Содержание к диссертации
Введение
1 Теоретические и методологические основы мониторинга нарушенных земель 8
1.1 Понятие и виды мониторинга земель 8
1.2 Методологические основы использования геоинформационных систем и пространственного анализа в целях мониторинга земель 13
1.3 Несанкционированные свалки: термины и определения 18
2 Влияние несанкционированных свалок на трансформацию и экологическое состояние земель 22
2.1 Негативное воздействие несанкционированных свалок на экологическое состояние земель 22
2.2 Метод расчёта риска загрязнения земель продуктами горения отходов на несанкционированных свалках 26
3 Особенности использования данных дистанционного зондирования в целях мониторинга земель, нарушенных несанкционированными свалками 50
3.1 Результаты расчёта индекса NHFD 53
3.2 Оценка результатов 56
4 Влияние несанкционированных свалок на ущерб земельным ресурсам 59
4.1 Анализ земель, подверженных захламлению 59
4.2 Экономический ущерб землепользователей в связи с захламлением их территорий 64
4.3 Подходы к принятию решений о защите земельных ресурсов от возникновения несанкционированных свалок 65
5 Метод прогнозирования мест захламления земель 83
5.1 Выявление пространственных факторов, определяющих территории, подверженные захламлению 83
5.2 Использование алгоритма Random Forest для прогнозирования территорий, подверженных захламлению 103
6 Геоинформационное обеспечение мониторинга земель, нарушенных несанкционированными свалками 116
6.1 Возможности использования информации, предоставляемой местным населением, о местах возникновения несанкционированных свалок посредством веб-интерфейса ГИС мониторинга земель, нарушенных несанкционированными свалками 117
6.2 Содержание ГИС мониторинга земель, нарушенных несанкционированными свалками 122
6.3 Выбор десктоп клиента и СУБД геоинформационной системы мониторинга земель, нарушенных несанкционированными свалками 123
6.4 Структура базы данных ГИС мониторинга земель, нарушенных несанкционированными свалками 127
6.5 Технология мониторинга земель, нарушенных несанкционированными свалками 134
Заключение 137
Список сокращений 140
Список таблиц 141
Список рисунков 144
Литература
- Методологические основы использования геоинформационных систем и пространственного анализа в целях мониторинга земель
- Метод расчёта риска загрязнения земель продуктами горения отходов на несанкционированных свалках
- Оценка результатов
- Подходы к принятию решений о защите земельных ресурсов от возникновения несанкционированных свалок
Введение к работе
Актуальность темы исследования. Среди стихийных, трудноуправляемых антропогенных факторов, оказывающих негативное влияние на окружающую среду и земельные ресурсы, можно выделить формирование несанкционированных свалок. Проблема несанкционированных свалок (далее — свалки) чрезвычайно остро стоит в России и многих других странах. Свалки приводят к разрушению среды обитания человека, загрязняя поверхностные и грунтовые воды, почву и атмосферный воздух опасными компонентами отходов, продуктами их реакций; они представляют собой серьёзную угрозу земельным ресурсам. До настоящего времени не разработаны научные подходы к созданию и использованию геоинформационной системы (ГИС) для мониторинга земель, нарушенных несанкционированными свалками, которая способствовала бы принятию решений по предотвращению захламления земель. Ключевым аспектом разработки ГИС мониторинга земель, нарушенных несанкционированными свалками, является всестороннее изучение феномена захламления земель с целью определения того, какая именно информация должна собираться и генерироваться в рамках функционирования данной ГИС.
Цель исследования — определить структуру и содержание ГИС мониторинга земель, нарушенных несанкционированными свалками.
