.

Задачі і методи аналізу забруднень в ГІС. (контрольна робота)

Язык: украинский
Формат: контрольна
Тип документа: Word Doc
0 5885
Скачать документ

Контрольна робота

Задачі і методи аналізу забруднень в ГІС.

Вступ

Сучасні геоінформаційні системи (ГІС) являють собою новий тип
інтегрованих інформаційних систем, що оперують координатно-прив’язаною
інформацією і, у силу цього, мають визначену специфіку в організації й
обробці даних, але включають методи обробки даних багатьох раніше
існували автоматизованих систем.

Хоча розробка ГІС почалася більш 30 років тому як чисто географічних
інформаційних систем, якісно новий зміст вони одержали лише за останні
8-10 років. Це зв’язано з тим, що вони перестають бути чисто
географічними. Загальна тенденція їхнього розвитку полягає в тому, що
географічна інформація служить лише основою для рішення великого числа
прикладних задач, зв’язаних з керуванням територіально розподіленими
об’єктами, землекористуванням, навігацією, с/г. виробництвом,
екологічним моніторингом територій, прокладкою різноманітних магістралей
і т.п. Зокрема, великі роботи проводяться по створенню ГІС міського
господарства, ГІС екологічного моніторингу. Усе ширше починають
застосовувати ГІС-технології в бізнесі, причому власне картографічна
інформація в цих ГІС є допоміжної і служить лише для координатній
прив’язці тих додаткових зведень про об’єкт керування, відображення й
аналіз яких є головними функціями даної ГІС.

Але чим ширше стає область застосувань ГІС, тим сильніше відчувається
“однобокість” існуючих ГІС. Хоча в даний час на ринку є велике число
програмних пакетів ГІС, але майже усі вони є симбіозом чисто
картографічних систем із графічними засобами і методами моделювання
САПР. З вітчизняних ГІС можна назвати систему пакетів GeoDraw, GeoGraph,
що доповнюється системою Геоконструктор. З закордонних систем найбільш
відомими є ArcCAD, ArcViev, AtlasGIS, WinGIS, SICAD/open, Maplnfo,
Arclnfo і ін. Маючи досить розвиті засоби уніфікації, перетворення і
збереження вхідної інформації, графічного моделювання і візуалізації,
усі вони характеризуються явно недостатніми засобами аналізу наявної
інформації і підтримки прийняття рішень. Таким чином, для ефективного
використання ГІС-технологій у перерахованих вище нових практичних
додатках інтелектуальність сучасних ГІС явно недостатня. Фактично вони
здатні лише в зручній і наочній формі відображати закладену в них
координатно-прив’язану інформацію і виконувати розрахунки деяких
кількісних характеристик відображуваних об’єктів, чого явно недостатньо
для підтримки прийняття управлінських рішень. Тому метою даного реферату
є типізація нових задач ГІС-технологій і обговорення можливих методів
їхнього рішення, зв’язаних з їхнім застосуванням в інформаційно-керуючих
системах і спрямованих на подальший розвиток аналітичних можливостей ГІС
і методів підтримки прийняття рішень.

Відповідно до розмаїтості конкретного призначення геоінформаційних
керуючих систем різноманітні і розв’язувані ними задачі. Тому провести
їхню класифікацію на змістовному рівні навряд чи можливо. Однак,
абстрагуючи від конкретного змісту задач у даних предметних областях,
можна спробувати класифікувати розв’язувані задачі, використовуючи деякі
формальні ознаки, зв’язані з цілями і процедурами обробки вихідної
інформації в ході їхнього рішення. Така класифікація може істотно
допомогти у виборі найбільш адекватній розв’язуваній задачі методів
аналізу й інструментальних засобів підтримки рішення. Для цього досить
ідентифікувати реальну задачу в конкретній предметній області з одним з
типів по пропонованій класифікації, а далі вибрати з задач, що
рекомендуються для даного типу, методи й інструментальні засоби її
рішення і формалізувати задачу з урахуванням обраних методів і
інструментальних засобів.

1. Побудова картографічних геоінформаційних полів. Ці задачі можна
віднести до класичних задач картографії, якщо інформаційною ознакою є
рельєф місцевості. Традиційний метод їхнього рішення складається в
побудові ізоліній, що відповідають деяким фіксованим значенням даної
інформаційної ознаки. Прикладом може служити відображення висоти
місцевості на географічних картах. Для наочності відображення зони між
сусідніми ізолініями виділяються кольором. (Так, на фізичних
географічних картах низовини відображаються різними відтінками зеленого
кольору, а височини – коричневого.) Якщо відображувана ознака є не
кількісним, а дуальним (“є – ні”), те ситуація тільки спрощується є лише
одна ізолінія, що відповідає границі розподілу даної ознаки.

Дані задачі є традиційними для ГІС і підтримуються багатьма
інструментальними засобами ГІС.

2. Визначення геометричних центрів виділених зон. Ці задачі можуть і
відноситися як до зон (полям) розподілу якісних (дуальних) інформаційних
ознак, так і кількісних. У першому випадку задача зводиться до відомої
геометричної задачі перебування “центра ваги” плоских фігур. В другому
випадку її також можна інтерпретувати як геометричну задачу. Для цього
геоінформаційне поле розподілу даної кількісної ознаки варто представити
у виді об’ємної тривимірної фігури з плоскою основою, де поточне
значення даної ознаки z, що залежить від географічних координат (х, у),
представляє висоту цієї фігури в даній крапці. Тоді задачу перебування
геометричного центра полючи кількісної ознаки можна інтерпретувати як
геометричну задачу перебування проекції центра ваги даної об’ємної
фігури на площину підстави. Оскільки така об’ємна фігура має в
загальному випадку неправильну форму, те найпростіше вирішувати цю
задачу чисельними методами з використанням відомих у теоретичній
механіці методів рівноваги сил і їхніх моментів.

3. Визначення областей перетинання полів розподілу інформаційних ознак.
Для дуальних ознак ця задача зважується простим накладенням полів
розподілу різних ознак один на одного. Обчислення площі області
перетинання, що вийшла, особливої складності не представляє.

Складніше обстоїть справа з полями розподілу кількісних ознак. У цьому
випадку необхідно за даними ознакам увести порівнянні безрозмірні шкали
(простіше всього – у виді відносних значень стосовно максимально
можливого значення даної ознаки). Тоді можна, як і в попередньому
випадку, інтерпретувати полючи розподілу ознак у виді неправильних
об’ємних фігур із плоскою основою і характеризувати зону перетинання цих
фігур її обсягом і площами зони перетинання по кожній ізолінії. Головною
проблемою тут є введення єдиних безрозмірних шкал для всіх інформаційних
ознак, що зіставляються, тому що визначення таких шкал тією чи іншою
мірою суб’єктивно (наприклад, яке значення інформаційної ознаки приймати
в якості максимально можливого – те максимальне значення, що
представлено в даній вибірці даних, фізично гранично можливе значення, а
в останньому випадку – як його визначати). [1-3]

.

У багатофакторних задачах тіснота зв’язків між будь-якою парою
інформаційних ознак визначається так само, як для двохфакторних задач.
При цьому на відміну від звичайних багатомірних задач кореляційного
аналізу наявність інших факторів не “розмиває” зв’язку між будь-якою
парою факторів, тобто чи наявність відсутність інших пересічних з даною
парою інформаційних ознак не змінює коефіцієнта перетинання даної пари
ознак. Це порозумівається тим, що в геоінформаційних задачах
враховується додаткова інформація – координатна, котра і дозволяє
розділяти впливу різних інформаційних ознак. Справді, якщо при
визначенні коефіцієнта кореляції між двома випадковими величинами
враховуються лише самі значення цих величин, то при визначенні
коефіцієнта перетинання двох координатно-прив’язаних випадкових величин
враховуються не тільки самі їхні значення, але і координати кожної
крапки. Це є дуже важливою властивістю координатно-прив’язаних
випадкових величин.

Крім парних коефіцієнтів перетинання аналогічним образом можна визначати
сукупні коефіцієнти перетинання будь-якої підмножини геоінформаційних
ознак або усього заданої безлічі. У цих випадках він повинний
визначатися по формулі:

(1)

де КП – сукупний коефіцієнт перетинання; VП – обсяг сукупної області
перетинання; п – число пересічних інформаційних ознак.

Слід зазначити дві важливих обставини. По-перше, даний аналіз (як і
кореляційний аналіз) дозволяє установити лише тісноту взаємозв’язків між
інформаційними ознаками, але не причинно-наслідкові зв’язку між ними.
Останні можна з’ясувати лише шляхом аналізу фізичного механізму
взаємодії між ними. По-друге, цей аналіз придатний лише для статистичних
задач. Правда, існує цілий клас динамічних задач, які можна привести до
умовно-статичним, увівши тимчасове запізнювання (“лаг”) між факторними і
результуючими ознаками. [2,3]

):

(2)

.

, визначає той інтервал часу, на якій поширюються статистичні
залежності між тимчасовими кадрами даного процесу. Аналогічно можна
обчислити “функцію кросспересічень” двох геоінформаційних процесів, що
будуть показувати тісноту взаємозв’язку одного процесу з іншим. При
цьому можна вводити затримку, що довільно задається, одного процесу
стосовно іншого, що дозволить враховувати інерціальність впливу одного
процесу на іншій.

Крім того, використовуючи представлення геоінформаційного поля полючи у
виді ансамблю координатно-прив’язаних тимчасових рядів, можна
застосовувати традиційні для аналізу тимчасових рядів методи виділення
складових загального динамічного процесу: тренда, коливань щодо тренда,
сезонних змін і залишкової випадкової складової. Ніщо не заважає
доповнити цей аналіз, проведений у тимчасовій області, аналізом окремих
параметрів цього полючи в частотній області. Для цього можуть бути
використані як деякі інтегральні параметри полючи (наприклад, що сковзає
середнє значення для кожного тимчасового кадру; площа, займана полем;
обсяг його тривимірної фігури, що відображає,), так і значення полючи у
фіксованих координатних точок, що являють собою звичайні тимчасові ряди
і до них повною мірою можна застосовувати методи спектрального аналізу.
[3]

6. Задачі класифікації геоінформаційних показ. Класифікувати, тобто
відносити представлене геоінформаційне поле до одному з можливих класів,
можна по різних ознаках: по займаній площі, по її конфігурації, по
середній інтенсивності полючи, за формою тривимірної фігури при
геометричній інтерпретації полючи кількісної ознаки і т.д. (не говорячи
вже про фізичну природу цього полючи). Ряд їх цих класифікаційних ознак
(такі як площа, займана полем, його середня інтенсивність або сумарний
обсяг тривимірної фігури, що відображає поле) характеризується чіткими
кількісними критеріями і для побудови класифікатора досить задати
границі кожного класу по даній класифікаційній ознаці. У цьому випадку
задачі зважуються чисто детермінованим методом. Подібні задачі стають
стохастичними, якщо границі геоінформаційних полів розмиті, або задані
нечітко, або самі поля представлені статистичною безліччю вимірів його
інтенсивності в якихось дискретних точок простору. При цьому поняття
границі полючи інформаційної ознаки стає невизначеним, а виходить, і
значення критерію (класифікаційної ознаки), по якому проводиться
класифікація, для конкретних реалізацій геоінформаційних полів можуть
бути обчислені з обмеженою точністю. Але суть вирішальних правил від
цього не міняється. Як і раніше вони задаються у виді числових значень
даної ознаки, що визначають границі між класами. І якщо значення даної
ознаки (критерію класифікації) для конкретної реалізації
геоинформационного полючи далеко від граничних значень, то
невизначеність границь самого полючи практично не позначається на
вірогідності класифікації.

Якщо кількісних класифікаційних ознак трохи, і вони утворять
багатомірний простір, у якому необхідно проводити класифікацію, причому,
є навчальна вибірка вже класифікованих реалізацій полів даної
інформаційної ознаки, то класифікатор може будуватися за допомогою
різних детерміністських методів. При цьому, хоча самі реалізації
об’єктів класифікації являють собою просторово-розприділені поля, але в
просторі класифікаційних ознак кожна така реалізація представляється
крапкою з координатами, що відповідають значеннями цих класифікаційних
ознак для даної реалізації. Тому для класифікації подібних реалізацій
можуть, без всяких обмежень застосовуватися такі детерміністські методи,
як метод еталонів, метод дискримінантних функцій, метод найближчих
сусідів і ін.

Найбільш складними є такі задачі класифікації, у яких не задані критерії
класифікації, тобто ті інформативні ознаки, по яких повинна проводитися
класифікація, і не визначений весь алфавіт класів. Звичайно вихідна
інформація в таких задачах представлена деякою кількістю вже
класифікованих реалізацій, для яких відомі (або можуть бути обмірювані)
визначене число якихось кількісних характеристик, причому ці
характеристики можна розглядати як інформативні ознаки, у просторі яких
можна будувати класифікатор, але не відомо, чи є дана безліч
інформативних ознак достатнім, недостатнім або надлишковим. Крім того,
крім класів, представлених у навчальній вибірці, можуть існувати й інші
класи, про які нічого невідомо. По представленій вибірці з безлічі
інформативних ознак необхідно знайти мінімальна підмножина, а для нього
такий класифікатор, що, по-перше, дозволяв би безпомилково класифікувати
реалізації навчальної вибірки, а по-друге, з максимальною вірогідністю
класифікував би нові реалізації, якщо вони відносяться до одному з
представлених у навчальній вибірці класів. Якщо ж нова реалізація
відноситься до неврахованого класу, то вона не повинна помилково
ототожнюватися з якимсь із представлених класів, тобто не повинна
відноситися до жодного з цих класів. Для таких задач принципове значення
мають питання визначення ступеня інформативності класифікаційних ознак і
методів відбору їхньої мінімальної сукупності для побудови
класифікатора.

