ANALIZA NARAVNIH POKRAJINSKIH TIPOV SLOVENIJE Z GIS-OM ROK CIGLIČ Rok Ciglič Naziv: dr., univerzitetni diplomirani geograf, znanstveni sodelavec Naslov: Geografski inštitut Antona Melika ZRC SAZU, Gosposka ulica 13, 1000 Ljubljana, Slovenija E-pošta: rok.ciglic@zrc-sazu.si Medmrežje: http://giam.zrc-sazu.si/ciglic Rodil se je leta 1983 v Ljubljani. Maturo je opravil leta 2002 v Kočevju. Na Oddelku za geografijo Filozofske fakultete Univerze v Ljubljani je leta 2008 diplomiral, leta 2013 pa doktoriral. Od leta 2008 je zaposlen na Geografskem inštitutu Antona Melika Znanstvenoraziskovalnega centra Slovenske akademije znanosti in umetnosti, kjer je leta 2013 prevzel vodenje Oddelka za geografski informacijski sistem. Sodeluje pri različnih domačih in mednarodnih projektih. Ukvarja se predvsem z uporabo geografskih informacijskih sistemov na raznih področjih, tipizacijo pokrajine in preučevanjem naravnih Od leta 2011 je član uredniških odborov znanstvenih revij Acta geographica Slovenica/Geografski zbornik in Geografski vestnik. Je tudi sourednik knjižnih zbirk Naravne nesreče in Geografski informacijski sistemi v Sloveniji ter član uredniškega odbora knjižne zbirke Geografija Slovenije. Med letoma 2004 in 2006 je bil podpredsednik Društva mladih geografov Slovenije, od leta 2008 pa je član izvršnega odbora Ljubljanskega geografskega društva, kjer skrbi za kartografijo in založništvo. Leta 2010 je prejel štipendijo mednarodnega Društva za varovanje okolja in geografske informacijske sisteme. nesreč. GEOGRAFIJA SLOVENIJE 28 ANALIZA NARAVNIH POKRAJINSKIH TIPOV SLOVENIJE Z GIS-OM Rok Ciglič ZALOŽBA Z R C GEOGRAFIJA SLOVENIJE 28 ANALIZA NARAVNIH POKRAJINSKIH TIPOV SLOVENIJE Z GIS-OM Rok Ciglič LJUBLJANA 2014 Knjižna zbirka Geografija Slovenije, ISSN 1580-1594, UDK 911 © GIAM ZRC SAZU GEOGRAFIJA SLOVENIJE 28 ANALIZA NARAVNIH POKRAJINSKIH TIPOV SLOVENIJE Z GIS-OM Rok Ciglič © 2014, Geografski inštitut Antona Melika ZRC SAZU Uredniški odbor: David Bole, Mateja Breg Valjavec, Rok Ciglič, Matej Gabrovec, Drago Kladnik, Blaž Komac, Jani Kozina, Janez Nared, Drago Perko, Primož Pipan, Nika Razpotnik Viskovic, Aleš Smrekar, Maja Topole, Mimi Urbanc, Matija Zorn Urednika: Drago Kladnik, Drago Perko Recenzenta: Žiga Kokalj, Drago Perko Kartograf: Rok Ciglič Prevod izvlečka: Deks d. o. o. Oblikovalec: Drago Perko Izdajatelj: Geografski inštitut Antona Melika ZRC SAZU Za izdajatelja: Drago Perko Založnik: Založba ZRC Za založnika: Oto Luthar Glavni urednik: Aleš Pogačnik Računalniški prelom: SYNCOMP d. o. o. Tiskarna: Collegium Graphicum d. o. o. Naklada: 250 izvodov Naslovnica: Nekatere meje med različnimi tipi pokrajin so vidne že iz vesolja, nekatere pa lahko razkrijemo tudi s pomočjo digitalnih podatkovnih slojev. Vir satelitskega posnetka: True Marble™ 2014. Vir podatkovnih slojev o padavinah in temperaturi: Hijmans s sodelavci 2005. Avtor fotografije na predlistu je Igor Lapajne, na zalistu pa Milan Orožen Adamič. Digitalna verzija (pdf) je pod pogoji licence https://creativecommons.org/licenses/by-nc-nd/4.0/ prosto dostopna: https://doi.org/10.3986/9789610503613 CIP - Kataložni zapis o publikaciji Narodna in univerzitetna knjižnica, Ljubljana 911.5(497.4) 659.2:004:91(497.4) CIGLIČ, Rok Analiza naravnih pokrajinskih tipov Slovenije z GIS-om / [besedilo, kartograf] Rok Ciglič ; [prevod izvlečka Deks]. - Ljubljana : Založba ZRC, 2014. - (Geografija Slovenije, ISSN 1580-1594 ; 28) ISBN 978-961-254-723-3 275712000 4 ir GEOGRAFIJA SLOVENIJE 28 GEOGRAFIJA SLOVENIJE 28 ANALIZA NARAVNIH POKRAJINSKIH TIPOV SLOVENIJE Z GIS-OM Rok Ciglič UDK: 911.5(497.4) 659.2:004:91(497.4) COBISS: 2.01 IZVLEČEK Analiza naravnih pokrajinskih tipov Slovenije z GIS-om V monografiji je predstavljena analiza dveh obstoječih naravnopokrajinskih tipizacij Slovenije z različnimi kvantitativnimi metodami in digitalnimi podatkovnimi sloji. Sodobna računalniška oprema in podatki v digitalni obliki namreč omogočajo uporabo različnih geoinformacijskih orodij, s katerimi lahko omilimo nekatere probleme pri določanju oziroma preverjanju določenih naravnih pokrajinskih tipov, predvsem na področju objektivnosti in preglednosti. V knjigi smo navedli tudi primere različnih regionalizacij in tipizacij ter dostopne digitalne podatkovne sloje in geoinformacijska orodja, s katerimi lahko izdelamo različne tipizacije. V praktičnem delu raziskave smo podatkovne sloje za območje Slovenije najprej ovrednotili z vidika njihove informativnosti oziroma uporabnosti za določanje naravnih pokrajinskih tipov v Sloveniji, medsebojne povezanosti, variabilnosti na različnih prostorskih ravneh in odstopajočih vrednosti. Nato smo s štirimi izbranimi podatkovnimi sloji (nadmorska višina, naklon, prepustnost, padavinski režim) in različnimi geoinformacijskimi orodji na podlagi dveh obstoječih, ročno začrtanih tipizacij izdelali več modeliranih naravnopokrajinskih tipizacij. Izdelava modeliranih tipizacij je potekala tako, da smo na podlagi učnih vzorcev izdelali model in ga uporabili za klasifikacijo vseh celic v Sloveniji. Osrednji del analize je namreč osredotočen na preučevanje usklajenosti modeliranih in izvirnih naravnopokrajinskih tipizacij oziroma na vprašanje, kako uspešno lahko izdelavo izvirnih tipizacij ponovimo s številskimi modeli. S primerjavo modelov in izvirnikov smo lahko ugotavljali tudi, kje v Sloveniji so območja posameznih tipov, ki so po različnih metodah klasificirana (potrjena) enako, in kje so območja tipov, ki jih ni potrdil noben model. Na primeru dveh tipizacij Slovenije smo ugotovili, da lahko izdelamo modele z različnimi geoinfor-macijskimi orodji, pa tudi, da je uspešnost različno velika - modeli so dali rezultate, ki so se z izvirnikom ujemali do 75 %. V analizi smo s prekrivanjem več modeliranih tipizacij, ki so izdelane z različnimi metodami, dobili tudi pogled na tista območja, ki so se izkazala kot dobro določena, in območja, ki bi jih z vidika uvrstitve v določen tip veljalo preveriti. Na koncu so navedene tudi ugotovitve o uporabi GIS-ov za določanje naravnih pokrajinskih tipov Slovenije ter predlagani konkretni postopki tipizacije Slovenije ali drugih območij na naravne pokrajinske tipe in postopki za njihovo vrednotenje. KLJUČNE BESEDE naravni pokrajinski tipi, tipizacija, tipologija, geografski informacijski sistemi, metode nadzorovane klasifikacije, geografija, Slovenija 5 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic GEOGRAFIJA SLOVENIJE 28 ANALIZA NARAVNIH POKRAJINSKIH TIPOV SLOVENIJE Z GIS-OM Rok Ciglic UDC: 911.5(497.4) 659.2:004:91(497.4) COBISS: 2.01 ABSTRACT Analysis of natural landscape types in Slovenia with GIS This volume analyzes two natural landscape typologies of Slovenia using various quantitative methods and digital data layers. Modern information technology and digital data make it possible to use various geo-information tools to mitigate certain problems in determining or verifying specific natural landscape types, especially in connection with objectivity and transparency. This volume also presents examples of various regionalizations and typologies, and lists available digital data layers and geo-information tools that can be used to make various typologies. The practical part of the research first evaluates the data layers for Slovenia in terms of their infor-mativeness and usefulness for identifying landscape types in Slovenia, their interconnections, variability at various spatial levels, and outliers. Based on two existing manually outlined typologies, several modeled natural landscape typologies were then produced using four selected data layers (elevation, slope, permeability, and precipitation regime) and different geo-information tools. Production of modeled typologies included developing a model based on the learning cells and transferring it to the classification of all the cells in Slovenia. The main part of the analysis is focused on studying the compatibility of the modeled and original natural landscape typologies and on how successfully the original typologies can be reproduced using numerical models. By comparing the models and originals, it was also possible to establish the locations of the types that have been classified (confirmed) the same by different methods and those that have not been confirmed by any model. Based on two typologies of Slovenia, it was established that models can be produced using various geo-information tools and that the success of this varies; the models yielded results that matched the original up to 75%. By overlapping several modeled typologies produced with different methods, areas were identified that proved to be well classified and areas that should be checked in terms of their classification into a specific type. In conclusion, the volume presents findings on the use of GIS for identifying natural landscape types in Slovenia and proposes specific procedures for classifying Slovenia or other areas into natural landscape types and procedures for their evaluation. KEY WORDS natural landscape types, typification, typology, geographical information systems, supervised classification methods, geography, Slovenia 6 ir GEOGRAFIJA SLOVENIJE 28 VSEBINA Predgovor: Pokrajinska raznolikost Slovenije................................................................................................................................................................9 1 Uvod..............................................................................................................................................................................................................................................................................11 2 Opredelitev raziskave............................................................................................................................................................................................................................13 2.1 Namen in glavni cilji....................................................................................................................................................................................................................13 2.2 Oris raziskave....................................................................................................................................................................................................................................13 2.3 Oris izdelave modeliranih naravnopokrajinskih tipizacij............................................................................................................15 3 Teorija klasifikacije pokrajine........................................................................................................................................................................................................18 3.1 Terminologija........................................................................................................................................................................................................................................18 3.1.1 Primerjava nekaterih izrazov in njihova uporaba v knjigi......................................................................................21 3.2 Dosedanja spoznanja..............................................................................................................................................................................................................22 3.2.1 Osnovni pristop..............................................................................................................................................................................................................23 3.2.2 Raznolikost izdelave klasifikacij..............................................................................................................................................................23 3.2.3 Pomen izbora dejavnikov................................................................................................................................................................................24 3.2.4 Lastnosti podatkov....................................................................................................................................................................................................25 3.2.5 Raven klasifikacije....................................................................................................................................................................................................25 3.2.6 Poimenovanje prostorskih enot................................................................................................................................................................30 3.3 Uporabnost klasifikacij............................................................................................................................................................................................................30 3.3.1 Klasifikacije v uradnih dokumentih......................................................................................................................................................32 3.4 Obstoječi problemi........................................................................................................................................................................................................................33 3.5 Izzivi za prihodnje raziskave............................................................................................................................................................................................34 3.6 Primeri klasifikacij pokrajine na podlagi naravnih dejavnikov............................................................................................35 3.6.1 Klasifikacije Slovenije na podlagi naravnih dejavnikov............................................................................................36 3.6.2 Primeri klasifikacij Slovenije v naravnogeografskih klasifikacijah Evrope......................................36 3.6.3 Dodatni primeri klasifikacij z geografskimi informacijskimi sistemi..........................................................39 4 Analizirani izvirni naravnopokrajinski tipizaciji......................................................................................................................................................41 5 Uporabljena geoinformacijska orodja..............................................................................................................................................................................44 5.1 Metode za vrednotenje podatkovnih slojev................................................................................................................................................44 5.2 Metode za izdelavo klasifikacij (tipizacij)........................................................................................................................................................45 5.3 Metode izbire učnih vzorcev in izdelave spektralnih podpisov..........................................................................................47 5.4 Metode za ugotavljanje medsebojne usklajenosti klasifikacij in druge metode določanja stopnje povezanosti............................................................................................................................................................47 5.5 Uporabljena računalniška oprema..........................................................................................................................................................................47 6 Podatki o naravnih dejavnikih....................................................................................................................................................................................................48 7 Vrednotenje in izbor podatkovnih slojev........................................................................................................................................................................52 7.1 Vrednotenje dejavnikov s pomočjo obstoječih klasifikacij........................................................................................................52 7.2 Vrednotenje dejavnikov glede na merilo klasifikacije....................................................................................................................57 7.3 Medsebojna povezanost podatkovnih slojev............................................................................................................................................64 7.4 Odstopajoče vrednosti............................................................................................................................................................................................................65 7.5 Izbor podatkovnih slojev za modeliranje........................................................................................................................................................72 7.6 Značilnosti izbranih podatkovnih slojev............................................................................................................................................................76 8 Izbor učnih vzorcev....................................................................................................................................................................................................................................79 8.1 Izbor naključnih učnih vzorcev......................................................................................................................................................................................79 8.2 Izbor ekspertnih učnih vzorcev....................................................................................................................................................................................85 7 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic 9 Rezultati modeliranja klasifikacij in njihovega prekrivanja....................................................................................................................91 9.1 Modelirane naravnopokrajinske tipizacije po posameznih metodah nadzorovane klasifikacije....................................................................................................................................................................................................91 9.1.1 Modelirane naravnopokrajinske tipizacije TIPI9................................................................................................................91 9.1.2 Modelirane naravnopokrajinske tipizacije TIPI13............................................................................................................91 9.2 Primerjava posamezne modelirane naravnopokrajinske tipizacije z izvirno naravnopokrajinsko tipizacijo..............................................................................................................................................................91 9.2.1 Analiza modeliranih naravnopokrajinskih tipizacij TIPI9....................................................................................100 9.2.2 Analiza modeliranih naravnopokrajinskih tipizacij TIPI13................................................................................103 9.3 Medsebojna usklajenost različnih modeliranih naravnopokrajinskih tipizacij............................................107 9.3.1 Usklajenost modeliranih naravnopokrajinskih tipizacij TIPI9........................................................................107 9.3.2 Usklajenost modeliranih naravnopokrajinskih tipizacij TIPI13....................................................................107 9.4 Primerjava usklajenosti vseh modeliranih naravnopokrajinskih tipizacij z izvirno naravnopokrajinsko tipizacijo..........................................................................................................................................................107 9.4.1 Primerjava usklajenosti vseh modeliranih naravnopokrajinskih tipizacij TIPI9 z izvirno naravnopokrajinsko tipizacijo TIPI9..........................................................................112 9.4.1.1 Območja, kjer se vse modelirane tipizacije ujemajo z izvirno naravnopokrajinsko tipizacijo..............................................................................................................112 9.4.1.2 Območja, kjer se nobena modelirana tipizacija ne ujema z izvirno naravnopokrajinsko tipizacijo..............................................................................................................116 9.4.1.3 Območja ujemanja modeliranih tipizacij, ki niso enaka izvirni naravnopokrajinski tipizaciji..........................................................................................................................119 9.4.2 Primerjava usklajenosti vseh modeliranih naravnopokrajinskih tipizacij TIPI13 z izvirno naravnopokrajinsko tipizacijo TIPI13..................................................................121 9.4.2.1 Območja, kjer se vse modelirane tipizacije ujemajo z izvirno naravnopokrajinsko tipizacijo..............................................................................................................122 9.4.2.2 Območja, kjer se nobena modelirana tipizacija ne ujema z izvirno naravnopokrajinsko tipizacijo..............................................................................................................126 9.4.2.3 Območja ujemanja modeliranih tipizacij, ki niso enaka izvirni naravnopokrajinski tipizaciji..........................................................................................................................130 10 Razprava in sklepi..............................................................................................................................................................................................................................134 10.1 Glavne ugotovitve..................................................................................................................................................................................................................134 10.1.1 Primerjava posameznih modeliranih tipizacij z izvirno tipizacijo..........................................................134 10.1.2 Primerjava vseh modeliranih tipizacij hkrati z izvirno tipizacijo..............................................................135 10.2 Nekaj predlogov uporabe geoinformacijskih orodij za določanje naravnih pokrajinskih tipov....................................................................................................................................................................................................................137 10.2.1 Predlog določanja naravnih pokrajinskih tipov............................................................................................................137 10.2.2 Predlog vrednotenja naravnih pokrajinskih tipov......................................................................................................139 10.3 Sklepi......................................................................................................................................................................................................................................................140 10.4 Vizija........................................................................................................................................................................................................................................................141 11 Seznam virov in literature..........................................................................................................................................................................................................143 12 Seznam slik..................................................................................................................................................................................................................................................153 13 Seznam preglednic............................................................................................................................................................................................................................155 8 ir GEOGRAFIJA SLOVENIJE 28 PREDGOVOR Pokrajinska raznolikost Slovenije Knjiga vsebinsko sega predvsem na področje regionalne geografije, metodološko pa na uporabo geografskih informacijskih sistemov pri geografski tipizaciji in regionalizaciji, ki se uvrščata med najbolj zanimive, a tudi najbolj zapletene probleme v geografiji. Tako pri regionalizaciji kot tipizaciji je temeljni termin pokrajina ali regija, ki je hkrati tudi osnovni predmet geografije, temeljne nacionalne vede vsakega naroda, ki ima med znanostmi prav posebno mesto, saj povezuje naravoslovje, družboslovje in humanistiko. Regionalizacija in tipizacija Slovenije sta še posebej zapleteni, saj naša država slovi po izjemni pokrajinski raznolikosti, ker se prav na tem koščku srednje Evrope v krogu s polmerom 150 km, kjer leži Slovenija, stikajo in prepletajo štiri velike naravne geografske enote: Alpe, Dinarsko gorovje, Panonska kotlina in Sredozemlje, pa tudi štirje kulturni prostori: slovanski, germanski, romanski in madžarski. Mnogi znanstveniki Slovenijo upravičeno označujejo kar za naravni geografski laboratorij, saj je svetovna redkost, da je na tako majhnem prostoru toliko različnih pokrajin. Da to ni samo slovenska samovšečnost, potrjuje raziskava pokrajinskih klasifikacij Evrope, ki je bila leta 2013 objavljena v reviji Acta geographica Slovenica 53-1 (Rok Ciglič, Drago Perko: Europe's landscape hotspots 'Pokrajinske vroče točke Evrope'). Avtorja sta ugotavljala, kakšen delež različnih pokrajinskih tipov od možnih pokrajinskih tipov se pojavlja v krogih s polmerom 50 km, in izdelala zemljevide pokrajinske raznolikosti. Določila sta območja Evrope z največjo pokrajinsko raznolikostjo, tako imenovane evropske pokrajinske vroče točke, in ugotovila povprečno pokrajinsko raznolikost evropskih držav. Evropa je pokrajinsko najbolj raznolika predvsem vzdolž gorstev (Pireneji, Alpe, Dinarsko gorovje, Karpati, Centralni masiv) in v južni Skandinaviji, v povprečju pa je najbolj raznolika prav Slovenija. Monografija je del avtorjeve doktorske disertacije Uporaba geografskih informacijskih sistemov za določanje naravnih pokrajinskih tipov Slovenije, v kateri je avtor: • preučil naravnogeografske klasifikacije Slovenije v slovenski geografski literaturi ter klasifikacije Slovenije v okviru klasifikacij Evrope v mednarodni geografski in sorodni literaturi, • pregledal primere uporabe geoinformacijskih orodij in digitalnih podatkov pri klasifikacijah pokrajine, • ovrednotil nabor digitalnih prostorskih podatkov za naravne dejavnike v Sloveniji z vidika primernosti za izdelavo tipizacije naravnih pokrajinskih tipov Slovenije, • ugotavljal primernost različnih geoinformacijskih orodij in digitalnih prostorskih podatkov za določanje naravnih pokrajinskih tipov v Sloveniji ter ovrednotil njihove prednosti in slabosti, • primerjal naravnopokrajinske tipizacije, izdelane z različnimi geoinformacijskimi orodij, in jih primerjal z obstoječimi naravnopokrajinskimi tipizacijami Slovenije, • poiskal tiste naravne pokrajinske tipe, ki so jih prepoznala različna geoinformacijska orodja, • ugotavljal, ali so posamezna geoinformacijska orodja pri naravnopokrajinski tipizaciji posebej ustrezna za določeno opravilo (na primer za vrednotenje dejavnikov, vrednotenje rezultatov ali določanje meja med tipi), • na koncu pa po analizi in vrednotenju različnih geoinformacijskih orodij in njihovih rezultatov predlagal najbolj ustrezno kombinacijo posameznih orodij za naravnopokrajinsko tipizacijo Slovenije. V to monografijo so vključeni najbolj zanimivi deli doktorske disertacije. Zame je najbolj zanimivo vrednotenje dveh izvirnih tipizacij Slovenije: prva ima 9 tipov, druga pa 13. Avtor ugotavlja, da sta obe sorazmerno kakovostni in da se kljub navidezni različnosti dejansko sploh ne razlikujeta toliko glede na ujemanje med modeliranimi in izvirnimi tipizacijami. Še bolj zanimivo in hkrati uporabno pa je iskanje območij, kjer so vse modelirane tipizacije različne od izvirne tipizacije, in območij, kjer so vse modelirane tipizacije med seboj sicer enake, a se od izvirne tipizacije vseeno razlikujejo. Večji del monografije se ukvarja prav s problematiko usklajenosti mode-liranih in izvirnih pokrajinskih tipizacij. 9 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Delež celic, ki se pri nobeni modelirani tipizaciji ne ujemajo z izvirno tipizacijo na devet tipov, je pri naključnem naboru učnih vzorcev po avtorjevih ugotovitvah 11,8 %, pri ekspertnem pa 19,4 %. Največ takih celic je na obrobju Brkinov, Banjšic, Kolovrata in Kočevskoreškega ravnika. Večinoma gre za območja, ki so bila pri ročnem izrisu meja manj ustrezno klasificirana, predvsem zaradi manjšega merila in omejene natančnosti. Delež celic, ki so po vseh modeliranih tipizacijah usklajene glede tipov, a se razlikujejo od izvirne tipizacije na devet tipov, je pri naključnem naboru učnih vzorcev 4,2 %, po ekspertnem pa 5,5 %. Spet gre za nekatera robna območja, na primer Iški vršaj, ki spada bolj k alpskim ravninam kot k dinarskim podoljem in ravnikom. Delež celic, ki se po nobeni modelirani tipizaciji ne ujema z izvirno tipizacijo na 13 tipov, je pri naključnem naboru učnih vzorcev 16,2%, pri ekspertnem pa 24,1 %. Večinoma gre za Banjšice, Brkine in nekatere predele na Kočevskem in v Posavskem hribovju. Delež celic, ki so po vseh modeliranih tipizacijah usklajene glede tipov, a se razlikujejo od izvirne tipizacije na 13 tipov, je pri naključnem naboru učnih vzorcev 4,4%, po ekspertnem pa 5,6%. Večje takšno območje so Vipavska brda. Najprej bodo rezultate lahko uporabili avtorji tipizacij na 9 in 13 tipov, ki bodo svojo tipizacijo glede na vrednotenje in ugotavljanje spornih uvrstitev celic v posamezne tipe lahko ustrezno preverili, dopolnili, popravili in tako izboljšali. Rezultati monografije pa bodo uporabni tudi na drugih področjih, saj so klasifikacije, regionalizaci-je oziroma tipizacije pokrajine pomembne v praktičnem življenju, na primer v kmetijstvu, ogroženosti zaradi naravnih nesreč, pokrajinskem načrtovanju in podobno. dr. Drago Perko 10 ir GEOGRAFIJA SLOVENIJE 28 1 UVOD Klasificiranje ozemlja Slovenije na razne prostorske enote ima v slovenski geografiji že od nekdaj velik pomen. To ni presenečenje, če upoštevamo Haggettovo (2001) razmišljanje, da človek v pokrajini vedno išče red. Z njim si pomagamo v vsakdanjem življenju. Zato je klasifikacija ena izmed temeljnih mentalnih človekovih dejavnosti. Z njo lažje urejamo in hranimo informacije, ki jih dobimo, saj bi bilo pomnjenje lastnosti vsake posamezne enote nemogoče. Zato na primer objekte, osebe in dogodke združujemo v skupine po neki skupni lastnosti (Theodoridis in Koutroumbas 2006). Za območje Slovenije in bližnje okolice so na voljo številne klasifikacije pokrajine glede na narav-nogeografske in družbenogeografske dejavnike, ki so jih objavili geografi (na primer Melik 1935 in 1946; Ilešič 1957/58 in 1972; Gams 1986a; Natek 1993; Gams, Kladnik in Orožen Adamič 1995; Ogrin 1996; Perko 1998a; Plut 1999a; Špes s sodelavci 2002). Zapise o razlikah med pokrajinami lahko najdemo že v zelo starih publikacijah. Eden takih je zapis v Kmetijskih in rokodelskih novicah iz leta 1843 (slika 1). Med klasifikacijami naštetih avtorjev prevladujejo regionalizacije, tipizacij je manj. Zaradi nekaterih metodoloških podobnosti med regionalizacijami in tipizacijami v uvodnih poglavjih, kjer obravnavamo teorijo in primere, navajamo primere obeh postopkov, v praktičnem delu naloge pa smo se posvetili izključno tipizaciji. Tehnološki razvoj je omogočil napredek pri pridobivanju in urejanju digitalnih prostorskih podatkov. Kladnik (1996) ter Hargrove in Hoffman (2005) so poudarili, da se je treba tudi na področju klasifikacij opreti na računalniške analize, statistične metode in podobno. V geografiji in tudi drugih vedah je modeliranje postalo zelo razširjen in vpliven način raziskovanja (Demeritt in Wainwright 2005). Pri klasificiranju pokrajin je več primerov uporabe geoinformacijskih orodij znanih tudi za območja v Sloveniji (na primer Plut 1977; Perko 1989; Krevs 1992; Perko 1998a in 2001; Repe 2006; Ferreira 2006; Breskvar Žaucer in Marušič 2006) in seveda drugod po svetu (na primer Soto in Pintó 2010; Jongman s sodelavci 2006). Pri tem velja izpostaviti, da so nekatere klasifikacije Evrope že tako podrobne (na primer Mücher s sodelavci 2009), da na prostorske enote členijo tudi območje Slovenije (Ciglič 2009; Ciglič in Perko 2012 in 2013). Za naravnogeografske dejavnike je v Sloveniji čedalje več digitalnih prostorskih podatkov (na primer digitalni model višin, digitalni zemljevidi temperatur, letalski in satelitski posnetki), hkrati je na voljo tudi vse več različnih geoinformacijskih orodij, med katerimi nekatera izhajajo iz strojnega učenja in statistike. Zato lahko za členitev Slovenije na naravne pokrajinske tipe preizkusimo čedalje več različnih pristopov. Pri naravnogeografskih klasifikacijah so bili izpostavljeni številni nedorečeni problemi (na primer Ilešič 1957/58; Plut 1981; Gams 1984 in 1986b; Kladnik 1996; Plut 1999a; Gams 2000; Klemenčič 2004). Podrobneje jih predstavljamo v nadaljevanju, tudi tiste najbolj osnovne, ki obravnavajo ustreznost znanstvenega pristopa, izbora metod in podobnega. Vemo namreč, da nobena metoda ni popolna in da vsaka il hclikfli* vil bu md morjiitn, toliko mcrnlpjiki je in lolikn Ecrajffu pa- Ifttje je; ijLnrajj* tiirtiifki £n korollikii flrnn ntenlejCM in njrtrejfhi , kakor Vipaifko ríüCinrt, (talFnikfi Ln dol j no- fhLfl^j-ritA [Iran 5 ItjOcor Jii Tcrshaftiko , Ganfhko, Zkifljlio, HcrvflfbUo in DalmazipAt kjfii- vinflitt Itrla nftfi, Iijer dru^i ftichhjjLijc j tinlr shluhFne Eclflii ilulifd p-orrtlujoj kteriK v ^tirnih lii-ajih mi perJtliijcjo. Slika 1: Izsek besedila iz Kmetijskih in rokodelskih novic (Kmetijska shola 1843). 11 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic prispeva svoj delež k poznavanju krajevnih razlik (Gams 1984). Zato lahko trdimo, da tudi nobena klasifikacija pokrajine ni popolna. Nekateri zagovarjajo stališče, da so vse klasifikacije povsem subjektivne (na primer Owen s sodelavci 2006), saj gre pri klasifikaciji za abstrakcijo (Van Melsen 1955 v Zonne-veld 1994; Bernert s sodelavci 1997), pri kateri za raziskavo izberemo le nekatere značilnosti dejanskega objekta ter jih uporabimo za opis abstraktnih enot, za katere sklepamo, da predstavljajo resničnost (Zon-neveld 1994). S pisanjem te knjige nikakor ne stremimo k popolni razrešitvi vseh problemov izdelave tipizacije Slovenije z vidika naravnih pokrajin, želimo pa prispevati k povečanju kakovosti, objektivnosti in preglednosti pokrajinske klasifikacije. To želimo doseči z uporabo geografskih informacijskih sistemov (GIS). Z dopolnjevanjem ustreznih geoinformacijskih orodij in digitalnih podatkovnih slojev ter ustrezno strokovno presojo lahko izdelamo tipizacije, določimo najbolj reprezentativne naravne pokrajinske tipe, vrednotimo rezultate, ponovimo postopke in podobno. K temu dodajamo, da je bilo v literaturi opozorjeno ravno na pomanjkanje vrednotenja dobljenih rezultatov (Hargrove in Hoffman 2005) ter pozvano k uporabi bolj preglednih in ponovljivih postopkov (Bernert s sodelavci 1997; McMahon, Wiken in Gauthier 2004). Preverjanje ustreznosti metod omogoča tudi znanstveno vrednost izdelanih klasifikacij (McMahon, Wiken in Gauthier 2004). Glavni predmet preučevanja naše raziskave je prav področje vrednotenja tipizacij: analiza oziroma vrednotenje slovenskih naravnih pokrajinskih tipov. Hkrati pa sta v raziskavi analizirana modeliranje naravnih pokrajinskih tipov z geoinformacijskimi orodji in uporabnost geoinformacijskih orodij, ovrednotena pa je tudi dostopna zbirka digitalnih prostorskih slojev. Smiselnost raziskave podpira tudi dejstvo, da je evropska politika leta 1996 oblikovala Panevrop-sko strategijo biotske in pokrajinske raznovrstnosti (Pan-European Biological and Landscape Diversity Strategy; Pan-European .2011), leta 2000 pa je sprejela Konvencijo o krajini (The European Landscape Convention 2011; Zakon o ratifikaciji... 2003). Obe se posvečata tudi pokrajinski klasifikaciji, kar pomeni, da je razvijanje tega znanstvenega področja pomembno. Klasifikacije pokrajin namreč lahko uporabljamo za različne namene (Klijn 1994), na primer pri zagotavljanju podlag za analize, monitoring, scenarije ter pri predstavitvi naravnih in družbenih informacij (Mücher s sodelavci 2003). Poleg tega se pojavljajo tudi ideje po vzpostavitvi uradnih naravnogeografskih območij, kakršna je na primer ideja o evropski makroregiji Alpe (Bätzing 2011), prihaja pa tudi do ustanavljanja strokovnih in znanstvenih združenj, kakršna so Landscape Europe (Landscape Europe 2011), European Landscape Network (European Landscape Network 2011) in OpenLandscapes (OpenLandscapes 2011). 12 ir GEOGRAFIJA SLOVENIJE 28 2 OPREDELITEV RAZISKAVE V knjigi je opisana analiza nekaterih obstoječih naravnopokrajinskih tipizacij Slovenije. Celotna raziskava je potekala izključno znotraj meja Republike Slovenije, uporabili pa smo dostopne digitalne podatke različnih naravnogeografskih dejavnikov, pomembnih za tipizacijo Slovenije na naravne pokrajinske tipe. 2.1 NAMEN IN GLAVNI CILJI V raziskavi smo nekatere obstoječe zemljevide naravnih pokrajinskih tipov Slovenije poskusili ponovno izdelati oziroma potrditi z različnimi geoinformacijskimi orodji. S tem smo želeli preveriti, v kolikšni meri lahko obstoječe, ročno zarisane izvirne tipizacije Slovenije potrdimo s kvantitativnimi metodami. Največ pozornosti smo namenili vprašanjem, kje so največja ujemanja med izvirno in modeliranimi tipizacijami ter kje so največja razhajanja. Pri tem smo uporabili različna geoinformacijska orodja, ki omogočajo bolj objektivne in preverljive rezultate, ter njihovo uporabo ustrezno prilagodili tipizaciji Slovenije na naravne pokrajinske tipe. Z analizo smo nameravali preučiti tudi pomen (kakovost in ustreznost) določanja naravnih pokrajinskih tipov v Sloveniji z digitalnimi prostorskimi podatki in različnimi geoin-formacijskimi orodji ter predlagati optimalen postopek tipizacije. V uvodnih poglavjih smo pozornost namenili pregledu izkušenj na podlagi že izdelanih klasifikacij in dosedanjim spoznanjem na področju klasifikacije pokrajine. Ta izpostavljajo, da so GIS-i uporabni na raznih področjih, kot so na primer vrednotenje vhodnih podatkovnih slojev, razmejitev pokrajine na prostorske enote, klasifikacija enot in vrednotenje dobljenih klasifikacij. S poznavanjem kakovosti in prednosti vseh teh prvin določanja naravnih pokrajinskih tipov se lahko ustrezneje lotimo tipizacij za različne namene. Pred raziskavo je bil zasnovan načrt z naslednjimi cilji: • pregledati naravnogeografske klasifikacije Slovenije v slovenski geografski literaturi ter pregledati klasifikacije Slovenije v okviru klasifikacij Evrope v mednarodni geografski literaturi, • pregledati primere uporabe geoinformacijskih orodij in digitalnih podatkov pri klasifikacijah pokrajine, • pregledati nabor digitalnih prostorskih podatkov naravnih dejavnikov za območje Slovenije in jih ovrednotiti z vidika primernosti za modeliranje tipizacij naravnih pokrajinskih tipov Slovenije, • preizkusiti različna geoinformacijska orodja in digitalne prostorske podatke na primeru določanja naravnih pokrajinskih tipov v Sloveniji ter ovrednotiti njihove prednosti in slabosti, • primerjati modelirane naravnopokrajinske tipizacije, ki so bile narejene z različnimi geoinforma-cijskimi orodji, z izvirnimi naravnopokrajinskimi tipizacijami Slovenije, • poiskati območja naravnih pokrajinskih tipov, ki so najpogosteje prepoznana oziroma so potrjena z modeli več različnih geoinformacijskih orodij, • po analizi in vrednotenju različnih geoinformacijskih orodij in njihovih rezultatov predlagati najbolj ustrezno kombinacijo posameznih orodij za naravnopokrajinsko tipizacijo Slovenije. 2.2 ORIS RAZISKAVE Raziskava je bila v grobem zasnovana v dveh delih (slika 2). V prvem (bolj teoretičnem) delu smo se lotili pregleda znanstvene literature. Pregledali smo primere klasifikacij pokrajin (tako tipizacij kot regionalizacij) in uporabo geoinformacijskih orodij za različna združevanja ali delitve prostora. Navedene primere klasifikacij pokrajin smo analizirali ter ugotovili, katera geoinformacijska orodja in podatki so bili uporabljeni. Hkrati smo pregledali dostopnost digitalnih prostorskih podatkov za območje Slovenije, uredili bazo podatkov ter ugotovili, ali so primerni za obdelavo z geoinformacijskimi orodji. Zbrane podatkovne sloje smo z različnimi metodami skušali kar najbolj objektivno ovrednotiti z vidika njihove uporabnosti za tipizacijo Slovenije. 13 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic * v oklepaju je navedena številka poglavja Slika 2: Shema raziskave. 14 ir GEOGRAFIJA SLOVENIJE 28 Glede na nabor pregledanih orodij in podatkovno bazo smo izbrali nekaj različnih geoinformacij-skih orodij in najbolj relevantne podatkovne sloje, s katerimi smo nato na podlagi učnih vzorcev obstoječih geografskih tipizacij v drugem (bolj praktičnem) delu izdelali različne modelirane tipizacije Slovenije. Preizkusili smo različne načine določanja tipov z metodo nadzorovane klasifikacije. Preizkusili smo razne metode, na primer metodo odločitvenih dreves (Kononenko 2005; Lin, Noe in He 2006), metodo največje verjetnosti (Eastman 2009) in metodo voditeljev (Ferligoj 1989). Vsako geoinformacijsko orodje ima namreč svoje prednosti in slabosti, ki so odvisne tudi od lastnosti podatkov. Preizkušena geoinfor-macijska orodja so bila raznolika in so omogočila izdelavo različnih modelov za izbrani tipizaciji Slovenije; izbrali smo namreč dve obstoječi tipizaciji Slovenije (Perko 1998a, 1998b in 2007b; Špes s sodelavci 2002) ter ju poskusili opisati z raznimi modeli oziroma zanju izdelati model. Ker smo skušali zaobjeti čim večjo raznolikost v celotnem postopku, smo uporabili dva načina izbora učnih vzorcev, ki so bili podlaga za izdelavo modelov. Pred modeliranjem smo predvidevali, da lahko za obstoječe ročno izdelane tipizacije Slovenije izdelamo modele z manjšim vzorcem celic iz ročno določenih tipov z dostopnimi digitalnimi podatkovnimi sloji in z različnimi geoinformacijskimi orodji. Če bi bile izvirne tipizacije zgolj naključne oziroma preslabo izdelane ali pa podatkovni sloji ne bi bili dovolj natančni, bi seveda rezultati modelov dosegli le raven naključnega ujemanja z izvirnikom. V delu, ki je sledil izdelavi modeliranih tipizacij, smo se zelo podrobno posvetili tudi primerjalni analizi izvirnih in ustrezajočih modeliranih tipizacij. Zanimalo nas je namreč, v kolikšni meri lahko obstoječo izvirno klasifikacijo določimo (ponovimo) z uporabo GIS-ov. V analizi smo primerjali modelirane in izvirne tipizacije ter preverili stopnjo ujemanja med njimi oziroma določili uspešnost modeliranja. S prekrivanjem zemljevidov modeliranih naravnopokrajinskih tipizacij, ki smo jih izdelali z različnimi geoinformacijski-mi orodji, lahko namreč najdemo območja, ki so vedno oziroma pogosto klasificirana enako, ter območja, ki večinoma ali celo nikoli niso enako klasificirana. Ob tem smo ugotovili tudi, kje v Sloveniji so območja, ki jih z računalniškimi modeli lažje modeliramo oziroma so bila v izvirni tipizaciji ustrezno določena, in kje so območja, ki jih težje modeliramo oziroma bi morda potrebovala popravke v izvirni tipizaciji ali pa bolj specifično modeliranje. Na tak način lahko obstoječe tipe naravnopokrajinskih tipizacij preverimo in potrdimo oziroma opozorimo na njihove morebitne slabosti. Na koncu smo za najbolj primerna orodja predlagali optimalen način vključitve v postopek določanja naravnih pokrajinskih tipov v Sloveniji. 2.3 ORIS IZDELAVE MODELIRANIH NARAVNOPOKRAJINSKIH TIPIZACIJ Glavni namen izdelave modeliranih naravnopokrajinskih tipizacij v bolj praktičnem delu raziskave je ugotoviti, kako se tipizacije, izdelane z različnimi metodami nadzorovanih klasifikacij, ujemajo med seboj ter kako dobro lahko modeliramo in se približamo izvirnim tipizacijam (jih računalniško dokaže-mo). Na ta način smo želeli ugotoviti tudi, katera območja v Sloveniji se klasificirajo enako ne glede na izbrano metodo modeliranja. Za izdelavo modeliranih tipizacij z metodami nadzorovane klasifikacije smo morali izbrati izvirno tipizacijo, podatkovne sloje, geoinformacijska orodja in določiti način vzorčenja. Tako smo postopek klasifikacije (slika 3) ponovili na različne načine. Izbrali smo dve izvirni naravnopokrajinski tipizaciji Slovenije, ki smo ju skušali čimbolj natančno modelirati: • pokrajinskoekološki tipi - oznaka TIPI13 (Špes s sodelavci 2002) in • pokrajinski tipi - TIPI9 (Perko 1998a, 1998b in 2007b). Izbrali smo sedem geoinformacijskih orodij oziroma metod nadzorovane klasifikacije: • največja verjetnost, • odločitveno drevo, različica CT (različica, ki jo uporablja program SPSS), • najmanjša razdalja, • najbližji sosedi, • odločitveno drevo, različica CTR (različica, ki jo uporablja program Idrisi z načinom delitve glede na razmerje informacijskega prispevka), 15 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic izbor izvirne tipizacije i izdelava modela / pravil nadzorovane klasifikacije na podlagi izbranih podatkovnih slojev in učnega vzorca i klasifikacija celic na celotnem območju in prikaz modelirane izvirne tipizacije Slika 3: Shematski prikaz modeliranja izvirne naravnopokrajinske tipizacije. 16 ir GEOGRAFIJA SLOVENIJE 28 • odločitveno drevo, različica CTG (različica, ki jo uporablja program Idrisi z načinom delitve glede na Ginijev koeficient), • odločitveno drevo, različica CTE (različica, ki jo uporablja program Idrisi z načinom delitve glede na informacijski prispevek). Izbrali smo dva načina določanja učnih vzorcev: • naključno vzorčenje in • ekspertno vzorčenje. Za modeliranje vsake izvirne tipizacije smo preizkusili vsako izmed naštetih orodij in pri tem upoštevali enkrat naključni, drugič pa ekspertni učni vzorec. To pomeni, da smo skupaj izdelali 28 (2 x 7 x 2 = 28) modeliranih naravnopokrajinskih tipizacij. Ob tem smo predpostavili, da so izvirni tipi ustrezno zasnovani in da učni vzorci odražajo tipe tako, da lahko na podlagi njihovih vrednosti izdelamo klasifikacijska pravila in spektralne podpise, s katerimi lahko nato z izbrano metodo nadzorovane klasifikacije izdelamo modelirane tipizacije, ki se z izvirno tipizacijo razmeroma dobro ujemajo. Spektralni podpis je izraz, ki se ga uporablja pri daljinskem zaznavanju. Pomeni odvisnost odboja energije, odbite od Zemljinega površja, od valovne dolžine (Oštir 2006, 34). Ker smo v analizi uporabili podatkovne sloje, v našem primeru spektralni podpis pomeni seznam vrednosti različnih podatkovnih slojev (in ne seznam vrednosti odboja pri satelitskih posnetkih v različnih valovnih dolžinah). Izraz uporabljamo tudi, ko govorimo o metodah, ki so pogosto uporabljene v daljinskem zaznavanju. 17 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic 3 TEORIJA KLASIFIKACIJE POKRAJINE Splošno sprejete teoretične podlage za deljenje in združevanje enot v pokrajini oziroma klasifikacijo pokrajine ni (McMahon, Wiken in Gauthier 2004). Thompson s sodelavci (2005) je opozoril na razlike med klasifikacijami, ki so po mnenju Hazeuja s sodelavci (2010) predvsem odraz različnih metod in namenov, s katerimi so bile te uporabljene, in ne toliko prednosti ter slabosti klasifikacij samih. Obstajajo torej različna načela, metode in nameni, od njihovega izbora pa sta odvisna potek raziskave in končni rezultat. Na izbor klasifikacijskih dejavnikov ima velik vpliv predvsem namen (Zonneveld 1994). V tem poglavju zaradi teoretskih nedorečenosti navajamo različna spoznanja s področja pokrajinske klasifikacije, s katerimi želimo zaobjeti čim večji del odprtih problemov, raznolikost pogledov in metodoloških pristopov. 3.1 TERMINOLOGIJA Ustrezna terminologija je temelj za pravilno razumevanje znanstvenih rezultatov. Pri pregledu izrazov smo navedli in analizirali tiste, ki se pogosto pojavljajo v povezavi s klasifikacijo pokrajine: regija, pokrajina, tip, ekološka regija/ekološko območje, klasifikacija, metoda nenadzorovane klasifikacije in metoda nadzorovane klasifikacije, regionalizacija, tipologija, tipizacija ter segmentacija. Ob opisu nekaterih izrazov so navedeni tudi njim podobni izrazi. Na podlagi pregleda vseh izrazov smo obrazložili tudi izraz naravni pokrajinski tip, ki ga v knjigi najpogosteje uporabljamo. Pojma regija in pokrajina sta ponekod v literaturi enakovredna, velikokrat pa najdemo opise le enega izmed njiju. Perko (1998d, 14) je za regijo oziroma pokrajino navedel, da ».je sestavljena iz pokrajinskih sestavin, te pa iz cele vrste pojavov in procesov .«. V Slovarju slovenskega knjižnega jezika (2005) je regija opredeljena kot »področje, območje«, v Geografskem terminološkem slovarju (Kladnik, Lovren-čak in Orožen Adamič 2005, 336) pa kot »... bolj ali manj enoten del Zemljinega površja ali večje območje, ki zaradi svojskih pokrajinskih sestavin in procesov, njihovega medsebojnega prepletanja, sou-činkovanja predstavlja značilno pokrajinsko enoto z enakimi naravnimi in/ali družbenimi značilnostmi.«. Podobna opredelitev je tudi v leksikonu Geografija (2001). V nekaterih temeljnih geografskih delih domače in tuje literature je regija opisana kot ». del zemeljske površinske sfere (pokrajinske prostorske stvarnosti ali geografskega okolja), pri katerem se pojavi in faktorji ter delujoče sile medsebojno pove -zujejo v kompleksno individualizirano celoto .« (Vrišer 1982, 23) in kot ». območje zemeljskega površja, ki ima opredeljive meje ali značilnosti...