19. Ландшафт, его определение, типы ландшафтов

Слово «ландшафт», давшее название целой от-ли геогр науки, первонач употреблялось для обознач-я общей идеи о взаимосвяз сочетании различных явлений на земной пов-ти.

По Исаченко, Л-т - генетически единая геосистема, однородная (неделимая) по зональным и азональным признакам и закл-щая в себе специфич набор сопряженных локальных геосистем.

По Солнцеву, для обособления самост л-та необх условия:

1) тер-рия должна иметь однородный геолог фундамент;

2) после образования фундамента последующая история развития л-та на всем прост-ве должна протекать одинаково (в единый л-т нельзя объединять два участка, из к-рых один покрывался ледником, а другой нет, или один подвергался морской трансгрессии, а др нет);

3) климат одинаков на всем прост-ве л-та и при любых сменах климатич условий он остаётся однообразным (внутри л-та набл-ся лишь изменение местных климатов - по урочищам и микроклиматов - по фациям).

Тип л-тов - это объед-е л-тов, имеющих общие зонально-секторные черты в стр-ре, функционир-и и динамике. Во многих типах л-тов выявляются три подтипа

- северный, средний и южный.

По увлажненности –

гумидные, семигумид, семиарид, аридные, экстраарид.

По теплообеспеч-ти: аркт (антаркт), субаркт, бореальные, суббор, тропич, субэкват, экват.

По континентальности: приокеанич, континент.

Классы л-тов – равнинный (подклассы: низм, возвыш) и горный (низко, сред, высоко). Зональные группы типов л-тов получаются при сочетании увлажнения и теплообеспеч-ти (напр, широколиств леса – суббор гумид л-ты, степь – суббор семиарид л-ты).

20. Математико-картографическое моделирование

МКМ. Мат-кгр моделир-е - это органическое комплексирование мат и кгр моделей в системе «создание – исп-ние карт» для конструир-я или анализа темат содерж-я карт. Исх данные + мат модель = рез-т моделир-я. Карта- э то уже мат модель, т.к. стр-ся на законах мат картогографии, но К визуализирует террит конкретность. Мат-ка уже давно исп-ся в кгр-ии: это картограммы, картодиаграммы, точечный и изолин способ.

Классиф-ция элементарных мат-кгр моделей:

A. Модели стр-ры явлений:

I. Модели стр-ры пространств хар-к явлений.

II. Модели стр-ры содержат хар-к явлений.

B. Модели взаимосвязей явлений:

I. Модели взаимосвязей пространств хар-к явлений.

II. Модели взаимосвязей содержат хар-к явлений.

C. Модели динамики распростр-я (развития) явлений:

I.Модели динамики пространств распростр-я явлений.

II. Модели динамики содержат развития явлений.

В моделях содержат хар-к хоть и не исп-ся пространств коор-ты, они наносятся на карту, т.е. все равно закрепляются в прост-ве. Поэтапное комбинир-е методов приводит к постр-ю сложных мат-кгр моделей:

цепочкообразное (итог одного этапа моделир-ся в след этапе);

сетевое (параллельно реализ-ся ряд алгоритмов);

древовидное (на основе одной мат модели созд-ся серия карт одной тематики).

Способы МКМ:

А-I – модели простр размещ-я точечных объектов, гравитац модели (потенциал поля расселения), модели аппроксимации пов-тей;

А-II – модели сниж-я размерности многомерных геогр данных, моделир-е типологич синтет хар-к, модели оценочных синтет хар-к.

В-I – информац модели, корреляцион модели;

В-II – корреляц модели, таксономич модели, можели по кач пок-лям.

С-I – Гравитац, стохастич, диффузионные модели;

С-II – Марковские модели, регрессионные модели.

Отдельно стоят анаморфир-е модели. Один из осн этапов - оценка надежности мат алгоритмов: метод сравнения алгоритмов; метод экспертных оценок.

Формализованное картографическое изображение хорошо приспособлено для математического анализа. В принципе почти все разделы математики применимы для обработки и анализа картографического изображения. Проблема лишь в том, чтобы точно подобрать математическую модель и, главное, дать надежное содержательное истолкование результатам моделирования. Достаточно прочно в картографический анализ вошли некоторые разделы численного анализа, многомерной статистики, теории вероятностей и теории информации.