Для динамічних геоінформаційних класифікаційних задач основною ознакою
класифікації є поводження геоінформаційних полів у часі. Тут можна
розглядати наступні класи геоінформаційних процесів:

відносно стабільні дуже повільні процеси, полючи яким за розглянутий
інтервал часу практично не міняються;

періодичні процеси (наприклад, природні або господарські процеси,
зв’язані з часами року);

загасаючі процеси (наприклад, процеси, зв’язані з наслідками природних
або техногенних катастроф);

процеси, що розвиваються, які характеризуються поступовим посиленням і
територіальним розширенням зв’язаних з ними геоінформаційних полів;

міграційні процеси, зв’язані з поступовим дрейфом відповідних
геоінформаційних полів по географічних координатах і ін.

Для одних з них основними класифікаційними критеріями є характер і
швидкість зміни географічних координат полючи, для інших – зміни
інформаційної ознаки, для третіх – і те, і інше разом. Аналіз змін
географічних координат і інформаційної ознаки по окремості праці не
представляє. Але оцінка їхніх сукупних змін – задача не тривіальна.
Одним з можливих методів такого аналізу є побудова запропонованої в
попередньому розділі функції автопересічень геоінформаційного поля.
Відповідно критеріями класифікації можуть бути окремі параметри цієї
функції. Але для таких класифікаційних ознак, як форма (і плоских, і
тривимірних фігур, утворених полем), прості кількісні критерії знайти
дуже складно. У цих випадках доцільно скористатися широким арсеналом
методів розпізнавання образів, вибір з який повинний визначатися
специфічними особливостями конкретної задачі. [4-5]

7. Побудова математичних моделей екологічних геоінформаційних показів
(для статичних систем). Така задача може ставитися лише для
інформаційних полів кількісних ознак. Під час обговорення задач
четвертої групи говорилося про визначення тісноти взаємозв’язків
геоінформаційних полів. Якщо апріорно всі аналізовані інформаційні
ознаки розділені на факторні і результативні, то такий аналіз дозволить
відсіяти всі незначущі факторні ознаки і для кожної результативної
ознаки визначити підмножина найбільш значимих факторних ознак. Тепер
залишається лише побудувати математичні моделі цих зв’язків. Відмінність
даних задач від традиційних задач багатомірного регресивного аналізу
полягає в тому, що кожна перемінна, між якими шукається залежність,
представлена не сукупністю своїх реалізацій (або своїх значень, які
можна представити як реалізації випадкової величини), а тривимірним
полем розподілу, де дві координати є геометричними, а третя – значенням
інформаційної ознаки. Однак ця відмінність не вплине на математичний
апарат побудови математичної моделі, якщо умовитися, що метою даної
моделі є найбільш точне відтворення “рельєфу” факторних ознак для тих же
координатних крапок. Іншими словами, така модель повинна з найбільшою
можливою точністю пророкувати значення результативної ознаки для кожної
точки геометричних координат за заданим значенням факторних ознак для
тих же геометричних координат. Використання ж математичного апарата МНК
(методу найменших квадратів) дозволить мінімізувати усереднену по всіх
координатних точок помилку визначення результативної ознаки. Таким
чином, до цих задач можна застосовувати відомий математичний апарат
багатомірного регресивного аналізу. Більш того, добір значимих факторів
у порівнянні з традиційними задачами регресивного аналізу істотно
полегшується, тому що для цього можуть використовуватися парні
коефіцієнти перетинань кожної факторної ознаки з результативним, а, як
було показано вище, на ці коефіцієнти не впливають інші фактори,
зв’язані з тією же результативною ознакою. А для підбора моделі
оптимального виду і складності можна скористатися тими ж критеріями, що
і для традиційних задач регресивного аналізу в їхній загальній
постановці (коли заздалегідь не визначена не безліч факторних ознак, не
вид моделі).

Тепер звернемося до динамічних задач. Насамперед, варто розглянути
можливі методи прогнозування змін окремо узятого динамічного
геоінформаційного поля. Визначені представлення про характер очікуваних
змін можна одержати, побудувавши і проаналізувавши функцію
автопересічень цього полючи. Додаткові зведення можна одержати,
побудувавши тимчасові і просторові тренди і сезонні коливання найбільш
важливих інтегральних характеристик цього полючи (таких як середня
інтенсивність, площа поширення й ін.). Однак усі ці методи не дозволяють
прогнозувати майбутні значення інтенсивності полючи й у якійсь
конкретній крапці даного полючи. Для цього придатний лише метод
авторегресії. Він широко застосовується для аналізу і прогнозування
тимчасових рядів і, у принципі, його можна прямо застосувати для
побудови авторегресії для будь-якої географічно заданої крапки полючи.
Дійсно, для кожної фіксованої координатної крапки полючи послідовність
миттєвих значень полючи буде представляти звичайний часовий ряд, і для
нього може бути побудоване рівняння авторегресії, що пророкує значення
інформаційної ознаки в даній крапці полючи по деякій послідовності
обмірюваних попередніх значень. Рівняння авторегрессії будується по
безлічі кінцевих відрізків тимчасового ряду, що складаються з р
послідовних його значень, усереднюючи помилку на цій безлічі. Число р
дискретних звітів, по яких будується рівняння авторегресії, називають
його порядком. Воно повинно не перевищувати інтервалу автокореляції
даного тимчасового ряду. Побудувавши рівняння авторегресії, можна
послідовно обчислювати значення інформаційної ознаки на один, два, три і
т.д. інтервали дискретизації вперед. У принципі, ніщо не заважає
побудувати такі рівняння для кожної крапки полючи (крім великого обсягу
обчислювальної роботи) і з їх допомогою прогнозувати майбутні стани поля
в будь-якій його точці або у всіх відразу.

Більш складною задачею є побудова кількісної моделі зв’язку декількох
пересічних геоінформаційних полів. Для добору значимих факторних полів
тут можна застосувати функції кросспересічень. При цьому якщо має місце
інерціальність впливу тих чи інших факторів, то вона може бути врахована
уведенням відповідного часу запізнювання при побудові функції
кросспересічень результуючого ознаки з даним фактором. Що ж стосується
побудови самих математичних моделей, то вони повинні визначатися
методами багатомірної регресії для синхронних (або запізнілих на заданий
інтервал часу) кадрів полів, що враховуються. Можуть знаходитися
регресійні моделі, як для деяких інтегральних параметрів результуючого
полючи, так і для значень результуючого полючи в конкретних координатних
точок. Так само, як і в попередньому випадку, ніщо не заважає при
необхідності визначити такі рівняння для кожної точки простору,
займаного результуючим полем. [1,3]

8. Оптимізаційні задачі. Можна представити кілька різновидів
геоінформаційних оптимізаційних задач, для рішення яких будуть потрібні
різні методи.

8.1 Оптимізація розміщення геоінформаційного поля на географічній
місцевості з обліком її геофізичних особливостей. Прикладом таких задач
можуть служити відвід землі під нове будівництво, планування площ
сільськогосподарських земель під оброблення тієї чи іншої культури і
т.д. Для рішення цих задач можна використовувати математичний апарат
лінійного програмування. Основні труднощі при цьому будуть полягати у
формалізації геофізичних особливостей місцевості, що повинні
враховуватися при рішенні задачі, а обмежень, що також накладаються, і
критеріїв оптимізації.

Важливою модифікацією цієї задачі є задача оптимального вибору місця для
розміщення якого-небудь об’єкта. Від попередньої дана задача
відрізняється тим, що, як правило, не існує єдиного чіткого критерію
оптимальності розміщення. Можна сформулювати лише дуже нечіткі “функції
переваги”, які варто враховувати при виборі місця розміщення об’єкта.
Для формалізації таких функцій переваги приходиться залучати методи
нечіткої логіки або лінгвістичні методи.

Особливою специфікою відрізняються дані задачі при розміщенні
(трасуванню) протяжних об’єктів: доріг, трубопровідних магістралей,
ліній електропередач і ін. Для їхнього рішення методи лінійного
програмування в чистому виді не підійдуть. Тут більш придатний метод
послідовних наближень, а основною проблемою є облік впливу геофізичних
особливостей місцевості на економічні витрати при будівництві даного
об’єкта.

8.2 Оптимізація розміщення декількох непересічних геоінформаційних полів
на географічній місцевості з обліком її геофізичних особливостей і
функцій переваг для кожного геоінформаційного поля. Такі задачі щорічно
приходиться вирішувати сільськогосподарським підприємствам при
розміщенні посівів різних сільськогосподарських культур. При цьому
заданими варто вважати загальну площу орних земель і площі, що
відводяться під кожну культуру. Тут також не існує чітких критеріїв
оптимальності і приходиться використовувати “нечіткі” знання, що
виражаються у виді функцій переваги і висновків з минулого досвіду. Тут
же повинні враховуватися і більш чіткі вимоги сівозміни. У принципі, ці
задачі мають багато загального ос другою модифікацією попередньої
задачі, але вимагають обліку великого числа обмежень і є більш
громіздкими.

8.3 Задачі оптимального вибору фізичної природи непересічних
геоінформаційних полів і їхнього оптимального розміщення на заданій
географічній місцевості. Ці задачі фактично є більш загальною
постановкою задач попереднього типу, коли вихідний набір фізичних
інформаційних ознак не заданий і його варто вибирати як підмножина не
заданої розмірності з дуже великої загальної безлічі таких ознак. Якщо
як приклади знову звернутися до сільськогосподарських задач, то цьому
класу задач будуть відповідати задачі оптимального планування
використання наявних сільськогосподарських угідь. Тут основним критерієм
оптимальності є економічна ефективність сільськогосподарського
виробництва. Однак даний критерій вбирає в себе безліч приватних
критеріїв і різноманітних функцій переваги, що неможливо виразити
детермінованими функціями. Крім того, це типова системна задача, що
вимагає обліку впливу численних факторів оточення як економічного, так і
технічного і соціального характеру, особливо якщо неї вирішувати не в
масштабах окремого господарства, а в масштабах чи району області.

8.4 Оптимізація полючи результуючого інформаційної ознаки шляхом підбора
визначених факторних ознак і їх інтенсивності. Суть цієї задачі можна
ілюструвати типовою задачею сільськогосподарського виробництва –
оптимізації агротехнологій вирощування визначеної сільськогосподарської
культури з урахуванням геофізичних особливостей розміщення посівних площ
і впливу погодних умов. Ці задачі є розвитком і узагальненням задач 4, 5
і 7-го класів. У якості активних факторів, що впливають, тут виступають
агротехнологічні прийоми передпосівної обробки ґрунту і терміни її
проведення (з урахуванням погодних умов, що також виражаються
геоінформаційними динамічними полями); види внесених добрив і
гербіцидів, кількість і терміни їхнього внесення; види і терміни
проміжної агротехнічної обробки посівів (прополка, культивація,
підгодівля і т.п.); терміни збирання врожаю. Для рішення подібних задач
частково можуть використовуватися ті кількісні математичні моделі, що
можуть бути отримані при рішенні задач 7-го класу за результатами
господарювання за попередні роки. Однак, з огляду на розмаїтість
погодних і інших зовнішніх умов, для достовірного обліку яких потрібна
статистика за багато років, навряд чи можна сподіватися на одержання
досить достовірних прогностичних кількісних моделей. Швидше за все, ці
задачі прийдеться вирішувати з використанням технологій штучного
інтелекту: нечітких безлічей, нечіткої логіки, експертних систем,
заснованих на формуванні знань у даній предметній області і використанні
функцій переваг, генетичних, продукційних алгоритмів і т.д. для висновку
рішень. Для одержання ж самих функцій переваг можуть бути використані
рішення задач 4-го класу за результатами господарювання за попередні
роки.

8.5 Задачі масового обслуговування стосовно до обслуговування територій.
Сюди відносяться численні задачі, починаючи з класичної задачі
комівояжера і кінчаючи задачами оптимального розміщення торгових точок,
відділень зв’язку, організації різних інформаційних мереж, включаючи
стільникові мережі зв’язку, мережі збору даних для задач екологічного
моніторингу територій і т.п. Стосовно до координатно-прив’язаної
інформації ці задачі також мають специфіку, що відрізняє їхній від
класичних задач масового обслуговування. Але вони настільки
різноманітні, що поки важко говорити про загальні методи їхнього
рішення. Швидше за все, тут також не обійтися без використання методів
штучного інтелекту. [1-2]

Теми для науково-інженерних досліджень.

Перспективи переростання даної реферативної роботи в дослідницьку, як
мені здається, великі. Насамперед, можна спробувати розробити програму,
що вирішує яку-небудь із приведених вище задач, придумати нові способи і
методи візуалізації отриманих результатів. Спробувати розробити нові
методи рішення цих чи задач удосконалити вже існуючі. Тому що даний
реферат відбиває суб’єктивну точку зору автора, то можна розробити
власну, більш об’єктивну класифікацію задач, розв’язуваних подібними
системами.

