Teza Geostatistica

Universitatea din Bucureti
Facultatea de Geografie

Tez de doctorat

Sistem informaional geografic temporal
pentru evaluarea hazardelor naturale.
O abordare Bayesiana cu propagare a erorilor

Coordonator tiinific: Prof. Univ. Dr. Ielenicz Mihai

Doctorand: andric Ionut

2

3

Cuprins
1. Introducere ................................................................................................ 6
2. Istoricul cercetrii ...................................................................................... 7
2.1. Utilizarea teoriei Bayes n geotiine ................................................. 7
3. Incertitudini i erori n modelarea spaio-temporal a fenomelor
naturale cu TGIS ............................................................................................................. 9
3.1. Definiii ............................................................................................. 10
3.1.1. Incertitudine ................................................................................ 10
3.1.2. Erori .............................................................................................. 10
3.1.3. Acuratee ..................................................................................... 12
3.1.4. Precizie ......................................................................................... 12
3.2. Surse de erori ................................................................................... 12
3.2.1. Acurateea coninutului ............................................................... 12
3.2.2. Erorile din datele msurate ......................................................... 13
3.2.3. Date culese n teren ..................................................................... 13
3.2.4. Erori de laborator ......................................................................... 14
3.2.5. Acurateea localizrii ................................................................... 14
3.2.6. Variabilitatea spaial local ........................................................ 14
3.3. Factori ce afecteaz acurateea datelor spaiale ............................. 15
3.3.1. Rezoluia temporal a datelor i vrsta informaiei .................... 15
3.3.2. Gradul de acoperire cu date ........................................................ 16
3.3.3. Scara hrilor i rezoluia ............................................................. 16
3.3.4. Densitatea observaiilor............................................................... 17
4

3.3.5. Relevana datelor GIS .................................................................. 17
3.3.6. Interoperabilitate ......................................................................... 18
3.4. Propagarea erorilor n modelarea spaio-temporal ...................... 20
3.4.1. Modelul de eroare ....................................................................... 21
3.4.2. Simularea Monte Carlo ................................................................ 21
3.4.3. Propagare a erorilor n analizele de vecintate ........................... 22
3.5. Modelare spaial a propagrii erorilor din MDA ............................ 22
3.6. Analiza statistic a MDA-ului ........................................................... 28
3.7. Analiza Fuzzy .................................................................................... 58
3.7.1. Seturi de date Boolean ................................................................ 59
3.7.2. Tipuri de seturi FUZZY .................................................................. 61
4. Hazarde naturale. Aspecte Teoretice ...................................................... 68
5. Realizarea Sistemului Informaional Geografic Temporal ....................... 70
5.1. Definiii SIG i SIGT ........................................................................... 70
5.2. Structura SIGT .................................................................................. 75
5.3. Implementare .................................................................................. 79
6. Prezentarea zonei de studiu Unitatea administrativ Breaza .............. 82
6.1. Aezarea i limitele .......................................................................... 82
6.2. Geologia ......................................................................................... 100
6.3. Relieful ........................................................................................... 105
6.3.1. Morfometrie .............................................................................. 109
6.4. Analiza precipitaiilor ..................................................................... 120
6.5. Radiaia solara ................................................................................ 123
5

6.6. Vegetaia i utilizarea terenului ..................................................... 127
6.7. Evapotranspiraia ........................................................................... 131
6.8. Alunecrile de teren. Inventarul deplasrilor de teren ................. 131
7. Aplicaii a teoriei Bayes n geomorfologie ............................................. 143
7.1. Teoria Bayes ................................................................................... 144
7.2. Studiu de caz. Zona administrativ a oraului Breaza ................... 152
7.2.1. Bayes .......................................................................................... 152
8. Concluzii ................................................................................................. 216
Lista figurilor .................................................................................................. 218
Lista tabelelor ................................................................................................. 224
Anexe ............................................................................................................. 243

