1. Вовед во енвиронментална информатика

Енвиронменталната информатика е дел од применетата информатика и поддржува методи и процедури на информатичката техологија кои придонесуваат во анализата на податоци за околината (животната средина) и нејзнина заштита. Таа претставуваа врска помеѓу природата и инженерството.

Со примената на податоците добиени од набљудувањето на промените на состојбата во животната средина (data sampling), како и моделите за симулација и системи за поддршка на одлуки кои се базираат на статистичките податоци добиени со методите за анализа на податоци, кај проблемите и задачите поврзани со животната средина, се добиваат симулациони резултати и прогнози кои можат да ги објаснат и решат проблемите од животната средина.

Методите на енвиронменталната информатика се основа на процесите за донесување на одлуки за проблемите во животната средина, со користењето на најсовремените комјутерски технологии.

Теми на енвиронменталната информатика

Собирање и складирање на податоци

Методи на набљудување на промените на состојбата на животната средина (environmental sampling)

Енвиронментална анализа на податоци

Енвиронментална статистика

Енвиронментални временски серии

Енвиронментални симулациони модели

Системи за подршка при донесување на одлуки

Физичка и енвиронментална аналитика

Контрола на емисијата(зрачењето) со микро процесори

Контрола на снабдувањето со енергија

Контрола на процесите за производство

Сензорски системи за набљудување на околината

Лабораториски информациони системи

Компјутерски контролирани лабораториски средства

Информациска технологија

Системи на бази на податоци (DBS)

Лабораториски информациони и менаџмент системи (LIMS)

Енвиронментален информационен системи (EIS)

Географски информационен системи (GIS)

Сателитски сликовит систем (SIS)

Глобални системи за позиционирање (GPS)

Донесување одлуки

Бази на податоци

Симулациони модели (SM)

Системи на знаења

Системи за подршка при донесување на одлуки

Енвиронментални информациони системи (EIS)

Чување и администрирање на податоци за почвата, воздухот, атмосферата, водата, потрошуваката на вода, видовите и индивидуите во животната средина.

EIS се алатки за

Собирање

Анализа

Кондезирање (зголемување на компактноста)

Администрирање

Визуелизација

Обезбедува податоци од животната средина, за да може да се изведува изградба на модели и да се користат симулациони техники, и да се направат истите податоци достапни за донесувачите на одлуки.

Екосистеми

Најчесто, алатките на Енвиронменталната Информатика се применети на екосистемите.

Екосистемот во принцип се дефинира како животен и функционален систем или целина, кој може да одржува живот и ги содржи сите биолошки и небиолошки променливи во себе.

Просторните и временските ограничените размери (рамки) не се наведени како приоритет, но се целосно базирани врз објективните резултати од проучувањата на екосистемите.

Пристапи кон проучувањето на екосистемите

Емпириски студии, каде што се собираат делови од информации. Се прави обид да се интегрираат и склопат (поврзат) овие информации во комплетна слика.

Компаративни студии, каде што неколку структурни и неколку функционални компоненти се споредуваат во домен на одредени типови екосистеми.

Експериментални студии, каде што се користат манипулации на екосистемот за идентификација и толкување(појаснување) на еколошките механизми.

Студии за моделирање и компјутерска симулација, за да се добијат планови за менаџирање на екосистемите и за поттикнување на креирањето на еко-технолошки алатки за контролни акции кои се насочени кон некоја цел.

Комплексност на екосистемите

Енвиронменталните системи се сложени динамички системи. Тие се карактеризираат со големи димензии (изведени преку бројот на подсистеми и корелации). Бидејќи решава сложени енвироментални проблеми, системот мора да биде разграден.

Сложените системи можа исто така да бидат окарактеризирани и преку степенот на можни извршувања на пресметки и несигурноста на таквите тврдења.

Проблемите со можноста за набљудување на карактеристиките на системот, можноста за контролирање на состојбите на системот, достапноста на состојбите на системот, вознемиреноста на тие состојби, робустноста на описот на математичкиот модел, мора да се решат и треба да се одговорат многу прашања за вистинитоста на математичките модели.

Најчесто, информационата структура на сложените системи е недостапна поради насобраните нивоа на информации во системот.

Енвиронментални објекти

Првиот чекор во обработката на податоците се однесува на пресликување на енвиронменталните објекти (објекти од реалниот свет) во ентитети кои се поапстрактни и кои можат да бидат обработени од компјутери или директно од донесувачите на одлуки.

Енвиронменталните објекти можат да бидат природни ентитети (пр. животни, расетнија, езера, планини, предели) или објекти изградени од човекот (пр. куќи, градови, фабрики, Waste Water Treatment Plant). Секој еден енвиронментален објект е пресилкан во колекција од енвиронментални податочни објекти.

На пример, типичен енвиронментален податочен објект би била временска серија на мерења на квалитетот на водата, која го опишува оденсувањето на времени промени кај одредени хемиски супстанции во езеро или река (соодветниот енвиронментален објект).

Карактеризација на енвиронментален систем (ES)

Енвиронментален систем е множество од меѓусебно поврзани објекти (пр. животни, видови, елементи, делови, оддели), кои имаат некои основни карактеристики:

Изведуваат некоја функција

Може да се дефинираат според некоја цел на системот, препознатлива за набљудувачот

Имаат карактеристична консталација од (базични) системски елемeнти и (базична) системска структура која ја одредува нивната функција, намена и идентитет

Го губат својот идентитет ако се уништени

Системот не е делив, што значи дека ако еден или неколку (основни) елементи се отстранат неговата намена нема да може да биде исполнета.

Енвиронментални метаподатоци

Енвиронменталните метаподатоци се однесуваат на точно одредени енвиронментални податочни објекти.

Секој енвиронментални податочен објект е поврзан со еден или повеќе метаподаточни објекти, кои го одредуваат неговиот формат и содржина. Податоци за просторните и/или времените размери се исто така вклучени.

2. Собирање и складирање на податоци

Вовед

Поради политичкиот, правниот и административниот развој, количината и квалитетот на собраните енвироментални податоци видливо се зголемија во последните 35 години. Овај развој беше под влијание на подобрувањата во полето на собирање, менаџирање и употреба на енвироменталните податоци.

Инсталирани се, и обновени, сензорски мрежи, со цел да се надгледува квалитетот на водата, воздухот и почвата. Се повеќе се употребуваат сателитски податоци и податоци добиени по пат на методот на оддалечена дразба (remote sensing) се повеќе се употребуваат со цел да се задржат енвироменталните информации.

Множествата енвироментални податоци се големи и сложени. Нивното администрирање бара моќни процесори и ефикасни технилогии за складирање. Проблемот е во прашањето како да се манипулираат и обработат овие големи и неструктурирани множества податоци, така што би се одржала ефикасна поддршка за донесување на одлуки.

Таксономија(1) на објектите

Терминот, собирање на податоци (data capture) го означува процесот на произлегувањето на енвироменталните податочни објекти од енвироменталните објекти, така што секој објект од реалниот свет може да се смета за енвироментален објект. Живите и неживите енвироментални објекти се групираат во повеќе класи со типични атрибути (пр. таксономија на видовите).

Поедноставни таксономични структури на животната средина се дадени кај почвата, водата и воздухот. Оваа таксономија вообичаено се користи од страна на владините агенции за животна средина. Разбирајќи ја животната околина како еден интегриран и комплетен систем, оваа таксономија води кон интердисциплинарни задачи.

Па така, групите составени од сили за интердисциплинарна задача и енвироменталните мрежни организации стануваат сé повообичаени.

Општи примери за објектни таксономии

Атмосфера, која ги вклучува сите објекти над површината на земјината топка.

Хидросфера ги содржи сите објекти кои се поврзани со вода.

Литосфера се однесува на почва, седименти и карпи.

Биосфера ја соединува цела жива материја (сите живи суштества).

Техносфера се користи за означување на објекти изработени од човекот.

Социосфера означува социјални и економски корелации во рамките на човековото општество.

Објектна таксономија кај екологијата

Објектната таксономија кај екологијата се дефинира со:

Oтекологија (Autecology) (Корелации помеѓу видовите и нивните корелации со неживата средина). Еколошките процеси се одвиваат во рамките на екосистемот.

Синекологија (Synecology) (Корелации помеѓу заедниците и нивните животни средини, како и помеѓу жителите во рамките на заедницата). Еколошките процесии се одвиваат во рамките на заедницата.

Демекологија (Demecology) – екологија за населението (корелации помеѓу индивидуите во рамките на едно население, како и корелации помеѓу населенијата и живата и нежива околина). Процесите се одвиваат во рамките на населението.

Пресликување на животната средина

Главното прашање е кои од објектите во животната средина треба да се набљудуваат, и кои од податоците поврзани со нив треба да се собираат.

Постојат повеќе начини да се извлечат енвироментални податочни објекти од енвироменталните објекти.

Резултатите се достигнуваат во форма на временски распределени серии од мерења.

1 Наука за основите на редот и систематизацијата во некоја област

Суровите влезни податоци мора да се подложат на обработка која е дефинирана во однос на областа (домејн) и направите кои се користат.

Во зависност од изворните податоци, оваа обработка може да вклучи и некои манипулации како оптичко прекршување, потиснување на шумови, филтрирање, или контрастно појаснување (нагласување).

Обработка на сурови податоци

Процедурите за обработка на сурови податоци претставуваат сложени аналитички техники (лабораториски методи) кои можат да се употребуваат при набљудувањето на токсикантите во животната околина.

Воздушното и сателитско сликање се повеќе се користи со цел да се набљудуваат подалечните области и да се препознаат долготрајните нарушувања на животната околина (environmental loads). Суровите резултати добиени во форма на слики најчесто се обработуваат и презентираат како тематска мапа, со цел да може да се визуелизира распределеноста на нарушувањето.

Во однос на контролата на шумите и дивите животни, непосредното (рачно) пребројување на животни и растенија често претставува најдоверлив извор на податоци.

Во однос на објектите од техносферата или социосферата, корисно е да се проучува печатена документација со цел да се извлечат и структурираат бараните енвироментални податочни објекти.

Процедури за валидација на податоците

Процедурите за валидација на податоците вклучуваат:

Времена валидација: Новодобиените мерења се споредуваат со претходните мерења и со некои референтни податоци добиени во слични услови.

Географска валидација: Податоците кои не се вклопуваат во вообичаените шеми се подложуваат на крос-валидација со помош на мерења добиени со друга опрема во истата област, која служи за мерење на истите параметри.

Просторно-временска валидација: Податоците се споредуваат со претходни мерења добиени со истата опрема.

Параметарска валидација: Податоците кои не се вклопуваат во нормите се препраќаат на контра-валидација (across-validation) со помош на опрема која мери различни параметри.

Напредни техники

За обработката и почетната евалуација на суровите енвироментални податочни објекти, како значителен потенцијал се сметаат системите базирани на знаење (knowledge-based systems). Со посебен осврт кон презентирањето на знаењето, енвироменталните апликации можат да ги исполнат барањата со помош на стандардни техники за бази на податоци и вештачка интелигенција.

