Закон первой маски

Когда покупаешь водку, просят вначале надеть маску а после показать паспорт. Потом удивляются количеству ковидных скептиков. Ладно, зафиксируем мысль о том, что маски нужны и скопления народа опасны. Но вот перед нами кадры демонстраций из Белоруссии. Где ожидаемая вспышка заболеваний? Пусть Лукашенко — злобный диктатор и все скрыл, но тогда почему до сих пор не лежат по койкам протестующие Хабаровска?

Число заболевших растет, но это не мешает задавать вопросы, первый из которых: насколько органичен такой рост? Где число заболеваний отражает естественную динамику развития болезни, а где результат вызван особенностями тестирования и подсчета?

Так совпало, что мне надоело в очередной раз проверять степенные распределения на соответствие закону Бенфорда. Полтора века назад Саймон Ньюком изучая потертости страниц в сборниках логарифмических таблиц обнаружил любопытный феномен, который спустя шестьдесят лет обобщил Френк Бенфорд: В экспоненциальных распределениях каждое третье число начинается с единицы. Точнее, вероятность встретить единицу 30.1, двойку 17.6, тройку 12.5 и далее согласно разработанной Бенфордом формуле.

Этому закону соответствует огромное количество экспоненциальных (и как обобщенный случай — степенных) распределений. Учитывая закон и все ограничения, с помощью распределения Бенфорда можно проверить данные на естественность, поэтому использовать его приходится часто. Для автоматизации процесса я написал небольшую программу, которая проверяет частоту первых цифр из вашего распределения на соответствие распределению Бенфорда и в качестве демонстрации подключил статистику по заболеваемости ковидом в регионах России. Можете проверять любые ваши данные, хоть результаты голосования, хоть статистику по зарплате, хоть общее проективное покрытие oxalis acetosella, как в моем случае.

Ну а что-же ковид? Оказалось, что в распределениях суммарного количества заболевших наибольшие отклонения от распределения Бенфорда наблюдаются в Москве с областью и соседствующими регионами, Северном Кавказе, Татарии и Башкирии, Туве, Чукотке и Камчатке.

Распределения по количеству выздоровевших наиболее соответствуют закону Бенфорда вдоль границы с Казахстаном, юго-востоку (Приморье и Сахалин) и Северо-Западу (Карелия и Мурманская) России.

Распределения по количеству погибших от коронавируса наиболее близки к распределению Бенфорда в юго-западных, западно-уральских регионах, частично на юге Западной Сибири и в Приморье.

У меня есть предположения о причинах таких географических особенностей, но я бы хотел услышать комментарий специалиста. И это не потому, что я диссидент, а ровно напротив: я сторонник самого жестокого карантина: с применением боевого оружия и превращением всех институтов в шарашки.

Каждый день пандемии ждешь прорыва научной мысли, а вместо этого слышишь рекомендации намотать на лицо тряпку и сидеть по домам.

P.S. Спасибо всем, кто откликнулся на призыв о поиске сырых данных по заболеваемости в регионах.

Подкаст натуралиста. Пилотный выпуск про R

В день окончания самых длинных в истории каникул, я записал пилотный выпуск образовательного подкаста о природе и методах работы натуралиста.

Этот выпуск про R — лучший на мой взгляд инструмент статистического анализа. Постарался описать некоторые особенности работы, а заодно покритиковал геостатистику.

В подкасте рекомендую книгу, которую можно скачать с гит-хаба и телеграм-чатик любителей R

Наверняка к теме статистики я вернусь еще не раз, но следующий выпуск хочу посвятить использованию данных OpenStreetMap. Репосты и донейты чрезвычайно помогут ускорить этот процесс. Ссылка для донейтов прежняя:

Якубович

Окружающий мир — удивительная дрянь, но в нем достаточно забавных штук, которые могут скрасить жизнь, особенно если уметь такие штуки находить. Делать это несложно, главное помнить, что самое интересное чаще всего связано с эмергентностью. Объедините несколько различных явлений и у вас родится странный Франкенштейн неизвестной витальности.

Возьмем математику. Если объединить между собой теорию вероятностей и топологию, можно за несколько часов вывести альтернативную формулу определения вероятности. Достаточно вспомнить, что оценка вероятности связана с измерением, а значит привычная формула P=m/n — лишь частный случай измерения одномерного множества. В общем виде к формуле оценки вероятности следует добавить степень, которая соответствует размерности Хаусдорфа-Безиковича. А единичная метрика — лишь отношение величины всего пространства к величине наблюдаемого подпространства. В результате мы получаем очень простой инструмент, который помогает оценить математическое ожидание генеральной совокупности по неполным данным.

Или вот другой пример эмергентности. Если к прошлому наблюдению добавить зиму, хандру и бутылку коньяка, возникает странный кусок кода под названием Yacubovich.js. Это калькулятор, который приближенно оценивает средние значения по неполным данным. Например, у вас есть данные за неделю, а необходимо среднее значение за месяц. Укажите размер генеральной совокупности (n -> 31), введите данные, которые есть, нажмите ‘r’ и результат готов. Фактически это обычная экстраполяция, только с небольшой фичей, которая повышает однозначность и точность.

Вероятно, подобного эффекта можно добиться и другим способом, но сомневаюсь, что вы найдете более элегантное решение. Даже банальная модификация метода Херста на порядок более трудоемка. И еще неизвестно, что такая модификация даст.

С другой стороны, всегда можно добавить еще одну бутылку коньяка. А эмергентное объединение различных явлений позволяет находить в этом мире довольно много забавных штук.

fleur.js

Оценка кормовых угодий на JavaScript

Заголовок кривой, но так вернее — я пишу статью в междисциплинарный вакуум: программисты бросят читать на втором слове, а ботаники на четвертом. По этой причине изложу мысль от лица человека, который геоботанику с программированием в гробу видал.

Представим, что вы заимели в распоряжение некоторую площадь земли и намереваетесь распорядиться ей по хозяйски. Решив финансовые, кадастровые и прочие вопросы вы неизбежно придете к вопросу: «Какова земля по своим качествам?». Годится ли для посадки помидоров или кроме кривой сосны ничего не вырастет? Какой цемент выбрать для фундамента: исходя из сухой почвы или периодически подтопляемой? Почему у соседа вызревает полна жопа огурцов, а у вас дохнет последний подорожник? Потому, что в почве элементов не хватает или соседские коровы все вытоптали?

Когда участок мал, ответ познают органолептическим методом. Но что делать, если вам нужны точные результаты? Например, ваша сестра вышла замуж за премьер-министра и вы завладели миллионами гектаров угодий. Первая мысль — отобрать пробы почв из разных мест и отдать в физико-химическую лабораторию. Идея хороша, но есть три «но». Во-первых, это будет стоить безумных денег. Во-вторых, физико-химические свойства почвы постоянно меняются. Прошел дождь — и вот вам иное соотношение растворимых солей. Выглянуло солнце — изменилась влажность. В третьих, и это самое главное, вам необходимо знать не абсолютные концентрации микроэлементов, а то, насколько успешно они поглощаются растениями.

Логично оценить угодья по местным растениям. Если условные редька и одуванчик нуждаются в одинаковых условиях, значит поле одуванчиков подходит для редьки. Это примитивная, но верная мысль. Преимущество растений в длительном росте, который накапливает свойства территории за большой период. Кроме того, изучая растительность мы снижаем риск ошибки, связанной с бочкой Либиха.
Бочка Либиха

Бочка Либиха — принцип названный по фамилии немецкого профессора. В скучной экологической литературе он чаще упоминается как закон лимитирующего фактора. Наполним водой деревянную бочку, которую сколотили из досок разного размера. По заполнению, вода начнет вытекать через самую короткую доску. Наша редька будет дохнуть именно от самого проблемного элемента. Мы проверили все: азот, фосфор, калий, серу, железо и кучу других элементов — все в порядке. Но случайно забыли про марганец и вот наша условная редька уже в точечных пятнах хлороза тщетно пытается синтезировать аскорбиновую кислоту, дожидаясь малейшего повода для смерти. Условный одуванчик реагирует на всю совокупность физико-химических условий произрастания. Если он бодр и весел, за редьку можно не переживать.

Жизнь устроена сложнее наших условностей. Не бывает двух организмов, а уж тем более видов с одинаковыми требованиями к условиям обитания. «Что русскому хорошо, то немцу смерть» в переводе на экологический язык называется нормой реакции и выражается в кривой жизнедеятельности:
Кривая жизнедеятельности

Принцип влияния экологических факторов на организм выражается пословицей «Все хорошо в меру». Задача — сравнить между собой «меры» различных видов и применить к ним школьный принцип «меньше большего, больше меньшего». Если мы нашли одуванчик, значит условия жизни для одуванчика подходят. Если рядом с одуванчиком сныть, значит условия жизни подходят для одуванчика и сныти одновременно. Если мы собрали тридцать разных видов, значит условия подходят одновременно для каждого из них. Чем больше видов, тем уже диапазон факторов произрастания:
Сужение диапазона факторов произрастания

Теоретически, мы можем построить такие кривые для любого фактора окружающей среды (вопрос эмергентности опустим — это тема долгого и сложного разговора). Нас не волнует медианное значение влажности почв. Мы хотим знать, достаточно ли влаги растениям? Это не одно и тоже: весной воды хоть залейся, но растения живут в условиях физиологической сухости, поскольку не могут впитать воду из холодной почвы. Вопрос шкалирования («в каких единицах измерять») решается принципом канторово-пелевинской «сиськой в себе». Рисуем пустую стобалльную шкалу, после идем в самое сухое место, определяем найденные растения и вписываем их в левую часть шкалы. Потом идем в самое сырое место и вписываем местные растения в правую часть шкалы. После делаем несколько десятков тысяч описаний из разных мест и расставляем на шкале встреченные виды.

В одну из ночей опустите луч фонарика вертикально вниз. На землю ляжет тень от травы — проекция растений на плоскость. Если забыть, что луч бьет из одной точки или взять громадный прожектор, то площадь тени будет пропорциональна густоте растений. В геоботанике этот показатель называется проективным покрытием. Глазомерно он вычисляется как доля покрытой растениями территории. Сумма проективных покрытий всех видов больше общего покрытия травостоя, поскольку разные виды перекрывают друг друга. Псевдоматематики называют проективное покрытие вероятностью обнаружения вида в точке со случайными координатами или говорят о других диких концепциях, но на практике без инструментов никто не способен оценить густоту растений точнее 5-10 процентов (хоть все говорят, что могут), поэтому описание дополняют словами «единично», «незначительно» и прочей гуманитарной фигней.

Идя по градиенту влажности от сырого к сухому месту, вы встретите новые виды. Пока еще чахлые и редкие. Они едва выживают при такой влажности. Скоро этих растений станет больше. В идеальных условиях проективное покрытие возрастет до ста процентов — вспомните непроходимые заросли крапивы urtica dioica. На подходе к сухому месту проективное покрытие уменьшается, в сухих условиях остаются лишь единичные растения. В очень сухих ваши они уступают другим видам. За время похода вы пройдете несколько куполообразных изменений проективного покрытия, которые вспомните составляя шкалу:
Градиент изменения условий среды

Когда первая шкала готова, делим весь массив описаний на группы по влажности территорий и для каждой группы тем же методом строим шкалу «бедность-богатство-засоленность». Затем итеративно повторяем процесс для переменности увлаженения, аллювиальности почв, пастбищной дегрессии (вытоптанности) и чего душа пожелает.

Для работы необходимы десятки лет, миллиарды рублей и армия ботаников. Сегодня такие ресурсы получить невозможно, но по счастью кровавый сталинизм оставил в наследство не только сопливый дудевский фильм, но и результат работы института луговой и болотной культуры (сейчас НИИ кормов имени Вильямса), где под руковоством Л.Г. Раменского подготовлена прекрасная монография «Экологическая оценка кормовых угодий по растительному покрову». Книга содержит короткую пояснительную записку, методы анализа и таблицу на сотни страниц, где указано размещение видов растений на экологических шкалах в зависимости от проективного покрытия.
Книга Экологическая оценка кормовых угодий по растительному покрову

Свыше полувека работа с этой книгой выглядит так: геоботаник описывает проективные покрытия видов на площадке, возвращается домой, достает миллиметровку и рисует на ней шкалу влажности (сто двадцать единиц). Смотрит на значение проективного покрытия первого вида, находит этот вид где-нибудь на триста седьмой странице и откладывает на миллиметровке указанный в книге диапазон. Потом второй вид, потом третий и так до конца. Вид а: от сорока до пятидесяти, вид б: от сорока пяти до семидесяти, вид в: от двадцати до сорока восьми. На основе «больше меньшего, меньше большего» оцениваем увлажнение участка от сорока пяти до сорока восьми баллов. Потом переходим к вычислению богатства почвы, потом к остальным показателям. Спустя несколько часов беремся за другое описание.

Это не единственный метод, но остальные еще хуже. Тратить на это жизнь в двадцать первом веке невыносимо, поэтому ботаники забросили шкалы на антресоль и достают только студентам показать. За минувшие десятилетия технология нисколько не развилась и видимо до следующего витка репрессий останется в забвении.

Казалось бы, любой первокурсник-технарь напишет алгоритм за пару часов, любой школьник, отличающий инкремент от компиляции закодит его за вечер. Все просто как две копейки. Но все программные реализации (включая мою работу десятилетней давности) напоминали сплетенные из вареных макарон костыли для безруких. Потому что легче «Анну Каренину» на машинный язык перевести, чем автоматизировать работу с экологическими шкалами Раменского.

Проблема исключительно гуманитарная. Ботаники — от студентов до докторов наук до сих пор не отличают электронную информацию от цифровой. Наука о растительности — это пещера в котором обитает карго-культ технологического развития. Попросите любого выслать метаданные описаний — столкнетесь с непониманием. Договоритесь о данных в цифровом виде — получите на почту вордовский файл с таблицами. Гусиные перья сменила печатная машинка, печатную машинку компьютер, но сама технология изучения растительности осталась на уровне гусиных перьев.

Геоботаническое описание обычно содержит в себе метаданные (где, кем, когда и др.), описание древостоя (при наличии оного и отсутствии отдельных таксационных работ), подроста, подлеска и таблицы проективных покрытий травяно-кустарничкового и мохово-лишайникового ярусов. Камеральная обработка сводится к переносу данных в эксель, часто в том же виде, в каком они представлены на бланке. Форма бланков у всех разная, поэтому данные разных авторов не сравнимы без мучительной корректорской работы. Я опускаю разность методик, разность понимания видов, здесь разговор только о технической стороне вопроса.
Образец геоботанического описания

Без общепринятого формата, любой код автоматизации придется переписывать под каждого автора. Но это не спасет без решения проблемы субъективных оценок. Нельзя вместо оценки проективного покрытия скормить алгоритму понятия «единично», «изредка», «две куртины» и прочий бред (все из реальных описаний). Предположим, мы исключим такие данные из выборки. Если речь об экологическом шкалировании, то это допустимо. Но следом возникает проблема таксономии.

Линней, работая с номенклатурой не думал о том, что латынь уйдет в прошлое, а коробка размером с небольшой саквояж уместит в себе всю ботаническую литературу. Сегодня виды сохраняют латинское название (и это правильно), но саму латынь никто не помнит, герундий от герундива не отличает, рода путают между собой. В результате окончания видов обычно записаны с ошибками. Другое проблемное место — нечитаемые буквы. Попробуйте спустя месяц по памяти верно воспроизвести krascheninnikovii, krascheninnikoviana, или krascheninnikoviorum. Тут ботаники с лицом честного гаишника воскликнут, что они, дескать все выверяют по справочнику Черепанова. Клевер луговой у них трифолиум пратенсе, а клевер ползучий — амория репенс. Не верьте. При мне за несколько лет луговик извилистый из дешампсии стал лерхенфельдией, а из последней превратился в авенеллу. Все обсуждают подобные мелочные вопросы и никто не ничего хочет менять всерьез. А без изменений весь накопленный материал стоит дешевле макулатуры.