Нижче представлені можливі теми для науково-інженерних досліджень:

1. “Вибір оптимального місця для трасування трубопровідних магістралей”.

2. “Розробка уніфікованих безрозмірних шкал інформаційних ознак при
визначенні областей перетинання полів розподілу цих ознак”.

3. “Розробка нових способів візуалізації при побудові картографічних
геоінформаційних полів”.

4. “Розробка програмного пакета для визначення геометричного центра
виділеної зони”.

5. “Оптимізація агротехнології вирощування пшениці з урахуванням
геофізичних особливостей розміщення посівних площ і впливу погодних
умов”.

6. “Вибір оптимального планування використання сільськогосподарських
угідь”.

7. “Побудова кількісної моделі зв’язку декількох пересічних
геоінформаційних полів”.

Список літератури:

1. Цвєтков В. Я. Геоінформаційні системи і технології. М.: Фінанси і
статистика, 1998. 288с.

2. Біляків С.Л. Нечіткі знання і висновок у геоінформаційній системі //
Інформаційні технології. 2001. №12. С. 16-19.

3. Дрейзин В.Э. Типізація задач і методи аналізу і підтримки прийняття
рішень у геоінформаційних автоматизованих системах керування //
Інформаційні технології. 2003. №3. С. 2-8.

4. Системи, що розпізнають: Довідник / В. И. Васильєв. Київ: Наукова
думка, 1983. 422 с.

5. Дрейзин В.Э. Основні проблеми застосування методів розпізнавання
образів для рішення класифікаційних задач контролю, який не руйнується,
// Методи і прилади автоматичного контролю, що не руйнується. Рига: РПИ,
1982. С. 77-89.

Використання ГІС-технологій у проектах зонування міських територій.

На основі досвіду комп’ютерної підтримки проектів зонування в містах з
населенням 0.5-1.3 млн. жителів у 1996-1999р.

У плині ряду років USAID фінансувало проекти правового зонування в
російських містах (далі буде розглядатися досвід роботи в Новгороді,
Твері, Іркутську, Самарі, Хабаровську). Виповнювалися проекти різними
фірмами: Bancroft Group, PADCO, Інститут економіки міста. Наступність
забезпечувалася не тільки передачею матеріалів, але, головне, наявністю
постійного “ядра” виконавців як з російської, так і з американської
сторони.

У чому особливості даного періоду часу в Росії з погляду використання
ГІС технологій?

У багатьох країнах (у тому числі розвитих) застосування комп’ютерів у
керуванні міськими територіями, веденні кадастру, аналізі ринкових
тенденцій у рамках міста дуже обмежено. У зв’язку з цим виділимо
причини, по яких автоматизація рішення міських задач, у тому числі і
зонування території, у російських містах представляється дуже розумної:

усі матеріали зв’язані з нерухомістю, у тому числі з земельними
ділянками, у розвитих капіталістичних країнах велися задовго до винаходу
комп’ютерів і переклад їх у комп’ютерну форму зв’язаний з великими
одноразовими витратами, а в Росії такі матеріали тільки з’являються;

у Росії в даний час динаміка використання нерухомості (перехід з рук у
руки, зміну функцій і обсягів) значно вище чим у стабільних країнах, а
це значить, що оперативність доступу до інформації, що забезпечує
комп’ютер здобуває в нас більше значення;

в даний час перед міською владою часто стоїть задача відновлення всієї
картографічної інформації з міста, тому що існуюча традиційна
картографічна інформація застаріла, недостовірна, окремі її частини
суперечать один одному;

в даний час у Росії вже існує значний комп’ютерний парк і значні
потужності по випуску комп’ютерів. Ціни на комп’ютери (у відмінності від
багатьох інших товарів) нижче чим у більшості країн.

у силу особливостей соціалістичного етапу розвитку країни в Росії існує
багато високопрофесійних програмістів і системних інтеграторів (у тому
числі на місцях) здатних вирішувати складні інформаційні задачі в рамках
міста при обмеженому фінансуванні і вартість, що створили оригінальні
програмні комплекси, яких (особливо в умовах кризи 1999 року) значно
нижче закордонних;

деякі фірми-виробники програмного забезпечення передбачаючи ріст попиту
на ГІС і бажаючи закріпитися на ринку надають пільгові умови продажу.

Це сприятливий збіг обставин носить тимчасовий характер, тому важливо не
упустити можливості.

На жаль є обставини перешкоджаючі коректній роботі з міською
інформацією. Це насамперед усепроникаючі правила дотримання таємності.
Особливо це стосується проектів за участю іноземців. Практично
недоступна загальноміська інформація масштабів від 1:10000 до 1:500.
Секретної є і міська система координат у який прив’язані всі міські
об’єкти. Можуть бути наступні шляхи одержання необхідної для задач
зонування інформації в таких умовах:

покупка виданих останнім часом і вільно розповсюджуваних у торгівлі
міських карт масштабів 1:20000 – 1:30000 з подальшому скануванням і
векторизацією,

використання матеріалів відділу головного архітектора, міських і
центральних проектних організацій. Насамперед це стосується уточнень
планування окремих кварталів і складання адресної схеми.

заявка на розсекречення плану міста визначеного масштабу. Як правило
такі роботи проводяться в організаціях картографії і геодезії. Також це
можуть зробити військові картографи, причому в них часто такі карти вже
існують готові. Розсекречення карти коштує порядку тисяч доларів і
містить у собі зняття з карти секретних і стратегічних об’єктів, іноді
внесення перекручувань.

використання знімків з космосу. На сьогоднішній день з погляду
картографії точність отриманої зі знімків (не військових) інформації не
краще масштабу 1:20000. Такі знімки досить дорогі і трудомісткі в
оцифровці, але їх вигідно відрізняє оперативність і актуальність.
Характерно те, що ввіз такого знімка в Росію, сполучений із труднощами
проходження прикордонного контролю.

Можливо надалі ці труднощі будуть зняті. Надії на це зв’язано з запуском
комерційних низькоорбітальних супутників які будуть надавати всім
бажаючим знімки територій з ідентифікацією об’єктів аж до 10-20 см. У
таких умовах продовжувати практику загальної таємності можна тільки
цілком відгородившись від зовнішнього світу. Утім поки практика
засекречування матеріалів підсилюється.

Інші труднощі складаються в прагненні всіх колективів і організацій (у
тому числі державних і муніципальних) до монопольного використання
інформації потрапила в їхнє розпорядження. Такий підхід утрудняє
створення й ефективне використання відкритих міських баз даних.
Інформація що знаходиться в таких організаціях часто втрачає
актуальність і повноту в силу такої ізольованості й одержання до неї
доступу втрачає зміст. Вищесказане стосується як комп’ютерної так і
традиційної інформації.

Загальним для всіх проектів було те, що специфічне комп’ютерне
забезпечення правового зонування міської території в кожнім місті було
відсутнє. У жодному з перерахованих міст в адміністрації не
використовували ГІС для рішення міських задач. В усіх містах існували
групи фахівців, що у тому чи іншому обсязі володіли інформацією у виді
електронних карт, різної вірогідності, актуальності і точності. Скрізь
велися розробки програм і алгоритмів, у деяких містах починали
використовувати ГІС. Але в жодному відділі міського архітектора, у
жодному кабінеті адміністрації не було робочого місця “кінцевого
користувача” ГІС, хоча саме для цього призначені сучасні комп’ютерні
системи. Підхід до організації процесу зонування сполучив у собі
розподіл зусиль розроблювачів засобів програмної й інформаційної
підтримки цього процесу між різними організаціями й адміністративну і
фінансову централізацію. Цей підхід представляється дуже ефективним не
тільки в змісті організації роботи, але й у змісті широкого доступу до
результатів. По іншому складається в таких метрополіях як Москва і
Петербург: програмні і методологічні розробки дублюються, одночасно
використовуються різні погано сумісні системи, результати роботи
ретельно оберігаються в надії витягти надприбуток.

Варто сказати кілька слів про ГІС. ГІС технології, як і інші сучасні
комп’ютерні технології служать для того, щоб кінцевий
користувач-фахівець (у нашому випадку фахівець з зонування) вирішував
свої професійні задачі з залученням ресурсів комп’ютера без
посередників. Для цього й існує “ГІС кінцевого користувача”, що є,
зокрема, Mapinfo. У рамках ГІС технологій існують дві задачі: введення і
первинна обробка вихідних картографічних матеріалів, що займає до 90%
ресурсів часу і грошей в електронній картографії, і розробка інтерфейсу
кінцевого користувача, що може містити в собі організацію екранного
меню, розробку стандартних запитів по вибірці елементів, розробка
тематичних карт, розробку комп’ютерних програм і запитів до баз даних
для рішення конкретних задач користувача. Для рішення першої задачі
використовуються спеціальні програмні й апаратні комплекси й особливі
методики. Тому що для рішення задач зонування, особливо на першому етапі
немає необхідності одержання сертифікованої карти, можна не залучати
фахівців і особливі периферійні пристрої. Можна самостійно провести
векторизацію растрового зображення за допомогою спеціалізованого
недорогого векторизатора (наприклад GeoDraw) або навіть використовувати
звичайний графічний радактор, такий як CorelDraw. При такий векторизацій
варто пам’ятати про те, що одержання векторної карти можна проводити в
кілька етапів (по тематичних шарах), а в деяких випадках залишати
растрові зображення без обробки і застосовувати їх у ГІС кінцевого
користувача як “підкладку”. У цьому випадку сканування варто робити так,
щоб растрове зображення більш-менш збігалося з орієнтацією векторної
карти, тому що саме верх растрового зображення буде визначати верх усієї
карти, а векторне зображення буде до нього “притягнуто”. У загальному
випадку (не для “підкладки”) сканування варто робити професійно
(рекомендується використання барабанного сканера), тому що це коштує
недорого, а подальші етапи одержання сертифікованої або хоча б точної і
повної векторної карти можна відкласти. Що стосується розробки
інтерфейсу кінцевого користувача, то на першому етапі справа обмежується
просто установкою системи і вихідних таблиць векторної інформації. При
необхідності векторна інформація перетвориться, растрові зображення
“реєструються”. Усі спеціальні програмні розробки віднесені на наступні
етапи.

Графічні редактори можна розділити на растрові (наприклад Photoshop),
векторні (наприклад AutoCAD) і змішані (наприклад CorelDraw). У чому
переваги графіки в ГІС перед звичайними графічними редакторами і CAD
системами? За рахунок поділу на дві підсистем: підсистему введення
інформації і підсистему “кінцевого користувача” різко зменшуються вимоги
до ресурсів комп’ютера, вони стають простіше в освоєнні. ГІС мають
здатність здійснювати специфічні операції: зведення карт із різних
джерел, у тому числі деформованих, перетворення географічних координат,
складання тематичних карт, аналізувати топологію карти, здійснювати
вибірки в реляційній БД із відображенням результату на карті.
Особливістю ГІС є те, що будь-який графічний елемент, що складається з
графічних примітивів (крапковий об’єкт, ламана, полігон) відображається
не тільки на карті, але і рядком у відповідній таблиці. Інакше кажучи,
ГІС оперує таблицями, що можуть бути не тільки таблицями в звичайному
змісті цього слова, але і безліччю графічних елементів. Це, і наявність
убудованих мов програмування, дозволяє кінцевому користувачу, у нашому
випадку фахівцю з зонуванню міської території, не тільки проводити
границі на екрані, але і вирішувати різноманітні аналітичні задачі.
Робота з картою спирається на векторний формат, але в деяких випадках
необхідно використовувати растрові зображення (скановані карти й
аерокосмічні знімки), причому такі растрові зображення бувають з високим
дозволом і великою глибиною кольору. По цієї причині ГІС здійснює
ефективну роботу не тільки з векторами, але і з будь-яким растром.

Найбільш просунуті у виготовленні електронної карти були відділи
міського кадастру. Але там, де така карта була в достатньому обсязі
зроблена і могла б використовуватися в проекті, перешкодою були проблеми
таємності. У такий спосіб у кожнім місті першим кроком було устаткування
робочого місця для ведення проекту зонування на комп’ютері; потім
підготовка відповідних кадрів, установка програмного забезпечення,
налагодження взаємодії з групою “комп’ютерщиків”. Наступним кроком було
виготовлення карти-схеми або міста одержання розсекреченої електронної
карти від місцевої картографічної чи служби від групи комп’ютерного
супроводу рішення різноманітних проектних і містобудівних задач. Такі
групи як правило стали в даний час формальне автономні, включають у свій
склад проектувальників і тісно взаємодіють з міською адміністрацією. На
першій стадії робіт (у 1996 році) такі електронні карти можна було
одержати тільки у форматі AutoCAD, у даний час такі карти можна одержати
відразу у форматі ГІС.

Варто докладніше зупинитися на проблемах зв’язаних з електронною картою,
що є інформаційною основою для використання ГІС. Така електронна карта
міста повинна:

мати достатню повноту, тобто містити границі міста, районів, кварталів;
природні границі, такі як ріки, озера, круті схили; природні ресурси
(озеленення й ін.); зонування по використанню (промисловість, житло,
рекреація); комунікації (автотраси, залізниці, річкові пристані й ін.)
включаючи назви вулиць.

