani{~, mejnih prehodov za mednarodni pomorski promet in marin (opisi privezov, podatki o infrastrukturi in navigacijskih objektih, opisi dostopov do pristani{~). Dodani so tudi najnujnej{i podatki za ostala lokalna pristani{~a in sidri{~a òjega pomena. Prav vseh 28 v vodnik vklju~enih pristani{~ in sidri{~ pa je predstavljenih z detajlnimi kartami velikih meril (1 : 1500 do 1 : 5000), ki vsebujejo vse potrebne podatke za varno plovbo v neposredni bliìni obale. Slika 3: Vhod v mestno pristani{~e Piran (foto: M. Klanj{~ek). Slika 4: Primer detajlne karte v navti~nem vodniku 155 Matija Klanj{~ek, Igor Karni~nik, Dalibor Radovan Za podrobnej{e pojasnilo glavnih vsebin detajlnih kart je potrebna uporaba pregleda kratic in kartografskih znakov (Kartografski klju~ znakov in kraj{av na slovenskih pomorskih kartah). Na detajlnih kartah so uporabljeni nekateri dodatni znaki, ki so predstavljeni na notranjih straneh zavihkov plat-nic vodnika. Kot dopolnilna informacija so za vsa pristani{~a in sidri{~a vklju~ene tudi ustrezne fotografije dostopov (slika 3), navigacijskih objektov in za orientiranje pomembnih delov obale. Detajlne karte pristani{~ in sidri{~ so nastale na podlagi natan~nih hidrografskih meritev (globin morja, obalne ~rte, poloàjev svetilnikov, boj in drugih navti~nih objektov) in na podlagi drugih virov topografsko-kartografskega sistema Geodetske uprave Republike Slovenije. Detajlne karte so primerne za mikronavigacijo v najòjem priobalnem pasu, v kombinaciji z drugimi pomorskimi navigacijskimi kartami. Hidrografski in topografski objekti, prikazani na detajlnih kartah, so naslednji (Klanj{~ek et al. 2005c): obalna ~rta, globine morja, izobate, objekti in naprave za navigacijo, podvodne in povr{inske ovire, podvodne cevi, plovne poti, pomembni pristani{ki in drugi objekti, zemljepisna imena, topografska vsebina na kopnem, pojasnila in dodatki (slika 4). Glede na zahteve mednarodnega standarda za izdelavo pomorskih kart je bil tudi za izdelavo detajlnih kart pristani{~ in sidri{~ kot referen~ni elipsoid uporabljen elipsoid WGS 84. Vsem za navigacijo pomembnim objektom je dolo~en natan~en poloàj v izbranem koordinatnem sistemu (v obliki geografskih koordinat na elipsoidu WGS 84). Ta omogo~a neposredno uporabnost navigacije z GPS. Izbrana je Mercatorjeva projekcija, zaradi {tevilnih prednosti, ki jih ima za pomorstvo. Vse globine na kartah se nana{ajo na srednji nivo nìjih nizkih vod ìvih morskih men (Mean Lower Low Water Springs, MLLWS), imenovanem hidrografska ni~la, ki je 0,63 m pod srednjim nivojem morja. Vi{ine na kartah se nana{ajo na srednji nivo morja. Pomembne vi{ine so vi{inske to~ke (kote) terena ter vi{ine signalov, svetilnikov in boj na morju (Klanj{~ek et al. 2005b). Opisi pristani{~ in sidri{~ si sledijo v zaporedju od skrajnega severnega dela slovenske obale v smeri od severa proti jugu, to je od zaliva Sv. Jernej ob slovensko-italijanski meji vse do majhnega pristana Soline ob izlivu reke Dragonje v Se~oveljskem zalivu. Opisi so zasnovani za skupno uporabo z detajlnimi kartami, ki velikokrat nudijo vse bistvene informacije è v kartografski obliki. Navti~ni podatki in opisi pristani{~ in sidri{~, vklju~enih v vodnik, so nastali na podlagi razli~nih virov, od primarnih (terenske meritve in ogledi, podatki in pripombe s strani Uprave RS za pomorstvo in lokalnih upravljavcev pristani{~, delno osebne izku{- nje avtorjev in drugih poznavalcev prostora) do sekundarnih pisnih virov. Predvsem so to tuji navti~ni vodniki, ki deloma pokrivajo podro~je (angle{ke, ameri{ke in hrva{ke publikacije), geografski atlas in krajevni lek-sikon. V èlji po ~im bolj{i kakovosti podatkov in njihovi sodobnosti je vodniku priloèn tudi obrazec za sporo~anje morebitnih popravkov, ki bi jih amaterski pomor{~aki opazili med plovbo (Klanj{~ek etal. 2005a). 4 Pomen vsebin navti~nega vodnika za priobalni GIS Iz napisanega je razvidno, da se v na{em hidrografskem arhivu in bazah zbira velika koli~ina prostorskih podatkov, vezanih na morje. Prerez oziroma zgo{~eni del teh podatkov je v kartografski, tabelari~ni in pisni obliki podan v Navti~nem vodniku slovenskega morja in obale. Njihova uporabnost pa je {e mnogo {ir{a in ve~ja, predvsem v obliki ustreznega povezovanja prostorskih podatkov o objektih z njihovimi lastnostmi, vse skupaj zdruèno v obliki ustreznega priobalnega sistema GIS. Tako so lahko obstoje~i, na korekten na~in pridobljeni in poloàjno preverjeni prostorski podatki kakovosten vho-den podatek za izgradnjo ali celovitega geografskega informacijskega sistema slovenskega priobalnega pasu, ali pa kot primaren vir prostorskih podatkov za izvajanje posameznih GIS-analiz. Ker je morsko in priobalno obmo~je dinami~en in hitro spreminjajo~i se prostor, tako zaradi naravnih vplivov kakor tudi zaradi vedno pogostej{ih posegov ~loveka, je nujno potrebno sprotno preverjanje in posodabljanje prostorskih podatkov. Intenzivne aktivnosti na podro~ju hidrografije v zadnjih letih ter tudi formalno zahtevane potrebe po natan~nem vodenju in vzdrèvanju hidrografskih podatkov (predvsem zaradi zagotavljanja varne plovbe), so dobro zagotovilo kakovosti le-teh. 156 Vloga navti~nega vodnika slovenskega morja in pomorskih publikacij za priobalni GIS 5 Povezljivost geolociranih podatkov z navigacijskimi sistemi Z razvojem informacijske tehnologije se izbolj{ujejo tudi navigacijski sistemi na plovilih. Vedno bolj so raz{irjene elektronske navigacijske karte (Electronic Navigation Chart, ENC), ki omogo~ajo souporabo podatkov merjenj poloàja plovila z GPS. Elektronska pomorska karta sicer lahko nastopi v dveh razli~icah – v vektorski obliki kot ENC, ki predstavlja del posebnega elektronskega navigacijsko-informacijskega sistema (Electronic Chart Display and Information System, ECDIS) ali v rastrski obliki (Raster Navigational Chart, RNC). ENC ni le v digitalno obliko prepisana pomorska karta, saj se od nje razlikuje po {tevilnih lastnostih. V povezavi z ECDIS jo nekateri è danes ena~ijo z dinami~nim GIS-sistemom, delujo~im v dejanskem ~asu, kar je ob integraciji dodatnih hidrografskih, meteorolo{kih in drugih slojev resni~no njegov domet v prihodnosti (Radovan et al. 2000). Strojna in programska oprema za uporabo vektorske razli~ice karte je draga in zato ekonomsko sprejemljiva le za najve~je ladje. Prav tako so mednarodni standardi IHO in IMO glede izdelave, uporabe in distribucije vektorskih ENC prezapleteni za amaterskega pomor{~aka. Dobra in cenovno sprejemljivej{a varianta nasproti sistemu ECDIS je rastrski elektronski sistem za prikazovanje elektronskih pomorskih kart (Raster Chart Display System, RCDS), katerega osnova je RNC, ki je v bistvu skenirana pomorska karta (Karni~nik et al. 2004). Ko je taka karta prikazana na zaslonu navigacijskega sistema, je ta faksimilna reprodukcija podatkov, ki jih vsebuje papirnata pomorska karta. Pravni status RCDS je {e vedno predmet razprav v mednarodni hidrografski stroki. Ker pa vse ve~ amaterskih uporabnikov pri navigaciji uporablja sodobno satelitsko navigacijsko opremo, se pogosto pojavi teàva glede uporabe ustreznih kartografskih podlag za varno plovbo in navigacijo. Pri njihovi izbiri je treba biti {e posebej pazljiv, saj {tevilni ponudniki ne ustrezajo kriterijem za natan~no in varno priobalno navigacijo. Tudi tukaj se pokaè prilònost oziroma mònost uporabe obstoje~ih podatkov Navti~nega vodnika (detajlne karte) in drugih pomorskih kart in publikacij. 6 Sklep Pomorske karte in pomorske publikacije so oblika uporabnega prikaza hidrografskih podatkov. Glede na namen posameznih kart in njihovo merilo (generalne, kurzne, obalne, detajlne) ter glede na vsebino posameznih publikacij (navti~ni vodnik, IALA – sistem pomorskih oznak, popis svetilnikov in boj, podvodnih razbitin ipd.) gre v vseh primerih za namenski prikaz in zato omejeno izvrednotenje prostorskih podatkov. Za kon~nega uporabnika to velikokrat sicer zadostuje, {e ve~, v ve~ini pogledov je uporaba teh izdelkov prakti~na in celo obvezna. Z vidika {ir{ega razvoja uporabnosti prostorskih podatkov, njihovega povezovanja v {ir{e okolje ter posledi~no preu~evanja medsebojnih vplivov in vplivov na druge prostorske dejavnike, pa se pokaè njihova vrednost {e v druga~ni lu~i. Ta vrednost je nedvomna in tudi vedno pogostej{e preverjena v praksi. 7 Viri in literatura Barlett, D. J. 1999: Working on the Frontiers of Science: Applying GIS to the Coastal Zone. Marine and Coastal Geographical Information Systems. London. IHO 1990: Hydrographic Dictionary. Special Publication No. 32, Monaco. Karni~nik, I., Barbori~, B., Kete, P., Radovan, D. 2004: Rastrske elektronske navigacijske karte pri navigaciji in plovbi. Naro~nik Ministrstvo za promet, Izvajalec Geodetski in{titut Slovenije, Raziskovalna naloga. Ljubljana. Klanj{~ek, M., Karni~nik, I., Radovan, D. 2005a: Navti~ni vodnik slovenskega morja in obale. Ljubljana. 157 Matija Klanj{~ek, Igor Karni~nik, Dalibor Radovan Klanj{~ek, M., Karni~nik, I., Radovan, D. 2005b: Navti~ni vodnik slovenskega morja in obale. Naro~- nik Ministrstvo za promet, Izvajalec Geodetski in{titut Slovenije, Priloga 1: Redakcijski na~rt, verzija 2.0. Ljubljana. Klanj{~ek, M., Karni~nik, I., Radovan, D. 2005c: Izdelava Navti~nega vodnika slovenskega morja in obale. Naro~nik Ministrstvo za promet, Izvajalec Geodetski in{titut Slovenije, Kon~no poro~ilo. Ljubljana. Radovan, D., Karni~nik, I., Petrovi~, D. 2000: Hidrografski podatki slovenskega morja in elektronska pomorska kartografija. Geografski informacijski sistemi v Sloveniji 1999–2000: zbornik referatov simpozija. Ljubljana. Medmrèje: http://www.mzp.gov.si/ (10. 5. 2006). 158 GIS v Sloveniji 2005–2006, 159–168, Ljubljana 2006 KARTIRANJE NORMATIVNEGA ZNANJA: SPOZNAVNI ZEMLJEVIDI IN GIS Mojca Golobi~ Urbanisti~ni in{titut Republika Slovenije Trnovski pristan 2, 1000 Ljubljana mojca.golobic@ uirs.si UDK: 711:528.9:659.2 IZVLE^EK Kartiranje normativnega znanja: spoznavni zemljevidi in GIS Predstavljena je metoda za pridobivanje in vklju~evanje neformalnega normativnega znanja v postopek prostorskega na~rtovanja z namenom pribliàti prostorske na~rte potrebam in èljam prebivalcev in izbolj- {ati komunikacijo med strokovnjaki in uporabniki v lokalnih skupnostih. Metoda temelji na zajemu znanja z anketiranjem s spoznavnimi zemljevidi. Interpretacija zemljevidov, ki je najzahtevnej{i vidik njihove uporabe v prostorskem na~rtovanju, je izvedena s formaliziranimi postopki, kot so grafi~na vsota ter regresijska analiza. Ti omogo~ajo sintezo spoznavnih zemljevidov s prostorskimi podatki in z ekspertnimi modeli v alternativne predloge rabe prostora, ki izhajajo iz vrednostnih opredelitev identificiranih interesnih skupin. Preizkus metode na primeru na~rtovanja namenske rabe za ob~ino Komenda je pokazal, da lahko vodi k bolj komunikativnemu in vklju~evalnemu na~inu prostorskega na~rtovanja in prinese tudi nove, z interesi prebivalcev usklajene re{itve. KLJU^NE BESEDE spoznavni zemljevidi, pridobivanje znanja, na~rtovanje rabe prostora, GIS ABSTRACT Mapping normative knowledge: mental maps and GIS A methodology for acquisition and use of informal normative knowledge within land use planning procedures is presented. The resulting plans should better reflect the needs and aspirations of concerned people, while the knowledge acquisition process itself would help to improve the communication between the experts and the local public. The methodology is based on opinion survey with the use of graphic response options (mental maps). The interpretation, being the most difficult part of the mental map technique is supported by a set of formal tools such as graphic summation and regression analysis. These enable the synthesis of mental maps, spatial data and expert evaluation models into interest specific alternative land use proposals. The test of the proposed methodology in a pilot region has shown its value for a more communicative and participative way of planning, which may also bring new solutions, corresponding to the expectations of local people. KEYWORDS mental maps, knowledge acquisition, land use planning, GIS 159 Mojca Golobi~ 1 Uvod Planiranje je dejavnost, ki povezuje znanje z delovanjem (Friedman 1973), kar zahteva uporabo ustreznih metod tako za razumevanje in raziskovanja stvarnosti, kakor tudi za postavljanje norm: ciljev in strategij za njihovo doseganje. V 60-ih letih so se v prostorskem planiranju uveljavili znanstveni pristopi, n.pr. racionalno – vseobsèno planiranje (Johannesen in sod. 1998; Lyle 1985), ki temeljijo na racionalnih analizah prostora ter na znanju strokovnjakov. Z uveljavljanjem ra~unalni{kih metod, kot so geografski informacijski sistemi (GIS), sistemi za podporo odlo~anju in ekspertni sistemi, so ti pristopi pridobili na veljavi, teì{~e raziskovalnega dela pa se je usmerilo na probleme pridobivanja znanja o fizi~ni stvarnosti ter kakovosti in predelave podatkov. Rezultat teh prizadevanj je vrsta orodij, ki danes omogo~ajo u~inkovito izpopolnitev znanja o stvarnosti, med tem ko se metode in orodja za pridobivanje normativnega znanja niso enakovredno razvili. Predpostavke o vrednotah, tveganjih, sprejemljivosti stro{kov in koristi tako najve~krat ostanejo v domeni ekspertnega dolo~anja ter implicitne v odlo~itvah (Healey 1996). Kljub uporabi vrhunske strokovne vednosti se zato pogosto dogaja, da so predlagane re{itve neustrezne in neskladne s pri~akovanji javnosti. Pogledi na to, kaj je npr. drùbeno ustrezna raba, so odvisni od posameznikovih vrednot in potreb in se zato pogosto razlikujejo od ekspertno ali tr`no opredeljenih, prav tako pa se razlikujejo med posamezniki oz. skupinami. Pogosto se zdi, da so pri~a-kovanja vpletenih preve~ razli~na, konfliktna ali pa sploh preslabo izoblikovana, da bi jih bilo mogo~e prevesti v konsistenten predlog razvoja, zapisanega v prostorskem na~rtu, ki bi bil poleg tega {e sprejemljiv za vse prizadete. Vsekakor so se pristopi, ki temeljijo na izpopolnjevanju strokovne vednosti z novimi dejstvi, meritvami, izra~uni, v tem pogledu izkazali za neu~inkovite. Zlasti v tistih delih postopka, ki zadevajo vrednotenja, primerjave in izbiro re{itev, bi morale biti vrednote in stali{~a uporabnikov pomemben vir spoznanj (Irwin in sod. 1999). Prostorsko na~rtovanje torej potrebuje metode, ki bi z vklju~evanjem neformalnega normativnega znanja uporabnikov pomagale u~inkovito identificirati cilje, jih prevesti v prostorske re{itve in jih uskladiti v sprejemljivo in izvedljivo prostorsko re{itev. Prispevek predstavlja eno od mònih metod za pridobivanje neformalnega znanja o spreminjanju prostora. Poleg tega, da èlimo na ta na~in izbolj- {ati predloge planskih re{itev, lahko tudi priskrbimo skupni jezik komunikacije med strokovnjaki in javnostjo ter podpremo dejavno vklju~evanje prizadetih in zainteresiranih v postopek iskanja re{itev in odlo~anja. 2 Metode pridobivanja normativnega znanja Za pridobivanje in uporabo normativnega znanja v planerskem procesu se najpogosteje uporab-ljata dve skupini metod: anketiranje in participativni pristopi. Prednosti anket so predvsem mònost zajema znanja v {ir{i populaciji in bolj enakomerno glede na razli~ne zna~ilnosti posameznikov. V primerjavi s participativnimi pristopi pa je njihova slabost predvsem ta, da zajamejo le prerez znanja v dolo~enem ~asu, med tem ko participativni pristopi omogo~ajo spreminjanje in oblikovanje znanja kot odziv na alternativne mònosti sprememb. Mònosti uporabe informacijske tehnologije so pri obeh skupinah metod velike, ~etudi {e zdale~ ne izkori{~ene. Ovira je zlasti zahteva po dolo~eni stopnji formalizacije oz. eksplikacije znanja, ki zahteva dolo~ene na~ine zajema in predelave pridobljenega znanja. Neformalno znanje uporabnikov pa je po svoji naravi subjektivno, kontekstualno specifi~no in intui-tivno, zaradi ~esar je najve~krat izklju~eno iz na~rtovalnega postopka. Med prostorskimi na~rtovalci je dokaj uveljavljeno prepri~anje, da si z rezultati javnomnenjskih anket ne morejo koristno pomagati (Maru{i~ 2000). V anketi izraène èlje in namere se namre~ nana- {ajo na obstoje~o situacijo in vlogo izpra{evancev, ne pa na tiste okoli{~ine, ki bi nastale z njihovim uresni~evanjem ali z uresni~enjem èlja drugih (Poli~ in sod. 2000; Mlinar 1983). Da bi z javnom-nenjsko raziskavo dobili znanje, ki bi ga uporabili pri usmerjanju iskanja re{itev, je treba ustrezno 160 Kartiranje normativnega znanja: spoznavni zemljevidi in GIS prilagoditi tako metodo anketiranja kakor tudi na~rtovalni postopek. Nekatere mònosti, kot so uporaba spoznavnih zemljevidov in klastrske analize za anketiranje ter analiza spoznavnih zemljevidov z regresijsko analizo za pripravo alternativnih prostorskih re{itev bodo predstavljene v nadaljevanju. 2.1 Spoznavni zemljevidi Spoznavni zemljevidi so mentalne predstave informacij, ki jih imajo posamezniki o okolju (Golledge in Stimson 1997), nekak{en notranji geografski informacijski sistem, ki poleg prostorsko relacijskih podatkov vsebuje tudi atribute ter (eksplicitne ali implicitne) individualizirane in sociokulturno pogoje-ne zaznave in vrednote. V nasprotju z ra~unalni{kimi GIS-i informacije tu niso naloène lo~eno, po tematskih slojih, temve~ celostno, v obliki sinteti~nih kart. Izdelava spoznavnih zemljevidov je intuitivni postopek, v katerem se vrednote in cilji formulirajo v enotni obliki (Weiner in sod., 1998; Kersten 1996). Ta postopek lahko vsebuje zelo kompleksne procese kot je npr. ve~kriterijsko vrednotenje, v katerega je zajeta cela vrsta kompleksnih informacij, ki se jih vpra{ani ob risanju zemljevida morebiti niti ne zaveda. V zarisani opredelitvi je zdruèno znanje o fizi~ni stvarnosti, vrednote, pa tudi strategije razre{evanja mònih konfliktov med razli~nimi potrebami po razvoju in varstvu kakovosti v prostoru (Maru{i~ 2000). Lahko pa je ta postopek tudi zelo preprost, odvisno od posameznikovih spoznavnih procesov, povezanih s konkretnim problemom. Risanje spoznavnih zemljevidov si torej lahko predstavljamo kot neke vrste grafi~no anketiranje. Z razlago spoznavnega zemljevida lahko razbiramo razli~ne plasti znanja, na osnovi katerih je zemljevid nastal, od gole inventarizacije dejstev o prostoru, do znanja o procesih in zakonitostih v prostoru, od vrednostih predstav o prostoru do planskih opredelitev. Spoznavne zemljevide so za~eli uporabljati v 60-ih letih prej{njega stoletja za analizo strukture in identitetnih elementov prostora (Lynch 1960) ter za ugotavljanje vrednostnih stali{~ o prostoru (Gould 1975). Tudi v prostorskem na~rtovanju risanje spoznavnih zemljevidov ni nova metoda, pri ~emer so spoznavni zemljevidi najve~krat uporabljeni kot vhodni podatki v klasi~ni intuitivni planerski postopek (Macnab 1998) ali kot del geografske informacijske podpore (Ventura in sod. 1998; Harris in Weiner 1998). Pri ve~ini pristopov anketiranci (do)ri{ejo dolo~ene vsebine na topografske ali tematske karte. Opisani so pristopi z individualnimi vpra{alniki (Poli~ in sod. 2000) in taki, kjer risanje poteka na delavnicah in so karte rezultat skupne odlo~itve (Harris in Weiner 1998; Macnab 1998; Ventura in sod. 1998). Ra~unalni{ka tehnologija z GIS-i in spletom (Kingston in sod. 1999; Carver in sod. 1998) pa omogo~a tudi bolj avtomatiziran zajem in analizo znanja, npr. neposredno vna{anje odgovorov v ra- ~unalnik, sprotno izdelavo profila uporabnika, analizo uporabnikov in kriànje njihovih lastnosti z izraènimi mnenji. Omejitve te metode izhajajo predvsem iz tehnike risanja zemljevida, ki zahteva visoko stopnjo abstrak-cije, kar lahko nekaterim ljudem predstavlja veliko teàvo. Teàvna naloga je tudi interpretacija – razbiranje razli~nih plasti znanja v spoznavnih zemljevidih (Weiner in sod. 1998; Golobi~ 1999; Poli~ in sod. 2000). Razlago lahko olaj{a uporaba dodatnih vpra{anj, ki osvetlijo razloge za prostorske opredelitve (Poli~ 1991), ali uporaba vrednostnih kart kot podlage za risanje (Ventura in sod. 1998). Primerov interpretacije spoznavnih zemljevidov s formalnimi oblikami analize v literaturi skoraj ni. Poskus take interpretacije je bil pripravljen v primeru anketiranja manj{ega vzorca populacije v ob~ini Ajdov{~ina (Bartol in sod. 1998), ki pa je bil zaradi ve~inoma nominalnih podatkov omejen na obdelavo s sorazmerno preprosto metodo krìnih tabel. Regresijska analiza je kompleksnej{a metoda, s katero je mòno ne le identificirati, temve~ tudi opisati razmerje med ve~ spremenljivkami v sistemu (npr. Silvennoinen in sod. 2001; Burley in Brown 1995). Model tehtane vsote, s katerim se najpogosteje re{uje probleme ve~kriterijskega vrednotenja, dobimo v tem primeru iz regresijske ena~be. Vendar pa je uporaba regresijske analize omejena na {tevil~ne spremenljivke. 161 Mojca Golobi~ 3 Metodologija Prikazana metoda je prilagojena postopku na~rtovanja namenske rabe v lokalnih prostorskih planih. Glavni koraki so predstavljeni na sliki 1. Z vidika pridobivanja znanja lahko na~rtovalni postopek obravnavamo po naslednjih klju~nih fazah: • zajem znanja: identifikacija interesov, ciljev in programov v posameznem prostorsko-na~rtovalnem kontekstu, • sinteza znanja: oblikovanje razli~ic re{itve, ki so specifi~ne za vpletene interese. implicitno znanje o fizi~ni stvarnosti, materialno znanje o fizi~ni stvarnosti, procesih, vzrokih/posledicah vrednotah, re{itvah EKSPERTNO ZNANJE NEFORMALNO LAI^NO ZNANJE ZAJEM IN FORMALIZACIJA ZNANJA vpra{alnik dokumentirano znanje intervju tekstni del spoznavni zemljevidi GIS – podatkovna osnova generi~ni modeli interesne skupine skupinski spoznavni zemljevidi SINTEZA PREDLOGOV formalna orodja: grafi~na vsota, regresijska analiza alternativni predlogi za posamezne skupine Slika 1: Shema postopka pridobivanja znanja v na~rtovalnem postopku. 3.1 Zajem znanja Zajem znanja poteka z anketo na reprezentativnem vzorcu prebivalcev Komende, s ~imer zagotovimo, da bo pridobljeno znanje priblìno predstavljalo vse prebivalce. Vpra{alnik v prvem delu vsebuje vpra{anja o vrednotah ter stali{~ih do razvoja v prostoru, ter standardna demografska vpra{anja. Drugi del vpra{alnika zahteva odgovore v obliki spoznavnih zemljevidov. Anketiranci na topografske karte v merilu 1 : 25.000 nari{ejo obmo~ja, kamor bi po svoji presoji umestili nekatere dejavnosti, ki so predmet prostorskega plana. Zemljevide nato digitaliziramo z orodjem ArcView, pri ~emer je vsa-162 Kartiranje normativnega znanja: spoznavni zemljevidi in GIS ko zarisano obmo~je preneseno kot poligon z identifikacijsko {tevilko vpra{alnika in atributom namenske rabe. 3.2 Sinteza znanja V prvem delu uporabimo nehierarhi~no metodo razvr{~anja v skupine (K-mean clustering) pri odgo-vorih na vpra{anja, ki se nana{ajo na odnos do razvoja in varovanja. Tako ugotovimo, ali se med prebivalci oblikujejo skupine s podobnimi interesi in vrednostnimi izhodi{~i ter identificiramo pripadnost posameznika skupini. Zna~ilnosti posameznih skupin ugotavljamo s kriànjem z drugimi vpra{anji (analizo variance) ter z ugotavljanjem razlik med srednjimi vrednostmi ali frekvencami odgovorov po skupinah. Drugi del sinteze so analize spoznavnih zemljevidov. Preverjene so bile tri metodolo{ke razli~ice, ki se razlikujejo po stopnji formalizacije in nadaljnje predelave spoznavnih zemljevidov: (1) grafi~na vsota, (2) regresijska analiza s prostorskimi podatki in (3) regresijska analiza z ekspertnimi vrednostnimi modeli. Uporaba statisti~nih metod za obdelavo prostorskih podatkov zahteva enoto analize, za katero predpostavimo notranjo homogenost. V na{em primeru smo za enoto analize uporabili rastrsko celico velikosti 25 × 25 m, lastnosti prostora pa so njeni atributi. (1) Pri metodi grafi~ne vsote zemljevidov je rezultat za vsako celico predstavljen z numeri~no vrednostjo, sorazmerno s {tevilom anketiranih, ki so jo ozna~ili na svojem zemljevidu. V tem primeru je v postopek sinteze znanja vklju~eno samo lai~no – implicitno znanje. (2) Regresijska analiza s prostorskimi podatki temelji na predpostavki, da so lokacijske odlo~itve za dejavnosti odvisne od lastnosti prostora. Ker so ta pravila druga~na za vsako identificirano intere-sno skupino, dobimo razli~ne funkcije ustreznosti, ki jih zapi{emo z regresijsko ena~bo kot tehtano vsoto, kjer je B uporabljen za utè, rezultat pa normiran na vrednosti 1–5. V tem primeru je v postopek sinteze znanja poleg implicitnega znanja uporabnikov vklju~eno {e znanje o fizi~ni stvarnosti. (3) Regresijska analiza z vrednostnimi modeli je analogna zgornjemu pristopu, le da v regresijsko analizo namesto prostorskih podatkov vklju~imo kompleksne modele ustreznosti na osnovi ekspertnih ocen na lestvici od 1–5. Z modeli predstavimo kompleksnej{e povezave med posameznimi prostorskimi lastnostmi v obliki odlo~itvenih meril. Izbrali smo naslednje modele: stro{ki za gradnjo, prijetnost bivanja, razpolòljivost prostora in infrastrukture, privla~nost prostora za {portno-rekreacijske dejavnosti, pridelovalni potencial, ranljivost okolja za hrup, ranljivost narave, ranljivost voda, ranljivost kulturnih kakovosti prostora. V tem primeru je v postopek sinteze znanja vklju~eno implicitno znanje uporabnikov ter ekspertno znanje o fizi~ni stvarnosti in vrednostih. Nekatera GIS orodja (IDRISI) imajo integrirane regresijske in korelacijske analize, v na{em primeru pa smo podatke izvozili v paket STATISTICA (podoben postopek je opisan v npr. Burley in Brown 1995). Resno omejitev pri uporabi statisti~nih analiz, kot je regresijska analiza, predstavljajo lastnosti atributov. Le redki namre~ ustrezajo zahtevi, da morajo biti vrednosti izraène {tevil~no, na kardinalni lestvici (npr. digitalni model reliefa). Drugi so bodisi binarni (pojav je/ni), nominalni (povr{inski pokrov) ali ordinalni. Te teàve smo sku{ali zmanj{ati tako, da smo ve~ino podatkov prevedli v neke vrste {tevil~ne vrednosti: oddaljenosti od pojavov ali intervalne vrednostne lestvice, kjer imajo vrednosti vselej primerljiv pomen. Drug problem je visoka medsebojna korelacija, kar je treba upo{tevati pri interpretaciji rezultatov. 4 Rezultati testnega primera V izbranem primeru – prostorski plan za ob~ino Komenda – smo s terenskim anketiranjem dobili 196 izpolnjenih vpra{alnikov, kar {e predstavlja ustrezen vzorec prebivalcev Ob~ine. Spoznavni zemljevidi so vsebovali izrisana obmo~ja, kamor bi anketiranci po svoji presoji umestili dejavnosti, ki so predmet prostorskega plana: varstvo, poselitev, proizvodnja in rekreacija. Na sliki 2 so prikazana vsa narisana obmo~- ja za posamezne kategorije, kakor so jih zarisali prebivalci in kakor so bila prenesena v digitalno obliko. 163 Mojca Golobi~ Slika 2: Obmo~ja dejavnosti (levo) ter obmo~ja varstva in degradacij (desno) kakor so jih na svoje karte zarisali vpra{ani prebivalci Komende. Srednje vrednosti za skupine 5,5 5,0 4,5 4,0 3,5 3,0 2,5 Skupina A 2,0 Skupina B kmetijstvo obrt konjeni{tvo kultura nar.ded. vodovar.obm. kult.ded. Skupina C gozdarstvo turizem {port zdravstvo gozd kmet.zem. pov.vode Spodbujati Varovati Slika 3: Rezultati klastrske analize na osnovi vpra{anj o razvojnih in varstvenih prioritetah 164 Kartiranje normativnega znanja: spoznavni zemljevidi in GIS Razvr{~anje prebivalcev v interesne skupine smo opravili na osnovi odgovorov na vpra{anji: »Koliko bi bilo treba vzpodbujati razvoj naslednjih dejavnosti?« in »Kako pomembno se vam zdi varovati naslednje kakovosti?« Z metodo nehierarhi~nega razvr{~anja smo dobili 3 skupine, ki jih zelo jasno ozna~ujejo razli~ne razvojno-varstvene opredelitve (slika 3). V skupini A (»konzervativna«) so interesi precej neizoblikovani, razvojni je na splo{no nizek, narav-nan v obrt in turizem, varstveni interes pa na splo{no visok. V skupini B (»urbana«) je razvojni interes liberalnej{i, ve~ji poudarek dajejo drùbenemu standardu na eni strani in tr`nim pobudam na drugi. Varstveni interes je usmerjen v varovanje naravnih vrednot, V skupini C (»kmetijska«) je razvojni interes predvsem v kmetijstvu in konjeni{tvu. Varstveni interes manj izrazit in usmerjen predvsem v varovanje kmetijskih zemlji{~. Sinteza znanja v predloge re{itev je bila za vse tri identificirane interesne skupine izvedena po treh predlaganih metodolo{kih razli~icah: z grafi~no vsoto spoznavnih zemljevidov, z regresijsko analizo osnovnih prostorskih podatkov ter z regresijsko analizo ekspertno sestavljenih generi~nih modelov. Na SKUPNI SKUPINA A SKUPINA B SKUPINA C ETE I) K N N A A IR IT IC A IF T S L A U L Z (K RE OIJCA IN V MB O O K K T S A I D TA PO TLUZER OIJCA IN V MB O O L K E S D ITA MO TLUZER Slika 4: Pregled modelov za poselitev po metodolo{kih razli~icah in po skupinah 165 Mojca Golobi~ osnovi rezultatov so bili sestavljeni ustrezni modeli, ki so predstavljeni kartografsko kot karte ustreznosti za obravnavane {tiri dejavnosti (slika 4 prikazuje kartografske rezultate po vseh treh metodolo{kih razli~icah za primer poselitve). Rezultate lahko povzamemo v naslednjih to~kah: • Grafi~na vsota zemljevidov olaj{a prikaz in razlago, ki pa je lahko le kvalitativna in dokaj preprosta. Vsekakor lahko tudi iz teh kart ocenimo, ali obstajajo in kak{ne so razlike med skupinami. Poleg tega lahko zgostitev odgovorov okrog nekega obmo~ja dovolj zanesljivo razlagamo kot ve~insko strinjanje o namenski rabi obmo~ja. Nepoznani pa ostajajo argumenti oziroma merila za odlo~itev. Ni~esar tudi ne moremo re~i o prostoru zunaj obkroènih obmo~ij: morda v resnici ni ustrezen za obravnavano dejavnost ali pa je samo zunaj mentalnega prostora vpra{anih. • Merila za posamezno dejavnost, ki smo jih pridobili z regresijsko analizo se med skupinami razlikujejo in se v glavnem skladajo z vrednostnimi izhodi{~i, povzetimi iz besednega dela ankete. Tak{ne modele strategij ume{~anja dejavnosti v prostor potrjujejo tudi kartografski prikazi. Pri regresijski analizi osnovnih podatkov se pojavljajo tudi nekatere povezave, za katere bi tèko na{li smiselno razlago in zelo verjetno izvirajo iz prostorske korelacije podatkov. Teh primerov pri regresiji z vrednostnimi modeli ni. • Merila za razli~ne dejavnosti se znotraj ene skupine pomembno razlikujejo, kar kaè, da imajo prebivalci za vsako od obravnavanih dejavnosti izdelano dokaj jasno in specifi~no strategijo za ume{~anje v prostor. Nabor uporabljenih meril je dokaj kompleksen in upo{teva tudi potencialno konfliktnost z drugimi rabami. • Kartografski prikazi pri uporabi generi~nih modelov so bolj raz~lenjeni in so zato ustreznej{a podlaga za ume{~anje dejavnosti v prostoru/dolo~anje namenske rabe. 5 Sklepi Celoten postopek preizkusa metode vklju~no z rezultati je podprl izhodi{~no hipotezo, da je znanje uporabnikov, {e posebno njegov implicitni del, pomemben vir manjkajo~ega znanja v na~rtovalnem postopku. Proces njegovega pridobivanja pa lahko priskrbi skupni jezik komunikacije med strokovnjaki in javnostjo. Postopek pridobivanja tega znanja je bilo treba zastaviti tako, da je s povezavo z drugimi viri znanja omogo~il oblikovanje razli~ic re{itve problema in obenem dal merila za njihovo medsebojno usklajevanje, metodologijo pa prilagoditi zna~ilnostim posameznih tipov znanja. Za razliko od ve~ine opisanih pristopov uporabe spoznavnih zemljevidov v prostorskem na~rtovanju (Harris in Weiner 1998; Macnab 1998; Poli~ 1991), v predstavljenem pristopu predlagamo ve~jo stopnjo formalizacije pri obdelavi zemljevidov in vklju~evanju v na~rtovalni postopek. Izkazalo se je, da predlagana metoda s kombinacijo tehnik anketiranja, spoznavnih zemljevidov, ekspertnih modelov, regresijske analize in GIS-a dovolj uspe{no re{uje to nalogo. Kljub temu, da metodi razvr{~anja v skupine ter regresijska analiza v osnovi nista namenjeni uporabi na intervalnih podatkih, sta v na{ih primerih dali zadovoljive rezultate. Uporabljene vrednosti (1–5) imajo namre~ vselej isto pomensko vrednost in so torej do neke mere primerljive. Drugi razlog je, da rezultatov ne interpretiramo kot absolutne kvantitativne vrednosti (ki jih niti ne potrebujemo), temve~ zgolj kot tendence, izhodi{~a za ve~je ali manj{e upo{tevanje posameznih meril v vsaki identificirani skupini. Z identifikacijo odlo~itvenih meril, lahko prenesemo enak model ocenjevanja, kot je bil (implicitno) uporabljen pri zarisu ene lokacije, v cel prostor obravnave. Regresija s kompleksnimi modeli odlo~anja je dala bolj{e rezultate, ki prepri~ljivo prikaèjo razlike v konceptih vrednotenja prostora med skupinami. Ti rezultati potrjujejo tezo, da laiki kompleksno informacijo bolj koristno uporabijo v bolj celoviti obliki (Ventura s sod. 1998). Pomembno vpra{anje pa sproà eks-pertna intervencija v razlago prostorskih lastnosti, kar lahko do neke mere predpostavi, zoì prostor mònosti. Na vsak na~in so modeli generi~ni samo znotraj enega prostorsko-problemskega konteksta, to pomeni, da morajo biti zasnovani za vsak odlo~itveni problem posebej. 166 Kartiranje normativnega znanja: spoznavni zemljevidi in GIS Predstavljeni postopek nakazuje mòno pot, ki bi lahko pripomogla k preseganju uveljavljene prakse, ki pomemben segment znanja tako reko~ izklju~uje iz postopka. Mònost uporabe metode pri re{evanju prakti~nih na~rtovalnih problemov, kot je npr. dolo~anje namenske rabe v ob~ini, je osnovno merilo njene uspe{nosti. Tudi zato so bile predlagane take metode in tehnike, ki so è uveljavljene na nekaterih sorodnih podro~jih, nova pa sta njihova povezava in na~in uporabe. Ne glede na prepri~ljivost pa je previdnost pri razlagi rezultatov na mestu. Nekateri rezultati so npr. lahko le posledica sovpadanja prostorskih podatkov, zato je pomembno preverjanje z razli~nimi postopki. Taka preveritev je bila opravljena s primerjavo rezultatov vseh treh metodolo{kih razli~ic, poleg tega pa {e skozi tekstni del vpra{alnika in nenazadnje tudi z vizualno analizo kartografskih prikazov dobljenih modelov. Odprta vpra{anja ponujajo mònosti za nadaljevanje raziskovanja predvsem na podro~jih: iskanje ustreznej{ih orodij za avtomatsko interpretacijo zemljevidov, oblikovanja generi~- nih modelov vrednotenja, avtomatizacije postopka zajema in predelave znanja in pove~anje prilagodljivosti spremembam ter uporabe spletne tehnologije. 6 Viri in literatura Bartol, B., Golobi~, M., Kav~i~, I., Logar, J., Maru{i~, I., Mlakar, A., Simoni~, T. 1998: Anketno ocenjevanje kot na~in pridobivanja meril v postopku prostorskega planiranja. Urbani izziv 9, 2: 99–103. Burley, J. B., Brown T. J. 1995: Constructing interpretable environments from multidimensional data: GIS suitability overlays and principal component analysis. Journal of Environmental Planning and Management, 38,4: 537–550. Carver, S., Kingston, R., Turton, I. 1998: A Review of graphical environments on the World Wide Web as a means of widening public participation in social science research. School of Geography, University of Leeds. http://www.ccg.leeds.ac.uk/agocg/report.htm Friedman, J. 1973: Retracking America: A theory of Transactive planning. New York, Anchor Press. Golledge, R. G., Stimson, R. J. 1997: Spatial behavior, a geographic perspective. New York, The Guil-ford Press. Golobi~, M. 1999: Knowledge acquisition for participative spatial planning. V: Emerging technologies for sustainable land use and water management: proceedings. Musy A., Santos-Pereira L., Fritsch M. (ur.). Lausanne, Presses polytechniques et universitaires romandes: 13. Gould, P. 1975: People in information space: The mental maps and information surfaces of Sweden. Gleerup The Royal university of Lund, Department of geography: 113 str. Harris, T., Weiner, D. 1998: Community-Integrated GIS for Land Reform in Mpumalanga Province, South Africa, Department of Geology and Geography, West Virginia University. http://www.ncgia. ucsb.edu/varenius/ppgis/papers/harris.html Healey, P. 1996: The communicative turn in planning theory and its implications for spatial strategy formation. Environment and Planning B: Planning and Design 23: 217–234. Irwin, A., Simmons, P., Walker, G. 1999: Faulty environments and risk reasoning: the local understanding of industrial hazards. Environment and Planning A, 31,7: 1311–1326. Johannesen, J-A., Olaisen, J., Olsen, B. 1998: The philosophy of science, planning and decision theories. Built environment 24,2-3: 155–168. Kersten, G. E. 1996: Support for Group Decisions and Negotiations, An Overview. www.interneg.car-leton.ca/interneg/research/misc/intro_gdn.html Kingston, R. 1998: Web based GIS for public participation decision making in the UK. http://www.ncgia. ucsb.edu/varenius/ppgis/papers/kingston/kingston.html (8. 8. 2001) Lyle J. T. 1985. Design for human ecosystems. New York, Van Nostrand Reinhold: 372 str. Lynch, K. 1960: The image of the city. Cambridge, Mass, The MIT Press: 193 str. 167 Mojca Golobi~ Maru{i~, J. 2000: Prostorsko planiranje V: Spoznavni zemljevid Slovenije. Poli~ M. (ur.). Ljubljana, Univerza v Ljubljani, Filozofska fakulteta. Macnab, P. 1998:. There Must Be a Catch: Participatory GIS in a Newfoundland Fishing Community. Paper for the NCGIA Specialist Meeting: Empowerment, Marginalization and Public Participation GIS . http://www.ncgia.ucsb.edu/varenius/ppgis/papers/macnab/macnab.html Poli~, M. 1991: Stali{~a prebivalcev ob~ine Grosuplje do nekaterih vidikov njenega razvoja. Grosuplje, Ob~ina Grosuplje: 23 str. Poli~, M., Natek, K., Maru{i~, J., Kos, D., Klemen~i~, M. M., Ku~an, A., Ule-Nastran, M., Repov{ G. 2000: Spoznavni zemljevid Slovenije. Ljubljana, Univerza v Ljubljani, Filozofska fakulteta: 174 str. Silvennoinen, H., Alho, J., Kolehmainen, O., Pukkala, T. 2001: Prediction models of landscape prefe-rences at the forest stand level. Landscape and urban planning, 56: 11–20. Ventura, S., Niemann, B., Sutphin, T., Chenoweth, R. 1998: GIS-Enhanced Land Use Planning in Dane County, Wisconsin, Land Information and Computer Graphics Facility, University of Wisconsin-Ma-dison. http://www.ncgia.ucsb.edu/varenius/ppgis/papers/ventura.html Weiner, D., Harris, T. M., Burkhart, P. K. 1998: Local knowledge, multiple realities and the production of geographic information: South Africa and West Virginia case studies. http://www.geo.wvu.edu/i19/ papers/weiner3.html http://www.geo.wvu.edu/i19/research/local.html 168 GIS v Sloveniji 2005–2006, 169–176, Ljubljana 2006 ANALIZA RANLJIVOSTI PROSTORA KOT IZHODI[^E IZVEDBE CELOVITE PRESOJE VPLIVOV NA OKOLJE dr. Ale{ Mlakar Ljubljanski urbanisti~ni zavod, d. d. Verov{kova cesta 64, 1000 Ljubljana ales.mlakar@ luz.si UDK: 504.05 IZVLE^EK Analiza ranljivosti prostora kot izhodi{~e izvedbe celovite presoje vplivov na okolje Analiza ranljivosti prostora je eno od izhodi{~ izvedbe celovite presoje vplivov na okolje. Analiza ranljivosti je metoda, s katero je mo~ ugotoviti ob~utljivej{e dele prostora za posamezen posega ali razvojno dejavnost. Pomaga kot optimizacijsko orodje pri ume{~anju teh posegov in dejavnosti v prostor, omogo~a objektivnej{o sodbo o okoljski sprejemljivosti plana in preseganje ravni presoj, izdelanih zgolj na temelju ekspertnih ocen in besednih opisov. KLJU^NE BESEDE varstvo okolja, celovita presoja vplivov na okolje, analiza ranljivosti prostora ABSTRACT Analysis of vulnerability as a method of determining the environment vulnerability Analysis of vulnerability is a method of determining more vulnerable parts of environment in a relation to particular interventions and development activities. It serves as an optimization tool within the process of placing those interventions and activities into environment, enables more objective judgment about their environmental acceptability and surpassing the level of assessment prepared only on expert estimation and verbal description. KEYWORDS environmental protection, strategic environmental assessment, analysis of spatial vulnerability 169 Ale{ Mlakar 1 Uvod Zaradi sprejema Direktive 2001/42/ES Evropskega parlamenta in sveta o presoji vplivov nekaterih na~rtov in programov na okolje (Directive … 2001) je bil leta 2003 v Zakonu o varstvu okolja (UL RS 39/2006, uradno pre~i{~eno besedilo) spremenjen in zahtevam direktive prilagojen postopek celovite presoje vplivov na okolje. Prenos dolo~il direktive v na{ pravni red prina{a pove~anje pomena varstvenih izhodi{~ v prostorskem na~rtovanju. Cilj presoje je namre~ vklju~evanje okoljskih vidikov v pripravljanje in sprejemanje na~rtov in programov, saj direktiva dolo~a, da se okoljska presoja izvede med pripravo na~rta ali programa in preden se ta sprejeme ali vloì v zakonodajni postopek. Na~in izdelave okoljskega poro~ila kot strokovnega gradiva za izvedbo postopka celovite presoje vplivov dolo~a Uredba o okoljskem poro~ilu in podrobnej{em postopku celovite presoje vplivov izvedbe planov na okolje (UL RS 73/2005). Uredba ne dolo~a metodologije ugotavljanja vplivov na okolje in s tem dopu{~a mònost, da je okoljsko poro~ilo pripravljeno na razli~ne na~ine. Tak{no zakonsko izhodi{~e samo po sebi ni problemati~no, saj sovpada s predpostavko, da mora tudi metodologija ugotavljanja vplivov upo{tevati specifiko posameznih prostorsko na~rtovalnih oz. presojevalnih problemov. @al ~as intenzivnega pri~etka izdelave okoljskih poro~il kaè, da se bodo okoljska poro~ila: • izdelovala predvsem na osnovi subjektivnih, ekspertnih sodb, • vklju~evala pretèno besedne opise, • temeljila zgolj na neposrednemu in nekriti~nemu prevzemanju informacij iz obstoje~ih baz prostorskih podatkov ter • predstavljala zgolj potrdilo o okoljski sprejemljivosti plana oziroma planiranega posega. Vse od za~etka zakonske obveze presoje vplivov na okolje je namre~ najbolj problemati~en namen ugotavljanja vplivov, ki bi moral biti bolj jasen, to je dovolj zgodnja vklju~itev (okolje)varstvenega mehaniz-ma v na~rtovanje, postopek sprejemanja odlo~itev in pripravo aktov povezanih z urejanjem prostora, z namenom na~rtovati oziroma optimizirati posege na na~in, da ti v ~im manj{i mòni meri razvred-notijo okolje. V èlji pove~ati u~inkovitost in objektivnost postopka celovite presoje vplivov na okolje je namen prispevka izpostaviti povezanost presoje s {tudijo ranljivosti prostora, ki jo opredeljuje Zakon o urejanju prostora (UL RS 110/2002, 8/2003, 58/2003) oziroma Prostorski red Slovenije (UL RS 76/2004). Te povezave veljavna zakonodaja eksplicitno àl ne vzpostavlja, na sre~o pa se je zaveda vsaj del prostorsko na~rtovalne prakse. 2 Analiza ranljivosti prostora Analiza ranljivosti prostora je, tako kot celovita presoja vplivov na okolje, orodje preventivnega okoljevarstvenega delovanja. V prostorskem na~rtovanju je klju~ni problem, ki naj ga razre{imo, iskanje ustreznega mesta ali dela prostora za dolo~eno dejavnost oziroma rabo. Klju~ni preventivni varstveni ukrep je torej optimizacija lokacije posega. Analiza ranljivosti oziroma ugotavljanje ob~utljivosti prostora je metoda (mehanizem, opravilo, postopek), s pomo~jo katere ugotovimo bolj ranljive oziroma ob~utljive dele prostora za nek poseg ali razvojno dejavnost. Ne glede na uporabljeni termin, izhodi{~a oziroma na~in izdelave je bistveni namen analize ranljivosti, poenostavljeno, v opredeljevanju delov prostora, kamor naj ne bi umestili dolo~ene dejavnosti ali dolo~enega posega in s tem zmanj{evanje negotovosti o sprejemljivosti dejavnosti ali posega z vidika varstva okolja. Z analizo ranljivosti je mo~ simulirati mòne vplive na~rtovanih dejavnosti ali posegov na okolje, s ~imer je dana tudi mònost presojanja o njihovi sprejemljivosti. 170 Analiza ranljivosti prostora kot izhodi{~e izvedbe celovite presoje vplivov na okolje 3 Analiza ranljivosti kot izhodi{~e okoljske presoje Analiza ranljivosti, pripravljena za {ir{a obmo~ja, npr. obmo~je ob~ine, odkriva sprejemljivost posegov v kontekstu varstva okolja in posameznih okoljskih sestavin na celotnem obmo~ju, kjer bi bilo mòno uresni~iti na~rtovano prostorsko ureditev – obmo~ju mònih alternativ. Pri celoviti presoji torej ne sodi-mo le o vplivu na »prizadetem« obmo~ju, temve~ tudi o potencialnih vplivih, ki bi bili posledica umestitve posega na drugih delih prostora. Hkrati je mòno opredeliti prostorsko razsènost posega v povezavi z obmo~ji z razli~nimi stopnjami ranljivosti oziroma sprejemljivosti. Prostorska zasnova Mestne ob~ine Ljubljana, ki je obravnavana kot primer, formalno sicer ni bila podvrèna celoviti presoji, na pobudo naro~nika pa je bila, zaradi pomembnosti te vsebine in potreb usklajevanja z za razvoj kmetijstva pristojno slùbo mesta, opravljena tudi presoja vplivov predlaganih {iritev poselitvenih obmo~ij na kmetijstvo oziroma kmetijska zemlji{~a. Izhodi{~e presoje je bila analiza ranljivosti pridelovalnega potenciala kmetijskih zemlji{~. Analiza je bila opravljena s pomo~jo programa ProVal2000. Osnovno vodilo analize je bilo, da mora analiza zajeti ves prostor, znotraj katerega so {e bile mòne alternative umestitve na~rtovanih dejavnosti. Uvo-doma je bila ustvarjena predstava o vseh mònih vplivih, ki jih imajo lahko obravnavane dejavnosti v prostoru. Prostor namre~ ni ranljiv sam po sebi, temve~ je vedno ranljiv na nek poseg ali dejavnost. Klju~ni korak analize je bila jasna konceptualizacija modela, ki je izhajala iz opredelitev v zvezi z okoljem in posegom. Pri konceptualizaciji modela so bili opredeljeni kriteriji ugotavljanja ranljivosti, ki so izhajali iz ugotovitve, do kak{nih dejanskih vplivov bi pri{lo in v kak{nih prostorskih situacijah bi bili vplivi izrazitej{i, ter razmisleka, kako (s ~im) opisati ranljivost v prostoru. Analiza je izhajala iz prostorskih podatkov (osnovnih, izvedenih), ki so bili potrebni oziroma relevantni ter hkrati na voljo oziroma v okvirih racionalnega dela (~asa in denarja) dosegljivi. Ko je bil opravljen nabor podatkov vklju~enih v model ranljivosti, je bil oblikovan t. i. model vrednost-nega opisa podatkov. To pomeni, da je bila ranljivost izraèna z enotami vpliva, z lestvico vrednosti med dvema poloma sprejemljivosti posega. Ugotavljano je bilo, v kak{nem medsebojnem odnosu so posamezne ocene vpliva in prostorski podatki, to pomeni, da je bila vsaki kategoriji posameznega podatka, ki je bil vklju~en v model, pripisana ocena iz predhodno opredeljene lestvice (npr. od 0 – ni vpliva do 5 – nedopusten vpliv) in ta ocena je bila nato posredno vezana na vsako celico. Pri dolo~anju stopnje ranljivosti so bili upo{tevani pogoji, ki so izhajajo iz: • naravnih zna~ilnosti, • dosedanje rabe, • obremenitve okolja, • ogroènosti prostora in • normativov in standardov dopustnih obremenitev okolja. Prekrivanje posameznih podatkovnih slojev oziroma vrednostnih opisov je bilo opravljeno z nepo-srednim prirejanjem ocen. To pomeni, da so bile ocene vplivov prirejene kombinacijam posameznih kategorij podatkov. Ta na~in je za izdelavo modela ranljivosti bolj smiseln, saj temelji na predpostavki, da je pri opredeljevanju bolj ali manj ranljivih obmo~ij klju~na sopojavnost dolo~enih prostorskih prvin. Analiza ranljivosti pridelovalnega potenciala se je izkazala kot u~inkovito orodje presoje, saj je bilo mo~ objektivno ugotoviti stopnjo in obseg vpliva razli~nih ve~jih razvojnih obmo~ij (obkroèna obmo~- ja na sliki 2) na kmetijska zemlji{~a. Analiza ranljivosti pridelovalnega potenciala (slika 2, v sredini) v primerjavi z informacijo o t. i. najbolj{ih kmetijskih zemlji{~ih kot formaliziranem prostorskem podatku (slika 2, spodaj) nudi neprimerno bolj relevantno informacijo o kakovosti kmetijskih zemlji{~. Bistvena prednost analize ranljivosti v primerjavi z uporabo osnovnih prostorskih podatkov je zmònost upo- {tevanja specifi~nosti konkretnega prostorsko na~rtovalnega oziroma presojevalnega problema. Ena klju~nih pomanjkljivosti vrste okoljskih presoj je, da temeljijo zgolj na ugotavljanju dejstva prostorskega posega v posamezno, praviloma formalno varovano obmo~je, ne upo{tevajo pa specifi~nosti na~rtovanega posega in tak{nega obmo~ja, reìma oziroma varovanih vrednot v tak{nem obmo~ju, torej 171 Ale{ Mlakar Slika 1: Zasnova modela ranljivosti. 172 Analiza ranljivosti prostora kot izhodi{~e izvedbe celovite presoje vplivov na okolje Slika 2: Presoja vplivov Prostorske zasnove Mestne ob~ine Ljubljana (Prostorska zasnova … 2002; zgoraj, zasnova namenske rabe prostora) na pridelovalni potencial kmetijskih zemlji{~ (Mlakar in sod. 2001; v sredini, ranljivost pridelovalnega potenciala kmetijskih zemlji{~, temneje – bolj ranljivo) ter primerjava z obmo~ji najbolj{ih kmetijskih zemlji{~ (spodaj). ne ugotavljajo stvarno pri~akovanega vpliva. Vedenje o tipu posega v okviru presoje kompleksnega plana je pomembno, saj dolo~en tip posega (npr. stanovanjsko obmo~je) pomeni uni~enje tal, dolo~en tip posega (npr. rekreacijsko obmo~je) pa lahko le zmanj{anje intenzitete pridelave. Informacija o pridelovalnem potencialu na celotnem obmo~ju ob~ine je lahko dala objektivno oceno o sprejemljivosti vpliva na posameznem obmo~ju. O sprejemljivosti vpliva na posamezni lokaciji namre~ ni mòno soditi, ~e ne vemo, do kak{nih vplivov bi pri{lo v drugih delih prostora. 4 Povezanost z na~inom razmi{ljanja v alternativah Vpra{anje alternativ se navezuje na eno temeljnih predpostavk uspe{nosti okoljevarstvenega delovanja v okviru prostorskega na~rtovanja, namre~, da se varstvene zahteve v presojah vplivov na okolje 173 Ale{ Mlakar Slika 3: Primer prostorske izbolj{ave (izbor okoljsko (najbolj) sprejemljive variante trase avtoceste) in tehnolo{ke oziroma prostorsko ureditvene izbolj{ave (poglobitev trase avtoceste zaradi zmanj{anja obremenitve okoli{ki naselij s hrupom ter zasaditev breìn) (Primerjalna … AC … Vrba–^rnivec 1998). lahko uveljavijo samo preko izbire alternative, ki je za okolje najmanj {kodljiva (Maru{i~ 1993, 70). Pred-lagatelj posega obi~ajno lahko uresni~i cilje na razli~ne na~ine, vsak od teh na~inov pa ima razli~ne vplive na okolje. Ob identi~ni uresni~itvi ciljev je smiselno vedno izbrati tisto alternativo, ki v najmanj{i meri vpliva na okolje. Rezultat analize ranljivosti je prostorizirana informacija o bolj ali manj ob~utljivih delih prostora zaradi izvedbe dolo~enega posega ali dejavnosti. Ugotovitve, pridobljene z analizo ranljivosti, narekujejo dvojno delovanje v postopku prostorskega na~rtovanja, ki se navezuje na dve sicer{nji mòni obliki re{evanja okoljskih problemov (Maru{i~ 1993): 1. Ugotovitve lahko narekujejo prostorske oziroma lokacijske izbolj{ave, spremembe mesta posega oziroma izoblikovanje prostorskih alternativ. To pomeni uveljavljanje varstvenih izhodi{~ z iskanjem za okolje najmanj obremenjujo~ega prostorskega poloàja. 2. ^e se ranljivemu obmo~ju ni mo~ izogniti, pa opozarjajo na potrebo po tehnolo{kih izbolj{avah, spremembah tehnologije ali izoblikovanju tehnolo{kih alternativ oziroma prostorsko ureditvenih (oblikovalskih) izbolj{avah. To pomeni uveljavljanje varstvenih izhodi{~ s pomo~jo za okolje najmanj obremenjujo~e tehnologije obratovanja neke dejavnosti oziroma s pomo~jo izvedbe podrobnej{ih prostorskih ureditev na na~in, da se omilijo negativni vplivi posega na okolje. Okoljevarstveno delovanje v okviru prostorskega na~rtovanje je preve~krat omejeno zgolj na presojanje okoljske sprejemljivosti ponujenih mònosti, brez vedenja, ali obstajajo {e kak{ne druge mònosti. Analiza ranljivosti sluì è iskanju lokacij oziroma alternativ posega. ^e je pri analizi uporabljen rastrski sistem, potem celo vsaka celica, ki pomeni osnovno informacijsko enoto, postane posebne vrste alternativa. Na ta na~in so okoljevarstvene zahteve vklju~ene v poseg è na samem za~etku, saj alternativ, ki posegajo v ranljivej{a obmo~ja ali v obmo~ja nedopustnega vpliva, sploh ne predpostavimo, razen seveda, ~e izkazujejo izredno privla~nost za sam poseg, pri ~emer pristopimo k prikazu varovalnih in razvojnih vidikov v primerjalni {tudiji variant. V okviru same primerjave variant lahko te prostorsko prekrijemo z modelom ranljivosti in variante primerjamo, ugotavljamo, katera od alternativ bi povzro~ila najmanj{e vplive na posamezne okoljsko prostorske sestavine (s pomo~jo delnih modelov ranljivosti) oziroma na celoto (s pomo~jo skupnega modela ranljivosti). Vplive je mòno tudi numeri~no izraziti (z dolìno poteka ali obsegom zasedbe obmo~ij z razli~no stopnjo ranljivosti) in pridobiti objektivnej{o sodbo o sprejemljivosti posamezne primerjane variante. 174 Analiza ranljivosti prostora kot izhodi{~e izvedbe celovite presoje vplivov na okolje 5 Sklep Analiza ranljivosti omogo~a preseganje ravni okoljskih poro~il, izdelanih zgolj na temelju subjektivnih, ekspertnih sodb. Analiza ranljivosti odkriva sprejemljivost posegov v kontekstu varstva okolja in posameznih okoljskih sestavin na {ir{em obravnavanem obmo~ju. S tem je omogo~ena objektivnej{a sodba o sprejemljivosti plana na posameznem obmo~ju ter primerjava stopnje sprejemljivosti posameznega obmo~ja z ostalimi potencialnimi obmo~ji za umestitev dolo~enega posega. Analiza ranljivosti omogo~a preseganje pasivnega okoljevarstvenega delovanja, omejenega zgolj na presojanje ponujenih mònosti. Z vnaprej{njim odkrivanjem bolj ob~utljivih delov prostora sluì è kot optimizacijsko orodje pri ume{~anju posegov in dejavnosti, s ~imer dobiva zahteva Direktive o presoji vplivov glede izvedbe presoje med pripravo plana {e ve~jo operativno vrednost. Cilj okoljske presoje je namre~ izbolj{anje plana in s tem pove~anje njegove okoljske sprejemljivosti. Povsem na mestu bi bilo vpra{anje, ali je lahko analiza ranljivosti, ki pomaga ume{~anju posamezne dejavnosti v prostor, tudi temelj za presojo sprejemljivosti te dejavnosti, oziroma ali je potem taka presoja sploh {e potrebna. Proces prostorskega na~rtovanja ni linearen, re{itve pa ne vedno optimalne v pogledu upo{tevanja vseh okoljevarstvenih izhodi{~, toliko bolj, ~e gre za pripravo kompleksnega plana – prostorskega akta. Prostorsko na~rtovanje je ozna~eno tudi kot usklajevanje interesov. Tudi ~e pri na~rtovanju posameznega posega izhajamo iz analize ranljivosti, se v praksi redko zgodi, da je ta poseg dejansko ume{~en na najmanj ranljivo obmo~je, temve~ je lokacija rezultat usklajevanja razli~nih interesov v prostoru. Presoja sprejemljivosti tega posega s pomo~jo modela ranljivosti torej odkriva, kak{en je odmik sprejemljivosti od idealne situacije, primerjajo~ stopnjo ranljivosti na usklajeni lokaciji ter stopnjo sprejemljivosti na hipoteti~no idealni lokaciji iz okoljskega vidika, kar vse omogo~a ponoven razmislek o kon~nih predlogih in morebitna vra~anja v usklajevanje. 