Я давно не работаю в государственном институте. Пол-месяца ввода, пол-месяца обработки и месяц дальнейшей психотерапии в мой прайс не включен, поэтому пришлось уйти от ботанических практик и минуя табличные редакторы, вводить данные сразу в виде js-объекта (в данные внесены искажения по условиям контракта, комментарии добавил для наглядности):

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
var descript = [
{
time:20160602,
note:'GR-0602-1',
tags:'Сосняк, Мяглово-Карьер',
lat:59.82739,
lng:30.69896,
datum:'4326',
author:'S.N.Golubev',
feedback:'schwejk-rpnt@rambler.ru',
license:'CC-BY-NC-SA-3.0',
source:'fieldobserve',
aream:2411,
dendro:{   /*Характеристики древостоя*/
	allvolumemcb:329,   /*Запас, куб. м*/
	allfullmsq:34.4,    /*Абсолютная полнота, кв. м*/
	pins__sylrs:{       /*Данные по сосне - pinus sylvestris*/
		volumemcb:329,   /*Запас, куб. м*/
		fullmsq:34.4,    /*Абсолютная полнота, кв. м*/
		diasm:23,        /*Средний диаметр, cм*/
		heightm:24.7,    /*Высота, м*/
		age:70,          /*Возраст, лет*/
	},
},
grass:{   /*Данные по живому напочвенному покрову*/
	allcover:50,   /*Общее проективное покрытие яруса*/
	cover:{        /*Повидовое проективное покрытие*/
		vacnm_myrls/*Черника - Vaccinium_myrtillus_L*/:20,
		vacnm_vitd/*Брусника - Vaccinium_vitisidaea_L*/:30,
		conlr_majls/*Ландыш - Convallaria_majalis_L*/:5,
		trils_eurp_/*Седмичник - Trientalis_europaea_L*/:0.1,
		desps_flexs/*Луговик - Deschampsia_flexuosa_Trin*/:10,
		melrm_prans/*Марьянник - Melampyrum_pratense_L*/:0.1,
		luzl__pils_/*Ожика - Luzula_pilosa_L_Willd*/:0.1,
		calln_vulrs/*Вереск - Calluna_vulgaris_L_Hull*/:0.1,
		charn_anglm/*Кипрей - Chamerion_angustifolium_L_Holub*/:0.1,
		fragr_vesc_/*Земляника - Fragaria_vesca_L*/:0.1,
		soldg_virgr/*Золотарник - Solidago_virgaurea_L*/:0.1,
		maimm_biflm/*Майник - Maianthemum_bifolium_L_FW_Schmidt*/:0.1,
		desps_cests/*Щучка - Deschampsia_cespitosa_L_Beauv*/:0.1,
		},
	},
undergrass:{/*Данные по мохово-лишайниковому ярусу*/
	allcover:40/*Общее проективное покрытие яруса*/,
	cover:{
		polhm_specs:0.1/*Политрихум*/,
		plezm_schbr:40/*Плеуроциум*/,
		},
	},
},
]

Структура данных повторяет бланк описания (метаданные-древостой-живой напочвенный покров-мохово-лишайниковый ярус). Видам с незначительным обилием присвоено проективное покрытие 0.1%. Видовые названия записаны в виде одиннадцати символов: пять на род, пять на вид и символ нижнего подчеркивания между ними. Род и вид преобразуются в код вида по такому принципу:
— Первые три буквы таксона берутся без изменений (Convallaria — con);
— Последние две соответствуют двум последним согласным таксона (Convallaria — lr);
— Если букв в таксоне меньше пяти, пропуски заполняются нижним подчеркиванием (Poa pratense — poa___prans);
— Если после первых трех букв одна согласная или согласных нет — пустые места заполняются нижним подчеркиванием (Luzula_pilosa — luzl__pils_).

Это не самый удачный принцип, поскольку требует исключений. Например, одуванчики Taraxacum laticordatum и Taraxacum latisectum кодируются одинаково: tarcm_lattm. К более простому решению, которое обеспечивает автоматическую кодировку списка таксонов я пока не пришел. К счастью исключения редки даже для региональной флоры, для локальной совсем незначительны и легко отлавливаются простой проверкой по сортированному массиву.

После я перевел таблицу из книги Л. Г. Раменского в js-массив следующего вида:

1
2
3
4
5
6
7
8
9
10
11
12
var ramen = [
["КОД", "ВИД", "ШКАЛА", "ЗОНА", "ПОЧВА", "ПОКРЫТИЕ", "MIN", "MAX"],
["acalm_punns", "Acanthophyllum pungens (Bunge) Boiss.", "water", false, false, 0.3, 10, 15],
["acalm_punns", "Acanthophyllum pungens (Bunge) Boiss.", "water", false, false, 0.1, 8, 1000],
["acalm_punns", "Acanthophyllum pungens (Bunge) Boiss.", "rich", false, false, 0.3, 12, 15],
["acapr_schhr", "Acarospora schleicheri (Ach.). Mass.", "water", false, false, 2.5, 15, 19],
["acapr_schhr", "Acarospora schleicheri (Ach.). Mass.", "water", false, false, 0.3, 11, 22],
["acapr_schhr", "Acarospora schleicheri (Ach.). Mass.", "water", false, false, 0.1, 10, 35],
["acer__plads", "Acer platanoides L.", "water", false, false, 0.1, 65, 71],
["acer__plads", "Acer platanoides L.", "water", false, false, 0, 0, 91],
...
]

Массив состоит из 11 673 элементов, включая заголовок. Каждый элемент содержит информацию о видовом коде, таксоне, экологической шкале, минимальном и максимальном балле шкалы. Информация о типе почв и природно-климатической зоне отсутствует, но на случай развития проекта для этих данных оставлено место. В тех случаях, когда минимальный балл в книге не указан, в таблице стоит 0. Если не указан максимальный балл, в таблице стоит 1000.

Скрипт расчета Fleur.js содержит всего полторы сотни строк, но его следует сократить вдвое, поскольку вторая функция на 99% дублирует первую. На момент написания я вконец обленился и просто скопипастил свою же функцию, дополнив ее несколькими строками. Функция «ramenall(e)» подхватывает первое описание в серии, переводит абсолютные значения проективного покрытия из геоботанического описания в группы проективных покрытий шкал Л. Г. Раменского (единично-0.1, 0.1-0.3, 0.3-2.5, 2.5-8, 8 и более процентов). После сравнивает видовые списки из описания и таблицы экологических шкал на основе общего ключа кода видов. Найдя совпадение в коде, функция заполняет массив номером и таксонами описания с присвоением минимального и максимального балла для каждого вида. Если для вида информация отсутствует, скрипт выдает «-Infinity, Infinity;». После программа переходит к следующему описанию из серии. Когда описания заканчиваются, программа выводит собранный массив на html-страницу.

Функция «ramenbase(e)» выполняет те же самые операции, только для каждого описания в серии формирует массив с минимальными и максимальными значениями баллов. Из массива минимальных баллов отбирает наибольший, из массива максимальных — наименьший. Итогом выпадает таблица с номером описания, минимальным и максимальным значением на экологической шкале.
Больше меньшего, меньше большего

Обе функции потребляют на вход одинаковые аргументы: «rich» — богатство и засоленность почвы, «water» — влажность почвы, «waterwave» — переменность увлажнения, «alluvium» — аллювиальность почвы и «degrade» — пастбищная дегрессия.

Качество кода оставляет желать лучшего, но поскольку он написан три года назад по дороге из Кингисеппа в деревню Лисино-Корпус Ленинградской области, я доволен и без нужды ничего менять не планирую.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
// Полный расчет (значения для всех видов)
function ramenall(e){
 
  for(var a=0; a<descript.length; a++)
  {
	  var gbo = descript[a]; // Текущее описание в обработке
	  var spec=[];           // Вид
	  var pokr=[];           // Проективное покрытие в процентах
	  var pokrball=[];       // Балл покрытия по Раменскому
	  var spectable=[];      // Обертка для spec, pokr, pokrball
 
// Перевод % покрытия в % покрытия по Раменскому	  
	  for(var key in gbo.grass.cover)
	  {
		  spec.push(key);
		  pokr.push(gbo.grass.cover[key]);
		  if(gbo.grass.cover[key]>=8.0 &&
				gbo.grass.cover[key]<100){pokrball.push(8.0);}
		  if(gbo.grass.cover[key]>=2.5 &&
				gbo.grass.cover[key]<8.0){pokrball.push(2.5);}
		  if(gbo.grass.cover[key]>=0.3 &&
				gbo.grass.cover[key]<2.5){pokrball.push(0.3);}
		  if(gbo.grass.cover[key]>=0.1 &&
				gbo.grass.cover[key]<0.3){pokrball.push(0.1);}
		  if(gbo.grass.cover[key]>=0.0 &&
				gbo.grass.cover[key]<0.1){pokrball.push(0.0);}
		}
 
// Заполнение таблицы для сравнения со шкалами    
	  spectable.push(spec);
	  spectable.push(pokr);
	  spectable.push(pokrball);
 
// Сравнение со шкалами   
	  for(var i=0; i<spec.length; i++)
	  {
		  for(var k=0; k<ramen.length; k++)
		  {
			  if(spectable[0][i]==ramen[k][0] && //Код вида
				ramen[k][2]==e && // Шкала (указана в HTML)
				ramen[k][3]==false && // Природная зона (игнорируется)
				ramen[k][4]==false && // Тип почвы (игнорируется)
				ramen[k][5]==spectable[2][i] // Проективное покрытие
				)
				{
// Публикация отчета в HTML
				var str = document.getElementById('tableResult');
				var add = str.insertRow(-1);
				var addTr = document.createElement("tr");
				var addTd = document.createElement("td");
					addTd.innerHTML=descript[a].note+", ";
					addTr.appendChild(addTd); // Номер описания
				var addTd = document.createElement("td");
					addTd.innerHTML=ramen[k][1]+", ";
					addTr.appendChild(addTd); // Название вида
				var addTd = document.createElement("td");
					addTd.innerHTML=spectable[1][i]+"%,      ";
					addTr.appendChild(addTd); // Покрытие
				var addTd = document.createElement("td");
					addTd.innerHTML=ramen[k][6]+",      ";
					addTr.appendChild(addTd); // Максимум
				var addTd = document.createElement("td");
					addTd.innerHTML=ramen[k][7];
					addTr.appendChild(addTd); // Максимум
				str.appendChild(addTr);
				};
		};
	};
};
}
 
// Краткий расчет (классический, результаты для пробной площади в целом)
function ramenbase(e){
	for(var a=0; a<descript.length; a++)
	{
		var gbo = descript[a];
		var spec=[];
		var pokr=[];
		var pokrball=[];
		var spectable=[];
 
		for(var key in gbo.grass.cover)
		{
			spec.push(key);
			pokr.push(gbo.grass.cover[key]);
			if(gbo.grass.cover[key]>=8.0 &&
				gbo.grass.cover[key]<100){pokrball.push(8.0);}
			if(gbo.grass.cover[key]>=2.5 &&
				gbo.grass.cover[key]<8.0){pokrball.push(2.5);}
			if(gbo.grass.cover[key]>=0.3 &&
				gbo.grass.cover[key]<2.5){pokrball.push(0.3);}
			if(gbo.grass.cover[key]>=0.1 &&
				gbo.grass.cover[key]<0.3){pokrball.push(0.1);}
			if(gbo.grass.cover[key]>=0.0 &&
				gbo.grass.cover[key]<0.1){pokrball.push(0.0);}
		}
 
		spectable.push(spec);
		spectable.push(pokr);
		spectable.push(pokrball);
 
		var ecoscalemin=[];// Шкала минимумов
		var ecoscalemax=[];// Шкала максимумов
 
		for(var i=0; i<spec.length; i++)
		{
			for(var k=0; k<ramen.length; k++)
			{
				if(spectable[0][i]==ramen[k][0] &&
				ramen[k][2]==e &&
				ramen[k][3]==false &&
				ramen[k][4]==false &&
				ramen[k][5]==spectable[2][i]
				)
				{
					ecoscalemin.push(ramen[k][6]);
					ecoscalemax.push(ramen[k][7]);
				};
			};
		};
 
		var str = document.getElementById('tableResultKratk');
		var add = str.insertRow(-1);
		var addTr = document.createElement("tr");
		var addTd = document.createElement("td");
			addTd.innerHTML=descript[a].note+",  ";
			addTr.appendChild(addTd); // Номер описания
		var addTd = document.createElement("td");
 
			// Максимальное значение шкалы минимумов
			addTd.innerHTML=Math.max.apply(Math, ecoscalemin)+",  ";
			addTr.appendChild(addTd); // Минимум
		var addTd = document.createElement("td");
 
			// Минимальное значение шкалы максимумов
			addTd.innerHTML=Math.min.apply(Math, ecoscalemax)+";  ";
			addTr.appendChild(addTd); // Максимум
		str.appendChild(addTr);
	};
}

Остается сверстать простую html-страницу, без всяких цээсэсов, назначить функции кнопкам и радоваться жизни. Полноценный анализ тестового набора с помощью миллиметровки у меня бы занял дней десять, может больше. Наверняка есть профи, кто сделает это быстрее, но даже супермен не рассчитал бы показатели для сотни описаний за долю секунды.

Финализировать эту эпопею нужно тремя вопросами: почему JavaScript?, что дальше? и как использовать полученные результаты анализа?. JavaScript — потому что эти расчеты иногда требуется выполнять на чужих компьютерах без установленного R, Wine или другого софта. Что дальше — не знаю. Есть пару идей, но я три года ничего не менял, могу еще три года ничего не менять. А как использовать результаты я не расскажу, поскольку строки этой статьи все-равно никто не увидит. Программисты бросят читать на втором слове, а ботаники на четвертом.


По адресу городшахты.рф/source/fleur/ лежит готовая к использованию программа. Можете указать ссылку на свой набор геоботанических описаний в указанном выше формате и рассчитать богатство, увлажнение, переменность водного режима, аллювиальность и пастбищную дегрессию почв.
Полноценное теоретическое обоснование, альтернативные методы и материалы для контроля доступны в книге: Л. Г. Раменский, И. А. Цаценкин, О. Н. Чижиков, Н. А. Антипин «Экологическая оценка кормовых угодий по растительному покрову» Всесоз. науч. -исслед. ин-т кормов им. В. Р. Вильямса. М. : Сельхозгиз , 1956 470, [2] с.: ил., 1 л. граф.

Деревья на пробной площади

Проба номер три

Одним из важнейших объектов исследования в отечественном лесоводстве являются постоянные пробные площади — ограниченные территории, на которых раз в несколько лет производится замер высоты, диаметра и других биометрических показателей деревьев. Попутно при этом описывают живой напочвенный покров, закладывают почвенные прикопки и фиксируют прочие наблюдения. В теории, эти данные накапливаются год за годом, а их анализ дает возможность проследить динамику развития растительного сообщества, что необходимо для объективного прогноза и экстраполяции данных.

На практике эти пробные площади нахуй никому не нужны. Как и отечественное лесное хозяйство, которое издревле держалось на подневольных, а когда люди закончились, накрылось пиздой в которую глянуть страшно. Погуляйте по дождливой лесной дороге — сразу поймете, почему единственным возможным видом достойного заработка в лесу являются концентрированные рубки средствами крупных лесопромышленных компаний.

Не думайте, что я вещаю из глубин пессимизма и депрессии. Наоборот, меня такая ситуация радует и любые попытки позитивных изменений я встречаю тревожным скепсисом: про возрождение лесного хозяйства в России обычно вспоминают отправляясь на постройку очередного ГУЛАГа.

Но хотя бы сегодня, давайте забудем про разных пидарасов и окунемся в мир статистики. Тем более, что процесс исследования постоянных пробных площадей, даже при отсутствии в нем всякого смысла, остается очень увлекательным занятием. Примерно как онанизм. Поэтому давайте уединимся и пока никто нас не спалил, посмотрим на данные сплошных перечетов древостоя, проведенные на одной из постоянных пробных площадей в Ханты-Мансийском автономном округе Западной Сибири.