Презентација на знаењата

Спојување на податоци

Бејзова (Bayesian) теорија за веројатност и несигурни информации

Складирање и безбедност на податоците

Системи за управување со бази на податоци

Бази на податоци

Географски Информациски Системи

Презентација на знаењата

Статичко знаење се складира во специјализирани системи од датотеки или во релациони или објектно-ориентирани бази на податоци.

Објектно-ориентираните бази на податоци на корисниците им даваат можност за групирање на слични објекти во класи и можност тие класи да се поврзат во една наследна хиерархија.

Сите објектите во секоја од тие класи, имаат заедничко множество атрибути, а постои можност да имаат и одреден број заеднички методи, како на пример посебни процедури кои земаат еден или повеќе објекти од класата како аргументи.

Како посебна забелешка во однос на наследувањето е податокот дека атрибутите и методите кои се дефинирани во некоја класа C сместена погоре во хиерархијата се исто така валидни за сите класи во подолните слоеви под C (подолната структура на стеблото).

Динамичко знаење

Динамичкото знаење во ЕИС е претставено преку IF-THEN наредбите. Самиот концепт на системи на знаење базирани на наредби подразбира кодирање на достапните информации за енвироменталните објекти со помош на можен голем број релативно едноставни наредби во однос на сложена процедурална програма.

Секоја наредба се состои од IF сегмент и THEN сегмент. Почнувајќи од некоја почетна состојба, системот проверува кои од наредбите се моментално извршливи.

Доколку може да се изврши повеќе од една наредба, системот избира една од нив според дадена шема на приоритет.

Спојување на податоците

Собирањето на енвироментални податоци може да се изведи со помош на техники кои се сметаат за стандардни во обласите на статистичката класификација, управувањето со бази на податоци, и вештачка интелигенција. Доколку суровите податоци се соединуваат и евалуираат, влезните податоци се само еден дел од информацијата.

Исто така, во предвид се земаат и други информации кои зависат од околностите, со цел да се извлечат оние енвироментални податочни објекти за кои се интересира корисникот. Луѓето експерти секогаш земаат во предвид такви информации кога евалуираат одреден примерок.

Еден вид стратегија која би ги исполнила очекувањата е да се формира работна хипотеза, и истата да се издржи врз база на достапните информации. При тоа мора да се вклучи и можноста влезните податоци делумно да си противречат едни на други.

Бејзова (Bayesian) теорија за веројатност и несигурни информации

• Енвиронменталните податоци се често пати непрецизни и несигурни. Од таков тип податоци, можат да бидат извлечени само веројатни заклучоци.

• Услов кај Бејзовата статистика е настаните да се независни еден од друг. Оваа претпоставка е ретко точна во енвиронментален контекст.

• Несигурноста која произлегува од суровите множества од податоци и бази на податоци може да се процени со помош на Демпстер-Шафер пристапот (Dempster-Shafer). Често се користи при собирањето на енвиронменталните податоци.

Демпстер-Шафер пристап • Клучната замисла е логички да се оддвојат аргументите кои се за и против

дадена хипотеза H. Оваа разделба е овозможена со разликувањето на довербата Belief(H) од веројатноста Plausability(H).

• Обата концепти се преставени со некој број помеѓу нула и еден.

• Довербата (верувањето) ја претставува тежината на фактите кои ја поддржуваат хипотезата на која се работи.

• Спротивно на тоа, веројатноста (одржливоста, прифатливоста) е еднаква на еден минус тежината на фактите кои зборуваат против H.

Степен на несигурност • Согласно на тоа, Pl(H) = 1 - B(H*), ако со H* се означува дека хипотезата е

неточна. • Довербата кај една контрахипотеза B(H*) некогаш се нарекува сомневање D(H)

во однос на хипотезата која се разработува, H. • Согласно на тоа, Pl(H) = 1 - D(H). • Кај Бејзовата веројатност довербата и веројатноста на една теорија одговараат

на p(H) = B(H) = Pl(H) = 1 - p(H*). • Кај Демпстер-Шаферовата теорија: B(H) ≤ Pl(H). • Разликата помеѓу B(H) и PI(H) го претставува степенот на несигурност U(H) во

однос на хипотезата.

Складирање и безбедност на податоците • Во минатите години, поголемиот дел од податоците кои имале енвиронментална

важност биле достапни само во аналогна форма. Ова се однесува на податоците од некои историски записи, но исто така и на доста голем број понови тематски мапи, слики и документи.

• Овие множества на историски податоци, кои се значајни за тековните и идните апликации, забрзано се дигитализираат. Ваквиот процес е поддржан од константниот напредок кај технологиите за скенирање.

• Може да се каже дека новите податоци речиси се доловуваат во некој дигитален формат, а нивната достапност е воглавно прашање на логистика.

• Во основа, постојат две опции за складирање на дадено множесгво од дигитални податоци.

1. Систем за управување со бази на податоци (DBMS) со добро-дефиниран податочен модел, типично релационен, објектно-релационен, или објектно-ориентиран;

2. Систем од датотеки кој е специфичен за дадена апликација (application-specific file system), бидејќи сеуште се користи од страна на многу географски информациони системи (GIS).

• Енвиронменталните податоци имаат специфични арања во однос на базите на податоци и складирањето на податоците. Во поголемиот број случаи, енвиронменталните податоци се изградени од три дела информации: мареијални информации или информации базирани на субстанции, временски информации и просторни информации.

• Една енвиронментална база на податоци се карактеризира според типот на податоци кои се чуваат во неа, според типот на системот за управување кој се користи при складирањето на податоците и според типот на достапни информации кои се добиваат од самата база на податоци.

• Операциите помеѓу апликациите и барањата се организираат преку интерфејси. Додека во минатото постоеше тесна врска помеѓу складирањето и обработката на податоци, поновите системи прават јасно разграничување помеѓу тие две задачи.

• Ваквиот тренд е резултат на општата тенденција кон креирање на отворени системи. Бидејќи корисниците бараат удобни интерфејси помеѓу различни хардверски и софтверски алатки низ хетерогени компјутерски платформи, продавачите се принудени да ги разградуваат своите производи на повеќе сегменти со конкретна функционалност.

• На пример еден GIS, посебно искористен за складирање на податоци, обработување на барања поврзани со податоците и податочна визуализација на географски информации, функционира на цврсто интегриран начин.

Системи за управување со бази на податоци • Еден DBMS служи како комплетен збир од јазици за работа со податоци, каде

деловите се претставени преку:

– data definition language (DDL), јазик за дефинирање на податоци

– query language (QL), јазик за прашалници

– data manipulation language (DML), јазик за манипулација со податоците

• Овозможена е и конекција со програмски јазици на повисоко ниво. Воглавно се користи структуриран јазик за прашалници - structured query language (SQL).

• Сите операции врз податоците, во рамките на една база на податоци, се изведуваат со помош на трансакции кои треба да дозволуваат повеќе кориснички операции. Воглавно, комерцијаните DMBS се резултат на апликативно насочениот развој.

Географски информациски системи • Географските информациски системи се основни алатки на енвиронменталната

информатика кои служат за управување на околината, вклучувајќи и поддршка при донесувањето на одлуки како и визуелизација на голем број енвиронментални податоци. Основната замисла за GIS беше да се компјутеризира метафората на тематска мапа.

• Во основа, GIS се компјутерски алатки кои служат за собирање, манипулирање, обработување и прикажување на податоци кои се просторни или географски ориентирани. Просторните податоци сеуште претежно се чуваат во приватни системи од датотеки. Затоа, поголемиот дел од основните податочни модели се базираат на слоеви. Информациите се кодираат во одреден број на тематски мапи, како на пример мапи на растителниот свет, мапи на почвата или топографски мапи.

• Со посебно внимание кон геометријата, секоја мапа одговара на дел од целината, претставена преку одделни полигони. Секој полигон претставува регион кој е доволно хомоген, согласно со темата на мапата. Мапите можат да се усовршат преку употреба на линии и точки кои би претставувале некои специфични делови, како на пример патишта или градови.

3. Семплирање (мерење на промените) на животната

средина

Дефиниција Семплирањето на животната средина е дефинирано како опсервација

(набљудување) на промената на состојбите во околината (подмножество од мониторинг).

Мониторингот на животната средина е дефиниран како континуирано набљудување на состојбите во околината.

Целта на самплирањето е изнаоѓање на информации за фреквенцијата на дистрибуција на податоците од животната средина или за можните дистрибутивни параметри (да се одреди веројатноста измерените големини да се во предвидените граници).

Вовед Еколошките податоци може да се добијат од примероците на теренот и (или) од

лабораториски анализи. Овие податоци може да бидат директно набљудувани (директни набљудувања) или индиректно набљудувани (во зависност од градацијата на аналитичките инструменти и сензори). Сумарните (збирните) податоци произлегуваат од статистиките или од ограничените видливи индикатори. Симулационите податоци се добиваат од симулационите модели.

Препораки при семплирање на животната средина Целите и потребите од собирањето на податоци од животната средина треба

категорички да се формулираат за секоја апликација. Потребно е претходно знаење за факторите кои влијаат врз енвироманталните променливи кои ќе бидат предмет на испитување. Во текот на процесот на семплирање не треба да се земат во предвид одредени промени на надворешните и внатрешните движечки сили (driving forces). Постоечките пресметки може да се доволни за понатамошна употреба доколку се добиени преку непристрасен дизајн на семплирање.

Дизајн на семплирање Фазите на проток на податоци при прибирање на податоци од животната средина се претставени преку:

Добивање (прибирање) на податоците (опсервација, мерење, опис), Обработка на податоците (на пр.соединување, идентификација, статистика ), Складирање на податоците (бази на податоци, метаподатоци, GIS) и Анализа на податоците (моделирање, симулација, системи за донесување на

одлуки, системи на знаења). За дизајнот на семплирање потребно е основно познавање на процесите во животната средина. Предуслов за идентификација на одреден систем или процес е достапноста на соодветните записи за набљудуваниот процес или динамиката на системот.

Важни аспекти кај експериманталниот дизајн се: 1. Главните временски константи на обработката 2. Фреквенција на семплирање (мерење) 3. Времетраење на опсервациите и на експериментот 4. Избор на иницијални (почетни ) вредности на опсервациите 5. Ниво на шум (noise level) 6. Нелинеарности во процесот

Примери за семплирање на енвироментални променливи 1. Биланс на вода – Влезни податоци за површински и подземни води, излезни

податоци и промени 2. Хемиски променливи – Органски и неоргански супстанци, производи на

метаболизми 3. Физички променливи – Надворешни и внатрешни движечки сили 4. Биолошки променливи – Прибирање и преработка на хранливите материи и

органските супстанци кај растенијата и животните 5. И други потребни променливи.

