Centrum pro výzkum toxických Látek v prostředí Prostorové modelování -úvod Klára Komprdová Hf evropský sociální fond V ČR EVROPSKÁ UNIE INVESTICE DO MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY 17^ pro konkurenceschopnost ROZVOJ E VZDĚLÁVÁNÍ Rozdělení modelů Popisuje budoucí stav systému nebo jeho podmínek? ANO Dynamické modely - závislé na čase - spojité, diskrétní NE Popisují prostorovou strukturu? ANO NE Zahrnuje náhodnou složku? ANO NE Proces modelovaní Design vzorkování a zpracování dat (z literatury, předešlých experimentů) Terénní sběr dat a laboratorní analýzy Analýza datového souboru a tvorba modelu Kalibrace a validace modelu Interpretace modelu, jeho srovnání s realitou použití modelu Proces modelovaní Descriptive data from literature, field knowledge 1. Conceptual model T Laboratory experiments (ecophysiology) Sampling design 2. Statistical formulation Statistical literature, existing models Quality of the fit Calibration dalaset Evaluation dataset Diagnostic tests Predicted values Predictive power \E valuation/ Evaluation tabel s Guisan & Zimmermann, 2000 Prostorové modelování - Jak jsou data rozložená v prostoru? Prostorová analýza: o Hledá a popisuje různé vzory v geografickém prostoru o Snaží se porozumět prostorovým jevům o Využití geografických informačních systémů Co nás zajímá? Jak se pozorování mění v prostoru? Co způsobuje tuto změnu v prostoru? Kolik pozorování (např. lokalit) potřebujeme, abychom dokázali popsat prostorovou variabilitu? Jaká je nejistota našeho odhadu (predikce)? T. Hengl (2007) A Practical Guide to Geostatistical Mapping of Environmental Variables Co všechno můžeme modelovat v prostoru? 1) konkrétní hodnoty - (koncentrace, početnosti...) 2) pravděpodobnosti - (pst překročení limitu...) 3) presence/absence - (přítomnost/nepřítomnost polutantu... ) 4) nejvíce pravděpodobná entita - (typy půdy, převažující typ znečištění, využití krajiny...) Př. Koncentrační mapa v Koncentrace kadmia na území CR s využitím metody IDW Př. Pravděpodobnostní mapa I Pravděpodobnost překročení limitní hodnoty 1 00 Bq/m2 u 241 Americia v půdě v oblasti severně od Černobylu v roce 1 992 (Krivoruchko 1 999) Př. Pravděpodobnostní mapa II Index aktivity klíštěte obecného a riziko infekce Jtfkk KE = Klíšťová encefalitida LB = Lymeská bomelióza © MykoMapy, SoftImage.cz, výhradní licence: Lybar a.s. 1-3 nízké 4-7 střední 8-10 vysoké riziko nakažení Mykomapa - předpovídá pravděpodobnost růstu hub na území ČR a současně informuje o možném riziku nakažení nemocemi přenášenými klíšťaty Krajinný pokryv Response surface of Cercocarpus tedlfolius Abundance ol Carex curvula Modelování vegetace a) pravděpodobnosti b) abundanční skóre c) výskyt/nevýskyt d) vegetační typy SBO'000 6O00O0 8100O0 6"OODO B30 000 BMfOOO SäS'OOO 63B'000 64O'0O0 &tľOOO 642'0O0 the suitability of the African environment to elephant habitation and the severity of human constraints that limit elephant habitation. A tropical storm as simulated in a global climate model. Shown are surface temperature (shading), pressure and winds. Bottom: the same storm case, but as simulated with the hurricane prediction model. Shown are surface winds and precipitation on the inner grid of the hurricane model. The vector spacing illustrates the resolution of the two models (250 km for the global model vs. 18 km for the hurricane model). http://www.gfdl.noaa.gov/global-warming-and-hurricanes-figures Prostorová distribuce a plán vzorkování (sampling design) Kvalitní datový soubor Dostatečně velký Reprezentativní Získán konzistentní metodologií Se signifikantní přesností Nezávislý Vzorkování jednoduchý náhodný výběr systematický výběr stratif i kovaný náhodný výběr preferenční sběr Testování prostorové distribuce Náhodný typ distribuce pro 3 typy prvků: body, linie, areály Pravidelný typ distribuce pro 3 typy prvků: body, linie, areály ****** HLJLIUUUUU *******□nnnnnr ******* -: i i [ ******* ****** * p: i; i! if .; r" *******□□□□□□□ ****** JHnnnnnr Shlukový typ distribuce pro 3 typy prvků: body, linie, areály * * * * * * * * (Horák, 2006) Komponenty vzorkovaní velikost zrna (grain size) je velikost základní