повинна бути розумно структурована, тобто розбита на шари (таблиці).
Крім цього представляється дуже корисним мати крім карти всього міста
більш детальну інформацію з фрагментів.

повинна бути досить актуальна, тобто інформація повинна відповідати
сучасному положенню справ у місті; особливо це стосується критичної
інформації.

повинна бути цілісна, тобто не містити швів склейки планшетів і
покривати всю територію міста.

повинна бути досить “легкої”, тобто не можна витрачати занадто багато
часу на завантаження і перемальовування.

повинна бути відкритої (без грифа “для службового користування”), що не
означає автоматично вільного поширення у векторному форматі, тому що
можуть бути проблеми з авторським правом, але означає, що її можна
відтворювати в печатці й у растровому форматі.

Часто до карти пред’являють необґрунтовано завищені вимоги. Варто
підкреслити, що карта не обов’язково повинна бути сертифікована на
конкретний масштаб, хоча бажано щоб вона не містила деформацій; на
першому етапі зонування карта не обов’язково повинна містити зображення
всіх будинків; вона не повинна бути перевантажена технічної інформацією
по інженерних комунікаціях і спеціальних географічних знаках; вона може
не містити ізоліній рельєфу, особливо якщо рельєф спокійний.

В ідеальному випадку така карта повинна бути частиною (у змісті виділені
шари) карти яка служить для прийняття різноманітних рішень по керуванню
містом. В даний час варто орієнтуватися на масштаб 1:2000 – 1:10000. На
первісному етапі можна обмежуватися масштабом 1:20000. Фрагменти можуть
розглядатися в масштабі 1:500. Ще раз відзначимо, що говорячи про
масштаб не мається на увазі сертифікований масштаб і спеціальні
технології введення графічної інформації.

У більшості міст (єдине виключення – Самара в 1999р.) у міській
адміністрації не вистачає засобів, щоб у достатній мірі і вчасно
обладнати хоча б одне робоче місце для фахівця з зонування території.
Таке робоче місце повинне містити в собі як мінімум персональний
комп’ютер, кольоровий струминний принтер для чорнової печатки, якісний
монітор (у 1996 році можна було обмежуватися 14-15 дюймами, у даний час
варто використовувати як мінімум 17-19 дюймів) і відповідна графічна
карта, факс-модем для використання ресурсів Internet. У процесі ведення
пілотного проекту, факс-модем необхідний для оперативного і повноцінного
зв’язку міських груп по зонування з центральним офісом і між собою. Слід
зазначити, що тільки Bancroft Group здійснила технічне устаткування
офісів у всіх містах (Санкт-Петербург, Пушкін, Новгород, Твер,
Іркутськ), а після закінчення проекту залишила це устаткування в містах
для продовження робіт з зонування. Це послужило відмінним стимулом для
рішення задач зонування на сучасному рівні силами міських фахівців.

Інший аспект автоматизованого рішення задач зонування міської території
– вибір і установка відповідного програмного забезпечення. До складу
програмного забезпечення повинна входити ГІС-кінцевого користувача.
Вибір такої системи найбільш відповідальний етап, тому що всі роботи з
картою міста повинні вестися в цій системі, вона повинна забезпечити
інтеграцію з міськими реляційними БД, вона повинна забезпечити
підготовку матеріалів для печатки і розміщення в Мережі. При цьому її
ціна значно вище стандартних програмних засобів для роботи офіса і
складає звичайно кілька тисяч доларів. На початку першого пілотного
проекту був проведений аналіз існуючих ГІС, у тому числі оригінальних
вітчизняних розробок, і була обрана ГІС Maplnfo (приблизно 2.000 $) з
мовою програмування MapBasic (приблизно 1.000 $). Така повна
конфігурація дає можливість не тільки розробляти необхідні програмні
засоби, а отже вирішувати інтелектуальні задачі зв’язані з просторовим
аналізом даних, але і можливість одержувати додаткові копії ГІС за ціною
всього 1000 $. У такий спосіб центральний офіс одержав можливість
поставляти цей програмний комплекс у міста зі знижкою. Випливає втім
помітити, що поки навіть така ціна для міських груп по зонуванню занадто
висока.

Чому вибрали саме Maplnfo ? В перших було вирішено зупинитися на
“фірмовій” системі, через надійність, повної сумісності із сучасними
операційними системами й іншими розповсюдженими програмними комплексами,
можливості використання різноманітного світового досвіду інших
користувачів, одержання необхідних консультацій. Серед таких ГІС
визнаними лідерами є Maplnfo (найпоширеніша ГІС у світі) і Arc/Info.
Порівняння цих двох систем показує, що незважаючи на істотно більш
низьку ціну і більш скромні вимоги до технічних ресурсів комп’ютера
Maplnfo забезпечує рішення всіх задач, зв’язаних з міським зонуванням.
Більш того вона традиційно більш підходить для роботи з міськими
картами, має убудовану підтримку адресної схеми. Найважливішою якістю
Maplnfo також є простота і природність інтерфейсу з кінцевим
користувачем, що дозволяє не витрачати зайвого часу на навчання. Система
не має зайвої строгості: вона не проводити перевірку топологічної
коректності і дозволяє вводити і коректувати будь-яку графічну і
табличну інформацію. Ця система цілком русифікована. Протягом часу
використання вийшло кілька нових версій, що зробили систему ще більш
зручної і розвили засобу обміну з іншими системами. До недоліків графіки
можна віднести відсутність згладжених кривих (сплайнів), що зв’язано зі
специфікою векторизації карти і традиційно для ГІС поряд з обмеженнями
на можливість повороту таблиці і карти. Досвід показав, що дана система
цілком задовольняє всім існуючим вимогам і має гарні перспективи
використання надалі. В усіх вищезгаданих містах, за винятком Новгорода,
проекти зонування велися на Mapinfo.

Комп’ютерне забезпечення проекту правового зонування в 1996 році істотно
відрізнялося від сучасного стану справ. За минуле час не тільки виросли
обчислювальні ресурси ПК, але і змінився підхід до інформаційної
підтримки. Насамперед це стосується електронних карт. Із самого початку
впровадження ГІС для ведення проекту зонування (міста Самара і
Хабаровськ у 1999 році) або використовуються плануються до використання
більш детальні карти: на них показані вдома, а ця принципова
відмінність, число шарів значно виросло. ГІС технології більш не є
чимось новим, невідомим; стало очевидно, що для автоматизованого рішення
задач проекту зонування альтернативи їм немає. Відзначимо, що в обох
містах проект послужив каталізатором або покупки передачі електронної
карти в міську адміністрацію. Слід зазначити ще одну цікаву тенденцію:
карти створюються не тільки на рівні міста, але і незалежно, силами
відділу районного архітектора, на рівні району. Відсутність
загальноміської карти приводить до необхідності створення карт
фрагментів міста. Це робиться при рішенні районних задач: прокладання
комунікацій, створення зелених насаджень, проектів планувань і аж до
окремих проектних робіт. Технологія таких робіт очевидна: робиться
геодезична зйомка на місцевості, що звичайно входить у проектні роботи,
і здійснюється прив’язка до міських координат. У вільний час уводиться
додаткова сполучна різні об’єкти інформація. Поступово районна карта
здобуває більш-менш повний вид. Така карта характеризується
неоднорідністю в змісті детальності (насиченості) і в змісті точності.
Єдиний масштаб відсутній. Таку карту неможливо сертифікувати. Для задач
зонування такої карти було б цілком достатньо, але нереально чекати
синхронної появи таких карт для всіх районів міста. Для деяких районів
зі складною системою зонування такі карти можна використовувати на
міському рівні як додаткові до загальноміського.

Поки мова йшла тільки про складання карти зон і нанесенні їх на міську
карту. Робити цю роботу на комп’ютері зручніше, надалі легко користатися
результатами цієї роботи. Але головні переваги ГІС технологій
розкриваються тільки при використанні спеціального апарата створення
тематичних карт, створенні тематичних карт на основі вибірок з таблиць,
рішенні різноманітних аналітичних задач. В інформаційному відношенні
найбільш важливим є використання різноманітних міських реляційних БД.
ГІС дозволяє відображати вибірки з цих БД на карті міста, для
обґрунтованого ухвалення рішення по різноманітних міських задачах. Весь
цей аналітичний потенціал можна реалізувати тільки за умови грамотного
введення границь зон (без перетинань і “дірок”), достатнього заповнення
табличної інформації, наявності адресної схеми і підготовки відповідних
програм. Помітимо, що цілком уникнути помилок і пробілів при заповненні
великої кількості таблиць практично не можна, але це не принципово при
рішенні задач зонування, можна допустити до 10% помилкових рядків,
просто варто розуміти це і враховувати; при можливості варто виправляти
помилки програмним способом.

Рішення аналітичних задач зонування в рамках ГІС варто віднести до
другого етапу освоєння ГІС технологій, коли вже існує електронна карта і
на неї нанесені границі зон. Як приклад такої роботи розглянемо
стандартну задачу відображення вибірки з існуючої реляційної БД на карті
міста і складання відповідної тематичної карти. Така процедура може
служити для рішення різних задач інтерпретації існуючої інформації і
задач керування містом. Однієї з таких задач у рамках проекту зонування
є задача моніторингу міських територій.

Для додання процесу правового зонування більшій об’єктивності й
ефективності варто спиратися на різноманітну інформацію якої володіють
міські служби, у першу чергу це інформація про міську нерухомість.
Обробка відповідних паперових архівів занадто трудомістка справа. Але в
даний час велика кількість даних переводиться в комп’ютерний вид і
зберігається у виді таблиць у базах даних. Вибірки з таких БД здатні
багато чого прояснити в процесах що йдуть на загальноміському рівні. Але
локальні відхилення практично неможливо зрозуміти без відображення даних
з бази на карті міста. Це відображення називається процесом
геокодування.

Що із себе представляє типова міська база даних? Це реляційна база
даних, вхідною інформацією для який служать спеціальні бланки
заповнювані при реєстрації угод, актів про вступ у права власності,
реєстрації заявок на оренду і т.п. Така база даних представляє із себе
зв’язані таблиці утримуючі вищезгадані зведення; причому дані повинні
бути розумно стиснуті, доступні для контролю коректності і знаходитися
під керуванням сучасної СУБД.

БД повинна відповідати звичайним вимогам: містити мінімум дублювання,
протиріч і двозначності, мати достатню повноту й актуальністю, мати
розумну фрагментацію і високий ступінь інтеграції спеціалізованих БД. Це
вимагає існування групи ведення БД, що включає в себе адміністратора БД.
Саме ця група повинна робити необхідні вибірки з централізованої БД.

Для підтримки задач зонування, у тому числі моніторингу міська реляційна
БД повинна містити наступні полючи:

параметри об’єкта: тип об’єкта, тип власності на об’єкт, тип
використання об’єкта, реєстрація угод з об’єктом, для земельної ділянки
покоординатний опис границь (електронний кадастр), для будинку це число
поверхів, висота, загальна площа, площа забудови, капітальність,
амортизація, інженерне забезпечення, архітектурна й історична цінність.
Даний список параметрів повинний уточнюватися і розширюватися.

для повноцінної роботи з земельними ділянками необхідна служба
електронного кадастру, у противному випадку можна обмежитися площею і
координатами центроїда ділянки.

для відстеження процесів до об’єкта повинна бути прив’язана інформація
про дати: реєстрація угод з об’єктом, реєстрація заявок зв’язаних з
об’єктом, зміни в правах власності, дати дозволу на будівництво,
будівлі, капітального ремонта, додання того чи іншого статусу. У
більшості випадків для задач зонування міської території має сенс тільки
поточний стан об’єкта, але в деяких випадках може знадобитися одна дата
(наприклад виділення всіх об’єктів приватизованих у плині року) або
ланцюжок дат (наприклад виділення об’єктів часто переходили з рук у
руки). Така інформація про дати і права власності як правило
зберігається окремо і може бути зв’язана з об’єктом через ідентифікатор.

У загальному випадку прив’язка реляційної БД до електронної карти може
здійснюватися різним способом. Можна прив’язуватися до міської системи
координат. У цьому випадку кожному об’єкту в БД повинна бути зіставлена
пара чисел – координати в міській системі координат, а електронна карта
повинна бути надточної, тому що координати об’єкта, навіть котеджу,
повинні відповідати якійсь точці на електронній карті усередині даного
об’єкта. Така прив’язка швидка в роботі, однозначна, точна. На жаль така
система завжди є засекреченої і вимагає додаткової роботи з БД. Інший
спосіб це прив’язка об’єкта в реляційної БД до земельної ділянки по
кадастровому номері. У цьому випадку в місті повинний бути комп’ютерний
кадастр і прив’язка інформації з БД відбувається до центроїду
відповідного ділянки. Міський кадастр як ціле також є секретним, крім
цього в наших умовах ділянки можуть бути дуже великими (заводи,
мікрорайони) і кадастр у цілому рідко буває приведений у порядок хоча б
у традиційному виді – на папері. Найбільш прийнятний спосіб прив’язки
для рішення задач зонування, у тому числі моніторингу, традиційна
прив’язка по поштовій адресі. Поштова адреса зазначена для будь-якого
об’єкта нерухомості занесеного в БД для можливості зв’язку з власниками.
З іншої сторони для прив’язці до карти досить побудувати просту адресну
або структуру заповнити адресну інформацію для будинків. Адресна
структура може мати різний вид. Тому що така структура носить тимчасовий
характер (до ідентифікації адрес усіх будинків), головним – це простота
створення і зміни при задоволенні всім необхідним вимогам.
Представляється розумної структура представлена крапковими об’єктами на
карті, що позначають сторони кварталу, знаходяться усередині кварталу і
представлені рядком у таблиці з указівкою вулиці й ідентифікатора типу
(площа, проїзд, набережна й ін.), діапазону номерів будинків і
ідентифікатором спеціальної непарно-непарної нумерації (поле “type”).
Квартал у даній системі може бути розбитий на частині по границях зон.
Вулиці повинні бути зазначені в стандартизованому виді, тобто кожна
вулиця має тільки одне написання імені, ідентифікатор стоїть в окремому
полі, або в стандартному місці (попереду або позаду) назви вулиці, має
стандартний вид і не допускає різночитань. Написання ідентифікатора
можна скорочувати.