Перечеты проведены разными исследователями в 2002 (З.Я. и В.З. Нагимовы), 2008 (Г.М. Кукуричкин) и 2018 году на ограниченной площади в 0,4 гектара. Все деревья на площади пронумерованы, на каждое дерево нанесена линия на высоте которой измеряется диаметр ствола. Изначально, эта высота должна составлять ровно 1,3 метра, но спустя шестнадцать лет, уровень ее колеблется между 1.0-1.7 м от шейки корня. Предположительно, это можно объяснить динамикой микрорельефа, хотя состояние пробы в целом создает впечатление того, что при закладке создатели были в говно пьяны. Древостой сложен лиственницей, пихтой, кедром, елью и березой, развит подрост и подлесок, живой напочвенный покров представлен лесными кустарничками и видами эвтрофных местообитаний (кислица, аконит, майник и др.). Если не смотреть на породный состав — типичный буреломный кисличник.

Первое, что необходимо сделать перед началом любой работы — привести все данные в машиночитаемый вид. Отдельно замечу: не в электронный, а именно в машиночитаемый, пригодный для автоматической обработки. Все эти бесконечные ворды, пдф-ы и эксели в девяносто девяти случаях из ста представляют собой богомерзкую хуету, которая для анализа пригодна ничуть не лучше, чем запись в полевом дневнике. При этом неизбежна стандартизация данных. В итоге разношерстные тексты сводятся в единую таблицу вот такого вида:

ele;num;d02;h02;l02;d08;d18;h18;l18 abies;1;19;NA;TRUE;20;21;NA;TRUE picea;2;38;NA;TRUE;38;37;NA;FALSE abies;3;12;NA;TRUE;12;13;NA;TRUE

Таблица целиком, пояснения и обозначения заголовков
Заголовки:
ele — (текст) — порода;
num — (текст) — номер в перечете, нанесен на ствол дерева;
d02 — (число) — диаметр в см ствола согласно перечету 2002 года;
h02 — (число) — высота в м ствола согласно перечету 2002 года;
l02- (логическое) — состояние дерева в 2002 году. TRUE — живое, FALSE — мертвое;
d08 — (число) — диаметр в см ствола согласно перечету 2008 года;;
d18 — (число) — диаметр в см ствола согласно перечету 2018 года;;
h18 — (число) — высота в м ствола согласно перечету 2018 года;
l18- (логическое) — состояние дерева в 2018 году. TRUE — живое, FALSE — мертвое;

Породы:
abies — пихта;
betula — береза;
larix — лиственница;
picea — ель;
pinsib — кедр;
none — дерево, по разному определенное в разные перечетах. Порода не установлена;

Прочее:
NA — нет данных

При составлении таблицы:
1. Отсутствующие значения (дерево выпало, еще не выросло, пропущено в ходе перечета или замер для него не проводился) обозначаются как NA;
2. В качестве названия вида используется название данное в перечете 2002 года в случае:
— если оно соответствует названию вида по перечету 2018 года
— если при перечете 2018 года это дерево было представлено сухостоем или валежом (полагая, что ошибка в определении живого дерева менее вероятна);
3. Если название дерева по перечету 2002 года не соответствует названию дерева по перечету 2018 года, дерево считается неназванным (неизвестно, кто именно допустил ошибку);
4. Значения диаметров и высот округлены до целых чисел (процедура необязательная, но позволяет избежать случайных ошибок и упрощает работу);
5. Состояние деревьев принимается бинарным (живое/мертвое). Любое дробное деление при ограниченности выборки приведет лишь излишней работе и недостоверным оценкам;

Таблица данных:
ele;num;d02;h02;l02;d08;d18;h18;l18
abies;1;19;NA;TRUE;20;21;NA;TRUE
picea;2;38;NA;TRUE;38;37;NA;FALSE
abies;3;12;NA;TRUE;12;13;NA;TRUE
picea;4;24;NA;TRUE;24;22;NA;FALSE
picea;5;47;NA;TRUE;46;42;NA;FALSE
pinsib;6;37;NA;TRUE;28;32;NA;TRUE
abies;7;11;NA;TRUE;12;13;NA;TRUE
picea;8;22;NA;TRUE;24;24;NA;FALSE
none;9;14;NA;FALSE;14;13;NA;FALSE
picea;10;31;27;TRUE;32;31;NA;FALSE
picea;11;19;NA;TRUE;18;20;NA;FALSE
picea;12;17;NA;TRUE;16;18;NA;FALSE
picea;13;17;NA;TRUE;16;16;NA;FALSE
betula;14;22;NA;TRUE;22;24;NA;TRUE
abies;15;14;NA;TRUE;14;15;NA;TRUE
abies;16;24;NA;TRUE;24;26;NA;TRUE
abies;17;15;16;TRUE;16;16;NA;TRUE
abies;18;18;NA;TRUE;18;17;NA;FALSE
picea;19;41;NA;TRUE;40;40;NA;FALSE
picea;20;36;NA;TRUE;36;35;NA;FALSE
pinsib;21;22;NA;FALSE;20;25;NA;FALSE
none;22;15;NA;TRUE;16;16;NA;TRUE
picea;23;9;NA;TRUE;8;9;NA;TRUE
none;24;21;NA;FALSE;20;NA;NA;TRUE
larix;25;67;NA;TRUE;68;66;NA;TRUE
picea;26;25;NA;TRUE;24;24;NA;FALSE
picea;27;48;NA;TRUE;48;49;NA;FALSE
picea;28;27;NA;TRUE;26;27;NA;FALSE
picea;29;42;NA;TRUE;42;41;30;FALSE
larix;30;56;NA;TRUE;54;56;NA;FALSE
picea;31;20;NA;TRUE;20;20;NA;FALSE
picea;32;37;NA;TRUE;36;36;NA;FALSE
larix;33;54;NA;TRUE;54;58;39;TRUE
larix;34;28;NA;TRUE;28;28;NA;TRUE
picea;35;49;NA;TRUE;48;44;NA;FALSE
picea;36;38;27;TRUE;38;39;NA;FALSE
picea;37;13;NA;TRUE;12;NA;NA;TRUE
pinsib;38;6;NA;TRUE;6;6;NA;FALSE
abies;39;14;NA;FALSE;14;NA;NA;TRUE
abies;40;15;NA;TRUE;14;NA;NA;TRUE
pinsib;41;40;26;TRUE;40;39;NA;FALSE
abies;42;13;NA;TRUE;14;16;NA;TRUE
picea;43;27;24;TRUE;26;28;NA;TRUE
abies;44;9;NA;TRUE;10;13;NA;TRUE
picea;45;28;NA;TRUE;28;27;NA;FALSE
picea;46;35;NA;TRUE;34;36;NA;FALSE
abies;47;29;NA;TRUE;20;23;23;TRUE
picea;48;44;NA;TRUE;44;44;NA;FALSE
betula;49;18;NA;TRUE;18;22;NA;TRUE
picea;50;12;NA;TRUE;12;12;NA;TRUE
betula;51;28;NA;TRUE;28;31;NA;TRUE
abies;52;16;NA;TRUE;16;20;NA;TRUE
picea;53;14;NA;TRUE;16;18;NA;TRUE
abies;54;17;NA;TRUE;18;20;NA;TRUE
betula;55;30;NA;TRUE;30;30;NA;TRUE
pinsib;56;39;NA;TRUE;40;40;NA;FALSE
betula;57;16;NA;TRUE;16;16;NA;TRUE
abies;58;20;NA;TRUE;20;23;NA;TRUE
abies;59;12;NA;TRUE;12;15;NA;TRUE
betula;60;26;NA;TRUE;24;NA;NA;TRUE
betula;61;30;NA;TRUE;30;29;NA;TRUE
picea;62;16;NA;TRUE;16;18;NA;TRUE
betula;63;26;NA;TRUE;28;24;NA;FALSE
picea;64;8;NA;TRUE;8;11;NA;TRUE
larix;65;70;NA;TRUE;72;70;NA;TRUE
betula;66;17;NA;TRUE;18;19;NA;TRUE
betula;67;13;NA;TRUE;12;13;NA;FALSE
abies;68;21;17;TRUE;22;25;26;TRUE
pinsib;69;12;NA;TRUE;12;13;16;TRUE
pinsib;70;42;24;TRUE;42;44;NA;FALSE
abies;71;10;NA;TRUE;12;13;13;TRUE
abies;72;17;NA;TRUE;18;20;19;TRUE
abies;73;14;NA;TRUE;14;16;19;TRUE
larix;74;42;29;TRUE;42;42;34;TRUE
larix;75;63;NA;TRUE;64;65;NA;TRUE
larix;76;60;NA;TRUE;62;58;37;TRUE
picea;77;29;25;TRUE;28;28;NA;FALSE
picea;78;35;NA;TRUE;38;36;NA;FALSE
abies;79;19;NA;TRUE;18;20;NA;TRUE
abies;80;10;NA;TRUE;10;12;NA;TRUE
picea;81;33;NA;TRUE;34;34;NA;FALSE
abies;82;10;NA;TRUE;10;12;NA;TRUE
abies;83;9;NA;TRUE;10;12;16;TRUE
larix;84;35;29;TRUE;36;37;NA;TRUE
abies;85;18;NA;TRUE;18;NA;NA;TRUE
picea;86;24;NA;FALSE;24;NA;NA;TRUE
abies;87;13;15;TRUE;14;14;12;TRUE
larix;88;42;NA;TRUE;40;41;33;TRUE
larix;89;60;NA;TRUE;62;60;32;TRUE
picea;90;18;NA;TRUE;18;19;NA;FALSE
larix;91;56;NA;TRUE;54;57;NA;TRUE
larix;92;60;NA;TRUE;60;58;35;TRUE
larix;93;22;NA;FALSE;22;19;NA;FALSE
larix;94;68;NA;TRUE;70;66;NA;TRUE
pinsib;95;21;20;TRUE;22;23;NA;TRUE
picea;96;29;NA;TRUE;28;29;NA;FALSE
larix;97;52;NA;TRUE;54;50;NA;TRUE
picea;98;31;NA;FALSE;30;32;NA;FALSE
abies;99;22;NA;TRUE;22;24;NA;TRUE
larix;100;62;NA;TRUE;64;58;NA;TRUE
larix;101;61;NA;TRUE;62;60;NA;TRUE
picea;102;50;NA;TRUE;48;48;NA;FALSE
picea;103;41;NA;TRUE;40;42;NA;FALSE
picea;104;38;NA;TRUE;38;36;NA;FALSE
picea;105;35;NA;TRUE;34;35;NA;FALSE
picea;106;19;NA;TRUE;20;20;NA;FALSE
abies;107;27;NA;TRUE;26;28;27;TRUE
abies;108;23;NA;TRUE;22;20;NA;FALSE
abies;109;15;NA;TRUE;16;17;NA;TRUE
abies;110;27;NA;TRUE;28;28;NA;TRUE
abies;111;14;NA;TRUE;16;17;NA;TRUE
abies;112;21;NA;TRUE;20;22;NA;TRUE
abies;113;25;NA;TRUE;26;28;NA;TRUE
abies;114;25;NA;TRUE;26;26;NA;TRUE
abies;115;24;NA;TRUE;24;26;NA;TRUE
abies;116;21;NA;FALSE;NA;NA;NA;TRUE
abies;117;21;NA;TRUE;20;23;NA;TRUE
abies;118;20;NA;TRUE;20;22;NA;TRUE
abies;119;17;NA;TRUE;18;19;NA;TRUE
picea;120;16;NA;TRUE;16;16;NA;TRUE
pinsib;121;14;NA;TRUE;14;16;NA;TRUE
abies;122;12;NA;TRUE;12;14;NA;TRUE
abies;123;13;NA;FALSE;12;14;NA;FALSE
pinsib;124;43;NA;TRUE;44;46;NA;TRUE
picea;125;26;NA;TRUE;28;28;NA;TRUE
pinsib;126;24;NA;TRUE;26;29;NA;TRUE
larix;127;21;NA;TRUE;22;21;NA;TRUE
abies;128;19;NA;TRUE;20;20;NA;TRUE
picea;129;19;NA;TRUE;20;21;NA;TRUE
picea;130;22;NA;FALSE;22;NA;NA;TRUE
abies;131;13;NA;TRUE;12;14;NA;TRUE
picea;132;20;NA;TRUE;22;24;NA;TRUE
picea;133;22;NA;FALSE;20;NA;NA;TRUE
picea;134;22;23;TRUE;22;25;NA;TRUE
pinsib;135;34;22;TRUE;34;36;NA;TRUE
picea;136;41;27;TRUE;42;42;NA;TRUE
abies;137;12;NA;TRUE;12;14;NA;TRUE
abies;138;11;NA;TRUE;12;12;18;TRUE
larix;139;42;NA;TRUE;44;47;NA;TRUE
picea;140;24;NA;TRUE;24;26;NA;TRUE
abies;141;20;NA;TRUE;20;21;NA;TRUE
larix;142;55;NA;TRUE;54;56;NA;TRUE
pinsib;143;28;NA;TRUE;26;23;NA;TRUE
abies;144;17;13;TRUE;18;19;NA;TRUE
pinsib;145;32;NA;TRUE;22;17;NA;TRUE
picea;146;23;22;TRUE;24;28;NA;TRUE
abies;147;26;21;TRUE;NA;NA;NA;TRUE
abies;148;15;NA;TRUE;16;19;NA;TRUE
abies;149;12;NA;TRUE;12;14;NA;TRUE
abies;150;27;NA;TRUE;26;28;NA;TRUE
abies;151;29;NA;TRUE;28;29;NA;FALSE
abies;152;13;NA;TRUE;14;16;NA;TRUE
betula;153;37;NA;TRUE;36;36;NA;FALSE
abies;154;18;NA;TRUE;18;21;NA;TRUE
abies;155;23;23;TRUE;22;24;NA;TRUE
pinsib;156;16;NA;TRUE;16;18;20;TRUE
pinsib;157;8;NA;TRUE;8;11;NA;TRUE
pinsib;158;34;23;TRUE;36;40;NA;TRUE
abies;159;26;NA;TRUE;26;27;23;TRUE
abies;160;23;NA;TRUE;24;25;27;TRUE
abies;161;16;NA;TRUE;18;20;22;TRUE
abies;162;13;NA;TRUE;14;NA;NA;TRUE
abies;163;20;NA;TRUE;22;24;NA;TRUE
abies;164;16;NA;TRUE;16;19;NA;TRUE
picea;165;36;NA;TRUE;36;36;NA;FALSE
picea;166;28;NA;TRUE;28;28;NA;FALSE
abies;167;21;NA;TRUE;22;24;22;TRUE
larix;168;52;NA;TRUE;54;54;37;TRUE
larix;169;66;NA;TRUE;66;70;NA;TRUE
picea;170;29;NA;TRUE;30;33;25;TRUE
picea;171;33;NA;TRUE;34;35;NA;TRUE
larix;172;27;NA;TRUE;26;29;33;TRUE
larix;173;31;29;TRUE;32;33;32;TRUE
abies;174;18;NA;FALSE;18;NA;NA;TRUE
betula;175;24;NA;TRUE;24;24;NA;FALSE
abies;176;10;NA;TRUE;10;10;NA;TRUE
abies;177;18;NA;TRUE;16;21;NA;TRUE
pinsib;178;48;NA;TRUE;48;48;NA;TRUE
picea;179;15;NA;TRUE;16;17;NA;TRUE
abies;180;12;NA;TRUE;12;15;19;TRUE
abies;181;19;NA;TRUE;18;NA;NA;TRUE
abies;182;11;NA;TRUE;12;14;NA;TRUE
abies;183;12;NA;TRUE;14;15;NA;TRUE
picea;184;52;NA;TRUE;52;54;NA;FALSE
pinsib;185;8;NA;TRUE;8;8;NA;TRUE
abies;186;11;NA;TRUE;12;13;NA;TRUE
abies;187;18;NA;TRUE;18;21;NA;TRUE
betula;188;19;NA;TRUE;20;22;NA;TRUE
abies;189;11;NA;TRUE;10;12;NA;TRUE
abies;190;12;NA;TRUE;12;13;NA;TRUE
abies;191;9;NA;TRUE;8;8;NA;FALSE
abies;192;21;NA;TRUE;22;22;NA;TRUE
pinsib;193;43;NA;TRUE;44;44;28;TRUE
abies;194;8;NA;TRUE;8;10;NA;TRUE
picea;195;23;NA;TRUE;24;24;23;TRUE
abies;196;9;NA;TRUE;8;9;NA;TRUE
abies;197;9;NA;TRUE;10;10;12;TRUE
abies;198;8;NA;TRUE;8;8;NA;TRUE
abies;199;19;NA;TRUE;18;20;NA;TRUE
abies;200;9;NA;TRUE;8;9;NA;TRUE
abies;201;7;NA;TRUE;6;NA;NA;TRUE
pinsib;202;48;NA;TRUE;48;48;NA;FALSE
abies;203;10;NA;TRUE;10;11;NA;TRUE
abies;204;9;NA;TRUE;8;9;NA;TRUE
abies;205;21;NA;TRUE;22;23;24;TRUE
abies;206;7;NA;TRUE;8;8;12;TRUE
abies;207;12;NA;TRUE;14;14;11;FALSE
picea;208;8;NA;FALSE;8;NA;NA;TRUE
abies;209;11;NA;TRUE;10;12;NA;TRUE
abies;210;16;NA;TRUE;16;16;20;TRUE
pinsib;211;32;NA;TRUE;34;36;NA;TRUE
pinsib;212;15;NA;TRUE;14;14;NA;TRUE
abies;213;17;NA;TRUE;18;20;NA;TRUE
pinsib;214;27;23;TRUE;26;29;NA;TRUE
pinsib;215;22;20;TRUE;22;24;28;TRUE
picea;216;45;NA;TRUE;46;44;NA;TRUE
abies;217;10;NA;TRUE;10;12;NA;TRUE
abies;218;21;NA;TRUE;22;23;NA;TRUE
abies;219;9;NA;TRUE;10;10;NA;TRUE
pinsib;220;14;NA;TRUE;14;14;NA;FALSE
abies;221;9;NA;TRUE;10;NA;NA;TRUE
abies;222;15;NA;TRUE;16;NA;NA;TRUE
picea;223;26;NA;FALSE;26;NA;NA;TRUE
abies;224;19;NA;TRUE;20;23;NA;TRUE
larix;225;40;29;TRUE;42;44;NA;TRUE
abies;226;13;NA;TRUE;14;18;NA;TRUE
picea;227;44;30;TRUE;46;46;NA;TRUE
abies;228;17;NA;TRUE;18;18;NA;TRUE
abies;229;14;NA;TRUE;14;14;NA;TRUE
abies;230;22;NA;TRUE;22;NA;NA;TRUE
abies;231;14;NA;TRUE;14;15;18;TRUE
abies;232;20;NA;TRUE;20;20;21;TRUE
abies;233;25;NA;TRUE;26;27;22;TRUE
larix;234;54;NA;TRUE;54;56;34;TRUE
betula;235;21;NA;TRUE;20;21;22;TRUE
pinsib;236;17;NA;TRUE;18;21;NA;TRUE
picea;237;23;NA;TRUE;24;26;NA;TRUE
larix;238;47;NA;TRUE;50;50;NA;TRUE
larix;239;15;NA;TRUE;16;17;NA;TRUE
larix;240;37;NA;TRUE;38;38;NA;TRUE
picea;241;11;NA;TRUE;12;12;NA;TRUE
picea;242;11;NA;TRUE;12;13;NA;TRUE
picea;243;25;NA;TRUE;26;28;NA;TRUE
picea;244;14;NA;TRUE;16;16;NA;TRUE
picea;245;16;NA;TRUE;16;19;NA;TRUE
picea;246;13;NA;TRUE;12;13;NA;TRUE
betula;247;25;NA;TRUE;24;27;NA;TRUE
abies;248;20;NA;TRUE;20;23;NA;TRUE
larix;249;45;29;TRUE;44;45;NA;TRUE
larix;250;42;30;TRUE;42;43;NA;TRUE
abies;251;21;NA;TRUE;20;22;NA;TRUE
pinsib;252;33;NA;TRUE;34;38;NA;TRUE
betula;253;21;NA;TRUE;20;20;NA;FALSE
betula;254;22;NA;TRUE;22;25;NA;TRUE
betula;255;23;NA;TRUE;22;19;NA;FALSE
betula;256;11;NA;TRUE;10;11;NA;TRUE
betula;257;21;NA;TRUE;18;NA;NA;TRUE
pinsib;258;8;NA;FALSE;8;8;NA;FALSE
picea;259;23;NA;TRUE;24;25;NA;TRUE
betula;260;22;NA;TRUE;22;23;NA;TRUE
picea;261;25;NA;TRUE;26;27;NA;TRUE
picea;262;15;NA;TRUE;14;14;NA;FALSE
abies;263;10;NA;TRUE;10;12;NA;TRUE
picea;264;19;NA;TRUE;18;20;NA;TRUE
picea;265;21;NA;TRUE;22;24;NA;TRUE
picea;266;15;NA;TRUE;16;16;NA;TRUE
larix;267;49;NA;TRUE;50;52;NA;TRUE
picea;268;8;NA;TRUE;8;8;NA;TRUE
picea;269;23;NA;TRUE;24;24;NA;TRUE
picea;270;11;NA;TRUE;10;12;NA;TRUE
abies;271;28;NA;TRUE;28;28;NA;FALSE
abies;272;16;NA;TRUE;16;18;NA;TRUE
pinsib;273;52;NA;TRUE;34;54;NA;TRUE
picea;274;39;NA;TRUE;38;40;NA;TRUE
picea;275;30;NA;TRUE;30;30;NA;TRUE
abies;276;11;NA;TRUE;12;12;NA;TRUE
picea;277;27;NA;TRUE;26;28;NA;TRUE
picea;278;NA;NA;TRUE;24;25;NA;TRUE
pinsib;279;23;NA;TRUE;30;32;NA;TRUE
larix;280;29;NA;TRUE;42;43;NA;TRUE
pinsib;281;40;24;TRUE;44;45;NA;TRUE
pinsib;282;43;15;TRUE;14;16;NA;TRUE
pinsib;283;15;NA;TRUE;52;52;NA;FALSE
pinsib;284;50;NA;TRUE;60;57;NA;FALSE
pinsib;285;59;NA;TRUE;34;33;NA;FALSE
abies;286;36;NA;FALSE;16;NA;NA;TRUE
abies;287;16;21;TRUE;20;22;NA;TRUE
abies;288;20;NA;TRUE;12;13;NA;TRUE
picea;289;12;29;TRUE;44;42;NA;TRUE
pinsib;290;42;NA;TRUE;26;29;NA;TRUE
pinsib;291;26;NA;TRUE;18;17;NA;TRUE
abies;292;16;NA;TRUE;10;12;NA;TRUE
pinsib;293;10;NA;TRUE;10;10;NA;TRUE
picea;294;11;NA;TRUE;42;42;NA;TRUE
abies;295;41;NA;TRUE;12;NA;NA;TRUE
abies;296;12;24;TRUE;NA;NA;NA;TRUE
abies;297;23;NA;TRUE;14;16;NA;TRUE
abies;298;13;NA;TRUE;12;15;NA;TRUE
abies;299;12;21;TRUE;24;24;NA;TRUE
pinsib;300;23;NA;TRUE;42;40;NA;TRUE
abies;301;41;NA;TRUE;16;12;NA;TRUE
abies;302;11;NA;TRUE;16;16;NA;TRUE
abies;303;15;NA;TRUE;16;16;NA;TRUE
abies;304;15;NA;FALSE;10;NA;NA;TRUE
abies;305;11;NA;TRUE;18;19;NA;TRUE
abies;306;18;NA;TRUE;18;20;NA;TRUE
abies;307;17;NA;FALSE;8;NA;NA;TRUE
betula;308;NA;NA;TRUE;20;22;NA;TRUE
abies;267А;20;NA;FALSE;NA;16;NA;TRUE
larix;267Б;NA;NA;FALSE;NA;46;NA;TRUE
picea;б/н;NA;NA;TRUE;NA;10;NA;TRUE
none;б/н;NA;NA;TRUE;NA;9;7;TRUE
picea;б/н;NA;NA;TRUE;NA;6;NA;TRUE