6 Viri in literatura Bina, O. 2001: Strategic environmental assessment of transport coridors. Lessons learned comparing the methods of five Member States. London, European Commission, DG Environment, Environmental Resources Management: 103 str. Directive 2001/42/EC of the European Parliament and of the Council of 27 June 2001 on the assessment of the effects of certain plans and programmes on the environment. Official Journal L 197, 21/07/2001 P. 0030–0037. Hopkins, L. 1977: Methods for generating land suitability maps. A comparative evaluation. Journal of the American Institute of Planners, 43, 4: 386–400. Implementation of Directive 2001/42 on the assessment of the effects of certain plans and programmes on the environment. 2003. Luxembourg, European Commission, Office for Official Publications of the European Communities: 63 str. Maru{i~, J. 1993: Optimizacijski postopki kot sredstvo za vklju~evanje varovalnih presoj v celokupno in z okoljem skladno prostorsko na~rtovanje. Ljubljana, Biotehni{ka fakulteta, Katedra za krajinsko arhitekturo: 86 str. Maru{i~, J. 1994: Strokovne podlage za izdelavo predpisa o podrobnej{i vsebini in metodologiji za izdelavo {tudije za celovito presojo vplivov na okolje. Ljubljana, Biotehni{ka fakulteta, In{titut za krajinsko arhitekturo: 50 str. Maru{i~, J., Mlakar, A. 2004:Vklju~evanje analiz ranljivosti v razli~ne ravni urejanja prostora. Zaklju~no poro~ilo. Raziskovalno-razvojni projekt v okviru ciljnega raziskovalnega programa »Konkuren~nost Slovenije 2001–2006«. Ljubljana, Biotehni{ka fakulteta, Oddelek za krajinsko arhitekturo in LUZ d. d., Ministrstvo za okolje in prostor, Ministrstvo za {olstvo znanost in razvoj: 124 str. 175 Ale{ Mlakar Mlakar, A. 1999: Alternative proposals and landscape protection. Agriculturae conspectus scientificus, 64, 4: 275–285. Mlakar, A., Maru{i~, J. 2000: Ranljivost okolja in vpra{anje prostorske informacijske enote, kot ga je nakazal projekt ONIX-GPOV. Urbani izziv, 11, 1: 96–101 Primerjalna {tudija variant DV 2 × 110 kV Polje – RTP Vi~. 2002. Ljubljana, LUZ d. d., Elektro Ljubljana d. d.: 78 str. Primerjalna {tudija variant za avtocesto na odseku Vrba–^rnivec. 1998. Ljubljana, LUZ d. d., Ministrstvo za okolje in prostor, Urad za prostorski razvoj: 89 str. Prostorska zasnova. Prostorski plan Mestne ob~ine Ljubljana. 2002. Ljubljana, Mestna ob~ina Ljubljana: 132 str. Wood, C. 1995: Environmental impact assessment. A comparative review. Harlow, Longman Scientific & Technical: 337 str. 176 GIS v Sloveniji 2005–2006, 177–187, Ljubljana 2006 GEOGRAFSKI INFORMACIJSKI SISTEM KOT ORODJE ZA DOLO^ANJE PRIORITETNIH OBMO^IJ PRENOVE MEST dr. Breda Miheli~ in Igor Bizjak Urbanisti~ni in{titut Republike Slovenije Trnovski pristan 2, 1000 Ljubljana breda.mihelic@ uirs.si, igor.bizjak@ uirs.si UDK: 711.4:659.2:004 IZVLE^EK Geografski informacijski sistem kot orodje za dolo~anje prioritetnih obmo~ij prenove mest V prispevku je predstavljen model GIS, ki omogo~a ne le zbiranje in analiziranje podatkov ter spremljanje stanja v prostoru, pa~ pa tudi dolo~anje prioritetnih oziroma nujnih obmo~ij prenove. Model temelji na identifikaciji klju~nih kazalcev arhitekturno urbanisti~nega, socio-demografskega, ekonomskega in ekolo{kega stanja v pozidanem mestnem prostoru. Za vsakega od teh kazalcev dolo~a spremenljivke, prvine in na~in vrednotenja. S pomo~jo meril vrednotenja, ki se dolo~ajo v odnosu do povpre~ne vrednosti oziroma veljavnih normativov, ocenjuje relativne vrednosti prostor. Z dodajanjem uteì, ki naj bi jih mesto dodajalo v skladu z razvojnimi strategijami, pa je mogo~e izbrane prostorske enote poljubne velikosti glede na nujnost prenove razvr{~ati v vrednostne kategorije oziroma prioritetne liste. Na koncu je dodan prakti~en preizkus modela na izbranem obmo~ju mestnega sredi{~a Ljubljane in analiza prednosti in slabosti modela. KLJU^NE BESEDE geografski informacijski sistem, urbana prenova, urbanizem, prostorsko planiranje ABSTRACT GIS as a tool for determinig priority areas in town renovation The article presents a GIS model that enables not only collecting and analyzing data as well as monitoring the spatial status but also enables determination of priorities or urgent areas for renovation. The model is based on the identification of key indicators for architectural and urban, socio-demographic, economic and ecological conditions in the built up urban areas. For each of these indicators the variables, sub-variables and criteria for evaluation have been determined. The criteria for evaluation that have been determined in relation to the average value or valid standard enable definition of the relative values of space. By adding weights, chosen by the cities in accordance to their development strategies, it is possible to clas-sify the selected spatial units into categories or priority lists, indicating the need for renewal. In conclusion there is a practical test of the model on a selected area in the urban centre of Ljubljana and the analysis of advantages and weaknesses of the model. KEYWORDS geographical information system, urbanism, regional planning, town planning, urban renovation, town renovation 177 Breda Miheli~, Igor Bizjak 1 Izhodi{~a Evropska zgodovinska mesta se soo~ajo s podobnimi problemi – dezindustrializacijo, suburbaniza-cijo in demografskimi spremembami. Vsi ti procesi imajo za posledico odlo~ilne spremembe v socialno ekonomski, fizi~ni in okoljski strukturi mest in se {e posebej negativno odraàjo v mestnih sredi{~ih: v izgubljanju reziden~ne funkcije, v slab{anju ìvljenskih in bivalnih pogojev, v staranju mestnega prebivalstva in nenazadnje v slabem vzdrèvanju stanovanjskega fonda in zlasti kulturne dedi{~ine. V nasprotju s temi aktualnimi tendencami pa strategija trajnostnega razvoja predvideva, da se bo bodo~i mestni razvoj vedno bolj usmerjal v è pozidan prostor, kvaliteta mest pa se vedno bolj meri tudi po tem, kako upravljajo z grajenim prostorom, s svojo kulturno in naravno dedi{~ino in po tem, kak{en ìvljenski prostor nudijo mestnim prebivalcem. V teh pogojih postaja mestna prenova vedno bolj pomembna naloga. Mesta se vedno bolj zaveda-jo potrebe po prenovi, oìvljanju in reurbanizaciji mestnih sredi{~ ter izbolj{anju kvalitete ìvljenja v njih, pogosto pa {e niso razvila ustreznih in{trumentov, s katerimi bi lahko hitro in ustrezno reagirala na negativne tènje v prostoru in jih teko~e sproti re{evala. V okviru mednarodnega projekta Reurban Mobil: Mobilising Reurbanisation on Condition of Demographic Change (medmrèje 5), ki je potekal v 5. okvirnem programu EU v letih med 2002 in 2005, je Urbanisti~ni in{titut RS razvil ra~unalni{ko podprt model za analizo mestnega prostora, ki bi omogo- ~il mestom sprotno evidentiranje stanja v prostoru ter hitro reagiranje na negativne procese, sprotno preverjanje nujnosti prenove in oblikovanje in{trumentov in politik zanjo. Geografski informacijski sistem (GIS) je v prostorskem planiranju è dobro uveljavljeno orodje za zbiranje, spremljanje, analiziranje, modeliranje in procesiranje razli~nih podatkov, vendar pa mònosti njegove uporabe za analizo in vrednotenje potencialnih obmo~ij prenove doslej niso bile zadosti raziskane in tudi ne ustrezno preizku{ene (Brown in Perrott 2004, medmrèje 6). Na{ namen je bil torej pokazati in preveriti, kako lahko geografski informacijski sistem uporabimo v na~rtovanju prenove mestnih obmo~ij. 2 Metodologija Predlagani model GIS vklju~uje kazalce (medmrèje 2, 5, 7), ki pokrivajo vse klju~ne vidike mestnega razvoja. Zasnovan je kot odprt sistem, ki ga je mogo~e uporabiti za vrednotenje prostora na razli~nih ravneh, na ravni mesta, mestnega sredi{~a, ~etrti ali stavbnega bloka in sicer tako, da omogo~a uporabnikom samostojno odlo~ati, kateri in koliko kazalcev je klju~nih za posamezno situacijo in izbrati merila vrednotenja, ki najbolj ustrezajo ciljem in ravni analize. Arhitektura in urbana struktura Sociologija in orji demografija Prvine vrednotenja Vrednosti Prednostne kategorije Indikat Ekonomija in pravo Ekologija Merila vrednotenja Tip prenove Slika 1: Metodologija za dolo~anje prednostnih obmo~ij. 178 Geografski informacijski sistem kot orodje za dolo~anje prioritetnih obmo~ij prenove mest Priprava modela GIS je obsegala naslednje korake: • identificiranje klju~nih kazalcev in priprava podatkovne baze, • izdelava metodologije za analizo, vrednotenje in izbor prioritetnih obmo~ij prenove • testiranje metodologije na izbranem obmo~ju mestnega sredi{~a Ljubljane. 2.1 Identifikacija klju~nih kazalcev in zasnova podatkovne baze Projekt Reurban je bil è v izhodi{~u zasnovan interdisciplinarno. @e v prvi fazi so vse {tiri disci-pline (arhitektura in urbanizem, sociologija in demografija, pravo in ekonomija ter ekologija) pripravile nabor klju~nih indikatorjev za prenovo in ta je bil osnova za pripravo zasnove podatkovne baze. Podatki so bili pripravljeni kot karte, kot tabele, kot teksti ali kot slike. Testni model je bil izdelan za analizo fizi~ne strukture izbranih obmo~ij. V zasnovi GIS smo kot klju~ne kazalce fizi~nega stanja v prostoru dolo~ili: kvaliteto urbanega prostora, kvaliteto arhitekture in kvaliteto stanovanj. Za vsakega od njih smo dolo~ili glavne spremenljivke, prvine vrednotenja in na~in vrednotenja. V besedilu uporabljamo naslednje slovenske izraze, ki ustrezajo uveljavljenim angle{kih izrazom: s terminom kazalci poimenujemo indikatorje, s terminom spremenljivke glavne variable, ki dolo~ajo kazalce in s terminom prvine vrednotenja poimenujemo sub-variable, s katerimi merimo spremenljivke. Preglednica 1: Klju~ni kazalci. Kazalci Spremenljivke Prvine vrednotenja Na~in vrednotenja Urbani prostor Gostota pozidave Povr{ina Razmerje Pozidan prostor Urbani standard Kultura Kapaciteta + (opremljenost) Vzgoja dostopnost Oskrba Zdravstvo Parkirna mesta Javni transport Kulturno zgodovinska vrednost Za{~itena obmo~ja Povr{ina + kategorija Za{~iteni objekti [tevilo + kategorija Arhitektura Stopnja izkori{~enosti zemlji{~a/FSI Velikost parcele Razmerje Pozidana povr{ina [tevilo nadstropij Gradbeno tehni~no stanje Starost Razmerje Ohranjenost Spomeni{ka vrednost Kategorija Stanovanja Tip stavbe po {tevilu stanovanj [tevilo stanovanj/nadstropje Razmerje Zasedenost stanovanj Velikost stanovanja Razmerje [tevilo stanovalcev Standard stanovanj Minimalni Razmerje Normalni Visok Uporaba stanovanj Stanovanjska Razmerje Poslovna Prazna 179 Breda Miheli~, Igor Bizjak Struktura Geografskega informacijskega sistema Tabele OB^INA Meja ob~ine Meja pozidave Slike Na~rti Teksti Tabele MESTO (merilo 1 : 25.000) Meja pozidave Meja mestnega centra Obmo~ja urejanja Slike Statisti~na obmo~ja Na~rti Namenska raba prostora Teksti Obmo~ja varstva kulturne ded. Obmo~ja varstva naravne ded. Tabele MESTNI CENTER (merilo 1 : 10.000) Meja mestnega centra Meja testnih obmo~ij Slike Opremljenost Na~rti Teksti Tabele TESTNO OBMO^JE (merilo kataster) Meja testnega obmo~ja Starost objektov Slike Velikost objektov Na~rti Funkcija objektov Teksti Gradbeno-tehni~no stanje objektov Spomeni{ko varstvena vrednost Slika 2: Zgradba GIS-nivoji analize. 180 Geografski informacijski sistem kot orodje za dolo~anje prioritetnih obmo~ij prenove mest Indikatorji za reurbanizacijo Fizi~na struktura Urbanizem Gostota pozidave Celotna povr{ina (m2) Pozidano (m ) 2 Za{~itena obmo~ja Za{~iteno podro~je Za{~iteni objekti Opremljenost Kultura [olstvo Trgovine Zdravstvo Zelene povr{ine Parkiri{~a Javni prevoz Arhitektura Indeks izrabe tal (FSI) Velikost parcele Velikost tlorisa [t. nadstropij Kulturni pomen Republi{ki spomenik Ob~inski spomenik Lokalni spomenik Pomen v prostoru Za mesto Za testno obmo~je Gradbeno-tehni~no stanje Starost objekta Stopnja ohranjenosti Stanovanja [t. stanovanj/nadstropje [tevilo stanovanj [tevilo nadstropij Zasedenost Velikost stanovanj [tevilo stanovalcev Stanovanjski standard Vodovod Kanalizacija Centralno gretje TV, telefon Parkirni prostori Dvigalo Uporaba % stanovanje % poslovno % prazno Socialno demografska [tevilo prebivalcev struktura Starostna struktura Indeks staranja Ekonomska struktura Upokojenci Aktivno prebivalstvo Brezposelni Ekolo{ke razmere Zelene povr{ine Kvaliteta vode Zvo~no onesnaènje Onesnaènje zraka Slika 3: Kazalci stanja v prostoru. 181 Breda Miheli~, Igor Bizjak Kvaliteto urbane strukture smo vrednotili z naslednjimi spremenljivkami: gostota zazidave, urbani standard in kulturna vrednost obmo~ja. Gostota zazidave je razmerje med celotno povr{ino in zazidano povr{ino, ki kaè na kompaktnost mesta in je hkrati tudi pokazatelj intenzivnosti socialnega ìvljenja. Gostota pozidave v mestnih sredi{~ih je bolj ali manj zgodovinsko pogojena, vendar pogosto ne ustreza ve~ dana{njim merilom kvalitete ìvljenja, zato se nekatera mesta odlo~ajo za zmanj{evanje gostote pozidave v mestnih jedrih z urejanjem novih odprtih povr{in, trgov ali parkov (npr. Leipzig, Marseille, Aix en Provence). Po drugi strani pa nehumano merilo nekaterih povojnih stanovanjskih sosesk oziroma mestnih obmo~ij, zgrajenih v skladu z doktrino CIAM zahteva tudi zgo{~evanje zazidave z namenom doseganje vi{je kvalitete mestnega prostora. Skratka prevelika ali pa tudi premajhna gostota zazidave zniùjeta kvaliteto bivanja v mestnem sredi{~u in pove~ujeta potrebo po fizi~ni prenovi. Urbani standard merimo z dobro opremljenostjo obmo~ja s klju~nimi javnimi servisi (vrtci, {ole, zdravstveni domovi, trgovina), njihovo kapaciteto glede na {tevilo prebivalcev ter dostopnostjo do njih. Slaba opremljenost in slaba dostopnost do javnih slùb zniùjeta vrednost obmo~ja in posledi~no pove- ~ujeta potrebo po fizi~ni in ekonomski prenovi. Kulturno zgodovinska vrednost obmo~ja predstavlja obseg za{~itenih obmo~ij kulturne dedi{~i-ne, {tevilo za{~itenih spomenikov in stopnja njihove za{~ite (nacionalni spomeniki, lokalni spomeniki, registrirana dedi{~ina). Ve~ja koncentracija kulturnih spomenikov in dedi{~ine dviguje kvaliteto obmo~ij, slabo vzdrèvanje dedi{~ine pove~uje potrebo prenovi. Kvaliteta arhitekture zavisi od stopnje izkori{~enosti zemlji{~, kulturno zgodovinske vrednosti in gradbeno tehni~nega stanja. Stopnja izkori{~enosti zemlji{~a (FSI) je razmerje med velikostjo parcele, zazidanostjo parcele in {tevilom nadstropij. Maksimalna stopnja zazidanosti zemlji{~a zavisi od lege v mestnem prostoru in je dolo~ena z urbanisti~nim dokumentom. Kljub temu pa izbolj{anje fizi~ne kvalitete urbanega prostora zahteva pogosto tudi korekture v stopnji izkori{~enosti zemlji{~a s posegi v fizi~ni prostor oziroma socialnimi instrumenti. Gradbeni tehni~no stanje: Gradbeno tehni~no stanje smo vrednotili na osnovi starosti in ohranjenosti in ga ocenjujemo s tremi vrednostmi: novo ali pred kratkim prenovljeno, dobro in slabo, ocena pa je rezultat terenskega ogleda. Kvaliteta stanovanja je odvisna od tipa stanovanjske stavbe, standarda stanovanja, zasedenosti in uporabe. Tip stanovanjske stavbe: Vrednost stanovanja se meri glede na tip stanovanjske stavbe in {tevilo stanovanj v nadstropju. Ve~jo kvaliteto imajo stanovanja v vilah ali manj{ih blokih in z manj{im {tevilom stanovanj v nadstropju majhno. Zasedenost: Zasedenost stanovanj je razmerje med velikostjo stanovanja in {tevilom stanovalcev. Medtem ko je nizka stopnja zasedenosti stanovanja na~eloma merilo kakovosti, pa je v mestnih sredi{~ih to lahko znak demografskih problemov. Za zgodovinska mestna sredi{~a, ki smo jih analizirali v projektu Reurban izjemno nizka stopnja zasedenosti stanovanj ni merilo kvalitete pa~ pa odraz demografskih sprememb, predvsem staranja prebivalstva, nara{~anja {tevila majhnih in eno~lanskih gospodinjstev in ve~anja {tevila enostar{evskih druìn. Obmo~ja, kjer prevladujejo slabo zasedena ali prazna stanovanja, torej zahtevajo prenovo strukture stanovanj. Stanovanjski standard: Merila stanovanjskega standarda so komunalna opremljenost, opremljenost z dvigalom, parkiri{~i, skupnimi prostori itd., vendar za obmo~ja prenove niso posebej dolo~ena. Pravilnik o minimalnih tehni~nih pogojih za graditev stanovanjskih stavb in stanovanj, UL RS 45/2000 in 12/2002 pri nas sicer dolo~a neke minimalne standarde, vendar ti veljajo predvsem za nova stanovanja, medtem ko za prenovo starej{ih niso definirana, vendar pravilnik dopu{~a mònost, da se mestnih sredi{~ih minimalne zahteve prilagodijo obstoje~im mònostim. Merila za dolo~anje stanovanjskega standarda so razli~na od dràve do dràve, vendar na splo{no velja kot minimalni standard opremljenost z vodovodom, kanalizacijo in centralno kurjavo. Splo{ne defini-182 Geografski informacijski sistem kot orodje za dolo~anje prioritetnih obmo~ij prenove mest cije nadstandardnih stanovanj nimamo, zato smo v testnem modelu kot nadstandardna stanovanja definirali tista, ki so maksimalno komunalno opremljena in imajo poleg tega tudi dvigalo in parkirno mesto. Uporaba stanovanj: Eden najbolj pere~ih problemov mestnih sredi{~ je izgubljanje reziden~ne funkcije mestnih sredi{~, selitev prebivalstva na periferijo in spreminjanje izvorne namembnosti stanovanj v poslovne prostorov. Te spremembe vrednotimo na podlagi razmerja med celotnim {tevilom stanovanj in {tevilom tistih, ki se uporabljajo za druge namene. Ohranjenosti reziden~ne funkcije mestnih ~etrti je pokazatelj kvalitete mesta. 2.2 Dolo~itev meril za vrednotenje in vrednostnih kategorij ter dodajanje utè Dolo~itev meril je ena tèjih nalog, ker nimamo sprejetih normativov, ki bi predstavljali referen~- ne vrednosti. Ljubljana, pa tudi druga mesta, ki so sodelovala v projektu Reurban, nimajo ustreznih normativov za gostoto pozidave v mestnih sredi{~ih, nimajo jasne definicije, kaj je socialno stanovanje, kaj je minimalni standard stanovanj in kak{no je nadstandardno stanovanje, nimajo sprejetih standardov glede dobre dostopnosti, ustrezne kapacitete javnih servisov na osebo ali povr{ine zelenih povr{in na prebivalca itd. Zaradi tega smo v na{em primeru normative dolo~ili na osnovi razmerja do povpre~nih vrednosti, ki veljajo za posamezno mesto kot celoto. V kolikor je vrednost v izbranem obmo~- ju vi{ja od normativa, smo jo ocenili z +1, v kolikor je enaka normativu, smo jo ocenili z 0 in v kolikor je vrednost nìja od normativa, smo jo ocenili z –1. Slika 4: Merila vrednotenja. Na ta na~in smo dobili relativne vrednosti glavnih spremenljivk. Ker pa vse spremenljivke niso enako relevantne za prenovo, je treba relativnim vrednostim dodati razli~ne uteì, s katerimi se ovrednoti njihov pomen za prenovo; npr. ko vrednotimo zgodovinska mesta z visoko kvalitetno kulturno dedi{- ~ino, je treba ve~jo teò dati kulturno zgodovinski vrednosti obmo~ja vrednotenja, ~e pa gre za socialno degradirano obmo~je, so pomembnej{i socialni faktorji. V na~elu naj bi te uteì dolo~ala mesta sama v skladu z njihovimi razvojnimi strategijami. Z upo{tevanjem relativnih vrednosti spremenljivk in uteì, ki smo jih dodali, smo dobili absolutne vrednosti spremenljivk, se{tevek teh vrednosti pa je dal vrednost kazalca. Na osnovi ocenjenih vrednosti smo kazalce razdelili v 3 kategorije od 1–3, na podlagi teh kategorij pa smo dolo~ili nujnost prenove posameznega obmo~ja. V kategorijo 3 smo uvrstili obmo~ja, ki izkazujejo najve~jo potrebo po prenovi, v kategorijo 1 pa obmo~ja, ki izkazujejo najmanj{o potrebo po prenovi. Vrsto prenove smo dolo~ili na podlagi ocene posameznega indikatorja. V kolikor je imel najslab{o vrednost indikator stanovanjske prenove, smo torej predlagali kot prioritetno prenovo stanovanjskega fonda, v kolikor je bila najslab- {e ovrednotena kvaliteta urbane strukture, se mora prenova prvenstveno osredoto~iti na izbolj{anje le te. 183 Breda Miheli~, Igor Bizjak Preglednica 2: Primer uteì. Kazalci Glavne spremenljivke Uteì Kvaliteta urbanega prostora Gostota zazidave 20 % Urbanisti~ni standard 40 % Kulturno zgodovinska vrednot 40 % Kvaliteta arhitekture Stopnja izkori{~enosti zemlji{~a 20 % Spomeni{ka vrednost 40 % Gradbeno tehni~no stanje 40 % Kvaliteta stanovanj Stavbni tip po {tevilu stanovanj 25 % Zasedenost stanovanj 10 % Stanovanjski standard 50 % Uporaba 15 % Ra~unalni{ka metoda za vrednotenje in dolo~anje prioritetnih obmo~ij prenove je zasnovana tako, da lahko mesta na osnovi prioritet, ki jih dolo~ijo, vrednotijo obmo~ja z vsemi indikatorji ali pa samo tistimi, ki so pomembna za posamezna obmo~ja oziroma probleme. Pomembno pa je, da zbirajo vse tiste podatke, ki so pomembni za vrednotenje razli~nih problemov in na razli~nih ravneh; za vrednotenje velikih obmo- ~ij, kot so npr. mestne ~etrti ali celo mestna naselja, morajo upo{tevati vse kazalce, medtem ko za manj{a obmo~ja, kot so npr. kareji, ki so po na{em mnenju najprimernej{e enote za na~rtovanje in izvajanje prenove, vsi kazalci ne prispevajo k bolj objektivni oceni stanja in jih je pri vrednotenju mogo~e izpustiti. 3 Izdelava GIS-aplikacije in preizkus metode 3.1 Izdelava GIS-aplikacije Pogoj za izdelavo GIS-aplikacije je bil, da mora aplikacija omogo~ati dostop do baze podatkov in izdelavo èlenih analiz z zbranimi podatki na ~im làji mòni na~in. Logi~na izbira je bila uporaba aplikacije preko spletnega vmesnika. Na tak na~in lahko vsi uporabniki, ki imajo dostop do svetovnega spleta, aplikacijo uporabljajo. Programska oprema, ki smo jo v ta namen uporabili je MapServer (medmrèje 3), MS Access baza podatkov in rutine izdelane v ActivServerPage okolju. MapServer je razvojno okolje za izdelavo GIS aplikacij narejeno po OpenSource (medmrèje 4) standardih. OpenSource pomeni, da lahko program in njegovo kodo vsakdo prosto uporablja, jo dopolnjuje in izbolj{uje. MapServer so razvili na oddelku za naravne vire (Department of Natural Resources) na Univerzi Minnesota v sodelovanju z NASA. Njegova prednost je v tem, da deluje tako na spletnih strè- nikih v MS Windows okolju kot tudi na strènikih v Linux okolju. MapServer ni popoln GIS sistem, saj mu manjka veliko funkcij, ki jih imajo pravi GIS sistemi. Dopu{~a pa mònost, da mu s pomo~jo raznih skriptov kot so PHP, Java Script in Activ Server Pages (ASP) dodamo manjkajo~e funkcije in ga pribliàmo dani nalogi. MapServer zna prikazovati ESRI shape datoteke, geokodirane tiff, jpg in png datoteke in je tako idealen za izdelavo geografsko orientiranih spletnih aplikacij, saj je pri nas velika ve~ina prostorskih podatkov na voljo prav v teh formatih. Tako odpade zamudno pretvarjanje iz formata v format, ki velikokrat vklju~uje tudi uporabo drage programske opreme, potrebne za taka pretvarjanja. Za potrebe aplikacije smo morali poleg uporabe MapServerja, izdelati {e nekaj dodatnih programskih rutin za vnos uteì in prera~unavanje podatkov na podlagi vnesenih uteì. Te smo izdelali s pomo~jo ASP in MS Accessove baze podatkov. 184 Geografski informacijski sistem kot orodje za dolo~anje prioritetnih obmo~ij prenove mest Slika 5: Spletni vmesnik. Slika 6: Vnos uteì preko spletnega vmesnika. 3.2 Preizkus metode na izbranem obmo~ju Model smo preizkusili na izbranem obmo~ju mesta Ljubljane, na obmo~ju Miklo{i~ev park. Izbrano obmo~je obsega prostor med Ljubljanico na jugu in èlezni{ko postajo na severu, Slovensko na zahodu in Resljevo na vzhodu, torej obmo~je secesijske Ljubljane, ki razpolaga s kvalitetno kulturno dedi{~i-no, obenem pa so zanj zna~ilni staranje prebivalstva, nara{~anje {tevila upokojencev, praznjenje stanovanj, izjemno nizka stopnja zasedenosti stanovanj, upadanje urbanega standarda, prometni problemi, slabo vzdrèvanje stavbnega fonda, nizek stanovanjski standard itd. Metodo smo testirali tako, da smo kot enoto obravnave izbrali kare med {tirimi ulicami, vsakega posebej analizirali, dolo~ili prvine vrednotenja in merila, nato smo jih ovrednotili in kategorizirali ter na osnovi tega dolo~ili, kateri od njih izkazuje najve~jo potrebo po prenovi. Slika 7: Sociodemografska analiza – kategorije Slika 8: Arhitektonsko urbanisti~na analiza – prednostnih obmo~ij prenove. kategorije prednostnih obmo~ij prenove. 185 Breda Miheli~, Igor Bizjak Slika 9: Zdruèni analizi sociodemgrafske in arhitektonsko urbanisti~neamalize prednostnih obmo~ij. 4 Sklep 4.1 Prednosti modela GIS Testiranje modela na izbranem obmo~ju mestnega sredi{~a Ljubljane je pokazalo, da metoda ustreza zastavljenim ciljem in da jo je mogo~e uspe{no implementirati v praksi, seveda pod pogojem, da obstaja ustrezna podatkovna baza. @e sedaj je mogo~e model uporabiti v tistih {tudijskih obmo~jih, ki so administrativne in statisti~ne enote, za katere mesta è sistemati~no in v kraj{ih ~asovnih intervalih zbirajo in spremljajo podatke (npr. {tudijski obmo~ji v Leipzigu in Bologni). To dokazuje, da metoda dosega cilje, ki smo jih zastavili v za~etku projekta. 4.2 Slabosti modela GIS: Testiranje modela na izbranem primeru Ljubljane pa je pokazalo na problem pomanjkljivih podatkov, ki onemogo~ajo izdelavo ustrezne podatkovne baze, potrebne za izvedbo modela. Mesto Ljubljana namre~ podatkov, ki so relevantni za prenovo, ne zbira in ne spremlja sistemati~no v kraj{ih ~asovnih intervalih, nima direktnega dostopa do obstoje~ih baz podatkov z razli~nih sektorjev, statisti~ni podatki, ki smo jih lahko pridobili za na{o raziskavo, pa so za manj{a obmo~ja slabo uporabni, ker se meje statisti~nih okoli{ev ne ujemajo s prostorskimi, poleg tega pa se tudi spreminjajo in je na njihovi osnovi nemogo~e ugotavljati tènje v prostoru. Drug problem je povezan z neobstoje~imi urbanisti~nimi standardi za obmo~ja prenove in je bolj ali manj zna~ilen tudi za druga mesta, ki so sodelovala v projektu. Brez referen~nih vrednoti je namre~ tèko objektivno vrednotiti obstoje~e stanje v prostoru. 4.3 Priporo~ila Za spremljanje stanja v prostoru, zlasti za potrebe prenove bi moralo mesto nujno razviti centralni informacijski sistem, povezan z zunanjimi podatkovnimi bazami razli~nih sektorjev (elektro, 186 Geografski informacijski sistem kot orodje za dolo~anje prioritetnih obmo~ij prenove mest vodovod, plinarna, dav~ni urad …), v katerem bi zbiralo in posodabljalo podatke na ravni posameznih objektov in jih tudi posredovalo na~rtovalcem in izvajalcem prenove. Le s tako dobro razvejano in sproti posodobljeno informacijsko mreò bo lahko uspe{no izvajalo prostorsko politiko in se hitro odzivalo na probleme, ki se pojavljajo. Poleg tega pa bi moralo mesto ~imprej pristopiti k izdelavi minimalnih urbanisti~nih standardov za obmo~je mestnega sredi{~a in njegovo prenovo ter dolo~iti minimalne standarde za adaptacijo starih stanovanj kot cilj, na katerega bi moralo dolgoro~no naravnati tudi svojo prostorsko in stanovanjsko politiko. 5 Viri in literatura A. R. Brown, K. J. Perrott 2004: Using GIS to evaluate Urban Renewal Strategies for the city of Chicago. Medmrèje 1: http://www.uoguelph.ca/geography/research/geog4480_w2004/Group08/index.html (11. 10. 2005). Core Data Index to Historic Buildings and Monuments of the Architectural Heritage 1995: Recom-mendation R (95) 3 of the Committee of Ministers of the Council of Europe to member states on co-ordinating documentation methods and systems related to historic buildings and monuments of the architectural heritage. Medmrèje 2: http://icom.museum/objectid/heritage/intro3.html Malczewski J. 1999: GIS and Multicriteria Decision Analysis. Medmrèje 3: http://mapserver.gis.umn.edu/ Medmrèje 4: http://www.opensource.org/ MOL 2002: Trajnostni razvoj MOL: Strategija, Ljubljana. Prenova mestnih sredi{~: metodologija za usmerjanje prenove in dolgoro~ni razvoj mestnih sredi{~ v slovenskih mestih, CRP Konkuren~nost Slovenije, UI RS 2002. Prenova sredi{~a Ljubljane, metodologija za izdelavo projekta prenove karakteristi~nih obmo~ij in preizkus metodologije na pilotnem projektu prenove Miklo{i~evega parka, (fin. MOL, Oddelek za kulturo in raziskovalno dejavnost), UI RS 2005. Re Urban Mobil: Mobilising Reurbanisation on Condition of Demographic Change (final report), Stadt Leipzig 2005 Medmrèje 5: www.reurban.com/outcomes/WP2 (1. 10. 2005) Rui L. 2003: Urban renewal at neighbouhood level: a case study of Hangjiadun neighborhood in Wuhan city. Medmrèje 6: http://www.itc.nl/library/Papers_2003/msc/upla/li_rui.pdf (11. 10. 2005). UN Istambul +5: A guide for istambul. Medmrèje 7: http://hq.unhabitat.org/cdrom/governance/ html/yellop23.htm (11. 10. 2005). 187 188 GIS v Sloveniji 2005–2006, 189–198, Ljubljana 2006 UPORABA GEOGRAFSKIH INFORMACIJSKIH SISTEMOV PRI SPREMLJANJU IN VREDNOTENJU INVESTICIJ S PODRO^JA REGIONALNEGA RAZVOJA NA PRIMERU SPODBUJANJA RAZVOJA TURISTI^NIH DESTINACIJ Janez Nared Geografski in{titut Antona Melika ZRC SAZU Gosposka ulica 13, 1000 Ljubljana janez.nared@ zrc-sazu.si UDK: 711:659.2:004(497.4) IZVLE^EK Uporaba geografskih informacijskih sistemov pri spremljanju in vrednotenju investicij s podro~ja regionalnega razvoja na primeru spodbujanja razvoja turisti~nih destinacij Geografski informacijski sistemi so pomembno orodje pri spremljanju in vrednotenju regionalne politike, saj omogo~ajo zbiranje, analizo, uporabo in prostorski prikaz prostorsko referenciranih podatkov in informacij. Omogo~ajo celovit pregled nad razvojnimi procesi, vendar so ve~krat tehni~no zapleteni in dragi. Teàvno je predvsem zbiranje ustreznih podatkov s podro~ja posameznih teritorialnih enot (na primer ob~in) in o projektih, ki se na teh obmo~jih izvajajo. V tej lu~i je izrednega pomena dobro zastavljen sistem spremljanja razvojnih aktivnosti ter poenoten na~in poro~anja centralni instituciji, ki spremljanje in vrednotenje izvaja. V prispevku èlimo prikazati uporabnost geografskih informacijskih sistemov na primeru vrednotenja prostorskih u~inkov izbranih razvojnih projektov v Sloveniji. KLJU^NE BESEDE geografski informacijski sistem, regionalna politika, spremljanje regionalne politike, vrednotenje regionalne politike, ekonomska geografija, turizem ABSTRACT Geographical information systems as a tool in monitoring and evaluation of regional policy: the case of investments in tourist destinations Geographical information systems are an important tool in the regional policy monitoring and evaluation. They enable collection, analysis, usage and visualisation of the spatially referenced data. In this manner they are a holistic tools, which offer a continuous examination of development processes. But there are also some restrictions. Due to extensive data collection they are expensive and complicated. In order to make them useful, many data sources have to be activated (statistical data, monitoring data, etc.). Most of the desired data are based on continuous monitoring, where comparable reports have to be assured. For this reason the usage of geographic information systems is presented in order to find new approaches in regional development policy monitoring and evaluation. KEYWORDS geographical information systems, regional policy, monitoring, evaluation, economic geography, tourism 189 Janez Nared 1 Uvod Ker se u~inki javnih politik ne preverjajo na trgu, je treba njihovo izvajanje neprestano spremljati in vrednotiti, saj lahko le tako zagotovimo njihovo ~im ve~jo prilagojenost zaznanim potrebam in postavljenim ciljem. Zato morata biti spremljanje in vrednotenje obvezni sestavini vsakega programskega cikla. Ta mora izhajati iz problemov podro~ja ali obmo~ja, nakar se opredeli cilje programa ter sredstva, strategijo in ukrepe, s katerimi te cilje lahko doseèmo. Oblikovani program je treba pred izvajanjem preveriti ter ugotoviti, ali njegovi cilji odraàjo realno stanje obmo~ja ali podro~ja in ~e vodijo v re{evanje ugotovljenih problemov. Ob za~etku izvajanja je treba za~eti tudi s spremljanjem izvajanja, kjer ugotavljamo potek aktivnosti in morebitne odklone od zastavljenih strategij in ciljev. Spremljanje mora zagotavljati dovolj informacij za kasnej{a vrednotenja, bodisi med izvajanjem projekta ali programa, kjer lahko izvajal-cu aktivnosti damo dodatne predloge oziroma pripravimo popravke opredeljenih strategij, bodisi ob koncu izvedenih aktivnosti, ko ocenimo njihov uspeh v smislu finan~ne u~inkovitosti in v smislu dose-ganja zastavljenih ciljev. Med javne politike moramo {teti tudi regionalno politiko. Ta zdruùje razli~ne ukrepe, ki se prepletajo s {tevilnimi sektorskimi politikami, s ~imer predstavlja njihov vezni ~len, {e pomembnej{o vlogo pa igra pri prerazporejanju sredstev oziroma pri podpiranju obmo~ij, ki v razvoju zaostajajo. Ker je razvitost regije rezultat {tevilnih politik, mora regionalna politika skrbeti za ~im ve~jo mero usklajenosti med njimi. Zato je treba pripraviti jasne razvojne programe, ki bodo temeljili na potrebah manj razvitih obmo~ij in ki bodo povezovali cilje razli~nih politik, saj se le na ta na~in lahko zagotovi siner-gijske u~inke, ki nastanejo na podlagi usklajenega izvajanja aktivnosti na nekem obmo~ju. Ker je regionalna politika vezana na prostor, smo pri njenem izvajanju mo~no odvisni od prostorskih podatkov. Te lahko pridobimo iz pristojnih uradov, {e ve~krat pa se je treba opreti na spremljanje izvajanih aktivnosti, saj so le-te prostorsko zelo omejene in specifi~ne. Zaradi specifi~nosti izvajanih aktivnosti so podatki tèje dosegljivi, teàvna pa je tudi primerjava med posameznimi projekti. Zato bomo sku{ali v prispevku opozoriti na klju~ne probleme, s katerimi se soo~amo pri uporabi geografskih informacijskih sistemov pri spremljanju in vrednotenju regionalne politike v Sloveniji. Pri tem se bomo omejili na projekte, ki se financirajo na podlagi Enotnega programskega dokumenta 2004–2006 (2003) (EPD) in ki se nana{ajo na spodbujanje razvoja turisti~nih destinacij v letu 2004. 2 Podatki … spremljanje … vrednotenje Klju~ni problem vrednotenja je pridobivanje ustreznih podatkov. To je posledica ve~ razli~nih vzrokov (primerjaj: Indicators 2000, 11–12): 1. Podatki niso dostopni na èleni teritorialni ravni. Projekti s podro~ja regionalne politike so zelo razli~ni, saj re{ujejo razli~ne probleme, ki tarejo dolo~eno regijo. Tako lahko posamezna aktivnost zadeva celotno regijo, lahko le njen del, ve~krat pa u~inki posamezne aktivnosti mejo regije tudi presegajo. Poleg tega lahko program opredeli obmo~ja, ki niso v skladu z obmo~ji, za katera zbira podatke uradna statistika. Kot primer lahko navedemo priklju~itev ob~ine Ilirska Bistrica, ki spada v Notranjsko-kra{ko statisti~no regijo, pri pripravi regionalnega razvojnega programa k Obalno-kra{ki regiji. Drugi problem, ki zadeva dostopnost podatkov na èleni teritorialni ravni, je njihova zaupnost. Slednje je posledica dejstva, da se {tevilne aktivnosti odvijajo na zelo omejenem obmo~ju, kjer lahko pride do tako majhnih vrednosti posameznih kazalnikov, da jih uradna statistika zaradi upo- {tevanja zaupnosti osebnih podatkov zakrije. Teàva je tudi to, da se za manj{e teritorialne enote zbira veliko manj razli~nih podatkov. 2. Zamik pri objavi uradnih statisti~nih podatkov. Pomembno je, da pri vrednotenju razpolagamo z aùrnimi podatki, saj lahko le tako zaznamo spremembe, do katerih pride zaradi izvajanja aktiv-190 Uporaba geografskih informacijskih sistemov pri spremljanju in vrednotenju investicij … nosti. Prav tako moramo razpolagati z dovolj kakovostnimi podatki, ~e èlimo vrednotiti uspeh aktivnosti med izvajanjem, kot tudi po njihovem zaklju~ku. Vendar je to v {tevilnih primerih nemogo~e, saj so uradni statisti~ni podatki objavljeni z zamikom. Uporabnost podatkov je odvisna tudi od inter-vala med posameznimi merjenji. Tako lahko spremljamo dolo~ene kazalnike v mese~nih intervalih, medtem ko so popisni podatki le vsakih deset let. Zaradi tega so slednji neprimerni za vrednotenje regionalne politike, saj je interval dalj{i od enega programskega cikla. 3. Pomanjkljivosti posameznih informacij uradne statistike glede na potrebe specifi~nega programa. Kot smo è omenili, so ukrepi regionalne politike razli~ni in zajemajo zelo veliko razli~nih skupin delènikov. Ti so lahko posamezna podjetja, posamezniki, specifi~ne prebivalstvene skupine … Uradna statistika pri tem ponavadi meri le celotne skupine prebivalstva, ne pa le izbranih delènikov. Zato lahko ve~ino statisti~nih podatkov uporabimo le za prikaz okvirnih razmer, veliko tèje pa na njih prikazujemo u~inke izvedenih aktivnosti. Velik problem je tudi è prej omenjeno pomanjkanje statisti~nih podatkov na èleni teritorialni ravni. 4. Nedosegljivost raz~lenjenega podatka po posameznih panogah/podskupinah. [tevilni podatki se zbirajo le za celotne skupine prebivalstva in za vse gospodarske panoge skupaj, le redko pa lahko dobimo podatke, ki bi bili raz~lenjeni na posamezne podskupine ali panoge. Tako lahko za neko obmo~je obstajajo na primer podatki o dodani vrednosti na zaposlenega, veliko tèje, ~e sploh, pa dobimo podatke o dodani vrednosti na zaposlenega v dolo~eni panogi. ^e s pomo~jo regionalne politike podpiramo ukrepe le ene panoge, bi bili tovrstni podatki zelo èleni. Zaradi navedenih razlogov je treba ob izvajanju vse aktivnosti spremljati in tako zagotavljati dovolj kakovostnih podatkov, s katerimi bi regionalno politiko oziroma njene ukrepe lahko vrednotili. Spremljanje posamezne aktivnosti je treba izvajati od njenega za~etka do njenega konca, v èlji po prou~itvi vseh u~inkov in vplivov pa tudi {e dolo~eno obdobje po koncu aktivnosti. Stalno spremljanje je potrebno zato, da zaznamo u~inke projekta oziroma programa, kakor hitro ti nastanejo. Namen spremljanja je tako zbiranje kakovostnih ustreznih podatkov in informacij, potrebnih za sledenje predhodno opredeljenim kazalnikom, ki sluìjo nadzoru nad izvajanjem programov in njihovemu vrednotenju. Pri spremljanju se je treba omejiti na tiste kazalnike, ki v najve~ji mòni meri odraàjo uspeh ali neuspeh izvajanih aktivnosti. Slednje je velikokrat zapleteno, saj je tèko narediti neposredno vzro~- no povezavo med kazalniki, realnimi razmerami in izvedenimi aktivnostmi. Veliko teàv pri ugotavljanju u~inkov nastane predvsem takrat, ko se na òjem obmo~ju izvaja ve~ ukrepov, saj imajo lahko ti podoben spekter vplivov, zaradi ~esar tèko ovrednotimo vplive posamezne aktivnosti. Zapleteno je tudi spremljanje nepri~akovanih vplivov, ki jih z v naprej opredeljenimi kazalniki ne moremo zajeti (Indicators 2000, 22). Na podlagi podatkov, ki jih pridobimo iz statisti~nih baz in tistih, ki jih pridobimo s pomo~jo spremljanja, lahko pristopimo k vrednotenju izvajanih aktivnosti. Vrednotenje regionalne politike je stalen interaktivni proces, ki omogo~a premi{ljeno na~rtovanje aktivnosti in njihovo prilagajanje novonastalim razmeram ter spreminjajo~im se potrebam. Je del ìvljenjskega cikla politike in se ga lahko uporablja kot in{trument za izbolj{anje politik na podlagi prepleta preteklih izku{enj in novih razvojnih prilònosti (Ridder 2000). Namen vrednotenja je zagotoviti u~inkovito rabo javnih sredstev, preveriti vzroke za javne intervencije, osvetliti uspe{ne zgodbe in prepre~iti napa~ne odlo~itve v prihodnosti (Evaluation design 1999). Prav tako i{~e vrednotenje vzroke za uspeh ali neuspeh dolo~enega programa ali politike ter s tem skrbi za okoli{~inam prilagojeno izbiro ukrepov in instrumentov. 2.1 Spremljanje in vrednotenje regionalne politike v Sloveniji ^eprav Evropska komisija vsem ~lanicam nalaga vzpostavitev u~inkovitih sistemov spremljanja in vrednotenja, ju Slovenija {e ni izoblikovala do mere, ki bi omogo~ala nemoteno spremljanje in vrednotenje. 191 Janez Nared Na nekdanji Javni agenciji Republike Slovenije za regionalni razvoj so sicer vzpostavili informacijski sistem ISARR, ki naj bi se polnil s podatki o projektih, na podlagi katerih bi bila mòna potrebna vrednotenja, vendar ni bilo urejeno sistemsko zbiranje podatkov o projektih. Tako so informacije, ki jih sistem nudi, izredno pomanjkljive, kar oteùje vrednotenje dejanskih u~inkov izvedenih projektov v stvarnosti. To je posledica nekaterih nedoslednosti v sistemu spodbujanja regionalnega razvoja, kjer bi morali biti klju~ni nastavki za oba procesa vzpostavljeni tako v postopku dodeljevanja pomo~i, kjer bi se prejemnike obvezalo k sprotnemu poro~anju, kot tudi v samih regionalnih razvojnih programih, ki morajo dajati dovolj izhodi{~nih informacij, ki so potrebne za vrednotenje. Obstoje~i informacijski sistem nudi zaenkrat le seznam projektov z njihovimi najosnovnej{imi podatki (lokacijo, prejemniki sredstev, navezavami na razli~ne razvojne programe), ostali podatki pa se razlikujejo od primera do primera. Ponekod so tako dodane ocene predvidenih horizontalnih vplivov (na okolje, ~love{ke vire, informacijsko drùbo in enake mònosti med spoloma), na~rt financiranja in na~rt izvajanja, vendar so ta podro~ja le redko v celoti izpolnjena. Klju~no je pomanjkanje podatkov o izvajanju projekta, zaradi ~esar ni mòno zagotoviti enostavnega vrednotenja. Zato je treba do izpopolnitve informacijskega sistema zbirati podatke na samem terenu, kar pa je zamudno, {e zlasti, ~e èlimo dobiti podatke o vseh projektih ter podatke v razli~nih ~asovnih obdobjih, s ~imer lahko opre-delimo intenziteto u~inkov izvedenih aktivnosti. Kljub vsemu si lahko nadejamo, da bo informacijski sistem v prihodnosti zaìvel in nudil dovolj informacij, ki jih bo mo~ uporabiti za samo vrednotenje izvedenih aktivnosti, kot tudi za {tevilne uporabne znanstvene raziskave, pri katerih se bo lahko s pridom uporabljalo tudi geografske informacijske sisteme. 3 Vrednotenje izbranih projektov slovenske regionalne politike Z vstopom v Evropsko unijo je postala Slovenija upravi~ena do pomo~i evropskih strukturnih skladov, katerih sredstva lahko koristi na podlagi Enotnega programskega dokumenta (2003). V njem so jasno opredeljene prednostne naloge ter posamezni ukrepi, s katerimi èli Slovenija dose~i svoje cilje – to je pove~anje konkuren~nosti slovenskega gospodarstva, zmanj{anje razvojnega zaostanka za povpre~jem Evropske unije, pove~anje zaposlenosti in zagotovitev uravnoteènega regionalnega razvoja. Na{tete cilje sku{a Slovenija dose~i tudi preko spodbujanja razvoja turisti~nih destinacij, v okviru katerega se podpirajo investicije v turisti~no infrastrukturo in vlaganja na podro~ju razvoja organizacijskih struktur. V letu 2004 je bilo na podro~ju spodbujanja turisti~nih destinacij odobrenih devetnajst projektov v skupni vrednosti 19.023.991.000 SIT, za katere je bilo namenjenih 6.527.452.000 SIT subvencij iz dràvnega prora~una in iz strukturnih skladov. Glavnina sredstev je odpadla na izgradnjo turisti~ne infrastrukture, manj{i del pa je bil namenjen krepitvi organizacijskih struktur. Ve~ji investicijski projekti s podro~ja turisti~ne infrastrukture so se v prvi vrsti namenjali za pove- ~anje nastanitvenih zmogljivosti (11 projektov), 2 projekta sta se odvijala na podro~ju termalnih in zdravilnih vod, 2 na podro~ju ì~nic ter eden na podro~ju turisti~no-rekreacijskih centrov. Ker ve~ projektov v ~asu, ko smo zbirali podatke {e ni bilo zaklju~enih, smo se odlo~ili za podrobnej{e vrednotenje treh projektov, in sicer investicij za izgradnjo: • apartmajskega naselja (Terme Lendava), • Wellness centra (Terme 3000 – Moravske toplice), in • {tirisedènice Podkoren s sistemom umetnega zasneèvanja v zgornjem sektorju (RTC ì~nice Kranjska gora d. d.). Zaradi namena prispevka se v okviru vrednotenja ne bomo poglabljali v dosèke izvedenih projektov, temve~ se bomo osredoto~ili na mònosti in omejitve pri uporabi geografskih informacijskih sistemov pri vrednotenju izvajanih aktivnosti. 192 Uporaba geografskih informacijskih sistemov pri spremljanju in vrednotenju investicij … Slika 1: Izbrani projekti glede na lokacijo in prejeta sredstva. 3.1 Investicija v izgradnjo apartmajskega naselja (Terme Lendava) Novo apartmajsko naselje sestavljata dva sklopa apartmajev: na vzhodni strani hotela Lipa so postavili kompleks 44 apartmajev, na zahodni pa je zgrajenih 40 apartmajev. Z novimi objekti so pridobili 4.200 m2 bivanjskih povr{in s skupno 292 novimi leì{~i. Poleg samih objektov so zgradili tudi 84 par-kirnih mest ter dovozne poti (150 m), elektri~no, vodovodno, kanalizacijsko, kabelsko in telefonsko napeljavo (250 m). Uredili so tudi razsvetljavo (250 m) in asfaltirali skupno 2.700 m2 povr{in. Z izgrajenim naseljem so pove~ali {tevilo nastanitvenih kapacitet in vplivali na spremenjeno strukturo gostov, saj so ciljna skupina novih pridobitev druìne. Na letni ravni pri~akujejo priblìno 53.000 no~itev, kar bi dosegli ob 50-odstotni zasedenosti. Vendar pa je zaenkrat zasedenost nìja (30 %, 21.000 no~itev), saj nova ponudba {e ni uveljavljena in prepoznavna. Preglednica 1: Nastanitvene zmogljivosti, prihodi in preno~itve turistov v Lendavi za leto 2004 (vir: Statisti~ni letopis 2005). Zmogljivosti Prihodi turistov Preno~itve turistov sobe leì{~a vseh tujih vseh tujih skupaj stalna Lendava/Lendva 143 239 239 11.518 5.677 52.255 30.403 Z izvedbo projekta se je {tevilo stalnih leì{~ v kraju Lendava glede na leto 2004 pove~alo za 94 %, ~e pa upo{tevamo tudi pomòna leì{~a, pa kar za 122 %. Po pri~akovanjih se bo podvojilo tudi {tevilo gostov in no~itev. ^e gledamo {ir{e, je bila velika tudi sprememba v {tevilu stalnih leì{~ na ravni ob~ine, saj je zna{ala 53,7 %. Na dràvni ravni je pove~anje leì{~ predstavljalo le {e 0,4 % 193 Janez Nared Raz{iritev ponudbe je omogo~ila odprtje 25 novih delovnih mest, h katerim lahko pri{tejemo {e vsaj 50 FTE, ki so nastali ob gradnji objektov. ^eprav imamo za primer gradnje apartmajskega naselja razmeroma veliko podatkov, je uporaba geografskih informacijskih sistemov omejena. Klju~ni razlog za to je ta, da je bilo treba podatke pridobiti na terenu, saj informacijski sistem ISARR nima nikakr{nih podatkov o izvedenem projektu. V primeru, ko obravnavamo eno samo investicijo, je to {e mòno, ~e pa obravnavamo ve~ji sklop projektov, postane zbiranje podatkov ~asovno in finan~no zahtevno. Drugi vzrok je, da je investicija to~kovna. Zato je prostorski prikaz zelo omejen. Sicer lahko delamo prera~une na ravni ob~ine, vendar ni nujno, da bo investicija pri{la do odraza oziroma lahko pride do spremembe kazalnikov zaradi ve~ razli~nih vplivov. Kot primer lahko navedemo gibanje {tevila delovnih mest. Po zaslugi izvedenega projekta je nastalo 25 novih delovnih mest, ~e pa gledamo stanje na ravni ob~ine za obdobje september 2004 do januar 2005 (apartmajsko naselje je za~elo obratovati novembra 2004), je {tevilo delovnih mest niha-lo med 4.458 in 4.604 – torej za 146 delovnih mest. Preglednica 2: Gibanje {tevila delovnih mest v ob~ini Lendava med septembrom 2004 in januarjem 2005 (vir: SURS 2006). mesec sept. 2004 okt. 2004 nov. 2004 dec. 2004 jan. 2005 {tevilo delovnih mest 4459 4564 4604 4559 4578 Na podlagi podatkov lahko sklepamo, da rezultati projekta na podro~ju delovnih mest sicer soob-likujejo smer gibanja kazalnika na ravni ob~ine, a so pre{ibki, da bi vrednost koreniteje spremenili. Na podobne teàve naletimo, ~e analiziramo gornji graf. V ob~ini sta se odvijali dve ve~ji investiciji, s katerimi so bila pridobljena nova leì{~a. Obravnavani primer zadeva drugo ve~je povi{anje {tevila leì{~, medtem ko za prvo povi{anje {tevila brez nadaljnjega poizvedovanja ne najdemo razloga. Ker 700 600 500 400 300 200 100 0 2004M01 2004M02 2004M03 2004M04 2004M05 2004M06 2004M07 2004M08 2004M09 2004M10 2004M11 2004M12 2005M01 2005M02 2005M03 2005M04 2005M05 2005M06 2005M07 2005M08 2005M09 2005M10 2005M11 2005M12 2006M01 Število leì{~ Slika 2: Rast {tevila leì{~ v ob~ini Lendava v obdobju 1. 1. 2004–1. 1. 2006 (vir: SURS 2006). 194 Uporaba geografskih informacijskih sistemov pri spremljanju in vrednotenju investicij … je pri{lo do povi{anja v razli~nih obdobjih, razmeroma enostavno razberemo povi{anje {tevila leì{~, ki ga lahko pripi{emo obravnavanemu projektu. ^e pa bi bili investiciji isto~asno kon~ani, bi na obravnavani projekt odpadel le del sprememb. S tem bi se vrednotenje mo~no zapletlo. Podoben problem bi nastal tudi, ~e bi bili podatki zbrani v dalj{em ~asovnem razkoraku, saj lahko enkraten podatek zabri- {e dinamiko na podro~ju posameznega kazalnika. Drugo dejstvo, ki mo~no ovira vrednotenje tovrstnih projektov in posledi~no tudi uporabo GIS tehnologij, je tudi è prej omenjeni zamik pri objavi podatkov. Podatki so bili objavljeni razmeroma pozno, pa {e tu le ti o {tevilu leì{~. Za celovito vrednotenje nam manjkajo {e podatki o {tevilu gostov in {tevilu no~itev, saj le tako lahko zaobjamemo celoten spekter vplivov. Nesmiselno je namre~ graditi nova leì{~a, ~e se le to kasneje ne odrazi v pove~anju {tevila gostov in no~itev. 3.2 Wellness center – Terme 3000 (Moravske Toplice) Namen projekta je bil posodobitev prostorov, v katerih se je prej izvajala terapevtska dejavnost, in dopolniti ponudbo z novimi storitvami. Obnovili so poslopje s 3.200 m2 uporabnimi povr{inami, tako je postal Thermalium, najve~ji wellness terapevtski center v tem delu Evrope (Nacionalno turisti~no zdruènje 2006). Nalòba naj bi s popestritvijo ponudbe pripomogla k dvigu zanimanja za obisk kraja in k ve~ji zasedenosti hotelskih in apartmajskih nastanitvenih zmogljivosti, kar naj bi imelo ugoden vpliv na celotno regionalno gospodarstvo. V wellness centru je delo dobilo {est novih specialistov, nezanemarljivo pa je tudi {tevilo posred-nih delovnih mest v ~asu obnove (po oceni najmanj 25 FTE). Zaenkrat {e ni mogo~e oceniti vpliva izbolj{ane ponudbe na rast {tevila gostov, saj podatkov za obdobje po odprtju centra (september 2004) {e ni. Tudi sicer je v primerjavi s predhodnim primerom na voljo precej manj podatkov, zaradi ~esar se mònost uporabe geografskih informacijskih sistemov mo~no zoì, soo~amo pa se tudi s podobnimi teàvami (razmeroma majhen projekt, to~kovno ume{~en …) kot pri gornjem primeru. Mònost uporabe geografskih informacijskih sistemov zmanj{a tudi dejstvo, da pri projektu ni ve~jih posegov v prostor. 3.3 Izgradnja {tirisedènice Podkoren s sistemom umetnega zasneèvanja v zgornjem sektorju Po pridobitvi potrebnih dovoljenj za izgradnjo {tirisedènice v letu 2003 so v drùbi RTC @i~nice Kranjska Gora v letu 2004 za~eli z gradbenimi deli, ki so jih kon~ali v decembru istega leta. Postavitev {tirisedènice je zahtevala ve~je posege v okolje predvsem v zgornjem delu, kjer je bilo treba zgraditi obvoznico. Premaknjenih je bilo 35.000 m3 gradiva, s katerim so zasuli jarek, po katerem je potekala nekdanja ì~nica, s tem pa so pridobili nekaj dodatnih smu~arskih povr{in (RTC @i~nice 2006; PPK 2006). 1.265 m dolga {tirisedènica, z vi{insko razliko 442 m stoji na 12 podpornih stebrih. V eni uri lahko prepelje okoli 1.500 smu~arjev. Posodobilo se je tudi zasneèvanje. Prenovili so ~rpalki in pove~ali njuno zmogljivost za 40 l/s. Kupili so osem snènih topov, ki lahko skupaj v eni uri proizvedejo 500 m3 umetnega snega. Napeljati so morali tudi dodatne elektri~ne vode visoke (2 km) in nizke (4 km) nape-tosti ter izgraditi dve trafopostaji. Za potrebe snènih topov so napeljali 2 km vodovoda. Nove naprave omogo~ajo ve~jo varnost smu~arjev, obenem pa so omogo~ile podalj{anje tekmo-valne proge. Sklepamo, da so u~inki projekta tudi {ir{i, saj pripomore k privabljanju turistov, to pa se odrazi v povpra{evanju po gostinskih in hotelskih storitvah. Nezanemarljiv je tudi ugled, ki ga kraju prinese tekma za svetovni pokal. Dodatne u~inke je imel projekt tudi s posrednimi delovnimi mesti. V tem primeru razpolagamo z razmeroma veliko informacijami, a so te nezadostne, ~e bi hoteli geografske informacijske sisteme uporabiti na primeru projekta (na primer za~rtati, kje potekajo posa-195 Janez Nared mezni vodi, kje je bilo odloèno gradivo, spremembe v reliefu …). Slednje je tudi nesmiselno, saj je treba tudi aktivnosti na podro~ju vrednotenja izvajati preudarno. Na drugi strani je investicija zelo specifi~na in ni smiselno izvajati primerjave na ob~inski ravni ali {ir{e. 4 Teàve pri vrednotenju investicij s podro~ja regionalne politike s pomo~jo geografskih informacijskih sistemov Kot kaèjo zgornji primeri, so mònosti uporabe geografskih informacijskih sistemov pri posameznem projektu oziroma investiciji omejene. Razloge za to lahko i{~emo v razmeroma majhnih projektih in njihovi prostorski omejenosti, prepletanju u~inkov izvedene intervencije z u~inki ostalih dogodkov v regiji, nenazadnje pa je pomemben vzrok teàvam tudi pomanjkanje ustreznih podatkov. Javne institucije zbirajo samo podatke, ki se nana{ajo na celotno obmo~je oziroma celotno populacijo. Zato lahko te uporabljamo le za prikaz okvirnih razmer ter za ugotovitev temeljnih smernic razvoja. Slednje je pri vrednotenju posameznega projekta premalo, saj so razmere na {ir{em obmo~ju rezultat ve~ razli~nih aktivnosti, zato tudi kazalniki odraàjo delovanje vseh aktivnosti in ne le ene od njih. Naslednja teàva nastane zaradi zamude pri objavi podatkov. Teh velikokrat nimamo na razpolago, ali pa so ti objavljeni s ~asovno zamudo. Zato ob vrednotenju, ki ga opravimo ob sklepu projekta, v {tevilnih primerih {e ne razpolagamo z zadnjimi podatki. Na primeru manj{ih prostorskih enot je problem tudi zaupnost podatkov. Teàve nastopijo tudi pri ugotavljanju prelivanja u~inkov projekta na {ir{e obmo~je. Velikokrat je namre~ mogo~e zaznati u~inke izvedene investicije le v enem delu prostorske enote, ki jo za zbiranje podatkov uporablja statistika, ve~krat pa u~inki investicije presegajo mejo obmo~ja spremljanja in je del u~inkov mo~ zaznati na sosednjem obmo~ju. To lahko slikovito ponazorimo z gornjo sliko. V prvem primeru je prostorski vpliv zelo omejen in ne presega mati~nega obmo~ja, to je obmo~ja, znotraj katerega se projekt izvaja in za katerega se tudi zbirajo podatki (na primer obmo~je ene ob~ine). V drugem primeru vplivi investicije segajo {e na tri sosednja obmo~ja. Zato ni dovolj, da poznamo le smernice razvoja relevantnih kazalnikov na mati~- nem obmo~ju, temve~ se mora na{e zanimanje raz{iriti tudi na sosednja obmo~ja, ki so jih zajeli vplivi investicije. S tem se vrednotenje mo~no zaplete, saj je nenehen problem vpra{anje, kolik{en del vplivov se odraà v mati~nem obmo~ju in kolik{en v sosednjih obmo~jih. Slednje je problemati~no tudi pri uporabi geografskih informacijskih sistemov, saj ne moremo pri~akovati primerljivih rezultatov v vseh obmo~jih, ki se jih izvedena investicija dotika. Z vidika primerljivosti podatkov je {e posebej teàvno ugotavljanje u~inkov pri projektih, ki imajo ~ezmejni vpliv. Tu se namre~ razlikujejo razpolòljive baze podatkov, kot tudi njihova opredelitev, zaradi ~esar se primerljivost podatkov mo~no okrni. Slika 3: Obmo~ja vplivov izvedene investicije. 