6

1. Introducere
Pe fondul actual al intensificarii hazardelor naturale, dezvoltarea de
programe i modele capabile s anticipeze locul i momentul producerii unui astfel
de fenomen reprezint o prioritate att la nivel naional ct i internaional.
n cadrul programului de doctorat, pe parcusul a patru ani, ne-am concentrat
atenia asupra dezvoltrii unui model probabilistic pentru predicia spaial i
temporal hazardelor naturale. Metoda aleas de noi folosete teoria probabilitilor
condiionate Bayes, combinat cu evaluarea propagrii erorilor i incertitudinilor n
seturile de date utilizate, precum i n rezultatul final. Ca urmare a complexitii
fenomenelor naturale i a modelrii spaio-temporale dificile n mediul geografic, am
ales ca intrument de lucru sistemele informaionale geografice. Am construit un SIG,
numit de noi temporal (Christakos, i alii, 2002), care st la baza gestionrii bazei de
date spaiale utilizat n modelarea spaial a hazardelor naturale. Nu vom prezenta
aspecte detaliate legate de anumite metode larg utilizate n modelarea spaio-
temporal, ci vom face referire la bibliografie de referin pentru problemele
discutate. Pentru exemplifcarea metodei probabilistice dezoltat pe parcursul
programului de doctorat, am ales deplasrile de teren din zona administrativ a
oraului Breaza, judeul Prahova, Romnia.
Pe parcursul programului de doctorat, am avut ocazia s colaborez cu
specialiti att din Romnia ct i din strintate. Doresc sa mulumesc d-lui profesor
Mihai Ielenicz pentru ncrederea i sprijinul acordat pe toat perioada de studiu. Din
dorina de a nu omite pe nimeni, doresc sa mulumesc tuturor colegilor i prietenilor
a cror sugestii i idei m-au ajutat foarte mult n finalizarea programului de doctorat.

7

2. Istoricul cercetrii
2.1. Utilizarea teoriei Bayes n geotiine
Analiza bayesian a fost utilizat pentru prima dat n geotiine n 1961, de
ctre Raiffa i Schlaifer n lucrarea Applied statistical decision theory (Griffiths, 1982).
De atunci a nceput s fie utilizat din ce n ce mai des n geomorfologie i domeniile
comune geomorfologiei, n mod special hidrologie (Shane, i alii, 1970; Davis, i alii,
1972; Vicens, i alii, 1975; Wood, i alii, 1975)i mai puin n transportul
sedimentelor (Duckstein, i alii, 1977; Griffiths, 1980), citai de (Griffiths, 1982). n
geologie (Horwarth, 1971; Drew, 1979) au utilizat teoria lui Bayes pentru
recunoaterea automat a caracteristicilor geomecanice ale rocilor i pentru
identificarea piedicilor ce pot aparea n forri, citai de (Griffiths, 1982). (Bardsley,
1975) pune n discuie statistica Bayesian pentru a evidenia diferenele ntre
teoriile geomorfologice, utiliznd date culese din teren, citat de (Griffiths, 1982).
Esena utilizrii teoriei Bayesine n geomorfologie, const n combinarea unui set de
date pentru o perioad relativ mic, exprimat ca probabilitate, cu informaii
geomorfologice, difuze sau precise, adunate ntr-o perioad de timp mult mai mare,
anterioar (Griffiths, 1982), practic, combinarea unor probabiliti apriori (informaii
cunoscute) cu probabiliti condiionate (informaii noi despre fenomenul studiat,
obinute ntr-o perioad de timp relativ mic i recent). Acest tip de model a
continuat s fie utilizat din ce n ce mai des att n geomorfologie, cat i n tiinele
anexe geomorfologiei, (Agterberg, i alii, 1993; Aspinall, 1992; Bonham-Carter, i
alii, 1988; Bonham-Carter, i alii, 1989; Bonham-Carter, 1994), au concentrat
atenia asupra utilizrii ei n geologie, n mod special pentru identificarea spaial a
depozitelor minerale. ncepnd cu anii 90, teoria Bayes ncepe sa fie utilizat mai
mult pentru studiul hazardelor naturale, concentrat n mod special pe studiul
hazardului la alunecri de teren, fiind un instrument optim pentru luarea de decizii n
condiii de incertitudine, dar i ca urmare a posibilitii combinrii de informaie de
tip expert knowledge cu informaie derivat din analize statistice i geostatistice
(Chung, i alii, 1998; Chung, i alii, 1999; Lineback, i alii, 2001; Lee, i alii, 2002;
8