Задачи исследования:
выявить основные факторы воздействия свалок на окружающую среду и земельные ресурсы;
определить характеристики спутниковых снимков для обнаружения захламлённых земель;
выявить пространственные факторы, определяющие территории, подверженные возникновению несанкционированных свалок;
предложить метод прогнозирования мест возникновения несанкционированных свалок;
разработать структуру базы данных для ГИС мониторинга земель, нарушенных несанкционированными свалками;
обосновать подходы к принятию решений о защите земельных ресурсов от возникновения несанкционированных свалок;
разработать технологию мониторинга земель, нарушенных несанкционированными свалками.
Объект исследования — земли, нарушенные несанкционированными свалками. Предмет исследования — геоинформационное обеспечение мониторинга земель.
Теоретическую и методологическую основу работы составили труды отечественных и зарубежных учёных в области мониторинга земель: Поповича П.Р., Богданова В.Л., Осипова Г.К., Гарманова В.В., Варламова А.А., Кулешова Л.Н., Vernes А., Braimoh А. и др. В области геопространственного анализа и геоинформационных технологий — работы Badeley A., Turner R., Goodchild M.F., Smith M.J., Brimicombe A.; Тикунова В.С и др. Среди немногочисленных работ, посвященных несанкционированным свалкам, выделяются исследования Tasaki Т. и D'Amato А.
До сих пор отсутствует общепринятое определение термина несанкционированная свалка, поэтому приведём здесь необходимые определения и сопоставим их с англоязычными терминами.
[несанкционированная] Свалка (illegal dump) — несанкционированное размещение отходов сплошным свалочным телом или отдельно расположенными очаговыми навалами отходов объёмом более 10 м3 и (или) площадью более 200 м2.
Коммерческая свалка (illegal landfill) — это свалка, организуемая для размещения отходов за плату.
Стихийная свалка (illegal dump) — это свалка, которая образовалась спонтанно и плата за размещение отходов на которой не взимается.
Научная новизна исследования заключается в выявлении предпосылок возникновения несанкционированных свалок; выявлении факторов, определяющих места возникновения несанкционированных свалок; создании метода прогноза мест возникновения несанкционированных свалок (при помощи ГИС-технологий); разработке метода расчёта экологического риска загрязнения земель продуктами горения отходов несанкционированных свалок.
Основные защищаемые положения:
-
Метод определения риска загрязнения земель продуктами горения отходов несанкционированных свалок.
-
Пространственные факторы, определяющие места появления несанкционированных свалок (расстояние до автомагистралей и второстепенных автодорог, до зданий и карьеров).
-
Метод прогнозирования мест возникновения несанкционированных свалок.
-
Подходы к принятию решений о защите земельных ресурсов от захламления.
-
Технология проведения работ по мониторингу земель, нарушенных несанкционированными свалками.
Практическая значимость работы:
для предотвращения нарушения земель несанкционированными свалками и проверок соблюдения земельного законодательства может быть использован метод прогнозирования мест их возникновения, а также применены подходы к принятию решений о защите земельных ресурсов;
с целью оценки опасности, которую представляют те или иные свалки для земельных ресурсов, может применяться метод расчёта экологического риска земельным ресурсам от возникновения пожара на несанкционированных свалках;
технология проведения работ по мониторингу земель, нарушенных несанкционированными свалками, может являться составной частью системы мониторинга земель.
Апробация работы. Основные результаты исследований были доложены на следующих конференциях: International Solid Waste Association (ISWA) Conference «MSW: management systems and technical solutions» (M., 2013); международные научные конференции факультета географии и геоэкологии СПбГУ 2011 и 2012 гг.; Baltic Sea Science Congress (СПб, 2011); международная научно-практическая конференция «Антропогенное вмешательство в круговорот воды в биосфере», (СПб, 2011); XI всероссийская открытая ежегодная конференция «Современные проблемы дистанционного зондирования из космоса» (М., 2011); конференция «Открытые ГИС!» (М., 2012); III и VI Молодежные экологические конгрессы «Северная Пальмира» (СПб, 2011, 2012); X Международный молодёжный экологический форум «Экобалтика» (СПб, 2012).