« (Haggett 2001, 794). Sicer pa Klemenčič (2005) opozarja še na nekatere druge interpretacije pojma regija. Na tem mestu dodajmo še najbolj pereče vprašanje o regiji: »Ali regija obstaja in jo moramo prepoznati ter zamejiti njene lastnosti, ki sicer obsta -jajo, a so brez raziskovanja manj očitne, ali pa je regija le vsiljena struktura, kije plod raziskovalčevega dela?« (Haggett 2001, 367). Treba je opozoriti tudi na prevod angleškega izraza »region«. V Velikem angleško-slovenskem slovarju (2005) so za zanj navedene slovenske ustreznice »regija, pokrajina,.., območje .«, kar pomeni, da na podlagi ene besede ne moremo sklepati, ali gre za regijo ali območje, katerega avtor ne opredeljuje kot regijo, tip, pokrajino ali drugo. To pomeni, da moramo pri prevajanju smiselno upoštevati celotno besedilo. Loveland in Merchant (2004, 4) sta navedla definiciji regije (izvirno region) po Hartshornu iz leta 1939 in Hartu iz leta 1982. Po Hartshornu je » . regija določena individualna enota, ki ima obliko in sestavo, in kot konkreten objekt skupaj z ostalimi tovrstnimi objekti na površju Zemlje tvori mozaik posameznih pokrajin ali regij .«. Po Hartu je definicija bolj preprosta: » . Regija je bolj ali manj homogena površina oziroma območje, ki se razlikuje od ostalih območij .«. Regije (izvirno landscape character areas) so edinstvena individualna geografska območja (Swanwick 2002). S tem želimo poudariti, da je regija samostojen prostorsko povezan del Zemljinega površja. Izraz pokrajina je » .v pomenu ozemlja, predela, regije, geografsko homogenega ozemlja...v geo -grafiji že dolgo časa sprejet in uveljavljen .« (Lovrenčak 1996, 265). Lovrenčak (1996, 266) je navedel 18 ir GEOGRAFIJA SLOVENIJE 28 številna pojmovanja tega izraza in povzel, da označuje »...del zemeljskega površja, kjer sestavlja prepletajoče se delovanje naravno in družbenogeografskih dejavnikov prostorsko enoto z značilno zunanjo podobo...«. Gams (1984, 77 in 78) je naravnogeografski pomen še nekoliko bolj izpostavil, saj je za izraz pokrajina navedel, da je pogosto povezan z naravnogeografskim videzom Zemljinega površja. V Slovarju slovenskega knjižnega jezika (2005) je pokrajina označena kot: a) »manjše ali večje ozemlje glede na oblikovanost, obraslost, urejenost oziroma določeno manjše ali večje ozem-lje sploh«; b) »višja upravna enota«; c) »slika, na kateri je upodobljena pokrajina; krajina«; d) »področje, območje«. Predstavitev pokrajine, ki vključuje tudi četrto razsežnost in se s tem dotakne tudi problema naravnih pokrajin, dopolnjujemo s trditvijo, da je pokrajinska enota ».geografskikompleks homogene narav-nogeografske enote in družbenogeografske stvarnosti... Naravnogeografske enote, vsaj za eno ali več generacij, predstavljajo skoraj stalnico, medtem ko se družbene razmere hitro spreminjajo .« (Čer-ne, Klemenčič in Plut 1981, 130). V Velikem angleško-slovenskem slovarju (2005) so za izraz landscape navedene slovenske ustrez-nice »pokrajina, pokrajinska slika, pejsaž«. Angleška besedila ponujajo številne razlage tega pojma. Whitthow (2000, 295) izraz pokrajina (izvirno landscape) razlaga kot del površja z vključenimi naravnimi in antropogenimi lastnostmi. Pokrajina (izvirno landscape) je vzorec oziroma mozaik ekotopov (Haber 1994, 59) oziroma del površja Zemlje (Meeus 1995). Pokrajine so deli Zemljinega površja, ki jih lahko prepoznamo in kažejo značilno razporeditev prvin, čeprav so pogosto heterogeni. Pokrajine so zapleteni, prostorsko heterogeni sistemi s številnimi lastnostmi (Mücher s sodelavci 2009). Podoben izraz je pokrajinska značilnost (izvirno landscape character), ki jo ustanova The Countryside Agency and Scottish Natural Heritage opisuje kot razločen, prepoznaven in pravilen (konsistenten) vzorec pokrajinskih prvin, ki neko pokrajino naredi drugačno od drugih (Wascher 2005). Navsezadnje je pokrajina lahko opredeljena tudi kot »prosto izbran kvadrat zemeljskega površja« (Perko 1998d, 15). Izraz tip Slovar slovenskega knjižnega jezika (2005) opisuje kot nekaj, »... kar ima v veliki meri lastnosti, značilnosti, zaradi katerih se uvršča v posebno skupino stvari iste vrste...«, izraz tipologija pa kot »ureditev, uvrstitev v tipe« oziroma kot »postopek, po katerem se kaj uvršča v določen tip«. V geografski literaturi se oba pojma uporabljata, a njune opredelitve v referenčnih geografskih leksikonih in priročnikih ni. Tipi pokrajinskih značilnosti (izvirno landscape character types) imajo po Swanwicku (2002) podobne vzorce geoloških značilnosti, reliefa, prsti, rastlinstva, rabe tal, poselitve in poljske razdelitve povsod, kjer se pojavijo. V anglosaški literaturi se pogosto pojavlja izraz ecoregions, kar lahko prevedemo kot ekološka regija ali kot ekološko območje. V nadaljevanju uporabljamo izraz ekološko območje, saj pogosto ni jasno definirano, ali gre pri tem za območja, sestavljena iz več prostorsko ločenih delov, ali pa le iz enega, prostorsko zaključenega. Ekološka območja so razmeroma velike enote površja, ki jih sestavljajo določene naravne združbe in vrste in imajo meje, ki ustrezajo naravnim, torej tistim pred spremembami rabe tal zaradi posega človeka (Olson s sodelavci 2001). Posamezna ekološka območja imajo dokaj homogene biotske in abiotske značilnosti in drugačne lastnosti kot sosednja območja (McMahon, Wiken in Gauthier 2004). Z ekosistemskega vidika so ekološka območja opredeljena kot večji ekosistemi, ki vsebujejo manjše ekosisteme s podobnim odzivanjem na spremembe in podobnimi naravnimi viri (Zhou s sodelavci 2003), oziroma kot območje relativne homogenosti ekosistemov (Loveland in Merchant 2004). Na splošno velja, da so ekološka območja mozaik ekosistemov, ki so v primerjavi s sosednjimi območji sorazmerno homogeni, vendar ni glede prepoznavanja (določanja) in dojemanja ekoloških območij nobenega jasnega dogovora (Omernik 1995 v McMahon, Wiken in Gauthier 2004). Loveland in Merchant (2004) na primer trdita, da moramo ekološka območja jemati kot model, saj »... je ekološko območje zgolj konstrukt, s katerim posplošimo kompleksnost pokrajine (landscape).« (Loveland in Merchant 2004, 2). Ta trditev velja na splošno za vse klasifikacije pokrajine. 19 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic V tuji literaturi najdemo še druge izraze (Bailey 1996): landschaft, natural land types, site, site regions, land systems in druge. Nekateri se uporabljajo pogosteje, drugi redkeje - na primer okoljske domene (izvirno environmental domains), ki jih označujejo kot geografske enote s podobnim okoljem (Leathwick, Overton in McLeod 2003). Za izraz klasifikacija sta v Slovarju slovenskega knjižnega jezika (2005) dve razlagi. Prva pravi, da je to »razvrstitev, razporeditev česa glede na enake ali podobne lastnosti«, druga pa, da gre za »oce -nitev, ovrednotenje«. Pojem klasifikacija (angleško classification) ima v literaturi precej razlag (McGarigal, Cushman in Stafford 2000). Klasifikacija je lahko vsaka formalna ureditev podatkov v hierarhijo kategorij ali razvrstitev v razrede (Whittow 2000) oziroma sistematična ureditev v razrede ali skupine na podlagi skupnih lastnosti (Clark 1998). Podoben izraz gručenje (cluster analysis) je metoda organiziranja enot v diskretne razrede. Zaradi obstaja več metod tudi ni splošne definicije izrazov klaster, grozd ali gruča (angleško cluster). Eden izmed splošnih opisov pojma cluster pravi, da vsebuje enote, ki kot točke zavzemajo natančno določeno mesto v večrazsežnostnem prostoru, kjer vsako od p spremenljivk predstavlja ena od osi. Te točke oblikujejo oblake v tem prostoru. Gruče so območja, v katerih je razmeroma velika gostota točk in so hkrati med seboj ločena z območji, v katerih je gostota točk manjša (McGarigal 2000). Pomembno razlikovanje klasifikacij je izpostavila Ferligojeva (1989, 18), ki pravi, da »... nalogo razvrščanja v skupine razlikujemo od naloge uvrščanja, kjer so skupine oziroma karakteristike skupine že določene in je potrebno vsako dano enoto prirediti skupini, ki ji je najbolj podobna (najbližja)...« Razlago metode nenadzorovane klasifikacije in metode nadzorovane klasifikacije podajamo s pomočjo terminologije daljinskega zaznavanja. » . Pri nenadzorovani klasifikaciji piksle razporedimo v razrede glede na njihovo 'naravno' združevanje v spektralnem prostoru. Za razliko od nadzorovane pri nenadzorovani klasifikaciji v prvem koraku ne potrebujemo nikakršnega vedenja o površju .« (Oštir 2006, 178). Po Ferligojevi (1989) so metode nenadzorovane klasifikacije označene kot razvrščanje v skupine. To pomeni, da pri nenadzorovani klasifikaciji prostorske enote (na primer rastrske celice) združujemo glede na njihove vrednosti v večrazsežnostnem prostoru, ki ga določajo izbrani podatkovni sloji (na primer nadmorska višina, naklon), v skupine, katerih lastnosti nam niso znane oziroma so določene kot »naravne«. » . Pri nadzorovani klasifikaciji za ustvarjanje spektralnih vzorcev uporabimo svoje poznavanje zemeljskega površja. Na nek način računalniški program 'naučimo\ kaj je na primer voda in kaj je tra -va, nato pa ta svoje znanje prenese na celoten posnetek. Postopek nadzorovane klasifikacije razdelimo na: ustvarjanje in urejanje vzorcev ter razvrščanje v razrede (klasifikacija)...« (Oštir 2006, 179). To pomeni, da pri tovrstnem načinu klasifikacije izberemo določene primere pokrajinskih tipov in jim določimo njihove tipične vrednosti (na primer nadmorsko višino in naklon). Nato na podlagi teh primerov z metodo nadzorovane klasifikacije izdelamo pravila, s katerimi klasificiramo vse preostale enote (celice) v enega izmed določenih tipov. Dodali bi še, da so po Ferilogijevi (1989) metode nadzorovane klasifikacije označene kot uvrščanje v skupine. Regionalizacija je pojem, ki je v Slovarju slovenskega knjižnega jezika (2005) označen kot »posto -pek členitve ozemlja na regije«. Kot sopomenko navaja pojem »tipizacija«, kar je preveč poenostavljeno in seveda nepravilno. Perko (1998d, 14 in 15) je regionalizacijo označil za »postopek prostorskega loče -vanja regij oziroma členitev Zemljinega površja na pokrajine«. Izraz pojmuje tudi kot »hierarhično razvrščanje, delitev in združevanje regij oziroma pokrajin«. V leksikonu Geografija (2001) je ta razlaga povzeta, a z dodatkom, da sta podobna pojma tudi »členitev« in »rajonizacija«. V literaturi se izraz pojmuje tudi kot razmejevanje Zemljinega površja »... na pokrajine, območja, predele ali ozemlja, ki jih družijo podobne ali celo enake naravne in/ali družbene značilnosti...« (Vrišer 1999, 38). Regiona-lizacija je le ena od oblik klasifikacije, razvrščanja pojavov (Natek in Žiberna 2004) oziroma posebna oblika klasifikacije (Loveland in Merchant 2004). V statistki pomeni razvrščanje v skupine z omejitvami (Ferligoj 1989), kjer lahko kot dodaten pogoj za združevanje določimo pravilo, da se morata enoti stikati. Iz literature so znani tudi opisi regionalizacije kot prostorske klasifikacije, pri kateri klasificiramo območja (Loveland in Merchant 2004). 20 ir GEOGRAFIJA SLOVENIJE 28 Regionalizacija (izvirno regionalization) je tudi proces poenostavitve geografskih pojavov v razločne prostorske enote (Bernert s sodelavci 1997). Ta definicija je dokaz, da angleški izraz regionalization ni nujno enak slovenskemu izrazu regionalizacija, saj ne govori o tem, ali so enote enkratne ali ne. Izraz tipizacija je v Slovarju slovenskega knjižnega jezika (2005) označen kot »glagolnik od tipizirati«. Glagol tipizirati pa pomeni »urediti, razvrstiti kaj glede na določene lastnosti, značilnosti v skupine«. Podoben izraz, tipologija, je opredeljen kot »ureditev, uvrstitev v tipe« oziroma »postopek, po katerem se kaj uvršča v določen tip«. Po tem pojmovanju sta si izraza tipizacija in tipologija zelo blizu, v geografiji pa se očitno bolj uporablja izraz tipizacija, saj je njegovo obrazložitev možno zaslediti v Geografskem terminološkem slovarju (Kladnik, Lovrenčak in Orožen Adamič 2005, 395), kjer piše, da pomeni »... delitev ozemlja na tipe glede na en sam pojav, geografsko prvino ali skupek izbranih pojavov, pro-cesov v pokrajini.«, in v leksikonu Geografija (2001, 556), kjer je opredeljen kot »pokrajinska členitev po eni sami pokrajinotvorni prvini«. V nadaljevanju slednje razlage je dodano pojasnilo: ».Ker gre za povezanost pokrajinskih sestavin, tudi tipizacija na podlagi ene same sestavine pomeni regionalizaci jo na osnovi z njo močno povezanih in prepletenih sestavin. Zato regionalizacija pogosto temelji na tipizaciji pokrajin, tj. na njihovem razvrščanju v skupine glede na njihove značilnosti. Vsaka regija spa-da v določen tip regij in v vsak tip regij se lahko uvrsti več regij...«. Da je tipizacija členitev po eni prvini, je zapisano tudi v drugi literaturi (na primer Gams 1983), hkrati pa zasledimo tudi razlago, da je tipizacija razvrščanje po značilnostih v skupine oziroma tipe (pokrajin) ter tudi primer konkretnega določanja tipizacije po več pokrajinskih značilnostih (Perko 1998b). Natek (1993) pravi, da je treba tipizacijo » . razlikovati tudi od kvantitativno zasnovane klasifikacije na osnovi razlik med vrednostmi izbrane numerične spremenljivke, na primer klasifikacija Slovenije na osnovi spremenljivke 'umerjeni reliefni koeficient' (Perko 1992), pri čemer so vse ostale značilnosti zavestno izpuščene...«. Pomembno pri zapisovanju imen tipov je, da »... se pri tipizaciji vsak tip lahko pojavi večkrat...«, zato ». imena pokrajinskih tipov zapisujemo z malo začetnico...« (Geografija 2001, 556). Izraz členitev je nadpomenka vseh omenjenih metod (regionalizacija, tipizacija, tipologija). V Slovarju slovenskega knjižnega jezika (2005) je obrazložen kot »glagolnik od členiti«, glagol členiti pa pomeni »deliti celoto na zaključene dele, enote«. Izraz členitev je pri opisu različnih regionalizacij in tipizacij uporabil tudi Kladnik (1996). Izraz segmentacija po Slovarju slovenskega knjižnega jezika (2005) označuje »razčlenitev« oziroma »razčlenjenost«. V geografiji (na primer Kladnik 1996) se uporablja podoben izraz »členjenje« ali »členitev«. Segmentacija je tudi postopek, ki deli površje na homogene enote. Zaradi računskega načina določanja enot ga lahko v geografiji označimo kot računalniško členitev (ali razmejitev) območja na homogene enote po izbranih kriterijih. Uporaba tujke segmentacija je smiselna predvsem, ko označujemo geoinformacijski postopek, saj lahko po segmentaciji dobljene prostorske enote (segmente) nadalje razvrstimo ali uvrstimo v regije oziroma tipe. V metodološkem smislu namreč segmentacija izbrano območje glede na vrednosti podatkovnih slojev zgolj deli na homogene prostorske enote, pri tem pa ne prepoznava njihove individualnosti ali razmerij do ostalih enot (Pratt 2007). 3.1.1 PRIMERJAVA NEKATERIH IZRAZOV IN NJIHOVA UPORABA V KNJIGI Razlage izrazov dokazujejo, da številni nimajo jasnih definicij. Sklepamo, da sta klasifikacija in členitev sopomenki ter hkrati nadpomenki za tipizacijo (tipologijo) in regionalizacijo oziroma za razdelitev Zemljinega površja na tipe ali regije. Pri tem velja, ».da je za tipizacijo značilno načelo podobnosti, za regionalizacijo pa veljata načeli posamičnosti in posebnosti..« (Geografija 2001, 556), oziroma, da je delitev ozemlja glede na podobnost tipizacija, delitev površja glede na individualnost pa regionalizacija (Gams 1984; Natek 1993). Za razlikovanje pojmov tipizacija in regionalizacija je pomembno tudi, da se tip lahko pojavi na več prostorsko ločenih območjih in se piše z malo začetnico, regija pa je ena sama prostorsko zaključena enota in se, ker je poimenovana z lastnim imenom, piše z veliko začetnico. 21 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic V knjigi uporabljamo izraz klasifikacija tudi kot nadpomenko za vse vrste metod klasifikacij (nenadzorovanih in nadzorovanih). Za nenadzorovane klasifikacije uporabljamo tudi izraz razvrščanje v skupine, za nadzorovane klasifikacije pa izraz uvrščanje v skupine. Kjer je to potrebno za lažje razumevanje, je zapisano »klasifikacija na tipe« oziroma »tipizacija« ter »klasifikacija na regije« oziroma »regionali-zacija«. Izraz segmentacija uporabljamo kot metodo oziroma geoinformacijsko orodje. V besedilu uporabljamo različne izraze, ki so jih uporabili razni avtorji (na primer regija, tip, pokrajina, ekološko območje in podobno), ponekod pa zaradi lažjega branja, razumevanja in poenotenja besedila uporabljamo bolj posplošen izraz prostorsko enota, predvsem takrat, ko imamo v mislih le del površja brez kakršnekoli svojstvene oznake. V osrednjem, analitičnem delu smo zaradi lažjega razumevanja besedila uporabili dva bolj opisna izraza, s katerima smo poimenovali klasifikacije: • izvirna naravnopokrajinska tipizacija - z njim označujemo tipizaciji, ki smo ju modelirali; to sta tipizacija Slovenije na devet tipov (Perko 1998a, 1998b in 2007b) in pokrajinskoekološka tipizacija Slovenije na 13 tipov (Špes s sodelavci 2002), ter • modelirana naravnopokrajinska tipizacija - z njim označujemo vsako tipizacijo, ki je bila narejena z metodo nadzorovane klasifikacije na podlagi ene izmed izvirnih naravnopokrajinskih tipizacij. Glede na navedene opise pojmov regija, pokrajina, tip in drugih moramo za dosleden opis pojma naravni pokrajinski tip izpostaviti naslednje lastnosti: podobnost, stalnost v primerjavi s človeškim življenjem in neobveznost prostorske stičnosti. Skladno s tem lahko naravne pokrajinske tipe obrazložimo kot dele Zemljinega površja, ki so si glede na značilnosti bolj stalnih naravnih dejavnikov (torej tistih, ki so z vidika človekovega življenja manj spremenljivi oziroma nespremenljivi) podobni, ob tem pa so lahko ti med seboj prostorsko bolj ali manj oddaljeni. 3.2 DOSEDANJA SPOZNANJA Čeprav se v praktičnem delu raziskave posvečamo izključno tipizaciji, smo pregledali nekatere značilnosti klasifikacij pokrajine, tako tipizacij kot regionalizacij. Pri obeh gre namreč za klasifikacijo površja na podlagi določenih kriterijev. Kljub temu da metodi tipizacije in regionalizacije dajeta različne rezultate, vsebujeta podobne metodološke postopke. Na to je opozoril že Ilešič (1957/1958, 86), ki pravi, da lahko »... naravnogeografsko regionalizacijo označimo kot regionalizacijo na podlagi meril tipolo-gije naravnih pokrajin..«. Tudi Perko (1998b, 12) pravi, da »...regionalizacija pogosto temelji na tipizaciji pokrajin, razvrščanju pokrajin po njihovih značilnostih v skupine, tipe pokrajin...«. Prav tako sta Natek in Žiberna (2004, 25) izpostavila, da upoštevanje pokrajinskih značilnosti kot kriterijev za razlikovanje ni prisotno samo pri geografski regionalizaciji, temveč pri slehernem razvrščanju katerihkoli pojavov. Pri teoretičnem pregledu klasifikacij pokrajine smo upoštevali spoznanja iz splošne in regionalne geografije, biogeografije, ekosistemske geografije, pokrajinske ekologije in drugih sorodnih ved. Načela klasifikacije v fizični geografiji in pokrajinski ekologiji, po katerih je bilo narejenih veliko členitev, so namreč sorodna, čeprav prva vidi regije kot celoto, pokrajinska ekologija pa kot splet ekotopov (Gams 1986a). Poleg tega je ekosistemska geografija podobna pokrajinski ekologiji (Bailey 1996), razlikovanje med eko-sistemsko in vegetacijsko klasifikacijo pa ni vselej jasno (Runhaar in Udo de Haes 1994). S temi dejstvi opravičujemo nujnost navajanja spoznanj avtorjev različnih strok, ki so sicer uporabili različne definicije, metode, podatke, vendar so vsi povezani z istim ciljem, to je razdelitvijo površja na homogene enote. Pri pripravi teoretskega pogleda na klasifikacijo pokrajin smo se oprli na vprašanja, ki so v zvezi s to problematiko izpostavljena v literaturi. Po nekaterih avtorjih (Hargrove in Hoffman 2005) so denimo temeljna vprašanja, ki so povezana z naravnimi enotami, naslednja: • Ali so enote namenjene specifičnemu ali splošnemu namenu? • Ali so prostorsko zvezne ali nezvezne? • Ali so hierarhične ali ne? • Ali so lahko to enote upravljanja, podlage v zakonodaji in podobno? 22 ir GEOGRAFIJA SLOVENIJE 28 • Ali jih lahko določimo s kvantitativnimi metodami ali jih lahko zarišemo le ekspertno? McMahon, Wiken in Gauthier (2004) so za boljše razumevanje prepoznavanja ekoloških regij oziroma območij (izvirno ecological region identity) svoje predloge strnili v štiri temeljne točke: meje in stabilnost, vpliv človeka, vzorec in merilo za definiranje enot ter hierarhičnost enot. Pri obravnavi (ekosi-stemskih) klasifikacij Bailey (1996) ter McMahon, Wiken in Gauthier (2004) izpostavljajo dve vprašanji: • Kateri dejavniki so pomembni pri prepoznavanju ekosistemov? • Kako določiti meje med njimi? 3.2.1 OSNOVNI PRISTOP Pri raziskovalnem delu se opiramo na analizo in sintezo ter indukcijo in dedukcijo (Vrišer 1982). Pri deduktivnem pristopu izhajamo iz teorije o zgradbi in delovanju narave. Razlike med območji iščemo na podlagi teorije, ki izhaja iz predhodnih izkušenj. Na dejavnike, za katere predvidevamo, da so pomembni za razlikovanje, se osredotočimo že na začetku. Tak pristop ima stroga načela, glavna znanstvena naloga pa je preizkusiti hipotezo (Udo de Haes in Klijn 1994). Pri induktivnem pristopu je v ospredju vzorčenje podatkov, ki jih klasificiramo. Pričnemo ga brez vnaprej postavljenih domnev o razmerjih in predvidevamo, da se bodo podobnosti in razlike pokazale šele z obdelavo podatkov. Pri tem je treba paziti na izbor vzorca in značilnosti (Udo de Haes in Klijn 1994; Bunce 1994). Dejansko moramo pri delu uporabiti tako analizo kot tudi sintezo. Vrišer (1982) meni, da se moramo v čim večji meri opreti na sintezo, kajti le tako je mogoče pravilno predstaviti pokrajino, analitične metode pa uporabljamo, ko obravnavamo posamezne temeljne sestavine pokrajine in njihovo vlogo pri njenem oblikovanju. Na načelo, po katerem se raziskovalec loti raziskave, pomembno vpliva dojemanje predmeta raziskave. Udo de Haes in Klijn (1994) sta izpostavila, da je lahko ekosistem definiran kot abstrakten pojem ali kot dejansko prepoznaven objekt. To za raziskave pomeni dve izhodišči: a) enote obstajajo, lahko jih prepoznamo in so zato resnične, b) enote določa človek in so zato abstraktne. Bailey (1996) trdi, da so enote lahko prepoznavne. Navaja, da ekosistemi kot geografske enote pokrajine vključujejo vse naravne pojave in so lahko prepoznani ter zamejeni z mejami. Takemu načinu razmišljanja nasprotuje Gams (1984, 76), ki trdi, da v naravi takšne enote ne obstajajo in da gre pri razmejevanju enot v naravi za »...zavestno silo naravi...«, povzročeno z metodo, ki je le miselni kon-strukt. Gams (1978a, 15) trdi še, da » ..je vsaka regija z omejeno črto na karti nenaravna, umetna tvorba in rabi samo kot sredstvo ugotavljanja razlik...«. Neenoten pogled na enote naravne pokrajine lahko ponazorijo tudi mnenja govorcev na okrogli mizi v Bratislavi leta 1972 (Demek, Quitt in Raušer 1972): • Schmithüsen je trdil, da je naravnogeografska potencialna pokrajina le abstrakcija, kulturna pokrajina pa je realnost, • Muchina je trdil, da fizičnogeografski rajoni v naravi obstajajo in niso abstrakcija, • Roglič je trdil, da je naravno okolje realnost, zato je nujna tudi naravnogeografska klasifikacija, • Sočava je trdil, da je potencialna naravna pokrajina realnost in da je pokrajina naravni kompleks, pri čemer klasifikacija pomaga odkrivati naravo in tudi sicer pomaga v praksi. Že na začetku pregleda teorije o klasifikaciji pokrajine smo se soočili z dilemo, ali določamo tipe naravnih pokrajin in ali naj uberemo bolj induktiven pristop in z analizo pridemo do spoznanj o tem, kje so posamezni tipi, ali pa moramo tipe prepoznati in zato ubrati bolj deduktivni pristop ter upoštevati dosedanja spoznanja (geografske) znanosti in jih prenesti v prostor, ki ga raziskujemo. 3.2.2 RAZNOLIKOST IZDELAVE KLASIFIKACIJ Že analiza posameznih izrazov je nakazala dve glavni delitvi klasifikacij Zemljinega površja v geografiji: glede na podobnost (tipizacija) in glede na individualnost (regionalizacija). Obstajajo pa še druge 23 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic delitve. Demek, Quitt in Raušer (1972) razlikujejo naravnogeografske klasifikacije glede na način izdelave. Pri enem se območja določa neposredno, pri drugem pa se v prvem koraku naredijo le delne klasifikacije (glede na geomorfološke, hidrološke in druge značilnosti) in šele nato sledi končna klasifikacija. Zonneveld (1994) priporoča, da je za območja z dovolj podatki v obliki zemljevidov pokrajinske enote najprimerneje določiti šele po analizi, razmejitvi in klasifikaciji posameznih pokrajinskih dejavnikov. Klasifikacija lahko poteka z deljenjem ali združevanjem osnovnih enot. Noben pristop ni opredeljen kot boljši (Loveland in Merchant 2004). Klasifikacija je možna tudi s postopnim abstrahiranjem pokrajinskih razlik med posameznimi pokrajinskoekološkimi enotami na različnih ravneh klasifikacije, tako da na koncu izločimo glavne pokrajinskoekološke tipe (Špes s sodelavci 2002). Delitev površja na enote je lahko tudi zvezna ali nezvezna. Nezvezna delitev je bolj kvalitativna, izvedena na podlagi strokovnega znanja in ima bolj aplikativno vrednost, vendar je bolj podvržena subjektivnosti, zvezna delitev pa je bolj kvantitativna in objektivna, ima pa tudi večjo analitično vrednost. Zvezna delitev površja je pogosto le prva stopnja njegove nezvezne delitve. Za nezvezno delitev površja je značilno, da njegove posamezne dele združujemo v ploskve z enakimi ali podobnimi vrednostmi izbranih spremenljivk in jasnimi mejami. Značilno zanjo je, da posamezne dele površja uvrščamo zgolj glede na vrednosti izbranih spremenljivk, ne glede na njihovo prostorsko lego. Takšne neprostorske enote najpogosteje imenujemo razredi (Hrvatin in Perko 2010). Poleg naštetih dejstev je treba omeniti še neskončno vrsto kombinacij posameznih delovnih postopkov v praksi. Klijn (1994) si na primer prizadeva, da se najprej določijo enote, nato pa se glede na njihovo velikost oziroma merilo pripravi nabor značilnosti in z njimi enote dokončno klasificira v skupine. 3.2.3 POMEN IZBORA DEJAVNIKOV Klasifikacijo lahko opravimo zgolj na podlagi enega dejavnika (monotetični pristop) ali na podlagi več dejavnikov (politetični pristop) (Loveland in Merchant 2004). Gams (1984) ločuje vsaj dve kategoriji tipizacije: podobnost glede na en pojav (na primer območje pogoste toče) ter podobnost z vidika kompleksnosti ene pokrajinotvorne prvine (na primer podnebja). Obema lahko dodamo še tipizacijo po več pokrajinskih značilnostih (Perko 1998b). Po mnenju Ilešiča (1957/1958) bi morala geografija vztrajati pri kompleksnih klasifikacijah (izvirno rajonizacijah). Tudi Zonneveld (1994) meni, da naj se pokrajinska enota ne bi določala le po eni spremenljivki. Bailey (1996) in Ilešič (1957/1958) imata podobno mnenje in trdita, da mora sistem temeljiti na več dejavnikih. Izogibati se je treba kriteriju enega samega dejavnika oziroma ene same prevladujoče značilnosti, četudi ju povzroča več dejavnikov. Naravni dejavniki medsebojno učinkujejo, kar pomeni, da je lahko celota deloma znana že samo po nekaterih lastnostih. Če izberemo najbolj relevantne značilnosti, po katerih klasificiramo, lahko mnoge preostale značilnosti ocenimo z zadostno natančnostjo (Klijn 1994). Bailey (1996) je zato izpostavil metodo usmerjevalnih dejavnikov (izvirno controlling factors). Po njej bi morali med vsemi dejavniki poiskati relevantne, ki jih nato uporabimo za členitev pokrajine, preostali dejavniki pa se lahko uporabijo za opis. Statistične metode nam omogočajo tudi izračun stopnje povezanosti, zato lahko odvečne dejavnike, ki jih dovolj dobro odražajo že drugi, iz postopka klasifikacije odstranimo. Pri tem velja izpostaviti, da ni nujno, da so vsi dejavniki enako pomembni na vseh ravneh, čeprav naj bi bilo po mnenju Ilešiča temeljno merilo ves čas enako (Ilešič 1957/1958 v Klad-nik 1996). Vsekakor je pri klasifikaciji zaželeno analizirati dejavnike na različnih ravneh. V literaturi obstaja tudi zelo podobna delitev na razlikovalne dejavnike in diagnostične dejavnike. Prve Vink (1975 v Klijn 1994, 95) opredeljuje kot uporabne za določanje prostorskih enot (na primer zamejitev tipov), druge pa za bolj temeljit opis, pri čemer so slednji zaradi povezanosti lahko uporabljeni tudi pri določanju enot. Zonneveld pa priznava le diagnostične dejavnike, s katerimi se razmejuje in tudi opisuje enote (Zonneveld 1979 v Klijn 1994, 95). Dejavnike oziroma značilnosti pokrajine lahko torej uporabimo za razmejevanje in/ali opis enot (tipov, regij). 24 ir GEOGRAFIJA SLOVENIJE 28 Nekateri (Klijn 1994; Mucher s sodelavci 2003 in 2006) ponujajo nekoliko drugačno razvrščanje dejavnikov v dve glavni skupini; v prvi so dejavniki, ki jih uporabimo za postavljanje meja med (homogenimi) enotami, v drugi pa dejavniki, ki jih uporabimo za klasifikacijo enot v skupine. Pri tem Mucher in sodelavci (2003, 81) trdijo, da naj bi se za oznako in opis pokrajinskih tipov uporabilo ekspertno znanje, za razmejevanje pa bi se morali uporabiti računalniški podatkovni sloji. Vsekakor moramo za določanje meja definirati pomembne spremembe dejavnikov v prostoru (Bailey 1996). Klasifikacija je lahko določena tudi na podlagi jasno izraženih lastnosti, na primer značilnosti reliefa, ali pa bolj abstraktnih lastnosti, na primer glavnih komponent (McMahon, Wiken in Gauthier 2004). 3.2.4 LASTNOSTI PODATKOV Podatki imajo številne lastnosti, ki jih moramo pred uporabo v analizi dobro poznati. Med njimi lahko izpostavimo način zapisa, prostorski obseg, ločljivost (prostorska natančnost), dostopnost (avtorstvo) in kakovost (natančnost zajema podatkov). Zaradi svojih lastnosti podatki omogočajo izbor le določenih metod in dovoljujejo dosego rezultatov v določenem okvirju. Način zapisa podatkov nas omejuje na določeno rabo orodij. Vektorski podatki so predstavljeni kot zbirka preprostih geometrijskih objektov, kot so točke, linije in poligoni (Gandhi 2008), rastrski pa so podatkovni sloji z mrežo pikslov (celic) z določeno vrednostjo (Lim 2008). Obseg in ločljivost neposredno vplivata na kakovost rezultata. Prvi dejavnik pomeni površino območja, ki ga lahko analiziramo, drugi pa pove, kakšna je lahko prostorska natančnost rezultata (McMahon, Wiken in Gauthier 2004). Pri rastrskih podatkih je prostorska ločljivost nedvoumna, saj jo ponazarja velikost celic. Pri vektorskih podatkih je ločljivost težje definirati, zato se v znanosti priporoča raba rastrskih podatkov (Goodchild 2011). Kot pomembno dejstvo pri klasifikaciji so Bunce in sodelavci (1996) ter Mucher in sodelavci (2003) izpostavili tudi dostopnost podatkov, saj je ta navadno omejena. Izbrane podatkovne sloje lahko uporabimo tudi zaradi njihove prepoznavnosti in zmožnosti meritve (Zonneveld 1994). Lastnosti podatkov lahko spremenimo z raznimi (pred)obdelavami. Tako lahko na primer pred analizo odstranimo nepotrebne podrobnosti in ohranimo bistvo (Goodchild 2011), vendar imajo različni načini združevanja podatkov za posledico različne rezultate, kar je znano kot problem spremenljivosti temeljne enote (angleško modifiable areal unit problem). Da »... lahko z odločitvijo o tem, za katere prostorske enote zberemo podatke, pomembno ali celo odločilno vplivamo na rezultate analize...«, je opozoril že Krevs (1998, 186), ki še dodaja, da ».so nekateri pojavi po izbranih prostorskih enotah predstavljeni ustrezneje kot drugi...« (Krevs 1998, 188). Sklepanje o značilnostih posameznikov na podlagi agregatnih podatkov imenujemo ekološka napaka (Krevs 1998). 3.2.5 RAVEN KLASIFIKACIJE Pokrajinskoekološko delitev je mogoče izpeljati na različnih ravneh, od globalne do topološke (Leser 1976). O primernosti prostorske ravni v glavnem odločajo cilji in namen raziskave (Bailey 1996). Pri klasificiranju so lahko homogene enote določene na različnih prostorskih ravneh. Hierarhija teh enot je lahko takšna, da se meje različnih ravni ujemajo, vsaka nižja raven pa je bolj podrobna (Klijn 1994) in vsaka višja raven (prikazana v manjšem merilu) bolj posplošena ter abstraktna (Bailey 1996). Pri klasifikaciji pokrajine na enote moramo ugotoviti, kateri dejavniki so na določeni ravni najbolj ustrezni, oziroma, kateri so tisti, s katerimi lahko najbolje razlikujemo enote. Različne dejavnike je poskusilo sistematično urediti več avtorjev, vendar je razdelitev po ravneh arbitrarna (Udo de Haes in Klijn 1994). Težavo predstavlja tudi okoliščina, da snovni, energijski in drugi pretoki med posameznimi območji spreminjajo meje (McMahon, Wiken in Gauthier 2004). Zato ti avtorji predlagajo, da se pri določanju ekoloških območij upošteva stabilnost v ekosistemih, ki jih gradijo. To lahko razumemo tudi kot napotek, da se moramo opreti na bolj stabilne dejavnike v okolju. Kot dejavniki (geokomponente 25 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic ozračje kamninska podlaga podzemna voda površinska voda prst rastlinstvo živalstvo Slika 4: Teoretična razporeditev pomena dejavnikov po posameznih ravneh in njihova medsebojna odvisnost (Klijn 1994, 88). ali delni kompleksi) se raziskujejo predvsem podnebje, prst, vodovje, površje, geološka zgradba ter živi svet (Plut 1980). Razvrstitev dejavnikov po ravneh je razvidna tudi iz mnenja, da pokrajinskoekološke klasifikacije ne moremo izvesti vedno po isti dominantni prvini (Špes s sodelavci 2002). Pri različnih raziskavah sta se kot glavna pokrajinotvorna dejavnika največkrat izkazala relief in litološka sestava, pri pokrajinskoekološki delitvi pa je v ospredju tudi rastlinstvo kot vidna pokrajinska prvina in pokazatelj ekoloških razmer (Gams 1986a). Tudi Bohn s sodelavci (2000/2003) je kot najbolj stabilna dejavnika izpostavil orografijo (nadmorska višina) in kamninsko podlago, kot manj stabilnega pa rastlinstvo, zato njegovo uporabo pri klasifikaciji priporoča le v vlogi potencialnega dejavnika. Tako kot dejavnike lahko po ravneh razvrstimo tudi različne prostorske enote (regije, tipi). Tako naj bi hierarhija enot pri klasifikaciji na regije potekala od primarne makroregije prek mezoregije do mikroregije, vmes pa bi lahko bile sekundarne submakroregije, submezoregije in submikroregije. Pri pokrajinsko-ekoloških klasifikacijah bi lahko kot najnižjo stopnjo določili ekotop (Ilešič 1957/1958 v Kladnik 1996; Natek 1994 v Kladnik 1996). Avtorji torej dejavnike povezujejo z ravnmi preučevanja in njimi ustreznimi enotami. Godron (1994) je na primer kot primarno ekološko delitev na Zemlji označil delitev na kopno in morje, glavni dejavniki, ki se uporabljajo za razčlenjevanje na območju kopnega, pa so podnebje, relief in kamninska podlaga. Na ravni celin se ekološki vzorec najbolj povezuje s podnebjem (Godron 1994). Temu ustrezne enote so ekološke cone. Znotraj vsake podnebje določa rastlinstvo, oba skupaj pa določata prst. Na regionalni ravni (ekološke regije oziroma območja) sta dodatna dejavnika za razlikovanje pokrajine relief (nadmorska višina) in oddaljenost od oceana, saj vplivata na podnebje. Razlike so opazne na večjem območju. Na nižjih ravneh (ekološki sektorji, distrikti in pokrajine; angleško sectors, districts, landscapes) imajo pomembno vlogo geomorfološke značilnosti in prst. Ekološka postaja (station) oziroma ožje območje (site) je območje, kjer količino vode za rast rastlin določa preplet kamninske podlage, prsti in podzemne vode (Godron 1994). Podnebni dejavniki so torej odločilni za raznolikost na celinski ravni, znotraj posameznega podnebnega pasu oziroma območja pa pri razlagi vzorcev geofizikalni dejavniki prevladujejo nad podnebnimi (Anderson in Ferree 2010). Godronovo (1994) hierarhijo ekoloških klasifikacij torej sestavljajo (od največje proti najmanjši) ekološke cone, ekološke regije oziroma območja, ekološki distrikti, ekološki sektorji, ekološke pokrajine in manjša ekološka območja (sites, stations) z ustreznimi, na posamezni ravni najbolj pomembnimi dejavniki. Klijn (1994) je predstavil hierarhični model relativne odvisnosti med glavnimi dejavniki, med katerimi je najbolj vplivno ozračje, sledijo pa kamninska podlaga, podzemna voda, površinska voda, prst, 26 ir GEOGRAFIJA SLOVENIJE 28 časovna raven prostorska raven \ ozračje / podnebje / \ kamninska podlaga / \ podzemna voda / \ površinska voda / \ prst / \ rastlinstvo / živalstvo Slika 5: Zveza med časovno in prostorsko ravnjo ter dejavniki (Klijn 1994, 91). rastlinstvo in živalstvo. Takšno razporeditev je določil tudi zato, ker na globalni ravni razporeditev eko-sistemov skoraj v celoti določajo abiotski dejavniki. Hierarhično nižje opredeljeni dejavniki so bolj odvisni od višjih (slika 4). Poleg tega, da dejavniki tvorijo vzorce na različnih prostorskih ravneh, lahko glede na časovno skalo razlikujemo tudi različne ravni spreminjanja (slika 5). Klijn (1994) je predstavil naslednjo hierarhijo enot v ekološkem razčlenjevanju: ekocona, ekopokra-jina (ekoprovinca), ekoregija oziroma ekološko območje, ekodistrikt, ekosekcija (ekoodsek), ekoserija, ekotop in ekoelement. Enotam je določil tudi orientacijsko velikost in merilo. Izdelal je tudi natančen nabor dejavnikov, ki imajo največji vpliv na posamezni ravni (preglednica 1). Preglednica 1: Hieararhija prostorskih enot in ustrezni dejavniki po Klijnu (1994). merilo velikost prostorske enote ime prostorske enote bolj pomembni dejavniki več kot 1:50.000.000 več kot 62.500 km2 ekocona podnebje, kamninska podlaga od 1:10.000.000 do 1:50.000.000 od 2500 do 62.500 km2 ekopokrajina (ekoprovinca) podnebje, kamninska podlaga, relief od 1:2.000.000 do 10.000.000 od 100 do 2500 km2 ekoregija (ekološko območje) kamninska podlaga, relief, podzemna voda, površinska voda od 1:500.000 do 2.000.000 od 6,25 do 100 km2 ekodistrikt kamninska podlaga, relief, podzemna voda, površinska voda od 1:100.000 do 500.000 od 25 do 625 ha ekosekcija (ekoodsek) relief, podzemna voda, površinska voda, prst od 1:25.000 do 100.000 od 1,5 do 25 ha ekoserija podzemna voda, površinska voda, prst od 1:5000 do 25.000 od 0,25 do 1,5 ha ekotop podzemna voda, površinska voda, prst, rastlinstvo manj kot 1: 5000 manj kot 0,25 ha ekoelement površinska voda, prst, rastlinstvo, živalstvo 27 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic podnebje / kamnska sestava izoblikovanost površja p o g hidrološke značilnosti č D) a prsti o V rastlinstvo g g živalstvo raba tal T pokrajinski vzorec Slika 6: Ravni in vplivi dejavnikov (Mucher s sodelavci 2003, 17). Mucher in sodelavci (2003) so Klijnovi hierarhiji (1994) dodali še družbenogeografske dejavnike (slika 6). Bailey (1996) je prikazal pomen dejavnikov na treh ravneh. Na najvišji ravni (makroraven) na podnebje vplivajo zemljepisna širina, razporeditev kopnega in morja ter izoblikovanost površja. Vendar moramo paziti, saj rastlinstvo v gorskem svetu v nižjih zemljepisnih širinah ni enako rastlinstvu ob morju v višjih zemljepisnih širinah. Razlike so zaradi različne dolžine dneva, deklinacije sonca, dolžine sezone in drugačnega padavinskega režima. Na mezoravni reliefne oblike razdelijo večje enote, vplivajo na količino vode in izpostavljenost sončni energiji, spreminjajo podnebne razmere in vplivajo na rabo tal. Geološki procesi (vulkanizem, tektonika in drugo) pa igrajo posebno vlogo pri oblikovanju reliefa. Podnebje vpliva na reliefne oblike, prsti in rastlinstvo s temperaturo in vlago. Na najnižji ravni (mikroraven) sta najpomembnejša dejavnika topoklima (ekspozicija) in prst, še posebej količina vlage v njej. Zaznaven je tudi vpliv kamninske sestave, saj prek različne dovzetnosti za erozijo in preperevanje povzroča razlike v debelini prsti in količini vlage. Bailey (1996) razlikuje tri glavne ravni: makrosistem, mezosistem in mikrosistem. Za vsako je določil približna merilo in velikost ter kriterije, ki so najbolj primerni za njihovo razmejevanje (preglednica 2). Pri tem je omenil, da so vodni in obrežni sistemi tesno povezani s površinskimi, zato ne potrebujejo ločene sistematizacije (Bailey 1996). Preglednica 2: Hierarhija prostorskih enot in ustrezni dejavniki po Baileyu (1996). prostorska enota velikost (km2) merilo bolj pomembni dejavniki ekoregija oziroma območje (ecoregion) 105 1:3.000.000 ekoklimatske cone; podnebje z variacijami zaradi zemljepisne širine, celinskosti, nadmorske višine pokrajinski mozaik (landscape mosaic, landscape) 103 od 1:250.000 do 1:1.000.000 reliefne oblike območje (site) 10 od 1:10.000 do 1:80.000 topoklima in vlažnost prsti Mackey (1996 v Burrough s sodelavci 2001) je prvine hierarhične teorije povezal z ekološkimi pojavi. Modeliranje okolja je prikazal na petih ravneh (slika 7); za vsako so navedeni primeri prevladujočih proce- abiotski dejavniki t biotski dejavniki ▼ t kulturni dejavniki ▼ 28 ir GEOGRAFIJA SLOVENIJE 28 raven proces 1 1 globalna raven It mezo raven It topo raven Oblačnost in količina CO2 uravnavata primarni vnos energije za oblikovanje podnebja in vremenskih pojavov. Prevladujoči vremenski sistemi uravnavajo dolgoletno povprečje, nadmorska višina vpliva na povprečno mesečno podnebje, kamnine vplivajo na kemijske lastnosti prsti. Izoblikovanost površja vpliva na oblikovanje porečij, naklon, ekspozicija, reliefne ovire pa vplivajo na osončenost. It mikro raven Rastlinski pokrov vpliva na količino svetlobe, toplote in vode za podrast, struktura rastlinja in fizionomija rastlin vplivata na porabo hranil. It nano raven Mikroorganizmi v prsti vplivajo na reciklažo hranil. Slika 7: Hierarhija prevladujočih biofizikalnih procesov po Mackeyju (v Burrough s sodelavci 2001). sov in dejavnikov na primeru gozdnega okolja v vlažni erozijski pokrajini. Temeljni okoljski procesi določajo razporeditev svetlobe, toplote, vode in mineralnih hranil za fotosintezo rastlin, procesi na višjih ravneh pa določajo omejitve za tiste na nižjih ravneh. Del vpliva poteka tudi po hierarhiji navzgor. Pri pokrajinskoekološki členitvi Slovenije na pokrajinske sklope oziroma območja, pokrajinske enote in pokrajinske podenote so Špesova in sodelavci (2002) na najvišji ravni razvrstili naslednje dejavnike: relief (z nadmorsko višino), litološko zgradbo (delež karbonatnih kamnin), podnebje (povprečne letne temperature in padavine). Na nižjih ravneh so velik pomen dali reliefu, hkrati pa so upoštevali tudi dejavnike, ki so se za posamezna območja izkazali za bolj ustrezne, na primer litološko sestavo v jugozahodni Sloveniji. Perko (1998a) je kot najpomembnejše dejavnike za regionalizacijo za območje celotne Slovenije navedel nadmorsko višino, naklon, vrsto kamnin, podnebje, rastlinstvo in rabo tal. Plut (1981) je pri pokrajinskoekološki členitvi Bele krajine na večje enote kot pomembne navedel stabilne geofaktorje (relief in geološka zgradba), pri členitvi na manjše enote pa kraški značaj pokrajine in višinsko slojevitost. Groom (2005) je navedel dejavnike, ki so jih uporabili evropski raziskovalci pri izdelavi klasifikacij posameznih držav. Najpogosteje uporabljena sta bila relief in kamninska podlaga, podnebje pa nekoliko Preglednica 3: Uporaba naravnih dejavnikov pri klasifikacijah (Groom 2005, 39 in 40). dejavnik število primerov nedvoumne uporabe število primerov nejasne uporabe relief kamninska podlaga 43 33 33 4 3 2 rastlinstvo 25 5 3 podnebje pokrovnost tal 17 10 2 3 29 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic manjkrat (preglednica 3). Razlog je morda ta, da gre večinoma za državne klasifikacije, pri katerih razlike v podnebnih razmerah ne pridejo do izraza, morda pa tudi, da so podnebni podatki dostopni le za posamezne točke (merilne postaje). McMahon, Wiken in Gauthier (2004) menijo, da absolutna velikost pokrajine niti ne obstaja, Love-land in Merchant (2004) pa dodajata, da so klasifikacije lahko ali pa tudi ne prostorsko in/ali kategorično hierarhične. Za ekološke klasifikacije (ecological regionalization) torej ni enovitega, univerzalno veljavnega merila (McMahon, Wiken in Gauthier 2004). 3.2.6 POIMENOVANJE PROSTORSKIH ENOT Možnosti poimenovanja prostorskih enot je veliko. Swanwick (2002) je predstavil način določanja pokrajinskih tipov (izvirno landscape character types) in regij (izvirno landscape character areas), hkrati pa tudi priporočila za njihovo poimenovanje. Za tipe je značilno, da ime sestavljajo dve ali tri besede, ki opisujejo njihove lastnosti, na primer karbonatno višavje. Za manjše območje se lahko vključi tudi značilnost rabe tal, na primer gozdnato pobočje. Za regije je pomembno, da so imena geografsko specifična, vseeno pa se lahko v njih odraža pokrajinski tip. Pomembno je tudi, da se uporabijo krajevna lastna imena, ki so v uporabi (Swanwick 2002). Zhou in sodelavci (2003) so se za poimenovanja prostorskih enot oprli na pokrovnost in rabo tal ter naravnogeografske značilnosti. Nekatera poimenovanja enot so zelo abstraktna. Mucher in sodelavci (2003) so tipe pokrajin na nižjih ravneh poimenovali s kombinacijo številskih in črkovnih oznak, pri katerih vsaka oznaka pomeni določeno pokrajinsko lastnost. Poleg imen posameznih tipov in regij (na primer prodna ravnina in Brkini) je različno poimenovanje tudi za razne vrste prostorskih enot (na primer naravni pokrajinski tip, regija, cona, provinca). Avtorji za različne prostorske ravni uporabljajo različna poimenovanja in klasifikacijske značilnosti (Klijn 1994). Pri tem gre lahko za niz klasifikacij z različnimi prostorskimi ravnmi in ne za primere, kjer bi bila klasifikacija na vseh ravneh enotna. Opise različnih enot ekosistema so zbrali McMahon, Wiken in Gauthier (2004), primerjavo poimenovanj pa je pripravil Bailey (1996; preglednica 4). Pregled več kot desetih različnih naravnih in pokrajinskoekoloških klasifikacij je leta 1967 pripravil tudi Richter (Leser 1976). Preglednica 4: Poimenovanja prostorskih enot na različnih ravneh (Bailey 1996, 24). Avstralija Združeno kraljestvo Kanada nekdanja Sovjetska zveza Združene države Amerike zone domain land zone division land region ecoregion province province land district ecodistrict section landscape land system land system ecosection district land type ecosite uročišča landtype association land unit land type land phase landtype site ecoelement landtype phase facia site 3.3 UPORABNOST KLASIFIKACIJ Izpostaviti je treba uporabnost oziroma smiselnost klasifikacije površja na manjše homogene enote. Po mnenju Gamsa (1984, 76) s tem povzročamo »...zavestno silo naravi z metodo, kije plod miselne 30 ir GEOGRAFIJA SLOVENIJE 28 konstrukcije...«. Res je, da je vsaka klasifikacija ».večja ali manjša abstrakcija razlik med pojavi.« (Natek 1998, 140), a se kljub temu zdi za človeka normalno prizadevanje, saj gre za iskanje reda (Hag-gett 2001). Glede na geografske stalnice in spremenljivke Slovenije (Plut 1995 in 1999a) je Haggettovo razmišljanje razumljivo, saj je težko delovati v prostoru, če ga ne poznaš in se geografske značilnosti spreminjajo na kratke razdalje. Kakršnokoli klasifikacijo še posebej otežuje pokrajinska raznolikost Slovenije, določanje pokrajinskih mej pa je zaradi prehodnosti večine pokrajinskih sestavin zapleteno (Perko 1998b). Navsezadnje so vsa območja prehodna, ».saj predstavljajo dele enega samega prostorsko -časovnegakontinuuma...« (Natek in Žiberna 2004, 31). Čeprav pokrajine nikoli niso bile in tudi ne bodo statične, je pregled nad pokrajinskimi tipi nujen (Mucher s sodelavci 2003), saj naj bi bil prostor organiziran na način, ki omogoča varčno rabo naravnih virov in s tem njihovo obnavljanje. Nujna sta torej temeljno poznavanje tako fizičnih procesov kot delovanja družbe (Plut 1999a). Za upravljanje z okoljem in njegovimi viri je bistveno razumevanje razmerij med pokrajino, biodiverziteto in rabo tal (Jongman s sodelavci 2006). Temelj za optimalno prostorsko organizacijo je zato klasifikacija prostora z upoštevanjem naravnogeografskih značilnosti. Z uporabo naravnih meja so bolje kot z administrativnimi mejami opredeljeni tudi okoljski problemi (Bailey 1996; Olson s sodelavci 2001), navsezadnje pa tudi ».pokrajinsko-ekološko raziskovanje omogoča pretehtan poseg v pokrajino ..« (Plut 1981, 141). Zaradi navedenih dejstev je nujno, da se to področje geografije nenehno izpopolnjuje, še posebej ob obilici podatkov in računalniških metod, ki jih je čedalje več na razpolago. Že Gams (1978a, 1) je izpostavil, da ».vedno večja količina razpoložljivih statističnih podatkov, predvsem pa rast geografske znanosti v svetu in doma, zahtevajo vedno podrobnejšo delitev na enote in vedno bolj specializirano delitev ozemlja .«. Ob vsem navedenem lahko izpostavimo še njegovo trditev (Gams 1978a, 1), da je ». delitev ozemlja... ena osnovnih nalog geografije .«. S klasifikacijo lahko začrtamo meje za splošne namene; določene meje oziroma prostorske enote pa so nato izhodiščna točka za bolj specifične cilje (Bailey 1996). Določitev homogenih območij pokrajine ima več namenov, kot so inventarizacija, vrednotenje, spremljanje stanja (monitoring), upravljanje, načrtovanje, izvajanje meritev, predstavitev dejstev, napovedovanje oziroma študija scenarijev, določanje vzorčnih območij, vzorčenje, prenos modelov v prostoru, prikaz raznolikosti pokrajine, povezava med kopenskimi in vodnimi sistemi, analiza pritiskov na okolje in podobno (Loveland in Merchant 2004; Mucher s sodelavci 2003; Bastian 2000; Bailey 1996; Runhaar in Udo de Haes 1994; Romportl in Chuman 2007; Bernert s sodelavci 1997; Bunce s sodelavci 1996). Z vidika uporabnosti v znanosti je treba izpostaviti, da večina ved uporablja lastne klasifikacije. Delo bi sicer lahko olajšale enotne pokrajinske klasifikacije (Brabyn 2009), a so različni kriteriji razlog raličnih zemljevidov istega območja. Multidisciplinarno raziskavo odsotnost skupne prostorske enote navsezadnje le bolj zaplete. Z uporabo skupne enote bi se zbiranje in analiza podatkov nanašala na območje enakega prostorskega obsega (Bailey 1996). To je tudi eden izmed izzivov interdisciplinarnih raziskav pri upravljanju naravnih virov (Axelsson, Angelstam in Tornblom 2010). Na drugi strani se tudi upravitelji soočijo s težavo, če morajo uporabiti informacije iz različnih področij (in z različnih območij). Da bi ravnali sonaravno, moramo določiti meje v ekosistemu. Potrebujemo sintezo dostopnih informacij in imeti sposobnost uporabiti ta spoznanja pri upravljanju (Bailey 1996; Kho-roshev in Brusilovskaya 2010). Vse pogosteje so v uporabi razne prostorske klasifikacije, narejene na podlagi naravnih dejavnikov, saj upravitelji iščejo klasifikacijo, ki je boljša od upravnopolitične in bolje odraža naravne razmere (Bernert s sodelavci 1997). Tako na primer NUTS regije v Sredozemlju pogosto vključujejo podeželska območja in mestna območja ob obali (Hazeu s sodelavci 2010), ki pa se med seboj razlikujejo tako po naravnogeografskih kot družbenogeografskih lastnostih. Pomembno je povezati ekosistemsko in upravno hierarhijo (Bailey 1996). Pri tem moramo biti pozorni na dejstvo, da različni okoljski problemi nastopajo na različnih ravneh, zato na eni ravni ne moremo prikazati vseh (Klijn 1994). Udejanjanje načela trajnostnosti na gospodarskem, družbenem in okoljskem področju pomeni trajno prilagajanje organizacije in delovanja družbe okolju (Plut 2005), zaradi bolj ali manj homogenega odzivanja na antropogene vplive pa so pri preučevanju ranljivosti pomembni pokrajinskoekološki tipi (Špes 31 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic s sodelavci 2002). V geografiji sonaravni razvoj oziroma napredek pomeni usmerjanje prostorskega, gospodarskega in regionalnega razvoja v okviru zmogljivosti (omejitev) geografskega okolja, pokrajine (Plut 2005), lahko bi dejali tudi pokrajinskega tipa. Zaradi tega je členjenje površja v geografiji pomembno in prinaša uporabna spoznanja. »...