В таком виде собранные данные пригодны для обработки хоть вручную, хоть в Экселе, SPSS или любом отличном от брэйнфака языке. Мы воспользуемся R.

Подключение пакетов и загрузка данных

#Устанавливаем необходимые пакеты
install.packages("moments") #Коэффициенты эксцесса и асимметрии
install.packages("nortest") #Тесты на нормальность
#===================================================================
#Подключаем необходимые библиотеки
library(moments)
library(nortest)
#===================================================================
#Загружаем данные
alldata <- read.table(file="alldata", header=TRUE, sep=";")
spec <- split(alldata,alldata$ele)
#===================================================================

Перед тем, как вникать в статистику, посмотрим на размеры выборки. При первом перечете описано 307 деревьев (на самом деле 308, но у елки №278 не указан диаметр, поэтому будем считать ее незафиксированной). При последующих перечетах добавилось еще шесть новых деревьев (включая ель №278). Рассчитаем, как распределяются 313 деревьев по породам с учетом количества усохших и выпавших деревьев:

Пример количественной оценки пихт

abies.all <- spec$abies
length(abies.all$ele) #Всего записей, которые относятся к пихтам (127)
sum(!is.na(abies.all$d02)) #Количество пихт в перечете 2002 года (127)
sum(!is.na(abies.all$d08)) #Количество пихт в перечете 2008 года (123)
sum(!is.na(abies.all$d18)) #Количество пихт в перечете 2018 года (110)
#===================================================================
# Подсчитываем количество пихт в 2002 году
abies.all.live02 <- split(abies.all,abies.all$l02)
length(abies.all.live02$'FALSE'$ele)# Количество измеренных мертвых (FALSE) пихт в 2002 году (8)
length(abies.all.live02$'TRUE'$ele)# Количество измеренных живых (TRUE) пихт в 2002 году (119)
#===================================================================
# Подсчитываем количество пихт в 2018 году
abies.all.live18 <- split(abies.all,abies.all$l18)
length(abies.all.live18$'FALSE'$ele) # Количество измеренных мертвых (FALSE) пихт в 2018 году (7)
sum(!is.na(abies.all.live18$'TRUE'$d18))# Количество измеренных живых (TRUE) пихт в 2018 году (103)
#===================================================================

В перечете 2008 года отсутствует информация о разделении деревьев на живые и усохшие, поэтому данные этого года представлены одним числом — общим количеством учтенных стволов. Данные 2002 и 2018 года представлены операцией вычитания, в которой уменьшаемое — число всех деревьев породы, вычитаемое — число сухих деревьев, разность — число живых деревьев.

Количество учтенных деревьев (размеры выборок)

Порода2002 год2008 год2018 годСохранность,%
Ель (picea)82-6=768379-36=4356.6
Береза (betula)21-0=212220-6=1466.7
Кедр (pinsib)40-2=384040-11=2976.3
Пихта (abies)127-8=119123110-7=10386.6
Лиственница (larix)34-2=323435-2=33103.1
Неопределенная порода (none)3-2=133-1=2200


За шестнадцать лет в насаждении активно выпадает елка, кедр и береза (тут нельзя забывать об эффекте низкой базы, см. 200% сохранности неопределенных пород). Любой нормальный лесовод на этом бы завершил свои изыскания, но мы продолжим наши статистические фрикции.

Для того, что-бы оценить качество исследуемых данных, сравним между собой их наиболее значимые части — подеревные перечеты. Логично предположить, что при неизменных данных график зависимости значений диаметров текущего перечета от значений диаметров прошлого перечета будет представлять собой идеальную прямую которая проходит под углом сорок пять градусов. В реальности всегда есть отклонения от такой прямой. Даже при неизмеряемой величине радиального прироста, диаметры могут как увеличиваться (за счет неравномерности окружности ствола, ошибок округления при измерении), так и уменьшаться (за счет отслаивания коры, указанных выше или других причин). Однако эти изменения при качественно выполненной работе всегда невелики. При одностороннем замере диаметров встречаются отклонения до пяти сантиметров с единичными отклонениями до 10 см (при измерении стволов неправильной формы).

Я не могу объяснить изменение диаметра стволов на двадцать пять сантиметров за шесть лет иными причинами, кроме разъебайства исследователей. Очевидно, что это грубые ошибки наблюдения, поскольку в перечетах 2008-2018 года таких выбросов не наблюдается (за исключением одного кедра). При финальной обработке данных, такие значения должны быть удалены из выборки, однако, в данный момент делать это некорректно. В ситуации, когда два наблюдения противоречат друг другу (стабильность и разброс измеренных величин) даже в самом примитивном подходе необходимо третье наблюдение. Тем более, что выбросы наблюдаются преимущественно в измерениях кедров и пихт, а для берез, лиственниц и елей нехарактерны.

Тем не менее, следует помнить, что все нижеприведенные рассуждения основаны на анализе исходных странных данных, поэтому всякая интерпретация результата должна быть подвержена великому сомнению.

Прежде чем перейти к описательной статистике, необходимо протестировать данные на нормальность. Без этого мы не имеем права делать сложный анализ. Да что анализ, даже сравнивать между собой средние значения без теста нормальности недопустимо. Существует около двух десятков популярных тестов на нормальность — заебешься тестировать, поэтому мы ограничимся лишь наиболее подходящими тестами по совету А.И. Кобзаря («Прикладная математическая статистика». — М.: Физматлит, 2006. — 816 с.). Для этого оценим, насколько распределения отличаются от гауссовской палатки с помощью коэффициентов ассиметрии и эксцесса:

Пример расчета ассиметрии и эксцесса

skewness(abies.all$d02, na.rm = TRUE) # Ассиметрия распределения диаметров пихт в 2002 году (1.144345)
kurtosis(abies.all$d02, na.rm = TRUE) # Эксцесс распределения диаметров пихт в 2002 году (5.02645)
#===================================================================

В числителе указана ассиметрия, в знаменателе эксцесс. Значения коэффициентов, рассчитанные для всех деревьев породы (живые и сухие) указаны вне скобок. В скобках даны значения коэффициентов только для живых деревьев породы.

Порода2002 год

асс/экс

2008 год

асс/экс

2018 год

асс/экс

Предпочтительные тесты

на нормальность

Ель (picea)0.418 (0.398)/2.298 (2.173)0.311/2.2060.173 (0.436)/2.237 (2.451)Критерий Шапиро-Уилка, Критерий Дэвида-Хартли-Пирсона, Критерий Андерсона-Дарлинга
Береза (betula)0.296 (0.296)/3.263 (3.263)0.240/3.1940.078 (-0.494)/3.032 (2.958)Критерий Дарбина, Критерий Шапиро-Уилка, Критерий хи-квадрат
Кедр (pinsib)0.139 (0.083)/1.964 (1.961)0.245/2.1170.106 (0.250)/1.869 (1.937)Критерий Филлибена, Критерий Шапиро-Уилка, Критерий Мартинса-Иглевича
Пихта (abies)1.144 (1.103)/5.026 (4.985)0.329/2.3160.190 (0.154)/2.079 (2.019)Критерий Шапиро-Уилка, Критерий Дэвида-Хартли-Пирсона, Критерий Андерсона-Дарлинга
Лиственница (larix)-0.43 (-0.475)/2.189 (2.347)-0.419/2.325-0.58 (-0.53)/2.610 (2.684)Критерий Шапиро-Уилка, Критерий Дэвида-Хартли-Пирсона, Критерий Андерсона-Дарлинга


В качестве наиболее универсальных критериев нормальности наших данных используем критерии Шапиро-Уилка и Андерсона-Дарлинга. Можно было бы ограничиться лишь Шапиро-Уилка, но этот тест плохо работает на больших выборках. Действующий ГОСТ Р ИСО 5479-2002 не рассматривает применение критерия Шапиро-Уилка для выборок свыше пятидесяти наблюдений, что создает препятствия для оценки нормальности распределения диаметров елок и пихт.

Полученные значения асимметрии и эксцесса сами по себе отражают динамику развития древостоя (преобладание крупных или мелких деревьев, изменение количества средних по диаметру деревьев). Для наглядности, представим ядерную плотность этих распределений на фоне доверительной полосы соответствующего нормального распределения. В верхнем ряду изображений показаны распределения для всех деревьев породы, живых и усохших (три маленькие картинки), в нижнем только для живых деревьев (две большие картинки).

