Wspomaganie decyzji z wykorzystaniem narzędzi GIS – ryzyko związane z dokładnością danych źródłowych

• Autorzy: Hejmanowska B.

Warianty tytułu

EN

GIS – a tool in decision support – risk caused by data quality effect

• Języki publikacji: PL

Abstrakty

PL

Systemy GIS oferują bogate narzędzia analityczne do przetwarzania danych, które również w Polsce stopniowo zaczynają być wykorzystywane do wspomagania decyzji. Pojawia się w związku z tym pytanie: jakie jest ryzyko związane z decyzją podjętą na podstawie analiz GIS? Na ryzyko podjęcia nieprawidłowej decyzji ma wpływ na pewno jakość danych źródłowych znajdujących się w bazie. Zwykle jednak nie tylko dane są podstawą podjęcia decyzji, ale wyniki ich przetworzeń. Dane źródłowe podlegają przekształceniom, są wykorzystywane jako dane wejściowe w różnych modelach. Wynik analizy jest obciążony zarówno niedokładnością danych źródłowych, jak również niedokładnością wykorzystywanych algorytmów i nieadekwatnością modeli do rzeczywistości. W systemach GIS, tworzonych w Polsce, rzadko gromadzi się informacje o dokładności danych źródłowych. Z kolei wykorzystywane oprogramowanie GIS tylko sporadycznie umożliwia analizę wpływu dokładności danych na wynik przeprowadzonej analizy. Problem ten jest pozostawiony do rozwiązania indywidualnemu użytkownikowi. W niektórych narzędziach GIS ma on do wyboru najbardziej, popularną obecnie, metodę Monte Carlo. Metoda ta, pomimo, że jest uniwersalna, tzn. może być wykorzystywana właściwie we wszystkich analizach GIS, ma dwie wady: analizy trzeba wykonywać setki razy, żeby oszacować dokładność wyniku analizy, a poza tym nie pozwala ona na określanie przestrzennego rozkładu dokładności analizy. Alternatywą są metody analityczne lub empiryczne, o ile znane są wykorzystywane w systemie GIS algorytmy obliczeniowe. Przedstawiona powyżej problematyka, dotycząca wpływu dokładności danych na ryzyko podejmowania decyzji z wykorzystaniem systemów GIS, została omówiona szerzej w niniejszej publikacji. Porównano w niej wyniki analizy przestrzennych wykonanej z uwzględnieniem wpływu dokładności danych źródłowych oraz bez uwzględnienia tego faktu. Problem przenoszenia się dokładności danych źródłowych na wynik analizy przestrzennej pokazano na przykładzie wyboru nowej lokalizacji pod zabudowę. W analizie uwzględniono dokładność numerycznego modelu terenu (DTM). Umożliwiło to oszacowanie ryzyka związanego z podjęciem decyzji wyboru lokalizacji i koniecznością wykonania nieplanowanych prac ziemnych w celu wyrównaniem terenu.

EN

There are many GIS tools for data analysis, also applied in Poland to decision support. The following question can appear: what is the risk of a decision based on the GIS analysis? GIS data quality certainly affects on the decision risk. Usually not only raw data are analyzed, but also the results of data transformations. Data are often transformed in GIS systems and used in different models as input data. Results of transformation are influenced by the original data quality (especially accuracy) and model/algorithm reliability. In GIS databases in Poland, information on data quality is very rare gathered. On the other hand, GIS software only occasionally delivers tools for algorithm and function accuracy analysis. The problem is left individually to the user. In some software, the popular Monte Carlo method is implemented. The method is very universal, it means that can be applied in almost all GIS analyses Monte Carlo has also disadvantages: analyses must be carried out hundreds times, and the spatial distribution of the results error is difficult to obtain. Analytical or empirical methods are an alternative if the algorithms implemented in GIS software are known. In the paper, the risk connected to the GIS analyses based on the data with known accuracy is presented. Spatial analysis is performed by hard methods, without data quality consideration and assuming some data uncertainty. Error propagation is presented in the paper based on a new urban area example and the DTM accuracy was considered in the spatial analysis. The risk of ground leveling caused by DTM inaccuracy was evaluated.

Słowa kluczowe

PL

GIS; dokładność danych; wspomaganie decyzji

EN

GIS; data accuracy; decision support

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2006
• Tom: Vol. 16
• Strony: 197--206
• Opis fizyczny: Bibliogr. 11 poz.

Twórcy

autor

Hejmanowska B.

• Zakład Fotogrametrii i Informatyki Teledetekcyjnej, Akademia Górniczo-Hutnicza w Krakowie, tel. [phone]

Bibliografia

• 1. Ehlschlaeger C.R., Shortridge A., 1996. Modeling Elevation Uncertainty in Geographical Analyses. Proceeding of the International Symposium on Spatial Data Handling, Delft, Netherlands. 9B.15-9B.25.
• 2. Florinsky I.V., 1998. Accuracy of local topographic variables derived from digital elevation models. Int. J. Geographical Information Science, Vol. 12, no 1, s. 47-61.
• 3. Hejmanowska B., 2000. Wpływ niedokładności Cyfrowego Modelu Terenu na błąd nachyleń i ekspozycji. Archiwum Fotogrametrii, Kartografii i Teledetekcji, Vol. 10. s. 41/1-41/14.
• 4. Hejmanowska B., 2005. Wpływ jakości danych na ryzyko procesów decyzyjnych wspieranych analizami GIS. AGH Uczelniane Wydawnictwa Naukowo-Dydaktyczne, Kraków 2005, ISDN 0867-6631.
• 5. Kaplan S., Garrick B.J., 1981. On the quantitative definition of risk. Risk Analysis, Vol. 1, s. 11-27.
• 6. Krause J., Uhrich S., Bormann H., Diekkrüger B., 2003. Uncertainty Analysis of a Floodrisk Mapping Procedure Applied in Urban Areas”, Hydrology Division. Geographical Institute University of Bonn, http://www.giub.uni-bonn.de/ hrg/Poster%20and%20Presentations/nizza02.pdf
• 7. Qihao Weng, 2002. Quantifying Uncertainty of Digital Elevation, Models Derived from Topographic Maps. Advances in Spatial Data Handling, Edited by D. Richardson and P. van Oosterom, Springer-Verlag, New York, s. 403-418.
• 8. Ritter P., 1987. A vector-based slope and aspect generation algorithm. Photogrammetric Engineering and Remote Sensing, 53(8), s. 1109-1111.
• 9. Skidmore A. K., 1989. A comparison of techniques for calculating gradient and aspect from a gridded digital elevation model. International Journal of Geographical Information Systems, 3(4), s. 211-232.
• 10. Sokołowska J., Pohorille A., 2000. Model of risk and choice: challenge or danger. Acta Psychologica, 104 (2000), s. 339-369.
• 11. Wechsler P. S., 2001. Digital Elevation Model (DEM) Uncertainty: Evaluation and Effect on Topographic Parameters. http://www.csulb.edu/~wechsler/Dissertation/P262/_Author_Information