INFRASTRUKTURA I EKOLOGIA TERENÓW WIEJSKICH INFRASTRUCTURE AND ECOLOGY OF RURAL AREAS Nr 1/II/2012, POLSKA AKADEMIA NAUK, Oddziaá w Krakowie, s. 27–39
Komisja Technicznej Infrastruktury Wsi
Joanna Jaroszewicz, Wioleta Radziszewska
ROZPRZESTRZENIANIE SIĉ ZABUDOWY
W POWIECIE MIēSKIM – SCENARIUSZ OPARTY
NA ANALIZIE LOKALNYCH CECH RYNKOWYCH
Z WYKORZYSTANIEM NARZĉDZI GIS
____________
EXPANSION OF LAND DEVELOPMENT
IN THE MIēSK POVIAT – SCENARIO BASED
ON ANALYSIS OF LOCAL MARKET PRICES
WITH APPLICATION OF GIS TOOLS
Streszczenie
Prezentowane badania przedstawiają scenariusz rozprzestrzeniania siĊ za-budowy mieszkaniowej w powiecie miĔskim w oparciu o analizĊ lokalnych cech rynkowych nieruchomoĞci gruntowych niezabudowanych. Opracowano model analiz przestrzennych pozwalający na ocenĊ liczby i wartoĞci transakcji rynko-wych w odniesieniu do wybranych czynników lokalizacyjnych o pozytywnym lub negatywnym (uciąĪliwoĞci) wpáywie na wartoĞü nieruchomoĞci. W oparciu o opracowaną graficzną metodĊ prezentacji otrzymanych wyników analizy doko-nano oceny preferencji dla danego czynnika lokalizacyjnego. Na podstawie oceny preferencji nadano wagi poszczególnym czynnikom i wykonano wynikową mapĊ prezentującą spodziewany rozwój zabudowy na badanym obszarze. Obszar analizy obejmowaá wybrane gminy powiatu miĔskiego, w których wystĊpuje silny wpáyw lokalnego oĞrodka miejskiego - MiĔska Mazowieckiego oraz oĞrodka centralnego – Warszawy, tj.: Cegáów, DĊbe Wielkie, Jakubów, MiĔsk Mazowiecki, Siennica oraz Stanisáawów. Dla osiągniĊcia zamierzonego celu pracy wykorzystano system informacji geograficznej ArcGIS ESRI, dane z rejestru cen i wartoĞci nieruchomo-Ğci, bazĊ danych obiektów topograficznych, informacje katastralne zawarte w portalu iGeoMap oraz serwis WMS Geoportal.
Sáowa kluczowe: scenariusz rozwoju zabudowy, cechy rynkowe nieruchomoĞci,
Summary
The study presents a scenario of expansion of residential development in the Minsk poviat based on analysis of the local market characteristics of undevel-oped land. A spatial analysis model was develundevel-oped allowing for estimation of the number and value of market transactions in relation to selected location factors positively and negatively affecting (onerous neighbourhood) the value of real es-tate. Preferences for a given location factors were estimated on the basis of the developed graphic method presenting analysis results. Basing on the preference evaluations, significance of individual factors was determined. The resulting map illustrating the expected expansion of land development in the study area was pre-pared. The study area covered selected communes of the MiĔsk poviat strongly affected by the local urban centre – MiĔsk Mazowiecki and the central city – War-saw, i.e.: Cegáów, DĊbe Wielkie, Jakubów, MiĔsk Mazowiecki, Siennica, and Stanisáawów. In order to meet the objective of the study, the ArcGIS ESRI geo-graphical information system was applied, along with data from the real estate price and value register, database of topographic objects, cadastre information included on the iGeoMap website, and the WMS Geoportal service.