196 Uporaba geografskih informacijskih sistemov pri spremljanju in vrednotenju investicij … Uporaba geografskih informacijskih sistemov je odvisna tudi od samega tipa projekta. ^e gre za to~kovno ume{~eno investicijo z manj{imi prostorskimi u~inki, je njihova uporaba skorajda brez pomena. Druga~e je, ~e primerjamo ve~ razli~nih projektov ali pa, ~e so v okviru enega projekta udeleèni razli~ni delèniki. Zato je raba geografskih informacijskih sistemov primernej{a, ~e primerjamo vse investicije z nekega podro~ja (na primer razvoja turisti~nih destinacij), ali pa obmo~ja, kjer se izvaja ve~ medsebojno povezanih projektov. Klju~ni problem rabe geografskih informacijskih sistemov je torej izgradnja kakovostne baze podatkov. ^e pri tem uporabljamo javne baze, lahko le-te uporabimo le pri ugotavljanju splo{nega konteksta razvoja ali pa za pomo~ pri vrednotenju celotnih programov na nekem obmo~ju. Za podrobnej{e vrednotenje programov in projektov pa je treba vzpostaviti bazo, ki bo vsebovala vse potrebne, namensko zbrane podatke. V tem primeru bi lahko kot potrebna baza sluìl sistem ISARR, ki vsebuje najpomembnej{e podatke o posameznih projektih s podro~ja regionalnega razvoja, vendar bi ga bilo treba zaradi {tevilnih pomanjkljivosti dopolniti in mu zagotoviti nenehno nadgrajevanje podatkov o posameznem projektu. ^e se to zagotovi, bi lahko sistem ISARR zagotavljal vse potrebne informacije o posameznih projektih, kar vklju~uje podatke o prejemnikih sredstev, o na~rtovanih aktivnostih in ciljih, o finan~nih postavkah ter podatke o izvajanju in kon~nemu doseganju ciljev. Ker se projekti izvajajo na to~no dolo~eni lokaciji, odpira ustrezen informacijski sistem {tevilne mònosti prostorskih analiz, ki pa bi bile làje, ~e bi sistem poleg lokacije na ravni naselja, ob~ine ali regije vseboval tudi natan~ne koordinate izvedenega projekta. Uporabnost informacijskega sistema bi pove~ala tudi ve~ja konsistentnost in natan~- nost pri izpolnjevanju obrazcev o posameznih projektih. Ti so zaenkrat {e precej pomanjkljivi, saj jih izpolnjujejo razli~ni ljudje, pa {e to predvsem pred za~etkom izvajanja, poro~il o sami izvedbi pa je le malo. V prihodnosti si torej lahko nadejamo, da bo vzpostavljena baza, ki bo omogo~ala hitro in razmeroma poceni vrednotenje regionalne politike. Ta bi omogo~ala uporabo geografskih informacijskih sistemov, pa tudi druge analize, ki bi sluìle za podporo pri odlo~anju. 5 Sklep Na podro~ju regionalne politike so geografski informacijski sistemi orodje, s pomo~jo katerega si poenostavimo oblikovanje problemskih obmo~ij, zaznavanje njihovih problemov in podajanje osnovnih informacij o razvitosti posameznega obmo~ja ali celotne dràve. Zato se jih da u~inkovito uporabiti pri pripravi razvojnih programov, nudijo pa lahko tudi ~vrsto podlago za nadaljnje vrednotenje. Pri slednjem je uporaba geografskih informacijskih sistemov smiselna takrat, ko ugotavljamo u~inke ve~ razli~nih projektov, njihov prispevek k spremembam obstoje~ih struktur in takrat, ko imamo dovolj kakovostnih podatkov. Za zbiranje teh mora biti zadolèna dolo~ena institucija, ki bi skrbela, da so podatki popolni in aùrirani. Bolj vpra{ljiva je raba geografskih informacijskih sistemov pri obravnavi in vrednotenju enega samega projekta. ^e ta predstavlja poseg v prostor, so delne obdelave {e mogo~e, a bi to v veliki ve~ini primerov pomenilo zahajanje v prevelike podrobnosti, ~esar si pri vrednotenju regionalne politike ne moremo privo{~iti zaradi omejenega ~asa in finan~nih virov. Zato so geografski informacijski sistemi primernej{i za splo{no in celovito vrednotenje celotnih programov, ki omogo~a {tevilne inovativne pristope, a se je treba pri tem zavedati, da je njihova uporaba tehni~no zapletena in draga, ~e ustrezen sistem ni vzpostavljen. 6 Viri in literatura Enotni programski dokument 2004–2006. 2003. Vlada Republike Slovenije, Ljubljana. Evaluation Design and Management. Evaluating Socio-economic Programmes: Volume 1, 1999, European Commission, Luxembourg. 197 Janez Nared Indicators for Monitoring and Evaluation: An Indicative Methodology. The New Programming Period 2000–2006: Methodological Working Papers. Working Paper 3. 2000. European Commission, Directorate-General XVI, Regional Policy and Cohesion, Co-ordination and evaluation of operations, Brussels. Letno poro~ilo 2004 o izvajanju Enotnega programskega dokumenta Republike Slovenije za obdobje 2004–2006. 2005. Republika Slovenija, Ljubljana. Nacionalno turisti~no zdruènje. Medmrèje: http://www.ntz-nta.si/default.asp?id=4740 (14. 2. 2006). RTC @i~nice Kranjska Gora. Medmrèje: http://www.kr-gora.si (11. 1. 2006). PPK. Medmrèje: http://www.ppk.si (14. 2. 2006). Ridder, M. 2000: Monitoring and Evaluation In Germany. Implementing Structural Funds: Proceedings from the International conference Bled, Slovenia, June 15 – 16, 2000. Rotterdam. Statisti~ni letopis Republike Slovenije 2005. 2005. Statisti~ni urad Republike Slovenije, Ljubljana. Statisti~ni urad Republike Slovenije. 1991–2006. Medmrèje: http://www.stat.si (razli~ni datumi). Intervjuji: Roman Slivnik, Rekreacijsko turisti~ni center @i~nice Kranjska Gora, 24. 1. 2006. Ivanka Ajlec, Terme 3000 Moravske Toplice, 6. 2. 2006. Aleksander Varga, Terme Lendava d. d., 6. 2. 2006. 198 GIS v Sloveniji 2005–2006, 199–210, Ljubljana 2006 ANALIZA GOSPODARSKEGA ZALEDJA V ARHEOLOGIJI KRAJIN mag. Benjamin [tular In{titut za arheologijo ZRC SAZU Novi trg 2, 1000 Ljubljana bstular@ zrc-sazu.si UDK: 902:659.2:004 IZVLE^EK Analiza gospodarskega zaledja v arheologiji krajin Arheologija krajin obravnava prostor ne le kot ekonomsko ozadje ~lovekovega delovanja v prostoru, temve~ kot entiteto, kakr{no ljudje zaznavajo in doìvljajo. Kljub temu ostaja analiza gospodarskega zaledja kot {tudij obmo~ja, znotraj katerega je izkori{~anje naravnih virov ekonomsko upravi~eno, pomembno orodje. V prispevku smo primerjali nekatere algoritme za izra~unavanje prostora gospodarskega zaledja in jih primerjali z meritvami na terenu. Odstopanja so od 20 do 200 odstotkov. Za izra~unavanje razdalj na malo razgibanih terenih (nakloni do 17 stopinj) predlagamo preprosto izra~unavanje dejanske razdalje. Na gorskih terenih (nakloni do 35 stopinj) je potrebno dejanske razdalje za naklone od 17 do 35 stopinj uteèvati (2 do 10 krat), upo{tevati razlike med vzponom in spustom ter postaviti pregrade. Problem hoje pre~no na strmino ostaja nere{en. V prakti~nem primeru uporabe analize gospodarskega zaledja za zgodnji srednji vek smo pokazali razliko med idealnim stanjem, ki odraà idealizirane predstave, in stanjem, ko izkori{- ~anje polja ni ve~ smiselno. Ta meja, 6 do 7 minut, je znatno manj{a od teoreti~nih modelov. KLJU^NE BESEDE Algoritmi stro{kovnih razdalj, geografski informacijski sistem, gospodarsko zaledje, gospodarsko zajetje, arheologija, zgodnji srednji vek, Bled ABSTRACT Site catchment analysis in landscape archaeology Landscape archaeology perceives landscape not as mere economical background for human actions. Instead, the archaeological landscape is studied as an entity, as perceived and lived by past populations. Never the less, the site catchment analysis remains an important tool for studying the aforementioned economical background. Some of the more common algorithms used in estimating travel time were compared with the data gained from experiments. At this we noted deviations between 20 and 100 percent. Therefore we suggest that calculating the actual distance is based on the calculation for flat terrains (slopes less than 17 degrees). This is best achieved using the isotropic algorithm based on the formula: a2 + b2 = c2 (incorporated with ESRI ArcGIS software as the Path Distance module). On mountains terrains (slopes 17 to 35 degrees) some sort of weighting (2 to 10) should be used and the differences in inclines and declines as well as barriers should be taken into account. The problem of snake walking remains unsolved. The case study deals with the site catchment analysis of Early Medieval sites in the Bled region (Slovenia). It was possible to point out the difference between the ideal and economical, i.e. perceived and actual site catchment. The fields in an ideal landscape are situated only a 4 or 5 minutes walk from the village. Anything above a 6 or 7 minute walk was rendered economically unacceptable; a new village was founded. KEYWORDS geographical information system, site catchment analysis, archaeology, early middle ages, Bled 199 Benjamin [tular 1 Uvod Razumevanje preteklosti skozi prizmo preteklih pokrajin je pogosta tema histori~nih ved. V arheologiji trenutno najbolj izpostavljeni pogledi temeljijo bodisi v procesni, bodisi v poprocesni arheologiji; prvi na bogati zgodovini raziskav predvsem t. i. mediteranske arheologije in ameri{ke Nove arheologije, drugi na britansko-skandinavskem fenomenolo{kem pristopu. Pri tem se moramo zavedati, da obstaja malone toliko pogledov na pretekle pokrajine, kot je raziskovalcev (Launaro 2004; prim. Novakovi} 2003, 191–202; Olsen 2002, 63–64). Eno od sti~i{~ obeh pogledov lahko predstavljajo ravno analize ekonomskega zaledja (ang. site catchment analysis; za termin glej Dular, Tecco Hvala 2007; prim. Stan~i~, Gaffney 1991, 51; Novakovi} 2003, 117–118). Model so v 70-ih letih 20. stoletja vzpostavili predstavniki t. i. paleoekonomske {ole iz Cam-bridgea. Gospodarsko zaledje je definirano kot obmo~je, znotraj katerega je izkori{~anje naravnih virov ekonomsko upravi~eno (Vita-Finzi, Higgs 1970). [e v istem desetletju so ameri{ki arheologi z empiri~nimi preizkusi prvotno obmo~je zaledja, 5 kilometrov oziroma uro hoda za poljedelske skupnosti, prepolovili (Novakovi} 2003, 117–118; glej tam navedeno literaturo). Merjenje gospodarskega zaledja s hojo v presekih je bilo ~asovno zahtevno. Na koncu 80-ih let preteklega stoletja so to metodologijo nadomestile GIS analize (npr. Stan~i~, Gaffney 1991, 51–60). Analize Slika 1: Vas Grad z ozna~enimi 5 minutnimi dosegi razli~nih algoritmov. Vir: DMV 12,5, november 2005; Register prostorskih enot, avgust 2005, © Geodetska uprava Republike Slovenije. 200 Analiza gospodarskega zaledja v arheologiji krajin PD17 PD14 PD16 PD13 PD15 PD09 PD14 PD05 PD13 Minimum Minimum PD09 Maksimum Christoferson Maksimum Povpre~je Povpre~je PD05 Podobnikar Christoferso Tabler Podobnika Balstroem Tabler Balstroem dv Slika 2: Primerjava GIS rezultatov posameznih algoritmov z izmerjenimi ~asi v ravninah (levo) in na gorskem terenu (desno). gospodarskega zaledja so se torej razvile kot »procesno orodje«. V nadaljevanju pa bomo pokazali, da omogo~ajo tudi opazovanje nekaterih vidikov pokrajine, ki so sicer tematika fenomenolo{kih pristopov. Kljub druga~nim trditvam (Stan~i~, Gaffney 1991, 60; Christopherson in dr. 1999, 1) so GIS izra- ~uni gospodarskega zaledja obi~ajno manj natan~ni, kot bi si èleli. To je razvidno tako iz primerjav rezultatov razli~nih algoritmov (slika 1), kot tudi iz primerjav le-teh z izmerjenimi ~asi (slika 2). Tako so dobro utemeljene evklidske razdalje (npr. Whitley 2003) v~asih uporabnej{e kot nekriti~na uporaba slabega algoritma (npr. Van Hove 2003, 205–206). Nekateri problemi izvirajo iz GIS aplikacij prvotne definicije analize gospodarskega zaledja. GIS programski moduli namre~ ra~unajo razli~no optimalno pot do vsake rasterske celice. V vsakdanjem ìvljenju pa ljudje uporabljamo vnaprej dolo~ene poti. Za realisti~no oceno gospodarskega zaledja moramo torej poznati tudi mreò poti. Le redko, na primer kadar poti vodijo zvezdasto iz sredi{~a, je gospodarsko zaledje, dolo~eno z GIS programskim modulom, priblièk dejanskega stanja. Meritve prehojenih poti so pokazale do ena in pol krat dalj{e ~ase. V prvem delu prispevka bomo na podlagi obstoje~ih {tudij in meritev na terenu ocenili uporabnost algoritmov, ki jih uporabljamo z obstoje~imi GIS moduli za izra~unavanje stro{kovnih razdalj (ang. Cost Distance). V drugem delu prispevka bomo najuspe{nej{i algoritem uporabili na prakti~nem primeru, {tudiji gospodarskega zaledja zgodnjesrednjeve{kih naselbin v blejskem kotu. 2 Algoritmi za izra~unavanje stro{kovnih razdalj Algoritme za izra~unavanje stro{kovnih razdalj (ang. cost surface), ki jih uporabljamo z obstoje~i-mi GIS programskimi moduli, delimo na simetri~ne (ang. isotropic) in nesimetri~ne (ang. anisotropic). Prvi ne upo{tevajo razlike med vzponom in spustom. Namen na{ega prispevka je bil oceniti uporabnost obstoje~ih algoritmov s programsko opremo (ESRI ArcGIS 9.1; na tem mestu se zahvaljujem za tehni~ne nasvete Tomaù Podobnikarju in Petru Pehaniju, za stilisti~ne popravke pa Tini Milavec in Bo{tjanu Odarju - Odiju). Kot osnovni sloj smo uporabili digitalni model vi{in (dalje DMV) z lo~ljivostjo 12,5 m; vir: DMV 12,5, november 2005; Register prostorskih enot, avgust 2005, © Geodetska uprava Republike Slovenije (primerjaj Podobnikar 2002; isti 2003). Ocenjena natan~nost modela je 3,2 m (ravnine 1,1 m, gri~evja 2,3 m, hribovja 3,8 m, gorovja 7,0 m). 201 Benjamin [tular Slika 3: Blejski kot z ozna~enimi obravnavanimi vasmi in potmi, kjer so bile opravljene meritve. [tevilke ustrezajo preglednici (vir: DMV 12,5, november 2005; Register prostorskih enot, avgust 2005, © Geodetska uprava Republike Slovenije). Kljub izjemni kvaliteti predstavlja uporabljeni DMV komajda sprejemljivo natan~nost za zastavljeno nalogo. Posamezna {tudijska obmo~ja namre~ merijo priblìno kvadratni kilometer. @e primerjava dvodimenzionalnih vektorskih in rasterskih razdalj pri tej lo~ljivosti namre~ pokaè odstopanja do 10 odstotkov. Pomagamo si lahko z zmanj{evanjem velikosti celic karte trenja. Nekoliko presenetljivo se povpre~na absolutna napaka celo pove~a. Vendar postane napaka bolj predvidljiva (preglednica 1) in jo tako làje vklju~imo v algoritem. Naslednji problem, ki se pokaè pri uporabi tako natan~nega DMV, so moderni posegi v relief. Tak primer je na primer èlezni{ki nasip, ki deli blejsko ravnino. Ker nas zanima preteklost, tovrstne posege v prostor iz kon~ne karte trenja odstranimo. Za potrebe prispevka smo podatke pridobivali tudi z meritvami na terenu. Merili smo ~as, ki ga potrebuje pe{ka ali pe{ec za dolo~eno pe{pot. Prvi del meritev smo opravili v mesecu avgustu na pla-nini Krvavec. Meritve so bile opravljene hkrati s sicer{njim terenskim delom. Merili smo ~as poti na delo in z dela. Udeleènci so bili lahko otovorjeni do srednje otovorjeni z bremenom v rokah in na hrb-tu. Rezultati so pokazali, da so razlike v starosti, spolu, utrujenosti in motivaciji (pot na delo in vrnitev z dela) na tako kratkih razdaljah zanemarljive. 202 Analiza gospodarskega zaledja v arheologiji krajin Drugi del eksperimentalnega merjenja smo opravili v Blejskem kotu (slika 3). Ker je {lo za enod-nevno akcijo, smo opazovali le povpre~en ~as. Gre za pretèno ravninske poti, le v nekaterih primerih lahko govorimo o zmernem naklonu (5 do 9 stopinj). Posamezne poti so razmeroma kratke, izmerje-na vektorska razdalja ne presega 700 metrov (preglednica 1, poti 1 do 15). Preglednica 1: Podatki o poteh, na katerih so potekale meritve. naklon v stopinjah Razdalja (m); v-vektorska, r-rasterska hodci (M) in hodke (@) Pot povpr. najve~ji dv dr (100) dr (12,5) dr (1) M 1 @ 1 M 2 @ 2 povpr. 1a 1,2 3,0 415 666 428 431 5,5 5,8 / / 5,6 1b 1,2 3,0 415 666 428 431 5,5 6,0 / / 5,8 2a 1,8 3,0 320 300 326 332 4,5 4,5 / / 4,5 2b 1,8 3,0 320 300 326 332 4,5 5,0 / / 4,8 3a 3,4 6,5 381 300 380 395 5,6 5,5 / / 5,6 3b 3,4 6,5 381 300 380 395 5,3 5,5 / / 5,4 4a 3,9 6,6 312 200 294 325 4,3 4,3 / / 4,3 4b 3,9 6,6 312 200 294 325 4,3 4,5 / / 4,4 5a 0,5 1,2 571 541 599 597 / / / / / 5b 0,5 1,2 571 541 599 597 / / / / / 6a 3,1 6,9 439 641 455 455 6,0 6,0 / / 6,0 6b 3,1 6,9 439 641 455 455 6,3 6,5 / / 6,4 7a 3,8 7,1 365 300 386 382 / / / / / 7b 3,8 7,1 365 300 386 382 / / / / / 8a 4,4 16,3 626 541 652 657 8,0 8,0 / / 8,0 8b 4,4 16,3 626 541 652 657 8,0 8,0 / / 8,0 9a 5,9 9,9 690 600 701 707 / / 9,5 8,7 9,1 9b 5,9 9,9 690 600 701 707 / / 8,0 8,5 8,3 10a 6,8 16,1 610 683 616 628 / / 7,5 7,2 7,3 10b 6,8 16,1 610 683 616 628 / / 7,5 7,3 7,4 11a 5,5 8,6 256 200 272 279 / / 3,8 3,6 3,7 11b 5,5 8,6 256 200 272 279 / / 3,8 3,8 3,8 12a 4,4 7,3 369 483 392 395 / / 4,8 4,8 4,8 12b 4,4 7,3 369 483 392 395 / / 5,0 5,0 5,0 13a 8,4 13,7 564 441 531 589 / / 6,3 6,3 6,3 13b 8,4 13,7 564 441 531 589 / / 6,8 7,2 7,0 14a 8,5 13,8 540 283 540 559 / / 6,5 6,5 6,5 14b 8,5 13,8 540 283 540 559 / / 6,5 7,0 6,8 15a 5,2 10,9 538 624 556 567 / / / / / 15b 5,2 10,9 538 624 556 567 / / 7,0 8,5 7,8 16a 21,9 30,2 735 / / / / / / / 16,5 16b 21,9 30,2 735 / / / / / / / 12 17a 24,7 32,9 436 / / / / / / / 7,5 17b 24,7 32,9 436 / / / / / / / 8 18 20,3 31,9 577 / / / / / / / 8 Za ve~ino poti domnevamo, da potekajo na zgodnjesrednjeve{kih poteh ali tik ob njih. Domneva temelji na arheolo{ko dokumentiranih primerih in retrogradni analizi Franciscejskega katastra (Pleterski 1989). Nekatere poti smo delno prilagodili modernim cestam in potem. Odstopanja so minimalna, 203 Benjamin [tular do nekaj metrov. Tako smo hkrati dobili podatke za primerjalno analizo razli~nih algoritmov in podatke, ki omogo~ajo neposredne arheolo{ke interpretacije. Z meritvami pridobljene podatke smo primerjali z rezultati izra~unov {tirih algoritmov, ki jih imenujemo po avtorjih: Balstroem, Tobler, Podobnikar, Christoperson. Algoritem Balstroem (1992) temelji na pretvarjanju naklonov v ~as. Vrednosti so bile pridobljene z meritvami na terenu. Rezultati, glede na naklon v odstotkih, so podani kot ~as v sekundah na razdalji 5 metrov: do 12: 4, 12–19: 5, 19–25: 6, 25–29: 7, 29–30: 8. Naklon nad 30 je obravnavan kot pregrada. Rezultat algoritma je ~as v sekundah, potreben za dolo~eno razdaljo. Algoritem Christoperson (1999) je nekoliko druga~en, saj je bil razvit za uporabo z dolo~enim programskim modulom (Path Distance; glej Medmrèje), ki izra~unava dejansko razdaljo. Geomorfologijo terena upo{teva tako, da izra~unava razdaljo po Pitagorovem izreku. Algoritem je simetri~nen in predvideva {e dodatno uteèvanje naklonov (v odstotkih): 0–5: 1, 5–15: 2, 15–30: 4, nad 30: 16. Gre torej za me{anico merjenja dejanske razdalje in energije, potrebne za premagovanje ve~jih naklonov. Rezultat je podan kot ekvivalent razdalje, prehojene po ravnini, v metrih. ^e èlimo rezultat primerjati z meritvami na terenu, ga, s predpostavko o hitrosti pe{ca v ravnini, pretvorimo v ~as. S Toblerjevim algoritmom (Tobler 1993), imenovanim tudi funkcija popotnika (ang. Hiker's function), izra~unavamo hitrost v kilometrih na uro glede na naklon v odstotkih po slede~i formuli: 6exp (–3,5 · abs (naklon v odstotkih + 0,05)). Graf funkcije je simetri~en glede na vrednost –5 osi x (torej nesimetri~en glede na vrednost 0), pri ~emer je najve~ja hitrost (6) pri negativnem naklonu (–5), potem pa se hitrost zmanj{uje. Pri naklonu 0 je hitrost 5. Za uporabo algoritma s programskim modulom smo rezultate pretvorili v ~as v sekundah na meter in na podlagi tega izdelali karto trenja. Nesimetri~ni algoritem Podobnikar (Podobnikar in dr. 2004) je nastal z virtualnim preizku{anjem razli~nih algoritmov. Cilj je bil najti najuspe{nej{i algoritem za iskanje naravnih poti, ki bi povezovale èleznodobne naselbine Dolenjske. Uteì na karti trenja so abstraktne enote glede na naklon v stopinjah: –60: pregrada; –55: 250; –50: 100; –40: 50; –30: 20; –25: 0.90; –20: 0.70; –15: 0.55; –10: 0.49; –5.7: 0.44; 0: 0.82; 5: 1.62; 10: 2.45; 20: 4.00; 30: 20; 40: 50; 50: 100; 55: 250; 60: pregrada. Vrednosti pri spustu so pri manj{ih naklonih manj{e od 1 (torej pospe{ujejo hojo), toda pri ve~jih naklonih hitreje nara{~ajo. Z opisanimi algoritmi smo izra~unali stro{kovne razdalje na zgoraj opisanih poteh, na katerih smo izvajali tudi terenske meritve. Na tem mestu smo upo{tevali le geomorfologijo, saj gre za utrjene poti. Kot izhodi{~e smo upo{tevali, da na potovanje po utjenih poteh najbolj vpliva morfologija. Poti smo rasterizirali, celice izven poti pa ozna~ili kot neprehodne. Tako dobljene rezultate smo lahko neposredno primerjali s terenskimi meritvami. Algoritem Balstroem smo izpeljali s programskim modulom Cost, ostale pa z modulom Path Distance. S slednjim smo razvijali tudi dodatne algoritme in sicer empiri~no, s prilagajanjem vertikalnega dejavnika in opazovanjem rezultatov. Skupaj z zgoraj opisanimi algoritmi so predstavljeni tudi rezultati uspe{nej{ih lastnih algoritmov (slika 2). Ti so poimenovani po modulu (Path Distance, torej PD) in zaporedni {tevilki poizkusa. Kot referenca je predstavljena tudi vektorska razdalja, prera~unana v ~as za enako hitrost. Algoritem Balstroem je precej natan~en na manj razgibanih poteh, slab{e pa se odreè na srednje razgibanih poteh. Najve~ja problema sta preveliko uteèvanje hoje navkreber in simetri~nost algoritma, na kar je opozoril è avtor (Balstroem 1992, 79). Algoritem Tobler je pokazal najmanj{e povpre~no odstopanje od povpre~ja merjenih ~asov. To pomeni, da je kljub znatnemu odstopanju v posameznih primerih, povpre~je vseh meritev skoraj enako povpre~ju izmerjenih ~asov. Za izra~unavanje dolo~ene poti z uporabljeno metodologijo algoritem torej ni primeren, morda pa bi bil uporaben za dolo~anje gospodarskega zaledja. Algoritem Podobnikar je najbolj odstopal od izmerjenih ~asov. To razlagamo z namembnostjo, saj je bil algoritem razvit za iskanje energetsko optimalnih poti. Nepri~akovano nenatan~en je tudi algoritem Christiansen. V ravninah so izra~unani ~asi primerljivi z meritvami, a so krepko predolgi na razgibanih poteh. Uteèvanje strmin je o~itno premo~no. 204 Analiza gospodarskega zaledja v arheologiji krajin Na podlagi izku{enj z opisanimi algoritmi smo s preizku{anjem izdelali nekaj dodatnih algoritmov. Najmanj{a odstopanja na nerazgibanem terenu dobimo s preprostim izra~unavanjem dejanske razdalje (algoritem PD05). Rezultat je skladen s terenskimi opaànji, da manj{i klanci ne vplivajo na hitrost hoje. Namesto »kartografske« poti s pomo~jo pitagorovega izreka programski modul izra~unava dejansko, trodimenzionalno pot. Ostali algoritmi so rezultat poskusov izdelati nesimetri~en algoritem po Toblerjevem zgledu. Zmeren spust naj bi hojo malenkost pospe{il. Rezultati vseh predstavljenih algoritmov (PD09, PD13 in PD14) so bolj{i od kateregakoli preizku{enih algoritmov, vendar so vsi slab{i od merjenja dejanske razdalje (PD05). Kljub navidez majhnim razlikam med posameznimi algoritmi so razlike pri izdelavi posameznih gospodarskih zaledij precej{nje. To je razvidno, ko primerjamo povr{ino gospodarskih zaledij istega naselja, izra~unano z razli~nimi algoritmi (slika 1). Nekatere algoritme smo preizkusili tudi na gorskih poteh. Rezultati algoritma PD05 na strmem terenu pokaèjo, da je naklone nad 17 stopinj potrebno uteìti. To je namre~ najve~ji naklon, ki ga je premagovala kaka zgodnjesrednjeve{ka pot v Blejskem kotu. Kot izhodi{~e smo uporabili algoritem PD13 in ga sku{ali prilagoditi gorskemu terenu. Preglednica 2: Vertikalni dejavniki (uteì) predstavljenih algoritmov PD05, PD13, PD14, PD15, PD16, PD17 (vrednost –1 predstavlja pregrado). naklon (stopinje) PD05 PD13 PD14 PD15 PD16 PD17 –90 –1 –1 –1 –1 –1 –1 –60 –1 –1 –1 –1 –1 –1 –55 –1 25 250 25 20 20 –50 –1 10 100 15 10 10 –40 –1 5 50 10 7,5 7,5 –30 –1 4 10 6 5 6 –25 –1 1,5 1,5 3 3 3 –20 –1 1,2 1,2 1,2 1,2 1,5 –17 1 1 1 1 1 –15 1 1 1 1 1 1 –10 1 0,9 0,9 0,9 0,9 0,9 –5 1 0,9 0,9 0,9 0,9 0,9 –2 1 1 1 1 1 1 0 1 1,1 1 1,1 1,1 1,1 2 1 1,1 1 1,1 1,1 1,1 5 1 1 1 1 1 1 10 1 1 1 1 1 1 15 1 1 1 1 1 1 17 1 1 1 1 1 20 –1 1,5 1 2 2 3 25 –1 2 1 4 5 5 30 –1 3 10 5 7,5 7,5 40 –1 5 50 7,5 10 10 50 –1 10 100 10 15 15 55 –1 25 250 20 20 20 60 –1 –1 –1 –1 –1 –1 90 –1 –1 –1 –1 –1 –1 205 Benjamin [tular Odstopanja od meritev so na gorskem terenu ve~ja (slika 2). Na splo{no lahko pri bolj{ih algorit-mih na malo razgibanem terenu govorimo o odstopanjih do 10 odstotkov, na gorskem pa do 20. Vzrok je t. i. horizontalni dejavnik (prim. Poglajen 2006), ki je è »kvaril« rezultate poti 8. Gre za hojo pre~no na strmino, lahko v obliki àgaste poti (planinske poti) ali serpentin (gorske ceste). To je obi~ajen na~in, ki ga pri premagovanju strmin uporabljajo tako ìvali kot ~lovek. S programskim modulom Path Distance ne moremo vplivati na horizontalni dejavnik v odvisnosti od vertikalnega dejavnika, temve~ le splo{no. Horizontalni dejavnik lahko prilagodimo enakomerno strmemu terenu po slede~i formuli: horizontalni dejavnik 0 – hoja vzporedno s strmino – dobi obratno vrednost uteì, ki je pripisana konkretni strmini. Obstoje~i programski modul (Path Distance) pa ne omogo~a izdelave splo{nega algoritma, ki bi horizontalni dejavnik prilagajal vertikalnemu. Re{itev lahko i{~emo v avtomatiziranju postopka, ki bi pot razdelil na odseke glede na strmino, tej prilagodil horizontalni dejavnik in na koncu prikazal se{tevek rezultatov. Vertikalni dejavniki (uteì) algoritmov so predstavljeni v preglednici 2. 3 [tudijski primer za aktivnost polje V {tudijskem primeru bomo obravnavali le gospodarski prostor ene izmed aktivnosti, polje. Za na{ namen, ki je bil preveriti delovanje algoritma, to popolnoma zadostuje. V nadaljevanju bomo pojem gospodarsko zaledje uporabljali v povezavi z delom na polju. Predstavili bomo analizo gospodarskega zaledja zgodnjesrednjeve{kih (7. do 10. stoletje) naselij v Blejskem kotu. Rekonstrukcija zgodnjesrednjeve{ke pokrajine je povzeta po multidisciplinarni histori~ni {tudiji (Pleterski 1986). Analizirali bomo pot iz sredi{~a vasi do izhodi{~ za delo na polju. Zanima nas ~as, ki ga potrebuje lahko otovorjen pe{ec, ki potuje po utrjeni poti na delo ali z njega. Ker gre za relativno majhne razdalje, Slika 4: Vasi Zgornje Gorje, Vi{evnica, Polj{ica in Spodnje Gorje (od zahoda) in njihova polja okoli leta 800. Temne ~rte prikazujejo kombinacijo 7 minutnega dohoda in dodelitve glede na bliìno – alokacija (vir: DMV12,5, november 2005; Register prostorskih enot, avgust 2005, © Geodetska uprava Republike Slovenije). 206 Analiza gospodarskega zaledja v arheologiji krajin nas dejavniki, kot sta utrujenost in mònosti oskrbovanja med potjo, ne zanimajo. Kot so pokazali prakti~ni poizkusi, so tudi razlike v spolu, starosti in motivaciji zanemarljive. Kvaliteta podatkov nam omogo~a fenomenolo{ki pristop. Poleg dejanskega stanja v dolo~enem ~asu in prostoru bomo iskali tudi vpogled v mentalni model pokrajine. S tem izrazom opisujemo »globoko ponotranjena prepri~anja, podobe in predpostavke o nas samih, o na{em svetu … in o tem, kako se znaj-demo v njih« (Hutchens 2002, 61; prim. [tular 2005, 88). Gre za udejanjanje povezave ideje in prostora. Polje ima v mentalnem modelu pokrajine vsakega poljedelca poseben pomen. Zaznavanje pokrajine je proces, v katerem posameznik pokrajino kulturno interpretira in kategorizira. Tako ima vsakdo svoj amulet, vsaka vas svoje sveto mesto in vsaka lokalna skupnost svojo sveto goro. [ele v tako nasta-lem kontekstu so osmi{ljeni obstoje~i naravni dejavniki pokrajine (geomorfologija, kvaliteta prsti …). Mentalne modele pokrajine zgodnjesrednjeve{kih Blejcev bomo prepoznavali v stanju ob nastanku najstarej{ih vasi. Te so bile postavljene v skladu z mentalnim modelom pokrajine (Pleterski 2004), saj ni bilo naravnih in kulturnih ovir. Polje najstarej{ih vasi je dosegljivo v {tirih minutah. Najoddaljenej{i, {est minut in pol, je del polja nekoliko mlaj{ih Zgornjih Gorij. Izmerjeni ~asi hoje po dejanskih poteh so za najstarej{e vasi do 6 minut, v Zgornjih Gorjah 9 minut. Tènjo po bliìni polja lahko utemeljimo tudi z upo{tevanjem ~asovne dinamike. Spodnje Gorje so nastale pred drugo polovico 8. stoletja. Vasi Zgornje Gorje, Vi{evnica in Polj{ica so nastale s kolo-nizacijo (tudi) iz Spodnjih Gorij v drugi polovici 8. stoletja (Pleterski 1986, 128). Do takrat se je prvotno spodnjegorjansko polje skoraj podvojilo. Hoja do zadnjega polja izbranih vasi je okoli leta 800 trajala od 6 do 7 minut (slika 4). Zlasti izpovedna je primerjava polj Spodnjih Gorij in Vi{evnice, ki se prepletata. Polja obeh so okoli leta 800 dosegljiva v 7-ih minutah. To je torej ~as, ki so ga bili zgodnjesrednjeve{ki Blejci {e pripravljeni premagovati pri hoji na polje. Raje, kot da bi si izkr~ili polje 10 minut hoda od Spodnjih Gorij, so postavili novo naselbino, Vi{evnico. Omenjeno pravilo smo preverili {e na primeru vasi Spodnjih Bode{~ in Zgornjih Bode{~, tokrat z upo{tevanjem dejanskih poti. To pomeni, da smo karti trenja dodali prepoved pre~kanja poljskih povr- {in. Na ta na~in smo dobili mreò primarnih (utrjene) in sekundarnih (prehodne a neutrjene) poti. Slednjim smo dodali utè (1.2). Mreò poti smo razdelili glede na dostopnost z obeh vasi (slika 5). Uporabili smo programski modul Dejanska razdalja – dodelitev (ang. Path Distance Allocation). Rezultat predstavlja hipoteti~no mejo med vasema, ki je {est in pol minut hoda po dejanskih poteh. Tak{na meja se ujema s histori~no rekonstrukcijo (Pleterski 1986, 26–35). Izstopa le nekaj spodnjebo-de{kih njiv, ki odlo~no presegajo mejo dodelitve (slika 5). Polje starej{e vasi delno sega v gospodarsko zaledje mlaj{e vasi. Kot v zgornjem primeru (slika 4), opazimo, da priblìno ~etrtina sicer enotnega polja nove vasi pripada starej{i vasi. Ena izmed mònih razlag bi bila, da gre za delitev na podlagi skupnega dela, ki so ga skupaj opravili prebivalci stare in nove vasi pri kr~enju novega polja. Tak{no razlago potrjuje me{ano lastni{tvo travnikov, ki so bili v tem obdobju skupna last ter kasnej{a delitev polj (Pleterski 1986). Na~in delitve skupne zemlje na podlagi vloènega dela je bil dokumentiran tudi pri novove{kih zadrugah gorskih plemen ^rne gore in severne Albanije (Novakovi} 2001, 106). Na podlagi teh izsledkov lahko sklepamo tudi o vrsti poljedelstva. To je temeljilo na zelo intenziv-nem in visoko specializiranem obdelovanju poljskih povr{in. Isti zaklju~ek potrjujejo arheolo{ke najdbe primernega poljedelskega orodja (Pleterski 1987) in drùbena ureditev dela: polja so v zasebni lasti, obdeluje jih ena – lahko raz{irjena – druìna (Pleterski 1986). Razporeditev obdelovalnih povr{in v druga~nem poljedelstvu, na primer novove{kih severnoameri{kih sùnjelastni{kih plantaàh rià, kaè popolnoma druga~no sliko (Whitley 2003). Z rezultati analize gospodarskega zaledja torej lahko neposredno sklepamo o vrsti gospodarstva. ^e na kratko povzamemo. Najstarej{e vasi so bile postavljene v skladu z idealnimi predstavami o prostoru. V tem obdobju so polja od bivali{~ oddaljena 3 do 4 minute hoda po idealnih, oziroma 5 do 6 minut po dejanskih poteh. Ko pa je bilo zaradi ve~jega {tevila la~nih ust potrebno izkr~iti nova polja, odda-207 Benjamin [tular Slika 5: Vasi Zgornje inSpodnje Bode{~e, ~asovna dostopnost in dodelitev zemlji{~a. Primerjava z dokumentiranim stanjem (vir: DMV 12,5, november 2005; Register prostorskih enot, avgust 2005, © Geodetska uprava Republike Slovenije). ljena od bivali{~ ve~ kot 6 do 7 minut hoda po idealnih poteh, so si zgodnjesrednjeve{ki Blejci postavili nova bivali{~a, bliè polju. V mentalnem modelu pokrajine zgodnjesrednjeve{kih Blejcev je pot na polje trajala 3 do 4 minute. 6 do 7 minut hoda pa je meja, znotraj katere jim je bilo izkori{~anje polja ekonomsko smiselno. 4 Sklep V prispevku smo z meritvami na terenu preverili natan~nost nekaterih algoritmov za izra~unavanje stro{kovnih razdalj, ki so v arheolo{ki literaturi ve~inoma uporabljeni za izra~unavanje gospodarskega zaledja. Pri tem smo opazili precej{nja odstopanja. Precej bolj{e rezultate smo dobili z uporabo dejan-208 Analiza gospodarskega zaledja v arheologiji krajin Slika 6: Rekonstrukcija kulturne krajine zgodnjesrednjeve{kega blejskega kota. Pogled iz obronkov Jelovice, v ospredju Bode{~e (vir: Pleterski 1986; DMV 12,5, november 2005; Register prostorskih enot, avgust 2005, © Geodetska uprava Republike Slovenije). skih razdalj. Na gorskih terenih je potrebno dejanske razdalje za naklone od 17 do 35 stopinj uteè- vati, upo{tevati razlike med vzponom in spustom ter postaviti pregrade. Problem hoje pre~no na strmino ostaja nere{en. V prakti~nem primeru uporabe analize gospodarskega zaledja za zgodnji srednji vek smo pokazali razliko med idealnim stanjem, ki odseva mentalni model pokrajine, in stanjem, ko izkori{~anje polja iz dolo~enega naselja ni ve~ smiselno. Ta meja, 6 do 7 minut, je znatno manj{a od teoreti~nih modelov. S »procesno« metodo smo se dotaknili tudi »poprocesnih« vpra{anj in iskali pomen v razmerju med ~lovekom in prostorom (prim. Tilley 2004, 4–30). Na zgodnjesrednjeve{ko poselitev Blejskega kota (slika 6) je klju~no vplival svetovni nazor (Pleterski 2004), ki ga odseva (prim. Klejn 1987, 41) poselitev. Z analizo gospodarskega zaledja lahko preu~ujemo proces prilagajanja. Vse {tevil~nej{i prebivalci so se prilagajali trenutnim razmeram upo{tevaje tako svetovni nazor kot tudi gospodarske potrebe. 5 Viri in literatura Balstroem, T. 1992: The Use of Geographical Information Systems in the Planning Phase of a Field-work Campaign. Danish Journal of Geography 92, 75–79. Christopherson, G. L. in dr. 1999: Using ARC GRID's PATHDISTANCE Function to Model Catchment Zones for Archaeological Sites on the Madaba Plain, Jordan. ESRI User Conference Proceedings: http://gis.esri.com/library/userconf/proc99/proceed/papers/pap590/p590.htm (1. 4. 2006). Dular, J. in Tecco Hvala, S. 2007: Jugovzhodna Slovenija v èlezni dobi. Poselitev – gospodarstvo – drùba. Opera Instituti archaeologici Sloveniae 11. Hutchens, D. 2002: Sence neandertalcev. Ljubljana. Klejn, L. S. 1987: Arheolo{ki viri. Ljubljana. Novakovi}, P. 2003: Osvajanje prostora. Razvoj prostorske in krajinske arheologije. Ljubljana. Medmrèje: http://webhelp.esri.com/arcgisdesktop/9.1 (1. 4. 2006). 209 Benjamin [tular Launaro, A. 2004: Concerning Landscape. Agri Centuriati. An International Journal of Landcsape Archaeology 1, 31–41. Novakovi}, P. 2001: Detecting Territoriality and Social Structure in the Bronze and Iron Ages; GIS and the Hillforts in the Kras Region. B. Slap{ak (ur.), On the good use of geographic information systems in archaeological landscape studies: proceedings of the COST G2 WG2 Round Table, Ljubljana, 18 to 20 December 1998. Olsen, B. 2002: Od predmeta do teksta. Beograd. Pleterski, A. 1986: @upa Bled. Nastanek, razvoj in preìtki. Ljubljana. Pleterski, A. 1987: Sebenjski zaklad. Arheolo{ki vestnik 38, 237–330. Pleterski, A. 1989: Metoda povezave retrogradne analize katastra s pisanimi in arheolo{kimi viri (primer Blejskega kota). Zgodovinski ~asopis 43, 157–182. Pleterski, A. 2004: Idejni sistem blejske ùpe. Bled tiso~ let. Blejski zbornik 2004, 119–123. Podobnikar, T. 2002: Koncept izdelave novega digitalnega modela reliefa Slovenije. Geografski vestnik 74-1, 87–98. Podobnikar, T. 2003: Kronologija izdelave digitalnega modela reliefa Slovenije. Geodetski vestnik 47, 47–54. Podobnikar in dr. 2004: Iterative Approach to Ancient Paths Modelling in the Iron Age Study of the Dolenjska Region (Slovenia). Enter the Past. The E-way into the Four Dimensions of Cultural Heritage, CAA 2003, BAR International Series 1227, 254–257. Poglajen, S. 2006: Iskanje rimske cestne mreè v severozahodni Istri. GIS v Sloveniji 2006, v tisku. Stan~i~, Z, Gaffney, V. 1991: Napovedovanje preteklosti – uporaba GIS v arheolo{ki {tudiji otoka Hvara. Ljubljana. [tular, B. 2005: Simbolika tvarne kulture – lon~ek z Brezij. Studia Mythologica Slavica 8, 87–98. Tilley, C. 2004: The Materiality of Stone. Explorations in Landscape Phenomenology 1. New York: Oxford. Tobler, W. 1993: Non-isotropic Geographic Modeling. Three Presentations on Geographic Analysis and Modeling. University of California Technical Report 93–1. Van Hove, D. 2003: Agency and GIS: the Neolithic Land Use Hypothesis within Southern Italy. CAA 2002, M. Doerr in A. Sarris (ur.), The Digital Heritage of Archaeology, Heraklion, 201–208. Vita-Finzi, C., Higgs E. M., 1970: The Prehistoric Economy of the Mt. Carmel Area. Proceedings of the Prehistoric Society 36, 1–37. Whitley, T. G. 2003: GIS as an Interpretative Tool for Addresing Risk Management and Cognitive Spatial Dynamics in a Slave Society. CAA 2002, M. Doerr in A. Sarris (ur.), The Digital Heritage of Archaeology, Heraklion, 209–215. Vir prostorskih podatkov: © 1999–2005 Geodetska uprava Republike Slovenije. 210 GIS v Sloveniji 2005–2006, 211–222, Ljubljana 2006 ISKANJE RIMSKE CESTNE MRE@E V SEVEROZAHODNI ISTRI mag. Sa{o Poglajen Harpha Sea d. o. o. ^evljarska ulica 8, 6000 Koper In{tutut za dedi{~ino Sredozemlja, UP-ZRS Garibaldijeva ulica 1, 6000 Koper saso.poglajen@ guest.arnes.si UDK: 625.7(37):659.2:004 IZVLE^EK Iskanje rimske cestne mreè v severozahodni Istri V prispevku bo predstavljena uporaba in rezultati GIS-a pri ugotavljanju rimske mreè poti oziroma cest v severozahodni Istri. Uporabili smo predvsem ve~kratne izra~une optimalnih poti za generiranje kumulativnih kart optimalnih poti. Te smo ra~unali na razli~ne na~ine: med naklju~nimi to~kami v prostoru, med dana{njimi kraji s prisotnimi rimskodobnimi naselbinskimi ostanki ter med samimi rimskodobnimi naselbinami. Kumulativne karte so se izkazale kot uporabno orodje, saj omogo~ajo vpogled v hierarhijo posameznih odsekov mreè glede na {tevilo iteracij. Predvsem na fli{nem predelu obmo~ja raziskave so se pokazali klju~ni prehodi in povezave, ki nam pomagajo pri iskanju in razumevanju mònih razli~ic prave rimske cestne mreè. Poleg kumulativnih izra~unov smo s principom anizotropi~nih povr{in porabe izra~unavali optimalne poti med izbranimi lokacijami, s katerimi smo modelirali rimsko mreò poti. KLJU^NE BESEDE GIS, optimalne poti, Via Flavia, severozahodna Istra ABSTRACT The search for the Roman road network in North-western Istria This contribution presents the GIS use and results at ascertaining the Roman network of routes and roads in North-western Istra. Predominantly we used the multiple calculations of optimal routes for generating cumulative maps of optimal routes. We calculated them in various ways: from the randomly selected points in the environment, between today's settlements with Roman settlement remains and amongst the Roman settlements themselves. The cumulative maps have proven to be useful tools, for they enable the insight into the hierarchy of individual network sections, while taking into account the number of iterations. We found key links and routes that help us understand and find the possible variations of the true Roman road network, which holds especially true for the flysch part of the research area. Apart from the cumulative calculations we have also calculated the optimum routes between the chosen locations (with the principle of anisotropic cost surface) with which we modelled the Roman network of routes and roads. KEYWORDS GIS, optimal routes, Via Flavia, North-western Istria 211 Sa{o Poglajen 1 Uvod Prispevek je del {ir{e {tudije, ki s pomo~jo geografskih informacijskih sistemov (GIS) prou~uje poselitveni vzorec rimskega podeèlja na obmo~ju severozahodne Istre. [tudijsko obmo~je se v grobem razteza v trikotniku med Trstom, Buzetom in Novigradom. Na vzhodu je zamejeno s Kra{kim robom, na jugu z reko Mirno, na zahodu pa z morjem (slika 1). Predstavili bomo uporabo analize optimalnih poti pri razumevanju komunikacijskih koridorjev v prostoru in iskanju rimske mreè poti oziroma cest. Slika 1: Zemljevid {tudijskega obmo~ja. Na {tudijskem obmo~ju je aktualna predvsem problematika poteka glavne dràvne ceste ( via publica), ki je povezovala kolonijo Tergeste z Istro. Gre za glavno cesto, ki je tekla od Akvileje do Pule, in je po treh miljnikih, najdenih severno od Pule, poznana kot Via Flavia (Forlati Tamaro 1947, {t. 705–707; Bosio 1991, 223). Tem lahko dodamo {e miljnik, odkrit l. 1999 v zaselku Sv. Maver pri Krkav~ah, ki ga je dal postaviti cesar Vespazijan v poletnem semestru leta 74 (Sakara-Su~evi} 2004, 12, op. 2). Poleg glavne ceste se predvidevajo {e {tevilne ceste nìjega ranga, ki pa so slabo izpri~a-ne (Za pregled predvidenih tras rimskih cest na {tudijskem obmo~ju glej npr.: Degrassi 1934, tab. I; [a{el 1975; Truhlar 1975; Bosio 1991; [onje 1991, 42–50; Matija{i} 1998, 421–423; Grapatico-polo 2004.) Najve~ja koncentracija arheolo{ko odkritih ostankov rimskih cest je v Trstu. Odkriti so bili ostanki glavnih cest, ki so iz kolonije Tergeste vodile proti Akvileji in Istri, ter povezovalna cesta med njima (Ventura 1996). Preostalo obmo~je ima relativno skromne arheolo{ke podatke o rimskih cestah. [e najbolj konkreten je tisti, ki najverjetneje potrjuje prehod glavne rimske ceste preko Riàne na Kriì{~u pri Sp. [kofijah (Nov{ak 2003, 165–166). Del rimske ceste, ki je vodila iz osapske doline v dolino Rià- ne, je bil odkrit {e pri ^rnem Kalu na ledini Kriì{~e ter na ledini Gomi{~ak (Benussi 1927–28, 261; Labud 1995, 63). Odkriti so bili {e ostanki rimskih cest na obmo~ju vasi Dekani (ANSl, 142) ter severno od vasi Petrovija na Hrva{kem (Matija{i} 1986, 83). Poleg è omenjenega miljnika nam potek rimskih cest posredno izpri~ujeta {e dva obcestna kamna. Prvi je iz ^rnega Kala (ANSL, 129), drugi pa izvira nekje med Medelini in Sv. Jurajom pri Novi Vasi (Starac 1995, 94). Indice o cestah nam posredno odkriva tudi izro~ilo in toponimi »rimska cesta« ali »stara cesta«. Tovrstni toponimi ali izro~ila so znani iz ^enturja, ^eàrjev, Pesjancev, [marij ter Zanigrada. 212 Iskanje rimske cestne mreè v severozahodni Istri 2 Priprava podatkov Osnova ali podlaga {tevilnih GIS analiz je digitalni model reliefa (DMR), ki predstavlja numeri~no obliko zapisa povr{ine prostora. Uporabljen DMR {tudijskega obmo~ja smo generirali z digitalizira-njem plastnic dràvnih topografskih kart merila 1 : 25.000. Poleg tega smo na obmo~jih aluvialnih ravnic zaradi pomanjkanja vi{inskih vrednosti selektivno vklju~ili {e podatke iz temeljnih topografskih na~rtov merila 1 : 5.000. Digitalizirane podatke smo v nadaljevanju dodatno obdelali (po ve~kratni obdelavi podatkov z razli~nimi algoritmi interpolacije smo pri kon~nem rezultatu uporabili »kriging« algoritem, ki iz nepravilno razporejenih to~k generira homogeno mreò) ter tako generirali DMR z lo~ljivostjo 20 m. Izra~un optimalnih poti je z GIS orodji relativno enostaven. Analiza generira linijo, ki z najmanj{im vlòkom premaguje teren med dvema to~kama. Pri tem potrebujemo povr{ino porabe do dolo~ene ciljne to~ke in izhodi{~no to~ko. V arheologiji se analize optimalnih poti uporabljajo kot model za generiranje potencialnih preteklih poti ali cest, katerih trase niso poznane (kot primere uporabe analize optimalnih poti v arheologiji glej npr.: Jensen 2003; Podobnikar et al. 2004; [tular 2006a). Pri analizi optimalnih poti je klju~en parameter povr{ina trenja, ki jo uporabimo za izra~un povr- {ine porabe dolo~ene lokacije. Povr{ina porabe lahko predstavlja razli~ne kontekste porabe (npr.: energija, ~as) glede na problem, ki ga prou~ujemo. Za izra~un optimalnih poti nam povr{ina porabe prera~unano predstavlja energijski vloèk, ki je potreben za pre~kanje posamezne celice rastra. Osnoven podatek za sestavljanje povr{ine trenja je klasificirana povr{ina naklonov terena, kjer razredom naklona pripi- {emo pripadajo~o vrednost trenja. Pri klasificiranju smo izhajali iz krivulje, ki ponazarja porabo energije metabolizma posameznika med premikanjem po razli~nih naklonih terena (Llobera 2000, slika 2). S poizku{anjem izra~unavanja posameznih optimalnih poti in ob spreminjanju klasificiranja povr- {ine naklonov smo krivuljo nekoliko modificirali. Predvsem smo pove~ali vrednost trenja naklonom nad 30 stopinj, saj nas zanima predvsem potek rimskih cest, ki so se verjetno izogibale strmej{im pobo~- jem. Poleg tega smo naklonom od 0 do 5 stopinj dolo~ili vrednost 1,5, torej nekoliko ve~ od osnovne vrednosti. Dejstvo je, da so aluvialne doline skoraj brez naklona in algoritem za izra~unavanje poti tako najraje dolo~i linijo po sredini teh dolin, kar pa zaradi poplavljanja in zamo~virjenosti ni primerno za gradnjo cest. Osnovno vrednost trenja so imeli nakloni med 5 in 10 stopinj, kar pri izgradnji cest verjetno {e vedno ne predstavlja bistvene razlike v teàvnosti izgradnje. Po tem popravku so se izra~unane optimalne poti umaknile na rob dolin, s tem pa so trase potencialnih poti postale realnej{e. V povr{ino trenja smo dodali {e potek nekaterih rek. Upo{tevali smo le spodnje tokove Riàne, Dragonje, Mirne in Bada{evice, ki smo jim dolo~ili vi{jo vrednost. Kot bariere v prostoru pa smo dolo~ili prepadne stene (Kra{ki rob, klifi v fli{u) in morje. Dobljena povr{ina trenja predstavlja vpliv morfologije terena na izra~un povr{ine porabe. Kot taka ne upo{teva vegetacije in vrste tal, kot tudi ne drugih dejavnikov, ki niso povezani s fizi~nim prostorom. Premikanje po prostoru in izgradnja cest se je verjetno prilagajala tudi socialno-ekonomskim dejavnikom, ki so bodisi delovali kot »magneti« ali »odbojniki« v krajini. Postopek generiranja povr{ine trenja smo preizkusili z izra~unom optimalne poti med Vrhniko in Hru{ico, kjer je potek rimske ceste relativno natan~no dolo~en (glej: Premerstein, Rutar 1899). Rezultat izra~unane optimalne poti je zadovoljivo sledil znani trasi rimske ceste med Vrhniko in Hru{ico. Na odseku med Vrhniko in Logatcem se je optimalna pot ujemala s t. im. dolinsko potjo. 3 Optimalne poti med naklju~nimi to~kami Na podlagi povr{ine trenja {tudijskega obmo~ja smo z izra~unavanjem povr{in porabe za 50 naklju~nih lokacij ter za vsako od teh lokacij {e 200 optimalnih poti do naklju~nih to~k generirali mreò 10.000 naklju~nih optimalnih poti. Izra~un smo izvajali s programom Grass, kjer smo z ukazom r.cost izra~unavali povr{ino porabe za naklju~no to~ko, z ukazom r.drain pa smo za vsako povr{ino porabe 213 Sa{o Poglajen Slika 2: Mreà kumulativnih naklju~nih optimalnih poti na {tudijskem obmo~ju. generirali 200 optimalnih poti do naklju~nih to~k (na tem mestu se zahvaljujem Dimitriju Mlekuù, ki je sestavil skripto za avtomatiziranje postopka). Zaradi ponavljanja pri izra~unavanju poti prihaja do prekrivanja posameznih poti ali delov poti, kar je izraèno s {tevilom iteracij poti, kjer 1 pomeni enkratno uporabo optimalne poti oziroma celice prostora, do najvi{je vrednosti 650 ponovitev nekaterih celic rastra. Kumulativna mreà naklju~nih optimalnih poti nam pokaè potencial posameznih delov obravnavanega obmo~ja za komuniciranje oziroma njegovo prehajanje (slika 2). Po klasifikaciji dobljenega rezultata laè razberemo hierarhijo posameznih odsekov mreè (slika 3). Razvidno je, da se da prvo linijo optimalne poti zaznati pri najmanj 400 iteracijah. Pomenljivo je, da gre za enotno linijo, ki se vije od Miljskega zaliva proti jugozahodu. Ta, imenujmo jo primarna kumu-214 Iskanje rimske cestne mreè v severozahodni Istri Slika 3: Klasificirane kumulativne naklju~ne optimalne poti na {tudijskem obmo~ju. lativna linija, je glede na morfologijo terena klju~na pri prehajanju obravnavanega obmo~ja. Zanimivo, da tudi bolj ali manj odgovarja predvidenemu poteku glavne rimske ceste med Trstom in Bujami. Nove optimalne linije se pojavijo pri najmanj 300 iteracijah. Odsek nove, t. i. sekundarne kumulativne linije se pojavi v dolini potoka Pinjevec, kjer se skoraj ujema z dana{njo cesto iz Marezig v dolino Dragonje. Drugi zaznaven odsek sekundarne linije gre od ^rnega Kala preko Kubeda do Gra~i{~a. Zadnji nov odsek sekundarne kumulativne linije pa se pojavi na ozkem prehodu, ki vodi iz Movra{ke vale v dolino potoka Bra~ana. Na ravni najmanj 200 iteracij se primarna linija sklene skoraj od Barkovelj do Sermina ter od Bertokov do konca doline Drnice. Predhodno opisana sekundarna linija v dolini Pinjevca se podalj{a proti severu 215 Sa{o Poglajen do Vanganela in proti jugu od [krlin preko Hriba pri vasi Bri~ v dolino potoka Rusik in zopet preko gre-bena v slepo dolino potoka Bazuje. Tudi ta del odseka lahko bolj ali manj natan~no sledimo po recentnih manj{ih cestah ali poteh. Morda gre za nekak{no lokalno blìnjico, ki je verjetno v preteklosti povezovala dolino Dragonje, preko osrednjega dela apnen~aste planote med Bujami in Buzetom, z dolino Mirne pri Ponte Portonu. Linija med ^rnim Kalom in Gra~i{~em se proti severozahodu podalj{a proti Ospu in proti jugu z manj{im odsekom proti Smokvici. Zanimiv je nov odsek, ki skupaj z linijo med Ospom in Kubedom tvori prese~i{~e, nedale~ od dana{njega kriì{~a cest za Gabrovico, ^rni Kal ali Stepane. Z najmanj 100 iteracijami je izraènih è bistveno ve~ kumulativnih linij optimalnih poti. Prej{- nje linije se {e oja~ajo in obogatijo z novimi odseki, pojavi pa se tudi veliko novih linij. Zanimiva je zdruìtev linij od Riàne skozi ^eàrje in Pobege do [kocjana, kjer se linija zdruì s primarno. Nova je kumulativna linija, ki se od Gra~i{~a vzpne do zaselka Poleti~i in se spusti v dolino Dragonje. Nadaljuje se v smeri jugozahoda in se zahodno od vasi ^epi~ dvigne na kra{ki svet »rde~e« Istre ter se v isti smeri s prekinitvami nadaljuje proti Mirni. Novi so tudi odseki linije, ki povezuje slovensko obalo. Na apnen~astem terenu se linje prvi~ jasneje izri{ejo {ele pri najmanj 100 iteracijah. Zaradi bolj homo-genega, polònej{ega kra{kega reliefa tu ne prihaja do pomnoèvanja linij na dolo~enih odsekih (doline, grebeni, prelazi), ampak se linije razpr{ijo preko {ir{ega prostora in {tevilo iteracij je posledi~no manj{e. Pri preseku mreè optimalnih poti na ravni najmanj 50 oziroma 25 iteracij kumulativne linije tvorijo precej razvejano mreò po ve~jem delu obmo~ja s {tevilnimi prese~i{~i. Vse è opisane linije se podalj{ajo, razcepijo in se med seboj poveèjo z novimi odseki. Izpostavijo se tudi nekatera obmo~ja prese~i{~, ki predstavljajo kriì{~a med komunikacijmi v prostoru. Tak{no je npr. obmo~je v dolini Riàne pri Serminu. Na tem obmo~ju je {e danes v uporabi toponim Kriì{~e, ki predstavlja kriì{~e komunikacij iz smeri SZ–JV in SV–JZ. Drugo tako obmo~je je kriì{~e pri ^rnem Kalu, ki smo ga è omenili. Na tem delu se kriàjo komunikacije pod Kra{kim robom s tistimi, ki se povzpnejo na kra{ko planoto. [ir{e obmo~je prese~i{~ linij je tudi pri soto~ju Drnice in Dragonje. Omenimo {e obmo~je prese~i{~a pri Gra~i{u, kjer se kriàjo linije iz Movra{ke vale, iz smeri Kubeda, So~erge, iz Pregarske planote in doline Pinjevca. Seveda opisanih linij naklju~nih optimalnih poti ne gre jemati kot absolutne trase, na katerih je potrebno iskati pretekle (prazgodovinske ali rimske) komunikacije. Izra~un je le orodje za testiranje mònosti prehajanja obravnavanega obmo~ja. Algoritem gotovo preferira doline, in ne grebene, saj se linije po grebenih v ve~jem {tevilu pojavijo {ele pri manj kot 50 iteracijah, kar je v nasprotju s polpreteklo cestno mreò, ki povezuje naselja na fli{nih grebenih. Prav tako je izra~un manj uporaben na apnen~astem, homogenem reliefu, kjer se iteracije izra~unov razpr{ijo in se ne zdruùjejo tako kot na fli{nem, bolj razgibanem reliefu. To nam po drugi strani pokaè, da je kra{ki svet làje premostljiv, poti in ceste so imele tudi è v preteklosti dalj{e ravne odseke in poselitveni vzorec verjetno ni bil toliko pod vplivom mònosti komuniciranja. Rezultat je poleg testiranja tudi realno primerljiv z recentno cestno mreò, saj se {tevilne linije na dolo~enih odsekih ujemajo predvsem z manj{imi stranskimi cestami in potmi, ki se bolj ravnajo po konfiguraciji terena kot modernej{e magistralne in hitre ceste. 4 Optimalne poti med dana{njimi kraji s prisotnostjo rimske poselitve Zaradi preverjanja recentne cestne mreè z rezultati anlize optimalnih poti smo mreò generirali med dana{njimi kraji (vasi, mesta), ki imajo v svoji bliìni naselbinska najdi{~a iz rimskega obdobja. Analizo smo izvajali podobno kot v predhodnem primeru, le da smo namesto naklju~nih to~k uporabili 81 krajev, med katerimi smo izra~unavali optimalne povezave. Lokacije krajev so sluìle kot izhodi{~a za izra~un povr{ine porabe, uporabili pa smo jih tudi pri povr{ini trenja. Lokacijam krajev smo dolo- ~ili manj{o vrednost trenja (2r = 400 m; vrednost 0,01) in jo poloìli na obstoje~o povr{ino trenja. S tem so kraji delovali kot privlak pri ra~unanju optimalnih poti med njimi. Mreà poti se je s tem bolj pribliàla realnej{i cestni mreì, saj so ceste {e do nedavnega najve~krat povezovale sredi{~a naselij in jih 216 Iskanje rimske cestne mreè v severozahodni Istri Slika 4: Klasificirane kumulativne optimalne poti med izbranimi dana{njimi kraji. ^rni kvadratki predstavljajo izbrane kraje, sive linije predstavljajo recentno mreò cest in poti. ne obhajale tako kot moderne ceste. Nekoliko smo povr{ino trenja spremenili tudi glede na naklon reliefa. Trenje smo povi{ali zgolj v intervalu med 0 in 2 stopinjama naklona. Osnovno vrednost 1 pa smo pripisali naklonom med 2 in 5 stopinjami. Generirana mreà optimalnih poti med dana{njimi kraji vsaj na fli{nem obmo~ju dokaj realno ponazarja dejansko cestno mreò (slika 4). Tu se izri{e klasi~na grebenska mreà, ki povezuje kraje na grebenih. Podobno velja tudi za fli{no obmo~je na levem bregu Mirne med Bujami in Oprtaljem. Ponovno se kot osrednji »koridor« prehajanja prostora v smeri sever–jug izkaè prehod od @avelj, preko [kofij, proti Gaònu, v dolino Drnice in mimo Ka{tela v Buj{tino. Trasa je skoraj enaka è opisani primarni liniji 217 Sa{o Poglajen Slika 5: Klasificirane kumulativne optimalne poti med evidentnimi rimskimi naselbinami na {tudijskem obmo~ju. ^rni kvadratki predstavljajo izbrane rimske naselbine. iz opisa naklju~nih optimalnih poti (glej zgoraj). Alternativa tej primarni povezavi v smeri sever–jug je grebenski prehod preko [marij in Krkav~ v dolino Dragonje. Kot tretjo jasnej{o oziroma mo~nej{o povezavo pa lahko izpostavimo linijo, ki poteka nekako od Marezig, gre v dolino Pinjevca ter skoraj po trasi sodobnih cest in poti poteka po desnem bregu Dragonje do Soln, kjer preide ob jùni rob doline in se povzpne do Montrina v Buj{tini. ^e celotno kumulativno mreò optimalnih poti primerjamo z recentno oziroma polpreteklo mre- ò cest in poti (mreò cest in poti iz polpreteklega obdobja smo digitalizirali na podlagi DTK 25, pri ~emer smo izhajali iz mreè cest in poti, upodobljenih na Joèfinskih voja{kih zemljevidih (glej: Raj{p 1997)), 218 Iskanje rimske cestne mreè v severozahodni Istri lahko na nekaterih obmo~jih in odsekih opazimo dobro ujemanje, drugje pa manj{e ali ve~je razhaja-nje. Pri izra~unanih optimalnih poteh pogre{amo predvsem linije, ki bi potekale po{evno ali vodoravno po pobo~ju, kot so speljane nekatere recentne poti ali ceste. To je posledica dejstva, da izra~un temelji na izotropi~ni povr{ini porabe, ki ne upo{teva smeri prehajanja preko pobo~ja. Algoritem za izra~un optimalnih poti pobo~je premaguje pravokotno oziroma direktno po najkraj{i mòni poti. Kot tak ne ponazarja realnega premagovanja klancev, kar je potrebno upo{tevati pri interpretiranju rezultatov (prim. [tular 2006b). 