Ohrožení lesních porostů z hlediska výskytu větrných polomů je objektivně provádět s pomocí modelů a klasifikací, či vlastním (subjektivním) pozorováním přímo v terénu. Nejjednodušší vymezené postupů k hodnocení rizika polomů je přístup empirický, mechanický a přístup založený na pozorování.
Modely empirockého přístupu, jsou dobře aplikovatelné na konkrétní lokality, ale lze je také použít i v jiných oblastech.
Je však potřeba, k vytváření těchto modelů, velké množství informací vztažených ke studovanému území. Nejvhodnější použití pro lesní porosty se složitějším a proměnlivým uspořádáním a skladbou, rozmanitostí reliéfu a půd.
Závislost mezi oblastí poškozenou větrem, kdy došlo k polomu, a vlastností oblasti vyjadřuje pomocí statistických metod.
Mechanický přístup předpovídání pravděpodobnost poškozeného lesního porostu polomem na základě kritické rychlosti větru, která zapříčiní vývrat či zlomení stromu. Pravděpodobnost výskytu větrů v dané lokalitě.
Výpočet pravděpodobnosti rizika ohrožení porostu polomem je v mechanických modelech rozdělen do dvou fází.
1. Fáze první počítá tzv kritickou rychlost větru (critical wind speed), která vyvrací či láme stromy. Síla je určena podle faktorů, jako je místní rychlost větru, nárazový vítr, pozice stromu v lesním pokryvu, vlastnosti koruny (například velikost, aerodynamika, hmota), vlastnosti kmene (tvar, délka, hmota). Odporové (bránící) síly stromu závisí na faktorech, jako jsou vlastnosti kmene (průměr a pevnost dřeva), morfologie kořenů.
2. Fáze druhá počítána pravděpodobnost výskytu větrů, které překročí kritickou rychlost větru.
V terénu jsou pomocí pozorování zaznamenávány výskyty faktorů, jež mají prokazatelný vliv na zvýšení větrných škod způsobených větrem v terénu. Pozorované charakteristiky asymetrie, chůdové kořeny, tvary korun, nahnilé kořeny. Kombinace faktorů vede k odhadu lokalit, které mohou být v budoucnu postiženy polomem .
Nejpoužívanější modelace pro náhodné prostorové procesy. Jsou založeny na vstupním měřítku nebo na stupni zarovnání povrchu (Smoothing u ArcGIS Desktop 9.x).
1. Lokální metoda předpovídání hodnot, nejbližší okolní body k předpovídané lokaci. Mezi lokální metody přístupné v Geostatistical Analyst patří IDW (Inverse Distance Weight, metoda inverzních vzdáleností), lokální polynomická interpolace (pro celý povrch s jednotným trendem) a RBF (Radial Basis Functions, radiální funkce pro menší zakřivení povrchu).
2. Globální metoda předpovídání hodnot, z celého vstupního datasetu, v Geostatistical Analyst je přístupná globální polynomická interpolace.
Předpokládá, že rozdíly sledovaného jevu mohou být namodelovány náhodnými procesy s prostorovou autokorelací.
Počítají se statistickým modelem, který obsahuje pravděpodobnost, na rozdíl od deterministických. Výsledkem je předpověď jevu a pravděpodobnost s jakou se předpovídá, př. výskyt polomů.
Kriging, základní geostatistická metoda pro předpověď hodnoty sledovaného jevu v určitém místě. Význam roli hraje předpoklad autokorelace (korelace proměnných závisí na vzdálenosti a/nebo směru mezi nimi).
Povaha zkoumaného jevu je úzce spjata s výběrem interpolační metody. Přírodní procesy je vhodné modelovat pomocí metod deterministických (například oslunění) a sociální jevy pomocí komplexnějších metod geostatistických, jako u předpovědi výskytu geologických jevů, kdy se počítá prvek náhodnosti.
Při rozdělení originálního datasetu na dvě části, lze jednu část využít pro zjištění struktury data tvorbu povrchu a duhou lze využít k ověření přesnosti výsledků. Create Subsets dialog box (ArcGIS Desktop 9.x) umožňuje vytvoření jak zjišťovacího, tak i testovacího datasetů.
Důležité je v první řadě pochopit strukturu dat, která zajistí, že vybraná interpolační metoda bude správná. Zkoumání dat na anomálie a test na normálnost rozdělení zjistí struktury dat. Například Geostatistical Analyst (ArcGIS) umí nastavit prohlédávanou oblast, pokud se jedná o lokální interpolaci, prohledá oblast (Searching Neighborhood) tvaru kruhu, elipsy s parametry tvaru, orientací a rozdělit vše na sektory s uspořádáním. Možné je výběr minimální/maximálního počtu bodů, který výpočet zahrnuje. A brát v úvahu prostorovou autokorelaci, ke které se vztahuje strukturální funkce a graf semivariogram, pokazující na hodnoty sledované proměnné v závislosti na vzdálenosti.
Závislost mezi oblastí poškozenou větrem, kdy došlo k polomu, a vlastností oblasti vyjadřuje pomocí statistických metod.Hodnota semivariogramu se počítá pro každý pár vstupních lokací. Na základě empirického semivariogramu je pak konstruován model, pomocí něhož je modelována distribuce jevu v prostoru.
ArcGIS Info a jeho Geostatistical Analyst má v menu Geostatistical Wizard, to nabízí interpolační metody a zvolení jejich parametrů. Ordinary Kriging byl použit i pro naše data. Odstraní zkreslení v trendu dat. Zvolíme parametry modelu a semivariogramu prohledávací oblasti. Křížová validaci (Cross Validation) poskytuje informaci o tom, jak dobře model sedí na vstupní hodnoty
Sběr informací a dat, stanovení a konstrukce datové sady závislých a nezávislých proměnných, tvorba výběrového soboru, konstrukce segmentační databáze, metody statistické analýzy, dálkový průzkum Země a GIS.