Členitev prostora... z upoštevanjem naravno -geografskih značilnosti (naravne regije, bioregije oziroma ekoregije, ekodistrikti, porečja, okoljski pro -stor) je ena izmed osnov za okolju primerno organizacijo življenja in dela na regionalni ravni...« (Plut 1999b, 65). Pri nas je pristop povezovanja naravnogeografskih in družbenogeografskih (upravnih) podatkov uporabil Plut (1999a), ko je zasnoval predlog upravne razdelitve Slovenije. Kot primer uporabe klasifikacije lahko navedemo tudi klasifikacijo Nizozemske, ki je bila namenjena ocenjevanju vpliva dviga podtalnice na obalno erozijo in na naravno rastlinstvo ter na ravnanje s površinsko vodo. Pri tem so bila uporabljena različna merila (od 1: 5.000 do 1: 500.000) (Runhaar in Udo de Haes 1994). Renetzeder in sodelavci (2010) so za pokrajinske enote na različnih ravneh ugotavljali ekološko trajnostnost. Model uporabe klasifikacije pri varstvu okolja je predstavil Klijn (1994), McMahon, Wiken in Gauthier (2004) pa so navedli primere uporabe členitev v Združenih državah Amerike in Kanadi. Olson in sodelavci (2001) so pri uporabnosti biogeografskih klasifikacij izpostavili razvrščanje po stopnji ogroženosti biodiverzitete, stanju naravnih habitatov in vrst ter stopnji zaščitenosti. Pri klasificiranju pokrajine je pomembno, kako splošno je zasnovana klasifikacija. Sokal (1974 v Bailey 1996, 21) trdi, da je klasifikacija, ki temelji na več značilnostih, splošna in zato ne more biti uporabljena za podrobne namene. To Bailey označuje kot naravno klasifikacijo (Bailey 1996). Schmithusen (1972) razlikuje osnovne in ovrednotene zemljevide. Osnovni naj bi bili narejeni tako, da se lahko iz njih za določen namen izpeljejo ovrednoteni. Za večnamensko rabo je pomembna tudi prilagodljivost, ki je podprta s podatkovno bazo ter z različnimi klasifikacijskimi in ocenjevalnimi postopki (Mucher s sodelavci 2003). Ilešič je menil, da je »... iluzorno stremeti za kakršno koli vsestransko, 'splo -šno:geografsko rajonizacijo...« (Ilešič 1957/1958, 84). Prav tako Loveland in Merchant (2004) menita, da mora imeti vsaka klasifikacija svoj namen, kar je že prej izpostavljal Neef (1972). Navsezadnje je ocena izdelane klasifikacije odvisna predvsem od namena (Thompson s sodelavci 2005). 3.3.1 KLASIFIKACIJE V URADNIH DOKUMENTIH Strategije, ki temeljijo na prostorskih enotah, zasnovanih na naravnih značilnostih, pridobivajo pomen, saj lahko te klasifikacije pripomorejo k varstvu okolja (Olson s sodelavci 2001). Evropska politika je leta 1996 oblikovala Panevropsko strategijo biotske in pokrajinske raznovrstnosti (Pan-European Bio -logical and Landscape Diversity Strategy) (Pan-European .2011), leta 2000 pa sprejela še Konvencijo o krajini (The European Landscape Convention 2011). Evropska konvencija o krajini spodbuja države članice, da na svojih območjih določijo in opišejo pokrajine (Van Eetvelde in Antrop 2009). To je tudi eden izmed vzrokov za razmah raznih metod klasifikacije pokrajin. Poleg tega so se pojavile ideje po oblikovanju regij, ki temeljijo na naravnogeografskih značilnostih. Ena takih je ideja o evropski makroregiji Alpe (Batzing 2011). Na strokovnem in znanstvenem področju se oblikujejo združenja, kot so Landscape Europe (Landscape Europe 2011), European Landscape Network (European Lanscape Network 2011) in OpenLandscapes (OpenLandscapes 2011). Nazoren primer uporabe klasifikacije Slovenije je uporaba makroregij Slovenije (Perko 1998a) pri določanju meril za bonitiranje zemljišč, kjer so bile makroregije uporabljene za določanje lastnosti podnebja (Pravilnik o določanju .2008). Berk in sodelavci (2012) so preučevali nov način ocenjevanja proizvodnih sposobnosti zemljišč, v katerem so uporabili tudi delitev Slovenije na devet tipov (Perko 1998a, 1998b in 2007b). Omeniti velja tudi primer iz Norveške, kjer je na pobudo sveta grofije Nordland podjetje Asplan Viak AS za območje upravne enote izdelalo zemljevid pokrajinskih tipov, pripravlja pa tudi metodologijo določanja pokrajinskih tipov, ki se bo uporabila za celotno državo (Ut-takleiv 2012). 32 ir GEOGRAFIJA SLOVENIJE 28 3.4 OBSTOJEČI PROBLEMI Nobena klasifikacija ni popolna, njen rezultat pa je vedno subjektiven, saj se ne moremo izogniti subjektivnim odločitvam pri izboru dejavnikov, njihovem ponderiranju, določanju kriterijev, digitalizaciji in interpolaciji (Natek in Žiberna 2004; McMahon, Wiken in Gauthier 2004; Ellison 2010). Čeprav so ponekod v naravi dobro vidne spremembe, kot je na primer stik gorovij in ravnin (Bailey 1996), je večina klasifikacij arbitrarnih (Leathwick, Overton in McLeod 2003). Objektivnost zmanjšujejo pomanjkljivi opisi določanja meja in klasifikacije enot (Loveland in Merchant 2004). Poleg tega prepoznavanje območij včasih ne temelji le na biofizikalnih dejavnikih, temveč tudi na raznih spominih, pričakovanjih in ste-reotipih o pokrajini (McMahon, Wiken in Gauthier 2004). Zato je klasifikacija pokrajine zapleten proces, z velikim številom nerešenih problemov. Pri naravnogeografskih klasifikacijah Slovenije so bili največkrat izpostavljeni naslednji problemi (Ilešič 1957/58; Gams 1984; Gams 1986a; Plut 1981; Kladnik 1996; Plut 1999a; Gams 2000; Klemenčič 2004): • človekovo preoblikovanje pokrajine, • subjektivnost, • nejasen izbor dejavnikov oziroma kriterijev, • premajhna preglednost, • premalo sistematično razvrščanje oziroma nesistematičnost, ki izhaja iz nejasnih meril delitve in hierarhije, • različen potek meja, • preveliko število izdvojenih enot, • uporaba prehodnih enot, • poimenovanje enot (predvsem pri regionalizacijah), • nedoslednost uporabe nekaterih izrazov (na primer sredogorje, visokogorje), • vprašljiva uporabnost na podlagi reliefa zasnovanih naravnogeografskih členitev za trajnostno sona-ravni razvoj, • (ne)dostopnost podatkov. Eden od večjih izzivov je spremenjenost pokrajine zaradi delovanja človeka. Postavlja se vprašanje, ali je kljub obilici pozidanih in kmetijskih zemljišč, gozdnih posek, umetnih zajezitev ter vse manjšemu prilagajanju človekovih dejavnosti naravnim razmeram možna klasifikacija z vidika naravnih dejavnikov. Pojem čiste naravne regije je po mnenju nekaterih nerealen (Ilešič 1957/58). Povsem naravne regije si lahko le predstavljamo, kakšne so bile pred preoblikovanjem (Kladnik 1996), sicer pa si lahko predstavljamo naravno pokrajino kot manj spreminjajoči del pokrajinske enote. »... Naravnogeografske enote, vsaj za eno ali več generacij, predstavljajo skoraj stalnico, medtem ko se družbene razmere hitro spre -minjajo...« (Černe, Klemenčič in Plut 1981, 130). V literaturi je bilo izpostavljeno (Perko 1998b), da je naravnogeografska regionalizacija narejena na podlagi naravnih sestavin pokrajine in pa tistih družbenih sestavin, ki so z naravnimi močno povezane. Pri kmetijski ali urbano-industrijski pokrajinski rabi je izvedba (na primer pokrajinskoekološke) klasifikacije težja, saj je treba upoštevati tudi antropogene sestavine pokrajine in ugotavljati njihovo skladnost z naravnimi razmerami (Špes s sodelavci 2002). Pri tem je treba paziti, da so nekatere vrste rabe tal tudi na manj primernih zemljiščih, kot bi pričakovali. Tako so na primer njive na kraškem površju slabše kakovosti kot na prodnih ravnicah; tam so pač, ker prebivalci v bližini nimajo boljše izbire (Gams 1986a). Številna naselja so na raznih naravnih mejah, a se to z zmanjšanjem pomena kmetijstva čedalje bolj izgublja (Kladnik 1996), saj se ob pozidavi novih objektov naravne dejavnike upošteva manj kot nekoč. Zato so pri nekaterih klasifikacijah naravne pokrajine mestna območja preprosto izločili kot poseben tip (na primer Mucher s sodelavci 2009). Zaradi čedalje večjega človekovega vpliva naj bi antropogene dejavnike vključili znotraj posamezne pokrajinske ravni. Vendar še ni ustrezno opredeljeno, kako antropogene podatke interpretirati in razvrstiti (Mucher s sodelavci 2009). Zato Loveland in Merchant (2004) priporočata izdelavo dveh klasifikacij, dejanskih in potencialnih ekoloških območij. 33 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Pogosto je posebna pozornost namenjena rastlinstvu, ki je pokazatelj naravnih razmer, razen tam, kjer je prvotna rastlinska odeja odstranjena. Takrat nam preostane sintetična metoda ugotavljanja ekoto-pov in regij. Pri slednji analiziramo ozemlje, ločeno po dejavnikih, pomembnih za živi svet (Gams 1986a). Kombinacija teh prvin nakazuje sorodne ekotope, ki se odražajo v potencialnih gozdnih združbah. Za območja s sekundarnim rastlinjem se lahko uporabi tudi zemljevide prsti, ki je bolj stabilna pokrajinska prvina. Pri tem je treba paziti na prisotnost fosilnih prsti (Bailey 1996). Klijnovo (1994) prepričanje, da je za klasifikacijo treba uporabiti značilnosti, ki so vzrok za vzorec, in ne značilnosti, ki vzorec kažejo, daje upanje, da lahko pri klasifikaciji pokrajine kljub njeni spremenje-nosti uporabimo tiste glavne (usmerjevalne) dejavnike, ki vplivajo na večino ostalih. Relief, kamninska podlaga in podnebje so bolj stalni dejavniki in vplivajo na bolj spremenljive, na primer na rastlinstvo in rabo tal, ki odražajo dejansko podobo pokrajine. Sistem mora temeljiti na vzrokih, saj lahko ekosistem v pokrajini razumemo le tako, da poznamo njegov izvor (Runhaar in Udo de Haes 1994; Bailey 1996). Poleg navedenih težav se omenja tudi spremenljivost naravnega okolja samega, na primer zaradi spreminjanja podnebja (Loveland in Merchant 2004). V znanosti velja temeljno načelo, da morajo biti rezultati ponovljivi, preden se jih sprejme kot resnične. Ker so pojavi v naravi odvisni od okolja, to pa se v prostoru in času spreminja, je v nekaterih primerih nemogoče doseči dejansko ponovljivost. Kljub temu so lahko nekateri sintezni deli raziskav ponovljivi, ko imamo podatke že pripravljene in opravljamo delne analize. Če so sinteze transparentne in se jih lahko ob dostopnih podatkih in modelih ponovno preveri, bi morali dobiti ponovljive rezultate. V interpretaciji rezultatov se sicer še vedno lahko pojavijo razhajanja, a vsaj glede ponovljivosti rezultatov ne bi smelo biti dvoma. Za ponovljivost moramo uporabljene podatke in metode dokumentirati ter navesti posamezne odločitve med raziskovanjem (Ellison 2010). Veliko raziskovalcev se strinja, da so klasifikacije subjektivne (Loveland in Merchant 2004; Leathwick, Overton in McLeod 2003; Natek in Žiberna 2004), ob tem pa je kakovost klasifikacij tudi redko ocenjena (Kireyeu in Shkaruba 2010). 3.5 IZZIVI ZA PRIHODNJE RAZISKAVE Po McMahonu, Wikenu in Gauthierju (2004) so najbolj pereča nerešena vprašanja naslednja: • Kateri so ključni ekosistemski dejavniki na posamezni ravni? • Kateri dejavniki vplivajo na oblikovanje vzorcev na posameznih ravneh? • Ali obstajajo idealna ekološka območja (ki so za vse enaka) ali so to le rezultati posameznih individualnih raziskav? • Do kolikšne mere je možno zaobjeti prehodnost? • Ali se vzorci in procesi ekosistemskih značilnosti območja lahko pojavijo na več ravneh? • Ali se lahko pravila klasifikacij med ravnmi spreminjajo? • Ali lahko s kvantitativnimi metodami razmejimo območje na manjše prostorske enote, določimo meje ter vključimo negotovost in predstavimo prehodnost? • Koliko podatkov potrebujemo za določanje oziroma prepoznavanje vzorcev? Tovrstna vprašanja so dokaz, da je področje klasifikacij pokrajine še v marsičem nedorečeno. Mucher in sodelavci (2003) so opredelili izzive, katerim bi morali namenjati več pozornosti. Ti so: • namen klasifikacij končnemu uporabniku na mednarodni ravni, • prilagodljivost klasifikacij glede na namen na različnih ravneh, • zmožnost posodabljanja klasifikacij in njihove izboljšave, • poenotenje različnih konceptov klasifikacij, • zmožnost prilagodljive interpretacije in posplošitev rezultatov klasifikacij, • metodološka preglednost postopka klasifikacije, • odprava razlik na področju klasifikacij, ki se pojavljajo med posameznimi državami, • podpora znanstvenikov (zagotovitev čim večje uporabnosti klasifikacije), • zmanjšanje subjektivnosti klasifikacije in krepitev bolj formalnega in kvantitativnega sistema. 34 ir GEOGRAFIJA SLOVENIJE 28 Kot pomembna točka na področju klasificiranja homogenih prostorskih enot je bilo izpostavljeno tudi izobraževanje (Loveland in Merchant 2004). Zato so razni avtorji (na primer Loveland in Merchant 2004; Bailey 2005) v svojih prispevkih predstavili obsežna navodila in priporočila za klasifikacijo pokrajine. Pri klasifikaciji pokrajine nekateri vidijo precejšnje prednosti v uporabi geografskih informacijskih sistemov (Loveland in Merchant 2004; Thompson s sodelavci 2005; Repe 2010; Hazeu s sodelavci 2010). Subjektivnost na področju klasifikacij lahko zmanjšajo s podatkovnimi sloji in kvantitativnimi metodami. Klasifikacije so lahko izvedene na podlagi izbranih podatkovnih slojev ter prilagojene svoj-skim namenom. Poleg tega je mogoče ugotoviti razlike med dobljenimi prostorskimi enotami (Leathwick, Overton in McLeod 2003; Hargrove in Hoffman 2005). S kvantitativnim pristopom poiščemo oziroma določimo vzorce, ko analiziramo razne dejavnike, ne glede na posamezne predsodke o velikosti, pomenu dejavnikov in drugem (McMahon, Wiken in Gauthier 2004). Kvantitativne metode lahko definirajo enote, ki so objektivne in ponovljive, vendar je pri tem treba paziti na uporabljene podatkovne sloje, izbor klasifikacijskih metod in na način določanja meja (McMahon Wiken in Gauthier 2004). Ko je Eastman (2009) opisoval geoinformacijska orodja za podporo odločanju, je na primer opozoril, da ni povsem jasno, katera metoda je najboljša. Zato je kljub prednostim rezultate vseeno treba preveriti (Zhou s sodelavci 2003; McMahon, Wiken in Gauthier 2004). Če so odločitve dobro dokumentirane, so ponovljivi tudi kvalitativni pristopi (McMahon, Wiken in Gauthier 2004). 3.6 PRIMERI KLASIFIKACIJ POKRAJINE NA PODLAGI NARAVNIH DEJAVNIKOV V znanstveni in strokovni literaturi je bilo objavljenih že veliko klasifikacij: tipizacij in regionalizacij. Pregled zemljevidov klasifikacij, še posebej za območje Slovenije, ter metod, ki so jih snovalci uporabili za njihovo izdelavo, je nujen, saj omogoča, da se natančneje seznanimo s preteklimi izkušnjami in pridobljenim znanjem. Preglednica 5: Primeri klasifikacij Slovenije glede na več naravnih dejavnikov. avtor, avtorji (leto izdelave) naslov Melik (1935) zgradbene enote na Slovenskem Melik (1946) prirodnogeografska sestava Slovenije Melik (1954, 1957, 1959 in 1960) Ilešič (1956) lločir M0^7/10^ regionalnogeografske monografije slovenske pokrajine (le opis) nol/Tiiiinolzo ranila Qlowoniio Ilcbič ( I 95// I 950) Ilešič (1972) Gams (1978a) puKidjiMbKU-iiziuynumiuib icyijc Sluvciiijc pokrajinsko-ekološka razčlenjenost kvantitativna prirodnogeografska regionalizacija Gams (1983) slovenske regije Gams (1986a) pokrajinskoekološke regije v Sloveniji Gams (1998a) pokrajinsko ekološka sestava Slovenije Natek (1994, v Kladnik 1996) Gams, Kladnik, Orožen Adamič (1995) Gabrovec, Kladnik, Orožen Adamič, Pavšek, Perko, Topole 1996 (Perko 1998a, 1998b in 2007b) Marušič, Ogrin, Jančič (1998) Plut (1999a) izpopolnjena členitev po Gamsu naravnogeografske regije Slovenije naravnogeografska regionalizacija in tipizacija krajinska regionalizacija s tipološko členitvijo krajinskih vzorcev regionalizacija Slovenije po sonaravnih kriterijih Špes s sodelavci (2002) členitev na pokrajinskoekološke enote Špes s sodelavci (2002) členitev na pokrajinskoekološke tipe Žiberna, Natek, Ogrin (2004) naravnogeografska regionalizacija Slovenije za pouk geografije Hladnik (2005) Ogrin, Senegačnik, Žiberna (Senegačnik 2012) pokrajinski tipi v Sloveniji (landscape types in Slovenia) členitev na pokrajine 35 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic 3.6.1 KLASIFIKACIJE SLOVENIJE NA PODLAGI NARAVNIH DEJAVNIKOV Doslej je bilo izdelanih več regionalizacij Slovenije kot pa njenih tipizacij. Glede na veliko število izpeljanih klasifikacij celotne Slovenije (preglednici 5 in 6) ali zgolj manjših območij (preglednica 7) je razumljivo, da so njihovi avtorji uporabili različne pristope, podatke (dejavnike), različno število enot, hierarhičnih ravni in tudi temeljnih načel. Klasifikacije so najpogosteje izdelane na podlagi reliefa oziroma nadmorske višine, kamninske podlage in podnebja. Preglednica 6: Primeri klasifikacij Slovenije glede na en sam naravni dejavnik. avtor, avtorji (leto izdelave) vrsta klasifikacije Melik (1935) Zupančič (1989) geomorfološka karta fitogeografske členitve različnih avtorjev Natek (1993) Ogrin (1996) tipi površja podnebni tipi Gabrovec in Hrvatin (1998) površje Perko (2001) Gams (2003) Sket (2003) Ogrin (2009) enote razgibanosti površja regionalizacija krasa v Sloveniji biogeografska členitev Slovenije po ozemeljsko vezanih vrstah; biogeografska členitev Slovenije po ozemeljsko nevezanih vrstah; povodja življenjska okolja Preglednica 7: Nekateri primeri klasifikacij manjših območij znotraj Slovenije. avtor, avtorji (leto izdelave) ime klasifikacije Plut (1977) Gams (1978b) Korsko Primorje - regionalizacija katastrskih občin s faktorsko analizo glede na prirodno-geografske dejavnike pokrajinsko-ekološke enote soseske Soča Gams, Lovrenčak in Plut (1978) pokrajinsko-ekološke enote k.o. Breginj Gams (1979) Plut (1981) pokrajinska ekologija Bele krajine (pokrajinsko-ekološki mozaiki, mikro-, mezo- in makrohore v Beli krajini) Černe, Klemenčič, Plut (1981) pokrajinsko-ekološke enote (občina Tržič) Perko (1990) Gabrovec (1990) Topole (1992) tipi pokrajin v porečju Kokre pomen reliefa za geografsko podobo Polhograjskega hribovja tipi pokrajin v porečju Mirne Ferreira (2006) Breskvar Žaucer, Marušič (2006) pokrajinskoekološka členitev Zgornje Gorenjske kraške krajine notranje Slovenije 3.6.2 PRIMERI KLASIFIKACIJ SLOVENIJE V NARAVNOGEOGRAFSKIH KLASIFIKACIJAH EVROPE V geografski literaturi se pogosto poudarjata pokrajinska raznolikost Slovenije ter njena lega na stičišču Alp, Sredozemlja, Panonske kotline in Dinarskega gorovja, zato v tem poglavju opisujemo, kako 36 ir GEOGRAFIJA SLOVENIJE 28 se raznolikost Slovenije odraža pri naravnogeografskih klasifikacijah na ravni Evrope. Na raznolikost so opozorili številni slovenski avtorji. Melik (1935) je izpostavil, da se na ozemlju Slovenije stikajo Alpe z dinarskim gorskim sistemom, slovensko ozemlje pa sega še do Jadranskega morja, Furlanske nižine in Panonske kotline. Slovenijo je poimenoval »zemlja stikov« (Melik 1935, 1-3). Stik štirih evropskih naravnogeografskih regij (Alpe, Dinarsko gorstvo, Sredozemlje, Panonska kotlina) sta opisala tudi Ile-šič (1956) ter Gams (1998b). Pokrajinska raznolikost Slovenije je dobro predstavljena z opisom, da se ».v krogu s polmerom 150 km, kjer leži Slovenija, stikajo in prepletajo visokogorske Alpe s predalpskimi hribovji in kotlinami, ravninska Panonska nižina z gričevnatim obrobjem, zakraseli svet Dinarskega gorstva s kraškimi planotami in vmesnimi podolji ter sredozemski svet z blažilnimi vplivi Jadranskega morja...« (Kladnik in Perko 1998, 20). Če k temu dodamo še stik štirih kulturnih prostorov, - slovanskega, germanskega, romanskega in madžarskega, vidimo, da so se na majhnem območju lahko izoblikovali številni tipi kulturnih pokrajin (Kladnik in Perko 1998). Plut (1999a) je navedel stik štirih evropskih naravnogeografskih makroregij (Alpe, Panonska nižina, Dinarsko gorovje, Sredozemlje) in oblikovanje petih pokrajinskih tipov kot geografsko stalnico, ki jo je treba upoštevati pri načrtovanju sonaravnega razvoja. Da pri pregledu evropskih klasifikacij pričakujemo potrditev pokrajinske raznolikosti Slovenije, je mogoče sklepati iz Ilešičeve (1956, 25) trditve: ».Celo v Evropi, ki je sama dokaj raznolična, ni zlepa dežele, kjer bi mogli na tako kratko razdaljo doživeti podobne razlike v geografskem licu pokrajine...«. Pregled klasifikacij evropskega ozemlja smo povzeli po Cigliču (2009 in 2013) ter Cigliču in Perku (2012), hkrati pa smo njuna spoznanja še nekoliko nadgradili. Pregledali smo nekatere novejše klasifikacije Evrope, za katere je dostopno digitalno slikovno in kartografsko gradivo (preglednica 8), pri čemer smo bili pozorni predvsem na to, kam se uvršča Slovenija. Predvidevali smo, da se raznolikost slovenskega ozemlja kaže tudi na ravni celotne Evrope. Osredotočili smo se predvsem na naravnogeografske klasifikacije, pregledali pa smo tudi nekatere, ki upoštevajo družbenogeografske dejavnike, povezane z naravnogeografskimi prvinami, na primer rabo tal. Po Meeusu (1995) je namreč v Evropi za prave naravne pokrajine mogoče označiti le med 10 in 30% ozemlja. Preglednica 8: Seznam klasifikacij območja Evrope. ime klasifikacije in vir izvirno ime klasifikacije okoljska členitev Evrope (Mucher s sodelavci 2003; Metzger Environmental stratification of Europe s sodelavci 2005; Jongman s sodelavci 2006) evropska pokrajinska klasifikacija (Mucher s sodelavci 2003, 2006 in 2009) European landscape classification digitalni zemljevid evropskih ekoloških regij/območij, 2000 (Digital map... 2009) Digital map of European ecological regions; in kopenske ekološke regije/območja sveta (Olson s sodelavci 2001) Terrestrial ecoregions of the world biogeografske regije/območja (Biogeographical regions... 2009) Biogeographical regions naravnogeografska razdelitev Evrope (Bohn s sodelavci 2000/2003) Physisch-geographische Gliederung Europas vseevropski pokrajinski tipi (Meeus 1995) Pan-European landscape types ekološke regije/območja celin (Bailey 1996) Ecoregions of the continents biogeografske pokrajine Evrope (Europe's ... 1995) in biogeografske Biogeographical provinces of Europe; pokrajine sveta (Udvardy 1975) Biogeographical provinces of the World biogeografski zemljevid Evrope in bioklimatski zemljevid Evrope Biogeographic map of Europe; Bioclimatic (Rivas-Martinez, Penas in Diaz 2009) map of Europe Preverili smo, v koliko makroenot (tipov ali regij) in v katere se uvršča ozemlje Slovenije. S tem smo želeli ugotoviti, ali je raznolikost Slovenije opazna tudi pri klasifikacijah manjšega merila. Poleg tega lahko na ta način dodatno argumentiramo, koliko tipov se v Sloveniji pojavlja na najvišji ravni, to je ravni celotne Evrope. Pri vsaki klasifikaciji smo analizirali njen prostorski obseg, število ravni in kategorij (različnih regij ali tipov) na celotnem območju klasifikacije in na ozemlju Slovenije, prostorsko ločljivost podatkov, 37 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic namen, glavne metodološke postopke, vsaki klasifikaciji pa smo pripisali še slovenski prevod. Na posameznih ravneh smo ohranili izvirna poimenovanja kategorij (na primer region 'regija', kar je sicer lahko mišljeno tudi kot 'območje'), pri tem pa skušali opredeliti, za kakšno vrsto geografske klasifikacije gre (tipizacijo ali regionalizacijo). Nekatere, predvsem starejše klasifikacije so bile dostopne kot slikovne računalniške datoteke v slabi slikovni ločljivosti, novejše pa so na razpolago kot natančen podatkovni sloj. Starejše klasifikacije Evrope so narejene tradicionalno, po subjektivni presoji in znanju avtorjev (Mucher s sodelavci 2003), novejše pa so pripravljene z uporabo GlS-ov, zato so zanimive tudi z metodološkega vidika. Ker je rastlinstvo močno povezano z ostalimi naravnogeografskimi dejavniki (Digital map... 2009), smo pregledali tudi nekatere klasifikacije, ki temeljijo na naravnem rastlinstvu. Pri ugotavljanju števila različnih kategorij (enot) na ozemlju Slovenije v posameznih klasifikacijah Evrope smo zaradi različnega načina določanja mej med enotami in ločljivosti upoštevali tudi bližnjo okolico oziroma enote, ki se Slovenije le dotikajo. Rezultati naše analize prikazujejo klasifikacije s številom kategorij (raznih tipov, regij, ekoloških območij...) po posameznih ravneh, poleg so pripisana števila kategorij, ki se pojavljajo na ozemlju Slovenije. Pri vsaki klasifikaciji smo določili, ali so enote pri njej bolj regije ali bolj tipi, ali pa gre morda za prepletanje obeh zvrsti (preglednica 9). Preglednica 9: Pregled nekaterih značilnosti klasifikacij Evrope. klasifikacija število kategorij na ozemlju Evrope vrsta klasifikacije (število kategorij na ozemlju Slovenije) 1. raven 2. raven 3. raven 4. raven okoljska členitev Evrope 2 (2) 6 (3) 13 (5) 84 (12) višja raven: bolj regionalizacija, nižja raven: bolj tipizacija evropska pokrajinska členitev 8 (3) 31 (8) 76 (12) 350 (19) višja raven: bolj regionalizacija, nižja raven: bolj tipizacija digitalni zemljevid evropskih ekoloških regij/območij 68 (5) - - - bolj tipizacija kopenske ekološke regije/območja sveta 8 (1) 14 (3) 867 (5) - najvišja raven: bolj regionalizacija, nižje ravni: bolj tipizacije biogeografske regije/območja, 2008 9 (3) - - - bolj tipizacija biogeografske regije/območja, 2005 11 (4) - - - bolj tipizacija naravnogeografska razdelitev Evrope 4 (2) 9 (3) 47 (4) - bolj regionalizacija vseevropski pokrajinski tipi 9 skupin tipov (4) 30 (4) - - bolj tipizacija ekološke regije/območja celin 4 (1) 5 (30) - - bolj tipizacija biogeografske pokrajine Evrope in biogeografske pokrajine sveta 4 (-) 19 (4) - - bolj regionalizacija biogeografski zemljevid Evrope 5 (1) ponekod podenote 30 (2) 71 (3) višja raven: bolj tipizacija, nižja raven: bolj regionalizacija bioklimatski zemljevid Evrope 4 (1) 16 (2) ponekod različice - bolj tipizacija Pri večini klasifikacij Evrope se celo na najvišji ravni ozemlje Slovenije uvršča v več kategorij oziroma enot, kar potrjuje ugotovitve slovenskih geografov, da je Slovenija v naravnogeografskem pogledu (in če upoštevamo še rabo tal, tudi družbenogeografskem) raznolika, in jo lahko zato opredelimo kot pokrajinsko (Ciglič in Perko 2013) in tudi biodiverzitetno vročo točko (Mršic 1997). Kljub majhni površini Slovenije, saj pri večini evropskih klasifikacij zavzema manj kot odstotek ozemlja celotne klasifikacije, se na enoto njene površine pojavlja znatno večji delež kategorij oziroma enot (regij ali tipov) kot v preo- 38 ir GEOGRAFIJA SLOVENIJE 28 stali Evropi. Uvrščanje Slovenije v več enot tudi na najvišjih ravneh evropskih členitev pomeni, da Slovenije niti na najvišji ravni nikakor ne moremo obravnavati kot eno samo enoto. Imena enot, v katere se uvršča Slovenija, slonijo na zemljepisnih imenih in imenih vrst rastlinja, podnebja in drugih naravnih dejavnikov. Najpogosteje se pojavljajo naslednje pridevniške imenske zveze: alpski, sredozemski, celinski, panonski, balkanski, ilirski, padski, dinarski, karpatski, srednjeevropski, apeninski. Pri analizi imen nismo upoštevali zemljevida potencialne vegetacije in bioklimatskega zemljevida, ki sta v bistvu tipizaciji po eni sami naravnogeografski prvini (rastlinstvu oziroma podnebju), prav tako nismo upoštevali ravni, ki v imenih vključujejo strani neba (na primer Južna Evropa), ali ravni, pri katerih je Slovenija uvrščena zgolj v eno enoto. Analiza poimenovanja enot na ozemlju Slovenije kaže, da tudi tuja literatura Slovenijo uvršča na stik večjih (naravno)geografskih enot Evrope, predvsem na stičišče Alp, Sredozemlja in Panonske kotline. 3.6.3 DODATNI PRIMERI KLASIFIKACIJ Z GEOGRAFSKIMI INFORMACIJSKIMI SISTEMI Pri pregledu literature smo naleteli na številne primere uporabe geografskih informacijskih sistemov s ciljem klasifikacije pokrajine na regije ali tipe (preglednica 10). Pregled je potrdil, da je uporaba GIS-ov že precej razširjena, uporaba posameznih geoinformacijskih orodij pa zelo raznolika. Zbrane primere klasifikacij lahko najdemo tudi v raznih publikacijah (na primer European Landscape Character Areas... 2005). Preglednica 10: Primeri uporabe geografskih informacijskih sistemov za namen klasifikacije. klasifikacija (vir) uporabljene metode uporabljeni podatkovni sloji pokrajinska klasifikacija Belgije (Van Eetvelde in Antrop 2009) metoda glavnih komponent, metoda nadmorska višina, pokrovnost tal, pedološka voditeljev (k-means), hierarhično razvrščanje karta, satelitski posnetki Landsat pokrajinska tipizacija Češke (Romportl 2009) metoda glavnih komponent, segmentacija, metoda najbližjih sosedov, nadzorovana klasifikacija z algoritmi Leica image analyst in ISODATA povprečna letna temperatura, nadmorska višina, naklon, kamninska sestava, pokrovnost tal, dodatno še zemljevid prsti, potencialne vegetacije in pokrajinske strukture okoljska členitev Evrope (Metzger s sodelavci 2005) metoda glavnih komponent, klasifikacija z algoritmom ISODATA, računanje stopnje povezanosti nadmorska višina, naklon, »oceanskost«, zemljepisna širina, mesečni podatki za minimalno in maksimalno temperaturo, količino padavin in delež sončnega vremena klasifikacija urbanih površin West Midlanda (Owen s sodelavci 2006) metoda glavnih komponent, hierarhično razvrščanje z Wardovo metodo, računanje oddaljenosti vrednosti celice od povprečja kategorije, različni izračuni negotovosti delež posameznih kategorij rabe tal, naklon testne klasifikacije (Belbin in McDonald 1993) klasifikacija po metodi ALOC, klasifikacija z algoritmom Flexible-UPGMA, delitev enot po algoritmu TWINSPAN simulirani podatkovni sloji ekološka pokrajinska členitev metoda glavnih komponent, klasifikacija dela Avstralije (Bryan 2006) z Bayesovim klasifikatorjem (AutoClass-C), nevronsko omrežje (algoritem Kohonen SOM), metoda voditeljev 39 povprečna letna temperatura, maksimalna temperatura najtoplejšega obdobja, minimalna temperatura najhladnejšega obdobja, povprečna temperatura sušne dobe, povprečna temperatura vlažne dobe, dnevni temperaturni razpon, letni temperaturni razpon, minimalna topografska temperatura, maksimalna topografska temperatura, povprečne letne padavine, padavine v sušni dobi, padavine v vlažni dobi, sezonskost padavin, letni vlažnostni indeks, vlažnostni indeks prsti, relativna intenziteta kratkovalovnega valovanja, rodovitnost prsti, pH prsti, vsebnost soli v prsti, kamnitost prsti, prepustnost prsti ► Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic klasifikacija (vir) uporabljene metode uporabljeni podatkovni sloji določanje topoklimatksih kategorij v narodnem parku Yellowstone, ZDA (Burrough s sodelavci 2001) mehka (fuzzy) metoda voditeljev, izračun x2 za primerjavo rezultatov, entropija klasifikacije, koeficient delitve F nadmorska višina, naklon, vodoravna In navpična ukrivljenost, oddaljenost od grebenov, letna količina sončnega sevanja, topografski indeks vlažnosti evropska pokrajinska klasifikacija (Mücher s sodelavci 2003, 2006 in 2009) segmentacija, ugotavljanje kombinacij s prekrivanjem slojev, posploševanje rezultatov podnebni tipi, nadmorska višina, tip prsti, raba tal klasifikacija Portorika (Soto in Pintó 2010) nelinearna metoda glavnih komponent, metoda voditeljev, diskriminančna analiza nadmorska višina, naklon, življenjska območja (life zones), kamninska podlaga klasifikacija ekoloških regij oziroma območij v ZDA (Hargrove in Hoffman 2005) metoda glavnih komponent, metoda voditeljev nadmorska višina, količina rastlinam dostopne vode, organska snov v prsti, vsebnost dušika v prsti, globina visoke ravni podtalnice, povprečne padavine v rastni dobi, povprečno sončno sevanje v rastni dobi, topli dnevi v rastni dobi, hladni dnevi zunaj rastne dobe klasifikacija pokrajine vulkana La Maliche, Mehika Castillo--(Rodríguez, López-Blanco in Muñoz-Salinas 2010) metoda glavnih komponent, hierarhično razvrščanje letalski posnetki, deleži posamezne rabe tal, rastlinstva, tipa prsti, nadmorska višina, naklon, oblika, ekspozicija, temperatura klasifikacija Združenih držav Amerike (Wolock, Winter in McMahon 2004) razmejitev na porečja, metoda glavnih komponent, metoda najbližjih sosedov, analiza variance višinska razlika, delež ravnin, delež ravnin nad srednjo vrednostjo višine, delež ravnin pod srednjo vrednostjo višine, prepustnost prsti (delež peska v prsti), prepustnost kamnin (razred kamninskih skupin), razlika med povprečno letno količino padavin in potencialno evapotranspiracijo ekološke regije v Nebraski, ZDA (Zhou s sodelavci 2003) segmentacija po algoritmu region-growing časovni niz satelitskih posnetkov senzorja AVHRR, debelina prsti, delež organskega materiala, vodna kapaciteta, povprečna vodna bilanca in seštevek temperatur v rastni dobi, naklon, ekspozicija, nadmorska višina, usmerjenost proti vzhodu, poligoni STATSGO (kot temeljne prostorske enote) klasifikacija Nove Zelandije (Leathwick s sodelavci 2003) nehierarhično razvrščanje (mera Gower), hierarhično razvrščanje (mera Gower) povprečna letna temperatura, povprečna julijska minimalna temperatura, povprečna letna količina sončnega obsevanja, povprečni letni padavinski primanjkljaj, povprečno mesečno razmerje padavin in potencialne evapotranspiracije, povprečni oktobrski, naklon in razni podatki o fizikalnih in kemijskih lastnostih kraške krajine notranje Slovenije (Breskvar Žaucer in Marušič 2006) nadzorovana klasifikacija z nevronskimi mrežami nadmorska višina, strmina pobočij, izpostavljenost stranem neba, pojavnost gozdov, kmetijskih zemljišč, poselitve, pasovi oddaljenosti od poselitve, matična kamnina, pasovi oddaljenosti od največjih strmin pobočij (nad 60 %), povprečna letna temperatura, povprečna letna količina padavin in pasovi oddaljenosti od površinskih voda klasifikacija Evrope (Renetzeder s sodelavci 2008) metoda voditeljev, strokovna presoja; analiza variance (koeficient F) za oceno pomembnosti atributov podnebje, relief, kamninska sestava, gostota poselitve, sprememba gostote poselitve, ocena aktivnosti, bruto domači proizvod (BDP), delež nezaposlenih, funkcionalne urbane površine, pokrovnost tal in drugo 40 ir GEOGRAFIJA SLOVENIJE 28 4 ANALIZIRANI IZVIRNI NARAVNOPOKRAJINSKI TIPIZACIJI Za predmet modeliranja oziroma izvedbo metod nadzorovane klasifikacije smo izbrali dve tipizaciji Slovenije: • razdelitev na pokrajinskoekološke tipe (Špes s sodelavci 2002; slika 8, preglednica 11), • razdelitev na pokrajinske tipe (Perko 1998a, 1998b in 2007b; slika 9, preglednica 12). Izbrali smo ju, ker gre za klasifikaciji na tipe in sta dostopni v digitalnem zapisu. Zaradi lažjega dela smo obema dodelili oznako: tipizacijo s pokrajinskoekološkimi tipi smo označili kot TIPI13, tipizacijo s pokrajinskimi tipi pa kot TIPI9. Kokalj in Oštir (2013, 60-62) sta sicer pred vrednotenjem pokrajinskoekološke tipizacije TIPI13 (Špes s sodelavci 2002) z vidika pokrovnosti opozorila, da podatkovni sloj tipizacije ni primeren za analize z geoinformacijskimi orodji, saj je bila tipizacija narejena v merilu 1:500.000. Tega dejstva smo se zavedali in kljub opozorilom uporabili izvirno tipizacijo, saj je eden izmed poglavitnih namenov knjige, da se preizkusi različne načine modeliranja ročno določenih geografskih tipizacij in ugotovi, kako uspešni so lahko izdelani modeli. Zaradi omenjenega dejstva se zavedamo, da je zaradi manjše natančnosti vhodnega podatka ustrezno manjši tudi končni uspeh. Izvirni (ročno izrisan) podatek je bil uporabljen tudi, ker smo želeli preizkusiti, kako nam bodo modeli razkrili razne napake oziroma njihova odstopanja od izvirnika. V analizi smo namreč želeli določiti tudi metode (oziroma sklop metod), ki bi pripomogle k odpravljanju težav ob ročnih izrisih tipizacij (pri tem mislimo tudi na ročno izrisane tipizacije z računalnikom). Kljub digitalnim podatkom in orodjem so pri klasifikaciji pokrajine namreč še vedno zelo pomembne raziskovalčeva presoja in njegove subjektivne odločitve. In zaobjeti ter analizirati smo želeli prav subjektivnost, ki je v naravnopokrajinskih tipizacijah vsekakor prisotna. Za obe tipizaciji smo predpostavili, da sta kljub zvečine ekspertnemu ročnemu določanju tipov dovolj objektivni in jih lahko uporabimo pri modeliranju. Njuna objektivnost je bila že razmeroma dobro dokazana (na primer Ciglič 2012 in 2013), poleg tega pa smo jo pri modeliranju v nadaljevanju uspeli v precejšnji meri dodatno potrditi. Modelirane tipizacije so se namreč z izvirno ujemale precej bolje (za stopjo ujemanja glej poglavje 9) kot bi se le po naključju oziroma modeliranju slabo (nesmiselno) zasnovane tipizacije. Naključno ujemanje za tipizacijo z devetimi tipi je 15,1 %, za tipizacijo s trinajstimi pa 13,4 %. Obe tipizaciji smo uporabili tudi v sklopu vrednotenja podatkovnih slojev glede informativnosti z vidika obstoječih klasifikacij. Pri vrednotenju smo uporabili tudi klasifikacijo po Perku (1998a in 1998b) na štiri tipe (oznaka TIPI4), v kateri so tipi tipizacije TIPI9 združeni. Preglednica 11: Imena posameznih pokrajinskoekoloških tipov v klasifikaciji TIPI13. ime tipa visokogorski svet širše rečne doline v visokogorju, hribovju in na krasu visoke kraške planote in hribovja v karbonatnih kamninah hribovja v pretežno nekarbonatnih kamninah medgorske kotline gričevje v notranjem delu Slovenije ravnine in širše doline v gričevju notranjega dela Slovenije kraška polja in podolja nizki kras Notranjske in Dolenjske nizki kras Bele krajine Kras in Podgorski kras gričevje v primorskem delu Slovenije širše doline in obalne ravnice v primorskem delu Slovenije 41 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Oznaka tipov visokogorski svet I I širše rečne doline v visokogorju, hribovju in na krasu visoke kraške planote in hribovja v karbonatnih kamninah I I hribovja v pretežno nekarbonatnih kamninah medgorske kotline I I gričevje v notranjem delu Slovenije I I ravnine in širše doline v gričevju notranjega dela Slovenije Kartograf: Rok Ciglič Vir: Špes s sodelavci 2002 © Geografski intšitut Antona Melika ZRC SAZU, 2014 I I kraška polja in podolja I I nizki kras Notranjske in Dolenjske nizki kras Bele krajine I I Kras in Podgorski kras gričevje v primorskem delu Slovenije I I širše doline in obalne ravnice v primorskem delu Slovenije 0 Slika 8: Pokrajinskoekološki tipi v klasifikaciji TIPI13 (Špes s sodelavci 2002). Preglednica 12: Imena in oznake posameznih pokrajinskih tipov v klasifikaciji TIPI9. ime tipa uvrstitev v tipizaciji s štirimi tipi (Perko 1998a in 1998b) alpska gorovja alpske pokrajine alpska hribovja alpske pokrajine panonska gričevja panonske pokrajine dinarske planote dinarske pokrajine sredozemska gričevja sredozemske pokrajine sredozemske planote sredozemske pokrajine 42 ir GEOGRAFIJA SLOVENIJE 28 ■ alpska gorovja alpska hribovja I I alpske ravnine I I panonska gričevja I I panonske ravnine dinarske planote dinarska podolja in ravniki sredozemska gričevja I I sredozemske planote Kartograf: Rok Ciglič Vir: GIAM ZRC SAZU © Geografski intšitut Antona Melika ZRC SAZU, 2014 Slika 9: Pokrajinski tipi (Perko 1998a, 1998b in 2007b). 43 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic 5 UPORABLJENA GEOINFORMACIJSKA ORODJA Z razvojem računalniških programov se tudi v geografskih raziskavah več poudarka daje tudi kvantitativnim metodam in uporabi GIS-ov. Porazdelitev v prostoru se namreč lahko analizira tudi s pomočjo raznih statističnih metod (Haggett 2001). Poleg tehnologije se izboljšujejo tudi kakovost in razpoložljivost raznih digitalnih prostorskih podatkov (podatkovnih slojev). Zato je Kladnik (1996) poudaril, da se je treba na področju regionalizacij opreti na računalniške analize. Pri tem bi dodali, da je ta način treba razvijati tudi v tipizacijah in preučiti, katere metode že obstajajo, ter uporabiti najbolj primerne. Pri klasifikaciji pokrajin je znanih več primerov uporabe geografskih informacijskih sistemov (na primer Plut 1977; Perko 1989, 1998a in 2001; Gabrovec 1990; Krevs 1992; Mucher s sodelavci 2009). Postopek klasifikacije sestavljajo različni koraki in v vsakem lahko uporabimo različne metode. Zato je bilo doslej v geografiji in sorodnih vedah uporabljenih veliko različnih metod (na primer Hauser-Davis s sodelavci 2010; Armi-tage in Ober 2010; Kampichler s sodelavci 2010; Kutnar, Kobler in Bergant 2009; Clark s sodelavci 2010; Stumpf in Kerle 2011; Dominguez-Granda, Lock in Goethals 2011; Mora, Wulder in White 2010; Carte-ron s sodelavci 2012; Eskelson, Temesgen in Hagar 2012; Džeroski 2002). Izbira primerne metode je ključna, saj vpliva na rezultate in končno interpretacijo, vpliv pa ima tudi na način vzorčenja (Carteron s sodelavci 2012). Zato niso redke analize, v katerih so raziskovalci preverjali različne metode klasifikacij in njihove rezultate. Uporabnost različnih kvantitativnih metod so primerjali tudi Duro, Franklin in Dube (2012). Ob pregledovanju literature so opazili, da so določeno metodo nekateri označili za uspešnejšo od druge, medtem ko so drugi prišli do nasprotnih spoznanj. V raziskavi smo ugotavljali, ali lahko modeliramo obstoječe naravnopokrajinske tipizacije in kje lahko z različnimi geoinformacijskimi orodji potrdimo posamezne izvirne tipe. Za to smo uporabili geoinfor-macijska orodja oziroma metode, ki jih lahko združimo v naslednje sklope: • metode za vrednotenje in bolj objektivno izbiro podatkovnih slojev za klasifikacijo, • metode za izbiro učnih vzorcev, • metode za izdelavo modeliranih klasifikacij (naravnopokrajinskih tipizacij), • metode za ugotavljanje medsebojne usklajenosti klasifikacij. 5.1 METODE ZA VREDNOTENJE PODATKOVNIH SLOJEV Podatkovne sloje, s katerimi smo izdelali modelirane tipizacije, smo izbirali na podlagi več kvantitativnih analiz (preglednica 13): • povezanost (pojasnjevalna moč) med podatkovnimi sloji in obstoječimi izvirnimi tipizacijami, • vrednotenje podatkovnih slojev z vidika prostorske ravni klasifikacije oziroma merila klasifikacije, • medsebojna povezanost podatkovnih slojev, • odstopajoče vrednosti. Za določanje pojasnjevalne moči podatkovnih slojev za izbrano izvirno klasifikacijo (v našem primeru tipizacijo) oziroma ugotavljanje, kako se tipi posameznih klasifikacij razlikujejo med seboj glede na izbrane podatkovne sloje, lahko uporabimo različne izračune. Pri vseh gre predvsem za računanje stopnje povezanosti številskih in nominalnih (podatkovni sloji naravnih dejavnikov kot so nadmorska višina, tip kamnine) z nominalnimi (tipizacija) podatki. Predpostavljamo, da je stopnja povezanosti med klasifikacijo in podatkovnim slojem večja, če klasifikacija dobro razlikuje tipe glede na posamezen podatkovni sloj. S sistematičnim izračunom povprečnega umerjenega koeficienta variacije (ali podobne, prirejene mere) posameznega podatkovnega sloja za različno velike sistematično generirane prostorske enote ocenimo, na kateri prostorski ravni so podatkovni sloji za določeno območje bolj ali manj pomembni (Ciglič 2013). Pri računanju medsebojne povezanosti podatkovnih slojev smo uporabili Spearmanov koeficient (Sagadin 2003), ki je zelo pogosto uporabljena mera za izračun korelacije dveh pojavov. Zanj smo se 44 ir GEOGRAFIJA SLOVENIJE 28 odločili, ker smo se v analizi srečevali z nenormalno večmodalno porazdelitvijo nekaterih podatkovnih slojev in ponekod tudi majhnimn numerusom. V takih primerih je Spearmanov koeficient za izračun povezanosti bolj primeren kot nekateri drugi koeficienti (Krevs 2001b). Poleg Spearmanovega koeficienta smo sicer vselej izračunali tudi Pearsonov koeficient (Sagadin 2003) in ugotovili, da so dobljeni rezultati zelo podobni, a jih zaradi preglednosti v knjigi nismo navedli. Ob vseh omenjenih vrednotenjih smo bili pri analizi podatkovnih slojev pozorni tudi na to, kakšna je frekvenčna porazdelitev podatkovnega sloja, kakšna je oblika histograma in kakšne so skrajne vrednosti. Preglednica 13: Izbrane metode za vrednotenje podatkovnih slojev. sklop metoda podrobnejši opis pojasnjevalna moč slojev za posamezno tipizacijo koeficient F Zhou s sodelavci 2003; Sagadin 2003; SPSS Help 2008; Foster, Barkus in Yavorsky 2006; Rogerson 2006; Kastelec in Košmelj 2008; koeficient eta2(n2) Sagadin 2003 informacijski prispevek Fayyad in Irani 1993; Kononenko 2005; Witten in Frank 2005 razmerje informacijskega prispevka Fayyad in Irani 1993; Kononenko 2005; Witten in Frank 2005 delež enako klasificiranih celic po modelu odločitvenega drevesa (različica CT), ki je narejen samo na podlagi enega podatkovnega sloja Mitchell 1997; Yohannes in Webb 1999; Kononenko 2005; Witten in Frank 2005; Lin, Noe in He 2006; SPSS Statistics 2010 analiza prostorske ravni povprečni umerjeni koeficient variacije (izpeljan iz koeficienta variacije) Ciglič 2013 (za koeficient variacije glej Krevs 1998; Sagadin 2003) medsebojna povezanost slojev Spearmanov koeficient (p) Sagadin 2003 analiza histograma in odstopajočih vrednosti ogled histograma, določitev minimalne in maksimalne vrednosti, določitev 1. in 99. percentila / 5.2 METODE ZA IZDELAVO KLASIFIKACIJ (TIPIZACIJ) Klasifikacija je združevanje podobnih enot. Če je vsaka enota opredeljena s p podatkovnimi sloji, je lahko razvrstitev izvedena po nekem racionalnem kriteriju (Dodge 2008). Obstaja več metod klasifikacije (McGarigal, Cushman in Stafford 2000; Rogerson 2006; Abonyi in Feil 2007; Dodge 2008; Warner in Campagna 2009). Vsaka metoda lahko rezultatu vsili svojo strukturo oziroma vodi do drugačne rešitve, zato je rezultate različnih metod priporočljivo primerjati med seboj (Ferligoj 1989; McGarigal, Cushman in Stafford 2000; Theodoridis in Koutroumbas 2006). Raziskovalec lahko z izbiro metode pomembno vpliva na rezultate (McGarigal, Cushman in Stafford 2000). Warner in Campagna (2009) delita metode klasifikacij na mehke (soft, tudi fuzzy) in trdne (hard), relativne (relative) in absolutne (absolute) ter nadzorovane (supervised) in nenadzorovane (unsupervised), poznamo pa še druge delitve, na primer na pikselske (pixel based) in objektno usmerjene (object based). Pri nadzorovanih imamo na voljo znane vrednosti klasifikacije za učne primere, pri drugih pa tega podatka nimamo (Theodoridis in Koutroum-bas 2006). V praksi sta tako nenadzorovana kot nadzorovana klasifikacija podvrženi subjektivnim presojam in znanju (Warner in Campagna 2009). Za izdelavo modeliranih klasifikacij smo uporabili nadzorovan pristop. Uporabili smo največjo verjetnost, najmanjšo razdaljo, najbližje sosede in več različic odločitvenega drevesa (preglednica 14). 45 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Preglednica 14: Izbrana geoinformacijska orodja za izvedbo metod nadzorovane klasifikacije. metoda modul računalniški program nastavitve podrobnejši opis odločitveno drevo, različica CT Decision tree (Classification and Regression trees) SPSS • algoritem CRT (Classification and Regression trees), • mera je Ginijev koeficient, • deset ravni, • 100 enot v notranjih vozliščih, • 50 enot v zunanjih vozliščih, • minimalno izboljšanje Ginijevega koeficienta: 0,0001, • obrezovanje (SE = 1); Kononenko 2005; Witten in Frank 2005; Mitchell 1997; SPSS Statistics 2010; Lin, Noe, He 2006; Yohannes in Webb 1999 najmanjša razdalja MINDIST (in MAKESIG), Idrisi Taiga • tip razdalje ni dodatno standardiziran, • najdaljša razdalja ni omejena; Idrisi Taiga Help System 2010; McCoy 2005 največja verjetnost MAXLIKE (in MAKESIG) Idrisi Taiga • enake apriorne (prvotne) verjetnosti za vsak tip, • minimalna verjetnost za klasifikacijo je 0; Richards in Jia 2006; Eastman 2009; Idrisi Taiga Help System 2010 najbližji sosedi KNN (in MAKESIG) Idrisi Taiga • število sosedov k je 30 (privzeto), • najvišja dovoljena vrednost celic iz posamezne kategorije je 2000; Kononenko 2005; McRoberts 2012; Idrisi Taiga Help System 2010 odločitveno drevo, različica CTR Classification tree analysis Idrisi Taiga • mera je razmerje informacijskega prispevka, • obrezovanje vozlišč z manj kot 1 % celic v tipu; Idrisi Taiga Help System 2010 odločitveno drevo, različica CTG Classification tree analysis Idrisi Taiga • mera je Ginijev koeficient, • obrezovanje vozlišč z manj kot 1 % celic v tipu; Idrisi Taiga Help System 2010 odločitveno drevo, različica CTE Classification tree analysis Idrisi Taiga • mera je informacijski prispevek, • obrezovanje vozlišč z manj kot 1 % celic v tipu. Idrisi Taiga Help System 2010 Pri metodi nadzorovane klasifikacije (na primer pri določanju pokrovnosti tal iz satelitskih posnetkov) izbiramo območja, za katera poznamo dejansko kategorijo (na primer gozdove, vodne površine) oziroma v našem primeru tip. Imenujejo se učna območja oziroma učni vzorci (training sites oziroma training samples); v knjigi najpogosteje uporabljamo izraz učni vzorec. S tem mislimo na nabor vseh celic oziroma pikslov, ne glede na to, ali so določeni kot vzorec razpršenih posameznih celic (pikslov) ali kot vzorec celic (pikslov), ki se držijo skupaj. Vrednosti učnega vzorca naj bi predstavljale tipične značilnosti podatkovnih slojev (oziroma v primeru satelitskih posnetkov spektrov). Na koncu so vse ostale celice zunaj učnega vzorca po izbrani metodi uvrščene v posamezno kategorijo oziroma tip (Warner in Cam-pagna 2009; Oštir 2006). Klasifikacija je iterativni proces. Da bi dosegli čim boljše rezultate, po prvih rezultatih izbor vzorca ali nastavitev pogosto popravljamo (Warner in Campagna 2009). V pričujoči raziskavi popravkov pri vzorčenju v tem pomenu sicer nismo izvedli, smo pa zato učne vzorce določili na dva načina. Prednosti nadzorovanih klasifikacij so (Campbell 1996): • nadzor poznavalca nad tipi (oziroma kategorijami), • možnost primerjave med različnimi obdobji ali različnimi območji zaradi enakih tipov (oziroma kategorij), 46 ir GEOGRAFIJA SLOVENIJE 28 • razredov podatkovnih slojev in lastnosti informacijskih razredov (to so v našem primeru tipi) ni treba povezovati, • uspešnost klasifikacije se lahko preveri tako, da preverimo pravilnost uvrstitve učnega vzorca (vendar pravilno klasificirani učni vzorci še ne pomenijo dobre klasifikacije!). Slabosti nadzorovanih klasifikacij so (Campbell 1996): • poznavalec sam določi tipe oziroma kategorije, kar pomeni, da niso »naravni«, kot pri metodah nenadzorovane klasifikacije, • učni vzorci so določeni na podlagi informacijskih razredov (torej lastnosti tipov oziroma kategorij) in ne na podlagi razredov podatkovnih slojev, • učni vzorci lahko slabo ponazarjajo lastnosti celotnega območja, • tipov (kategorij), ki niso določeni z učnim vzorcem, ne moremo prepoznati. Pri vseh metodah nadzorovane klasifikacije je treba določiti učne vzorce, na podlagi katerih izdelamo pravila ali določimo tipične vrednosti posameznega tipa oziroma kategorije. Postopek določanja učnih vzorcev je obvezen začetni korak za vse metode nadzorovane klasifikacije. 