I Akademickie Mistrzostwa Geoinformatyczne – GIS Challenge 2017

W dniach 10–12 maja 2017 roku w Lublinie po raz pierwszy w Polsce odbyły się Akademickie Mistrzostwa Geoinformatyczne – GIS Challenge. Inicjatorem i głównym organizatorem wydarzenia był Wydział Nauk o Ziemi i Gospodarki Przestrzennej UMCS, a współorganizatorami 16 uczelni z całej Polski oraz stowarzyszeń naukowych, działających m.in. na rzecz geoinformatyki. 

GIS Challenge w liczbach

W GIS Challenge 2017 wzięło udział 97 studentów tworzących 35 zespołów. Reprezentowali oni 7 różnych kierunków studiów (Geoinformatyka, Geoinformacja, Geografia, Geodezja i Kartografia, Geodezja i Technologie Informatyczne, Gospodarka Przestrzenna i Ochrona Środowiska) oraz 16 uczelni wyższych z 10 miast Polski: Katowic, Krakowa, Lublina, Łodzi, Poznania, Olsztyna, Szczecina, Torunia, Warszawy i Wrocławia. Najwięcej uczestników przyjechało z Warszawy (10 zespołów z 4 uczelni), Wrocławia (6 zespołów z 3 uczelni) i Krakowa (5 zespołów z 2 uczelni). W ścisłym finale znalazło się 28 uczestników (10 zespołów) z 8 ośrodków akademickich. Pierwsze 3 miejsca przypadły reprezentantom Politechniki Wrocławskiej, Uniwersytetu Przyrodniczemu we Wrocławiu oraz Uniwersytetu Marii Curie-Skłodowskiej w Lublinie.

Zadania GIS Challenge

Zadania, jakie pojawiały się na GIS Challenge 2017 zostały przygotowane przez współorganizatorów. Opracowała je grupa kilkunastu osób, z których każda była odpowiedzialna za 2 zadnia (poziom eliminacji i finał). Spośród autorów zadań organizatorzy zaprosili do Komisji Sędziowskiej 10 osób.

W trakcie eliminacji uczestnicy mistrzostw przesłali 199 propozycji rozwiązań, z czego tylko 114 było poprawnych. W wyniku tego skuteczność rozwiązywania zadań była na poziomie 57%. Z kolei w finale drużyny przesłały 67 propozycji rozwiązań, z których 31 było poprawnych. Skuteczność rozwiązywania zadań w finale wyniosła 46%.

Z zadań przygotowanych do etapu eliminacji tylko jedno nie zostało rozwiązane, natomiast w finale uczestnicy nie rozwiązali aż 4. Najtrudniejsze okazały się zadania związane z przetwarzaniem danych rastrowych oraz układami współrzędnych, natomiast najłatwiejsze były te, które dotyczyły narzędzi geoprocessingu oraz operacji na tabeli atrybutów.

Rozwiązania zadania

Szczegółowa treść zadań I Akademickich Mistrzostw Geoinformatycznych – GIS Challenge 2017 zamieszczona jest na stronie http://gischallenge.com/ w zakładce Informacje ogólne → Zadania 2017.

Do prezentacji sposobu rozwiązań wybrano zadania: nie rozwiązane, pomimo podejmowanych prób (zadanie nr 6 − eliminacje, zadanie nr 5 − finał), o największej liczbie podejmowanych prób (zadanie nr 7 − eliminacje) oraz o największej skuteczności rozwiązywania (zadanie nr 4 − eliminacje).

Propozycja rozwiązania zadań z wykorzystaniem oprogramowania ArcGIS oraz Microsoft Office.

Zadanie nr 6

  1. Należy utworzyć nowy LAS Dataset korzystając z np. z narzędzi ArcToolboc; Data Management Tools LAS Dataset Create LAS Dataset.
  2. Dodać do niego dwa wejściowe pliki LAS: Data Management Tools > LAS Dataset > Add Files to LAS Dataset.
  3. Z okna Catalog wyświetlić własności (Properties) LAS Dataset: obliczyć statystyki danych, wybierając ”…” w kolumnie Statistics, a następnie Calculate.
  4. Zapoznać się z tabelami statystyk: Returns, Attributes, Classification Codes.
  5. Utworzyć DTM (LAS Dataset to Raster): nałożyć filtr na chmurę punktów, tak aby wykorzystać tylko punkty klasy Ground, reprezentujące powierzchnię terenu wykorzystać wszystkie odbicia, do wynikowego rastra przypisać średnią wartość wysokości (Elevation).
  6. Utworzyć DSM (LAS Dataset to Raster): nałożyć filtr na chmurę punktów, tak aby wykorzystać punkty klasy Ground i High Vegetation, wykorzystać wszystkie odbicia, do wynikowego rastra przypisać średnią wartość wysokości (Elevation).
  7. Obliczyć nDSM poprzez odjęcie DSM – DTM, za pomocą narzędzia Spatial Analyst Tools Map Algebra Raster Calculator.
  8. Usunąć błędne wartości < 0, które mogą wynikać z błędów w klasyfikacji danych (jeśli „DSM – DTM < 0”, to należy przypisać „0” korzystając z narzędzia Con)
  9. Obliczyć średnią wartość wysokości w każdym poligonie warstwy shp używając narzędzia Spatial Analyst Tools Zonal Zonal Statistics; opcja MEAN
  10. Zmienić symbolizację rastra na Unique Values i wskazać poligon o największej wartości.