5 Optimalne poti med evidentnimi rimskimi naselbinami V analizi smo uporabili 208 evidentnih naselbin iz rimskega obdobja. Pri povr{ini trenja smo izhajali iz povr{ine trenja, uporabljene pri analizi optimalnih poti med dana{njimi kraji (glej zgoraj), le da smo jo sedaj prilagodili glede na podatke o rimskih cestah. Podobno kot pri predhodni analizi smo naselbine vstavili tudi v povr{ino trenja, in sicer kot obmo~ja s premerom 120 m in vrednostjo 0,1. Na podoben na~in smo v povr{ino trenja vstavili {e podatke o odkritih rimskih cestah (2r = 80 m, vrednost 0,001), o domnevnih rimskih cestah (2r = 400 m, vrednost 0,5) in podatke o obcestnih kamnih (2r = 2000 m, vrednost 0,5). Vrednosti teh dodatnih slojev smo pomnoìli z osnovno povr{ino trenja. Rezultat analize je kumulativna mreà optimalnih poti med rimskimi naselbinami, ki poleg morfologije terena odraà tudi arheolo{ke podatke (slika 5). Ne smemo je razumeti kot dejanske rimske cestne mreè, ampak kot orodje pri njenem iskanju in ugotavljanju na terenu ter modeliranju prostora. Tako kot pri predhodnih analizah se tudi tu kot optimalna trasa za prehod preko [avrinskih hribov ponuja linija preko prelaza pri Gaònu. Kot njena alternativa se je izrisala tudi trasa, ki se od prve odcepi pri [alari in se preko Bo{amarina povzpne do [marij. Od tu gre po grebenu, kakor dana{nja cesta do Krkav~, in se spusti v dolino Dragonje. Trasa linije se nadaljuje proti jugozahodu, se pri zaselku Juki povzpne na planoto in nadaljuje proti Bujam. Tretja je razli~ica prehoda preko prelaza pri Babi~ih. Ta se odcepi v Bertokih, gre proti jugu do Vanganela in mimo Babi~ev v dolino Pinjevca pod Glemom. Nadaljuje se po severnem robu doline Dragonje in se preko pobo~ja Dramac med hribom Fineda s praz-godovinskim gradi{~em in Sv. Ivanom z rimsko naselbino povzpne na Buj{tino. Tu zavije proti jugu, gre mimo zaselka Bibali do Tribana in naprej. Nekoliko izrazitej{e so tudi tri povezave, ki v smeri sever–jug pre~kajo Pregarsko planoto. Prva gre od [krlin mimo Bri~a v dolino Bazuje. Drugo lahko sledimo izpod Belvedurja pri Topolovcu po dolini Malinske do ^epi}a, tretja pa je grebenska. Vije se od Gra~i{~a mimo Butarov in naprej po grebenu do Brezovice pri Gradinu. Od tu naprej gre povezava po trasi ceste za Motovun preko Bojenika, v dolino Pregon in preko apnen~aste planote do Oprtalja. Povezava Trst–Buzet je mo~no izraèna le do Gra~i{~a, naprej mimo So~erge ali Movraà proti Buzetu pa je {tevilo iteracij precej manj{e. Po omenjeni trasi je skoraj gotovo potekala è prazgodovinska pot in verjetno tudi rimska cesta. Dejstvo, da {tevilo iteracij proti Buzetu upada, je posledica margi-nalnosti Buzeta v tej analizi. Splo{na slabost ve~ine GIS analiz je u~inek obrobja (angl.: edge effect), zaradi ~esar se pojavov na robu analiziranega obmo~ja ne da pravilno ovrednotiti. Na apnen~astem obmo~ju Buj{tine je mreà optimalnih poti razpr{ena glede na posamezne povezave med naselbinami. Z vi{jimi vrednostmi iteracij izstopajo le nekateri odseki. 6 Optimalne poti med izbranimi lokacijami Po treh kumulativnih mreàh optimalnih poti smo analizirali tudi posamezne odseke med izbranimi lokacijami, na katerih poznamo, ali pa lahko predvidevamo, potek rimske ceste. Pri tem smo povr{ino porabe generirali po principu anizotropi~nosti. Predhodne analize so temeljile na izotropi~ni povr{i-219 Sa{o Poglajen Slika 6: Mreà optimalnih poti med izbranimi lokacijami, ki temelji na anizotropi~nih povr{inah porabe energije. ni porabe, ki ne upo{teva smeri prehajanja preko terena. Nasprotno anizotropi~na povr{ina porabe upo- {teva tudi kot odklona od direktne smeri pobo~ja. To preprosto pomeni, da glede na nastavitve izra~un upo{teva zmanj{anje efektivnega trenja, kadar smer prehajanja pobo~ja ne poteka direktno navkreber. Zmanj{anje efektivnega trenja je pomembno predvsem pri naklonu, kjer se efektivno trenje spreminja glede na smer prehajanja. Anizotropi~no povr{ino porabe smo izra~unavali v programu Idrisi (IDRISI je registriran za{~itni znak laboratorija Crark Labs z univerze Clark University) z modulom varcost. Razmerje med kotom odklona od direktne linije in efektivnim trenjem dolo~imo s parametrom k (Eastman 2003, slika 20-1). 220 Iskanje rimske cestne mreè v severozahodni Istri Poleg variabilnega trenja, ki izhaja iz povr{ine naklona, smo pri izra~unu povr{ine trenja upo{tevali tudi izotropi~no trenje, ki ni odvisno od smeri. Tako kot pri vseh izra~unih smo kot bariere dodali naravne prepreke (morje, prepadi, reke) in mesta z rimskimi naselbinami ter cestnim kontekstom, ki so imela manj{e vrednosti od osnovne vrednosti trenja (glej zgoraj). Z izra~uni smo generirali optimalne poti, ki jih lahko razumemo kot potencialne trase rimskih poti ali cest med kraji, za katere se predvideva vpetost v rimsko mreò cest oziroma poti. Upo{tevali smo znane ostanke rimskih cest, med katerimi smo generirali optimalne poti. Poleg glavne komunikacije od Trsta proti Pore~u smo simulirali povezavo Trsta z notranjo Istro, ki je najverjetneje potekala preko Buzeta, nadalje obalno komunikacijo, ki jo predvideva Bosio (Bosio 1991), ter preostale kraj{e odseke, ki jih na podlagi znanih informacij smemo predvideti. Rezultat je mreà optimalnih poti, ki jo lahko razumemo kot simulacijo mreè nekaterih anti~nih poti oziroma cest na prostoru med Trstom in Mirno (slika 6). 7 Sklep Namen izra~unavanja optimalnih poti na {tudijskem obmo~ju je bil razumevanje prostora v smislu mònosti komuniciranja oziroma prehajanja. Z analizo naklju~nih optimalnih poti smo predvsem testirali prostor in izpostavili trase oziroma koridorje, ki so glede na naravne danosti klju~ni pri nje-govem prehajanju. Kumulativne optimalne poti med izbranimi dana{njimi kraji so poleg morfologije terena upo{tevale tudi lokacije krajev ter so zaradi njihove razporeditve izpostavile nekatere alternative pri prehajanju prostora. Podobno velja za kumulativne optimalne poti med rimskimi naselbinami, ki poleg morfologije terena odraàjo tudi razpolòljive arheolo{ke podatke s cestnim kontekstom in simulirajo vpetost vseh naselbin v mreò poti oziroma cest. Z zadnjo analizo smo glede na predhodne analize in glede na arheolo{ke podatke modelirali rimsko mreò poti oziroma cest, ki jo lahko uporabimo kot model pri analiziranju odnosa distribucije rimskih naselbin glede na bliìno komunikacijskih tras. Analize optimalnih poti so med drugim izpostavile dejstvo, da je prehajanje prostora tèje na predelih fli{a, z erodirano morfologijo, na apnen~astih planotah pa potek komunikacij ni toliko odvisen od naravnih danosti. Sklepamo lahko, da se komunikacije na apnen~astih planotah oblikujejo po najkraj{i mòni trasi oziroma glede na kulturne dejavnike. 8 Viri in literatura ANSL 1975: Arheolo{ka najdi{~a Slovenije. Ljubljana. Benussi, A. 1927–28: Dalle annotazioni di Alberto Puschi per la Carta archeologica dell'Istria. Archeografo Triestino 14, s. 3. Trieste. Bosio, L. 1991: La strade romane della Venetia e dell'Histria. Padova. Degrassi, A. 1934: Inscriptiones Italiae, regio X, Parentium. Roma. Forlati Tmaro, B. 1947: Inscriptiones Italiae, regio X, Pola et Nesactium. Roma. Eastman, J. R. 2003: IDRISI Kilimanjaro, Guide to GIS and Image Processing. Manual Version 14.00. Worcester. Gramaticopolo, R. 2004: Via Flavia, strada romana nell'Istria romanizzata. Archeografo Triestino IV, 64 (112). Trieste. Jensen, D. E. 2003: Geoglyphs and GIS, Modeling Transhumance in Northern Chile. CAA 2002, The Digital Heritage of Archaeology, Computer Applications and Quantitative Methods in Archaeology, Proceedings of the 30th Conference, Heraklion, Crete, April 2002. Hellenic Ministry of Culture. Labud, G. 1995: Ricerche storico-ambientali dell'Istria settentrionale, la valle del fiume Risano. Studies in Mediterranean Archaeology and Literature. Jonsored. 221 Sa{o Poglajen Llobera, M. 2000: Understanding movement, a pilot model towards the sociology of movement. Beyond the Map, Archaeology and Spatial Technologies. NATO Series A, Life Sciences 321. Ohmsha. Matija{i}, R. 1998: Gospodarstvo anti~ke Istre, Arheolo{ki ostaci kao izvor za poznavanje dru{tveno-gospodarskih odnosa u Istri u antici (I. st. pr. Kr. – II. st. posl. Kr.). Povijest Istre IV. Pula. Nov{ak, M. 2003: Kriì{~e pri Sp. [kofijah. Zemlja pod va{imi nogami, Arheologija na avtocestah Slovenije, Vodnik po najdi{~ih. Ljubljana. Podobnikar, T., Tecco Hvala, S., Dular, J. 2004: Iterative Approach to Ancient Paths Modelling in the Iron Age Study. Enter the Past, The E-way into the Four Dimension of Cultural Heritage, CAA 2003, Computer Application and Quantitative Methods in Archaeology, Proceedings of the 31st Conference, Vienna, Austria, April 2003. BAR International Series 1227. Oxford. Premerstein, A. von, Rutar, S. 1899: Römische Strassen und Befestigungen in Krain. Wien. Raj{p, V. (ur.) 1997: Slovenija na voja{kem zemljevidu 1763–1787 (1804), Zvezek 3. Ljubljana. Sakara-Su~evi}, M. 2004: Ka{telir, Prazgodovinska naselbina pri Novi vasi/Brtonigla (Istra). Koper. [a{el, J. 1975: Rimske ceste v Sloveniji. ANSL. Ljubljana. [onje, A. 1991: Putevi i komunikacije u prethistoriji i antici na podru~ju Pore{tine. Pore~–Pazin. [tular, B. 2006a: Analiza gospodarskega zaledja in arheologija krajin. Geografski informacijski sistemi v Sloveniji 2005–2006. Ljubljana. [tular, B. 2006b: Prostor blejskih planin v srednjem veku. ^lovek v Alpah. Kamnik Ventura, P. 1996: Tergeste romana, elementi per la forma urbis. Archeografo Triestino IV, 56 (104). Trieste. Starac, A. 1995: Unutra{njost Histrije u vremenu rimske vlasti. Histria archaeologica 26. Pula. Truhlar, F. 1975: Stara pota ter poskus rekonstrukcije nekdanje prometne mreè. ANSL. Ljubljana. 222 GIS v Sloveniji 2005–2006, 223–231, Ljubljana 2006 UPORABA DALJINSKEGA ZAZNAVANJA ZA ODKRIVANJE MAJEVSKIH ARHEOLO[KIH NAJDI[^ dr. Kri{tof O{tir In{titut za antropolo{ke in prostorske {tudije ZRC SAZU Novi trg 2, 1000 Ljubljana kristof@ zrc-sazu.si UDK: 528.8:902.2(=821.173) IZVLE^EK Uporaba daljinskega zaznavanja za odkrivanje majevskih arheolo{kih najdi{~ Daljinsko zaznavanje predstavlja hiter in u~inkovit na~in pridobivanja podatkov o ve~jih in teè dostopnih obmo~jih. Arheolo{ke aplikacije opazovanja iz zraka in vesolja omogo~ajo dolo~anje zna~ilnosti najdi{~ in njihovo posredno ali neposredno opazovanje. Obravnavane so mònosti, ki jih ponujajo sodobni snemalni sistemi, tehnike obdelave podob in teàve s katerimi se sre~ujemo. Za izbrane okoljske zna~ilnosti je pokazana razlika med arheolo{kimi najdi{~i in naklju~nimi to~kami, kar omogo~a izdelavo napovedovalnega modela. Napovedovalni model za arheolo{ka najdi{~a je mogo~e zgraditi z upo{tevanjem naklona in ukrivljenosti reliefa ter stanja vegetacije. KLJU^NE BESEDE arheologija, Landsat, SPOT, radar, letalska fotografija, daljinsko zaznavanje ABSTRACT Application of remote sensing in the detection of Maya archaeological sites Remote sensing is a fast and efficient mean to obtain data over larger and difficultly accessible areas. Archaeological applications of air and space borne earth observation can provide characteristics of sites and their indirect or direct observation. In the paper possibilities of contemporary imaging systems, image processing methodology and problems, are described. For selected environmental parameters the difference between archaeological and random points, that enables the composition of predictive models, is shown. The archaeological site predictive model has to be based on slope and curvature of the relief, supported by the vegetation status indicators. KEYWORDS archaeology, Landsat, SPOT, radar, aerial photography, remote sensing 223 Kri{tof O{tir 1 Uvod Daljinsko zaznavanje predstavlja hiter in u~inkovit na~in pridobivanja podatkov o ve~jih obmo~- jih. Tradicionalne metode arheolo{kega dela, predvsem izkopavanje, pogosto uni~ijo sam predmet raziskave, medtem ko je opazovanje na daljavo nedestruktivna metoda, ki je poleg tega neprimerno cenej{a od terenskega pregleda. Pri arheolo{kem daljinskem zaznavanju opazujemo lastnosti, ki jih pogosto ni mogo~e zaznati na povr{ju, jih natan~no kartiramo in interpretiramo (Kvamme 2005). Prve primere uporabe daljinskega zaznavanja v arheologiji sre~amo è pred sto leti. V za~etku dvajsetega stoletja so namre~ iz balona posneli prvo ve~je arheolo{ko najdi{~e, in sicer Stonehenge (Kvamme 2005). Letalsko fotografijo, ki je bila veliko v uporabi v prvi polovici prej{njega stoletja, so skoraj v celoti nadomestili multispektralni ({e posebej visoko lo~ljivi) satelitski senzorji in talni instrumenti, recimo terestri~ni radar in lidar. Ve~ino ~love{ke zgodovine lahko opazujemo prek ~lovekovega vpliva na okolje in daljinsko zaznavanje predstavlja odli~en pripomo~ek za odkrivanje tega. Trdimo lahko, da sta zaznavanje na daljavo in obdelava podob danes è klasi~ni orodji pri arheolo{kem delu. Letalska fotografija predstavlja najstarej{i na~in uporabe daljinskega zaznavanja v arheologiji. Interpretacija fotografij je pomagala odkriti in kartirati marsikatero najdi{~e, kljub temu pa je {ele razvoj multispektralnih senzorjev in satelitskega snemanja pomenil resni~en premik v opazovanju (Kvamme 2005). Pri tem je igralo pomembno vlogo ve~ satelitskih sistemov, od katerih je verjetno najpomembnej{i Landsat. Landsat je bil prvi satelit, ki je sistemati~no snemal povr{je in ustvarjal periodi~ne posnetke v ve~ spektralnih kanalih, posebej primernih za opazovanje in analizo okolja in naravnih virov. Kljub temu, da je njegova prostorska lo~ljivost – 30 m – neprimerna za neposredno odkrivanje najdi{~, je bil (in deloma {e vedno je), poleg satelita SPOT, najpomembnej{i vir podatkov v arheolo{kih raziskavah (Kvamme 2005). V za~etku osemdesetih let dvajsetega stoletja je pozornost arheologov vzbudilo radarsko daljinsko zaznavanje, predvsem Space Shuttle Imaging Radar (SIR-A). Z radarjem je bilo namre~ mogo~e opazovati zasute kanjone in re~ne kanale ve~ metrov pod peskom v Sahari (El Baz 1997). Kasneje so znanstveniki uspe{no uporabili {e ve~ drugih radarskih sistemov, recimo ERS in Radarsat. Shuttle Radar Topography Mission (SRTM), sistem, ki ga je NASA leta 2000 namestila na vesoljsko plovilo, je s tehniko radarske interferometrije ustvaril natan~en model vi{in 80 % zemeljske povr{ine. Model z lo~ljivostjo 30 m predstavlja odli~no osnovo za regionalne arheolo{ke prostorske analize. Visoko lo~ljivi satelitski sistemi z lo~ljivostjo velikostnega reda enega metra lahko neposredno zaz-najo arheolo{ke objekte in z njimi povezane zna~ilnosti (Fowler 2002, Kvamme 2005). Satelita Ikonos in QuickBird, ki sta bila izstreljena leta 1999 in 2001, ponujata multispektralno lo~ljivost 4 m in 2,4 m v {tirih kanalih in pankromatsko lo~ljivost 1 m in 0,61 m. Razvoj laserskega merjenja razdalj je prinesel naslednjo revolucijo v opazovanje. Z lidarjem (light detection and ranging), ki je opti~ni ekvivalent radarju, je namre~ mogo~e ustvariti natan~ne modele topografije povr{ja (celo pod vegetacijskim pokrovom). Navpi~na natan~nost, ki jo pri tem dosegamo je nekaj centimetrov, vodoravno pa, odvisno od sistema, dobimo ve~ to~k (meritev) na kvadratni meter. Prvi znani primer uporabe daljinskega zaznavanj pri prou~evanju Majev predstavljajo fotografije, ki jih je na polotoku Jukatan leta 1929 posnel Charles Lindbergh. V sedemdesetih letih prej{njega stoletja so raziskovalci pri~eli uporabljati posnetke Landsat z dolo~anje arheolo{kih ostankov v pragozdovih Srednje Amerike (El-Baz 1997). Kljub temu, da je lo~ljivost sledenjih premajhna za neposredno opazovanje najdi{~, so omogo~ili pomembna odkritja, recimo poti (Adams et al. 1981; Folan et al. 1995). Adams et al. (1981) so na radarskih podatkih, ki jih je NASA posnela v letih med 1977 in 1980 nad Gva-temalo in Belizejem, odkrili mo~an odboj v primeru ugodne geometrije piramid in obseèn sistem kanalov. Razli~ni visokolo~ljivi letalski in satelitski posnetki so omogo~ili celo neposredno zaznavanje najdi{~ (Holcomb 1998; Sever in Irwin 2003). Saturno et al. (2006) so z uporabo {irokega spektra podatkov (Landsat TM in ETM+, Ikonos in STAR-3i) posku{ali identificirati poti, vodne rezervoarje, ter namakalne in izsu{evalne sisteme. V prihodnje lahko pri~akujemo pove~ano uporabo visoko lo~ljivih 224 Uporaba daljinskega zaznavanja za odkrivanje majevskih arheolo{kih najdi{~ satelitskih in letalskih sistemov ter lidarja, pomembna pa bo tudi uporaba terestri~nih senzorjev (El Baz 1997). 2 Metode daljinskega zaznavanja v arheologiji Glavni namen arheolo{kega daljinskega zaznavanja je iskanje nasprotij med arheolo{kimi dejavniki in naravnim okoljem. Arheolo{ka najdi{~a, ~etudi skrita pod drevesnimi kro{njami, imajo druga~ne fizi~ne lastnosti kot njihova okolica. Razlike, ki jih opazimo na posnetkih, imenujemo anomalije. Zasu-to obzidje v primerjavi z okoljem, na primer, druga~e odbija radarsko valovanje, po~asneje seva toplotno energijo, je lahko bolj magnetno ali »ovira« rastline nad seboj (Kvamme 2005). Obstaja veliko na~inov za dolo~anje arheolo{kih najdi{~ iz podatkov daljinskega zaznavanja. Sever in Irwin (2003) sta recimo poskusila opazovati linearne objekte, ki bi bili lahko povezani s potmi ali kanali, iskala sta povezavo med naselji in vegetacijo, hidrologijo ter geologijo, sku{ala sta poiskati ugodno mikrotopografijo za najdi{~a. Poleg tega sta ustvarila natan~ne vegetacijske karte in kartirala vodne rezervoarje. Rothaus in De Morett (2001) sta se posvetila vizualnemu opazovanju. Pri tem sta predpo-stavljala, da so Maji intenzivno izkori{~ali zemljo, ter ugotovila, da je potrebna ne le uporaba multispektralnih ampak tudi ve~ senzorskih in ve~ ~asovnih podatkov. Kljub temu, da je daljinsko zaznavanje zelo raz{irjena tema v arheologiji, pa je v literaturi le malo opisov konkretnih uporabljenih postopkov obdelave (Rothaus in De Morett 2001). Prav obdelava podob namre~ iz niza numeri~nih vrednosti ustvari informacije, ki jih lahko uporabimo za re{itev konkretnega problema. Zaradi {uma, napak, popa~enja, slabega kontrasta in podobno so namre~ surove podobe za arheolo{ke (in tudi {tevilne druge) namene le pogojno uporabne. Potrebno je ustrezno procesiranje z uporabo programske opreme za obdelavo podob ali fotogrametrijo oziroma sistem GIS, ki pogosto vsebuje nekaj orodij prvih dveh (Kvamme 2005). Analiza podob je praviloma omejena na enostavno vizualno interpretacijo v povezavi z osnovnimi koraki izbolj{anja podob (spreminjanje kontrasta, filtriranje, transformacije). [ele v zadnjem ~asu se teì{~e raziskav seli k naprednej{im analizam, tako z opti~nimi kot z lidarskimi in radarskimi podatki. Razli~ni avtorji predlagajo uporabo tehnik prepoznavanja vzorcev in ra~unalni{kega vida (Lira et al. 2005). 3 Letalska fotografija in satelitski posnetki Za odkrivanje arheolo{kih najdi{~ v osrednjem delu polotoka Jukatan v Mehiki smo uporabili tako letalske kot satelitske posnetke. Letalsko snemanje je v letih 1995 in 1996 opravilo kanadsko podjetje Geographic Air Survey za kartiranje Calakmul Biosphere Reserve (Conabio 1995–1996). Priblìno 400 fotografij smo vizualno interpretirali s stereoskopom, jih skenirali in fotogrametri~no obdelali, to je izdelali podobe ortofoto in model vi{in. Letalske fotografije so bile posnete v merilu 1 : 20.000 z analogno kamero Wild RC 30 ter skenirane z lo~ljivostjo 0,6 m. Snemanje je potekalo v {tirinajstih snemalnih linijah s priblìno 60 % vzdol`nimi in 30 % stranskim prekrivanjem. Fotografije smo razdelili v {tiri bloke, ki smo jih obdelali posebej. Najprej je bilo potrebno dolo~iti notranjo orientacijo kamere in priblìne vrednosti parametrov zunanje orientacije (koordinate centra posnetka, povpre~no vi{ino leta in za~etne rotacijske kote). Dolo~anje zunanje orientacije je bilo teàvno ker posnetki v glavnem pokrivajo gozd in je mogo~e najti le malo karakteristi~nih objektov. Natan~ne karte za omenjeno obmo~je ne obstajajo, izmera na terenu pa ni bila mogo~a. Za fotografije smo zato poznali le koordinate centrov, pa {e te z natan~nostjo od 50 do 100 m. Dolo~ili smo lahko priblìno 50 kontrolnih to~k na blok, natan~nost triangulacije in povezanost znotraj bloka pa smo popravili z izbiro ve~jega {tevila veznih to~k (25 na posnetek). 225 Kri{tof O{tir Slika 1: Perspektivni pogled najdi{~a Uxul. Prek digitalnega modela vi{in je napet posnetke ortofoto. Kon~ni rezultat obdelave so bile ortofotografije z lo~ljivostjo 0,6 m in digitalni model vi{in z lo~- ljivostjo 6 m. Podobe kaèjo zelo dobro ujemanje znotraj bloka, so pa zaradi pomanjkanja natan~nih kontrolnih to~k slabo pozicionirane absolutno. Podobno velja za digitalne modela vi{in, ki dobro sledijo obliki povr{ja, niso pa absolutno zanesljivi. Kljub temu so letalske podobe omogo~ile stereo opazovanje in zaznavanje piramidalnih struktur pod drevesnimi kro{njami (slika 1). Ustvarjeni model vi{in je za velikostni razred bolj{i od obstoje~ih modelov opazovanega obmo~ja in jasno kaè »nenaravne« oblike. Njegova glavna teàva je dejstvo, da podaja obliko vrha drevesnih kro{enj in ne samega povr{ja. Poleg letalskih posnetkov smo za opazovanje najdi{~ Majev uporabili tudi razli~ne opti~ne (SPOT in Landsat) ter radarske (ERS) satelitske posnetke. Ker gre za podobe srednje lo~ljivih senzorjev, smo vse podobe georeferencirali z enostavno polinomsko transformacijo. Iz podobnih razlogov kot pri letalskih posnetkih pa tudi v tem primeru ni bilo enostavno dobiti zanesljive kontrolne to~ke. Vegetacija namre~ prekriva ve~ino opazovanega obmo~ja, topografske karte v merilu 1 : 50.000 pa so zastarele in nenatan~ne. Z uporabo 50 do 100 kontrolnih to~k na posnetek smo dosegli poloàjno natan~nost enega do dveh pikslov. Posnetke ERS (European Remote Sensing Satellite) smo obdelali interferometri~no. Uporabili smo dva posnetka sistema satelita ERS 1, zajeta 1996-02-11 in 1996-04-22. S ~asovnim razmikom dobrih dveh mesecev smo èleli opazovati razlike v vlànosti tal in razli~no stanje vegetacije ter oboje povezati z arheologijo. @al pa je ~asovna dekorelacija (sprememba radarskega odziva) v gozdu popolnoma onemogo~ila interferometri~no obdelavo. Podobi smo zato, skupaj s koherenco, ki je merilo za spremembe, vizualno interpretirali. Opaziti je bilo mogo~e ve~ nenavadnih objektov, ki pa so bili v glavnem povezani s sodobnimi kmetijskimi praksami krajevnih prebivalcev (slika 2). Nekatera najdi{~a so na posnetkih sicer opazna, vendar pa je koli~ina »{uma« prevelika za samodejno zaznavanje. 226 Uporaba daljinskega zaznavanja za odkrivanje majevskih arheolo{kih najdi{~ Slika 2: Interpretacija radarskih posnetkov ERS je omogo~ila opazovanje stanja vegetacije ne pa enoli~ne povezave z najdi{~i. Precej bolj{e rezultate smo dobili z opti~nimi podobami SPOT in Landsat. Uporabili smo dve pankromatski podobi satelita SPOT, posneti 2002-11-23 in 2001-03-31. Lo~ljivost uporabljenih podob je 10 m, kar je premalo za opazovanje najdi{~, omogo~a pa zaznavanje »nenavadnih« objektov. Uporabili smo filtre za odkrivanje robov (poleg obi~ajnih tudi naprednej{e, recimo z upo{tevanjem poloàja sonca), ki so poudarili nenadne skoke vrednosti na posnetkih. Tudi v tem primeru pa je bilo poleg zaz-nanih najdi{~ preve~ »napa~nih zadetkov«. Kljub temu pa so bili posnetki SPOT odli~na kartografska podlaga, ki je izdatno olaj{ala terenski pregled. Landsat ima prostorsko lo~ljivost precej slab{o kot SPOT, vendar pa so njegove spektralne karakteristike mnogo bolj primerne za arheolo{ko uporabo. Sedem spektralnih kanalov, od vidne prek blìnje in srednje do termi~ne infrarde~e svetlobe, namre~ omogo~a odkrivanje anomalij, ki so lahko povezane z najdi{~i. V {tudiji smo uporabili posnetek, ki ga je satelit Landsat 7 ustvaril s senzorjem Enhanced Thematic Mapper Plus (ETM+) 2000-03-27. Opazovali smo odbojne vrednost v posameznih kanalih, poleg tega pa tudi razli~na spektralna razmerja. Kanali 3, 4, 5 in 7 so zelo ob~utljivi na vegetacijo in zato razkrivajo obmo~ja ~lovekovega vpliva na rastlinje. Razmerje kanalov omogo~a poudarjanje majhnih razlik med njimi, poleg tega pa odstrani vpliv razli~nih osvetlitvenih pogojev. Son~na in sen~na lega, na primer, imata namre~ razli~ne absolutne vrednoti v posameznih kanalih, medtem ko je njihovo razmerje neodvisno od osvetljenosti. Vegetacija ima zaradi klorofila zelo mo~an odboj v blìnjem infrarde~em in nizek odboj v rde~em delu elektromagnetnega spektra. Razmerje med njima je torej znak prisotnosti in stanja vegetacije. Nor-227 Kri{tof O{tir Slika 3: Normiran diferencialni vegetacijski indeks NDVI, dobljen iz podatkov senzorja Landsat ETM+. miran diferencialni vegetacijski indeks (NDVI), ki je definiran kot (IR-R)/(IR+R), je neposredno povezan s koli~ino biomase. Gola tla imajo priblìno enak odboj v obeh omenjenih pasovih in torej vegetacijski indeks blizu ni~, medtem ko ima intenzivna vegetacija visoke vrednosti (ve~je od 0,5). Vsaka sprememba rasti, povezana z razli~no podlago, prisotnostjo ali odsotnostjo vode, povzro~i spremembo NDVI. Poleg vegetacijskega obstaja {e nekaj drugih spektralnih razmerij, pomembnih za arheologijo. Rothaus in De Morett (2001) sta na primer ustvarila barvni kompozit, pri ~emer sta razmerje 5/4 prikazala v rde- ~i, 7/5 v zeleni in 7/4 v modri barvi. 4 Karakteristike arheolo{kih najdi{~ Zaznavanje arheolo{kih najdi{~ je mogo~e na osnovi razlike med njimi in okolico (Kvamme 2005). ^e torej lahko dolo~imo karakteristike najdi{~ in so te druga~ne kot pri naklju~nih to~kah, lahko lokacijo najdi{~ napovemo. V {tudiji smo lastnosti najdi{~ opazovali na satelitskih posnetih Landsat ETM+ in digitalnem modelu vi{in. Arheolo{ka podatkovna zbirka centralnega Jukatana, ki smo jo uporabili, zajema podatke o 63 najdi{~ih, ki imajo ustrezne atribute (koordinate, tip in velikost). V ve~ini primerov smo uporabili samo ve~ja in srednja najdi{~a (skupaj 33), ker smo za ta pri~akovali zna~ilnej{e vrednoti in ker manj{a najdi{~a niso bila vsa dokumentirana. Poleg tega smo se omejili na zna~ilne lokacije, to je take ki niso blizu cest in naselij in nimajo sekundarne vegetacije (omenjeni faktorji vplivajo na vrednoti odboja pri sate-228 Uporaba daljinskega zaznavanja za odkrivanje majevskih arheolo{kih najdi{~ 90 80 70 60 50 40 30 20 10 0 TM 1 TM 2 TM 3 TM 4 TM 5 TM 6 veliko najdi{~e srednje najdi{~e naklju~ne to~ke Slika 4: Spektralni odboj arheolo{kih najdi{~ se razlikuje od odboja naklju~nih to~k, vendar so razlike majhne. 1,2 1,0 0,8 0,6 0,4 0,2 0,0 NDVI 5/4 7/5 7/4 veliko najdi{~e srednje najdi{~e naklju~ne to~ke Slika 5: Razliko med najdi{~i in okolico poudarijo spektralna razmerja. 229 Kri{tof O{tir 4,5 4,0 3,5 3,0 2,5 2,0 1,5 1,0 0,5 0,0 Ukrivljenost Naklon veliko najdi{~e srednje najdi{~e naklju~ne to~ke Slika 6: Naklon in ukrivljenost ta ve~ja za najdi{~a kot naklju~ne to~ke. litskem posnetku). Zna~ilnosti smo opazovali v okolici najdi{~, pri ~emer smo uporabili smo krog z radijem 50, 250 in 1000 m. Ker rezultati pri razli~nih radijih sledijo enakemu trendu in kaèjo le relativne razlike, smo ve~ino podrobnih analiz opravili z radijem 250 m, kar pomeni krog s premerom 500 m okrog najdi{~a. Indikatorje najdi{~ smo primerjali s 60 to~kami, ki so naklju~no porazdeljene na {tudijskem obmo~ju; te so lahko tudi najdi{~a, vendar predvidevamo, da je odstotek teh zelo majhen, {e posebej za ve~ja in srednja najdi{~a. Odbojne vrednosti v posameznih kanalih posnetka Landsat ETM+ kaèjo razliko med naklju~ni-mi to~kami in arheolo{kimi najdi{~i. Vendar pa so odstopanja majhna – {e najbolje so vidna v kanalih 4, 5 in 7 (slika 4). Nekoliko bolje so razlike vidne pri razmerjih kanalov, to je normiranem diferencial-nem vegetacijskem indeksu in razmerjih 5/4, 7/5 in 7/4 (slika 5). Arheolo{ka najdi{~a imajo nìji vegetacijski indeks od naklju~nih to~k, kar pomeni, da je rast vegetacije na njih in v njihovi okolici »zmo-tena«. [e posebej je razlika o~itna pri razmerjih 7/5 in 7/4, ki sta indikatorja tako za vegetacijo kot kamninsko podlago. V obeh primerih je indeks skoraj za polovico ve~ji pri najdi{~ih kot pri naklju~- nih to~kah. Vi{ina in usmerjenost najdi{~ se ne razlikujeta od okoli{kih to~k, precej bolj jasno pa je stanje pri naklonu in ukrivljenosti (drugem odvodu vi{ine). Najdi{~a, {e posebej ve~ja, se nahajajo na bolj str-mih in bolj razgibanih obmo~jih (slika 6). Statisti~na analiza kaè celo na zna~ilno povezavo med velikostjo najdi{~ in razli~nimi parametri ukrivljenosti. 5 Sklep S predstavljenimi preliminarnimi rezultati smo pokazali, da daljinsko zaznavanje predstavlja primerno orodje v arheolo{kih raziskavah Majev. Uspe{no smo namre~ dolo~ili osnovne okoljske zna- ~ilnosti arheolo{kih najdi{~ in opazili njihovo lo~evanje od naklju~nih to~k. Kljub temu pa bo potrebno {e veliko dodatnega dela. Prvi korak predstavlja analiza dodatnih podatkov, predvsem viso-230 Uporaba daljinskega zaznavanja za odkrivanje majevskih arheolo{kih najdi{~ ko lo~ljivih satelitskih posnetkov, ve~ ~asovnih posnetkov satelita Landsat ter bolj{ega, recimo lidar-skega, modela vi{in. Poleg tega je potrebno dodatno izbolj{ati tehnike obdelav. Zanimajo nas namre~ najdi{~a, ki leìjo pod gostim vegetacijskim pokrovom in se na obi~ajnih podobah le malo razlikujejo od okolice. Morebitni napovedovalni model (ve~jih) najdi{~ bo temeljil na naklonu in ukrivljenosti reliefa ter – iz satelitskih posnetkov dobljenem – stanju vegetacije. Daljinsko zaznavanje, kljub {tevilnim imenitnim lastnostim, ni ~udèno orodje, ki bi odpravilo zamudno in naporno arheolo{ko terensko delo. Lahko pa precej zmanj{a stro{ke in hkrati pove~a njegovo u~inkovitost. Ker so najdi{~a po izkopavanjih izpostavljena naglemu propadanju, pritisku obiskoval-cev in ropanju, je potreba po nedestruktivnih tehnikah izredno velika. Poleg tega daljinsko zaznavanje zaradi enostavnega in sistemati~nega pokrivanja velikih povr{in predstavlja edino orodje, ki omogo- ~a kartiranje, analizo in interpretacijo ve~jih obmo~ij. Zahvala: [tudije so bile opravljene v okviru projektov arheolo{kih raziskav na polotoku Jukatanu ter uporabe daljinskega zaznavanja in geografskih informacijskih sistemov v antropolo{kih raziskavah, ki jih je vodil dr. Ivan [prajc in delno financiralo Ministrstvo za visoko {olstvo, znanost in tehnologijo Republike Slovenije. Pri pripravi vhodnih podatkov za analize so sodelovali @iga Kokalj, Ale{ Marseti~ in dr. Tomà Podobnikar. 6 Viri in literatura Adams, R. E. W., Brown, W. E., Culbert T. P. 1981: Radar Mapping, Archeology, and Ancient Maya Land Use. Science 213 (4515). Conabio, 1995–1996: Fotografías aéreas de la Reserva de la Biósfera de Calakmul, Campeche, escala 1 : 20,000, 1995–1996. Mexico City. El-Baz, F. 1997: Space Age Archaeology. Scientific American 277 (2). Fowler, M. J. F. 2002: Satellite remote sensing and archaeology: a comparative study of satellite imagery of the environs of Figsbury Ring, Wiltshire. Archaeological Prospection 9. Holcomb, D. W. 1998: Applications of Imaging Radar to Archaeological Research. Manual of Remote Sensing, Volume 2, Principles and Applications of Imaging Radar. New York. Kvamme, K. L. 2005: Terrestrial Remote Sensing in Archaeology. Handbook of Archaeological Methods. Lanham. Lira, J., López, P., Rodriguez, A. 2005: Detection of Maya's archaeological sites using high resolution radar images. International Journal of Remote Sensing 26 (6). Rothaus, R. M., De Morett, A. A. 2001: Landsat TM imagery in landcape archaeology: Detection and modelling. Remote Sensing in Archaeology. Firenze. Saturno, W. A., Sever, T. L., Irwin, D. E., Howell, B. F. 2006: Regional Scale Landscape Archaeology: 21st Century Remote Sensing Technology and the Ancient Maya. The Manual of Remote Sensing, 3rd Edition (A Series): Volume 5: Remote Sensing of Human Settlements. Bethesda. Sever, T. L., Irwin, D. E. 2003: Landscape archaeology: Remote-sensing investigation of the ancient Maya in the Peten rainforest of northern Guatemala. Ancient Mesoamerica. 231 232 GIS v Sloveniji 2005–2006, 233–241, Ljubljana 2006 UPORABA GIS V DIALEKTOLOGIJI dr. Joìca [kofic In{titut za slovenski jezik Frana Ramov{a ZRC SAZU Novi trg 4, 1000 Ljubljana guzej@ zrc-sazu.si UDK: 81'282:528.9:659.2 IZVLE^EK Uporaba GIS v dialektologiji Geolingvistiko kot eno od raziskovalnih smeri dialektologije zanima zemljepisna raz{irjenost in razporeditev posameznih jezikovnih pojavov. V tem prispevku bodo predstavljene razli~ne metode kartiranja, kot so se ob projektu Slovenski lingvisti~ni atlas razvijale od prve polovice 20. stoletja, ko so nastale prve rokopisne lingvisti~ne karte, do danes. Sodobna prostorska vizualizacija nare~nih pojavov temelji na uporabi ra~unalni{kih orodij za urejanje ustreznih podatkovnih baz, avtomatizirano kartiranje in interaktivni prikaz nare~nih foneti~nih, morfolo{kih, leksi~nih idr. jezikovnih pojavov. Ti so lahko prikazani v obliki simbolnih, izoglosnih, ploskovnih in kombiniranih lingvisti~nih kart, vse pa temeljijo na natan~ni jezikoslovni analizi nare~nega gradiva. KLJU^NE BESEDE dialektologija, geolingvistika, Slovenski lingvisti~ni atlas, geografski informacijski sistem ABSTRACT The use of GIS in dialectology Geolinguistics, which is a research area within dialectology, is concerned with the geographical dispersal and arrangement of individual linguistic phenomena. This paper will outline the different cartographical methods that have developed alongside the Atlas of the Slovene Language project from the first half of the 20th century, when the first hand-drawn linguistic maps appeared, through to the present day. The modern spatial visualisation of dialectal phenomena uses computer tools for the organisation of suitable databases (e.g. SlovarRed), automated map-making, and the interactive presentation of phonetic, morphological and lexical phenomena in relation to dialects. These can be presented in the form of maps that deploy symbols, isoglosses, planes or combination of these features, all taking as their basis a precise linguistic analysis of dialectal material. KEYWORDS dialectology, geolinguistics, Slovene Linguistic Atlas, geographical information system 233 Joìca [kofic 1 Uvod Dialektologija je veda, ki raziskuje zemljepisno omejene razli~ice posameznih jezikov, to je nare~- ja in krajevne govore, tako na sinhroni kot diahroni ravni. Raz{irjenost nare~ij in njihovo klasifikacijo je mogo~e prikazati z nare~nimi kartami, vendar lingvisti~ne geografije kot ene od smeri dialektologije ne zanimajo meje med jeziki ali njihovimi pokrajinskimi razli~icami, ampak prostorska raz{irjenost in porazdelitev posameznih jezikovnih pojavov znotraj enega ali ve~ jezikov, kar prikaè na jezikovnih kartah oz. v jezikovnih/lingvisti~nih atlasih. Za geolingvistiko pa kartografski prikaz zemljepisne razporeditve zbranega jezikovnega gradiva ni samo rezultat, temve~ predvsem izhodi{~e za njegovo interpretacijo in nadaljnje raziskovanje jezika. Lingvisti~na geografija se je za~ela razvijati v zadnji tretjini 19. stoletja, ko je bilo z dialektolo{kimi raziskavami è zbranega toliko nare~nega gradiva, da je postalo o~itno nesovpadanje meja posameznih jezikovnih pojavov z mejami jezikov in jezikovnih razli~kov, zaradi ~esar se je za~ela oblikovati zavest o postopni prehodnosti namesto ostrih mej med njimi. Prenos (sinhronih) jezikovnih podatkov na zemljevid je namre~ pokazal zapleten preplet izoglos (tj. ~rt, ki zamejujejo obseg oz. razprostranje-nost posameznih jezikovnih dejstev), ki v celoti ne sovpadajo, ampak oblikujejo nekak{ne izoglosne {ope, med katerimi se tako izrisuje »jezikovna pokrajina«, ki je predmet preu~evanja lingvisti~ne geografije. Metoda lingvisti~ne geografije vklju~uje ve~ stopenj: • predpriprava: izdelava mreè in vpra{alnika, dolo~itev metodi~nih in tehni~nih na~el izdelave (tudi transkripcija, izdelava neme karte, nabora simbolov za kartiranje), • zbiranje gradiva s pomo~jo vpra{alnika (ankete) ter fotografij, ilustracij in predmetov na terenu, • analiza gradiva za posamezni preu~evani jezikovni pojav in izdelava legend, • vnos zbranega gradiva na karte za jezikovni atlas, • raziskava in vrednotenje gradiva, izdanega na kartah. Slovenski lingvisti~ni atlas, temeljno delo sodobne slovenske nacionalne dialektologije in geoling-vistike,* je zasnoval Fran Ramov{ leta 1934, po drugi svetovni vojni pa so se na In{titutu za slovenski jezik pri SAZU dejansko za~ele priprave nanj (Kenda-Jè 2000, 196). Mreà SLA zajema 406 krajev, vpra{alnica za SLA pa obsega 870 osnovnih vpra{anj (s podvpra{anji), razdeljenih na 16 razdelkov (pomenskih polj): telo, obleka, hi{a, vas, prazniki, orodje, ìvina, rastline, planina, bolezni, ~as, pokrajina, druì- na, {tetja, razno ter gramati~na vpra{anja – glasoslovje in oblikoslovje (od vpra{anja {t. 700 dalje). Gradivska zbirka, ki je shranjena v Dialektolo{ki sekciji ISJFR ZRC SAZU v Ljubljani, danes obsega okrog 680 zapisov krajevnih govorov, tj. 884.000 listkov v kartoteki, ki je urejena po vpra{anjih, in 390 zvezkov (ter dodatno {e 182 zvezkov izven mreè za SLA), kjer je gradivo urejeno po krajih. V zadnjih letih zbirko dopolnjujemo z doslej nezapisanimi govori in jo postopoma urejamo tudi v elektronski obliki (s skeniranjem). @e v sedemdesetih letih 20. stoletja je na podlagi gradiva za SLA nastalo nekaj razprav T. Logarja in J. Riglerja, v knjìni obliki je doslej iz{el uvodni zvezek, tj. Vodnik po zbirki nare~nega gradiva za Slovenski lingvisti~ni atlas avtorice F. Benedik, do leta 2008 pa naj bi iz{el tudi prvi leksi~ni zvezek Slovenskega lingvisti~nega atlasa za pomensko polje »~lovek«. Precej poskusnih kart zanj je nastalo è v {estdese-tih letih 20. stoletja, okrog {tirideset pa jih je bilo v zadnjem desetletju in pol tudi è objavljenih (predvsem leksi~nih, nekaj pa tudi glasoslovnih in oblikoslovnih kart). * Ob SLA kot temeljnem projektu dialektolo{ke sekcije ISJFR ZRC SAZU njeni sodelavci sodelujejo {e v dveh mednarodnih geolingvisti~nih projektih: v Splo{noslovanskem lingvisti~nem atlasu (OLA), kjer je slovenski jezik med 835 raziskovalnimi to~kami zajet s 25 krajevnimi govori, med njimi je 7 zamejskih, in v Evropskem lingvisti~nem atlasu (ALE), kjer je med 2631 raziskovalnimi to~kami tudi 9 slovenskih krajevnih govorov, med njimi 2 zamejska. 234 Uporaba GIS v dialektologiji 2 Metode kartiranja v zgodovini slovenske dialektologije V nadaljevanju bodo predstavljene razli~ne metode kartiranja, kot so se ob projektu Slovenski lingvisti~ni atlas razvijale od prve polovice 20. stoletja, ko so nastale prve rokopisne lingvisti~ne karte, do danes, ko sodobna prostorska vizualizacija nare~nih pojavov temelji na uporabi ra~unalni{kih orodij za urejanje ustreznih podatkovnih baz ter avtomatizirano kartiranje in interaktivni prikaz jezikovnega gradiva. 2.1 Poskusno rokopisno kartiranje nare~nega gradiva za SLA Leta 1959 so v Dialektolo{ki sekciji ISJFR za~ele nastajati prve poskusne leksi~ne in foneti~ne karte na podlagi zbranega gradiva za SLA, s katerimi so preverjali zanesljivost zapisov in primernost mreè krajev, ki ni bila sestavljena v obliki enakomerne {ahovnice ali satovnice, ampak tako, da bi mogla kar-seda popolno prikazati (predvsem glasoslovno) pestrost posameznih krajevnih govorov, s ~imer bi bilo mogo~e izdelati tudi novo karto slovenskih nare~ij, ki sta jo leta 1983 izdelala T. Logar in J. Rigler. Na podlagi teh poskusnih kartiranj so v 70-ih letih 20. stol. nastale tudi Riglerjeve jezikovne karte, ki so prikazovale raz{irjenost nekaterih glasoslovnih pojavov v slovenskih nare~jih (npr. Priblìna skica nedo-lo~nika pri glagolih s pripono i, gl. Rigler 1978, 372 oz. Rigler 2001, 344). Ob nastajanju teh kart se je oblikoval poseben »postopek za izdelavo karte«, ki je predvideval: • pre{tevil~enje listkov (listkovna kartoteka je urejena po stari Ramov{evi numeraciji, zvezki pa po novi, tako kot tudi nema karta, zato je najprej potrebno staro o{tevil~enje pretvoriti v novo); • izpisovanje celotnega gradiva z listkov in dopolnjevanje z izpisi iz zvezkov; Slika 1: Poskusna leksi~no-besedotvorna karta za pomen jelka (avtorica F. Benedik, 1978). 235 Joìca [kofic • usklajevanje transkripcije (gradivo za SLA se je zbiralo skoraj {estdeset let, v tem ~asu pa se je ve~- krat zamenjala tudi nare~na transkripcija, zato je pred kartiranjem predvsem foneti~nih vpra{anj potrebno poenotenje transkripcije, kar {e vedno ni zadovoljivo re{eno); • priprava seznama vseh razli~nih leksemov, ki bodo glede na vsebino karte kartirani, in priprava legen-de h karti; • poskusno kartiranje. Kartografske tehnike so bile v tem ~asu lahko razli~ne – podatki so lahko prikazani v obliki simbolnih, izoglosnih, ploskovnih in kombiniranih lingvisti~nih kart, vse pa temeljijo na natan~ni jezikoslovni analizi nare~nega gradiva. Med prvimi leksi~nimi kartami, nastalimi po gradivu za SLA, je rokopisna karta za š~esen’, izdelana na natisnjeni geografski podlogi (z rekami, ve~jimi mesti in politi~nimi mejami) s {e starim o{tevil~enjem to~k. Simboli na njej so ~rno-beli, oblika simbolov ponazarja isti koren, njegova izpol-nitev pa razli~no besedotvorno podobo (pripono). Ker je karta enostavna in pregledna ter brez dubletnih oblik, avtor opozarja na mònost prikaza razporeditve in raz{irjenosti leksemov s {rafiranjem oz. izo-glosami. Rokopisna karta za pomen šjelka’ (Benedik 1978, glej Sliko 1) ima precej bolj kompleksno legendo, njen avtor pa v opombi opozarja na primerno izbiro barv simbolov, ki ozna~ujejo posamezne korene leksemov (npr. rde~a š jel-’ ( jela, jelka, jelovec …), modra ali ~rna šhoj-’ ( hoja, hojka, hojovec, hojica, bela hoja …), za redki koren š fuj-’ avtor meni, da bi ga bilo mogo~e navesti le v opombah in ga ne posebej kartirati, zelena za koren smrek- itd.). Obliko simbolov je avtor izrabil za ponazoritev slovni~nega spo-la kartiranih leksemov (krog za ènski spol, trikotnik za mo{kega), njihovo izpolnjenost pa za predstavitev razli~nih pripon ( -ka poln krog, -ica krog s piko v sredini, -ovec trikotnik z izpolnjeno desno polovico itd.). Ploskovna karta (barve!) bi tu lahko prikazala le del obravnavane problematike, s simboli pa je slika razli~nosti besedotvorne podobe leksemov za to rastlinsko poimenovanje celovitej{a. Podobno so kartirali tudi prve pomenske karte, npr. »pomen besede ìto« (Benedik 1976), kjer razli~ni ~rno-beli liki pomeniijo razli~ne pomene te besede (poln krog – šìto’, trikotnik – šr`’, kvadrat šproso’, pravokotnik škoruza’, prazen krog šp{enica’). Zanimivost te karte je tudi, da je narejena na osnovi ve~ vpra{anj iz vpra{alnice (SLA V191 pomen besede ìto, SLA V192 kako se re~e p{enici, SLA V193 r`, SLA V194 je~men, SLA V195 proso, SLA V197 koruza), avtor pa na pripeti opombi opozarja na neja-snost dvojnih pomenov te besede v Istri. Druga~ne so poskusne glasoslovne karte. Nekatere so napisno-izoglosne (npr. za trebuh, kjer je ob vsaki to~ki na karti zapisana kar cela beseda), druge samo napisne (npr. razvoj dolgega jata, ki je samo priblìno nakazan z napisi na karti in so konkretni podatki za kraj in tudi besedo z dolo~enim refleksom, è popolnoma abstrahirani). Mnogo natan~nej{e so seveda simbolne karte, kakr{na je npr. karta, ki prikazuje razvoj dolgega cirkumflektiranega o v besedi kost, kjer ima vsak refleks svoj simbol, ve~jo razlo~ljivost na karti pa omogo~ajo razli~ne oblike (krog ali trikotnik) in barve simbolov. Poskusne rokopisne glasoslovne karte za SLA so tudi kombinirane simbolno-ploskovne; taka je karta, ki prikazuje razvoj dolgega u v slovenskih nare~jih, kjer je obmo~je z enotnim refleksom u ozna~eno s {rafiranjem, manj{a podro~ja z bolj razdrobljenim razvojem pa so prikazana z barvnimi simboli razli~nih oblik. 2.2 Prve objavljene karte za SLA Rokopisne karte so dialektologom prinesle dovolj geolingvisti~nih izku{enj, da so konec osemdesetih let 20. stoletja karte za SLA za~eli tudi objavljati. Prva je bila l. 1988 objavljena leksi~na karta s poimenovanji za cvetnonedeljsko butaro V. Smole, F. Benedik pa je l. 1990 objavila prvo foneti~no karto o refleksih jata v besedi sneg in leksi~no karto za poimenovanje gozda v slovenskih govorih – vse so imele è novo osnovno karto iz l. 1984 z novo mreò to~k, ki se kasneje ni ve~ spreminjala. Ve~ina kart obeh avtoric, ki so nastajale in bile objavljene v zadnjem desetletju 20. stoletja, so bile simbolne, zara-236 Uporaba GIS v dialektologiji Slika 2: Napisno-izoglosna leksi~no-besedotvorna karta za pomen kozolec (avtorica V. Smole, 1996). di enostavnej{ega tiska ~rno-bele. Ob tem se je oblikoval poseben sistem hierarhizacije simbolov, kjer oblika simbola predstavlja koren leksema, njegova notranja izpolnjenost pa besedotvorno podobo. Simboli so lahko opremljeni {e z dodatnimi znaki ob sebi, ki pomenijo zgrajenost ve~besednega leksema, dogovorjeni posebni simboli pa opozarjajo na indeks ali komentar, priloèn posamezni karti. Razbremenitev karte v smislu nepregostega ponavljanja enakih simbolov pomenijo izoglosne in kombinirane napisno-znakovne karte, kjer razli~na debelina in opremljenost ~rt ozna~uje manj{a ali ve~ja obmo~ja z enakim refleksom ali leksemom, medtem ko so simboli na njih {e vedno ohranjeni za razpr- {ena poimenovanja (taka je npr. karta V. Smole za poimenovanja kozolca in njegovih delov iz l. 1996, glej sliko 2). Tiskanih ploskovnih/{rafiranih kart zaradi zahtevnosti tiska v teh poskusnih objavah {e ni bilo. 2.3 Kartografska avtomatizacija Do leta 2000 so bile karte za SLA risane ro~no na tiskano podlago, leta 2001 pa so bile objavljene prve karte, izdelane s pomo~jo ra~unalni{kih orodij – izdelala jih je J. [kofic ob sodelovanju z razli~- nimi, ve~inoma zunanjimi sodelavci. V Prostorskoinformacijskem centru ZRC SAZU sta Z. Stan~i~ in T. Podobnikar po predlogi karte za SLA iz Dialektolo{ke sekcije ISJFR ZRC SAZU izdelala poskusno digitalizirano karto z mejami Slovenije, vodovjem, ve~jimi mesti in o{tevil~enimi kraji, ki so zajeti v mre- ò SLA, ter njihovimi koordinatami. Podjetje Syncomp je v sodelovanju z dialektologinjo Karmen Kenda-Jeìzdelalo nabor osnovnih simbolov, imenovan SLSlovan, ki ga je bilo mogo~e uporabiti pri kartiranju tako foneti~nih kot leksi~nih kart. Leta 2001 je P. [kofic napisal poskusni program, ki je po pretvorbi Wordove tabele (s {tevilkami krajev iz mreè SLA in kodami pripadajo~ih kartografskih simbolov) v DOS-datoteko, opremljeno z geografskimi koordinatami to~k, in ob kliku na orodje, ki je bil del karte, simbole (lahko tudi barvne) ustrezno razporedil po karti. To je bilo treba {e enkrat pregle-dati, jo urediti (npr. tako da se simboli niso prekrivali) in opremiti z legendo in naslovom ter natisniti v ustreznem formatu. Ker so bili podatki na karto vneseni v ve~ plasteh, jo je bilo potrebno shraniti {e 237 Joìca [kofic Slika 3: S programom P. [kofica izdelana simbolna leksi~na karta za pomen snaha (avtorica J. [kofic, 2003, objavljena 2004). v obliki .rtf in táko je bilo mogo~e natisniti kjer koli (glej Sliko 3). Taka kartografija je imela seveda mnogo pomanjkljivosti, a olaj{ala je vsaj zamudno ro~no vna{anje simbolov na karto, omogo~ala pa je tudi kartografiranje le dela podatkov (npr. le leksemov iz istim korenom), kar je pomenilo tudi ve~ mònosti za razli~no izrabo vnesenih podatkov. Medtem so nekateri sodelavci Dialektolo{ke sekcije ISJFR l. 2003 za kartografiranje za~eli uporabljati program Corel Draw 8, ki je sicer olaj{al vna{anje simbolov iz Syncompove tabele na digitalizirano karto, barvanje simbolov, zamenjavo simbolov zaradi bolj{e berljivosti karte ipd., vendar pa ni omogo~al {e druga~nega dela s podatki, ki so ga v tem ~asu è omogo~ale ustrezno oblikovane podatkovne baze. @e v tem ~asu na~rtovana dialektolo{ka podatkovna baza naj bi predvsem zajemala ve~ podatkov o gradivu (npr. ne le to~ko zapisa in odgovor na posamezno vpra{anje, ampak tudi leto zapisa, zapi-sovalca, podatke o informatorju – starost, spol, poklic ipd., napotila na bibliografijo o krajevnem govoru, skenirano sliko originalnega zapisa z listka in zvezka, morda tudi posnetek izgovora posamezne besede itd.) ter omogo~ala natan~nej{e avtomatizirano kartografiranje (npr. prikazovanje ve~ leksemov – znakov za eno to~ko in njihova natan~nej{a razporeditev, prekrivanje/neprekrivanje znakov zaradi gostote mreè v SLA zajetih govorov, oblikovanje izoglosnih in napisnih kart idr.) in analizo nare~nega gradiva ter njegovo izrabo tudi za druge raziskave, nenazadnje pa naj bi omogo~ala sodelovanje tudi z drugimi uporabniki geografskih informacijskih sistemov (geografi, botaniki, etnologi itd.). 2.4 Priprava podatkovne baze in ra~unalni{kih orodij za 1. leksi~ni zvezek SLA O mònosti uporabe GIS v raziskavah slovenskih nare~ij je prvi pisal Z. Stan~i~ (1996), ko je ob izbolj{anju in avtomatizaciji kartografiranja poudaril tudi mònost izrabe GIS za kompleksnej{e analiti~ne operacije v dialektologiji in zlasti lingvisti~ni geografiji. 238 Uporaba GIS v dialektologiji Da bi lahko pripravili primerno podatkovno bazo za SLA in nare~no gradivo za~eli kartirati in analizirati s pomo~jo GIS, je bilo potrebno: • pripraviti ustrezen nabor znakov za zapis izredno raznolikega nare~nega gradiva: Ker nabor posebnih znakov v standardnih ra~unalni{kih programskih orodjih ni zadosten, so posamezna slovenska dialektolo{ka sredi{~a izoblikovala posebne fonte (npr. Brane, Mura), kar je mo~no oteèvalo ne le publiciranje dialektolo{kih razprav izven lastnih in{titucij, ampak tudi urejanje gradiva za SLA, tj. samo jezikoslovno analizo, saj te pisave niso omogo~ale razli~nih iskanj po gradivu, ustreznih abecediranj ipd. Zato je P. Weiss za jezikoslovne potrebe razvil vna{alni sistem ZRCola, ki »deluje v Microsofto-vem programu Word v operacijskem sistemu Windows. Temelji na standardu unikod, dodatni znaki pa so v pisavi 00 ZRCola razporejeni na podro~ju zasebne rabe tega standarda.« (Weiss 2004). ZRCola zaenkrat {e ne deluje v Excelovem okolju, zato je gradivo {e vedno treba najprej izpisati v Wordovo tabelo in jo nato prenesti v Excel; • pripraviti nabor simbolov za kartografiranje: P. Weiss je l. 2005 v okviru unikodove tabele zasnoval font SIMBola na podlagi simbolov, ki so v rabi pri OLA, ALE in v drugih jezikovnih atlasih. Vsak simbol ima svojo {estnajsti{ko kodo, ki jo je mogo~e vnesti v tabelo podatkovne baze in iz te simbole tudi na karto; • pripraviti osnovno karto: J. Fridl z GIAM ZRC SAZU je pripravila t. i. nemo karto slovenskega jezikovnega ozemlja (tudi zamejstva) z reliefom, vodami in dràvnimi mejami ter ve~jimi mesti, jo vpela v dogovorjeno merilo SLA, ki bo v velikosti formata A3 (1 : 750.000 in 1 : 1.100.000) in jo opremila s kolofonom ter prostori za naslov in legendo karte; • georeferencirati to~ke iz mreè za SLA: P. Pehani z IAP[ ZRC SAZU je s pomo~jo podatkovne baze Geodetskega zavoda Slovenije dolo~il poloàj to~k (tj. njihove geografske koordinate) in {tevilke, ki jih ozna~ujejo, postavil na centroide krajev. Predvideti je bilo potrebno poloàj simbolov ob to~kah, kar je bilo posebno problemati~no na obmo~jih, kjer so to~ke na karti bolj nagnetene in je v gradivu za posamezno to~ko ve~ razli~nih odgovorov – re{itev smo na{li v takem zapisu gradiva v tabeli, ki omogo~a tudi kartografiranje v »plasteh«, ki se med seboj izklju~ujejo; ustrezna priprava tako neme/osnovne karte kot mreè to~k in nato gradiva v podatkovni bazi in povezava med njimi bo zato omogo~ila tudi bolj avtomatizirano kartografiranje; • pripraviti digitalizirano karto slovenskih nare~ij; • pripraviti t. i. satovnico (oz. Thiessenove poligone) na obstoje~o mreò krajev, tj. dolo~iti obmo~ja, ki naj bi pripadala posamezni to~ki (delo sodelavca IAP[ T. Podobnikarja). Taka satovnica bo omogo~ila bolj avtomatizirano oblikovanje ploskovnih in izoglosnih kart ter {e druga~ne na~ine prostorske vizualizacije gradiva, zajetega v podatkovni bazi; • omogo~iti virtualni dostop do arhiviranega gradiva za SLA: P. Weiss je s sodelavci zasnoval skeniranje gradiva in njegovo urejanje na skupnem disku, dostopnem z geslom tudi preko interneta in ZRC-jevega strènika; • pripraviti podatkovno bazo: T. Seli{kar je na osnovi izku{enj pri razvoju programa SlovarRed za urejanje gradiva in pripravo slovarjev v Terminolo{ki sekciji ISJFR ZRC SAZU razvil {e posebno razli~ico za dialektolo{ko podatkovno bazo, ki ne bo sluìla le kartogarfiranju oz. projektu SLA, ampak tudi nastajanju pokrajinskih in krajevnih nare~nih slovarjev (tudi terminolo{kim in imenoslovnim) in vseslovenskega nare~nega slovarja. SlovarRed zajema tako podatke o sodelavcih in njihovem delu, kot o gradivu, ki je zapisano z vna{alnim sistemom ZRCola in opremljeno s podatki o zapisovalcih, informatorjih, kraju in ~asu zapisa ipd., zajema pa (lahko) tudi avdiovizualne posnetke, fotografije in skene rokopisnih zapisov iz listkovne in zvezkovne zbirke za SLA, kar vse bo preko dobro zasnovane podatkovne baze mogo~e »pripeti« tudi na interaktivni prikaz kartografiranega gradiva. Prva karta, kartografirana iz podatkovne baze SlovarRed, predstavlja lekseme za pomen šgrlo’, avtorice J. [kofic, medtem ko je bila na spletni strani ZRC SAZU med njegovimi testnimi interaktivnimi kartami è l. 2004 predstavljena tudi prva poskusna interaktivna karta po gradivu za SLA ({e brez podpore programa SlovarRed), in sicer za vpra{anje 0182 šsemenj’ avtorjev J. [kofic in P. Pehanija (glej sliko 4). 239 Joìca [kofic Slika 4: Prva objavljena interaktivna simbolna leksi~na karta za pomen semenj (avtorja J. [kofic in P. Pehani, 2004). Prvi cilj tako zasnovanega projekta je ~imprej{nji izid prvega zvezka Slovenskega lingvisti~nega atlasa s simbolnimi, izoglosno-ploskovnimi in napisnimi kartami (tako v klasi~ni knjìni obliki kot na zgo{~enki oz. medmrèju). Tako podatkovna baza SlovarRed kot z njo povezan GIS pa bosta zagotovo omogo~ila tudi druga~ne analize in predstavitve zbranega nare~nega gradiva v nare~nih slovarjih in monografijah. 