Аппроксимации. Под аппроксимациями в математике понимают замену (приближение) сложных или неизвестных функций другими, более простыми функциями, свойства которых известны. Любую сложную поверхность (поле), изображенную на изолинейной карте, можно аппроксимировать, т.е. приближенно представить в виде некой аппроксимирующая функции, с каким-то остатком, не поддающимся аппроксимации. Функцию можно далее разложить в ряд, представив уравнение поверхности с компонентами разложения, которые предстоит определить. В общем случае для этого с аппроксимируемой карты снимают ряд значений г., после чего составляют систему уравнений, решаемых совместно по способу наименьших Существуют разные способы аппроксимации. Это обычные алгебраические многочлены, ортогональные многочлены Чебышева и Лежандра, которые определенным образом упрощают вычисления, сплайн-функции и др. Не останавливаясь на особенностях математического аппарата, отметим, что во всех случаях задача сводится к тому, чтобы аппроксимирующее уравнение наилучшим образом описывало исходную поверхность, а сумма квадратов отклонений была бы минимальна. Тригонометрические функции позволяют описывать сложные, сильно расчлененные поверхности, а сферические функции применяют, если при вычислениях нельзя пренебречь кривизной земной поверхности. В исследовательской практике аппроксимации используют для аналитического описания поверхностей (полей), изображенных на картах, и выполнения с ними различных действий: суммирования, вычитания, интегрирования и дифференцирования, для подсчета объемов тел, ограниченных этими поверхностями, и решения множества других задач. Одно из направлений использования аппроксимаций — разложение поверхностей на составляющие, что позволяет выделять и анализировать нормальные и аномальные факторы развития и пространственного размещения явлений.

Приемы математической статистики. Эта группа приемов математико-картографического моделирования предназначена для изучения по картам пространственных и временных статистических совокупностей и образуемых ими статистических поверхностей. Статистический анализ картографического изображения преследует главным образом три цели:

а) изучение характеристик и функций распределения явления;

б) изучение формы и тесноты связей между явлениями;

в) оценка степени влияния отдельных факторов на изучаемое явление и выделение ведущих факторов.

В основу всякого статистического исследования кладется выборка, т.е. некоторое подмножество однородных величин, снятых с карты по регулярной сетке точек (систематическая выборка), в случайно расположенных точках (случайная выборка), на ключевых участках (ключевая выборка) или по районам (районированная выборка). Выборочные данные группируют по интервалам, составляют гистограммы распределения и затем вычисляют различные статистики — количественные показатели, характеризующие пространственное распределение изучаемого явления. Наиболее употребительные показатели — среднее арифметическое, среднее взвешенное арифметическое, среднее квадратическое, дисперсия, вариация и др. Кроме того, с помощью специальных показателей (критериев согласия) можно оценить соответствие данного конкретного распределения тому или иному теоретическому закону распределения. Другая типичная исследовательская задача — оценка взаимосвязи между явлениями — решается с помощью хорошо разработанного в математической статистике аппарата теории корреляции. Для этого необходимо иметь выборки по сравниваемым явлениям, показанным на картах разной тематики (например, А и В). Значения а. и Ь. берут в одних и тех же точках, т.е. строго скоординировано, и затем строят график поля корреляции. Если поле корреляции может быть аппроксимировано прямой, которая называется линией регрессии, то приступают к вычислению коэффициента парной корреляции(r). Его числовые значения заключены в интервале от минус одного до плюс одного. При r равном +1 или —1 существует функциональная прямая или обратная связь. Если r близок к 0, то связь между явлениями отсутствует, а при r = модулю 0.7 связь считается существенной. Для оценки взаимосвязи явлений в случаях, когда трудно или невозможно получить большие выборки, используют другой по­казатель — ранговый коэффициент корреляции фи. По смыслу у аналогичен коэффициенту парной корреляции. При этом не требуется больших объемов выборки. К тому же не нужны точные количественные значения а. и Ь_п достаточно знать их ранги. Все это удобно для работы с картог­раммами, где используются интервальные шкалы, а объем выборки ограничен числом административных районов. Аппарат теории корреляции достаточно разнообразен, в нем есть показатели, удобные для анализа взаимосвязей по картам ареалов (где явления характеризуются только двумя состояниями: «есть» и «нет»), по картам качественного фона (где каждое явление имеет много состояний, но не охарактеризовано количественно). Существуют коэффициенты для расчета криволинейных зависимостей и связей между тремя явлениями (коэффициенты множественной корреляции) и т.п. Расчет корреляций дает основу для более сложных видов ана­лиза: регрессионного, дисперсионного, факторного и др. Часто при исследованиях ставится задача выделить основные факторы, определяющие развитие и размещение того или иного явления. Эту задачу решает многомерный факторный анализ. Он позволяет свести к минимуму (к трем-четырем главным факторам) большие совокупности исходных показателей, характеризующих сложное явление.