Gorsevski, i alii, 2003; Gorsevski, i alii, 2003; Gorsevski, i alii, 2004; Gorsevski, i
alii, 2005). Nu exist diferene majore n modul de abordare al teoriei Bayesiene,
pentru predicia hazardului la alunecri de teren, autorii citai mai sus, la fel ca i
muli alii, baznd lucrrile lor pe lucrare de referin a lui Bonham-Carter (Bonham-
Carter, i alii, 1989; Bonham-Carter, 1994). Diferenele n exploatarea analizei
bayesiene au constat n utilizarea unor factori diferii, precum i mparirea acestor
factori n clase diferite, menite s puna n evidena ct mai bine particularitatea
local a zonelor de studiu. (Lineback, i alii, 2001), utilizeaz teoria bayesian pentru
a calcula importana utilizrii modelrii umiditii solului, cu ajutorul modelului
dynwet, pentru predicia hazardului la alunecri de teren. Concluziile prezentate n
aceast lucrare sunt eronate, ca urmare a dou greeli majore: citirea greit a
valorilor testului chi-ptrat, pentru fiecare factor n parte; calcularea condiiei de
dependen ntre alunecri i factorii utilizai, n loc s calculeze condiionarea ntre
factorii utilizai n analiz. Nici una dintre lucrri nu a ncercat abordarea teoriei
Bayes i din perspectiva utilizrii unor modele de propagare a erorilor din datele
utilizate i nici din perspectiva implementrii ei ntr-o reea dinamic, cu excepia
modelului Prospector (Bonham-Carter, 1994), dei preocupri n aceast direcie au
existat nc de la inceput (Griffiths, 1982). Foarte recent (Schubert, i alii), au utilizat
reelele dinamice Bayesiene pentru identificarea i evaluarea riscului la avalane de
zpad, fiind una dintre puinele lucrri n domeniu. Spre deosebire de geotiine,
reele dinamice Bayesiene i reele dinamice i temporale Bayesiene, sunt utilizate n
alte domenii de foarte mult timp i n mod special n medicin, imagistic .a. O
confuzie general este prezentarea teoriei Bayes ca intrument pentru analiza
harzardului, n realitate, rezultatul analizelor fiind de fapt hri de susceptibilitate,
prin omiterea parametrului timp din analiza de hazard. n Romnia, teoria Bayes a
fost utilizat pentru prima dat, din cunotiinele noastre, prin implentarea de ctre
autorul acestui studiu a teoriei Bayes n programul Idrisi Kilimanjaro, n cadrul
proiectului Vulnerabilitatea versanilor la alunecari de teren n sectorul subcarpatic
al Vaii Prahova, finanat de CNCSIS, 2001-2002, rezultatul fiind o hart de
susceptibilitate la alunecri de teren.
9

3. Incertitudini i erori n modelarea spaio-temporal a
fenomelor naturale cu TGIS
UNCERTAINTY IS CERTAINTY D.J. Maquire
Modelarea spaio-temporal a fenomenelor naturale are la baz att spaiale
ct i non-spaiale. n majoritatea situailor, datele disponibile sunt insuficiente sau
msurtorile efectuate pentru colectarea lor au fost realizate cu erori (Karssenberg,
2002), (exemplu de date utilizate n modelarea spaio-temporal a fenomenelor
naturale: date meteorologice: precipitaii, temperatur, radiaie solar,
evapotranspiraie .a., caracteristicile morfometrice i morfografice ale reliefului:
altitudini, pante, curbura versanilor, expoziia versanilor .a., caracteristicile fizico-
chimice ale solurilor: gradul de umiditate, textur, structur .a., caracteristicile
geotehnice: unghiul de frecare intern, porozitatea etc). Toate aceste date sunt
folosite pentru extragerea de informaie util n nelegerea mecanismelor i a legilor
ce guverneaz producerea acestor fenomene, cu scopul de a face predicii despre
evoluia lor n viitor. Incertitudinile n sursele de date pot fi generate de msurtori
imprecise, generalizare cartografic, metode de interpolare diferite, localizare
greit (Brown, i alii, 2007). Dac sursele de date din modele sunt incerte sau
conin erori rezultatul va fi i el unul incert sau eronat. Toate acestea pot afecta n
mod negativ procesul de decizie cu consecine grave asupra societii umane.
Modelarea propagrii erorilor, cunoscut i sub denumirea de analiz a
incertitudinilor (Karssenberg, 2002), permite cercettorilor sa evalueze erorile din
rezultatele obinute n urma modelrii, erori ce pot rezulta fie din propagarea
erorilor din sursele de date utilizate fie din erorile induse de structura modelului ales
(Heuvelink, 1993, Heuvelink, 1998). Acesta este un aspect important n modelarea
spaio-temporal a fenomenelor naturale, deoarece multitudinea i varietatea
surselor de date atrag de la sine i o complexitate sporit a erorilor din rezultatele
finale (Karssenberg, 2002)