Најважно при семплирање на животната средина Информации за содржината на податоците – опсервација, запишување на

податоците и/или мониторинг на состојбите во околината како резултат на хемиските променливи.

Опис на податоците – анализа на податоците, статистичко, хемиско и причинско-ефективно моделирањето и симулацијата.

Технолошки дизајн – развој на семплирањето и апликација со примена на современи методи за детекција на енвиронменталните составни делови, лабораториска опрема, хардвер и софтвер.

Дизајн на мерењата во време и простор – разгледување на просторната област во однос на временските промени на процесите и нивниот размер, промена на состојбата во околината со интерни и екстерни контролни шеми.

Институционален дизајн – Админстрација и организација на управување со околината, баланс во искористувањето на ресурсите, хиерархија кај активностите за контрола во животнате средина.

Економски дизајн – Карактеризирање и евалуација на алтернативите на управување (менаџирање) и нивниот ефект врз околината, одлучување и креирање на политика.

Извори на променливост (варирање) во програмите за семплирање Изворите на променливост (варирање) во програмите за семплирање се претставени преку:

Варирање (променливост) предизвикана од факторите на околината (помеѓу местоположба и временски период (sites & dates) или помеѓу временскиот период на иста местоположба).

Варирање (променливост) предизвикана од внатрешните (природни) фактори помеѓу примероците ( исто место во исто време ).

Варирање (променливост) предизвикана од различни хемиско аналитички методи (помеѓу детерминација) и

Варирање (променливост) предизвикана од различни хемиски пред-третмани (исти детерминации).

Сателитско сликање ( фотографирање ) Дигиталните растерски податоци добиени од сателитските системи ги содржат

податоците за средината само во имплицитна форма. Истите области никогаш не се снимаат на истиот начин поради променливите услови во атмосферата, вегетацијата и промените кај нивното осветлување. Заради оваа причина постои развиена инженерска гранка за анализирање на ваквото претставување.

Тука се вклучени техники од различни инженерски и научни дисциплини на пр. контролно инженерство, граѓанско инженерство, инженерство на обработка, електро инженерство, информациона технологија, компјутерска технологија, математика, информатика, хемија, биологија, екологија; каде што се вклучени методи за обработка на сигнали, статистика, препознавање на шаблони како и вештачка интелегенција.

Проблеми се појавуваат со класификацијата на пиксели, групирањето на граничните пиксели за да се формираат објекти, идентификувањето на примероците на сликите од реалниот свет и при препознавањето на карактеристиките.

Сателити

Landsat Овој сателит обезбедува периодични мулти-спектарни податоци со висока резолуција

на површината на Земјата на глобална основа. Тој ја обиколкува Земјата еднаш на секои 16 дена, снимајќи го секој дел од површината на Земјата. Секоја сцена опфаќа површина од 185 Х 172 километри квадратни.

SPOT СПОТ претставува сателит за набљудување на планетата Земја. Тој поседува

софистицирана технологоија за скенирање, за поткрепување на стереоскопската (3D виртуелна) слика и други напредни опции за набљудување. Главните апликации вклучуваат студии на влијанието врз околината, геолошко истражување и креирање на тематски мапи.

AVHRR (Advanced Very High Resolution Radiometer) Преставува сателистски систем што се применува за прогноза на времето, мониторинг

на загадувањето, детекција на токсичното цветање на алгите и мониторинг на песочните бури. Тој исто така се користи за пресликување (мапирање) на глобалната вегетација. Американскиот Центар за Податоци од Геолошки Набљудувања (Geological Survey’s Data Centre) произведува четири нивоа на податочни производи на AVHRR временски серии; кои се дизајнирани за потребите од биофизички податоци и податоци за обвивката на Земјата, кај истражувањето на глобалните промени.

4. Системи од просторни бази на податоци

Вовед Системите од просторни бази на податоци преставуваат обид да се обезбедат соодветни алатки за управување (менаџирање) на податоците, кои што ќе можат да ги користат програмерите и корисниците кои користст апликации што работат со просторни податоци.

Барањата во однос на управувањето (менаџирањето) со податоците кај просторните апликации значително се разликуваат од оние кај бизнис апликациите. Овие апликации најчесто имаат едноставно структурирани записи на податоци. Постојат само мал број на релации помеѓу податочните членови. Системите за релациони бази на податоци добро одговараат на ова барање.

Од друга страна, просторните бази на податоци содржат повеќедимензионални податоци, како и експлицитни информации за податочните објекти, нивниот обем, и нивната положба во просторот. Овие објекти најчесто се преставени во векторски-базиран формат. Нивната релативна положба може да биде експлицитно или имплицитно зададена.

Објектите кои се базираат на просторни податоци имаат сложена структура. Еден објект може да се состои од една точка или од неколку полигони распросранети низ просторот. Овие објекти имаат динамички структури. Внесувањето и бришењето на податоци се овозможува (извршува) со ажурирање.

Структирите на податоците мораат да го овозможат ова динамичко однесување и при тоа да не се влошуваат со тек на време. Базите за просторни податоци се многу големи. Географските мапи окупираат (заземаат) голем дел од меморијата.

Не постои стандардна алгебра за просторните податоци. Ова поточно значи дека не постои стандардизирано множество на основни операции. Тоа множество зависи од дадениот домејн (област) на апликацијата.

Типови на просторни податоци

Традиционалните системи за бази на податоци не нудат никакви типови на просторни податоци. Покрај класичните типови на податоци како integer, real, character, string овие системи понекогаш нудат и нестандардни типови на податоци како датум (date) и време (time). Еден објект од просторната база на податоци е дефиниран преку неколку не-просторни атрибути и еден атрибут кој претставува некој тип на просторен податок (spatial data type). Овој просторен атрибут ја опишува просторната геометријата, обликот на објектот.

Управувањето со просторните податоци страда поради несовпаѓањето (несогласување) помеѓу неговите теоретски потреби за бесконечна точност и ограничената точност која се обезбедува со помош на компјутерите. Фактот дека компјутерите неможат да претстават реални броеви со произволна точност води кон имплицитна имплементација на мрежно базиран модел на податоци.

Realm (домен) претставува конечно множество на точки и линии распостранети на дискретна (апстрактна, оддвоена) мрежа, кое исполнува одредени услови. Секоја точка од доменот мора да биде точка на мрежата. Секоја линија од доменот мора да директна конекција помеѓу две точки. Линиите не смеат да се сечат.

Просторни оператори

Операторите се групирани во оддлени класи, зависно од нивното влезно–излезно однесување. Најмалку еден од операторите мора да биде од просторен податочен тип. Влезното однесување се однесува на унарен, бинарен или n-арен опеартор или на типот на неговиот операнд. Излезното однесување се однесува на типот на резултатот.

1. Унарни операции со булеан резултат.

2. Унарни операции со скаларен (може да се претстави преку точка во некој размер) резултат. Овие операции го мапираат просторниот објект во реален или цел број.

3. Унарни оператори со просторен резултат. Најважни оператори се опеарторите за сличност кои што го мапираат просторниот објект во сличен објект преку транслација, ротација или скалирање. Овие опеартори за сличност се подмножество на класата за тополошки

2 трансформации каде што димензијата

на влезниот обејкт секогаш мора да се запази.

4. Други унарни оператори мапираат d-димензионален просторен објект во објект од повисока или пониска димензија. Опеарторите за граница (boundary operators) мапираат d-димензионален просторен објект во (d-1)-димензионален обејкт. Спротивно од него, внатрешниот (interior) опеартор мапира d-димензионален обејкт во (d+1)-диманзионален објект.

5. Бинарни опеаратори со булеан резултат. Овие опеартори се познати како просторни предикати или просторни релации. Тие користат два просторни објекта како влез и продуцираат булеан вредност како излез. Се класифицираат според тополошките врски, директните врски и метричките врски или според, е-заобиколен-со (is-enclosed-by).

2 Топологија – наука за местата каде што некоја појава најдобро се гледа

Тополошките врски се непроменливи во однос на тополошките трансформации (транслација, ротација, скалирање). Примери за овие врски се пресеци, содржи (дали еден објект се содржи во друг) и соседи (дали објектите се соседни).

Директните врски се однесуваат на моменталната локација на просторните објекти. Чуствителни се на ротации. Пример северо-западно од, над, под, блиску до, итн.

Метричките врски се чуствителни на тополошките трансформации. Пример растојание < 100m.

6. Бинарни оператори со скаларен резултат. Пример оператор за растојание.

7. Бинарни оператори со просторен резултат. Овие типови на оператори опфаќаат оператори за множества и оператори за пребарување.

8. Класата на опеартори за множества ги опфаќа униите, разликите и пресеците

9. Класата на операторите за пребарување се занимава со просторно пребарување на голема површина на просторни објекти

Компјутерска имплементација на просторните оператори

За да се добие ефикасна пресметка, со помош на просторните оператори, потребно е да се направи посебна имплементација на просторните податочни типови. Понекогаш е корисно истите просторни објекти да се прикажат на повеќе начини се со цел да се добијат поголем број варијанти на просторни оператори.

Пример

1. Еден полигон може да се претстави како листа од врвови (vertex) која ги содржи сите врвови на полигонот (на пр. координатите на триаголник). Оваа листа поддржува употреба на операторите за сличност.

2. Скалирањето се однесува на множење со скалар (B=r*C).

3. Ротацијата се однесува на множење на матрици.

Истот така, треба да се користи просторен query јазик.

1. Стандардниот SQL се користи за пишување на прашалници (query) и добивање на непросторни податоци.

2. Одредени надградувања на SQL се користат за пишување на прашалници (query) и добивање на просторни податоци.

3. Графичките аспекти се обработени преку посебен јазик за графичко претставување (graphical presentation language GPL).

4. Заемната комуникација помеѓу просторниот SQL и GPL нуди широк спектар на можности за графичко рендерирање на резултатот добиен од прашалникот.

Проблемите од компјутерската имплеметација се појавуваат поради фактот што не станува збор за уникатен (единствен) начин на претставување на просторните податоци. Ниту еден систем за управување со бази на податоци не ги задоволува (покрива) сите потреби. За да може да го користат поголем број на корисници, СУБП мора да биде дизајниран независно од било која апликација.

Кај апстрактните типови на податоци, системот треба да нуди само мал број на основни типови на податоци и оператори. Корисникот може да ги согледа само тие

основни типови на податоци плус апстрактните типови на податоци кои што биле декларирани само за дадената апликација.

Овој пристап ја олеснува употребата на системот за бази на податоци за неискусните корисници и помага во редуцурање на времето потребно за учење (тренинг).

5. Географски Информациони Системи - Geographical

information systems (GIS)

Вовед

Еден компјутерски-базиран систем, се состои од хардвер, софтвер, податоци и апликации.

Истиот обезбедува научни информации кои се просторно поврзани.