Приемы теории информации. Эти приемы используют для оценки степени однородности и взаимного соответствия явлений, изучаемых по картам. Речь идет об основной функции теории информации — энтропии. В термодинамике энтропия характеризует степень беспорядка в физической системе, в теории связи — степень неопределенности передаваемых сообщений, а в картографическом анализе эта функ­ция оказалась довольно удобной для оценки степени однородности неоднородности (разнообразия) картографического изображения.

Энтропией некоторой системы называется сумма произведений вероятностей различных состояний этой системы на логарифмы вероятностей, взятая с обратным знаком. Функция остается неотри­цательной, она обращается в нуль, когда на карте изображен только один контур или выдел (т.е. изображение совершенно однородно), и монотонно возрастает с увеличением числа контуров п. Это свой­ство функции энтропии позволяет количественно характеризовать неоднородность картографического изображения, по­нимаемую как разнообразие контуров и неравномерность их рас­пространения по площади. Кроме того, информационные функции используют для оценки степени взаимного соответствия (совпадения) контуров на разных картах. В этом случае они выполняют роль своеобразных показателей взаимосвязи явлений наподобие коэффициентов корреляции.

21 Техническое и программное обеспечение ГИС

Техническое обеспечение - это комплекс аппаратных средств, применяемых при функционировании ГИС: рабочая станция или персональный компьютер (ПК), устройства ввода-вывода информации, устройства обработки и хранения данных, средства телекоммуникации.

Рабочая станция или ПК являются ядром любой информационной системы и предназначены для управления работой ГИС и выполнения процессов обработки данных, основанных на вычислительных или логических операциях. Современные ГИС способны оперативно обрабатывать огромные массивы информации и визуализировать результаты.

Ввод данных реализуется с помощью разных технических средств и методов: непосредственно с клавиатуры, с помощью дигитайзера или сканера, через внешние компьютерные системы. Пространственные данные могут быть получены электронными геодезическими приборами, непосредственно с помощью дигитайзера и сканера, либо по результатам обработки снимков на аналитических фотограмметрических приборах или цифровых фотограмметрических станциях.

Устройства для обработки и хранения данных сконцентрированы в системном блоке, включающем в себя центральный процессор, оперативную память, внешние запоминающие устройства и пользовательский интерфейс.

Устройства вывода данных должны обеспечивать наглядное представление результатов, прежде всего на мониторе, а также в виде графических оригиналов, получаемых на принтере или плоттере (графопостроителе), кроме того, обязательна реализация экспорта данных во внешние системы.

Программное обеспечение - совокупность программных средств, реализующих функциональные возможностей ГИС, и программных документов, необходимых при их эксплуатации.

Структурно программное обеспечение ГИС включает базовые и прикладные программные средства.

Базовые программные средства включают: операционные системы (ОС), программные среды, сетевое программное обеспечение и системы управления базами данных. Операционные системы предназначены для управления ресурсами ЭВМ и процессами, использующими эти ресурсы. На настоящее время основные ОС: Windows и Unix.

Любая ГИС работает с данными двух типов данных - пространственными и атрибутивными. Для их ведения программное обеспечение должно включить систему управления базами тех и других данных (СУБД), а также модули управления средствами ввода и вывода данных, систему визуализации данных и модули для выполнения пространственного анализа.

Прикладные программные средства предназначены для решения специализированных задач в конкретной предметной области и реализуются в виде отдельных приложений и утилит.