Личный вклад автора. Приведённые в диссертации результаты исследований были получены лично автором. Основные положения диссертации разработаны в рамках персонального гранта Минобрнауки №14.132.21.1386. Автор лично участвовал в полевых обследованиях несанкционированных свалок, осуществлял сбор и анализ фактического материала. Диссертантом были определены структура и содержание ГИС мониторинга земель, нарушенных несанкционированными свалками. Метод расчёта экологического риска загрязнения земель продуктами горения отходов несанкционированных свалок занял призовое место на конкурсе научно-практических работ, организованном корпорацией Microsoft и компанией NEXTGIS в 2011 г.
Состав и объём диссертации. Работа состоит из введения, 6 глав, заключения, списка литературы (138 наименований, в том числе 64 — на английском языке) и 5 приложений. Основной текст диссертации изложен на 138 страницах и содержит 39 рисунков (в том числе 5 карт и картограмм), 12 таблиц и 1 листинг программного кода.
Методологические основы использования геоинформационных систем и пространственного анализа в целях мониторинга земель
Geospatial analysis is not simply a collection of techniques that may be applied in certain specific situations, assuming that the relevant data are available. It is very much a part of a larger process, and is often a relatively small part, albeit vitally important and at times, relatively complex part [121].
Перевод: «Пространственный анализ — это не просто коллекция т.ехник, которые могут быть применены в определённых ситуациях, предполагая, что доступны необходимые данные. Это во многом часть более масштабного процесса, и часто — относительно малая часть, хотя и жизненно важная и, время от времени, относительно сложная часть.»
Геоинформационные системы фактически представляют собой модель описываемого географического феномена [88] (хотя в некоторых случаях они представляют собой модель карты, как ГИС Карта, например). Brimicombe выделяет следующие уровни моделирования в контексте создания ГИС 88]: 1. Непосредственно реальность, которая является набором феноменов; которые существуют или считаются существующими и которые мы пытаемся смоделировать. 2. Концептуальная модель, включающая только те части реальности, которые актуальны для конкретной задачи. Хорошей иллюстрацией такой модели служит карта, так как она содержит только те элементы, которые картограф счёл нужным отразить, а все остальные аспекты реальности остаются за кадром. 3. Логическая модель, часто называемая структурой данных. Эта модель — результат дальнейшей абстракции концептуальной модели и представление её в виде списков, массивов и матриц, которые отражают способы хранения элементов концептуальной модели внутри базы данных и их обработки различными программами. 4. Физическая модель, или структура файла. Это конечная абстракция, которая отражает способ физического хранения данных в виде битов и байтов.
В информационную эпоху о третьем и четвёртом уровне моделирования практически не задумываются, так как его на себя берут многочисленные уже созданные и активно используемые программы обработки и хранения данных. Как справедливо отмечает Brimicombe. на данный момент основная проблема заключается в создании концептуальной модели, которая бы не только адекватно отражала исследуемый феномен, но и обеспечивала бы эффективно обрабатывать и анализировать соответствующие данные.
ГИС не только является моделью реальности, но и может служить основой для создания дополнительных моделей. Моделирование в картографии описано Тикуновым 63. Часть представленного им материала устарела ввиду стремительного развития технологий, но принципиальные подходы могут быть применимы до сих пор. Весомый вклад в развитие теории в области пространственного анализа и геоинформационных технологий внёс Goodchild. Он является автором (соавтором) более 500 работ в области геоинфораматики. Методология и основные приёмы пространственного анализа с примерами реализации в различном ПО описаны в книге «Geospatial Analysis» [121]. Большая подборка алгоритмов пространственного анализа содержится в монографии Noel [113].
Существует достаточно много методик и приёмов пространственного анализа и моделирования. В контексте данного исследования наиболее полезны те, которые касаются исследований точечных образов (point patterns). Анализ точечных образов (point pattern analysis) используется в случаях, когда исследуемое явление представляет собой события, распределённые в пространстве.