3 Sklep Gradivo za SLA je kljub razli~nim pomanjkljivostim zelo zanimivo ne le za ozko jezikoslovno obravnavo, ampak tudi za sociolingvisti~ne raziskave in osvetlitev jezikovno-kulturnih stikov in povezav z drugimi, predvsem sosednjimi narodi in njihovimi jeziki. Primerjava geolingvisti~ne predstavitve nare~- nega gradiva v SLA z è kartiranimi zunajjezikovnimi okoli{~inami, v katerih se je slovenski jezik razvijal, namre~ omogo~a pogled na ìvljenje jezika, kot doslej morda ni bil mogo~. Seveda pa tako raziskovanje jezika zahteva timsko delo razli~nih strokovnjakov – jezikoslovcev dialektologov in sociolingvistov ter etimologov, geografov, ra~unalni{kih strokovnjakov, strokovnjakov za prostorske informacijske sisteme … Tudi kartografski prikaz nare~nega gradiva iz Slovenskega lingvisti~nega atlasa (s pomo~jo s pomo~jo GIS in SIMBole), ustrezno zapisanega v slovenski nare~ni transkripciji (z vna{alnim sistemom ZRCola) in urejenega v pravilno strukturirani podatkovni bazi (SlovarRed), kaè, kako plodno je lahko tako sodelovanje. 240 Uporaba GIS v dialektologiji 4 Viri in literatura Benedik, F. 1990: Poimenovanje gozda in refleksi eþ v besedi sneg v slovenskih govorih. Traditiones 13, Ljubljana. Benedik, F. 1999: Vodnik po zbirki nare~nega gradiva za Slovenski lingvisti~ni atlas (SLA). Ljubljana. Jakop, T. 2005: Dvojina v slovenskih nare~jih. Doktorska disertacija. Filozofska fakulteta v Ljubljani. Kenda-Jè, K. 2000: Dialektolo{ke raziskave na In{titutu za slovenski jezik Frana Ramov{a. Zbornik Sla-visti~nega dru{tva Slovenije 10. Slovensko jezikoslovje danes in jutri. Ljubljana. Logar, T. Rigler, J. 1983: Karta slovenskih nare~ij. Ljubljana. Ramov{, F. 1935: Histori~na gramatika slovenskega jezika VII, Dialekti. Ljubljana. Rigler, J. 2001: Zbrani spisi I. Jezikovnozgodovinske in dialektolo{ke razprave. Ljubljana. Smole, V. 1988: Poimenovanja za cvetnonedeljsko butaro. Traditiones 17. Ljubljana. Smole, V. 1996: Poimenovanja za kozolec in njegov steber, late in stol v slovenskih nare~jih. Traditiones 25. Ljubljana. Stan~i~, Z. 1996: Poskus uporabe GIS-a v raziskavah slovenskih nare~ij. GIS v Sloveniji 1995–1996. Ljubljana. [kofic, J. 2001: Besede za semenj, ègnanje (farni praznik) in blagoslov v slovenskih nare~jih (po gradivu za SLA). Jezikoslovni zapiski 7. Ljubljana. [kofic, J. 2004: Od nare~nega h knjìnemu besedju (po gradivu za Slovenski lingvisti~ni atlas). Aktua-lizacija jezikovnozvrstne teorije na Slovenskem: ~lenitev jezikovne resni~nosti, (Obdobja, Metode in zvrsti, 22). Ljubljana. Zupan~i~, M., Smole, V. 1999: Fitogeografska delitev Slovenije in leksi~na raznolikost slovenskih nare- ~ij. Traditiones 28/1. Ljubljana. Fran Ramov{'s Dialect Map: Medmrèje 1: http://nl.ijs.si/~stermole/Ramovs/RamovsL2.html in Medmrèje 2: http://nl.ijs.si/~stermole/Ramovs/Ramovs-map-legend.gif (15. 5. 2006). [kofic, J., Pehani, P. 2004: Slovenski lingvisti~ni atlas 0182 – semenj. Interaktivna karta Slovenije z zbir-kami ZRC SAZU. Medmrèje: http://gis.zrc-sazu.si/zrctest/ (17. 5. 2006). Weiss, P. 2004: ZRCola. Medmrèje: http://zrcola.zrc-sazu.si/ (15. 5. 2006). 241 242 GIS v Sloveniji 2005–2006, 243–251, Ljubljana 2006 GIS NA PODRO^JU VARSTVA RASTLIN PRED [KODLJIVIMI ORGANIZMI Matej Knapi~ Kmetijski in{titut Slovenije, Hacquetova ulica 17, 1000 Ljubljana matej.knapic@ kis.si Tomà Seli{kar, Stanislav Gomboc in Vlasta Knapi~ Fitosanitarna uprava Republike Slovenije Einspilerjeva ulica 6, 1000 Ljubljana tomaz.seliskar@ siol.net, stane.gomboc@ gov.si, vlasta.knapic@ gov.si UDK: 632:659.2:004 IZVLE^EK GIS na podro~ju varstva rastlin pred {kodljivimi organizmi GIS je postal nenadomestljiv na~in obvladovanja podatkov tudi v informacijskih sistemih s podro~ja varstva rastlin, ki se razvijajo pod okriljem Fitosanitarne uprave RS. Zasnove GIS na tem strokovnem podro~ju so iz leta 2001, ko je projekt CRP »Izgradnja poenotenega sistema za spremljanje in analizo {kodljivih organizmov« opredelil podlage za zajem, kontrolo, hranjenje in obdelavo podatkov o {kodljivih organizmih rastlin. Leta 2003 je bila razvita uporabniku prijazna aplikacija FITO-nadzor, ki omogo~a zajem in prikaz geo-refenciranih podatkov za upravljanje varstva rastlin. Te podatke z uporabo ESRI programske opreme ustrezno nadgradimo, tako da predstavljajo osnovno podporo pri strokovnem in upravnem delu. V prispevku predstavljamo pripravo podatkovnih baz in uporabo GIS za potrebe odlo~anja upravnih slùb, raziskovalnega dela in javno uporabo sistema oziroma njegovih podatkov. KLJU^NE BESEDE geografski informacijski sistemi, varstvo rastlin, {kodljivi organizmi ABSTRACT GIS in plant health control of harmful organisms GIS became irreplaceable manner of data management also in information systems in the field of plant health, developed with the support of Phytosanitary Administration of the Republic of Slovenia. GIS in that technical sector was framed in 2001 with the CRP project »Establishment of unified system for monitoring and analysis of harmful organisms«, which defined gathering, control, keeping and processing of data on organisms, harmful to plants. In 2003, an user-friendly application FITO-nadzor was developed. It enables gathering and review of geo-referenced data for the management of plant health. These data are upgrad-ed using ESRI software in a way, that data represent basic support at expert and management work. Database preparation and usage of GIS for the needs of decision-making for administrative, research and public use are presented in the contribution. KEYWORDS geographical information system, plant health, harmful organisms 243 Matej Knapi~, Tomà Seli{kar, Stanislav Gomboc, Vlasta Knapi~ 1 Uvod Kmetijstvo in gozdarstvo sta za Evropsko skupnost ekonomsko in sociolo{ko pomembni podro~- ji, saj geografsko gledano upravljata z okoli 80 % povr{inami, zaposlujeta okoli 17 milijonov ljudi, izvoz iz obeh sektorjev pa je vreden okoli 50 milijard evrov letno. Izbruhi rastlinskih {kodljivih organizmov, ki imajo veliko zmònost preìvetja in razmnoèvanja, lahko povzro~ijo epidemije rastlinskih bolezni in uni~ujo~e prenamnoìtve {kodljivcev. Epidemi~ne bolezni pa povzro~ajo resne izgube gojenih rastlin in imajo lahko s tem velik vpliv na gozdarstvo, kmetijsko pridelavo, ekonomijo in ruralno skupnost (Celar in Knapi~ 2002) kot tudi na biotsko raznovrstnost in okolje. V pridelavi hrane beleìjo v svetovnem merilu zaradi bolezni rastlin povpre~no 13 %, zaradi napadov ùèlk 15 % in zaradi plevelov 13 % izgub pridelkov (FAO 2001). Veliko ve~je izgube lahko nastanejo z vnosom novega {kodljivega organizma z rastlinskim blagom iz drugega kontinenta, ~e naleti na ugodne klimatske in druge razmere za razmnoèvanje in {irjenje. Varstvo rastlin pred {kodjivimi organizmi je temeljna dejavnost na fitosanitarnem podro~ju in ga dràve urejajo v okviru Mednarodne konvencije o varstvu rastlin (Zakon 2000). V Evropski skupnosti uvr{~ajo varstvo rastlin na direktorat za varstvo potro{nikov in na podro~je varne hrane. V skladu s konvencijo, direktivo Sveta 2000/29/ES in nacionalnimi predpisi uradne fitosanitarne slùbe opravljajo nadzor rastlinskega blaga v mednarodnem prometu zaradi prepre~itve vnosa karantenskih organizmov na ozemlje dràve. Hkrati spremljajo doma~o pridelavo in samonikle rastline, da ~imbolj zgodaj ugotovijo morebiten pojav organizma z visokim tveganjem. Fitosanitarni ukrepi vedno temeljijo na znanstvenih na~elih in biologiji organizmov ter na obsegu raz{irjenosti v dràvi ali na dolo~enem obmo~ju. Nemalokrat je tudi izvoz rastlinskih pridelkov in lesa odvisen od fitosanitarnega statusa {kodljivega organizma v dràvi: dràva uvoznica prepove uvoz, ~e je izvozna dràva okuèna, oziroma ~e ne dokaè fitosanitarnega statusa organizma, da ni navzo~. Fitosanitarni status lahko pristojni organi dolo~ijo na podlagi stalnega spremljanja pojava in {irjenja {kodljivih rastlinskih organizmov tako, da beleìjo njihove najdbe in na okuènih obmo~jih izvedejo ustrezne kurativne, na neokuènih obmo~jih pa ustrezne preventivne ukrepe (Milo{evi} et al. 1980). Varstvo rastlin je torej tesno povezano s kmetijstvom, gozdarstvom, pa tudi z gospodarstvom ter varstvom narave in okolja. Enako se kaè povezanost z informacijskimi sistemi na teh podro~jih, tako pri uporabi atributnih kot grafi~nih podatkov. 2 Metode zapisov najdb {kodljivih organizmov Zapisi najdb in tudi analize tveganja ob vnosu oziroma {irjenju {kodljivih organizmov vsebujejo podatke o dejanskem ali potencialnem nahajali{~u v naravi. Nahajali{~e ali mesto je dolo~eno kot to~ka ali poligon z dodatnimi atributnimi opisi kot so: vrsta organizma, vrsta gostiteljskih rastlin, rasti{~e, ~as najdbe, ime osebe, ki je opravila pregled oziroma odvzela vzorec za laboratorijsko dolo~itev organizma, in drugi relevantni podatki. V primerih, ko èlimo pokazati, kje je bil najden organizem kot tudi, kje smo opravili preglede, pa ga nismo na{li, nastane potreba po ume{~anju tovrstnih podatkov na zemljevide, s ~imer se pove~a preglednost in razumljivost podatkov, omogo~i analize ter làje in zanesljivej{e odlo~anje o ukrepih. Podatke o najdbah pomembnih organizmov v Sloveniji najdemo v starej{i literaturi vezane na katastrske podatke in administrativne enote. Prvi tovrstni zapisi o najdbi trsne u{i segajo v ~as Avstroogrske monarhije, ohranili pa so jih tudi v navodilih o poro~anju in vodenju uradnih evidenc, ki so jih mejni fitopatologi in strokovnjaki za varstvo rastlin v Sloveniji prejeli od zvezne jugoslovanske fitokarantenske oblasti (Odredba 1978; Milo{evi} et al. 1980). Dokler ne bo izdan novi pravilnik o poro~anju na podlagi Zakona o zdravstvenem varstvu rastlin (2005) se formalno {e vedno uporablja obrazec, ki se sklicuje na zajem katastrskih podatkov pri zapisih (Navodilo 1991). Dejansko pa se od leta 2001 dalje upo-244 GIS na podro~ju varstva rastlin pred {kodljivimi organizmi rabljajo tudi georefencirani podatki. Zapise smo sprva ume{~ali v UTM kvadrante in po njih razde-ljevali delo terenskim slùbam, kasneje pa pri~eli uporabljati koordinatni sistem zapisov to~k in poligonov. @elja po u~inkovitem delu na podro~ju varstva rastlin je sorazmerno zgodaj pripomogla, da se je za~el uvajati geografski informacijski sistem (GIS) tudi na upravni del tega podro~ja. Osrednja strokovno upravna institucija na podro~ju varstva rastlin je Fitosanitarna uprava Republike Slovenije (FURS), ki je prevzela leta 2001 v upravljanje ve~ nepovezanih zbirk podatkov o registrirani pridelavi in najdbah {kodljvih organizmov, pri katerih je prihajalo do podvajanja podatkov in obdelav ter do neenotnosti podatkov. Zaradi na{tetih slabosti in zahtev po hitri izmenjavi informacij s slùbami za varstvo rastlin drugih dràv ter s Komisijo Evropske unije, je bila è v dràvnem programu Republike Slovenije za prevzem pravnega reda EU predvidena vzpostavitev poenotenega-integriranega informacijskega sistema za fitosanitarno podro~je (Knapi~ et al. 2001). Prvi za~etki uvajanja geoinformacijske tehnologije segajo v konec devetdesetih let. V letu 2001 smo s pomo~jo projekta CRP »Izgradnja poenotenega sistema za spremljanje in analizo {kodljivih organizmov« opredelili podlage za zajem, kontrolo, hranjenje in obdelavo podatkov o {kodljivih organizmih. Sprva, ko ni bilo integralnega pristopa h GIS, je obstajalo veliko podatkovnih baz razli~nih formatov. Prav tako se je zajem prostorskih koordinat izvajal z razli~nimi orodji kot sta GPS ali Atlas Slovenije. Format zajema obi~ajno ni bil podan, pojavljale pa so se napake pri nastavitvah GPS aparatov za pretvorbo geografskih koordinat v dràvni Gauss-Krugerjev koordinatni sistem. Omenjene teàve smo èleli premagati s centralno aplikacijo, ki bi omogo~ala osrednjo evidenco pregledov in pojavnosti {kodljivih organizmov. V letu 2003 je aplikacija FITO-nadzor postopno prevzela funkcijo centralnega beleènja terenskih pregledov in pojavnosti (najdb) {kodljivih organizmov. 3 Geografski informacijski sistem na podro~ju varstva rastlin Geografski informacijski sistem na podro~ju varstva rastlin (GIS-VR) je sestavni del geografskega informacijskega sistema v kmetijstvu. Njegov razvoj in u~inkovitost sta rasla hkrati z razvojem GIS na podro~ju kmetijstva. V obdobju priprav za vstop v Evropsko skupnost po letu 2000 je bilo izgrajenih ve~ baz podatkov, ki imajo pomembno vlogo pri delovanju GIS na podro~ju varstva rastlin. Pri sprejemanju odlo~itev je zelo pomembna baza subvencij kmetijske pridelave, ki je vezana na enote rabe in jo vodi Agencija za kmetijske trge in razvoj podeèlja (AKTRP). Z njo je tesno povezan register kmetijskih gospodarstev in baza grafi~nega zajema rabe kmetijskih zemlji{~, ki ga vodi Ministrstvo za kmetijstvo, gozdarstvo in prehrano (MKGP). V tem obdobju so se na MKGP vzpostavile baze trajnih nasadov (vinogradov, sadovnjakov, hmelji{~), na FURS se je vzpostavil FITO-register pridelovalcev, trgovcev in uvoznikov sadilnega materiala in drugega rastlinskega blaga z visokim tveganjem za prenos {kodljvih organizmov ter {tevilne ostale evidence, ki imajo bolj specifi~en zna~aj. V tem obdobju je bila tudi kon~ana pretvorba katastrske evidence v digitalno obliko (GURS). Omenjene podlage tvorijo temelj delovanja GIS-VR. V okviru dràvnega programa in Twinning projekta z nizozemsko slùbo za varstvo rastlin je pro-jektna skupina za informacijsko analizo obstoje~ih sistemov pripravila v letih 2001–2003 osnutke modulov za integrirani informacijski sistem (Van Halteren, 2003). Prepoznala je nujnost podpore s programsko opremo pri izvajanju posebnih nadzorov {odljivih organizmov, ki jih na terenu beleìjo poobla{~eni izvajalci fitosanitarnih pregledov (aplikacija FITO-nadzor, nastala 2003) in fitosanitarni in{pektorji (aplikacija FSI-pregled, nastala 2005) ter nujnost povezave z evidenco opravljenih analiz rastlinskih in drugih vzorcev, ki jih delajo poobla{~eni diagnosti~ni laboratoriji za zdravstveno varstvo rastlin. V omenjeni aplikaciji je vgrajen Fito-GIS modul, ki omogo~a zajem geografskih podatkov v registre in evidence in razli~ne prostorske prikaze in analize geografsko povezanih podatkov. 245 Matej Knapi~, Tomà Seli{kar, Stanislav Gomboc, Vlasta Knapi~ 3.1 Evidenca zdravstvenih pregledov in posebnih nadzorov kmetijskih rastlin Aplikacija FITO-nadzor (avtor Tomà Seli{kar) predstavlja osnovo za evidentiranje pregledov in pojavov {kodljivih organizmov. Aplikacija te~e na strèniku MS Windows Server 2003, kot aplikacija odjemalec-strènik, do katere uporabniki dostopajo po tankem odjemalcu (MS Terminal Server 2003). To omogo~a enostaven centralen zajem podatkov in hitro obdelavo in procesiranje podatkov glede na potrebe. Znotraj aplikacije FITO-nadzor so opredeljeni posamezni programi nadzora {kodljivih organizmov ter dolo~eni skrbniki posameznega nadzora kot tudi sodelavci, ki sodelujejo v izvajanju programa. V program nadzorov {kodljivih organizmov je vklju~enih ve~ institucij kot so FURS, Kmetijski in{titut Slovenije, In{titut za hmeljarstvo in pivovarstvo Slovenije, regionalni kmetijski zavodi ter fitosanitarna in{pekcija in poobla{~eni laboratoriji, ki izvajajo diagnostiko {kodljivih organizmov. Sodelavci posameznega nadzora evidentirajo preglede, ki so jih opravili na terenu, medtem ko je koordinator osrednji skrbnik baze in je dolàn izvajati kontrolo nad stanjem v bazi ter ima vse pravice za popolno urejanje baze dolo~enega nadzora. ^eprav se na tem mestu ne bomo spu{~ali v podrobnosti programa FITO-nadzor, je potrebno omeniti nekatere njegove odlike in re{itve. V program so vklju~ene razli~ne georeferencirane rastrske podloge (DOF, tematski in pregledni zemljevidi), ki omogo~ajo prvo kontrolo prostorske opredelitve posameznega pregleda ali pojava {kodljivega organizma. Ta funkcija omogo~a tudi izris trenutnega stanja nadzora dolo~enega {kodljivega organizma. Poleg tega v aplikacijo sproti dodajamo lastne tematske sloje (npr. razli~ni status obmo~ij pri nadzoru dolo~enega {kodljivega organizma), kar omogo~a bolj{o kontrolo in na~rtovanje dela. Zaradi zapletov s to~nostjo koordinat v preteklosti, je v program vklju~ena funkcija za prera~un koordinat iz razli~nih koordinatnih sistemov. Za làje in natan~nej{e delo so pri evidentiranju pregledov v aplikaciji vklju~eni podatki registra prostorskih enot ter podatki digitalnega katastra Slovenije. V primeru, da se koordinate pregleda ne pridobijo s pomo~jo GPS, je programska re{itev tak{na, da se bodisi iz ene ali druge baze avtomatsko prenesejo koordinate centroidov parcel oziroma hi{nih {tevilk. Podatki evidenc programa FITO-nadzor, v katerega se prepi{ejo tudi podatki aplikacije FSI-pregled, so eden temeljnih slojev GIS-VR. Imajo velik pomen za prostorsko predstavitev izvajanja nadzorov in stanja posameznega {kodljivega organizma. Podatke o izvajanju nadzora nad {kodljivimi organizmi izvozimo v ArcGis (ESRI), jih ustrezno obdelamo in jih predstavimo na ustreznih tematskih kartah. Ti podatki nam hkrati sluìjo pri razli~nih prostorskih obdelavah, predvsem pri dolo~anju obmo~ij z razli~nim reìmom ukrepov ob prepre~evanju {irjenja {kodljivih organizmov. 3.2 Analize za pravilne strokovno upravne odlo~itve v okolju GIS FURS si v sodelovanju s strokovnimi in in{pekcijskimi slùbami pomaga pri analizah tveganja zaradi vnosa in {irjenja {kodljivih organizmov in pri posredovanju podatkov organom upravljanja v Evropski skupnosti in drugih dràvah ~lanicah s kartiranjem in analiziranjem podatkov s pomo~jo ustreznega ra~unalni{kega orodja in GIS-VR. Polega tega je potrebno nacionalne strokovne odlo~itve pri obvladovanju dolo~enega {kodljivega organizma podkrepiti z ustreznimi analizami v okolju GIS. Omenjene zahteve re{uje GIS-VR na razli~nih ravneh, kar razlagamo z nekaj vzor~nimi primeri: 1. koruzni hro{~ ( Diabrotica virgifera virgifera) 2. rumena krompirjeva ogor~ica ( Globodera rostochiensis (Woll., 1923) Behrens, 1975) 3. hmeljeva uvelost, ki jo povzro~ata glivi Verticillium albo-atrum Reinke at Berthold in Verticillium dahliae Klebahn Koruzni hro{~ je karantenski {kodljivec koruze, ki se v enem letu lahko raz{iri tudi za ve~ 10 km. Prvi izbruhi v Evropi so bili v bliìni letali{~. K nam se {iri iz beograjskega àri{~a, prvi~ smo ga v mo-nitoringu zaznali na meji z Madàrsko in Hrva{ko leta 2003, v naslednjih dveh letih pa se je raz{iril za 246 GIS na podro~ju varstva rastlin pred {kodljivimi organizmi Slika 1: Razmejeno obmo~je koruznega hro{~a v SV Sloveniji s prikazom sledenja koruze na isti enoti rabe v letih 2004/2005. 50–70 km proti notranjosti Slovenije. Iz najdi{~a na Primorskem se od leta 2003 ni {iril. Odlo~ba Evropske komisije 2003/766 predpisuje ob ulovu razmejitev àri{~a napada, ki je obmo~je okoli potrjene to~ke najdbe, s polmerom najmanj 1 km in varnostno obmo~je, ki je pas med najmanj 1 km in 6 km od potrjene to~ke najdbe, ki obdaja àri{~e napada. Predstojnik FURS z odlo~bo dolo~i razmejeno obmo~je, ki obsega àri{~e napada in pripadajo~e varnostno obmo~je, in dolo~i obvezne ukrepe za prepre~evanje {irjenja. Glavni ukrep je zatiranje hro{~a z insekticidi ali pa obvezen kolobar (enoletni presledek med dvema posevkoma koruze), da li~inke, ki se izleèjo po prezimitvi v tleh, ne najdejo hrane (koruze) in naravno odmrejo. Pri tehtanju posledic strokovnih odlo~itev smo uporabili prostorske analize. Analizirali smo bazo podatkov o subvencioniranju kmetijske pridelave ter dolo~ili, kolik{no je {tevilo nosilcev kmetijske pridelave na posameznem obmo~ju, kak{en je obseg njihove pridelave in s tem, kak{ne posledice nosi posamezen ukrep za prepre~evanje {irjenja koruznega hro{~a. Naslednji ilustrativni primer uporabe prostorskih analiz je dolo~itev obsega manj primernega kolo-barja koruze (prav tako iz baze AKTRP) na nadzorovanem obmo~ju. Kasneje smo rezultate te analize uporabili tudi pri postavljanju feromonskih vab za lovljenje koruznega hro{~a. Pri izdajanju odredb o dolo~itvi in obsegu nadzorovanega (razmejenega) obmo~ja je potrebno rezultate obdelav prilagoditi na administrativne meje, v na{em primeru na meje katastrskih ob~in. Pri tem smo upo{tevali vodilo, da se dolo~ena katastrska ob~ina uvrsti med nadzorovano obmo~je, ~e nadzorovano obmo~je dolo~e-no iz àri{~, prekriva ve~ kot 50 % njene povr{ine. Na pridelavo krompirja so v Sloveniji v zadnjih letih mo~no vplivale specifi~ne drùbeno ekonomske razmere ter {tevilni abiotski in biotski dejavniki. V letu 1999 smo v sklopu vsakoletnega zdravstvenega pregleda njiv na obmo~ju Libeli~ na Koro{kem prvi~ po letu 1975, ko je bila najdena ena cista, naleteli na izredno nevarne rumene krompirjeve ogor~ice, ki imajo status karantenskega organizma, za kate-247 Matej Knapi~, Tomà Seli{kar, Stanislav Gomboc, Vlasta Knapi~ Slika 2: Razmejeno obmo~je koruznega hro{~a – usklajeno na meje katastrskih ob~in. rega so predpisani ukrepi z evropsko direktivo. Najdba na obmo~ju pridelave semenskega krompirja vodi v zelo stroge ukrepe prepovedi pridelave v àri{~u. Ker se ogor~ice prena{ajo skupaj z zemljo, je bila prepovedana vsakr{na obdelava tal tudi na sosednjih zemlji{~ih. S temi ukrepi nameravamo prepre~i-ti raz{iritev obravnavanega {kodljivca na druga pridelovalna obmo~ja krompirja v Sloveniji. V tem primeru smo razmejena obmo~ja prilagajali mejam njivskih povr{in – uporaba DOF in DKN, medtem ko smo v letu 2006 è uporabili bazo GERK – grafi~na enota rabe kmetijskih zemlji{~ pri MKGP (slika 3). Blaga oblika hmeljeve uvelosti je bila v Sloveniji prvi~ ugotovljena leta 1974, medtem ko smo letal-no obliko te bolezni prvi~ odkrili leta 1997 tik pred obiranjem hmelja. V letih 1998 in 1999 smo v okviru posebnega nadzora odkrili na dokaj majhnem obmo~ju priblìno 32 ha okuènih hmelji{~, medtem ko smo v letu 2000 dodatno zabeleìli {e okrog 65 ha okuènih hmelji{~ na {tirih novih obmo~jih. V oku- ènih hmelji{~ih je potrebno uni~iti in odstraniti okuène rastline, kadar pa se uni~i celo hmelji{~e, je ponovna zasaditev dovoljena {ele po {tirih letih. Poleg mònega prenosa glive hmeljeve uvelosti s sadilnim materialom, se gliva lahko prav tako prena{a z zemljo, zato se zaradi hmeljeve uvelosti {tejejo za ogroèna obmo~ja: • hmelji{~a in • zemlji{~a, ki neposredno mejijo na hmelji{~a ter • zemlji{~a, ki jih obdeluje imetnik hmelji{~. Iz registrov MKGP se v primeru najdbe poi{~e ogroèna obmo~ja in se jih razmeji. Ker okùba ostane v tleh ve~ let, je potrebno voditi evidenco o zgodovini najdb. Razmejitev obmo~ij je pomembna tudi zaradi manipulacije s sadilnim materialom, saj predpis o prepre~evanju in omejevanju {irjenja hmeljeve uvelosti prepoveduje nabiranje sadilnega materiala v mati~nih hmelji{~ih, ki leìjo v 250 metrskem obmo~ju àri{~a. In{titut za hmeljarstvo in pivovarstvo Slovenije ureja bazo mati~nih hmelji{~. V bazi mati~nih hmelj{~ so navedene parcelne {tevilke in katastrska ob~ina, kar omogo~a prostorsko umesti-248 GIS na podro~ju varstva rastlin pred {kodljivimi organizmi Slika 3: Dolo~anje àri{~ in razmejenega obmo~ja pri nadzoru rumene krompirjeve ogor~ice z uporabo DOF, DKN in GERK. tev in sprotno preverjanje veljavnega registra mati~nih hmelji{~. Tudi v tem primeru je v letu 2006 è mogo~e uporabiti bazo GERK. 3.3 Informacijska struktura sistema V za~etku implementacije GIS-VR smo v pretèni meri izkori{~ali strojne in programske kapacitete, ki so bile locirane na organizacijah, ki so vklju~ene v sistem varstva rastlin. V letu 2003 smo pripravili vsebine PHARE projekta (Phare projekt 2003) za izbolj{anje stanja informatizacije slùbe za varstvo rastlin in ga uspe{no realizirali v letu 2005. V sklopu projekta so FURS in organizacije, vklju~ene v sistem varstva rastlin, dobili ve~je {tevilo strènikov, osebnih ra~unalnikov ter ustrezno {tevilo GPS enot proizvajalca Leica. Hkrati smo pridobili tudi ustrezno programsko opremo, med ostalimi Arc-GIS desktop 9.1 z ve~ licencami za ArcEditor ter eno za ArcInfo in ArcSDE. Obseg prostorskih podatkov se je mo~no pove~al, hkrati pa tudi potreba po centralnem hranjenju in vzdrèvanju podatkov. Na strèniku so shranjeni pomembnej{i rastrski podatki ter ve~je vektorske baze kot je DKN in podobno. Hkrati pa so ustrezno dodane teme s podro~ja obvladovanja {kodljivih organizmov. Z vklju~itvijo strènika ArcSDE in programske opreme ArcGIS v GIS-VR sta se pove~ala preglednost ter upravljanje prostorskih podatkov, kar je posledica ve~je vpetosti metapodatkov v prostorske baze podatkov, ki jo zagotavljajo novej{e razli~ice ESRI programske opreme. Strènik podatkov ArcSDE omogo~a làje in aùrno vklju~evanje tematskih podatkov v ostale aplikacije kot sta FITO-Nadzor in FSI-pregled. Z realizacijo Phare projekta se je arhitektura informacijskega sistema nekoliko centralizirala, kar prej ni bilo mogo~e zaradi slab{ih infrastrukturnih kapacitet. 249 Matej Knapi~, Tomà Seli{kar, Stanislav Gomboc, Vlasta Knapi~ Slika 4: Prostorski in ~asovni prerez okùb z glivo hmeljeve uvelosti. 4 Sklep Fitosanitarno podro~je je izrazito mednarodno vpeto v tokove globalne trgovine z rastlinskim blagom in v globalno ocenjevanje tveganja (PRA) za raznos {kodljivih organizmov s trgovskimi potmi. Na podlagi posebnega sanitarno-fitosanitarnega sporazuma v okviru Svetovne trgovinske organizacije (WTO) lahko zaustavi uvoz ali izvoz ladijskih, letalskih in drugih po{iljk, da prepre~i vnos {kodljivega organizma na svoje ozemlje. Za tak korak mora imeti upravni organ mo~ne in transparentne dokaze, da dolo~en organizem ni zastopan, da je obseg gojenja gostiteljskih rastlin gospodarsko pomemben in ukrep zavrnitve po{iljke upravi~i stro{ke po{iljatelja. Vsako leto se pri WTO odvija ve~ deset poravnav sporov, pri katerih so rezultati analiz v okolju GIS dober argument za odlo~itve. Tudi v Sloveniji je FURS v zadnjih petih letih s pridom uporabljal GIS-VR pri pogajanjih z Evropsko komisijo, dokazovanju statusa varovanega obmo~ja hru{evega oìga in bele krompirjeve ogor~ice, pri obve{~anju javnosti in pri kreiranju politike varstva rastlin, ki jo vodi MKGP. Analize in procesiranje georeferenciranih podatkov pa so tudi neprecenljiva podlaga odlo~anju na nacionalni ravni, pri nadzoru in izvajanju ukrepov v primeru pojava nadzorovanih {kodljivih organizmov. 5 Viri in literatura Baker, R. 2001: Vloga geografskega informacijskega sistema (GIS) pri analizah tveganja zaradi vnosa in {irjenja {kodljivih organizmov. Izvle~ki referatov. Dru{tvo za varstvo rastlin Slovenije. Ljubljana. 250 GIS na podro~ju varstva rastlin pred {kodljivimi organizmi Celar, F., Knapi~, V. 2002: Rastlinske kùne bolezni. Nesre~e in varstvo pred njimi. Ljubljana: Uprava RS za za{~ito in re{evanje Ministrstva za obrambo, str. 365–371. FAO 2001: The state of food and agriculture: economic impacts of transboundary plant pests and animal diseases. Food and Agriculture organizaction of the United Nations, str. 199–276. Knapi~, V., Ma~ek, J., Urek, G., Markelj, M, Lozej, M. 2001: Informatizacija varstva rastlin – izziv ali nuja? Zbornik predavanj in referatov 5. slovenskega posvetovanja o varstvu rastlin v ^ateù ob Savi od 6. do 8. marca 2001, str. 28–35. Knapi~, M. 2002: Uporaba geografskega informacijskega sistema pri izvajanju odredbe o ukrepih za prepre~evanja {irjenja in zatiranja hmeljeve uvelosti Verticillium Spp. In{titut za hmeljarstvo in pivovarstvo Slovenije: Izvle~ki prispevkov: 40. seminar o hmeljarstvu, Portorò, 14. in 15. februar 2002, Slovenija, s. 12–13 Milo{evi}, B., Ki{pati}, J., Maceljski, M. 1980: Priru~nik o karantenskim biljnim bolestima i {teto~ina-ma SFR Jugoslavije. Fakultet poljoprivrednih znanosti Sveu~ili{ta u Zagrebu, Institut za za{titu bilja. Zagreb. Navodilo o objavljanju podatkov o pojavu in raz{irjenosti na novo odkritih karantenskih rastlinskih bolezni in {kodljivcev. Uradni list SFRJ, {t. 40/91. Odredba o obmo~jih, ki so okuèna s karantenskimi boleznimi in {kodljivci. Uradni list SFRJ, {t. 67/78 Phare Project SI03.01.01. Upgrading of Information System within IACS and Phytosanitary and Vete-rinary Information system. Ministrstvo za kmetijstvo, gozdarstvo in prehrano Republike Slovenije. Ljubljana. Urek, G. 2001: Ogroènost pridelave semenskega krompirja zaradi rumene krompirjeve ogor~ice, Globodera rostochiensis (Woll., 1923) Behrens, 1975 v Sloveniji. Zbornik predavanj in referatov 5. slovenskega posvetovanja o varstvu rastlin v ^ateù ob Savi od 6. do 8. marca 2001. Van Halteren, P. 2003: Final report – Phare Twinning project SL99/IB-AG-02 – Improvement of Phytosanitary Control. Ministrstvo za kmetijstvo, gozdarstvo in prehrano Republike Slovenije. Ljubljana. Zakon o ratifikaciji Konvencije o varstvu rastlin (spremenjene). Uradni list RS, {t. 84/2000-Mednarodne pogodbe 23/2000. Zakon o zdravstvenem varstvu rastlin (ZZVR-1-UPB1, Uradni list RS, {t. 23/2005) 251 252 GIS v Sloveniji 2005–2006, 253–260, Ljubljana 2006 UPORABA GIS-A PRI RAZMEJEVANJU [KODLJIVIH ORGANIZMOV NA PRIMERU HRU[EVEGA O@IGA Primò Pajk, Vlasta Knapi~ in Stanislav Gomboc Ministrstvo za kmetijstvo, gozdarstvo in prehrano Fitosanitarna uprava Republike Slovenije Einspilerjeva ulica 6, 1000 Ljubljana primoz.pajk@ gov.si, vlasta.knapic@ gov.si, stane.gomboc@ gov.si Matej Knapi~ Kmetijski in{titut Slovenije Hacquetova ulica 17, 1000 Ljubljana matej.knapic@ kis.si Tomà Seli{kar Biotehni{ka fakulteta, In{titut za fitomedicino Jamnikarjeva ulica 101, 1000 Ljubljana tomaz.seliskar@ bf.uni-lj.si, UDK: 632:659.2:004 IZVLE^EK Uporaba GIS-a pri razmejevanju {kodljivih organizmov na primeru hru{evega oìga Posebni nadzor bakterije hru{evega oìga se izvaja od leta 1998, s spremljanjem zdravstvenega stanja gostiteljskih rastlin in z geografskim opredeljevanjem to~k tovrstnega nadzora. Razmejitve okùb gostiteljskih rastlin v prostoru so prikazane na kartah in so podlaga za uradne ukrepe v predpisih in odlo~bah od leta 2001 dalje. Ob izbruhu bakterije v letu 2003 je bilo potrebno zaradi hitre obdelave podatkov o tem karanten-skem organizmu pristopiti k sprotni prostorski obdelavi zbranih podatkov z orodji GIS. Obmo~ja so razmejena s pomo~jo podatkov prostorskih enot, centralnih registrov in registrov MKGP. Za zagotovitev nadzora in upravljanja izbruhov hru{evega oìga je bila v letu 2003 zasnovana aplikacija FITO-nadzor. KLJU^NE BESEDE GIS, obmo~ja nadzora, Erwinia amylovora, fitosanitarni ukrepi, prostorski podatki ABSTRACT Management with GIS tools in order to delineate harmful organisms, on the example of Erwinia amylovora Special control of Erwinia amylovora in Slovenia has been carried out as from 1998 on the basis of spatially located monitoring points. Spatial delimitations of infection of host plants have been indicated on maps and since 2001 represent the basis for carrying out official measures in national legislation and deci-sions. Because of quarantine status of this harmful organisms, an outbreak of bacteria in 2003 accelerated the use of GIS tools for spatially handling of collected data. Delimitation of areas is based on spatial data, central registers and registries maintained by the Ministry of agriculture, forestry and food. To ensure control and management of outbreaks the aplication FITO-nadzor was built in 2003. KEYWORDS GIS, controlled areas, Erwinia amylovora, phytosanitary measures, spatial data 253 Primò Pajk, Vlasta Knapi~, Stanislav Gomboc, Matej Knapi~, Tomà Seli{kar 1 Uvod Fitosanitarna uprava Republike Slovenije (FURS) opravlja upravne, strokovne in nadzorne naloge na podro~jih priprave in izvajanja predpisov, ki urejajo zdravstveno varstvo rastlin, semenski material kmetijskih rastlin, varstvo in registracijo sort rastlin, fitofarmacevtska sredstva in mineralna gnojila. Na podro~ju zdravstvenega varstva rastlin vodi postopke registracije in izdaje dovoljenj in zagotavlja uresni~evanje ukrepov in obveznosti v zvezi s prepre~evanjem vnosa in {irjenja ter zatiranjem {kodljivih organizmov na rastlinah, rastlinskih proizvodih in nadzorovanih predmetih ter opazovanje in napovedovanje {kodljivih organizmov. FURS v sodelovanju s strokovnimi in in{pekcijskimi slùbami vzpostavlja in vodi informacijske sisteme na podro~ju varstva rastlin, vzdrùje zbirke podatkov in z njihovo pomo~jo izpolnjuje mednarodne obveznosti poro~anja o pojavu rastlinskih {kodljivih organizmov. Poseben nadzor hru{evega oìga izvajamo v Sloveniji od leta 1998. V letu 2001 smo beleìli prvi pojav hru{evega oìga v Sloveniji (EPPO 2001, [abec-Paradièt al. 2002), leta 2003 pa prvi ve~ji izbruh bakterije (Knapi~ et al. 2004). @e v letu 2001 so bile okùbe prostorsko locirane, izrisane na kartah in kot take podlaga za izvajanje uradnih ukrepov v nacionalnih predpisih (Odlo~ba 2002). Ob izbruhu bakterije v letu 2003 je bil potreben sistemati~en pristop k prostorski obdelavi zbranih podatkov z orodji GIS, s pomo~jo katerih so bila dolo~ena àri{~a okùbe in varovalni pasovi, ki so opredeljena z med-narodnimi standardi (FAO-IPPC, EPPO), predpisi Evropske skupnosti in nacionalnimi predpisi. 2 Metodologija 2.1 Potreba po lociranju hru{evega oìga s pomo~jo geografskih aplikacij Glede na mòne poti vnosa bakterije je bila v letu 1998 postavljena mreà opazovalnih to~k, s katerimi bi ~im bolj enakomerno pokrili Slovenijo. Medsebojna oddaljenost to~k je bila 5–10 km, izbrane pa so bile tam, kjer je bilo na enem mestu ve~ gostiteljskih rastlin ene vrste ali ve~ gostiteljskih rastlin razli~nih vrst. Opazovalne to~ke so bile opisane tudi s koordinatami. Zajem prostorskih koordinat je potekal s pomo~jo digitalnega Atlasa Slovenije. Kmetijski in{titut Slovenije kot osrednja strokovna in{titucija za terenske preglede rastlinskih bolezni je zajemal podatke s pomo~jo GPS. Zaradi razli~- nih sistemov in formata zajema je prihajalo do teàv pri obdelavi geolociranih podatkov in izrisu kart. Zaradi priblièvanja bolezni se je vsako leto pove~evalo {tevilo opazovalnih to~k in tudi {tevilo rastlinskih vzorcev, ki so jih in{pektorji in pregledniki odvzeli zaradi sumljivih bolezenskih znamenj. Pregledi zdravstvenega stanja gostiteljskih rastlin so se zgostili okoli obmo~ja prve najdbe v Naklem in okolici v letu 2001. Na podlagi biologije bakterije je bilo prvi~ v praksi fitosanitarnih predpisov v Sloveniji predpisano okuèno obmo~je, ki je obsegalo àri{~i okùbe v k. o. Naklo parc. {t. 165/2 in 29/17 in varovalni pas, ki je obsegal 1 km {iroko vplivno obmo~je kot àri{~e okùbe. Znotraj tega pasu je mònost raznosa bakterije npr. z vodo, vetrom in ùèlkami zelo velika. Ker bakterija zlahka okuùje cveto~e gostiteljske rastline, te pa opra{ujejo ~ebele, so ~ebele ene najbolj pogostih prena{alcev bakterije iz okuènih cvetov. Ker lahko ~ebele letijo na pa{o od 3 do 5 km, je bilo dolo~eno prvo varnostno obmo~je okoli àri{~a za nadzor panjev in rastlin (pas med 1 km in 5 km od mesta najdbe), za pove- ~an obseg pregledov pa je bilo dolo~eno {e drugo varnostno obmo~je (pas med 5 km in 10 km od mesta najdbe). Koordinate mesta najdb okuènih dreves so bile dolo~ene s centroidoma parcel, kar ni bilo najbolj natan~no, vendar je za potrebe razmejitve obmo~ij poostrenega nadzora zado{~alo. Na sliki 1 je razmejitev prvega àri{~a hru{evega oìga v Naklem pri Kranju s sredi{~em na mestu najdbe okuène hru{ke: v polmeru 1 km so bile pregledane vse gostiteljske rastline, odvzeto je bilo ve~ deset vzorcev za laboratorijsko testiranje, okùba pa je bila potrjena {e na dveh drevesih v àri{~u. Formalno vsaka nova okùba 254 Uporaba GIS-a pri razmejevanju {kodljivih organizmov na primeru hru{evega oìga Slika 1: Razmejitev àri{~a prve okùbe hru{evega oìga v Naklem pri Kranju v letu 2001. Slika 2: @ari{~a okùbe z varovalnimi pasovi v letu 2003 in 2004. 255 Primò Pajk, Vlasta Knapi~, Stanislav Gomboc, Matej Knapi~, Tomà Seli{kar predstavlja novo to~ko okùbe z novim kilometrskim krogom razmejitve; pri gostej{i okùbi se àri{- ~a in varnostni pasovi prekrivajo in zdruùjejo, kar se je leta 2003 v [kofji Loki tudi primerilo. Medtem ko je slika 1 nastala po kon~anem terenskem in laboratorijskem delu za namene poro~anja in prikazovanja stanja, pa smo ob ve~jem izbruhu leta 2003 bili primorani v sprotno obdelavo in analizo podatkov s pomo~jo GIS orodja Arc View 3.2 za sprotno dolo~anje razmejitev àri{~ in var-nostnih pasov, na podlagi katerih se je usmerjalo terensko delo. Hkrati je nastala potreba po sprotnem zajemu terenskih podatkov razli~nih izvajalcev (in{pektorjev, kmetijskih in gozdarskih strokovnjakov) v skupno bazo. S pomo~jo ad hoc pripravljene aplikacije FITO-nadzor je bilo omogo~eno vodenje evidence o vseh terenskih pregledih in vzor~enjih, zajem koordinat bodisi z digitalnih kart bodisi z evidence hi{nih {tevilk in pretvorbo geografskih koordinat v dràvni Gauss-Kruegerjev koordinatni sistem. Podatke najdi{~ okùbe smo prenesli in obdelali v okolju GIS Arc View 3.2, kjer so bila opredeljena tudi razmejena obmo~ja, 36 kart razmejenih obmo~ij nadzora pa je bilo objavljenih v 23 odlo~bah FURS-a o razmejitvi okùbe in fitosanitarnih ukrepih. Leta 2003 je bilo v Sloveniji skupaj ugotovljenih 144 àri{~ okùbe. Na òjem obmo~ju Gorenjske je bilo potrjenih 111 àri{~, v ostali Sloveniji pa 23 àri{~ (Knapi~ et al. 2004). Zaradi problematike bolezni, ki povzro~a teàve zlasti v sadjarski pridelavi jablan in hru{k, je bilo potrebno pripraviti predpis o fitosanitarnih ukrepih na okuènih (slika 2) in neokuènih obmo~jih. Z geografskimi analizami smo prou~ili umestitev àri{~ in lokacije intenzivnih sadovnjakov in drevesnic, ki smo jih poimenovali ogro- èna obmo~ja. Pri analizi smo uporabili podatke prostorskih enot, centralnih registrov in registrov, ki se vodijo na podlagi zakona o kmetijstvu (UL RS, {t. 54/00, 16/04 in 45/04) na Ministrstvu za kmetijstvo, gozdarstvo in prehrano ter zakona o zdravstvenem varstvu rastlin (UL RS, {t. 23/05). Ugotovili smo, da bi zaradi {irjenja okùb najve~ja gospodarska {koda nastala v vzhodni in jùni Sloveniji, kjer je gostota sadjarske pridelave najve~ja (ve~ kot 2000 ha sadovnjakov). Na Gorenjskem, kjer je bila gostota okùb najve~ja, pa je 40 ha sadovnjakov. To je vodilo k odlo~itvi, da najbolj okuè- ne gorenjske ob~ine izvzamemo iz varovanega obmo~ja, saj izkoreninjenje ni ve~ mogo~e, vloèk fitosanitarnega nadzora pa bi bil previsok glede na ekonomski u~inek pridelave. Zaradi làjega upravljanja smo ogroèna obmo~ja vezali na ob~ine, ki na lokalni ravni upravljajo s kmetijskim prora~unom in vodijo politiko urejanja krajine, kamor sodi tudi zasajevanje parkov, bre- ìn in drugih javnih povr{in z okrasnimi gostiteljskimi rastlinami. Kriterij za dolo~itev ogroène ob~ine je bil, da imajo ve~ kot 10 ha sadovnjakov in drevesnic (slika 3), pri ~emer se za sadovnjak {teje zasaditev sadnih dreves, ve~ja od 0,25 ha. Analiza zgoraj navedenih baz podatkov MKGP in prostorska analiza sta privedli k razumni politiki varstva rastlin pred hru{evim oìgom, ki je predpisan s pravilnikom o ukrepih za prepre~evanje {irjenja in zatiranje hru{evega oìga (UL RS, {t. 18/04, 44/04 in 21/05). Poseben nadzor se je nadaljeval tudi v letih 2004 in 2005, v okviru katerega so bila ugotovljena nova àri{~a, ki so bila temu ustrezno tudi kartografsko obdelana. Kot okuèno obmo~je sta bila potrjena ve~ji del Gorenjske in okolica Maribora, kar je bila tudi podlaga za podalj{anje statusa varovanega Slika 3: Intenzivni nasadi jablan in hru{k, ki znotraj ob~in predstavljajo ogroèna obmo~ja, kjer bi hru{ev oìg povzro~il ve~jo gospodarsko {kodo, so bolj strnjena na vzhodu in jugu Slovenije; ozna~eni sta prvi dve àri{~i v Naklem (2001/2002) in v [kofji Loki (2003). 256 Uporaba GIS-a pri razmejevanju {kodljivih organizmov na primeru hru{evega oìga obmo~ja preostale Slovenije, ki omogo~a nadzorovano pridelavo gostiteljskih rastlin. Znotraj ustaljenih okuènih obmo~ij je mogo~e vzpostaviti nevtralno obmo~je nadzorovane pridelave gostiteljskih rastlin, ki je veliko najmanj 50 km2. Pogoj za vzpostavitev lokacij pridelave gostiteljskih rastlin znotraj tako razmejenega obmo~ja je tudi prostorska oddaljenost od roba àri{~a, ki mora biti najmanj 500 m. Vse zgoraj na{tete razmejitve obmo~ij in dolo~itev razdalj bi bile brez uporabe GIS-a zelo tèko izvedljive. 2.2 Zagotovitev evidentiranja s pomo~jo aplikacije FITO-nadzor Za zagotovitev evidentiranja posameznih izbruhov hru{evega oìga je bila v letu 2003 zasnovana aplikacija FITO-nadzor (slika 4), ki omogo~a nacionalni slùbi zdravstvenega varstva rastlin ustrezno evidentiranje terenskih nadzorov in rezultatov laboratorijskih analiz. Aplikacija je odjemalsko strè- ni{ka. V testni fazi je bila namenjena predvsem za evidentiranje podatkov nadzora hru{evega oìga, kasneje pa smo jo nadgradili {e z drugimi moduli, ki so omogo~ili zbiranje podatkov pridobljenih v okviru ostalih posebnih nadzorov {kodljivih organizmov (npr. koruznega hro{~a, trsnih rumenic, idr.). Aplikacija omogo~a pregled podatkov preko centralnega strènika, na katerem so podlage za zajem prostorskih podatkov (digitalne karte, register prostorskih enot, zemlji{ki kataster). V aplikacijo so vklju~ene georeferencirane karte kot so: pregledne in tematske karte Slovenije, TK25, gozdna vegetacija, temeljni topografski na~rti in digitalni ortofoto posnetki, tako da je omogo~eno lociranje mest pregledov in najdb okùbe. Za u~inkovitej{e delo smo vklju~ili tematski sloj àri{~ hru{evega oìga z vsemi varovalnimi pasovi, ki so omogo~ali razmejitev neokuènih in nevtralnih obmo~ij hru- {evega oìga. 2.3 Povezava laboratorijskih podatkov s terenskimi podatki V letu 2005 je bil v aplikacijo FITO-nadzor dodan modul za povezavo laboratorijskih podatkov oziroma rezultatov analiz in testiranj za potrebe prostorskega lociranja potrditve okùbe. Aplikacija omogo~a dolo~itev predpisanega varnostnega obmo~ja v primeru ugotovitve okuène rastline in s tem obmo~- ja novega àri{~a (slika 5). Slika 4: FITO-nadzor kot aplikacija za zajem Slika 5: Izris varnostnega obmo~ja okoli in obdelavo podatkov nadzora {kodljivih to~ke najdbe okùbe v aplikaciji organizmov. FITO-nadzor. 257 Primò Pajk, Vlasta Knapi~, Stanislav Gomboc, Matej Knapi~, Tomà Seli{kar 2.4 Letna prijava pridelave in lokacija pridelave Pri letni prijavi pridelave je bila v letu 2006 upo{tevana novost, da morajo zavezanci vpisa v FITO-register, ki so podrobneje opredeljeni v pravilniku o pogojih za registracijo pridelovalcev, prede-lovalcev, uvoznikov in distributerjev rastlin, rastlinskih proizvodov in drugih nadzorovanih predmetov in izdajanje rastlinskih potnih listov (UL RS, {t. 94/05), le to prijaviti tudi kot grafi~no enoto rabe zemlji{~ kmetijskih gospodarstev (GERK), ki bodo od leta 2007 dalje nadomestile prijavo letne pridelave na katastrsko parcelo. Tako bodo zajete strnjene povr{ine kmetijskega zemlji{~a z isto vrsto dejanske rabe na enem kmetijskem gospodarstvu (slika 6). Zaradi {irjenja bolezni in ogroènosti zaradi okoli{kih okùb sadnega drevja je potrebno za osno-vanje drevesnice in mati~nega nasada pridobiti soglasje za odobritev nove lokacije. Izbiro lokacije drevesnice za ko{~i~aste sadne vrste opredeljujeta predpisa o ukrepih za prepre~evanje {irjenja in zatiranja leptonekroze ko{~i~arjev (ESFY) in {arke (Plum pox virus), ki dolo~ata, da mora biti lokacija pridelave oddaljena vsaj 100 m oziroma 250 m od intenzivnega nasada ko{~i~arjev in brez okùbe. Za na~rtovanje nove lokacije pridelave gostiteljskih rastlin hru{evega oìga je potrebno upo{tevati, da se lokacija nahaja na neokuènem ali nevtralnem obmo~ju in je oddaljena vsaj 500 m od roba àri{~a. Navedeni podatki so pridobljeni s pomo~jo prostorske analize in podatkov iz aplikacije FITO-nadzor. Slika 6: Uporaba grafi~nih enot rabe zemlji{~ kmetijskih gospodarstev (GERK) za namene lociranja nove lokacije pridelave. 2.5 Novosti pri zajemanju podatkov hru{evega oìga v letu 2006 V letu 2006 so bila na podlagi rezultatov posebnih nadzorov na novo opredeljena posamezna àri{~a okùbe (slika 7). @ari{~a na obmo~ju Gorenjske in v okolici Maribora so bila opredeljena kot àri{~a, kjer se je hru{ev oìg ustalil. Geografsko so bila dolo~ena z razmejitvijo po posameznih ob~inah (slika 7). @ari{~a, kjer se hru{ev oìg v treh letih ni ve~ pojavljal, so bila z odlo~bo preklicana in opredeljena kot àri{~a v mirovanju. Tista àri{~a izven ustaljenih okuènih obmo~ij, kjer je bila okùba laboratorijsko potrjena, so bila razgla{ena kot aktivna àri{~a, na katerih so potrebni ukrepi eradikacije. 3 Sklepi in diskusija Na podlagi rezultatov posebnih nadzorov v letih od 1998 do 2005 je bilo ugotovljeno, da je nadzor bakterije hru{evega oìga u~inkovit, saj so bili z ustrezno geografsko opredelitvijo obmo~ij vzpostavljeni pogoji za izvajanje u~inkovitega fitosanitarnega nadzora. Bakterija Erwinia amylovora je sicer ugotovljena kot navzo~a, a ostaja pod uradnim nadzorom, ki lahko za ve~ let upo~asni njeno {irjenje in prihrani slovenskemu sadjarstvu in drevesni~arstvu velike gospodarske izgube. 258 Uporaba GIS-a pri razmejevanju {kodljivih organizmov na primeru hru{evega oìga Slika 7: @ari{~a na okuènem obmo~ju Gorenjske in v okolici Maribora, aktivna àri{~a in àri{~a v mirovanju. 4 Viri in literatura FITO-nadzor 2003, 2004: Baza podatkov o pregledih, testiranju in ukrepih pri posebnem nadzoru hru- {evega oìga. In{pektorat RS za kmetijstvo, gozdarstvo in hrano; Kmetijski in{titut Slovenije; In{titut za hmeljarstvo in pivovarstvo Slovenije; KGZS-zavod Maribor; KGZS-zavod Novo mesto; KGZS-zavod Nova Gorica; Fitosanitarna uprava Republike Slovenije. Knapi~, V., Poto~nik, A., [kerlavaj, V., Brecl, A. 2004: First outbreaks of fireblight in Slovenia, European Plant Protection Organisation, EPPO Conference on fireblight, Budapest. Bulletin OEPP/EPPO Bulletin 34. Medmrèje: http://www.eppo.org/ (18. 5. 2006) Medmrèje: http://www.furs.si (18. 5. 2006) Medmrèje: http://www.mkgp.gov.si/ (18. 5. 2006) Medmrèje: https://www.ippc.int/IPP/En/default.jsp (18. 5. 2006) Navodila za vzpostavitev uradnih evidenc o obvladovanju hru{evega oìga. Fitosanitarna uprava RS, Ljubljana, {t. 327-01-440/2003-3. Odlo~ba o dolo~itvi mej posebno nadzorovanega obmo~ja in o ukrepih za prepre~evanje {irjenja in zatiranje bakterijskega hru{evega oìga v Naklem in okolici. Uradni list RS, {t. 31/02. OEPP/EPPO 1992: EPPO Standards PM/40 Phytosanitary procedures for Erwinia amylovora. Bulletin OEPP/EPPO Bulletin 22, str. 225–232. OEPP/EPPO 2001: First report of Erwinia amylovora in Slovenia. EPPO reporting Service Paris. 2001/120. 259 Primò Pajk, Vlasta Knapi~, Stanislav Gomboc, Matej Knapi~, Tomà Seli{kar Poto~nik, A., Jerman-Cvelbar, J., Brecl, A. 2003: In{pekcijski ukrepi in nadzor ob ugotovitvi bakterijskega hru{evega oìga ( Erwinia amylovora (Burr.) Winsl. et al . ) v Naklem. Zbornik predavanj in referatov 6. slovenskega posvetovanja o varstvu rastlin v Zre~ah od 4. do 6. marca 2003. Ljubljana: Dru{tvo za varstvo rastlin Slovenije, str. 112–117. [abec-Paradì, M., Pe~ar Fonovi}, U., [kerlavaj, V., Knapi~, V. 2002: Bakterijski Hru{ev Oìg v Sloveniji ( Erwinia amylovora (Burr.) Winsl. in sod.). Sodobno kmetijstvo 35–3. 260 GIS v Sloveniji 2005–2006, 261–269, Ljubljana 2006 IZBIRA MRE@E ZA PROSTORSKO ANALIZO PODZEMELJSKE BIODIVERZITETE Maja Zagmajster in dr. Boris Sket Oddelek za biologijo Biotehni{ke fakultete Univerze v Ljubljani Ve~na pot 111, 1000 Ljubljana maja.zagmajster@ bf.uni-lj.si, boris.sket@ bf.uni-lj.si dr. Tomà Podobnikar In{titut za antropolo{ke in prostorske {tudije ZRC SAZU Novi trg 2, Ljubljana tp@ zrc-sazu.si UDK: 574:659.2:004 IZVLE^EK Izbira mreè za prostorsko analizo podzemeljske biodiverzitete Ugotavljanje prostorskih vzorcev je odvisno od velikosti celic mreè, s katero prekrijemo prou~evano obmo~- je, kot tudi od {tevil~nosti razpolòljivih osnovnih podatkov. Zanimalo nas je, kako se spreminja vzorec razporeditve {tevila vrst na {ir{em Dinarskem obmo~ju, ~e za analize uporabimo mreè s kvadratnimi celicami s stranico 80, 40, 20, 10 in 5 km. Za modelno skupino smo izbrali troglobiotske vrste hro{~ev iz poddruìne Leptodirinae (Cholevidae). Z metodo ~rno-belih stikov med celicami smo ugotovili, da razporeditev podatkov v prostoru ni naklju~na. Izra~unali smo koeficienta avtokorelacije (Moran I, Geary c) za razporejanje {tevila vrst po celicah, najvi{ja vrednost pozitivne avtokorelacije je bila pri velikostih celic 40 × 40 in 20 × 20 km. Ta velikost celic je torej primerna za nadaljnje prostorske analize. Celice z najvi{jim {tevilom vrst na prou~evanem obmo~ju se pri vseh velikostih nahajajo na JV Dinaridov, vendar pa vedno med seboj ne sovpadajo. Visoko {tevilo vrst je tudi na krasu v Sloveniji. KLJU^NE BESEDE prostorsko vzor~enje, avtokorelacija, raz{irjenost, biodiverziteta, troglobiotski hro{~i, Coleoptera, Leptodirinae, Dinarski kras ABSTRACT Choosing a grid network for spatial analysis of subterranean biodiversity Spatial pattern is dependent on the size of the grids, with which the study area is covered, as well as from the quantity of available data. We investigated how the spatial pattern of data in broader Dinaric area changes with the use of different sizes of square grid cells: 80 × 80, 40 × 40, 20 × 20, 10 × 10 and 5 × 5 km. We analyzed data on troglobiotic species of the beetle (Coleoptera) subfamily Leptodirinae (Cholevidae). Joint count statistics revealed data are not distributed randomly. We calculated two indexes of autocorrelation: Moran's I and Geary's c. The highest value of positive autocorrelation was with the 40 × 40 km and 20 × 20 km size of the grid cells. These cell sizes should be used in further spatial analyses. Cells with the highest number of species were always situated in the area of SE Dinaric karst, but their position mostly did not coincide with cells at different size. High number of species per cell area is evident also in Slovenian karst. KEYWORDS spatial sampling, autocorrelation, distribution, biodiversity, troglobiotic beetles, Coleoptera, Leptodirinae, Dinaric karst 261 Maja Zagmajster, Boris Sket, Tomà Podobnikar 1 Uvod Z odkritjem prvega jamskega hro{~a drobnovratnika Leptodirus hochenwartii (Schmidt, 1832) v 19. stoletju se je za~elo raziskovanje podzemeljskega ìvalstva, ki je bilo dotlej povsem neznano. Raziskovalci so za~eli odkrivati, da ìvijo v podzemlju ìvalske vrste, ki so se na posebnosti takega okolja zelo dobro prilagodile in so druga~ne kot ìvali v povr{inskih habitatih. Imenujemo jih »prave jamske ìvali« ali troglobionti. Poleg fiziolo{kih prilagoditev pri teh ìvalih sre~amo tudi razli~ne morfolo{ke prilagoditve na podzemno okolje (troglomorfizem). Najbolj obi~ajne so pokrnevanje o~i, redukcija pig-menta ter podalj{anje okon~in. Vendar pa niso vse prave jamske vrste takega videza, kar v~asih oteì ugotavljanje, ali gre za troglobiotsko vrsto. ^e je poznana le iz podzemeljskih jam, skoraj gotovo pripada tej skupini. Troglobiotske vrste so pomembne za rekonstrukcijo razvoja povr{ja in ugotavljanje zaporedja v iz-menjevanju kopnega in morja skozi geolo{ko zgodovino. Razlike v vzorcih raz{irjenosti taksonov so posledica preteklih geolo{kih dogodkov pri nastajanju obravnavanega ozemlja in njegovega zakrase-vanja, ~eprav so pomembne tudi ekolo{ke, genetske in druge posebnosti doti~ne ìvalske vrste. [tudije o raz{irjenosti taksonov lahko pripomorejo k razlagi paleogeografskih razmer na nekem ozemlju in obratno (Guéorguiev 1977; Sket 1988, 2002). Po {tevilu troglobiotskih vrst je favna Dinarskega krasa najbogatej{a na svetu (Sket et al. 2004). Na obmo~ju dràv zahodnega Balkana (kjer je vklju~en tudi manj{i nedinarski del Slovenije in Hrva{ke) se nahaja skoraj 80 % troglobiotskih vrst, ki ìve na Balkanskem polotoku, to je ve~ kot 1300 (Sket et al. 2004). Med vodnimi troglobionti so najbolj vrstno raznolika skupina raki (Crustacea), medtem ko so med kopenskimi najbolj raznoliki hro{~i (Coleoptera) in pajkovci (Arachnida) (Culver in Sket 2000). Na Dinarskem obmo~ju se nahaja kar 6 od 14 jam v Evropi, kjer je bilo odkritih ve~ kot 20 troglobiotskih vrst (Culver in Sket 2000). Kar tri jame od teh so dalj{e od 5 km, kar naj bi tudi vplivalo na njihovo vrstno bogatost – dalj{a jama pomeni tudi ve~je {tevilo razli~nih razpolòljivih habitatov (Culver in Sket 2000). Izjemno bogastvo vrst na tem obmo~ju je morda povezano z razgibano geolo{ko preteklost-jo (Sket 1996), Culver et al. (2006) pa med pomembnimi dejavniki izpostavljajo gostoto jam in visoko stopnjo produkcije na povr{ju. Na obmo~ju Dinaridov imata vodna in kopenska troglobiotska favna razli~na centra raznolikosti. Medtem ko je vrstno bogastvo prve najvi{je na JV delu Dinaridov, ki obsega ozemlja znotraj Bosne in Hercegovine, JV Dalmacije (Hrva{ka) in JZ ^rne Gore, pa je najvi{je {tevilo vodnih na SZ delu Dinarskega obmo~ja, na krasu in njegovi sose{~ini v Sloveniji (Guéorguiev 1977; Sket 1999a, 1999b; Sket et al. 2004). Te ugotovitve temeljijo na seznamih vrst za obravnavana obmo~ja, na{ namen pa jih je preveriti tudi z natan~nej{imi prostorskimi analizami. Za te namene bomo podatke pripisali mreì s kvadrati enake velikosti, ki bo prekrivala prou~evano obmo~je. Da bomo lahko zaznali zna~ilne prostorske vzorce, moramo izbrati mreò s primerno velikostjo celic. Z izbiro prevelikih se lahko pri analizah vzorcev raz{irjenosti zabri{ejo regionalni vzorci (Noonan 1999), pri izbiri premajhnih pa podatke preve~ raz-tresemo in vzorci prav tako niso vidni (Hausdorf in Hennig 2003). Preverili bomo, kak{na velikost mrène celice bi bila najprimernej{a za analize raz{irjenosti in biodiverzitete podzemeljske favne na Dinarskem obmo~ju. Za modelno skupino smo izbrali troglobiotske vrste hro{~ev iz druìne Cholevidae (poddruìne Leptodirinae). 