Еден ГИС мора да нуди фукнции за:

– влез,

– чување,

– проверка,

– манипулација,

– интеграција,

– анализа и

– алфа-нумеричко, како и графичко претставување на просторните податоци

Интегрирањето на тематските податоци и информациите за просторното сместување (кои ќе бидат картографски претставени), е она по што еден ГИС се разликува од еден обичен картографски- или CAD –(Computer Aided Design) систем. system. (Weidenbach, 1999)

ГИС не е само алатка за правење на мапи, тој претставува систем за анализа на податоци!

Други дефиниции за ГИС

• Заедничкото тло помеѓу обработката на информации и големиот број области

кои користат техники за просторна анализа. (Tomlinson, 1972).

• Моќен сет од алатки за собирање, складирање, изведување, трансформирање и

прикажување на просторни податоци кои потекнуваат од реалниот свет.

(Burroughs, 1986).

• Компјутерски СУБП за собирање, складирање, изведување, анализа и приказ на

просторни податоци. (NCGIA, 1987).

• Информационен систем, дизајниран за работа со податоци кои се означени со

просторни или географски координати. Со други зборови, еден ГИС е

истовремено и систем од бази на податоци, со специфични можности за

просторно означени податоци, како и множество од операции или обработки на

тие податоци.(Star and Estes, 1990).

Терминот ГИС

Терминот ГИС има повеќе значења.

Во зависност од тоа на што ќе се фокусираме, може да се каже дека е:

– колекција од просторни податоци

– колекција алатки

– пакет од хардверски и софтверски компоненти

– технологија

Придонес кон развитокот на ГИС

• Информатика (графика, визуелизација, бази на податоци, безбедност, администрирање со системот)

• Географија и сродни области (картографија, геодезија

3, геоморфологија

4,

просторна статистика)

• Корисник (јавна администрација, инженерство, пребарување на локации, планирање, геологија, рударење, шумарство, маркетинг, криминалистика)

Визуелизација на податоци

Доколку податоците се прикажуваат во табели, станува збор за прецизни податоци кои

не се просторно прикажани. Кај просторното прикажување (мапа), податоците се

класифицираат и јасно може да се претстави просторната ориентација.

Елементи на еден ГИС

3 Наука за премерувањето на земјиштето

4 Наука за облиците и промените на земјината кора

ГИС, како модел од четири компоненти

Кои операции можат да бидат изведени со помош на ГИС?

• Што е каде? (What is where)

• Каде е што? (Where is what)

• Што се изменило од ...?

• Како се распространуваат просторните податоци?

• Што ќе се случи ако ...?

ГИС го користи просторното алоцирање како вообичаен клуч за различни записи на

податоци. Различни теми се поврзани преку својата географска позиција.

Чекори кај еден ГИС проект

1. Здобивање со податоци (хартиени мапи, дигитални датотеки, податоци

добиени како резултат на реакциите на оддалечени дразби (remote sensing),

сателитски податоци, работа на терен),

2. Обработка на податоци (подготовка, интеграција, конверзија на податоци,

дигитализација и/или скенирање, поклопување на рабови, корекција

(ретификација) ),

3. Управување со податоци (избор на променливи, дефинирање на податоци,

дизајн на табели (перформанси, лесни за користење), CRUD

принципи/процедури (креирање: влез на податок; извлекување: поглед;

ажурирање: промена; бришење: отстранување)),

4. Манипулација и анализа (поклопување на адреси, мрежна анализа, теренско

моделирање: испакнатини, различни аспекти),

5. Генерација на продукт (табеларни извештаи, графика: мапи, дијаграми).

Што треба да е возможно благодарение на ГИС?

Управувањето, анализата, поврзувањето, презентацијата на географски податоци дозволува:

автоматска обработка на географски податоци, на пример при изработка на мапи (карти),

пресметки на површини или растојанија

пресметување на испакнатини, насока на експозицијата или анализа на видливоста,

планирање на патиштата, сообраќаен менаџмент или логистика

интеграција на податоци со различни потекла и типови

поврзување на податоците кон мапите, со што сложените просторни релации ќе станат видливи

одговор на просторни прашања (на пример: Колку објекти се сместени во рамките на дадено растојание во однос на друг објект?)

просторно моделирање на сложени сценарија (анализа на ризик, планирање на патишта, управување со искористувањето на ресурсите)

Системска архитектура и компоненти

Податочни модели Што треба да претставува еден ГИС?

Оддвоени елементи (врвовите) и информации со континуитет (подземни води во една област, нивата оддалеченост од површината.

Издвоените (дискретните) објекти имаат атрибути како

должина

волумен

искористеност на земја

тип

Информациите со континуитет кои се однесуваат на конкретна област имаат градиенти како:

температура

количество на вода

распределба на врнежи

број на загадувачи

Во зависност од концептот на податоците, постојат растерско/мрежни-ГИС или векторски ГИС. Системите кои работат и со двата типови, се познати како хибридни системи.

Општа структура на мрежа

Векторски податоци

• Неопходна е векторска структура со цел да се овозможи објектно-насочено управување со податоците во еден ГИС. Се користи при реализацијата на тополошки структури и сложени податочни модели.

• Објектите кај векторските GIS се точки, линии, полигони

• Секој ГИС-објект во еден поглед има своја презентација базата на податоци. Атрибутите ги опишуваат објектите и дозволуваат селекции и класификации.

• Класификација според атрибути (над) или селекција според атрибути (под) претставуваат вообичаени методи за управување со БП. Селектирањето или класификацијата според односите во просторот се вообичаени ГИС-методи.

Објекти кај векторските ГИС

Атрибути

Селектирање на објекти

Селектирање

Споредба меѓу

векторско и

растерско

прикажување

Карактеристики на топографското моделирање5

• Главните точки и линиите кои разделуваат површини се добиваат по пат на набљудување,

• Триаголни неправилни мрежи (TIN) (нееднакви триаголници),

• 2,5-D Визуелизација: Сенчање на ридчеста површина (Hillshading),

• Дигитален модел на теренот, означен со бои (DTM),

• 3-D Визуелизација.

5 geographic information system (GIS) може да ги препознае и анализира просторните

односи кои можат да се извлечат од податоците за просторот (површината), кои се

чуваат во дигитален формат. Ваквите тополошки односи овозможуваат да се изведе

сложено просторно моделирање и анализа. Тополошките односи помеѓу геометриските

ентитети, вообичаено вклучуваат граничење (што се граничи со што – сосед),

задржување (што е опфатено во што), и приближност (колку е нешто близу до нешто

друго).

Примена:

реконструкција на некој предел во форма на синтетизирани слики од самото

земјиште,

утврдување на траекторија на летот над земјиштето,

пресметки на површина или волумен,

следење на топографски профили,

Мрежен податочен модел

• Дигитален модел на издигнување - Digital Elevation Model (DEM), во позадина,

се прикажува издигнувањето на земјиштето, со помош на градација на бои и

сенки за визуелно доловување на трета димензија. Во преден план, прикажани

се куќи и водни површини (река), со помош на векторски податочен модел.

Триаголна неправилна мрежа

• Основата која се користи при развојот на погоре опишаниот DEM се добива

преку Триаголна Неправилна Мрежа - Triangulated Irregular Network (TIN),

базирана на измерени точки.

3D-приказ на истата TIN, пример за векторски приказ на површината

• нееднаква големина на триаголниците,

• области со помала и поголема густина на јазли

3D-приказ на мрежа, прикажана е истата област (но, од друга гледна точка)

• ќелии со иста големина

Комбинација од мрежен модел (површина) и векторски модел (куќи)

Пример за мрежа со висока резолуција

Пример, визуелен приказ на податоци за квалитетот на

водата, со помош на полигони

Области на примена на ГИС

• Автоматизација на активностите во кои се користат географски податоци, како на пример произведување на карти (мапи), пресметки на површини, растојанија или должини на патишта, мерење на заклони, поставување на места за надгледување, логистика, планирање на патишта, моторен сообраќај, управување со сообраќајот, управување со искористувањето на земјиштето, енвиронментално планирање, контрола на поплави, управување со ресурси и др.

• Интеграција на податоци кои сами по себе се поврзани со независни области (пр. мапи на особини, воздушни фотографии).

• поврзувањето на податоците со мапите дозволува концизна комуникација меѓу сложените просторни шеми (пр. енвиронментална чувствителност).

• доставување одговори кон просторните прашалници (queries).

• изведба на сложено просторно моделирање (пр. сценарија за планирање на транспорт, планирање при природни катастрофи, дизајн на употреба, моделирање на ризици).

Примена на ГИС во практични области и области на

истражување

• Енвиронментален менаџмент и менаџмент на ресурси (менаџмент на водни површини, одржување на почвата, контрола на воздушно загадување, земјоделство, снабдување со вода, контрола на приходот од вода),

• Урбано планирање, менаџмент и политика (Стекнување на земјиште, утврдување на влијанието врз околината),

• Надгледување,

• Управување со механизми (Инфраструктура, телекомуникации),

• Транспорт, сообраќај, логистика,

• Истражување и развој (Енвиронментално моделирање, симулација и оптимизација на енергија, почва, вода, клима и т.н. за проценка на ризик и поддршка при донесување на одлуки).

Научни и инженерски придонеси кон ГИС

• Географија (обезбедува техники за проведување на просторна анализа),

• Картографија (картите (мапите) одсекогаш биле важен извор на влезни информации за ГИС, постои и долга традиција во областа на дизајнирање на карти, што претставува важен резултат од ГИС),

• Осетливост на оддалечени дразби - Remote sensing (сликите од воздухот и вселената се важен извор на просторни податоци, се обезбедува мал трошок и континуирано ажурирање на влезнните податоци),

• Фотограметрија6 (извор на поголемиот дел од топографските податоци кои се

користат кај ГИС, користи воздушни фотографии за иведување на прецизни просторни мерења, инфра-црвени фотографии)IR photographs),

• Надгледување (обезбедува високо квалитетни податоци во врска со позициите на земјишните граници, градби и т.н.),

• Геодезија (обезбедува позициона контрола за ГИС, со висока прецизност,

користи GPS (Global Positioning System) технологија),

• Статистика (сатистички техники се користат за ГИС анализа, важно е да се

сфатат проблемите на грешки и несигурност кај ГИС податоците),

• Истражување на операции (техники за оптимизација кои се користат кај ГИС

апликациите како на пример техники за дисперзија (употреба при планирање на

патишта),

• Компјутерски науки (ГИС користи (CAD) технологии, компјутерска графика и

визуелизација, СУБП).

