Regionální projektování – semestrální práce ZS2018/2019

Téma: Projekt rozvoje zemědělských brownfieldů (bývalých areálů JZD) ve vybrané oblasti

Oblasti:

Členění území Jihočeského kraje do ORP a obcí je zde

Náhledy lokalizace areálů bývalých JZD jsou zde

Zadání:

1. Ve vybrané oblasti se nacházejí areály bývalých JZD, ke všem zjistěte současný způsob využití a identifikujte tak opuštěné a chátrající areály. POZNÁMKA: Pokud to je možné, identifikujte u všech i původní využití (vzhledem k tomu, že je to složitá věc, ale důležitá pro vlastní projekt, bude počet získaných informací ohodnocen u zkoušky bonusovými body, kdo identifikuje nejvíce původních využití, získá u zkoušky +5 bodů, kdo se umístí na 2. místě získá + 4 body, kdo na 3. místě +3 body, kdo na 4. místě +2 body, kdo na 5. místě + 1 bod (při rovnostech v pořadí bude rozdáno celkem maximálně 15 bodů). Výstupem tohoto bodu bude tabulka v MS Excel. V ní vepište ID areálu a k němu do dalšího sloupce popište stávající využití. Pokud se jedná o rozsáhlý areál, tak popište využití jeho jednotlivých částí – identifikaci částí proveďte např pomocí světových stran a pod.  Pokud se Vám podaří zjistit původní využití, tak do dalšího sloupce uveďte i původní využití.

2. Vyberte z identifikovaných areálů jeden opuštěný a/nebo chátrající a vypracujte pro je projekt regenerace v něm musíte uvést:

  • lokalizaci areálu
  • majitele pozemků a budov
  • popis stávajícího stavu
  • výpis důležitých informací o možnostech využití areálu podle údajů územního plánu – především tedy způsob plánovaného využití a popis charakteru možnosti využití
  • cíl regenerace = popis cílového stavu a budoucí uživatelé včetně přínosu pro obec
  • způsob regenerace = popis etap a na ně navázaných prací jak cíle dosáhnout
  • finanční rámec = odhad nákladů a identifikace potenciálních zdrojů včetně dotačních titulů

Odevzdání:

  • odevzdáváte tabulku doplněnou o informace uvedené v zadání bodu 1 – jméno souboru bude zahrnovat identifikaci oblasti a Vaše příjmení, termín je stanoven na 4.12.2018 mejlem na jnav@zf.jcu.cz
  • projekt regenece brownfiledu termín je stanoven na 18.12.2018 mejlem na jnav@zf.jcu.cz

Regionální management – semestrální práce ZS 2018/2019

Zadání semestrální práce pro PÚPN

Téma: Budoucnost areálů bývalých JZD ve vybrané oblasti podle územních plánů

Zadání:

1. Na první přednášce si vyberte region pro zpracování (pokud si vyberte region, kde bude pracovat více studentek/studentů, pak se s nimi dohodněte na rozdělení obcí).

2. Stáhněte si GIS vrstvu s příslušnou oblastí (pokud si vyberte region, kde bude pracovat více studentek/studentů, pak před další činností smažte všechny areály, které nebudete zpracovávat). POZNÁMKA: data jsou bez projekce, tak pracujte v EPSG:102067 S-JTSK Křovák EastNorth

3. Do atributové tabulky vrstvy vložte sloupec “kod_UP” (bez uvozovek) a zadejte mu vlastnost řetězec a 8 znaků, dále do atributové tabulky vložte sloupec “popis_UP”  a zadejte mu vlastnost řetězec a 150 znaků.

4. Na Geoportálu Jihočeského kraje http://geoportal.kraj-jihocesky.gov.cz/gs/uzemni-plany-a-dalsi-nastroje-uzemniho-planovani/ zadejte do vyhledávacího pole postupně názvy obcí z Vašeho regionu a zkopírujte si postupně adresy pro WMS služby územního plánu příslušných obcí.