2 Metode in gradiva Podatki o podzemeljski favni {ir{ega Dinarskega obmo~ja so zbrani v bazi Raziskovalne skupine za zoologijo in speleobiologijo Oddelka za biologijo Biotehni{ke fakultete. Poleg dodajanja novih podatkov v zadnjih nekaj letih poteka geolociranje lokalitet. Te glede na poloàjno natan~nost dolo~enih koordinat uvr{~amo v devet razredov natan~nosti, kar je odvisno od opisa poloàja v literaturi in raz-262 Izbira mreè za prostorsko analizo podzemeljske biodiverzitete polòljivega kartografskega vira, s katerega smo prebrali koordinate. Koordinate vhodov jam v Sloveniji smo povzeli iz Jamskega katastra Slovenije, pri ~emer se s pravilnostjo dolo~enih koordinat v njem nismo ukvarjali. V nekaj primerih v Sloveniji smo koordinate prebrali s kart merila 1 : 25.000 (na Interaktivnem naravovarstvenem atlasu Slovenije, ARSO, http://kremen.arso.gov.si/NVatlas/) in 1 : 50.000 (na Interaktivnem atlasu Slovenije, Mladinska knjiga). Za lokacije na ozemlju drugih dràv smo uporabili: digitalizirane geokodirane karte 1 : 25.000 Republike Hrva{ke, karte merila 1 : 100.000 (Veliki atlas Hrvatske, Mozaik knjiga), karte 1 : 100.000 Voja{kega geografskega in{tituta Kraljevine Jugoslavije ter internetni naslov s koordinatami krajev (Global Gazetteer Version 2.1, http://www.fallingrain.com/world/). Za modelno skupino smo izbrali troglobiotske hro{~e poddruìne Leptodirinae (Cholevidae), ki so verjetno najtemeljiteje raziskana skupina kopenskih jamskih ìvali. Upo{tevali smo le lokalitete, za Slika 1: Prikaz prou~evanega obmo~ja, ki ga prekriva mreà z velikostjo celic 80 × 80 km. Manj{e celice smo dobili tako, da smo vsako celico razdelili na 4 enaka polja (prikaz na kvadrantu sredi slike), vse do velikosti 5 × 5 km. 263 Maja Zagmajster, Boris Sket, Tomà Podobnikar katere je poloàjna natan~nost dolo~ena s krogom polmera 3 km ali natan~neje. S tem predpogojem smo lahko upo{tevali 1038 geolociranih lokalitet, po katerih se razporeja 196 vrst izbranih hro{~ev. Ozemlje nekdanjih jugoslovanskih republik se da v dveh dimenzijah lepo kartirati z Lambertovo stò~no projekcijo (centralni poldnevnik 18°, standardna vzporednika: 42° in 46°). Zato smo v tej projekciji pripravili mreò z osnovnimi kvadratastimi celicami razli~nih velikosti. Manj{e celice smo dobili z razdelitvijo ve~jih na {tiri podenote (Sl. 1). Prisotnost troglobiotskih vrst je pogojena s prisotnostjo primernega podzemnega habitata, tako da je v prostorske analize nesmiselno vklju~evati obmo~ja, kjer tega ni. Tako smo s celicami najve~je velikosti pokrili glavnino »{ir{ega Dinarskega obmo~ja« (Sl. 1). Na severozahodu smo v obravnavo vklju- ~ili tudi nedinarska kra{ka obmo~ja, kot so alpski del Slovenije in obmejno obmo~je Avstrije. Z mreò celic nismo prekrili skrajnega jùnega dela ^rne Gore in dela Albanije, kjer se Dinaridi iztekajo. Ker gre za majhne povr{ine, smo ta obmo~ja zanemarili. Pripravili smo mreè s kvadratnimi osnovnimi celicami s stranicami 80 km, 40 km, 20 km, 10 km in 5 km. Celicam mreè smo pripisali {tevilo vrst, ki se na tistem obmo~ju pojavljajo. Na matrikah prisotnosti in {tevila troglobiotskih vrst smo izra~unali tri mere razporejanja podatkov. Izra~unali smo pogostost »~rno-belih stikov«. Pri tej statistiki ugotavljamo, ali je razporejanje neke spremenljivke v celicah posledica naklju~ja ali ne (Fortin in Dale 2005). Na{e podatke smo pretvorili v binarne – prisotnost podatka je bila kodirana kot 1, odsotnost kot 0. Statistika »~rno-belih« stikov pre{teje, koliko je stikov med kvadranti z isto kategorijo (1-1, 0-0) in koliko je raznorodnih stikov (1-0). Skupno {tevilo stikov je se{tevek vseh treh mònosti (Fortin in Dale 2005). Ni~elna hipoteza naklju~ne-ga razporejanja podatkov je testirana na podlagi deleà vsake kategorije in {tevila stikov na prou~evanem obmo~ju (Fortin in Dale 2005). ^e je frekvenca opaènih ~rno-belih stikov manj{a od pri~akovanih, se podatki kopi~ijo (Christman et al. 2005). Izra~unali smo tudi dva koeficienta avtokorelacije za razporejanje {tevila vrst, in sicer Moranov koeficient I in Gearyjev koeficient c. ^e je prostorska korelacija pozitivna, to pomeni, da je porazdelitev opredeljena z gru~ami objektov, ~e pa je negativna, je vzorec razpr{en. Moranov koeficient I zavzema vrednosti od 1 (pozitivna avtokorelacija), do –1 (negativna avtokorelacija). ^e je blizu 0, je prostorski vzorec naklju~en. Moranov koeficient I ponazarja povpre~no vrednost prostorske avtokorelacije na dolo- ~eni razdalji od objektov za celotno prou~evano obmo~je (Fortin in Dale 2005). Gearyjev koeficient c ne uporablja povpre~ja, ampak meri razlike med vrednostmi spremenljivke na blìnjih lokacijah, pri tem je stopnja prostorske avtokorelacije osnovana na razlikah kot funkcijah razdalje (Fortin in Dale 2005). Koeficient zavzema vrednosti od 0 (pozitivna avtokorelacija) do 2 (negativna avtokorelacija), vrednosti okoli 1 nakazujejo naklju~no razporeditev. Statisti~no zna~ilnost obeh avtokorelacijskih koeficientov smo testirali z oceno zna~ilnosti, temelje~e na 1000 Monte Carlo permutacijah (Sawada 1999). Prostorske odnose med celicami v mreì, ki so v obliki kvadratov, lahko ocenjujemo glede na razli~no {tevilo sosednjih celic ali glede na dolo~eno razdaljo, znotraj katere merimo (Fortin in Dale 2005). Upo{tevamo lahko {tiri sosede, ki si s kvadratom delijo skupno stranico (v smislu premikanja {ahov-skih figur tak primer imenujejo »trdnjava«, angl. rook), {tiri vogalne sosede (poimenovano »lovec«, angl. bishop) ali vseh osem, ki ga obkroàjo (imenovano »kraljica«, angl. queen). Enak u~inek lahko dobimo, ~e izberemo primerno evklidsko razdaljo, znotraj katere ra~unamo avtokorelacijo. Izbrana razdalja, ki bo enaka dolìni stranice kvadrata, bo merila avtokorelacijo glede na {tiri sosede (»rook«), medtem ko bo razdalja, enaka dolìni diagonale kvadrata, merila avtokorelacijo glede na vseh osem sosedov (»queen«) (Fortin in Dale 2005). Vse izra~une smo naredili dvakrat s tema dvema razdaljama, oz. z upo- {tevanjem {tirih in osmih sosedov. Razporeditev {tevila vrst in poloàj celic z najve~ vrstami na celice razli~nih velikosti smo prikazali s tematskimi kartami, kjer nas je zanimal poloàj celic z najvi{jim {tevilom vrst. Za pripravo prostorskih podatkov in prikaz teh na karti smo uporabili programska orodja ArcGIS ver. 9.1 (ESRI) in sicer modula ArcInfo in ArcMap. Podatke smo urejali tudi s pomo~jo preglednic programa Excel (MS). Za izra~une vseh koeficientov smo uporabili »Add-In« program za Excel, Rook-264 Izbira mreè za prostorsko analizo podzemeljske biodiverzitete case.xla (Sawada 1999), za katerega smo matrike prostorskih podatkov predhodno pripravili s prej omenjenimi programi. 3 Rezultati Izra~unane in pri~akovane vrednosti koeficienta »~rno-belih« stikov so podane v Preglednici 1. Za vse velikosti mreè in ob upo{tevanju dveh {tevil sosedov je izra~unana frekvenca ~rno-belih stikov manj{a od pri~akovane. To pomeni, da razporeditev podatkov znotraj obravnavanega obmo~ja ni razporejena naklju~no in da se podatki grupirajo (Christman et al. 2005). Koeficienta za obmo~ja 80 × 80 km nismo mogli izra~unati, saj imajo vsi kvadranti znotraj obmo~ja v matriki enako vrednost in raznorodnih stikov ni. Preglednica 1: Izra~unane in pri~akovane frekvence ~rno-belih stikov pri razli~nih velikostih celic mreè. »Rook« – izra~un glede na {tiri sosede kvadrata, ki imajo z njim skupno stranico; »Queen« – izra~un glede na osem sosedov, ki obkroàjo kvadrant. Velikost celice »Rook« »Queen« Izra~unan Pri~akovan Izra~unan Pri~akovan 5 × 5 km 0,17 0,23 0,17 0,23 10 × 10 km 0,05 0,43 0,27 0,43 20 × 20 km 0,20 0,50 0,23 0,50 40 × 40 km 0,23 0,44 0,29 0,44 Vrednosti Moranovega koeficienta I in Gearyjevega koeficienta c so podane v Preglednici 2. Pri upo- {tevanju {tirih sosedov je najvi{ja stopnja avtokorelacije {tevila vrst na podlagi obeh koeficientov pri velikosti celice 40 × 40 km. Le za spoznanje manj{e vrednosti se izkaèjo pri velikostih kvadrata Slika 2: Vrednosti Moranovega koeficienta I in Gearyjevega koeficienta c avtokorelacije pri razli~nih velikostih osnovne celice mreè. Pojasnilo za »Rook« in »Queen« je pri preglednici 1. 265 Maja Zagmajster, Boris Sket, Tomà Podobnikar 266 Izbira mreè za prostorsko analizo podzemeljske biodiverzitete Slika 3: Razporejanje {tevila vrst hro{~ev Leptodirinae glede na celico razli~nih velikosti: A – 80 × 80 km, B – 40 × 40 km, C – 20 × 20 km, ^ – 10 × 10 km, D – 5 × 5 km. 20 × 20 km. Vrednost Moranovega koeficient I se z nara{~anjem velikosti celic ve~a, dokler se pri najve~jih kvadrantih zopet ob~utno ne zmanj{a. Enak trend v zaznavanju avtokorelacije kaè Gearyjev koeficient c. Stopnja avtokorelacije je pri upo{tevanju osmih sosedov manj{a, vendar se glede na velikost osnovne celice spreminja na enak na~in (Sl. 2). Preglednica 2: Vrednosti Moranovega koeficienta I in Gearyjevega koeficienta c avtokorelacije pri razli~nih velikostih celic mreè. Pojasnilo za »Rook« in »Queen« je pri preglednici 1. Velikost celice Moran I »Rook« Moran I – »Queen« Geary c – »Rook« Geary c – »Queen« 5 × 5 km 0,307 ** 0,265 ** 0,708 ** 0,757 ** 10 × 10 km 0,376 ** 0,345 ** 0,651 ** 0,695 ** 20 × 20 km 0,484 ** 0,440 ** 0,559 ** 0,624 ** 40 × 40 km 0,500 ** 0,437 ** 0,550 ** 0,637 ** 80 × 80 km 0,333 * 0,238 * 0,707 * 0,813 * p < 0,05; ** p < 0,001 Poloàj celic z najvi{jo vrstno pestrostjo hro{~ev Leptodirinae pri kvadrantih razli~nih velikosti smo prikazali s kartami (Slika 3). Celice z najvi{jim {tevilom vrst se vedno pojavljajo na obmo~ju JV Dinaridov, na sti~i{~u Hercegovine, ^rne gore in jùne Dalmacije. Celice z zelo visokim {tevilom vrst se pojavljajo tudi na SZ Dinaridov, v Sloveniji. Poloàj celic z najve~jim {tevilom vrst je odvisen od izbrane velikosti celice, vseeno pa so najbogatej{e celice vedno na {ir{em obmo~ju JV Dinaridov. Pri celicah z gostej{o mreò za~nejo po {tevilu vrst bolj izstopati tudi celice na obmo~ju Slovenije. 4 Diskusija Pri obravnavi raz{irjenosti podzemne favne, za katero ve~inoma povzemamo podatke iz literaturnih virov, je lahko geolociranje lokalitet problemati~no. Te so v literaturnih virih podane z razli~no natan~nostjo opisa, pogosto pa tudi pod zastarelimi, tujimi, ali celo pod izmi{ljenimi imeni. Prostorski poloàj lokalitet je tako dolo~en razli~no natan~no. V na{ih analizah smo upo{tevali le podatke s tako natan~nostjo, da jih je bilo smiselno uporabiti tudi pri mreàh s celicami najmanj{e velikosti. Zato 16 vrst hro{~ev, za katere lokalitet nimamo tako natan~no geolociranih, ni bilo vklju~enih v analizo. Pri tovrstnih {tudijah se vedno soo~amo z bolj ali manj nepopolnimi podatki o raz{irjenosti vrst. Tako vsaki~ ugotavljamo vzorce raz{irjenosti, ki so posledica nekega trenutnega stanja poznavanja. Vzorec vrstne bogatosti se v ~asu lahko spreminja, kar so za slovenski kras potrdili Culver et al. (2004). Primerjali so posledice odkrivanja novih vrst v zaporedju treh obdobij, pri ~emer se je nekaj obmo~ij z visoko biodiverziteto jamske favne ohranilo kljub odkrivanju novih vrst. O meri raziskanosti na Dinarskem krasu lahko sklepamo tudi po {tevilu raziskanih jam, od koder imamo podatke o kopenski favni. V na{em primeru lahko ugotovimo, da je na obmo~ju Slovenije velika gostota vzor~enih lokalitet, od koder imamo podatke za izbrano skupino hro{~ev. Kljub temu pa se obmo~ja z najvi{jim {tevilom vrst pri vseh mreàh pojavljajo na obmo~ju JV Dinaridov. Za stopnjo prostorske korelacije dobimo razli~ne vrednosti, ~e jo ra~unamo z upo{tevanjem razli~nega {tevila sosedov. Pri upo{tevanju vseh osmih sosedov so bile vrednosti obeh koeficientov nìje. Vpliv {tirih robnih sosedov je druga~en kot vpliv {tirih vogalnih sosedov, zato so razlike med koefi-267 Maja Zagmajster, Boris Sket, Tomà Podobnikar cienti pri~akovane. Temu problemu se je mogo~e deloma izogniti z uporabo {esterokotni{kih celic (White et al. 2000), kjer je vsak {esterokotnik obkroèn z enakovrednimi sosedi. Analize biodiverzitete podzemne favne so na tovrstni mreì è delali za slovenske Dinaride (Culver et al. 2004). Vendar pa so za prikaz, kako se razporejanje podatkov spreminja glede na velikost osnovne celice, primernej{i kvadrati. Te je mogo~e s preprostim geometrijskim ukazom razdeliti na manj{e enote, kot smo to prikazali v na{i analizi. Stopnja avtokorelacije med podatki, razporejenimi po celicah razli~nih velikosti, se je spreminjala. Pri manj{ih celicah je pozitivna avtokorelacija majhna, potem je narasla, in pri najve~ji velikosti celice zopet ob~utno padla. Vendar so razlogi za nizke in skorajda enake vrednosti koeficientov avtokorelacije pri majhnih in velikih celicah razli~ni (Fortin in Dale 2005). Pri majhnih celicah je v posamezno enoto zajetih le nekaj podatkov, hkrati je veliko {tevilo celic praznih, in je zato stopnja avtokorelacije nizka. Pri celicah velikosti 80 × 80 km pa smo z velikostjo lahko zajeli ve~ procesov na tem obmo~ju, hkrati je ta velikost lahko ve~ja, kot je sam areal vrste (Fortin in Dale 2005). Analiza stopnje avtokorelacije je torej lahko eden izmed dobrih kriterijev za izbiro primerne velikosti mrènih celic. Tako sta se za najprimernej{i izkazali mreì s celicami velikosti 20 × 20 in 40 × 40 km. V mreàh s celicami takih velikosti pa lahko upo{tevamo tudi podatke z manj{o prostorsko natan~nostjo lokalitet kot smo jo izbrali v tem delu, kar je v nekaterih primerih lahko pomembno in odlo~ujo~e. Z izvedenimi analizami smo ugotovili, katera velikost osnovne celice bo najprimernej{a za prihodnje prostorske {tudije. S tem se bomo sku{ali izogniti tudi problemu pomanjkanja podatkov z nekih obmo~ij zaradi premalo temeljitega vzor~enja. Pripravili bomo sloje, ki bodo prikazovali razporeditev biodiverzitete kot tudi raz{irjenost posameznih vrst. Tovrstne sloje lahko primerjamo z izbranimi dejavniki na prou~evanem obmo~ju. Tako je npr. bilo ugotovljeno, da sta {tevilo jam in {tevilo troglobiotskih vrst med seboj povezana (Christman in Culver 2001). Ker za obravnavano obmo~je Dinaridov natan~nega popisa jam ni, razen za Slovenijo, lahko o njihovi prisotnosti sklepamo glede na prisotnost primerne geolo{ke podlage (karbonatnih kamenin). Nadaljnje prostorske {tudije bomo izvajali tudi v smeri ugotavljanja povezav z drugimi okoljskimi in zgodovinskimi dejavniki na tem obmo~ju. 5 Viri in literatura Christman, M. C., Culver, D. C. 2001: The relationship between cave biodiversity and available habitat. Journal of Biogeography, 28. Christman, M. C., Culver, D. C., Madden, M. K., White, D. 2005: Patterns of endemism of the eastern North American cave fauna. Journal of Biogeography, 32. Culver, D. C., Sket, B. 2000: Hotspots of subterranean biodiversity in caves and wells. Journal of Cave and Karst Studies, 62. Culver, D. C., Master, L. L., Christman, M. C. & Hobbs, H. H. 2000: Obligate cave fauna of the 48 con-tiguous United States. Conservation Biology, 14. Culver, D. C., Christman, M. C., Sket, B., Trontelj, P. 2004: Sampling adequacy in an extreme environment: species richness patterns in Slovenian caves. Biodiversity and Conservation, 13. Culver, D. C., Deharveng, L., Bedos, A., Lewis, J. L., Madden, M., Reddell, J. R., Sket, B., Trontelj, P., White, D. 2006: The mid-latitude biodiversity ridge in terrestrial cave fauna. Ecography. Fortin, M.-J., Dale, M. 2005: Spatial analysis: a guide for ecologists. Cambridge University press. Guéorguiev, V. B. 1977: La faune troglobie terrestre de la peninsule Balkanique. Origine formation et zoogéographie. Izdatelstvo na B'lgarska Akademija na Naukite, Sofija. Hausdorf, B., Hennig, C. 2003: Biotic element analysis in biogeography. Systematic Biology, 52(5). Noonan, G. R. 1999: GIS analysis of the biogeography of beetles of the subgenus Anisodactylus (Insecta: Coleoptera: Carabidae: genus Anisodactylus). Journal of Biogeography, 26. Sawada, M. 1999: Rookcase: an Excel 97/2000 Visual basic (VB) Add-in for exploring global and local spatial autocorrelation. Bulletin of the Ecological Society of America, 80(4). 268 Izbira mreè za prostorsko analizo podzemeljske biodiverzitete Sket, B. 1988: Zoogeografija sladkovodnih in somornih rakov (Crustacea) v kvarnersko-velebitskem obmo~ju. Biolo{ki vestnik, 36(2). Sket, B. 1994: Distribution patterns of some subterranean Crustacea in the territory of the former Yugo-slavia. Hydrobiologia, 287. Sket, B. 1996: Biotic diversity in hypogean habitats in Slovenia and its cultural importance. International Biodiversity Seminar Ecco XIV. Meeting, Ljubljana. Sket, B. 1999a: High biodiversity in hypogean waters and its endangerment – the situation in Slovenia, the Dinaric Karst, and Europe. Crustaceana 72(8). Sket, B. 1999b: The nature of biodiversity in hypogean waters and how it is endangered. Biodiversity and Conservation, 8. Sket, B. 2002: The evolution of the karst versus the distribution and diversity of the hypogean fauna. Evolution of Karst: from Prekarst to Cessation, 225–232. Sket, B., Paragamian, K., Trontelj, P. 2004: A census of the obligate subterranean fauna of the Balkan peninsula. Balkan Biodiversity. Kluwer Academic Publishers. White, D. 2000: Global grids from recursive diamond subdivisions of the surface of an octahedron or icosahedron. Environmental Monitoring Assessment 64. 269 270 GIS v Sloveniji 2005–2006, 271–277, Ljubljana 2006 VE^STOPENJSKI MODEL DOLO^ANJA UNIFORMNIH STORITVENIH OBMO^IJ AVTOBUSNIH POSTAJALI[^ dr. Dejan Paliska in mag. Da{a Fabjan Fakulteta za pomorstvo in promet Pot pomor{~akov 4, 6320 Portorò dejan.paliska@ fpp.uni-lj.si, dasa.fabjan@ fpp.uni-lj.si mag. Samo Drobne Fakulteta za gradbeni{tvo in geodezijo Jamova 2, 1000 Ljubljana samo.drobne@ fgg.uni-lj.si UDK: 656.132:659.2:004 IZVLE^EK Ve~stopenjski model dolo~anja uniformnih storitvenih obmo~ij avtobusnih postajali{~ V ~lanku predstavljamo ve~stopenjski model za dolo~itev uniformnih storitvenih obmo~ij avtobusnih postajali{~. Model temelji na posameznih lokacijah gospodinjstev – za razliko od prej{njih modelov (Paliska s sod. 2004), ki so bili zasnovani na lokacijah avtobusnih postajali{~. Uporabljen pristop temelji na dostopnem ~asu pe{ca do avtobusnega postajali{~a popravljenega z uporom gibanja po terenu (naklon terena) in funkcijskim upadom pripravljenosti potnikov za hojo do avtobusnega postajali{~a. Prednost modela se izka- è predvsem na razgibanih suburbanih obmo~jih, kjer prevladuje med avtobusnimi prevozniki {ibka konkurenca in ni prisotnih dopolnilnih avtobusnih prog. KLJU^NE BESEDE avtobus, avtobusno postajali{~e, javni avtobusni potni{ki promet, dostopnost, prevoz potnikov, GIS ABSTRACT Modeling bus stop accessibility and uniform bus stop service area This paper examines a three step model to calculate the accessibility of bus stops and determine the uniform service areas for bus stops, especially those with overlapping service areas. The model is based on households' locations, as opposed to former models which were based on bus stop locations. A GIS approach has been used to evaluate passengers' walking times that were defined considering the terrain slope correction and the distance decay function, which was applied to reflect the decline in demand with respect to distance. The model has shown its advantages especially in suburban areas with almost no competition between transit providers and no additional bus routes. KEYWORDS bus service, bus stop, accessibility, transit, public transit, GIS 271 Dejan Paliska, Da{a Fabjan, Samo Drobne 1 Uvod Dostopnost je pri prou~evanju mobilnosti prebivalstva s pojavom sodobnej{ih urbanih struktur, ki temeljijo na razvoju suburbanih sredi{~, dodatno pridobila na pomembnosti. Javni potni{ki promet, ki naj zagotavlja povezavo med posameznimi sredi{~i (tudi znotraj urbanih struktur), se na~eloma odvija po vnaprej definiranih in poznanih progah. Tak{en sistem uspe{no deluje, ~e je storitev uporabnikom primerno dostopna. Storitveno obmo~je avtobusnega postajali{~a definiramo kot geografsko obmo~je okoli kontaktne to~ke in je generator povpra{evanja po storitvi v kontaktni to~ki (Lutin s sod. 1981). Potniki ve~inoma dostopajo do kontaktnih to~k (avtobusnih postajali{~) pe{ – raziskave kaèjo, da je v ZDA ve~ kot 79 odstotkov takih potnikov (Zhao s sod. 2003) – zato ima oddaljenost gospodinjstva od kontaktnih to~k velik pomen pri izbiri prevoznega sredstva. @e dolgo pa je splo{no uveljavljeno in znano, da ve~ina potnikov ni pripravljena hoditi do kontaktne to~ke javnega transporta ve~ kot 500 metrov oziroma 0,25 milje (USDOT 1979a, 1979b). Bolj so kontaktne to~ke oddaljene, manj{a je verjetnost uporabe javnega transportnega sredstva. Zhao in sodelavci (Zhao s sod. 2002) so na podlagi anketnega vzorca ugotovili, da pada funkcija pripravljenosti potnikov pe{ hoje do avtobusne/èlezni{ke postaje, eksponentno z ve~anjem oddaljenosti od kontaktnih to~k. Ugotovili so, na primer, da je razdaljo 1000 metrov pripravljeno prehoditi manj kot 5 odstotkov anketiranih, razdaljo 100 metrov pa ve~ kot 70 odstotkov anketiranih. V tak{nem pristopu lahko torej obravnavamo dostopnost do kontaktne to~ke kot ~asovno oddaljenost. Dostopnost do avtobusnega postajali{~a v urbanih okoljih je odvisna od vrste dejavnikov, predvsem od urbanisti~nih zna~ilnosti okolja. Uli~na in cestna mreà imata s svojimi zna~ilnostmi velik vpliv. Slepe ulice, slabo povezana in slabo zasnovana uli~na mreà ter razne ovire, kot so ve~ji ograje-ni kompleksi, protihrupne za{~ite, podporni zidovi, ograje ter ve~je stavbe, lahko bistveno vplivajo na dostopnost do avtobusnih postajali{~. 2 Metode alociranja povpra{evanja Izbira pravilne metode alociranja povpra{evanja je pomembna, saj lahko napa~na izbira povzro- ~i velika odstopanja v rezultatih. Peng in Dueker (1995) sta primerjala rezultate {tirih razli~nih metod alociranja povpra{evanja in ugotovila precej{nje razlike v rezultatih. Poleg same metode pa je na rezultat vplivala tudi stopnja agregacije podatkov. Podobno razlikovanje glede na uporabljeno metodo so ugotovili tudi Paliska in sodelavci (Paliska s sod. 2004). Splo{no znano je, da z nìjo stopnjo agregacije podatkov vna{amo tudi manj napak v postopek alokacije povpra{evanja. Drugi vir napak pri dolo~evanju storitvenih obmo~ij in alokaciji povpra{evanja predstavljajo konkuren~ne proge in postajali{~a. Velikokrat se zgodi, da se proge med seboj prekrivajo ali pa so postajali{~a konkuren~nih prog zelo blizu. To povzro~i, da se storitvena obmo~ja teh prog in postajali{~ (delno) prekrivajo. Prevozniki in proge si v taki situaciji pri pridobivanju potnikov konkurirajo – ~e tega ne upo{tevamo, se lahko zgodi, da je povpra{evanje na opazovani progi precenjeno. Potniki iz storitvenih obmo~ij, ki se prekrivajo, lahko izbirajo med dvema ali ve~ postajali{~i, vendar se obi~ajno odlo~ijo samo za eno. Potencialno povpra{evanje posameznega potnika pa alociramo samo enem postajali{~u. Literatura (Peng s sod. 1994; Zhao s sod. 2002; Kimpel s sod. 2005) navaja nekaj metod korekcije povpra{evanja. Najbolj enostavna metoda deli alocirano povpra{evanje s {tevilom storitvenih obmo~ij prog ali postaj, ki si konkurirajo. Tak na~in ni najbolj primeren, saj imajo lahko proge razli~ne kon~ne destinacije. Peng in sodelavci so definirali konkuren~ne proge kot vzporedne proge, s katerimi proga deli skupno storitveno obmo~je in oskrbuje enako destinacijo. V tej definiciji je predpostavka, da morajo konkuren~ne proge imeti skupno destinacijo, precej omejevalna, saj lahko potniki uporabijo katerokoli progo ali avtobusno postajali{~e in ne samo tiste, ki pelje v enako smer. 272 Ve~stopenjski model dolo~anja uniformnih storitvenih obmo~ij avtobusnih postajali{~ A priori ne moremo vedeti, kam bodo potniki potovali, zato je v modelu nemogo~e predvideti, katere proge so za posameznega potnika konkuren~ne. Kimpel je v svoji raziskavi upo{teval u~inek vseh mònih konkuren~nih prog s ponderiranjem dostopnosti do konkuren~nih prog (Kimpel 2001). Njegov pristop je zasnovan na nivoju vmesnih obmo~ij okoli postaje. Tak pristop nujno potrebuje korekcijo v alokaciji, saj metoda vmesnega obmo~ja za dolo~anje storitvenega obmo~ja è sama po sebi prece-ni povpra{evanje. 2.1 Prekrivanje storitvenih obmo~ij Konkuren~ne proge si delijo storitvena obmo~ja avtobusnih postajali{~, na~eloma pa nimajo enakih frekvenc storitve. Delni nadzor prekrivanja storitvenih obmo~ij avtobusnih postajali{~, lahko zagotovimo z modeliranjem relativne prostorske dostopnosti do avtobusnih postajali{~ v geografskem informacijskem sistemu (v nadaljevanju GIS). Izvedenih je bilo kar nekaj empiri~nih raziskav, v katerih so raziskovalci na podlagi rezultatov ankete analizirali prostorsko dostopnost do avtobusnih postajali{~ (Neilson in Foeler 1972;, Levinson in Brown-West 1984; Hsiao s sod. 1997; Zhao s sod. 2002, 2003). Iz rezultatov teh {tudij je mogo~e sklepati, da povpra{evanje po transportni storitvi pada z oddaljenostjo od avtobusnega postajali{~a (ki jo potniki obi~ajno prehodijo). Zhao in sodelavci (2003) so na podlagi ankete ugotovili, da pripravljenost za hojo do avtobusnega postajali{~a pada eksponentno s funkcijo f = e–0,0013 x, medtem ko Kimpel x s sodelavci (2005) zagovarja negativno logisti~no funkcijo f = ilog( x;6:24), ki po~asneje pada pri kraj{ih x razdaljah in bolj strmo pri ve~jih razdaljah ( x v obeh funkcijah je oddaljenost od avtobusnega postajali{~a v miljah). Omenjene {tudije so tudi pokazale, da metoda 500-metrskega vmesnega obmo~ja okoli avtobusne postaje ne zajame vseh potencialnih potnikov. V primeru, da uporabimo ve~je vmesno obmo~- je, pa se pojavijo velike napake v oceni potencialnega povpra{evanja. Te lahko popravimo z uporabo funkcije upada pripravljenosti do hoje. Avtobusne postaje so prostorsko razporejene in medsebojno oddaljene glede na standarde in izku{- nje prevoznikov. V mestih so razdalje med zaporednimi postajami manj{e kot na obrobju ali izven mesta. Raziskave kaèjo, da – glede na urbanisti~ne in prometne zna~ilnosti mesta – povpre~ne razdalje med zaporednimi avtobusnimi postajami variirajo med dvema in {estimi kilometri, z minimalnimi razda-ljami manj{imi od 500 metrov (Ammon 2001). Taka prostorska porazdelitev povzro~a prekrivanje storitvenih obmo~ij avtobusnih postaj na posamezni progi kot tudi prekrivanje storitvenih obmo~ij z dopolnilnimi ali konkuren~nimi progami – kar povzro~a teàve pri sami alokaciji povpra{evanja. 3 Model V nadaljevanju predstavljen model je del {ir{ega modela, ki je namenjen ocenjevanju potencialnih potnikov na posameznem avtobusnem postajali{~u (Paliska 2005). Primeren je za ocenjevanje dostopnosti do avtobusnih postajali{~ v razgibanem okolju pri majhnih variacijah v ponudbi storitve (frekvence in {tevila sedeèv) in pri {ibki konkurenci. Ve~stopenjski model dolo~anja uniformnih storitvenih obmo~ij avtobusnih postajali{~ temelji na dostopnih ~asih pe{cev, ~lanov gospodinjstev do najblìjega avtobusnega postajali{~a. V njem predpostavljamo, da se potniki v pogojih enake kvalitete in kvantitete storitve odlo~ajo za blìje avtobusno postajali{~e. Model temelji na lokacijah gospodinjstev, kjer se ~lani posameznega gospodinjstva odlo~ajo samo za eno, najblìjo, avtobusno postajali{~e – le-to pa omogo~a dolo~itev uniformnih storitvenih obmo~ij avtobusnih postajali{~. Model zdruùje uporabo vektorskega in rastrskega pristopa modeliranja dostopnosti in uniformnih storitvenih obmo~ij v geografskem informacijskem sistemu (slika 1). V prvem koraku se s pomo~jo digitalnega modela reliefa izra~unajo nakloni cestnih segmentov uli~ne mreè. Uli~na mreà je predhodno segmentirana na segmente kraj{e od 100 metrov. Na tako ponderiranih cestnih odsekih se nato 273 Dejan Paliska, Da{a Fabjan, Samo Drobne izra~una ~as potreben za pe{ prehod posameznega cestnega odseka. V drugem koraku model izdela drevesa poti po uli~ni mreì z izhodi{~em v centroidih avtobusnih postajali{~. ArcGIS 9.1 Network Analyst omogo~a delitev poti v razrede (angl. breaks) po kumulativni vrednosti uporabljene uteì, tako dobimo dostopnost po uli~ni mreì, ki je definirana s polminutnimi segmenti. V naslednjem koraku poi{~emo vsakemu centroidu iz podatkovne baze EHI[ najblìje vozli{~e polminutnega segmenta. V tem koraku je postavljen pogoj, da mora iskano vozli{~e polminutnega segmenta predstavljati del ulice iz naslova gospodinjstva (ta korak omogo~a upo{tevanje mònih ovir kot so; protihrupne pregrade, podporni zidovi, avtoceste, neprehodna obmo~ja itd.). Na podlagi izra~unane evklidske razdalje se za vsak centroid gospodinjstva izra~una ~as hoje do najblìjega polminutnega segmenta. V zadnjem koraku pa pri{tejemo ~as dostopa do najblìjega segmenta ~asu dostopa do centroida avtobusnega postajali{~a. Tako dobimo skupni ~as dostopa, ki ga pripi{emo centroidu gospodinjstva. Verjetnost, da bodo potniki dostopali to pripisanega avtobusnega postajali{~a, izra~unamo s funkcijo upadanja pripravljenosti do hoje ter glede na skupni ~as dostopa do najblìjega avtobusnega postajali{~a. Slika 2 prikazuje v model aplicirano funkcijo upada pripravljenosti do hoje od doma do avtobusnega postajali{~a. Funkcija upada pripravljenosti do hoje, ki smo jo vgradili v model, je zasnovana na izsledkih drugih avtorjev (Zhao s sod. 2002; Kimpel s sod. 2005; O'Neill s sod. 1998) in prirejena za uporabo ~asa hoje. Glede na urbanisti~ne in prometne zna~ilnosti opazovanega obmo~ja smo smiselno prilagodili funkcijo na na~in, da je pripravljenost do hoje manj{a kot bi bila izven urbanega obmo~ja. Predpostavili smo, da bo do pet minut pripravljeno hoditi 90 odstotkov potnikov, do 10 minut pa le vsak tretji potnik. Tako smo ocenili kot najbolj primerno funkcijo f = ilog( x;9:18). x Uli~na mreà 100 m segmenti Centroidi AP Network Analyst DMR Nakloni ^as hoje Make service area 10 × 10 segmentov (Uli~na mreà) breaks 0.5 min Dostopnost po uli~ni mreì (0,5 min segmenti) EHIS Centroidi EHIS Near/Node (ulica naslova) EHIS/CRP Funkcija upada Uniformna storitvena pripravljenosti EHIS dostopnost obmo~ja in verjetnost do hoje do AP rabe storitve Slika 1: Shematski prikaz ve~stopenjskega modela dolo~anja uniformnih storitvenih obmo~ij avtobusnih postajali{~. 274 Ve~stopenjski model dolo~anja uniformnih storitvenih obmo~ij avtobusnih postajali{~ Ocenjena verjetnost potovanja z avtobusom 1,0 0,9 0,8 p=1–ilogis(x;9;1,8) 0,7 0,6 j 0,5 0,4 0,3 0,2 0,1 0,0 0 2 4 6 8 10 12 14 Slika 2: Funkcija upada pripravljenosti do hoje ^as hoje do AP (min) od doma do avtobusnega postajali{~a. 4 Rezultati Primernost uporabljene metode vgrajene v opisan model smo preverili tako, da smo rezultate primerjali z izsledki predhodno opravljene ankete (anketiranci so ocenjevali tudi ~as hoje do najblìjega Slika 3: Verjetnost uporabe avtobusnega prevoza na nivoju gospodinjstva. 275 Dejan Paliska, Da{a Fabjan, Samo Drobne Slika 4: Uniformna storitvena obmo~ja avtobusnih postajali{~ v starem jedru mesta Koper. avtobusnega postajali{~a). Primerjava izra~unanih ~asov dostopa in rezultatov anket je pokazala, da se izra~unani ~asi zelo malo razlikujejo od dojemanja dostopnosti anketirancev: 836 anketirancev ocenjuje, da imajo do najblìjega avtobusnega postajali{~a manj kot 7 minut hoje. V modelu smo izra~unali, da ima 953 potnikov ~as dostopa do najblìjega postajali{~a kraj{i od 7 minut, v 820 primerih se rezultati izra~una in ankete ujemajo. To predstavlja priblìno 13 odstotno razliko med izra~unano in dojemano dostopnostjo. Ve~ji del te razlike lahko pripi{emo razli~nemu dojemanju anketirancev za ~as ter (ne)poznavanju soseske. Slika 4 prikazuje uniformna storitvena obmo~ja avtobusnih postajali{~ glede na razmestitev gospodinjstev v starem jedru mesta Koper. Dolo~ili smo jih ob predpostavki, da se ~lani posameznega gospodinjstva odlo~ajo samo za eno, najblìjo, avtobusno postajali{~e. 5 Sklep V prispevku smo predstavili ve~stopenjski model dolo~anja uniformnih storitvenih obmo~ij avtobusnih postajali{~. Uporabljen pristop temelji na dostopnem ~asu pe{ca do avtobusnega postajali{~a popravljenega z uporom gibanja po terenu (naklon terena) in funkcijskim upadom pripravljenosti potnikov za pe{a~enje do avtobusnega postajali{~a. Glede na rezultate lahko sklepamo, da model dobro oceni ~as hoje do najblìjega avtobusnega postajali{~a. Uporaba funkcije upadanja pripravljenosti do hoje, korigira velikost storitvenega obmo~ja avtobusnih postajali{~, nizek nivo agregacije podatkov pa omogo~a definiranje uniformnih storitvenih obmo~ij. V prispevku opisan model ne upo{teva nekaterih pomembnih dejavnikov, ki nastopajo pri izbiri prevoznega sredstva, zato ni neposredno primeren za alociranje povpra{evanja po transportni storitvi. V ta namen ga je potrebno nadgraditi. 276 Ve~stopenjski model dolo~anja uniformnih storitvenih obmo~ij avtobusnih postajali{~ 6 Viri in literatura Ammons, D. N. 2001: Municipal benchmarks: Assessing local performance and establishing community standards, Sage Publications, Thousand Oaks, CA. Hsiao, S., J., Lu, J., Sterling, M., Weatherford 1997: Use of geographic information system for analysis of transit pedestrian access. Transportation Research Record, (1604): 50–59. Kimpel, T. J. 2001: Time Point-Level Analysis of Transit Service Reliability and Passenger Demand. Portland, OR: Unpublished Doctor of Philosophy in Urban Studies, Portland State University. Kimpel, T. J., K. J., Dueker, A., El-Geneidy 2005: Using GIS to measure the effect of service area and frequency on passenger boardings at bus stops. Urisa Journal (Under review), http://urisa.org/ publications/journal/articles/using_gis_to_measure_the_effects Levinson, H. S., O., Brown-West 1984: Estimating bus ridership. Transportation Research Record, (994): 8–12. Neilson, G., W., Fowler 1972: Relation between transit ridership and walking distances in a low-density Florida retirement area. Highway Research Record, (403): 26–34. O'Neill, W. A., R. D., Ramsey, J., Chou 1992: Analysis of transit service areas using geographic information systems. Transportation Research Record, (1364), str. 131–138. Peng, Z., K. J., Dueker 1995: Spatial data integration in route-level transit demand modeling. Journal of the Urban and Regional Information Systems Association, (7), str. 26–37. Paliska, D. 2005: Model vrednotenja vpliva zanesljivosti javnega potni{kega avtobusnega prevoza na povpra{evanje. Doktorska disertacija. Univerza v Ljubljani, Fakulteta za pomorstvo in promet, Portorò. Paliska, D., S., Drobne, D., Fabjan 2004: Uporaba GIS-a za prou~evanje prostorske dostopnosti v analizi povpra{evanja po storitvi JPP. Geografski informacijski sistemi v Sloveniji 2003–2004. ZRC, Ljubljana, str. 79–88. Zhao, F., L., Chow, M., Li, I., Ubaka, A., Gan 2003: Forecasting transit walk accessibility: Regression model alternative to buffer. Transportation Research Record, (1835), str. 34–41. Zhao, F., L., Min-Tang, L. F., Chow, A., Gan, D., Shen 2002: FSUTMS Mode Choice Modeling: Factors Affecting Transit Use and Access. Zaklju~no poro~ilo projekta, National Center For Transit Research (NCTR), University of South Florida, Tampa. Lutin, J. M., M., Liotine, T. M., Ash 1981: Empirical analysis of transit service areas. Transportation Engineering Journal of ASCE, 107(4), str. 427–444. U. S. Department of Transportation, Urban Mass Transit Administration 1979a: Analyzing Transit Options for Small Urban Communities-Analysis Methods. Washington, DC: UMTA. U. S. Department of Transportation, Urban Mass Transit Administration 1979b: Transit Corridor Analysis: A Manual Sketch Planning Technique. Washington, DC: UMTA. 277 278 GIS v Sloveniji 2005–2006, 279–286, Ljubljana 2006 MO@NOSTI ANALIZE IN PRIKAZOVANJA STATISTI^NIH PODATKOV V HIERARHI^NI MRE@I Igor Kuzma in Danijela [abi} Statisti~ni urad Republike Slovenije Voàrski pot 12 1000 Ljubljana igor.kuzma@ gov.si, danijela.sabic@ gov.si UDK: 311.2:91:004 IZVLE^EK Mònosti analize in prikazovanja statisti~nih podatkov v hierarhi~ni mreì Slovenska dràvna statistika se je odlo~ila za registrsko orientirano pridobivanje, shranjevanje in obdelavo podatkov. S tem je omogo~eno natan~no prostorsko opredeljevanje podatkov ter analiza in prikazovanje podatkov tudi v mreàh, vendar kljub ve~kratni uporabi te metode v preteklosti standardni nabor tako definiranih podatkov {e ni bil dolo~en. Tak{en na~in obravnave podatkov se vse bolj uveljavlja v dràvah EU, ki bodo morale v skladu z evropsko direktivo INSPIRE v sprejemanju uvesti enoten nacionalni prostorski podatkovni sloj hierarhi~ne mreè. Skladno s tem je Statisti~ni urad RS v letu 2005 za~el s projektom uvajanja hierarhi~ne mreè in z vzor~nimi testi doma ter s {tudijskim projektom z avstrijskim statisti~nim uradom za~el postavljati statisti~ne standarde na tem podro~ju. KLJU^NE BESEDE hierarhi~na mreà, prostorska analiza podatkov, prostorsko prikazovanje podatkov, za{~ita individualnih podatkov ABSTRACT Possibilities of analyses and display of statistical data in a hierarchical grid. Statistical Office of the Republic of Slovenia has decided for a register-based data collection and management. This enables positioning definition of the data as well as analyses and display of the data in grids. The standard list of data that will be calculated in grids (network) has not yet been defined although this method has frequently been used in the past years. Several EU member states already practice this kind of calculation of the data and after the implementation of the EU directive INSPIRE this will become oblig-atory for all EU countries. In 2005 the Statistical Office of the Republic of Slovenia began with the analysis of establishing a hierarchical grid with sample tests and with a study visit at Statistik Austria with the aim to define Slovenian standards in this field KEYWORDS hierarchical grid, spatial data analysis, spatial data display, individual data protection 279 Igor Kuzma, Danijela [abi} 1 Uvod Potreba po kakovostnih prostorskih podatkih se s {irjenjem razli~nih orodij za obdelavo prostorskih podatkov v dràvni upravi, znanstvenoraziskovalnih ustanovah ter v zasebnem sektorju, naglo pove~uje. Z vedno ve~ zahtevami po posredovanju le-teh se sre~uje tudi Statisti~ni urad Republike Slovenije (SURS), ki kakovost statisti~nih podatkov med drugim zagotavlja tudi z zakonsko zavezanostjo varovanju zaupnosti svojih poro~evalskih enot, kar pa nemalokrat pomeni omejitev pri posredovanju podatkov uporabnikom, ki glede na prostorske zna~ilnosti Slovenije velikokrat èlijo prav dostop do za{~itenih individualnih* podatkov oziroma do mikropodatkov**. Ena od mònih re{itev za obe strani je posredovanje podatkov v hierarhi~ni mreì, ki omogo~a zdru- èvanje individualnih podatkov v mreò enako velikih celic, primerno za nadaljnje prostorske analize. Zaradi njene uporabnosti v GIS-sistemih, hierarhi~no mreò kot obliko posredovanja statisti~nih podatkov uporabljajo {tevilni evropski statisti~ni uradi, kot ena izmed mònih oblik obdelave prostorskih statisti~nih podatkov pa je predvidena tudi v evropski direktivi INSPIRE v sprejemanju. Slovenska statistika zato intenzivno spremlja razvoj tega podro~ja v Evropi ter se redno udeleùje sestankov delovne skupine Eurostata »GIS v statistiki«. V zvezi s tem je bila v okviru {tudijskega obiska na avstrijskem statisti~nem uradu izvedena tudi meddràvna analiza statisti~nih podatkov. 2 Hierarhi~na mreà V iskanju soglasja med èljami uporabnikov in razli~nimi zakonskimi ter drugimi omejitvami, s katerimi se sre~ujejo nacionalne statisti~ne institucije, se je kot bolj{a re{itev izkazal sistem statistik majhnih enot oziroma sistem hierarhi~ne mreè. To je sistem, kjer mreè sestavljajo na posamezni ravni v hie-rarhiji enako velike kvadratne celice. Celice mrè nìjih ravni se povezujejo v celice vi{jih ravni. Celice so osnovne prostorske enote z dolo~eno pozicijo znotraj mreè in dodano informacijo. Namesto prikazovanja razli~nih geopodatkov v obliki, kot se pojavljajo izvirno v geografskem smislu, so v pravilni hierarhi~ni mreì podatki zdruèni in porazdeljeni v kvadratnih celicah. Celice tako glede na namen prikazovanja podatkov postanejo nosilke razli~nih informacij in lahko ponazarjajo razli~ne podatke v njihovi prvotni obliki. Tak{ne celice imenujemo informacijske celice (IBC, information bearing cells). Vsaka kvadratna celica tvori geografsko obmo~je in vsi atributi znotraj tega obmo~ja so vezani na celico – tak{na transformacija se lahko naredi v tabelari~ni obliki. Sistem hierarhi~ne mreè, kot v celoti umetno ustvarjena delitev prostora na enako velike kvadratne celice, ne pozna obi~ajne delitve na majhne in velike administrativne enote, ki se na isti ravni razlikujejo po povr{ini in po {tevilu zajetih prebivalcev. Te enote so glede na potrebo po poloàjni natan~nosti namenjene tako zbiranju kot analizi in prika-zovanju prostorskih podatkov, sistem hierarhi~ne mreè pa zbiranja podatkov v mejah posamezne celice obi~ajno ne predvideva. Celice so ~asovno stati~ne in niso odvisne od vnaprej dolo~ene delitve ali regionalizacije. Velika prednost mreè je tudi v tem, da lahko uporabimo razli~ne podatke ne glede na njihov izvor, lahko jih zdruùjemo ter uporabljamo v prostorskih analizah. Lastnosti hierarhi~ne mreè (Backer 1999, 5): • neodvisnost od politi~nih ali administrativnih obmo~ij, • ~asovna stabilnost (obmo~ja se ne spreminjajo), • enakomernost porazdelitve enot (primerljivost obmo~ij), • uporabnost za mikro in makro analize, ** Individualni podatek je podatek, ki opisuje lastnosti, stanja ali razmerja posameznika ali pravne osebe in je del zaklju- ~ene celote podatkov o enoti pojava. ** Mikropodatek oziroma deindividualizirani podatek pa je individualni podatek, ki je spremenjen tako, da iz njega ni mogo~e dolo~iti enote, na katero se nana{a. 280 Mònosti analize in prikazovanja statisti~nih podatkov v hierarhi~ni mreì • mònost obdelave podatkov s standardnimi GIS-orodji, • enostavna tvorba iz to~kovnih podatkov. Hierarhi~no mreò kot obliko posredovanja podatkov è uporabljajo {tevilni evropski statisti~ni uradi (avstrijski, danski, finski, {vedski, norve{ki …). Vse dràve EU pa bodo tak{en sistem morale vzpostaviti skladno z evropsko direktivo INSPIRE (INfrastructure for SPatial InfoRmation in Europe initiative), ki predvideva vzpostavitev vseevropske hierarhi~ne mreè z enim izhodi{~em. Prevzem direktive INSPIRE je predviden za obdobje 2007–2009 in njena izvedba v obdobju 2009–2013. Razprave glede vsebine in dostopnosti do te baze podatkov sicer {e potekajo. Za potrebe direktive INSPIRE je Evropska komisija oblikovala posebno delovno skupino, ki se v okviru JRC-ja (Joint Research Centre, European Commission) ukvarja z mònostjo vzpostavitve skupne evropske hierarhi~ne mreè. Slednja je predlagala Evropski komisiji sprejetje skupnega evropskega referen~nega sistema hierarhi~ne mreè za poro~anje in statisti~ne analize. Predlagani sistem bo sposoben vklju~iti è obstoje~e dràvne mreè in je narejen kot podlaga za bodo~e mreè vzpostavljene na evrop-skem ozemlju. Omenjena delovna skupina je vseevropsko mreò opredelila kot hierarhi~no mreò za prikazovanje tematskih podatkov, ki jo predstavlja sistem pravilnih in georeferenciranih celic z dolo~eno obliko, velikostjo in drugimi lastnostmi. Razli~ni sistemi hierarhi~ne mreè se sicer è uporabljajo za razli~ne vzor~ne raziskave kot je sistemati~no vzor~enje (LUCAS), zbiranje podatkov (ICP forest) ali za obdelavo podatkov o celotnem ozemlju EU in izdelovanje kart (IMAGE 2000), prostorske analize (CORINE CLC), poro~anje ter statisti~ne analize (ESPON, Atlas florae). Uporabniki skupnega evropskega sistema hierarhi~ne mreè bodo dràvne uprave dràv ~lanic EU, nacionalni statisti~ni uradi, znanstvene organizacije, nacionalni raziskovalni instituti in nevladne organizacije, Evropska komisija, Evropska okoljska agencija in druge evropske agencije ter razli~ne organizacije in institucije povezane z medregionalnimi in transnacionalnimi projekti prostorskega planiranja. 3 Statisti~ni podatki in hierarhi~na mreà Posredovanje statisti~nih podatkov v hierarhi~ni mreì je zaradi omenjenih lastnosti primerno za obdelavo s standardnimi GIS-orodji, hkrati pa ob upo{tevanju pravil zakrivanja zaupnih podatkov zagotavlja anonimnost poro~evalskih enot, kar je ena izmed zakonskih obvez Statisti~nega urada. Tak- {na oblika posredovanja najve~ ponuja uporabnikom, ki jim je onemogo~en dostop do za{~itenih mikropodatkov. Statisti~no za{~iten mikropodatek je po definiciji podatek, ki je spremenjen tako, da iz njega ni mogo~e dolo~iti enote, na katero se nana{a, ob tem pa vsebuje spremenljivke, na podlagi katerih je mogo~e izvajati statisti~no analizo na enak na~in, kot je to mogo~e z individualnim podatkom. V Sloveniji imajo pravico pridobiti statisti~no za{~itene mikropodatke registrirane raziskovalne institucije, registrirani raziskovalci (tj. osebe s statusom raziskovalca) in raziskovalci organov dràv-ne uprave. Geografska lokacija posameznika ali podjetja je zelo o~itna lastnost, ki jo je mogo~e uporabiti za razkritje zaupne informacije, zato moramo pri objavi statisti~nih podatkov izbrati primerno stopnjo poloàjne natan~nosti, ki ne razkriva individualnega nosilca podatka. Posebno pozornost je potrebno nameniti objavi podatkov za obmo~ja, ki se med seboj zelo malo razlikujejo, saj se pojavi problem razlike pri od{tevanju podatkov enega obmo~ja od drugega, pri ~emer lahko dobimo podatek za ko~- ljivo majhno obmo~je. Dràve z vzpostavljenim sistemom hierarhi~ne mreè posredujejo svojim uporabnikom podatke ob razli~nih pragih zakrivanja. Praviloma {tevila poro~evalskih enot v celici ne zakrivajo, imajo pa razli~no visoke prage prikazovanja podatkov za lastnosti le-teh. Splo{no pa velja, da se uporablja ista pravila kot veljajo za zakrivanje podatkov v tabelah, tudi za zakrivanje podatkov v hierarhi~ni mreì. Glede 281 Igor Kuzma, Danijela [abi} na naravo podatkov (npr. dohodnina) je podatke za celice hierarhi~ne mreè mòno posredovati tudi v razredih namesto absolutnih {tevilk, s ~imer se zagotovi {e dodatno za{~ito podatkov. Slovenski statisti~ni urad podatkov v hierarhi~ni mreì zaenkrat {e ne posreduje, vendar z razli~nimi analizami in s sodelovanjem z drugimi statisti~nimi uradi prou~uje to mònost. Trenutno se podatke v hierarhi~- ni mreì prikazuje v skladu s prakso zakrivanja podatkov uporabljeno pri Popisu 2002. Pri tem se upo{teva tudi pravila sekundarnega zakrivanja podatkov, ki onemogo~ajo izra~un zakritih podatkov na osnovi poznavanja {tevil drugih poro~evalskih enot ali njihovih lastnosti znotraj prostorske enote. Posredovanje podatkov na ravni prostorskih enot ni omejeno z velikostjo prostorske enote ampak z njihovo hierarhi~no ureditvijo (najnìja prostorska enota, za katero se posreduje podatke npr. iz Popisa 2002, je naselje), kar je pomembno pri iskanju najmanj{e velikosti celice hierarhi~ne mreè, za katero bi {e posredovali podatek. Naslednje preglednice prikazujejo koli~ine posredovanih podatkov za razli~ne nivoje hierarhi~ne mreè in ob upo{tevanju razli~nih pragov zakrivanja podatkov. Pri izra~unih za naselja velja, da je celica pripisana naselju, ~e je njen centroid znotraj meja naselja. Uporabljeni so bili podatki o {tevilu dràvljanov Slovenije (brez za~asno odsotnih, stanje 31. 12. 2004, CRP) in podatki o izobrazbi prebivalcev Slovenije (stanje 31. 03. 2002, Popis 2002). Preglednica 1 prikazuje {tevilo in deleè prikazanih podatkov o dràvljanih za Slovenijo in naselji Ljubljano ter Maribor za razli~ne velikosti celic hierarhi~ne mreè. Informacijo o povr{ini dobimo iz {tevila celic, ki ustrezajo kriteriju vsaj 50 in ve~ oseb v celici. Preglednica 2 prikazuje delè prikazanih podatkov o {tevilu dràvljanov Slovenije glede na razli~ne stopnje zakrivanja podatkov, preglednica 3 pa {tevilo in delè prikazanih podatkov o prebivalcih z vi{jo ali visoko izobrazbo. Delè prikazanih podatkov o {tevilu poro~evalskih enot ali njihovih lastnosti nara{~a z ve~anjem velikosti celice ali z niànjem praga zakrivanja. Uporabnost vsakokratne razpolòljive prostorske natan~nosti hierarhi~ne mreè in koli~ina prikazanih podatkov sta seveda odvisna od namena uporabe. Preglednica 1: Koli~ina in delè prikazanih podatkov o {tevilu dràvljanov v hierarhi~ni mreì za Slovenijo ter naselji Ljubljana in Maribor (vir: CRP, 31. 12. 2004). mreà mreà mreà 100 m × 100 m 250 m × 250 m 500 m × 500 m {tevilo celic s 50 in ve~ osebami – SLO 5567 7825 7069 {tevilo oseb v celicah – SLO 646.423 1.238.327 1.533.655 (33,1 % od vseh) (63,5 % od vseh) (78,6 % od vseh) {tevilo celic s 50 in ve~ osebami – LJ 1414 771 330 {tevilo oseb v celicah – LJ 183.103 237.945 244.689 (74,1 % od vseh) (96,3 % od vseh) (99,0 % od vseh) {tevilo celic s 50 in ve~ osebami – MB 541 275 106 {tevilo oseb v celicah – MB 69.346 88.532 90.441 (75,8 % od vseh) (96,8 % od vseh) (99,0 % od vseh) Najmanj{a velikost celice in prag zakrivanja za posredovanje podatkov uporabnikom zaenkrat {e nista bila dolo~ena. Dejstvo je, da celica 100 m × 100 m (1 ha) predstavlja le dobro petino najmanj{e-ga naselja v Sloveniji (Sveta Ana pri Loù – 4,63 ha, ob~ina Lo{ka dolina), za katerega se ob upo{tevanju popisnih pravil {e prikazuje izbrane statisti~ne podatke, vendar je z vidika poloàjne natan~nosti najbolj primerna za na~rtovanje upravljanja s prostorom v naseljih ali delih naselij. Izbira najmanj{e velikosti celice je zelo pomembna, saj dolo~a nadaljnjo hierarhijo velikosti celic. Manj{e celice morajo sovpa-dati v ve~je, ker je v nasprotnem primeru mogo~e s prekrivanjem mrè z razli~no velikimi celicami ugotoviti ali vsaj sklepati na vrednost v posameznem delu zakrite celice. Teoreti~no je tako mogo~e ugotoviti vrednost tudi na povr{ini manj{i od 1 ha. 282 Mònosti analize in prikazovanja statisti~nih podatkov v hierarhi~ni mreì Preglednica 2: Delè prikazanih podatkov o {tevilu dràvljanov Slovenije v hierarhi~ni mreì (vir: CRP, 31. 12. 2004). prag zakrivanja deleòd vseh oseb (mreà 100 m × 100 m) deleòd vseh oseb (mreà 1000 m × 1000 m) = 3 97,97 99,96 = 5 92,33 99,88 = 10 76,53 99,49 = 15 66,04 98,93 = 20 58,22 98,21 = 25 51,82 97,43 = 30 45,62 96,53 = 50 33,1 92,44 Preglednica 3: [tevilo in delè prikazanih podatkov o prebivalcih z vi{jo ali visoko izobrazbo (vir: SURS, Popis 2002). velikost celice mreè Ljubljana (% od vseh oseb z vi{jo Maribor (% od vseh oseb z vi{jo (prag zakrivanja podatkov) ali visoko izobrazbo) ali visoko izobrazbo) 100 m × 100 m (= 3) 34.068 (62,9 %) 9270 (66,0 %) 250 m × 250 m (= 3) 52.469 (96,8 %) 14.038 (96,9 %) 100 m × 100 m (= 50) 11.737 (21,7 %) 1769 (12,6 %) 250 m × 250 m (= 50) 43.500 (80,3 %) 10.668 (76,0 %) ^e primerjamo deleè prikazanih podatkov v mreì 100 m × 100 m in upo{tevamo kot prag zakrivanja najmanj tri osebe v celici, ugotovimo, da je mogo~e prikazati skoraj 98 % dràvljanov Slovenije. Ta delè pa se ustrezno zmanj{a, ~e upo{tevamo kot prag zakrivanja ve~ kot pet oseb v celici. Z upo- {tevanjem praga zakrivanja 50 ali ve~ oseb v celici tako dobimo zgolj eno tretjino dràvljanov. Ta delè seveda nara{~a v gosteje poseljenih obmo~jih, vendar tudi za Ljubljano in Maribor pokrijemo nad 95 % prebivalstva {ele z mreò 250 × 250 m. Ob predpostavki, da mora povr{ina celic v naselju pokrivati vsaj 50 ha in da je v celici vsaj 50 prebivalcev, bi podatke v mreì 100 m × 100 m dobili za 16 naselij oziroma za 186 naselij v mreì 250 m × 250 m. 4 Primer ~ezmejnega prikazovanja statisti~nih podatkov v hierarhi~ni mreì Meddràvno sodelovanje avstrijskega in slovenskega statisti~nega urada je potrdilo prednosti in uporabnost hierarhi~ne mreè. V okviru {tudijskega obiska na avstrijskem statisti~nem uradu so bile izdelane prve ~ezmejne analize in kartografski prikazi z demografsko socialnimi in ekonomskimi podatki v hierarhi~ni mreì. V Avstriji so uporabnikom v hierarhi~ni mreì na voljo popisni podatki iz leta 2001, njihov dràvni sistem hierarhi~ne mreè pa ima {est nivojev z najmanj{o velikostjo celice 125 m × 125 m. Podatke o {tevilu enot ne zakrivajo in jih prikazujejo na vseh ravneh mreè, medtem ko zakrivajo lastnosti teh enot in jih prikazujejo samo na mreàh s celicami velikosti 250 m × 250 m ali ve~. Podatki o lastnostih so prikazani, ~e je v celici najmanj 31 prebivalcev oziroma najmanj {tiri stavbe, gospodinjstva ali stanovanja. V ~ezmejni analizi podatkov je bila uporabljena avstrijska dràvna mreà v UTM projekciji razteg-njena preko ozemlja Slovenije. Avstrijska stran se je odlo~ila, da bo uporabljena samo UTM zona 33, 283 Igor Kuzma, Danijela [abi} Slika 1: [tevilo prebivalcev v mreì 1 km × 1 km, Slika 2: Deleòseb starej{ih od 65 let v mreì UTM 33, Avstrija (Popis 2001), Slovenija 5 km × 5 km, UTM 33, Avstrija (Popis 2001), (Popis 2002), NUTS3. Slovenija (Popis 2002), NUTS3. zato je zahodni del Avstrije izklju~en. Obdelani so bili podatki o {tevilu ter starostni strukturi prebivalstva (Avstrija: Popis 2001, Slovenija: Popis 2002) ter podatki o {tevilu in strukturi zaposlenih glede na zaposlenost v sekundarnem oziroma terciarnem sektorju (Avstrija: Popis 2001, Slovenija: SRDAP 2001). V kartografskih prikazih je za obe dràvi upo{tevana slovenska praksa zakrivanja podatkov v hierarhi~ni mreì. Slika 3: Koeficient starostne odvisnosti starih Slika 4: Struktura zaposlenih po sektorjih in mladih v mreì 5 km × 5 km, UTM 33, v mreì 5 km × 5 km, UTM 33, Avstrija Avstrija (Popis 2001), Slovenija (Popis 2002), (Popis 2001), Slovenija (SRDAP, april 2001), NUTS3. NUTS3. 284 Mònosti analize in prikazovanja statisti~nih podatkov v hierarhi~ni mreì Rezultat meddràvnega sodelovanja so karte s prikazom obdelanih podatkov v razli~nih ravneh hierarhi~ne mreè. Slika 1 prikazuje {tevilo prebivalcev v mreì 1 km × 1 km. Na osnovi te karte je bilo ugotovljeno sklenjeno poseljeno obmo~je med dràvama, ki se razteza od avstrijskega Gradca do Maribora. Obe mesti se po merilih Eurostata uvr{~ata med gosto poseljena obmo~ja, saj {tevilo prebivalcev v celicah z gostoto prebivalstva ve~jo od 500/km2, presega 50.000. Med obema mestoma se razprostira obmo~- je s srednjo gostoto poselitve, kjer je {tevilo prebivalcev v celicah z gostoto najmanj 100/km2, prav tako ve~je od 50.000. Za analizo starostne strukture prebivalstva je bila izbrana delitev prebivalstva glede na delè starej{ih od 65 let (Slika 2). Slednja deli prebivalstvo na mlado (do 5 % starej{ih od 65 let), zrelo (5–10 % starej{ih od 65 let) in staro prebivalstvo (nad 10 % starej{ih od 65 let). Ob splo{nem trendu staranja prebivalstva v ve~ini post-industrijskih dràv je smiselno dolo~iti tudi kategorijo zelo starega prebivalstva (nad 20 % starej{ih od 65 let) (Mala~i~ 2003). Zaradi ugotovljenih razlik med dràvama v razredu starega prebivalstva (10–20 %) je na karti le-ta razdeljen v dva podrazreda (10–15 % in 15–20 %). Koeficient starostne odvisnosti starih in mladih (prebivalstvo, staro 0–14 let in 65 let ali ve~, glede na prebivalstvo, staro 15–64 let) kaè socialno in ekonomsko strukturo prebivalstva (slika 3). Vi{ja vrednost koeficienta pomeni ve~je {tevilo vzdrèvanega prebivalstva. Zadnji podatki za leto 2004 kaèjo, da sta imeli obe dràvi vrednost koeficienta pod evropskim povpre~jem (EU 25: 48,9; News Release, 2005) in sicer Avstrija 46,7 (News Release, 2005) ter Slovenija 42,2 (SURS, 2004). Slika 4 prikazuje strukturo zaposlenih po sektorjih. Prvi sektor zaradi nezdrùljivosti podatkov ni bil vklju~en v analizo. Zaradi bolj{e ponazoritve razlik v strukturi zaposlenih med dràvama je karta izdelana iz dveh slojev. Spodnji sloj predstavlja celice z vsaj 50 zaposlenimi in je obarvan rde~e, zgornji pa predstavlja celice z ve~ kot 70 % zaposlenih v terciarnem sektorju in je obarvan modro. V rde~ih celicah je torej najmanj 30 % zaposlenih v sekundarnem sektorju. Hierarhi~na mreà se je zaradi svojih lastnosti izkazala kot zelo primerna za ~ezmejne prostorske analize. Teàve pa lahko pri~akujemo v primeru razli~nih velikosti najmanj{e celice hierarhi~ne mreè posamezne dràve, saj jih slednje dolo~ajo glede na njihove zna~ilnosti razporeditve pojavov v prostoru oziroma glede na pravila o za{~iti podatkov. Naslednji problem je zdrùljivost obeh hierarhi~nih mreòb meji, saj ima vsaka dràva izbrano svoje izhodi{~e. V praksi se podatke pri meddràvnih prostorskih analizah obi~ajno obdeluje in prikazuje v mreì z velikostjo celic vsaj 1 km × 1 km, saj druga~e kartografski prikazi izgubijo preglednost. Analize obmejnih obmo~ij seveda zahtevajo mreò z vi{jo lo~ljivostjo (500 m × 500 m in manj), zato se v tem primeru uporablja podatke, ki jih obe dràvi ne zakri-vata ali pa se uporabi vi{ji prag zakrivanja podatkov. Z vidika izvajanja podobnih meddràvnih prostorskih analiz bo zato dobrodo{el vseevropski sistem hierarhi~ne mreè, ki bo vzpostavljen s sprejetjem direktive INSPIRE. 