Podle otázek, které GIS řeší, rozlišujemeněkolik typů analýz geografických dat.� Analýza překryvu několika vrstev. Např.:Existuje místo s požadovanými klimatic-kými a geologickými podmínkami? Koliktakových míst je, kde a jakou mají plochu?� Analýza vzdáleností. Např.: Které loka-lity se nacházejí do 500 m od hranice jeh-ličnatého lesa? Které z nich jsou od sebevzdáleny alespoň 1 km?� Analýza vzdáleností v síti. Např.: Kolikzdrojů znečištění leží na vodním toku nadpřehradou a jaká je jejich vzdálenost odhráze, měřená po toku?� Analýza prostorové distribuce. Např.: Jakjsou mapované prvky rozmístěny v prosto-ru? Rovnoměrně, náhodně, ve shlucích?� Analýza modelu reliéfu. Např.: Kde ležímísta, kam v zimní sezoně nesvítí vůbecslunce? Kde jsou naopak místa s nejvyššíroční sumou slunečního záření?� Geostatistické analýzy. Např.: Jaké je roz-ložení modelované veličiny v celé plošezkoumaného území na základě měření naněkolika vybraných lokalitách?� Atributové a prostorové dotazování. Např.:Které smrkové porosty v mýtním věku ležív katastru dané obce?

Historie GIS a způsoby zobrazeníPrvním byl Kanadský geografický infor-mační systém (CGIS) vytvořený v 60. le -tech minulého stol. Výrazný rozvoj nastalna počátku 80. let, kdy cena dostatečněvýkonných počítačů znatelně klesla. Dal-ším mezníkem byl r. 1993, kdy se hybnousilou usnadňující použití tohoto systémustal internet, v jehož prostředí došlo nej-dříve k poskytování geografických dat,později i celých aplikací GIS. V současnédobě existuje řada komerčního i nekomer -čního softwaru, za zmínku zcela jistě stojínekomerční Quantum GIS, SAGA GIS čiJanMap, nebo komerční ArcGIS či Map Info(viz tab. na str. 68).

Dva základní datové modely, pomocínichž lze zobrazit geografická data v digi-tální podobě, jsou vektor a rastr. Vektorovádata se skládají z bodů s konkrétní sou-řadnicí x a y, případně z. Posloupností bodůse tvoří linie, pokud je v posloupnosti prv-ní a poslední bod totožný, vzniká polygon.Tak jsou prezentovány bodové (zdroj zne-čištění, hnízdiště, pramen, památný strom),liniové (řeka, bariéra podél dálnice, polnícesta) a plošné (jezero, povrchový důl, fyto-geografický okres, povodí, areál výskytu

určitého druhu) prvky. Jednotlivé prvky vevektorové mapě jsou propojeny s tzv. atri-butovou tabulkou, přičemž vektory mají tuvýhodu, že k jednomu prvku se může na -vázat více informací (na rozdíl od rastrů –viz dále v textu). Příkladem vektorovýchmap využívaných v botanice jsou mapapotenciální přirozené vegetace (tedy vege-tace, která by na určitém místě rostla, kdy-by dané místo neovlivnil člověk), mapaaktuální vegetace, jejímž zdrojem jsounapř. data z mapování Natura 2000, pří-padně různé mapy využívané v lesnictví.

Při rastrovém zobrazení je prostor pře-kryt pravidelnou sítí dostatečně malýchploch. Zkoumaný jev na zemském povr-chu se pak popíše hodnotami vztaženýmik plochám této sítě. Rastry mohou popi-sovat buď kontinuální jevy, kdy sousednípixely mají podobné hodnoty (např. nad -mořskou výšku, koncentraci znečištěníovzduší, průměrnou roční teplotu), nebodiskrétní jevy, kdy skupina pixelů s podob-nou hodnotou sousedí s pixely s výrazněodlišnou hodnotou (např. rozhraní les – bez-lesí, voda – souš). Na každý pixel v rastruje v atributové tabulce navázána pouzejedna informace (např. průměrná roční tep-lota). Příkladem rastrové mapy jsou topo-grafická mapa zachycující různé sklonya orientace svahu, mapa nadmořskýchvýšek a případně klimatické mapy, jakonapř. průměrných ročních srážek neboprůměrné roční teploty.

Speciální kategorii rastrů představujídata získaná z dálkového průzkumu země(DPZ, remote sensing) prováděného po -mocí zařízení (senzorů) instalovaných nadružicích nebo letadlech. Příkladem těchtozařízení jsou mechano-optický nebo elek -tro-optický skener a digitální fotoaparáty.Velmi důležitou vlastností těchto senzorůje, že na rozdíl od klasických fotografií jsouschopny zaznamenat i vlnové délky prolidský zrak neviditelné, např. ultrafialovénebo infračervené (Dobrovolný 1998). Ně -které neviditelné části (infračervená oblast)jsou přitom obzvláště důležité např. prorozpoznání vegetace od ostatních objektůna zemském povrchu, odhad primární pro-dukce a druhové rozmanitosti rostlinnýchspolečenstev, detekci obsahu vody nebo pig-mentů v biomase. Tímto způsobem je např.možné na infračervených snímcích roze-znat jehličnatý les od listnatého – jehlicemají menší spektrální odrazivost než listys velkou listovou čepelí, a proto se na sním-cích jeví jako tmavší. Podobně lze pomocíinfračervených kanálů rozpoznat usycha-jící vegetaci ještě dříve, než se na rostlináchobjeví viditelné známky nedostatku vody.