Key words: land development scenario, market prices of real estate, spatial
analy-sis model, GIS, rural areas, MiĔsk poviat
WSTĉP
Ekspansja zabudowy mieszkaniowej i usáugowej na tereny wiejskie, znaj-dujące siĊ w sferze oddziaáywania duĪych miast jest obserwowana na caáym Ğwiecie. Coraz wiĊcej mieszkaĔców miast chce mieszkaü poza ich granicami ale teĪ dysponowaü duĪymi dziaákami budowlanymi, co prowadzi do zmniejszenia powierzchni obszarów leĞnych i uĪytkowanych rolniczo [Czerny 2005]. W Pol-sce proces ekspansji zabudowy mieszkaniowej silnie zaznaczyá siĊ na obrzeĪach Warszawy i postĊpuje coraz dalej na obszary wiejskie. W celu ustalenia prze-znaczenia terenów na róĪne cele, okreĞlenia sposobów ich zagospodarowania i zabudowy, wykonywane są miejscowe plany zagospodarowania przestrzenne-go. Zapisy dokonywane w tychĪe aktach prawa miejscowego są gáównym czyn-nikiem ksztaátującym wartoĞci przestrzeni (nieruchomoĞci), z kolei wartoĞü nieruchomoĞci wpáywa na stan zagospodarowania przestrzennego obszaru [Cy-merman 2010]. Ponadto, do podstawowych cech nieruchomoĞci gruntowych mających wpáyw na jej wartoĞü naleĪą: poáoĪenie oraz szczegóáowa lokalizacja dziaáki lub dziaáek tworzących nieruchomoĞü, dogodnoĞü dojazdu, cechy geo-metryczne dziaáki tj. ksztaát, pole powierzchni, uksztaátowanie terenu, stan i stopieĔ wyposaĪenia w infrastrukturĊ techniczną, funkcja terenu czyli czynniki Ğrodowiskowe, relacja popytu i podaĪy [Cymerman 2000, 2010; Hopfer 2005; CichociĔski 2009]. NieruchomoĞü jest dobrem nieprzenoszalnym. TrwaáoĞü jej posadowienia w przestrzeni geograficznej powoduje, Īe raz zrealizowana dla zaspokojenia popytu, charakteryzuje siĊ tą cechą niezmiennie. Dlatego teĪ
loka-lizacja, jako najwaĪniejsza cecha rynkowa decydująca o istnieniu pozostaáych cech wymienionych powyĪej, stanowi podstawowe kryterium pod kątem którego opracowano scenariusz rozprzestrzeniania siĊ zabudowy mieszkaniowej na ana-lizowanym obszarze.
Rozwój technik GIS pozwala na szersze uwzglĊdnienie aspektu prze-strzennego w wielu analizach cech rynkowych nieruchomoĞci, w tym równieĪ nieruchomoĞci gruntowych poáoĪonych na obszarach wiejskich. Zastosowanie metody przestrzennej wielokryterialnej analizy staje siĊ koniecznoĞcią w analizie rynku nieruchomoĞci gruntowych [Lisec, Drobne 2007]. W literaturze naukowej z ostatnich lat spotkaü moĪna przykáady wykorzystania geostatystyki i analiz przestrzennych do interpolacji wartoĞci nieruchomoĞci [m. in.: Kulczycki, Ligas 2007, 2009; CichociĔski 2011], czy opracowania prostych modeli analiz prze-strzennych prowadzących do automatyzacji okreĞlania cech (atrybutów) nieru-chomoĞci [CichociĔski 2009], jak równieĪ przykáady opracowania metod wy-znaczania wartoĞci czynników lokalizacyjnych w sposób ciągáy przy wykorzystaniu rastrowego formatu danych [Julião 1999; Drobne, Lisiec, Bogataj 2008].