5.3 METODE IZBIRE UČNIH VZORCEV IN IZDELAVE SPEKTRALNIH PODPISOV Učni vzorci imajo znan tip oziroma kategorijo. Cilj vzorčenja je izbrati celice, ki za vsak tip čim bolj natančno ponazarjajo spremenljivost podatkovnih slojev (Campbell 1996). Pred uporabo večine metod nadzorovane klasifikacije smo z učnimi vzorci z modulom MAKESIG v programu Idrisi ustvarili podpise (signatures) (Idrisi Taiga Help System 2010). Uporaba modula je predpogoj za nadzorovane klasifikacije Idrisijevih modulov z metodo najmanjše razdalje, metodo k najbližjih sosedov in metodo največje verjetnosti. Pri metodah gradnje odločitvenih dreves različic CTR, CTG in CTE podpisa učnega vzorca ni treba izdelati, saj ima program Idrisi analizo učnega vzorca že vključeno znotraj modula odločitvenih dreves. Pri metodi gradnje odločitvenih dreves po različici CT v programu SPSS smo izdelali odločitveno drevo samo z učnimi vzorci, nato pa smo z nastalim pravilom klasificirali celotno območje Slovenije (vse celice). Pri vzorčenju so nam lahko v pomoč razna priporočila (Campbell 1996; Loveland in Merchant 2004; McCoy 2005; Richards in Jia 2006; Lillesand, Kiefer in Chipman 2008; Eastman 2009; Warner in Campagna 2009; Idrisi Taiga Help System 2010; Repe 2006). 5.4 METODE ZA UGOTAVLJANJE MEDSEBOJNE USKLAJENOSTI KLASIFIKACIJ IN DRUGE METODE DOLOČANJA STOPNJE POVEZANOSTI V raziskavi ugotavljamo, kako dobro so povezani oziroma usklajeni različni rezultati (različne tipizacije). Za računanje usklajenosti različnih tipizacij (nominalni podatek!) med seboj smo uporabili Cramerjev koeficient V(Krevs 2001a; Perko 2001; Sagadin 2003) in koeficient kappa (k Campbell 1996; Lillesand, Kiefer in Chipman 2008; SPSS Help 2008). Pri primerjavah številskih podatkov smo računali stopnjo povezanosti s Spearmanovim koeficientom p (Sagadin 2003). 5.5 UPORABLJENA RAČUNALNIŠKA OPREMA Za izvedbo vseh računskih postopkov je bila uporabljena naslednja programska oprema: • Idrisi 16.05 in 17.02, • ArcGIS 9.3,10.0, 10.1 in 10.2, • SPSS 17.0, • Statistica 10 in • Weka 3.5.8. Analize so bile izvedene z računalnikom s procesorjem Intel® Core™ 2 Duo (2,66 GHz) in delovnim spominom 3,00 GB ter računalnikom s procesorjem Intel® Core™ i7-3770 (3,4 GHz) in delovnim spominom 16,00 GB. 47 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic 6 PODATKI O NARAVNIH DEJAVNIKIH »... Vsak informacijski sistem in digitalni zemljevidi, ki za podlago jemljejo modeliranje digitalnih slo -jev podatkov, so le tako dobri in zanesljivi, kolikor so dobri, zanesljivi in kvalitetni izvorni digitalni podatki. Slovenija premore sorazmerno zadostno število digitalnih podatkov, s katerimi je mogoče zadovoljivo opredeliti pedogenetske in morfometrične dejavnike za pokrajinske enote prsti...« (Repe 2010, 108). Glede na izkušnje iz pedogeografije predpostavljamo, da je tudi za tipizacijo Slovenije na tipe naravnih pokrajin sorazmerno dovolj kakovostnih digitalnih podatkov (na primer Gabrovec 1996; Zupančič s sodelavci 1998a in 1998b; Čarni s sodelavci 2002; Zakšek, Podobnikar in Oštir 2005; Vodotoki 2006; Kastelec, Rakovec in Zakšek 2007; Košir s sodelavci 2007; Litostratigrafska karta Slovenije 2007; Karta odsekov...2008; Digitalni model .2010; Zemljevidi povprečnih.2010; Pedološka karta v...2012; Zemljevid tipov kamnin 2012), ki ponazarjajo naravne dejavnike. Nekateri dejavniki so sorazmerno stabilni in neodvisni, drugi bolj odvisni (Mücher s sodelavci 2009), zato je nekaj avtorjev sestavilo sezname dejavnikov po pomembnosti (poglavje 3). Mücher in sodelavci (2009) so celo zapisali preprosto teoretično enačbo za pokrajino, po kateri je ta označena kot funkcija podnebja (C), kamninske podlage in geomorfoloških značilnosti (G), vodovja (H), prsti (S), rastlinstva (V), živalstva (F), rabe tal (LU), pokrajinske strukture (STR) in časa (t): pokrajina = f ^ ^ H ^ S ^ V ^ ^ ^ STR{t)). Pred zbiranjem podatkovnih slojev smo pregledali literaturo ter opravili analizo naravnih dejavnikov in njihovega pomena za pokrajinsko klasifikacijo, ob tem pa preučili, kakšne so naravne razmere v Sloveniji in kakšna je dostopnost primernih digitalnih podatkov (na primer Demek, Quitt in Raušer 1972; Plesník 1972; Tarábek 1972; Zupančič 1989; Natek 1993; Godron 1994; Haber 1994; Klijn in Udo de Haes 1994; Runhaar in Udo de Haes 1994; Zonneveld 1994; Zupančič 1995; Bailey 1996; Gabrovec 1996; Ogrin 1996; Mršic 1997 v Ogrin 2009; Cegnar 1998; Gabrovec in Hrvatin 1998; Kolbezen 1998; Lovrenčak 1998; Mihevc 1998; Ogrin 1998; Perko 1998c; Verbič 1998; Zupančič 1998; Zupančič, Seliškar in Žagar 1998; Haggett 2001; Perko 2001; Prestor Rikanovič in Janža 2002; Bat s sodelavci 2003; Mücher s sodelavci 2003; Dolinar 2004; McMahon, Wiken in Gauthier 2004; Frantar in Hrvatin 2005; Komac 2005; Metzger s sodelavci 2005; Thompson s sodelavci 2005; Dolinar 2006; Iwahashi in Pike 2007; Pedološka karta 2007; Perko 2007a; Digital map.2009; Kutnar, Kobler in Bergant 2009; Mücher s sodelavci 2009; Ogrin 2009; Anderson in Ferree 2010; Castillo-Rodríguez, López-Blanco in Muñoz-Salinas 2010; Repe 2010; Ciglič 2012 in 2013). Po uvodnem pregledu naravnih dejavnikov in njim ustrezajočih podatkovnih slojev smo za raziskavo izbrali nekaj izvirnih podatkovnih slojev (preglednica 15), katerim smo zatem dodali še izpeljane podatkovne sloje (preglednica 16). Ti so bili nato vključeni v kvantitativno analizo, ki smo jo izvedli pred izborom najbolj primernih podatkovnih slojev za modeliranje obstoječih naravnih pokrajinskih tipizacij. Preglednica 15: Pregled izvirnih podatkovnih slojev in njihovi viri. podatkovni sloj zapis (ločljivost) vir digitalni model višin kamninska podlaga zemljevidi povprečnih mesečnih temperatur raster (25 m) vektor raster (1 km) Digitalni model...2010 Litostratigrafska karta... 2007; Zemljevid tipov kamnin 2012 Zemljevidi povprečnih .2010 zemljevidi povprečnih mesečnih padavin raster (1 km) Zemljevidi povprečnih .2010 sončno obsevanje raster (100 m) Gabrovec 1996 linije vodotokov vektor Vodotoki 2006 pokrajinskoekološka tipizacija Slovenije vektor Špes s sodelavci 2002 pokrajinski tipi Slovenije vektor Perko 1998a, 1998b in 2007b 48 ir GEOGRAFIJA SLOVENIJE 28 Preglednica 16: Seznam podatkovnih slojev z opredeljenimi merskimi enotami. podatkovni sloj merska enota pokrajinskoekološki tipi (13 tipov) pokrajinski tipi (9 tipov) ime tipa ime tipa kamninska sestava tip kamnine višina površja nadmorska višina v m ekspozicija površja (zaradi raznih računskih analiz smo ekspozicijo zapisali z vrednostmi med 0°(popolnoa severna ekspozicija) in 180° (popolnoma južna ekspozicija) višinska razgibanost površja naklonska razgibanost površja ekspozicija v ° koeficient razgibanosti v % koeficient razgibanosti v % skupna razgibanost površja tekstura površja koeficient razgibanosti v % delež celic v % letna temperaturna razlika razlika v °C povprečna letna temperatura zraka povprečne mesečne temperature zraka temperatura v °C temperatura v °C povprečna letna količina padavin višina padavin v mm padavinski režim (poletje, jesen) padavinski režim (poletje, zima) indeks mediteranskosti padavin razmerje med poletnimi in jesenskimi padavinami razmerje med poletnimi in zimskimi padavinami razlika med količino padavin v oktobru in novembru ter količino padavin v maju in juniju, pomnožena s 100 in deljena z letno količino padavin (po Koppany in Unger 1992 v Ogrin 1996) gostota rečne mreže (radij 0,5 km) km/km2 Pred vrednotenjem smo podatkovne sloje obrezali na meje Slovenije ter izračunali temeljne statistične vrednosti (najnižja in najvišja vrednost). Glede na najvišjo in najnižjo vrednost posameznega številskega podatkovnega sloja smo vsak sloj prenesli na mersko lestvico z najnižjo vrednostjo 0 in najvišjo 100. S tem smo vpliv različnih merskih lestvic izničili. Za nadmorsko višino smo na primer uporabili naslednjo metodo: • nadmorski višini 0 m nad morjem smo pripisali vrednost 0, • nadmorski višini 2864 m nad morjem smo pripisali vrednost 100, • ostalim vrednostim smo po linearnem načelu pripisali ustrezno vrednost med 0 in 100. Opozoriti je treba na vpliv odstopajočih vrednosti, ki smo jih vseeno ohranili. Zato smo bili pri vrednotenju podatkov na to posebej pozorni (poglavje 7). Vsi podatkovni sloji so bili pripravljeni tako, da so imeli prostorsko ločljivost 200 m in so se meje celic različnih slojev med seboj ujemale. Slovenija je bila razdeljena na 506.450 celic. Kjer je bilo to z metodološkega vidika nujno (na primer pri izračunu informacijskega prispevka in razmerja informacijskega prispevka), smo vrednosti na merski lestvici zaokrožili na eno decimalko. Vsi izvirni in izpeljani podatkovni sloji so bili številski, nominalen je bil le podatkovni sloj s 25-timi tipi kamnin (Zemljevid tipov kamnin 2012) (preglednica 17). Pripravljen je bil na podlagi vektorskega sloja Litološka karta v merilu 1: 250.000, ki temelji na vektorski Litostratigrafski karti Slovenije (2007). Predvsem na podlagi vektoriziranih geoloških kart Slovenije jo je po naročilu Agencije Republike Slovenije 49 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic za okolje izdelal Geološki zavod Slovenije. Zaradi uporabe nekaterih geoinformacijskih orodij, ki obdelujejo le številske podatke, smo morali podatek o kamninah kvantificirati. To smo storili tako, da smo tipe kamnin oštevilčili z vidika koeficienta prepustnosti. Na podlagi različnih domačih in tujih virov (Žlebnik 1966; Waltz 1969; Bear 1972; Žlebnik 1981; Spitz in Moreno 1996; Sanders 1998 v Poehls in Smith 2009; Gaganis 2000; Pravilnik o določitvi...2005; Bell 2007; Vodna telesa.,.2007; Verbovšek 2008; Singhal in Gupta 2010) smo kamninam določili oceno prepustnosti (preglednica 18). Zavedamo se, da smo določili približno kvantitativno oceno; zaradi medsebojnega učinkovanja različnih dejavnikov je namreč težko številsko opredeliti lastnosti kamnin. Lastnosti kamnin so drugačne kot lastnosti umetnih materialov. Njihove lastnosti se spreminjajo že na majhnem območju. Podrobne vrednosti zato niso primerne, prav tako so malo uporabne vrednosti, ki so navedene kot široki razponi (Hoek 1999). Tudi Gams (1978a) je opozoril na težavnost opredeljevanja značilnosti kamnin, saj so te zelo različne. Kot primere je navedel različne debeline ilovic, mineraloško raznolikost apnencev in dolomitov ter menjavanje bazičnih in silikatnih kamnin na manjšem območju. Kljub temu so v literaturi preobrazbe nominalnih podatkov o kamninah v številske približke zelo pogoste (na primer Wolock, Winter in McMahon 2004; Romportl in Chuman 2007; Mucher s sodelavci 2003, 2006 in 2009). Milavec in Verbovšek (2012) sta na primer v svoji raziskavi uporabila logaritmirano vrednost koeficienta prepustnosti. S tovrstnim ukrepom smo si pri kvantifikaciji kamnin pomagali tudi mi (preglednica 18). Preglednica 17: Tipi kamnin (Zemljevid tipov kamnin 2012). tip kamnin šifra kvartarna glina, melj in pesek kvartarni silikatni prod 1 2 ■3 kvartarni karbonatni prod kvartarni konglomerat kvartarni grušč 3 4 5 kvartarni til in tilit 6 terciarne gline terciarni peski terciarni peščenjaki in konglomerati 7 8 9 terciarni laporovec 10 neogenski (litotamnijski) apnenci mezozojski in terciarni fliš 11 12 1 7 mezozojski masivni apnenec mezozojski plastoviti apnenec mQ7A7Aicl/i nlnopaoti onnoncsf» 13 14 1 ^ 15 mezozojski ploščasti apnenec mezozojski apnenec in dolomit 16 17 17 mezozojski dolomit mezozojske karbonatno-klastične kamnine Aalc5A7Aiol/i nI¡nmifM in molicnffM 18 1Q 19 paleozojski glinovci in meljevci paleozojski peščenjaki in konglomerati v/i ilL"!in/">l/l netiti (\\ ifi in ti ifiti\ 20 91 21 vulkanoklastiti (tufi in tufiti) predornine 22 23 globočnine slabo odporne metamorfne kamnine (skrilavec, filit) odporne metamorfne kamnine (gnajs, blestnik, amfibolit, serpentinit, eklogit) 24 25 50 ir GEOGRAFIJA SLOVENIJE 28 Preglednica 18: Razvrstitev kamnin po prepustnosti. približen koeficient prepustnosti (cm/s) logaritmirana vrednost ocena prepustnosti šifra kamnine 0,1 -1 10,0 2, 3, 5 9,5 1 0,01 -2 9,0 8,5 4, 14, 16 13 0,001 8,0 7,5 8, 15 11 17 0,0001 0,00001 -5 6,0 9 0,000001 -6 5,5 5,0 6, 10, 18, 20 7 0,0000001 0,00000001 -8 -9 3,0 19 0,000000001 0,0000000001 -10 2,0 1,0 23 51 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic 7 VREDNOTENJE IN IZBOR PODATKOVNIH SLOJEV Izbor podatkovnih slojev lahko definiramo kot izbiranje primernega oziroma optimalnega nabora spremenljivk (feature selection), ki jih potrebujemo za zadosten opis izbranega modeliranega pojava. Z ustreznim izborom lahko odstranimo odvečne podatke, šum (nejasne, moteče podatke) in preveč povezane spremenljivke, izognemo pa se tudi zapletenim in dolgotrajnim izračunom ter uporabi (pre)velike količine računalniškega pomnilnika. Če iz analize odstranimo nerelevantne spremenljivke, se lahko izognemo višjim stroškom, izboljšamo izvedbo ter razumevanje analiziranih procesov (Jiang s sodelavci 2008; Tirelli in Passani 2011). V literaturi je zbranih že precej primerov vrednotenja podatkovnih slojev glede informativnosti, medsebojne povezanost in podobnega (na primer Perko 2001; Kraft, Einax in Kowalik 2004; Armitage in Ober 2010; Ciglič 2010; Tirelli in Pessani 2011; Melo s sodelavci 2012; Williams s sodelavci 2012). Kljub temu je na področju vrednotenja podatkovnih slojev še vedno nujno raziskovanje, saj nekatere novejše raziskave pri izboru podatkovnih slojev še vedno uporabljajo pristop poskušanja in ugotavljanja napak (trial and error) oziroma se opirajo na izkušnje (na primer Duro, Franklin in Dubé 2012). Pri izbiri podatkov so pomembni tudi njihova dostopnost, natančnost, kakovost, popolnost in podobno. Tako sta na primer Badgley in Fox (2000) izločila nekatere podatkovne sloje, ker niso vsebovali podatkov za celo območje. Pri pripravi podatkovnih slojev je najbolje interpretirati neobdelane informacije, da se poudari tiste značilnosti, ki so pomembne za analizo (Swanwick 2002). Podatkovne sloje, ki smo jih zbrali pred analizo, smo ovrednotili na več načinov. Vrednotili smo: • povezanost med podatkovnimi sloji in obstoječimi izvirnimi klasifikacijami (naravnopokrajinskimi tipizacijami), kar bi lahko označili kot ugotavljanje pojasnjevalne moči podatkovnih slojev (za pojasnjevanje obstoječih tipov), • uporabnost podatkovnih slojev z vidika merila klasifikacije, kar pomeni, da smo ugotovili, v katerih merilih je posamezen podatkovni sloj dovolj raznolik (variabilen) in zato uporaben za klasifikacijo, • medsebojno povezanost podatkovnih slojev, • vpliv odstopajočih vrednosti na poenoteno mersko lestvico od 0 do 100. Naravni dejavniki so namreč med seboj povezani, z oddaljenostjo se različno hitro spreminjajo, imajo različen pomen za naravnogeografske klasifikacije in so merjeni z različnimi merskimi lestvicami. Z navedenimi načini vrednotenja ter priporočili iz literature smo za osrednjo analizo izbrali najbolj relevantne podatkovne sloje, s katerimi smo modelirali klasifikacije z metodami nadzorovane klasifikacije. Rezultati vrednotenja veljajo predvsem za območje Slovenije kot celote in jih ni mogoče z zadostno zanesljivostjo prenesti na druga (manjša ali večja) območja. 7.1 VREDNOTENJE DEJAVNIKOV S POMOČJO OBSTOJEČIH KLASIFIKACIJ Geografi so na podlagi naravnih dejavnikov naredili precej klasifikacij Slovenije. Kot smo že omenili (poglavje 4), obstoječe, ročno zarisane klasifikacije Slovenije ustrezno prikazujejo pokrajinsko raznolikost in jih lahko uporabimo tudi kot vodilo pri izbiri podatkovnih slojev. Z računanjem povezanosti med podatkovnimi sloji in obstoječimi klasifikacijami oziroma stopnje pojasnjevalne moči podatkovnih slojev za razlago obstoječih klasifikacij dobimo informacijo, kateri podatkovni sloji so bolj oziroma manj uporabni za klasifikacijo Slovenije. Da so obstoječe klasifikacije ustrezne, menimo, ker so odsev znanja, ki so ga geografi in drugi strokovnjaki pridobili s preteklimi raziskavami, z uspešnim modeliranjem pa je bila dokazana tudi že njihova objektivnost (na primer Ciglič 2012 in 2013). Ugotovitve iz tega dela vrednotenja so pomembne za izbiro podatkovnih slojev za nadzorovano klasifikacijo, kjer skušamo neposredno modelirati dve obstoječi klasifikaciji oziroma z računalnikom priti do podobnih rezultatov, do kakršnih so raziskovalci prišli že pri ročnem določanju meja. Vse podatkovne sloje smo primerjali z izbranimi obstoječimi klasifikacijami. Izbrali smo tri klasifikacije Slovenije, za katere so bili dostopni digitalni zapisi (opis v poglavju 4): • pokrajinska tipizacija s štirimi tipi, oznaka TIPI4 (Perko 1998a in 1998b), 52 ir GEOGRAFIJA SLOVENIJE 28 • pokrajinska tipizacija z devetimi pokrajinskimi tipi, oznaka TIPI9 (Perko 1998a, 1998b in 2007b), • pokrajinskoekološka tipizacija s trinajstimi tipi, oznaka TIPI13 (Špes s sodelavci 2002). Pri vrednotenju podatkovnih slojev v okviru primerjave z obstoječimi klasifikacijami (TIPI4, TIPI9 in TIPI13) smo za vsakega izračunali: • informacijski prispevek, • razmerje informacijskega prispevka, • koeficient F (analiza variance), • delež enako klasificiranih celic po modelu odločitvenega drevesa (različica CT), ki je narejen na podlagi enega samega podatkovnega sloja, • koeficient eta2. Vrednotenje podatkovnih slojev so na podoben ali enak način izvedli na primer Ciglič (2010) ter Tirellijeva in Pessanijeva (2011). Ciglič (2010) je s pomočjo informacijskega prispevka in razmerja informacijskega prispevka primerjal količino informacije dveh podatkovnih slojev (višinske razlike in nadmorske višine) glede pojasnjevanja lege vinogradov v Sloveniji. Tirellijeva in Pessanijeva (2011) pa sta za izbor spremenljivk uporabili štiri različne metode: hi2, informacijski prispevek, razmerje informacijskega prispevka in simetrično negotovost (symmetrical uncertainty). Za vsak podatkovni sloj smo izračunali vrednosti posameznih mer (načinov) vrednotenja z vidika vsake od treh obstoječih klasifikacij (preglednica 19). Vrednosti so izražene v indeksih povprečne vrednosti vseh podatkovnih slojev za posamezno mero vrednotenja. Izračunane mere prikazujejo, kako dobro podatki pojasnjujejo obstoječe klasifikacije oziroma so z njimi povezani. Za posamezen podatkovni sloj smo izračunali tudi povprečno vrednost vseh indeksov za vsako posamezno klasifikacijo (predzadnje tri kolone preglednice 19) in za vse klasifikacije skupaj (zadnja kolona preglednice 19). Glede na vse klasifikacije so v povprečju najbolj informativni podatkovni sloji tisti, ki se nanašajo na podnebje (temperaturni, padavinski režimi), nadmorsko višino in prepustnost kamnin, manj pa tisti, ki so povezani z izoblikovanostjo reliefa, osončenostjo in rečno mrežo. Med kazalniki izoblikovanosti reliefa sta še najbolj pomembna naklon in koeficient razgibanosti nadmorske višine. Pri vseh klasifikacijah zasedajo zadnjih sedem mest ekspozicija, koeficient razgibanosti glede na ekspozicijo, skupni koeficient razgibanosti, tekstura površja, osončenost, koeficient razgibanosti glede na naklon in gostota rečne mreže. Za izdelavo klasifikacije, ki naj bi bila podobna obstoječim, so torej ti podatkovni sloji le skromno informativni. Pri klasifikaciji TIPI13 so nekoliko podpovprečno pomembni tudi padavinski režimi, pri klasifikacijah TIPI9 in TIPI4 pa sta manj pomembna naklon in koeficient razgibanosti glede na višino. Najbolj pomembne so spremenljivke o temperaturi in padavinah. Njihova pomembnost je verjetno večja od ostalih, ker dobro ponazarjajo nadmorsko višino (točkovni podatki o temperaturi in padavinah na merilnih mestih so bili interpolirani tudi s pomočjo nadmorske višine), nekatere razlike med območji glede temperatur oziroma padavin pa njihovo informativno vrednost še povečajo. Pri vrednotenju se pojavi vprašanje, ali so dobljene ocene zanesljive. Predpostavljamo, da moramo za relevantno vrednotenje upoštevati različne načine vrednotenja. Če so ti medsebojno usklajeni, lahko vrednotenju bolj zaupamo. Zato smo analizirali usklajenost oziroma povezanost lestvic različnih načinov vrednotenja za posamezno klasifikacijo (slike 10, 11 in 12). Po izračunu Spearmanovega koeficienta smo ugotovili, da se merske lestvice med seboj statistično značilno (p = 0,01) povezujejo. Nekoliko Preglednica 19: Pojasnjevalna moč oziroma stopnja povezanosti podatkovnih slojev z obstoječimi klasifikacijami Slovenije. Statistična značilnost posameznih izračunanih koeficientov F in eta2 je manjša od p = 0,001, kar pomeni, da je statistična značilnost lestvic p = 0,041. V preglednicah so zaradi ustrezne primerljivosti in izračuna povprečja uporabljeni indeksi, kjer za posamezno kolono vrednost 1 pomeni povprečno vrednost posamezne mere. ► str. 54-55 53 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic podatkovni sloj koeficient F delež enako klasificiranih po odločitvenem drevesu, različica CT TIPI4 TIPI9 TIPI13 TIPI4 TIPI9 TIPI13 razlika med aprilsko in oktobrsko temperaturo zraka 1,54 1,57 1,66 1,07 1,11 1,11 ekspozicija površja 0,01 0,01 0,01 0,75 0,56 0,59 gostota rečne mreže (radij 0,5 km) 0,29 0,23 0,26 0,94 0,84 0,87 naklon površja 0,66 0,75 0,86 0,95 0,90 0,99 sončno obsevanje 0,24 0,15 0,11 0,86 0,78 0,84 povprečna količina padavin v aprilu 0,78 1,09 1,12 1,14 1,16 1,14 povprečna količina padavin v avgustu 1,33 1,43 1,18 1,07 1,07 1,00 povprečna količina padavin v decembru 0,78 0,81 0,76 0,96 0,98 1,01 povprečna količina padavin v februarju 0,82 0,89 0,90 0,97 0,99 0,98 povprečna količina padavin v januarju 0,70 0,79 o n*i 0,75 1 on 0,95 1 1 A 1,02 t 11 0,97 1 no povprečna količina padavin v juliju povprečna količina padavin v juniju 1,81 1,31 2,01 1,39 1,30 1,35 1,14 1,07 1,11 1,07 1,03 1,08 povprečna količina padavin v maju 0,61 0,90 0,97 1,10 1,13 1,10 povprečna količina padavin v marcu 0,78 n rr 1,02 n qq 1,12 n qa 1,00 1 nn 1,05 1 00 1,06 1 OQ povprečna količina padavin v novembru povprečna količina padavin v oktobru 0,66 0,95 0,88 0,99 0,84 0,97 1,00 1,06 1,09 1,07 1,08 1,09 povprečna količina padavin v septembru 0,88 1,09 0,99 1,05 1,10 1,07 povprečna letna količina padavin 0,83 1,08 1,09 1,07 1,11 1,11 padavinski režim (poletje, jesen) 2,09 1,30 0,80 1,01 0,96 0,91 padavinski režim (poletje, zima) 1,85 1,10 0,63 0,96 0,92 0,90 indeks mediteranskosti padavin 1,65 1,07 0,71 0,97 0,94 0,94 prepustnost kamnin 0,25 0,37 0,34 0,99 1,08 1,11 ekspozicijska razgibanost površja 0,06 0,07 0,07 0,75 0,58 0,61 naklonska razgibanost površja 0,43 0,51 0,47 0,92 0,81 0,87 skupna razgibanost površja 0,21 0,33 0,29 0,82 0,69 0,75 višinska razgibanost površja 0,62 0,70 0,82 0,94 0,93 1,00 povprečna temperatura zraka v aprilu 1,01 1,21 1,51 1,08 1,14 1,13 povprečna temperatura zraka v avgustu 1,02 O C3 1,18 •i eo 1,44 1,05 •i no 1,09 •1 oo 1,09 o oo povprečna temperatura zraka v decembru povprečna temperatura zraka v februarju 2,53 1,43 1,69 1,24 1,33 1,33 1.03 1.04 1,00 1,05 0,92 1,02 povprečna temperatura zraka v januarju 2,43 1,61 1,28 1,01 1,01 0,91 povprečna temperatura zraka v juliju 1,01 n oo 1,22 1 0/1 1,47 1 C Q 1,06 1 07 1,12 1 1R 1,13 1 1 Q povprečna temperatura zraka v juniju povprečna temperatura zraka v maju 0,99 0,98 1,24 1,22 1,58 1,57 1,0/ 1,07 1,16 1,16 1,18 1,17 povprečna temperatura zraka v marcu 1,06 1,17 1,41 1,07 1,10 1,09 povprečna temperatura zraka v novembru 1,77 1,43 1,33 1,03 1,02 0,99 povprečna temperatura zraka v oktobru 1,36 1,30 1,43 1,06 1,10 1,05 povprečna temperatura zraka v septembru 1,00 1,16 1,43 1,06 1,10 1,10 tekstura površja 0,18 0,25 0,27 0,83 0,69 0,77 povprečna letna temperatura zraka 1,21 1,24 1,43 1,04 1,12 1,08 letna temperaturna razlika višina površja 1,08 0,82 1,29 1,00 1,42 1,38 0,97 1,02 1,00 1,09 1,01 1,14 54 ir GEOGRAFIJA SLOVENIJE 28 informacijski razmerje informacijskega koeficient eta2 povprečje povprečje prispevek prispevka po tipizacijah TIPI4 TIPI9 TIPI13 TIPI4 TIPI9 TIPI13 TIPI4 TIPI9 TIPI13 TIPI4 TIPI9 TIPI13 vse tipizacije 1,30 1,24 1,24 1,25 1,17 1,17 1,42 1,30 1,32 1,32 1,28 1,30 1,30 0,04 0,04 0,04 0,07 0,08 0,08 0,01 0,03 0,02 0,18 0,15 0,15 0,1b 0,33 0,33 0,3b 0,73 0,74 0,85 0,41 0,41 0,48 0,54 0,51 0,5b 0,54 0,47 0,b8 0,75 0,b7 1,02 1,18 0,8 0,92 1,00 0,71 0,85 0,9b 0,84 0,45 0,51 0,48 0,59 0,b9 0,b9 0,34 0,29 0,24 0,50 0,49 0,47 0,49 1,38 1,30 1,2b 1,28 1,15 1,10 0,91 1,12 1,13 1,10 1,1b 1,15 1,14 1,23 1,19 1,11 1,13 1,10 1,00 1,30 1,25 1,1b 1,21 1,21 1,09 1,17 1,18 1,17 1,15 1,04 1,01 0,99 0,91 0,9b 0,94 0,97 0,99 0,97 0,98 1,02 1,04 1,0b 0,92 0,92 0,93 0,94 1,01 1,03 0,93 0,97 0,98 0,9b 1,13 1 1,13 1 "30 1,12 1 1 Q 1,01 1 07 0,98 1 0"3 0,97 1 r\A 0,84 1 EC 0,95 1 A1 0,94 1 0*1 0,93 1 A "3 0,98 1 Al 0,95 1 1 C 0,95 1 11 1,3b 1,20 1,32 1,22 1,18 1,22 1,2/ 1,09 1,23 1,10 1,04 1,07 1,5b 1,29 1,41 1,24 1,21 1,22 1,43 1,19 1,42 1,21 1,15 1,19 1,33 1,19 1,21 1,17 1,20 1,12 1,08 1,07 0,75 1,02 1,07 0,9b 1,0b 1,08 1,03 1,14 1 oc 1,14 1 OE 1,15 1 oo 1,10 1 1 Q 1,02 111 1,02 1 oc 0,91 n 70 1,08 1 0*1 1,13 1 00 0,99 0 00 1,0b 1 07 1,10 1 0"3 1,05 1 0"3 1,2b 1,34 1,25 1,28 1,20 1,24 1,18 1,18 1,11 1,09 1,0b 1,0b 0,79 1,04 1,01 1,07 1,00 1,0b 0,98 1,11 1,0i 1,10 1,03 1,09 1,03 1,10 1,2b 1,25 1,22 1,20 1,12 1,07 0,99 1,12 1,08 1,08 1,14 1,09 1,10 1,27 1,25 1,24 1,20 1,13 1,09 0,95 1,11 1,12 1,0b 1,13 1,13 1,11 1,30 1,15 1,05 1,17 0,9b 0,87 1,b8 1,21 0,97 1,45 1,12 0,92 1,1b 1,17 1,11 1,03 1,00 0,90 0,83 1,57 1,12 0,8b 1,31 1,03 0,85 1,0b 1,17 1,09 1,00 1,02 0,91 0,84 1,48 1,10 0,91 1,2b 1,02 0,88 1,05 0,99 1,01 0,93 2,17 2,31 2,14 0,35 0,59 0,57 0,95 1,07 1,02 1,01 0,05 0,08 0,09 0,10 0,1b 0,17 0,10 0,14 0,15 0,21 0,21 0,22 0,21 0,33 0,50 0,54 0,49 0,81 0,91 0,5b 0,74 0,71 0,55 0,b7 0,70 0,b4 0,18 0,31 0,32 0,32 0,5b 0,58 0,30 0,54 0,51 0,37 0,49 0,49 0,45 0,49 0,71 0,78 0,71 1,08 1,21 0,7b 0,89 0,98 0,70 0,8b 0,9b 0,84 1,20 1,19 1,25 1,08 1,0b 1,11 1,09 1,17 1,27 1,09 1,15 1,2b 1,17 1,1b 1 oc 1,1b 11 C 1,23 1 07 1,0b 1 0"3 1,04 1 07 1,09 n 07 1,09 1 QA 1,1b 1 1A 1,25 1 00 1,08 1 co 1,13 1 OE 1,22 1 1 0 1,14 1 n 1,2b 1,17 1,15 1,11 1,0/ 1,14 1,23 1,10 1,0i 1,01 0,97 1,02 1,84 1,3b 1,34 1,18 1,22 1,22 1,58 1,22 1,25 1,12 1,10 1,15 1,31 1,1b 1,20 1,11 1,04 1,19 1,03 0,93 1,81 1,31 1,20 1,53 1,21 1,07 1,27 1,18 1 1 o 1,19 1 oo 1,2b 1 00 1,08 1 oo 1,08 1 oo 1,12 1 1 C 1,09 1 07 1,17 1 1 0 1,2b 1 "30 1,08 1 00 1,15 1 1 7 1,25 1 "30 1,1b 1 1 0 1,19 1,18 1,20 1,19 1,29 1,2b 1,08 1,0b 1,08 1,0b 1,15 1,12 1,07 1,0b 1,18 1,18 1,30 1,29 1,08 1,07 1,17 1,1b 1,30 1,28 1,18 1,17 1,18 1,15 1,21 1,07 1,02 1,08 1,12 1,15 1,24 1,10 1,12 1,21 1,14 1,21 1,1b 1,12 1,17 1,07 1,02 1,54 1,25 1,22 1,35 1,19 1,14 1,22 1,21 1,1b 1,18 1,1b 1,07 1,08 1,32 1,21 1,25 1,22 1,17 1,20 1,20 1,17 1,1b 1,22 1,07 1,05 1,10 1,08 1,15 1,25 1,07 1,12 1,22 1,14 0,18 0,30 0,32 0,34 0,b1 0,b5 0,2b 0,45 0,48 0,3b 0,4b 0,50 0,44 1,22 1,17 1,22 1,15 1,07 1,09 1,23 1,18 1,25 1,17 1,1b 1,22 1,18 1,10 0,91 1,15 0,98 1,1b 1,08 0,98 1,17 1,02 1,24 1,04 1,42 1,14 0,94 1,20 1,07 1,25 1,23 1,0b 0,97 1,13 1,08 1,18 1,25 1,12 1,10 55 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic >N ¿O -Si '<" ° S o a =5 £ T3 Jxí O T3 © «CD® Lo o A y Jjl^ o 0» ^ 0° o j ° cP O © oftf* t i J8 i? i % o / o r o f* o o 89 rP^ o fv s 4 ñJ£ o fr koeficient F delež enako klasificiranih celic po odločitvenem drevesu, različica CT informacijski prispevek razmerje informacijskega prispevka koeficient eta Slika 10: Grafikoni povezanosti med načini vrednotenja podatkov glede na TIPI4. manjša je bila ugotovljena povezanost med vrednostjo koeficienta F in razmerjem informacijskega prispevka ter eta2 in razmerjem informacijskega prispevka, najbolj povezani pa sta lestvici koeficienta F in eta2, kar je pričakovano, saj imata podoben izračun. Pomembnost podatkovnih slojev se je izkazala za zelo podobno tudi z vidika vseh treh obstoječih klasifikacij (slika 13), saj po izračunanem Spearmanovem koeficientu med vsemi lestvicami s povprečno vrednostjo obstaja visoka stopnja povezanosti. Nekoliko nižja je pri izračunanem koeficientu med lestvicama vrednotenja glede na TIP113 in vrednotenja glede na TIPI4. Gre za klasifikaciji, ki imata najbolj različno število tipov. Visoka stopnja povezanosti pomeni, da so v splošnem za vse klasifikacije pomembni isti podatkovni sloji. 56 ir GEOGRAFIJA SLOVENIJE 28 i ^Š P O i ° O O o J «s © o <§> t f cP P OD CP «jfiLan. O of^ © oo ®> <§> (ZD O o ^ O © © CP dffcO O W © o o o tu oj n TJ Si T3 ^ O T3 ®b ° / © S> cf-g ©M o® V OOC0 CP © © ©8 o 0 ■R o © cP O ® o o o rO f § jcf^0 8 ° of Q> O 8 ° i. «o 0 koeficient F delež enako klasificiranih celic po odločitvenem drevesu, različica CT informacijski prispevek razmerje informacijskega prispevka koeficient eta Slika 12: Grafikoni povezanosti med načini vrednotenja podatkov glede na TIPI13. objavljene preglednice, v katerih so navedeni dejavniki ter pripadajoča raven oziroma prostorsko merilo, v katerih naj bi bil določen dejavnik najbolje primeren za klasifikacijo pokrajine. Temu teoretičnemu pregledu lahko z izračunom povprečnega umerjenega koeficienta variacije dodamo matematično izračunana dejstva. Z izračunom povprečnega umerjenega koeficienta variacije, ki temelji na koeficientu variacije, smo zbrane podatkovne sloje glede prostorskega merila poskušali ovrednotiti na računski način (za podroben opis izračuna povprečnega umerjenega koeficienta variacije glej Ciglič 2013). Za nazorno predstavitev pomena tovrstnega vrednotenja podatkovnih slojev na začetku predstavljamo naslednjo domnevo: »... Koeficient variacije za nadmorsko višino je za območje Slovenije 63 %. Če Slovenijo razdelimo na manjše enote (na primer tipe ali na kvadratne enote, kijih dobimo, če jo razdelimo s preprosto mrežo), lahko pričakujemo, da se bo znotraj vsake posamezne enote spremenljivost 58 ir GEOGRAFIJA SLOVENIJE 28 povprečne ocene z vidika tipizacije TIPI4 c9 <§>o o o CP o cpo o (§0 o 6> o povprečne ocene z vidika tipizacije TIPI9 o« O <9 & o o fS> o <9 o r povprečne ocene z vidika tipizacije TIPI13 o 1 o 0 8 8 8$% v 6> o M° o C9 povprečje vseh ocen 8 6> cP 0° povprečne povprečne povprečne povprečje ocene z vidika ocene z vidika ocene z vidika vseh ocen tipizacije TIPI4 tipizacije TIPI9 tipizacije TIPI13 Slika 13: Povezanost povprečnih vrednosti pri vrednotenju podatkov z vidika posamezne klasifikacije. zmanjšala. Če izračunamo povprečje vseh koeficientov variacije posameznih enot, dobimo povprečni koeficient variacije, ki ima verjetno nižjo vrednost od koeficienta variacije za območje celotne Slovenije. To velja še posebej, če za izračun koeficienta variacije vsake enote vzamemo povprečje za Slovenijo (in ne povprečje enote). Čim manjše so enote, tem manjši so koeficienti variacije. Takšne rezultate sicer pričakujemo za večino slojev, a domnevamo, da se izračunane vrednosti za posamezne sloje z zmanjševanjem velikosti enot (tipov ali kvadratov) različno močno spreminjajo. Razlike v stopnji spreminjanja lahko nakažejo, kako se pomen podatkovnega sloja spreminja glede na prostorsko merilo...«. V praktičnem delu vrednotenja smo Slovenijo s pomočjo mrež različnih razmikov razdelili na manjša območja. Tako smo dobili Slovenijo, razdeljeno na kvadrate (z izjemo mejnih območij, ki niso kvadratna; slika 14). Nato smo za vsak podatkovni sloj izračunali povprečni umerjeni koeficient variacije za različne 59 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Preglednica 20: Povprečni umerjeni koeficient variacije za razdelitev Slovenije na različne enote. oznaka podatkovnega sloja vrednost povprečnega umerjenega koeficienta variacije vrednost koeficienta za mreže z različnimi razmiki (%) variacije __za Slovenijo (%) 5km 10 km 50km 100km razlika med aprilsko in oktobrsko 5,5 8,0 14,4 17,0 24,2 temperaturo zraka ekspozicija površja 40,5 41,9 42,9 43,0 43,3 gostota rečne mreže (radij 0,5 km) 66,6 75,4 90,0 92,6 96,2 naklon površja 42,9 48,8 60,6 63,7 73,2 povprečna letna količina padavin 7,2 11,5 27,9 36,9 63,0 padavinski režim (poletje, jesen) 3,2 5,5 14,2 20,2 40,4 padavinski režim (poletje, zima) 4,4 7,4 18,3 24,3 46,8 indeks mediteranskosti padavin 4,7 7,8 18,0 22,6 38,1 povprečna količina padavin v aprilu 7,7 12,3 30,1 39,9 71,1 povprečna količina padavin v avgustu 8,3 13,3 28,9 36,1 53,7 povprečna količina padavin v decembru 7,6 12,4 30,0 39,6 68,5 povprečna količina padavin v februarju 8,7 14,0 30,5 37,6 61,1 povprečna količina padavin v januarju 9,0 14,5 33,4 43,0 76,9 povprečna količina padavin v juliju 5,1 8,4 21,8 27,3 44,9 povprečna količina padavin v juniju 5,5 9,0 21,6 28,8 45,1 povprečna količina padavin v maju 6,6 10,8 27,5 36,9 66,5 povprečna količina padavin v marcu 9,1 14,2 30,5 37,7 63,4 povprečna količina padavin v novembru 7,6 12,0 30,5 41,8 75,6 povprečna količina padavin v oktobru 6,8 11,2 27,9 37,4 58,7 povprečna količina padavin v septembru 6,5 10,3 25,6 35,7 59,5 prepustnost kamnin 20,9 23,9 29,7 30,1 33,0 ekspozicijska razgibanost površja 33,2 34,3 35,8 36,0 36,6 naklonska razgibanost površja 38,0 42,2 50,3 51,9 56,6 skupna razgibanost površja 30,8 33,5 38,1 38,8 40,7 višinska razgibanost površja 46,7 53,1 66,4 70,3 84,3 tekstura površja 50,0 54,5 61,8 62,9 65,4 sončno obsevanje 11,4 12,2 13,3 13,8 15,0 povprečna temperatura zraka v aprilu 4,9 7,0 13,6 15,5 19,6 povprečna temperatura zraka v avgustu 4,7 6,9 13,9 16,1 19,9 povprečna temperatura zraka v decembru 4,2 6,2 14,6 19,4 25,6 povprečna letna temperatura zraka 4,8 6,9 13,7 16,0 20,0 letna temperaturna razlika 5,4 7,7 13,6 16,1 21,3 povprečna temperatura zraka v februarju 4,9 7,1 14,4 17,2 21,2 povprečna temperatura zraka v januarju 4,2 6,4 15,0 19,6 25,6 povprečna temperatura zraka v juliju 4,8 7,0 13,7 15,6 19,4 povprečna temperatura zraka v juniju 4,9 7,0 13,4 15,2 19,3 povprečna temperatura zraka v maju 4,8 6,9 13,3 15,1 19,3 povprečna temperatura zraka v marcu 4,9 7,1 14,0 16,1 20,1 povprečna temperatura zraka v novembru 4,5 6,5 14,0 17,3 22,3 povprečna temperatura zraka v oktobru 4,6 6,7 13,7 16,3 20,6 povprečna temperatura zraka v septembru 4,7 6,8 14,0 16,3 20,1 višina površja 20,8 27,9 46,9 51,4 64,3 60 ir GEOGRAFIJA SLOVENIJE 28 razdelitve (mreže kvadratov z velikostjo stranic 100, 50, 10 in 5 km) in tudi območje celotne Slovenije kot ene same enote (preglednica 20). Izračunani povprečni umerjeni koeficienti variacije na izbranih ravneh so pokazali, da se ti pri nekaterih podatkovnih slojih med ravnmi ne spreminjajo (na primer ekspozicija, osončenost), pri večini pa imajo visoko vrednost za večja območja, nato pa se njihove vrednosti z zmanjševanjem enote različno hitro zmanjšujejo. Opozarjamo, da so vrednosti podnebnih podatkovnih slojev nekoliko nižje tudi zaradi grobe ločljivosti izvirnih podatkov. Zatem smo za vsak podatkovni sloj primerjali vrednosti povprečnega umerjenega koeficienta variacije po izbranih ravneh (5 km, 10 km, 50 km, 100 km) z vrednostjo, ki velja za celo Slovenijo kot eno samo enoto (slika 15). To smo naredili zaradi boljše primerljivosti vedenja podatkovnih slojev na različnih ravneh, saj nas njihove absolutne vrednosti za posamezne ravni niso zanimale. Tako smo ugotovili, kateri sloji so bolj pomembni v manjšem merilu (za večje kvadrate) in kateri v večjem (za manjše kvadrate) ter na katere podatkovne sloje sprememba merila v izbranem razponu ni pokazala vpliva. Da sprememba merila (velikosti kvadratov) ne vpliva, lahko trdimo le za ravni, ki smo jih analizirali (5, 10, 50, 100km). Slika 14: Slovenija, razdeljena s kvadratnimi mrežami 5 krat 5km, 10 krat 10 km, 50 krat 50 km in 100 krat 100km. Slika 15: Stopnja spreminjanja povprečnega umerjenega koeficienta variacije glede na vrednost koeficienta variacije za celotno Slovenijo. ► str. 62 61 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic - razlika med aprilsko In oktobrsko temperaturo zraka - . povprečna količina padavin v septembru --- ekspozlclja površja --- ekspozicijska razgibanost površja --- gostota rečne mreže (radij 0,5 km) --- naklonska razgibanost --- naklon površja --- skupna razgibanost površja --- sončno obsevanje --- višinska razgibanost površja — - povprečna letna količina padavin - povprečna temperatura zraka v aprilu — - padavinski režim (poletje, jesen) - povprečna temperatura zraka v avgustu — • padavinski režim (poletje, zima) - povprečna temperatura zraka v decembru — . indeks mediteranskosti padavin --- tekstura površja — • povprečna količina padavin v aprilu - povprečna letna temperatura zraka — • povprečna količina padavin v avgustu - letna temperaturna razlika — - povprečna količina padavin v decembru - povprečna temperatura zraka v februarju — • povprečna količina padavin v februarju - povprečna temperatura zraka v januarju — - povprečna količina padavin v januarju - povprečna temperatura zraka v juliju — • povprečna količina padavin v juliju - povprečna temperatura zraka v juniju — • povprečna količina padavin v juniju - povprečna temperatura zraka v maju — - povprečna količina padavin v maju - povprečna temperatura zraka v marcu — • povprečna količina padavin v marcu - povprečna temperatura zraka v novembru — - povprečna količina padavin v novembru - povprečna temperatura zraka v oktobru — • povprečna količina padavin v oktobru - povprečna temperatura zraka v septembru --- prepustnost kamnin - višina površja 5 km 10 km 50 km 100 km koeficient variacije vrednost povprečnega umerjenega koeficienta variacije pri različno velikih mrežah za Slovenijo 62 ir GEOGRAFIJA SLOVENIJE 28 povprečna temperatura zraka v aprilu povprečna temperatura zraka v juniju -+ povprečna temperatura zraka v maju -+ povprečna letna temperatura zraka -+ povprečna temperatura zraka v marcu -+ povprečna temperatura zraka v avgustu -+ povprečna temperatura zraka v septembru -+ povprečna temperatura zraka v juliju -+ povprečna temperatura zraka v februarju -+ povprečna temperatura zraka v oktobru -+---- —+ višina površja -+ razlika med aprilsko in oktobrsko temperaturo zraka -+ letna temperaturna razlika -+ povprečna temperatura zraka v decembru -+ povprečna temperatura zraka v januarju -+ povprečna temperatura zraka v novembru -/ povprečna količina padavin v juniju +-------------------- --------------------+ povprečna količina padavin v oktobru -+ povprečna količina padavin v juliju -+ indeks mediteranskosti padavin -+ povprečna količina padavin v marcu -+ povprečna količina padavin v februarju -+ povprečna količina padavin v avgustu -+ povprečna letna količina padavin -+---- —+ povprečna količina padavin v decembru -+ povprečna količina padavin v septembru -+ povprečna količina padavin v aprilu -+ povprečna količina padavin v januarju -+ povprečna količina padavin v maju -+ povprečna količina padavin v novembru -+ padavinski režim (poletje, zima) -+ padavinski režim (poletje, jesen) -/ ekspozicija površja ekspozicijska razgibanost površja -+ naklon površja -+---- --------------------1 višinska razgibanost površja -+ skupna razgibanost površja -+ tekstura površja -+ sončno obsevanje -+ prepustnost kamnin -+ naklonska razgibanost -+ gostota rečne mreže (radij 0,5 km) -/ Slika 16: Z Wardovo metodo smo hierarhično združili podatkovne sloje glede na njihove vrednosti stopenj spreminjanja povprečnega umerjenega koeficienta variacije v primerjavi z vrednostjo za celotno Slovenijo. 63 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Teoretično se ob zelo podrobni mreži (razdelitev na le nekoliko večje kvadrate, kot je ločljivost rastrov) vsi podatkovni sloji približajo vrednosti 0. To pomeni, da je na zelo majhnem (lokalnem) območju, velikem le nekaj celic, spremenljivost običajno zelo majhna ali celo nična. Na podlagi teh vrednosti smo z Wardovo metodo hierarhičnega razvrščanja dobili tri skupine (slika 16). V prvi so temperaturni podatkovni sloji in nadmorska višina, v drugi padavinski podatki, v tretji pa ostali podatki (razgibanost površja, ekspozicija, prepustnost...). Ob pregledu grafikona je opazno, da to razdelitev lahko potrdimo, dodatno pa bi lahko določili še četrto skupino, saj vidimo, da močno izstopata ekspozicija in koeficient razgibanosti glede na ekspozicijo, ki imata povprečni umerjeni koeficient variacije na vseh analiziranih ravneh približno enak kot je koeficient variacije za celo Slovenijo, tako da bi lahko tvorila ločeno skupino. Izjemno blago zmanjševanje povprečnega umerjenega koeficienta variacije lahko pomeni tudi šum v podatkovni zbirki! Sloji, katerim vrednosti z manjšanjem računskih ploskev najhitreje padejo, so dobri predvsem za določanje večjih enot oziroma analizo v manjšem merilu. Mednje spadajo podatki o količini padavin in padavinskih režimih. Zelo hitro se zmanjšujejo tudi vrednosti za podatke o temperaturi, temperaturnih režimih in nadmorski višini. Ostalim podatkovnim slojem (gre predvsem za prepustnost, gostoto rečne mreže, osončenost ter razne podatke o reliefu) se vrednosti zmanjšujejo počasneje, kar pomeni, da so primerni tudi za razmejevanje na manjših (lokalnih) območjih. Glede na vrednotenje posameznih podatkovnih slojev z vidika povezanosti med njimi in izbranimi obstoječimi naravnopokrajinskimi klasifikacijami (ugotavljanje informativnosti) ter rezultate analize uporabnosti podatkovnih slojev po posameznih ravneh lahko povzamemo, da gre pri obstoječih klasifikacijah za razdelitev Slovenije na prostorsko razmeroma večje enote, ali z drugimi besedami, da gre za razdelitev Slovenije na podlagi dejavnikov, ki se spreminjajo na daljše razdalje. Kot bolj pomembni so se namreč izkazali podatkovni sloji, povezani s podnebjem, poleg teh pa tudi nadmorska višina. To kaže na manjši pomen osončenosti, ekspozicije, koeficientov reliefnih razgibanosti in podobnih. Razlog za neuporabnost teh podatkov je ta, da je njihova variabilnost zelo velika, kar onemogoča dobro razmejitev na državni ravni. Bolj primerni so za lokalno (krajevno) raven. 7.3 MEDSEBOJNA POVEZANOST PODATKOVNIH SLOJEV Ker so naravni dejavniki medsebojno povezani, za analizo naravnih pokrajinskih tipov nekateri podatkovni sloji zagotovo niso potrebni. Zaradi pretirane povezanosti je lahko model celo preveč prilagojen vzorčnim podatkom (overfitting). Zato smo se za preverjanje medsebojne povezanosti podatkovnih slojev odločili tudi v naši analizi. Povezanost med njimi smo računali s Spearmanovim koeficientom (preglednica 21). Ob pregledu matrike povezanosti je opazna povezanost med nadmorsko višino, podatki o temperaturi (osnovnimi in izpeljanimi) ter nekoliko šibkejša tudi s količino padavin po mesecih in celoletnem povprečju, kar gre pripisati okoliščini, da relief z nadmorsko višino močno vpliva na podnebne značilnosti. Poleg tega je bil podatek o reliefu uporabljen tudi pri interpolaciji točkovnih podatkov (Dolinar 2004). Padavinski režimi so z višino manj povezani, saj smo z deljenjem podatkov o mesečnih padavinah ta vpliv močno zmanjšali. Se pa padavinski režimi dokaj dobro povezujejo s temperaturnim razponom, saj je znano, da se s celinskostjo letna temperaturna razlika povečuje, padavinski režim pa se nagiba v prid poletnim padavinam. Opazno je, da se padavinski režimi povezujejo s podatki o mesečnih padavinah, ne pa prav močno s temperaturami. Osončenost se opazneje povezuje le z ekspozicijo. Višinska razgibanost se povezuje z višino, naklonom, naklonsko razgibanostjo ter (nekoliko manj) tudi s temperaturnimi in padavinskimi podatki. Naklonska razgibanost se povezuje z višinsko razgibanostjo, naklonom, teksturo površja in skupno razgibanostjo. Slednja se povezuje tudi s teksturo površja. Ekspozicijska razgibanost in prepustnost se z nobenim podatkovnim slojem ne povezujeta močneje. Med vsemi kombinacijami lahko na podlagi izračunanih povezanosti ločimo višinsko-temperaturni dejavnik, dejavnik reliefne razgibanosti (naklon), dejavnik ekspozicije (in posledično osončenosti), dejavnik prepustnosti in padavinski dejavnik. Do podobnih ugotovitev je z izračunom Spearmanovega koeficienta 64 ir GEOGRAFIJA SLOVENIJE 28 prišel tudi Ciglič (2012), ki je povezanost različnih podatkovnih slojev naravnih dejavnikov za Slovenijo primerjal na ravni s prostorsko ločljivostjo 500 m. 7.4 ODSTOPAJOČE VREDNOSTI V okviru priprave podatkovnih slojev smo vse sloje poenotili tako, da smo jih prenesli na mersko lestvico od 0 do 100. Ob prenosu vrednosti podatkovnih slojev z izvirne na normalizirano mersko lestvico 60.000- 50.000- 40.000- 30.000- 20.000- 10.000- najnižja vrednost: 0,00 1. percentil: 0,03 99. percentil: 12,77 najvišja vrednost: 42,34 30 koeficient razgibanosti nadmorske višine 10 20 30 42,43 30,1 % merske lestivce "T" 50 I 100 50 pretvorba merske lestvice (minimum = 0; T maksimum = 100) Slika 17: Primer vrednotenja podatkovnega sloja z vidika izstopajočih vrednosti, primer za višinsko razgibanost. Preglednica 21: Matrika povezanosti podatkovnih slojev, izražena s Spearmanovim koeficientom (p pomeni Spearmanov koeficient, NP pomeni »ni povezano« pri statistični značilnosti p = 0,001). P str. 66-69 0 0 0 65 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic podatkovni sloj O CD C hé 3 O to cp > >o £ g-s O "C cp > razlika med aprilsko in oktobrsko temperaturo zraka ekspozicija površja gostota rečne mreže (radij 0,5 km) naklon površja sončno obsevanje povprečna količina padavin v aprilu povprečna količina padavin v avgustu povprečna količina padavin v decembru povprečna količina padavin v februarju povprečna količina padavin v januarju povprečna količina padavin v juliju povprečna količina padavin v juniju povprečna količina padavin v maju povprečna količina padavin v marcu povprečna količina padavin v novembru povprečna količina padavin v oktobru povprečna količina padavin v septembru povprečna letna količina padavin padavinski režim (poletje, jesen) padavinski režim (poletje, zima) indeks mediteranskosti padavin prepustnost kamnin ekspozicijska razgibanost površja naklonska razgibanost površja skupna razgibanost površja višinska razgibanost površja povprečna temperatura zraka v aprilu povprečna temperatura zraka v avgustu povprečna temperatura zraka v decembru povprečna temperatura zraka v februarju povprečna temperatura zraka v januarju povprečna temperatura zraka v juliju povprečna temperatura zraka v juniju povprečna temperatura zraka v maju povprečna temperatura zraka v marcu povprečna temperatura zraka v novembru povprečna temperatura zraka v oktobru povprečna temperatura zraka v septembru tekstura površja povprečna letna temperatura zraka letna temperaturna razlika 0,03 0,30 -0,50 -0,01 -0,07 0,04 0,10 0,72 -0,03 -0,23 -0,84 -0,03 -0,28 0,45 -0,17 -0,67 -0,02 -0,14 0,55 -0,29 0,77 -0,83 -0,03 -0,31 0,39 -0,13 0,97 0,67 -0,83 -0,04 -0,32 0,40 -0,14 0,96 0,69 0,98 66 o o o o cd cd cd o o co co "o cc povprečna količina padavin v januarju OOCDCDCDCDCDO~0O povprečna količina padavin v juliju CD C) CD p O O O O O O O "oo oo oo i.o "cd Kj cn '—i o ""->1 oi^w^roo^jico^o) povprečna količina padavin v juniju oooooooooooo povprečna količina padavin v maju CD CD CD CD CD CD CD JID O O O O O ...............CO CD OO povprečna količina padavin v marcu OOOOCDCDCDOCDCDCDOOO povprečna količina padavin v novembru O CD O CD O CD CD CD CD CD O CD O CD CD povprečna količina padavin v oktobru _CD _CD _CD _CD _CD _CD _CD _CD _CD CD CD CD CD C) O O ■t» 'ro b b N ui CB 10 Ji povprečna količina padavin v septembru OOOOOOOOOOOCDOOOOO I I I I I I I I I I oooooooooo ¿ ¿ ¿ o o o o o povprečna letna količina padavin padavinski režim (poletje, jesen) i i i i i i i ii ooooooooooo O "D O O O O ""-J * CO O CT5 —J CO —J padavinski režim (poletje, zima) CDCDCDCDCDOCDCDCDCDCDCDCDOCDCDCDCDCDCD indeks medite ra nskosti padavin o o o o o o o o o p p p p ~o O O CD CD CD CD O o "o J^ "ro cd co co cn -U K3 cn oo prepustnost kamnin Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic podatkovni sloj ■5 £ CD CD vod pv razlika med aprilsko in oktobrsko temperaturo zraka ekspozicija površja /"lAotAto fdi^no mr0"70 /rcirlii H ^ l/m\ 0,21 -0,07 n 19 -0,39 -0,09 n 11 -0,25 -0,11 n 19 -0,52 -0,07 n 09 0,77 0,03 n 9*3 0,69 0,03 n 99 0,37 -0,01 n 07 gostota iečne mreže (ladij 0,5 km) naklon površja CAnpriA A h o i a rilo 0,12 -0,32 n 09 0,11 0,77 n 9*3 0, 1 2 0,50 n 1 p 0,02 0,99 _D 9 a 0,23 -0,56 n 9R 0,22 -0,54 n 97 0,07 -0,38 n 9fi sončno obsevanje povprečna količina padavin v aprilu I^AU^CA^Il \/ loti 1 0,02 -0,20 n 9Q -0,23 0,37 n aa -0, 1 8 0,22 n 97 -0,24 0,47 n tz7 0,26 -0,72 n Q9 0,27 -0,64 n 70 0,26 -0,36 n fifi povprečna količina padavin v avgustu povprečna količina padavin v decembru nro^nii Izoli^inii niiHiniin w fdhn liicii i -0,23 -0,18 n ip 0,44 0,32 n w 0,27 0,20 n 9n 0,57 0,41 n ao -0,82 -0,63 n rp -0,79 -0,54 n fin -0,66 -0,21 n 9fi povprečna količina padavin v ieb!ua!ju povprečna količina padavin v januarju povprečna količina padavin v juliju -0, I 8 -0,17 -0,21 0,33 0,31 0,43 0,20 0,19 0,25 0,42 0,39 0,54 -0,68 -0,60 -0,70 -0,60 -0,51 -0,70 -0,26 -0,17 -0,69 povprečna količina padavin v juniju -0,23 0,44 0,27 0,56 -0,79 -0,74 -0,52 povprečna količina padavin v maju -0,21 0,40 0,25 0,50 -0,75 -0,67 -0,40 povprečna količina padavin v marcu -0,20 n is 0,36 n ^a 0,22 n 91 0,47 n a^ -0,74 n R7 -0,66 n c;q -0,34 n on povprečna količina padavin v novembru povprečna količina padavin v oktobru -0, 18 -0,19 n 9n 0,34 0,33 n 0,21 0,20 n 99 0,43 0,43 n ai -0,67 -0,70 n 71 -0,59 -0,62 n fiQ -0,30 -0,32 n qc: povprečna količina padavin v septembru povprečna letna količina padavin /i r^c L*i c o ~71 m t AAlAtiA ¡ACAr*^ -0,20 -0,21 n ifi 0,36 0,38 n is 0,22 0,23 n 19 0,47 0,48 n 91 -0,71 -0,76 n -0,63 -0,68 n 9& -0,35 -0,39 n n« padavinski režim (poletje, jesen) padavinski režim (poletje, zima) 0,10 0,08 n 19 -0, 18 -0,15 n iq -0, 12 -0,11 n 19 -0,2 1 -0,18 n 9 a 0,37 0,32 n 0,28 0,23 n qq -0,06 -0,13 fi fiQ indeks mediteranskosti padavin prepustnost kamnin -0, 12 0,05 0,19 -0,36 n ni 0, 12 -0,36 n aa 0,24 -0,42 n oo -0,48 0,17 n 9*3 -0,39 0,17 n 9*3 -0,09 0,11 fi 1£ ekspozicijska razgibanost površja naklonska razgibanost površja -0,01 0,44 0,84 -0,38 0,76 n 0,23 -0,44 n 9s 0,23 -0,42 n 9fi 0,18 -0,29 fi 1 c; skupna razgibanost površja višinska razgibanost površja povprečna temperatura zraka v aprilu 0,46 -0,28 -0,58 -0,26 -0,55 0,98 -0, 15 -0,40 0,79 povprečna temperatura zraka v decembru povprečna temperatura zraka v februarju povprečna temperatura zraka v januarju povprečna temperatura zraka v juliju povprečna temperatura zraka v juniju povprečna temperatura zraka v maju povprečna temperatura zraka v marcu povprečna temperatura zraka v novembru povprečna temperatura zraka v oktobru povprečna temperatura zraka v septembru tekstura površja povprečna letna temperatura zraka letna temperaturna razlika 68 CD CD CD 1 CD 1 CD 1 O O O l o CD CD 1 O I O L CD 1 CD 1 O 1 O 1 O 1 CD I O 1 CD 1 o p CD CD CD CD 4^ CD CD CD OO CJl ro ro oo -J ro CD ro CD CD OO OO CJl -»4 CJl ro CJl o —4 CJl 4^ CJl —J CD CD —J oo -4 4^ CD 4^. —J CD CJl OO ro —4 CD CD CD CJl CD O CD CD CD 1 CD 1 CD 1 CD CD CD 1 pD 1 O 1 CD 1 o I p L CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 pD 1 CD 1 o CD ¿> CD NP CD OO CD CD CO ro —] OO CD 4^ ro —J oo O CD CD 4^ CD CD OO CD OO ro ro CD ro OO ro OO -•4 4^- OO CD CD ro 4^ CD CD OO OO OO ro CJl OO -->4 O CD OO 4^- CD O CD -». pD 1 CD 1 pD 1 CD CD CD 1 CD O CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD CD I CD O CD CD CJl CO co o o CD CD CJl OO ro oo ro oo CD 4^- CD ro ro CD CD CD CD 4^. CD oo CD O CD —1 CD CD CJl CJl ro ID CJl CD OD O TD CD To —1 Tin CD To CD OO —4 C) CD CD CD CD -v 1 CD 1 CD 1 CD pD O 1 O o o 1 pD 1 CD _±» 1 pD 1 CD 1 pD 1 o 1 o 1 CD 1 CD 1 O CD _±> CD O CD CD -vi OO --4 OO CD OO CD CD CJl CD ro co 4^ 4^ ro 4^ OO 4^ '—1 Oo ro OO -»4 —J CJl —1 o CD -»4 —4 —J CJl CO CD "CD CD "CD o CD -4 "cd OO "co ro —4 ro To CD CJl --4 To 4^ O Oo "--J CD CD CD CD CD CD -». 