Obrázek 1: Stav stránky po zadání obce (Příbraz) a kliknutí na odkaz WMS

5. Přes WMS službu v GIS software připojte postupně územní plány obcí Vašeho regionu.

Obrázek 2: Areál bývalého družstva v Příbrazi s podkladem UP

6. Pro všechny areály zadejte do sloupce kód využití podle výkresu územního plánu – pokud má areál plánovaná využití různá (jak je tomu na obrázku 2), editujte nejprve areál, rozdělte ho nástrojem na dělení polygonů (podle linií vyznačených v UP) a pak vepište kód využití do příslušných částí areálu (v našem případě na obrázku 2 rozdělíte areál do tří částí a vepíšete do příslušných částí kódy – VZ (do severní části), P2-SV (do střední části) a SO (do jižní části).

7. V textové části pak dohledáte popis dané zkratky (u různých územních plánů se soubor s popisem jmenuje různě, ale nejčastěji to bude pojmenováno ÚP a pak k tomu bude dovětek “textová část” nebo jako je tomu v případě Příbraze “výroková část”. Plochy, které nemají číslo mají jasné využití VZ = zemědělská a lesnická výroba; SO = plochy smíšené obytné. Plochy, které jakýmkoliv způsobem očíslované je třeba pro jistotu dohledat v tabulce – P2 znamená, že je to plocha určená k přestavbě a je druhá v pořadí – přestavba má být na typ SV, což jsou plochy smíšené výrobní. Takže do sloupce popis_UP pro severní část areálu napíšete “zemědělská a lesnická výroba”(bez uvozovek), do střední části “plochy smíšené výrobní” a do jižní části “plochy smíšené obytné”.

Odevzdání:

  • odevzdáváte vrstvu zemědělských areálů doplněnou o informace uvedené v zadání – jméno vrstvy bude stejné, jako na začátku, jen za rok 1989 napíšete svoje příjmení bez diakritiky, termín je stanoven na 4.12.2018 mejlem na jnav@zf.jcu.cz
  • na poslední přednášce sdělíte všem rozlohy a podíly ploch, které jsou určeny dále k zemědělské činnosti, které už aktuálně a ani do budoucna nebudou mít zemědělské využití a které jsou určeny k přestavbě

Zadání semestrální práce pro ostatní obory

Téma: Současné využití areálů bývalých JZD ve vybrané oblasti

Zadání:

1. Ve vybrané oblasti se nacházejí areály bývalých JZD, ke všem zjistěte současný způsob využití. Pokud to je možné identifikujte i původní využití.

2.  Do tabulky v MS Excel vepište ID areálu a k němu do dalšího sloupce popište stávající využití. Pokud se jedná o rozsáhlý areál, tak popište využití jeho jednotlivých částí – identifikaci částí proveďte např pomocí světových stran a pod.  Pokud se Vám podaří zjistit původní využití, tak do dalšího sloupce uveďte i původní využití.

Odevzdání:

  • odevzdáváte tabulku doplněnou o informace uvedené v zadání – jméno souboru bude zahrnovat identifikaci oblasti a Vaše příjmení, termín je stanoven na 10.12.2018 mejlem na jnav@zf.jcu.cz
  • na poslední přednášce (týká se jen PS) sdělíte všem rozlohy a podíly ploch, které jsou využívány k zemědělským činnostem

 

Charakteristiky četností

Charakteristiky četností

Četnost znamená počet výskytu daného jevu (např. samců), hodnoty (např. kategorie “velmi mnoho” nebo teploty 0°C) nebo intervalu hodnot (např. pH 3,5-4) v souboru dat. Četnosti mohou být vyjádřeny dvěma způsoby: (1) absolutně = počet hodnot v každé kategorii (výstupem takovéhoto zpracování je obvykle tabulka), (2) relativně = počet hodnot v každé kategorii je vydělen celkovým počtem měření, tedy celkový součet je 1 nebo 100, pokud každý podíl vynásobíte stem – jde o procenta (těchto výstupů se volí pro konstrukci poměrových grafů – koláčové, skládané sloupcové nebo pruhové).

Základním nástrojem pro četnostní zpracování nominálních, ordinálních a dopředu kategorizovaných intervalových či poměrových dat je kontingenční tabulka. Ty mohou být jednorozměrné = pro jednu proměnnou (tabule) nebo dvou a více rozměrných = pro dvě nebo více proměnných (tabule) – v základním kurzu se naučíme hodnotit jen dvourozměrné tabulky.