6 Вештина на одредување на големината на фотографираните предмети, врз основа на фотографија

Софтвер за ГИС

• ArcInfo (Првиот комерцијален ГИС, водач на пазарот),

• Intergraph (Силна страна му се дизајнот и мапирањето на механизми, се труди за го достигне успехот на ArcInfo, неговата главна ГИС околина, составена од повеќе модули, потекна од постарите CAD продукти, развој на продукт од нова генерација со свој код, по име Jupiter, базиран на NT и објектна технологија)

• Bentley Systems (Претходно го развиле PC-базираниот Micro-Station производ GeoGraphics во соработка со Intergraph, но се разделиле во 1995, успешно продолжија да го развиваат и продаваат MicroStation GeoGraphics)

• Autodesk’s AutoCAD Map (Доминантен CAD добавувач и софтверска компанија, целосно тополошки AutoCAD Map од 1996, илустрира CAD/GIS конвергенција, голем број индустриски апликации на AutoCAD за мапирање)

• Graphic Data Systems (Започнале како McDonnel-Douglas in-house систем, индустриски апликации, визуелизација на технички производи, денес служат за мапирање на околината)

• ERDAS/Imagine, ER MAPPER, PCI, Envi (почеток во областа на растерски и векторски податоци добиени по пат на remote sensing, нови производи кои работат со податоци од сателит, ER MAPPER потекнува од Австралија, PCI потекнува од Канада)

• GRASS (Јавен софтвер, растерски ориентиран со некои векторски практики, во 1996 ојавен е крај на развојот и поддршката),

• SICAD (Може да се спореди со ArcInfo, моќен GIS со доста можности за работа со растерски и векторски податоци, објектно-ориентирана база на податоци)

• IDRISI (Може да се спореди со ArcInfo, но не е толку моќен),

• MapInfo (Мал GIS, корисен за планирање, лесен за употреба)

Проблеми со ГИС во пракса

Сеуште не постои систем кој би можелда ги реши сите можно задачи со кои вообичаено се сретнува ГИС:

• непостои единствен податочен модел кој може да послужи доволно добро за сите ГИС апликации,

• непостојат потполоно копматибилни геоподатоци,

• непостојат геоподатоци кои независат од размерот,

• непостојат потполно компатибилни/апликативни комерцијални системи за форматирање на податоци,

• сеуште се јавуваат проблеми кај опслужувањето при размената на податоци,

• постојат некои недостатоци во однос на стандардизацијата на ГИС.

Пример за ГИС апликација

Креирање на DEM од датотека со податоци за точки

1. Се креира DEM од датотека со

податоци за точки

2. Креирање на речна мрежа

3. Креирање на под-области и

изливни точки

Примерот се базира на ArcView

3.x, со помош на Spatial Analyst,

3D-Analyst и надградба Hydro-

Modeling

Хидро моделирање

Насока на текот

Акумулација на текот

Под-области

6. Анализа на податоците од животната средина

Вовед

Апликациите на методите за анализа на податоците помагаат при формирањето

на основа (влезни податоци) за процесот на моделирање на животната средина и

симулација, како и при дизајнирањето на системи за донесување на одлуки и

пресметка на влијанието врз животната средина.

Пореметувања кои се јавуваат при анализа на податоците се предизвикани од

мало множество на карактеристични правилно избрани податоци кои се достапни.

Силата на внатрешните и надворешните движечи сили на енвироманталните

показатели (индикатори) влијае врз квлаитетот на податоците кои што се собираат

(прибираат). Информациите за процесите кај индикаторите, кои се лесно воочливи се

малкубројни.

Ре-семплирање на податоците може да се постигне со користење на методи за

интерполација или апроксимативни (приближни) методи, со кои податоците се

сместуваат на мрежа со еднакви временски интервали и просторна мрежа. Со методот

на интерполација се добиваат еквидистантни податоци, а со методот на апроксимација

се добиваат функционални зависности.

Скали при операции со податоци од животната средина

Номинална скала – се добиваат графици во видови на пити, не се дозволени

аритметички операции, некогаш се кодирани со броеви.

Редоследна скала – рангирање на настаните или приказите, класифицирање на

енвироманталните индикатори (на пр. Класи на квалитетот на водата во ЕУ, класи на

почвата), вообичаени споредби : Класа I > Класа II, утврдување на средна вредност и

четвртини.

Размер (интервал) – редоследна скала со еднакви интервали (пр. температура ),

дозволено е прикажување на оддалеченоста и разликите помеѓу податоците. Не постои

почетна точка (природен почеток – “natural” origin ).

Скала на пропорционалност (однос) – скала со интервали и со почетна точка, на

која се покажува пропорционалноста (на пример концентрација).

Скала на трансформација – трансформација од еден тип на скала во друг со што

се добива унифицираност на променливите. Содржината и нивото на скалата не смеат

да бидат променети. Доколку не постои емпирички скала за еквиваленција, тогаш се

смета дека податоците се “споредливи”.

Ре-семплирање на податоците од животната средина

Што се случува кога имаме недостаток од податоци? Најчесто, сериите на

мерења на податоците од животната средина претставуваат временски серии на

потадоци снимени за дискретни точки во некое определено време, за променливи

интервали. Целта е да се овозможи мапирање на временските серии на мрежа со

еднакви временски интервали.

Во процесот на ресемплирање најчесто се користи интерполација на

податоците, но во случаи кога имаме шумови (noisy information) се користи

апроксимација на податоците. Методите на интерполација и апроксимација на

некомплетните времески серии се користат се со цел да се овозможи пополнување на

интервалите помеѓу две точки во мрежата, со што би се добиле серии на мерења со

мали интервали.

Доколку сериите од податоци имаат недостаток на одредени вредности, тогаш

се препорачуваат следните процедури:

1. Пополнување на празните места со помош на методот на интерполација.

2. Генерирање (добивање) на вредности со помош на апроксимација (приближна

функција)

3. Пополнување на вредностите со помош на референтни криви (аналитички или

стохастички функции)

Процесирање на податоците

Пополнување на празните места (податоци кои

недостасуваат)

Во случаи кога имаме празни места во мерењата тогаш тие празнини се

пополнуваат со “вештачки” податоци. Кои податоци недостигаат можеме да

определиме со примена на методите на интерполација, апроксимација или со податоци

од референтните врски.

Во секој случај, податоците треба да бидат сместени на мрежа со еднакви

временски интервали, со константни интервали на опсервација (семплирање, мерење).

Само таквите типови на податоци понатаму можат да се користат за добивање на

статисика, моделирање, симулација и оптимизација.

Во секој друг случај, се добива погрешна интерпретација и неточна симулација.

Таквите резултати не се погодни за управување (менаџирање) со животната средина.

Типови на серии на податоците

Тип 1 – Средната вредност е зависна од времето од времето, а дисперзијата

(растурање) е приближно константна по време.

Тип 2 – Средната вредност е приближно константна по време, а дисперзијата е

зависна од времето.

Тип 3 – И средната вредност и дисперзијата се зависни од времето.

Методи на интерполација на податоците

Најблизок сосед – се земаат податоците кои се најблиску со податокот кој

недостига - се добива дисконтинуирана функција.

Линеарна интерполација – се добива континуирана функција

Кубен полином - зависна од третиот степен на променливата – континуирана и

диференцијална функција

Кубна spline интерполација – континуирана и дифренцијална функција.

Интерполација на податоци за квалитет на вода за период

од две недели

Споредба на придобивките од различни методи на

интерполација

Апроксимација на податоците од животната околина

Апроксимација на еколошките сигнали подразбира дека постојат одредени

дефинирани функции кои што овозможуваат репродукција на податоците од

животната средина. Тоа може да се забележи од следната слика каде што беше

пресметан следниот полином:

NO3-N(t) = 1,8987 – 0,0754 t + 0,0028 t² - 0,00003 t³

Трендови на проценување на податоците

Линеарнен y(t) = a0 (t) + a1 (t) x(t).

Квадратен y(t) = a0 (t) + a1 (t) x(t) + a2 (t) x2 (t).

Полиномален y(t) = a0 (t) + a1 (t) x(t) + a2 (t) x2 (t) + ..... + an (t) xn (t).

Експоненцијален x(t) = x(0) e - kt + E.

7. Енвироментална статистика

Вовед

- Статистичката анализа на енвироменталните податоци е важна задача при

извлекувањето на информации за поранешните и моменталните состојби на

екосистемите. Проценките се познати како статистика за примероци (sample

statistics) и создаваат основа за прогноза на развојните процеси во

енвиронменталниот систем.

• Предмет на статистичката анализа врз енвироменталните податоци се:

1. Податочна анализа наменета за барањата на енвироменталната

администрација и ассоцијации (описни статистики, распределби на

фрекфенција, средни вредности, отстапки, корегирање на грешки, тестови на

значајност)

2. Податочни анализи наменета за барањата на различни корисници, како

компании, земјоделци, туристи (појаснувачка статистика, статистика со повеќе

отстапувања, анализа на временски серии)

3. Основни истражувања (повратна анализа и анализа на корелации, статистика

со повеќе отстапувања, напредни статистички техники)

Енвироментални податоци

• Енвироменталните податоци се добиваат од теренски примероци и/или од

лабораториски анализи

• Тие директно се нагледуваат (директно надгледување) или индиректно (поради

калибрацијата на аналитичните инструменти и сензори)

• Крајните податоци се извлекуваат од статистичките податоци или со помош на

ограничени индикатори кои можат да се набљудуваат

• Симулационите податоци се добиваат од симулациони модели

• Грешките во мерењето и отстапувањата мора да бидат отстранети од

множествата со податоци. Тие нема да се земат во предвид од страна на

деловите кои вршат обработка на податоците

Можни дистрибуции на енвироменталните податоци

• Сериите од енвироментални податоци го претставуваат однесувањето на

енвироменталниот процес, кој се менува временски и просторно. Некои

показатели покажуваат кружење на долги бранови, обложено со кратки

промени. Други показатели прикажуваат стохастични (непредвидливи)

колебања. Некои показатели прикажуваат едниствени однесувања со некои

настани кои се издвојуваат

Статистички мерки

Статистичките мерки за енвироменталните податоци се претстрвени од:

– Средна/просечна вредност,

– отстапувања

– мерки на корелација

Средна вредност

• 1. Аритметичка: x* = 1/nΣ xi

• 2. Емпириска медијана: x~

• 3. Емпириски мод: M

• 4. Геометриска: x°

• 5. Тежинско аритметичка средна вредност (weighted arithmetic): x*g

• 6. Weighted geometric: lg x°

Отстапувања

• 1. Опсег: R = xmin - xmax

• 2. Емпириско отстапување: s2

• 3. Емпириско стандардно отстапување: s = √s2

• 4. Емпириски коефициент на промена: v = s/x*100 (%)

Коефициенти на корелација

• 1. Коефициент на корелација на две променливи (Bivariate)

• 2. Индекс на перформанси (коефициент на детерминација) B = r2

• 3. Повеќекратен коефициент на корелација

• 4. Повеќекратен индекс на перформанси

• 5.Spearman класа на корелација (примерок со мала големина, нормална

распределба на веројатноста не е неопходна)

Статистички тестови

Во статистиката за примероци (sample statistics), важните карактеристики често се изразуваат преку параметрите како средна вредност (average μ) и отстапување

(variance) σ 2. Од друга страна, при споредување на два или повеќе примероци се појавуваат други прашања. Тие можат да бидат да бидат изразени преку разликите од средните вредности.