Такий підхід був застосований у Новгороді. Розглянемо цей приклад
докладніше, із указівкою службових таблиць, програм мовою MapBasic і
способів відображення результатів. В адресній структурі (таблиці) 1045
елементів, її створення зайняло біля тижня. Основним джерелом служила
карта масштабу 1:20.000 із указівкою границь кварталів і номерів кутових
будинків. Карта була застарілої і деякого номера були відсутні, тому
приходилося уточнювати схему у відділі головного архітектора міста. Крім
адресної схеми в сучасних російських умовах необхідна таблиця
перейменування назв вулиць. Така таблиця містить всього два полючи:
стару назву і нова назва. Відзначимо, що нова назва може повторюватися,
а старе – немає. Повторення відбувається у випадку двохкратного
перейменування й у випадку поділу вулиці з перейменуванням. Така
службова таблиця, як і сама адресна схема, робиться і змінюється в
Mapinfo. У тому випадку якщо використовується тільки централізована БД,
полючи якої містить добре перевірену й актуальну інформацію, їсти зміст
вносити відповідні назви вулиць у таблицю адресної схеми і не проводити
перейменування. Але як правило варто розраховувати на існування
декількох БД, де імена вулиць можуть обновлятися, а можуть і не
обновлятися. В адресній схемі, природно, ім’я кожної вулиці повинне бути
тільки в одному варіанті.

В даний час система містить чотири службових програми, що запускаються і
працюють у середовищі Mapinfo. У залежності від способу представлення
вибірки з БД і структури адресної схеми з може бути більше або менше.
Одна з них обробляє таблицю адресної схеми і запускається тільки один
раз після створення чи схеми після її доповнення новими записами. Ця
програма проставляє в графу “type” тип сторони вулиці – “пара” або
“непара”.

Ще дві програми обробляють таблицю вибірки з БД; одна видаляє знак
простих лапок і запускається першої і тільки в разі потреби, інша
приводить до стандартного виду назви вулиць у таблиці вибірки і
перейменовує їх при необхідності, що робиться за допомогою таблиці
перейменовування назв вулиць. Ці дві програми запускаються для кожної
вибірки з БД. Програма спеціального геокодування працює довше інших.
Вона обробляє таблицю вибірки приєднуючи до неї графічні крапкові
об’єкти які володіють тими ж властивостями, що і крапкові об’єкти
адресної схеми. Крім цього вона додає до цієї таблиці стовпець с’ ім’ям
“geocode_mistake_type” і заносить у нього коди результату геокодування.
Програма обробляє також таблицю адресної схеми заносячи в додатковий
стовпець “objects” кількість об’єктів з таблиці вибірки, що розміщені по
даній адресі.

У ГІС Mapinfo існує стандартна програма геокодування. Але вона
призначена для даних описаних у визначеному, не цілком зручному,
стандарті. Таке геокодування не завжди проходить автоматично, і
приходиться його доповнювати “ручним” геокодуванням. Засобу убудованого
в ГІС мови MapBasic дозволяють побудувати більш ефективну, з урахуванням
конкретної задачі і структури даних, програму геокодування.

Основні вимоги до цієї програми були: максимально можливий обсяг
проведеного автоматично геокодування, вбудовування в таблицю вибірки
стовпця з діагностикою полегшуючий пошук помилок у даних, приписування
адресній схемі “вагових” характеристик для спрощення інтерпретації
отриманих результатів, простота у використанні для кінцевого користувача
не є фахівцем у ГІС -технологіях.

Просторовий аналіз отриманих результатів виробляється за допомогою
стандартних засобів ГІС Mapinfo. Насамперед це тематичні карти. На
основі таблиці вибірки з приєднаними графічними об’єктами можна робити
різноманітні тематичні карти проводячи при цьому будь-які додаткові
обчислення (у тому числі топологічні: включення об’єктів, перетинання
областей і т.п.). Варто підкреслити, що можна представити інформацію в
будь-якому виді, якому можна формально описати. Є також додаткова
можливість швидко і наочно побачити результати геокодуовання за
допомогою стандартної тематичної карти, що спирається на стовпець
“objects” таблиці адресної схеми.

Які зміни в інформаційній, технічній, програмній підтримці проведення
зонування у великих російських містах відбудуться в найближчі роки?
По-перше зміняться електронні карти. Повсюдно буде відбуватися перехід з
тимчасових, “робітників” карт на карти виготовлені професійно і
сертифіковані на визначений масштаб. Такі карти розуміється
виготовляються не тільки для задач зонирования. Це довгий, дорогий
процес, використовуватися така карта повинна спільно різноманітними
міськими службами, міністерствами, може бути великим бізнесом.
Фінансування виготовлення такої електронної карти в сучасних умовах
повинне бути змішаним, за участю обласного і міського бюджету, із
залученням засобів міністерств, що будуть неї використовувати. Прикладом
може служити Самара (1999 р.), де керуванням міського архітектора
ведеться така робота. Планується, що карта буде виготовлятися в Москві
на Центральному геодезичному підприємстві, займе це орієнтовно 2 роки,
буде коштувати приблизно 100 млн. карбованців (4 млн $), повинна бути
сертифікована і буде відповідати масштабу 1:500. Основою для
виготовлення такої карти послужать існуючі матеріали сучасного
аерофотознімання, що в наших умовах набагато надають перевагу сканування
і векторизації існуючих планшетів. Розуміються підземні комунікації
будуть уводитися з планшетів відповідними службами. Працювати з повною
картою великого міста масштабу 1:500 з одночасним використанням великої
кількості шарів на сучасної персональному комп’ютері практично
неможливо. Але прогрес обчислювальної техніки такий, що можна
припустити, що через два роки це буде цілком реально. У будь-якому
випадку карту такого масштабу варто розбивати не тільки на шари, але і
на територіальні фрагменти; це можуть бути райони, функціональні зони й
інші осмислені елементи планування, але бажано не планшети. Така
розбивка для зручності роботи повинна підтримуватися спеціальним
програмним забезпеченням. Перед групою зонування встане проблема
переносу границь зон і іншої напрацьованої на старих картах інформації
на нову електронну карту. Це можна зробити за допомогою спеціальних
програм перетворення (наприклад включених до складу GeoDraw) або просто
перемалювати, що повинно зайняти усього кілька днів.

По-друге зміниться спосіб використовувати електронну карту в ГІС. Зараз
це в основному (майже на 100%) рішення задач уведення графічної
інформації, найпростіший опис такої інформації у відповідній таблиці
(ідентифікатор типу, назва, коментар, у кращому випадку адреси для
будинків), рішення задач висновку карт на печатку або перекладу
інформації в інший формат. В найближчі роки буде впевнено рости частка
аналітичних задач з використанням методів математичного моделювання
процесів і прогнозування на інформаційній основі добре проробленої
електронної карти й існуючих реляційних БД. Методологічна основа і
навіть алгоритми рішення різноманітних задач містобудування були
розроблені ще до поширення ПК, уже зараз існує багато відповідних
програмних засобів на ПК, багато хто з цих засобів убудовані в ГІС
(насамперед у Arc/Info і MGE). В найближчі роки ці засоби будуть
застосовуватися й у ГІС, адаптованих до задач правового зонування, а
також і будуть розроблені спеціалізовані програмні засоби.

Визначати конкретні напрямки розвитку “ГІС правового зонування” повинні
фахівці як у центрі (при наявності центрального фінансування), так і на
місцях – у міській адміністрації, в офісі міського архітектора. Для
правильного вибору цілей необхідно, щоб фахівці мали високу
кваліфікацію. У зв’язку з цим здобуває велике значення підготовка
фахівців. В даний час у Москві існує ряд організацій, що надають
різноманітну інформацію з ГІС технологіям: семінари і виставки як
загальної спрямованості, так і спеціалізовані, видання ряду спеціальних
журналів і Щорічний огляд, спеціалізовані курси і консультації.

На закінчення скажемо про тім значенні, що повинна мати в майбутньому
глобальна мережа Internet для реалізації ГІС технологій у проекті по
зонуванню. У розвитих капіталістичних країнах, де є система покупок у
Internet, уже можна переглядати, замовляти й одержувати по модему
існуючі векторні карти міст, цифрові знімки з космоса, будь-яке апаратне
і програмне забезпечення. Це джерело зведень про новітні технології,
місце де можна обговорити будь-які проблеми; це служить інтенсивному
розвитку наукомістких технологій, у тому числі ГІС. Специфіка
використання ресурсів Мережі в проекті зонування складається насамперед
у використанні необмеженого доступу до результатів проекту: текстам
відповідних законів і постанов і карті міста з указівкою границь зон. Це
не скасовує традиційних методів поширення друкованих матеріалів, тим
більше, що найближчим часом доступ у Internet у нашій країні буде як і
раніше обмежений. Для доступу до матеріалів необхідно створити
спеціальний Web-сайт для кожного міста, крім цього корисно мати сайт у
центрі (у Москві). Фінансування міського сайта не представляє труднощів,
навпроти, місто може одержувати додаткові гроші від місцевого великого
бізнесу, рекламу якого легко розмістити на такому сайте. Велику роль для
міського бюджету може грати розміщення інформації про аукціони
нерухомості з метою залучення інвесторів не тільки усередині країни, але
і зарубежем. Обслуговування сайта повинне лягати на фахівців працюючих з
ГІС, тому що найбільш складна частина Web-сайта зв’язана з картою.

Використання ГІС у нафтовій індустрії

Одне з визначень географічної інформаційної системи говорить: “ГІС – це
комп’ютерна система, що зберігає, організує і відображає дані, що
описують об’єкти і явища земної поверхні”. Відштовхуючи від цього
визначення, можна укласти, що нафтова промисловість застосовує ГІС
технології з моменту початку використання комп’ютерів – тобто вже
приблизно протягом 40 років.

Що ж змінилося за ці роки? Головними двигунами прогресу в цій області є
створення програмного забезпечення ГІС загального призначення і масове
виробництво недорогих комп’ютерів. Досвід показав, що і ті, і інші
можуть ефективно використовуватися для рішення багатьох задач, що стоїть
перед нафтовою індустрією, і що звичайні фахівці галузі можуть швидко
освоїти ці технології. З позицій бізнесу важливо також, що тепер ті самі
об’єкти інфраструктури підприємства часто входять у сферу повсякденних
інтересів фахівців різних єпархій: господарників, геофізиків, геологів,
інженерів-нафтовиків, інженерів по обслуговуванню об’єктів, юристів,
служб природоохорони й ін. Для їх ефективної скоординованої роботи
потрібно доступ як до загальних баз даних і, особливо, до карт, що
наочно показують ключові об’єкти типу шпар, нафтопроводів, житлових
центрів, районів з чуттєвою екологічною обстановкою і т.п.

У статті обговорюються технічні і ділові аспекти, з якими зв’язаний ріст
застосування ГІС у нафтогазовій індустрії, приведені приклади їхнього
використання, обговорюються області, у яких чи очікуються вимагаються
поліпшення.

Небагато історії

У 1987 році компанія Chevron Oil Field Research Company (COFRC, далі
Chevron) вперше установила в себе СУБД Oracle, щоб оцінити можливості
цієї технології для підтримки додатків по обробці сейсмічних даних і
даних по шпарах, установлених на робочих станціях і які
використовувались інженерними службами і геологами. Переваги збереження
всіх даних в одній базі були очевидними і з тих пір система Oracle стала
для нас стандартом де-факто. Ця технологія заклала основи створення баз
даних, що згодом можна було б легко зв’язати з ГІС.

У 1990 році наші фахівці познайомилися з керуючої ГІС, представленої на
Національній конференції по комп’ютерній графіці в Лос-Анджелесі. Ця ГІС
була спробою застосувати цілком готове програмне забезпечення для
рішення типових задач нафтової індустрії (таких, наприклад, як “знайти
всі приналежні компанії шпари, що виснажаться до кінця року і
знаходяться на відстані менш одного кілометра від нафтопроводу”). Хоча в
той час жоден існуючий програмний продукт не міг вирішувати всіх задач,
постачальники ГІС наближалися до цієї мети в той час як більшість
традиційних постачальників послуг для нафтової індустрії відмовлялися
навіть брати участь у її рішенні. У 1991 році Chevron придбала першу
копію ARC/INFO. На жаль, у той час малися деякі обмеження, що не
дозволяли нам досить серйозно використовувати цю систему. У ній не було
функцій підтримки регіонів (які перекривалися і переривчастих полігонів
– дуже важливої ланки для землекористування і землевідвода), динамічної
сегментації (для роботи з лінійними об’єктами, важливої для анотування
сейсмічних профілів), а також у той час не було версії цього
повнофункціонального продукту для персональних комп’ютерів.