Princip tvorby dvourozměrné kontingenční tabulky.

Vícerozměrná kontingenční tabulka.

Nejčastěji používáme dvě proměnné a rozdíly v nich pak testujeme pomocí testu dobré shody. Video základní práce s nominálními a ordinálními daty.

Práce s nominálními a ordinálními daty v kontingenční tabulce.

Pokud chceme stejným způsobem zpracovat intervalová a poměrová data, je z nich třeba nejprve vytvořit kategorie – viz tabule.

Kategorizace poměrových proměnných.

Možností jak toho v MS Excel dosáhnout je více. Nejjednodušeji ale zároveň nejpracnější je ruční nahrazování (takto to dělat nebudeme). Nejrychlejší postup je přes funkci ČETNOSTI (stačí si do volného sloupce stanovit hranice intervalů a MS Excel Vám vyhodí počty měření v jednotlivých intervalech). Druhou, komplikovanější možností je použití funkce COUNTIF, což je asi nejgeniálnější funkce MS Excel, která toho umí strašně mnoho a budete-li v budoucny někdy řešit komplikovanější úlohy, pak se bez ní neobejdete, nicméně zde by to znamenalo počítat četnosti postupně pro jednotlivé kategorie (funkce ČETNOSTI je v tomto případě elegantnější). Postup je zdlouhavý a my jej dělat nebudeme, pokud se to chcete naučit tak tady je externí videonávod a to, co potřebujete vědět, je ve stopáži 27:50 až 39:20. Obě výše uvedené funkce Vám však vrátí jednorozměrnou kontingenční tabulku, což bude často problém pro Vaše další výpočty – Vy často budete chtít přiřadit kategorii ke konkrétnímu měření. Toho lze dosáhnout funkcí, se kterou jsme se seznámili v databázích, a to SVYHLEDAT, kde jako typ zadáte hodnotu 1 (jinak je postup stejný jako u spojování tabulek, POZOR!!! zadává se spodní hranice intervalu) – video.

Použití funkce SVYHLEDAT pro vytvoření kategorií.

Kontingenční tabulka má pro poměrová data ještě jednu výhodu. Jste pomocí ní schopni získávat velmi rychle charakteristiky polohy i variability pro Vámi zvolené kategorie – model využití je na videu.

Kategorizované charakteristiky polohy a variability v kontingenční tabulce.

Druhým nástrojem pro posouzení četností je histogram. Jedná se o graf četností. Obvykle na ose x jsou kategorie a na osu y jsou vynášeny hodnoty četností. Stejně jako u kontingenčních tabulek, tyto četnosti mohou být vyjádřeny absolutně nebo relativní stupnici. Lze do jednoho histogramu vynést více proměnných (měřených na stejné stupnici a kategorizovaných do stejných intervalů či kategorií). Samozřejmě, že když se jedná o ordinální nebo kategorizovaná poměrová data, tak na ose x jsou kategorie řazeny obvykle vzestupně. Vytvoření histogramu v MS Excel není v základu možné. Lze k jeho vytvoření použít výše zmíněné funkcí četnosti COUNTIF. Ale optimální je využití kategorizace provedené přes SVYHLEDAT. Užití si ukažme na pokračování příkladu ke kategorizaci poměrové proměnné – video.

Vytvoření histogramu v MS Excel.

Další možností je využití vytvoření histogramu přes kartu Vložit – histogram nebo nástroje Histogram na kartě Analýza dat, ale k ní se ale dostaneme až časem.

Dalším způsobem vyjádření četností histogramem je tzv. kumulativní histogram. V něm jsou postupně načítány hodnoty předchozích k následujícím kategoriím. Pokračujme v předchozím příkladu na videu. Kumulativní relativní četnosti budeme potřebovat při výpočtech nutných k posouzení normality dat.

Vytvoření histogramu kumulativních četností.

Histogramů se také často používá, když chceme rychle okometricky posoudit, jaké rozložení naše hodnoty mají. K tomu se dostaneme u náhodných veličin.

