GEOMATYKA
Geomatyka (geoinformatyka)
nauka na gruncie informatyki integrująca wszelkie działania ukierunkowane na pozyskanie, przetwarzanie i udostępnianie informacji przestrzennych.
W ramach geomatyki zwykle wyróŜnia się jej działy merytoryczne, zwane równieŜ technologiami informacji przestrzennej lubtechnologiami geomatyki:
• systemy globalnego wyznaczania pozycji (GPS);
• geodezję i kartografię;
• teledetekcję z fotogrametrią;
• numeryczny model rzeźby terenu;
• systemy informacji przestrzennej.
Informacja geoprzestrzenna,
często określana równieŜ jako przestrzenna lub geograficzna, jest informacją w sensie zdefiniowanym przez informatykę. Cechą wyróŜniającą ją od innych rodzaj informacji jest to, Ŝe jest odniesiona do określonego miejsca względem Ziemi. Z tego powodu
jej niezbędnymi atrybutami są dane określające połoŜenie względem Ziemi wyraŜone w zdefiniowanym i przeliczalnym układzie współrzędnych (geograficznym, kartograficznym lub geodezyjnym). Takie odniesienie nazywane jest odniesieniem bezpośrednim, ale określenie połoŜenia moŜe być takŜe w formie odniesienia pośredniego, np. jako adres pocztowy. Odniesienie pośrednie musi być jednak jednoznaczne i zamienialne na bezpośrednie.
Dane geoprzestrzenne
W odróŜnieniu od geoinformacji opisowej wyróŜnia się pojęcie dane geoprzestrzenne (lub przestrzenne) jako bardziej formalną postać informacji i przez to bardziej odpowiednią do operowania na niej w zakresie podanym w definicji. Z tego względu najczęściej pod pojęciem informacja geoprzestrzenna rozumie się tu dane geoprzestrzenne.
Aspekty geomatyki
Geomatyka jak kaŜda dziedzina dzieli się na pewne warstwy - aspekty:
• aspekt podstawowy,
• aspekt teoretyczny,
• aspekt techniczny i technologiczny,
• aspekt zastosowań.
W kaŜdej z tych warstw mamy do czynienia z innym zakresem problemów, stosowane są róŜne techniki i narzędzia, a takŜe inny zakres wiedzy potrzebny jest do rozwiązywania tych problemów.
Związki geomatyki z GIS
Związek geomatyki z systemami informacji przestrzennej (GIS) jest podstawowy - GIS jest narzędziem w aspekcie zastosowań geomatyki i jest obiektem studiów badawczych i projektowych w innych jej aspektach. Z tego powodu moŜna teŜ powiedzieć w wielkim uproszczeniu, Ŝe geomatyka zajmuje się systemami GIS.
Związki geomatyki z GIS
Problematyka stanowiąca przedmiot geomatyki była do niedawna traktowana jako interdyscyplinarna. Obecnie geomatyka wypełniła lukę istniejącą pomiędzy informatyką i naukami o Ziemi. W wyniku sprecyzowania obszaru tematycznego geomatyki powstały na stykach pewne obszary wspólne, wskazujące na konieczność ścisłej współpracy pomiędzy sąsiadującymi ze sobą dyscyplinami nad problemami naleŜącymi do tych wspólnych obszarów. Nie tylko geomatyka korzysta z dyscyplin sąsiednich, takŜe te dyscypliny wzbogacają swoje moŜliwości dzięki geomatyce. Korzyści, jakie z tego czerpią nauki o Ziemi są oczywiste, ale takŜe informatyka coraz częściej przenosi na swój grunt rozwiązania wypracowane przez geomatykę. Przykładem mogą być
przestrzenne (a ściślej - geoprzestrzenne) rozszerzenia w systemach, specyfikacjach i językach czysto informatycznych takich jak SQL.
Główne nurty działalności
W działalności na gruncie geomatyki moŜna wyraźnie wydzielić trzy główne nurty związane w duŜym stopniu z charakterem i celami instytucji i ośrodków, które się tą działalnością zajmują:
• działalność badawcza w zakresie podstaw, teorii i metodyk - wyŜsze uczelnie, instytuty badawcze i niektóre firmy komercyjne.
• działalność dydaktyczna i szkoleniowa - wyŜsze uczelnie i firmy komercyjne.
• działalność produkcyjna w zakresie oprogramowania aplikacyjnego, pozyskiwania danych, ich obróbki i dystrybucji - firmy komercyjne i niektóre instytucje badawcze.