Существенный вклад в разработку методов исследования точечных образов внёс Baddaley. Он является не только автором оригинальных методик [80, 77, 78, 76], но и разработчиком пакета spatstat программной среды R, содержащего программные реализации наиболее распространённых приёмов анализа точечных образов. R является очень популярной средой проведения научных расчётов. Эта популярность во многом является следствием кросс-платформенности R и открытости исходного кода. В R доступны тысячи алгоритмов для научного анализа, многие из которых применимы и для обработки пространственных данных, а часть именно для этого и создана.
Использование R для пространственного анализа описано в трудах Reiman и др. [118], Bivand и др. [84], Савельева и др. [60]. Hastie и др. представили великолепный сравнительный обзор алгоритмов машинного обучения и их реализацию в R [103].
Часто применительно к задачам кадастра и мониторинга земель в контексте использования информационных технологий используется аббревиатура ЗИС (земельная информационная система). В большинстве работ ЗИС рассматривается как разновидность ГИС, но в некоторых случаях ЗИС рассматривается как особый случай информационных систем [62]. Мы считаем, что нет никакой нужды в дополнительном акцентировании внимания на том, что конкретная ГИС нацелена на обеспечение работ по землеустройству, кадастру или мониторингу земель посредством использования дополнительной аббревиатуры, так как направленность той или иной ГИС всегда ясна в контексте её функционирования. Дополнительные аббревиатуры, используемые в угоду моде, лишь вносят неоднозначность в описание результатов работ и исследований. И действительно, в чём может быть отличие технического задания на разработку, к примеру, «ГИС мониторинга земель» и «ЗИС мониторинга земель»? Очевидно, что никаких различий не будет. В последующих разделах речь будет идти о ГИС, однако для описания результатов других исследователей в данной главе будет применяться аббревиатура ЗИС в тех случаях, когда именно эта аббревиатура использовалась цитируемыми исследователями.
Метод расчёта риска загрязнения земель продуктами горения отходов на несанкционированных свалках
Примечательно, что минимальное значение коэффициента 0,9 1. Можно сделать осторожное предположение о том, что размеры свалки формируют только повышающие значения коэффициента. Иными словами, невозможно снизить вероятность возгорания свалки ниже величины среднего значения возгорания отдельной свалки путём удаления части отходов (если только не будет изменено соотношение горючих и негорючих отходов). Об этом же свидетельствует и повседневный опыт: урны с мусором горят относительно часто, несмотря на то, что они содержат мало отходов. Просто в них часто бросают окурки. Тем не менее, для того чтобы дать более точную оценку значениям коэффициента ks, следует привлечь сведения о возгораниях по большему количеству свалок, в том числе но другим регионам.
Результаты расчёта вероятности выгорания. Результаты расчёта вероятности выгорания территории, вычисленные на основе метода Voronoi centroidal estimator, представлены на рис. 2.4. Видно, что на большей части Ленинградской области и Санкт-Петербурга вероятность выгорания составляет менее 1 % в год с минимумом в 0,00137% на западе Ленинградской области. Максимальная вероятность (55%) наблюдается на небольшом участке Всеволожского района (в относительной близости к Ладожскому озеру). Достаточно большие зна чения вероятности (до 10%) наблюдаются на территории, находящейся между Санкт-Петербургом и границей с Эстонией (на западе).
Полученный результат сравнивался с результатом использования метода adaptive density. Наибольшая разница наблюдалась в местах, где относительно небольшие пожары повторялись из года в год. Результаты расчёта вероятности с применением adaptive density и при / = 0,1, и при / = 0,8 показывали существенно заниженные значения (на несколько порядков), по сравнению с данными, полученными при помощи Voronoi centroidal estimator. При этом общий характер пространственного распределения вероятностей в обоих случаях похож [adaptive density даёт более грубые контуры, которые сглаживаются при увеличении количества итераций).