1 CD 1 CD 1 CD CD CD 1 CD CD CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 o CD CD CD CD o CD CJl ro —1 —1 CD oo CD CD CJl OO ro oo 4^ 4^ ro oo —J CJl CD OO CJl CD —J —1 ro —J CD CD CD —4 CD OO CD CD CD CD ro CD CD CD CJl OO hO ro CJl CJl CD To 4^ "cd Oo —4 OO CD cd O pD CD CD CD 1 CD 1 CD 1 CD CD CD 1 pD CD O 1 O I o 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 p 1 O p CD CD CD OO CD § CD --J CO CJl CD CD CD CD CJl CJl ro CD 4^ ro ro oo CD ro OO ro oo CD CD CD 4^ CD oo CD O CD —J CD OO —J CJl —4 CJl ro CD O CJl CJl oo o CD CJl ro -»4 CJl To "cd ro —4 CD O CD CD CD CD O CD O CD 1 CD 1 CD 1 CD CD CD 1 CD 1 CD 1 o 1 O I p 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 O CD CD NP CD CD OO 4^ CO CD CD CD CD —J CD OO CD OO CD O OO CD 4s>. —J ro CD oo ro o CJl 4^ CD CD CD 4s>. CJl CD oo oo oo CJl 4^ CD CJl —1 O To "oo oo "ro oo O 4^. ro CD CJl CJl CD O CD CD CD CD p CD CD CD 1 CD 1 CD 1 O CD CD 1 CD O CD 1 O 1 O 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 O CD ¿3 CD CD CD -4 -J co CD ro CD CD ro CD CD CD CJl ro ro OO OO CD ro ro CD ro CD — CD CJl OO CJl CJl ro CD CJl CD CJl OO CD --4 —J CD OO CD 4^ OO Oo —1 CD CJl CJl ro —j CJl CD "~4 CD CJl —J CD p O CD O CD O CD _». CD 1 CD 1 O 1 CD pD O 1 CD CD CD 1 O 1 O _±> _A» 1 CD 1 CD 1 CD 1 O 1 CD 1 CD 1 CD 1 CD CD CD o CD CD CT> CD CD CD CD CD co CD OO CD CD co OO CD CD CO CD O CD OO CJl 4^ ro CJl Ji* CD ro ro CD 4^ CD ro 4^ ro oo CD OO CD OO CD ro CJl CD CT> CD C7> —4 —4 OO ID CD cn "cd O cn CJl —4 CO "ČD "Ko —4 CJl ro To ro "cd ro "ČD CD 1 cd 1 p 1 O 1 O 1 CD 1 CD 1 O 1 O ¿> L CD CD CD O o 1 CD O 1 CD 1 o O O o CD CD CD CD O o o CD pD O 1 O o CD 1 CD CD CD ^ CD ro ro ^ CJl CJl CD co o OO OO CD OO CJl CD ro ro CJi Oo OO OO ro CJl ro CJl ro ro ro oo ro CJl ro CD ro oo ro CD ro ro Oo hO ro ro CD ro CJl o CJl CD o CD CD ~~4 To —1 1 CD CD CD CD CD CD CD CD O O O o CD 1 CD 1 CD 1 CD CD CD 1 pD pD O 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 CD 1 pD 1 CD 1 p O CD CD CD CD OO CD -t». CD CD --4 CD OO CD OO CD CD OO CD CJl CJl ro CD ro ro -4 Oo CJl CO ro OO CD CJl CD CD CJl oo CJl CD CD ro CD 4^ OO "—J ro CD CJl CJl "cn o CD "cd To —j CJl OO CD CD hO "ČD O 1 CD CD CD CD O o CD CD CD O CD CD CD 1 CD 1 CD 1 CD CD O 1 CD p CD 1 CD 1 O _±> 1 CD 1 CD 1 CD 1 O 1 CD 1 CD 1 CD I CD CD 1 O CD CD CD CJl CD hO CD CD CJl CJl ro co CD CD CJl -—J —1 Co CD OO ro CD CJl o ro OO CD cd "—J hO CJl OO ro -•4 -£>. CD ro 4^ ~-4 CD —1 CD OO o OO o oo o —J oo ro —4 OO —4 ro co CD OO CO CO CD "ČD ro —4 CD CD OO CJl OO oo CD OO CD —J CD 1 CD 1 CD 1 CD 1 CD 1 O 1 pD 1 CD 1 CD -s 1 CD CD CD CD 1 CD 1 CD O 1 CD 1 CD p o CD CD CD CD CD CD CD CD CD CD pD 1 O CD 1 CD c3 cn OO OO O CJl —«J —J CJl CD OO CD 4^. CD --J CD ro OO CD 4^ CD ro 4^ ro ro 4^ OO Oo CD OO CD —J CJl —1 CD CD CD —4 —4 4^ —J 4^ —J CD CD CD CD ro CD OO CD CJl CO o —J ro ro CD ro oo O Oo "oo CD povprečna temperatura zraka v februarju povprečna temperatura zraka v januarju povprečna temperatura zraka v juliju povprečna temperatura zraka v juniju povprečna temperatura zraka v maju povprečna temperatura zraka v marcu povprečna temperatura zraka v novembru povprečna temperatura zraka v oktobru povprečna temperatura zraka v septembru tekstura površja povprečna letna temperatura zraka letna temperaturna razlika višina površja Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Preglednica 22: Vrednotenje podatkovnih slojev glede na izstopajoče vrednosti oziroma razliko med normaliziranima vrednostima 1. in 99. percentila. podatkovni sloj (izvirna enota) izvirne vrednosti normalizirane vrednosti na lestvici 0-100 povprečje najnižja vrednost najvišja vrednost 1. percentil 99. percentil vrednost 1. percentila vrednost 99. percentila razlika med vrednostma 1. in 99. percentila ekspozicija površja (°) 94,0 1,4 180,0 13,3 167,8 6,6 93,1 86,5 prepustnost kamnin (ocenjena vrednost od 1 do 10) 7,2 1,0 10,0 2,0 10,0 20,0 100,0 80,0 povprečna višina padavin v decembru (mm) 124,3 50,0 335,6 55,8 281,5 2,0 81,1 79,0 povprečna višina padavin v oktobru (mm) 163,7 57,6 437,1 68,3 364,7 2,8 80,9 78,1 povprečna višinapadavin v septembru (mm) 147,0 77,1 344,7 81,6 289,3 1,7 79,3 77,6 povprečna višina padavin v aprilu (mm) 123,7 56,0 352,5 58,5 288,0 0,9 78,3 77,4 povprečna višina padavin v novembru (mm) 162,0 70,7 501,1 74,9 404,1 1,0 77,5 76,5 padavinski režim - poletje, zima (razmerje) 1,6 0,7 2,8 0,9 2,5 6,5 82,9 76,4 povprečna višina padavin v maju (mm) 129,3 66,8 353,8 76,9 288,5 3,5 77,3 73,7 povprečna letna višina padavin (mm) 1573,3 787,4 4061,9 838,6 3252,2 1,6 75,3 73,7 padavinski režim - poletje, jesen (razmerje) 1,0 0,5 1,5 0,7 1,4 14,1 87,3 73,2 povprečna temperatura zraka v januarju (°C) -0,7 -6,7 5,3 -4,7 4,1 16,8 89,9 73,1 povprečna temperatura zraka v decembru (°C) 0,3 -5,6 6,3 -3,6 5,05 16,8 89,4 72,5 razlika med aprilsko in oktobrsko temperaturo zraka (°C) -1,1 -4,8 0,4 -3,5 0,3 24,7 97,0 72,3 povprečna količina padavin v januarju (mm) 91,2 36,2 293,2 37,8 221,9 0,6 72,3 71,6 povprečna temperatura zraka v novembru (°C) 3,7 -3,7 9,7 -1,1 8,4 19,3 90,1 70,8 povprečna temperatura zraka v februarju (°C) 0,6 -7,7 5,9 -4,8 4,9 21,8 92,4 70,6 povprečna temperatura zraka v oktobru (°C) 9,1 0,7 14,4 3,7 13,3 21,7 92,0 70,3 povprečna višina padavin v juliju (mm) 136,7 67,6 300,1 79,3 242,5 5,1 75,2 70,2 > 70 ir GEOGRAFIJA SLOVENIJE 28 podatkovni sloj izvirne vrednosti normalizirane vrednosti (izvirna enota) na lestvici 0-100 povprečje najnižja najvišja 1. 99. vrednost vrednost razlika med vrednost vrednost percentil percentil 1. percentila 99. percentila vrednostma 1. in 99. percentila povprečna letna temperatura zraka (°C) 8,6 -0,8 13,7 2,6 12,6 23,3 92,9 69,6 povprečna temperatura zraka v marcu (°C) 4,1 -6,2 8,9 -2,5 8,0 24,3 93,8 69,6 tekstura površja (%) 15,6 0,0 54,8 0,0 37,9 0,0 69,0 69,0 povprečna temperatura zraka v avgustu (°C) 17,7 7,1 22,9 10,9 21,8 24,3 93,1 68,8 povprečna temperatura zraka v juliju (°C) 18,1 6,9 23,1 11,0 22,1 24,9 93,5 68,6 povprečna temperatura zraka v aprilu (°C) 7,9 -4,0 12,4 0,3 11,5 25,9 94,5 68,6 povprečna temperatura zraka v septembru (°C) 13,8 4,2 19,0 7,6 17,7 23,3 91,5 68,2 povprečna temperatura zraka v maju (°C) 12,9 1,1 17,1 5,4 16,2 26,6 94,7 68,1 povprečna višina padavin v marcu (mm) 104,6 46,9 316,1 50,6 233,8 1,4 69,4 68,0 povprečna temperatura zraka v juniju (°C) 16,0 4,3 20,5 8,5 19,5 25,9 93,7 67,8 ekspozicijska razgibanost površja (%) 586,0 0,0 1359,1 139,4 1050,8 10,3 77,3 67,1 letna temperaturna razlika (°C) 18,9 13,2 21,0 15,5 20,7 28,9 96,0 67,1 povprečna višina padavin v juniju (mm) 165,9 80,6 379,5 96,6 295,3 5,4 71,9 66,5 indeks mediteranskosti padavin 1,2 -7,1 12,8 -5,3 7,8 9,4 74,9 65,5 povprečna višina padavin v februarju (mm) 85,3 37,9 245,5 40,8 175,5 1,4 66,3 64,9 povprečna višina padavin v avgustu (mm) 139,5 86,0 331,9 90,6 246,4 1,9 65,2 63,3 skupna razgibanost površja (%) 31,5 0,0 92,7 4,6 61,8 4,9 66,7 61,7 naklon površja (°) 14,2 0,0 69,8 0,2 43,2 0,2 61,8 61,6 višina površja (m) 556,9 0,0 2794,2 95,8 1794,7 3,4 64,2 60,8 sončno obsevanje (MJ/m2) 4013,0 851,9 5279,3 2383,6 4809,7 34,6 89,4 54,8 naklonska razgibanost površja (%) 32,2 0,0 154,4 0,7 82,8 0,5 53,6 53,1 višinska razgibanost površja (%) 3,4 0,0 42,3 0,0 12,8 0,1 30,2 30,1 Gostota rečne mreže -radij 0,5 km (km/km2) 1, 5 0,0 19,5 0,0 5,2 0,0 26,6 26,6 71 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic (z vrednostmi od 0 do 100) moramo biti pozorni tudi na odstopajoče (skrajne) vrednosti, ki vplivajo na obliko histograma in zato pri nekaterih metodah tudi na pojasnjevalno moč. Če so namreč minimalna, maksimalna ali pa celo obe ekstremni vrednosti določene spremenljivke močno izstopajoče, je večina enot močno nagnetenih na ožjem delu histrograma oziroma ranžirne lestvice. To neposredno pomeni, da bo v primerjavi s spremenljivkami, ki nimajo izstopajočih ekstremov, ta spremenljivka slabše razlikovala med skupinami (gručami), če denimo uporabimo metodo, temelječo na oddaljenosti enot (na primer metoda voditeljev z Evklidovo razdaljo). Pri spremenljivki, ki nima izstopajočih vrednosti, bodo le-te namreč enakomerneje razporejene po celotni lestvici od 0 do 100. Zaradi tega smo pri vrednotenju podatkovnih slojev preverili, ali ima katera od spremenljivk zelo velika odstopanja skrajnih vrednosti. To smo storili tako, da smo na normalizirani lestvici (od 0 do 100) izračunali vrednost 1. in 99. percentila ter izračunali, kolikšna je razlika med njima. Tako smo hkrati dobili tudi podatek, kolikšen delež merske lestvice od 0 do 100 zavzemajo vrednosti enot med obema per-centiloma (98 % vseh enot) (slika 17). Pri močno izstopajočih skrajnih vrednostih je rezultat vrednotenja nizek, pri šibko izstopajočih vrednostih pa visok. Spremenljivke smo razvrstili glede na razliko med normaliziranima vrednostma 1. in 99. percentila (preglednica 22), kar lahko razumemo tudi kot delež dolžine merske lestvice med 1. in 99. percentilom v primerjavi z dolžino celotne lestvice. Nižje vrednosti pomenijo močno izstopajoče vrednosti in načeloma bolj koničasto obliko histograma. Opazimo lahko, da je razlika vrednosti gostote rečne mreže (s polmerom kroga 500 m) in višinske razgibanosti zelo majhna, kar pomeni, da lahko pri nekaterih metodah, na primer pri že omenjeni metodi voditeljev, skrajne minimalne in maksimalne vrednosti močno vplivajo na pojasnjevalno moč spremenljivk. Veliko razliko (vrednosti čez 80) ima sicer le spremenljivka eks-pozicija. Pri večini spremenljivk je razlika med 1. in 99. percentilom med 60 in 80, torej približno enaka. To težavo lahko sicer odpravi standardizacija z Z-vrednostmi, ki na podlagi standardnega odklona posameznim vrednostim pripiše novo vrednost. 7.5 IZBOR PODATKOVNIH SLOJEV ZA MODELIRANJE Pred izborom podatkovnih slojev smo analizirali rezultate vseh predstavljenih vrst vrednotenja: • vpliv izstopajočih vrednosti (preglednica 22), • medsebojno povezanost (preglednica 21), • moč pojasnjevanja podatkovnih slojev oziroma njihovo povezanost z obstoječimi klasifikacijami Slovenije (preglednica 19) in • uporabnost oziroma spremenljivost podatkovnih slojev na različnih prostorskih ravneh (slika 15). Podatkovne sloje za modeliranje pokrajinskih tipov smo izbrali na podlagi njihovega kvantitativnega vrednotenja, hkrati pa smo se oprli še na teoretična priporočila o tem, kateri podatkovni sloji ustrezajo velikosti enot, ki so bile določene znotraj izvirnih tipizacij TIPI9 in TIP113. Prezrli nismo niti lastnosti podatkovnih slojev, kot so ločljivost izvornih podatkov, način zajema in priprava podatkov. S kvantitativnim vrednotenjem podatkovnih slojev smo pregledali vse podatkovne sloje, ki bi jih potencialno lahko uporabili za modeliranje izvirnih tipizacij. Po vrednotenju smo izločili večino podatkovnih slojev, ki so kazali visoko stopnjo povezanosti (preglednica 21) z enim od drugih podatkovnih slojev z večjo pojasnjevalno močjo (preglednica 19) in so bili z vidika metapodatkov (prostorska ločljivost izvornega podatkovnega sloja) ter priporočil v literaturi bolj primerni. Podatkovne sloje, ki lahko delujejo kot »šum«, smo izločili na podlagi vrednotenja pomena prostorskih podatkov na posamezni ravni (preglednica 20, slika 15). V tej skupini imajo nekateri sloji (na primer ekspozicija in ekspozicijska razgibanost) ekstremno visoke vrednosti na vseh prostorskih ravneh, kar dejansko lahko oteži modeliranje. Upoštevali smo tudi vpliv odstopajočih vrednosti, pri čemer smo izločili sloje z zelo izstopajočimi skrajnimi vrednostmi, kot je na primer gostota rečne mreže (preglednica 22). Priporočila v teoriji (Klijn 1994; Bailey 1996) poudarjajo velik pomen merila/ravni klasifikacije oziroma povprečne velikosti prostorskih enot. Zato smo izračunali tudi povprečne velikosti posamezne enote 72 ir GEOGRAFIJA SLOVENIJE 28 znotraj vsakega tipa pri izvirnih tipizacijah TIPI9 in TIPI13, nato pa jim pripisali, katere naravne dejavnike naj bi v teoriji po obeh omenjenih avtorjih uporabili za modeliranje oziroma klasifikacijo naravnih enot pri njihovi velikosti (preglednici 23 in 24). Preglednica 23: Povprečne velikosti enot znotraj tipov TIPI9 in teoretsko ustrezni dejavniki razmejitve. tip povprečna površina posamezne enote (km2) ustrezni dejavniki klasifikacije po Klijnu (1994) ustrezni dejavniki klasifikacije po Baileyu (1996) alpska gorovja 3061,8 podnebje, kamnine, relief reliefne oblike, topoklima in vlažnost prsti alpska hribovja 2330,0 kamnine, relief, podzemna voda, površinska voda reliefne oblike, topoklima in vlažnost prsti alpske ravnine 409,6 kamnine, relief, podzemna voda, površinska voda reliefne oblike, topoklima in vlažnost prsti panonska gričevja 598,9 kamnine, relief, podzemna voda, površinska voda reliefne oblike, topoklima in vlažnost prsti panonske ravnine 432,3 kamnine, relief, podzemna voda, površinska voda reliefne oblike, topoklima in vlažnost prsti dinarske planote 761,9 kamnine, relief, podzemna voda, površinska voda reliefne oblike, topoklima in vlažnost prsti dinarska podolja in ravniki 948,5 kamnine, relief, podzemna voda, površinska voda reliefne oblike, topoklima in vlažnost prsti sredozemska gričevja 265,3 kamnine, relief, podzemna voda, površinska voda reliefne oblike, topoklima in vlažnost prsti sredozemske planote 673,3 kamnine, relief, podzemna voda, površinska voda reliefne oblike, topoklima in vlažnost prsti najmanjša površina 17,2 kamnine, relief, podzemna voda, površinska voda topoklima in vlažnost prsti največja površina 3681,5 podnebje, kamnine, relief reliefne oblike skupno povprečje 810,9 kamnine, relief, podzemna voda, površina voda reliefne oblike, topoklima in vlažnost prsti Preglednica 24: Povprečne velikosti enot znotraj tipov za tipizacijo TIPI13 in teoretsko ustrezni dejavniki razmejitve. oznaka tipa povprečna površina posamezne enote (km2) ustrezni dejavniki klasifikacije po Klijnu (1994) ustrezni dejavniki klasifikacije po Baileyu (1996) visokogorski svet 839,0 kamnine, relief, podzemna voda, površina voda reliefne oblike, topoklima in vlažnost prsti širše rečne doline v visokogorju, hribovju in na krasu 41,1 kamnine, relief, podzemna voda, površinska voda topoklima in vlažnost prsti visoke kraške planote in hribovja v karbonatnih kamninah 328,1 kamnine, relief, podzemna voda, površina voda reliefne oblike, topoklima in vlažnost prsti hribovja v pretežno 302,0 kamnine, relief, podzemna voda, reliefne oblike, topoklima nekarbonatnih kamninah površina voda in vlažnost prsti p 73 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic oznaka tipa povprečna površina posamezne enote (km2) ustrezni dejavniki klasifikacije po Klijnu (1994) ustrezni dejavniki klasifikacije po Baileyu (1996) medgorske kotline 253,3 kamnine, relief, podzemna voda, površina voda reliefne oblike, topoklima in vlažnost prsti gričevje v notranjem delu Slovenije 205,6 kamnine, relief, podzemna voda, površina voda reliefne oblike, topoklima in vlažnost prsti ravnine in širše doline v gričevju notranjega dela Slovenije 148,9 kamnine, relief, podzemna voda, površina voda reliefne oblike, topoklima in vlažnost prsti kraška polja in podolja 88,6 kamnine, relief, podzemna voda, površinska voda topoklima in vlažnost prsti nizki kras Notranjske in Dolenjske 217,5 kamnine, relief, podzemna voda, površina voda reliefne oblike, topoklima in vlažnost prsti nizki kras Bele krajine 339,5 kamnine, relief, podzemna voda, površina voda reliefne oblike, topoklima in vlažnost prsti Kras in Podgorski kras 500,2 kamnine, relief, podzemna voda, površina voda reliefne oblike, topoklima in vlažnost prsti gričevje v primorskem delu Slovenije 168,7 kamnine, relief, podzemna voda, površina voda reliefne oblike, topoklima in vlažnost prsti širše doline in obalne ravnice v primorskem delu Slovenije 60,0 kamnine, relief, podzemna voda, površinska voda topoklima in vlažnost prsti najmanjša površina 2,3 relief, podzemna voda, površinska voda, prst topoklima in vlažnost prsti največja površina 1219,7 kamnine, relief, podzemna voda, površina voda reliefne oblike skupno povprečje 198,9 kamnine, relief, podzemna voda, površina voda reliefne oblike, topoklima in vlažnost prsti Po pregledu teoretsko ustreznih dejavnikov za določeno prostorsko merilo/raven oziroma velikost tipov pri posamezni tipizaciji smo ugotovili, da bi morali upoštevati relief, podzemne in površinske vode ter tudi topoklimatske značilnosti in prst. V manjši meri bi se lahko oprli tudi na podnebne značilnosti. Glede na nabor podatkovnih slojev (preglednica 16) bi torej lahko vključili precej podatkovnih slojev (preglednica 25). Preglednica 25: Podatkovni sloji, ki ponazarjajo naravne dejavnike in so glede na velikost obstoječih enot posameznih tipov uporabni za izdelavo tipizacij. dejavniki primerni podatkovni sloji relief in reliefne oblike naklon, višina, razgibanost (več vrst), tekstura površja podzemne in površinske vode gostota rečne mreže, prepustnost kamnin prst prepustnost kamnin topoklimatske značilnosti osončenost, ekspozicija, tudi padavine in temperatura (mesečno in letno povprečje) podnebne značilnosti višina, padavine (mesečno in letno povprečje), padavinski režim (več vrst), temperaturni režim (več vrst), temperatura (mesečno in letno povprečje) Slika 18: Podatkovni sloji, izbrani za modeliranje tipizacij Slovenije. ► 74 —1 Ul padavinski režim (razmerje poletje : jesen) _ 1,51 naklon površja .69,8° prepustnost kamnin Viri podatkov: Litostratigrafska karta ... 2007; Zemljevid tipov kamnin 2012; Zemljevid povprečnih ... 2010; Digitalni model ... 2010 Kartograf: Rok Clgllč ©Geografski Intšitut Antona MelikaZRC SAZU, 2014 višina površja ^ 2794,2 m Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Poleg navedenih vrednotenj pri izbiri podatkovnih slojev smo se oprli tudi na rezultate podobne analize (Ciglič 2012), v kateri so bili rezultati modeliranja pokrajinskoekoloških tipov Slovenije oziroma tipizacije TIPI13 (Špes s sodelavci 2002) z odločitvenim drevesom in velikimi podatkovnimi bazami uspešno ponovljeni že s petimi podatkovnimi sloji (nadmorska višina, naklon, padavinski režim, gostota rečne mreže in tip kamnine). Ti so bili predhodno izbrani na podlagi kvantitativnega in kvalitativnega vrednotenja. Glede na to, da smo v raziskavi na podlagi podatkovnega sloja kamnin pripravili podatkovni sloj prepustnost, ki deloma odseva podatka o kamninah in gostoti rečne mreže, smo se odločili, da oba (torej vrsta kamnine in gostota rečne mreže) zamenjamo s prepustnostjo. Dokončen izbor je bil deloma subjektiven, pa vendar v precejšnji meri določen na temelju kvantitativnega vrednotenja. Izbrali smo štiri podatkovne sloje (slika 18): • višina površja, • prepustnost kamnin, • padavinski režim - razmerje poletje: jesen in • naklon površja. 7.6 ZNAČILNOSTI IZBRANIH PODATKOVNIH SLOJEV Za izbrane sloje smo izračunali temeljne statistične značilnosti (preglednica 26) in njihovo medsebojno povezanost (preglednica 27). Spearmanov koeficient v večini primerov kaže razmeroma nizko stopnjo povezanosti, nekoliko večja (0,6) je le povezanost med naklonom in višino. Pregled histogramov (slika 19) za padavinski režim, naklon in prepustnost kaže večmodalno porazdelitev, kar je slabost, saj taka porazdelitev lahko oteži uporabo nekaterih parametričnih statističnih metod, ki zahtevajo normalno porazdelitev. Histograma višine in naklona sta asimetrična in zamaknjena v levo. Prednost raziskave je, da je izvedena na podlagi velikega števila celic, saj jih je nekaj več kot 500.000, kar daje rezultatom seveda večjo težo. Preglednica 26: Temeljne statistične značilnosti izbranih podatkovnih slojev (N = 506.450 celic) izražene v normaliziranih vrednostih (od 0 do 100). naklon površja padavinski režim razmerje poletje :jesen prepustnost kamnin višina površja povprečje mediana 20,3 18,3 48,2 50,0 71,8 80,0 19,9 16,8 standardni odklon varianca 14,9 221,7 52,6 19,5 379,8 90,0 23,6 559,0 12,8 164,1 Preglednica 27: Spearmanovi koeficienti povezanosti med podatkovnimi sloji (p < 0,01). naklon površja padavinski režim razmerje poletje :jesen prepustnost kamnin višina površja naklon površja 1,00 -0,19 -0,44 0,61 padavinski režim razmerje poletje: jesen -0,19 1,00 -0,08 -0,39 prepustnost kamnin višina površja -0,44 0,61 -0,08 -0,39 1,00 -0,22 -0,22 1,00 76 ir GEOGRAFIJA SLOVENIJE 28 0,0 20,0 40,0 60,0 80,0 100,0 120,0 naklon 20,0 40,0 60,0 80,0 100,0 120,0 prepustnost 0 0 0 0 0,0 Slika 19: Histogrami izbranih podatkovnih slojev (N= 506.450). Preglednica 28: Povprečne vrednosti posameznih podatkovnih slojev po tipih tipizacije TIPI9, izražene v normaliziranih vrednostih (od 0 do 100). oznaka tipa naklon padavinski režim prepustnost višina površja razmerje poletje :jesen kamnin površja alpska gorovja 37,0 39,5 73,0 37,8 alpska hribovja 26,3 58,3 52,2 20,8 alpske ravnine 6,2 50,4 87,8 13,4 panonska gričevja 14,2 69,3 70,4 10,3 panonske ravnine 1,3 68,2 95,9 7,0 dinarske planote 21,2 34,0 79,7 23,9 dinarska podolja in ravniki 10,3 40,6 79,0 14,4 sredozemska gričevja 17,5 23,3 65,8 10,9 sredozemske planote 12,2 23,7 85,1 15,2 77 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Za vpogled v značilnosti posameznih tipov obeh tipizacij smo pregledali povprečne vrednosti vseh štirih slojev (preglednici 28 in 29) ter njihove histograme. Nekateri tipi se po povprečnih vrednostih jasno razlikujejo, nekateri manj. Pri podatkovnih slojih naklon in višina se po posameznih tipih pri obeh klasifikacijah izrišejo večinoma enomodalni histogrami, pri padavinskem režimu in prepustnosti pa ne pri vseh, kar pomeni, da se pri njiju tipi težje ločijo med seboj kot pri prvih dveh. Preglednica 29: Povprečne vrednosti posameznih podatkovnih slojev po tipih tipizacije TIPI13, izražene v normaliziranih vrednostih (od 0 do 100). oznaka tipa naklon površja padavinski režim razmerje poletje :jesen prepustnost kamnin višina površja visokogorski svet 43,5 36,0 75,6 45,0 širše rečne doline v visokogorju, hribovju in na krasu 23,7 41,8 73,3 16,8 visoke kraške planote in hribovja v karbonatnih kamninah hribovja v pretežno nekarbonatnih kamninah 23,0 28,5 35,2 51,0 78,9 51,5 27,7 22,2 gričevje v notranjem delu Slovenije ravnine in širše doline v gričevju notranjega dela Slovenije kraška polja in podolja nizki kras Notranjske in Dolenjske 15.8 3,0 9,3 14.9 51.0 68,3 67,9 35.1 42,3 83,6 67,6 91,3 82,3 78,1 11,3 7,6 17.8 17.9 nizki kras Bele krajine 8,5 43,1 77,9 7,5 Kras in Podgorski kras gričevje v primorskem delu Slovenije širše doline in obalne ravnice v primorskem delu Slovenije 11.3 19,2 10.4 24,5 24,2 24,2 85,2 60,5 76,2 12,8 7,4 4,2 78 ir GEOGRAFIJA SLOVENIJE 28 8 IZBOR UČNIH VZORCEV Nadzorovana klasifikacija je definirana kot proces, pri katerem s pomočjo učnega vzorca klasificiramo celice z neznano identiteto (Campbell 199b). Ker celice klasificiramo v različne tipe, ki so jih geografi že določili za območje celotne Slovenije, te tipe poznamo za vse celice znotraj Slovenije (če izvzamemo napake zaradi ročnega risanja meja, ki se jim ni bilo mogoče izogniti, in podobno). Ker želimo izvirne tipizacije potrditi z različnimi metodami nadzorovane klasifikacije, učne vzorce vseeno potrebujemo. Za njihov izbor smo uporabili dva načina. Za dva nabora učnih vzorcev (in zato podvojeno analizo) smo se odločili, ker tako kot izbor geoinformacijskega orodja na rezultat vpliva tudi določitev učnih vzorcev (Campbell 199b; Lillesand, Kiefer in Chipman 2008). Tako smo tudi uspešnost modeliranja preverili dvakrat. Ob tem moramo omeniti, da nismo izbrali več različnih vzorcev znotraj posameznih tipov, s katerimi bi podrobneje modelirali 'podtipe' (ki bi jih ob koncu modela spet združili v tipe), ampak smo za posamezen tip izbrali le en vzorec. Tako na primer znotraj tipa alpska gorovja nismo določali in modelirali podtipov, kot bi lahko bili denimo alpske planote, alpski vrhovi, alpske krnice. Glavni namen raziskave je bil namreč preveriti, kakšna je uspešnost modeliranja že določenih tipov. Ob omenjenem pristopu bi zagotovo dosegli še boljši rezultat oziroma večje ujemanje med izvirnimi in modeliranimi tipizacijami. S tega vidika je celotna analiza zgolj prva faza preučevanja, ki bi ji lahko sledilo bolj podrobno modeliranje s popravljenimi učnimi vzorci. Prvi učni vzorec smo določili na podlagi razpršenega stratificiranega naključnega vzorčenja znotraj posameznih tipov. Znotraj vsakega tipa smo izbrali po 2000 celic, kar je približno tretjina od vseh celic po površini najmanjšega tipa, ki se pojavlja pri obeh izvirnih tipizacijah. Drugi učni vzorec smo določili ekspertno. Za vsak tip smo izbrali celice znotraj dveh ali več homogenih kvadratnih območij iz osrednjih delov posameznega tipa. S tem smo želeli zagotoviti predvsem, da učni vzorci ne bi vsebovali celic na robu tipov, kjer so tipi (tudi zaradi risarskih napak) lahko napačno določeni. Tudi v tem primeru smo znotraj vsakega tipa izbrali po 2000 celic. Pri klasifikaciji TIPI13 smo morali pri tipu širše rečne doline v visokogorju, hribovju in na krasu ekspertno določiti poligone različnih oblik, saj za večja kvadratna območja ni bilo dovolj prostora. Za enako število celic po posameznih kategorijah smo se odločili, ker: • je zaradi ročnega načina določanja tipov lahko prišlo do napak, kar pomeni, da je delež posameznega tipa morda neustrezen, • ima pri nekaterih metodah število celic vpliv na rezultate klasifikacij (denimo pri gradnji odločitvenega drevesa ali pri metodi najbližjih sosedov). 8.1 IZBOR NAKLJUČNIH UČNIH VZORCEV Za naključne učne vzorce, namenjene modeliranju tipizacije TIPI9 (slika 20), smo pregledali nekatere značilnosti glede deleža celic posameznih tipov (preglednica 30) in statističnih značilnosti (preglednica 31) ter histograme podatkovnih slojev (slika 21) in povprečne vrednosti podatkovnih slojev za učni vzorec posameznega tipa TIPI9 (preglednica 32). Tudi za učne vzorce, za modeliranje tipizacije TIPI13 (slika 22) izbrane po naključnem vzorčenju, smo pregledali nekatere značilnosti glede deleža celic posameznih tipov (preglednica 33) in statističnih značilnosti (preglednica 34) ter histograme podatkovnih slojev (slika 23) in povprečne vrednosti podatkovnih slojev za učni vzorec posameznega tipa TIPI13 (preglednica 35). V vseh preglednicah so podatki za že normalizirane podatkovne sloje z vrednostmi od 0 do 100. Ob pregledu povprečnih vrednosti po posameznih tipih smo ugotovili, da povprečja za vse celice od povprečja učnega vzorca ne odstopajo za več kot 0,7 oziroma za manj kot odstotek vrednosti celotne merske lestvice (celoten razpon merske lestvice je 100). Pri večmodalnih histogramih je ta podatek manj pomemben. 79 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Kranj Celje Ljubljana „ Nova Gorica 'V. i v, Oznaka tipov alpska gorovja alpska hribovja I I alpske ravnine I I panonska gričevja I I panonske ravnine dinarske planote dinarska podolja in ravniki sredozemska gričevja I I sredozemske planote Avtor vsebine in kartograf: Rok Ciglič © Geografski intšitut Antona Melika ZRC SAZU, 2014 Novo mesto D Slika 20: Učni vzorci za tipizacijo TIPI9 po naključni izbiri. Za naključne učne vzorce smo preverili tudi histograme po posameznih tipih za posamezne podatkovne sloje in jih primerjali s histogrami za vse celice. Pregled histogramov učnih vzorcev po tipih tipizacij TIPI9 in TIPI13 je pokazal, da so ti podobni tistim histogramom, narejenim na podlagi vseh celic. Opazno je, da nekateri histogrami kažejo večmodalno porazdelitev, nagnjenost v levo oziroma desno ali močno Preglednica 30: Število celic v posameznem učnem vzorcu in njihov delež glede na vse celice v tipizaciji TIPI9 po naključnem vzorčenju. vse celice učne celice tip število vseh celic delež celic v tipu število izbranih delež izbranih celic v tipu od vseh celic (%) celic od vseh celic v tipu (%) alpska gorovja 76.533 15,1 2000 2,6 alpska hribovja 116.478 23,0 2000 1,7 alpske ravnine panonska gričevja 20.481 74.719 4,0 14,8 R A 2000 2000 onnn 2000 9,8 2,7 fi 9 panonske ravnine dinarske planote H i norci/a aaHaIIo in rouriil/i 32.336 95.190 Al "387 6,4 18,8 Q A 2000 onnn 2000 6,2 2,1 A 9 dinaiska podolja in lavniki sredozemska gričevja 4/ .08/ 26.490 9,4 5,2 2000 onnn 2000 4,2 7,6 11 Q sredozemske planote skupaj 16.836 506.450 3,3 100,0 18.000 11,9 3,5 80 ir GEOGRAFIJA SLOVENIJE 28 koničasto podobo. Tovrstne oblike niso skladne s teoretskimi pričakovanji, zaradi tega je lahko končni uspeh modeliranja slabši. Preglednica 31: Temeljne statistične značilnosti učnih vzorcev po naključnem vzorčenju (N= 18.000 celic) tipizacije TIPI9, izražene vnormaliziranih vrednostih (od 0 do 100). naklon površja padavinski režim razmerje poletje :jesen prepustnost kamnin višina površja povprečje 16,2 45,2 76,4 17,1 mediana 13,3 45,8 90,0 13,7 standardni odklon 14,3 19,7 90,0 22,2 11,7 varianca 203,9 386,5 494,3 137,6 Slika 21: Histogrami podatkovnih slojev za učne vzorce po naključnem vzorčenju tipizacije TIPI9 (N= 18.000). 81 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Preglednica 32: Povprečne vrednosti podatkovnih slojev za učne vzorce po naključnem vzorčenju po tipih tipizacije TIPI9, izražene v normaliziranih vrednostih (od 0 do 100). tip naklon površja padavinski režim razmerje poletje :jesen prepustnost kamnin višina površja alpska gorovja 36,6 40,1 72,9 37,5 alpska hribovja 26,3 58,4 51,9 20,7 alpske ravnine panonska gričevja 6,2 14,1 50,3 69,1 88,3 69,8 13.3 10.4 dinarske planote dinarska podolja in ravniki 21,3 10,2 68,1 33,6 40,6 95.6 79.7 78,7 7,0 24,0 14,5 sredozemska gričevja 17,4 23,4 66,1 10,8 sredozemske planote 12,6 23,6 85,0 15,5 Ljubljana S o Celje Oznaka tipov visokogorski svet I I širše rečne doline v visokogorju, hribovju in na krasu visoke kraške planote in hribovja v karbonatnih kamninah hribovja v pretežno nekarbonatnih kamninah I I medgorske kotline I I gričevje v notranjem delu Slovenije I I ravnine in širše doline v gričevju notranjega dela Slovenije Kartograf: Rok Ciglič Vir: Špes s sodelavci 2002 © Geografski intšitut Antona Melika ZRC SAZU, 2014 ■ kraška polja in podolja I I nizki kras Notranjske in Dolenjske nizki kras Bele krajine I I Kras in Podgorski kras ^B gričevje v primorskem delu Slovenije I I širše doline in obalne ravnice v primorskem delu Slovenije Maribor 0 Kranj 0 100 km Slika 22: Učni vzorci za tipizacijo TIPI3 po naključni izbiri. 82 ir GEOGRAFIJA SLOVENIJE 28 40,0 60,0 padavinski režim 40,0 60,0 80,0 prepustnost 100,0 120,0 20,0 40,0 60,0 nadmorska višina 40,0 60,0 naklon 2500 2000 2000- 1500 o 1500- 1000 1000- 500 500 - 0 0 0,0 0,0 4000- 8000 3000 6000 2000 4000 1000- 2000 0 0 0,0 0,0 Slika 23: Histogrami podatkovnih slojev za učne vzorce po naključnem vzorčenju za tipizacije TIPI13 (N = 26.000). Preglednica 33: Število celic v posameznem učnem vzorcu in njihov delež glede na vse celice v tipizaciji TIPI13 po naključnem vzorčenju. vse celice tip število vseh celic v tipu delež celic v tipu od vseh celic (%) učne celice število izbranih delež izbranih celic celic od vseh celic v tipu (%) visokogorski svet širše rečne doline v visokogorju, hribovju in na krasu visoke kraške planote in hribovja v karbonatnih kamninah hribovja v pretežno nekarbonatnih kamninah medgorske kotline gričevje v notranjem delu Slovenije 42.210 18.174 89.759 113.363 31.652 82.034 8,3 3,6 17,7 22,4 6,2 16,2 2000 2000 2000 2000 2000 2000 4.7 11,0 2,2 1.8 6.3 2.4 ► 83 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic vse celice učne celice tip število vseh celic v tipu delež celic v tipu od vseh celic (%) število izbranih celic delež izbranih celic od vseh celic v tipu (%) ravnine in širše doline v gričevju notranjega dela Slovenije kraška polja in podolja 44.400 22.141 8,8 4,4 2000 2000 2000 4,5 9,0 nizki kras Bele krajine 8.272 5,4 1,6 2000 2000 7,4 24,2 gričevje v primorskem delu Slovenije širše doline in obalne ravnice v primorskem delu Slovenije skupaj 8.431 6.178 506.450 2,5 1,7 1,2 100,0 2000 2000 26.000 15,8 23,7 32,4 5,1 Preglednica 34: Temeljne statistične značilnosti učnih vzorcev po naključnem vzorčenju (N = 26.000 celic) tipizacije TIPI13, izražene v normaliziranih vrednostih (od 0 do 100). naklon padavinski režim prepustnost višina površja razmerje poletje :jesen kamnin površja povprečje 16,9 41,9 75,5 16,3 mediana 13,3 0 4 39,6 90,0 12,8 10 3 standardni odklon 14,6 25,5 18,3 90,0 21,9 12,6 varianca 214,2 336,4 478,5 158,5 Preglednica 35: Povprečne vrednosti podatkovnih slojev za učne vzorce po naključnem vzorčenju po tipih tipizacije TlPl13, izražene v normaliziranih vrednostih (od 0 do l00). naklon padavinski režim prepustnost višina površja razmerje poletje :jesen kamnin površja visokogorski svet 43,8 35,8 75,5 45,4 širše rečne doline v visokogorju, hribovju in na krasu visoke kraške planote in hribovja v karbonatnih kamninah 23,8 22,8 42,0 35,0 73,1 78,8 16,8 27,5 hribovja v pretežno nekarbonatnih kamninah 28,9 51,1 50,8 22,4 gričevje v notranjem delu Slovenije 15,7 68,1 67,6 11,2 ravnine in širše doline v gričevju notranjega dela Slovenije kraška polja in podolja 3,0 9,3 15,1 68,0 34,9 42,5 91,7 82,2 78,1 7,6 17,8 17 7 nizki kras Bele krajine 8,3 43,3 77,8 7,5 gričevje v primorskem delu Slovenije širše doline in obalne ravnice v primorskem delu Slovenije 19,3 10,5 24,2 24,1 60,8 76,2 7,3 4,2 84 ir GEOGRAFIJA SLOVENIJE 28 8.2 IZBOR EKSPERTNIH UČNIH VZORCEV Za učne vzorce, ki so za modeliranje tipizacije TIPI9 (slika 24) izbrani ekspertno, smo pregledali nekatere značilnosti glede deleža celic posameznih tipov (preglednica 36) in statističnih značilnosti (preglednica 37) ter histograme podatkovnih slojev (slika 25) in povprečne vrednosti podatkovnih slojev za učni vzorec posameznega tipa TIPI9 (preglednica 38). Tudi za učne vzorce, ki so za modeliranje tipizacije TIPI13 (slika 26) izbrani ekspertno, smo pregledali nekatere značilnosti glede deleža celic posameznih tipov (preglednica 39) in statističnih značilnosti (preglednica 40) ter histograme podatkovnih slojev (slika 27) in povprečne vrednosti podatkovnih slojev za učni vzorec posameznega tipa TIPI13 (preglednica 41). V vseh preglednicah so podatki za že normalizirane podatkovne sloje z vrednostmi od 0 do 100. Ob pregledu povprečnih vrednosti po posameznih tipih smo ugotovili, da povprečja za vse celice od povprečja učnega vzorca odstopajo tudi za okrog 10 in več oziroma za približno 10 % vrednosti celotne merske lestvice (celoten razpon merske lestvice je 100). Pri večmodalnih histogramih je ta podatek manj pomemben. Pri ekspertnih celicah povprečja odstopajo precej bolj kot pri naključnih celicah. Za učne vzorce po ekspertnem vzorčenju smo preverili tudi histograme po posameznih tipih za posamezne podatkovne sloje in jih primerjali s histogrami za vse celice. Pregled histogramov učnih vzorcev po tipih tipizacij TIPI9 in TIPI13 je pokazal, da so ti podobni histogramom, narejenim na podlagi vseh celic. Opazno je, da tudi pri nekaterih ekspertnih učnih vzorcih histogrami kažejo večmodalno porazdelitev, nagnjenost v levo oziroma desno ali pa močno koničasto podobo. Tovrstne oblike niso skladne s teoretskimi pričakovanji, zato je končni rezultat modeliranja slabši. Kranj Celje Ljubljana 25 50 75 100 km Oznaka tipov alpska gorovja alpska hribovja I I alpske ravnine I I panonska gričevja I I panonske ravnine dinarske planote dinarska podolja in ravniki sredozemska gričevja I I sredozemske planote Avtor vsebine in kartograf: Rok Ciglič © Geografski intšitut Antona Melika ZRC SAZU, 2014 Slika 24: Učni vzorci za tipizacijo TIPI9 po ekspertni izbiri. Novo mesto 0 85 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Preglednica 36: Število celic v posameznem učnem vzorcu in njihov delež glede na vse celice v tipizaciji TIPI9 po ekspertnem vzorčenju. vse celice učne celice tip število vseh celic delež celic v tipu število izbranih delež izbranih celic v tipu od vseh celic (%) celic od vseh celic v tipu (%) alpska gorovja 76.533 15,1 2000 2,6 alpska hribovja alriol/cs raunirics 116.478 9ñ AP, 1 23,0 i n 2000 onnn 2000 1,7 Q Q alpske Idvlllllc panonska gričevja 20.48 I 74.719 4,0 14,8 R A 2000 onnn 2000 9,8 2,7 R 9 panonske ravnine dinarske planote Hiriarol/a AAHAIIO in ra\iriil/i 32.336 95.190 Al "3P7 47.387 6,4 18,8 Q A 2000 onnn 2000 6,2 2,1 A 9 dinarska pudulja in Iavniki sredozemska gričevja 26.490 1R S^R 16.836 9,4 5,2 2000 onnn 2000 4,2 7,6 11 0 sredozemske planote skupaj 506.450 3,3 100,0 18.000 11,9 3,5 Slika 25: Histogrami podatkovnih slojev za učne vzorce po ekspertnem vzorčenju tipizacije TIPI9 (N= 18.000). 86 ir GEOGRAFIJA SLOVENIJE 28 Preglednica 37: Temeljne statistične značilnosti učnih vzorcev po ekspertnem vzorčenju (N= 18.000 celic) tipizacije TIPI9, izražene vnormaliziranih vrednostih (od 0 do 100). naklon površja padavinski režim razmerje poletje :jesen prepustnost kamnin višina površja povprečje mediana 16,5 12,9 n 4 43,9 40,9 22 1 76,8 90,0 19,8 14,2 10 3 standardni odklon varianca 16,3 265,1 19,0 360,4 90,0 22,4 502,9 15,6 243,0 Preglednica 38: Povprečne vrednosti podatkovnih slojev za učne vzorce po ekspertnem vzorčenju po tipih tipizacije TIPI9, izražene v normaliziranih vrednostih (od 0 do 100). tip naklon površja padavinski režim razmerje poletje :jesen prepustnost kamnin višina površja alpska gorovja alpska hribovja 46,3 27,8 2 n 38,3 47,1 54 0 80,1 46,5 48,6 28,2 12 1 panonska gričevja 18,9 70,6 97,0 63,8 12,0 dinarske planote 19,0 66,2 32,3 98,8 82,6 7,0 32,8 sredozemska gričevja sredozemske planote 19,4 10,3 25,0 23,8 60,2 83,1 9,1 14,8 Preglednica 39: Število celic v posameznem tipu in njihov delež glede na vse celice v tipizaciji TIPI13 po ekspertnem vzorčenju. vse celice učne vzorec tip število vseh celic v tipu delež celic v tipu od vseh celic (%) število izbranih celic delež izbranih celic od vseh celic v tipu (%) visokogorski svet širše rečne doline v visokogorju, hribovju in na krasu visoke kraške planote in hribovja v karbonatnih kamninah hribovja v pretežno nekarbonatnih kamninah 42.210 18.174 89.759 113.363 31.652 8,3 3,6 17,7 22,4 6,2 2000 2000 2000 2000 2000 4.7 11,0 2,2 1.8 6,3 gričevje v notranjem delu Slovenije ravnine in širše doline v gričevju notranjega dela Slovenije kraška polja in podolja 82.034 44.400 22.141 27.185 16,2 8,8 4,4 2000 2000 2000 2000 2.4 4.5 9,0 nizki kras Bele krajine 8.272 12.651 5,4 1,6 2000 2000 7,4 24,2 gričevje v primorskem delu Slovenije širše doline in obalne ravnice v primorskem delu Slovenije skupaj 8.431 6.178 506.450 2,5 1,7 1,2 100,0 2000 2000 26.000 23,7 32,4 5,1 87 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Maribor O j^Jl l r ■ ■ ■ ■ C Kranj ■ ■ O Celje s-^S*^ ■ Q Ljubljana 'fl) L Nova^orica ■ 7 ■ ■ ■ ■ 1 ■ ■ _ 1 ■ ■ Novo mesto 0 ■ i tfij.V ■ 0 25 50 75 100 km Kartograf: Rok Ciglič Vir: Špes s sodelavci 2002 © Geografski intšitut Antona Melika ZRC SAZU, 2014 Oznaka tipov H visokogorski svet H kraška polja in podolja □ širše rečne doline v visokogorju, hribovju in na krasu □ nizki kras Notranjske in Dolenjske H visoke kraške planote in hribovja v karbonatnih kamninah H nizki kras Bele krajine H hribovja v pretežno nekarbonatnih kamninah □ Kras in Podgorski kras □ medgorske kotline H gričevje v primorskem delu Slovenije gričevje v notranjem delu Slovenije □ širše doline in obalne ravnice v primorskem delu Slovenije ravnine in širše doline v gričevju notranjega dela Slovenije Slika 26: Učni vzorci za tipizacijo TIPI3 po ekspertni izbiri. Preglednica 40: Temeljne statistične značilnosti učnih vzorcev po ekspertnem vzorčenju (N=26.000 celic) tipizacije TIPI13, izražene v normaliziranih vrednostih (od 0 do 100). naklon padavinski režim prepustnost višina površja razmerje poletje :jesen kamnin površja povprečje 14,9 41,7 76,3 18,0 mediana 10,9 40,4 90,0 12,6 modus 0,4 22,1 90,0 10,3 standardni odklon 13,8 17,8 21,5 15,0 varianca 195,2 317,7 463,4 224,8 88 ir GEOGRAFIJA SLOVENIJE 28 0,0 20,0 40,0 60,0 80,0 100,0 120,0 nadmorska višina 20,0 40,0 60,0 padavinski režim 80,0 100,0 n m m 0,0 20,0 40,0 60,0 naklon 80,0 100,0 0,0 20,0 40,0 60,0 80,0 100,0 120,0 prepustnost 3000 - 2000 1500 2000 - 1000 1000 - 500 0 0 0,0 4000 6000 3000 n4000 2000 - 2000 1000 - 0 0 Slika 27: Histogrami podatkovnih slojev za učne vzorce po ekspertnem vzorčenju tipizacije TIPI13 (N = 26.000). Preglednica 41: Povprečne vrednosti podatkovnih slojev za učne vzorce po ekspertnem vzorčenju po tipih tipizacije TIPI13, izražene v normaliziranih vrednostih (od 0 do 100). naklon padavinski režim površja razmerje poletje :jesen prepustnost kamnin višina površja 72,1 51,6 87,6 13,3 76,5 37,7 48,4 31,1 86,6 63,8 12,8 12,7 P visokogorski svet širše rečne doline v visokogorju, hribovju in na krasu visoke kraške planote in hribovja v karbonatnih kamninah hribovja v pretežno nekarbonatnih kamninah medgorske kotline gričevje v notranjem delu Slovenije 42,4 10,2 20,7 29,4 5,4 21,4 38.8 41.9 37,1 43,7 53,5 68,9 89 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic naklon površja padavinski režim razmerje poletje :jesen prepustnost kamnin višina površja ravnine in širše doline v gričevju notranjega dela Slovenije kraška polja in podolja nizki kras Notranjske in Dolenjske 1,8 4,7 14,0 66,9 37,0 38,3 90,8 80,8 80,2 7,8 16,7 19,6 nizki kras Bele krajine 7,4 42,7 80,8 7,2 Kras in Podgorski kras gričevje v primorskem delu Slovenije širše doline in obalne ravnice v primorskem delu Slovenije 7,7 21,2 7,6 24.4 24,8 24.5 86,0 58,0 79,7 12,8 7,8 3,4 90 ir GEOGRAFIJA SLOVENIJE 28 9 REZULTATI MODELIRANJA KLASIFIKACIJ IN NJIHOVEGA PREKRIVANJA Na temelju predstavljenih izbranih podatkovnih slojev, učnih vzorcev in geoinformacijskih orodij smo izdelali različne modelirane naravnopokrajinske tipizacije, ki so osrednji del pričujoče raziskave. 9.1 MODELIRANE NARAVNOPOKRAJINSKE TIPIZACIJE PO POSAMEZNIH METODAH NADZOROVANE KLASIFIKACIJE V poglavju 9.2.1 so prikazane modelirane naravnopokrajinske tipizacije TIPI9 po vseh metodah nadzorovane klasifikacije z naključnim in tudi ekspertnim naborom učnih vzorcev (sliki 28 in 29). V poglavju 9.2.2 so prikazane modelirane naravnopokrajinske tipizacije TIPI13 po vseh metodah nadzorovane klasifikacije z naključnim in ekspertnim naborom učnih vzorcev (sliki 30 in 31). 9.1.1 MODELIRANE NARAVNOPOKRAJINSKE TIPIZACIJE TIPI9 Na podlagi sedmih različnih geoinformacijskih metod in dveh naborov učnih vzorcev (naključnim in ekspertnim) je bilo izdelanih štirinajst modelov oziroma zemljevidov modelirane naravnopokrajinske tipizacije TIPI9 (sliki 28 in 29). 9.1.2 MODELIRANE NARAVNOPOKRAJINSKE TIPIZACIJE TIPI13 Na podlagi sedmih različnih geoinformacijskih metod in dveh naborov učnih vzorcev (naključnim in ekspertnim) je bilo izdelanih štirinajst modelov oziroma zemljevidov modelirane naravnopokrajinske tipizacije TIPI13 (sliki 30 in 31). 9.2 PRIMERJAVA POSAMEZNE MODELIRANE NARAVNOPOKRAJINSKE TIPIZACIJE Z IZVIRNO NARAVNOPOKRAJINSKO TIPIZACIJO Večina preverjanj klasifikacij primerja modelirano vrednost z resnično vrednostjo (Loveland in Merchant 2004). V našem primeru smo za resnično vrednost določili izvirno tipizacijo. Pri tem je treba izpostaviti dejstvo, da je bila izvirna tipizacija narejena z določeno mero subjektivnosti, subjektivnost pa primerjavo otežuje (Hazeu s sodelavci 2010). V tem delu smo vsako posamezno modelirano tipizacijo s prekrivanjem primerjali z ustrezno izvirno tipizacijo. Preverili smo, koliko celic modelirane tipizacije je enako klasificiranih kot pri izvirni tipizaciji, poleg tega smo izračunali tudi povezanost med vsako modelirano in ustrezno izvirno tipizacijo s Cra-merjevim koeficientom in koeficientom kappa, prav tako na podlagi vseh celic. Na ta način smo ujemanje preverili na tri sicer podobne načine. Da bi ugotovili, kako so bili klasificirani učni vzorci sami, ter ocenili njihovo kakovost, smo izračunali tudi delež ujemanja učnih vzorcev. S tem smo bolje spoznali tudi vpliv vzorčenja na modeliranje. Slika 28: Modelirane tipizacije TIPI9 po metodah nadzorovane klasifikacije z naključnim naborom učnih vzorcev. ► str. 92-93 Slika 29: Modelirane tipizacije TIPI9 po metodah nadzorovane klasifikacije z ekspertnim naborom učnih vzorcev. ► str. 94-95 Slika 30: Modelirane tipizacije TIPI13 po metodah nadzorovane klasifikacije z naključnim naborom učnih vzorcev. ► str. 96-97 Slika 31: Modelirane tipizacije TIPI13 po metodah nadzorovane klasifikacije z ekspertnim naborom učnih vzorcev. ► str. 98-99 91 najbližji sosedi najmanjša razdalja co oo Oznake tipov | alpska gorovja | alpska hribovja alpske ravnine panonska gričevja panonske ravnine dinarske planote dinarska podolja in ravniki sredozemska gričevja sredozemske planote Avtor vsebine in kartograf: Rok Ciglič D Geografski intšitut Antona Melika ZRC SAZU, 2014 Oznake tipov | alpska gorovja | alpska hribovja alpske ravnine panonska gričevja panonske ravnine dinarske planote dinarska podolja in ravniki sredozemska gričevja sredozemske planote Avtor vsebine in kartograf: Rok Ciglič D Geografski intšitut Antona Melika ZRC SAZU, 2014 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic 96 najbližji sosedi najmanjša razdalja co —i Oznake tipov ■ visokogorski svet □ širše rečne doline v visokogorju, hribovju in na krasu ■ visoke kraške planote in hribovja v karbonatnih kamninah ■ hribovja v pretežno nekarbonatnih kamninah □ medgorske kotline □ gričevje v notranjem delu Slovenije □ ravnine in širše doline v gričevju notranjega dela Slovenije ■ kraška polja in podolja □ nizki kras Notranjske in Dolenjske ■ nizki kras Bele krajine □ Kras in Podgorski kras ■ gričevje v primorskem delu Slovenije □ širše doline in obalne ravnice v primorskem delu Slovenije Avtor vsebine in kartograf: Rok Ciglič ■ . . . . © Geografski intšitut Antona Melika ZRC SAZU, 2014 največja verjetnost Oznake tipov ■ visokogorski svet □ širše rečne doline v visokogorju, hribovju in na krasu ■ visoke kraške planote in hribovja v karbonatnih kamninah ■ hribovja v pretežno nekarbonatnih kamninah □ medgorske kotline □ gričevje v notranjem delu Slovenije □ ravnine in širše doline v gričevju notranjega dela Slovenije ■ kraška polja in podolja □ nizki kras Notranjske in Dolenjske ■ nizki kras Bele krajine □ Kras in Podgorski kras ■ gričevje v primorskem delu Slovenije □ širše doline in obalne ravnice v primorskem delu Slovenije Avtor vsebine in kartograf: Rok Ciglič ■ . . . . © Geografski intšitut Antona Melika ZRC SAZU, 2014 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic 9.2.1 ANALIZA MODELIRANIH NARAVNOPOKRAJINSKIH TIPIZACIJ TIPI9 Pri pregledu klasifikacije učnih vzorcev smo ugotovili, da se ti po ekspertnem izboru z izvirno tipizacijo v povprečju ujemajo 91 %, po nekaterih metodah pa se vzorci znotraj posameznega tipa ujemajo tudi do 99 %. Pri naključnem vzorčenju je ujemanje samih vzorcev še precej manjše, ujemanje je približno 71 %, le trije tipi se z izvirnim stanjem v povprečju ujemajo več kot 80 %. To kaže, da se po ekspertnem vzorčenju tipi lažje ločijo med seboj oziroma so vzorci tipov bolj homogeni, zato so lahko modeli z vidika klasifikacije učnih vzorcev samih bolj natančni (preglednica 42). Ko izdelani model oziroma pravilo uporabimo za izdelavo tipizacije celotne Slovenije, se stopnja ujemanja pri ekspertnem vzorčenju precej zniža (v povprečju na 56%) in je celo nižja kot pri modeliranju z naključnim vzorčenjem, ki je v povprečju 66 %! Iz tega lahko sklenemo, da so izdelani modeli po ekspertnem vzorčenju bolj (oziroma glede na rezultate vseh celic celo preveč) prilagojeni učnim vzorcem. Pri naključnem vzorčenju namreč zajamemo večjo variabilnost tipa in zato težje izdelamo »čista« klasifikacijska pravila ali pa spektralne podpise, vendar pa je končno ujemanje z izvirno tipizacijo še vedno večje (preglednica 43). Ob tako majhnem deležu ujemanja učnih vzorcev bi večina analitikov po vsej verjetnosti poiskala nove in morda spremenila tudi nastavitve uporabljenih geoinformacijskih orodij. V pričujoči raziskavi pa smo kljub nizkemu deležu ujemanja izvirnih vrednosti učnih vzorcev z modeliranimi (kar lahko nakazuje slabši nabor učnih vzorcev) nadaljevali z analizo, saj smo želeli celovito preveriti, kako uspešno lahko modele izdelamo z obstoječimi tipi in kje sploh se modeli med seboj ujemajo. Verjamemo namreč, da pričujoča analiza prekrivanja različnih modelov v nadaljevanju pokaže območja, namenjena (ponovnemu) boljšemu zajemu učnih vzorcev, in tudi območja, kjer bi morali razmisliti tudi o uporabi več bolj samosvojih učnih vzorcev posameznega tipa (določiti bi morali vrsto podtipov), ki bi jih po modeliranju združili. Če analiziramo nabor ekspertnih učnih vzorcev, vidimo, da se z izvirno tipizacijo v povprečju najbolj ujemajo tipi panonske ravnine, dinarske planote, sredozemska gričevja, panonska gričevja in sredozemske planote. Pri analizi naključnih vzorcev pa opazimo, da se z izvirno tipizacijo v povprečju najbolj ujemajo tipi panonske ravnine, sredozemska gričevja, sredozemske planote, alpske ravnine in panonska gričevja. Če upoštevamo vse celice, se pri ekspertnem vzorčenju v povprečju najbolj ujemajo tipi panonske ravnine, sredozemske planote, sredozemska gričevja, alpske ravnine in panonska gričevja. Pri naključnem vzorčenju se najbolj ujemajo tipi panonske ravnine, sredozemska gričevja, sredozemske planote, alpske ravnine in panonska gričevja. Ob pregledu ujemanja celic je opazno, da gre za večje ujemanje pri tistih tipih, ki so zaradi večjih ravnin bolj homogeni (alpske ravnine, panonske ravnine), prav tako je opazno, da gre za tipe, ki so na skrajnem jugozahodu (sredozemska gričevja in sredozemske planote) ter skrajnem severovzhodu države (panonske ravnine in panonska gričevja). Večje je ujemanje pri tipih, ki so površinsko manjši (preglednici 30 in 36), saj smo za izdelavo modelov in spektralnih podpisov ne glede na velikost tipa vzeli enako število celic. Manjše ujemanje je pri alpskih gorovjih, alpskih hribovjih, dinarskih podoljih in ravnikih ter tudi pri dinarskih planotah. Sklepamo, da je zaradi velike površine teh tipov ujemanje manjše tudi zato, ker smo z učnim vzorcem zajeli manjši delež tipa. Razlog je tudi v veliki heterogenosti omenjenih tipov. Znotraj alpskega gorovja je poleg gorovja samega tudi precej dolin in planot, znotraj alpskih hribovij pa je tudi ogromno dolin. Vsi ti tipi so v osrednjem delu Slovenije, ki je tudi s podnebnega vidika precej bolj prehoden kot pa skrajni zahodni in vzhodni deli države. Pri primerjavi učnih vzorcev v izvirni in modeliranih tipizacijah opažamo tudi razlike med samimi modeliranimi tipizacijami. Z manjšim ujemanjem izstopata tipizaciji po metodah najmanjše razdalje in največje verjetnosti (velja tako za klasifikacije po ekspertnem kot po naključnem izboru učnih vzorcev). Obe metodi očitno bolj izrazito vsiljujeta svojo strukturo kot pa ostale, ki se bolj prilagajajo učnim vzorcem in dajo rezultate, podobne izvirniku. 