Vývoj serverové aplikační logiky pro generování georeportu v tematické doméně zranitelnosti krajiny

Použité metody

V této diplomové práci je využito pro hodnocení zranitelnosti krajiny metodiky ESAI+, což je systém pro hodnocení rizika zranitelnosti, funkčnosti a stability krajiny a strukturovaný návrh opatření k její obnově. Jedná se o rozšíření adaptované metodiky ESAI o výpočet rezilience a funkčnosti a výběru mitigačních a adaptačních opatření v krajině výzkumné skupiny IMALBES (http://www.imalbes.cz).
Metodika ESAI je konceptuální model k hodnocení náchylnosti území k degradaci. Tato metoda je schopna odhalit případná rizika s předstihem, jelikož kombinuje indikátory environmentální ale také socio-ekonomické. Vznikla ve Středomoří jako nástroj k mapování degradace a desertifikace území v rámci projektu Medallus, který byl zaměřený na identifikaci rizikových oblastí k desertifikaci (Basso a kol., 2010; Kosmas a kol., 1999). Postupně se stala metoda hojně využívaná zejména ve Středomoří a docházelo k drobným modifikacím. Vychází to z několika proměnných a jejich kombinace pravděpodobností degradace území, jsou řazeny do čtyř tematických skupiny (stav půdy, stav klimatu, stav vegetace a intenzita lidské činnosti) a ohodnoceny v rozmezí 1 až 2 (Pechanec a kol., 2021).

Samotný ukazatel ESAI slouží k nalezení nejvíce problematické oblasti, oproti tomu ESAI+ nejen že nalezne nejvíce problematickou oblast, ale také nalezne krajinné segmenty, na které bude mít degradace malý nebo velký dopad na fungování krajiny (díky hodnocení funkčnosti, a tedy vrstvám ekosystémových funkcí a služeb), určení reálně hrozby degradace, vzájemnému porovnání a vyhodnocení největšího rizika, jeho příčiny a návrhy jednotlivých opatření (Prokopová a kol., 2023).

Použitá data

Náchylnost krajiny, jak již bylo zmíněno, vychází z patnácti ukazatelů, které se dále dělí do čtyř tematických skupin, kdy kombinuje ekologické i socio-ekonomické indikátory. Z tohoto důvodu je potřeba vycházet z několika zdrojů dat. Indikátory textura, hloubka půdy, skeletovitost a propustnost vycházely z dat bonitovaných půdně ekologických jednotek (BPEJ) a oblastních plánů rozvoje lesů (OPRL) garantované Výzkumným ústavem monitoringu a ochrany půdy (VÚMOP) a Ústavem pro hospodářskou úpravu lesů (ÚHUL). Indikátory průměrný roční úhrn srážek a index sucha čerpá z klimatických dat od společnosti CzechGlobe, indikátory sklonitost svahu a orientace svahu jsou z digitálního modelu reliéfu 5. generace garantovaným ČÚZK, indikátor matečná hornina vychází z geologické mapy od České geologické služby. Indikátory schopnost vegetace bránit erozi a odolnost vegetace vůči suchu vychází z Detailní konsolidované vrstvy, která vznikla ve spolupráci CzechGlobe – Ústav výzkumu globální změny, AV ČR v.v.i. a Katedry geoinformatiky Univerzity Palackého. A ze spolupráce těchto dvou zmíněných institucí a kooperací Evropské kosmické agentury (ESA) vznikl z detailní konsolidované vrstvy a vrstvy HRL (Human Readiness Level) indikátor pokryvnost vegetace. Socioekonomické indikátory hustota populace a populační růst vyplývají z ArcČR, které jsou pod záštitou ArcData Praha a Českého statistického úřadu, a v neposlední řadě indikátor intenzita využití půdy je výstupem z modelu CZ GLOBIO – podklad Kombinovaná vrstva biotopů – přírodní biotopy z mapování biotopů v rámci Natura2000 a nepřírodní biotopy Corine Land Cover (CLC) 2012, které má na starosti společnost CzechGlobe s Katedrou geoinformatiky Univerzity Palackého v Olomouci. (přehledněji tabulka)

Ekosystémové funkce a služby, tedy vrstvy pro vyjádření evapotranspirace, zásoba uhlíku ve vegetaci a ekologická hodnota biotopu, jsou založeny na datovém souboru DKV (Detailní kombinovaná vrstva biotopů ČR, verze z roku 2024, jejímž autorem je CzechGlobe. K této vektorové vrstvě v měřítku 1 : 10 000 byly následně připojeny expertní koeficienty pro kvantifikaci a následnou kategorizaci jednotlivých funkcí (více viz. www.imalbes.cz).