5 Sklep Sistem hierarhi~ne mreè se je v nekaterih evropskih statisti~nih uradih uveljavil kot primerna oblika posredovanja statisti~nih podatkov, namenjenih predvsem uporabnikom GIS-sistemov. Glavni prednosti sta zadovoljiva poloàjna natan~nost, enostaven dostop ter ustrezna za{~ita zaupnosti poro~evalskih enot. SURS zaenkrat {e ni sprejel dokon~ne odlo~itve glede posredovanja podatkov v tej obliki, kot ustrezna za Slovenijo pa se kaè ista politika za{~ite podatkov, kot velja za prikazovanje v tabelah v primeru Popisa 2002, ter dolo~itev hierarhije mreè z velikostjo najmanj{e celice 100 m × 100 m. Nadaljnja razprava bo povezana predvsem z zakonskimi dolo~ili povezanimi z za{~ito statisti~nih podatkov ter izvedba direktive INSPIRE. Zagotovo pa poslanstvo dràvne statistike z GIS-sistemi dobiva novo dimenzijo, ki je skladna z njeno vizijo o enostavni dostopnosti ter uporabnosti statisti~nih podatkov. 285 Igor Kuzma, Danijela [abi} 6 Viri in literatura Backer, L. H. 1999: Use of grids to improve the comparability of statistical data. Meeting of the Working Party »GIS for Statistics«, Luxembourg. Mala~i~, J. 2003: Demografija: teorija, analiza metode in modeli. Ljubljana. Population projections 2004–2050. News Release, Eurostat, 48/2005. Zakon o dràvni statistiki. Uradni list RS, {t. 45/95 in 9/2001. Spletna stran SURS: http://www.stat.si/ 286 GIS v Sloveniji 2005–2006, 287–292, Ljubljana 2006 UPORABA GIS-A PRI CONACIJI OBMO^IJ NATURA 2000 Matej Petkov{ek in Mojca Tomaì~ Zavod Republike Slovenije za varstvo narave, OE Celje Opekarni{ka cesta 2, 3000 Celje matej.petkovsek@ zrsvn.si, mojca.tomazic@ zrsvn.si Damjan Vr~ek Zavod Republike Slovenije za varstvo narave Dunajska cesta 22, 1000 Ljubljana damjan.vrcek@ zrsvn.si UDK: 502:659.2:004 IZVLE^EK Uporaba GIS-a pri conaciji obmo~ij Natura 2000 Projekt conacije ekolo{kega omrèja Natura 2000 v Sloveniji je bila ena izmed nalog Zavoda RS za varstvo narave v letu 2005. S conacijo so se znotraj obmo~ij Natura 2000 dolo~ili pomembnej{i deli habitatov, kar omogo~a bolj kakovostno vklju~evanje varstva biotske raznovrstnosti v prostorsko na~rtovanje ter pre-glednej{e spremljanje stanja na teh obmo~jih. V prispevku je prikazana uporaba GIS orodij za izvedbo conacije. KLJU^NE BESEDE Natura 2000, conacija, geografski informacijski sistem, varstvene usmeritve ABSTRACT Use of GIS for zoning Natura 2000 sites The project of zoning the ecological network Natura 2000 in Slovenia was one of the tasks of The Institute of the Republic of Slovenia for Nature Conservation in 2005. The more important parts of habitats were determined by zoning and as a result of this a more quality incorporation of the biodiversity conservation into the spatial planning is being possible as well as a more transparent monitoring on the sites. The use of the GIS tools for the implementation of zoning is presented in the following article. KEYWORDS Natura 2000, zoning, geographic information system, biodiversity conservation guidelines 287 Matej Petkov{ek, Mojca Tomaì~, Damjan Vr~ek 1 Uvod Z vstopom v Evropsko unijo je Slovenija morala prevzeti del evropske zakonodaje tudi na podro~- ju varovanja narave. Posledica implementacije dveh evropskih direktiv s podro~ja ohranjanja narave (Direktiva o pticah, Direktiva o habitatih) je dolo~itev dobrih 34 % ozemlja Slovenije za posebno varstveno obmo~je na podro~ju ohranjanja narave. Za ta obmo~ja je potrebno pripraviti ustrezne varstvene usmeritve, ki bodo omogo~ale ohranjanje ugodnega stanja vrst in habitatnih tipov, zaradi katerih so bila dolo~ena. Hkrati jih je potrebno vklju~evati tudi v prostorske akte ter akte rabe naravnih dobrin, kjer se dolo~ijo ustrezna izhodi{~a, usmeritve in pogoji varstva. Zaradi làjega dolo~anja konkretnih usmeritev in v izogib nepotrebnim konfliktom v prostoru, predvsem pri rabi in posegih v prostor, je bilo potrebno dolo~iti notranje cone posameznih obmo~ij Natura 2000 glede na raz{irjenost posameznih vrst in habitatnih tipov. Pri pripravi notranjih con obmo~ij Natura 2000, ki sta jih pripravila Zavod RS za varstvo narave in Dru{tvo za opazovanje in prou~evanje ptic Slovenije, je bila uporaba sodobnih GIS orodij neobhodno potrebna. 2 Natura 2000 Natura 2000 je evropsko omrèje ekolo{ko pomembnih obmo~ij narave, namenjeno ohranjanju evropsko pomembnih vrst in habitatnih tipov. Zdruùje in povezuje dva tipa obmo~ij. Omrèje sestavljajo posebna obmo~ja varstva (Special Protection Area – SPA) opredeljena na podlagi Direktive o pticah in posebna varstvena obmo~ja (Special Areas of Conservation – SAC) opredeljena na podlagi direktive o habitatih. 2.1 Dolo~anje obmo~ij Natura 2000 Obmo~ja Natura 2000 so se dolo~ila na dva na~ina. Posebna obmo~ja varstva (SPA) opredeli in jim dolo~i pravni status vsaka dràva ~lanica na podlagi Direktive o pticah ter o tem obvesti Evropsko komisijo. S tem postanejo ta obmo~ja neposredno del omrèja Natura 2000. Pri dolo~anju obmo~ij po Direktivi o habitatih je postopek bolj zapleten. Vsaka dràva ~lanica v prvi fazi po merilih in postopku, opisanih v prilogi III Direktive o habitatih, najprej pripravi predlog obmo~ij, pomembnih za skupnost (pSCI). Predlog potrdi ustrezen dràvni organ. Sledi niz preverjanj seznama predlaganih obmo~ij, najprej po formalni plati, ~e so podatki v obrazcih ustrezno izpolnjeni. Temu sledi vsebinsko preverjanje, predvsem zadostnost predlogov z dràvnega seznama. Pri tem so ve~je obveznosti dràve do tistih vrst in habitatnih tipov, ki so pretèno raz{irjene na ozemlju posamezne dràve (Skoberne 2003). Sledi vrednotenje na ravni Evropske unije znotraj posamezne biogeografske regije in usklajevanje z vsako dràvo ~lanico. Navadno gre za dopolnjevanje predlogov. Po uskladitvi postanejo obmo~ja pomembna za Skupnost (SCI), ki jih nato vsak dràva ~lanica dolo~i kot posebna ohranitvena obmo~ja (SAC) (Skoberne, 2004). Obveznosti dràv ~lanic do obmo~ij Natura 2000 so dolo~ene v 6. ~lenu direktive o habitatih in sicer: 1. dolo~iti je potrebno ohranitvene ukrepe (Zakon o ohranjanju narave Zavodu RS za varstvo narave kot organizaciji, pristojni za ohranjanje narave, nalaga varstvo biotske raznovrstnosti, kamor sodijo tudi obmo~ja Natura 2000. Zavod ohranjanje ugodnega stanja vrst in habitatnih tipov zagotavlja skozi varstvene usmeritve.), ki po potrebi vklju~ujejo ustrezne na~rte upravljanja ter ustrezne zakonske, upravne ali pogodbene ukrepe, ki ustrezajo ekolo{kim zahtevam naravnih habitatnih tipov in vrst navedenih v prilogah I in II direktive o habitatih; 2. prepre~evati slab{anje stanja habitatov in vrst, zaradi katerih je obmo~je opredeljeno; 3. vsak na~rt ali poseg, ki ni neposredno povezan z upravljanjem obmo~ja ali zanj potreben, pa bi sam ali v povezavi z drugimi na~rti ali posegi lahko pomembno vplival na obmo~je, je treba presojati glede na njegove posledice na cilje ohranjanja obmo~ja. 288 Uporaba GIS-a pri conaciji obmo~ij Natura 2000 Posamezna obmo~ja Natura 2000 so ve~inoma dolo~ena zaradi varovanja in ohranjanja ugodnega stanja ve~ rastlinskih in/ali ìvalskih vrst ter habitatnih tipov. Posamezna vrsta ali habitatni tip se ne pojavlja na celotnem obmo~ju Natura 2000. Nahaja se le na delu dolo~enega obmo~ja. Iz tega sledi, da je izpolnjevanje obveznosti, ki jih narekuje direktiva o habitatih u~inkovitej{e, ~e je obmo~je razdeljeno na posamezne cone, kot pa, da se obravnava kot celota. 2.2 Obmo~ja Natura 2000 v Sloveniji Slovenija je morala dolo~iti obmo~ja Natura 2000 do vstopa v Evropsko unijo kot del prilagajanja slovenske zakonodaje zakonodaji Evropske unije. Po direktivi o pticah je bilo dolo~enih 26 obmo~ij, kjer se varujejo habitati 102 vrst ptic. Na podlagi direktive o habitatih pa je bilo dolo~enih 260 obmo- ~ij, kjer se varujejo in ohranjajo habitati 106 vrst ìvali in rastlin ter 56 habitatnih tipov v ugodnem stanju. Obmo~ja Natura 2000 pokrivajo kar dobrih 34 % ozemlja Slovenije. Na tretjini Slovenskega ozemlja je tako treba dolo~iti varstvene usmeritve, ki ustrezajo ekolo{kim zahtevam naravnih habitatnih tipov in vrst, zaradi katerih so obmo~ja dolo~ena. Prav tako je treba presojati vsak na~rt ali poseg, ki bi sam ali v povezavi z drugimi na~rti ali posegi lahko pomembno vplival na obmo~je. S presojo se ugotovijo vplivi (dejanski in pri~akovani) ter sprejemljivost izvedbe le-teh na varstvene cilje ohranjanja dolo~enega obmo~ja Natura 2000 ter celovitost in povezanost posameznega obmo~ja. V primeru, da se obmo~je Natura 2000 obravnava kot celota, je potrebno presoje na~rtov in posegov izvajati za vse vrste in habitatne tipe, zaradi katerih je obmo~je dolo~eno. To lahko pomeni tudi podalj{anje nekaterih postopkov pri prostorskem planiranju ali pri pridobivanju dokumentacije za posege. V primeru, da bi bilo za vsako vrsto ali habitatni tip dolo~eno pravo obmo~je raz{irjenosti, bi to omogo~ilo bolj{o pripravo konkretnih varstvenih usmeritev za posamezno vrsto ali habitatni tip. To je bil tudi eden izmed klju~nih razlogov, da je Zavod RS za varstvo narave leta 2005 pristopil k dolo~itvi notranjih obmo~ij (con) Natura 2000. 3 Conacija obmo~ij Natura 2000 v Sloveniji Conacija obmo~ij Natura 2000 (opredeljevanje notranjih obmo~ij (con) za obmo~ja Natura 2000), ki sta jo izvedla Zavod RS za varstvo narave in Dru{tvo za opazovanje in prou~evanje ptic Slovenije, je bila izvedena na podlagi Uredbe o posebnih varstvenih obmo~jih (obmo~jih Natura 2000). Ta uredba dolo~a, da se znotraj obmo~ja Natura 2000 lahko dolo~ijo notranja obmo~ja oz. cone, s katerimi se prostorsko opredelijo tisti deli obmo~ja, ki so bistveni deli ìvljenjskih prostorov posameznih rastlinskih ali ìvalskih vrst ter posameznih habitatnih tipov, zaradi katerih je obmo~je Natura 2000 opredeljeno. Zavod RS za varstvo narave je projekt conacije izvedel tekom leta 2005 in sicer za vsa obmo~ja pSCI in za enajst obmo~ij SPA. Za ostala obmo~ja je conacijo pripravil DOPPS. Conacija je bila v celoti izvedena s po-mo~jo GIS orodij Arc View 3.1 in Arc View 8.3. Vhodne podatke, na katerih je temeljila conacija, so predstavljali podatki iz strokovnih podlag, pripravljenih za vzpostavitev obmo~ij Natura 2000. Ti podatki so se prekrivali in analizirali s podatki o kmetijski rabi zemlji{~, poplavnih obmo~jih, nadmorski vi{ini in obstoje~imi podatki o kartiranju habitatnih tipov. Pri risanju con so se uporabljali tudi digitalni ortofoto posnetki, digitalni kataster, geolo{ka karta ter digitalni topografski na~rti, ve~inoma v merilu 1 : 5.000 in 1 : 10.000. Uporabljena GIS orodja so omogo~ila oz. bistveno olaj{ala izvedbo navedene strokovne naloge, predvsem opredeljevanje posameznih con, njihovo kartografsko prikazovanje, analizo in kriti~no presojo z razli~nih vidikov. Opredeljevanje posameznih con je bilo oteèno zaradi razli~ne raziskanosti raz{irjenosti posameznih vrst in habitatnih tipov ter razli~nega poznavanja ekolo{kih zahtev vrst. Zato je bilo treba cone modelirati, postopek coniranja pa je potekal na tri na~ine: 1. V primeru popolnih podatkov, dobrega poznavanja terena in ekolo{kih zahtev vrste ter izvedenega kartiranja habitatnih tipov, so bile cone narisane tako, da predstavljajo dejanski habitat vrste oziroma obmo~je nahajanja habitatnega tipa. 289 Matej Petkov{ek, Mojca Tomaì~, Damjan Vr~ek 2. Kjer so bili na razpolago le delni podatki o raz{irjenosti vrst in habitatnih tipov, ekolo{ke zahteve vrst pa slabo definirane, so cone narisane po principu izlo~anja. Iz cone so bila izlo~ena vsa tista obmo~ja, ki ne izpolnjujejo ekolo{kih zahtev vrste ali pogojev za nahajanje habitatnega tipa. 3. Kadar so bili vhodni podatki zelo slabi, se je kot cona dolo~ilo celotno obmo~je pSCI. Na podlagi zgoraj opredeljene metode se je za 208 rastlinskih in ìvalskih vrst ter 56 habitatnih tipov na 286 obmo~jih Natura 2000 opredelilo 1632 con. Velikost con je zelo razli~na, od slabih 200 m2 do preko 1000 km2. Cone se na posameznem obmo~ju Natura 2000 lahko prekrivajo, odvisno od obmo~- ja raz{irjenosti posamezne vrste oz. habitatnega tipa. Ker so v cone vklju~eni le pomembnej{i deli habitatov vrst in habitatnih tipov, so lahko deli obmo~ij Natura 2000 prazni – brez con. 3.1 Prikaz conacije dveh obmo~ij Natura 2000 V nadaljevanju bomo prikazali dva primera conacije obmo~ij Natura 2000 na podlagi razli~no kakovostnih vhodnih podatkov. Obmo~je Natura 2000 Vol~eke je bilo dolo~eno zaradi ohranjanja ugodnega stanja {tirih vrst ìva-li in dveh habitatnih tipov. Na obmo~ju so bili skartirani habitatni tipi (Kotarac, 2001), v strokovnih podlagah za dolo~itev obmo~ij Natura 2000 (^elik in sod., 2005) pa so bili relativno dobri podatki o raz- {irjenosti treh vrst ìvali. Conacija habitatnih tipov se je izvajala na podlagi rezultatov kartiranja habitatnih tipov. Poligoni, ki so ustrezali posameznemu habitatnemu tipu, so bili povzeti kot cona za ta habitatni tip. Pri ìvalskih skupinah pa je conacija temeljila na analizi podatkov, dobljenih s kartiranjem habitatnih Slika 1: Conacija obmo~ja Natura 2000 (Vol~eke) z dobrimi vhodnimi podatki. 290 Uporaba GIS-a pri conaciji obmo~ij Natura 2000 Slika 2: Conacija obmo~ja Natura 2000 (Savinja pri [entjanù) s slabimi vhodnimi podatki. tipov in podatkov iz strokovnih podlag za dolo~itev obmo~ij Natura 2000. Za dolo~itev cone smo prekrili oba sloja in dolo~ili obmo~ja kot notranjo cono vrste, kjer so se podatki o raz{irjenosti posamezne vrste prekrivali z za vrsto ustreznimi habitatnimi tipi. Tako dobljene cone dejansko predstavljajo obmo~- ja, ki jih je potrebno varovati za ohranjanje ugodnega stanja posamezne vrste ali habitatnega tipa, zaradi katerega je bilo obmo~je Natura 2000 dolo~eno. Rezultat tak{nega na~ina dolo~evanja con je tudi relativno veliko obmo~je, ki ne predstavlja notranje cone za nobeno vrsto ali habitatni tip. Obmo~je Natura 2000 Savinja pri [entjanù je bilo dolo~eno zaradi ohranjanja ugodnega stanja treh vrst ìvali in enega habitatnega tipa. Popis habitatnih tipov za to obmo~je ni bil narejen, podatki v strokovnih podlagah za dolo~itev obmo~ij Natura 2000 (Bertok, 2003) pa tudi niso bili dovolj natan~- ni, da bi lahko dolo~ili notranje cone za posamezne vrste na na~in, kot v prvem primeru. Zato smo si pri dolo~anju notranje cone za habitatni tip pomagali z digitalnim ortofoto posnetkom, medtem ko smo za notranje cone ìvalskih vrst vzeli celotno obmo~je Natura 2000. V tem primeru je celotno obmo~- je Natura 2000 pokrito vsaj z eno notranjo cono, ki pa ne odraà povsem dejanskega stanja, zato se bodo meje teh con ob pridobivanju novih strokovnih podatkov {e spremenile. 4 Sklep Conacija obmo~ij Natura 2000, ki sta jo pripravila Zavod RS za varstvo narave in Dru{tvo za opazovanje in prou~evanje ptic Slovenije bo sluìla za pripravo varstvenih usmeritev za ohranjanje in 291 Matej Petkov{ek, Mojca Tomaì~, Damjan Vr~ek vzpostavitev ugodnega stanja vrst in habitatnih tipov, zaradi katerih so dolo~ena posamezna obmo~- ja Natura 2000. Zavod RS za varstvo narave jo uporablja pri pripravi naravovarstvenih smernic, s katerimi se vklju~uje v na~rtovanje prostorskih aktov in aktov za rabo naravnih dobrin. Conacija je v veliko pomo~ tudi strokovnjakom pri pripravi strokovnih mnenj za razli~ne posege na obmo~jih Natura 2000 in nenazadnje tudi pri seznanjanju ljudi o pomenu ohranjanja ugodnega stanja rastlinskih in ìvalskih vrst ter habitatnih tipov na obmo~jih Natura 2000. Pozitivne spremembe v naravi, ki jih lahko povzro~ijo naravni procesi, razli~ni posegi, ali druga ravnanjav prostoru, ki izbolj{ajo stanja posameznih vrst bodo vplivale na spreminjanje meje con. Meje se bodo spreminjale s pridobivanjem novih strokovnih podatkov ali na podlagi novih dejstev na terenu. Rezultati conacije obmo~ij Natura 2000 bodo objavljeni skupaj z drugimi naravovarstvenimi vsebinami tudi na svetovnem spletu (interaktivni naravovarstveni atlas), kjer bodo dostopni vsej zainteresirani javnosti. 5 Viri in literatura Bertok, M. 2003: Strokovne osnove za vzpostavljanje omrèja Natura 2000 – ribe, pi{kurji, raki dese-teronòci. Zavod za ribi{tvo Slovenije. Ljubljana. Council Directive 79/409/EEC on the conservation of wild birds. Council Directive 92/43/EEC on the conservation of natural habitats and of wild fauna and flora. ^elik, T., Verovnik, R., Gomboc, S., Lasan, M. 2005: Natura 2000 v Sloveniji – Metulji ( Lepidoptera). Zalòba ZRC, ZRC SAZU. Ljubljana. Kotarac, M. 2001: Kartiranje in vrednotenje habitatnih tipov na obmo~ju Mestne ob~ine Celje. Center za kartografijo favne in flore. Miklav` na Dravskem polju. Pravilnik o presoji sprejemljivosti vplivov izvedbe planov in posegov v naravo na varovana obmo~ja. Uradni list RS, {t. 130/04. Skoberne, P. 2003: Natura 2000 – del vseevropskega ekolo{kega omrèja. V: Gozdarska politika zavarovanih obmo~ij: zbornik ob posvetovanju. Kraj~i~ D. (ur.). Ljubljana, Gospodarska zbornica Slovenije, Zdruènje za gozdarstvo: 65–78. Skoberne, P. 2004: Pregled mednarodnih organizacij in predpisov s podro~ja varstva narave 2004. Ministrstvo za okolje, prostor in energijo. Ljubljana. Uredba o posebnih varstvenih obmo~jih (obmo~jih Natura 2000). Uradni list RS, {t. 49/04 in 110/04. 292 GIS v Sloveniji 2005–2006, 293–298, Ljubljana 2006 INTEGRIRANA UPORABA GLOBALNEGA SISTEMA POZICIONIRANJA IN DIGITALNIH RADIJSKIH ZVEZ V SLOVENSKI POLICIJI Tomislav Iskra Ministrstvo za notranje zadeve Generalna policijska uprava Operativno-komunikacijski center [tefanova ulica 2, 1000 Ljubljana tomislav.iskra@ policija.si UDK: 351.741:659.2:004(497.4) IZVLE^EK Integrirana uporaba globalnega sistema pozicioniranja in digitalnih radijskih zvez v Slovenski policiji Navigacijski sistemi doìvljajo v svetu velik razvoj. Vzpostavitev digitalnih radijskih zvez TETRA omogo- ~a prenos podatkov med radijskimi postajami z vgrajenim GPS sprejemnikom in prikaz njihovih lokacij v geografskih informacijskih sistemih. Za sre~anje delegacij dràv Organizacije za varnost in sodelovanje v Evropi smo za potrebe varovanja postavili sistem za spremljanje vozil zasnova na GPS tehnologiji. KLJU^NE BESEDE globalni sistem pozicioniranja, policija, digitalno radijsko omrèje TETRA, spremljanje vozil, interventni dogodki, na~rtovanje akcij ABSTRACT Integrated use of global position system and digital radio network in Slovenian police Navigation systems are in great progress in today's world. Setting up a digital radio communication enables data sending among radio stations with build in GPS receiver and reviewing their locations in geographical information system. For the purpose of meeteng of Organization for Security and Co-operation in Europe we set up a system for automatic vehicle location based on GPS technology. KEYWORDS global position system, police, digital radio network TETRA, automatic vehicle location, intervene events, action planning 293 Tomislav Iskra 1 Uvod V policiji stalno spremljamo razvoj na informacijskem in telekomunikacijskem podro~ju in smo na nekaterih podro~jih tudi med prvimi v RS, ki posamezne re{itve uporabimo v praksi. Transport in avtomobilska industrija izvajata na tem podro~ju najve~je korake. V Slovenski policiji imamo nekaj GPS sprejemnikov è v uporabi, zavedamo pa se, da bo to podro~je doìvelo velik razvoj, ki ga ne èli-mo zamuditi. V ~lanku bom predstavil sistem, ki je bil uporabljen ob sre~anju delegacij ~lanic Organizacije za varnost in sodelovanje v Evropi (OVSE) v Ljubljani konec leta 2005, saj je ta sistem trenutno najbolj dovr{en in vklju~uje {iroko paleto informacijske in telekomunikacijske opreme. Pri izgradnji sistema smo bili omejeni na opremo in programe, ki smo jih è imeli na razpolago, saj zaradi ~asovne in finan~- nih omejitev ni bilo mòno pridobiti dodatne opreme. 2 Zgradba sistema Za potrebe operativnega dela policije, predvsem ob ve~jih akcijah, so trenutni poloàji policijskih enot in dogodkov povezanih z obravnavano akcijo klju~nega pomena. S tem namenom se vodijo operativne karte v GIS-u ali v obliki tiskanih zemljevidov. Spremljanje premikov policijskih enot je do sedaj poteklo preko sporo~anja lokacije s strani posameznih enot in njihov vnos na operativne karte. To je zahtevalo veliko operativnega dela na karti, problem pa se pojavi tudi v aùrnosti lokacije, saj je na operativnim zemljevidu vrisana zadnja sporo~ena lokacija, ki pa ni nujno tudi trenutna lokacija enote. Pri Slovenski policiji smo trenutno v fazi prehoda iz analogne radijske komunikacije v digitalno, kar pomeni tudi kakovosten prehod v na~inu komuniciranja. Sistem je podrobneje opisan v nadaljevanju, za nas pa je pomembno, da nam omogo~a tudi zajem, pretvorbo in prenos GPS signala. V okviru izgradnje digitalnega radijskega sistema, so bile zagotovljene ro~ne radijske postaje, z è vgrajenimi GPS sprejemniki. Sre~anje delegacij ~lanic OVSE, je bila prva prilònost, da z obstoje~o strojno in aplikativno opremo ter znanjem, ki smo si ga pridobili v preteklosti, vzpostavimo sistem za samodejno pozicioniranje policijskih enot. V ~asu dveh mesecev), smo vzpostavili sistem, prikazan na sliki. Slika 1: Shematski prikaz zgradbe sistema Slika 2: Shematski prikaz dolo~itve lokacije pozicioniranja »od satelita do zaslona«. sprejemnika. 294 Integrirana uporaba globalnega sistema pozicioniranja in digitalnih radijskih zvez v Slovenski policiji Ro~na radijska postaja sprejema signale z GPS satelitov in s pomo~jo 3D-trilateracija izra~una lasten poloàj. Podatke o poloàju po{lje v obliki kratkega sporo~ila (SDS podobno kot SMS v mobilni tele-foniji), preko sistema baznih postaj, do sprejemne postaje. Podatek o poloàju se nato s pomo~jo programa Hyper Terminal zapi{e v datoteko na strèniku. Zapis za posamezni poloàj vsebuje ve~ informacij, za nas pa so pomembne identifikacija postaje, poloàjne koordinate ter ~as. Zapis je potrebno najprej pretvoriti iz heksadecimalne oblike v ASCII in izlo~iti iskane parametre. Koordinate je potrebno nato pretvoriti v Gauss-Krugerjev koordinatni sistem. Podatke o posamezni lokaciji se zapi{e v ciljno datoteko v obliki podatkov: identifikacija postaje, X-koordinata, Y-koordinata, ~as. Do te datoteke imajo dostop GIS delovne postaje preko ra~unalni{kega ? omrèja. Program v okolju GIS iz obravnavane datoteke bere podatke o lokacijah in jih prikazuje na rastrski podlagi. Na delovnih postajah je mòno izbirati, katere enote bomo prikazovali, prav tako pa je razviden njihov status (je/ni GPS signal, je/ni komunikacije s TETRA omrèjem). 2.1 Digitalno radijsko omrèje TETRA Kratica TETRA je prvobitno pomenila Trans-European Trunked RAdio, kar pomeni Vsevropski sistem radijskih zvez. Ker pa se je omenjena tehnologija za~ela uporabljati tudi drugod po svetu so prei-menovali ime v TErrestrial Trunked RAdio, kar bi v prevodu pomenilo Prizemeljske radijske zveze. Sistem predstavlja prvi resni~no odprti digitalni standard za zasebna radijska omrèja, ki ga je definiral Evropski standardizacijski institut za telekomunikacije (European Telecommunications Standards Institute – ETSI). Podobno kot analogna omrèja za mobilno telefonijo (NMT, TACS), ki jih je nadomestil digitalni sistem (GSM) se dogaja tudi v zasebnih radijskih omrèjih, kjer se analogni sistemi zamenjujejo z digitalnimi, ki pa so zasnovani na standardih. Postopki standardizacije pomenijo za{~ito uporabnikov, kakor tudi proizvajalcev. Digitalizacija radijskega signala pomeni kvalitativen preskok, kar se danes kaè tudi na drugih tehni~nih podro~jih (npr. glasba, fiksna in mobilna telefonija, televizija). Pri sistemu TETRA zasledimo celi~no tehnologijo pokrivanja geografskega podro~ja z radijskim signalom. Vse bazne postaje, ki pokrivajo dolo~ene celice, so povezane z glavnim krmilnikom sistema. Morda se bo kdo vpra{al, zakaj sistemi mobilne telefonije niso primerni za javno varnost? Obstaja precej{nja razlika med digitalnimi profesionalnimi omrèji TETRA, ki so na~rtovana za uporabnike javne varnosti, ter omrèji operaterjev digitalne mobilne telefonije. S tehni~nega vidika, so mobilna telefonska omrèja predvsem namenjena za zveze to~ka – to~ka (individualni klici) in ne za skupinske klice. ^as vzpostavitve zveze je predolg, zelo omejena je dispe~erska funkcionalnost (v na{ih omrèjih jo uporabljajo Operativno-komunikacijski centri), ni mòna neposredna zveza (brez posredovanja infrastrukture, t. i. simpleks), zelo malo mobilnih terminalov je robustnih. Prisotne pa so {e nekatere operativne pomanjkljivosti kot na primer: zasedenost in nedostopnost omrèja ob izrednih dogodkih (ve~je nesre- ~e, teroristi~ni napadi, velike javne prireditve, nekateri prazni~ni termini), nadzor nad omrèjem in uporabniki je v pristojnosti operaterja, vse informacije so za{~itene. Obstoje~a analogna radijska omrèja vseh dràvnih organov v RS so po svoji zasnovi è zastarela in imajo zaradi tega razli~ne tehni~ne slabosti. Digitalni radijski sistemi odpravljajo pomanjkljivosti analognih okolij in s tem zagotavljajo uporabnikom dodatne funkcionalnosti. Osnovne zna~ilnosti analognih in digitalnih sistemov so opisane v nadaljevanju. Analogni sistemi ne nudijo kvalitetne za{~ite (enkripcije) informacij, kar predstavlja pomemben varnostni vidik, saj so lahko s policijskega vidika nekatere operativne akcije zaradi prislu{kovanja nepoob-la{~enih neuspe{no izvedene. To je tudi pomanjkljivost glede na splo{no obveznost upo{tevanja predpisov o varovanju osebnih podatkov. Ve~ji del komunikacije analognih sistemov je namre~ neza{- ~iten in z zelo enostavnimi tehni~nimi sredstvi (radijski sprejemniki) lahko pride do odtekanja ali zlorabe podatkov. Digitalni sistemi to veliko pomanjkljivost odpravljajo, ker imajo razli~ne nivoje za{~ite (av-tentikacija, kriptiranje radijskega vmesnika in tudi kriptiranje znotraj omrèja). S tem imajo kon~ni uporabniki na terenu zagotovljeno izbolj{ano osebno varnost. 295 Tomislav Iskra Analogna omrèja sicer omogo~ajo podatkovne aplikacije, ki pa zaradi prenosnih hitrosti in tehni~nih re{itev ne odgovarjajo zdaj{njim pogojem delovanja in zahtevam uporabnikov. Digitalni sistem omogo~a bistveno bolj{e podatkovne komunikacije, kot so prenos velikega nabora pred-definiranih statusov, kratkih sporo~il – SDS datotek (npr. slik) in dostop do Intraneta. Razli~nih obstoje~ih analognih omreìj in s tem tudi uporabni{kih skupin ni mòno enostavno pove-zovati med seboj. Tako ob izrednih razmerah (naravne nesre~e) ali ob ve~jih prireditvah ni neposredne komunikacije med angaìranimi slùbami, ki prihajajo iz lo~enih dràvnih organov. Obstoje~i analogni sistemi imajo veliko pomanjkljivost v razdrobljenosti in medsebojni nekompatibilnosti. TETRA sistem omogo~a neposredno komunikacijo med razli~nimi uporabni{kimi skupinami, seveda ob predhodnem dovoljenju. Prav tako je razlika tudi v na~inu izgradnje infrastrukture, saj se za dràvne organe vzpostavi le eno digitalno omrèje, kar pomeni veliko racionalizacijo, posamezne skupine uporabnikov pa lahko potem delujejo neodvisno druga od druge, v lastnem navideznem omrèju. Analogna omrèja ne omogo~ajo novih nadgradenj in uvajanja dodatnih funkcionalnosti, ki jih èlijo kon~ni uporabniki. Predvsem je dalj è ~asa izraèna zahteva po samodejnem pozicioniranju lastnih vozil. Digitalni sistemi in del naprav omogo~ajo pozicioniranju pe{cev (izven stavb), kar zopet pomeni izbolj{anje osebne varnosti uporabnikov. Skupaj z operativnimi uporabni{kimi skupinami policije se è pripravljamo na izvedbo projekta vzpostavitve stalnega pozicioniranja vozil s pomo~jo GPS satelitov. Dodatna prednost digitalnega sistema je, da ta omogo~a poleg skupinske komunikacije, ki je edina mòna v analognih sistemih, tudi samodejno individualno in telefonsko zvezo (povezava to~ka – to~ka). Digitalni sistemi TETRA omogo~ajo làje koordiniranje akcij, ki potekajo na ve~jem geografskem obmo~ju. Uporabnikom na svojih radijskih terminalih ni ve~ potrebno nastavljati kanalov (frekvenc), ampak le izberejo ustrezno delovno skupino. Postaja se samodejno prijavi v omrèje in v primeru migra-cije na novo obmo~je, se samodejno prijavi v novo celico oz. bazno postajo (podobno kot GSM). V digitalnem omrèju TETRA je s osrednje lokacije mòno nadzirati delovanje celotnega omrèja in v primeru okvar posredovati re{itve v zelo kratkem ~asu. Prav tako se na centralni opremi konfigurira vse nastavitve za posamezne radijske terminale, na primer lahko se ukraden radijski terminal tudi onemogo~i. V analognih sistemih prihaja do motenj zaradi zelo oteène frekven~ne koordinacije s sosednjimi dràvami v ve~jem {tevilu radijskih pasov. S tem je zelo oteèno, v~asih celo onemogo~eno, delovanje uporabnikov v obmejnih podro~jih. Frekvence digitalnega sistema TETRA so meddràvno koordini-rane, s ~imer se bistveno zmanj{a vpliv frekven~nih motenj. Koordinacija frekvenc digitalnih omreìj je bila làje izvedljiva zato, ker je NATO sprostil del frekven~nih spektrov (380–400 MHz) za potrebe javne varnosti v Evropi. 3 Uporaba v policiji V policiji smo GPS navigacijske sisteme v manj{i meri za~eli uporabljati è pred nekaj leti. Gre predvsem za samostojne sprejemnike, ki so namenjeni predvsem navigaciji. Nekateri od njih so povezani z namenskimi aplikacijami na prenosnih ra~unalnikih. Testirali smo sisteme, ki so preko omreìj mobilne telefonije omogo~ali pregled lokacij v operativnih centrih. Vendar so bile naveden re{itve varnostno in cenovno neprimerne. Z vzpostavitvijo digitalnih radijskih zvez TETRA smo dobili komunikacijski medij, ki omogo~a vzpostavitev varnega in stro{kovno ugodnega sistema. Prva operativna prilònost za vzpostavitev in preizkus opisanega sistema je bilo sre~anje ~lanic OVSE v Ljubljani konec leta 2005. 3.1 Vzpostavitev sistema ob sre~anju OVSE Namen sistema je bil pregled nad lokacijami vozil mednarodnih delegacij oziroma konvojev delegacij, ki so prihajale na sre~anje v prostore gospodarskega razstavi{~a. Zaradi omejenega {tevila postaj 296 Integrirana uporaba globalnega sistema pozicioniranja in digitalnih radijskih zvez v Slovenski policiji smo postaje namenili operativno bolj zanimivim delegacijam oziroma konvojem pri ~emer je sistem omogo~al centralni nadzor in hitro prilagoditev dejanskemu stanju. Natan~no poznavanje lokacij je imelo tudi pomembno vlogo pri usklajevanju prihoda delegacij na sprejem, saj so morale delegacije, v skladu s protokolom, priti v pravilnem zaporedju in ~asovnem razmiku. 3.2 Opis operativnih teàv in pridobljenih izku{enj Pri izgradnji in uporabi sistema smo se sre~ali s {tevilnimi ovirami in teàvami. Prav tako smo pridobili izku{nje za nadaljnjo izgradnjo stalnega sistema navigacije in spremljanja enot v policiji. Ro~ne postaje Motorola sprejemajo GPS signal in izra~unajo poloàj sprejemnika, ni pa mogo~e podatkov o poloàju mòno posredovati na drugo postajo, saj se to funkcionalnost vklopiti izklju~no proti dopla~ilu. Postaje znamke Sepura ne omogo~ajo prenosa podatkov iz datotekeke celotnega prometa radijskega sistema niti ne omogo~ajo pridobitve podatkov o poloàju. Re{itev so bila kratka sporo~ila, ki pa so dodatno bremenila preto~nost omrèja. Teàve so se pojavile tudi pri vozilih delegacij z vgrajenimi termi~nimi stekli, saj so delovala kot Fardayeva kletka. Zato smo postavili postaje v spremljevalna vozila. Pri nadgradnji sistema je v ta namen potrebno uporabiti zunanje antene, ki jih je mòno pri-trditi na zunanjost vozila, prav tako pa je potrebno zagotoviti avtomobilsko napajanje naprave. Pri prikazu podatkov je potrebno poleg identifikacije postaje, prikazati {e druga stanja sistema kot sta odsotnost GPS signala in odsotnost komunikacije ter ostale informacije o enoti, ki postajo uporablja. S tem se izognemo informacijskemu zavajanju, ko zaradi navedenih slabosti sprejemnikov napa~no sklepamo o poloàju operativnih enot v prostoru, kar je lahko posledica odsotnosti GPS signala ali nepo-kritosti terena z baznimi postajami omrèja TETRA. 4 Podro~ja uporabe v policiji Mònost uporabe sistema v policijski slùbi je {iroka. Pomembno je, da pri izgradnji teìmo k od-prtosti, kar pomeni, mònost naknadne dograditve z opremo in re{itvami, ki bi zadostili novim potrebam. V dosedanjih razgovorih z uporabniki sistema so bile izpostavljena naslednja podro~ja nadgradnje uporabnosti sistema: • prikaz policijskih patrulj z njihovimi operativnimi statusi, kar omogo~a takoj{njo dolo~itev najblì- je proste patrulje in njeno napotitev na interventni dogodek brez dodatnega poizvedovanja o njeni lokaciji po radijskih zvezah; • prikrito sledenje vozilom, kjer je potrebno upo{tevati, da ima oprema na tem podro~ju {e mnogo omejitev; • iskalne akcije, kjer so na zemljevidu prikazane è preiskane poti in obmo~ja na podlagi katerih se lahko na~rtuje nove poti in obmo~ja, ki jih je potrebno preiskati; • vodenje akcij, pri katerih bi posamezne operativne skupine dobile informacijo o obravnavanem polo- àju in obmo~ju delovanja, na GPS sprejemnik, ki bi hkrati sluìl kot navigacijski sistem. 5 Sklep Navigacija je podro~je, ki svoj pomen v Slovenski policiji {ele pridobiva. Mòna podro~ja uporabe so {iroka, pri ~emer moramo slediti namen, da je sistem v pomo~ uporabnikom in ne da so uporabniki pomo~niki sistema. Potrebno je prisluhniti potencialnim uporabnikom, in ga v ~im ve~ji meri prilagoditi njihovim potrebam in jim hkrati predlagati mòna podro~ja uporabe. Sistem, ki smo ga zgradili za sre~anje OVSE in ga imamo {e vedno v testni uporabi je pokazal, da nas na tem podro~ju ~aka {e veliko dela, tako z informacijsko opremo kot s samimi uporabniki. 297 Tomislav Iskra 6 Viri in literatura Okorn, B. 2006: Moj Mikro 22–3. Vodniki iz vesolja. Kaplan, E. D. 2004: Mobile Communications Series: Understanding GPS Principles and Applications. Steele, R. 2002: Mobile Radio Communications. 298 GIS v Sloveniji 2005–2006, 299–307, Ljubljana 2006 SPLETNE STORITVE AGENCIJE REPUBLIKE SLOVENIJE ZA OKOLJE S POMO^JO GEOGRAFSKIH INFORMACIJSKIH SISTEMOV Matic Petek S&T Hermes Plus d. d. Leskov{kova cesta 6, 1000 Ljubljana Matic.Petek@ snt.si Ale{ Ver{i~ Agencija Republike Slovenije za okolje Vojkova cesta 1B, 1000 Ljubljana aversic@ gov.si UDK: 659.2:004:91(497.4) IZVLE^EK Spletne storitve Agencije Republike Slovenije za okolje s pomo~jo geografskih informacijskih sistemov Prispevek opisuje spletni storitvi s pomo~jo geografskih informacijskih sistemov, ki omogo~ata izmenjavo prostorskih podatkov med distributerjem oz. vladno ustanovo in njenimi strankami, ki potrebujejo okoljske prostorske podatke. V uvodu so opisani razlogi za uvajanje spletnih storitev in standardi, ki urejajo to podro~je. V nadaljevanju je predstavljena razlika med spletno kartografsko in objektno storitvijo, opisane so tudi njune tehnolo{ke zna~ilnosti. Na koncu sta predstavljeni re{itvi, ki ju je vzpostavila Agencija Republike Slovenije za okolje. KLJU^NE BESEDE geografski informacijski sistemi, spletna kartografska storitev (WMS), spletna objektna storitev (WFS), Geography Markup Language (GML), javna uprava, spletne storitve, okolje ABSTRACT Web services of Environmental Agency of Republic of Slovenia based on geographic information systems Article describes two web services with Geographic Information Systems, which enable exchange of spatial data between distributor (in this case government agency) and their customers, who need environmental spatial data. In the introduction are described the reasons for implementing this web services and standards for this topic. Furthermore is described the differences between web map and web feature service and their technological characteristic. At the end are presented two solutions, which were established in the Environmental Agency of the Republic of Slovenia. KEYWORDS geographic information systems, Web Map Service (WMS), Web Feature Service(WFS), Geography Markup Language (GML), public administration, web service, environment 299 Matic Petek, Ale{ Ver{i~ 1 Uvod Leta 2002 so trije evropski komisarji, za okolje (DG ENV), statistiko (DG EUROSTAT) in raziskave/razvoj (JRC), podpisali dogovor o sodelovanju pri razvoju pobude INSPIRE. Iz te pobude je nastal predlog direktive Evropske komisije (EK), ki je v postopku sprejemanja (predvideva se, da bo direktiva sprejeta do leta 2007). ^e bo sprejeta, bodo morale dràve ~lanice Evropske unije vzpostaviti infrastrukturo za prostorske informacije za namene okoljskih politik EU ter politik ali dejavnosti, ki lahko neposredno ali posredno vplivajo na okolje. Infrastruktura bo morala vklju~evati metapodatke, zbirke prostorskih podatkov in storitve v zvezi s prostorskimi podatki, od lokalne do globalne ravni na tak na~in, da bo omogo~ena njihova ve~namenska uporaba. Evropska infrastruktura bo temeljila na infrastrukturah, ki jih bodo vzpostavile in upravljale drà- ve ~lanice. Poleg te direktive obstaja trend, da se s pomo~jo spletnih storitev za prostorske podatke omogo~i dostop do podatkov na globalni ravni. V ve~ini evropskih dràv nekateri distributerji prostorskih podatkov omogo~ajo njihovo pridobitev s pomo~jo spletne kartografske (WMS) in spletne objektne (WFS) storitve. V Sloveniji je »Geodetska uprava Republike Slovenije (GURS) v letu 2002 za~ela sistemati~- no vzpostavljati distribucijsko okolje geodetske slùbe in ga vklju~evati v sistem e-uprave, ki omogo~a oz. bo omogo~al neposredni ra~unalni{ki dostop do podatkov geodetske slùbe razli~nim skupinam uporabnikov, kot so organi dràvne in lokalne uprave, posebni uporabniki (geodetska podjetja z do-voljenjem za opravljanje geodetskih storitev, notarji, odvetniki, nepremi~ninski posredniki, upravniki stanovanj, ipd.), druge gospodarske drùbe in fizi~ne osebe« (Medmrèje 15). »Sistem distribucije geodetskih podatkov je bil vzpostavljen v letu 2003, leta 2004 pa so operativno za~ele delovati prave storitve za uporabnike preko interneta. Omogo~ajo razli~ne na~ine vpogledov v geodetske podatke ter posredovanje posameznih podatkov v sistem uporabnika« (Àman 2005, 56). Slika 1: Arhitekturni model INSPIRE (Medmrèje 6). 300 Spletne storitve Agencije Republike Slovenije za okolje s pomo~jo geografskih informacijskih sistemov Vendar je to {ele prvi korak k spletnim storitvam za {ir{o uporabo. Distribucija GURS, ki je bila vzpostavljena, je namenjena dràvni upravi, ostali uporabniki pa imajo trenutno samo mònost vpogleda v podatke. Smisel WMS in WFS storitev je, da posamezen uporabnik pridobi vir aùrnih podatkov, ki jih lahko uporablja v kombinaciji s podatki pridobljenih iz drugih virov, in si tako ustvari informacijo, ki jo potrebuje. Pri tem ne potrebuje zelo zahtevne tehnologije, ampak je dovolj namizni ra~unalnik z ustrezno programsko opremo, ki zna prikazovati tovrstne podatke. Vladna koalicija je v koalicijski pogodbi med drugim zapisala; »Koalicija bo javno upravo razvijala kot servis za dràvljane in podjetja ter zagotovila podjetni{- tvu prijazno administrativno okolje« (Medmrèje 12, 54), »Na podro~ju uvajanja elektronske uprave bo koalicija dajala poudarek informatizaciji podatkovnih baz, njihovemu povezovanju in odpiranju za uporabnike znotraj in zunaj javne uprave. Do konca mandata bodo informatizirane vse pomembne podatkovne baze v javnem sektorju (npr. mati~ne evidence)« (Medmrèje 12, 55). Agencija Republike Slovenije za okolje (ARSO) ima v svojem poslanstvu med drugim zapisano: »Opazovanje, analiziranje in napovedovanje naravnih pojavov in procesov v okolju; opravljanje nalog nacionalnih slùb s podro~ja hidrologije, meteorologije, seizmologije in geofizike, varstva narave, upravljanja z vodami; zmanj{evanje naravne ogroènosti ljudi in njihovega premoènja; spremljanje stanja okolja in poro~anje doma~i in mednarodni javnosti ter institucijam; uresni~evanje zahtev varstva okolja, ki izhajajo iz veljavnih predpisov; ozave{~anje ljudi in institucij o okolju in okoljski problematiki; zagotavljanje javnih kakovostnih okoljskih podatkov; ohranjanje naravnih virov, biotske raznovrstnosti in zagotavljanje trajnostnega razvoja dràve« (Medmrèje 1). Med strate{kimi cilji je izpostavljeno: • zagotavljanje kakovostnih okoljskih podatkov, analiz in strokovnih podlage za odlo~anje; • zagotavljanje ve~je splo{ne varnosti in u~inkovitih postopkov za obve{~anje javnosti o okoljskih prob-lemih in pred nevarnimi stanji v okolju; • vpeljavo dràvljanom prijaznih in enostavnih upravnih postopkov; • u~inkovito poslovanje in ~im nìji stro{ki pri opravljanju rednega dela; • skrbjo za ve~jo pozitivno prepoznavnost agencije in njenih nalog v javnosti (Medmrèje 2). S pomo~jo WMS in WFS storitev bo ARSO omogo~ala dostop do aùrnih in kakovostnih okoljskih podatkov in tako sku{ala slediti svojemu poslanstvu in strate{kim ciljem. Za vsakega uporabnika je pomembna kakovost in aùrnost podatkov ter ~im bolj enostaven na~in dostopa do èlenih podatkov, zato je uporaba teh storitev eden od na~inov posredovanja prostorskih podatkov. 1.1 Standardi in standardizacija Namen standardizacije je z dogovorom in s soglasjem med nacionalnimi ustanovami dose~i enotno specifikacijo, kriterije v razvr{~anju materialov, proizvodov, testiranju in analizi, terminologijo in storitvami. Tako uporabnikom olaj{amo postopke in jim nudimo ve~jo zanesljivost, saj uporabnik ve, kaj lahko pri~akuje, ~e posamezni izdelek izpolnjuje dolo~en standard. Standardi, ki urejajo spletne kartografske in spletne objektne storitve, so: OpenGIS® Web Map Service (WMS) Implementation Specification, 1.3; OpenGIS® Web Feature Service (WFS) Implementation Specification 1.1 in ISO 19119: 2005; Geographic information – Services. Poleg teh so pomembni tudi ISO 19113: 2003; Na~ela kakovosti, ISO 19114: 2003; Postopki za ocenjevanje kakovosti in ISO 19115: 2003; Metapodatki. V Republiki Sloveniji je za razvoj in vzdrèvanje slovenskih standardov uradno zadolèn Slovenski in{titut za standardizacijo – SIST ([umrada 2005b). Delovanje SIST-a poteka po tehni~nih odborih, med katerimi je tehni~ni odbor za prostorske informacije in geomatiko (SIST TC GIG) zadolèn za podro~je geografskih informacij. 301 Matic Petek, Ale{ Ver{i~ 2 Kaj je spletna kartografska in spletna objektna storitev? Spletna objektna storitev Web Feature Service (WFS) je vmesnik, ki omogo~a pridobitev geografskih podatkov na podlagi zahtevka preko spleta. Za izmenjavo podatkov se uporablja na XML-u zasnovan GML (jezik za ozna~evanje geografskih podatkov – GML) format za izmenjavo podatkov. GML format bo podrobneje opisan v naslednjem poglavju. Na podlagi zahtevka posameznega uporabnika spletna kartografska (WMS) storitev izdela dinami~ne karte, ki so georeferencirane. Za razliko od WFS storitve, kjer se prena{ajo podatki o posameznem obmo~ju, se pri WMS storitvi izdela karta, ki je narejena v rastrskem formatu PNG, GIF in JPEG ali pa kot vektorski element v SVG ali WebCGM formatu. Karta vsebuje tudi atributne podatke. Do podatkov, ki so pripravljeni v WMS na~inu lahko uporabniki dostopijo preko programske opreme, ki je naloèna na namiznih ra~unalnikih in omogo~a dodajanje prostorskih podatkov preko WMS storitve, ali pa s po-mo~jo aplikacije, ki je izdelana posebej za tovrstne storitve. 3 Opis tehnolo{kih zna~ilnosti standarda za spletne kartografske in spletne objektne storitve V nadaljevanju so opisane tri najpogosteje uporabljene tehnolo{ke zna~ilnosti. Vse tri prina{ajo postopke za zapis podatkov ali izvajanje operacij, vendar ne omenjajo, kako se opisani podatki presli-kajo v baze podatkov (datote~no shranjenih ali v relacijske baze). Na~in preslikave je v domeni izvedbe strènika. Jezik za ozna~evanje geografskih podatkov (GML – Geography Markup Language) ([umrada 2005a): GML je jezik za moduliranje, transport in shranjevanje geografskih informacij. Vsebuje razli~ne objekte za opis geografskih lastosti, kot so geometrija, koordinatni sistem, topologija, ~as, enote merjenja in splo{ne vrednosti. V nadaljevanju navajamo primer opisa lokacije s to~ko. Slika 2: Primer zapisa to~ke v GML zapisu (Slika2_Primer_zapisa_tocke_v_GML_zapisu.jpg). WMS – spletna kartografska storitev: WMS izdeluje karte iz prostorsko ume{~enih podatkov, ki se nahajajo v geografskih informacijskih sistemih. Izhodni format podatkov so razli~ni slikovni (GIF, PNG, JPEG) ali vektorski zapisi (SVG ali WebCGM). Poznamo tri vrste operacij: • vra~anje metapodatkov o storitvi, • vra~anje karte. Primer enostavnega klica: Slika 3: Primer zahtevka za sliko na WMS strèniku informacije o dolo~enem sloju podatkov na mapi. 302 Spletne storitve Agencije Republike Slovenije za okolje s pomo~jo geografskih informacijskih sistemov Najpogosteje sre~amo WMS v kombinaciji z WFS in stiliziranega opisovalca sloja ( StyledLayerDes-criptor – SLD) – prvi skrbi za ustrezni dostop do vektorskih podatkov, slednjega pa uporabimo za definicijo slogov izrisanih podatkov. Ko èlimo uporabiti storitev WMS, moramo v aplikaciji vpisati URL, s pomo~jo katerega kli~emo podatke iz strènika: http://k3/wmsconnector/com.esri.wms. Esrimap/zavobm?request=get capabilities&service= WMS&version=1.1.1 Ko smo pridobili podatke, jih lahko s pomo~jo aplikacije pregledujemo, kombiniramo z drugimi sloji in pridobimo atributivne podatke. Slika 4: Primer uporabe WMS s pomo~jo ArcCataloga (ESRI). WMS je uporabnikom poenostavil dostop do grafi~nih podatkov (kart) iz razli~nih podatkovnih virov. WFS – spletna objektna storitev: WFS omogo~a dostop in spreminjanje podatkov preko HTTP protokola. Na voljo so operacije tipa dodaj, spremeni, zbri{i, zakleni, povpra{uj in iskanje. WFS podpira naslednje operacije: • GetCapabilities – spletna storitev mora imeti mònost predstavitve svojih zmònosti. Predvsem mora biti sposobna dolo~iti, katere geografske elemente podpira in kak{ne operacije lahko izvajamo. • DescribeFeatureType – vrne opis podanega geografskega elementa. • GetFeature – spletna storitev mora imeti mònost vra~anja geografskih elementov. Aplikacija mora imeti mònost dolo~anja, katere parametre èli prebrati in postaviti pogoj po geografskih ali ostalih podatkih. • GetGmlObject – vrne Xlink kazalec na ustrezni GML objekt. • Transaction – transakcija je skupina operacij dodajanja, spreminjanja ali brisanja geografskih elementov. • LockFeature – spletna storitev mora omogo~iti zaklepanje skupine objektov za ~as transakcije. 303 Matic Petek, Ale{ Ver{i~ 4 Primeri implementacij 4.1 Uporaba WMS s pomo~jo ArcIMS na Agenciji RS za okolje Podjetje ESRI je eden vodilnih ponudnikov programske opreme za geografske informacijske sisteme. Razli~ne OGC standarde podpira tako na nivoju produktov za strènike (ArcIMS), kot tudi v programih za kon~ne uporabnike (npr. ArcInfo). ArcIMS je strènik za objavljanje dinami~no generiranih kart in prostorskih podatkov na spletu. Izvorni podatki se lahko nahajajo v datotekah na disku ali v podatkovni bazi, do katerih se dostopa preko programa ArcSDE. Za posredovanje prostorskih podatkov je potrebno izdelati konfiguracijsko datoteko, v kateri je zapisano, kje se podatki nahajajo, posamezne nastavitve (projekcija, merilo prikaza, …). To datoteko lahko naredimo v .axl ali .mxd formatu. Te zatem objavimo na ArcIMS aplikacijskem strèniku pod dolo~enim imenom storitve in podatki so dostopni do uporabni{kih aplikacij. V ArcIMS je potrebno posebej vzpostaviti WFS in WMS. Vendar je potem uporaba zelo enostavna – preko spletnega ~arovnika objavimo obstoje~e storitve kot WFS ali WMS. Na àlost pa ArcIMS ne podpira branje ali spreminjanje podatkov preko WFS protokola. Prostorske podatke na ARSO lahko ponudimo v obliki WMS, ki je bil narejen z ArcIMS strènikom. Podatki so zapisani v relacijski bazi Oracle, nad katero je ArcSDE strè- nik, ki omogo~a urejanje teh podatkov. Slika 5: Arhitektura ArcIMS in proces izdelave WMS. 304 Spletne storitve Agencije Republike Slovenije za okolje s pomo~jo geografskih informacijskih sistemov S pomo~jo ArcIMS administratorja izdelamo ArcIMS storitev, pri ~emer uporabimo konfiguracijsko datoteko. Na ta na~in smo izdelali ArcIMS storitev, ki se lahko uporabi za spletni pregledovalnik ali pa za WMS. S pomo~jo ArcIMS – WMS Connector Administratorja objavimo ArcIMS storitev kot WMS. 4.2 Uporaba WFS s pomo~jo GISRepSystem na Agenciji RS za okolje Re{itev GISRepSystem omogo~a enostavno objavo podatkov iz Oracle Spatial formata preko WFS standarda. Omogo~a namestitev na poljubni J2EE zdrùljivi aplikacijski strènik. V okviru projekta na ARSO smo uporabili podatke, ki so shranjeni v Oracle Spatial formatu, medtem ko re{itev omogo~a izdelavo prilagodljivih podatkovnih virov. Pomembni del sistema GISRepSystem predstavlja tudi odjemalec, ki iz podanega vira podatkov (WFS strènika) prepi{e podatke v izbrani izhodni format (npr. ESRI Shape ali OGC GML). Poleg prepisa podatkov, vsebuje tudi naslednjo bolj napredno funkcionalnost: • izbira enega ali ve~ WFS podatkovnih virov, • omejitev prepisanih podatkov glede na izbrane stolpce in dolo~ene kriterije, • frekvenca osveèvanja podatkov in izhodni format, • zdruèvanje podatkovnih virov v ve~je skupine, imenovane profil, • delovanje programa v ozadju, kar omogo~a nemote~e vsakodnevno izvajanje replikacij. Na tem mestu se zastavlja vpra{anje, zakaj replikacije geografskih podatkov na lokalni ra~unalnik, ~e pa è lokalno GIS orodje omogo~a neposreden dostop do GIS podatkov preko WFS protokola. Po na{ih izku{njah se uporabnost orodja prikaè predvsem v primerih, ko: • uporabniki dostopajo do ve~je koli~ine podatkov in bi vsakokratni prenos preko WFS protokola upo- ~asnil njihovo delo, • {ele zadnje verzije GIS programske opreme podpirajo WFS standard. Ve~ina uporabnikov ima name{- ~ene starej{e verzije ali orodja, ki tudi v blìji prihodnosti ne bodo podpirale WFS standarda. Ker program za replikacijo podpira tudi ESRI Shapefile zapis podatkov, lahko podatke uporabimo tudi v starej{ih razli~icah. • v nekaterih primerih èlimo podatke samo posredovati uporabnikom in zunanjim izvajalcem za nadaljnjo obdelavo. V tem primeru ne potrebujejo GIS orodja, temve~ si podatke lahko izvozijo v ESRI Shapefile ali GML formatu. Slika 6: Umestitev GISRepSystem v informacijski sistem. 305 Matic Petek, Ale{ Ver{i~ S pomo~jo sistema GISRepSystem bodo lahko uporabniki pridobili podatke kot WFS storitev. Do bodo podatkov lahko pri{li s pomo~jo javanske aplikacije WFSClientUI, ki jim bo omogo~il prenos podatkov v .shp ali .gml formatu. Drugi na~in pa je s pomo~jo WFS protokola, kjer uporabnik vnese URL naslov v aplikacijo, ki mu omogo~a prikaz podatkov na osnovi WFS storitve. NA slednji na~in uporabnik pridobi podatke v realnem ~asu neposredno iz distribucijskega strènika in ne iz lokalnega ra~unalnika kot je to v prvem primeru. 5 Sklep Storitvi kot sta WMS in WFS lahko pripomoreta k enostavnej{emu dostopu do prostorskih podatkov. Tak na~in distribucije predstavlja racionalnej{o re{itev, ker so podatki na voljo uporabnikom 24/7, distributerju pa preostane naloga, da vzdrùje to storitev. V za~etni fazi so stro{ki ve~ji kot pa pri posredovanju na obstoje~i na~in, vendar pa se na ta na~in zagotovijo aùrni podatki za uporabnike in uporabniku ni treba skrbeti, ~e ima zadnjo verzijo podatkov, saj je distributer tisti, ki mora zagotoviti preko teh storitev zadnje stanje podatkov, iz distribucijske baze. Eden od problemov je tudi preverjanje dostopa uporabnikov do WMS in WFS storitev. V svetu spletnih aplikacij se v uporabljajo pristopi, kot so uporabni{ko ime in geslo, prijava preko pravilnega elektronskega naslova, digitalna potrdila, itd. Ustrezno metodo avtorizacije lahko obi~ajno nastavimo na aplikacijskih strèniku, vendar WMS/WFS specifikacije ne zahtevata podpore za zgoraj na{tete metode. V praksi bi to pomenilo, da se na WFS/WMS strènik ne moremo povezati s pomo~jo najpogostej{ih GIS orodij (ESRI ArcGIS, MapInfo, INTERGRAPH), kar seveda izni~i vse napore enostavnega dostopa do podatkov. V primeru ve~jih koli~in podatkov obi~ajno nastane tudi problem hitrosti njihovega prenosa. Zaradi uporabe XML oblike zapisa podatkov (predvsem WFS) velik del prostora zasedejo metapodatki, ki dolo~ajo strukturo zapisa podatkov in ne same vsebine. Zato se zelo priporo~a uporaba razli~nih tehnik kompresije podatkov. Obstaja kar nekaj algoritmov, ki so optimizirani za kompresijo XML oblike podatkov (npr. XMill), vendar se v praksi izkaè, da je GZIP algoritem {e najprimernej{i. Pri uporabi WMS s pomo~jo ArcIMS so bili problemi glede koordinatnega sistema. ArcIMS posreduje podatke v geografskih koordinatah, kljub temu, da je bila v konfiguracijski datoteki zapisana projekcija D-48 in je zato potrebna transformacija v slovenski dràvni koordinatni sistem D-48. Transformacija je vsekakor potrebna, ~e ho~emo zdruèvati prostorske podatke na obmejnih obmo~jih, saj imajo vse sosednje dràve svoj koordinatni sistem. V prihodnosti bo ta problem odpadel, saj se predvideva, da bodo evropske dràve pre{le na koordinatni sistem ETRS89. 6 Viri in literatura Àman, I. 2005: Vzpostavitev slovenske prostorske podatkovne infrastrukture. Magistrska naloga. Ekonomska fakulteta Univerze v Ljubljani. Ljubljana. Medmrèje 1: http://www.arso.gov.si/o_agenciji/strate~ski_dokumenti/poslanstvo/ (6. 3. 2006) Medmrèje 2: http://www.arso.gov.si/o_agenciji/strate~ski_dokumenti/cilji/ 6. 3. 2006) Medmrèje 3: http://deegree.sourceforge.net/index.html (8. 