CEL, MATERIAàY I METODY BADAē
W artykule przedstawiono scenariusz rozprzestrzeniania siĊ zabudowy mieszkaniowej w powiecie miĔskim w oparciu o analizĊ rynku lokalnego nieru-chomoĞci gruntowych niezabudowanych z wykorzystaniem technologii syste-mów informacji geograficznej ArcGIS ESRI, danych z rejestru cen i wartoĞci nieruchomoĞci oraz bazy danych obiektów topograficznych. Do lokalizacji transakcji wykorzystano informacjĊ katastralną zawartą w portalu GeoMap oraz dostĊpną poprzez serwis WMS Geoportal. Obszar analizy obejmowaá wybrane gminy powiatu miĔskiego, w których wystĊpuje silny wpáyw lokalnego oĞrodka miejskiego - MiĔska Mazowieckiego oraz oĞrodka centralnego – Warszawy tj. Cegáów, DĊbe Wielkie, Jakubów, MiĔsk Mazowiecki, Siennica oraz Stanisáa-wów.
Opracowano model analiz przestrzennych pozwalający na ocenĊ liczby i wartoĞci transakcji w odniesieniu do wybranych czynników lokalizacyjnych. W oparciu o opracowaną graficzną metodĊ prezentacji otrzymanych wyników analizy dokonano oceny preferencji dla danego czynnika lokalizacyjnego. Na podstawie sporządzonej oceny preferencji nadano wagi poszczególnym czynni-kom i wykonano wynikową mapĊ prezentującą spodziewany rozwój zabudowy na badanym obszarze.
SpoĞród 2795 transakcji kupna-sprzedaĪy nieruchomoĞci gruntowych o róĪnych funkcjach terenu, zawartych w latach 2006-2011, do badaĔ wybrano 207 transakcji kupna-sprzedaĪy nieruchomoĞci gruntowych przeznaczonych pod zabudowĊ mieszkaniową.
ħródáo: opracowanie wáasne. Source: own study.
Rysunek 1. Liczba transakcji nieruchomoĞci gruntowych
przeznaczonych pod zabudowĊ w latach 2006-2011
Figure 1. Number of transactions concerning land for development
in the years 2006-2011
Przy doborze próby badawczej, poza podstawowym kryterium - przezna-czeniem nieruchomoĞci pod zabudowĊ mieszkaniową, kierowano siĊ równieĪ jej warunkami geometrycznymi tj. powierzchnią od 450 m2 (minimalna powierzch-nia dziaáki pod zabudowĊ domu jednorodzinnego) do 1500 m2 i regularnym ksztaátem nieruchomoĞci umoĪliwiającym racjonalne wykorzystanie powierzch-ni gruntu pod zabudowĊ mieszkapowierzch-niową (szerokoĞü dziaáki powierzch-nie powinna byü mniejsza niĪ 14 m).
W wyniku analizy rynku lokalnego dziaáek budowlanych w wybranych gminach zaobserwowano istotne wahania cen dziaáek związane ze zjawiskami makroekonomicznymi i siáą nabywczą pieniądza. Spadek liczby zrealizowanych transakcji, a nastĊpnie pierwsze obniĪki cen nieruchomoĞci zapoczątkowane w 2009 roku byáy wynikiem zaostrzonej polityki kredytowej banków, spadkiem dochodu gospodarstw domowych i niepewną sytuacją na rynku pracy związa-nymi z kryzysem. Jednak naleĪy pamiĊtaü, Īe rynek dziaáek budowlanych rządzi siĊ nieco innymi prawami niĪ pozostaáe segmenty rynku nieruchomoĞci. Ziemi
nie bĊdzie przybywaü, a wáaĞciciele gruntów nie obawiając siĊ konkurencji ofe-rują sprzedaĪ dziaáek o wygórowanych cenach, nie spiesząc siĊ z ich sprzedaĪą, bo koszty utrzymania takich nieruchomoĞci nie są wysokie.
Wykres Ğredniej arytmetycznej cen ze zbioru transakcji nieruchomoĞci wybranych do analizy w latach 2006-2011 przedstawiono na rysunku poniĪej (rys. 2). Od 2006 do 2008 roku ceny dziaáek bardzo szybko rosáy, w roku 2009 zaobserwowano spadek, a pod koniec 2010 roku powolny wzrost cen.
ħródáo: opracowanie wáasne. Source: own study.
Rysunek 2. ĝrednia arytmetyczna cen ze zbioru transakcji nieruchomoĞci gruntowych
przeznaczonych pod zabudowĊ przyjĊtych do analizy w latach 2006-2011
Figure 2. Arithmetic mean of prices of transactions concerning land for development
analysed in the years 2006-2011
Wszystkie ceny transakcyjne z jednego okresu zostaáy przetransformowa-ne do zakresu od 1 do 9 wskaĨnika cen wedáug poniĪszego wzoru transformacji liniowej, stosowanego w analizie wielokryterialnej AHP (Analytic Hierarchy Process) [Margaret, Carr, Zwick 2007].
1 ) ( ) 1 9 ( ) ( + − − × − = CMIN CMAX CMIN CB WC gdzie: WC – wskaĨnik ceny; CB – cena bieĪąca; CMIN – cena minimalna; CMAX – cena maksymalna.
Odrzucono pojedyncze transakcje o zawyĪonych lub zaniĪonych cenach wzglĊdem pozostaáych w danym roku. NastĊpnie wskaĨniki cen zostaáy po-dzielone na trzy klasy: ceny niskie (WC od 1 do 3), ceny Ğrednie (WC od 3,1 do 6) oraz ceny wysokie (WC od 6,1 do 9). Doáączono do nich pojedyncze
odrzu-cone transakcje – klasyfikując je automatycznie do odpowiednich klas: niskich lub wysokich cen.
Dziaáki bĊdące przedmiotem transakcji zlokalizowano wykorzystując ser-wis WMS (Web Map Service) „dane katastralne” Geoportal w programie Arc-GIS. NastĊpnie zlokalizowano dziaáki bĊdące przedmiotem wybranych do anali-zy transakcji. Utworzono klasĊ obiektów punktowych „transakcje” umieszczając punkt na kaĪdej dziaáce oraz uzupeániono wartoĞci atrybutów o dane tj. data, powierzchnia, cena za metr kwadratowy, cena áączna, przeznaczenie, rodzaj uĪytku.
PrzyjĊto kryteria lokalizacyjne podzielone na dwie grupy (tab. 1).
Tabela 1. Dwie grupy kryteriów lokalizacyjnych Table 1. Two groups of locational criteria
Kryteria negatywne
związane z uciąĪliwym sąsiedztwem: Kryteria pozytywne:
• odlegáoĞü od budynków przemysáowych, • odlegáoĞü od torów kolejowych, • odlegáoĞü od dróg szybkiego ruchu, • odlegáoĞü od terenów wysypisk,
oczysz-czalni Ğcieków i elektrociepáowni, • odlegáoĞü od lotniska.
• odlegáoĞü od lokalnego oĞrodka miejskiego – MiĔska Mazowieckiego,
• odlegáoĞü od centralnego oĞrodka miejskiego – Warszawy,
• odlegáoĞü od gáównych dróg (dogodnoĞü dojazdu),
• odlegáoĞü od lasów,
• odlegáoĞü od terenów zieleni (parki, zaáoĪenia paáacowe),
• odlegáoĞü od zabudowy jednorodzinnej, • odlegáoĞü od dworców kolejowych. ħródáo: opracowanie wáasne.
Source: own study.
W dalszej czĊĞci analizy opracowano mapy rastrowe wartoĞci kryteriów oraz kodów wartoĞci kryteriów. Wykorzystano przy tym warstwy bazy danych obiektów topograficznych zorganizowane uprzednio w geobazie plikowej. W celu wyznaczenia wartoĞci kryteriów zastosowano narzĊdzie odlegáoĞci eu-klidesowej ArcGIS Spatial Analyst. Dla wynikowych map rastrowych okreĞlono wielkoĞü komórki: 5 x 5 m. Po wyznaczeniu rastrów odlegáoĞci zastosowano algebrĊ map oraz narzĊdzie kalkulatora rastrów do wyznaczenia znormalizowa-nych wartoĞci kryteriów (WK).
Dla kryteriów negatywnych wartoĞci zmieniają siĊ na zasadzie „im dalej tym lepiej” w skali od 1 do 9. Dla rastrów odlegáoĞci, gdzie Dmin = 0, wzór trans-formacji liniowej upraszcza siĊ do postaci:
1 8 + = max i D D WK gdzie: WK – wartoĞü kryterium
Dmax – maksymalna odlegáoĞü na rastrze odlegáoĞci, Di – bieĪąca wartoĞü piksela na rastrze odlegáoĞci.
Dla kryteriów pozytywnych wartoĞci zmieniają siĊ zgodnie z zasadą „im bliĪej tym lepiej”. WartoĞci zostaáy obliczone wedáug nastĊpującego wzoru:
¸¸ ¹ · ¨¨ © § + − =10 8 1 max i D D WK
Podobne mapy rastrowe znormalizowanych wartoĞci kryteriów opracowa-no dla pozostaáych przyjĊtych kryteriów. Reprezentują one w sposób ciągáy páynną zmianĊ znormalizowanych wartoĞci kryteriów. Przed wyznaczeniem rastrów odlegáoĞci niektóre dane musiaáy zostaü dodatkowo przygotowane, np. w przypadku lasów zostaáy one zagregowane oraz wyselekcjonowane poprzez kryterium wielkoĞci (pole powierzchni co najmniej 0,5 ha). Zarówno przygoto-wanie danych, jak i etap wykonywania analiz przestrzennych, zautomatyzowano poprzez opracowanie modeli analiz przestrzennych wykorzystując Model Buil-der ArcGIS ESRI.
ħródáo: opracowanie wáasne. Source: own study.
Rysunek 3. Wyznaczone mapy rastrowe znormalizowanych wartoĞci kryteriów Figure 3. Developed raster maps of normalized criteria values
Wyznaczono równieĪ rastry kodujące wartoĞci kryteriów, wykorzystane nastĊpnie do oceny wpáywu poszczególnych kryteriów na liczbĊ i cenĊ transak-cji. UĪyto narzĊdzia reklasyfikacji wartoĞci rastra. Transakcje w poszczególnych
latach (od 2006 do 2011) zostaáy przetransformowane do rastrów dyskretnych kodujących w wartoĞciach komórek wskaĨniki cen (1, 2 lub 3). NastĊpnie sto-sując algebrĊ map wyznaczono nowe rastry dyskretne, kodujące dane do analizy. Powstaáy one wedáug nastĊpującej formuáy:
Raster Transakcji × 10 + Raster Kodu Kryterium
Rysunek poniĪej (rys. 4) przedstawia tabelĊ atrybutów wynikowego rastra. Tabele atrybutów zostaáy wyeksportowane do programu Excel.
Rysunek 4. Tabela atrybutów wynikowego rastra. WartoĞci atrybutu
Value kodują klasĊ ceny (pierwsza cyfra) oraz klasĊ wartoĞci kryterium (druga cyfra). WartoĞü atrybutu Count okreĞla liczbĊ transakcji
Figure 4. Table of attributes of the resulting raster. Values of the Value
attribute represent the price class (the first digit) and the criterion value class (second digit). The value of the Count attribute specifies the number
of transactions
WYNIKI
Otrzymane wyniki przedstawiono graficznie na rysunku poniĪej (rys. 5). Uszeregowano je wedáug ocenionej preferencji (im wyĪsza preferencja tym wiĊksza liczba transakcji i wyĪsze ceny).
ħródáo: opracowanie wáasne. Source: own study.
Rysunek 5. Graficzna prezentacja otrzymanych wyników oceny preferencji
dla poszczególnych kryteriów lokalizacyjnych
Figure 5. Graphic representation of obtained results of preference estimate
for individual location criteria
Procentowy udziaá liczby transakcji zlokalizowanych w danej klasie kryte-rium przedstawiono za pomocą barwy wedáug nastĊpującego schematu:
Opracowane typogramy prezentujące wyniki analizy dla poszczególnych kryteriów i lat pozwalają na ocenĊ związku danego kryterium z liczbą transakcji oraz ich ceną. Pozwalają równieĪ na proste wzrokowe porównanie wyników.
CzĊĞü kryteriów oznaczona kolorem niebieskim nie wykazaáa wpáywu na ceny i lokalizacjĊ transakcji. NaleĪaáo do nich kryterium odlegáoĞci od dróg szybkiego ruchu (uciąĪliwoĞü), dla którego transakcje pojawiają siĊ w kaĪdej odlegáoĞci o zróĪnicowanych cenach. Ciekawy wynik otrzymano dla 2008 roku, w którym transakcje zlokalizowane są w bliskim sąsiedztwie dróg szybkiego ruchu (co moĪna táumaczyü dogodnoĞcią dojazdu), jak równieĪ w duĪej od nich odlegáoĞci (co moĪna táumaczyü poszukiwaniem ciszy i spokoju). Począwszy od roku 2009 wiĊkszoĞü transakcji zlokalizowanych jest w znacznej odlegáoĞci od dróg szybkiego ruchu, pojawia siĊ jednak coraz wiĊcej transakcji w róĪnych odlegáoĞciach. Nie zaobserwowano znaczącego związku pomiĊdzy kryterium a ceną. Kryteria odlegáoĞci od terenów zieleni (parków i zaáoĪeĔ paáacowych) oraz od terenów o uciąĪliwej funkcji (oczyszczalni Ğcieków, elektrociepáowni i wysypisk Ğmieci) nie wykazaáy dla badanego obszaru wpáywu na liczbĊ trans-akcji i ich cenĊ. Dwa kryteria o wpáywie negatywnym na wartoĞü nieruchomoĞci tj.: odlegáoĞü od torów kolejowych oraz odlegáoĞü od budynków przemysáowych wykazaáy zupeánie inny od zaáoĪonego wpáyw - wiĊkszoĞü transakcji o wyĪ-szych cenach zlokalizowane są w mniejwyĪ-szych odlegáoĞciach. W przypadku bu-dynków przemysáowych wydaje siĊ konieczne lepsze rozpoznanie uciąĪliwoĞci. Wpáyw na wynik moĪe mieü równieĪ fakt, Īe wiĊkszoĞü analizowanych transak-cji nieruchomoĞci gruntowych jest poáoĪonych w strefach zagospodarowanych, co niewątpliwie wpáywa na ich atrakcyjnoĞü.
Kryteria oznaczone kolorem czerwonym wykazaáy duĪy wpáyw przede wszystkim na lokalizacjĊ transakcji, w mniejszym stopniu táumacząc zróĪnico-wanie cen. Na cenĊ oddziaáywaáy gáównie: odlegáoĞü od budynków mieszkal-nych (bliski dostĊp do sieci uzbrojenia terenu), oraz w pewnym stopniu odle-gáoĞü od lotniska i odleodle-gáoĞü od Warszawy. NajwiĊkszy wpáyw na lokalizacjĊ transakcji nieruchomoĞci miaáa odlegáoĞü od budynków mieszkalnych oraz od-legáoĞü od lotniska. Nieco sáabszy wpáyw (mniejsza koncentracja barw kodują-cych liczbĊ transakcji po prawej stronie typogramu) zaobserwowano dla kryte-riów odlegáoĞci od MiĔska Mazowieckiego, Warszawy oraz dworca kolejowego i lasu. W porównaniu do poprzednich kryteriów, najniĪszy wpáyw na lokalizacjĊ transakcji wykazaáo kryterium odlegáoĞci od waĪniejszych dróg. Wpáyw ten zmniejszyá siĊ istotnie począwszy od 2010 roku, w którym transakcje zlokalizo-wane są równieĪ w wiĊkszych odlegáoĞciach.
Do dalszej analizy wybrano tylko te kryteria, które wykazaáy wpáyw na lo-kalizacjĊ transakcji nieruchomoĞci. Stosując metodĊ porównania parami w ana-lizie AHP opracowaną przez Thomasa Saaty’ego w latach 80-tych XX wieku [Malczewski J. 1999; Saaty Th. L. 2008] obliczono wagi dla poszczególnych kryteriów, porównując wynikowe typogramy. Zastosowano zatem poáączenie metody analitycznej z metodą porównania parami dla wyznaczenia wag kryte-riów. Otrzymane wagi zestawione są w tabeli 2.
Tabela 2. Zestawienie wybranych kryteriów i ich wag preferencji Table 2. Selected criteria and their preference significance
Kryterium Waga[%]
OdlegáoĞü od budynków mieszkalnych 22
OdlegáoĞü od lotniska 18
OdlegáoĞü od MiĔska Mazowieckiego 14
OdlegáoĞü od Warszawy 14
OdlegáoĞü od dworca kolejowego 12
OdlegáoĞü od lasu 11
OdlegáoĞü od gáównych dróg 9
ħródáo: opracowanie wáasne. Source: own study.
ħródáo: opracowanie wáasne. Source: own study.
Rysunek 6. Mapa preferencji rozwoju zabudowy
– scenariusz oparty na analizie cech rynkowych
Figure 6. Map of preferences of development expansion
W koĔcowym etapie analizy ponownie wykorzystano algebrĊ map obli-czając raster wynikowy sumujący mapy rastrowe znormalizowanych wartoĞci kryteriów pomnoĪone przez wyznaczone wagi preferencji. Powstaáa mapa ra-strowa przedstawiająca scenariusz rozwoju zabudowy mieszkaniowej na bada-nym obszarze oparty na analizie lokalnych cech rynkowych.
PODSUMOWANIE I WNIOSKI
Przeprowadzone badania nad scenariuszem rozprzestrzeniania siĊ zabudo-wy mieszkaniowej w powiecie miĔskim w oparciu o analizĊ lokalnych cech rynkowych nieruchomoĞci gruntowych niezabudowanych pozwalają na sfor-muáowanie nastĊpujących wniosków:
1. Wykorzystanie technologii systemów informacji geograficznej ArcGIS ESRI pozwala na zaprojektowanie modelu analiz przestrzennych automatyzują-cego czĊĞciowo opracowanie scenariusza rozwoju zabudowy.
2. Analiza cen oraz liczby transakcji nieruchomoĞci gruntowych w odnie-sieniu do kryteriów lokalizacyjnych, o pozytywnym lub negatywnym (uciąĪli-woĞci) wpáywie na wartoĞü nieruchomoĞci, pozwala na okreĞlenie ich wag dla analizy wielokryterialnej AHP (Analytic Hierarchy Process).
3. PrzyjĊte kryteria wpáywają gáównie na lokalizacjĊ transakcji nierucho-moĞci, w mniejszym stopniu na jej wartoĞü. NajwiĊkszy wpáyw na lokalizacje transakcji wykryto dla odlegáoĞci od budynków mieszkalnych i lotniska, nieco sáabszy, ale nadal znaczący dla odlegáoĞci od oĞrodków miejskich, dworców kolejowych i kompleksów leĞnych. Jednak nie wszystkie wytypowane wstĊpnie kryteria, tj. odlegáoĞü od dróg szybkiego ruchu, od terenów o uciąĪliwej funk-cji (oczyszczalnie Ğcieków, wysypiska Ğmieci, elektrociepáownie), odlegáoĞü od terenów zieleni (parków i zaáoĪeĔ paáacowych) oraz odlegáoĞü od torów kolejo-wych, wykazaáy wpáyw na lokalizacjĊ transakcji nieruchomoĞci.
4. Wedáug opracowanego scenariusza intensywny rozwój zabudowy mieszkaniowej spodziewany jest gáównie wokóá istniejących oĞrodków zurbani-zowanych w gminie MiĔsk Mazowiecki, DĊbe Wielkie, Stanisáawów, oraz w gminie Siennica - w rejonach graniczących z gminą MiĔsk Mazowiecki i poáo-Īonych blisko gáównych dróg. W gminie Cegáów rozwój nowej zabudowy bĊ-dzie związany gáównie z juĪ istniejącymi terenami zagospodarowanymi.
BIBLIOGRAFIA
CichociĔski P. Ocena moĪliwoĞci automatyzacji procesu wyznaczania atrybutów nieruchomoĞci dla potrzeb wyceny. Studia i Materiaáy Towarzystwa Naukowego NieruchomoĞci, tom 17, nr 2, Olsztyn 2009, s. 65-76.
CichociĔski P. Porównanie metod interpolacji przestrzennej w odniesieniu do wartoĞci nierucho-moĞci. Studia i materiaáy Towarzystwa Naukowego NieruchomoĞci, tom 19, nr 3, Olsztyn 2011, s. 120-129.
Cymerman R. (red.) Wycena nieruchomoĞci a ochrona Ğrodowiska (ekologiczne uwarunkowania wyceny nieruchomoĞci). Materiaáy edukacyjne N-7, seria: NieruchomoĞci, Educaterra, Olsztyn 2000, s. 81-84.
Cymerman R. (red.) Planowanie przestrzenne dla rzeczoznawców majątkowych, zarządców oraz poĞredników w obrocie nieruchomoĞciami. Educaterra, Olsztyn 2010, s. 77-78.
Czerny M. Globalizacja a rozwój. Wybrane zagadnienia geografii spoáeczno-gospodarczej Ğwiata. PWN, Warszawa 2005, 276 ss.
Hopfer A. Rynkowe cechy nieruchomoĞci. Wycena, nr 2 (73), 2006.
http://colorado.edu/geography/leyk/geog_5113/readings/saaty_2008.pdf [dostĊp: 05.12.2011] http://www.geovista.psu.edu/sites/geocomp99/Gc99/010/gc_010.htm [dostĊp: 05.12.2011] Julião R. P. Measuring Accessibility Using GIS. [online] W: GeoComputation Proceedings.
Pro-ceedings of the 4th International Conference on GeoComputation Mary Washington Col-lege Fredericksburg, Virginia, USA 25 - 28 July 1999.
Kulczycki M., Ligas M. Interpolacja danych geoprzestrzennych pochodzących z rynku nierucho-moĞci. Studia i Materiaáy Towarzystwa Naukowego NieruchomoĞci, tom 17, nr 2, Olsztyn 2009, s. 77-88.
Kulczycki M., Ligas M. Zastosowanie analizy przestrzennej do modelowania danych pochodzą-cych z rynku nieruchomoĞci. Studia i Materiaáy Towarzystwa Naukowego NieruchomoĞci, tom 15, rr 3-4, Olsztyn 2007, s. 145-154.
Lisec A., Drobne S. Spatial Multi-attribute Analysis of Land Market – A Case Study of Rural Land Market Analysis in the Statistical Region of Pomurje. W: L. Zadnik Sirn, Drobne S. (red.) Proceedings of the 9th International Symposium on Operational Research in Slovenia. Slovenian Society Informatika (SDI), SOR Proceedings, Ljubljana 2007, s. 233-240. Malczewski J. GIS and multicriteria decision analysis. John Wiley & Soms, Kanada 1999,
s. 182-187.
Saaty Th. L. Decision making with the analytic hierarchy process [online] Int. J. Services Sci-ences, Inderscience Enterprises Ltd. 2008, Vol. 1, No. 1, s. 85-87.
Dr inĪ. Joanna Jaroszewicz Mgr inĪ. Wioleta Radziszewska Politechnika Warszawska Wydziaá Geodezji i Kartografii Katedra Gospodarki Przestrzennej i Nauk o ĝrodowisku Przyrodniczym Pl. Politechniki 1, 00-661 Warszawa, Polska tel.: 22-234-71-42, e-mail: j.jaroszewicz@gik.pw.edu.pl tel.: 22-234-71-42, e-mail: w.radziszewska@gik.pw.edu.pl