З цих причин компанія Chevron продовжувала розвивати власну земельну
інформаційну систему на платформі ПК, а також графічний редактор на
платформі UNIX. Обидва продукти були готові в 1992 р. Тоді було
очевидно, що ГІС-технології має широкі перспективи для компанії і галузі
в цілому. Ми бачили, що ESRI більше інших прислухається до критичних
зауважень і заяв про виникаючі проблемах з боку нафтових компаній, тому
ми продовжували уважно спостерігати за розвитком геоінформаційних
систем, особливо за розробками ESRI.

У 1994 році ESRI випустила програму ArcView GIS і значно підсилила
функціональність ARC/INFO, що мало для нас надзвичайно важливе значення.
Нам була близька і цікава діяльність групи користувачів ESRI у нафтовій
галузі (Petroleum User Group, PUG). Компанія Chevron була членом
координаційної ради PUG – ефективного форуму по обміні досвідом,
обговоренню потреб нафтової індустрії і доведенню результатів обговорень
до ведучих менеджерів і розроблювачів ESRI, що, як правило, у відповідь
на наші побажання оперативно вносять удосконалення в програмні продукти.
З 1995 року Chevron починає ініціативи по впровадженню ГІС-технологій на
корпоративній основі. Ми затвердилися в думці, що ГІС є серйозним
інструментом, корисним для нашої галузі і які забезпечують сучасні
повноцінні рішення.

Сучасні ГІС підтримують операції з об’єктами виробничої і
фінансово-господарської діяльності нафтових компаній: шпарами,
трубопроводами, дорогами, ріками і водотоками, селищами, інженерними
комунікаціями, профілями і пунктами сейсмозондування, іншими елементами
інфраструктури нафтопромислів і природних об’єктів. Крім того, ГІС
забезпечують роботу зі звітними матеріалами і документацією: інженерної
і бізнес графікою, фотографіями споруджень, усть шпар, звітами про стан
навколишнього середовища, розливах нафтопродуктів, правами на землю і
дозволами на ліцензування ділянок, супутниковими знімками, табличними
даними. ГІС усе тісніше взаємодіють з іншими інформаційними
технологіями, такими як реляційні СУБД і сховища даних, збір і обробка
даних дистанційного зондування (аэро- і космічних знімків), архівація і
збереження растрових зображень (прикладом може служити технологія MrSID
компанії Lizardtech), системи керування матеріальними і фінансовими
ресурсами підприємства (типу SAP R/3), Інтернет, системи підготовки
звітів (типу Seagate Crystal Reports) і т.д. Причому ця інтеграція
відбувається як на рівні створення прозорих інтерфейсів, так і в
результаті убудовування відповідних інструментальних засобів у конкретні
ГІС продукти. Деякі з ініціатив в області ГІС успішно розвиваються і
реалізуються у виді виробничих систем, інтегрованих у бізнес процес,
створюються спеціальні групи по їхньому впровадженню, постійно росте
число кінцевих користувачів, що відкривають нові шляхи і можливості
витягу доходів від застосування цієї технології.

Стимули застосування ГІС у нафтогазовій індустрії

Масштаби застосування ГІС у нафтовій індустрії зростають у силу як
технічних, так і комерційних передумов.

Технічні передумови

Апаратне забезпечення. Швидкодіючі і відносно дешеві комп’ютери з
високоякісними графічними моніторами, з’єднані надійними мережами, стали
звичайним явищем у галузі. За кілька тисяч доларів зараз можна придбати
широкоформатні кольорові плотери, зовсім недавно вони були на порядок
дорожче і значно повільніше працювали. Тому що однієї з основ успіху в
нашому бізнесі є збір, оперативна обробка й аналіз інформації, то за
допомогою карт, створених у ГІС які забезпечують найбільш наочне
представлення різноманітної інформації, тверді копії можна створювати
“по запиті”, просто, швидко, з високою якістю і вірогідністю.

Програмне забезпечення. Робота з ГІС-продуктами, такими як ArcView GIS,
став набагато більш простій. Оскільки ця програма має досить могутню
функціональність і працює на всіх основних комп’ютерних платформах, вона
придатна для підтримки будь-яких типових видів діяльності нафтових
компаній, включаючи, наприклад:

Відстеження фінансових аспектів видобутку і транспортування нафти і
нафтопродуктів, огляд діяльності конкурентів.

Точне відображення розташування об’єктів на поверхні для інженерних
служб, яким потрібно знати, де знаходяться дороги і трубопроводи,
границі ліцензійних ділянок, населені пункти, області з високою
чутливістю природи до зовнішніх впливів і т.д.

Виявлення шляхів доступу до об’єктів для підрядчиків і реагування на
повідомлення про ушкодження й аварії.

Пошук оптимальних маршрутів руху ремонтних бригад, рятувальних і
пожежних служб.

Дані. Раніше повномасштабне впровадження ГІС утрудняли висока вартість
даних і тривалий період, необхідний для створення баз даних. Однак, в
останні роки відбулися серйозні зміни до кращого – просторові дані стали
набагато більш доступними, точними і дешевими. Наприклад:

Застосування високоточних систем глобального позиціонування (GPS)
дозволило оцінити вірогідність існуючих карт і, при необхідності, вчасно
обновляти їх.

Високоякісні набори картографічних даних від урядових і некомерційних
організацій тепер можна одержати навіть через Інтернет.

Супутникові знімки високого дозволу (особливо недавно оголошені дані
метрового дозволу) містяться у файлах растрових зображень великого
розміру, їхнє перетворення у векторні формати ще більш збільшує розмір
файлів. Для роботи з настільки великими наборами даних необхідні сучасні
програмні засоби, кращим прикладом яких є програма Spatial Database
Engine від ESRI – ця могутня клієнт/серверна технологія здатна ефективно
керувати даними подібного типу і розміру.

Хоча не всі доступні дані мають достатню точність для використання в
галузі, їхня якість постійно поліпшується. Є всі підстави очікувати
появи даних з набагато більш високим дозволом у найближчі кілька років і
прогнозувати позитивний вплив широкої приступності таких даних на зміну
методів ведення бізнесу в нашій галузі.

Відповідна функціональність. ESRI заслужила масу хвалебних відкликань за
підтримку нафтового ринку. У цій фірмі працює ряд досвідчених фахівців,
що перейшли з нафтових компаній. Створені ESRI програмні продукти значно
удосконалені в останні три роки. Підтримка нових функцій і об’єктів,
таких як регіони (які перекриваються/роз’єднані полігони), динамічна
сегментація і виключення перекриття підписів дозволила позбутися від
більшості що малися, з погляду нафтовиків, обмежень.

Комерційні передумови для використання ГІС технології

Команди з міждисциплінарними задачами. Як указувалося вище, у практику
комплексного керування нафтогазовими басейнами входить створення команд,
що складаються з представників різних напрямків: геофізиків, геологів,
інженерів-промисловиків, інженерів по обслуговуванню об’єктів і
комунікацій, землевласників і юристів, екологів і рятувальників.
Ефективність діяльності таких груп значно підвищується за рахунок
використання ними загальних баз даних, особливо при створенні і роботі з
комплексними багатошаровими тематичними картами, що включають інформацію
про просторове розташування ключових об’єктів виробничої і комунальної
сфер.

Хоча по старій добрій традиції деякі з таких груп часом мало інформовані
про роботу інших груп, усі вони мають справу з тим самим просторовим
підходом до даних, заснованим на географічному положенні об’єктів
господарської інфраструктури. Таким чином, ГІС, що споконвічно
використовує географічне положення як основний критерій для прив’язки
даних і зв’язаних з” ними описових атрибутів, щонайкраще відповідає
таким потребам, сприяє координації дій усіх підрозділів і груп фахівців,
що займаються рішенням різноманітних задач, прив’язаних до конкретної
території. Висока вартість розробки власного програмного забезпечення.
До недавніх пір більшість нафтогазових компаній використовувало
спеціалізоване, часто розроблювальне усередині самої компанії,
комп’ютерне програмне забезпечення для більшості наукових і технічний
додатків по обробці й аналізу даних. Звичайно це було викликано
відсутністю готового програмного забезпечення, яке б дійсно вирішувало
потрібні задачі. Витрати при такому підході могли бути дуже значними.
Наприклад, розробка вузькоспеціалізованої комп’ютерної програми могла
коштувати нафтової компанії 1 млн. доларів. І якщо ця програма
використовувалася в одному місці (наприклад, у центральному офісі), та
кінцева ціна копії продукту складала все той же 1 млн. доларів. А
поширення цієї програми в інших підрозділах або у всій корпорації
утруднялося через те, що здійснити підтримку, навчання й інші необхідні
дії “на місцях” було дуже важко.

Оцінка інформаційного ринку. Рішення, специфічні для галузі

Одним з можливих альтернативних підходів є придбання програмного
забезпечення в компанії, що надає спеціалізовані послуги на
нафтогазовому ринку. Подібні постачальники можуть собі дозволити
витратити деякі засоби на розробку продукту, оскільки вони працюють з
декількома клієнтами. Тому, вкладаючи в створення програми 10 млн.
доларів, але думаючи, що її придбають 100 компаній, розроблювачі мають
можливість знизити кінцеву вартість кожної копії продукту до 100 тис.
дол. І програма, на розробку якої було витрачено в 10 разів більше
засобів, може бути придбана за ціну, у десять разів меншу собівартості.
Прикладів таких програмних продуктів досить багато. Системи тривимірної
інтерпретації сейсміки, системи обробки даних каротажу і геологічної
будівлі товщі, а також системи прогнозу нафтогазоносності шарів
найбільше часто здобувалися в компаніях, що спеціалізуються в даних
областях, по економічних причинах, у силу вимог по їхній підтримці,
навчанню і належній якості. Але хоча такі системи найчастіше істотно
дешевше, ніж аналогічні власні розробки, вони все-таки занадто дорогі
для установки на кожнім професійному робочому місці.

Оцінка інформаційного ринку. Рішення загального призначення

Якщо велику частину задач, що коштують перед нафтовою чи газовою
компанією, вдається успішно вирішувати за допомогою програмних продуктів
загального призначення, розроблених для всього комп’ютерного
співтовариства, то її витрати на придбання “софта” можна зменшити в ще
більшому ступені. Так, якщо на розробку програмного продукту загального
призначення буде витрачено 50 млн. доларів, але воно буде придбано 10
тис. компаній (у тому числі нафтогазових), те вартість однієї копії
складе всього 5 тис. дол. Прикладами таких масових ГІС продуктів є
ARC/INFO і ArcView GIS. Хоча на розробку ArcView витрачено більш 500
людино-лет, він продається менш чим за 2 тис. дол. І ця невисока (у
порівнянні з функціональними можливостями) вартість сприяє його
виняткової популярності в різних областях людської діяльності, у тому
числі в нафтовій і газовій галузях. Подібні міркування були узяті за
основу при плануванні архітектури ГІС-системи компанії Chevron.
Використовуючи сучасну технологію реляційних баз даних, до всіх даних,
включаючи сейсміку, шпари, розвідку і видобуток, землю, безпеку й
охорону природи, соціальні/культурно-історичні аспекти можна звертатися
так, начебто вони зберігаються в одному місці. Тобто, кінцевий
користувач бачить “єдину базу даних”.

Однак при цьому через шейп-файли ArcView можна здійснювати зв’язок з
вилученими комп’ютерами. Крім офісної ГІС середовища (системою, що
обслуговується, SDE/Oracle/ARC/INFO) ми зберігаємо польову ГІС
середовище, що функціонує на переносних комп’ютерах. Наприклад, менеджер
по керуванню ліцензійними чи ділянками геодезист при обстеженні місця
для нової шпари може одержати копію фрагмента бази просторових даних по
потрібній ділянці на своєму переносному комп’ютері. Такі шейп-файли не є
власне базою просторових даних – скоріше вони являють собою робочі
копії, призначені для перенесення даних між офісним і польовим
середовищами. Слід також зазначити, що оскільки програми ARC/INFO і
ArcView GIS використовують ті ж дані, що і GEE (власна ГІС компанії
Chevron) і програмні продукти сторонніх організацій, то ми в підрозділі
нафтових технологій Chevron очікуємо додавання деяких більш
універсальних (і непростих при впровадженні) ГІС-функцій у ці продукти.
Тоді ми зможемо сконцентруватися на додаванні до них спеціалізованих
функцій (така можливість передбачена в останніх версіях цих продуктів),
що вирішують деякі специфічні тільки для нафтової галузі (або для
Chevron) задачі тому, що навряд чи варто очікувати, що цими питаннями
будуть займатися ESRI або інші сторонні розроблювачі, а також через те,
що в нас для цього більше досвіду і можливостей.