10

3.1. Definiii
Exist numeroase definiii pentru incertitudine, eroare, acuratee, precizie.
Dorim sa prezentm n urmtoarele paragrafe definiiile utilizate pentru aceti
termeni.
3.1.1. Incertitudine definit ca fiind gradul limitat de cunotine necesar
pentru a descrie cu exactitate starea unui obiect sau fenomen i evoluia lui n viitor
(Uncertainty, 2007) .
n modelarea spaio-temporal a fenomenelor naturale, evaluarea
incertitudinilor din datele primare i a celor induse de structura modelului are o
importan deosebit prin care predicia evoluiei unui eveniment poate fi descris
printr-un interval de valori i nu printr-o valoare fix, considerat corect
(Uncertainty, 2007)
Incertitudinea este definit ca fiind sinomin pentru eroare, atributele spaiale
ale unui obiect fiind afectate de variabilitatea spaial a informaiei i de metoda de
cartare folosit (Heuvelink, 1998). Incertitudinea este endemic in sistemele
informaionale geografice, fiind imposibil nregistrarea i reprezentarea exact a
complexitii mediului nconjurtor (Goodchild, 1998).
Incertitudini: (James D. Brown, Gerard B.M. Heuvelink, 2007) (Openshaw,
1989)
Un model de propagare a incertitudinilor n modelarea spaio-temporal a
fenomenelor naturale se poate reprezenta cu ajutorul teoriei probabilitilor,
intervale de certitudine a valorilor utilizate sau posibile scenarii dezvoltate cu
ajutorul informaiilor de specialitate.
3.1.2. Erori
Eroarea este diferena ntre realitate i modul n care reprezentm realitatea.
Diferena include nu numai greeli i omisiuni dar i conceptul statistic de
variabilitate (Heuvelink, 1998)
Model de eroare reprezint un model stohastic pentru evaluarea erorilor din
atributele spaiale cantitative ale obiectelor (Heuvelink, 1998)
11

Erorile pot aprea la diferite stadii de evoluie sau niveluri ale modelului, de
la crearea structurii pn la prezentarea rezultatelor (Burrough, i alii, 1998, 2005).
Astfel erorile cauzate de perceperea diferit a fenomenului natural sau a
componentelor fenomenului natural, apar la nivel conceptual al modelului i sunt
cauzate att de lipsa de experiena a specialistului, nivelul de cunotine ct i de
complexitatea fenomenului n sine (Burrough, i alii, 1998, 2005). Erorile de
localizare geografic a fenomenului natural sunt provocate de precizia msuratorilor
efectuate, calitatea instrumentelor utilizate, nivelul de pregtire profesional a
specialitiilor implicai, alegerea sistemelor de proiecie .a. (Burrough, i alii, 1998,
2005). Erorile din atributele datelor spaiale sunt cauzate mai ales de complexitatea
fenomenului natural, calitatea instrumentelor utilizate n nregistrarea lor,
subiectivitatea specialistului, densitatea observaiilor etc (Burrough, i alii, 1998,
2005)
Foarte muli oameni de tiin tiu sau presupun ca delimitarea cu atenie a
limitelor ntre diferite obiecte sau evenimente ce se produc spaial i temporal este
suficient pentru a exprima o concluzie obiectiv despre acestea (Burrough, i alii,
1998, 2005). Obinuina de a reprezenta varietatea spaial i temporal doar cu
ajutorul harilor topografice sau tematice n care graniele sunt bine delimitate sau
prin spaii reprezentate continuu, face imposibil perceperea realitii (Burrough, i
alii, 1998, 2005). n afara structurii datelor spaiale, modelate prin limite clare
(izolinii), exist o variabilitate local adesea neglijat, dar deosebit de important.
Aceast variabilitate local reprezint mai mult dect erori sau incertitudini ce pot fi
diminuate ndesirea msurtorilor n teren, aceasta fiind un aspect fundamental al
naturii, ce apare la fiecare nivel de organizare, fapt demonstrat si de teoria fractalilor
(Mandelbroot, 1982, Goodchild, 1980, Burrough, i alii, 1998, 2005).
Propagarea erorilor apare atunci cnd erorile din datele de intrare dintr-un
SIG afecteaz rezultatele obinute n urma analizei SIG (Heuvelink, 1998)
12