100 Preglednica 45: Delež pravilno klasificiranih celic v učnem vzorcu po modeliranju tipizacije TIPI13. metoda delež (%) vzorčenje alpska alpska alpske panonska panonske dinarske dinarska sredo- sredo- skupaj gorovja hribovja ravnine gričevja ravnine planote podolja zemska zemske in ravniki gričevja planote odločitveno drevo, različica CT 89 92 99 92 99 96 92 95 97 94 ekspertno odločitveno drevo, različica CTE 96 93 98 96 99 97 98 99 95 97 odločitveno drevo, različica CTG 95 95 99 97 99 98 97 97 95 97 odločitveno drevo, različica CTR 96 91 99 96 99 98 98 96 94 96 najbližji sosedi 95 95 99 97 100 99 96 97 98 97 najmanjša razdalja 69 62 59 85 80 86 38 87 84 72 največja verjetnost 86 80 69 93 95 95 79 92 89 86 povprečje_89_87_89_94_96_96_85 95 93_91_ odločitveno drevo, različica CT 69 66 78 76 92 59 69 84 83 75 naključno odločitveno drevo, različica CTE 63 68 77 88 84 52 74 84 66 73 odločitveno drevo, različica CTG 65 67 80 79 92 55 63 84 83 74 odločitveno drevo, različica CTR 62 66 74 81 88 62 49 90 87 73 najbližji sosedi 76 72 83 83 92 63 73 88 87 80 najmanjša razdalja 55 64 67 35 82 35 13 71 77 55 največja verjetnost 62 59 70 68 94 47 42 80 83 67 povprečje 65 66 76 73 89 53 55 83 81 71 Preglednica 45: Delež pravilno klasificiranih celic v učnem vzorcu po modeliranju tipizacije TIPI13. metoda delež (%) vzorčenje alpska gorovja alpska hribovja alpske ravnine panonska gričevja panonske ravnine dinarske planote dinarska podolja in ravniki sredozemska gričevja sredozemske planote skupaj odločitveno drevo, različica CT 51 44 66 55 87 47 54 70 91 55 ekspertno odločitveno drevo, različica CTE 59 51 64 68 87 37 65 74 81 58 odločitveno drevo, različica CTG 55 41 66 63 87 48 62 76 81 57 odločitveno drevo, različica CTR 54 32 66 65 88 48 60 69 77 54 najbližji sosedi 53 63 66 66 75 47 60 78 90 61 najmanjša razdalja 42 47 62 62 78 45 24 72 83 51 največja verjetnost 58 58 64 72 80 43 48 71 74 59 povprečje 53 48 65 64 83 45 53 73 82 56 odločitveno drevo, različica CT 70 63 77 76 91 57 67 84 84 69 naključno odločitveno drevo, različica CTE 63 65 76 88 83 52 71 84 67 69 odločitveno drevo, različica CTG 66 64 79 78 91 54 62 84 84 68 odločitveno drevo, različica CTR 62 63 73 81 88 61 48 90 88 68 najbližji sosedi 75 71 82 83 92 65 70 88 87 75 najmanjša razdalja 56 63 67 36 83 36 13 72 77 51 največja verjetnost 64 58 69 70 94 49 42 81 84 62 povprečje 65 64 75 73 89 53 53 83 82 66 ir GEOGRAFIJA SLOVENIJE 28 Glede na vse celice je ujemanje z izvirnikom pri modeliranih tipizacijah z ekspertnim naborom po večini metod dokaj različno. Vrednosti so med 51 in 61 %, najnižja vrednost velja za modelirano tipizacijo po metodi najmanjše razdalje, najvišja pa za modelirano tipizacijo po metodi najbližjega soseda. Pri naključnem naboru so razlike med modeliranimi tipizacijami večje in se gibljejo med 51 % (po metodi najmanjše razdalje) in 75% (po metodi najbližjih sosedov) (preglednica 43). Tudi analiza povezanosti med posameznimi modeliranimi tipizacijami in izvirno tipizacijo s Cramer-jevim koeficientom ter koeficientom kappa (preglednica 44) daje zelo podobne rezultate kot delež pravilno klasificiranih vseh celic. Spearmanov koeficient povezanosti teh lestvic je v vseh primerih več kot 0,99 pri p = 0,001. Vrednotenje s pomočjo izvirne tipizacije smo torej potrdili na tri načine, ki se dobro ujemajo med seboj. Preglednica 44: Cramerjev koeficient povezanosti ter koeficient kappa za primerjavo med izvirno tipizacijo in posamično modelirano tipizacijo. Vsi izračunani koeficienti so statistično značilni pri p = 0,001. Upoštevane so vse celice. metoda Cramerjev koeficient koeficient kappa (%) delež enako klasificiranih (%) vzorčenje odločitveno drevo, različica CT 0,558 48 55 ekspertno odločitveno drevo, različica CTE 0,577 52 58 odločitveno drevo, različica CTG 0,570 50 57 odločitveno drevo, različica CTR 0,558 47 54 najbližji sosedi 0,602 55 61 najmanjša razdalja 0,515 44 51 največja verjetnost 0,579 53 59 odločitveno drevo, različica CT 0,676 65 69 naključno odločitveno drevo, različica CTE 0,671 64 69 odločitveno drevo, različica CTG 0,668 63 68 odločitveno drevo, različica CTR 0,659 63 68 najbližji sosedi 0,726 71 75 najmanjša razdalja 0,502 43 51 največja verjetnost 0,605 57 62 9.2.2 ANALIZA MODELIRANIH NARAVNOPOKRAJINSKIH TIPIZACIJ TIPI13 Pri pregledu klasifikacije učnih vzorcev samih smo ugotovili, da se ti v modelih po ekspertnem naboru z izvirno tipizacijo ujemajo v povprečju 84 %, po nekaterih metodah pa se pri posameznih tipih ujemajo tudi več kot 90 %. Z manjšo natančnostjo izstopata ujemanji po modelih z metodo najmanjše razdalje (46 %) in največje verjetnosti (76 %). Pri naključnem izboru učnih vzorcev je povprečno ujemanje slabše za 20 %. Po večini metod je ujemanje med učnimi vzorci v modeliranih tipizacijah in izvirni tipizaciji med 65 in 75%, spet pa izstopata metodi najmanjše razdalje (43 %) in največje verjetnosti (60 %) (preglednica 45). Ko izdelani model oziroma pravilo uporabimo za izdelavo tipizacije celotne Slovenije in primerjamo ujemanje vseh celic, dobimo drugačne rezultate. Stopnja ujemanja pri modeliranih tipizacijah z ekspertnem učnim vzorčenjem se v povprečju precej zniža (na 51 %) in je celo nižja kot pri naključnem vzorčenju, kjer je v povprečju 59% (preglednica 46). Iz teh primerjav lahko sklenemo, da so modeli, izdelani po ekspertnih učnih vzorcih, bolj (oziroma glede na rezultate vseh celic celo preveč) prilagojeni učnemu vzorcu oziroma so vzorci izbrani tako, da se med seboj tipi bolj razlikujejo. Pri naključnem vzorčenju zajamemo namreč večjo variabilnost tipa in težje izdelamo klasifikacijska pravila ali pa spektralne 103 Preglednica 45: Delež pravilno klasificiranih celic v učnem vzorcu po modeliranju tipizacije TIPI13. metoda delež (%) # £ vzorčenje CD c o c CD > CD cc CD a: _Q O C .CD visokogorsk širše rečne < hribovju in n visoke krašk v karbonatni Q_ > CD "> O jr CD i/i O cn ■o CD E sr > CD "> (D >o en .E S CD O != CO > s-S kraška polja -z. cn CD M m cn CD M ■O o Q_ C cn CD Ž Q_ > CD "> (D >o cn širše doline delu Sloveni skupaj odločitveno drevo, različica CT 95 78 91 90 94 97 95 91 91 98 94 89 89 92 ekspertno odločitveno drevo, različica CTE 96 89 94 92 97 99 98 92 94 98 95 94 93 95 odločitveno drevo, različica CTG 96 84 97 92 95 97 97 92 95 98 95 90 95 94 odločitveno drevo, različica CTR 95 82 98 89 93 98 98 95 93 98 94 91 95 94 najbližji sosedi 94 85 98 94 94 99 97 95 92 97 95 92 93 94 najmanjša razdalja 59 12 60 70 18 76 70 13 21 11 85 92 05 46 največja verjetnost 71 29 82 72 52 88 88 71 66 96 91 87 91 76 povprečje 86 66 89 85 78 93 92 78 79 85 93 91 80 84 odločitveno drevo, različica CT 77 40 52 55 59 80 82 75 53 87 83 69 80 69 naključno odločitveno drevo, različica CTE 78 29 49 32 62 83 74 74 49 88 82 78 78 66 odločitveno drevo, različica CTG 83 30 50 39 58 82 78 72 61 87 80 77 76 67 odločitveno drevo, različica CTR 70 37 46 34 61 81 78 79 54 90 81 78 76 66 najbližji sosedi 83 51 59 63 71 83 85 76 67 91 88 77 79 75 najmanjša razdalja 68 06 36 56 42 46 81 28 10 28 80 84 00 43 največja verjetnost 74 20 46 47 55 58 85 49 34 90 80 72 72 60 povprečje 76 30 48 47 58 73 80 65 47 80 82 76 66 64 SOI- o ,a> ,o> ,o> < cr ^ CD 3 = CD .O; 9> .N< 0< O) — < S' O ® cn 0 O O 0 Q_ Q_ Q_ Q_ O O O O o< o< o< o< —J CT> — cn — CD —I CT5 —I —I 4^ CO OO O O 4^ 4^ 4^ 4^ CJ1 CJ1 4^ 4^ 4^ ■nI CT) U1 K) visokogorski svet širše rečne doline v visokogorju, hribovju in na krasu visoke kraške planote in hribovja v karbonatnih kamninah hribovja v pretežno nekarbonatnih kamninah medgorske kotline gričevje v notranjem delu Slovenije ravnine in širše doline v gričevju notranjega dela Slovenije kraška polja in podolja nizki kras Notranjske in Dolenjske nizki kras Bele krajine Kras in Podgorski kras gričevje v primorskem delu Slovenije širše doline in obalne ravnice v primorskem delu Slovenije skupaj CD o >o >o >o M <0 "N CD Tj M CD o" > CD o" > o > £ o" > "O ■O ■O "O o C > o C o cz o cz >o o > >o o > >o o > >o o "O o "O o "O o LU CD o: 1— h- 1— i— O O O o CD CD CD CD O O O O >o >o >o >o "n "n "M "m CD cp CD a o" o" o" > > > > "O "O TD "O o o O o C C C cz CD CD CD CD > > > >o io >o >o o O O o "O "O ■O "O o o o o modelirane tipizacije na podlagi ekspertnega vzorčenja odločitveno drevo, različica CT odločitveno drevo, različica CTE odločitveno drevo, različica CTG odločitveno drevo, različica CTR najbližji sosedi največja verjetnost najmanjša razdalja 1,00 0,73 1,00 0,89 0,79 1,00 0,73 0,64 0,74 0,65 0,71 0.66 1,00 0,64 1,00 0,62 0,47 0,58 0,46 0,60 0,46 0,62 0,59 0.60 0,62 0,58 0,59 0,63 0,58 0,60 0,63 0,60 0,62 0,58 0,63 0,47 0,49 0,59 0,59 0,60 0,62 1,00 0,54 1,00 0,61 0,62 0,50 0,59 0,60 0,46 0,60 0,61 0,48 0,61 0,62 0,49 0,63 0,60 0,61 0,61 0,66 0,64 0,49 0,59 0,56 0,58 0,57 0,60 0,74 0,58 0,47 0,46 046 047 0,48 0,53 0,73 modelirane tipizacije na podlagi naključnega vzorčenja odločitveno drevo, različica CT odločitveno drevo, različica CTE odločitveno drevo, različica CTG odločitveno drevo, različica CTR najbližji sosedi največja verjetnost najmanjša razdalja 1,00 0,72 1,00 0,79 0,82 1,00 0,71 0,75 0,76 1,00 0,71 0,67 0,70 0,69 1,00 0,64 0,61 0,63 0,65 1,00 0,50 0,48 049 0,63 049 0,51 0,59 1,00 Preglednica 51: Koeficient kappa (%) za pare modeliranih tipizacijh TIPI13 (p = 0,001). modelirane tipizacije na podlagi ekspertnega vzorčenja modelirane tipizacije na podlagi naključnega vzorčenja CD 1- I— O o LU CD ce h- 1— 1— i— o O O o CD CD CD CD O O O O >o >o >o jo "m "m Iši M CD cp CD CD o" o O o" ::> > > CD aj ■O T3 -C -o O O o o C C C cz CD a; CD ■ - > > ■iS >o 'O >o o o o o ■O ■O ■O ■o o o o o modelirane tipizacije na podlagi ekspertnega odločitveno drevo, različica CT luu 71 88 71 59 56 41 54 53 57 54 56 51 41 vzorčenja odločitveno drevo, različica CTE 100 79 72 61 53 38 52 48 51 53 55 49 39 odločitveno drevo, različica CTG 100 69 61 55 40 53 49 52 54 55 51 40 odločitveno drevo, različica CTR 100 61 51 39 50 49 51 53 54 48 38 najbližji sosedi 100 57 43 52 48 50 52 57 50 39 največja verjetnost 100 50 54 50 54 53 57 69 47 najmanjša razdalja 100 42 39 41 41 43 54 67 modelirane tipizacije na podlagi naključnega odločitveno drevo, različica CT 100 69 79 68 70 61 45 vzorčenja odločitveno drevo, različica CTE 100 80 71 62 55 41 odločitveno drevo, različica CTG 100 72 67 58 43 odločitveno drevo, različica CTR 100 63 58 42 najbližji sosedi 100 63 48 največja verjetnost 100 58 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic 9.4.1 PRIMERJAVA USKLAJENOSTI VSEH MODELIRANIH NARAVNOPOKRAJINSKIH TIPIZACIJ TIPI9 Z IZVIRNO NARAVNOPOKRAJINSKO TIPIZACIJO TIPI9 Modelirane naravnopokrajinske tipizacije TIPI9 smo primerjali z izvirno tipizacijo ter pri tem ugotavljali, kje se zemljevidi modelov in izvirne tipizacije ujemajo ter kje se razlikujejo. 9.4.1.1 Območja, kjer se vse modelirane tipizacije ujemajo z izvirno naravnopokrajinsko tipizacijo Pri prvem prekrivanju smo za modelirane tipizacije, izdelane z naključnimi učnimi vzorci, in za modelirane tipizacije, izdelane z ekspertnimi učnimi vzorci, dobili zemljevida, ki prikazujeta celice, ki so z vsako metodo klasificirane enako kot pri izvirni tipizaciji (preglednica 52, sliki 32 in 33). Ob koncu poglavja smo prikazali tudi celice, ki so klasificirane enako kot v izvirni tipizaciji po vseh metodah z obema načinoma izbire učnih vzorcev (slika 34). Kot smo omenili že v prejšnjem poglavju, je opazno, da je izvirna tipizacija bolje potrjena z naključnim vzorčenjem, pri katerem je 36,6 % vseh celic po vseh metodah enako klasificiranih kot v izvirni tipizaciji. Pri ekspertnem vzorčenju je takih celic manj, le 28,1 %. Glede na posamezne tipe je opazno, da se celice tipov, ki zajemajo manjše površine, v večji meri ujemajo s celicami izvirne tipizacije, vendar to ne velja vedno. Tako so na primer dinarska podolja in ravniki po površini precej manjši kot alpska hribovja, a se po modeliranih tipizacijah v naključnem in ekspertnem primeru slabše ujemajo z izvirno tipizacijo. Pri obeh načinih vzorčenja (naključnem in ekspertnem) je opazno, da so pri primerjavi s pravilno klasificiranimi celicami med boljšimi rezultati ravninski tipi. Pri naključnem so med prvimi štirimi kar trije, ki imajo povprečen naklon manjši od 10°, poleg sredozemskih gričevij še alpske ravnine, panonske ravnine in sredozemske planote. Pri ekspertnem vzorčenju so med prvimi petimi štirje taki tipi, poleg pravkar navedenih še panonska gričevja. Po povprečnem naklonu si tipi sledijo takole: panonske ravnine (0,9°), alpske ravnine (4,3°), dinarska podolja in ravniki (7,2°), sredozemske planote (8,5°), panonska gričevja (9,9°), sredozemska gričevja (12,2°), dinarske planote (14,8°), alpska hribovja (18,4°) in alpska gorovja (25,8°). Preglednica 52: Delež celic, ki se po vseh modelih ujemajo z izvirno tipizacijo TIPI9. tip vse celice v tipu delež (%) celic, ki so v vseh modeliranih tipizacijah uvrščene enako kot v izvirni tipizaciji (naključni izbor učnih vzorcev) delež (%) celic, ki so v vseh modeliranih tipizacijah uvrščene enako kot v izvirni tipizaciji (ekspertni izbor učnih vzorcev) alpska gorovja 76.533 45,1 30,4 alpska hribovja 116.478 36,3 13,9 panonska gričevja 74.719 52,8 32,4 36,3 35,3 dinarske planote 95.190 71,1 23,1 54,7 23,5 sredozemska gričevja 26.490 4,2 65,2 50,1 sredozemske planote 16.836 55,0 58,1 skupaj 506.450 36,6 28,1 Območja, ki se po vseh modelih (z naključnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI9 Vsi modeli so tip alpsko gorovje potrdili na območju grebenov z višjo nadmorsko višino Julijskih Alp, Kamniško-Savinjskih Alp in Karavank ter Menine planine, Pece in Olševe. Opazno je tudi, da vme- 112 ir GEOGRAFIJA SLOVENIJE 29 sne doline večinoma niso potrjene (na primer doline ob zgornji Soči, Savi Dolinki, Savi Bohinjki in Savinji, doline Kot, Krma, Vrata, Planica s Tamarjem). Vsi modeli so tip alpskega hribovja potrdili na območju Pohorja (z izjemo vršnega dela okrog Rogle), Kozjaka, Strojne ter posameznih delov Posavskega, Škofjeloškega in Polhograjskega hribovja. Doline večjih rek, kot so Drava, Mislinja, Sava, Savinja, Meža, so izvzete. Modeli so tip alpskih ravnin potrdili praktično samo v Ljubljanski kotlini, kjer pa so izvzeti hriboviti osamelci med Medvodami, Mostami, Domžalami in Ljubljano (na primer Šmarna gora, Rašica), Tunjiš-ko gričevje, Udin boršt ter območje Dobrav med Brezjami in Tržičem, kjer je relief bolj razgiban. V Celjski kotlini je potrjenih le nekaj celic na zahodnem robu. Tip panonskih gričevij je bil v veliki meri potrjen na Goričkem, v Lendavskih goricah, Slovenskih goricah, kjer so vidno izvzeti dolinski deli, v okolici Šentjurja, Rogaške Slatine ter na manjših območjih v Krškem gričevju. Skoraj v celoti so izvzete Haloze, Dravinjske gorice, Kozjansko in Bizeljsko ter južno obrobje Pohorja. Tip panonskih ravnin je skoraj v celoti potrjen na območju Dravske in Murske ravni, vendar le delno na območju Krške ravni (med Šentjernejem in Krškim). Tip dinarskih planot je po vseh modelih potrjen v višjih delih Trnovskega gozda, Hrušice, Nanosa, Idrijskega hribovja, Javornikov, Goteniške gore, Ribniške Male gore, Stojne in v nekaterih (manjših) predelih Blok, Krimsko-Mokrškega hribovja, Poljanske gore in Kočevskega Roga. Povsem izvzeta so območja Gorjancev in Raduljskega hribovja, Kočevskoreški ravnik, Loški potok, Suha krajina, Banjšice ter najvišji deli Snežniškega pogorja. Tip dinarskih podolij in ravnikov je tip z najmanjšim ujemanjem modeliranih in izvirnih celic. Modeli so potrdili le manjše območji med Ribnico in Kočevjem ter na skrajnem jugu Bele krajine. Preostala Bela krajina, okolica Novega mesta, Dolenjsko podolje, Ljubljansko barje, Notranjsko in Pivško podolje ter Ribniško in Kočevsko polje so izvzeti. Oznaka tipov alpska gorovja alpska hribovja I I alpske ravnine I I panonska gričevja I I panonske ravnine dinarske planote dinarska podolja in ravniki sredozemska gričevja I I sredozemske planote Avtor vsebine in kartograf: Rok Ciglič © Geografski intšitut Antona Melika ZRC SAZU, 2014 Slika 32: Območja, ki se po vseh modelih (z naključnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI9. 113 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Tip sredozemskih gričevij je potrjen z dvema tretjinama celic. Izvzeta so predvsem bolj ravninska območja v Vipavski dolini ter doline ob večjih vodotokih v Goriških brdih in Koprskem primorju. Izvzeti so tudi severno obrobje Brkinov ter nekateri deli Kraškega roba. Tip sredozemskih planot je v večji meri potrjen predvsem na Krasu (izjema je okolica Sežane) in v okolici Podgrada. Izvzeti so precejšnji deli Podgorskega krasa, Podgrajskega podolja in Čičarije. Odsotnost ujemanja med modeliranimi in izvirnimi tipi je na splošno opazna na območjih Celjske kotline in srednje Soške doline ter območjih med Vrhniko in Idrijo, Pivškega podolja, Ljubljanskega barja, Dolenjskega podolja, Suhe krajine, Bizeljskega, večjega dela Krške kotline, Gorjancev, večjega dela Bele krajine. Ta območja so glede na izbrane podatkovne sloje in postavljene modele očitno najbolj prehodna (najbolj heterogena) območja tipizacije TIPI9. Območja, ki se po vseh modelih (z ekspertnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI9 Vsi modeli so tip alpsko gorovje potrdili na območju grebenov z višjo nadmorsko višino Julijskih Alp, Kamniško-Savinjskih Alp in Karavank ter Pece, Olševe in obrobja Menine, vmesne doline pa večinoma niso potrjene (na primer doline ob zgornji Soči, Savi Dolinki, Savi Bohinjki in Savinji, doline Kot, Krma, Vrata, Planica s Tamarjem). V celoti sta izvzeti tudi planoti Pokljuka in Jelovica. Vsi modeli so tip alpskega hribovja potrdili na osrednjem območju Pohorja (ravno obratno kot pri modeliranih tipizacijah z naključnim vzorčenjem) ter le za posamezna območja v Posavskem in nekoliko večja v Škofjeloškem in Polhograjskem hribovju. Precejšen del območja, ki je po izvirni tipizaciji označen kot alpsko hribovje, je izvzet. Modeli so tip alpskih ravnin potrdili skorajda samo v Ljubljanski kotlini, kjer pa so izvzeti hriboviti osamelci med Medvodami, Mostami, Domžalami in Ljubljano (na primer Šmarna gora, Rašica), Tunjiš-ko gričevje, Udin boršt ter območje Dobrav med Brezjami in Tržičem in tudi okolica Vodic. V Celjski kotlini je potrjenih zgolj nekaj celic na zahodnem robu. Celje Ljubljar « X . 4uii iT« Oznaka tipov alpska gorovja alpska hribovja I I alpske ravnine I I panonska gričevja I I panonske ravnine dinarske planote dinarska podolja in ravniki sredozemska gričevja I I sredozemske planote Avtor vsebine in kartograf: Rok Ciglič © Geografski intšitut Antona Melika ZRC SAZU, 2014 Novo mesto 0 Slika 33: Območja, ki se po vseh modelih (z ekspertnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI9. 114 ir GEOGRAFIJA SLOVENIJE 29 Tip panonskih gričevij je v veliki meri potrjen na Goričkem, Halozah in v severnem delu Slovenskih goric. V vseh navedenih pokrajinah so izločeni dolinski deli. Potrjeni so tudi območje med Žičami in Rogaško Slatino, del Dravinjskih goric, skrajni severni del Kozjanskega in del Krškega gričevja. Skoraj v celoti so izvzeti Bizeljsko, južno obrobje Pohorja ter precejšen del Krškega gričevja in Kozjanskega. Tip panonskih ravnin je skoraj v celoti potrjen na območju Murske ravni, polovično na območju Dravske ravni (izločen je severni del), v celoti pa je izvzeta Krška ravan. Tip dinarskih planot je po vseh modelih potrjen na višjih delih Trnovskega gozda, manjšem delu Hrušice in Nanosa, manjšem delu Idrijskega hribovja, Javornikov, Goteniške gore, Ribniške Male gore, Ribniške Velike gore, Stojne, na precejšnem delu Kočevskega Roga ter v nekaterih manjših predelih Blok, Krimsko-Mokrškega hribovja in Poljanske gore. Povsem izvzeta so območja Gorjancev in Radulj-skega hribovja (vpliv je zagotovo imelo dejstvo, da tu ni bilo zajetih celic učnega vzorca), Kočevsko-reškega ravnika, Loškega potoka in Suhe krajine, Banjšice ter najvišji deli Snežniškega pogorja. Tip dinarskih podolij in ravnikov je tip z najmanjšim ujemanjem modeliranih in izvirnih celic. Modeli so ga potrdili le v Beli krajini ter v manjših predelih na zahodu Ljubljanskega barja in v osrednjem delu Cerkniškega polja. Severna Bela krajina, okolica Novega mesta, Dolenjsko podolje, preostalo Ljubljansko barje, Notranjsko in Pivško podolje ter Ribniško in Kočevsko polje so skorajda v celoti izvzeti. Tip sredozemskih gričevij je potrjen za polovico vseh celic. Izvzeta so predvsem bolj ravninska območja v Vipavski dolini ter doline ob večjih vodotokih v Goriških brdih in Koprskem primorju. Izvzeti so tudi severno obrobje in velik del južnega dela Brkinov ter deli Kraškega roba in Goriških brd na njihovem severnem koncu. Tip sredozemskih planot je v večji meri potrjen predvsem na Krasu (izjema je okolica Sežane) ter na območjih Kraškega roba in Podgrajskega podolja zahodno od Podgrada. Izvzeti so precejšnji deli Podgorskega krasa, Podgrajskega podolja in Čičarije. Izvzeta sta tudi zahodni del Krasa (zahodno od Komna do državne meje) in robni del Krasa, ki se spušča v Vipavsko dolino. Odsotnost ujemanja med modeliranimi in izvirnimi tipi je na splošno opazna (oziroma ugotovljena velika heterogenost in težavnost potrjevanja z uporabljenimi podatkovnimi sloji) na območjih Celjske kotline in srednje Soške doline ter območjih med Vrhniko in Idrijo, Pivške kotline, Ljubljanskega barja, Dolenjskega podolja, Suhe krajine, Bizeljskega, Kozjanskega, Krške kotline, Gorjancev, severnega dela Bele krajine, Kozjaka in južnega dela Slovenskih goric. Območja, ki se po vseh modelih (z naključnim in ekspertnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI9 Tu ne opisujemo ponovno, kje so potrjena območja, saj gre zgolj za presek zgornjih pregledov (sliki 32 in 33). Zato je na tem mestu ob zemljevidu (slika 34) le kratek komentar. Območja, ki so z vsemi metodami in z obema načinoma izbire učnih vzorcev klasificirana enako kot pri izvirni tipizaciji, so predvsem: • za tip alpskih gorovij najvišji deli Julijskih Alp, Karavank, Kamniško-Savinjskih Alp ter Peca, Olševa in Golte; • za tip alpskih hribovij osrednji deli Pohorja in njegovo jugovzhodno obrobje, deli Posavskega hribovja in deli Škofjeloškega hribovja; • za tip alpskih ravnin nerazgibani (ravni) deli Ljubljanske kotline, • za tip panonskih gričevij severni del Slovenskih goric in Goričko (brez vmesnih dolin), • za tip panonskih ravnin Murska ravan in južni del Dravske ravni, • za tip dinarskih planot nekateri strnjeni deli Trnovskega gozda, Banjšic in Idrijskega hribovja, Nanos in Javorniki, deli Blok, Kočevskega Roga, Krimsko-Mokrškega hribovja in Stojne ter Ribniška Mala gora in Goteniška gora (za vse veljajo območja z višjo nadmorsko višino), • za tip dinarskih podolij in ravnikov južno obrobje Bele krajine, • za tip sredozemskih gričevij Goriška in Koprska brda brez večjih dolin, razgibani deli Vipavske doline in osrednji del Brkinov, • za tip sredozemskih planot večji del Krasa, del Kraškega roba in okolica Podgrada. 115 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Opazna je odsotnost ujemanja modeliranih in izvirnih tipov na območju Kozjaka, Celjske kotline, večjega dela Posavskega hribovja, Dolenjskega podolja, Bizeljskega, Kozjanskega, Krške kotline, srednje Soške doline, Pivškega podolja, Cerkljanskega in Idrijskega hribovja, osrednje Kočevske in Suhe krajine. 9.4.1.2 Območja, kjer se nobena modelirana tipizacija ne ujema z izvirno naravnopokrajinsko tipizacijo Iskali smo celice modeliranih tipizacij, ki niso bile niti po eni metodi enako klasificirane kot pri izvirni tipizaciji. Takih je več pri modeliranih klasifikacijah na podlagi ekspertnega vzorčenja (19,4%) (slika 36). Pri tipizacijah, narejenih z naključnimi učnimi vzorci, je takih celic manj, vsega 11,8 % (slika 35). To v večini primerov velja tudi za deleže posameznih tipov, izjemi sta le tipa panonskih ravnin in sredozemskih planot (preglednica 53). Preglednica 53: Delež celic, ki se po nobenem modelu ne ujemajo z izvirno tipizacijo TIPI9. oznaka tipa število celic v tipu izvirne tipizacije delež (%) celic, ki so v vseh modeliranih tipizacijah uvrščene drugače kot v izvirni tipizaciji (naključni izbor učnih vzorcev) delež (%) celic, ki so v vseh modeliranih tipizacijah uvrščene drugače kot v izvirni tipizaciji (ekspertni izbor učnih vzorcev) alpska gorovja 76.533 15,4 22,9 alpska hribovja 116.478 12,2 19,3 panonska gričevja 74.719 7,5 6,0 13,9 dinarske planote 95.190 2,3 19,3 34,8 sredozemska gričevja 26.490 8,3 10,4 skupaj 506.450 6,7 11,8 5,1 19,4 Območja, ki se po nobenem modelu (z naključnim vzorčenjem) ne ujemajo z izvirno tipizacijo TIPI9 Pri modeliranih tipizacijah, izdelanih na podlagi naključnega učnega vzorca, je opazno, da so območja, ki po nobenem modelu niso klasificirana enako kot pri izvirni tipizaciji, predvsem območja dolin, kotlin, manjših kraških polj in drugih reliefnih depresij. Znotraj tipov alpskih gorovij in alpskih hribovij so izločene Soška dolina, Bovška kotlina, Bohinj, doline Save Dolinke, Save Bohinjke in Savinje v zgornjem toku (z razširjenim delom na območju Mozirske kotlinice), Save na območju Posavskega hribovja (z razširitvijo na območju Litijske kotline), Selške in Poljanske Sore, Horjulščice, Kamniške Bistrice in še nekatere. Zanimivo je, da se znotraj alpskih ravnin z izvirno tipizacijo nikoli ne ujema vzhodni del Celjske kotline. Znotraj panonskih gričevij so takšna območja ob Sotli, Bistrici (Kozjansko), Voglajni, v okolici Slovenske Bistrice in Miklavža na Dravskem polju ter na obrobju Pohorja, znotraj panonskih ravnin pa v obrobnih delih pod Gorjanci in še ponekod. Znotraj dinarskih planot se nikoli ne ujemajo celice na območjih Kambreškega in Banjšic, obrobij Trnovskega gozda, Nanosa ter Javornikov, Čepovanskega dola in nekaterih dolin v Idrijskem hribovju, pa tudi vršnih delov Snežniškega pogorja ter na območjih Kočevskoreškega ravnika, doline Kolpe pri Petrini, Dobrepolja ter delov Suhe krajine, Gorjancev in Raduljskega hribovja. Znotraj dinarskih podolij 116 ir GEOGRAFIJA SLOVENIJE 29 Kranj "i-V:', ■■- J m Celje Ljubljai na \ A. 3 v Oznaka tipov alpska gorovja alpska hribovja I I alpske ravnine I I panonska gričevja I I panonske ravnine dinarske planote dinarska podolja in ravniki sredozemska gričevja I I sredozemske planote Avtor vsebine in kartograf: Rok Ciglič © Geografski intšitut Antona Melika ZRC SAZU, 2014 Slika 34: Območja, ki se po vseh modelih (z naključnim in ekspertnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI9. .-o Kranj m.^ ■JČ- m Ljubljana" lvtC K * L .1-"' f\ mL ¿v, Oznaka tipov alpska gorovja alpska hribovja I I alpske ravnine I I panonska gričevja I I panonske ravnine dinarske planote dinarska podolja in ravniki sredozemska gričevja I I sredozemske planote Avtor vsebine in kartograf: Rok Ciglič © Geografski intšitut Antona Melika ZRC SAZU, 2014 Slika 35: Območja, ki se po nobenem modelu (z naključnim učnim vzorcem) ne ujemajo z izvirno tipizacijo TIPI9. Celice so obarvane tako, da prikazujejo (nepotrjeni) tip po izvirni tipizaciji TIPI9. Novo mesto 0 Novo 0 117 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic in ravnikov se z izvirnikom nikoli ne ujemajo Vremščica, okolici Babnega polja in Godoviča, deli Hrušice, Iški vršaj, severno obrobje Bele krajine, vzhodni del Kočevskega polja in območje južno od Grosupljega. Znotraj tipa sredozemska gričevja z izvirnikom niso nikoli skladni deli Kraškega roba, južno obrobje Brkinov, severni rob Krasa, Košanska in Vremska dolina ter rob Trnovskega gozda. Znotraj sredozemskih planot so takšna območja severni rob Krasa in Podgrajskega podolja, Slavnik, Plešivica ter območje zahodno od Kozine. Pri sredozemskih tipih se neskladje pojavlja predvsem zaradi različnih kamnin. Pri vseh območjih, ki so na stikih tipov, se neskladja pojavijo preprosto zato, ker izvirna tipizacija ni bila izdelana v tako natančnem merilu kot ga uporabljamo v raziskavi. Območja, ki se po nobenem modelu (z ekspertnim vzorčenjem) ne ujemajo z izvirno tipizacijo TIPI9 Pri modeliranih tipizacijah na podlagi ekspertnih učnih vzorcev je opazno, da je območij, ki po modelih niso nikoli klasificirana enako kot v izvirni tipizaciji, nekoliko več kot v predhodnem primeru. Gre predvsem za območja robnih delov določenih tipov (denimo za pobočja Nanosa), precej je tudi dolin in kotlin znotraj goratega in hribovitega sveta, vendar je takih primerov manj. Znotraj tipov alpskih gorovij in alpskih hribovij so izločene Soška dolina na več mestih, Bohinj, doline Savinje v zgornjem toku (z razširjenim delom na območju Mozirske kotlinice), Drave in Save v Posavskem hribovju (z razširjenim delom na območju Litijske kotline), Ložniško in Hudinjsko gričevje, deli Velenjske kotline, Paški Kozjak, doline Selške in Poljanske Sore, Horjulščice ter Kamniške Bistrice in druga območja. Znotraj alpskih ravnin so z vidika izvirne tipizacije vedno nepravilno klasificirani Tunjiško gričevje, razgibano območje hribovitih osamelcev med Mengšem, Medvodami in Ljubljano, okolica Tržiča in robni deli ravnin. Oznaka tipov alpska gorovja alpska hribovja I I alpske ravnine I I panonska gričevja I I panonske ravnine dinarske planote dinarska podolja in ravniki sredozemska gričevja I I sredozemske planote Avtor vsebine in kartograf: Rok Ciglič © Geografski intšitut Antona Melika ZRC SAZU, 2014 0 Slika 36: Območja, ki se po nobenem modelu (z ekspertnim vzorčenjem) ne ujemajo z izvirno tipizacijo TIPI9. Celice so obarvane tako, da prikazujejo (nepotrjen) tip po izvirni tipizaciji TIPI9. 118 ir GEOGRAFIJA SLOVENIJE 29 Pri panonskih gričevjih nikoli niso bile potrjene doline Kobiljanskega potoka, Ščavnice in Pesnice, nekateri deli dolin Dravinje, Voglajne, Sotle in Save, deli Dravinjskih goric, Kozjanskega in Bizeljskega ter robni deli Krškega gričevja. Panonske ravnine imajo izjemno malo nikoli pravilno klasificiranih območij; najdemo jih predvsem na obrobju ravnin. Pri dinarskih planotah nismo potrdili nižjih delov Gorjancev in Raduljskega hribovja, Dobrepolja, Kočevskoreškega ravnika, doline Kolpe s Poljansko dolino, precejšen del Banjšic, posameznih delov Idrijskega hribovja ter obrobnih predelov po celotnem območju tipa. Pri dinarskih podoljih in ravnikih so ostali nepotrjeni severno obrobje Bele krajine, Slemena, Iški vršaj, okolica Godoviča, obrobji Pivškega in Notranjskega podolja ter del Hrušice. Znotraj sredozemskega gričevja so nepotrjeni Košanska dolina, obrobje Brkinov in karbonatni deli Kraškega roba. Nepotrjen je tudi manjši del Krasa na jugovzhodu. Pri vseh je verjetno razlog različna kamninska sestava. Pri sredozemskih planotah so nepotrjeni vršni deli Čičarije ter obrobje severnega dela Krasa. 9.4.1.3 Območja ujemanja modeliranih tipizacij, ki niso enaka izvirni naravnopokrajinski tipizaciji Zanimivo je, da je med tisti celicami, ki z modeliranjem niso bile nikoli klasificirane tako kot v izvirni tipizaciji, nekaj takih, ki imajo po vseh modeliranih tipizacijah enak tip (sliki 37 in 38). Pri modeliranih tipizacijah na podlagi naključnih učnih vzorcev je takšnih 4,2 % celic, pri tistih na podlagi ekspertnih učnih vzorcev pa 5,5% (preglednica 54). Preglednica 54: Celice, ki so v vseh modeliranih tipizacijah enako klasificirane, a ne enako kot v izvirni tipizaciji TIPI9. modeli z naključnim izborom učnih vzorcev modeli z ekspertnim izborom učnih vzorcev oznaka tipa število celic delež od celotnega število celic delež od celotnega ozemlja Slovenije (%) ozemlja Slovenije (%) alpska gorovja 2099 0,4 1298 0,3 alpska hribovja 3113 0,6 3925 0,8 alpske ravnine 2970 0,6 1021 0,2 panonska gričevja 2539 0,5 8866 1,8 panonske ravnine dinarske planote 1b5b 1903 0,3 0,4 1196 1902 0,2 0,4 dinarska podolja in ravniki 386 0,1 1890 0,4 sredozemska gričevja 3977 0,8 3421 0,7 sredozemske planote 2917 0,6 4438 0,9 skupaj 21.560 4,2 27.957 5,5 Območja, ki se ujemajo po vseh modelih (z naključnim vzorčenjem), vendar se ne ujemajo z izvirno tipizacijo TIPI9 Pri naključnem vzorčenju gre predvsem za manjše zaplate in posamezne celice. Po tej analizi modeli k alpskemu gorovju prištevajo na primer višje dele alpskih hribovij in dinarskih planot, kot so Pore-zen, Blegoš, Paški Kozjak, Kum, Trdinov vrh in Veliki Snežnik ter skalnato obrobje Nanosa. Med alpska hribovja se klasificirajo obrobja Pohorja, Plešivca, Golt, Boča, Menine in Krškega gričevja. Gre predvsem za območja, ki so pri izvirni tipizaciji klasificirana kot alpsko gorovje ali panonsko gričevje. Glede na usklajenost modeliranih tipizacij bi morali k alpskim ravninam prišteti Iški vršaj, Dobrepolje ter ravnice ob Savinji in Dreti ter okolico Doba in Dola pri Ljubljani. K panonskim gričevjem modeli klasificirajo 119 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Maribor O l v v "T JU, — „ ->~' 'P _ Kranj T . f** O Celje ^ -.-.. J' I'" Oznaka tipov -/■JES¡r Z Q Ljubljana ■' X alpska gorovja l S* - Nova Gorica j* ' alpska hribovja 1 1 alpske ravnine . " ■ Novo mesto S/^ 1 1 panonska gričevja v" O 1 1 panonske ravnine dinarske planote \ ■ /7 dinarska podolja in ravniki «c-^V "J V ' ■■ . v L sredozemska gričevja 1 1 sredozemske planote 0 25 50 75 100 km i i i i Avtor vsebine in kartograf: Rok Ciglič © Geografski intšitut Antona Melika ZRC SAZU, 2014 Slika 37: Območja, ki se ujemajo po vseh modelih (z naključnim vzorčenjem), vendar se ne ujemajo z izvirno tipizacijo TIPI9. Celice so obarvane tako, da prikazujejo tip po modeliranih tipizacijah TIPI9. precejšnje dele Voglajnskega in Hudinjskega gričevja ter manjša območja v Posavskem hribovju. K panonskim ravninam klasificirajo območja okrog Miklavža na Dravskem polju, južni, osrednji del Celjske kotline, Dravinjsko dolino in še nekaj manjših območij. Med dinarske planote modeli prištevajo manjša območja v zahodni Sloveniji, denimo majhne dele Pokljuke, Mežakle in Notranjskega podolja (med Bab-nim poljem in Ložem). Med dinarska podolja in ravnike modeli »soglasno« klasificirajo le malo območij, predvsem manjše dele Kočevskoreškega ravnika, Bele krajine, Poljanske doline nad Kolpo in okolice Vrhnike. K sredozemskim planotam modeli klasificirajo dele Kraškega roba, okolico Kobarida, severni del Krasa (nad Dornberkom), Košansko dolino, okolico Cola, Ilirskobistriško kotlino, območje Grgarja nad Novo Gorico ter območje med italijansko mejo in Kozino. Med sredozemska gričevja bi po modelih morali spadati deli Kambreškega in Banjšic (predvsem pobočja nad Sočo), Kraškega roba, okolice Kobarida, Vipavske doline na območju Ajdovščine, Košanske doline, Ilirskobistriške kotline ter območje med Hotedršico in Črnim Vrhom. Glede na število celic je največ območij, ki so jih potrdili vsi modeli, a niso enaki izvirniku, klasifici-ranih kot tip sredozemskih gričevij, alpskih hribovij, alpskih ravnin in sredozemskih planot. Kot tip dinarska podolja in ravniki je klasificiranih le nekaj tovrstnih celic (preglednica 55). Območja, ki se ujemajo po vseh modelih (z ekspertnim vzorčenjem), vendar se ne ujemajo z izvirno tipizacijo TIPI9 Pri modelih po ekspertnem vzorčenju je ujemanje prav tako opazno le za manjša območja ali samo posamezne celice. Po tej analizi modeli po ekspertnem vzorčenju kot alpska gorovja klasificirajo strme robove alpskih gorovij in dinarskih planot, na primer Trnovskega gozda, Nanosa, Ratitovca, Dražgoške 120 ir GEOGRAFIJA SLOVENIJE 29 T .K Kranj -■i. ■ -V " z , Celje : v . T . Nova Gorica Ljubljana Oznaka tipov alpska gorovja alpska hribovja I I alpske ravnine I I panonska gričevja I I panonske ravnine dinarske planote dinarska podolja in ravniki sredozemska gričevja I I sredozemske planote Avtor vsebine in kartograf: Rok Ciglič © Geografski intšitut Antona Melika ZRC SAZU, 2014 Novo mesto 0 Slika 38: Območja, ki se ujemajo po vseh modelih (z ekspertnim vzorčenjem), vendar se ne ujemajo z izvirno tipizacijo TIPI9. Celice so obarvane tako, da prikazujejo tip po modeliranih tipizacijah TIPI9. gore, Borovške gore, Kuma in Paškega Kozjaka. Modeli med alpska hribovja klasificirajo nekatere dele alpskih gorovij, na primer Planino pod Golico, Jezersko, Smrekovec ter dele Slemen in Blok. Med alpske ravnine se klasificirajo Iški vršaj, Dobrepolje s Ponikvami in manjši del Zadrečke doline. Med panonska gričevja se klasificirajo razpršena območja znotraj Posavskega hribovja, Ložniš-kega in Hudinjskega gričevja, Kozjanskega in obrobni deli Pohorja (predvsem na severu), med panonske ravnine pa predvsem nekaj območij ob Kobiljanskem potoku, Ščavnici in Pesnici. Kot dinarske planote modeli prepoznajo nekatere dele Pokljuke, Mežakle in Jelovice ter Čičarije (Slavnik), Vremščico in nekaj manjših območij v Zgornjem Posočju. Kot dinarska podolja in ravniki so prepoznani povirni deli Krke, manjši deli Suhe krajine in Bele krajine ter zahodno obrobje Ljubljanskega barja. Kot sredozemsko gričevje so prepoznani Kambreško in Banjšice, Breginjski kot in okolica Dornberka. Med sredozemske planote so modeli »soglasno« klasificirali karbonatni del Kraškega roba, dele Brkinov, Pivškega podolja in Hrušice, okolico Grgarja (nad Novo Gorico), Logaški ravnik, Vrhe ter dele Hotenjskega podolja. Glede na število celic je največ območij, ki so jih potrdili vsi modeli, a niso enaki izvirni tipizaciji, kla-sificiranih kot tip panonska gričevja, sredozemske planote, alpska hribovja in sredozemska gričevja. Najmanj tovrstnih celic je klasificiranih kot tip alpske ravnine in panonske ravnine (preglednica 55). 9.4.2 PRIMERJAVA USKLAJENOSTI VSEH MODELIRANIH NARAVNOPOKRAJINSKIH TIPIZACIJ TIPI13 Z IZVIRNO NARAVNOPOKRAJINSKO TIPIZACIJO TIPI13 Modelirane naravnopokrajinske tipizacije TIPI13 smo primerjali z izvirno tipizacijo ter pri tem ugotavljali, kje se zemljevidi modelov in izvirne tipizacije ujemajo in kje razlikujejo. 121 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic 9.4.2.1 Območja, kjer se vse modelirane tipizacije ujemajo z izvirno naravnopokrajinsko tipizacijo Pri prvem prekrivanju smo za modelirane tipizacije, izdelane z naključnimi učnimi vzorci, in za modelirane tipizacije, izdelane z ekspertnimi vzorci, dobili po en zemljevid, ki prikazuje celice, z vsako metodo klasificirane tako kot pri izvirni tipizaciji (preglednica 55, sliki 39 in 40). Ob koncu poglavja smo prikazali tudi celice, ki so po prav vseh metodah (z obema načinoma določanja učnih vzorcev) klasificirane enako kot v izvirni tipizaciji (slika 41). V večini primerov je izvirna tipizacija bolje potrjena z modeliranimi tipizacijami, izdelanimi na podlagi naključnega vzorčenja, saj je po uporabljenih metodah enako klasificiranih 30,1 % od vseh celic. Pri ekspertnem vzorčenju je celic, ki so z vsemi metodami enako klasificirane kot v izvirni tipizaciji, manj, le 22,0 %. Velikost tipov v tem sklopu ne igra pomembne vloge, saj se nekateri površinsko manjši tipi po modelih z izvirnikom ne ujemajo (na primer širše doline in obalne ravnice v primorskem delu Slovenije). Največje ujemanje (pri obeh sklopih modeliranih tipizacij) je pri naslednjih tipih: visokogorski svet, ravnine in širše doline v gričevju notranjega dela Slovenije, Kras in Podgorski kras ter gričevje v primorskem delu Slovenije. Preglednica 55: Delež celic, ki se po vseh modelih ujemajo z izvirno tipizacijo TIPI13. oznaka tipa vse celice v tipu delež (%) celic, ki so v vseh modeliranih tipizacijah uvrščene enako kot v izvirni tipizaciji (naključni izbor učnih vzorcev) delež (%) celic, ki so v vseh modeliranih tipizacijah uvrščene enako kot v izvirni tipizaciji (ekspertni izbor učnih vzorcev) visokogorski svet 42.210 55,7 40,1 širše rečne doline v visokogorju, hribovju in na krasu 18.174 0,1 0,0 visoke kraške planote in hribovja v karbonatnih kamninah 89.759 20,5 18,9 hribovja v pretežno nekarbonatnih kamninah 113.363 19,3 12,5 medgorske kotline 31.652 29,3 13,2 gričevje v notranjem delu Slovenije 82.034 36,4 29,1 ravnine in širše doline v gričevju notranjega dela Slovenije 44.400 67,1 46,6 kraška polja in podolja 22.141 19,9 6,3 nizki kras Notranjske in Dolenjske 27.185 2,7 3,5 nizki kras Bele krajine 8.272 26,4 7,3 Kras in Podgorski kras 12.651 61,8 52,1 gričevje v primorskem delu Slovenije 8.431 56,8 57,1 širše doline in obalne ravnice v primorskem delu Slovenije 6.178 0,0 3,0 skupaj 506.450 30,1 22,0 122 ir GEOGRAFIJA SLOVENIJE 29 Območja, ki se po vseh modelih (z naključnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI13 Pri pregledu je opazno, da so vedno pravilno klasificirana približno enaka območja kot po ekspertnem naboru. Vedno pravilno so klasificirani predvsem najvišji deli visokogorskega sveta Julijskih Alp, Kamniško-Savinjskih Alp in Karavank. Visoke kraške planote in hribovja v karbonatnih kamninah so vedno potrjena na območjih Trnovskega gozda, Nanosa, Javornikov, Snežnika in višjih delih Kočevske ter ponekod na območjih Jelovice, Mežakle in Pokljuke. Hribovja v pretežno nekarbonatnih kamninah so potrjena večinoma na Pohorju, Kozjaku, Strojni ter manjših območjih Polhograjskega, Škofjeloškega in Posavskega hribovja, Bohorja, Boča, Uršlje gore in Paškega Kozjaka. Območja medgorskih kotlin so potrjena le v Ljubljanski kotlini (brez reliefno razgibanih območij hribovitih osa-melcev in zahodnega dela Ljubljanskega barja). Gričevja v notranjem delu Slovenije se po modelih vedno ujemajo z izvirnikom na območjih Goričkega, Lendavskih goric, Slovenskih goric, Dravinjskih goric, severnega dela Kozjanskega, manjšega dela Krškega gričevja, Ložniškega in Hudinjskega gričevja ter v osredju Posavskega hribovja. Ravnine in širše doline v gričevju notranjega dela Slovenije se ujemajo na Murski ravni, Dravski ravni (s Pesniško dolino) ter v vzhodnem delu Krške ravni. Kraška polja in podolja so potrjena v delih Notranjskega podolja (Loško polje, Cerkniško polje, Unška uvala), Oznaka tipov visokogorski svet H kraška polja in podolja 1 1 širše rečne doline v visokogorju, hribovju in na krasu □ nizki kras Notranjske in Dolenjske visoke kraške planote in hribovja v karbonatnih kamninah H nizki kras Bele krajine hribovja v pretežno nekarbonatnih kamninah □ Kras in Podgorski kras 1 1 medgorske kotline H gričevje v primorskem delu Slovenije 1 1 gričevje v notranjem delu Slovenije □ širše doline in obalne ravnice v primorskem delu Slovenije 1 1 ravnine in širše doline v gričevju notranjega dela Slovenije Slika 39: Območja, ki se po vseh modelih (z naključnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI13. 123 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Kočevsekga in Ribniškega polja, Kočevskoreškega ravnika, Poljanske doline nad Kolpo ter v manjšem delu Podgrajskega podolja. Nizki kras Bele krajine je potrjen v osrednjem delu ter na vzhodnem robu. Kras in Podgorski kras ter gričevja v primorskem delu Slovenije so v potrjeni več kot 50-odstot-no. Pri gričevjih so nepotrjene predvsem nekatere doline. Pri ostalih tipih (širše rečne doline v visokogorju, hribovju in na krasu, širše doline in obalne ravnice v primorskem delu Slovenije), ki jih nismo posebej izpostavili, je po vseh modelih tako kot pri izvirni tipizaciji klasificiran le manjši del območij. Območja, ki se po vseh modelih (z ekspertnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI13 Vedno pravilno so klasificirani predvsem najvišji deli visokogorskega sveta Julijskih Alp, Kamniš-ko-Savinjskih Alp in Karavank. Visoke kraške planote in hribovja v karbonatnih kamninah so vedno potrjena na območjih Trnovskega gozda, Nanosa, Javornikov in Snežnika, višjih delov Kočevske in na majhnem, vršnem delu Gorjancev, prav tako pa na območjih Jelovice in Menine ter precejšnjem delu Mežakle in Pokljuke. Hribovja v pretežno nekarbonatnih kamninah so potrjena večinoma na Pohorju sejr s» Celje ■b" Ljubljana Novjfei iS iS x Oznaka tipov visokogorski svet I I širše rečne doline v visokogorju, hribovju in na krasu visoke kraške planote in hribovja v karbonatnih kamninah hribovja v pretežno nekarbonatnih kamninah I I medgorske kotline I I gričevje v notranjem delu Slovenije I I ravnine in širše doline v gričevju notranjega dela Slovenije Kartograf: Rok Ciglič Vir: Špes s sodelavci 2002 © Geografski intšitut Antona Melika ZRC SAZU, 2014 ■ kraška polja in podolja I I nizki kras Notranjske in Dolenjske nizki kras Bele krajine I I Kras in Podgorski kras ^B gričevje v primorskem delu Slovenije I I širše doline in obalne ravnice v primorskem delu Slovenije Slika 40: Območja, ki se po vseh modelih (z ekspertnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI13. Maribor 0 100 km 124 ir GEOGRAFIJA SLOVENIJE 29 (brez najvišjih, osrednjih delov), Smrekovcu in Golteh ter na manjših območjih Polhograjskega, Škofjeloškega in Posavskega hribovja, Kozjaka ter Bohorja. Območja medgorskih kotlin so potrjena le na ravnih območjih Ljubljanske kotline (brez vzhodnega dela Ljubljanskega barja). Gričevja v notranjem delu Slovenije se z izvirno tipizacijo vedno ujemajo na območjih zahodnega Goričkega, severnega dela Slovenskih goric, Haloz, severnega dela Kozjanskega, Krškega gričevja, Ložniškega in Hudinjskega gričevja ter v osredju Posavskega hribovja. Ravnine in širše doline v gričevju notranjega dela Slovenije se ujemajo na Murski ravni, zahodnem delu Dravske ravni in na manjšem delu Krške ravni. Kraška polja in podolja so bila v večji meri potrjena Kočevskem, Ribniškem in Cerkniškem polju. V več kot 50 % sta potrjena tipa Kras in Podgorski kras ter gričevja v primorskem delu Slovenije, medtem ko je tip nizki kras Bele krajine potrjen nekaj več kot 26-odstotno. Pri gričevjih so nepotrjene predvsem nekatere doline. Pri ostalih tipih je po modelih le manjši del območij vedno tako klasificiran kot pri izvirni tipizaciji. Zanimivo je, da se po vseh modelih kar nekaj območij znotraj širših rečnih dolin v visokogorju, hribovju in na krasu ter na območju medgorskih kotlin ne ujema z izvirnikom, čeprav so bili na enakih mestih izbrani učni vzorci. Maribor O Nova Gorica ¿^anj V i Celje Ljubljana > \ V Oznaka tipov visokogorski svet I I širše rečne doline v visokogorju, hribovju in na krasu visoke kraške planote in hribovja v karbonatnih kamninah hribovja v pretežno nekarbonatnih kamninah I I medgorske kotline I I gričevje v notranjem delu Slovenije I I ravnine in širše doline v gričevju notranjega dela Slovenije Kartograf: Rok Ciglič Vir: Špes s sodelavci 2002 © Geografski intšitut Antona Melika ZRC SAZU, 2014 kraška polja in podolja I I nizki kras Notranjske in Dolenjske nizki kras Bele krajine I I Kras in Podgorski kras ^B gričevje v primorskem delu Slovenije I I širše doline in obalne ravnice v primorskem delu Slovenije Slika 41: Območja, ki se po vseh modelih (z naključnim in ekspertnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI13. 