Obecné přiblížení GIS zakončíme třemikonkrétními příklady použití v botanice.V prvním z nich GIS sloužil pro napláno-vání sběru dat, v druhém se použila data

živa 2/2012 67 ziva.avcr.cz

Dana Michalcová, Ondřej Hájek

GIS a jeho využití v botanice

Díky skutečnosti, že velká část dat má prostorové určení, stává se GIS (Geo-grafický informační systém) stále hojněji využívaným nástrojem nejen v oborech,jako jsou lesnictví, geologie, zemědělství a životní prostředí, ale pozadu nezůstá -vá ani botanika. Většina aplikací GIS dnes umožňuje dosažení čtyř základníchcílů při práci s geografickými daty – sběr, správu, analýzu a vizualizaci, přičemžnejvětší význam spočívá především v možnostech analýzy dat. Naším cílemje poukázat konkrétními příklady na to, že botanika nezahrnuje jen sběr a určo-vání rostlin, ale i využití moderních nástrojů, jakým GIS bezpochyby je.

1 Postup stratifikace – kombinace různých mapových vrstev, které předsta-vují důležité faktory prostředí mající vliv na rozmístění různých typů vegetace(blíže v textu). Orig. D. Michalcová2 Stratifikace pro klasifikaci lesní vegetace Moravského krasu a okolí. Každá barva představuje jedno stratum,tedy soubor míst se shodnými podmín-kami prostředí. Vytvořeno v programuArcGIS (viz tab. na str. 68)

21

lesy aluvium vápenec srážky teplota sklon orientacesvahu svahu

překryv map

mapa s vrstvamistratifikace překrytá mřížkou

detail mapy s lokalitou pro fytocenologický snímek

zápis fytocenologickéhosnímku v terénu

1

2

3

4

z GIS map k vysvětlení druhového složenírostlinného společenstva a v třetím se sta-la GIS aplikace nástrojem k modelovánífenologických map. První studií je prácezabývající se klasifikací vegetace Morav-ského krasu (Michalcová 2009). Vegetacese běžně klasifikuje na základě soupisudruhů a jejich pokryvnosti, tzv. fytoceno-logických snímků (viz také Živa 2010, 6:265–266), které mohou být v terénu uspo -řádány různými způsoby. Dodnes se alenejčastěji používá preferenční neboli sub-jektivní rozmístění, při němž se místa prozápis snímků vybírají bez předchozíhoplánování. Badatel pak obvykle snímkyvzhledem k snadnějšímu přístupu umístípoblíž cesty nebo např. tam, kde je velkádruhová rozmanitost, případně kde se vy -skytují ohrožené či regionálně významnédruhy. Abychom se vyhnuli tomuto sub-jektivnímu výběru, je potřeba uspořádánísnímků předem naplánovat (vytvořit designsběru dat). K relativně běžně používanýmdesignům patří rozmístění náhodné (např.náhodně vygenerované souřadnice), sys-tematické (v mřížce), v transektu (na jednélinii), nebo tzv. stratifikované – náhodné.Právě poslední desing lze použít tehdy,když je naším cílem získat dostatečný po -čet snímků z různých vegetačních typů,ušetřit co nejvíce práce a času a současněco nejvíce omezit subjektivitu. Základnímpředpokladem tohoto rozmístění je, že narozdílných stanovištích nalezneme odlišnétypy vegetace. Při jeho plánování se kom-binují různé mapové vrstvy, které před-stavují důležité faktory prostředí majícívliv na rozmístění různých typů vegetace(např. přítomnost vápence v podloží, vý -skyt aluvia, průměrná roční teplota, prů-měrné roční srážky, sklon svahu nebo jehoorientace). Tyto mapy se překryjí přes sebea všechna místa se shodnými podmínkamiprostředí vytvoří stratum (např. všechnamísta na vápencovém podloží, mimo alu-vium, s průměrnou roční teplotou 6–7 °C,s průměrnými ročními srážkami 550 až600 mm a s jižně orientovaným svahemo sklonu 5–15°). V každém takovém stra-tu pak očekáváme, že zde nalezneme jedentyp vegetace (např. dubohabřinu, doubra-vu nebo suťový les). Strat je tolik, kolikexistuje různých kombinací podmínek pro-středí (obr. 1 a 2). Z každého z nich se pak

náhodně (např. automatickým vygenerová-ním souřadnic) vybírají místa, v nichž sefytocenologický snímek zapíše. Pomocístratifikovaného – náhodného designu bylov Moravském krasu zapsáno celkem 183snímků lesní vegetace, které byly použityke klasifikaci lesů do tří vegetačních tříd(Alnetea glutinosae, Querco-Fagetea a Quer-cetea robori-petraeae), 9 svazů, 18 asociací.