3.1.3. Acuratee
Gradul n care informaia dintr-o hart sau baz de date SIG corespunde
realitii sau unor valori acceptabile. Acurateea este caracteristic a calitii datelor
spaiale i const n numrule de erori coninute de un set de date SIG sau o hart.
Pentru bazele de date SIG se poate discuta de o acuratee n plan orizontal i n plan
vertical pentru localizare spaial, precum i de acuratee a atributelor, conceptual
i logic. Efectul acurateii asupra SIG-ului este evaluat prin analiza de sensitivitate.
Acurateea sau eroarea (se observ ca acurateea este sinonim n acest caz cu
eroarea) se deosebete de precizie, ce reprezint gradul de detaliere a datelor dintr-
o baz de date (OpenGeospatial, 1994-2007). Acurateea este adesea exprimat prin
eroarea standard (Burrough, i alii, 1998, 2005).
Acurateea datelor spaiale este adesea grupat n urmatoarele clase:
acurateea atributelor, acurateea poziionrii geografice, acurateea seriilor de timp
(Burrough, i alii, 1998, 2005).
3.1.4. Precizie
Este o msur a dispersiei valorilor n jurul mediei, adesea exprimat prin
deviaia standard (Burrough, i alii, 1998, 2005).
3.2. Surse de erori
Adesea calitatea unui SIG este apreciat doar prin calitatea estetic a
materialului cartografic rezultat. Din pacate evaluarea doar pe baza calitii estetice
a produsului rezultat este departe de a fi corect si suficient. Erorile i
incertitudinile sunt intrinseci datelor spaiale i nu trebuiesc neglijate prin grafice i
materiale cartografice frumos desenate i prezentate (Burrough, i alii, 1998, 2005)
Sursele de erori ntr-un sistem informaional geografic temporal (dupa
Burrough & McDonnell, Principles of Geographical Information Systems, 1998, 2005):
3.2.1. Acurateea coninutului
Prin acurateea coninutului se ntelege gradul n care atributele, ataate
elementelor spaiale (puncte, linii, poligoane n cazul datelor vectoriale sau celule n
13

cazul datelor raster), corespund realitii din teren (Burrough, i alii, 1998, 2005,
Heuvelink, 1998). Se pot deosebi dou tipuri de erori de coninut: acuratee
cantitativ unde erorile sunt cauzate de calibrarea eronat a intrumentelor de lucru
i acuratee calitativ unde erorile sunt cauzate de asocierea dintre atributele
nominale i elementele spaiale (ex: interpretarea gresit a modului de utilizarea a
terenului, astfel n loc de teren agricol a fost nregistrat paduri de confere, sau n loc
de conglomerate a fost nregistrat argila) (Burrough, i alii, 1998, 2005)
3.2.2. Erorile din datele msurate
Intrumentele de lucru utilizate au un anumite grad de precizie i sunt supuse
de-a lungul timpului, ca urmare a utilizrii lor intense, la nregistrarea unor valori
eronate. Aceste erori fac parte din categoria erorilor sistematice i sunt exprimate
adesea prin deviaie standard (ex: absena controlului metrologic pentru staiile
totale, precizia aparatelor GPS, precizia senzorilor de umiditate, temperatura etc)
3.2.3. Date culese n teren
Date culese din teren sunt supuse subiectivitii observatorului. Este foarte
bine cunoscut faptul c specialiti din acelai domeniu pot culege date diferite din
aceeai zon, fiecare folosind argumente, mai mult sau mai puin solide, pentru
susinerea ipotezei proprii. Acurateea datelor culese n teren poate s varieze foarte
mult de la timpul acordate observaiilor din teren pn la nivelul de pregtire
profesional a specialistului (Burrough, i alii, 1998, 2005). Un mod de estimare a
acurateii datelor culese n teren il reprezint evaluarea specialistului n cauz i
menionarea nivelului de pregtire profesional pentru fiecare dat nregistrat prin
activitate de teren. Un rol important l joac aici utilizarea metadatelor i crearea de
metadate specifice pentru fiecare informaie ce urmeaz a fi nregistrat n teren.
mbuntirea acurateii datelor culese din teren se poate realiza prin utilizarea de
proceduri i standarde impuse la nivel global (Burrough, i alii, 1998, 2005).
Utilizarea pe scar ct mai larg a intrumentelor electronice de culegere automat a
datelor i conectarea lor la data loggere reprezint o alt alternativ pentru
mbuntirea acurateii datelor spaiale
14