0 100 km 125 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Območja, ki se po vseh modelih (z naključnim in ekspertnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI13 Na tem mestu gre zgolj za presek predhodnih pregledov. Zato je ob zemljevidu (slika 41) dodan le kratek komentar. Območja, ki so po prav vseh modelih (z obema načinoma izbire učnih vzorcev) kla-sificirana enako kot v izvirni tipizaciji, so predvsem: • pri tipu visokogorski svet najvišji deli Julijskih Alp, Karavank, Kamniško-Savinjskih Alp in Peca, • pri tipu visoke kraške planote in hribovja v karbonatnih kamninah deli Pokljuke, Mežakle, Jelovice, Trnovskega gozda, Nanosa, Hrušice, Javornikov, Snežnika (brez najvišjega dela) in višji deli Kočevske, • pri tipu hribovja v pretežno nekarbonatnih kamninah Pohorje (brez vršnega dela), deli Kozjaka ter manjši sklop celic v Škofjeloškem in Posavskem hribovju, • pri tipu medgorske kotline osrednji, predvsem najbolj ravninski deli Ljubljanske kotline, • pri tipu gričevje v notranjem delu Slovenije severni del Slovenskih goric, zahodni del Goričkega, manjši deli Ložniškega in Hudinjskega gričevja, Kozjanskega, Haloz, Dravinjskih goric in Krškega gričevja, • pri tipu ravnine in širše doline v gričevju notranjega dela Slovenije Murska ravan, Pesniška dolina, osrednja Dravska ravan in vzhodni del Krške kotline, • pri tipu kraška polja in podolja Cerkniško polje, Loško polje in del Kočevskega in Ribniškega polja, • pri tipu Kras in Podgorski kras večji del Krasa in zahodni del Podgorskega krasa ter • pri tipu gričevje v primorskem delu Slovenije južni del Koprskih brd in severna polovica Goriških brd. Tipi širše rečne doline v visokogorju, hribovju in na krasu, nizki kras Notranjske in Dolenjske, širše doline in obalne ravnice v primorskem delu Slovenije se po vseh metodah (z obema načinoma vzorčenja) skorajda nikjer ne ujemajo z izvirno tipizacijo. Tip nizki kras Bele krajine ima takih celic dobesedno le nekaj. Opazna je odsotnost ujemanja modeliranih in izvirnih tipov na območju Celjske kotline, glavnine Posavskega hribovja, Dolenjskega podolja, Bizeljskega, Kozjanskega, Krške kotline, srednje Soške doline, Pivškega podolja, Cerkljanskega in Idrijskega hribovja, osrednje Kočevske, Suhe krajine, Kolpske doline, Gorjancev, Bele krajine, Brkinov, Vipavske doline, severnega dela Ljubljanske kotline in Haloz. 9.4.2.2 Območja, kjer se nobena modelirana tipizacija ne ujema z izvirno naravnopokrajinsko tipizacijo Celic, ki niso bile niti po eni metodi klasificirane tako kot v izvirni tipizaciji (sliki 42 in 43), je več pri modeliranih tipizacijah na podlagi ekspertnih učnih vzorcev (24,1 %). Pri modeliranih tipizacijah z naključnimi učnimi vzorci je takih celic manj (16,2 %). To velja tudi za deleže večin posameznih tipov, izjema je le tip nizki kras Notranjske in Dolenjske (preglednica 56). Območja, ki se po nobenem modelu (z naključnim vzorčenjem) ne ujemajo z izvirno tipizacijo TIPI13 Pri tipu visokogorski svet so nepotrjeni predvsem robni deli na celotnem območju. Pri tipu širše rečne doline v visokogorju, hribovju in na krasu so nepotrjeni predvsem povirni deli dolin, nekatera pobočja (na primer ob Savi in Dravi) ter večje območje zahodno od Ilirske Bistrice. Pri tipu visoke kraške planote in hribovja v karbonatnih kamninah so znova nepotrjeni predvsem robni deli tega tipa (denimo vznožji Gorjancev in Nanosa). Večje nepotrjeno območje je le v okolici Smrekovca in Uršlje gore, v osrednjem delu Posavja in na jugu Banjšic. Pri tipu hribovja v pretežno nekarbonatnih kamninah so nepotrjeni nekatere manjše planote in nekateri vrhovi (Golte, Veliki Rogatec, Porezen, Blegoš, Matajur), večinoma pa gre za doline (na primer dolini Savinje in Horjulščice) in obrobne predele. Nepotrjena so tudi Vipavska brda in osredji del Brkinov. Pri tipu medgorske kotline so nepotrjeni robni deli ter tri obsežnejša območja: Litijska kotlina, vzhodni del Celjske kotline in zahodno obrobje Velenjske kotline. Pri tipu gričevja v notranjem delu Slovenije so nepotrjeni predvsem nekateri robni deli ter večje 126 ir GEOGRAFIJA SLOVENIJE 29 Preglednica 56: Delež celic, ki se po nobenem modelu ne ujemajo z izvirno tipizacijo TIPI13. oznaka tipa število celic v tipu izvirne klasifikacije delež (%) celic, ki so v vseh modeliranih tipizacijah uvrščene drugače kot v izvirni tipizaciji (naključni izbor učnih vzorcev) delež (%) celic, ki so v vseh modeliranih tipizacijah uvrščene drugače kot v izvirni tipizaciji (ekspertni izbor učnih vzorcev) visokogorski svet 42.210 10,5 13,8 širše rečne doline v visokogorju, hribovju in na krasu 18.174 32,2 48,1 visoke kraške planote in hribovja v karbonatnih kamninah hribovja v pretežno nekarbonatnih kamninah 89.759 113.363 24,9 22,4 41,0 31,6 gričevje v notranjem delu Slovenije ravnine in širše doline v gričevju notranjega dela Slovenije kraška polja in podolja nizki kras Notranjske in Dolenjske nizki kras Bele krajine Kras in Podgorski kras 82.034 44.400 22.141 27.185 8.272 12.651 8,2 9,0 6,8 16,0 5,2 5,2 15,8 9,5 23,0 15,4 8,0 6,7 gričevje v primorskem delu Slovenije 8.431 7,5 7,9 širše doline in obalne ravnice v primorskem delu Slovenije 6.178 8,9 12,2 skupaj 506.450 16,2 24,1 doline (na primer doline Dramlje, Rogoznice in Turje). Povsem nepotrjeni sta območje med Nazarjami in Gornjim Gradom (Hom) ter območje okrog Mežice. Pri tipu ravnine in širše doline v gričevju notranjega dela Slovenije so nepotrjeni predvsem robni deli dolin in ravninskega sveta. Nepotrjeni so nekateri gričevnati deli ob vznožju Pohorja (okrog Zreč, Slovenske Bistrice in Maribora). V celoti nepotrjena je dolina Bistrice pri Kozjem. Pri tipu kraška polja in podolja so nepotrjeni Košanska dolina, okolica Kozine in robni deli na Dobrepolju, pri Trebnjem, Grosupljem in Gotenici. Pri tipu nizki kras Notranjske in Dolenjske je nepotrjena reliefno razgibana okolica Dolenjskih Toplic in Novega mesta (Podgorje), nepotrjeni so tudi Globodol, okolica Grosupljega ter več območij med Logatcem in Pivko. Pri tipu Nizki kras Bele krajine je nepotrjen le skrajni severni rob Bele krajine. Pri tipu Kras in Podgorski kras so nepotrjeni območje na severu Krasa, med Trsteljem in Prvačino, ter nekaj območij na Kraškem robu. Pri tipu gričevje v primorskem delu Slovenije je nepotrjenih nekaj robnih delov, največ na Kraškem robu, kjer se menjavajo različne kamnine. Pri tipu širše doline in obalne ravnice v primorskem delu Slovenije so nepotrjeni izključno obrobni deli. Območja, ki se po nobenem modelu (z ekspertnim vzorčenjem) ne ujemajo z izvirno tipizacijo TIPI13 Pri tipu visokogorski svet so nepotrjeni predvsem obrobni deli ter nekatere doline, na primer dolina Tržiške Bistrice. Pri tipu širše rečne doline v visokogorju, hribovju in na krasu so ostali nepotrjeni 127 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic tipizacijo TIPI13. Celice so obarvane tako, da prikazujejo tip po izvirni tipizaciji TIPI13. predvsem povirni deli številnih rek, nekateri ožji deli dolin (na primer ob Idrijci, Savi, Dravi, Meži, Soči) ter večje območje zahodno od Ilirske Bistrice. Nepotrjen je tudi Bohinj. Pri tipu visoke kraške planote in hribovja v karbonatnih kamninah so nepotrjeni predvsem robni deli (vznožji Gorjancev in Nanosa). Večje nepotrjeno območje je v okolici Smrekovca in Uršlje gore ter Dobrovelj, v osrednjem delu Posavja, na zahodu Banjšic, na območjih dolin Radovne in Save Bohinjke, Menišije, v okolici Godo-viča, v južnem delu Kočevskoreškega ravnika, Kočevske Male gore in nižjih delov Čičarije. Pri tipu hribovja v pretežno nekarbonatnih kamninah so nepotrjeni nekatere manjše planote in nekateri vrhovi (Golte, Veliki Rogatec, Porezen, Blegoš, Matajur), predvsem pa gre za doline in robne dele, na primer doline Savinje, Horjulščice in Radomlje. Nepotrjeni so Vipavska brda in obrobni deli Brkinov, obrobje Kambreškega, veliki deli Raduljskega gričevja, Posavskega hribovja (predvsem doline), Paškega Koz-jaka in Konjiške gore, območje Lovrenca na Pohorju ter obrobji Pohorja in Kozjaka. Pri tipu medgorske kotline so nepotrjeni območje Litijske kotline, vzhodni del Celjske kotline, zahodno obrobje Velenjske kotline, okolici Krope in Gorij ter drugi obrobni deli. Pri tipu gričevja v notranjem delu Slovenije so znova nepotrjeni predvsem nekateri robni predeli (na primer pod Gorjanci) ter večje doline (na primer 128 ir GEOGRAFIJA SLOVENIJE 29 Oznaka tipov visokogorski svet H kraška polja in podolja 1 1 širše rečne doline v visokogorju, hribovju in na krasu □ nizki kras Notranjske in Dolenjske visoke kraške planote in hribovja v karbonatnih kamninah H nizki kras Bele krajine hribovja v pretežno nekarbonatnih kamninah □ Kras in Podgorski kras 1 1 medgorske kotline H gričevje v primorskem delu Slovenije 1 1 gričevje v notranjem delu Slovenije □ širše doline in obalne ravnice v primorskem delu Slovenije 1 1 ravnine in širše doline v gričevju notranjega dela Slovenije Slika 43: Območja, ki se po nobenem modelu (z ekspertnim vzorčenjem) ne ujemajo z izvirno tipizacijo TIPI13. Celice so obarvane tako, da prikazujejo tip po izvirni tipizaciji TIPI13. Dramlje, Rogoznice in Turje). Povsem nepotrjeni so območje na jugu Slovenskih goric, Bizeljsko, območje med Nazarjami in Gornjim Gradom (Hom) ter okolica Mežice. Pri tipu ravnine in širše doline v gričevju notranjega dela Slovenije so nepotrjeni predvsem robni deli dolin in ravninskega sveta. Nepotrjeni so nekateri gričevnati deli na vznožju Pohorja (okrog Zreč in Maribora) ter zahodni del Krške kotline pri Novem mestu. V celoti nepotrjena je dolina Bistrice pri Kozjem. Pri tipu kraška polja in podolja so nepotrjeni Košanska dolina, Postojnska kotlina, Rakovška uvala, okolici Trebnjega in Gotenice, Bab-no polje ter robni deli v Dobrepolju ter okolici Grosupljega. Pri tipu nizki kras Notranjske in Dolenjske so nepotrjeni reliefno razgibana okolica Dolenjskih Toplic in Novega mesta (Podgorje) ter Slemena, Slivnica, del Menišije, pa tudi obrobje pri Grosupljem, Vrhniki in Pivki. Pri tipu nizki kras Bele krajine je nepotrjen le skrajni severni rob Bele krajine. Pri tipu Kras in Podgorski kras so nepotrjeni območje na severu Krasa, med Trsteljem in Prvačino, ter nekaj manjših območij na Kraškem robu. Pri tipu gričevje v primorskem delu Slovenije je nepotrjenih nekaj obrobnih delov, še največ celic je nepotrjenih na Kraškem robu, kjer se menjavajo različne kamnine. Pri tipu širše doline in obalne ravnice v primorskem delu Slovenije so nepotrjeni izključno obrobni deli tega tipa. 129 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic 9.4.2.3 Območja ujemanja modeliranih tipizacij, ki niso enaka izvirni naravnopokrajinski tipizaciji Zanimivo je, da je med območji, ki z modeliranjem nikoli niso bila klasificirana tako kot v izvirni tipizaciji, nekaj takih, ki imajo po vseh modelih določen enak tip (sliki 44 in 45). Pri modeliranih tipizacijah na podlagi naključnih učnih vzorcev je takih celic 4,4 %, pri modeliranih tipizacijah na podlagi ekspertnih učnih vzorcev pa 5,6 % (preglednica 57). Preglednica 57: Celice, ki so v vseh modeliranih tipizacijah enako klasificirane, a ne enako kot v izvirni tipizaciji TIP13. oznaka tipa modeli z naključnim izborom učnih vzorcev modeli z ekspertnim izborom učnih vzorcev število celic delež od vseh celic v Sloveniji (%) število celic delež od vseh celic v Sloveniji (%) visokogorski svet 4015 0,8 1868 0,4 širše rečne doline v visokogorju, hribovju in na krasu 3 0,0 10 0,0 visoke kraške planote in hribovja v karbonatnih kamninah hribovja v pretežno nekarbonatnih kamninah 1398 2226 0,3 0,4 1979 3300 0,4 0,7 gričevje v notranjem delu Slovenije ravnine in širše doline v gričevju notranjega dela Slovenije kraška polja in podolja nizki kras Notranjske in Dolenjske nizki kras Bele krajine 4435 3234 1633 683 221 0,1 0,9 0,6 0,3 0,1 0,0 10.254 3510 163 1772 149 1414 0,0 2,0 0,7 0,0 0,4 0,0 gričevje v primorskem delu Slovenije širše doline in obalne ravnice v primorskem delu Slovenije skupaj 2217 0 22.241 0,4 0,4 0,0 4,4 3641 77 28.259 0,3 0,7 0,0 5,6 Območja, ki se ujemajo po vseh modelih (z naključnim vzorčenjem), vendar se ne ujemajo z izvirno tipizacijo TIPI13 Po tej analizi v tip visokogorski svet spadajo pobočja nekaterih dolin (na primer Planica s Tamarjem) ter nekaterih planot in vrhov (na primer Snežnik, Uršlja gora, Veliki Rogatec, Golte, Menina, Porezen, Ratitovec) ter zelo strma pobočja, na primer Nanosa in Jelovice. V tip širše rečne doline v visokogorju, hribovju in na krasu se klasificira le nekaj celic. V tip visoke kraške planote in hribovja v karbonatnih kamninah se klasificirajo manjši deli v visokogorju (del Matajurja...), velik del Cerkljanskega hribovja, Slivnica, del Goteniške gore. V tip hribovja v pretežno nekarbonatnih kamninah se klasificirajo območje med Topolšico, Uršljo goro in Smrekovcem, manjša območja v Posavskem hribovju, na Dobrovljah, Kozjanskem in Jelovici, dolina Tržiške Bistrice in Donačka gora. V tip medgorske kotline 130 ir GEOGRAFIJA SLOVENIJE 29 se klasificira le nekaj manjših območij z nekaj celicami (na primer Radensko polje, Zadrečka dolina, dolina Borovniščice). V tip gričevja v notranjem delu Slovenije spadajo osrednja dela Posavskega hribovja med Krmeljem, Sevnico in Radečami ter Celjem, Laškim in Šentjurjem, pa tudi robni deli ravnic v severovzhodni Sloveniji in deli hribovij (na primer del Boča). V tip ravnine in širše doline v gričevju notranjega dela Slovenije spadajo osrednji del Celjske kotline, nekatere doline v Slovenskih goricah in na Goričkem (na primer dolina Ledave) ter okolica Slovenske Bistrice. V tip kraška polja in podolja spadajo manjši del Menišije, okolica Logatca, nekatere terase ob Savi, med Radovljico in Naklim, ter deli Kočevske (na primer obrobje Male gore). V tip nizki kras Notranjske in Dolenjske spadajo posamične celice na območjih dinarske pregrade (Kočevski Rog, Ribniška Mala gora). V tip nizki kras Bele krajine spadajo le posamezne celice obrobja Bele krajine, v okolici Dolenjskih Toplic, na Ljubljanskem barju in v Krški kotlini. V tip Kras in Podgorski kras spadajo del Kraškega roba, Košanska dolina, območje jugovzhodno od Štanjela ter okolica Grgarskih Ravn in Grgarja. Posamezna območja z nekaj celicami se pojavljajo tudi okrog Kobarida, Logatca in Kozine. V tip gričevje v primorskem delu Slovenije spadajo del Vipavskih brd, manjši del pobočij Soške doline med Kambreškim in Banjšicami, Maribor O ■ ^1L + jj^* oKranj VL ■m k 0 Ljubljana Kartograf: Rok Ciglič Vir: Špes s sodelavci 2002 © Geografski intšitut Antona Melika ZRC SAZU, 2014 Oznaka tipov visokogorski svet ^B kraška polja in podolja I I širše rečne doline v visokogorju, hribovju in na krasu I I nizki kras Notranjske in Dolenjske visoke kraške planote in hribovja v karbonatnih kamninah nizki kras Bele krajine hribovja v pretežno nekarbonatnih kamninah I I Kras in Podgorski kras I I medgorske kotline ^B gričevje v primorskem delu Slovenije I I gričevje v notranjem delu Slovenije I I širše doline in obalne ravnice v primorskem delu Slovenije I I ravnine in širše doline v gričevju notranjega dela Slovenije Slika 44: Območja, ki se ujemajo po vseh modelih (z naključnim vzorčenjem), vendar se ne ujemajo z izvirno tipizacijo TIPI13. Celice so obarvane tako, da prikazujejo tip po modeliranih tipizacijah TIPI13. 0 Celje 0 100 km 131 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic okolica Ilirske Bistrice ter nekateri deli na Kraškem robu. V tej kategoriji v tip širše doline in obalne ravnice v primorskem delu Slovenije ne spada nobeno območje. Območja, ki se ujemajo po vseh modelih (z ekspertnim vzorčenjem), vendar se ne ujemajo z izvirno tipizacijo TIPI13 Po tej analizi v tip visokogorski svet spadajo pobočja nekaterih dolin (na primer Planice s Tamarjem in doline Kolpe), nekateri vrhovi (na primer Snežnik, Uršlja gora, Veliki Rogatec, Porezen, Ratitovec) in zelo strma pobočja (na primer Nanosa). V tip širše rečne doline v visokogorju. hribovju in na krasu se klasificira le nekaj celic. V tip visoke kraške planote in hribovja v karbonatnih kamninah se klasificirajo Paški Kozjak, ovršje Bohorja ter manjši deli v visokogorju (deli Matajurja, Velike planine.). V tip hribovja v pretežno nekarbonatnih kamninah se klasificirajo območje med Topolšico, Peco in Olše-vo, najvišji deli osrednjih Gorjancev, del Dobrovelj ter nekatera manjša območja v Posavskem hribovju. V tip medgorske kotline se klasificira le nekaj manjših območij z vsega nekaj celicami (na primer Radensko polje). V tip gričevja v notranjem delu Slovenije spadajo precejšen del Posavskega hribovja in Ali Kranj Celje j* Ljubljana _ Nova Gorica X Oznaka tipov visokogorski svet I I širše rečne doline v visokogorju, hribovju in na krasu visoke kraške planote in hribovja v karbonatnih kamninah hribovja v pretežno nekarbonatnih kamninah I I medgorske kotline I I gričevje v notranjem delu Slovenije I I ravnine in širše doline v gričevju notranjega dela Slovenije Kartograf: Rok Ciglič Vir: Špes s sodelavci 2002 © Geografski intšitut Antona Melika ZRC SAZU, 2014 ■ kraška polja in podolja I I nizki kras Notranjske in Dolenjske nizki kras Bele krajine I I Kras in Podgorski kras ^B gričevje v primorskem delu Slovenije I I širše doline in obalne ravnice v primorskem delu Slovenije Slika 45: Območja, ki se ujemajo po vseh modelih z izvirno tipizacijo TIPI13. Celice so obarvane tako, (z ekspertnim vzorčenjem), vendar se ne ujemajo da prikazujejo tip po modeliranih tipizacijah TIPI13. Maribor 0 100 km 132 ir GEOGRAFIJA SLOVENIJE 29 robni deli Pohorja ter hribovij med Slovenj Gradcem in Rogaško Slatino. V tip ravnine in širše doline v gričevju notranjega dela Slovenije spadajo vzhodni del Celjske kotline, nekatere doline v Slovenskih goricah ter okolica Slovenske Bistrice. V tip kraška polja in podolja spadajo manjši del Menišije in nekaj razpršenih celic drugod po Sloveniji. V tipu nizki kras Notranjske in Dolenjske spadajo posamične celice na območju dinarske pregrade. Še največji območji sta v delih Cerkljanskega hribovja in Kočevskoreškega ravnika. V tip nizki kras Bele krajine spadajo le posamezni deli obrobja Bele krajine in okolice Dolenjskih Toplic. V tip Kras in Podgorski kras spadajo del Kraškega roba, okolica Košan-ske doline ter območji jugovzhodno od Štanjela in Grgarskih Ravn ter Gragarja. Posamezne celice se pojavljajo okrog Logatca. V tip gričevje v primorskem delu Slovenije spadajo Vipavska brda, pobočja doline Soče med Kambreškim in Banjšicami ter nekateri deli na Kraškem robu. V tip širše doline in obalne ravnice v primorskem delu Slovenije spada le skrajni zahodni del Brestoviškega dola. 133 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic 10 RAZPRAVA IN SKLEPI V prvem delu tega poglavja se osredotočamo predvsem na geografsko vrednotenje obstoječih naravnopokrajinskih tipizacij Slovenije, v drugem pa na uporabnost geoinformacijskih orodij pri izdelavi naravnopokrajinskih tipizacij, pri čemer predlagamo dejanske postopke naravnopokrajinske tipizacije z geoinformacijskimi orodji. V zadnjih dveh podpoglavjih podajamo sklepne misli ter raziskovalno vizijo na področju klasifikacije pokrajine. 10.1 GLAVNE UGOTOVITVE Obstoječi naravnopokrajinski tipizaciji Slovenje (TIPI9 (Perko 1998a, 1998b in 2007b) in TIPI13 (Špes s sodelavci 2002)) smo modelirali na več načinov. Modele smo izdelali na podlagi učnih vzorcev. Z modeli smo klasificirali celotno območje Slovenije (vse celice) in tako izdelali modelirane tipizacije. Te smo na koncu primerjali z izvirnikoma ter ugotavljali, kako podobne izvirnima klasifikacijama so modelirane klasifikacije. Pri izdelavi modela smo iz podatkovne baze izbrali najbolj ustrezne spremenljivke, izbrali pa smo tudi različna geoinformacijska orodja, ki omogočajo izvedbo različnih modelov. Učne vzorce smo zbrali na dva načina: ekspertno in naključno. 10.1.1 PRIMERJAVA POSAMEZNIH MODELIRANIH TIPIZACIJ Z IZVIRNO TIPIZACIJO Glede uspešnosti modeliranja oziroma ujemanja posameznih modeliranih tipizacijah z izvirno smo pri tipizaciji TIPI9 ugotovili, da se posamezne modelirane tipizacije po modelih z ekspertnim naborom učnih vzorcev ujemajo med 51 in 61-odstotno, pri modelih z naključnim naborom pa med 51 in 75-od-stotno. Z izvirno tipizacijo se najmanj ujemata modelirani tipizaciji po metodi najmanjše razdalje, kar pomeni, da je metoda zelo odvisna tudi od kakovosti učnih vzorcev. Med tipi je med modeliranimi in izvirnimi tipizacijami največje ujemanje pri panonskih ravninah, panonskih gričevjih, alpskih ravninah, sredozemskih gričevjih in sredozemskih planotah. To so tipi, ki jih je verjetno lažje opredeliti zaradi velikih ravnin in tudi njihove lege na skrajnem jugozahodu oziroma vzhodu Slovenije, kjer je v primerjavi z osrednjimi deli države z vidika podnebja manj izrazita prehodnost. Za večje tipe je bilo manjše ujemanje med modelirano in izvirno tipizacijo ugotovljeno zaradi načina vzorčenja (enak delež ne glede na velikost tipa) in tudi večje raznolikosti. Pri tipizaciji TIPI13 smo ugotovili, da se modelirane tipizacije po modelih z ekspertnim naborom učnih vzorcev z izvirno tipizacijo ujemajo med 43 in 53-odstotno, po modelih z naključnim naborom pa med 47 in 69-odstotno. Tudi tu z najmanjšim ujemanjem odstopata modelirani tipizaciji po metodi najmanjše razdalje. Ob prostorskem pregledu ujemanja celic je opazno, da gre predvsem za gričevnate ali ravninske tipe, ki so na vzhodu države (gričevja v notranjem delu Slovenije, ravnine in širše doline v gričevju notranjega dela Slovenije, nizki kras Bele krajine) ter za nekatere tipe na skrajnem jugozahodu države (Kras in Podgorski kras, gričevje v primorskem delu Slovenije). Vzroki za njihovo veliko ujemanje so predvsem lega na podnebno manj prehodnem območju, velik delež ravnin (kar je lažje opisati z matematičnimi pravili) in velik delež površine učnega vzorca v primerjavi s celotno površino tipa. Opazno je tudi veliko ujemanje celic tipa visokogorski svet; višja stopnja ujemanja je med drugim posledica dejstva, da so avtorji izločili alpske planote in večje alpske doline kot del drugih tipov. Po analizi obeh tipizacij smo ugotovili, da se ujemanje modeliranih tipizacij z izvirno (poglavje 9.2) z vidika samih učnih vzorcev nekoliko razlikuje od ujemanja na podlagi vseh celic. Če primerjamo oziroma analiziramo samo učne vzorce, je ujemanje večje, če uporabimo ekspertni način vzorčenja, če pa primerjamo vse celice, je ujemanje večje ob uporabi naključnega načina vzorčenja. To pomeni, da lahko z ekspertnim vzorčenjem izdelamo bolj preproste, »čiste« modele, ki so tudi bolje prilagojeni lastnostim učnih vzorcev. 134 ir GEOGRAFIJA SLOVENIJE 29 Če modeliramo oziroma potrjujemo tipe, ki so zelo natančno narejeni (brez risarskih napak), je ekspertni način bolj primeren. V primeru, da gre za zelo posplošeno tipizacijo, je za modeliranje boljši naključni izbor učnih vzorcev. Izpostaviti moramo, da smo bili pri modeliranju razmeroma uspešni in smo dokazali, da so podatkovni sloji dovolj natančni in tudi izvirni tipizaciji dovolj dobro narejeni, saj smo z različnimi geoin-formacijskimi orodji izdelali modelirane tipizacije, ki se z izvirnikoma ujemajo med 51 in 75-odstotno za tipizacijo TIPI9 oziroma med 43 in 69-odstotno za tipizacijo TIPI13, kar je precej več kot bi bilo ujemanje le po naključju. Za tipizacijo z devetimi tipi je naključno ujemanje 15,1 %, za tipizacijo s trinajstimi pa 13,4 %. Zato sklepamo, da sta obe obstoječi geografski klasifikaciji vsekakor smiselni in kakovostni tudi v matematičnem pogledu, saj smo lahko na njuni podlagi izdelali modele z vsemi uporabljenimi geoinformacijskimi orodji. Čeprav smo lahko klasifikaciji potrdili večinoma »le« do 75-odstot-no, je to še vedno precej več, kot bi bilo v primeru modeliranja naključne oziroma slabe tipizacije. Če bi raziskavo izdelali na podlagi slabih tipizacij, ne bi mogli izpeljati niti vseh računskih postopkov, klasifikacij in vrednotenj, kar je pokazala tudi študija modeliranja simuliranih slabih tipizacij (Ci-glič 2013). Opazno je tudi, da ujemanja sicer po drugi strani niso izjemno velika. Nižjo stopnjo ujemanja (potrjevanja) obstoječih tipizacij je nakazala že analiza uspešnosti klasificiranja učnih vzorcev, kjer smo pri analizi tipizacije TIPI9 ugotovili, da se naključni učni vzorci po modeliranju enako klasificirajo le 71-od-stotno, ekspertni pa 91-odstotno (poglavje 9.2.1). Še nekoliko manjše ujemanje je bilo ugotovljeno pri analizi TIPI13, kjer je bila pri naključnem učnem vzorčenju uspešnost le 64 %, pri ekspertnem pa 84 % (poglavje 9.2.2). Kot smo že omenili, bi ob tako majhnem deležu ujemanja vrednosti učnih vzorcev večina analitikov po vsej verjetnosti poiskala nove učne vzorce in morda spremenila nastavitve uporabljenih geoinformacijskih orodij. V pričujoči raziskavi pa smo kljub majhnemu deležu ujemanja modeliranih vrednosti učnih vzorcev z izvirnimi nadaljevali z analizo, saj smo želeli celovito preveriti, kako uspešno lahko izdelamo modele z obstoječimi tipi in kje sploh se modeli med seboj ujemajo. Želeli smo torej preveriti, kako se da ročno določene tipe matematično opisati. Analiza prekrivanja različnih modelov (poglavje 9.4) je pokazala območja, ki so bila potrjena z vsemi modeli, zato lahko služijo (ponovnemu) boljšemu zajemu učnih vzorcev, in tudi območja, ki niso bila potrjena po nobenem modelu. Na slednjih bi za zajem učnih vzorcev morali razmisliti tudi o uporabi več bolj podrobnih učnih vzorcev posameznega tipa (učne vzorce podtipov), ki bi jih po modeliranju združili. Kot primer lahko navedemo alpske doline, ki so jih pri izvirni tipizaciji TIPI9 določili kot del alpskega gorovja. Uspešno modeliranje tega tipa bi bilo mogoče z določanjem več svojskih (bolj podrobnih) učnih vzorcev (na primer podti-pov alpski vrhovi, alpska pobočja, alpske doline...). Analiza je razkrila (in tu je tudi uporabna vrednost raziskave ter razlog, da smo kljub slabšim indikatorjem o primernosti učnih vzorcev nadaljevali modeliranje) tudi območja, ki so jih vsi modeli klasificirali enako, vendar še vedno drugače kot so bili določeni v izvirni tipizaciji. To pa kaže, da je posamezne dele tipizacije treba dejansko ponovno preveriti in jih izboljšati. 10.1.2 PRIMERJAVA VSEH MODELIRANIH TIPIZACIJ HKRATI Z IZVIRNO TIPIZACIJO Ker smo za obstoječi tipizaciji (TIPI9 in TIPI13) izdelali različne modele, smo lahko tudi ugotovili, kje so območja, ki jih lahko potrdimo prav z vsemi modeli oziroma z vsemi geoinformacijskimi orodji. Po izdelavi vseh modeliranih tipizacij, ki so bile izdelane na podlagi tipizacij TIPI9 in TIPI13, smo seštevali, kolikokrat je posamezna celica klasificirana v posamezen tip. S seštevanjem klasifikacij v posamezen tip oziroma prekrivanjem modeliranih naravnopokrajinskih tipizacij smo ugotavljali: • katere celice so po vseh modeliranih tipizacijah enako klasificirane kot v izvirni tipizaciji, • katere celice se po nobeni modelirani tipizaciji ne ujemajo z izvirno tipizacijo, • katere celice so po vseh modeliranih tipizacijah enako klasificirane, vendar niso enako klasificirane kot v izvirni tipiziciji. 135 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Po prekrivanju modeliranih tipizacij z izvirno tipizacijo smo ugotovili, kje so območja, ki niso toliko podobna prvotno določenemu tipu (po izvirni tipizaciji), in kje območja, ki jih lahko z vsemi modeli potrdimo kot pravilen tip. Tako lahko geoinformacijska orodja pripomorejo k odkrivanju manj ustrezno klasificiranih območij. Delež celic, ki se po vseh modeliranih tipizacijah ujemajo z izvirno tipizacijo TIPI9, je pri naključnem naboru učnih vzorcev 36,6 %, pri ekspertnem pa 28,1 %. Gre predvsem za območja obeh sredozemskih in panonskih tipov ter višjih delov dinarskih planot, alpskega sredogorja in gorovja. Alpske ravnine so bile potrjene v večjem delu med Ljubljanskim poljem in Deželo. Nepotrjene so predvsem posamezne vzpetine znotraj ravnine (na primer Rašica) in doline znotraj večinoma goratih, hribovitih ali gričevnatih območij (na primer doline Save, Soče, Drave, Ščavnice). Odsotnost ujemanja med modeliranimi in izvirnimi tipi je opazna na območjih Celjske kotline, srednje Soške doline, med Vrhniko in Idrijo, Pivškega podolja, Ljubljanskega barja, Dolenjskega podolja, Suhe krajine, Bizeljskega, večjega dela Krške kotline, Gorjancev in večjega dela Bele krajine. Delež celic, ki se po nobeni modelirani tipizaciji ne ujemajo z izvirno tipizacijo TIPI9, je pri naključnem naboru učnih vzorcev 11,8%, pri ekspertnem pa 19,4 %. Med tovrstnimi območji so predvsem obrobja posameznih tipov, na primer obrobje sredozemskih gričevij na območju Brkinov ter nekatere doline in druge reliefne depresije znotraj višje okolice, na primer alpske doline znotraj alpskih gorovij. Nekaj je tudi bolj obširnih območij, na primer Banjšice, Kolovrat in Kočevskoreški ravnik. Večinoma gre za območja, ki so bila pri ročnem izrisu meje manj ustrezno klasificirana, kar velja pripisati predvsem malemu merilu in s tem omejeni natančnosti. Delež celic, ki so glede tipov usklajene po vseh modeliranih tipizacijah, a se vendar razlikujejo od izvirne tipizacije, je pri tipizaciji TIPI9 po naključnem naboru učnih vzorcev 4,2 %, po ekspertnem pa 5,5%. V grobem lahko rečemo, da gre za robna območja tipov in nekatera območja, ki bi v izvirniku najverjetneje morala biti klasificirana drugače, a zaradi malega merila niso bila. Tako bi na primer Iški vršaj moral pripadati alpskim ravninam, ne pa dinarskim podoljem in ravnikom. Delež celic, ki se po vseh modeliranih tipizacijah ujemajo z izvirno tipizacijo TIPI13, je pri naključnem naboru učnih vzorcev 30,1 %, pri ekspertnem pa 22,0%. Opazno je, da je pri obeh sklopih modeliranih tipizacij največje ujemanje pri tipih visokogorski svet (predvsem višji deli), ravnine in širše doline v gričevju notranjega dela Slovenije (brez vmesnih vzpetin), Kras in Podgorski kras ter gričevje v primorskem delu Slovenije. Dobro se ujemajo tudi gričevje v notranjem delu Slovenije, višji deli visokih kraških planot in hribovij v karbonatnih kamninah ter nizki kras Bele krajine (slednji samo po naključnem učnem vzorčenju). Najmanjše ujemanje je na območju sredogorij v osrednji Sloveniji, ki je verjetno tudi podnebno najbolj prehodno območje, poleg tega pa je relief zelo razgiban in raznolik. Tako območje je zato matematično težje opisati kot en tip. Delež celic, ki se po nobeni modelirani tipizaciji ne ujemajo z izvirno tipizacijo TIPI13, je pri naključnem naboru učnih vzorcev 16,2%, pri ekspertnem pa 24,1 %. Gre predvsem za vznožja vzpetin, pri modeliranih tipizacijah z ekspertnim vzorčenjem pa tudi za večje površine na Banjšicah, v Brkinih, na Kočevskem in v Posavskem hribovju. V primerjavi s tipizacijo TIPI9 tu ni celotnih dolin, saj je bila tipizacija TIP113 narejena nekoliko podrobneje in ima doline (na primer v visokogorju) izdvojene kot samostojen tip. Delež celic, ki so po vseh modeliranih tipizacijah usklajene, vendar se od klasifikacije v izvirni tipizaciji razlikujejo, je pri tipizaciji TIPI13 po naključnem naboru učnih vzorcev 4,4 %, po ekspertnem pa 5,6 %. Gre predvsem za robna območja in območja manjših dolin (na primer Krma), ki niso bila določena. Po analizi modeliranih tipizacij po ekspertnem naboru učnih vzorcev so se pokazala nekatera večja tovrstna območja, na primer Vipavska brda, ki so jih modeli soglasno uvrstili v tip gričevje v primorskem delu Slovenije (izvirno hribovje v pretežno nekarbonatnih kamninah). Pregled lahko zaključimo z zanimivo ugotovitvijo, da so modeli več območij izvirnih tipizacij potrdili kot pa zavrnili (preglednice 53, 54, 56 in 57). Prišli smo tudi do praktičnih ugotovitev, kje bi lahko izvirni tipizaciji TIPI9 in TIPI13 izboljšali, kje so najbolj očitna območja posameznih tipov in kje so računsko najtežje opisljiva območja. Ta spoznanja omogočajo tudi boljše vzorčenje s »podtipi«. 136 ir GEOGRAFIJA SLOVENIJE 29 10.2 NEKAJ PREDLOGOV UPORABE GEOINFORMACIJSKIH ORODIJ ZA DOLOČANJE NARAVNIH POKRAJINSKIH TIPOV Geografski informacijski sistemi so vsekakor omogočili velik korak k objektivnosti določanja oziroma prepoznavanja (odvisno od tega, kateri skupini znanstvenikov pripadamo) pokrajinskih enot. Uporabimo jih lahko pri pridobivanju in pripravi podatkovnih slojev, analizi oziroma vrednotenju podatkov, izdelavi klasifikacij (tipizacij), preverjanju ustreznosti klasifikacij oziroma njihovem vrednotenju, kartografskem prikazu, arhiviranju in izpopolnjevanju izdelanih klasifikacij. V geografiji so potencialno zelo uporabna orodja segmentacija in nekatera orodja strojnega učenja (na primer odločitvena drevesa, informacijski prispevek). Segmentacijo želimo izpostaviti, ker pomeni prehod iz klasičnega rastrskega sistema, ki temelji na celicah (pixel-based), v objektni (object-based) vektorski sistem poligonov. Prednosti tega prehoda sta med drugim, da: • poligonom ob prekrivanju lahko pripišemo različne vrednosti rastrskih podatkovnih slojev, izračunamo dodatne spremenljivke, poleg tega pa s tem dobimo možnost analize s pokrajinskimi spremenljivkami (landscape metrics); seznam najpogosteje uporabljenih ter dodatne opise so navedli Lang in sodelavci (2009), Uuemaa in sodelavci (2009) ter Šimova in Gdulova (2012), • zmanjšamo število enot, saj združimo najbolj homogena rastrska območja, in s tem pospešimo analizo. V slovenščini so temeljno delo na temo objektno usmerjene klasifikacije pripravili Veljanovski, Kanjir in Oštir (2011). Metode strojnega učenja prinašajo dodatne možnosti objektivne obdelave nominalnih podatkov. Njihova obdelava je v geografiji pogosta (vrsta kamnine, vrsta gozdne združbe, tip rabe tal...), zato so te metode zagotovo uporabne. Med pomembnimi spoznanji in novostmi, ki jih je v zaključku vredno omeniti, sta gotovo tudi priprava in opis povprečnega umerjenega koeficienta variacije, ki se je izkazal kot uporaben pri preučevanju, kako raznoliki so podatkovni sloji na posameznih prostorskih ravneh, pomaga pa nam lahko tudi pri izbiri ustreznih podatkovnih slojev. S pomočjo povprečnega umerjenega koeficienta variacije smo za Slovenijo ugotovili, kateri podatkovni sloji so primerni za klasifikacijo v večjem in kateri v manjšem merilu. 10.2.1 PREDLOG DOLOČANJA NARAVNIH POKRAJINSKIH TIPOV Glede na ugotovitve predlagamo, da se za izdelavo naravnopokrajinske tipizacije Slovenije in tudi členitve drugih večjih ali manjših območij lahko uporabi naslednji sklop geoinformacijskih orodij: a.) v primeru, da so število in temeljne lastnosti tipov že znani: • uporaba segmentacije za združitev najbolj homogenih območij na podlagi najbolj natančnih podatkovnih slojev (na primer nadmorske višine, naklona, satelitskega posnetka v višji ločljivosti), • izbira učnih poligonov po predhodnem terenskem ogledu, • uporaba odločitvenega drevesa kot klasifikacijskega modela ter klasifikacija celotne države (možna izdelava več različic tipizacije), • ob izdelavi več različic tipizacije vključitev v postopek ocenjevanja vseh različic s pomočjo geoinformacijskih orodij za vrednotenje na podlagi podatkovnih slojev in uspešnosti modeliranja (slika 46), nakar izberemo različico, ki je ovrednotena kot najboljša, • vnos morebitnih popravkov mej; b.) v primeru, da število in temeljne lastnosti tipov niso znani: • uporaba segmentacije za združitev najbolj homogenih območij na podlagi najbolj natančnih podatkovnih slojev, • (ob dovolj velikem zmanjšanju količine podatkov zaradi segmentacije) uporaba metode hierarhičnega razvrščanja za oceno števila skupin, Slika 46: Postopek objektivnega vrednotenja pri izdelavi tipizacije pokrajine. ► str. 138 137 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic S pomočjo podatkovnih slojev (ki jih izberemo glede na namen) po lastni presoji ali s pomočjo računalnika razdelimo določeno območje na tipe. Izdelano klasifikacijo ovrednotimo na podlagi podatkovnih slojev na izbran način ali več načinov (na primer računanje informacijskega prispevka); tako dobimo podatek, kako dobro tipizacija odraža dejavnike. Nato naključno izberemo vzorec iz posameznega tipa ter z izbrano metodo in podatkovnimi sloji izdelamo klasifikacijsko pravilo. Na podlagi izdelanega pravila in podatkovnih slojev klasificiramo vse celice (ali druge enote). Modelirano tipizacijo primerjamo z izhodiščno tipizacijo in preverimo stopnjo ujemanja (oziroma, v kolikšni meri je izvirna tipizacija lahko računsko potrjena, smiselna). Nato lahko popravimo meje med tipi in začnemo vrednotiti popravljeno ali povsem novo različico tipizacije. Ves postopek od točke 1 do točke 6 lahko ponovimo večkrat. Za vsako narejeno tipizacijo dobimo podatek o vrednotenju z vidika podatkovnih slojev in podatek o ujemanju z modelirano tipizacijo. Nato te podatke za vsako klasifikacijo vnesemo v grafikon, kjer ena os predstavlja vrednotenje z vidika podatkovnih slojev, druga pa ujemanje z modelirano tipizacijo. os Y: vrednotenje z vidika podatkovnega/ih sloja/ev (predstavitev dejavnikov) težimo k temu, da imamo smiselno tipizacijo (ki jo lahko potrdimo računsko), ki dobro ponazarja naravne dejavnike (podatkovne sloje) os X: ujemanje izvirne tipizacije z modelirano (smiselnost, računska potrditev) Izberemo tisto različico svoje izvirne tipizacije, ki ima visoke ocene z vidika podatkovnih slojev in se čim bolje ujema z modelirano tipizacijo. 138 ir GEOGRAFIJA SLOVENIJE 29 • preizkušanje različnih metod nenadzorovane klasifikacije in izdelava več različic, • ocenjevanje različic iz prejšnjega koraka s pomočjo geoinformacijskih orodij za vrednotenje na podlagi podatkovnih slojev ter uspešnosti modeliranja, nakar izberemo različico, ki je ovrednotena kot najboljša (slika 46), • vnos morebitnih popravkov; c.) v primeru, ko število in temeljne lastnosti tipov niso znani (možnost brez uporabe metod nenadzorovane klasifikacije in z vključenim sprotnim vrednotenjem): • uporaba segmentacije za združitev najbolj homogenih območij na podlagi najbolj natančnih podatkovnih slojev (na primer nadmorske višine in naklona), • določitev učnih vzorcev segmentov naravnih pokrajinskih tipov za izdelavo modela s terenskim ogledom ter vzorcev validacijskih (potrjevalnih) segmentov za preverjanje modela, • izbor metode nadzorovane klasifikacije (na primer odločitveno drevo) in klasifikacija celotnega območja, • preverjanje klasifikacije validacijskih segmentov za oceno uspešnosti določanja tipov in modeliranja, • popravek izbora vzorcev segmentov za modeliranje in validacijo, • preveritev ob izdelavi več različnih modelov, kateri ima najbolj pravilno oziroma uspešno klasifi-cirane validacijske segmente, • morebitna dopolnitev vrednotenja z ocenjevanjem različic iz prejšnjih korakov tudi s pomočjo postopkov za vrednotenje na podlagi podatkovnih slojev ter uspešnosti modeliranja, nakar izberemo različico, ki je ovrednotena kot najboljša (slika 46), • vnos morebitnih popravkov. 10.2.2 PREDLOG VREDNOTENJA NARAVNIH POKRAJINSKIH TIPOV Za vrednotenje tipizacij predlagamo naslednji postopek (slika 46): 1. Raziskovalec s pomočjo podatkovnih slojev (ki jih izbere glede na namen) po lastni presoji ali s pomočjo računalnika razdeli določeno območje na tipe in izdela tipizacijo, ki jo želi ovrednotiti. 2. Izdelano klasifikacijo na podlagi podatkovnih slojev ovrednoti na en sam izbran način ali več načinov (na primer računanje informacijskega prispevka). 3. Nato naključno izbere celice za učne vzorce (ali druge enote, če analiza ne temelji na rastrskih podatkih) posameznega tipa ter z izbrano metodo izdela klasifikacijsko pravilo. 4. Na podlagi izdelanega pravila klasificira vse celice (oziroma druge enote). 5. Modelirano tipizacijo primerja s svojo izvirno tipizacijo in ugotovi stopnjo ujemanja (oziroma, v kolikšni meri je izvirna tipizacija računsko potrjena). 6. Nato lahko popravi meje med tipi in izdela novo različico tipizacije (pri tem si lahko pomaga z dodatnimi metodami; tako lahko na primer statistično razlikovanje med posameznimi tipi primerjamo z Mann-Whitneyjevim testom), 7. Ves postopek v točkah od 1 do 6 (izdelava in preverjanje različnih različic tipizacije) lahko ponovi večkrat, kar pomeni, da dobi več različic tipizacije, 8. Za vsako narejeno tipizacijo ima raziskovalec podatek (oceno) o vrednotenju z vidika podatkovnih slojev in podatek o ujemanju z modelirano tipizacijo. Nato te podatke za vsako tipizacijo vnese v graf, kjer ena os predstavlja vrednotenje z vidika podatkovnih slojev, druga pa ujemanje z modelirano tipizacijo. 9. Raziskovalec izbere tisto različico svoje (popravljene) izvirne tipizacije, ki ima visoko oceno z vidika podatkovnih slojev in se čim bolje ujema z modelirano tipizacijo. Geoinformacijsko orodje za modeliranje izberemo na podlagi lastnosti podatkovnih slojev in drugih dejavnikov, pri izdelavi različic pa lahko uporabimo tudi več različnih nastavitev in metod. Pri tem postopku je treba izpostaviti, da spreminjanje števila tipov ni dovoljeno, saj to pomembno vpliva na vrednotenje. Opozoriti je treba še, da vrednotenje s pomočjo podatkovnih slojev temelji na vseh celicah (oziroma morebitnih drugih enotah), vrednotenje s pomočjo modeliranja pa le na podlagi manjšega dela celic. 139 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic 10.3 SKLEPI Čeprav znanstveniki niso enotnega mnenja glede obstoja raznih bolj ali manj homogenih območij v naravi, ki jih lahko označimo kot (naravne) tipe, lahko v tako imenovanem virtualnem svetu takšne enote zagotovo najdemo. Če predpostavimo, da so podatkovni sloji (digitalni model višin, interpoliran zemljevid temperatur zraka, razmerje med količino poletnih in zimskih padavin.) približki naravnih dejavnikov (nadmorska višina, temperatura zraka, padavinski režim...), lahko na povsem objektiven način opravimo klasifikacijo oziroma razdelitev določenega območja na tipe, ki so zato približki naravnih značilnosti. V virtualnem svetu, kjer je resnično okolje predstavljeno s številskimi ali opisnimi vrednostmi za posamezno prostorsko enoto (na primer celico), lahko lažje govorimo o obstoju tipov z mejami. Potek meja v virtualnem svetu je odvisen od namena razmejevanja, uporabljenih metod in tudi interpretacije rezultatov. Zaradi različnih metodologij obstajajo različni rezultati: bolj pogoste (torej tiste, ki so kljub različnim metodološkim pristopom enaki) lahko razumemo kot bolj objektivne. Veliko število podatkovnih slojev, geoinformacijskih orodij in drugih postopkov (na primer vzorčenje) dopušča več različnih rezultatov, klasifikacij. Ko raziskovalec določa parametre, to lahko izvede tudi subjektivno, zato je celotna klasifikacija manj objektivna. Vendar je treba pripomniti, da gre še vedno za precejšnjo mero objektivnosti, saj nastavitve parametrov navadno veljajo za vse celice enako in s tega vidika glede klasifikacije ali risanja mej ni pristranskosti (vse celice so obravnavane enako). Po eni strani raznovrstne možnosti omogočajo poskušanje raznih metod tako dolgo, dokler ne pridemo dovolj blizu želenemu rezultatu (kar lahko tudi zlorabimo), po drugi pa lahko s primerjavo več različnih LandscapeModeler 1.0 Moj projekt Orodja Podatkovna baza Rezultati vrednotenja % sprememba ocene po premiku \ delež ujemanja celic Nastavitve vrednotenja z vidika podatkov @ informacijski prispevek O razmerje informacijskega prispevka O eta2 O p.u.k.v. O kombinirani kazalec f ... | nadmorska_visina.tif ^ naklon_s.tif ^ son_energija.tif ] padavine_1960_2000.tif padavinski_r.tif kamnine25.tif izbira načina vrednotonjn Trenutna ocena popravka informacijski prispevek pred premikom: nadmorska_visina.tif padavinski_r.tif kamnine25.tif povprečje 0,4483212 b 0,6730619 b delež ujemanja celic pred premikom: po premiku: Nastavitve vrednotenja z vidika modeliranja @ naključno vzorčenje O ekspertno vzorčenje naloži polja: | ... | O največja verjetnost ® odločitveno drevo CT O najmanjša razdalja O k najbližjih sosedov O nova metoda: | ... | ^ nadmorska_visina.tif ^ naklon_s.tif ^ son_energija.tif ] padavine_1960_2000.tif Q padavinski_r.tif ^ kamnine25.tif O Kappa O Cramer V (g) delež ujemanja celic O delež ujemanja učnih celic sprememba ocene po premiku Slika 47: Primer namišljenega računalniškega programa za izdelavo in vrednotenje naravnopokrajinskih tipizacij. Zavihki x x 1 po premiku X 8001255 b x 8597492 b ,4900838 b 0,7166528 b 0 b 0 % 100 % 140 ir GEOGRAFIJA SLOVENIJE 29 rezultatov tudi bolj objektivno sklepamo. V raziskavi smo ugotovili, da se rezultati nekaterih metod nadzorovanih klasifikacij manj ujemajo z izvirniki kot pa rezultati nekaterih drugih. Na uspešnost modeliranja oziroma rezultate poleg izbire metode oziroma geoinformacijskega orodja vpliva tudi način vzorčenja. 10.4 VIZIJA Klasifikacija Zemljinega površja ima zagotovo izjemen pomen, saj prispeva k preglednosti in omogoča boljše prostorsko načrtovanje. Veliko število pokrajinskih klasifikacij Slovenije in tudi raznolika terminologija sta dokaza, da je bila v slovenski geografiji že od nekdaj pomembno opravilo. To področje pa mora ostati med osrednjimi nalogami geografije tudi v prihodnje. Vzporedno z znanstvenimi raziskavami, ki morajo zajemati vsebinski in tudi metodološki vidik, je treba razvijati tudi uporabnost pridobljenega znanja na področju naravnopokrajinske klasifikacije. V mislih imamo predvsem razvoj celovitih geoin-formacijskih programskih paketov, ki bi bili namenjeni predvsem klasifikaciji pokrajine in bi vsebovali geoinformacijska orodja za vse potrebne korake v procesu klasifikacije (od poizvedovanja o vhodnih Slika 48: Uporabniki računalniškega programa pri snovanju tipizacije. 141 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic podatkih do vrednotenja rezultatov). Z ustreznim programom bi uporabniku prihranili iskanje primernih metod, uporabo različnih programov, njihovo dopolnjevanje z lastno napisanimi programskimi kodami in podobno. Ob sodobni zmogljivosti računalnikov bi lahko bil celoten proces klasifikacije in vrednotenja dobljenih tipov (ali regij) tako povezan, da bi bila omogočena kar največja dinamičnost. S tem mislimo predvsem na možnost, da bi po izdelani (začetni) klasifikaciji že ob premiku posamezne meje dobili podatek, ali smo naš izdelek izboljšali ali ne (slika 47). Ob ustrezni strojni opremi (na primer interaktivna miza z zaslonom, občutljivim na dotik) bi program lahko uporabnikom zagotavljal podporo pri odločanju in argumentiranju o klasifikacijah (slika 48). Ob tem moramo nujno izpostaviti, da program ne bi bil namenjen le izdelavi splošnih klasifikacij pokrajine, ampak tudi povsem samosvojim klasifikacijam pokrajine, na primer za izdelavo čim bolj objektivne klasifikacije potencialnih kmetijskih zemljišč, klasifikacijo satelitskih slik pri izdelavi zemljevida pokrovnosti tal in seveda še na raznih drugih področjih. 