3. 2006) Medmrèje 4: https://portal.opengeospatial.org/files/?artifact_id=7174 (6. 3. 2006) Medmrèje 5: http://inspire.jrc.it/home.html (6. 3. 2006) Medmrèje 6: http://inspire.jrc.it/reports/position_papers/inspire_ast_pp_v4_3_en.pdf (24. 6. 2006) Medmrèje 7: http://www.esri.com/software/standards/ogc-support.html (10. 3. 2006) Medmrèje 8: https://portal.opengeospatial.org/files/?artifact_id=1188 (6. 3. 2006) Medmrèje 9: https://portal.opengeospatial.org/files/?artifact_id=3837 (6. 3. 2006) 306 Spletne storitve Agencije Republike Slovenije za okolje s pomo~jo geografskih informacijskih sistemov Medmrèje 10: https://portal.opengeospatial.org/files/?artifact_id=8339 (6. 3. 2006) Medmrèje 11: https://portal.opengeospatial.org/files/?artifact_id=8618 (6. 3. 2006) Medmrèje 12: http://portal.opengeospatial.org/files/?artifact_id=5316 (6. 3. 2006) Medmrèje 13: http://www.sls.si/documents/stranka/koalicijska-pogodba.pdf (24. 6. 2006) Medmrèje 14: http://inspire.jrc.it/state_of_play.cfm (24. 6. 2006) Medmrèje 15: http://www.zrc-sazu.si/slogis/zbornik.htm (24. 6. 2006) Medmrèje 16: http://www.sist.si/slo/g2/tdt.pdf (24. 6. 2006) [umrada, R. 2005a: Strukture podatkov in prostorske analize. Fakulteta za gradbeni{tvo in geodezijo Univerze v Ljubljani Ljubljana. [umrada, R. 2005b: Tehnologija GIS. Fakulteta za gradbeni{tvo in geodezijo Univerze v Ljubljani Ljubljana. 307 308 GIS v Sloveniji 2005–2006, 309–318, Ljubljana 2006 SPLETNA STORITEV ZA UPRAVLJANJE IN UREJANJE PROSTORSKIH GIS PODATKOV Dragan Vitas, dr. Mark Ple{ko, Andrej Maleì~, Mitja [lenc in Miha Kadunc Cosylab d. o. o. Teslova ulica 30, 1000 Ljubljana dragan.vitas@ cosylab.com, mark.plesko@ cosylab.com, andrej.malezic@ cosylab.com, mitja.slenc@ cosylab.com, miha.kadunc@ cosylab.com UDK: 659.2:004:91 IZVLE^EK Spletna storitev za upravljanje in urejanje prostorskih GIS podatkov Razvili smo zmogljivo spletno GIS storitev in orodja za celovite in porazdeljene aplikacije za zahtevne uporabnike. Nagradljiv sistem omogo~a so~asno uporabo iste GIS baze {tevilnim uporabnikom za urejanje ali novo vna{anje. Za obravnavo z razvitim sistemom so mòne baze: ORACLE, ESRI SDE, mySQL, in podobne. Omogo~ene so vse prednosti skupnega oddaljenega dela, kjer uporabniki so~asno urejajo in digitalizirajo zemlji{ke parcele ter uporabljajo vse standardne GIS funkcionalnosti. Koli~ina prenesenih podatkov preko omrèja je optimirana na minimum. Primer uspe{ne postavitve razvitega sistema je bil izveden na Ministrstvu za kmetijstvo, gozdarstvo in prehrano (KMGP) in sicer za vnos in obdelavo grafi~nih enot zemlji{kih parcel (GERK) za potrebe prijav in nadzora kmetijskih subvencij, ki jih zagotavlja EU. Z uporabo obravnavane spletne storitve ve~ kot 500 uporabnikov na dan sproì preko 1,5 milijona transakcij na standardnih PC ra~unalnikih pri ~emer je zagotovljena polna funkcionalnost uporabe. KLJU^NE BESEDE GIS, LPIS, GERK, porazdeljeni sistem, Java, spletni pregledovalnik, prostorski podatki, zemlji{ka parcela ABSTRACT Web service for managing and editing spatial GIS data We have developed an effective Web-based spatial GIS service for complex and distributed applications and for demanding customers. Scalable and platform independent system allows many concurrent users simul-taneous use of GIS database to edit or digitize new land parcels. System is open for ORACLE, ESRI SDE, mySQL and othe databases. All advantages of concurent remote work are enabled where users can simul-taneously edit or digitize land parcels or use any of standard GIS features. Necessary network communication is optimized to a minimum without hindering functionalities. The most prominent successful installation is Land Parcel Information System (LPIS) at the Slovenian Ministry of Agriculture providing applications submittion and control function of EU farming subsidies. Over 500 users resulted in over 1,5 million hits per day without any loss of performance on stanadrd PC hardware. KEYWORDS GIS, LPIS, distributed system, Java, support center, web viewer, scalability,web application, spatial data, land parcel 309 Dragan Vitas, Mark Ple{ko, Andrej Maleì~, Mitja [lenc, Miha Kadunc 1 Uvod Nekatere velike ustanove ali podjetja za svoje delovanje potrebujejo u~inkovito uporabo geografskih informacijskih sistemov. To so okolja z razli~nih podro~ij delovanja kot so npr. ekologija (lokacija rastlin, ìvali, odlagali{~, izvorov hrupa, meteorolo{kih podatkov in mnogo drugih), varnost (voja{ki zemljevidi v 3D, na~rti za civilno za{~ito s plani postopkov) in lastninske evidence (elektronski kataster, povezan z zemlji{ko knjigo). Tipi~ni uporabniki takih sistemov so npr. zavarovalnice, telekomi, elektrogospodarstva, vodovodi, cestna podjetja in e-Vlada oz. posamezna ministrstva. Kmetijska ministrstva potrebujejo GIS sisteme za u~inkovito vodenje digitalnih evidenc kmetijskih zemlji{~ in njihove rabe (t. i. »grafi~ne enote rabe kmetijskih gospodarstev« – GERK, angl. LPIS), s pomo~jo katerih lahko med drugim tudi izvajajo in upravljajo s prijavami Evropski komisiji za sub-vencije. Neposredna uporaba zbirk prostorskih podatkov je v slednjem primeru potrebna tudi lastnikom in {e posebej uporabnikom kmetijskih zemlji{~, ki lahko kot kon~ni uporabniki neposredno ozna~ujejo in prijavljajo svoje kmetijske parcele za pridobitev subvencij. Ob tem obstaja v novih ~lanicah EU (vklju~no s Slovenijo) in v kandidatkah za ~lanstvo posebnost, da je potrebno zaradi nepopolnih in neaùrnih katastrskih evidenc, podatke o rabi zemlji{~ (obmo~- ja, povr{ine, in drugi atributni podatki) vzpostavljati v novo bazo rabe kmetijskih zemlji{~, za kar je dodatno potreben zmogljiv informacijski sistem. Na{tete skupine uporabnikov imajo v okviru svojih GIS sistemov lahko ve~ sto ali tudi ve~ tiso~ so~asnih kon~nih uporabnikov (izpostave, terenski delavci, ciljne skupine prebivalstva – kmetijski proizvajalci). Pri tem mora biti zagotovljeno, da imajo kon~ni uporabniki ~im bolj u~inkovit dostop do precej{nje koli~ine elektronskih geografskih in spremljajo~ih podatkov. To terja precej{nje stro{ke in teàve z vzdrèvanjem le-teh. Pri razvoju GIS aplikacij in storitev proizvajalci programske opreme za dolo~en namen obi~ajno prilagajajo GIS programske izdelke, ki so prvenstveno namenjeni lo~eni namizni uporabi in so precej slab{e prirejeni za uporabo preko spleta. Zato se taki sistemi pri prenosu velike koli~ine podatkov skozi podatkovno omrèje izkaèjo kot prepo~asni in preokorni, {e posebej pri upo{tevanju zahteve glede so~asnega dela velikega {tevila uporabnikov z isto bazo. Poleg tega je uporaba sistema obi~ajno vezana na pla~evanje licen~nine, kar uporabo takih sistemov naredi zelo drago. Omejitve se kaèjo tudi pri vezavi na uporabo zgolj posamezne vrste podatkovnih baz, s ~imer je univerzalnost takih sistemov zelo okrnjena. Standardni GIS produkti ve~inoma ne re{ujejo problemov mnoì~ne so~asne uporabe pri vnosih in obdelavi podatkov. Podjetje Cosylab d. o. o. je bilo z navedenimi omejitvami vzpodbujeno k razvoju lastne programske osnove Giselle, ki naveden probleme u~inkovito presega. Na podlagi osnove Giselle je bila v letu 2005 za slovensko Ministrstvo za kmetijstvo, gozdarstvo in prehrano izdelana in postavljena namenska storitev in aplikacija GERK. Na tej osnovi so postavljene tudi uspe{ne GIS re{itve kot na primer v Angliji in na [kotskem (Medmrèje 1: http:// www.defra.gov.uk/erdp/schemes/els/online/download.htm (15. 5. 2006). 2 Tehnolo{ka zasnova programske platforme Giselle Cosylab je pri razvoju programske platforme oz. tehnologije Giselle vnaprej oblikoval izhodi{~a na podlagi lastnih zamisli in potreb trga, ki so bila potem tudi upo{tevana pri razvoju platforme. 2.1 Osnovna vodila pri snovanju tehnologije Giselle Osnovno vodilo pri zasnovi programske osnove Giselle je bilo, da mora biti sistem u~inkovit in mora razre{iti probleme obstoje~ih sistemov, ki so dosegljivi na trgu ter je obenem cenovno bolj ugoden (do-310 Spletna storitev za upravljanje in urejanje prostorskih GIS podatkov stopen). Izhodi{~e za oblikovanje zahtev je bilo ugotovljeno na osnovi analize stanja na obravnavanem strokovnem podro~ju v Sloveniji. Izpolnjene so morale biti naslednje zahteve: • uporabniki morajo obdelovati velike koli~ine podatkov preko relativno po~asnih podatkovnih povezav, • sistem mora biti neodvisen od uporabljene platforme, porazdeljen in preprost za vzdrèvanje, • razvijalci sistema se morajo osredoto~iti na razvoj funkcionalnosti in ne na obhodne re{itve razli~- nih platform, • sistem se mora opirati na obstoje~e standarde, kjerkoli je to mogo~e, • sistem mora biti sposoben zagotoviti varno komunikacijo skozi omrèje, • licen~na politika mora biti prilagodljiva, • sistem mora biti nadgradljiv (z vidika zmogljivosti v strèni{kem delu in z vidika {tevila uporabnikov). @e v osnovi je bilo predvideno, da bo sistem uporabljen s strani razli~nih skupin uporabnikov z razli~nimi nivoji tehni~nega znanja, ve~ina tudi z malo ali brez izku{enj z GIS programsko opremo. Zato je bilo zelo pomembno predvideti, da je uporabni{ki vmesnik preprost in intuitiven za uporabo. Osnovna ideja pri snovanju je bila, da zahtevni problemi nujno ne zahtevajo tudi kompleksnih in dragih re{itev. Zato je bila posledi~na zahteva, da sistem temelji na povsod dostopnih spletnih tehnologijah in obi~ajnih osebnih ra~unalnikih brez drage dodatne opreme. Za dosego preprostosti uporabe je bilo torej potrebno izpolniti {e naslednje zahteve: • aplikacija na strani odjemalca bo sproèna s strani spletnega brskalnika in samodejno osveèna vsaki~, ko bodo na voljo nove razli~ice, • re{itev bo temeljila na spletnih tehnologijah in Java™ platformi, kar omogo~a delovanje programske opreme na razli~nih platformah in operacijskih sistemih ter zagotavlja preprostost za vzdrèvanje, • uporabni{ki vmesnik, vklju~no s sporo~ili o napakah, bo povsem lokaliziran, t. j. bo povsem prilagojen potrebam lokalnega okolja (jezik, na~ini ozna~evanja in menijskih razporeditev na ekranu, izbor funkcionalnosti in podobno) • atributne vnosne forme bodo vsebovale napredno logiko, ki bo zagotovila preverjanje s strani uporabnikov vnesenih podatkov ter jih vodila v primeru napa~nih vnosov, • grafi~no urejanje bo v polni meri topolo{ko nadzorovano, kar bo prepre~evalo napake in vodilo uporabnika med zahtevnimi nalogami pri vnosu (na primer zapolnjevanje lukenj, lo~evanje, zdruèvanje in spenjanje poligonov) in pri odpravljanju napak (prekrivanja, zamaknjeni centroidi, podvojene to~- ke, in podobno), • spletne povezave do smiselno povezanih html strani za pomo~ bodo na voljo na razli~ne na~ine preko uporabni{kega vmesnika, • uporabni{ki vmesnik bo usmerjen v izvajanje nalog, kar bo tudi novim uporabnikom zagotovilo hitro u~enje. Mo~nej{e funkcionalnosti, ~eprav ne neposredno vidne preko uporabni{kega vmesnika, ker bi motile nove uporabnike, bodo dosegljive za napredne uporabnike in za izvedence, • strèni{ka aplikacija omogo~a podpornemu centru grafi~ni vpogled v delo uporabnikov in tako zagotavlja daljinsko pomo~ v primeru topolo{kih teàv ali dvomov. Upo{tevali smo tudi dodatne omejitvene pogoje kot so: • veliko {tevilo so~asnih uporabnikov (300 in ve~) • slab{e podatkovne povezave (64 kbit/s) • omejene zmònosti odjemalskih ra~unalnikov (600 MHz, 256 MB) • velika koli~ina podatkov, ki jih je potrebno prena{ati (ortofoto posnetki 0.5 m) • zahteva za visoko stabilnostjo sistema • uporabniki imajo razli~ne nivoje obstoje~ega znanja s podro~ja GIS/IT Vse navedene zahteve so se izkazale tudi kot tehnolo{ko izvedljive, kar je pokazano v naslednjem razdelku. 311 Dragan Vitas, Mark Ple{ko, Andrej Maleì~, Mitja [lenc, Miha Kadunc 2.2 Kako so zahteve tehnolo{ko uporabljene Pri programski osnovi Giselle gre za nabor programskih modulov oz. podprogramov (knjìnica) za obdelavo, upravljanje in prikaz geografskih GIS podatkov. Zami{ljena je kot varen internetni/intra-netni ve~uporabni{ki spletni sistem, namenjen za vpogled in obdelavo GIS poligonov in njihovih atributov bodisi preko samostojnih namiznih aplikacij, ali pa v sklopu zasnove odjemalec/strènik preko obi~ajnega spletnega brskalnika z razli~nih lokacij. Z u~inkovito topolo{ko zasnovo je omogo~ena preprosta uporaba z obi~ajnimi komunikacijskimi povezavami preko html storitev ter preprosta nadgradljivost {tevila uporabnikov in {tevilnih drugih funkcionalnosti. Celotna programska osnova Giselle omogo~a tudi celovito upravljanje z atributnimi geografskimi podatki in storitvami. Omogo~a delo tako z vek-torskimi kot atributnimi geografskimi slikami. Za centralno upravljano podatkovno bazo je zagotovljena konsistentnost in aùrnost. Sistem Giselle ne terja posebnih pogojev za uporabljeno programsko opremo, strojno opremo ali pogojev za lastni{tvo posameznih licenc s strani kon~nih uporabnikov. Sistem ni omejen le na povezavo z eno vrsto podatkovnih baz in tako omogo~a delo z razli~nimi bazami, npr. Oracle, ESRI SDE, ESRI shape, mySQL, PostgreSQL. Medmrèje 11: http:// oracle.com (15. 5. 2006). Medmrèje 4: http:// esri.com/software/arcgis/index.html (15. 5. 006). Medmrèje 5: http:// www.esri.com/library/whitepapers/pdfs/shapefile.pdf (15. 5. 2006). Medmrèje 6: http:// www.mysql.com (15. 5. 2006). Zasnova z avtomatsko prilagodljivo pasovno {irino pri prenosu podatkov glede na konkretne komunikacijske zmònosti vedno omogo~a ustrezno odzivnost sistema brez izgube funkcionalnosti. Ob zmanj{anih komunikacijskih zmònostih preko omrèja sistem prilagaja odzivnost zgolj na ra~un kakovosti prenesenih slik s pomo~jo prilagodljivih algoritmov stiskanja slik na strèniku. Taka zasnova ne zahteva od uporabnikov dodatnih znanj za u~inkovito delo v razli~nih realnih okoli{~inah. Sistem Giselle je topolo{ko razdeljen v tri-nivojski arhitekturi odjemalec-strènik kombinirani z nekaterimi vidiki arhitekture terminal-gostitelj za izbolj{anje u~inkovitosti. Slika 1 prikazuje podrobnosti. Neodvisnost od uporabljene platforme je bila zagotovljena z izbiro Java™ tehnologije, ter s spletnimi brskalniki, ki delujejo z navideznim javanskim strènikom (Java™ Virtual Machine orodji). Uporabljene so relacijske baze s standardnimi orodji za prostorske podatke Open GIS Community (OGC) (Medmrèje 13: http:// opengeospatial.org (15. 5. 2006). Razvit je bil OGC zdrùljivi aplikacijski strènik z uporabo standardov CORBA ali »Web Services« v sodelovanju z XML podatkovno izmenjavo za komunikacijo (Medmrèje 2: http:// java.sun.com/developer/onlineTraining/corba/ (15. 5. 2006). Z na- {tetim je zagotovljeno, da je re{itev zdrùljiva z obstoje~imi standardi in izmenljiva z drugimi re{itvami. Uporaba spletnih brskalnikov za komunikacijo je tudi omogo~ila uporabo standardnih za{~itnih tehnik pri komunikaciji skozi javno podatkovno omrèje, s ~imer je zagotovljena varnost prenosa. Slika 1: Shematski prikaz tri-nivojske arhitekture Giselle. 312 Spletna storitev za upravljanje in urejanje prostorskih GIS podatkov 2.3 Distribucija ortofoto posnetkov Potrebe na projektu so bile odli~no re{ene s Cosylab slikovnim strènikom. Arhitektura sestoji iz enega centralnega strènika, ve~ih odjemalcev in iz ve~ih dodatnih lokalnih slikovnih strènikov (za vsako lokalno omrèje po eden). Centralni strènik zagotavlja, da so podatki konsistentni in aùrni, lokalni strènik pa jih aktivno shranjuje. Podatki se prena{ajo preko omrèja, preko fizi~nih medijev ali oboje. Nato odjemalci dostopajo do lokalnih strènikov za zajem slik. ^e na njih slika {e ni vmesno shranjena, bo transparentno prenesena iz centralnega strènika na lokalnega. Bistvena lastnost porazdeljene zasnove Cosylab slikovnega strènika, ki je drugi LPIS sistemi nimajo, je, da centralni strènik upravlja tako s slikami kot z odjemalci. Obi~ajna arhitektura z neodvisnimi odjemalci na lokalnih strènikih zahteva od skrbnikov opravljanje dodatnih aktivnosti, na primer vzdr- èvanje in konfiguriranje, upravljanje z licencami,. Pri uporabi topologije terminal-strènik je sistem v prometnih konicah preobremenjen, ker zahteve niso porazdeljene in paralelizirane. Zato so v teh primerih potrebne ve~je pasovne zmogljivosti, ki potem ve~ino ~asa niso izkori{~ene. 2.4 Povezljivost sistema Giselle z drugimi sistemi V zapletenih okoljih je medsebojna povezljivost sistemov nujnost. Najlàja pot za dosego povezljivosti bi bila, ~e bi vsi upo{tevali standarde. Ker pa takega enotnega standarda v realnosti ni, je vedno potrebno izvajati povezovanje, ki razhajanja med standardi premo{~a. Sistem Giselle je bil zasnovana z zgoraj navedeno zamislijo. Zdrùljivost med sistemom Giselle in veljavnimi standardi, izdelki in storitvami je dosegljiva s prilagodljivo arhitekturo. Vhodni podatki, ki jih Giselle zajema, obdeluje ali prikazuje uporabniku, so obdelani s programskimi dodatki (plug-ins). Za vsak tip vira podatkov (prostorska podatkovna baza, OpenGIS strènik, DB2) je potrebno le namestiti ustrezen programski dodatek in aplikacija je name{~ena za uporabo. Sistem Giselle je tako è sedaj sposoben povezljivosti s celo vrsto standardov, produktov in platform, hkrati pa je tudi odprt za nadaljnje novosti, ki bodo z razvojem aktualne. 3 Vzpostavitev spletne storitve GERK na Ministrstvu za kmetijstvo Na Ministrstvu za kmetijstvo, gozdarstvo in prehrano je bil cilj projekta GERK vzpostavitev in vzdr- èvanje evidence Grafi~nih Enot Rabe Kmetijskih gospodarstev – GERK, ki je namenjena za izvedbo uveljavljanja ukrepov evropske kmetijske politike. Potrebno je bilo dolo~iti lego, obliko in rabo kmetijskih zemlji{~, ki so v uporabi posameznega nosilca kmetijskega gospodarstva z namenom prijave za pridobitev podpore s strani Evropske komisije (EU). 3.1 Namen GERK projekta Pogoj, da dràva lahko ~rpa finan~na sredstva za pla~ila na kmetijsko povr{ino iz Evropske Unije, je vzpostavljen Integrirani Administrativni in Kontrolni Sistem (IAKS), del katerega je morala posta-ti tudi GERK aplikacija in storitev. V Sloveniji so bili od leta 2000 za prijavo in nadzor pla~il na povr{ino uporabljani numeri~ni podatki iz zemlji{kega katastra. V letu 2005 pa je Ministrstvo za kmetijstvo v skladu z EU zakonodajo o izvajanju ukrepov skupne kmetijske politike moralo vzpostaviti elektronsko evidenco GERK. Glavni namen GERK sistema je dolo~iti lokacijo in podro~je enovite parcele kmetijskega zemlji{- ~a, katera se izkori{~a za isto vrsto rabe zemlji{~a (GERK) in je obdelovana s strani enega nosilca (npr. kmetijski pridelovalec, uporabnik zemlji{~a). Poloàj zemlji{~ se v sistemu dolo~i interaktivno, s po-mo~jo prikaza digitalnih ortofoto posnetkov Slovenije. 313 Dragan Vitas, Mark Ple{ko, Andrej Maleì~, Mitja [lenc, Miha Kadunc Pri tem je bilo potrebno obiti tudi najve~je probleme, zaradi katerih je bilo sistem GERK tudi potrebno vzpostaviti: • slaba poloàjna natan~nost grafi~nih podatkov digitalnega katastrskega na~rta (DKN); • vsebinske nepravilnosti katastra, kot so neaùrni opisni podatki, saj za mnogo sprememb v naravi nikoli ni bil zahtevan vpis v kataster; • napake v katastru dejanske rabe kmetijskih zemlji{~, ki izhajajo iz interpretacije podatkov iz letalskih posnetkov ali iz spremembe rabe v naravi, glede na stanje na posnetku. Te pomanjkljivosti so od vzpostavljenega informacijskega sistema terjale zmogljiva GIS orodja, ki omogo~ajo u~inkovite primerjave in popravke glede na obstoje~e evidence. 3.2 Izvedene re{itve za uporabnika v okviru projekta S projektom GERK je bila tako v letu 2005 v celoti na novo vne{ena digitalna grafi~na baza podatkov kmetijskih zemlji{~ ter vzpostavljena pripadajo~a storitev za obmo~je celotne Slovenije. Aplikacija GERK omogo~a uporabnikom, da odpirajo in preoblikujejo vektorske poligone s sprotno samodejno topolo{ko kontrolo, vna{ajo atributne podatke (npr. naziv poligona, komentarji kmetijskih svetovalcev ali prijaviteljev), analiziranje in upravljanje podatkov, »brskanje« po podatkovni bazi in uprav-Statusna vrstica Grafi~ni Okno za prikaz Okno [t. parcele ^arovnik poizvedbe Orodja za sloje Slika 2: Prikaz oken aplikacije GERK. 314 Spletna storitev za upravljanje in urejanje prostorskih GIS podatkov ljanje in tiskanje kon~nih poro~il sestankov. Aplikacija omogo~a uporabo in upravljanje podatkov iz drugih, zunanjih podatkovnih baz preko interneta, na primer z Registrom Agencije Republike Slovenije za kmetijske trge in razvoj podeèlja (AKTRP). V aplikaciji so v oknu za grafi~ni prikaz poleg informativnih slojev na voljo {tirje glavni prikazoval-ni sloji (Ministrstvo za kmetijsvo: GIS pregledovalnik. 2005. Medmrèje 7: http:// rkg.gov.si/GERK/viewer.jsp) • sloj DOF, digitalni ortofoto posnetki • sloj DKN, digitalni katastrski na~rt • sloj RABA, raba kmetijskih zemlji{~ • sloj GERK, grafi~ne enote rabe Na sliki 2 je prikazan pogled v razli~na okna aplikacije, o kno s sloji, okno za grafi~ni prikaz, okno za poizvedbe, ~arovnik, orodna vrstica Pri uporabi aplikacije je uporabnikom za urejanje podatkov omogo~eno zelo odprto prilagajanje uporabni{kih nastavitev. Podprta je vrsta podatkovnih formatov in razli~nih prednastavitev, kot je seznam vnaprej opredeljenih vrednosti, pravilnih izrazov, K u~inkovitosti storitve veliko prispeva tudi zasnova na strèni{ki strani sistema. Zaradi porazdeljene zasnove je omogo~ena velika preglednost delovanja sistema, ki presega zgolj opazovanje statusov. Slika 3: Administratorski pogled: porazdeljeno upravljanje strènika, izena~evanje obremenitve in nadzor. 315 Dragan Vitas, Mark Ple{ko, Andrej Maleì~, Mitja [lenc, Miha Kadunc Podpornemu centru je z uporabo administratorskega orodja (slika 3) omogo~eno spremljanje in izvrstna diagnostika {tevilnih vidikov celotnega sistema ter pomo~ pri uporabi aplikacije v realnem ~asu, kot npr.: • pregled sistemskih parametrov sistema (izraba omrènih zmogljivosti, pasovna propustnost odjemalcev, procesorska obremenjenost, delovanje podatkovne baze) • vpogled v uporabni{ke seje v realnem ~asu – mònost vpogleda v teàve in napake pri delu uporabnika • konferen~no urejanje – izvedenec podpornega centra lahko pomaga re{iti tèje primere vnosa Na sliki 3 je prikazan administratorski pogled za opravljanje razli~nih nalog, kot so Porazdeljeno upravljanje strènika, Izena~evanje obremenitve in Nadzor. Za dodatno podporo storitvi so bili razviti so bili {e trije spremljajo~i moduli. Prvi omogo~a sode-lavcem ministrstva u~inkovito organizacijo sestankov na terenu s prijavitelji. Ta aplikacija je bila potrebna zaradi velikega {tevila prijaviteljev, ki so morali biti obravnavani v kratkem ~asu 8 mesecev. Drugi modul je t. i. podporni center, ki omogo~a sprotno (on-line) pomo~ pri delu svetovalcev na terenu. Med drugim omogo~a vpogled v ekransko sliko svetovalca, tako da se najhitreje lahko odpravi teàve pri obdelavi podatkov. Tretji modul je {e spletni GIS pregledovalnik, ki je tudi javno dostopen (viri GIS pregledovalnik). Od leto{njega leta naprej z vzpostavljeno uporabo te storitve nosilci kmetijskih gospodarstev vla-gajo zahtevke za pla~ila na povr{ino le na osnovi GERK-ov, ki jih za teko~e leto elektronsko posodobijo pred oddajo zbirne vloge. Vzpostavljena storitev je zahtevala mònost uporabe velikemu {tevilu so~asnih kon~nih uporabnikov (sodelavci ministrstva, svetovalci, upravne enote in lokalne geodetske izpostave). Vsi na{teti so delali z isto podatkovno bazo preko internet/intranet omrèja. Velikost projekta v {tevilkah: • {t. razli~nih uporabnikov na dan: 530, • povpre~no {tevilo so~asnih uporabnikov: 350 oz. ve~ kot 3000, • ~lovek-ur dnevno, • 3 milijone za~etnih GERK poligonov, • 700.000 kmetijskih zemlji{~, • 73.000 uporabnikov-prijaviteljev, • 700–800 svetovalcev, • {tevilo prenesenih slik na dan: 775.000, • {tevilo obdelanih zahtev na dan: 1,76 milijona. • vzpostavitev celotne baze za Slovenijo v 8 mesecih leta 2005 4 Prednosti Giselle tehnologije Z vidika vsakega posameznega skupinskega uporabnika morajo imeti vsi vpleteni nivoji uporabni{kih skupin koristi od sistema. Giselle tehnologija je bila razvita z upo{tevanjem te zahteve. S tem se kaèjo prednosti za naslednje vpletene uporabni{ke skupine: • za odlo~evalce: cilj odlo~evalcev je, da svojemu korporativnemu okolju zagotovijo u~inkovito, dobi~konosno in udob-no delo. Z Giselle tehnologijo jim je to omogo~eno, konkuren~na tr`na cena, preprostost vpeljave v delovne procese in zanesljiva podpora s strani razvoja. Giselle tehnologija je skladna z veljavnimi aktualnimi standardi (OGC, XML, CORBA, Web Services) s ~emer je omogo~ena preprosta integracija z obstoje~imi sistemi ali celo njihova nadomestitev, • za uporabnike sistema: Giselle tehnologija je bila oblikovana z uporabo ve~ih let izku{enj in z globokim razumevanjem uporabni{kih potreb. Izku{nje kaèjo, da je uporabnikom v{e~, da imajo kot orodje za obvladovanje 316 Spletna storitev za upravljanje in urejanje prostorskih GIS podatkov prostorskih podatkov spletno tehnologijo, saj so navajeni uporabe spletnih brskalnikov. Ni potreben dodaten napor za namestitev sistema. Giselle je dostopna od koderkoli, kljub temu pa ohranja obna{anje in ostale uporabni{ke nastavitve, kot da bi bila shranjena na strèniku. Dejstvo, da so funkcionalnosti preverjanja in upravljanje s podatki vgrajena v odjemalcu, kar ima za posledico, da uporabnik vedno prostorske podatke ureja v pravilno topologiji. Veliko ~asa mu je prihranjenega s tem, ker Giselle ne potrebuje dodatnih podatkov za preverjanje in popravljanje vrzeli ali prekrivanje med poligoni, ki so v urejanju, • za sistemske skrbnike: ker s strani odjemalca tehnologije Giselle in pripadajo~ih sistemov nastopa spletni brskalnik, je mò- no sistem preprosto vzdrèvati tudi v primeru uporabljenega ve~jega distribuiranega sistema: namestitev, administracija in vzdrèvanje se lahko izvaja na strèniku. To prihrani skrbnikom precej ~asa. Mo~na namestitvena orodja jim tudi omogo~ajo, da orodje prilagajajo posebnim potrebam specifi~nih uporabnikov, • in nenazadnje za razvijalce Giselle: glavna prednost za razvijalce tehnologije Giselle je njena modularnost in nastavljivost posameznih komponent, kar omogo~a primerno in u~inkovito obvladovanje aplikacij znotraj Giselle tehnolo{- kega ogrodja. Razvijalci lahko uporabljajo velik izbor posameznih sklopov, kot so pogledi, sloji, meniji in podobno, kar omogo~a hitro in u~inkovito sestavljanje v programsko celoto, ki je u~inkovito prilagojena za uporabnike. 5 Sklep Giselle tehnologija se je s predstavljenim projektom potrdila kot zelo u~inkovito orodje za vzpostavitev in izvajanje spletnih storitev, namenjenih za upravljanje s prostorskimi digitaliziranimi podatki. Omogo~a delo preko spleta s precej ve~jim {tevilom so~asnih uporabnikov, potrebuje nìje hitrosti komunikacije in tudi precej manj drago strojno opremo. Za konkretno postavitev storitve GERK (LPIS) na slovenskem Ministrstvu za kmetijstvo se je uporaba izkazala celo kot bolj{a od najbolj znanih GIS sistemov, ker le-ti pa~ re{ujejo splo{ne GIS potrebe, niso pa prilagojeni za potrebe LPIS funkcionalnosti. Upo{tevati moramo tudi, da je na{a aplikacija GERK in spremljajo~a knjìnica Giselle rezultat skoraj desetletnih izku{enj v tesnem sodelovanju s slovenskim Ministrstvom za kmetijstvo. Najve~jo referenco in priznanje je Giselle/GERK dobil z uvrstitvijo na predavanje in predstavitev na CwRS konferenci na Poljskem v letu 2005, ki jo organizirajo organi Evropske unije in kjer so prisotne vse administracije ~lanic EU in kandidatk. Predstavljeni sistem je poèl izjemen uspeh in zanimanje. [e posebej s strani posameznikov dràv kandidatk, za katere je sistem posebej zanimiv. Menimo, da ta pristop v prihodnosti omogo~a velike prednosti. Kot aktualen in zanimiv predlog vidimo v tem, da bi se zagotovila povezljivost vseh zemlji{kih in okoljskih podatkovnih baz na podro~- ju Evrope, kar je s predstavljeno tehnolo{ko zasnovo povsem mogo~e brez potrebe za zamenjavo obstoje~ih informacijskih sistemov ali dragih prilagoditev. Uradniki Evropske komisije bi pri tem imeli mònost izvajanja poizvedb in analiz v zvezi s rabo kmetijskih zemlji{~ na obmo~ju cele EU z uporabo istega uporabni{kega vmesnika. 6 Viri in literatura British Department for Environment, Food and Rural Affairs, DEFRA: Entry Level Stewardship – ELS Online. 2005. Medmrèje: http://www.defra.gov.uk/erdp/schemes/els/online/download.htm (15. 5. 2006) Sun Microsystems, Inc., MageLang Institute: Introduction to CORBA. 1999 . http://java.sun.com/developer/onlineTraining/corba/ 317 Dragan Vitas, Mark Ple{ko, Andrej Maleì~, Mitja [lenc, Miha Kadunc DeLORME, XMap/GIS Editor. Medmrèje: http://www.delorme.com/professional/xmapgiseditor/ default.asp (15. 5. 2006) Environmental Systems Research Institute, Inc., ArcGIS Product Family. Medmrèje: http://esri.com/ software/arcgis/index.html (15. 5. 2006) Environmental Systems Research Institute, Inc., ESRI Shapefile Technical Description, July 1998. Medmrèje: http://www.esri.com/library/whitepapers/pdfs/shapefile.pdf (15. 5. 2006) European Commision, Directorate General JRC, Joint Research Centre-ISPRA, Olivier Léo: Land Parcel Identification Systems in the frame of Regulation (EC) 1593/2000, version 1.4. 2005. Medmrèje: http://mars.jrc.it/Documents/lpis/2580DiscLPISv1.4.pdf (15. 5. 2006) Ministrstvo za kmetijstvo, gozdarstvo in prehrano: GIS pregledovalnik. 2005. Medmrèje: http://rkg.gov.si/ GERK/viewer.jsp (15. 5. 2006) MySQL AB: MySQL 4.1. Medmrèje: http://www.mysql.com (15. 5. 2006) OpenGIS Consortium, Inc.: Geography Markup Language, OGC 02-023r4 v3.00. 2003. Medmrèje: http://www.opengis.org/docs/02-023r4.pdf (15. 5. 2006) OpenGIS Consortium, Inc.: OpenGIS Simple Features Specification for SQL. Medmrèje : http://www.opengis.org/docs/99-049.pdf (15. 5. 2006) Oracle Corporation: Oracle Database 10g. Medmrèje: http://www.oracle.com (15. 5. 2006) PostGIS . Medmrèje: http://postgis.refractions.net (15. 5. 2006) The Open Geospatial Consortium, Inc. (OGC). Medmrèje: http://www.opengeospatial.org (15. 5. 2006) 7 Seznam nekaterih uporabljenih kratic CORBA: Common Object Request Broker Architecture, CwRS: Control Remote Sensing, DKN: digitalni katastrski na~rt, GERK: grafi~na enota rabe kmetijskih zemlji{~, GIS: Geographic Infomation Systems, IACS: Integrated Administrative Control System, IAKS: integrirani administrativni in kontrolni sistem, KMG: kmetijsko gospodarstvo, KMG-MID: identifikacijska {tevilka kmetijskega gospodarstva, LPIS: Land Parcel Identification System, MID: medresorski identifikator, MKGP: Ministrstvo za kmetijstvo, gozdarstvo in prehrano, OGC: Open GIS Community. 318 GIS v Sloveniji 2005–2006, 319–325, Ljubljana 2006 INFRASTRUKTURA ZA PROSTORSKE INFORMACIJE V EVROPSKI SKUPNOSTI (INSPIRE) Tomà Petek Geodetska uprava Republike Slovenije, Obmo~na geodetska uprava Ljubljana Cankarjeva cesta 1, 1000 Ljubljana tomaz.petek@ gov.si UDK: 659.2:004:91(4) IZVLE^EK Infrastruktura za prostorske informacije v Evropski Skupnosti (INSPIRE) V èlji, da bi zagotovili dostopnost do ustreznih harmoniziranih in kakovostnih geografskih informaciji (prostorskih podatkov), sta Evropski parlament in Svet EU pripravila predlog direktive o vzpostavitvi infrastrukture za prostorske informacije v Skupnosti imenovane tudi INSPIRE. Infrastruktura naj bi bila vzpostavljena za potrebe podpori odlo~anju, vrednotenju in spremljanju stanja v prostoru, vodenju politik evropske unije, ki imajo vpliv ali povezavo s prostorom in za potrebe ob~anov. Dostopnost do prostorskih podatkov in storitev naj bi bila zagotovljena s pomo~jo vzpostavitve integriranih storitev (servisov), ki temeljijo na prostorskih podatkih, organiziranih v distribuiranem omrèju podatkovnih baz, vzpostavljenih na podlagi skupnih standardov in protokolov, ki omogo~ajo njihovo usklajenost. KLJU^NE BESEDE infrastruktura za prostorske podatke, direktiva INSPIRE ABSTRACT European spatial information infrastructure INSPIRE For creation of a European spatial information infrastructure that delivers to the users integrated spatial information services was European parliament and Council prepare draft of INSPIRE Directive. In this directive lays down general rules for the establishment of an infrastructure for spatial information in the Comunity, for the purposes of Community environmental policies and policies or activities which may have a direct or indirect impact on the environment. The target users of INSPIRE include policy-makers, plan-ners and managers at European, national and local level and the citizens and their organisations. KEYWORDS spatial data infrastructure, directive INSPIRE 319 Tomà Petek 1 Uvod Namen pobude INSPIRE je sproìti vzpostavitev evropske infrastrukture prostorskih podatkov, ki bo uporabnikom zagotavljala celovite informacijske storitve o urejanju prostora. Te storitve morajo uporabnikom omogo~iti, da bodo prepoznali in imeli dostop do prostorskih ali geografskih informacij iz ob{irnih virov od lokalne do globalne ravni, in to na tak na~in, da bo omogo~ena njihova ve~namenska uporaba. Med ciljnimi uporabniki pobude INSPIRE so oblikovalci politike, na~rtovalci in poslovod-ni delavci na evropski, dràvni in lokalni ravni ter dràvljani in njihove organizacije. Med mònimi storitvami so vizualna predstavitev informacijskih nivojev, nanos informacij iz razli~nih virov, prostorska in ~asovna analiza itd. Infrastruktura prostorskih podatkov se odziva na tehni~na in netehni~na vpra{anja, ki se gibljejo od tehni~nih standardov in protokolov do organizacijskih vpra{anj in vpra- {anj podatkovne politike, vklju~no s politiko dostopa do podatkov in ustvarjanjem ter vzdrèvanjem geografskih informacij za {iroko paleto tematskih podro~ij, za~en{i z okoljskim sektorjem. V prispevku je nekoliko podrobneje predstavljen predlog direktive Evropskega parlamenta in Sveta o vzpostavitvi infrastrukture za prostorske informacije v Skupnosti (INSPIRE). Predlog je ta trenutek v postopku drugega branja v Evropskem parlamentu in bo po nekaterih napovedih lahko sprejet do konca leto{njega leta. Besedilo predloga direktive je prevzeto po uradnem prevodu Sveta, in se v postopku sprejemanja {e spreminja. Predlagana direktiva postavlja zakonski okvir za vzpostavitev in delovanje infrastrukture prostorskih podatkov v Evropi, s ciljem oblikovati, izvajati, spremljati in vrednotiti politike Skupnosti na vseh ravneh ter zagotavljati javne informacije. INSPIRE ne bo zahteval nikakr{nega obsènega zbiranja novih prostorskih podatkov v dràvah ~lanicah. Namesto tega bo optimiziral obseg uporabe podatkov, ki so è na voljo, z zah-tevanjem dokumentacije obstoje~ih prostorskih podatkov, izvajanja storitev, usmerjenih v izbolj{anje dostopa do prostorskih podatkov in njihove povezljivosti in re{evanjem ovir, ki prepre~ujejo rabo prostorskih podatkov. INSPIRE bo utrl pot postopnemu usklajevanju prostorskih podatkov v dràvah ~lanicah. Glavni upravi~enci po tem predlogu se bodo torej ukvarjali z oblikovanjem, izvajanjem, spremljanjem in vrednotenjem politik – na evropski, nacionalni in lokalni ravni. To so organi javne uprave, zakonodajalci ter dràvljani in njihove organizacije. Pri~akovati pa je, da bodo koristi imele tudi druge skupine uporabnikov, vklju~no z zasebnim sektorjem, univerzami, raziskovalci in mediji. Predlog bo podprl oblikovanje in izvajanje {irokega niza okoljskih in drugih politik. 2 Vsebina predloga direktive INSPIRE Predlog direktive o vzpostavitvi infrastrukture za prostorske informacije v Skupnosti (INSPIRE) je sestavljen iz sedmih poglavij in treh prilog, (priloge I, II in III tega prispevka) v katerih so na{tete posamezne zbirke prostorskih podatkov. na katere se direktiva nana{a. V poglavju I so zbrane splo{ne dolo~be, ki opredeljujejo, da ta direktiva dolo~a splo{na pravila za vzpostavitev infrastrukture za prostorske informacije v Skupnosti za namene okoljskih politik Skupnosti ter politik ali dejavnosti, ki lahko neposredno ali posredno vplivajo na okolje. Infrastruktura za prostorske informacije v Skupnosti temelji na infrastrukturah za okoljske informacije, ki jih vzpostavijo in upravljajo dràve ~lanice. Sestavni elementi teh infrastruktur vklju~ujejo: • metapodatke, • zbirke prostorskih podatkov in • storitve v zvezi s prostorskimi podatki, • omrène storitve in tehnologije, • sporazume o souporabi, dostopu in uporabi, • mehanizme za koordinacijo, • nadzorne mehanizme, procese in postopke. 320 Infrastruktura za prostorske informacije v Evropski Skupnosti (INSPIRE) Predlog direktive zajema dolo~ljive zbirke prostorskih podatkov, ki izpolnjujejo naslednje pogoje: a) nana{ajo se na podro~je v jurisdikciji dràve ~lanice ali na njeno izklju~no ekonomsko cono/regijo iskanja in re{evanja ali podobno; b) so v elektronski obliki; c) so v posesti enega od naslednjih: i) organa javne uprave, pri ~emer jih je ta organ izdelal ali prejel, jih upravlja ali dopolnjuje; ii) pravne ali fizi~ne osebe v imenu organa javne uprave; iii) tretje osebe, ki so ji bile dane na razpolago storitve prenosa na strènik; iv) se nana{ajo na eno ali ve~ vsebin iz Prilog I, II ali III. Direktiva poleg zbirk prostorskih podatkov, opredeljenih v predlogu, zajema tudi dejavnosti, ki se lahko opravijo s sklicem na ra~unalni{ko aplikacijo, na prostorske podatke iz teh zbirk podatkov ali na z njimi povezane metapodatke, v nadaljnjem besedilu »storitve v zvezi s prostorskimi podatki«. Komisija lahko Priloge I, II in III prilagodi v skladu s postopkom komitologije (postopek sprejemanja odlo~itev v organih EU) in ob upo{tevanju spreminjajo~e se potrebe po prostorskih podatkih v podporo politikam Skupnosti, ki neposredno ali posredno vplivajo na okolje. V primeru zbirk prostorskih podatkov, s katerimi razpolaga organ javne uprave ali se z njimi razpolaga v imenu organa javne uprave, ter ta organ deluje na najnìji ravni dràve v dràvi ~lanici, se ta direktiva uporablja samo za zbirke prostorskih podatkov, katerih zbiranje ali raz{irjanje koordinira drug organ javne uprave ali se to zahteva v skladu z nacionalno zakonodajo. V tej direktivi se kot organi javne uprave {tejejo: a) dràvna ali druga javna uprava na nacionalni, regionalni ali lokalni ravni, vklju~no z javnimi sve-tovalnimi organi; b) vsaka fizi~na ali pravna oseba, ki opravlja naloge javne uprave po nacionalni zakonodaji, vklju~no s posebnimi dol`nostmi, dejavnostmi ali storitvami v zvezi z okoljem; c) vsaka fizi~na ali pravna oseba, ki ima javne odgovornosti ali naloge ali opravlja storitve za javnost, ki so pod nadzorom organa ali osebe iz a) ali b). Dràve ~lanice lahko dolo~ijo, da se v primeru, kadar organi ali institucije opravljajo sodno ali institucije opravljajo sodno ali zakonodajno funkcijo, ti za namene te direktive ne smejo {teti za organe javne uprave. V tej direktivi se uporabljajo naslednje opredelitve pojmov: 1) »prostorski podatki« pomenijo podatke, ki se neposredno ali posredno nana{ajo na posamezno lokacijo ali geografsko obmo~je; 2) »prostorski objekt« pomeni abstraktno predstavitev realno obstoje~e entitete, na dejanskilokaciji ali geografskem obmo~ju; 3) »metapodatki« pomenijo informacije, ki opisujejo zbirke prostorskih podatkov in storitve v zvezi s prostorskimi podatki ter omogo~ajo njihovo iskanje, evidentiranje in uporabo; 4) »tretja oseba« pomeni vsako pravno ali fizi~no osebo, ki ni organ javne uprave. Dràve ~lanice bodo v skladu s to direktivo dol`ne vzpostaviti in upravljati infrastrukturo za prostorske informacije. Poglavje II je namenjeno podro~ju metapodatkom in opredeljuje, da dràve ~lanice zagotovijo, da se metapodatki izdelajo za zbirke prostorskih podatkov in storitve v zvezi s prostorskimi podatki ter da se ti metapodatki dopolnjujejo. Metapodatki vklju~ujejo informacije o: • skladnosti zbirk prostorskih podatkov z izvedbenimi pravili • pravicah uporabe zbirk prostorskih podatkov in storitev v zvezi s prostorskimi podatki; • kakovosti in veljavnosti prostorskih podatkov; • organih javne uprave, odgovornih za vzpostavitev, upravljanje, vzdrèvanje in distribucijo (izdajanje) zbirk prostorskih podatkov in storitve v zvezi s prostorskimi podatki; • zbirkah prostorskih podatkov, do katerih ima javnost omejen dostop, ter razlogih za tako omejitev. 321 Tomà Petek Dràve ~lanice sprejmejo potrebne ukrepe za zagotovitev, popolnih in kakovostnih metapodatkov. Dràve ~lanice izdelajo metapodatke 8 v skladu z naslednjim ~asovnim razporedom: a) 3 leta po za~etku veljavnosti te direktive v primeru zbirk prostorskih podatkov, ki ustrezajo enemu ali ve~ podro~jem, na{tetih v Prilogah I in II. b) 6 let po za~etku veljavnosti te direktive v primeru zbirk prostorskih podatkov, ki ustrezajo enemu ali ve~ podro~jem, na{tetih v Prilogi III. Interoperabilnost ali ve~uporabnost nabora prostorskih podatkov in storitev v zvezi s prostorskimi podatki je opisana v poglavju III. Komisija sprejme izvedbena pravila, ki dolo~ajo usklajene specifikacije prostorskih podatkov ter dogovore za izmenjavo prostorskih podatkov. Osebam, ki potrebujejo prostorske podatke zaradi njihove vloge v prostorski informacijski infrastrukturi, ki vklju~uje uporabnika, proizvajalca, ponudnika storitev z dodano vrednostjo ali koordinacijsko telo, je dana mònost, da sodelujejo pri pripravi izvedbenih pravil. Namen izvedbenih pravil je omogo~iti kombiniranje zbirk prostorskih podatkov oziroma vzajemno delovanje storitev na tak na~in, da bo rezultat ustrezna kombinacija zbirk prostorskih podatkov ali storitev, ki predstavlja dodano vrednost, ne da bi bilo potrebno posredovanje operaterja ali stroja. Izvedbena pravila, zajemajo opredelitev in razvr{~anje prostorskih objektov, ki zadevajo prostorske podatke in na~in, kako so navedeni prostorski podatki geolocirani. V primeru zbirk prostorskih podatkov, ki ustrezajo eni ali ve~ temam, na{tetih v Prilogi I ali II, izvedbena pravila, izpolnjujejo dolo~ene pogoje. Izvedbena pravila se nana{ajo na naslednje vidike prostorskih podatkov: • skupni sistem enotnih identifikatorjev za prostorske objekte; • razmerje med prostorskimi objekti; • klju~ne zna~ilnosti in ustrezni ve~jezikovni slovarji, ki so obi~ajno potrebni za {irok obseg tematskih politik; • na~in izmenjave informacij o ~asovni komponenti podatkov; • na~in izmenjave posodobitve podatkov; Namen izvedbenih pravil je zagotoviti konsistentnost med postavkami informacij, ki se nana{ajo na isto lokacijo ali med postavkami informacij, ki se nana{ajo na isti objekt, predstavljen v razli~nih obsegih. Izvedbena pravila, se sprejmejo v skladu z naslednjim ~asovnim razporedom: • do 2 let po za~etku veljavnosti direktive INSPIRE v primeru zbirk prostorskih podatkov, ki ustrezajo eni ali ve~ temam, na{tetih v Prilogi I; • do 5 let po za~etku veljavnosti te direktive v primeru zbirk prostorskih podatkov, ki ustrezajo eni ali ve~ temam, na{tetih v Prilogi II ali III; Dràve ~lanice zagotovijo, da so zbirke prostorskih podatkov, ki nastanejo ali se vzdrùjejo v obdobju ve~ kot dve leti po datumu sprejetja ustreznih specifikacij, usklajene z navedenimi specifikacijami s prilagoditvijo zbirk prostorskih podatkov ali z njihovo transformacijo. Dràve ~lanice zagotovijo, da so katere koli informacije ali podatki, potrebni za skladnost z izvedbenimi pravili, dani na razpolago organom javne uprave ali tretjim osebam v skladu s pogoji, ki ne omejujejo njihove uporabe za navedeni namen. Da bi zagotovili, da so prostorski podatki, ki se nana{ajo na prostorsko zna~ilnost, katere lokacija zajema mejno obmo~je med dvema dràvama ~lanicama, usklajeni, se dràve ~lanice, kadar je to mòno, soglasno odlo~ijo o opisu in poloàju teh skupnih zna~ilnosti. V poglavju IV so opisane tako imenovane omrène storitve. Dràve ~lanice vzpostavijo in upravljajo s sistemom prenosa/izmenjave podatkov. Sistem mora zagotoviti dostop do metapodatkov, podatkovnih zbirk in drugih storitev. Storitve tega sistema bodo morale biti na voljo organom javne uprave. Dràve ~lanice vzpostavijo in upravljajo omrèje naslednjih storitev za zbirke prostorskih podatkov in storitve, za katere so bili ustvarjeni metapodatki v skladu s to direktivo: a) storitve iskanja, ki omogo~ajo iskanje zbirk prostorskih podatkov in storitve prostorskih podatkov na podlagi vsebine ustreznih metapodatkov in prikazovanje vsebine metapodatkov; b) storitve pregledovanja, ki omogo~ajo vsaj prikazovanje, razli~ne poglede, pove~avo/pomanj{avo, izlo~itev ali prekritje naborov prostorskih podatkov in prikazovanje napotkov in vseh ustreznih vsebin metapodatkov; 322 Infrastruktura za prostorske informacije v Evropski Skupnosti (INSPIRE) c) storitve prenosa podatkov, ki omogo~ajo prenos kopij celotnih zbirk ali delov zbirk prostorskih podatkov; d) storitve transformacije, ki omogo~ajo transformacijo zbirk prostorskih podatkov; e) »storitve dostopa do prostorskih podatkov«, ki omogo~ajo priklic storitev za dostop do podatkov; Te storitve bodo preproste za uporabo in dostopne prek spleta ali katerega koli drugega ustreznega telekomunikacijskega sredstva, ki je na razpolago javnosti. Za storitve iskanja se uporablja vsaj naslednja kombinacija iskalnega kriterija: a) klju~ne besede; b) razvr{~anje prostorskih podatkov in storitev; c) kakovost prostorskih podatkov; d) stopnja skladnosti z usklajenimi specifikacijami; e) lokacija; f) pogoji, ki se uporabljajo za dostop do zbirk prostorskih podatkov in storitev ter za njihovo uporabo; g) organi javne uprave, odgovorni za vzpostavitev, upravljanje, vzdrèvanje in distribucijo zbirk prostorskih podatkov in storitev. Storitve transformacije se povezujejo z drugimi storitvami iz navedenega odstavka tako, da se omogo~i delovanje vseh teh storitev v skladu z izvedbenimi pravili. Dràve ~lanice lahko omejijo javni dostop do posameznih storitev, kadar bi tak dostop lahko {kodoval: • zaupnosti postopkov organov javne uprave, ~e tako zaupnost predvideva zakon; • mednarodnim odnosom, javni varnosti ali dràvni obrambi; • postopkom na sodi{~ih, mònosti katere koli osebe, da je delèna pravi~nega sojenja ali mònosti organov javne uprave, da vodijo poizvedbo kazenske ali disciplinske narave; • zaupnosti poslovnih ali industrijskih informacij, kadar tako zaupnost dolo~a nacionalna zakonodaja ali zakonodaja Skupnosti, da bi za{~itila zakonite ekonomske interese, vklju~no z javnimi interesi, pri vzdrèvanju zaupnosti o statistiki in dav~ne tajnosti; • zaupnosti osebnih podatkov in/ali datotek, ki se nana{ajo na fizi~no osebo, kadar ta oseba ni privo-lila v razkritje informacij javnosti, ~e tako zaupnost dolo~ata nacionalna zakonodaja ali zakonodaja Skupnosti; • varstvu okolja, na katerega se taka informacija nana{a, na primer o nahajali{~u redkih vrst. Razlogi za omejitev dostopa, se razlagajo omejevalno, ob upo{tevanju javnega interesa za posebni primer, podprtega z omogo~anjem tega dostopa. V vsakem posebnem primeru se interes javnosti ob razkritju tehta z interesom, ~e se dostop do teh informacij omejuje ali pogojuje. Dràve ~lanice zagotovijo, da so storitve, iskanja in pregledovanja na razpolago javnosti brezpla~no. ^e organi javne uprave obra~unavajo stro{ke za storitve prenosa in dostopa do prostorskih podatkov, dràve ~lanice zagotovijo, da so na voljo storitve e-trgovine. Komisija vzpostavi in upravlja geoportal Skupnosti. Dràve ~lanice prek geoportala Skupnosti zagotovijo dostop do storitev iz te direktive. Dràve ~lanice lahko tudi zagotovijo dostop do navedenih storitev prek svojih lastnih to~k dostopa. Poglavje V govori o skupni rabi in ponovni uporabi prostorskih podatkov. Dràve ~lanice sprejmejo ukrepe za souporabo zbirk prostorskih podatkov in storitev med organi javne uprave. Navedeni ukrepi omogo~ajo organom javne uprave dràv ~lanic in institucijam ter telesom Skupnosti, da dostopajo do zbirk prostorskih podatkov in storitev ter izmenjujejo in uporabljajo navedene zbirke in storitve za naloge javnega zna~aja, ki imajo lahko neposredni ali posredni vpliv na okolje. Komisija bo spreje-la izvedbena pravila, s katerimi bo uredila tak dostop in s tem povezane pravice uporabe. Komisija sprejme izvedbena pravila za pove~anje mònosti ponovne uporabe zbirk prostorskih podatkov in storitev s strani tretjih oseb. Ta izvedbena pravila lahko vklju~ujejo dolo~itev skupnih pogojev za izdajo licenc. Podro~je koordinacije in dopolnilnih ukrepov opredeljeno v poglavju VI. Dràve ~lanice dolo~i-jo ustrezne strukture in mehanizme za usklajevanje vseh, ki potrebujejo infrastrukturo prostorskih informacij, to je uporabnike, proizvajalce, ponudnike storitev z dodano vrednostjo in usklajevalna telesa. 323 Tomà Petek Navedeno usklajevanje vklju~uje ugotavljanje potreb uporabnikov, zagotavljanje informacij o primerih dobre prakse in zagotavljanje povratnih informacij o izvajanju te direktive. Komisija je odgovorna za usklajevanje infrastrukture za prostorske informacije v Skupnosti na ravni Skupnosti, pri tem pa ji pomaga Evropska agencija za okolje. Vsaka dràva ~lanica bo v skladu s to direktivo dol`na dolo~iti organ javne uprave, ki bo odgovoren za stike s Komisijo. Poglavje VII vsebuje kon~ne dolo~be, ki govorijo da morajo dràve ~lanice spremljati izvajanje in uporabo svojih infrastruktur za prostorske informacije v skladu z izvedbenimi pravili, ki jih je spreje-la Komisija. Dràve ~lanice poro~ajo Komisiji o izvajanju te direktive in o pridobljenih izku{njah pri njeni uporabi. Poro~ilo mora vsebovati: a) opis o usklajenosti ponudnikov javnega sektorja, uporabnikov zbirk prostorskih podatkov in storitev ter posredni{kih organov ter opis odnosov s tretjimi osebami in opis na~ina zagotavljanja kakovosti; b) opis prispevka, ki so ga doprinesli organi javne uprave ali tretje osebe k delovanju in usklajevanju infrastrukture za prostorske informacije; c) povzetek razpolòljivosti in kakovosti zbirk prostorskih podatkov ter razpolòljivosti in u~inkovitosti storitev na podro~ju zagotavljanja prostorskih podatkov; d) povzetek informacij o uporabi prostorske infrastrukture; e) opis sporazumov v souporabi med organi javne uprave; f) povzetek stro{kov in koristi od izvajanja te direktive. Poro~ilo, se po{lje Komisiji vsake tri leta in sicer prvi~ tri leta po za~etku veljavnosti te direktive. Komisiji pomaga odbor. Odbor sprejme svoj poslovnik. Komisija predstavi Evropskemu parlamentu in Svetu 7 let po datumu za~etka veljavnosti in nadalje vsakih {est let poro~ilo o uporabi te direktive. Dràve ~lanice sprejmejo zakone in druge predpise, potrebne za uskladitev s to direktivo, 2 leti po datumu za~etka veljavnosti. Dràve ~lanice komisiji nemudoma predloìjo besedila navedenih predpisov in korelacijsko tabelo med navedenimi predpisi in to direktivo. Dràve ~lanice se v sprejetih predpisih sklicujejo na to direktivo ali pa naj sklic nanjo navedejo ob njihovi uradni objavi. Na~in sklicevanja dolo~ijo dràve ~lanice same. Dràve ~lanice predloìjo Komisiji besedila temeljnih predpisov nacionalne zakonodaje, sprejetih na podro~ju, ki ga bo urejala ta direktiva. V nadaljevanju so navedene {e vsebine iz posameznih prilog. 3 Sklep Doslej na podro~ju upravljanja s prostorskimi podatki Evropska unija ni imela predpisanih podrobnej{ih usmeritev. Predlog direktive INSPIRE dopolnjuje druge politi~ne iniciative kot je Direktiva o ve~kratni uporabi in komercialni rabi informaciji javnega zna~aja (PSI). Ministrstvo za okolje in prostor ter Geodetska uprava Republike Slovenije sta è doslej ves ~as izra- àla podporo pripravi predloga direktive INSPIRE z èljo po uspe{ni izvedbi harmonizacije prostorskih podatkov, vzpodbujanju njihove medsebojne izmenjave in njihove dostopnosti za ~im {ir{i krog uporabnikov. Slovenija namre~ è v tem trenutku izpolnjuje precej{en del usmeritev in zahtev ki izhajajo iz predloga direktive INSPIRE. Danes imamo v Sloveniji na voljo dovolj temeljnih prostorskih podatkov, ki so uporabnikom enostavno dostopni in dokaj redno vzdrèvani. Pozitivno lahko ocenimo je tudi metapodatkovni sistem, ki uporabnikom olaj{a iskanje in daje informacije o obstoju posameznih podatkovnih nizov, njihovi kakovosti in pogoji dostopa ter cenovne politike. Delitev cenovne politike na komercialne in nekomercialne na~ine uporabe prostorskih podatkov ter na~in financiranja prve vzpostavitve podatkovnih nizov je tudi v Sloveniji re{ena podobno, kot jo predvideva predlog direktive. Obstoje~a zakonodaja, ki ureja evidentiranje nepremi~nin, prostorsko na~rtovanje in uporabo informaciji javnega zna~aja sta skupaj z zakonodajo o elektronskem poslovanju in elektronskem podpisu in zakonodajo na podro~ju varstva osebnih podatkov izredno dobra pravna podlaga za vzpostavitev geoinformacijske infrastrukture v Sloveniji. 324 Infrastruktura za prostorske informacije v Evropski Skupnosti (INSPIRE) 4 Viri in literatura Besedilo predloga direktive INSPIRE (2004/0175 (COD)) 12064/05 Spletna stran MOP o direktivi INSPIRE; http://www.gov.si/mop/inspire.si Utemeljitev Sveta – skupno stali{~e 12064/2/05 z dne 23. 1. 2006 Amandmaji EP v drugem branju (1–35) z dne 1. 2. 2006 in dodatni amandmaji EP (36–43) z dne 24. 2. 2006 Sporo~ilo Komisije Evropskemu parlamentu 6334/06 z dne 14. 2. 2006 Zadnje stali{~e Slovenije do amandmajev EP za sejo delovne skupine za okolje pri Svetu (skupaj z do-polnitvami ki jih je posredovala Geodetska uprava RS) Zapis zadnje seje DS za okolje z dne 1. 3. 2006 Priloga I: 1. Koordinatni referen~ni sistemi 2. Geografski koordinatni sistemi 3. Zemljepisna imena 4. Prostorske enote upravnega pomena 5. Prometna omrèja 6. Hidrografija 7. Zavarovana obmo~ja Priloga II: 1. Digitalni modeli vi{in 2. Naslov 3. Zemlji{kokatastrske parcele 4. Pokrovnost tal 5. Ortofoto Priloga III: 1. Prostorske enote 2. Stavbe 3. Tla 4. Geologija 5. Raba tal 6. Zdravje ljudi in njihova varnost 7. Vladna slùba in naprave za nadzor okolja 8. Proizvodni in industrijski objekti 9. Kmetijski in ribogojski objekti 10. Porazdelitev prebivalstva – demografija 11. Obmo~ja upravljanja/omejitev/urejevanja in poro~evalske enote 12. Obmo~ja naravnega tveganja 13. Atmosferski pogoji 14. Meteorolo{ke geografske zna~ilnosti 15. Oceanografske geografske zna~ilnosti 16. Morske regije 17. Biogeografske regije 18. Habitati in biotopi 19. Razdelitev vrst 325 326 327 ovitek 05-06.qxd 6.2.2009 9:11 Page 1 GEOGRAFSKI INFORMACIJSKI SISTEMI V SLOVENIJI 2005–2006 DRAGO PERKO JANEZ NARED MARJAN ^EH DAVID HLADNIK VENIJI 2005–2006 MARKO KREVS TOMA@ PODOBNIKAR RADO[ [UMRADA V SLO CIJSKI SISTEMI ISBN 961-6568-55-8 GEOGRAFSKI INFORMA € /20 SIT 4.793 9 6 1 6 9 8 7 5 5 5 8 6 5