3.2.4. Erori de laborator
Utilizarea aceleiai metode pentru determinarea anumitor caracteristici a
parametrilor utilizai i realizarea lor doar n cadrul unui singur laborator duc de
asemenea la un grad ridicat de subiectivitate a acurateii rezultatelor obinute. Un
exemplu, citat de Burrough, i alii, 1998, 2005, arat c diferenele obinute n urma
efecturii acelorai analize pentru aceleai probe de sol, de ctre laboratoare
diferite, poate duce la diferene de pn la 11% pentru coninutul n argil, 10%
pentru gradul de saturare n baze, 0,2 uniti de PH. Aceste erori au efect
dezastrous asupra modelrii numerice (Burrough, i alii, 1998, 2005)
3.2.5. Acurateea localizrii
Gradul de acuratee spaial a datelor este influenat n mare msur de
sursa de date utilizat. Hrile topografice la scar mic au un grad de detaliere
ridicat, ce reprezint cu fidelitate geometria unor obiecte precum drumuri, limita
administrativ a localitilor, case, modul de utilizare a terenurilor etc. Intrumentele
topografice moderne permit msurarea coordonatelor datelor spaiale cu precizii
milimetrice (Burrough, i alii, 1998, 2005). Spre deosebire de elementele spaiale
prezentate mai sus ce se pot reprezenta prin limite foarte clare, tipurile de sol,
litologia, geologia, tipurile de vegetaie au adesea granie ce se ntreptrund, iar
limitele dintre ele nu pot fi reprezentate prin linii continue. (Burrough, i alii, 1998,
2005). Erorile de localizare spaial pot fi cauzate de o serie de factori precum: scara,
acurateea i suportul materialului cartografic utilizat, precizia aparatelor de scanat,
greeli de digitizare ale operatorilor, erori de de transformare dintr-un sistem de
coordonate n altul, generalizarea cartografic .a.
3.2.6. Variabilitatea spaial local
Limitrile n reprezentarea spaial a variabilitii spaiale a mediului
nconjurtor reprezinta una dintre principalele surse de erori n modelarea spaio-
temporal. Utilizarea terenurilor, vegetaia, litologia, geologia, tipurile de soluri .a.
nu pot fi reprezentate prin granie continue bine delimitate. Acest mod de
15