Таким образом, использование Voronoi centroidal estimator для целей расчёта вероятности выгорания территории выглядит более предпочтительно, тем более что это единственный из трёх рассмотренных подходов, позволяющий получать промежуточные и конечный результаты в виде векторного, а не растрового слоя, что в некоторых случаях может быть предпочтительнее.
Несмотря на то, что разработанный метод оценки вероятности выгорания территории с применением Voronoi centroidal estimator не нацелен на прогнозирование, он может лечь в основу метода прогнозирования возникновения пожаров на долгосрочную перспективу. Также он может использоваться для исследования динамики территорий, наиболее подверженных пожарам (требует наличия информации за несколько десятков лет). Кроме того, Voronoi centroidal estimator кажется перспективным в целях создания алгоритма определения контуров и площадей крупных пожаров (за временной промежуток, не превышающий одного года).
Возможной причиной неудовлетворительных результатов применения adaptive density является неонтимальный подбор параметров, используемых для расчёта. Кроме того, можно было попытаться избрать иной путь борьбы с завышением вероятностей. Например, заменить точки, составляющие крупный пожар, разреженным набором точек, равномерно распределённых по территории, охваченной данным пожаром, в количестве пр sf/se. где Sf площадь крупного пожара, a Se — эффективная площадь выгоревшей территории, приходящаяся на одну горячую точку в соответствии с таб. 2.3. 3150000 3500000 3850000 Вероятность выгорания территории
Для всех свалок, использовавшихся в данном исследовании, были вычислены значения вероятности выгорания территорий, на которых они расположены. Результаты представлены на рис. 2.5. Для 140 из 150 свалок вероятность того, что они загорятся от пожара, возникшего неподалёку, составляет менее 1 %, для оставшихся 10 — от1доЗ%в год.
В данном параграфе была продемонстрирована способность FIRMS фиксировать по крайней мере часть пожаров, возникающих на свалках. Получить точную информацию о том, какую долю пожаров на свалках на самом деле фиксирует FIRMS, не представляется возможным, так как статистические наблюдения за возгораниями на свалках не ведутся.
Разработан метод, позволяющий рассчитывать вероятностную составляющую экологических рисков возникновения пожаров на свалках. Отметим, что в терминах законодательства РФ предложенные формулы расчёта вероятности возникновения пожара на свалке являются формулами расчёта экологического риска.
Вероятность возникновения пожара складывается из вероятности выгора ния территории, на которой расположена свалка, вычисляемой с помощью метода с применением Voronoi centroidal estimator, продемонстрировавшего наилучшие результаты, и вероятности возгорания свалки. Разработан способ расчёта поправочных коэффициентов, учитывающих площадь свалки и её состав. Из-за недостатка информации на данный момент их нельзя вычислить с достаточной степенью точности, однако изначальное предположение о том, что чем больше свалка, тем выше вероятность её возгорания, не опровергается полученными данными. Предварительные расчёты поправочного коэффициента, зависящего от площади свалки, свидетельствуют о том, что вероятность возгорания самых маленьких свалок практически совпадает со средней вероятностью возгорания отдельно взятой свалки.
Более точное вычисление данного коэффициента, наряду с коэффициентом, учитывающим состав отходов свалки, а также разработка более точного способа оценки среднего значения ущерба, вызванного возгоранием свалок, предмет для дальнейшего изучения.
Предложенный метод может применяться для любого региона мира и реализуется с использованием кроссилатформенного программного обеспечения с открытым исходным кодом.
Оценка результатов
Таким образом, расстояние до кромки леса, выделенное в исследовании [126] как один из наиболее значительных факторов, влияющих на возникновение свалок, на самом деле не является таковым, несмотря на характерную гистограмму значений расстояний. Отсюда следует, что для использования сведений о местоположении лесов в целях прогноза мест появления свалок следует использовать не карту расстояний от границы леса, а бинарный растр, значения которого фиксируют наличие или отсутствие леса в данном пикселе (аналогично водным объектам).