Построение графиков плотности распределения

sm.density(picea.all.live02$'TRUE'$d02, model = "Normal", xlab="Диаметр ствола ели, см", ylab="Плотность распределения")
dev.print(png, filename="RGraph.png", width=7, height=7, pointsize=12, units="in", res=200)
#===================================================================


Самые интересные процессы наблюдаются у пихты. В 2002 году в древостое преобладали деревья диаметром 10-25 см с ассиметричным распределением. Спустя шестнадцать лет ассиметрия уменьшилась в семь раз. В настоящее время элемент леса дифференцируется на две группы: деревья с преобладающим диаметром 10-15 см и деревья диаметром 20-25 см. Предпосылки к бимодальному распределению наблюдались еще в перечете 2002 года (еще раз указываю на странность тех данных), однако лишь в перечете 2018 года бимодальность проявляется явно. Это может быть связано с изреживанием элемента: часть пихт (левый пик распределения) достигла предельных возможностей развития. Эти деревья угнетаются, замедляются в росте и постепенно будут выпадать. Напротив, правая часть распределения представлена наиболее перспективными и жизнеспособными особями. Со временем это должно привести к разделению пихты на два элемента леса: угнетенные деревья 4-го и 5-го класса Крафта и нормально распределенный второй ярус древостоя.

В еловом элементе за время наблюдений выпала большая часть деревьев диаметром 30-40 см и значительная часть тонких деревьев менее 20 см. Это привело к увеличению преобладающего диаметра (мода распределения) примерно на пять сантиметров. В отличие от пихты, ель не проявляет бимодального распределения, что вероятнее всего свидетельствует о неспособности занимать в данных условиях доминирующее положение. Текущая динамика позволяет предположить, что меньшая часть деревьев из правой части распределения сохранит свое положение во втором ярусе, в то время как основная часть перейдет в низкие классы Крафта. В конечном итоге, ель будет представлять собой разнородную примесь в разных ярусах

Распределение берез по диаметру внешне напоминает нормальное распределение и за время наблюдений сохранило свою форму, за исключением смещения коэффициента ассиметрии в область отрицательных значений (усыхание деревьев с диаметром ствола менее 20 см). Впрочем, берез на пробе к 2018 году осталось лишь полтора десятка (меньше половины процента), поэтому информативность данной выборки переоценивать не стоит.

Кедр за шестнадцать лет сохранил суббимодальное распределение по диаметрам, однако его ассиметрия утроилась за счет выпадения деревьев толще 20 см. К настоящему времени ярко выделяется преобладающая мода в диапазоне 15-25 см. Вероятнее всего со временем бимодальность и ассиметрия в распределении будет расти, количество деревьев существенно снизится: отдельные деревья займут промежуточный ярус между лиственницей и пихтой, большая же часть кедров останется угнетенной во втором ярусе.

Распределения еловых, кедровых и, частично пихтовых стволов прямо не соответствуют кривой Шарлье, однако имеют сходство с распределением в насаждениях, где длительное время производят выборочные рубки, направленные на уборку отстающих в росте деревьев (Н.П. Анучин, 1982). В отличии от них, у лиственницы распределение с изначально отрицательной ассиметрий за время наблюдений еще больше сместилось в правую область. Равномерное снижение количества деревьев при уменьшении диаметра сменилось небольшим прогибом в диапазоне 20-40 см, что компенсировало выпадение деревьев толще 60 см.

При проверке распределения диаметров на нормальность воспользуемся p-значением 0.01. Классическое p=0.05, несмотря на его популярность не выдерживает критики, особенно в биологических исследованиях, где выборки представлены небольшим числом наблюдений (да, истинная причина в обосновании дальнейших параметрических методов, но я согласен с теми, кто даже 99% точность считает недопустимо низкой).

Проверка на нормальность диаметров живых пихт в 2002 году

shapiro.test(abies.all.live02$'TRUE'$d02) # тест Шапиро-Уилка
ad.test(abies.all.live02$'TRUE'$d02) # тест Андерсона-Дарлинга

В таблице указаны результаты теста Шапиро-Уилка (W) и Андерсона-Дарлинга (A) с вероятностями принятия нуль-гипотезы. В скобках указаны результаты тестов для живых деревьев, в остальных случаях для всех учтенных на пробе деревьев определенной породы.

Порода2002 год2008 год2018 год
Ель (picea)W = 0.963, p-value = 0.018 (W = 0.959, p-value = 0.015);A = 0.801, p-value = 0.036 (A = 0.867, p-value = 0.025);W = 0.963, p-value = 0.018;A = 0.903, p-value = 0.020;W = 0.980, p-value = 0.239 (W = 0.952, p-value = 0.071);A = 0.494, p-value = 0.210 (A = 0.630, p-value = 0.094);
Береза (betula)W = 0.980, p-value = 0.925 (W = 0.980, p-value = 0.925);A = 0.218, p-value = 0.815 (A = 0.218, p-value = 0.815);W = 0.969, p-value = 0.681;
A = 0.381, p-value = 0.370;
W = 0.980, p-value = 0.936 (W = 0.958, p-value = 0.686);A = 0.249, p-value = 0.712 (A = 0.266, p-value = 0.633);
Кедр (pinsib)W = 0.961, p-value = 0.186 (W = 0.964, p-value = 0.263);A = 0.480, p-value = 0.222 (A = 0.440, p-value = 0.278);W = 0.963, p-value = 0.207;
A = 0.461, p-value = 0.247;
W = 0.960, p-value = 0.161 (W = 0.957, p-value = 0.274);A = 0.488, p-value = 0.211 (A = 0.420, p-value = 0.305);
Пихта (abies)W = 0.922, p-value = 1.653e-06 (W = 0.923, p-value = 3.764e-06);A = 0.801, p-value = 0.036 (A = 1.679, p-value = 0.0002);W = 0.962, p-value = 0.001;
A = 0.903, p-value = 0.020;
W = 0.966, p-value = 0.007 (W = 0.965, p-value = 0.007);A = 0.494, p-value = 0.210 (A = 1.117, p-value = 0.006);
Лиственница (larix)W = 0.956, p-value = 0.184 (W = 0.959, p-value = 0.236);A = 0.476, p-value = 0.224 (A = 0.437, p-value = 0.280);W = 0.958, p-value = 0.207;
A = 0.488, p-value = 0.209;
W = 0.950, p-value = 0.111 (W = 0.961, p-value = 0.281);A = 0.544, p-value = 0.151 (A = 0.387, p-value = 0.369);


Диаметры елей, берез, кедров и лиственниц распределены нормально во всех выборках, исходя из обоих тестов. При последнем наблюдении p-значения елок существенно увеличены, а критерий Андерсона-Дарлинга значительно снижен, что косвенно говорит о нормализации элемента леса.

Сложнее обстоит дело с пихтами. В 2002 году их распределение существенно отличалось от нормального по тесту Шапиро-Уилка и соответствовало нормальному по тесту Андерсона-Дарлинга. Данная выборка превышает сотню наблюдений, поэтому тест Шапиро-Уилка мы можем проигнорировать, но даже в этом случае нормальность распределения наблюдается лишь для всей совокупности деревьев (живых и мертвых). При наблюдениях 2008 и 2018 года нормальность всей совокупности подтверждается обоими тестами, причем, как в случае с елями, вероятность случайного распределения существенно возрастает к настоящему времени. При этом выборка измеренных диаметров живых деревьев остается далекой от нормального распределения.

Полученные результаты дают нам основание сравнивать между собой средние значения диаметров пород в разные годы наблюдения, за исключением живых деревьев пихты. В последнем случае мы вынуждены использовать для сравнения медианные значения и не можем достоверными параметрическими методами выявить изменение величины радиального прироста.

Таблицы описательных статистик распределения диаметров

Вычисление описательных статистик

mean(abies.all.live02$'TRUE'$d02, na.rm = TRUE) # Арифметическая средняя
median(abies.all.live02$'TRUE'$d02, na.rm = TRUE) # Медиана
sd(abies.all.live02$'TRUE'$d02, na.rm = TRUE)# Стандартное отклонение
var(abies.all.live02$'TRUE'$d02, na.rm = TRUE) # Дисперсия
min(abies.all.live02$'TRUE'$d02, na.rm = TRUE) # Минимальное значение
max(abies.all.live02$'TRUE'$d02, na.rm = TRUE) # Максимальное значение
sd(abies.all.live02$'TRUE'$d02, na.rm = TRUE)/sqrt(sum(!is.na(abies.all.live02$'TRUE'$d02))) # Стандартная ошибка
IQR(abies.all.live02$'TRUE'$d02, na.rm = TRUE) # Интерквартильный
размах

Описательные статистики для ели (в скобках данные для живых деревьев, за скобками данные для всей совокупности деревьев)

Характеристика выбоки2002 г.2008 г.2018 г.
Арифметическая средняя26.000 (26.303)26.81927.519 (23.512)
Стандартная ошибка1.257 (1.332)1.2411.254 (1.604)
Медиана24.0 (24.5)24.027.0 (24.0)
Стандартное отклонение11.384 (11.608)11.30511.148 (10.518)
Дисперсия129.605 (134.747)127.808124.279 (110.637)
Минимальное значение8 (8)86 (6)
Максимальное значение52 (52)5254 (46)
Интерквартильный размах18.0 (18.5)18.017.0 (12.0)


Описательные статистики для лиственницы (в скобках данные для живых деревьев, за скобками данные для всей совокупности деревьев)

Характеристика выбоки2002 г.2008 г.2018 г.
Арифметическая средняя47.353 (48.121)48.35348.371 (49.030)
Стандартная ошибка1.648 (2.517)1.6311.594 (2.361)
Медиана50.5 (52.0)52.050.0 (50.0)
Стандартное отклонение14.926 (14.458)14.85714.167 (13.566)
Дисперсия222.781 (209.047)220.720200.711 (184.030)
Минимальное значение15 (15)1617 (17)
Максимальное значение70 (70)7270 (70)
Интерквартильный размах22.25 (20.0)21.016.5 (16.0)


Описательные статистики для кедра (в скобках данные для живых деревьев, за скобками данные для всей совокупности деревьев)

Характеристика выбоки2002 г.2008 г.2018 г.
Арифметическая средняя28.750 (29.474)27.95029.375 (27.897)
Стандартная ошибка2.255 (2.300)2.2182.272 (2.399)
Медиана27.5 (30.0)26.029.0 (29.0)
Стандартное отклонение14.264 (14.180)14.02914.368 (12.921)
Дисперсия203.474 (201.067)196.818206.446 (166.953)
Минимальное значение6 (6)66 (8)
Максимальное значение59 (59)6057 (54)
Интерквартильный размах24.75 (25.25)24.523.25 (21.0)


Описательные статистики для березы (в скобках данные для живых деревьев, за скобками данные для всей совокупности деревьев)

Характеристика выбоки2002 г.2008 г.2018 г.
Арифметическая средняя22.476 (22.476)22.022.9 (23.0)
Стандартная ошибка1.310 (1.310)1.2761.339 (1.456)
Медиана22.0 (22.0)22.022.5 (22.5)
Стандартное отклонение6.005 (6.005)5.9845.990 (5.449)
Дисперсия36.062 (36.062)35.81035.884 (29.692)
Минимальное значение11 (11)1011 (11)
Максимальное значение37 (37)3636 (31)
Интерквартильный размах7.0 (7.00)5.55.75 (5.25)


Описательные статистики для пихты (в скобках данные для живых деревьев, за скобками данные для всей совокупности деревьев)

Характеристика выбоки2002 г.2008 г.2018 г.
Арифметическая средняя16.70116.08117.745
Стандартная ошибка0.5700.4770.521
Медиана16 (16)1617 (17)
Стандартное отклонение6.4255.2945.461
Дисперсия41.27528.02629.825
Минимальное значение7 (7)68 (8)
Максимальное значение41 (41)2829 (28)
Интерквартильный размах8 (8)89 (9)


Средние значения диаметров всех деревьев (живых и мертвых) за время наблюдения возросли у ели, лиственницы, кедра (кроме 2008 г.), березы (кроме 2008 г.) и снизились у пихты. При этом средние диаметры живых елей и кедров снизились. Однако, ни одно из этих изменений нельзя назвать статистически достоверным. В этой связи, приходится признать, что значимых изменений радиального прироста за шестнадцать лет зафиксировать не удалось.

Распределение диаметров пород выравнивается (подтверждается снижением интерквартильного размаха и дисперсии на 10-30 процентов) вокруг средних значений. Максимальные значения диаметров снижаются, минимальные возрастают. Одновременное выпадение наиболее крупных и мелких деревьев свидетельствует об увеличении однородности насаждения и его несформированности. Однако, окончательный вывод о динамике развития древостоя по существующим данным делать недопустимо.

Еще меньшей информативностью обладают данные по высотам. Измерение высот — чрезвычайно трудоемкий процесс с большой вероятностью субъективных ошибок. Над его улучшением трудились Ленхорд, Ланг, Лайер, Таката, Видеманн, Филипп, Гогенадль, Вейзе, Кренн, Лорей, Митерлих, Жан Парде, Продан и другие выдающиеся исследователи, но результат высотных замеров как был, так и остается хуетой в подавляющем большинстве исследований. Это связано со сложностью распознавания вершины дерева (и самим понятием «вершины»), микрорельефом, трудностью выставления точного базисного расстояния, несоответствием отбираемых деревьев распределению по диаметру и ряду других причин.

Несоответствие диаметров 2002 и 2008-2018 годов заранее вызывает подозрение в плохом качестве проведенной измерительной работы при закладке пробы. Это подтверждают и графики распределения высот по диаметрам. Конечно же, за шестнадцать лет могли произойти видимые изменения, но едва ли они могут иметь столь радикальный характер. Вероятнее предположить, что наблюдаемые изменения являются следствием погрешности и распиздяйства.

Это предположение подтверждает и описательная статистика. Поскольку число модельных деревьев каждой породы составляет максимум полтора-два десятка наблюдений, для оценки нормальности распределения достаточно применить только критерий Шапиро-Уилка. За исключением лиственницы в перечете 2018 года, все остальные выборки распределены нормально, но их средние значения не выявляют достоверных различий.

Таблицы описательных статистик распределения высот

Статистики распределения значений высоты у кедра

Характеристика выборки2002 г.2018 г.
Тест Шапиро-УилкаW = 0.905, p-value = 0.281W = 0.849, p-value = 0.224
Среднее21.923.0
Стандартная ошибка1.0733
Медиана2324

Статистики распределения значений высоты у лиственницы

Характеристика выборки2002 г.2018 г.
Тест Шапиро-УилкаW = 0.496, p-value = 2.073e-05W = 0.908, p-value = 0.266
Среднее29.234.6
Стандартная ошибка0.1670.748
Медиана29.034.0

Статистики распределения значений высоты у ели

Характеристика выборки2002 г.2018 г.
Тест Шапиро-УилкаW = 0.954, p-value = 0.737W = 0.942, p-value = 0.537
Среднее26.026.0
Стандартная ошибка0.8982.082
Медиана27.025.0

Статистики распределения значений высоты у пихты

Характеристика выборки2002 г.2018 г.
Тест Шапиро-УилкаW = 0.92382, p-value = 0.4248W = 0.93569, p-value = 0.1612
Среднее19.019.4
Стандартная ошибка1.2801.062
Медиана21.019.5

Статистики распределения значений высоты у березы

Характеристика выборки2002 г.2018 г.
Среднее22.0


Таким образом, за период наблюдений 2002-20018 г. на пробной площади не отмечено достоверных изменений средних диаметров, высот, а значит и запасов у элементов леса. Запас продолжает быть необычайно высоким: принимая значение видовых чисел за 0.5, он составляет 452.5 кубометра живой древесины на гектар (лиственница — 270 куб.м, ель — 60 куб.м, кедр — 50 куб.м, пихта — 57.5 куб.м, береза — 15 куб.м). Это значение почти идентично запасу, рассчитанному в 2002 году (466 куб.м), хотя замечу, что в статье З.Я. и В.З. Нагимовых сумма запасов у пород (504 куб.м в таблице и 524 куб. м в тексте статьи) превышает запас на пробной площади: существенно разнятся по запасам ель (в статье 148 куб. м) и береза (в статье 15 куб. м). Запас, определенный в 2008 году идентичен текущему запасу.