Zadanie nr 7

Zadanie rozwiązać można korzystając tylko z danych pochodzących z Banku Danych Lokalnych (BDL) (https://bdl.stat.gov.pl), które są opisane kodem TERYT.

Chcąc wskazać gminy spełniające wymagane w zadaniu warunki należy kolejno w BDL zaznaczać:

  1. Dane według dziedzinUrodzenia i zgonyUrodzenia żywe, zgony i przyrost naturalny na 1000 ludności.
  2. W następnym oknie należy odhaczyć opcje „2015” oraz „przyrost naturalny na 1000 ludności”. W kolejnym oknie należy upewnić się, że wybrana jest opcja Układ wg TERYT i przejść do sekcji „Zaznacz”, gdzie w zakładce „Zaznacz gminy” należy wybierać: „gminy miejskie (1), gminy wiejskie (2), gminy miejsko-wiejskie (3)” i przenieś je do wybranych (2478 gmin). W następnym kroku należy wyeksportować dane do Excela wybierając Export XLS tablica wielowymiarowa. Bezpośrednio w Excelu w nowej kolumnie należy użyć formuły formatowania warunkowego JEŻELI, sprawdzającej, czy wartość przyrostu jest > 0. Jeśli warunek jest spełniony należy przypisać „1”, a jeśli nie „0”.
  3. Dane według dziedzinStan ludnościLudność wg grup wieku i płci. Tutaj należy powtórzyć procedurę opisaną powyżej. Bezpośrednio w Excelu w nowej kolumnie należy użyć formuły formatowania warunkowego „JEŻELI”, sprawdzającej czy liczba mężczyzn jest > od liczby kobiet. Jeśli warunek jest spełniony należy przypisać „1”, a jeśli nie „0”.
  4. Dane według dziedzinStan ludnościGęstość zaludnienia i wskaźniki. Tutaj należy powtórzyć procedurę opisaną powyżej, dodatkowo do pola wyboru dodać „Polska” (aby ustalić średnią gęstość zaludnienia). Bezpośrednio w Excelu w nowej kolumnie należy użyć formuły formatowania warunkowego „JEŻELI”, sprawdzającej, dla których gmin gęstość była < od średniej dla Polski. Jeśli warunek jest spełniony należy przypisać „1”, a jeśli nie „0”.

Efektem powyższych działań są trzy arkusze (tabele), które nie są równoliczne; to oznacza, że w niektórych gminach nie ma danych i nie da się wprost przekopiować danych z jednaj kolumny do drugiej. Wobec tego należy użyć formuły „WYSZUKAJ PIONOWO”. Do wybranej tabeli za pomocą tej formuły należy kolejno dodać wyniki z dwóch pozostałych tabel. W kolejnym kroku dla kolumn z wartościami „0” lub „1”, należy użyć formuły „JEŻELI”, sprawdzającej warunek gęstość*płeć*przyrost=1. Jeśli warunek jest spełniony należy przypisać „1”, a jeśli nie „0”. Uzyskane wyniki (325 gmin) należy posortować i podzielić na województwa pamiętając, że jego nazwę uzyskuje się z dwóch pierwszych cyfr kodu TERYT.

Zadanie nr 4

  1. Należy wyznaczyć punkty wspólnych obrysów budynków i linii widoczności z wykorzystaniem narzędzia Intersect (Analysis Tools→Overlay) z aktywną opcją Output Type (optoinal): POINT
  2. Wykorzystując punkty przecięcia należy rozdzielić linie narzędziem Split Line at Points (Data Management Tools→Features) z tolerancją 0,1m,
  3. Narzędziem Select by Location (Data Management Tools→Layers and Table Views) należy wybrać linie, które łączą się z punktem środkowym
  4. Należy dodać nowe pole (tyb: Double) i obliczyć długości wybranych linii.

Zadanie nr 5 (finał)

  1. Należy zagregować warstwę shp po nazwie makroregionu (Data Management Tools→Generalization→Dissolve). Wynik: kon_makro
  2. Uprościć warstwę Wisła_fragment.shp algorytmem Douglasa–Peuckera z parametrem tolerancji 500 m (Cartography Tools→Generalization→Simplify Line (Point_Remove) ). Wynik: wisła_frag_upr
  3. Utworzyć warstwę punktową z wierzchołków warstwy shp (Data Management Tools→Features→Features Vertices To Points). Wynik: wisla_pkt
  4. Przeciąć (Analysis Tools→Overlay→Intersect) warstwy wisla_pkt z kon_makro. Wynik: wisla_pkt_makro
  5. Obliczyć odległości, „strzałki”, punktów warstwy wisla_pkt_makro narzędziem Near (Analysis Tools → Proximity) do warstwy wisla_frag_upr
  6. W właściwościach warstwy wisla_pkt_makro w oknie Definition Query należy wskazać tylko punkty dla których odległości do warstwy wisla_frag_upr są większe od 0 m (z przyjętą dokładnością obliczeń!)
  7. Użyć narzędzia Summarize w tabeli zawartości warstwy wisla_pkt_makro dla pola MAKROREGIO, (Pole statystyk NEAR_DIST: Average). Wynik: zestawianie

Ryc. 1. Zestawienie nadesłanych rozwiązań zadań w trakcie trwania GIS Challenge 2017

Ryc. 1. Zestawienie nadesłanych rozwiązań zadań w trakcie trwania GIS Challenge 2017

Szczegółowe informacje związane z opisem kolejnych zadań będą się pojawiać na stronie internetowej http://gischallenge.com/ i profilu Mistrzostw na Facebooku https://www.facebook.com/GIS-Challenge/.