Расстояние до железнодорожного полотна. Нарис. 5.11 представлена зависимость распределения расстояний от свалок до ближайшей железной дороги. В СПб и ЛО 81% свалок находятся в пределах 10 км от железной дороги. В Свердловской области 90% свалок равномерно распределены пределах 4 км от железной дороги. Характер полученных зависимостей говорит о слишком небольшой корреляции между местоположением свалок и железнодорожных путей. И действительно, если рассуждать логически, то на поездах не перевозят (или крайне редко перевозят) отходы, поезда не имеют остановок по требованию, где бы пассажиры могли вывалить мусор. Места, где вдоль железных дорог действительно можно встретить свалки, расположены рядом со станциями (где сосредоточен поток пассажиров и будущих отходов, которые они с собой перевозят), однако станции находятся на пересечении железных и автомобильных дорог, а характер зависимости от расстояний до последних выражен гораздо лучше. Таким образом, принятие в расчёт местоположения железных дорог не представляется целесообразным. Скорее всего, вывод о тяготении свалок к железным дорогам, сделанный в [14], является следствием поверхностных наблюдений.
Расстояние до ближайшего здания. На рис. 5.12 показана зависимость плотности расположения свалок до ближайших зданий. В СПб и ЛО 92% свалок находятся в пределах 2 км от зданий, в Свердловской области в пределах 500 м от зданий находятся 70% свалок.
Очевидно, что прослеживается чёткая связь между удалённостью от ближайшей дороги или здания, а значит, если мы будем использовать карты расстояний от этих объектов для предсказания мест возникновения свалок, то в качестве таких мест получим территории с наибольшей концентрацией дорог и зданий. Такими территориями являются населённые пункты, особенно их центральные части. Безусловно, подобный прогноз будет ошибочным, так как в населённых пунктах (и особенно их центральных частях) обычно имеется система обращения с отходами и осуществляется их вывоз. И пусть даже свалки имеют место быть, но их будет относительно мало: вспомним хотя бы сравнительно небольшую общую площадь свалок в Санкт-Петербурге (см. рис. 4.2).
Крутизна склона. На рис. 5.13 показана зависимость плотности распределения свалок от крутизны склона для Свердловской области. Несмотря на то, что большая часть свалок действительно расположена в пологих местах, никакого влияния на места появления свалок крутизна склонов не оказывает. Возможно, в гористой местности его влияние в какой-то мере прослеживается, но скорее оно может быть ограничивающим (как в случае с лесами и водными объектами), нежели будет походить на зависимость от расстояния до дороги. Этот фактор не подходит для прогнозирования мест возникновения свалок.
Плотность расположения зданий. Мы уже выяснили, что расстояние до ближайшей автомагистрали или здания являются важными факторами, определяющими местоположения свалок, однако если мы будем на их основе пытаться прогнозировать места возникновения свалок, то самые «горячие» зоны окажутся в центральных частях крупных населённых пунктов, что в подавляющем большинстве случаев будет в корне неверным, так как там работают муниципальные службы по обращению с отходами. Значит, для прогноза нам понадобятся сведения о территориях, на которых проводится уборка мусора на регулярной основе. Иными словами, необходимо как-то определить степень развитости системы обращения с отходами.
Напрямую учесть степень развитости системы обращения с отходами в каждой точке пространства исследуемой территории не представляется возможным (так как для этого необходимы данные о местах расположения контейнеров и урн для сбора отходов, а таких сведений у автора нет). Поэтому для внесения соответствующих корректив в прогноз было решено использовать карту плотности расположения зданий. Для её построения были использованы центроиды полигонов зданий. Плотность пространственного распределения полученных точек определялась с помощью метода Adaptive Density, описанного в разделе 2.2. Мы уже установили, что данный метод позволяет получить достоверные контуры распределения плотности точек в пространстве сразу в растровом формате, пусть и абсолютные значения плотности могут быть занижены. Так как в данном случае абсолютные значения плотности нас не интересуют и всего-лишь нужно диверсифицировать обследуемую территорию на участки с более плотной и менее плотной застройкой, то данный метод подходит для достижения поставленной задачи.