Použité programy

Pro zpracování diplomové práce byla využita řada programů. Pro práci s datovými vrstvami a vytvoření aplikace bylo využito produktů od společnosti Esri a to konkrétně ArcGIS Pro 3.4.0 pro úpravu, zpracování a nahrání dat do online prostředí, dále bylo využito online produktu Instant Apps vytvoření uživatelského mapového rozhraní. Nahrání dat bylo provedeno také do PostgreSQL 14 databáze, kdy pro práci se samotnou databází bylo využito prostředí pgAdmin 4. Samotné tvoření celé serverové logiky bylo uskutečněno v programu Visual Studio Code ve verzi 1.99.2, které je uživatelsky přívětivé pro kódování, a zároveň umožňuje propojení s platformou GitHub, do kterého probíhala veškerá průběžná záloha pomocí gitů. Při programování kódů této diplomové práce bylo využíváno nástrojů Copilot a Gemini usnadnění generování kódů a prozkoumávaní různých přístupů k řešení problémů, které při tvorbě celé logiky vznikaly. Přínos těchto nástrojů se projevil i v rámci revize textu, kdy sloužily jako doplňkový nástroj pro identifikaci potenciálních nejasností. Pro vizualizaci výsledného posteru bylo využito programu Adobe Illustrator od společnosti Adobe ve verzi 27.4.1.

Použité programovací/skriptovací jazyky a knihovny

Vývoj kompletní serverové logiky vyžadovalo také volbu jednotlivých skriptovacích a programovacích jazyků, pečlivý výběr knihoven a jednotlivých verzí. Úvodní stránka, a tedy i hlavní uživatelské prostředí, vyžadovalo pouze základní znalost HTML a CSS, podobně tomu bylo i u vytváření rozhraní formuláře, avšak zde byl využit také Javascript pro implementaci mapového okna a práci s ním. Odeslání uživatelského výběru oblasti a témat je pomocí PHP ve verzi 8. Dále je už logika tvořena pouze v Pythonu ve verzi 3.12, kde dochází k získání informací o výběru území a tématu z PHP, dotazování na PostgreSQL databázi, vytváření obsahu georeportu (vytváření grafů, generování map, vytvoření časové a unikátní značky, seřazování hodnot v tabulce, obarvování jednotlivých kategorií a další) a vytvoření PDF souboru.

V rámci Python kódu byla využita řada knihoven pro zpracování a analýzu dat a generování výsledného PDF. Knihovna datetime 3.12.9 byla použita pro práci s daty a časy, což bylo klíčové pro možnost generování časové značky, dále knihovna uuid 3.12.9 byla využita pro generování unikátních identifikátorů pro odlišení jednotlivých reportů. Pro připojení k databázi PostgreSQL a manipulaci s daty byla použita knihovna psycopg2 ve verzi 2.9.10, která dále umožnila provádění SQL dotazů a získání dat pro analýzu. Knihovna rich ve verzi 13.9.4 byla použita pro formátování výstupů v terminálu, což usnadnilo ladění kódu a výpis argumentů. Možnost vytvářet grafy ve výsledném georeportu a vizualizace dat byla umožněna pomocí knihoven matplotlib.pyplot a matplotlib.patches ve verzích 3.10.1. Dále bylo využito knihovny io 3.12.9, která pomáhá se čtením a zápisem dat, zpracování souborů nebo síťové komunikaci a knihovny base64 3.12.9, která slouží k převodu dat do formátu, který je snadno přenositelný a čitelný, zakódování obrázků a grafů do textového formátu, což bylo využito u map a grafů. Pro práci s geografickými daty a generování map byly využity geopandas ve verzi 1.0.1 a shapely.geometry ve verzi 2.0.7. Knihovna contextily ve verzi 1.6.2 byla použita pro přidání podkladových map do vizualizací a knihovna json 3.12.9 pro práci s GeoJSON daty. Pro výsledné generování PDF byly využity knihovny weasyprint ve verzi 64.1 a webbrowser 3.12.9, kdy první zmíněná knihovna slouží pro generování PDF dokumentů z HTML a CSS a druhá knihovna umožňuje otevírat URL v prohlížeči, zde v případě otevření vygenerovaného PDF reportu. V neposlední řadě knihovna sys 3.12.9 poskytla přístup k systémovým funkcím a proměnným, pro zprávu argumentů v příkazové řádce.