Metodyki i techniki wykorzystywane w geomatyce
Wiele dyscyplin zajmujących się lub posługujących się informacją geoprzestrzenną (np. geografia, geodezja, kartografia, topografia, fotogrametria, teledetekcja, geologia i inne) posiada własne metodyki i techniki, które ujęte w algorytmy programowe i zapisane w kodzie języków komputerowych są (lub mogą być) z powodzeniem wykorzystywane w geomatyce.
Geomatyka posiada wiele własnych metod i technik, które nie są stosowane w informatyce i naukach o Ziemi, jak na przykład:
• map-algebra,
• topologiczna analiza warstw geoinformacji z elementami wektorowymi,
• topologiczna analiza warstw geoinformacji rastrowej i siatkowej.
Wiele nowych rozwiązań z tego zakresu powstaje i rozwija się na styku geomatyki i dyscyplin z nią sąsiadujących.
Główne obszary problemów
- Modele danych geoprzestrzennych
Brak powszechnie przyjętego standardu klasyfikacji i formatów danych spowodował sytuację bliską chaosu. W rezultacie bardzo często jako standard dla danych przyjmuje się wewnętrzne formaty popularnych monolitycznych systemów GIS zaniedbując fakt, Ŝe formaty te nie mają oficjalnej jawnej dokumentacji. Próby naprawienia tej sytuacji doprowadziły do powstania ponad 23 róŜnych standardów danych geoprzestrzennych, a liczba zajmujących się tym komitetów i innych organizacji osiągnęła liczbą 25 (Bryan, 1995). NajwaŜniejsze z nich to:
DIGES - (Digital Geographic Information Exchange Standard) przeznaczony dla zastosowań militarnych w państwach NATO (The Digital...,1997),
SDTS - (Spatial Data Transfer Standard) opracowany przez USGS, obecnie najbardziej znany i często uŜywany takŜe w zastosowaniach międzynarodowych (American...,1998),
HDF (EOSDIS) - (Hierarchical Data Format (Earth Observing System Data and Information System) opracowany przez NCSA i NASA dla danych otrzymywanych z satelitów,ale takŜe stosowany w badaniach naukowych (An introduction...,1998).
Główne obszary problemów
- Model metadanych
Dane geoprzestrzenne są z reguły pogrupowane w pewne agregaty. W zaleŜności od stosowanej technologii mogą to być warstwy, struktury, obiekty lub zbioryobiektów. W interoperacyjności systemowej agregaty te moŜna traktować jak pewnego rodzaju zamknięte „paczki informacji” z dołączonym dokumentem szczegółowo opisującym zawartość takiej „paczki”. Metadane zawarte w tym dołączonym dokumencie muszą być zgodne z jakimś ogólnie przyjętym standardem i ich forma (model)musi spełniać szereg wymagań, jak na przykład:
• uniwersalność - być odpowiedni dla wszystkich moŜliwych typów informacji geoprzestrzennej.
• jednoznaczność - być jednoznacznie interpretowany zarówno przez ludzi jak i komponenty systemu informatycznego.
• niezaleŜność - nie być zaleŜnym od określonego środowiska programowego, czyli od określonej platformy sprzętowo-systemowej.
Najczęściej obecnie stosowanym modelem metadanych jest standard CSDGM (Content Standard for Digital Geospatial Metadata) rozwijany przez FGDC (Federal Geographic Data Committee).
Główne obszary problemów
- Metody projektowania i budowy systemów GIS
Tworzenie nowych systemów GIS stało się juŜ zjawiskiem powszechnym, lecz niestety w większości przypadków metodyki ich projektowania oparte są na stanie wiedzy z przed ponad dwudziestu lat. Tyle bowiem lat liczy sobie najczęściej stosowane do tego oprogramowanie. Te komercyjne pakiety dla GIS są ciągle ulepszane pod kątem szybkości działania i sprawności interfejsu uŜytkownika, lecz nie zmienia to faktu, Ŝe załoŜenia teoretyczne i metodyczne stanowiące fundamentalnego oprogramowania są juŜ bardzo przestarzałe. Dzisiejsza informatyka dostarcza wielu metod i narzędzi pozwalających projektować systemy GIS zgodnie z obecnym stanem wiedzy w tym zakresie. Jednym z takich rozwiązań jest język i metodyka UML (Unified ModelingLanguage).