Карта плотности застройки представлена на рис. 5.15. Однако необходимо ещё определить, имеется ли хоть какая-то зависимость между плотностью застройки территории и пространственным распределением свалок, а также как на эту зависимость влияет разрешение используемого растра (в отличие от расстояния мы не можем применять функцию в качестве ковариаты, а потому вынуждены использовать растр с необходимыми значениями). На рис. 5.14 представлена зависимость плотности пространственного распределения свалок в обследуемых районах Свердловской области от плотности застройки при различных значениях пространственного разрешения карты плотности застройки. Мы видим, что действительно есть определённое значение плотности, равное 10"6 м"2, при котором наблюдается пик плотности свалок (в котором находится большая часть свалок Свердловской области), который быстро сходит на нет с уменьшением этой величины. Пять свалок обнаруживаются в местах с большим значением плотности, однако какой-либо закономерности здесь не наблюдается (видимые «пики» на самом деле являются шумами — обратите внимание на разброс максимальных и минимальных значений функции). Представленная зависимость не претерпевает существенных изменений при изменении разрешения растра плотности зданий. Только загрублеиие разрешения до 500 м позволяет несколько сгладить значения эмпирической функции в районе значений 2.5 х 10"6M-2.
Полученные графики зависимости далеки от идеала, однако пик функции при определённом значении плотности расположения зданий выражен, а максимальные значения плотности, при которых всё ещё обнаруживаются свалки (5 х 10-6м 2), гораздо меньше максимальных значений плотности (свыше 2 х
Подходы к принятию решений о защите земельных ресурсов от возникновения несанкционированных свалок
Долгое время главным преимуществом проприетарного ПО над свободно распространяемым, в том числе в сфере ГИС, считалось наличие технической поддержки для первого и лишь ограниченная поддержка сообществом для второго. Однако в наши дни не составляет труда найти организации, осуществляющие техническую поддержку именно свободно распространяемых ГИС, а некоторые продукты (например, OPENGEO) изначально имеют два варианта поставки: так называемую версию сообщества и корпоративную версию (в корпоративной версии как раз предусмотрена техническая поддержка и сопровождение ПО). Принимая во внимание, что использование проприетарного ПО грозит привязкой к поставщику [98, 102] (так называемый vendor lock-in. когда потребитель зависит от продуктов и сервисов одного поставщика, не может сменить поставщика из-за высоких затрат на переход), а техническая поддержка проприетарного ПО зачастую сводится в основном к устранению ошибок в коде и предоставлению доступа к обновлениям, мало отличается от режима функционирования свободно распространяемого ПО, то использование свободно распространяемого ПО выглядит более предпочтительным при прочих равных условиях.
Принятие решение об использовании той или иной ГИС-программы (десктоп клиента) для конкретного проекта является (по крайней мере должно являться) результатом многокритериального выбора. Методология такого выбора применительно конкретно к ГИС подробно рассмотрена в работе 97]. На рис. 6.3 представлена иерархия критериев принятия подобного решения.
Следует обратить внимание, что в подкритерии Стоимость владения необходимо учитывать и затраты на операционную систему, в которой должна работать ГИС. Так, ARCGIS или MAPINFO могут работать только под управлением довольно дорогой ОС, в то время как подавляющее число свободных ГИС являются кросс-платформенными.