Анализ изменения распределений по диаметру елей, кедров и в меньшей степени пихт указывает на процессы изреживания наиболее отстающих в росте деревьев. У пихты и кедра наблюдается небольшая бимодальность распределения в отличии от ели, что косвенно свидетельствует о меньшем потенциале елового элемента в становлении древостоя. Отмечаются слабые процессы нормализации в распределении диаметров у пород, что говорит о повышении его однородности и текущем активном процессе формирования древостоя (хотя это видно визуально и без всяких вычислений).

При рассмотрении выводов, следует помнить про вероятностный характер любых интерпретаций. Во многом это следствие необычных данных 2002 года (вероятно, включающих в себя значительные ошибки), но основная причина в том, что делать однозначные заключения о динамике развития растительного сообщества на основании трех наблюдений может только некомпетентный мудак.

Непростой GeoLive 11

Последний раз, я писал про этот дистрибутив аж в сентябре пятнадцатого года. Тогда как раз только-только вышла девятая версия, которую я в тот же день установил. А потом началась такая смесь из суеты и работы, что было мне совершенно не до обновления. Лишь недавно терпение иссякло, я полез на сайт OSGeo, где заимел себе дистрибутив одиннадцатой версии, содержимое которого мы будем сегодня рассматривать.

OSGeoLive — это дистрибутив лубунты с предустановленными картографическими приложениями. На этот раз основой стала Ubuntu 16.04.3 LTS. LXDE по прежнему неудобная, глючная и раздражающая. Спасает только то, что при наличии Тильды и небольшой настройке, видеть ее практически нет нужды.

После первого обновления системы, при загрузке возникает системная ошибка, которая никак на дальнейшую работу не влияет. Этот баг кочует из версии в версию уже энный год и скоро станет визитной карточкой OSGeoLive:
Ошибка при загрузке Lubuntu

По традиции, перед началом список дефолтных логинов и паролей от некоторых приложений в нотации Application,UserName,Password:

General,user,user
52nWPS,wps,wps
52nWSS,alice,alice or bob,bob
Cartaro,admin,geoserver
Geoserver,admin,geoserver
Geonetwork,admin,admin
MySql,administrative,user
Mapbender3,root,root
Postgres,user,user
rasdaman,rasadmin,rasadmin
Sahana,admin,admin
tomcat6-manager,user,user
EOxServer-admin,admin,admin
GeoNode,admin,admin

У одиннадцатой версии дистрибутива два основных отличия. Во-первых, система работает гораздо плавнее и быстрее. Даже мой компьютер, который собран из найденных на помойке счетов, открывает все с нетерпеливой нежностью. Не нужно по пол-часа ждать открытия QGis или Gimp, а привычное «Дамп памяти переполнен» осталось где-то в далеком прошлом.

С другой стороны, разнообразие предустановленного софта существенно урезано. Из наиболее печальной утраты — отсутствие TileMill, что связано, с одной стороны — прекращением ее поддержки, а с другой стороны — адскими бубноплясками при попытке запуска на шестнадцатой убунте.

Как обычно, в наличии справка, составленная в экспериментальных целях, лично Рихардом фон Эбингом.

Весь интересный софт собран в привычные категории Geospatial: веб-клиенты, базы данных, настольные гис, навигация и карты, пространственные инструменты и веб-сервисы. Системы кризисного управления не включены — поклонники сахана и ушахиди могут далее не читать.

Веб-клиенты:
Cartaro — отсутствует.

Geomajas — Присутствует, но после минутного ожидания запуска, открывает браузере страницу http://localhost:3420/showcase/, которая первые несколько минут недоступна, но после выдает такую картинку:
Geomajas

Согласно официальной справке, в левой части этой картинки должны быть примеры функционала. Примеров, естественно нет. Для создания нового приложения Geomajas требуется дополнительно установить апачевскую тулзу Maven, ставить которую не буду, поскольку я и раньше назначение Geomajas понимал смутно, а сейчас вообще перестал понимать. Одно сплошное торможение компьютера от него.

GeoNode — система для просмотра и обмена геоданными. Столь же прекрасная и никому не нужная, что и раньше:
GeoNode

Cesium — библиотека JavaScript для создания трехмерных глобусов и плоских карт в веб-браузере без плагина. Со времен прошлого дистрибутива существенно выросла и развилась, но как была тормозной и неподъемной на слабых компьютерах, так ей и осталась.
Cesium

GeoMoose — Веб-ГИС портал для штата Дакота. Как была непонятна в возможности применения, так и осталась. Двухлетнее развитие выразилось в том, что на демке появились красные точки:
GeoMoose

Leaflet и OpenLayers — Нет смысла описывать эти популярные библиотеки. Для картографа они то же, что Регина Дубовицкая для «Аншлага». В OSGeoLive обе предустановлены. Leaflet версии 1.0.3, OL версии 4.1.1

Mapbender — Фреймворк для создания геопорталов, который, в отличие от многих других пакетов реально развивается. Теперь его даже можно запустить без бубна При первичном осмотре никаких проблем не обнаружено.

Базы данных:
Rasdaman — страшная на вид и предположительно сверхсложная база для хранения и работы с наборами растров дистанционного зондирования. При запуске требует пароль от рута, после чего запускает терминал с сообщением о подготовке тестового набора данных. Собственно, на этом все и заканчивается. Второй раз пароль придется вводить в момент остановки базы. На картинке ниже — скриншот с консолью на фоне рекламкой демки, так что не обольщайтесь. Судя по описанию, в расдамане вся работа происходит через это самое, через консоль.
Rasdaman

Тут из-за всех этих приложений компьютер стал так тупить, что пришлось перезагружаться. И вновь ошибка при запуске. Стабильность — знак качества:
Еще одна ошибка при запуске lubuntu

DB Browser for SQLite — Графический интерфейс для управления SQL-базой.
sqlitebrowser

pgAdmin III — Набор инструментов PostgreSQL. Все как обычно: запускается, работает.
pgAdmin III

QGIS Browser — Менеджер файлов и баз данных. Аналог арккаталога у Эсри. Вещь вроде полезная, но на практике нифига не используется. Разве что в виде встроенного окна в QGIS.

Shp2pgsql — Утилита для экспорта и импорта файлов в PostGIS. Работает как и раньше, без замечаний.
Shp2pgsql

Spatiallite-gui — Графический интерфейс для управления базой SpatialLite. Как и раньше, проблем никаких, работает. Впрочем, полноценно пока не тестировалось, поэтому непонятно, что будет при реальной работе.
Spatiallite_gui

Настольные ГИС
GRASS — по-прежнему самая незаслуженно обделенная вниманием ГИС. В ней все необычно и по правде, нужно сделать какой-нибудь вразумительный учебный курс по GRASS, ибо не знать эту программу при ее возможностях — признак картографической профнепригодности:

QGis — Наконец вышла OSGeoLive с адекватной версией QGis! До этого постоянно в репозитории хранилось одно старье. Текущая версия Essen 2.14.14. хоть и не самая свежая, но вполне пригодна для нормальной работы. Никаких проблем — все как доктор прописал.
QGis

gvSIG — гисовина для тех, кто ностальгирует по арквью. Не тому, который после аркинфо и аркэдитор, а тому, который 3,2а. Тут все точно также, только появился цвет в оформлении, исчезла иконка могилки с крестом, через которую добавлялись слои, но появилась фича с подключением WMS и TMS. Собственно, кроме целей ностальгии, запускать ее больше незачем.

OpenJUMP — Вот как я в последний раз написал что это «Достаточно мощная ГИС-программа с уютным интерфейсом десятилетней давности», так больше и добавить ничего не могу. Ах да, в ней векторные данные можно привязывать. Но об этом я тоже, кажется, говорил.
OpenJUMP
Ossim Planet
В этой версии дистрибутива эта милая, но бесполезная хрень запускается и даже показывает вращающийся глобус без зависания. Но толку от нее все равно никакого нет. Проще уж тогда гифку сделать и подвесить ее во вкладке, что-бы начальник видел, что вы работаете.
OSSIM Planet

SAGA — ящик с самыми нужными инструментами, который всегда под рукой и никогда не подводит. Софтина меняется медленнее, чем армянский коньяк, но все также хороша и удобна.
SAGA

uDig — небольшая ГИС с простыми возможностями редактирования. Сколько я ее не разглядывал, так и не нашел фичи, которую бы она делала, а другие нет. Да что там говорить, даже просто фичи никакой не нашел.
uDig

Навигация и карты:
JOSM — Основной редактор в OpenStreetMap. Версия как обычно, нуждается в обновлении (текущая версия: 11427, актуальная: 13367), но теперь хотя-бы это не мешает править данные.
JOSM

АААААА! В Дистре нет Меркаартора! Я понимаю, что никто им не пользуется, но нельзя же так взять и выбросить Меркаартор нахрен.

GPSPrune — программа для обработки и конвертации GPS. На вид интересная, но за последние годы я так ни разу ей и не воспользовался. Все необходимое для работы с GPS у меня в QGis-е есть. А привязка фотографий и аудиозаписей мне нахрен пока не нужна.
GPSPrune

Marble virtual globe — Виртуальный глобус, похожий на Google Earth. Интересен как учебное и развлекательное пособие, особенно тем, у кого есть дети. Детализация невелика, но когда надоест Земля можно переключиться на другие планеты:

OpenCPN — Картографическая навигационная система для морской навигации на судах всех типов и размеров. За ее качество не ручаюсь, поскольку я выходил в море на серьезном корабле только несколько раз и почти в каждом из этих выходов, закрывшись в гиропосту на ключ, смотрел фильм про дикую волосатую женщину в английском лесу. Однажды я все брошу к чертям, куплю себя маленький рыболовецкий катер и нахер уплыву ловить барракуд в Индийском океане. Вот тогда и попробую.
OpenCPN

ZyGRIB — программа для визуализации погодных данных. Идея прекрасная, но исполнение — говно.
ZyGRIB

За два года программа никак не изменилась и по прежнему выглядит слишком топорно для своих возможностей. Спасает только то, что она по прежнему работоспособна. Вот, например гифка с вероятным выпадением снегопада в Ростовской области на ближайшие восемь дней (кстати, гифку программа тоже не делает, ее приходится отдельно собирать из джипегов):
Вероятность снегопада

Пространственные инструменты:
Jupyter Notebook — На сайте проекта сказано, что «Jupyter существует для разработки открытого программного обеспечения, открытых стандартов, и услуг для интерактивных вычислений на десятки языков программирования». А еще там картинки с аттракторм Лоренца, которые меня сразу завлекли. Но увы, при старте выпадает консоль с сообщением, что какое-то окно не может быть создано и все пропадает. Даже скриншотить нечего.

MapSlicer — нарезка растров на тайлы. Раньше для этого был удобный сервис Яндекса, но он мирно загнулся. Теперь я всем рекомендую легонькую утилиту LeafletPano-master. Она под винду, но думаю под вайном запустится без проблем. Единственное, ради чего стоит использовать MapSlicer — сохранение привязки. Да и под рукой всегда.
MapSlicer

Monteverdi и ORFEO Toolbox (OTB) — Вот было же раньше хорошо, зачем опять эти дизайны? Только я решил, что появилась стоящая вещь — объединенный набор инструментов OTB с просмотрщиком Monteverdi, как программисты опять все извратили и вернули к состоянию, представленному аж в дистрибутиве Geolive 8.5. Если кратко — OTB это годнота для обработки растров, устроенная по принципу SAGA. Monteverdi — это просмотрщик для этого набора. Программисты то объединяют их в один пакет, то опять разносят в разные. Сейчас ORFEO Toolbox выглядит так:
OTB

а Монтеверди вот так:
Monteverdi

Надеюсь, к следующему обновлению, авторы одумаются и вернут целостный софт для обработки. Кстати, в девятой версии он шел под названием Monteverdi2, так что я не исключаю, что просто откатили пакет.

OSSIM-geocell — еще одна бесполезная хрень под заголовком OSSIM. Единственная польза от него — выбор лучших способов интерполяции для растра, тайлмилла-то нет теперь.
OSSIM-geocell

R-Statistics — эр, он и в Африке эр. Гуев для него в дистрибутиве нет, поэтому либо консоль, либо доставлять нужные пакеты самостоятельно.
R-Statistics

Mapnik & TileStache — собственно, готовый к работе Мапник — это одна из веских причин установить OSGeoLive. В текущей версии он определенно установлен, но, как обычно, хрен что разберешь. В системе одни пакеты, в справке другие. Тестовые примеры не работают. Не удивлюсь, если окажется, что проще все снести и установить заново:
Карта с Мапника

Веб-сервисы:
52°North SOS и 52°North WPS — Пакеты разные, но оба трешовые. Первый предназначен для чтения оперативных и архивных данных с локальных и удаленных сенсоров, второй экспортирует в веб алгоритмы обработки пространственной информации, которые предоставляет Sextante, ArcGIS Server, R, GRASS 7 или пользовательские функции. В девятой версии OSGeoLive запускался только один пакет, в нынешней вообще ничего не запускается.

deegree — Как было в девятой версии: «Cтандартизованный набор веб-сервисов для веб-картографии, объектовых и каталоговых сервисов, а также сервисов для работы с сенсорами и процессами который отказывается запускаться», так и осталось.

GeoNetwork — Каталог метаданных с мощными функциями поиска, редактирования и просмотра данных, который… правильно, хрен запустишь.

GeoServer — В девятой версии после загрузки прогресс-бара выдавал 404 ошибку. В этой 503. Прогресс налицо. А ведь пакет-то годный!

MapProxy — Сервис кеширования тайлов WMS. На удивление работает без замечаний, все как в инструкции написано. Сразу после запуска открывается демка на локалхосте:
MapProxy

QGis подгружает слои с адреса http://localhost:8011/service? без всякого промедления (правда не все):
QGis+MapProxy

ncWMS — Очередной мертвый проект. Как он не запускался, так и не запускается. Только теперь даже страница в интернете протухла. Так что я даже ссыль давать не буду.

EOxServer — Фреймворк на питоне для отображения ДДЗ Earth Observation (EO) и их метаданных. Работает без замечаний, но сами данные особого интереса не представляют (если вы не занимаетесь средиземноморьем, конечно):
EOxServer

IstSOS — система управления сенсорами и распределением данных. В справке про нее ни слова, но она хотя бы запускается:
IstSOS

MapServer — Система рендеринга географических данных, которая позволяет создавать растровые карты, ссылающиеся на веб-контент. Точно так же, как в девятой версии, работает и внешне вопросов не вызывает:
MapServer

pycsw — Сервис для публикации метаданных в XML-формате. Работает, но мне ни разу не пригодился.
pycsw

QGIS Mapserver — Сервис, выдающий WMS-слой на базе библиотек QGIS. Сколько я не развлекался в его изучении, ничего полезного для себя не извлек. Хелп начинается с того, что вы должны запустить сервис и увидеть контуры материков. Два года назад после запуска появлялось это:

Теперь появляется вот это (пятно и точки я сам нарисовал):
QGIS Mapserver

Думаю, еще пару лет и контуры материков наконец-таки проступят.

ZOO-Project — Интересный проект, который развивается ооочень медленно. В теории он должен предоставлять доступ к различным алгоритмам геобработки (например, триангуляция Делоне), но на практике пока это только выставочный экземпляр.
ZOO-Project

Собственно, это все. К одиннадцатой версии в OSGeoLive не осталось таких программ как GeoKettle (свободный аналог FME), Viking (работа с GPS), Merkaartor (редактор OpenStreetMap), Ushahidi (великолепнейший фреймворк для создания систем по сбору данных от населения, Cartaro (неплохая система управления геоконтентом) и, конечно-же, TileMill. Зато осталась куча всякой хрени, которая не только не помогает в работе, но и вообще не запускается. Больших, интересных и новых пакетов в сборнике нет. С другой стороны, многие программы обновлены до приемлемых версий. Кроме того, в OSGeo догадались, наконец, потереть несколько десятков игр, которые кочевали из версии в версию. Стороннего софта в этот раз очень мало, даже офисных программ нет никаких. А справка по дистрибутиву как была говно-говном, так и осталась.

Ощущения от пакета двойственные. С одной стороны, что-то явно происходит, с другой стороны, изменения далеко не однозначны. В любом случае, OSGeoLive 11 стоит установить. Если не как инструмент, то хотя-бы для того, что-бы окунуться в текущее состояние картографического опенсорса.