142 ir GEOGRAFIJA SLOVENIJE 29 11 SEZNAM VIROV IN LITERATURE Abonyi, J., Feil, B. 2007: Cluster analysis for data mining and system identification. Basel, Boston, Berlin, Birkhäuser. Anderson, M. G., Ferree, C. E. 2010: Conserving the stage: Climate change and the geophysical underpinnings of species diversity. PLoS one 5-7. DOI: http://dx.doi.org/10.1371/journal.pone.0011554 Armitage, D.W., Ober, H.K. 2010: A comparison of supervised learning techniques in the classification of bat echolocation calls. Ecological Informatics 5-6. DOI: http://dx.doi.org/10.1016/ j.ecoinf.2010.08.001 Axelsson, R., Angelstam, P., Törnblom, J. 2010: Development of integrative landscape research towards problem-oriented science. Landscape structures, functions and management: response to global ecological change: book of abstracts. Praha. Badgley, C., Fox, D. L. 2000: Ecological biogeography of North American mammals: species density and ecological structure in relation to environmental gradients. Journal of Biogeography 27-6. DOI: http://dx.doi.org/10.1046/j.1365-2699.2000.00498.x Bailey, R. G. 1996: Ecosystem geography. New York. Bailey, R. G. 2005: Identifying ecoregion boundaries. Environmental Management 34-S1. DOI: http://dx.doi.org/10.1007/s00267-003-0163-6 Bastian, O. 2000: Landscape classification in Saxony (Germany) - a tool for holistic regional planning. Landscape and urban planning 50-1-3. DOI: http://dx.doi.org/10.1016/S0169-2046(00)2900086-4 Bat, M., Dobnikar Tehovnik, M., Mihorko, P., Grbovic, J. 2003: Tekoče vode. Vodno bogastvo Slovenije. Ljubljana. Bätzing, W. 2011: Ja za alpsko makroregijo - a zgolj s prostorom enakega obsega. CIPRA info 95. Bear, J. 1972: Dynamics of fluids in porous media. New York. Belbin, L., McDonald, C. 1993: Comparing three classification strategies for use in ecology. Journal of Vegetation Science 4-3. DOI: http://dx.doi.org/10.2307/3235592 Bell, F. G. 2007: Engeneering geology. Amsterdam, Boston, Heidelberg, London, New York, Oxford, Pariz, San Diego, San Francisco, Singapur, Sydney, Tokio. Berk, S., Kete, P., Žagar, T., Pegan Žvokelj, B., Košir, J. 2012: Ocena proizvodne sposobnosti zemljišč iz razpoložljivih prostorskih podatkov. Geografski informacijski sistemi v Sloveniji 2011-2012, GIS v Sloveniji 11. Ljubljana. Bernert, J.A., Eilers, J. M., Sullivan, T. J., Freemark, K. E., Ribic, C. 1997: A Quantitative Method for Delineating Regions: An Example for the Western Corn Belt Plains Ecoregion of the USA. Environmental Management 21-3. Biogeographical regions, Europe (različica iz leta 2008). Medmrežje: http://dataservice.eea.europa.eu/ dataservice/metadetails.asp?id=1054 (26.8.2009). Bohn, U., Neuhäusl, R., Gollub, G., Hettwer, C., Neuhäusl, Z., Raus, Th., Schlüter, H., Weber, H. 2000/2003: Karte der natürlichen Vegetation Europas / Map of the natural vegetation of Europe. Münster. Brabyn, L. 2009: NZ Landscape Classification Version II (Introduction). Medmrežje: http://www.waika-to.ac.nz/wfass/subjects/geography/people/lars/landscape/index.shtml (16.10.2009). Breskvar Žaucer, L., Marušič, J. 2006: Analiza krajinskih tipov z uporabo umetnih nevronskih mrež. Geodetski vestnik 50-2. Bryan, B. A. 2006: Synergistic techniques for better understanding and classifying the environmental structure of landscapes. Environmental Management 37-1. Bunce, R. G. H. 1994: The application of quantitative methods of classification to strategic ecological survey in Britain. Ecosystem classification for environmental management. Dordrecht, Kluwer. Bunce, R.G. H, Barr, C.J., Clarke, R. T., Howard, D. C., Lane, A.M.J. 1996: Land classification for strategic ecological survey. Journal of environmental management 47-1. DOI: http://dx.doi.org/10.1006/ jema.1996.0034 143 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Burrough, P. A., Wilson, J. P., van Gaans, P. F. M., Hansen, A. J. 2001: Fuzzy k-means classification of topo-climatic data as an aid to forest mapping in the Greater Yellowstone Area, USA. Landscape ecology 16-6. Campbell, J. B. 1996: Introduction to remote sensing. London. Carteron, A., Jeanmougin, M., Leprieur, F., Spatharis, S. 2012: Assessing the efficiency of clustering algorithms and goodness-of-fit measures using phytoplankton field data. Ecological informatics 9. DOI: http://dx.doi.org/10.1016/j.ecoinf.2012.03.008 Castillo-Rodríguez, M., López-Blanco, J., Muñoz-Salinas, E. 2010: A geomorphologic GIS-multivariate analysis approach to delineate environmental units, a case study of La Malinche volcano (central México). Applied Geography 30-4. DOI: http://dx.doi.org/10.1016/j.apgeog.2010.01.003 Cegnar, T. 1998: Temperatura zraka. Geografski atlas Slovenije. Ljubljana. Ciglič, R. 2009: Slovenija v naravnogeografskih členitvah Evrope. Geografski vestnik 81-2. Ciglič, R. 2010: Information values of absolute elevation and elevation difference for illustration of thermal belt. Acta geographica Slovenica/Geografski zbornik 50-2. DOI: http://dx.doi.org/10.3986/ AGS50201 Ciglič, R. 2012: Evaluation of digital data layers for establishing natural landscape types in Slovenia. Landscapes: Perception, knowledge, awareness, and action, Proceedings of the FG-SHU International Symposium on Geography. New York. Ciglič, R. 2013: Uporaba geografskih informacijskih sistemov za določanje naravnih pokrajinskih tipov Slovenije. Doktorska disertacija, Filozofska fakulteta Univerze v Ljubljani. Ljubljana. Ciglič, R., Perko, D. 2012: Slovenia in geographical typifications and regionalizations of Europe. Geografski vestnik 84-1. Ciglič, R., Perko, D. 2013: Europe's landscape hotspots. Acta geographica Slovenica/Geografski zbornik 53-1. DOI: http://dx.doi.org/10.3986/AGS53106 Clark, A. N. 1998: The Penguin dictionary of geography. London. Clark, M. L., Aide, T. M., Grau, H. R., Riner, G. 2010: A scalable approach to mapping annual land cover at 250 m using MODIS time series data: A case study in the Dry Chaco ecoregion of South America. Remote sensing of environment 114-11. DOI: http://dx.doi.org/10.1016/j.rse.2010.07.001 Čarni, A., Marinček, L., Seliškar, A., Zupančič, M. 2002: Vegetacijska karta gozdnih združb Slovenije (CD ROM). Ljubljana. Černe, A., Klemenčič, M. M., Plut, D. 1981: Metodologija opredeljevanja pokrajinskih enot na primeru tržiške občine. Gorenjska. Ljubljana. Demek, J., Quitt, E., Raušer, J. 1972: Zur Problematik der physisch-geographischen Regionalisation. Theoretische Probleme der physisch-geographischen Raumgliederung. Bratislava. Demeritt, D., Wainwright, J. 2005: Models, modelling and geography. Questioning geography: fundamental Debates. Malden. Digital map of European ecological regions. Medmrežje: http://dataservice.eea.europa.eu/dataservi-ce/metadetails.asp?id=192 (26.8.2009). Digitalni model višin 25. Javne informacije Slovenije, Geodetska uprava Republike Slovenije. Ljubljana, 2010. Dodge, Y. 2008: The concise encyclopedia of statistics. New York. Dolinar, M. 2004: GIS kot orodje pri izdelavi klimatskih kart. Geografski informacijski sistemi v Sloveniji 2003-2004. Ljubljana. Dolinar, M. 2006: Prostorska porazdelitev trajanja sončnega obsevanja. Geografski informacijski sistemi v Sloveniji 2005-2006. Ljubljana. Dominguez-Granda, L., Lock, K., Goethals, P. L. M. 2011: Using multi-target clustering trees as a tool to predict biological water quality indices based on benthic macroinvertebrates and environmental parameters in the Chaguana watershed (Ecuador). Ecological informatics 6-5. DOI: http://dx.doi.org/ 10.1016/j.ecoinf.2011.05.004 144 ir GEOGRAFIJA SLOVENIJE 29 Dragut, L., Eisank, C., Strasser, T. 2011: Local variance for multi-scale analysis in geomorphometry. Geomorphology 130-3-4. DOI: http://dx.doi.org/10.1016/j.geomorph.2011.03.011 Duro, D.C., Fanklin, S.E., Dube, M.G. 2012: A comparison of pixel-based and object-based image analysis with selected machine learning algorithms for the classification of agricultural landscapes using SPOT-5 HRG imagery. Remote sensing of environment 118. DOI: http://dx.doi.org/10.1016/ j.rse.2011.11.020 Džeroski, S. 2002: Environmental sciences. Handbook of data mining and knowledge discovery. Oxford. Eastman, J. R. 2009: IDRISI Taiga. Guide to GIS and Image Processing. Worcester. Ellison, A.M. 2010: Repeatability and transparency in ecological research. Ecology 91-9. DOI: http://dx.doi.org/10.1890/09-0032.1 Eskelson, B. N. I., Temesgen, H., Hagar, J. C. 2012: A comparison of selected parametric and imputation methods for estimating snag density and snag quality attributes. Forest ecology and management 272. DOI: http://dx.doi.org/10.1016/j.foreco.2011.06.041 European Landscape Character Areas. Typologies, Cartography and Indicators for the Assessment of Sustainable Landscapes. Landscape Europe. Wageningen, 2005. European Landscape Network. Medmrežje: http://www.eurolandscape.net/ (11.8.2011). Europe's Environment: the Dobriš Assessment. Kopenhagen, European environment agency, 1995. Medmrežje: http://www.eea.europa.eu/publications/92-826-5409-5/chap03.zip (27.8.2009). Fayyad, U. M., Irani, K. B. 1993: Multi-interval discretization of continuous-valued attributes for classification learning. Proceedings of the Thirteenth international joint conference on artificial intelligence 2. San Mateo. Ferligoj, A. 1989: Razvrščanje v skupine. Teorija in uporaba v družboslovju. Ljubljana. Ferreira, A. 2006: Pokrajinskoekološka členitev Zgornje Gorenjske. Dela 26. Foster, J., Barkus, E., Yavorsky, C. 2006: Understanding and using advanced statistics. London, Thousand Oaks, New Delhi. Frantar, P., Hrvatin, M. 2005: Pretočni režimi v Sloveniji med letoma 1971 in 2000. Geografski vestni 77-2. Gabrovec, M. 1990: Pomen reliefa za geografsko podobo Polhograjskega hribovja. Geografski zbornik 30. Gabrovec, M. 1996: Solar Radiation and the Diverse Relief of Slovenia = Sončno obsevanje v reliefno razgibani Sloveniji. Geografski zbornik 36. Gabrovec, M., Hrvatin, M. 1998: Površje. Geografski atlas Slovenije. Ljubljana. Gaganis, P. 2000: On the quantification of the effect of model error on groundwater model predictions and risk assessments. Doktorska dispozicija, University of British Columbia. Vancouver. Gams, I. 1978a: Kvantitativna prirodnogeografska regionalizacija Slovenije. Raziskovalna naloga, Filozofska fakulteta Univerze v Ljubljani. Ljubljana. Gams, I. 1978b: Pokrajinska ekologija soseske Soča. Zgornje Posočje. Ljubljana. Gams, I. 1979: K pokrajinsko ekološki razčlenitvi mariborske regije. Mariborsko Podravje. Maribor. Gams, I. 1981: Pokrajinsko-ekološka sestava Gorenjske. Gorenjska. Ljubljana. Gams, I. 1983: Geografske značilnosti Slovenije. Ljubljana. Gams, I. 1984: Metodologija geografske razčlenitve ozemlja. Geografski vestnik 56. Gams, I. 1986a: Osnove pokrajinske ekologije. Ljubljana. Gams, I. 1986b: Za kvantitativno razmejitev med pojmi gričevje, hribovje in gorovje. Geografski vestnik 58. Gams, I. 1998a: Pokrajinsko ekološka sestava Slovenije. Geografija Slovenije. Ljubljana. Gams, I. 1998b: Lega Slovenije v Evropi in med njenimi makroregijami. Geografija Slovenije. Ljubljana. Gams, I. 2000: Stanje v (prirodno)geografski regionalizaciji Slovenije. Geografski vestnik 72-1. Gams, I. 2003: Kras v Sloveniji v prostoru in času. Ljubljana. Gams, I., Kladnik, D., Orožen Adamič, M. 1995: Naravnogeografske regije Slovenije. Krajevni leksikon Slovenije. Ljubljana. Gams, I., Lovrenčak, F., Plut, D. 1978: Soča, Breginj in Kamno v pokrajinsko-ekološki primerjavi. Zgornje Posočje. Ljubljana. 145 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Gandhi, V. 2008: Vector data. Encyclopedia of GIS. New York. Geografija. Tržič, 2001. Godron, M. 1994: The natural hierarchy of ecological systems. Ecosystem classification for environmental management. Dordrecht. Goodchild, M. F. 2011: Scale in GIS: An overview. Geomorphology 130-1-2. DOI: http://dx.doi.org/ 10.1016/j.geomorph.2010.10.004 Groom, G. 2005: Methodological review of existing classifications. European Landscape Character Areas: Typologies, cartography and indicators for the assessment of sustainable landscapes. Wageningen. Haber, W. 1994: System ecological concepts for environmental planning. Ecosystem classification for environmental management. Dordrecht. Haggett, P. 2001: Geography: a global synthesis. Harlow. Hargrove, W. W., Hoffman, F. M. 2005: Potential of multivariate quantitative methods for delineation and visualization of ecoregions. Environmental management 34-S1. DOI: http://dx.doi.org/10.1007/ s00267-003-1084-0 Hauser-Davis, R. A., Oliveira, T. F., Silveira, A. M., Silva, T. B., Ziolli, R. L. 2010: Case study: Comparing the use of nonlinear discriminating analysis and artificial neural networks in the classification of three fish species: acaras (Geophagus brasiliensis), tilapias (Tilapia rendalli) and mullets (Mugilliza). Ecological Informatics 5-6. DOI: http://dx.doi.org/10.1016/j.ecoinf.2010.08.002 Hazeu, G.W., Metzger, M.J., Mücher, C.A., Perez-Soba, M., Renetzeder, Ch., Andersen, E. 2010: European environmental stratifications and typologies: An overview. Agriculture, ecosystems and environment 142-1-2. DOI: http://dx.doi.org/10.1016/j.agee.2010.01.009 Hijmans, R. J., Cameron, S. E., Parra, J. L., Jones, P. G., Jarvis, A. 2005: Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology 25-15. Hladnik, D. 2005: Spatial structure of disturbed landscapes in Slovenia. Ecological engineering 24-1-2. DOI: http://dx.doi.org/10.1016/j.ecoleng.2004.12.004 Hoek, E. 1999: Putting numbers to geology - an engineer's viewpoint. Quarterly journal of engineering geology 32-1. DOI: http://dx.doi.org/10.1144/GSL.QJEG.1999.032.P1.01 Hrvatin, M., Perko, D. 2000: Regionalizacija in tipizacija mestne občine Ljubljana. Ljubljana, geografija mesta. Ljubljana. Hrvatin, M., Perko, D. 2010: Določanje enot oblikovanosti površja Slovenije z metodo regionalne zvezne delitve. Geografski informacijski sistemi v Sloveniji 2009-2010. Ljubljana. Idrisi Taiga Help System (16.05), 2010. Medmrežje: http://www.clarklabs.org/support/IDRISI-Taiga-Ser- vice-Update-16-05.cfm (9.2.2010). Ilešič, S. 1956: Slovenske pokrajine. Geografski obzornik 3. Ilešič, S. 1957/1958: Problemi geografske rajonizacije ob primeru Slovenije. Geografski vestnik 29/30. Ilešič, S. 1972: Slovenske pokrajine. Geografski vestnik 44. Iwahashi, J., Pike, R. J. 2007: Automated classifications of topography from DEMs by an unsuper-vised nested-means algorithm and a three-part geometric signature. Geomorphology 86-3-4. DOI: http://dx.doi.org/10.1016/j.geomorph.2006.09.012 Jiang, B., Ding, X., Ma, L., He, Y., Wang, T., Xie, W. 2008: A hybrid feature selection algorithm: combination of symmetrical uncertainty and genetic algorithms. Optimization and systems biology. Lijiang. Jongman, R.H.G., Bunce, R.G.H., Metzger, M.J., Mücher, C. A., Howard, D. C., Mateus, V. L. 2006: Objectives and applications of a statistical environmental stratification of Europe. Landscape Ecology 21-3. DOI: http://dx.doi.org/10.1007/s10980-005-6428-0 Karta odsekov ZGS s šifrantom. Zavod za gozdove Slovenije. Ljubljana, 2008. Kampichler, C., Wieland, R., Calmé, S., Weissenberger, H., Arriaga-Weiss, S. 2010: Classification in conservation biology: A comparison of five machine-learning methods. Ecological informatics 5-6. DOI: http://dx.doi.org/10.1016Zj.ecoinf.2010.06.003 146 ir GEOGRAFIJA SLOVENIJE 29 Kastelec, D., Košmelj, K. 2008: Diskriminantna analiza in klasifikacija: osnove in primer. Acta agricultu-rae Slovenica 91-1. Kastelec, D., Rakovec, J., Zakšek, K. 2007: Sončna energija v Sloveniji. Ljubljana. Khoroshev, A., Brusilovskaya, E. O. 2010: Determination of appropriate space scale for land use decisions based on multilevel modelling of landscape processes. Landscape structures, functions and management: response to global ecological change: book of abstracts. Praha. Kireyeu, V., Shkaruba, A. 2010: Landscape classifications of Belarus for studies of environmental change. Landscape structures, functions and management: response to global ecological change: book of abstracts. Praha. Kladnik, D. 1996: Naravnogeografske členitve Slovenije. Geografski vestnik 68. Kladnik, D., Perko, D. 1998: Zgodovina regionalizacij Slovenije. Slovenija, pokrajine in ljudje. Ljubljana. Kladnik, D., Lovrenčak, F., Orožen Adamič, M. (ur.) 2005: Geografski terminološki slovar. Ljubljana. Klemenčič, M. M. 2004: Družbenogeografske regionalizacije Slovenije. Teorija in praksa regionalizacije Slovenije. Maribor. Klemenčič, M. M. 2005: Regija in regionalna struktura Slovenije. Dela 23. Klijn, F. 1994: Spatially nested ecosystems: guidelines for classification from a hierarchical perspective. Ecosystem classification for environmental management. Dordrecht. Klijn, F., Udo de Haes, H. A. 1994: A hierarchical approach to ecosystems and its implications for ecological land classification. Landscape Ecology 9-2. DOI: http://dx.doi.org/10.1007/BF00124376 Kmetijska shola. Kmetijske in rokodelske novice 1-10 (6.9.1843). Medmrežje: http://www.dlib.si/v2/Stream-File.aspx?URN=URN:NBN:SI:DOC-1Z0B1M3W&id=f3976b83-e7a7-4283-bd67-02f90172f98d&type= PDF (24.2.2011). Kokalj, Ž., Oštir, K. 2013: Vrednotenje pokrajinskoekoloških tipov Slovenije v luči pokrovnosti, izdelane s klasifikacijo satelitskih posnetkov Landsat. Ljubljana. Kolbezen, M. 1998: Kopenske vode. Geografski atlas Slovenije. Ljubljana. Komac, M. 2005: Statistics of the geological map of Slovenia at scale 1: 250.000. Geologija 38-1. Kononenko, I. 2005: Strojno učenje. Ljubljana. Koppany, G., Unger, J. 1992: Mediterranean climatic character in the annual march of precipitation. Acta Climatologica 34-36. Košir, Ž., Zorn-Pogorelc, M., Kalan, J., Marinček, L., Smole, I., Čampa, L., Šolar, M., Anko, B., Accetto, M., Robič, D., Toman, V., Žgajnar, L., Torelli, N., Tavčar, I., Kutnar, L., Kralj, A. 2007: Gozdnovegetacijska karta Slovenije. Ljubljana. Kraft, J., Einax, J.W., Kowalik, C. 2004: Information theory for evaluating environmental classification systems. Analytical and bioanalytical chemistry 380-3. DOI: http://dx.doi.org/10.1007/s00216-004-2769-9 Krevs, M. 1992: Iskanje lokalnih reliefnih ekstremov na DMR. Geografski vestnik 64. Krevs, M. 1998: Vpliv izbora prostorske enote na razultate geografskih statističnih analiz. Geografski vestnik 70. Krevs, M. 2001a: Statistična povezanost med neštevilskima spremenljivkama. Učno gradivo za predmet Kvantitativne metode 1, Filozofska fakulteta Univerze v Ljubljani, Ljubljana. Krevs, M. 2001b. Statistična povezanost med številskima in med ordinalnima spremenljivkama. Učno gradivo za predmet Kvantitativne metode 1, Filozofska fakulteta Univerze v Ljubljani, Ljubljana. Kutnar, L., Kobler, A., Bergant, K. 2009: Vpliv podnebnih sprememb na pričakovano prostorsko prerazporeditev tipov gozdne vegetacije. Zbornik gozdarstva in lesarstva 89. Landscape Europe. Medmrežje: http://www.landscape-europe.net/ (11.8.2011). Lang, S., Walz, U., Klug, H., Blaschke, T., Syrbe, R.-U. 2009: Landscape metrics - a toolbox for assessing past, present and future landscape structures. Geoinformation technologies for geocultural landscapes: European perspectives. Leiden. 147 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Leathwick, J. R., Overton, J. McC., McLeod, M. 2003: An environmental domain classification of New Zealand and its use as a tool for biodiversity management. Conservation biology 17-6. DOI: http://dx.doi.org/10.1111/j.1523-1739.2003.00469.x Leser, H. 1976: Landschaftsökologie. Stuttgart. Lillesand, T. M., Kiefer, R. W., Chipman, J.W. 2008: Remote sensing and image interpretation. Hoboken. Lin, N., Noe, D., He, X. 2006: Tree-based methods and their applications. Springer handbook of engineering statistics. London. DOI: http://dx.doi.org/10.1007/978-1-84628-288-1 Lim, H. 2008: Raster data. Encyclopedia of GIS. New York. Litostratigrafska karta Slovenije. Geološki zavod Slovenije (naročnik Agencija RS za okolje). Ljubljana, 2007. Loveland, T. R., Merchant, J. M. 2004: Ecoregions and ecoregionalization: geographical and ecological perspectives. Environmental Management 34-S1. DOI: http://dx.doi.org/10.1007/s00267-003-5181-x Lovrenčak, F. 1996: O uporabi pojma pokrajina. Geografski vestnik 68. Lovrenčak, F. 1998. Prsti. Geografski atlas Slovenije. Ljubljana. Mackey, B. G. 1996: The role of GIS and environmental modeling in the conservation of biodiversity. Proceedings of the Third International Conference Integrating GIS and Environmental Modeling. Santa Barbara. Marušič, J., Ogrin, D., Jančič, M. 1998: Metodološke osnove. Ljubljana. Matvejev, S. D. 1991: Naravni tipi predelov Slovenije in njihovo varstvo. Ljubljana. McCoy, R. M. 2005: Field methods in remote sensing. New York. McGarigal, K., Cushman, S., Stafford, S. 2000: Multivariate statistics for wildlife and ecology research. New York. McMahon, G., Wiken, E. B., Gauthier, D. A. 2004: Toward a scientifically rigorous basis for developing mapped ecological regions. Environmental Management 34-1. DOI: http://dx.doi.org/10.1007/ s00267-004-0170-2 McRoberts, R. E. 2012: Estimating forest attribute parameters for small areas using nearest neighbors techniques. Forest ecology and management 272. DOI: http://dx.doi.org/10.1016/j.foreco.2011.06.039 Meeus, J. H.A. 1995: Pan-European landscapes. Landscape and urban planning 31-1-3. DOI: http://dx.doi.org/10.1016/0169-2046(94)01036-8 Melik, A. 1935: Slovenija: geografski opis. Ljubljana. Melik, A. 1946: Prirodnogospodarska sestava Slovenije. Geografski vestnik 18. Melik, A. 1954: Slovenski alpski svet. Ljubljana. Melik, A. 1957: Štajerska s Prekmurjem in Mežiško dolino. Ljubljana. Melik, A. 1959: Posavska Slovenija. Ljubljana. Melik, A. 1960: Slovensko primorje. Ljubljana. Melo, R., Vieira, G., Caselli, A., Ramos, M. 2012: Susceptibility modelling of hummocky terrain distribution using the information value method (Deception Island, Antarctic Peninsula). Geomorphology 155-156. DOI: http://dx.doi.org/10.1016/j.geomorph.2011. 12.027 Metzger, M. J., Bunce, R. G. H., Jongman, R. H. G., Mücher, C.A., Watkins, J.W. 2005: A climatic stratification of the environment of Europe. Global Ecology and Biogeography 14-6. DOI: http://dx.doi.org/ 10.1111 /j.1466-822X.2005.00190.x Mihevc, A. 1998: Kraško površje. Geografski atlas Slovenije. Ljubljana. Milavec, K., Verbovšek, T. 2012: Večkriterijsko vrednotenje vodonosnika Spodnje Savinjske doline za pridobivanje obnovljive toplotne energije. Geografski informacijski sistemi v Sloveniji 2011-2012. Ljubljana. Mitchell, T. M. 1997: Lecture slides for textbook Machine learning. Medmrežje: http://www.cs.cmu.edu/ afs/cs.cmu.edu/project/theo-20/www/mlbook/ch3.pdf (3.5.2010). Mora, B., Wulder, M. A., White, J. C. 2010: Segment-constrained regression tree estimation of forest stand height from very high spatial resolution panchromatic imagery over a boreal environment. Remote Sensing of Environment 114-11. DOI: http://dx.doi.org/10.1016/j.rse.2010.05.022 148 ir GEOGRAFIJA SLOVENIJE 29 Mršic, N. 1997: Biotska raznovrstnost v Sloveniji, Slovenija - »vroča točka« Evrope. Ljubljana. Mücher, C. A., Bunce, R. G. H., Jongman, R. H. G., Klijn, J. A., Koomen, A. J. M., Metzger, M. J., Wascher, D. M. 2003: Identification and Characterisation of Environments and Landscapes in Europe. Wageningen. Mücher, C. A., Wascher, D. M., Klijn, J. A., Koomen, A. J. M., Jongman, R. H. G. 2006: A new European landscape map as an integrative framework for landscape character assessment. Landscape ecology in the Mediterranean, inside and outside approaches, Proceedings of the European IALE conference. Faro. Mücher, C. A., Klijn, J. A., Wascher, D.M., Schaminée, J.H.J. 2009: A new European landscape classification (LANMAP): a transparent, flexible and user-oriented methodology to distinguish landscapes. Ecological Indicators 10-1. DOI: http://dx.doi.org/10.1016/j.ecolind.2009.03.018 Natek, K. 1993: Tipi površja v Sloveniji. Geografski obzornik 40-4. Natek, K. 1994: Pokrajinsko-ekološke enote Slovenije. Gradivo za Študijo ranljivosti okolja in osnove za pripravo podzakonskega akta, Inštitut za geografijo. Ljubljana. Natek, K. 1998: O regionalizaciji Slovenije. Geografski vestnik 70. Natek, K., Žiberna, I. 2004: Naravnogeografske regionalizacije Slovenije. Teorija in praksa regionalizacije Slovenije. Maribor. Neff, E. 1972: Forderung der Praxis an die naturräumliche Gliederung. Theoretische Probleme der physisch-geographischen Raumgliederung. Bratislava. Ogrin, D. 1996: Podnebni tipi v Sloveniji. Geografski vestnik 68. Ogrin, D. 1998: Podnebje. Geografski atlas Slovenije. Ljubljana. Ogrin, D. 2009: Analiza in funkcijsko vrednotenje fizičnogeografskih sestavin Slovenije. Aplikativna fizična geografija Slovenije. Ljubljana. Olson, D. M., Dinerstein, E., Wikramanayake, E. D., Burgess, N. D., Powell, G. V. N., Underwood, E. C., D'Amico, J. A., Itoua, I., Strand, H. E., Morrison, J. C., Loucks, C. J., Allnut, T. F., Ricketts, T. H., Kura, Y., Lamoreux, J. F., Wettengel, W. W., Hedao, P., Kassem, K. R. 2001: Terrestrial ecoregions of the World: a new map of life on earth. BioScience 51-11. Omernik, J. M. 1995: Ecoregions: A spatial framework for environmental management. Biological assessment and criteria: Tools for water resource planning and decision-making. Florida. OpenLandscapes. Medmrežje: http://openlandscapes.zalf.de/default.aspx (11.8.2011). Oštir, K. 2006: Daljinsko zaznavanje. Ljubljana. Owen, S. M., MacKenzie, A. R., Bunce, R. G. H., Stewart, H. E., Donovan, R. G., Stark, G., Hewitt, C. N. 2006: Urban land classification and its uncertainties using principal component and cluster analyses: a case study for the UK West Midlands. Landscape and urban planning 78-4. DOI: http://dx.doi.org/10.1016/j.landurbplan.2005.11.002 Pan-European biological and landscape diversity. Medmrežje: http://www.peblds.org/index.php?ido= 1&lang=eng (11.8.2011). Pedološka karta. Ministrstvo za kmetijstvo in okolje. Ljubljana, 2007. Medmrežje: http://rkg.gov.si/GERK/ (13.6.2012). Pedološka karta v merilu 1: 25.000. Medmrežje: http://stari.bf.uni-lj.si/cpvo/Novo/SF_PodatkiTalSlove-nije.htm (13.6.2012). Perko, D. 1989: Vzhodna Krška kotlina s posebnim ozirom na poselitev. Magistrska naloga, Filozofska fakulteta Univerze v Ljubljani. Ljubljana. Perko, D. 1990: Tipi pokrajin v porečju Kokre. Geografski obzornik 39-2. Perko, D. 1992: Zveze med reliefom in gibanjem prebivalstva 1880-1981 v Sloveniji. Doktorska disertacija, Filozofska fakulteta Univerze v Ljubljani. Ljubljana. Perko, D. 1998a: The Regionalization of Slovenia. Geografski zbornik 38. Perko, D. 1998b: Tipizacija in regionalizacija Slovenije. Geografski obzornik 45-1. Perko, D. 1998c: Nadmorske višine površja. Geografski atlas Slovenije. Ljubljana. 149 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Perko, D. 1998d: Geografija, regija in regionalizacija. Slovenija, pokrajine in ljudje. Ljubljana. Perko, D. 2001: Analiza površja Slovenije s stometrskim digitalnim modelom reliefa. Geografija Slovenije 3. Ljubljana. Perko, D. 2007a: Morfometrija površja Slovenije. Georitem 3. Ljubljana. Perko, D. 2007b: Landscapes. Slovenia in focus. Ljubljana. Plesnik, P. 1972: Zur Frage der biogeographischen Regionalisation der Slowakei. Theoretische Probleme der physisch-geographischen Raumgliederung. Bratislava. Plut, D. 1977: Fizičnogeografska regionalizacija Koprskega primorja s pomočjo faktorske analize. Geografski vestnik 49. Plut, D. 1980: Raziskovalne in delovne metode pokrajinske ekologije. Geografski vestnik 52. Plut, D. 1981: Pokrajinska ekologija Bele krajine. Raziskovalna naloga, Inštitut za geografijo Univerze Edvarda Kardelja v Ljubljani. Ljubljana. Plut, D. 1995: Brez izhoda? Svetovni okoljski proces. Ljubljana. Plut, D. 1999a: Regionalizacija Slovenije po sonaravnih kriterijih. Geografski vestnik 71. Plut, D. 1999b: Zasnova členitve Slovenije na pokrajine s pomočjo trajnostno sonaravnih izhodišč. Pokrajine v Sloveniji. Ljubljana. Plut, D. 2005: Teoretična in vsebinska zasnova trajnostno sonaravnega napredka. Dela 23. Poehls D. J., Smith, G. J. 2009: Encyclopedic dictionary of hydrogeology. Amsterdam. Pratt, W. K. 2007: Digital image processing. Los Altos. Pravilnik o določanju in vodenju bonitete zemljišč. Uradni list RS 47/2008. Ljubljana. Pravilnik o določitvi vodnih teles podzemnih voda. Uradni list RS 63/2005. Ljubljana. Prestor, J., Rikanovič, R., Janža, M. 2002: Podzemne vode. Ljubljana. Renetzeder, C., van Eupen, M., Mücher, C. A., Wrbka, T. 2008: A spatial regional reference framework for sustainability assessment in Europe. Sustainability impact assessment of land use changes. Berlin, Heidelberg. Repe, B. 2006: Pedogeografska karta in njena uporabnost v geografiji. Doktorska disertacija, Filozofska fakulteta Univerze v Ljubljani. Ljubljana. Repe, B. 2010: Značilne kombinacije pedogenetskih dejavnikov v Sloveniji. Geografski informacijski sistemi v Sloveniji 2009-2010. Ljubljana. Richards, J., Jia, X. 2006: Remote sensing digital image analysis: an introduction. Berlin, Heidelberg. Rivas-Martinez, S., Penas, A., Diaz, T. E. 2009: Worldwide bioclimatic classification system. Medmrežje: http://www.globalbioclimatics.org/ (26.8.2009). Rogerson, P.A. 2006: Statistical methods for geography: a student guide. London, Thousand Oaks, New Delhi. Romportl, D., Chuman, T. 2007: Proposal method of landscape typology in the Czech Republic. Journal of landscape ecology 0-0. Romportl, D. 2009: Landscape typology of the Czech Republic (Typologie krajiny Česke republiky). Doktorska dispozicija, Naravoslovna fakulteta Univerze v Pragi. Praga. Runhaar, H. J., Udo de Haes, H.A. 1994: The use of site factors as classification characteristics for ecotopes. Ecosystem Classification for Environmental Management. Dordrecht. Sagadin, J. 2003: Statistične metode za pedagoge. Maribor. Sanders, L. L. 1998: A Manual of Field Hydrogeology. New Jersey. Schmithüsen, J. 1972: Naturräumliche Gliederung und landschaftsräumliche Gliederung. Theoretische Probleme der physisch-geographischen Raumgliederung. Bratislava. Senegačnik, J. 2012: Slovenija in njene pokrajine. Ljubljana. Singhal, B. B. S., Gupta, R. P. 2010: Applied hydrogeology of fractured rocks. Dordrecht. Sket, B. 2003: Oblikuje se današnje živalstvo. Živalstvo Slovenije. Ljubljana. Slovar slovenskega knjižnega jezika. Elektronska izdaja, DZS. Ljubljana, 2005. Sokal, R. R. 1974: Classification: purposes, principles, progress, prospects. Science 185. 150 ir GEOGRAFIJA SLOVENIJE 29 Soto, S., Pintó, J. 2010: Delineation of natural landscape units for Puerto Rico. Applied Geography 30-4. DOI: http://dx.doi.org/10.1016/j.apgeog.2010.01.010 Spitz, K., Moreno, J. 1996: A practical guide to groundwater and solute transport modelling. New York. SPSS Help. Dokumentacija SPSS Statistics 17.0. 2008. SPSS Statistics 17.0 Algorithms. Medmrežje: http://support.spss.com/ProductsExt/SPSS/ESD/17/Down-load/User%20Manuals/English/SPSS%20Statistics%2017.0%20Algorithms.pdf (6.12.2010). Stumpf, A., Kerle, N. 2011: Object-oriented mapping of landslides using random forests. Remote sensing of environment 115-10. DOI: http://dx.doi.org/10.1016/j.rse.2011.05.013 Swanwick, C. 2002: Landscape character assessment. Guidance for England and Scotland. Sheffield. Símová, P., Gdulová, K. 2012: Landscape indices behavior: A review of scale effects. Applied geography 34. DOI: http://dx.doi.org/10.1016/j.apgeog.2012.01.003 Špes, M., Cigale, D., Lampič, B., Natek, K., Plut, D., Smrekar, A. 2002: Študija ranljivosti okolja. Geograp-hica Slovenica 35-1-2. Tarábek, K. 1972: Die problem der klimageographischen Regionalisation. Theoretische Probleme der physisch-geographischen Raumgliederung. Bratislava. Theodoridis, S., Koutroumbas, K. 2006: Pattern recognition. San Diego. The European Landscape Convention. Medmrežje: http://www.coe.int/t/dg4/cultureheritage/heritage/ landscape/ (11.8.2011). Thompson, R. S., Shafer, S. L., Anderson, K. H., Strickland, L. E., Pelltier, R. T., Bartlein, P. J., Kerwin, M.W. 2005: Topographic, bioclimatic, and vegetation characteristics of three ecoregion classification systems in North America: Comparisons along continent-wide transect. Environmental management 34-S1. DOI: http://dx.doi.org/10.1007/s00267-003-7200-3 Tirelli, T., Pessani, D. 2011: Importance of feature selection in decision-tree and artificial-neural-network ecological applications. Alburnus alburnus alborella: A practical example. Ecological Informatics 6-5. DOI: http://dx.doi.org/10.1016/j.ecoinf.2010.11.001 Topole, M. 1992: Tipi pokrajin v porečju Mirne. Geografski obzornik 39-4. True Marble™ Free Download, 2014. Medmrežje: http://www.unearthedoutdoors.net/global_data/ true_marble/download (14.4.2014). Udo de Haes, H. A., Klijn, F. 1994: Environmental policy and ecosystem classification. Ecosystem classification for environmental management. Dordrecht. Udvardy, M. D. F. 1975: A classification of the biogeographical provinces of the World. IUCN Occasional paper 18. Uttakleiv, L.A. 2012: Landscape mapping of Nordland County, Norway. Geodata magazine, oktober 2012. Uuemaa, E., Antrop, M., Roosaare, J., Marja, R., Mander, Ü. 2009: Landscape metrics and indices: an overview of their use in landscape research. Living reviews in landscape research 3. Van Eetvelde, V., Antrop, M. 2009: A stepwise multi-scale typology and characterisation for trans-regional integration, applied on the federal state of Belgium. Landscape and urban planning 91-3. DOI: http://dx.doi.org/10.1016/j.landurbplan.2008.12.008 Van Melsen, A. G. M. 1955: Natuurfilosie. Amsterdam. Veliki angleško-slovenski slovar. Elektronska izdaja, DZS. Ljubljana, 2005. Veljanovski, T., Kanjir, U., Oštir, K. 2011: Objektno usmerjena analiza podatkov daljinskega zaznavanja. Geodetski vestnik 55-4. Verbič, T. 1998: Kamnine. Geografski atlas Slovenije. Ljubljana. Verbovšek, T. 2008: Koeficienti prepustnosti razpok in matriksa v slovenskih karbonatnih vodonosnikih. Geologija 51-2. Vink, A. P. A. 1975: Land use in advancing agriculture. Berlin. Vodna telesa podzemne vode. Agencija RS za okolje Ministrstva za okolje in prostor. Ljubljana, 2007. Vodotoki. EIONET. Medmrežje: http://nfp-si.eionet.europa.eu/Dokumenti/GIS/voda/ (2.12.2006). Vrišer, I. 1982: Uvod v geografijo. Ljubljana. 151 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Vrišer, I. 1999: Regionalizacija. Pokrajine v Sloveniji. Ljubljana. Waltz, J. P. 1969: Ground water. Water, earth and man: a synthesis of hydrology, geomorphology, and socio-economic geography. London. Warner, T.A., Campagna, D.J. 2009: Remote sensing with Idrisi® Taiga. A beginner's guide. Hong Kong. Wascher, D. M. 2005: Landscape character: linking space and function. European Landscape Character Areas. Typologies, cartography and indicators for the assessment of sustainable landscapes. Wageningen. Whittow, J. B. 2000: Dictionary of physical geography. London. Williams, K.J., Belbin, L., Austin, M.P., Stein, J.L., Ferrier, S. 2012: Which environmental variables should I use in my biodiversity model? International journal of geographical information science 26-11-12. DOI: http://dx.doi.org/10.1080/13658816.2012.698015 Witten, I. H., Frank, E. 2005: Data mining: practical machine learning tools and techniques. Amsterdam. Wolock, D. M., Winter, T. C., McMahon, G. 2004: Delineation and evaluation of hydrologica-landscape regions in the United States using geographic information system tools and multivariate statistical analyses. Environmental management 34-S1. DOI: http://dx.doi.org/10.1007/s00267-003-5077-9 Yohannes, Y., Webb, P. 1999: Classification and regression trees, CARTTM: A user manual for identifying indicators of vulnerability to famine and chronic food insecurity. Washington. Zakon o ratifikaciji Evropske konvencije o krajini /MEKK/. Uradni list RS 19/2003. Ljubljana. Zakšek, K., Podobnikar, T., Oštir, K. 2005: Solar radiation modelling. Computers and geosciences 31-2. DOI: http://dx.doi.org/10.1016Zj.cageo.2004.09.018 Zemljevidi povprečnih mesečnih in letnih temperatur in zemljevidi povprečnih mesečnih in letnih padavin 1971-2000. Agencija RS za okolje. Ljubljana, 2010. Zemljevid tipov kamnin. Geografski inštitut Antona Melika ZRC SAZU. Ljubljana, 2012. Zhou, Y., Narumalani, S., Waltman, W. J., Waltman, S.W., Palecki, M. A. 2003: A GIS-based spatial pattern analysis model for eco-region mapping and characterization. International journal of geographical information science 17-5. DOI: http://dx.doi.org/10.1080/1365881031000086983 Zonneveld, I. S. 1979: Land evaluation and land(scape) science. ITC Textbook on Photo-Interpretation 7. Enschede. Zonneveld, I.S. 1994: Basic principles of classification. Ecosystem classification for environmental management. Dordrecht. Zupančič, B. 1995: Klimatografija Slovenije. Količina padavin: obdobje 1961-1990. Ljubljana. Zupančič, B. 1998: Padavine. Geografski atlas Slovenije. Ljubljana. Zupančič, M. 1989: Fitogeografija. Enciklopedija Slovenije 3. Ljubljana. Zupančič, M., Seliškar, A., Žagar, V. 1998: Rastlinstvo. Geografski atlas Slovenije. Ljubljana. Zupančič, M., Marinček, L., Puncer, I., Seliškar, A. 1998a: Potencialno naravna vegetacija. Geografski atlas Slovenije. Ljubljana. Zupančič, M., Marinček, L., Puncer, I., Žagar, V., Prešeren, M., Seliškar, A., Accetto, M., Tregubov, V. 1998b: Realna vegetacija. Geografski atlas Slovenije. Ljubljana. Žiberna, I., Natek, K., Ogrin, D. 2004: Naravnogeografska regionalizacija Slovenije pri pouku geografije v osnovni šoli. Teorija in praksa regionalizacije Slovenije. Maribor. Žlebnik, L. 1966: Hidrogeološke razmere na območju strojnice elektrarne Srednja Drava 1. stopnja. Geologija 9. Žlebnik, L. 1981: Hidrogeološki pogoji za gradnjo elektrarne Mavčiče. Geologija 24-1. 152 ir GEOGRAFIJA SLOVENIJE 29 12 SEZNAM SLIK Slika 1: Izsek besedila iz Kmetijskih in rokodelskih novic (Kmetijska shola 1843). 11 Slika 2: Shema raziskave. 14 Slika 3: Shematski prikaz modeliranja izvirne naravnopokrajinske tipizacije. 16 Slika 4: Teoretična razporeditev pomena dejavnikov po posameznih ravneh in njihova medsebojna odvisnost (Klijn 1994, 88). 26 Slika 5: Zveza med časovno in prostorsko ravnjo ter dejavniki (Klijn 1994, 91). 27 Slika 6: Ravni in vplivi dejavnikov (Mucher s sodelavci 2003, 17). 28 Slika 7: Hierarhija prevladujočih biofizikalnih procesov po Mackeyju (v Burrough s sodelavci 2001). 29 Slika 8: Pokrajinskoekološki tipi v klasifikaciji TIPI13 (Špes s sodelavci 2002). 42 Slika 9: Pokrajinski tipi (Perko 1998a, 1998b in 2007b). 43 Slika 10: Grafikoni povezanosti med načini vrednotenja podatkov glede na TIPI4. 56 Slika 11: Grafikoni povezanosti med načini vrednotenja podatkov glede na TIPI9. 57 Slika 12: Grafikoni povezanosti med načini vrednotenja podatkov glede na TIPI13. 58 Slika 13: Povezanost povprečnih vrednosti pri vrednotenju podatkov z vidika posamezne klasifikacije. 59 Slika 14: Slovenija, razdeljena s kvadratnimi mrežami 5 krat 5 km, 10 krat 10 km, 50 krat 50km in 100 krat 100 km. 61 Slika 15: Stopnja spreminjanja povprečnega umerjenega koeficienta variacije glede na vrednost koeficienta variacije za celotno Slovenijo. 62 Slika 16: Z Wardovo metodo smo hierarhično združili podatkovne sloje glede na njihove vrednosti stopenj spreminjanja povprečnega umerjenega koeficienta variacije v primerjavi z vrednostjo za celotno Slovenijo. 63 Slika 17: Primer vrednotenja podatkovnega sloja z vidika izstopajočih vrednosti, primer za višinsko razgibanost. 65 Slika 18: Podatkovni sloji, izbrani za modeliranje tipizacij Slovenije. 75 Slika 19: Histogrami izbranih podatkovnih slojev (N = 506.450). 77 Slika 20: Učni vzorci za tipizacijo TIPI9 po naključni izbiri. 80 Slika 21: Histogrami podatkovnih slojev za učne vzorce po naključnem vzorčenju tipizacije TIPI9 (N = 18.000). 81 Slika 22: Učni vzorci za tipizacijo TIPI3 po naključni izbiri. 82 Slika 23: Histogrami podatkovnih slojev za učne vzorce po naključnem vzorčenju za tipizacije TIPI13 (N = 26.000). 83 Slika 24: Učni vzorci za tipizacijo TIPI9 po ekspertni izbiri. 85 Slika 25: Histogrami podatkovnih slojev za učne vzorce po ekspertnem vzorčenju tipizacije TIPI9 (N = 18.000). 86 Slika 26: Učni vzorci za tipizacijo TIPI3 po ekspertni izbiri. 88 Slika 27: Histogrami podatkovnih slojev za učne vzorce po ekspertnem vzorčenju tipizacije TIPI13 (N = 26.000). 89 Slika 28: Modelirane tipizacije TIPI9 po metodah nadzorovane klasifikacije z naključnim naborom učnih vzorcev. 92-92 Slika 29: Modelirane tipizacije TIPI9 po metodah nadzorovane klasifikacije z ekspertnim naborom učnih vzorcev. 94-95 Slika 30: Modelirane tipizacije TIPI13 po metodah nadzorovane klasifikacije z naključnim naborom učnih vzorcev. 96-97 Slika 31: Modelirane tipizacije TIPI13 po metodah nadzorovane klasifikacije z ekspertnim naborom učnih vzorcev. 98-99 153 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Slika 32: Območja, ki se po vseh modelih (z naključnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI9. 113 Slika 33: Območja, ki se po vseh modelih (z ekspertnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI9. 114 Slika 34: Območja, ki se po vseh modelih (z naključnim in ekspertnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI9. 117 Slika 35: Območja, ki se po nobenem modelu (z naključnim učnim vzorcem) ne ujemajo z izvirno tipizacijo TIPI9. Celice so obarvane tako, da prikazujejo (nepotrjeni) tip po izvirni tipizaciji TIPI9. 117 Slika 36: Območja, ki se po nobenem modelu (z ekspertnim vzorčenjem) ne ujemajo z izvirno tipizacijo TIPI9. Celice so obarvane tako, da prikazujejo (nepotrjen) tip po izvirni tipizaciji TIPI9. 118 Slika 37: Območja, ki se ujemajo po vseh modelih (z naključnim vzorčenjem), vendar se ne ujemajo z izvirno tipizacijo TIPI9. Celice so obarvane tako, da prikazujejo tip po modeliranih tipizacijah TIPI9. 120 Slika 38: Območja, ki se ujemajo po vseh modelih (z ekspertnim vzorčenjem), vendar se ne ujemajo z izvirno tipizacijo TIPI9. Celice so obarvane tako, da prikazujejo tip po modeliranih tipizacijah TIPI9. 121 Slika 39: Območja, ki se po vseh modelih (z naključnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI13. 123 Slika 40: Območja, ki se po vseh modelih (z ekspertnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI13. 124 Slika 41: Območja, ki se po vseh modelih (z naključnim in ekspertnim vzorčenjem) ujemajo z izvirno tipizacijo TIPI13. 125 Slika 42: Območja, ki se po nobenem modelu (z naključnim vzorčenjem) ne ujemajo z izvirno tipizacijo TIPI13. Celice so obarvane tako, da prikazujejo tip po izvirni tipizaciji TIPI13. 128 Slika 43: Območja, ki se po nobenem modelu (z ekspertnim vzorčenjem) ne ujemajo z izvirno tipizacijo TIPI13. Celice so obarvane tako, da prikazujejo tip po izvirni tipizaciji TIPI13. 129 Slika 44: Območja, ki se ujemajo po vseh modelih (z naključnim vzorčenjem), vendar se ne ujemajo z izvirno tipizacijo TIPI13. Celice so obarvane tako, da prikazujejo tip po modeliranih tipizacijah TIPI13. 131 Slika 45: Območja, ki se ujemajo po vseh modelih (z ekspertnim vzorčenjem), vendar se ne ujemajo z izvirno tipizacijo TIPI13. Celice so obarvane tako, da prikazujejo tip po modeliranih tipizacijah TIPI13. 132 Slika 46: Postopek objektivnega vrednotenja pri izdelavi tipizacije pokrajine. 138 Slika 47: Primer namišljenega računalniškega programa za izdelavo in vrednotenje naravnopokrajinskih tipizacij. 140 Slika 48: Uporabniki računalniškega programa pri snovanju tipizacije. 141 154 ir GEOGRAFIJA SLOVENIJE 29 13 SEZNAM PREGLEDNIC Preglednica 1: Hieararhija prostorskih enot in ustrezni dejavniki po Klijnu (1994). 27 Preglednica 2: Hierarhija prostorskih enot in ustrezni dejavniki po Baileyu (1996). 28 Preglednica 3: Uporaba naravnih dejavnikov pri klasifikacijah (Groom 2005, 39 in 40). 29 Preglednica 4: Poimenovanja prostorskih enot na različnih ravneh (Bailey 1996, 24). 30 Preglednica 5: Primeri klasifikacij Slovenije glede na več naravnih dejavnikov. 35 Preglednica 6: Primeri klasifikacij Slovenije glede na en sam naravni dejavnik. 36 Preglednica 7: Nekateri primeri klasifikacij manjših območij znotraj Slovenije. 36 Preglednica 8: Seznam klasifikacij območja Evrope. 37 Preglednica 9: Pregled nekaterih značilnosti klasifikacij Evrope. 38 Preglednica 10: Primeri uporabe geografskih informacijskih sistemov za namen klasifikacije. 39-40 Preglednica 11: Imena posameznih pokrajinskoekoloških tipov v klasifikaciji TIPI13. 41 Preglednica 12: Imena in oznake posameznih pokrajinskih tipov v klasifikaciji TIPI9. 42 Preglednica 13: Izbrane metode za vrednotenj podatkovnih slojev. 45 Preglednica 14: Izbrana geoinformacijska orodja za izvedbo metod nadzorovane klasifikacije. 46 Preglednica 15: Pregled izvirnih podatkovnih slojev in njihovi viri. 48 Preglednica 16: Seznam podatkovnih slojev z opredeljenimi merskimi enotami. 49 Preglednica 17: Tipi kamnin (Zemljevid tipov kamnin 2012). 50 Preglednica 18: Razvrstitev kamnin po prepustnosti. 51 Preglednica 19: Pojasnjevalna moč oziroma stopnja povezanosti podatkovnih slojev z obstoječimi klasifikacijami Slovenije. Statistična značilnost posameznih izračunanih koeficientov F in eta2 je manjša od p = 0,001, kar pomeni, da je statistična značilnost lestvic p = 0,041. V preglednicah so zaradi ustrezne primerljivosti in izračuna povprečja uporabljeni indeksi, kjer za posamezno kolono vrednost 1 pomeni povprečno vrednost posamezne mere. 54-55 Preglednica 20: Povprečni umerjeni koeficient variacije za razdelitev Slovenije na različne enote. 60 Preglednica 21: Matrika povezanosti podatkovnih slojev, izražena s Spearmanovim koeficientom (p pomeni Spearmanov koeficient, Np pomeni »ni povezano« pri statistični značilnosti p = 0,001). 66-69 Preglednica 22: Vrednotenje podatkovnih slojev glede na izstopajoče vrednosti oziroma razliko med normaliziranima vrednostima 1. in 99. percentila. 70-71 Preglednica 23: Povprečne velikosti enot znotraj tipov TIPI9 in teoretsko ustrezni dejavniki razmejitve. 73 Preglednica 24: Povprečne velikosti enot znotraj tipov za tipizacijo TIPI13 in teoretsko ustrezni dejavniki razmejitve. 73-74 Preglednica 25: Podatkovni sloji, ki ponazarjajo naravne dejavnike in so glede na velikost obstoječih enot posameznih tipov uporabni za izdelavo tipizacij. 74 Preglednica 26: Temeljne statistične značilnosti izbranih podatkovnih slojev (N = 506.450 celic) izražene v normaliziranih vrednostih (od 0 do 100). 76 Preglednica 27: Spearmanovi koeficienti povezanosti med podatkovnimi sloji (p < 0,01). 76 Preglednica 28: Povprečne vrednosti posameznih podatkovnih slojev po tipih tipizacije TIPI9, izražene v normaliziranih vrednostih (od 0 do 100). 77 Preglednica 29: Povprečne vrednosti posameznih podatkovnih slojev po tipih tipizacije TIPI13, izražene v normaliziranih vrednostih (od 0 do 100). 78 Preglednica 30: Število celic v posameznem učnem vzorcu in njihov delež glede na vse celice v tipizaciji TIPI9 po naključnem vzorčenju. 80 155 Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Rok Ciglic Preglednica 31: Temeljne statistične značilnosti učnih vzorcev po naključnem vzorčenju (N = 18.000 celic) tipizacije TIPI9, izražene v normaliziranih vrednostih (od 0 do 100). 81 Preglednica 32: Povprečne vrednosti podatkovnih slojev za učne vzorce po naključnem vzorčenju po tipih tipizacije TIPI9, izražene v normaliziranih vrednostih (od 0 do 100). 82 Preglednica 33: Število celic v posameznem učnem vzorcu in njihov delež glede na vse celice v tipizaciji TIPI13 po naključnem vzorčenju. 83-84 Preglednica 34: Temeljne statistične značilnosti učnih vzorcev po naključnem vzorčenju (N = 26.000 celic) tipizacije TIPI13, izražene v normaliziranih vrednostih (od 0 do 100). 84 Preglednica 35: Povprečne vrednosti podatkovnih slojev za učne vzorce po naključnem vzorčenju po tipih tipizacije TIPI13, izražene v normaliziranih vrednostih (od 0 do 100). 84 Preglednica 36: Število celic v posameznem učnem vzorcu in njihov delež glede na vse celice v tipizaciji TIPI9 po ekspertnem vzorčenju. 86 Preglednica 37: Temeljne statistične značilnosti učnih vzorcev po ekspertnem vzorčenju (N = 18.000 celic) tipizacije TIPI9, izražene v normaliziranih vrednostih (od 0 do 100). 87 Preglednica 38: Povprečne vrednosti podatkovnih slojev za učne vzorce po ekspertnem vzorčenju po tipih tipizacije TIPI9, izražene v normaliziranih vrednostih (od 0 do 100). 87 Preglednica 39: Število celic v posameznem tipu in njihov delež glede na vse celice v tipizaciji TIPI13 po ekspertnem vzorčenju. 87 Preglednica 40: Temeljne statistične značilnosti učnih vzorcev po ekspertnem vzorčenju (N = 26.000 celic) tipizacije TIPI13, izražene v normaliziranih vrednostih (od 0 do 100). 88 Preglednica 41: Povprečne vrednosti podatkovnih slojev za učne vzorce po ekspertnem vzorčenju po tipih tipizacije TIPI13, izražene v normaliziranih vrednostih (od 0 do 100). 89-90 Preglednica 42: Delež pravilno klasificiranih celic v učnem vzorcu po modeliranju tipizacije TIPI9. 101 Preglednica 43: Delež pravilno klasificiranih vseh celic po modeliranju tipizacije TIPI9. 102 Preglednica 44: Cramerjev koeficient povezanosti ter koeficient kappa za primerjavo med izvirno tipizacijo in posamično modelirano tipizacijo. Vsi izračunani koeficienti so statistično značilni pri p = 0,001. Upoštevane so vse celice. 103 Preglednica 45: Delež pravilno klasificiranih celic v učnem vzorcu po modeliranju tipizacije TIPI13. 104 Preglednica 46: Delež pravilno klasificiranih vseh celic po modeliranju tipizacije TIPI13. 105 Preglednica 47: Cramerjev koeficient povezanosti ter koeficient kappa za primerjavo med izvirno tipizacijo in posamezno modelirano tipizacijo. Vsi izračunani koeficienti so statistično značilni pri p = 0,001. Upoštevane so vse celice. 106 Preglednica 48: Cramerjev koeficient povezanosti za pare modeliranih tipizacijh TIPI9 (p = 0,001). 108 Preglednica 49: Koeficient kappa (%) za pare modeliranih tipizacijh TIPI9 (p = 0,001). 109 Preglednica 50: Cramerjev koeficient povezanosti za pare modeliranih tipizacijh TIPI13 (p = 0,001). 110 Preglednica 51: Koeficient kappa (%) za pare modeliranih tipizacijh TIPI13 (p = 0,001). 111 Preglednica 52: Delež celic, ki se po vseh modelih ujemajo z izvirno tipizacijo TIPI9. 112 Preglednica 53: Delež celic, ki se po nobenem modelu ne ujemajo z izvirno tipizacijo TIPI9. 116 Preglednica 54: Celice, ki so v vseh modeliranih tipizacijah enako klasificirane, a ne enako kot v izvirni tipizaciji TIPI9. 119 Preglednica 55: Delež celic, ki se po vseh modelih ujemajo z izvirno tipizacijo TIPI13. 122 Preglednica 56: Delež celic, ki se po nobenem modelu ne ujemajo z izvirno tipizacijo TIPI13. 127 Preglednica 57: Celice, ki so v vseh modeliranih tipizacijah enako klasificirane, a ne enako kot v izvirni tipizaciji TIP13. 130 156 Seznam knjig iz zbirke Geografija Slovenije 1 Milan Natek, Drago Perko: 50 let Geografskega inštituta Antona Melika ZRC SAZU 2 Jerneja Fridl: Metodologija tematske kartografije nacionalnega atlasa Slovenije 3 Drago Perko: Analiza površja Slovenije s stometrskim digitalnim modelom reliefa 4 Uroš Horvat: Razvoj in učinki turizma v Rogaški Slatini 5 Mimi Urbanc: Kulturne pokrajine v Sloveniji 6 Miha Pavšek: Snežni plazovi v Sloveniji 7 Maja Topole: Geografija občine Moravče 8 Drago Kladnik, Marjan Ravbar: Členitev slovenskega podeželja 9 Damir Josipovič: Dejavniki rodnostnega obnašanja v Sloveniji 10 Irena Rejec Brancelj, Aleš Smrekar, Drago Kladnik: Podtalnica Ljubljanskega polja 11 Franci Petek: Spremembe rabe tal v slovenskem alpskem svetu 12 Aleš Smrekar: Zavest ljudi o pitni vodi 13 Blaž Komac: Dolec kot značilna oblika dolomitnega površja 14 Drago Kladnik: Podomačena tuja zemljepisna imena v slovenskih atlasih sveta 15 Blaž Komac, Matija Zorn: Pobočni procesi in človek 16 Janez Nared: Prostorski vplivi slovenske regionalne politike 17 Lučka Ažman Momirski, Drago Kladnik, Blaž Komac, Franci Petek, Peter Repolusk, Matija Zorn: Terasirana pokrajina Goriških brd 18 Matija Zorn: Erozijski procesi v slovenski Istri 19 David Bole: Ekonomska preobrazba slovenskih mest 20 Blaž Komac, Karel Natek, Matija Zorn: Geografski vidiki poplav v Sloveniji 21 Brigita Jamnik, Aleš Smrekar, Borut Vrščaj: Vrtičkarstvo v Ljubljani 22 Rožle Bratec Mrvar, Lukas Birsak, Jerneja Fridl, Drago Kladnik, Jurij Kunaver: Kocenov srednješolski atlas kot didaktična prelomnica 23 Bojan Erhartič: Geomorfološka dediščina v Dolini Triglavskih jezer 24 Drago Kladnik, Rok Ciglič, Mauro Hrvatin, Drago Perko, Peter Repolusk, Manca Volk: Slovenski eksonimi 25 Drago Kladnik, Drago Perko: Slovenska imena držav 26 Mateja Breg Valjavec: Nekdanja odlagališča odpadkov v vrtačah in gramoznicah 27 Drago Kladnik, Primož Pipan, Primož Gašperič: Poimenovanja Piranskega zaliva 28 Rok Ciglič: Analiza naravnih pokrajinskih tipov Slovenije z GIS-om Geografski inštitut Antona Melika ZRCSAZU Naslov: Gosposka ulica 13, 1000 Ljubljana, Slovenija E-pošta: gi@zrc-sazu.si Medmrežje: http://giam.zrc-sazu.si Inštitut je leta 1946 ustanovila Slovenska akademija znanosti in umetnosti in ga leta 1976 poimenovala po akademiku dr. Antonu Meliku (1890-1966). Od leta 1981 je sestavni del Znanstvenoraziskovalnega centra Slovenske akademije znanosti in umetnosti. Leta 2002 sta se inštitutu priključila Inštitut za geografijo, ki je bil ustanovljen leta 1962, in Zemljepisni muzej Slovenije, ustanovljen leta 1946. Ima oddelke za fizično geografijo, humano geografijo, regionalno geografijo, naravne nesreče, varstvo okolja, geografski informacijski sistem in tematsko kartografijo, zemljepisno knjižnico ter zemljepisni muzej. V njem je sedež Komisije za standardizacijo zemljepisnih imen Vlade Republike Slovenije. Njegovi raziskovalci se ukvarjajo predvsem z geografskimi raziskavami Slovenije in njenih pokrajin ter pripravo temeljnih geografskih knjig o Sloveniji. Sodelujejo pri številnih domačih in mednarodnih projektih, organizirajo znanstvena srečanja, izobražujejo mlade raziskovalce, izmenjujejo znanstvene obiske. Inštitut izdaja znanstveno revijo Acta geographica Slovenica/Geo-grafski zbornik ter znanstveni knjižni zbirki Geografija Slovenije in Georitem. V sodih letih izdaja knjižno zbirko GIS v Sloveniji, v lihih letih knjižno zbirko Regionalni razvoj, vsako tretje leto pa knjižno zbirko Naravne nesreče. GEOGRAFIJA SLOVENIJE 28 9789612547233