GEOGRAFSKI INFORMACIJSKI SISTEMI V SLOVENIJI 2005–2006

Klemen Zak{ek1 UvodV svojih za~etkih so se geografski informacijski sistemi (GIS) izkazali kot primerno orodje za avtomatskokartiranje in shranjevanje geokodiranih podatkov. S~asoma je bilo razvitih in vklju~enihv programsko opremo tudi vse ve~ prostorskih analiz, ki jih lahko mno`i~no uporabljamo na razli~nihpodro~jih. S spletom, prenosno tehnologijo GIS in globalnim navigacijskim sistemom je tako GISnekajkrat pove~al {tevilo naklju~nih uporabnikov, katere npr. zanima, katera turisti~na znamenitostse nahaja ob njihovi poti, kje je najbli`ja banka itd. Na drugi strani imamo raziskovalci, ki GIS s pridomuporabljamo v svoji stroki, visoke zahteve od prostorskih analiz, saj GIS uporabljamo za pridobivanjenovih informacij. Velikokrat nas zanima prostorska porazdelitev spremenljivke, ki jo lahko v primeru,da ne poznamo vrednosti spremenljivke na izbrani legi, ocenimo na tri na~ine (Kanevski in Maignan2004):• z deterministi~no interpolacijo (npr. interpolacija v smeri najve~jega naklona),• z geostatisti~nimi metodami (kriging),• z modelom, ki opisuje proces (npr. navidezno gibanje Sonca za dolo~itev obseva).Prvi dve metodi z zgornjega seznama sta uporabni le za modeliranje stati~nih objektov oziromatistih procesov, za katere lahko re~emo, da so dovolj po~asni (npr. tudi relief se spreminja, a so spremembena~eloma tako po~asne, da lahko predvidimo, da bo danes izdelan digitalni model reliefa primernapredstavitev reliefa tudi ~ez ve~ let).Modeliranje dinami~nih procesov je velikokrat re{eno z regresijsko analizo (Kanevski in Maignan2004). Ko postane proces preve~ zapleten, pa regresija in podobne metode, ki v ve~ini slonijo nastohasti~nih predpostavkah (npr. metoda Monte Carlo), odpovejo. S takimi te`avami so se prvi sre-~ali meteorologi, ki kljub vsem sistemom zbiranja podatkov o atmosferi {e danes nimajo dovolj informacijza to~no napoved vremena (Ghil 2000). V ta namen so za bolj{o vremensko napoved razvili ve~ modelov,ki pa lahko ob neustreznem obravnavanju podatkov podajo popolnoma napa~ne rezultate (Kalnay 2004).Klasi~ne interpolacijske metode (deterministi~ne in geostaisti~ne) niso primerne za dolo~itev zveznegasloja spremenljivk, ki so ne samo krajevno, ampak tudi ~asovno odvisne. Ker se moramo v praksivse preve~krat soo~ati z omejenimi sredstvi, je opazovanj na~eloma vedno premalo, zato potrebujemomodel, ki pojasnjuje ~asovno odvisnost izbranih spremenljivk. Pri zapletenih procesih so v uporabinumeri~ni modeli, ki za pravilno delovanje potrebujejo kvalitetne za~etne in robne pogoje, te pa namlahko zagotovi asimilacija podatkov (Ghil 2000). Asimilacija podatkov je torej prostorsko ~asovna analiza,ki model optimalno priredi vhodnim podatkom. Glede na »uspeh« te metode v meteorologiji bov tem ~lanku predstavljena mo`nost njene uporabe znotraj orodij GIS.2 Teoreti~no ozadjeObseg ~lanka ne dovoljuje podrobne predstavitve metode (podrobnej{i podatki so dosegljive v navedeniliteraturi in na svetovnem spletu), a si bomo pred nadaljevanjem vseeno ogledali njenomatemati~no osnovo na primeru ~asovno linearno odvisnega modela. V praksi so modeli pravilomanelinearni, parametri modela, podatki in opazovanja vsebujejo napake, a predpostavimo, da delamos preprostim, idealnim primerom brez {uma. Stanje izbrane spremenljivke v ~asovno linearno odvisnemmodelu med trenutkoma t kin t k+1opi{emo z ena~bo 1 (Nichols 2003).x = F ⋅ x + G ⋅ u k = 0...N − 1k+ 1 k k(1)x ku kvektor stanja izbrane spremenljivke v ~asu t kvektor vhodnih podatkov modela v trenutku t kF, G sistemski matriki modela dinami~nega procesa14