Статистичка хипотеза е тврдење за дистрибуцијата на примероци од случајно избрана (рандом) еколошка променлива.

Тестирањето на хипотезата се состои од споредување на статистички мерки наречени критериуми за тестирање (или тест статистика) изведени од некои податоци, заедно со вредностите од тие критериуми, под претпоставка дека дадената хипотеза е точна.

Тестирање на хипотезата

При тестирање на хипотезите, се испитува некоја Null хипотеза - H0, наспроти една или повеќе алтернативни хипотези Н1, Н2,..., Hn кои се експлицитнo или имплицитнo зададени.

За да се донесе одлука во врска со хипотезите, се избира произволно ниво на значајност α (0.05, 0.01 или 0.001). Коефициентот на доверливост ε е даден со ε = 1 – α. При тестирање на хипотезата, се поставува критериумот за тестирање (или тест статистика). Ако оваа статистика „влезе“ во опсегот на прифатливоста, тогаш Null хипотезата не може да се одбие.

Од друга страна, кога тие статистички податоци „влезат“ во областа на одбивање, тогаш Null хипотезата се одбива. Веројатноста тест статистиката да „влезе“ во регионот на одбивање е еднаква на ε. Таа се изразува во проценти.

Процедура за тестирање на хипотези

Треба да се формулирани Null хипотеза H0 и алтернативна хипотеза H1.

Треба да се избере нивото на значајност α. Се избира тест статистиката. Се определува областа на отфрлање на тест статистиката, врз основа на распределбата на веројатност и нивото на значајност на истата.

Тест статистиката се пресметува од множество податоци. Доколку вредноста на тест статистиката „влезе“ во областа на отфрлање, тогаш Null хипотезата е отфрлена а алтернативната хипотеза е прифатена

Null хипотезата е прифатена ако вредоста на тест статистиката „не влезе“ во областа на отфрлање.

Пример

Се пресметува средната вредност на избраните податоци – m, и таа се споредува со очекувана вредност К (фиксен број)

Null хипотезата H0: m = K е тестирана наспроти алтернативната хипотеза H1: m ≠ K. Нивото α = 0.05 е селектирано и тест статистика е одбрана:

t = |m - K|/s ⋅√n. Ако тест статистиката „влезе“ во областа на прифаќањето на Null хипотезата, тоа значи дека tα/2 < t < t1-α/2, H0 не може да се одбие

Моќта на тестот зависи од големината на изборот, n. Колку што е поголем опсегот на примерокот (повеќе информации се достапни), поголема е довербата во тестот.

t – Test (Student – Test)

Тест статистика tcalc = |x* - μ0|/s⋅√n,

Каде x* - средна вредност на изборот (sample mean),

μ0 – очекувана вредност (expectation value of the ensemble),

s – стандардно отстапување,

n – големина на примероците (изборот).

Одлука: прифатливо ако tcalc < ttab, во спротивно, се отфрла

Споредба на средни вредности – comparison of means (t-test)

Тест статистика t = |x* - x**|/sd ⋅√n*⋅n** / (n* + n**), каде

x* - first sample mean (средна вредност на прв избран примерок),

x** – second sample mean (средна вредност на втор избран примерок),

s* – прво стандардно отастаување,

s** – второ стандардно отастаување,

n* – прва големина на примерокот,

n** – втора големина на примерокот,

n-1 – степен на слобода и

sd = √((n*-1)s*² + (n**-1)s**²)/(n*+n**-2).

Одлука: прифатливо ако tcalc < ttab, во спротивно, се отфрла

Споредба на отстапувања - Comparison of variances (F – Test)

Тест статистика: F = (s*/s**)2 ≥ 1, каде

s* е стандардно отстапување на првиот примерок,

s** е стандардно отстапување на вториот примерок.

Одлука: Прифатливо ако Fcalc < Ftab, во спротивно се отфрла

Outlier – Test (NALIMOV-Test) Тест на отстапување

Тест статистика: r = |(x+ - x*)|/s⋅√n/(n-1), каде

x+ се очекува да биде отстапување (outlier),

x* е очекувањето од избраниот примерок,

s е стандардно отстапување на примерокот, и

n е големина.

Прифатливо ако rcalc < rtab, во спротивно се отфрла

8. Енвироментални временски серии

Вовед

Решавањето на енвироментални проблеми или менаџирање на задачи често е неопходно за анализа на циклуси (или периодични) процеси. Циклусните процеси во екологијата се природни. Такви процеси се предизвикани најчесто од природни надворешни движечки сили, но исто така и од внатрешни движечки сили кои се природни или предизвикани од човекот. Тие презентираат различно временско и фреквентно однесување на еколошки процеси.

Математичките равенки мора да го опишат или временското однесување на еден индикатор (функција од време t) или фреквентното на однесување (функција од фреквенција ω или циклуси по единица време). Според тоа, приказот ке биде прикажан во временски домен во домен на фреквенција.

На следната слика се прикажани некои примери на циклусни процеси со различни периоди и фреквенции.

Пример: Циклусни индикатори за квалитет на вода

Енвироментални процеси

Математичката репрезентација на енвироментални процеси со функции на тенденции е непогодна за изразување високо фреквентни промени на сигнали. Најчесто, циклусни (или периодични) еколошки процеси се предизвикани од природни надворешни движечки сили.

Од друга страна, вештачките (предизвикани од човекот) надворешни движечки сили најмногу влијаат на непериодични енвироментални процеси. Друга разлика може да се утврди според способноста за репродукција на временски -променлив процес.

Кога станува збор за правилна репродукција и прогноза на процес се нарекува детерминистички.

Во спротивно, се нарекува не-детерминистички или стохастичен (случен) процес.

Фуриеова анализа

Фурие-овиот полином се базира на претпоставката дека временската серија содржи важни детерминистички циклуси со познато период на траење. Обезбедува средство за приближно периодични функции, преку суми од синусни и косинусни функции, кои се поместени и променети по размер (скалирани). Фурие-ов полином е апроксимација која претставува минимална средна квадрирана девијација на циклусен процес. Опишана е преку следната формула

со - ∞ ≤ i ≤ + ∞, ω0 = 2π/T0 – фреквенција на основниот циклус, T0 – период на циклус.

Пример 1: Фуриеова анализа на глобална радијација

Резултати

Како што се гледа, фиксната фреквенција го следи природното однесување на еколошките процеси само во принцип.

При споредување на максимумот на процесите се забележува разлика помеѓу однесувањето на природен систем и неговата апроксимација. Фуриеовиот полином базиран на фиксни фреквенции, не ги зема во предвид природните годишни разлики.

Од друга страна, Фуриеова анализа може да се искористи за процена на влијанието на основни фреквенции врз вкупното отстапување кај еден еколошки процес.

Следната табела содржи резултати од Фуриеова анализа на физички, хемиски и биолошки индикатори за квалитет на водата кај резервоари со вода за пиење.

Пример 2: Фуриеова анализа на индикатори за квалитет на

водата во резервоари

Најдобри резултати се добиваат од физички индикатори за квалитет на вода. Годишните циклуси на температура на водата од испитаните резервоари се опишани со следниве равенки.

Резервоар Saidenbach

TEMP(t) = 12.0 + 1.458⋅cos((6π/180)t) – 4.462⋅sin((6π/180)t

Резервоар Neunzehnhain

TEMP(t) = 11.9 + 0.693⋅cos((6π/180)t) + 4.415⋅sin((6π/180)t

Резервоар Klicava

TEMP(t) = 11.1 - 6.650⋅cos((9π/180)t) - 7.820⋅sin((9π/180)t)

Резервоар Slapy

EMP(t) = 12.0 - 7.073⋅cos((10π/180)t) - 6.684⋅sin((10π/180)t)

Стационарни процеси

Поради временските заостанувања помеѓу влезните и излезните процеси, стационарните процеси ќе бидат постигнати кога сите времени процеси ќе се разложат.

Поради тоа, некои статистички карактеристики на сигналите треба само да се опфатат. Ако статистичките карактеристики не се променат со време, тогаш овие процеси се нарекуваат стационарни процеси.

Средните вредности и дисперзии на процесот нема да се променат со време. Затоа, стационарните случајни процеси можат да бидат прегледувани на различни временски интервали помеѓу - ∞ < t < + ∞.

Статистички карактеристики на стационарни случајни

процеси

Статистичките карактеристики на стационарни случајни процеси можат да се изразат со:

Функција за густина на веројатност p(x), за сигнали X(t),

Ауто-корелација функција Φxx(τ),

Функција за густина на спектрален капацитет Sxx(ω)

Временски променлив процес е означен со стохастичен сигнал X(t). За секој временски помин tn се зема една измерена вредност Xn(t). Понатамошното развивање на процес може да биде предвидено само за краток временски интервал. Ако опишување на процес е со аналитичка (детерминистичка) фуккција f(t) тогаш временското однесување може комплетно да се предвиди.

Само некои статистички изјави за идниот развој на процес X(t) можат да бидат дадени:

Prob(X(tn+1) ≤ x) ≡ P(x),

или

Prob(a < X(t) ≤ b) = ∫ p(x)dx.

Гаусовата поделба со bell-shaped густина е една од најважните распределби за густина на веројатност каде p(x) = 1/√2πσ⋅exp-(x-x*)2/2σ2. Важни очекувања се линеарен просек: E(x) = ∫ x⋅p(x) dx и квадратен просек: E(x2) = ∫ x2⋅p(x) dx.

Функцијата за густина на веројатност дава информација за веројатност на процес X(t) дека амплитуда во време t лежи помеѓу x и (x + Δx):

Prob(x < X(t) ≤ x + Δx) ≈ p(x)⋅Δx.

Функции за временска корелација

Не постојат изјави на промени на X(t) помеѓу временски интервали Δx. Не може да се увиди дали еден процес содржи пониски и/или високи фреквенции. Затоа, повеќекратни функциите за распределба на веројатност се потребни за опишување на однесувањето на временски променливи процеси.

Веројатноста дека X(t) во време t = t1 лежи помеѓу x1 и x1 + Δx1 и во време t = t2 = t1 + τ помеѓу x2 + Δx2 (по τ временски единици) е приближно дадена со

Prob(x1 < X(t1)≤ x1 + Δx1, x2 < X(t2) ≤ x2 + Δx2) ≈ p(x1, x2)⋅Δx1⋅Δx2.

Параметарот τ дава информација на статистичко спарување на податок x(t1) и x(t1 + τ).

Ауто-корелациска функција (ACF) дава информација за внатрешна корелација помеѓу податоци на растојание τ на временските оски:

∫∫(x(t)⋅x(t + τ)⋅p[x(t), x(t + τ)]dx(t)⋅dx(t + τ) ≡ Φxx(τ)

Сross-корелациска функција (CCF) дава информација за статистичка корелација од два различни процеси X(t) и Y(t):

∫∫(x(t)⋅y(t + τ)⋅p[x(t), y(t + τ)]dx(t)⋅dy(t + τ) ≡ Φxy(τ).