NextGIS Mobile

Чем плох NextGIS Mobile

Ребята из компании НекстГИС решили устроить 26 сентября большую презентацию, посвященную своим продуктам. Как только мне пришло письмо об этом, сразу понял — пора написать пару строк про их программу для сбора полевых данных NextGIS Mobile. Год назад я впервые установил ее и с тех пор она прошла дендроинтвентаризацию парков Нижнего Новгорода, Чирскую географическую экспедицию, сплавы по рекам Сухой Донец, Ижора и Великанйоки, составление геологической карты южной и средней Карелии, многочисленные рыбалки и путешествия.

О всех ништяках и плюшках этой замечательной программы лучше всего расскажут сами авторы (жаль, я в это время буду измерять очередные деревья в Питере). Тем более, что они наверняка подготовили какое-то обновление. Я же займу привычное амплуа старого брюзги и поделюсь всем своим недовольством.

Список построен по степени убывания трешовости встреченных багов. Смартфон Lenovo A2010-a. Android 5.1

1. Со временем исчезают кешированные тайлы. Примерно через неделю после загрузки тайлов они начинают исчезать из кеша. Не все сразу, в разных зумах, но исчезают. Как будто у каждого тайла есть свой срок давности, после которого тайл перестает отображаться. Это самая лютая беда, поскольку невозможно загрузить один раз карту и надолго уйти в районы без интернета.

2. Не грузится тайл, соответствующий текущему местоположению. Прямо как специально: вся карта подгружается, а фрагмент, который необходим — нет.
NextGIS Mobile

3. При измерении расстояний все или часть подгруженных тайлов исчезает, экран становится черным. Остаются только вектора. После того, как нажимается галка («расстояние измерено»), все возвращается в норму. Но, блин, как мне расстояние на карте измерить, если карты нет?

6. После обновления в начале августа перестало работать измерение расстояний. Все излечилось установкой apk-файла с сайта nextgis.ru, но в начале сентября и по сей день линейка опять не работает.

5. Информационный указатель плохо работает на полигональном слое. Вместо выбранного полигона выделяется что угодно.
NextGIS Mobile

6. При длинных треках (несколько десятков километров и более) программа иногда перестает отображать трек, а пару раз даже прекращала запись трека.

7. Маркер текущего местоположения иногда закрывает карту, в результате приходится идти наугад и часто в неправильном направлении.

На этом список недовольства исчерпывается и начинается список пожеланий. Опять-таки в порядке убывания необходимости.

1. Чрезвычайно не хватает возможности подгрузки растров или mb-тайлов. Приходится переводить все в вектор, а это долго, дорого и не всегда возможно.

2. Часто требуется закешировать карту вдоль маршрута движения или какого-нибудь протяженного объекта. Сейчас приходится загружать огромную лишнюю область, что при медленном интернете создает массу проблем.

3. Очень бы пригодилась фильтрация ошибочных точек трека. При высокой частоте измерений местоположения трек иногда отбрасывает на огромные расстояния ошибочным измерением. В дальнейшем это затрудняет работу с треком, даже просто в OSM такие данные лучше не загружать. Было бы очень замечательно, если бы не фиксировались измерения, значения которых превышают три стандартных отклонения от предшествующих измерений.
NextGIS Mobile

4. Проверка целостности загрузки тайлов. Иногда, даже на только что загруженном слое отсутствуют тайлы (может из-за проблем с сетью во время загрузки или особенностей сервера). Повторная загрузка обычно решает эту проблему, но было бы лучше, если бы не требовалось заново подгружать не все данные, а только те, которых нет в кеше.

5. При кешировании необходимо указать номера загружаемых зумов, но делать это приходится скорее интуитивно, поскольку при просмотре карты номера зумов не отображаются. Было-бы отлично видеть где-нибудь в уголке номер зума, который тебе интересен.

6. Очень сложно выставить информационный указатель точно, особенно в дождь, когда экран мокрый или при движении. Очень нехватает более тонкого инструмента для перемещения курсора, чем просто толстым пальцем в экран ткнуть.

7. В продолжении шестого пункта. По той-же причине, измерить расстояние можно либо только грубо, либо зумируя, но это не всегда удобно, поскольку часто необходимо видеть перед собой картинку целиком. Да и само зумирование сопряжено с описанными выше трудностями.

8. Сейчас при измерении расстояний, необходимо выставлять две точки. Но чаще всего расстояния измеряются от текущего местоположения, до какого-либо объекта. Было бы удобнее, если бы первая точка выставлялась автоматически в текущем местоположении, а поставить нужно было-бы только вторую. Например, выбрал измерение расстояний, указал первую точку, далее если указать вторую — расстояние будет измеряться как сейчас, если нет — расстояние автоматически рассчитается между выбранной точкой и текущим местоположением.

9. Если выбрано расстояние между объектом на карте и текущим местоположением, это расстояние должно изменяться при движении, причем желательно указывать не только расстояние, но и азимут. Это особенно важно для случаев, когда азимуты необходимо фиксировать точно.

10. Сейчас треки нужно экспортировать отдельно, в результате чего они путаются и тратится лишнее время. Удобнее, когда трек после завершения записи автоматически сохраняется в выбранную директорию на устройстве.

11. Раскрасить полигональный слой сейчас можно только вручную, что неимоверно долго. Все стало бы гораздо проще, если-бы требовалось только указать поле классификации, а далее слой раскрашивался автоматически, пусть даже в разные цвета.

12. Вывести атрибутивные подписи на карту сейчас невозможно, хотя это очень облегчило бы многие задачи.

13. Для растров очень не хватает порой оверзума. Тем более, что номера зумов не высвечиваются и не всегда понятно, можно ли еще приблизить карту или сейчас перед тобой появится серый экран.

14. Смещение подложки. Оно необходимо даже не столько для OpenStreetMap, сколько для работы с данными, которые готовили криворукие инженеры. Из-за хронической проблемы СК42-WGS84 точки постоянно оказываются не на своем месте и расчет, скажем, расстояния между обнажением и мостом на карте превращается в пытку.

15. Не хватает возможности быстрой расстановки точек с фотографиями. При движении по дороге часто необходимо зафиксировать объект, что-бы позже к нему вернуться. Подписывать ее или пользоваться стандартным инструментом расстановки точек слишком долго, нужны всего две опции: просто поставить точку и поставить точку с фотопривязкой. Выбрал-сфотографировал-точка стоит на карте.

16. Иногда таблицу атрибутов требуется отсортировать. Сейчас это невозможно

17. Еще иногда в таблице атрибутов необходимо что-то найти контекстным поиском. Сейчас это то же неворзможно

18. Трек можно либо начать, либо приостановить. Поэтому в местах длительной остановки треки либо разрываются, либо образуют нагромождение хаотичных точек. Для этих целей очень поможет возможность поставить запись трека на паузу.

19. При точном определении местоположения ошибку измерений всегда приходиться устанавливать заново. Запомнить, что я всегда использую CE 98 программа пока не умеет.

20. На карте невозможно выставить красивый стандартный масштаб, скажем 1:100 000. Мне это не требуется, но коллеги сетовали, что без этого у них в жизни счастья нет.

21. Ну и самое последнее. Когда идешь по направлению к какой-то точке, то и дело приходится доставать навигатор и уточнять свое направление. Это очень-очень неудобно. Особенно среди комаров в дождь, по колено в грязи, среди густых ольхово-ивовых зарослей, с тяжелым рюкзаком за плечами. Я искренне мечтаю, что кто-нибудь осознает необходимость такой фичи, которая оценивает правильность твоего курса. И если ты отклоняешься от цели вправо больше чем на заданное число градусов, заставляет телефон пищать одним образом, а если влево, то другим. Тогда можно будет идти без постоянных остановок и уточнений местоположения.

И жить всем сразу станет намного легче.

консоль WMS-сервера

Установка и настройка OGCServer-master

В прошлый раз мы подняли свой TMS-сервер на базе mapnik. Самое время развернуть на той-же основе свой WMS. Для этого, мы используем библиотеку OGCServer-master написанную Жаном Франсуа Дойоном. Библиотека написана на питоне специально под мапник со следующими ТТХ:

— Поддерживает WMS 1.1.1 и 1.3.0
— CGI/FastCGI, WSGI, mod_python
— Поддерживает все 3 запроса: getcapabilities, getmap и getfeatureinfo
— Выходные файлы в формате JPEG и PNG (только PNG256)
— Обрабатывают ошибки XML/INIMAGE/BLANK
— Поддерживает несколько именованных картографических стилей
— Поддерживает перепроецирование
— Поддерживаются метаданные слоя: title, abstract
— Существует возможность запросить все слои с помощью LAYERS=__all__

При использовании библиотеки следует помнить, что Getfeatureinfo поддерживает только простой текст, не поддерживаются 8-битные растры png (только 256 цветов) и для CGI/FastCGI должна быть доступна запись tempfile.gettempdir() (обычно пишется в «/tmp»). Кроме того, OGCServer-master требует установленных питоновских зависимостей мапника, питоновскую библиотеку для визуализации PIL и модули jonpy.

Подробные инструкции по настройке библиотеки можно почерпнуть из аутентичной страницы гит-хаба. Сама установка элементарна, требуется лишь закачать библиотеку на сервер, после чего в корневой директории библиотеки (она содержит файл setup.py) выполнить команду:

sudo python setup.py install

У библиотеки OGCServer-master есть ряд подводных камней о которых желательно знать до установки. Во-первых, перед установкой рекомендуется исправить имена и заголовки WMS, поскольку их дефолтные значения содержат в себе пробелы. QGis такие записи воспринимает нормально, но у других программ (например, FME) по этой причине могут возникать проблемы с загрузкой WMS-слоев. Для исправления, следует внести правки в шесть файлов из директории ogcserver. Исправленные строки в файлах (прописано «newname») будут выглядеть так:

Файл OGCServer-master\ogcserver\default.conf (2 правки):
Строка 95: wms_name = newname
Строка 98: wms_abstract = newname
Файл OGCServer-master\ogcserver\wms111.py (2 правки):
Строка 147: rootlayertitle.text = 'newname'
Строка 154: rootlayerabstract.text = 'newname'
Файл OGCServer-master\ogcserver\wms130.py (2 правки):
Строка 154: rootlayertitle.text = 'newname'
Строка 161: rootlayerabstract.text = 'newname'

Во-вторых, OGCServer-master более чувствителен к xml-файлу стиля чем сам мапник. Это значит, что при наличии ошибок в файле стиля, которые при старте рендеринга TMS проигнорируются, например line-opacity, сервис WMS не запустится, а выдаст ошибку с указанием всех строк, подлежащих исправлению. С одной стороны, это требует более тщательной работы над стилем, с другой стороны, позволяет легко отловить ошибку. По этой причине, я использую OGCServer-master даже в тех случаях, когда требуется исключительно создание TMS.

После установки, запустить WMS можно с помощью команды

ogcserver путь_к_стилю.xml

Если вы работаете через ssh, можете прописать перед командой запуска «nohup» для того, что-бы после разъединения сервер продолжал работать. После этого можно запрашивать слои в браузере командой:

http://localhost:8000/?LAYERS=__all__&STYLES=&FORMAT=image%2Fpng&SERVICE=WMS&VERSION=1.1.1&REQUEST=GetMap&SRS=EPSG%3A3857&BBOX=-20037508.34,-20037508.34,20037508.3384,20037508.3384&WIDTH=256&HEIGHT=256

Либо, через стандартный интерфейс QGis или любой другой программы.

Одним из самых больших недостатков библиотеки, является отсутствие кеша, что значительно замедляет работу. Впрочем, решение этой задачи стоит одним из первых в TODO-листе.

слиппимап

Установка тайлового сервера на Debian 8 Jessie

Введение

Данная статья представляет собой перевод руководства по установке TMS сервиса, дополненный моими личными замечаниями.

Если говорить грубо и утрированно, отличие TMS от WMS в том, что первый отдает тайлы каждого зума в виде однослойной плитки, а WMS отдает каждый тайл зума в виде набора прописанных в стиле слоев. Например, если ваши геоданные содержат только слой земли и слой дорог, TMS сделает из них одну картинку территории с дорогами. WMS отрендерит каждый слой отдельно, благодаря чему у вас будет отдельная картинка с землей, отдельная с дорогами.

Если вам требуется изменять наполнение карты путем включения/отключения какого-либо слоя, без WMS не обойтись. Но с другой стороны TMS проще, быстрее и в большинстве случаев предпочтительней, поэтому мы начнем именно с него.

Отдельно замечу: в тексте оригинальной статьи большое количество действий выполняется из под рута. Я не стал это исправлять, но призывая к внимательности и осторожности, снимаю тем самым с себя всякую ответственность за падение вашей операционной системы.

В тексте статьи большое количество команд, поэтому буду рад, если вы укажете на неточность или предложите более простые пути реализации поставленной задачи.

 

Инструменты

Операционной системой для этих опытов послужит Linux Debian 8 Jessie. TMS будем разворачивать на библиотеке mapnik. Облигантных инструментов для этой работы нет. Под виндой я обычно использую TotalCommander Grey Pack (спасибо за него диаволу на пятнашке) с плагином Secure FTP Connections и программу Putty. Под линуксом я юзаю тильду для ssh-соединения и любой вменяемый файловый менеджер с поддержкой сетевого соединения.

Итак, погнали. У нас в наличии ssh-доступ к серверу с девственно чистой Дебиан Джесси. Рекомендую сразу установить консольный редактор nano:

sudo apt-get install nano

и консольный файловый менеджер mc:

sudo add-apt-repository ppa:eugenesan/ppa
sudo apt-get update
sudo apt-get install mc

Это не обязательно, но поверьте, потом еще не раз пригодится.

 

Установка и создание базы данных

Начнем с установки пакетов postgresql-9.4-postgis-2.1 и postgresql-contrib-9.4

Входим под рутом и запускаем:

apt install postgresql-9.4-postgis-2.1 postgresql-contrib-9.4

Теперь создадим базу данных. Переключаемся в постгрес:

su postgres

и для избежания возможных проблем переходим к домашней директории:

cd ~

Создадим пользователя c именем «osm»:

createuser osm

и базу данных с названием «map»:

createdb -E UTF8 -O osm greatbritain
psql -c "CREATE EXTENSION hstore;" -d map # Should result in CREATE EXTENSION
psql -c "CREATE EXTENSION postgis;" -d map # Should result in CREATE EXTENSION

Если все прошло удачно, выходим из постгреса:

exit

 

Добавление пользователя

Для того, чтобы избежать работы под рутом, добавим в систему пользователя osm с помощью команды adduser:

adduser osm

Теперь добавим пользователя osm в группу sudo. Для этого воспользуемся редактором nano (вы же его установили, верно?)

su вводим пароль
nano /ets/sudoers
Находим строку
# User privilege specification

после

root ALL=(ALL:ALL) ALL

вставляем строку

osm ALL=(ALL:ALL) ALL

и сохраняем документ последовательностью хоткеев ctrl+o, Enter , ctrl+x

 

Импорт картографического стиля

Мы будем использовать стандартный стиль mapnik osm. В дальнейшем, при желании, вы всегда сможете его изменить на свой вкус. Перейдем в домашнюю директорию и скачаем стиль с гит-хаба:

su osm
cd ~
wget https://github.com/gravitystorm/openstreetmap-carto/archive/v2.29.1.tar.gz
tar -xzf v2.29.1.tar.gz

Теперь в домашней директории должна появиться папка с названием: Теперь вы должны иметь папку с названием «openstreetmap-carto-2.29.1». После этого можно переходить к импорту геоданных.