Charakteristiky variability

Charakteristiky variability

Charakteristiky polohy nás informují o “průměrné” charakteristice souboru dat. Získaná data však obvykle obsahují i pozorování, která jsou od hodnoty “průměru” značně odlišná. Charakteristiky vnitřní odlišnosti dat jsou tak stejně důležité. K základním, definovaným na intervalových datech patří:

  • rozsah, což je oblast dat mezi hodnotami minimum (MIN) a maximum (MAX)
  • rozptyl neboli variance je průměrná hodnota čtverce (POWER) odchylky měření od průměru a počítá se jinak pro základní soubor (VAR.P) a výběrový soubor (VAR.S)
  • směrodatná odchylka je druhou odmocninou z rozptylu; jelikož se liší výpočet rozptylu pro základní a výběrový soubor, má MS Excel samostatné funkce pro výpočet směrodatné odchylky pro základní soubor (SMODCH.P) a výběrový soubor (SMODCH.VÝBĚR.S), pokud uvádíte průměr, pak byste k němu měli uvést i hodnotu jeho směrodatné odchylky, neboť ta je v jednotkách průměru
  • variační koeficient je podíl směrodatné odchylky a hodnoty průměru a používá se v případě, když chcete porovnat variabilitu dvou proměnných, které mají různé jednotky

Variability ordinální dat lze posoudit pomocí kvantilů odvozených od mediánu:

  • kvartily (QUARTIL) jsou odvozeny od mediánu a jsou to hodnoty, které oddělují nikoliv poloviny měření (jako je tomu o mediánu; medián = hranice 2. kvartilu), ale čtvrtiny
  • percentily (PERCENTIL) jsou taktéž odvozeninou od mediánu, ale dělí soubor na setiny pozorování, stejně tak se používají decily

Oblíbenou společnou grafickou vizualizací charakteristik polohy a variability je krabicový graf (box-plot). Podle typu dat zobrazuje různé z výše uvedených hodnot.

Přehled základnách typů box-plotů.

Krabicový graf v MS Excel**

MS Excel jednoduše sám “vyrobit”  krabicový graf neumí a je nutné si data sama/sám připravit. Nejjednodušší případ box-plotu, který zobrazuje bodem hodnotu mediánu, “krabicí” 1. a 3. kvartil a “vousy” minimální a maximální hodnotu. V tomto případě vycházíme ze sloupcového grafu, kde boxy jsou de facto částí sloupce podle 1. 2. a 3. kvartilu a “vousy” jsou konstruovány jako chybové úsečky. Z tohoto je zřejmé, že pro konstrukci takového box-plotu potřebujeme umět z dat vypočítat charakteristiky polohy a umět pracovat s grafy MS Excel. Výpočet potřebných údajů je na videu, stejně jako tvorba vlastního box-plotu na druhé části videa.

Výpočet potřebných údajů pro sestavení box-plotu (nějak mi tam ujel medián u veg3, ale to pro naše potřeby nevadí).

Vytvoření box-plotu ze sloupcového skládaného grafu.

Doma si můžete instalovat doplněk Real Statistics, kde je na tento základní případ nástroj BoxPlot – schopen je pracovat i se zápornými daty. “Pravé” box-ploty mohou označovat různé hodnoty (tabule) – k tomu ale budete muset využít jiný software než je MS Excel.

Charakteristiky polohy

Charakteristiky polohy

  • aritmetický průměr (PRŮMĚR), který je definován na intervalové stupnici, se vypočítá jako podíl součtu měřených hodnot (SUMA) a počtu měření (POČET)
  • medián (MEDIAN), který je definován na ordinální stupnici, je hodnotou, která dělí data do dvou skupin o stejném počtu měření
  • modus (MODE), který je definován na nominální stupnici, je nejčastěji se vyskytující hodnotou; modů může být v souboru více

MS Excel umí i některé další funkce, např:

  • TRIMMEAN, který počítá průměr po odečtení stanoveného procenta maximálních a minimálních měřených hodnot, využít jej tedy můžete, když předpokládáte, že Vaše měření obsahuje odlehlé hodnoty (tedy takové, které na většinu Vámi změřených dat nesedí a předpokládáte, že vznikly souhrou náhod, chybou přístroje, Vaší nepozorností, atp. – k detailnějšímu zamyšlení o odlehlých hodnotách viz lineární regrese).