Функции за фреквенција

При трансформирање на временските корелациски функции во домен на фреквенција се добива auto-power спектар или cross-power спектар. Аuto-power спектар Sxx(ω) од x(t) е Фуриеова трансформација на ACF:

Sxx(ω) = Sxx(-ω) = 1/2π⋅∫Φxx(τ)⋅e-jωτ dτ.

Аuto-power спектар на еколошки процес или сигнал е претставен со periodogram, кој ја претставува доминантната фреквенција кај процесот. Го дава спектарот на стационарен сигнал, кој е распределба на отстапувањето од сигналот како функција од фреквенција.

Ги открива компонентите на фреквенцијата, кои се од важност за најголемиот дел отстапувања. Секој врв претставува дел од отстапување од некој сигнал што се должи на циклус од различен период или должина. Значајна периодичност во сигналот ќе предизвика остар врв во periodogram-от. Аuto-коваријанса функција е временскиот домен дупликат од periodogram.

Пример 3: Periodogram

Функција за кохеренција

Сross-power спектар Sxy(ω) од два стохастични еколошки процеси x(t) и y(t) е Фуриерова трансформација на CCF:

Sxy(ω) = 1/2π⋅∫Φxy(τ)⋅e-jωτ dτ е комплексна функција.

Функција за кохеренција

Функцијата за кохеренција Co(ω) е мерило на синхронизираноста кај (два) сигнали. Се пресметува врз база на periodogram-и од двата сигнали според

Coxy(ω) = |Sxy(ω)|2/Sxx(ω)⋅Syy(ω),

каде |Sxy(ω)| = √Re(Sxx(ω))2 + Re(Syy(ω))2 и за промена на фаза помеѓу двата сигнали ϕ(ω) = arc tan (Im(Sxy(ω))/Re(Sxy(ω))) е важечка.

Ограничувањето на CCF е земено во предвид од страна на window function h(τ):

~Sxy(ω) = 1/2π⋅∫Φxy(τ)⋅h(τ)⋅e-jωτ dτ = Sxy(α)⋅H(ω - α),

каде H(ω) е Фуриерова трансформација од h(τ) кое ја искривува Sxy(ω) до ~Sxy(ω).

9. Модели за симулација на околината

Вовед

Моделите на околината до опишуваат и мерат однесувањето на еден енвиронментален систем.

Постојат два типа на моделирање на околината:

Експериментално статистичко моделирање или

процедура за динамичко моделирање.

Споредба меѓу статистичкиот (black-box) и динамичкиот пристап кон моделирање на екосистемот

Модели

Се разликуваат индивидуално-ориентирани модели, и модели ориентирани кон формирање на оддели.

Моделите на процеси симулираат процеси од животната околина.

Како влезни податоци кај тие модели, се користат податоците од набљудувањата и мерењета кои произлегуваат од мониторингот на животната околина и лабараториските испитувања.

Различните сценарија на енвиронментално однесување, се пресметуваат со помош на различни множества од параметри.

Отимизацијата на еден параметар, покрај тоа што ќе ја подобри целокупната економска продуктивност на еден процес, може да има позитивно влијание врз околината.

Во принцип, не постои разлика меѓу математичките модели на енвиронменталните системи и математичките модели на енвиронменталните процеси, кои се користат како елементи во таквите модели.

Енвиронменталните системи се повеќедимензионални системи, со повеќе влезни и излезни променливи. Нивните модели можат да се претстават со помош на статички модел (black box модели, input-output модели) или динамички модели.

Во зависност од бројот на влезни и излезни променливи, кај black box моделите разликуваме: SIMO-, MIMO-, SISO- и MISO-системи. Енвронменталните процеси можат да се опишат со помош на повеќе или помалку детали.

Постапка на моделирање

Моделирањето и симулацијата се важни алатки за анализа кај различни научни и практични дисциплини. Основни проблеми кај анализата на енвиронменталните системи, е конструирањето и апликацијата на математичките модели.

Секој математички модел, кој овозможува еден проблем да е подобро разбран, е исто толку важен колу и набљудувањата и фактите.

Математичкиот модел претставува апстрактен опис на некој феномен од реалниот свет.

Математичкиот модел никогаш не е идентичен со реалноста, туку може да се каже дека прикажува некоја наша замисла.

Процесот на апстрактција најчесто вклучува некои упростувања и резултира со формална презентација. Моделот овозможува намалување на редундантноста и служи како врска помеѓу теоретското и емпириското сознавање. Апстрактцијата е основата на системската анализа, која ги покажува главните карактеристики на математичкиот модел. Било која теорија за текот на настаните во природата мора да се базира на упростување.

Тестирање на моделите и анализа на модел

Одностите меѓу променливите кои прикажуваат една основна состојба на даден модел, најчесто, не се совпаѓаат во целост со одностите меѓу променливите кои прикажуваат состојба на еден реален енвиронментален систем. Реалноста мора да се „искриви“ (грешка на односи (релации)). Со цел да се изврши процена на грешките, може да се изведе споредба „реален систем-модел“, која се продолжува се додека моделот доволно не се совпадне со реалниот систем. Таквото тестирање на моделот води кон подобрување на вербалниот и/или математичкиот модел, или кон акумулација на поголем број информации за реалниот систем, и истото може да се повтори повеќе пати. Кога еден математички модел е тестиран, истиот може да се примени врз други состојби на истиот систем, или дури и врз системи кои не биле директно подложени на истражување на самото место. Ваквиот пристап е познат како предвидување. Употребата на модели со цел да се подобри нашето теоретско и експериментално знаење е позната како анализа на модел, пристап кој неодамна побуди поголемо внимание во контекст на теоретските модели. Моделот се користи со цел симулационите експерименти да се преземат како алатки, со кои ќе можат да се пронајдат одговори на конкретни прашања.

Типови и класификација на математичките модели

Математичките модели се користат како замена за реални процеси и системи, но според нивното однесување тие треба да бидат споредливи со реални предмети. Така што, секое модлирање претставува компромис помеѓу теорија и експеримент.

Транспортни модели

Транспортните модели вршат симулација на миграцијата на материите (супстанциите) во водата, атмосферата и почвата. Тргнуваат од претпоставки за ширењето (зрачењето) и условите за транспорт, и вршат предвидувања во однос на ширењето на одредени локации.

Служат како моќни информациски алатки со кои можат да се предвидат енвиронменталните загадувања кои настануваат како резултат на намерно или ненамерно човечко дејство. Можат да се користат и во обратна смисла.

Се разликуваат два типа траспортни модели. Euler моделите се базираат на мрежно-базирани пресметки, додека Lagrangе моделите разгледуваат поединечни честички.

Модели за искористување на ресурси

Моделите за искористување на ресурси, во споредба со транспортните модели, опфаќаат поголем број на различни феномени кои се поврзани меѓу себе. Подразбираат дека ќе бидат земени во предвид внатрешните и надворешните движечки сили, како и корелациите со луѓето. Конкретно, за системите за подземни и површински води, постојат голем број математички модели кои ги опишуваат промените на квалитетот и квантитетот на водата, како на пр. модел за само-прочистување или модели за етрофикација (збогатување со хранливи материи). Истите се користат за контрола на водата во речните корита.

Процес на добивање на знаења

Во процесот на добивање на знаења треба да се изгради компилација на прелиминарен математички модел, извлечен од искуствата здобиени со набљудувања и рефлексии, како и некоја форма на литературна евалуација.

И покрај искуството, кај прелиминарниот модел има простор за шпекулации.

Потоа, прелиминарниот модел треба да се трнасформира во формална хипотеза и од таа хипотеза треба да се извлече заклучок кој може да биде проверен. Валидноста на тие заклучоци треба да се провери во однос на податоци кои не биле употребени при формулирањето на хипотезата.

Ако се потврдат заклучоците, процесот на сознавање може да продолжи, во спротивно процесто на добивање на знаења се започнува повторно.

Различни поделби на математичките симулациони модели

Познати се различни поделби на математичките симулациони модели. Математичките модели можат да се класифицираат според нивните најважни особини: воопштеност, реалност и точност.

Првата класа опфаќа модели кај кои воопштеноста е запоставена во однос на реалноста и точноста.

Во класа 2, се наоѓаат модели кои се реални и општи но помалку точни.

Кај третата класа, ралноста на моделот се потиснува во корист на воопштеноста и точноста.

Други поделби се вршат според динамиката на системот, видот на математички опис, достапноста на податоците, или според типот на параметри кои се користат.

10. Енвиронментални сензорски мрежи

Вовед

Енвиронметланиот мониторинг има долга историја, во која влегуваат аналогните логери, како на пример раните плотери кои работат со хартија а служат за мерење на барометарски притисок, како и записите на конкретни енвиронментални параметри. Логерите ги забележуваат податоците на точно определени интервали и бараат рачно преземање, од страна на тим за одржување.

Сензорската мрежа е дизајнирана така што може да пренесува податоци од низа на сензори кон некое складиште на податоци поставено на сервер. При тоа, не секогаш се користат ендоставни едно-насочни текови на податоци пренесени преку комуникациска мрежа. Елементите на системот одлучуваат за тоа кои податоци ќе бидат проследени, преку локално сумирање на податоците од една област и филтрирање, со цел потрошувачката на енергија да се сведи на минимум, а при тоа да се извлечат максимум информации од податоците.

Општа архитектура на сензорска мрежа

Системски дијаграм на Base Station7 (базична станица)

Поедноставен системски дијаграм на сонда

7 контролер за автономни операции кои управуваат со целиот систем

Сензорски јазли

Сензорските јазли треба да ги задоволуваат следните барања:

Евтини (Low-cost) – колку примероци можат да се произведат.

Да имаат мала потреба од енергија (Low power) – за операции кои траат подолг период.

автоматизираност – не бараат одржување.

Робустност – да поднесуваат грешки и оштетувања.

Ненаметливост – да не предизвикуваат големо енвиронментално вознемирување

Да не загадуваат

Комуникации

Самата природа на животната околина бара комуникациите задолжително да ги исполнат следните барања:

Да се моќни и уневрзални во однос на сондите (High-power omnidirectional for probes)

да имаат голем опсег за комуникација на базата со референтните места (long-range for base to reference)

ниска стапка на податоци (Low data-rate)

Детекција и корекција на грешки

Потребни се резервни канали (Backup channels)

Пресметување

Збир различни компјутерски системи и софтвер се потребни за да се изгради сензорска мрежа:

Микроконтролери – за сензорски јазли

Мали OS – за јазли

Системи со мала потрошувачка на енергија (Low-power) - за base stations

Routing (определување на патеки) and проследување на пораки

Сервер – за серверот на сензорската мрежа

Софтвер за објавување – визуелизација и сервиси (услуги)

Предизвици за енвиронменталните сензорски мрежи

Минијатуризација

Управување со енергијата (Power Management)

Радио комуникација

Скалабилност

Менаџмент на оддалечени локации (Remote Management)

Употребливост

Стандардизација

Безбедност

Направи за бежични сензорски мрежи, со мала

потрошувачка на енергија (Low Power Wireless Sensor

Network Devices)

Побрзо, помало, побројно

Законот на Moore, секои една до две години бројот на транзистори се удвојува.

