Hledání rovnováhy

O geografických informačních systémech (GIS) již většina čtenářů Vesmíru nejspíše slyšela jako o „programu, který zobrazuje data v mapě“. Původně však vznikly za trochu jiným účelem – pro hledání ideální lokality.

Přenesme se do poloviny 20. století. V té době byla běžnou součástí územního plánování analýza území takzvanou překryvnou metodou, která spočívala v tom, že se na podkladovou mapu kladly průhledné fólie se čtvercovou sítí. Každá fólie reprezentovala jedno určité kritérium, a pokud území na některém z čtverců nebylo v rámci kritéria vhodné, neprůhlednou barvou jej zamalovali. Když celé území podle těchto kritérií vyhodnotili, naskládali všechny fólie na sebe a ta místa na podkladové mapě, která zůstala viditelná, byla vyhodnocena jako nejvhodnější.

Zrození GIS

V roce 1959 se jednoho takového projektu účastnil mladý inženýr Roger Tomlinson. V rámci mezinárodní pomoci plánovala kanadská vláda postavit v Keni papírnu. Při průzkumu se bohužel zjistilo, že místní stromy nejsou vhodné pro tvorbu dřevoviny, a tak se projekt změnil na hledání vhodného místa pro novou plantáž stromů (obr. 2), ze kterých lze dřevovinu získat lépe.

Najít ideální místo pro plantáž znamenalo nalézt rovnováhu v mnoha faktorech, které mohou ovlivňovat výnosy. Výzkumníci se obrátili na pedologické mapy, aby našli místa, kde má půda pro pěstování těchto stromů nejlepší vlastnosti. Z výškopisu vytvořili mapu svažitosti, protože na strmých svazích by se stroje potýkaly s problémy při kácení stromů a půda by trpěla erozí. Bylo také potřeba brát v úvahu, které kmeny původních obyvatel žijí usedle a které jsou zvyklé kočovat, protože pracovníci rekrutovaní z usedlejších kmenů měli lepší potenciál stát se dlouhodobými, zkušenými zaměstnanci. Zaznamenali i migrační stezky slonů, kteří by jim mohli pošlapat mladou výsadbu, a zjistili, kde žijí opice, které se naopak mladými stromky živí. Důležité bylo také v celém území zmapovat srážkové poměry, aby plantáž nezaložili ani v suché, ani příliš vlhké oblasti, kde se daří plísním a hmyzím škůdcům. Svou roli hrálo samozřejmě i rozmístění silnic, řek a mostů.

Jak vypadá proces překryvné analýzy, ukazuje tento hypotetický příklad.

Získat všechna tato data byl náročný proces, ještě náročnější pak bylo vše souhrnně analyzovat. Rozpočet najednou přestával stačit. Robert Tomlinson proto dostal za úkol vymyslet, jak analýzu provést úsporněji. Napadlo ho použít počítače IBM, které měla firma v té době k dispozici, a po několika dnech programování se mu podařilo nasbíraná data digitalizovat a překryvnou analýzu provést pomocí počítače.

Ačkoliv se Tomlinson pokusil své řešení nabídnout několika komerčním firmám, byl odmítnut. Firmy neviděly potenciál ke komerčnímu využití. Naštěstí mohl tuto metodu uplatnit znovu – při programu kanadské vlády pro pomoc farmářům. Těch bylo v Kanadě tou dobou na 600 000, orná půda čítala milion čtverečních mil a vláda potřebovala zjistit, k čemu se tato půda dá využít, kolik jsou si farmáři nyní schopni vydělat, jaká je mezi nimi vzdělanost, zda by měla vláda vystavět specializované školy, a pokud ano, tak kde… A odpovědi na tyto otázky měla dát opět překryvná analýza.

Háček byl v tom, že dle odhadu by to trvalo tři roky a bylo by k tomu zapotřebí 550 zkušených kartografů, tedy desetkrát více než měla kanadská vláda k dispozici. Tomlinson navrhl použít své řešení, které by dobu projektu zkrátilo jen na několik týdnů a snížilo náklady z osmi na pouhé dva miliony kanadských dolarů. A tak se zrodil CGIS, Kanadský geografický informační systém, první GIS na světě, na jehož filozofii stavěly všechny GIS, které používáme dnes.