vzorkovací jednotky, může být vyjádřena jako průměr, plocha či objem. interval (sampling interval) je průměrná vzdálenost mezi sousedícími vzorkovacími jednotkami. rozsah (extent) - celková délka, plocha nebo objem zahrnutý do studie. -Grain size □ □ <- Extent □ □ (Legendre & Legendre, 1 998) Ukázky experimentálního designu Modeling of vertical distribution of POPs in soil under different tree species - příklad experimentálního designu Questions How concentration and pools of POPs in soil depends on landcover under similar imission factors including climatic factors? What is influence of various tree species? Modeling of vertical distribution of POPs in soil under different tree species Field experiment - we have found the areas with similar conditions to filter out influence of other environmental conditions Four forests with 90% cover by spruce, pine, oak and beech + grassland Similar conditions are based on high resolution maps □ slope change max 10 degree; precipitation (max. change 50 mm/year); altitude (max. change 1 00 m asl); without large water area; trees older than 80 years 25 localities, 5 horizons 125 samples oak * ( • pine] V • * • 100m fröffU2Qrderj • /—" beech • / m / spruce I grassland / • * [ • • • \ • • Picture &■ Soil pit - ha tion of„satelite" points. Mix soil sample from 4 points Horizons - F+H, 0-2, 2-10, 10-20, 20-40 cm Example of Resulting maps for two areas with different forests Oak - grey Sampling plan Another 5-1 0 samples for testing selected areas — pilot study Compounds- POPs (PAHs, PCBs, DDT, HCH, HCB) +probably heavy metals ? + physical-chemical properties of soil Pilot study — check over localities for possible sources of contamination (dumping places, fireplace, clearance...) To exclude contingencies however typical for these localities (small-scale particularities) To take sample in each landuse category (wood + clearing, totally 5 mixed soil samples from 15 cm) If results of analyses provide reasonable concentrations (not extremes) sampling campaign will begun. In another case is necessary to find new area with all landuse and repeat pilot study It is necessary to make visual documentation of sampling places. Interreg project: Risk elements in the soil in relation to the environment -cross-border base of soil protection Bavaria - Czech Republic Metodika výběru pozorovacích ploch pro stanovení diferencovaných referenčních hodnot obsahů toxických látek v lesních půdách I Celkem je navrženo 1 20 pozorovacích ploch pro odběr vzorků. Lokalizace pozorovacích ploch bude provedena matematickým modelem za použití těchto kritérií: Základní kriteria Stanovení 6 kategorií podle lesních vegetačních stupňů (LVS) včetně identifikace luhů (= fluvizemě) a podle druhového složení porostu: Fluvizemě (ve všech vegetačních stupních, zejména 1 L, 2L, především listnaté lužní lesy nížin) □ 1 -3 LVS, lesy s převahou jehličnanů □ 1 -3 LVS, lesy s převahou listnáčů □ 4-6 LVS, lesy s převahou jehličnanů □ 4-6 LVS, lesy s převahou listnáčů □ 7-9 LVS Metodika výběru pozorovacích ploch pro stanovení diferencovaných referenčních hodnot obsahů toxických látek v lesních půdách II Doplňující kriteria: A. Vyloučení ploch nacházejících se v blízkosti velkých měst (> 50 tis obyvatel) a velkých průmyslových objektu B. Vyloučení ploch na okrajích lesních pozemku KRITERIUM BUFFER VRSTVA GIS nadmořská výska. (LVS) - LVS od UHUL dluhové složení porostu - CORINE Pudní typ - fluvizemě - Pedolog mapa AOPK blízkost velkých měst (> 50 tis obyvatel) a velkých 500 m CORINE pmmy šlových objektů okrajové plochy lesních pozemků 200 m PUPFL od UHUL □ Na podkladech základních a doplňujících kritérií a GIS podkladových vrstev budou vygenerovány lokality odběrových míst. Každá jednotlivá lokalita bude následně prověřena v ortofotomapách (Google), zda se nenachází v neodebíratelném místě (rybník, mlazina, skály apod.). V případě že k tomu dojde, bude lokalita posunuta podle metodiky projektu Interreg. (posun o 100m postupně do světových stran S, Z, J, V, dále 200m opět S, Z, J, V atd.). Příště Interpolační techniky □ IDW □ Kriging □ Interpolace na souřadnicích Korelogramy □ Moranův □ Gearyho