 

Импорт геоданных

Нам потребуется пакет osm2pgsql. Для этого переключимся на рута и выполним команду:

exit
apt install osm2pgsql

Теперь можно переходить непосредственно к импорту dbf-файла с данными. Самое простое решение — это импортировать всю планету OpenStreetMap целиком. Но у такого подхода есть очевидные недостатки: во-первых, объем диска у вас не безграничен, во-вторых, даже на простое скачивание планеты может уйти изрядное количество времени, а в третьих, информация о улицах какой-нибудь Зулусии вам может быть совершенно не нужна. Приходится вырезать нужный регион из дампа самому, либо использовать готовые данные. Сейчас их можно получить у  GeoFabrik, CloudMade или Гис-лаб (НексГИСа). В выгрузке геофабрики напрочь отсутствовали реки. В выгрузке НексГИСа отсутствовали части объектов, пересекаемые государственной границей, из-за чего некоторые пограничные озера при рендере пропадали, но острова на них закрашивались цветом воды. Выгрузки регулярно обновляются, так что это вполне могут быть временные случайные баги. С выгрузками CloudMade я активно не работал, поэтому комментарий дать не могу.

Скачаем архив на территорию России с сайта гис-лаб. Если вы все это проделываете в экспериментальных целях — рекомендую для начала скачать не Россию целиком, а только один из регионов — этим вы сэкономите себе уйму времени. Например, возьмем Ростовскую область.

su osm
cd ~
wget href="http://data.gis-lab.info/osm_dump/dump/latest/RU-ROS.osm.pbf"

Теперь импортируем скачанные данные в постгрес. Делается это так: запускаете команду:

osm2pgsql --slim -d map -C 1600 --hstore -S openstreetmap-carto-2.29.1/openstreetmap-carto.style RU-ROS.osm.pbf

и идете пить чай, играть в футбол и гонять балду. Процесс, особенно в некоторых случаях, например при импорте объемного файла, занимает ну очень много времени. Не забудьте, что все это вы делаете через ssh, а значит либо не выключайте компьютер и не отключайтесь от сети, либо используйте соответствующие команды.

Иногда на данном этапе возникают следующие проблемы:

Error: Connection to database failed: could not connect to server: No such file or directory

Тут, возможно, вам пригодиться фраза из оригинальной статьи: «Is the server running locally and accepting connections on Unix domain socket «/var/run/postgresql/.s.PGSQL.5432»?

Кроме того, если вы установили PostgreSQL 9.3 вместе с 9.1 на 9.3 может быть использован другой порт. Необходимо найти его и использовать флаг -p, при запуске osm2pgsql.

Поздравляю. Вы заполучили базу OpenStreetMap на выбранный регион. Проверить это можно командой:

psql -d map -c "select name from planet_osm_point where place='city';"

 

Создание тайлового сервиса

Установим пакет mod_tile. Пока он недоступен в репозитории Дебиан, поэтому нам потребуется предварительно скачать его с гит-хаба и распаковать в домашней директории:

wget https://github.com/openstreetmap/mod_tile/archive/6c2cb243e4c8b047950ab8062cd66245f20a5d2f.tar.gz -O mod_tile.tar.gz
tar -xzf mod_tile.tar.gz

Теперь установим пакеты autoconf, libtool, libmapnik-dev и apache2-dev:

su
apt install autoconf libtool libmapnik-dev apache2-dev
exit

Перейдем в каталог mod_tile и запустим:

cd mod_tile-6c2cb243e4c8b047950ab8062cd66245f20a5d2f/
./autogen.sh
./configure
make

Теперь запустим из под рута следующую команду:

su
make install
make install-mod_tile
exit
cd ..

 

Создание xml стиля Mapnik

Нам потребуются пакеты curl, unzip, gdal-bin, mapnik-utils и node-carto, для установки которых выполним под рутом:

su
apt install curl unzip gdal-bin mapnik-utils node-carto
exit

Вернемся в пользователя osm и загрузим необходимые шейп-файлы. Для справки: база osm не хранит в себе континенты и некоторые другие объекты, отображающиеся на низких зумах. Эти полигоны и линии подгружаются и прописываются в стиле с помощью команды:

cd ~/openstreetmap-carto-2.29.1/
./get-shapefiles.sh

Для смены имени базы данных можно выполнить команду:

sed -i 's/"dbname": "gis"/"dbname": "map"/' project.mml

Для того, что-бы сформировать xml-файл, непосредственно отвечающий за стиль, запустите:

carto project.mml > style.xml

 

Настройка рендера

Откройте в редакторе nano файл /usr/local/etc/renderd.conf (потребуется использовать sudo). Напротив XML пропишите путь к вашему xml-файлу картостиля. Напротив HOST пропишите localhost.

Либо, вы можете внести эти изменения автоматически, выполнив под рутом:

su
sed -i 's/XML=\/home\/jburgess\/osm\/svn\.openstreetmap\.org\/applications\/rendering\/mapnik\/osm\-local\.xml/XML=\/home\/osm\/openstreetmap-carto-2.29.1\/style.xml/' /usr/local/etc/renderd.conf
sed -i 's/HOST=tile\.openstreetmap\.org/HOST=localhost/' /usr/local/etc/renderd.conf

После этого, файл /usr/local/etc/renderd.conf  должен выглядеть так:

[default]
URI=/osm_tiles/
TILEDIR=/var/lib/mod_tile
XML=/home/osm/openstreetmap-carto-2.29.1/style.xml
HOST=localhost
TILESIZE=256
;HTCPHOST=proxy.openstreetmap.org
;** config options used by mod_tile, but not renderd **
;MINZOOM=0
MAXZOOM=19
;TYPE=png image/png
;DESCRIPTION=This is a description of the tile layer used in the tile json request
;ATTRIBUTION=&copy;<a href=\"http://www.openstreetmap.org/\">OpenStreetMap</a> and <a href=\"http://wiki.openstreetma$
;SERVER_ALIAS=http://localhost/
;CORS=http://www.openstreetmap.org
;ASPECTX=1
;ASPECTY=1

Теперь измените директорию плагинов (plugins_dir) и местоположение пакета (match debian package location) mapnik. Сделать это можно вручную, либо с помощью команд:

sed -i 's/plugins_dir=\/usr\/lib\/mapnik\/input/plugins_dir=\/usr\/lib\/mapnik\/2.2\/input\//' /usr/local/etc/renderd.conf
[mapnik]
plugins_dir=/usr/lib/mapnik/2.2/input/
font_dir=/usr/share/fonts/truetype
font_dir_recurse=1

Скопируйте скрипт renderd.init и установите право доступа к файлу renderd:

cd /home/osm
cp mod_tile-6c2cb243e4c8b047950ab8062cd66245f20a5d2f/debian/renderd.init /etc/init.d/renderd
chmod a+x /etc/init.d/renderd

Исправьте пути в скрипте init

sed -i 's/DAEMON=\/usr\/bin\/$NAME/DAEMON=\/usr\/local\/bin\/$NAME/' /etc/init.d/renderd
sed -i 's/DAEMON_ARGS=""/DAEMON_ARGS=" -c \/usr\/local\/etc\/renderd.conf"/' /etc/init.d/renderd
sed -i 's/RUNASUSER=www-data/RUNASUSER=osm/' /etc/init.d/renderd
mkdir -p /var/lib/mod_tile
chown osm:osm /var/lib/mod_tile

Теперь запустите rederd:

systemctl daemon-reload
service renderd start

 

Установка и настройка Apache и mod_tile

Установите апач с помощью команды:

apt install apache2

Конфигурация апача и загрузка mod_tiles выполняется командой:

echo "LoadModule tile_module /usr/lib/apache2/modules/mod_tile.so" > /etc/apache2/mods-available/tile.load
ln -s /etc/apache2/mods-available/tile.load /etc/apache2/mods-enabled/

Добавьте следующий ниже текст с помощью редактора nano перед тегом <?/VirtualHost> в /etc/apache2/sites-enabled/000-default.conf 

LoadTileConfigFile /usr/local/etc/renderd.conf
ModTileRenderdSocketName /var/run/renderd/renderd.sock
# Timeout before giving up for a tile to be rendered
ModTileRequestTimeout 0
# Timeout before giving up for a tile to be rendered that is otherwise missing
ModTileMissingRequestTimeout 30

и перезапустите апач:

service apache2 restart

 

Проверка отдачи тайлов
Перейдите в браузере по адресу http://localhost/osm_tiles/0/0/0.png напрямую , либо с использованием порта 8080. Если все прошло успешно, вы увидете в браузере вот такую картинку:

Теперь можно приступать к редактированию картографического стиля. Для этого, прежде всего, запомните команды:

sudo service renderd stop
rm -r /var/lib/mod_tile/default
sudo service renderd start

На ближайшие месяцы это будут единственные команды, которые вам потребуются в консоли.

Тестируем ГИС «Аксиома». Попытка вторая

Холодец без водки — невыразимая гадость, а с водкой — ничего так, вполне нормальная закуска.
— Заебал своими холодцами! Ты что, опять про ГИС «Аксиому» будешь проповедовать?
Именно про нее, друзья мои. Мой прошлый тест-драйв оказался на редкость быстрым, поэтому, как и обещал, я нашел шестидесятичетырехбитную машину под виндой и запустил на ней эту хреновину.

Ниже вас ждет длинная простыня с картинками и минимумом текста. Не будем же терять время. Нарежьте себе бутербродов с толстыми кусками колбасы и добро пожаловать в новорожденный мир ГИС «Аксиома».

Устанавливаем и запускаем программу. Интерфейс простой, чуть сложнее Paint-а.
1

 

Замечательно, что разработчики побеспокоились об аналоге Open Layers в QGIS, проще говоря  о встраивании популярных WMS-слоев. Но грузятся тайлы значительно медленно, а в доступном перечне отсутствуют не только гугловские карты, но и стандартный OSM-Mapnik.

2

 

И еще вопрос: если уж работа ведется над новым продуктом, почему было бы не запилить смещение снимка и свой сервер смещений, как это сделано в JOSM? Теперь, после релиза «Аксиомы», на один продукт, в котором создаются хуй пойми к чему привязанные карты станет больше.

По умолчанию, нам предлагают открывать TAB-файлы. Изменить это невозможно, хоть конем ебись. Более того, что-бы переключить выбор на шейп, требуется раскрывать дополнительное меню.

3

 

Можно открыть не только DXF, но и DWG, что очень хорошо при работе с заказчиками, подсаженными на наркотическую иглу AutoDesk.

Растры и векторы открываются через единое меню. Мне кажется, это все-таки правильный путь, хоть реализовать его можно было и аккуратнее. Слои можно открывать в новом окне или добавлять в активное окно — тоже весьма приятная мапинфошная фича:

4

 

После открытия векторного слоя необходимо указать его кодировку. Первый раз это кажется логичным, но учитывая отсутствие кнопки «использовать кодировку для всех слоев», операция дико заебывает. Утф-8, утф-8, утф-8, утф-8, блядь, утф-8! И мне еще повезло, что кодировку моих слоев я знал до их открытия.

5

 

 

В рот мне компот, как же долго грузятся слои! Аксиома по скорости загрузки слоев рядом с QGIS и близко не лежит. Ощущение, что я свои слои напрямую в leaflet.js подгружаю.

6

 

После открытия слоев, они все отображаются черным цветом, в результате чего, хер поймешь, что именно перед тобой. Были бы слои разноцветны, было бы легче.

7

 

В «Аксиоме» деление векторных слоев по размерности геометрии отсутствует. Это обязательно понравится всем, кто работал прежде в Автокаде, Кореле или не работал вообще. Да и я, честно признаюсь, хоть и ворчу, когда не вижу такого деления, но считаю что так пожалуй лучше. Вся эта ебанина с точками, полигонами и линиями — явный пережиток прошлого. В качестве обоснования всегда привожу пример гидрографии в раздельной геометрии, которую приходится отображать двумя слоями (водоемы и водотоки), а под каждым озером течет река.

Плохо только то, что в «Аксиоме» я понятия не имею о типе загруженного в нее шейп-слоя. Когда слоев много, а названия их похожи («waterl» и «waterp»), приходится тратить лишнее время.

Настройка стиля очень простая — это несомненно плюс. Минус в ее примитивности. Тут не то, что псевдотрехмерку не отобразишь, но и просто сложный стиль не задашь.

8

 

Кстати, настройка стиля полигона не работает в верхнем меню.

9

 

Инструмент, позволяющий передвигать подпись слоя довольно грубый, но все-равно очень хорош. Блин, хочу такой-же в QGIS.

Самое нелепое, что есть в «Аксиоме» — это необходимость выбора инструмента для перемещения карты. Это просто какое-то недоразумение. Ни кнопки мыши, ни нажатое колесико — ничего не работает: будь добр, пиздуй в меню «Карта» и выбирай инструмент «перемещение». Заходишь такой, тык в иконку, а это не «перемещение», а «обратить выделение» и все ваши тысячи полигонов напрочь подвешивают программу. Случайно такую ошибку допустить конечно трудно, но все-равно, за вынос такой кнопки на фасад, дизайнерам надо устраивать анальную кару без мыла.

Так, а что у нас с проекциями? Давайте-ка установим нашу любимую EPSG 3857:

10

 

 

— Что? Нет дефолтной 3857? Как нет? Что за пиздец-то?

Не паникуйте. Есть она, но устанавливается она через жопу: «Проекции мира» — «Популярное отображение CRS». Бляха-муха, я все понимаю, но то что одну из самых востребованных проекций нельзя найти даже через поиск — это даже не баг, это хуйня какая-то.

 

В утешение надо заметить, что дефолтно в списке проекций особое внимание уделено территории СССР:

11

 

Редактировать данные в «Аксиоме» просто и понятно. Даже ребенок усвоит. Р-р-раз! И готовы полигоны:

12

 

Р-р-раз! и готова полилиния. Р-р-раз! и измерено расстояние.

13

 

Р-р-раз! И программа вылетает вместе с полигонами, полилинией и измеренным расстоянием:

14

 

Ну ничего. Запустим снова. Подождем, пока отрисуются слои. Потрахаемся с настройкой стилей для каждого слоя:

15

 

Полюбуемся великолепием технологии тайловой загрузки растров:

17

 

В итоге даже получим что-то вменяемое. Неплохо, господа. Весьма неплохо!

18

 

Кстати настрока WMS простая и гораздо лучше, чем в том же QGIS+OpenLayers (доступнее во всяком случае). Яркость на максимум, контраст на максимум — вот секрет отрисовки растительности в городе:

19

 

А вот и первые критичные баги. Окно с настроенным видом закрывается безо всякого предупреждения о том, что данные не сохранены. Но это мелочи. Новый слой прекрасно открывается в новом окне, но не добавляется в активное окно.

20

 

Надеюсь, эту беду исправят в ближайшее время. Да и как иначе-то? Работать же невозможно.

В «Аксиоме» есть свой функционал привязки растров с  бедным выбором алгоритмов трансформации и богатым выборов методов интерполяции. И как обычно, хер кто додумался сделать рекомендацию по выбору.

22

 

Дизайн модуля привязки честно спизжен из QGIS, в чем-то даже улучшен (можно сетку наносить при привязке), но до прообраза ему еще расти и расти. Это при том, что модуль в QGIS — та еще хренота.

Таблица данных примитивна и изобилует всякими ошибками.

28

 

Хотите кликнув по полю отсортировать строки в таблице? А вот хер вам. Но зато привычное окно схемы таблицы.

26

 

«Аксиома» — очередная геоинформационная система, в которой атрибутивная таблица слоя редактируется по мудоебски. Нажатие Enter не перемещает активную ячейку вниз как в Excel, а включает режим редактирования. Бля, я жду уже хуеву тучу лет, когда кто-нибудь додумается до такого простого решения.

В «Аксиоме» можно создавать тематический слой, причем по достаточно сложному запросу.

25

 

И вообще, довольно легко создавать простые карты. Даже дорогу с разделительной полосой можно показать, правда, для этого приходится дублировать слой дорог.

23

 

Можно совместить все это с космоснимком — получится даже годная подоснова. То что надо для большинства офисных работников.

32

 

Жаль вот только экспортировать результат можно только в мапинфошные файлы.

30

 

Вот собственно и все возможности. Конечно, ГИС «Аксиома» это не профессиональная геоинформационная система, а легкий вариант Mapinfo. Если вы работаете в ArcGIS, QGIS, GRASS или других аналогичных по уровню пакетах, то «Аксиома» для вас как дрова для атомной станции. Но для людей, которым очень срочно нужно изготовить хоть сколько-нибудь профессиональную карту, но они на хую вертели все ГИСы вместе с картографией вместе взятые, это прекрасный вариант.

Говоря проще: годнота. Одобрямс.