Так как ГИС мониторинга земель, нарушенных несанкционированными свалками, может внедрятся в различных регионах, а значит, в различных начальных условиях и сложившихся практиках, не представляется возможным провести такой выбор заочно и быть уверенным, что он подойдёт для каждой ситуации. Поэтому мы не будем рассматривать его здесь, а лишь дадим ссылки на случаи оценки применимости различных ГИС для конкретных целей, описанные в научной литературе:
В исследовании Steigner и др. (2008) [122] сравнивается функциональность открытых и проприетарных ГИС, и делается вывод о том, что рассмотренные свободные ГИС являются зрелыми продуктами, способными конкурировать с проприетарными решениями. Отметим, что статья написана ещё в 2008 году и с тех пор открытые ГИС получили множество обновлений, улучшающих их функциональность и увеличивающих надёжность.
В статье Steigner и др. (2009) [123] описываются критерии, которым должны соответствовать ГИС, применяющиеся в ландшафтной экологии. Сделан вывод о перспективности использования открытого программного обеспечения и о наличии в нём всех необходимых функций.
В работе Donnelly [96] сравниваются функциональность открыты ГИС и ARCGIS; исследуется применимость открытых ГИС для библиотечных нужд. Делается вывод о том, что базовый набор функций открытых ГИС уступает таковому в ARCGIS, но расширение их возможностей при помощи плагинов вкупе с намного более низкой стоимостью внедрения делают их намного более привлекательными по сравнению с проприетарными продуктами.
В исследовании Chen и др. [90 проводится анализ нескольких сотен открытых ГИС и в итоге QGIS, GVSIG, OPEN JUMP и MAPWlNDDW GIS рекомендуются для EU WATER KNOWLEDGE MANAGEMENT PLATFORM (платформа Европейского Союза для менеджмента знаний о воде). Было отмечено, что QGIS оказался гораздо более производительнее остальных в условиях чрезвычайно ограниченных вычислительных мощностей.
Автор, будучи руководителем группы мониторинга земель, применял на практике как проприетарные, так и свободные ГИС для мониторинга земель. На основании успешного опыта проведения подобных работ мы полностью соглашаемся с результатами вышеприведённых сравнений приприетарных и открытых ГИС. По нашему мнению, специалист, разбирающийся в ГИС предпочтёт использовать свободное программное обеспечение, так как оно так же эффективно решит поставленную задачу, как и проприетарное, а деньги, сэкономленные на последнем (особенно, если это деньги налогоплательщиков), могут быть израсходованы на прочие нужды. В качестве десктопной ГИС для целей мониторинга земель автор использует QGIS. Следует сделать еаі,е одно важное замечание, которое не было отмечено в вышеприведённых исследованиях: тренд развития QGIS направлен на всё более глубокую интеграцию и взаимодействие с другими свободными ГИС. Например, уже сейчас можно через плагины QGIS вызывать функции таких программ, как GRASS, SAGA, R, ORFEO TOOLBOX (0TB), SEXTANTE, что позволяет эффективно комбинировать достоинства этих продуктов. Видео, демонстрирующее подобный симбиоз, доступно по ссылке: http://www.youtube.com/watch7v—LTUu-I2ouqU&feature=youtu.be.
В приложении 5 на стр. 171 представлено сравнение проприетарных и открытых СУБД по состоянию на 2007 г. Уже в то время POSTGIS/POSTGRESQL ПО своим параметрам составляла высокую конкуренцию проприетарным СУБД. Более актуальное (2011 г.) сравнение одной из ведущих СУБД для работы с пространственными данными — ORACLE llg с аналогичной свободной СУБД P0STGIS 1.5 демонстрирует более высокую производительность последней [124] (в тестах использовались настройки по умолчанию). Следует отметить, что в 2012 г. вышла версия P0STGIS 2.0, привнёсшая существенные улучшения. Ещё одной полезной особенностью POSTGIS является возможность её интеграции с популярной среди учёных программной средой R [115] — свободно распространяемого ПО для статистического анализа.