Główne obszary problemów
- Interoperacyjność rozproszonych GIS
Osoba wykorzystująca informacje geoprzestrzenne w zastosowaniach profesjonalnych - na przykład geolog przy opracowywaniu dokumentacji - potrzebuje mieć dostęp do róŜnych rodzajów
tematycznych tej informacji dla dokumentowanego obszaru, na przykład do danych z wierceń, do mapy topograficznej i geologii powierzchniowej, do danych geofizycznych, geodezyjnych i wielu
innych. Dane te z oczywistych powodów będą się znajdowały w róŜnych systemach GIS i róŜnych bazach danych, często takŜe odległych. Aby te wszystkie dane mogły być dla określonego obszaru
dostępne z jednego komputera i wyświetlone na jego ekranie w sposób całkowicie zgodny niezbędna jest interoperacyjność systemowa rozproszonych systemów GIS.
Główne obszary problemów
- Interoperacyjność rozproszonych GIS
Interoperacyjność daje specyfikacja OpenGIS (Open GeodataInteroperability Specification) opracowywana w OGC (Buehler & McKee, 1996) w połączeniu z specyfikacją CORBA (Common Object Request Broker Architecture) opracowaną i rozwijaną w korporacji OMG (Object Management Group). Proponowane w tych specyfikacjach rozwiązania pozwalają na taką współpracę systemów GIS, która umoŜliwi poszczególnym ich modułom znalezienie (w oparciu o metadane) wszelkiej potrzebnej i dostępnej informacji, przetransferowanie jej do komputera uŜytkownika w formie zgodnej z określonymi wymaganiami,na przykład przetransformowanej do układu współrzędnych podanego odwzorowania kartograficznego.
Główne obszary problemów
- Technologie obiektowe w GIS
Współczesna informatyka wykształciła wiele róŜnych podejść do rozwiązywanych problemów. Jednym z nich jest podejście obiektowe, a oparte na nim technologie w wielu zastosowaniach dają
wyjątkowo dobre rezultaty.
Dla przykładu moŜna tu wymienić kilka najwaŜniejszych:
• obiektowe języki programowania,
• obiektowe interfejsy graficzne uŜytkownika,
• obiektowe modele i bazy danych,
• obiektowe struktury systemów i modele ich interoperacyjności.
Obszary zastosowań praktycznych
Ponad 70% wszelkiej informacji to informacja geoprzestrzenna. KaŜdy adres pocztowy moŜe być zamieniony na współrzędne geograficzne i informacja z nim powiązana moŜe być poddana operacjom stosowanym tylko do danych geoprzestrzennych, na przykład wyznaczenie odległości pomiędzy dwoma adresami. W geologii, tak jak w innych naukach o Ziemi, prawie cała informacja ma charakter geoprzestrzenny. Ujmując to najogólniej moŜna powiedzieć, Ŝe obszar zastosowań geomatyki jest taki jak zastosowań informacji geoprzestrzennej - trudno jest znaleźć dziedzinę działalności praktycznej, w której geomatyka nie jest stosowana.
Obszary zastosowań praktycznych
Do najwaŜniejszych naleŜą:
• administrowanie terenem i działalnością gospodarczą,
• planowanie przestrzenne i urbanistyka,
• ochrona środowiska i ekologia,
• rolnictwo i leśnictwo,
• przeciwdziałanie skutkom klęsk Ŝywiołowych i katastrof,
• gospodarka wodna i meteorologia,
• nauki geologiczne i górnictwo,
• epidemiologia,
• transport i telekomunikacja,
• dziedziny związane z obronnością i bezpieczeństwem,
• marketing.
Wizja przyszłości ???
• Skaning i obrazy cyfrowe uzyskiwane za pomocą satelitów oraz lotnictwa
• Uzupełniające prace lokalizacyjne oraz pomiarowe dokonywane za pomocą zintegrowanych urządzeń typu - odbiornik GPS + palmtop
• Rozbudowane metody analityczne i prognostyczne
• Zaawansowane systemy eksperckie, wspomagające planowanie oraz podejmowanie decyzji
Metody sztucznej inteligencji
Dziedzina sztucznej inteligencji zajmuje się zagadnieniami tworzenia i rozwoju właściwości maszyn sztucznych tak, Ŝeby właściwości te były podobne do najcenniejszej cechy człowieka - czyli inteligencji.