Hledání dnes

Pro dnešní GIS je díky pokroku v technologii a obrovskému skoku ve výpočetním výkonu velmi snadné provádět překryvovou analýzu. Mnohem složitější je sehnat zdrojová data, pomocí nichž analýzu provedeme. Terénní šetření je nenahraditelné a stále vcelku nákladné, přestože moderní technologie umožňují realizovat digitální sběr dat i v aplikaci na mobilním telefonu. Proto stále roste důležitost sdílení dat. Nač znovu sbírat data, která již někdo nasbíral a zpracoval? Zejména státní instituce tak publikují na svých webových portálech data v otevřeném formátu a u geografických dat často i formou webových služeb – datových vrstev. Takovou vrstvu si pak může kdokoli načíst do svého GIS a pracovat s ní, jako by měl tato data u sebe na počítači.

mapě vidíme zelenou barvou vyznačená nejvhodnější místa, zatímco v okolních oknech definujeme, jaké parametry do naší analýzy vstupují.Mapa Jan Souček

Proces překryvné analýzy se skládá z několika snadných kroků (obr. 1), ale jejich zdánlivou jednoduchostí bychom se neměli nechat zmást. Správně identifikovat, které jevy by měly do analýzy vstoupit, a určit váhu intenzity každého jevu je úkol, který musejí řešit specialisté s dokonalou znalostí oboru.

V příkladu na obrázku řešíme vyhledání míst vhodných pro život rysa. Jako základní kritéria si určíme rovinatý až mírně svažitý reliéf terénu, vhodné prostředí (určité typy lesů) a dobrou dostupnost vodních toků. V našem případě však nemáme k dispozici data o svažitosti ani o dostupnosti vody, zato máme data o nadmořské výšce a linie vodních toků. V GIS ale můžeme data o nadmořské výšce přeměnit na data o svažitosti a z dat o potocích odvodíme dostupnost vodních toků pro celé území. Ve schématu vidíme, že jsme začali s určitými základními daty (výška, land use, vodní toky), z nichž jsme vytvořili několik odvozených dat (svažitost terénu a vzdálenost od vodních toků).

Tato data jsou vůči sobě zatím nesouměřitelná. Svažitost vyjadřujeme v úhlových stupních, vzdálenost od vody je v metrech až kilometrech. Následuje proto transformace, kdy data v každé sadě přepočítáme pouze na rozsah 1–10, kde 1 označuje nejméně vhodná místa a 10 místa s nejlepšími podmínkami. Poté všechny takto normalizované vrstvy sečteme a získáme výslednou vrstvu, ve které platí, že čím větší číslo, tím příhodnější podmínky. Nakonec ještě můžeme aplikovat některá prostorová kritéria, například že výsledná plocha má mít alespoň deset hektarů, čímž odfiltrujeme výsledky, které by ve skutečnosti byly k dlouhodobějšímu životu nevyhovující.

Jak takové prostředí pro překryvnou analýzu vypadá, si můžeme prohlédnout na obrázku 3. Mapová okna ukazují vybrané vrstvy a výsledek celé analýzy, který se přepočítává s každou změnou vstupního parametru. Spodní okno slouží k transformaci veličin na stupnici 1–10, přičemž analytik si může detailně nastavit funkci, jejímž prostřednictvím bude veličinu na desetibodovou škálu transformovat, takže maximum může být klidně uprostřed.

Vpravo se nachází prostředí pro finální kompozici. Vliv jednotlivých faktorů je zde možné ještě upravit váhami. Celý model, jímž se analýza počítá, lze také uložit, znovu načíst a jednotlivé parametry variovat, a tím vytvořit několik různých scénářů.

Před šedesáti lety zabrala překryvná analýza týdny, dnes je otázkou několika hodin. A podobně se proměnil i celý svět geoinformatiky. Čím více dat jednotlivé instituce sdílejí, tím lépe můžeme chápat svět kolem nás a dělat taková rozhodnutí, která vedou k udržitelnějšímu životu.