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
  • Přístup k SHP vrstvám je zde

Zadání:

1. Na prvním cvičení/konzultaci si vyberte region pro zpracování (pokud si vyberete region, kde bude pracovat více studentek/studentů, pak se dohodneme na rozdělení obcí). 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 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 do prvního sloupce NR (= číslo daného areálu, které najdete v podkladové mapě nebo ve sloupci “nr” atributové tabulky) 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 areál a vypracujte pro něj projekt regenerace. V projektu musíte uvést:

  • lokalizaci areálu
  • majitele pozemků a budov (podle údajů dostupných na cuzk.cz)
  • popis stávajícího stavu
  • výpis důležitých informací o možnostech využití areálu podle údajů územního plánu – především tedy způsob plánovaného využití a popis charakteru možnosti využití k územním plánům se dostanete zde: http://geoportal.kraj-jihocesky.gov.cz/gs/uzemni-plany-a-dalsi-nastroje-uzemniho-planovani/
  • cíl regenerace = popis cílového stavu a budoucí uživatelé včetně přínosu pro obec
  • způsob regenerace = popis etap a na ně navázaných prací jak cíle dosáhnout (stručně, jde o rámce nikoliv projektovou dokumentaci)
  • finanční rámec = odhad nákladů a identifikace potenciálních zdrojů financování včetně dotačních titulů

Odevzdání:

  • odevzdáváte tabulku (XLS nebo XLSX) 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 regenerace brownfiledu podle bodu 2 zadání, 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

Oblasti:

  • Členění území Jihočeského kraje do ORP a obcí je zde
  • Náhledy lokalizace areálů bývalých JZD jsou zde
  • Přístup k SHP vrstvám je zde

Zadání:

1. Na první přednášce si vyberte region pro zpracování (pokud si vyberete 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”  (bez uvozovek) 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 ÚP

6. Pro všechny areály zadejte do sloupce “kod_UP” 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 ÚP) 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 jsou 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” (bez uvozovek) a do jižní části “plochy smíšené obytné” (bez uvozovek).

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 přítomným 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

Oblasti:

  • Členění území Jihočeského kraje do ORP a obcí je zde
  • Náhledy lokalizace areálů bývalých JZD jsou zde
  • Přístup k SHP vrstvám je zde (poslouží Vám, pokud umíte s GISy)

Zadání:

1. Na první přednášce/konzultaci si vyberte region pro zpracování (pokud si vyberete region, kde bude pracovat více studentek/studentů, pak se s nimi dohodněte na rozdělení obcí). 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 (kterou si sami vytvoříte) vepište do prvního sloupce NR (= číslo daného areálu, které najdete v podkladové mapě nebo ve sloupci “nr” atributové tabulky) 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 počty areálů, 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 budete nejčastěji 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.

 

Práce s tabulkami v R

Už v práci s tabulkami v MS Excel je jasné, že musíme dodržovat strukturu “databázové” tabulky. Jedině tak získáme kontingenční tabulku MS Excel a budeme schopni pracovat s tabulkami v R. V R to není zdaleka tak jednoduché, jako MS Excel, takže pro tvorbu tabulek, které budou vstupovat dále do analýz budete dělat v MS Excel, ale úpravu a tvorbu si chtě-nechtě musíme ukázat i v R – k tomu je určena naše  3. Lekce v R.

Histogram – grafické vyjádření četností

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. Dalším způsobem vyjádření četností histogramem je tzv. kumulativní histogram. V něm jsou postupně načítány hodnoty předchozích k následujícím kategoriím.

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

Histogram v R

Vytvoření histogramu v R se děje pomocí funkce hist() nebo histogram() v package lessR.

 

Histogram v MS Excel**

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.

Vytvoření kumulativního histogramu si ukážeme pokračováním z předchozího příkladu, které je na videu. Kumulativní relativní četnosti budeme potřebovat při výpočtech nutných k posouzení normality dat.

Vytvoření histogramu kumulativních četností.

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 R

My využijeme situace, že MS Excel automatickou tvorbu klasického krabicového grafu v nabídce nemá, a naučíme se ovládat R (1. Lekce).

 

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).