Законот на Bell, на секои десет години – нова класа компјутери.

Принципи на дизајн

Клучно за Low Duty Cycle Operation (едноставни циклични операции):

Sleep – поголемиот дел од времето

Wakeup – брзо и започни со работа

Active – намали ја работата и врати се на sleep

Следен чекор Web-базирана Wireless Environmental Sensing

Network (WWESN)

Барања на системот

Со цел да се овозможи глобална достапност на податоците од животната околина и да се олесни надгледувањето на оддалечените природни процеси со помош на Интернет, потребно е да се обезбеди:

Интернет пристап

Флексибилност на дизајнот

Стабилност (Reliability)

Енергетска независност (Power Autonomy)

Мали торшоци (Low-cost)

Сензори

Складирање на податоци и презентација

Камера

11. Системи за поддршка на донесување на одлуки

(Decision support systems)

Вовед

Резултатите од испитувањето на енвиронменталните системи, со помош на математички симулациони модели, дозволуваат искази за единствени важни променливи за одредена состојба, додека контролата и управувањето со енвиронменталните системи подразбира ситуации на донесување на одлуки, кои се одликуваат со повеќекратни состојби, истовремени функции со енвиронментални цели а исто така со различни скали за проценка и значајност. При анализата на енвиронменталните системи, се појавуваат два контролни проблеми:

1. Теоретска анализа, математички опис и симулација на променливото однесување на енвиронменталниот систе.

2. Елаборација на оптималните методи за контрола, за да се реализираат активни операции насочени кон некоја цел, а се однесуваат на состојбата и однесувањето на енвиронменталните системи.

Првиот исказ опфаќа структурна анализа на биолошката околина (биокенотичко-структурна анализа) и функционална анализа на еден енвиронментален систем, како и постапките за моделирање кои се користат за да се предвидат промените на енвиронменталните состојби.

Вториот исказ е насочен кон употребата на енвиронменталните системи од страна на човекот и кон енвиронменталниот менаџмент и заштита. Се дефинираат обем на оперирање и енвиронментални цели, кои се поврзани со енвиронменталниот менаџмент, според животните компоненти на енвиронменталниот систем и според човечките активности.

Улога на процесот за донесување на одлуки

Донесувањето на одлуки е еден од основните концепти при управувањето со енвиронменталните системи.

Самиот процесот на донесување на одлуки се карактеризира со избор на еден тип на објективна дозволена постапка, поврзана со субјективно проценет компромис во однос на делумното задоволување на едновремените и конфликтни енвиронментални цели.

Моделите за оптимизација кои се користат при енвиронменталниот менаџмент, воглавно третираат некоја форма на намалување на трошоците, дизајнирана така што би ги задоволила енвиронменталните стандарди за квалитет и/или еколошките стандарди. Одлуките се донесуваат врз основа на сценарија кои се добиваат од симулационите модели.

Индивидуалниот надоместок кон целните функции често зависи од состојбите на системот кои тие реално можат да ги достигнат. Во потрага по сите можни алтернативи за контрола на еден динамички систем со помош на рестриктивни сатандарди и социо-економските цели, употребата на компјутер може да е од голема помош.

Примената на правилата за оптимизација врз енвиронменталните системи е оптоварена од потешкотии од фундаментална природа. Во најголемиот број случаи, анализата на енвиронменталниот систем е во основа анализа на конфликти, која се карактеризира со социо-економска и енвиронментална проценка на вредности. Правилата за проценка на енвиронменталниот систем се отворени во однос на методите на енвиронменталните

законитости. Ова подразбира дека еден повеќе-релациски енвиронментален процес или систем секогаш ќе биде сфатен како потрага за прифатливи компромисни решенија, што само по себе бара соодветна методологија за проценување.

Техниките за донесување за одлуки кои можат да разгледуваат повеќе критериуми целат кон обезбедување на еден таков сет алатки. Техниката на Паретова оптимизација се покажала како соодветна метода за проценување на функциите со повеќе цели, кај екосистемите.

Многубројните контрадикторни цели бараат одлуки кои ќе бидат под влијание на динамичките карактеристики на компонентите на еден екосистем и нивните корелации, како и под влијание на човечките дејства врз екосистемот кој треба да се менаџира.

Поради тоа, симулационите модели се покажале како незаменлива алатка за проценка. (пример, симулациони модели за квалитетот на водата)

Постапката на управување вклучува семплирање на податоци, селекција на соодветни и валидни симулациони модели, и, на крај, анализа на одлуки како и визуелен приказ на резултатите со помош на ГИС.

Стратегии за управување со околината

Управувањето со околината (Environmental management) е доста тешко и сложено. Тоа подразбира математички модели не само за различни временски интервали, туку и за различни стратегии за управување. Симулационите модели дозволуваат еден вид на контрола на процесот, поврзана со посебни цели од областа на управување со екосистеми.

Доста често, целта е да се добие некоја соодветна контролна шема, која претставува компромис помеѓу буџетот кој е на располагање за превентивни мерки и прифатливиот квалитет на животната околина. Според тоа, стратегиите за управување со околината воглавно третираат некоја форма на намалување на цената на оперативните трошоци, кои настануваат со цел да се исполнат стандардите за енвиронментален квалитет и еколошките стандарди. При тоа, менаџерските одлуки можат да се донесат врз основа на некоја ранг-листа од различни сценарија, добиени со помош на симулациони модели.

Компјутерски поддржан (Computer-aided) процес на

донесување на одлуки

Компјитерски поддржаниот (Computer-aided) процес на донесување на одлуки може да се подели на три чекори. Два од нив се субјективни делови, додека едниот е објективен дел од процесот на донесување на одлуки:

1. Формулирање на проблемот за кој се одлучува: Во овај субјективен дел се дефинираат променливите на одлуката како и контрадикторните целни функции.

2. Пресметување на предлози за донесување на одлука: Во овај објективен дел, од донесувањето на одлуки, се генерира множество ефикасни алтернативи со помош на мулти-објективна (multi-objective) оптимизација. Се избираат доминантните алтернативи и се складираат во резултантниот оддел.

3. Вистинскиот (Actual) процес на донесување на одлука: Ова субјективен дел од процесот на донесување на одлуки ја опфаќа комјутерски помогнатата селекција на компромис, преку индивидуално проценување на целните функции од страна на онај кој ја донесува одлуката.

Три главни барања

При решавањто на некој проблем на донесување на одлука, мора да бидат исполнати три барања:

1. Секое решение на проблемот на донесување на одлука претставува ефикасна алтернатива (проблем на важност – валидност)

2. Секоја ефикасна алтернатива може да биде решението на постапката за оптимизација (проблем на не-дискриминирање).

3. Решението на проблемот на донесување на одлука претставува ефикасна алтернатива, доколку е постоечко (проблем на идентификација).

MADM и MODM

Уште еден вид на издвојување на проблемите на донесување на одлуки може да изведе преку донесување на одлука врз основа на повеќекратни атрибути (multiple attribute decision making - MADM) или донесување на одлука врз основа на повеќекратни цели (multiple objective decision making - MODM).

Во првиот случај, алтернативните решенија можат јасно да се проценат (одредат) преку дискретни вредности на целните функции.

Во вториот случај, проценката на алтернативните решенија е имплицитно зададена преку функционал (functional

8) и може да се менува континуирано во доменот на

прифатливите решенија

Во таквите случаи, се поттикнува важна повратна информација меѓу оптимизацијата и постапките за моделирање.

Четири фази на процесот на донесување на одлуки врз

основа на повеќе критериуми (multi-criteria decision process)

Процесот на донесување на одлуки врз основа на повеќе критериуми (мулти-критеријален) е претставен преку четири различни фази.

За време на првата фаза (фаза на пребарување) системот се анализира за утврдување на промени во структурата и во функцијата. Доколку резултатите од анализата се позитивни, се појавуваат еден или повеќе проблеми на донесување на одлуки како резултат од таа прва фаза.

Втората фаза (фаза на моделирање) се карактеризира со формулирање на целните функции, со насоките на алтернативните решенија, со процесот на моделирање и со постапката на вметнување на симулациониот модел во процедурата на оптимизација.

Третата фаза (фаза на селекција) е претставена со избирањето на една алтернатива за делување од вкупното множество алтернативи. Оваа посебна алтернатива треба да биде имплементирана во системот кој се разгледува.

Четвртата фаза се карактеризира со процесот на донесување на одлука. Проблемот за кој се одлучува се претставува преку множество алтернативни решенија кои водат кон достигнувањето на различни цели. За даден проблем на

8 функција која зема некој вектор како аргумент или влезен податок и враќа скаларна

вредност

одлучување множеството на дозволени алтернативни решенија се дефинира според надворешни (реални) услови.

Поддршката при донесувањето на одлуки, во однос на енвиронменталниот менаџмент, подразбира можност за достигнување на една финална состојба преку различни начини на делување, почнувајќи од една иницијална состојба. Финалната состојба е опишана од страна на неопределен број на конфликтни критериуми. Одлука донесена од страна на поединец подразбира дека е извршена селекција на едно (субјективно преферирано) векторски пресметано алтернативно дејство од вкупното множество на објективно дозволени алтернативни решенија, кои би воделе кон достигнување на финалната состојба.

Поделба на системите за поддршка при донесување на

одлуки

Процесот на донесување на одлука е воглавно базиран на интерактивни системи за поддршка на одлуки - decision support systems (DSS) со хиерархиски структури. Хиерархијата е претставена преку различни нивоа на работа: ниво на подготовка, ниво на симулација, ниво на тестирање и ниво на оптимизација.

DSS можат да се поделат според едноставни софтверски алатки (пр. бази на податоци), според експертските системи и системите базирани на знаење (препознавање на посебни енвиронментални ситуации) и според DSS базирани на модели.

Од последнито тип од класификацијата онај кој ја донесува одлуката добива поддршка со помош на користење на векторски постапки за оптимизација или со помош на процедури за мулти-критериумска селекција со цел да се генерираат и/или изберат алтернативните начини на дејство.

Четири главни компоненти на DSS

DSS се состои од четири главни компоненти:

1. Компонента на комуникација (комуникација меѓу самиот DSS и некој корисник – на пр. онај кој ја донесува одлуката).

2. Компонента на модел и/или база на знаење (формулација на конкретниот проблем на донесување на одлука).

3. Компонента на решавање на проблемот (процедури за решавање векторски претставени проблеми на оптимизација)

4. Компонента на визуелизација (употреба на ГИС)