prezentare, areale homogene delimitate prin limite clare, este un compromis n
absena unor structuri de date spaiale care s permit ncorporarea complexitii i
variabilitii spaiale a elementelor mediului nconjurtor.
3.3. Factori ce afecteaz acurateea datelor spaiale (dup Burrough, i alii,
1998, 2005)
3.3.1. Rezoluia temporal a datelor i vrsta informaiei
Distribuia n timp a datelor, cunoscut i sub denumitea de rezoluie
temporal, este unul dintre principalii factori care afecteaz acurateea datelor
spaiale. Majoritatea informaiei ii pierde valoarea pe msur ce timpul se scurge,
utilizarea terenului se modific, noi ci de comunicaie se contruiesc, datele
demografice se schimb etc. Exist totui informaie care nu se modific ntrun
interval de timp scurt, din aceast categorie facnd parte geologia i litologia, relieful
.a. Totui litologia i geologia se pot schimba, alturi de vegetaie, utilizarea
terenului, hidrografia, nu att ca urmare a modificrilor induse de om, ci ca urmare a
modificri standardelor de colectare a datelor. Adesea colectarea informaiilor din
surse de date vechi reprezint un efort deosebit de timp i costuri (Burrough, i alii,
1998, 2005). Exist situaii n care cu ct informaia este mai veche cu att este mai
preioas. Datele ce ofer informaii despre condiiile de producere ale hazardelor
naturale sunt cu att mai preioase cu ct au o distribuie n timp mai mare. Chiar
daca aceste date au fost culese dup standarde ce nu mai corespund sau cu aparate
mai puin performante dect cele din prezent, ofer o informaie deosebit util
pentru modelarea spaial i temporal a fenomenelor naturale i n mod special
pentru calibrara modelelor dezvoltate. Din aceastp categorie fac parte datele
meteorologice, inventare despre locul i momentul producerii fenomenelor naturale,
pagubele provocate etc. Pentru modelele probabilistice i statistice aceste date au
un rol foarte important, oferind informaii unice pentru calcularea probabilitilor
apriori i respectiv pentru identificarea relaiilor existente ntre factorii ce
condiioneaz producerea hazardelor naturale. Distribuia datelor n timp permite
16

analiz pe serii de timp, cu posibilitatea de creare de scenarii de evoluie,
condiionate de evoluia n trecut.
3.3.2. Gradul de acoperire cu date
n modelarea spaio-temporal a hazardelor naturale un rol deosebit l are
gradul de acoperire cu date. Prin gradul de acoperire cu date nelegem att o
distribuie spaiu ct i o distribuie n timp. Necesitatea datelor cu distribuie
uniform a fost i este n continuarea una din probleme stringente ale socitii
moderne. Absena uniformitii datelor foreaza oamenii de tiin s apeleze la
analize locale sau regionale cu grad de detaliere diferit. Datele frecvent cu repartiie
neuniform din punct de vedere al distribuiei spaiale ct i a distribuiei temporale
sunt geologia i litologia, solurile, parametrii fizico-chimici ai solurilor .a. (Burrough,
i alii, 1998, 2005). Acest lucru este datorat pe de o parte procesului ndelungat de
realizare, timp n care se modific standardele de colectare, iar pe de alt parte
erorilor determinate de gradul de pregtire ale specialitilor implicai n cartarea lor.
Adesea se ntlnesc situaii n care pe hri geologice alturate nu exist continuitate
a stratelor geologice. n situaiile cnd distribuia spaial a datelor nu este uniform
trebuie luate decizii cu privire la minimul necesar de informaie pentru analiza i
daca situaia impune colectarea de mai multe date sau agregarea datelor existente la
un nivel de detaliere mai mic (Burrough, i alii, 1998, 2005).
3.3.3. Scara hrilor i rezoluia
Majoritatea datelor create de-a lungul timpului au fost organizate sub form
de hri tematice: hri topografice, hri ale solurilor, hri geomorfologice, hri ale
geologiei i litologiei, hri meteorologice i climatice etc, sau hri derivate din cele
prezentate mai sus: hri ale declivitii, hri ale scurgerii apei pe versani, hri ale
formei versanilor etc. Gradul de detaliere al acestor hri variaz foarte mult i este
direct proporional cu scara hrilor. Majoritatea harilor cu acoperire spaial
global ajung la o scara 1:20.000 1:25.000. Din pcate aceste hri nu ofer
suficiente informaii pentru o analiza detaliat, local. (Burrough, i alii, 1998, 2005).
Dezvoltarea sistemelor informaionale geografice odat cu dezvoltarea informaticii,
17

a permis crearea de baze de date digitale care s mbine date ct mai variate ca scar
i rezoluie. De asemenea dezvoltarea sistemelor informaionale geografice tinde s
nlocuiasc (n opinia autorului deja a inlocuit-o) scara cu rezoluia datelor digitale de
tip raster.
3.3.4. Densitatea observaiilor
Densitatea datelor reprezint una dintre cele mai importante aspecte ale
modelrii spaio-temporale i n mod special pentru statistica bayesian. Foarte
multe lucrri au fost scrise referitor gradul de densitatea al datelor culese att de pe
teren ct i din alte surse cartografice (Isaaks, i alii, 1989, Burrough, i alii, 1998,
2005, