Klasyfikacja obszarów ze względu na wybrane warunki środowiskowe w relacji do opadu na obszarze Dolnego Śląska

ROCZNIKI GEOMATYKI 2011 m T IX m Z 3(47)

KLASYFIKACJA OBSZARÓW ZE WZGLÊDU

NA WYBRANE WARUNKI ŒRODOWISKOWE

W RELACJI DO OPADU

NA OBSZARZE DOLNEGO ŒL¥SKA

CLASSIFICATION OF AREAS ACCORDING TO SELECTED

ENVIRONMENTAL CONDITIONS IN RELATION

TO PRECIPITATION IN LOWER SILESIA

Instytut Geodezji i Geoinformatyki, Uniwersytet Przyrodniczy we Wroc³awiu

S³owa kluczowe: dane punktowe, model, sieci neuronowe, geomorfometria, opad atmosferyczny Keywords: point data, model, artificial neural networks, morphometric relief, precipitation

Wstêp

Du¿a czêœæ opracowañ prowadzonych w systemach informacji przestrzennej s³u¿y kom-pleksowej diagnozie i ocenie œrodowiska przyrodniczego. Podstawowym narzêdziem ba-dawczym przy syntezie i analizie œrodowiskowych cech przestrzennych, jakoœciowych i iloœciowych, jest wyznaczenie regionów lub klasyfikacja obszarów podobnych ze wzglêdu na cechy najistotniejsze dla celowego wnioskowania. Jedn¹ z podstawowych metod badañ podzia³u na czêœci obszarów jest zastosowanie kryterium jednorodnoœci obszaru z punktu widzenia cech uznanych za wa¿ne oraz kryterium spójnoœci (wewnêtrznych powi¹zañ) obsza-ru (Domañski, 1983). Prace nad wydzielaniem obszarów podobnych i regionalizacje doty-cz¹ce kilku elementów przyrodniczych, a w szczególnoœci fizycznogeograficzne (Kondrac-ki, 2009; Maciejows(Kondrac-ki, 2009; Romer, 1949; Rychling, 1992; 2006), klimatyczne (Bac i in., 1992; Bac-Bronowicz, 1996; 2000; Lorenc ,1996; Obrêbska-Starkel, 1977; Oko³owicz, 1978; Stach, 2010; Wiszniewski, Che³chowski, 1975; Woœ, 1995; Ziernicka-Wojtaszek, Zawora, 2006) i inne s¹ prowadzone w Polsce od dwustu lat, a od piêædziesiêciu – w sposób odpo-wiadaj¹cy dzisiejszym standardom. Przy budowie modelu rozk³adu przestrzennego podsta-wowych elementów klimatu uwzglêdnia siê ich zale¿noœæ od uwarunkowañ topograficz-nych, które w powi¹zaniu z warunkami wietrznymi kszta³tuj¹ rozk³ad opadów i temperatur. W badaniach rozk³adu opadu g³ównym celem jest przejœcie z modelu dyskretnego na model ci¹g³y, z uwzglêdnieniem potencjalnych warunków kszta³tuj¹cych rozk³ad zjawiska. Polska

sieæ stacji pomiarowych nie reprezentuje wiêkszoœci jednostek wyodrêbnionych przez warunki topograficzne i klimatyczne i dlatego powszechnie stosowane metody klasyfikacyjne nie za-wsze spe³niaj¹ oczekiwania praktycznie u¿ytecznego modelowania klimatycznego. W celu pod-niesienia wiarygodnoœci modelowania, metody s³u¿¹ce zamianie informacji punktowej na ci¹g³¹ lub czêœciowo ci¹g³¹ powinny byæ stosowane w granicach wydzieleñ fizycznogeograficz-nych, zaklasyfikowanych na podstawie analiz statystyczfizycznogeograficz-nych, fraktalnych lub innych (Bac-Bronowicz, 2003). W artykule opisano wykorzystanie sztucznych sieci neuronowych w za-stosowaniu do rozpoznania i klasyfikacji obszarów ze wzglêdu na wybrane warunki œrodowi-skowe, wp³ywaj¹ce na rozk³ad przestrzenny opadu. Stworzony model umo¿liwia wy³¹czenie obszarów o cechach ró¿ni¹cych siê od wzorców w otoczeniach stacji pomiarowych.

Badania wielkoœci opadu na stacjach pomiarowych

Dolnego Œl¹ska. Analiza skupieñ stacji pomiarowych

ze wzglêdu na wartoœci opadu

Regularne pomiary opadu na Dolnym Œl¹sku prowadzone s¹ od 1891 roku. Najobszerniej-sze opracowania pochodz¹ z okresu 1891-1930 (Wiszniewski, 1953) oraz 1971- 2010 w sieci Instytutu meteorologii i Gospodarki Wodnej. Weryfikacja danych wykaza³a mo¿liwoœæ pozy-skania wiarygodnych danych z 390 stacji dla pierwszego okresu oraz 50 stacji dla drugiego okresu. Na podstawie tych opracowañ wykonano analizy (Bac-Bronowicz, 1996) dotycz¹ce œredniej wielkoœci opadu atmosferycznego okreœlonych sum¹ opadów w trzech okresach: wegetacyjnym oraz sum maja i czerwca, lipca i sierpnia. Dwie ostatnie wartoœci zosta³y wprowadzone do klasyfikacji ze wzglêdu na ich szczególny wp³yw na plony roœlin uprawnych wiod¹cych w Polsce. Wyniki analiz pos³u¿y³y do podzia³u stacji na klasy charakteryzuj¹ce siê wspólnymi zakresami wartoœci cech, w tym przypadku wartoœci œredniej opadu (Bac-Brono-wicz; 1997; Bac-Bronowicz, Borkowski, 2003). Wyznaczaj¹c zasiêg pola wielowariantowego wyznaczono obszary podobne pod wzglêdem wielkoœci opadu w wybranych okresach pomia-rowych ustalaj¹c zakres jego zmiennoœci w poszczególnych klasach. Przyjêto niehierarchiczn¹ metod klasyfikacji ISODATA. Jest to metoda aglomeracyjno-podzia³owa i iteracyjna, która stosuje zarówno dzielenie, jak i ³¹czenie skupieñ. Wymaga wstêpnego ustalenia kilku parame-trów wejœciowych. W literaturze znanych jest kilka odmian tej metody (Kucharczyk, 1982). Ró¿nice dotycz¹ m.in. mo¿liwoœci okreœlania parametrów wejœciowych oraz sterowania tymi parametrami w zale¿noœci od otrzymywanych wyników, podczas wykonywania obliczeñ. Na podstawie przeprowadzone klasyfikacji wydzielono osiem skupieñ (rys. 2) uwzglêdniaj¹c œredni¹ wysokoœæ wartoœci opadu w ró¿nych okresach roku oraz inne parametry maj¹ce wp³yw na jego rozk³ad, g³ównie wysokoœæ nad poziom morza.

Wybór warunków œrodowiskowych zwi¹zanych z opadami.

Analiza otoczenia stacji pomiarowych

Na temat klasyfikacji cech œrodowiska przyrodniczego Dolnego Œl¹ska istnieje obszerna i cenna literatura, jednak podzia³ na ró¿ni¹ce siê miêdzy sob¹ obszary jest odmienny zarówno pod wzglêdem liczby wyodrêbnionych regionów, jak i przebiegu ich granic, wynikaj¹cych z

zastosowanych metod. W przedstawionych badaniach do wyznaczenia otoczeñ wokó³ stacji przyjêto nastêpuj¹ce cechy: przynale¿noœæ do jednostki fizycznogeograficznej, œrednia wy-sokoœæ bezwzglêdna, spadek i nachylenie terenu. Dane te przyjêto jako wartoœæ œredni¹ wyznaczon¹ dla pól siatki TEMKART (o powierzchni 1 km 2_{) (Podlacha, Szeliga, 1999).}

Ka¿dej stacji opadowej przyporz¹dkowano trapezowe pole podstawowe siatki, w obrêbie którego jest ona po³o¿ona.

Jednostki fizyczno-geograficzne (Kondracki, 2000)

Z przyrodniczego punktu widzenia przyjêcie jako jednego z kryteriów do klasyfikacji obszarów podobnych regionów fizycznogeograficznych z granicami wynikaj¹cymi z ukszta³-towania terenu, podnosi prawdopodobieñstwo prawid³owego okreœlenia rozk³adu zjawisk zale¿nych od ukszta³towania terenu (Bac, 1997; Stach, 2010). Wyró¿nione przez Kondrac-kiego i Walczaka (Atlas…, 2008) obszary s¹ podobne pod wzglêdem: rzeŸby terenu, nachy-lenia, wystawy, wysokoœci bezwzglêdnej, budowy geomorfologicznej itp. Na ich podstawie mo¿na wyró¿niæ bariery morfologiczne, które s¹ podstawowym czynnikiem rozk³adu wielu cech na przyk³ad klimatycznych. Dok³adnoœæ wyznaczenia granic tych jednostek wynika z dok³adnoœci najmniej dok³adnej z map topograficznych, geologicznych, geomorfologicznych i krajobrazowych s³u¿¹cych do okreœlenia granic. Dok³adnoœæ wynikowa lokalizacji granic zale¿y od dok³adnoœci danych i sposobu ich przetwarzania (Bac-Bronowicz, 2010). Przyj-muje siê, ¿e dok³adnoœæ wyznaczenia granic jednostek fizycznogeograficznych odpowiada wyznaczeniu granic na mapie 1: 200  000 ( skala najmniej dok³adnej mapy geologicznej) w starszych opracowaniach oraz 1:50 000 – w nowszych (Nikita, 2010; Sowiñska, Chmielew-ski, 2007).

RzeŸba terenu

RzeŸba terenu wp³ywa na wiele procesów i zjawisk, a jest jedynym z niewielu elementów œrodowiska geograficznego, który mo¿e byæ pomierzony i przedstawiony w modelach z dok³adnoœci¹. pozwalaj¹c¹ na wyznaczanie parametrów liczbowych (Burrough, 2001; Wie-czorek, ¯yszkowska, 2011).

Rozk³ad opadu atmosferycznego czêsto jest zwi¹zany z wysokoœci¹ terenu nad pozio-mem morza, dlatego w po³udniowej czêœci Dolnego Œl¹ska – w terenie górzystym – wartoœci opadu s¹ najwiêksze. Nie jest to jednak jedyny czynnik warunkuj¹cy tê cechê. Du¿y wp³yw na wielkoœæ opadu atmosferycznego, a dok³adniej na czêstoœæ jego wystêpowania i inten-sywnoœæ, ma obecnoœæ zbiorników wodnych oraz barier naturalnych zatrzymuj¹cych chmury deszczowe.

Wysokoœæ bezwzglêdna

W analizach przyjêto 3 kategorie wyznaczania otoczeñ stacji opadowych: nizinne, wy-¿ynne, górskie (Bac-Bronowicz, 2006). Zró¿nicowanie tej cechy na Dolnym Œl¹sku widocz-ne jest na histogramie (rys. 1). WyraŸnie zaznacza siê skoœnoœæ rozk³adu tej cechy w bada-nym terenie, a wiêc nale¿y przyj¹æ kategorie wynikaj¹ce z wczeœniejszych powszechnie u¿ywanych opracowañ, a nie wprowadzaæ sztywne statystyczne podzia³y.

Na obszarze Dolnego Œl¹ska wyraŸnie daj¹ siê rozró¿niæ trzy krainy geograficzne: niziny, wy¿yny i góry Ka¿da z tych krain charakteryzuje siê innymi warunkami topograficznymi, w tej pracy przede wszystkim brana pod uwagê jest wysokoœæ nad poziom morza. W œrodowisku klimatologów przyjêto, ¿e wysokoœæ stacji pomiarowej ma istotny wp³yw na przenoszenie wartoœci opadu w otoczenie stacji. Bior¹c pod uwagê zró¿nicowanie tych wysokoœci, wydaje siê konieczne podzielenie stacji pomiarowych na trzy klasy, odpowiadaj¹ce trzem krainom geograficznym Dolnego Œl¹ska, uwzglêdniaj¹ce wysokoœci n.p.m. Do pierwszej klasy „nizin-ne” zakwalifikowano stacje, których wysokoœæ znajduje siê w przedziale 75-200 m. W drugiej klasie „wy¿ynne” umieszczono stacje z przedzia³u 201-400 m. Natomiast w trzeciej klasie „górskie” s¹ stacje, których wysokoœæ jest wiêksza od 400 m. Taki podzia³ stacji na klasy prowadzi do ich rozk³adu w miarê zgodnie z zasiêgami krain geograficznych (Bac-Brono-wicz, 2006).

Trzem klasom przypisano, ze wzglêdu na stopieñ zmiennoœci, promieñ przenoszenia in-formacji z punktu pomiarowego na otoczenie. W klasie „nizinne” otoczenie stacji okreœlono na 9 km (rys. 5), w klasie „wy¿ynne” na 5 km, a w górach na 2 km. Analiza wykaza³a, ¿e przy za³o¿onych iloœciach otoczeñ i ró¿nicach wysokoœci, dopuszczonych do przenoszenia informacji zosta³o 76% terenu na nizinach, 46% wy¿ynnych i tylko 28% górskich. Wynik w górach spowodowany by³ g³ównie zbyt rzadk¹ sieci¹ pomiarow¹. Wyniki przedstawiono na rysunku 3.

Nachylenie terenu

Dolny Œl¹sk od po³udnia pokryty jest górami, a wiêkszoœæ jego obszaru jest terenem nizinnym i p³askim, dlatego du¿y jest obszar, gdzie w miejscu wystêpowania posterunków opadowych nachylenie terenu nie przekracza 3 stopni (rys. 4). Zmiennoœæ warunków opa-dowych uzasadnia³aby raczej dostosowanie gêstoœci stacji do zmiennoœci, co spowodowa³o-by zmianê po³o¿enia stacji, a tak¿e ich liczspowodowa³o-by. Koniecznoœæ u¿ywania odpowiednio d³ugich

ci¹gów pomiarowych (trzydziesto-, czterdziestoletnich) uniemo¿liwia jednak zmiany w po-³o¿eniu punktów pomiarowych i koniecznoœæ wykorzystania istniej¹cych danych.

Klasyfikacja obszarów ze wzglêdu na wybrane warunki

œrodowiskowe

Wykorzystanie sztucznych sieci neuronowych do rozpoznawania i klasyfikacji obszarów podobnych do otoczeñ stacji opadowych

Obserwacje na stacjach meteorologicznych dostarczaj¹ danych w punktach ich lokaliza-cji, natomiast celem modelowania jest zazwyczaj przejœcie z modelu dyskretnego do modelu ci¹g³ego lub czêœciowo ci¹g³ego. Jedn¹ z mo¿liwoœci realizacji tego zadania jest wykorzysta-nie sztucznych sieci neuronowych. Zak³ada siê, ¿e w pewnej odleg³oœci od stacji warunki s¹ podobne i zjawiska pogodowe maj¹ podobny przebieg. Istota metody jest za³o¿enie, ¿e oto-czenia w pobli¿u stacji opadowych z danego skupienia mog¹ stanowiæ wzorzec klasy. Wzo-rzec scharakteryzowany jest przez wybrane cechy jakoœciowe i iloœciowe oraz znana jest jego klasa przynale¿noœci. W odniesieniu do struktury sieci neuronowych, cechy opisuj¹ce wzorzec stanowi¹ informacje wprowadzane na jej warstwê wejœciow¹, natomiast przynale¿-noœæ do klasy (skupienia) stanowi informacjê przyporz¹dkowan¹ do warstwy wyjœciowej (rys. 6). Liczba neuronów wyjœciowych odpowiada liczbie wczeœniej wyznaczonych skupieñ. Model powi¹zania informacji o cechach i przynale¿noœci do otoczenia wzorców budujê siê w procesie nauki sieci neuronowej. W kolejnych iteracjach wprowadzane s¹ korekty do

Rys. 5. Stacje wraz z polami w strefach spe³niaj¹ce za³o¿one wymagania



wag do uzyskania zgodnoœci wartoœci wprowadzanych na warstwê wejœciow¹ i odpowiedzi na warstwie wyjœciowej. Po procesie nauki sieci wprowadza siê cechy opisuj¹ce jednostki obszarowe, dla których nie znamy przynale¿noœci do klasy, na warstwê wejœciow¹ sieci i otrzymuje siê odpowiedŸ na warstwie wyjœciowej. Przynale¿noœæ do klasy ustala siê na pod-stawie wartoœci aktywacji neuronów wyjœciowych przyjmuj¹c próg, po przekroczeniu któ-rego uznajemy odpowiedŸ za istotn¹ i wskazujemy neuron o najwiêkszej wartoœci aktywacji.

Pozyskanie i przetworzenie danych w GIS

Obszar badawczy obejmuje jednostki obszarowe TEMKART w granicach województwa dolnoœl¹skiego. Zakres informacyjny zawiera cechy opisuj¹ce dane iloœciowe dotycz¹ce œred-niej wysokoœci, wystawy zbocza oraz œredniego spadku, a tak¿e dane jakoœciowe dotycz¹ce przynale¿noœci do mikroregionów Kondrackiego oraz przynale¿noœci do zlewni rzek. Oddziel-ne warstwy stanowi³y stacje opadowe z informacj¹ o przynale¿noœci do skupienia oraz otocze-nia tych stacji stanowi¹ce wzorce klasyfikacji. Do zasileotocze-nia atrybutów jednostek TEMKART wykorzystano zapytania i analizy przestrzenne dostêpne w œrodowisku ArcGIS (rys. 7).

Do przygotowania danych oraz transferu danych pomiêdzy systemem ArcGIS i progra-mem obliczeñ sztucznych sieci neuronowych SNNS (Stuttgart Neural Network Simulator) wykorzystano wybrane funkcje systemu integracji danych (rys. 8), stworzonego na potrze-by interpretacji badañ geodynamicznych (Grzempowski, 2011). System realizuje zadania zwi¹zane z zarz¹dzaniem danymi m.in.: skalowaniem i kodowaniem, tworzeniem plików wej-œciowych do programu SNNS oraz pobieraniem, interpretacj¹ i obrazowaniem wyników obliczeñ w systemie ArcGIS (ArcGIS..., 2011).

Funkcje systemu odpowiedzialne s¹ równie¿ za tworzenie zbiorów wykorzystywanych do nauki, weryfikacji i rozpoznania. Zbiór ucz¹cy zawiera zestawienia wartoœci wprowadza-nych na warstwê wejœciow¹ oraz po¿¹dan¹ odpowiedŸ sieci na warstwie wyjœciowej. Zbiór

Rys. 7. Schemat integracji danych i ³¹czenia atrybutów jednostek odniesienia

Rys. 8. Schemat dzia³ania systemu analiz

weryfikuj¹cy jest wydzielany ze zbioru ucz¹cego. Dane ze zbioru weryfikacyjnego nie wp³ywaj¹ na proces nauki sieci, ich funkcj¹ jest jedynie sprawdzanie poprawnoœci uczenia sieci neuro-nowej.

Rozpoznanie i klasyfikacja obszarów podobnych do otoczeñ stacji pomiarowych

Po zakoñczeniu procesu nauki sieci jest ona zdolna do klasyfikacji obszarów na podsta-wie atrybutów u¿ywanych podczas nauki. Zbiór do rozpoznania zapodsta-wieraj¹cy zestawione atrybuty dla ka¿dej jednostki powierzchniowej z ca³ego obszaru badawczego wprowadzany jest na warstwê wejœciow¹ sieci. Dla ka¿dego rekordu danych otrzymujemy odpowiedŸ warstwy wyjœciowej, w postaci wartoœci aktywacji neuronów. Zaliczenie do odpowiedniej klasy (skupienia) odbywa siê poprzez ustalenie wartoœci progowej, po przekroczeniu której odpowiedŸ uznajemy za istotn¹. Mo¿liwa jest oczywiœcie sytuacja, w której uzyskamy odwiedŸ niejednoznaczn¹. Najczêœciej jest to spowodowane prób¹ klasyfikacji jednostek po-wierzchniowych, które ró¿ni¹ siê znacz¹co od wzorców przyjêtych w procesie nauki. Jest to oczywiœcie zwi¹zane z liczb¹ stacji pomiarowych. W zale¿noœci od struktury sieci neuro-nowej mo¿liwe jest wprowadzenie dodatkowych neuronów wyjœciowych, które umo¿li-wiaj¹ inn¹ odpowiedŸ sieci oznaczaj¹c¹ brak rozpoznania. Optymalizacja struktury sieci bê-dzie tematem odrêbnego opracowania. Wynik klasyfikacji sieci neuronowej w wybranych rejonach Dolnego Œl¹ska przedstawiono na rysunku 9.

Rys. 9. Fragment obszaru badawczego z przyk³adem klasyfikacji za pomoc¹ sztucznych sieci neuronowych miêdzy otoczeniami stacji pomiarowych

Podsumowanie

Realizacja zadania klasyfikacji obszarów wymaga wspó³dzia³ania systemów informacji przestrzennej oraz zewnêtrznych programów eksperckich realizuj¹cych funkcje i metody obliczeniowe z zakresu statystyki oraz sztucznych sieci neuronowych. W wyniku przepro-wadzonych prac wykazano mo¿liwoœæ zastosowania sztucznych sieci neuronowych do kla-syfikacji obszarów na podstawie wybranych warunków przyrodniczych okreœlaj¹cych

roz-k³ad zjawiska. Analizy wykaza³y, ¿e wynik klasyfikacji w znacznym stopniu zale¿y od wybo-ru jednostek odniesienia i ich atrybutów, przyjêtych jako wzorce przy tworzeniu zbiowybo-ru do nauki sieci. Na obszarach nizinnych wzorce mog¹ byæ przyjête automatycznie z otoczenia kolistego stacji pomiarowych, natomiast wraz ze wzrostem zró¿nicowania rzeŸby terenu (obszary podgórskie i górskie) wzorce powinny byæ starannie dobierane przez eksperta, ze wzglêdu na du¿¹ zmiennoœæ kierunkow¹ cech s¹siednich jednostek odniesienia. Ka¿da meto-da klasyfikacji wzorcowej wymaga pometo-dania wzorców z pe³nego zakresu zmiennoœci atrybu-tów opisuj¹cych jednostki odniesienia, istotna jest wiêc liczba oraz lokalizacja stacji pomiaro-wych. Wyniki klasyfikacji mog¹ s³u¿yæ planowaniu rozmieszczenia dodatkowych stacji po-miarowych, zw³aszcza w rejonach niezakwalifikowanych do ¿adnej z klas.

Literatura

Atlas Œl¹ska Dolnego i Opolskiego, 2008: Pawlak W. (red. odpow.) Pawlak J. (red. kartogr.), Bac-Bronowicz J. (oprac. red.). Pracownia Atlasu Dolnego Œl¹ska Uniwersytetu Wroc³awskiego.

ArcGIS Desktop Tutorials. 09. 2011. http://webhelp.esri.com/arcgisdesktop/9.2/index.cfm

Bac S., 1997: Estimate of the reliability of information on atmospheric precipitation, Acta Univ. Wratisl. Bac S., Bac-Bronowicz J., Wzorek Z., 1992.: Warunki agroklimatyczne w Sudetach, ZN AR we Wroc³awiu, 214 s. Bac-Bronowicz J., 1997: Konstrukcja wielocechowych map regionów opadowych na przyk³adzie obszaru

Dolnego Œl¹ska. Klimatyczne warunki produkcji roœlinnej, Rolnictwo, Vol. 345, Pu³awy.

Bac-Bronowicz J. 2000: The problem of determination of the boundary line for climatological regions in Lower Silesia. Prace Geograficzne, Vol. 107. Kraków. http://www.igig.up.wroc.pl/download/Bac-Bronowicz-Prace_Geograficzne_107_2000-The_problem.pdf

Bac -Bronowicz J., 2001: Possibilities of Environmental Data Interpretation in Groundwork with Elementary Geometric Fields; an Example of Precipitation. Proc. 20th ICC nr 386, Pekin.

Bac-Bronowicz J., 2003: Okreœlanie wiarygodnoœci informacji uzyskanej z modeli numerycznych rozk³adu elementów przyrodniczych na przyk³adzie opadu atmosferycznego. Geoinformatica Polonica nr 5. Pol-ska Akademia Umiejêtnoœci, Kraków.

Bac-Bronowicz J., 2006: Choice of acceptable intervals of types and values of topographic factors as the possibilities to determine the reliability zones of transferred information of continuous features measured in point. Reports on Geodesy. Warsaw University of Technology.

Bac-Bronowicz J., 2007: GIS as a useful tool for Spatial Distribution of Climate Parameters Observed in Point Over Relatively Long Period of Time. Proceedings of Map Asia 2007, Kuala Lumpur.

http://www.gisdevelopment.net/application/environment/climate/ma0772.htm

Bac-Bronowicz J., 2008: Mapy A-G s.46. Opady atmosferyczne 1951-1980. [W:] Atlas Œl¹ska Dolnego i Opolskiego. Wyd. 2, Pracownia Atlasu Dolnego Œl¹ska Uniwersytetu Wroc³awskiego.

Bac-Bronowicz J., 2010.: Accuracy the existing geo-information sources related to point data used in digital cartographic models. Geoinformatica Polonica, Vol. 10, Polska Akademia Umiejêtnoœci, Kraków. http://www.geoinformatica.agh.edu.pl/pdfy/GEOINFORMATICA_POLONICA_10-2010.pdf Bac-Bronowicz J., Borkowski A., 2003: O mo¿liwoœciach okreœlenia wielowariantowego pola

podstawowe-go dla wartoœci opadu atmosferycznepodstawowe-go. Archiwum Fotogrametrii, Kartografii i Teledetekcji. Wroc³aw. Burrough P.A., Wilson J., van Gaans P., Hansen A., 2001: Fuzzy k-means classification of topo-climatic data

as an aid to forest mapping in the Greater Yellowstone Area, USA. Landscape Ecology. Vol 16. Dmowska A., 2008: Klasyfikacja Pojezierzy Po³udniowoba³tyckich i Pojezierzy Wschodnioba³tyckich w

oparciu o kryterium morfometryczne. Landform Analysis, Vol. 9.

Domañski R., 1983: Teoretyczne podstawy geografii ekonomicznej. Pañstwowe Wydawnictwo Ekonomicz-ne, Warszawa.

Easterling D.R., Karl T.R., Lawrimore J.H., Del Greco S.A., 1999: United States Historical Climatology Network Daily Temperature, Precipitation, and Snow Data for 1871-1997. ORNL/CDIAC-118, NDP-070. Carbon Dioxide Information Analysis Center, Oak Ridge National Laboratory, U.S. Department of Energy, Oak Ridge, Tennessee.

Grzempowski P., 2011: Integracja danych z wykorzystaniem systemu GIS na potrzeby interpretacji wyni-ków badañ geodynamicznych. Poster, konferencja pt. „Satelitarne metody wyznaczania pozycji we wspó³czesnej geodezji i nawigacji”, Wroc³aw 02-04.06.2011.

Lorenc H., 1996: Struktura i zasoby energetyczne wiatru w Polsce. Mat. Badawcze IMGW, ser. Meteorologia, 25. Kondracki J., 2009: Geografia regionalna Polski. PWN, Warszawa.

Krzywicka-Blum E., Bac-Bronowicz J., 1997: Regionalisation based on agricultural environment. Proc. of XVIII International Cartographic Conferecne (ICC), Stockholm.

Morajda J., 2011: Problematyka przetwarzania informacji jakoœciowej w modelowaniu neuronowym. http://www.pitwin.edu.pl/attachments/944_026%20Morajda%20-%20Problematyka.pdf

Maciejowski W., 2009.:Regionalizacja fizycznogeograficzna – przesz³oœæ czy przysz³oœæ geografii fizycz-nej? Problemy ekologii krajobrazu. t. XXIII.

Obrêbska-Starkel B., 1977: Typologia i regionalizacja fenologiczno-klimatyczna na przyk³adzie dorzecza górnej Wis³y. Rozprawy IG UJ, 17.

Oko³owicz W., 1978: Regiony klimatyczne. Narodowy Atlas Polski. Ossolineum.

Podlacha K., Szeliga K., 1999: Uk³ady odniesieñ przestrzennych w aspekcie tworzenia i funkcjonowania SIP w Polsce. Prace IGiK, t. XLVI, z 99, Warszawa.

Romer E., 1949: Regiony klimatyczne Polski. Pr. Wroc. Tow. Nauk. Ossolineum. Richling A., 1992: Kompleksowa geografia fizyczna. PWN, Warszawa.

Richling A., Ostaszewska K. (red), 2006: Geografia fizyczna Polski. PWN, Warszawa.

Stach, A., 2006: Analiza przestrzenna danych jakoœciowych. Aplikacje geologiczne. Polskie Towarzystwo Geologiczne i Uniwersytet im. A. Mickiewicza, Streszczenia referatów wyg³oszonych w 2005 roku, Skoczylas J. (red.), t. XIV.

Stach A., 2010: Ocena przestrzenna opadów, [W:] GIS-woda w œrodowisku. BWN, Poznañ.

Stuttgart Neural Network Simulator, User Manual, Version 4.1, University of Stuttgart, Institute for Parallel and Distributed High Performance Systems (IPVR).

http://www.ra.cs.uni-tuebingen.de/SNNS/UserManual/UserManual.html

Wieczorek M., ¯yszkowska W., 2011: Geomorfometria – parametry morfometryczne w charakterystyce rzeŸby terenu. Polski Przegl¹d Kartograficzny t. 43, nr 2.

Wiszniewski W., 1953: Atlas of precipitation in Poland, 1891-1930, PIHM, WK, Warszawa.

Wiszniewski W., Che³chowski W., 1975: Charakterystyka klimatu i regionalizacja klimatyczna Polski. Wyd. Komunikacji i £¹cznoœci.

Woœ A., 1995: Zarys klimatu Polski. BWN, Poznañ.

Ziernicka-Wojtaszek A., Zawora Z., 2008: Regionalizacja termiczno-opadowa Polski w okresie globalnego ocieplenia. Acta Agrophysica 11(3).

Abstract

The aim of research is to classify the areas according to selected environmental data in relation to precipitation in Lower Silesia. The classification is to emphasize features which distinguish individual areas and, at the same time, influence spatial distribution of precipitation. Multi-feature classification is made with the use of statistical methods and artificial neural networks.

The sources of selected qualitative and quantitative data, and the methods of processing and creating relations between the features are presented in the paper. There are also tests of the possibilities of applying existing and programming tools in ArcGIS system to spatial analyses crucial for preparing data used for special-purpose software.

One of the final effects are the maps of areas distinguished on the basis of the types of environmental conditions.

dr in¿. Joanna Bac-Bronowicz joanna.bac-bronowicz@igig.up.wroc.pl dr in¿. Piotr Grzempowski

podzia³ na klasy (skupienia) wartoœci opadu w stacjach pomiaru na tle rozk³adu opadu w pó³roczu ciep³ym (Atlas …, 2008)