Чекання на майбутнє

Хоча ГІС-технології уже вносять великий вклад у розвиток нафтової
галузі, від неї можна чекати більшого. У цьому плані наші загальні
побажання і пропозиції можуть зацікавити всіх користувачів ГІС. От деякі
основні пункти з нашого списку побажань з боку нафтової галузі:

Поліпшення інтеграції з реляційними базами даних. Приємно відзначити, що
значний прорив у цьому напрямку забезпечує пропонована ESRI порівняно
нова технологія просторового сервера Spatial Database Engine (SDE).
Однак, поки ще не цілком вирішена задача роботи з даними САПР і їхня
роздруківка, хоча, значною мірою, ця проблема є наслідком недостатньо
розвитих засобів підтримки записів і керування даними, що виходять за
рамки ГІС. (Примітка: Стаття була написана до появи модуля SDE CAD
Client, що за бажанням користувача може бути включений у комплект
постачання SDE і спеціально призначений для багатокористувацької роботи
з даними у вихідних форматах САПР. SDE CAD Client додає до Сапр-програми
можливості збереження і створення вибірки просторових даних через сервер
SDE. Він також надає прикладний інтерфейс користувача (API), що
забезпечує розроблювачам додатків доступ до функцій і процедур
Сапр-клієнта SDE із середовища розробки САПР додатків. Він дозволяє
зберігати об’єкти САПР як просторові елементи в СУБД, чи робити вибірку
просторових елементів, що у сучасний момент знаходяться в СУБД і
керуються SDE. Створення цього модуля ще раз свідчить про те, що ESRI
уважно відноситься до побажань своїх користувачів і швидко на них
реагує).

Підтримка і можливість завдання глобальних метаданих, таких як параметри
еліпсоїдів і картографічних проекцій. Мені приємно констатувати, що в
нових версіях ArcView GIS і SDE ці побажання враховані (у ARC/INFO ці
функції були і раніш).

Більш зручні й ефективні шляхи прилучення користувачів до ГІС
технологій. (Примітка: ESRI постійно удосконалює програму ГІС-освіта,
розширюючи список пропонованих курсів, уводячи програми дистанційного
навчання, сприяючи випуску нових книг по ГІС-тематиці і роблячи всіляку
підтримку в сфері підготовки ГІС фахівців у навчальних закладах як на
території США, так і в усьому світі).

Більш зручні засоби керування і доступу до сейсмічним даної і даних
каротажу шпар.

Удосконалення інструментів для операції “conflation”. “Conflation” – це
процес вибіркового злиття двох або більш наборів даних таким чином, щоб
на виході одержати дані з найбільш високою точністю із усіх вихідних
наборів. В міру удосконалювання апаратури зйомки і підвищення точності
ГІС-даних, одержуваних з космосу, а також ортозображень, що існують
карти і набори ГІС-даних повинні бути придатні для виправлення з обліком
знову одержуваних даних, тому керування цією процедурою є однієї з наших
насущних потреб.

Тривимірні ГІС. Поки наше застосування ГІС обмежувалося земною
поверхнею. Для відображення глибинних структур ми повинні перейти до
використання зовсім нових систем, що до останнього часу були мало
зв’язані з масовими ГІС. (Примітка: поява модуля ArcView 3D Analyst у
значній мірі дало рішення цієї задачі, забезпечуючи відображення даних у
3D (2,5-мірному) просторі з використанням звичайної настільний ГІС. У
системі ARC/INFO для цих цілей мається модуль TIN. У компанії Дата+
розроблена розширення до модуля 3D Analyst. Його основна функція – 3D
інтерполяція, призначення – моделювання поводження фізичних, хімічних і
інших полів у тривимірному просторі. Воно також забезпечує побудову
довільних горизонтальних перетинів створених поверхонь, перетинів по
довільному профілі, перетинів поверхнями рельєфу, ізоповерхонь
-поверхонь, на яких значення досліджуваної ознаки дорівнює визначеній
константі).

Висновок

ГІС-технології і зв’язані з нею програмні й апаратні засоби розвилися до
стадії, коли вони здатні забезпечити, а в багатьох випадках уже
забезпечують, помітний економічний ефект для нафтової індустрії. Вони не
тільки впливають на нашу поточну ділову активність, поліпшуючи обмін
даними і роблячи можливим більш точне картування. Вони також сприяють
перекладу бізнесу-процесу на сучасний рівень, допомагають нашим
професіоналам скорегувати стратегію і тактику розвитку компанії,
оскільки забезпечують нові шляхи і більш ефективні засоби роботи з
даними, критично важливими для цілей планування і виконання
перспективних задач. У цьому плані великі надії ми покладаємо на систему
SDE. SDE виключає необхідність у власних файлах і спеціальному
програмному забезпеченні для вилученого доступу до даних, надає
ефективні кошти роботи в структурі корпоративних ГІС, забезпечує більш
високу продуктивність, чим будь-які інші відомі нам продукти. Це
програмне забезпечення включає могутні засоби організації ГІС-даних у
централізованих сховищах, дає можливість одержати багатокиристувацький
доступ до тим самим даних із середовища різних прикладних програм,
підтримує й оптимізує процедуру створення копій і версій даних, з якими
одночасно працює кілька користувачів.

У нафтогазовій індустрії SDE може найближчим часом стати стандартним
методом доступу до масивів даних, якщо:

– буде прийнята загальна модель даних для стандартних типів даних, таких
як розташування шпар і сейсмічних профілів;

– відбудеться більш тісне зближення нафтогазових і сервісних компаній.

Шеврон неодноразово обговорював ці питання з представниками інших
компаній на двосторонніх зустрічах і в рамках ГІС-конференцій, щоб
побачити, чи розділяють вони наш інтерес у впровадженні й одержанні
переваг від уведення такого ГІС-стандарта. Дотепер їхня реакція була
підбадьорюючою.

НІЛ сніжних лавин і селів Географічного факультету МГУ

Лавиноведення має у своєму розпорядженні солідний арсенал методів оцінки
поширення явища, вивчення динаміки його розвитку, прогнозу небезпеки.
Завдяки створенню широкої мережі наземних спостережень, застосуванню
дистанційних методів досліджень накопичений великий інформаційний
матеріал про місця сходу лавин, їхньої повторюваності й інших
параметрів, факторах виникнення і катастрофічних наслідків (2). У деяких
країнах (Австрія, Швейцарія, СРСР, Канада) створені кадастри лавин (3).
Бази даних про лавини оформлені й в електронному виді (9). У
Швейцарському інституті сніжних і лавинних досліджень зберігається
інформація про більш ніж 8000 випадки сходів тільки катастрофічних
лавин. Режимно-довідковий банк даних на магнітних носіях створений у
Середньоазіатському науково-дослідному гідрометеорологічному інституті,
у якому стікалася сніголавинна інформація з усієї території Радянського
Союзу. Розроблено і реалізовані у виді карт методики картографування
лавинної небезпеки в різних масштабах. Вінцем картографічного напрямку
лавинних досліджень стали карти, створені для Атласу сніжно-льодових
ресурсів світу (1).

Інформаційний бум і масова комп’ютеризація, що охопили планету на порозі
3 тисячоріччя, сприяли розробці і просуванню нових технологій,
спрямованих на упорядкування і якісну обробку величезних масивів даних.
На зміну традиційним паперовим носіям, інформації, складання й обробка
яких досить трудомісткі, прийшли цифрові карти і комп’ютерні бази даних.

На генеруємій карті кутів нахилу гірських схилів виділяються ділянки з
найбільш сприятливими умовами для виникнення лавин. Діапазон значень
крутості потенційних зон лавиновиникнення визначається по статистичним
даним. До приклада в Каталонських Піренеях найбільша кількість лавин
утвориться на схилах 28-50° (10), у долині Engadine (Швейцарія) (21)
30-50°, Кабардіо-Балкарії 25-45° (5).

Для виділення лавинонебезпечних територій, а також для подальших
розрахунків потрібно визначити можливість існування в межах
досліджуваної території другого найважливішого фактора утворення лавин –
сніжного покриву. Для цієї мети залучаються дані стандартних
метеорологічних і спеціалізованих польових спостережень, космо- і
аерофотознимки.

ГІС-технології використовуються для моделювання процесів і явищ, що
визначають умови сходу сніжних лавин. З метою вивчення просторового
розподілу сніжного покриву – виявлення зон акумуляція і зносу снігу,
його динаміки, характеристик сніготанення генеруються карти експозиції
схилів.

Товщина сніжного покриву розраховується з різним ступенем старанності:
від спрощеного підходу – на схилах даної експозиції по багаторічним
даним нагромадження снігу більше чим на інших схилах (15) – до складного
розрахунку з використанням статистичних залежностей і моделювання
снігопереносу (18, 19, 20 – відповідно у Швейцарських Альпах, на
Тянь-Шані й у горах Шотландії).

У ГІС Кабардіно-Балкарії (5) границя сніжного покриву проводиться за
даними багаторічних спостережень на метеостанціях і в лавинних
осередках.

Розрахункову схему для окремого лавинного вогнища (вихідний масштаб 1:10
000) складає залежність товщини сніжного покриву на ділянці схилу від
висоти, крутості й орієнтації ділянки з використанням емпіричних
коефіцієнтів (19).

Об’єднання двох способів збереження інформації дало імпульс розвитку
принципово нової технології геоінформаційної систем (ГІС).

Наявність міцних зв’язків між різними організаціями, що здійснюють
сніголавинні спостереження на території СРСР, дозволило вже наприкінці
80-х років поставити задачу створення національної ГІС “Гляціологія”,
були сформульовані основні задачі, розв’язувані при створенні ГІС,
намічена її структура (4). На жаль, розвал СРСР не дозволив реалізувати
даний проект повною мірою. У цей же час з’являються перші розробки з
застосуванням ГІС-технологій в інших країнах. До їхнього числа
відносяться роботи Р.Tonne (22) про картографування природних небезпек і
К.Лида і Р.Tonne (17) про розрахунок максимальної дальності викиду
сніжних лавин з використанням цифрової моделі місцевості.

У загальному виді роль ГІС-технологій у лавинних дослідженнях зводиться
до синтезу знань про рельєф, клімат і попередніх події, з метою
визначення можливості сходу сніжних лавин. Для цього в середовищі ГІС
відцифровуються вже готові карти або створюються нові проекти. Аналіз
робіт, присвячених використанню ГІС у лавинних дослідженнях, показав, що
ГІС-технологій у даний час застосовуються для рішення наступних задач:

Виявлення зон зародження лавин

Вихідний масштаб цифрової моделі рельєфу, використовуваної при створенні
проекту, визначається фахівцями у відповідності зі специфікою
розв’язуваних задач. Матриця абсолютних висот рельєфу має крок на
місцевості від 25 м (16) при великомасштабній основі до 200 і більш
метрів (5). Виділення лавинонебезпечних територій виробляється шляхом
аналізу відповідності умов території визначеним критеріям. У першу чергу
оцінюється рельєф місцевості.

M.Mases з колегами (18) моделюють розподіл снігу на лавинонебезпечному
схилі з використанням емпіричного «вітрового коефіцієнта», що
представляє собою відношення акумульованого на ділянці протягом заметілі
снігу до знесеного. «Вітрові коефіцієнти» розраховані для 20 типових
сніжнометеорологічних ситуацій (сполучення швидкості вітру, кількості і
форми опадів, що випадають,) змінюються в залежності від пануючого
напрямку вітру і можуть бути отримані для кожної заметілі.

R.S.Purves і його колеги (20) з використанням цифрової моделі рельєфу
визначають місця зносу й акумуляції снігу в залежності від напрямку й
експозиції схилів, характеру поверхні снігу. Ділянки схилів
представляються у виді осередків, переміщення матеріалу (снігу) походить
від осередку до осередку.

По статистичних залежностях з використанням ГІС-технологій здійснюється
розрахунок товщини снігу і щільності на вилучених ділянках у
Льодовиковому національному парку в Монтане (8).

Визначення зон забрудненя

При визначенні максимальної дальності викиду

засобами ГІС подовжніх профілів вогнищ використовуються відомі моделі
руху лавин (14), проводиться типізація профілів за формою і розрахунок
із застосуванням регресійного аналізу (11).

Границі зон поразки уточнюються при польових дослідженнях, за
результатами свердловин.

Значною підмогою при виділенні лавинонебезпечних територій могло б стати
наявність у ГІС шаруючи ландшафтів (рослинності). В даний час
ландшафтний метод використовується спрощено – залісені ділянки
виключаються з числа потенційних зон зародження лавин (21), що методично
не завжди і не скрізь виправдано.

Кінцевим продуктом операції виділення лавинонебезпечних територій є
карти регіонів із границями лавинонебезпечних площ, зон поразки лавинами
з різним ступенем імовірності(10).

Створення кадастрів лавинних вогнищ, баз даних про лавини

Створення всіх проектів лавинних ГІС передбачає наявність статистичних
даних. Сучасні програмні засоби (системи керування базами даних)
ідеально підходять для збереження й обробки інформації. Функція запитів
до бази даних дозволяє здійснювати вибірки будь-якої необхідної
інформації і представляти її в необхідному виді (9). Акумульовані в
кадастрі дані використовуються для одержання довідок про режимну
інформацію, створення методик прогнозу сходу лавин (21). З застосуванням
ГІС -технологій, забезпечується візуалізація даних про минулі подіях.