Druhým příkladem využití GIS je studiezabývající se otázkou, které podmínky pro-středí ovlivňují druhové složení plevelovévegetace na střední Moravě a ve Slezsku(Cimalová a Lososová 2009). I zde byla připlánování rozmístění fytocenologickýchsnímků použita stratifikace, kdy se v pro-gramu ArcGIS překryly mapy půdníchtypů (Anonymus 1971), klimatických ob -lastí (Quitt 1975), potenciální přirozenévegetace (Neuhäuslová a kol. 1998) a kra-jinného pokryvu (CORINE; GISAT 1997),která v této práci sloužila k rozpoznání ze -mědělské půdy (obr. 4). Informace z digi-tálních map (nadmořská výška, klima nebopůdní typ) a data získaná přímo v terénu(typ plodiny, půdní pH) se dále použily vestatistické analýze (tzv. přímé ordinaci),pomocí níž se autorky pokusily zjistit, kte-ré ze zkoumaných podmínek prostředímají na složení těchto společenstev nej-větší vliv. Ukázalo se, že se v obilovinácha okopaninách nacházejí víceméně odliš-né druhy plevelů, což souvisí hlavně sezpůsobem hospodaření. Druhovou sklad-bu však ovlivňovalo i klima, nadmořskávýška a půdní pH.

Třetí případová studie je příkladem vy -užití GIS a moderních statistických metodk předpovědi nástupu a trvání jednotli-vých fenofází u dřevin v hlubokých žle-bech Moravského krasu (Vymazalová 2005).Termín fenofáze označuje stadium vývojerostlin během roku – otevírání pupenů,rozvíjení listů, začátek kvetení atd. Feno-logické mapy byly především v minulosticennou náhražkou klimatických map, pro-tože odrážejí složitou kombinaci faktorůovlivňujících vývoj rostlin, které jsou čas-to velmi obtížně měřitelné. Dnes se po -užívají např. k předpovědi rychlosti a smě-rů šíření hmyzích škůdců. Aby mohla býtvytvořena fenologická mapa, autorka vy -brala 7 dřevin, které jsou ve studovanémúzemí hojné a jejichž fenologický vývoj je

přibližně souběžný – habr obecný (Carpi-nus betulus), javor klen (Acer pseudopla-tanus), javor mléč (A. platanoides), zimolezobecný (Lonicera xylosteum), svída dřín(Cornus mas) a bez černý (Sambucus nigra).U těchto dřevin v průběhu jara zazname-nala vývoj jednotlivých fenofází. Z časovýchdůvodů nebylo možné kontrolovat v teré-nu jednotlivý strom či keř, proto zvolila82 lokalit, na nichž měření provedla. Abyvytvořila mapu fenofází pro celé studovanéúzemí (tedy i míst, kde fenofáze přímo ne -zaznamenávala), ke každé lokalitě získaladodatečné informace z digitali zované topo-grafické mapy, modelu PDSI (potenciálnípřímé sluneční záření) a skyview (zacloně -ní oblohy okolním terénem; v programechIRRAD a IDRISI 32; Tichý 1998). Na zákla-dě kombinace těchto informací a statistickéanalýzy (neuronové sítě) byla schopna projakékoli místo studovaného území předpo-vědět aktuální fenofázi dřevin (obr. 3).

Snad se nám podařilo ilustrovat možnos-ti využití GIS v botanice a poskytnout takézákladní informace (přehled zdrojů mapo -vých podkladů najdete u abstraktu tohotočlánku na www.ziva.avcr.cz).

ziva.avcr.cz 68 živa 2/2012

43

3 Jarní fenologická mapa Moravskéhokrasu vytvořená na základě modelupotenciálního přímého slunečního záření(PDSI), digitalizované topografické mapya modelu skyview (zaclonění oblohyokolním terénem) v programu IRRADa IDRISI 32. Čísla označují stupeň fenofáze. Orig. M. Vymazalová4 Ukázka ortofotomapy s klasifikacíCORINE (geografický informační zdrojo krajinném pokrytí našeho území). Orig. O. Hájka, není-li uvedeno jinak

1: ArcGIS (http://www.esri.com)2: MapInfo (http://www.csmap.cz)3: Quantum GIS (http://qgis.org/)4: SAGA GIS (http://www.saga-gis.org)5: JanMap (http://janitor.cenia.cz)6: Přehled open source GIS

(http://www.geobusiness.cz/2011/04/prehled-11x-open-source-gis/)

7: CORINE land cover(http://www.eea.europa.eu/publications/CORO-landcover)

8: Ortofoto(http://geoportal.gov.cz/web/guest/home)