Do metod tych naleŜą (Mulawka, 1996):
• robotyka
• systemy ekspertowe
• algorytmy genetyczne
• sztuczne sieci neuronowe
• przetwarzanie języka naturalnego
• oprogramowanie i języki programowania
• programy automatyki
• rozpoznawanie mowy, percepcji, wizja komputerowa
• rozwiązanie problemów metodami sterowania i przeszukiwania.
Metody sztucznej inteligencji
W zagadnieniach przyrodniczo-leśnych prawdopodobnie największe zastosowanie mogą mieć takie metody jak:
• systemy ekspertowe,
• sztuczne sieci neuronowe,
• algorytmy genetyczne,
• percepcja,
• wizja komputerowa.
Metody sztucznej inteligencji - SE
System ekspertowy (SE) to komputerowy system wykonujący skomplikowane zadania w określonej dziedzinie o duŜych wymaganiach intelektualnych, który robi to tak dobrze jak człowiek
będący ekspertem w tej dziedzinie.
SE składa się z dwóch głównych części: bazy wiedzy i maszyny
wnioskującej. Baza wiedzy zawiera wiedzę z danej rozwiązywanej dziedziny i jest odseparowana od reszty systemu. Maszyna wnioskująca słuŜy do sterowania procesem wnioskowania i wyprowadzenia wyników. Rozdzielenie bazy wiedzy i mechanizmów wnioskowania stanowi
wyraźną zaletę SE. UmoŜliwia to łatwą aktualizację bazy wiedzy w celu zwiększenia jakości SE bez ingerencji w mechanizmy wnioskowania. MoŜna teŜ zastosować istniejące mechanizmy wnioskowania do ekspertyzy w rozwiązywaniu innego problemu.
Metody sztucznej inteligencji - SN
Sztuczna sieć neuronowa (SN) jest systemem wzajemnie połączonych prostych elementów przetwarzających informację, zwanych neuronami sztucznymi. Zasada działania SN polega na symulacji pracy komórek nerwowych mózgu człowieka. Budowa i zasady pracy neuronów sztucznych opierają się na budowie neuronu Ŝywego. Neuron sztuczny jest układem o wielu wejściach i jednym wyjściu. Neurony te grupuje się w większe zespoły zwane warstwami. Struktura wewnętrzna, wraz z określonym sposobem przekazywania sygnału między neuronami, tworzy architekturę sieci neuronowej. Najczęściej sieć składa się z warstwy wejściowej, warstwy wyjściowej oraz jednej lub kilku warstw wewnętrznych.
Metody sztucznej inteligencji - SN
SN wykazują pewne właściwości podobne do procesów myślowych zachodzących u człowieka (Mulawka, 1996; Openshaw, 1997):
• zdolność przetwarzania niekompletnych danych;
• moŜliwość wytwarzania rezultatów przybliŜonych;
• szybkie i efektywne przetwarzanie duŜych ilości danych;
• przetwarzanie równoległe, rozproszone;
• skojarzeniowy dostęp do informacji zawartej w sieci (adresowanie
zawartością, a nie miejscem), tzw. pamięć skojarzeniowa;
• informacja rozproszona;
• duŜa tolerancja na błędy i uszkodzenia;
• moŜliwość przetwarzania informacji rozmytych, chaotycznych, niekompletnych, a nawet sprzecznych.
Metody sztucznej inteligencji
Przy rozwiązywaniu problemów metodami sztucznej inteligencji, dane przestrzenne poddawane są odpowiedniemu przetwarzaniu i dalej mogą być wykorzystane w SIP. Systemy ekspertowe i sieci neuronowe realizują następujące przetwarzania (Zieliński, 2000):
• optymalizację, a w tym rozwiązywanie równań liniowych i nieliniowych;
• klasyfikację, która realizowana jest np.przez podział zbioru wejściowego na klasy;
• sterowanie, realizowane inteligentnie bez konieczności opracowania modelu, oparte wyłącznie na doświadczeniu;
• przypominanie polegające na: odzyskiwaniu (albo interpretowaniu) zmagazynowanych w SN informacji;
• rozpoznawanie, rozumiane jako klasyfikowanie wejścia, mimo Ŝe nie odpowiada ono Ŝadnemu z przechowywanych wzorców;
• skojarzenie, realizowane w następujących wariantach: skojarzenie uszkodzonego (zdeformowanego) wejścia (albo wywołania) z najbliŜszym przechowywanym wzorcem, skojarzenie między parą wzorców, diagnostyka, analiza;
• estymację, czyli realizacja następujących zadań: aproksymacja, interpolacja, filtrowanie, predykcja, prognozowanie.