Прогноз лавинної небезпеки

Досить широко ГІС – технології застосовуються при створенні прогнозів
сходу сніжних лавин по методу подоби образів. Швейцарські дослідники
(21) склали базу даних про сход лавин – їхніх розмірах і метеорологічних
умовах, що супроводжують обвалення, визначили і наклали на генеровану
карту лавинонебезпечних територій частоту і дальність викиду лавин.
Прогноз виробляється при порівнянні поточних метеоумов із критичними,
обумовленими по базі даних. При цьому прогнозується час обвалення і
розмір лавин.

Канадський дослідник (23) також використовує банк метеорологічних даних,
зв’язаних з обваленням лавин. Метеодані корелюються зі структурою
поверхневого шару снігу. Вивчення структури виробляється на
репрезентативних ділянках – отримані результати апроксимуються на всі
подібні ландшафти (у даній моделі виділення ландшафтів здійснюється за
допомогою космічних знімків).

Для складання прогнозу лавинної небезпеки співробітники Цеху
протилавинного захисту ОАО «Апатит» (7) з використанням цифрової моделі
поширення сніжного покриву одержують розподіл напруг у сніжній товщі на
схилі.

Оригінальна методика прогнозу сходу сніжних лавин із застосуванням
ГІС-технологій запропонована для створення Національного сніголавинного
бюлетеня Швейцарії (16). Топографічною основою служить цифрова модель
рельєфу масштабу 1:25 000. Методика передбачає надходження оперативної
снігометеорологічної інформації. Усім факторам лавиноутворення
(геоморфологічним, що розраховується по цифровій моделі, і
метеорологічним, отриманим за результатами спостережень) привласнюється
в залежності від значення свій ваговий коефіцієнт. У залежності від
напрямку вологонесучого потоку міняється ваговий коефіцієнт орієнтації
схилу. За значенням добутку вагових коефіцієнтів визначається ступінь
лавинної небезпеки відповідно до європейської шкали лавинної небезпеки (
HYPERLINK “http://www.slf.ch/” http://www.slf.ch/ ) – кожної ступіні
відповідають визначені експертами граничні значення добутку. Кінцевим
продуктом є генеруючими засобами ГІС карти товщини сніжного покриву,
приросту снігу (за останню добу), суми снігу, що свіжовипали, за останні
3 дня, і, нарешті, карти прогнозу лавинної небезпеки на окремі гірські
масиви і на всю територію країни (мал.7). Уточнення прогнозу
здійснюється спеціалістами-лавинщиками.

У найближчій перспективі створення методик прогнозу мокрих лавин.
Цифрова модель рельєфу і генеровані шари кутів нахилу й експозиції
схилів використовуються для розрахунку характеристик сніготанення.
Отримані по цифровій моделі параметри схилів застосовуються для
розрахунків, приміром, надходження сонячної радіації (12).

Найбільш популярним програмним продуктом, використовуваним у
лавиноведення є пакет Arclnfo, обладнаний могутніми модулями розширення
(10, 11, 12, 14, 20, 21). Ряд задач зважується з застосуванням більш
простих і дешевих програм, до приклада Mapinfo (13) і Idrisi (J5, 19).
Елементи ГІС-технологій, робота з цифровою моделлю рельєфу
використовуються в спеціалізованому програмному забезпеченні ELSA,
створеному французькими лавинщиками для моделювання й аналізу лавинних
вогнищ (18).

Сніжні лавини можуть бути безпосереднім об’єктом дослідження проекту
ГІС. Базовою основою таких проектів служать, як правило, великомасштабні
карти. Вони охоплюють невеликі по площі території: лавинонебезпечний
схил (19), долину (21), окремий гірський хребет (10).

Окремим шаром (блоком) лавини входять до складу комплексних ГІС, що
описують природні умови регіонів і створених для вивчення самих явищ,
їхніх взаємозв’язків і їхнього впливу на процеси і явища (8). Для
створення картографічної основи використовуються карти і знімки
середнього масштабу.

Мети створення ГІС – проектів, що включають лавинну тематику, зводяться
до визначення стану досліджуваної території на предмет виникнення
лавинної небезпеки. Це:

– забезпечення планувальних, проектних, контролюючих організацій
зведеннями про поширення природних небезпек, створення земельного
кадастру, вибір оптимальних місць під будівництво лінійних і майданних
об’єктів (Росія, США, Швейцарія, Австрія й ін.);

– екологічний контроль регіону – вплив лавин на динаміку ландшафтів,
характер і границі рослинних співтовариств (8);

– вибір безпечних шляхів пересування туристських груп (15);

– вивчення взаємозв’язків небезпечних природних і антропогенних явищ
(Росія, США).

Перспективним напрямком для застосування ГІС-технологій представляється
довгостроковий прогноз лавинної активності в зв’язку з глобальною зміною
клімату, розроблювальна в НІЛ сніжних лавин і селів МГУ (13). Рішення
даної задачі здійснюється в дрібному масштабі. Також дрібномасштабними є
робочі проекти «Лавини Росії» і «Небезпечні гляціально-нивальні
процеси». В основу останнього покладена база даних про катастрофічні
лавини в усьому світі.

Література

1. Атлас сніжно-льодових ресурсів світу. М.,1997.

2. Географія лавин. М.: Изд-во МГУ, 1992,, 334 с.

3. Кадастр лавин СРСР. 1984-1991. Л., Т.1-20, ГИМИЗ.

4. Кравцова В.И., Канаев Л.А. ГІС «Гляціологія»: підсистема «Лавини». –
МГИ, 1990, В.70, с.150-152.

5. Купцова A.B., Перехрест В.В.. Створено і працює ГІС
Кабардино-Балкарської республіки. Інформаційний бюлетень ГІС-ассоціації.
М., 1996, № 3(5), с.24-25.

6. Трошкина Е.С. Лавинний режим гірських територій СРСР. М: Изд-во
ВИНИТИ, 1992, 196 с.

7. Chernouss, P.A. and Yu.V.Fedorenko. Avalanche forecasting and hazard
estimating in Khibini Mountaines. International Conference “Avalanches
and related subjects”. Proceedings. “APATIT” JSC, Kirovsk, Russia, 1996,
p. 154-160.

8. Fagre, D. Global change research program. Glacier national park. URL:
HYPERLINK “http://www.mesc.usgs.gov” http://www.mesc.usgs.gov
/glacier/global.htm.

9. Fuchs, H. and H.Zehetbauer. Benchmark – digitaler Wildbach- und
Lawinenkataster Benchmark – digitaler Wildbach- und Lawinenkataster.
URL: HYPERLINK “http://bzgserver.boku.ac.at/forschung.htm”
http://bzgserver.boku.ac.at/forschung.htm

10. Furdada, G. 1996. Estudi de les allaus al Pirineu Occidental de
Catalunya: prediccio espacial і aplicacions de la cartografia. Logrona,
Geoforma ediciones. 316 p.

11. Furdada, G. and J.M.Vilaplana. 1998. Statistical prediction of
maximum avalanche run-out distances from topographic data in the western
Catalan Pyrenees (northeast Spain). Annals of Glaciology, 26, 285-288.

12. Gardiner, M.J., Ellis-Evans, J.C., Anderson, M.G. and M.Tranter.
1998. Snowmelt modelling on Signy Island, South Orkney Islands. Annals
of Glaciology, 26, 161-166.

13. Glazovskaya T.G. 1998. Global distribution of snow avalanches and
changing activity in the Northern Hemisphere due to climate change.
Annals of Glaciology, 26, 337-342.

14. Gruber, U., Bartelt, P. and H.Haefner. 1998. Avalanche hazard
mapping using numerical Voellmy-fluid models. NGI, Oslo, pub. Nr.203,
117-121.

15. Joseph, A. British Columbia backcountry database: A recreational GIS
project. URL: HYPERLINK “http://www.ubc.ca” http://www.ubc.ca .

16. Leuthold, H., Allgower, B. and R.Meister. 1997. Visualization and
analysis of the Swiss avalanche bulletin using GIS. Proceedings of the
International Snow Science Workshop 1996, Banff, Canada. 35-40

17. Lied, K. and R.Toppe. 1989. Calculation of maximum snow-avalanche
run-out distance by use of digital terrain models. Annals of Glaciology,
13, 164-169.

18. Mases, M., Buisson, L., Frey, W. and G.Marti. 1998. Empirical model
for snowdrift distribution in avalanche-starting zones. Annals of
Glaciology, 26, 237-241.

19. Pertziger, F. 1998. Using of GIS technology for avalanche hazard
mapping, scale 1:10 000. NGI, Oslo, pub. Nr.203, 210-214.

20. Purves, R’.S., Barton, J.S., Mackaness, W.A. and D.E.Sugden. 1998.
The development of a rule-based spatial model of wind transport and
deposition of snow. Annals of Glaciology, 26, 197-202.

21. Stoffel, A., Meister, R. and J.Schweizer. 1998. Spatial
characteristics of avalanche activity in an Alpine valley. Annals of
Glaciology, 26, 329-336.

22. Toppe, R. 1987. Terrain models: a tool for natural hazard mapping.
Avalanche formation, Movement and Effects. Davos. IAHS, 162, 629-638.

23. Weetman, G. Avalanche hazard modelling using GIS. URL: HYPERLINK
“http://www.geog.ubc.ca/courses/klink/g472/class96/gweetman/project.html

http://www.geog.ubc.ca/courses/klink/g472/class96/gweetman/project.html
.

Курсові:

№ Група, ФІО Тема по ГІС Тема по 3dsmax Число тем

СБТ

Системи навігації і телекомунікації ГІС-технології Створити
Моделі-за-моделі, побудувати текстури, одержати JPG моделі і AVI її
анімації

1

На основі креслення 4 поверхи 5 корпуса НГТУ побудувати інформаційну
систему в ГІС-технології ArcView Візуалізація процесу виміру Р Л
системою ЛА похилих дальностей і радіояркостей що підстилають
поверностей 3

2

На основі креслення 4 поверхи 5 корпуса НГТУ побудувати інформаційну
систему в ГІС-технології Autodesk Map Моделювання руху діаграми
спрямованості фазірованої антеною ґрат 2

3

На основі креслення 4 поверхи 5 корпуса НГТУ побудувати інформаційну
систему в ГІС-технології Autodesk Map Візуалізація польоту ЛА над
поверхнею Землі по траєкторії, для якої задані: курс, тангаж, крен,
швидкість з посаду, кроком за часом. 2

4

За матеріалами сайтів HYPERLINK “http://terra.nasa.gov” terra.nasa.gov
, HYPERLINK “http://modis.gsfc.nasa.gov” modis.gsfc.nasa.gov і
HYPERLINK “http://www.scanex.ru” www.scanex.ru проаналізувати
можливості використання знімків системи MODIS у навігації Моделювання
системи супутників над

поверхнею Землі, що формують сигнал GPS-приймача 1

5

Пошук в Інтернету карт радіояркостей. Реалізація у виді інформаційної
системи в одній з ГІС-технології Моделювання системи супутників над
поверхнею Землі, що формують сигнал GPS-приймача 1

6

Одержати відповідні один одному по координатах пари карт: рельєфу
(висот) і радіояркості для ділянок поверхні 10 км х 10км із сіткою 10×10
осередків. Для шару сітки створити і приєднати таблицю максимальних і
мінімальних висот квадратів, побудувати тематичну карту по min (max)
висотах Змоделювати засобами Terrain Compound Objects правдоподібний
рельєф з ділянками водяної поверхні, лісу, полючи, житлової забудови.
Одержати плоску карту рельєфу розбиту сіткою… Наповнити відповідні
зони об’єктами і, альтернативно, текстурами радіояркості. Створити AV1
обльоту. 3

7

Одержати відповідні один одному по координатах пари карт: рельєфу
(висот) і радіояркості для ділянок поверхні 1 км х 1 км із сіткою 10×10.
Для шару сітки створити і приєднати таблицю максимальних і мінімальних
висот квадратів, побудувати тематичну карту по min (max) висотах
Змоделювати засобами Terrain Compound Objects правдоподібний рельєф з
ділянками водяної поверності, лісу, полючи, житлової забудови. Одержати
плоску карту рельєфу розбиту сіткою. Наповнити відповідні зони об’єктами
і, альтернативно, текстурами радіояркості. Створити AVI обльоту. 3

8

Одержати відповідні один одному по координатах пари карт: рельєфу
(висот) і радіояркості для ділянок поверхні із сіткою 100 х 100м. Для
шару сітки створити і приєднати таблицю максимальних і мінімальних висот
квадратів, побудувати тематичну карту по min (шах) висотам Змоделювати
засобами Terrain Compound Objects рельєф на основі креслення
ngtulOOOrelief.dwg. Одержати плоску карту рельєфу розбиту сіткою
100х100м. Наповнити зони парку і забудови об’єктами і, альтернативно,
текстурами радіояркості. Створити AV1 обльоту. 2

Нашли опечатку? Выделите и нажмите CTRL+Enter

Похожие документы
Обсуждение

Ответить

Курсовые, Дипломы, Рефераты на заказ в кратчайшие сроки
Заказать реферат!
UkrReferat.com. Всі права захищені. 2000-2020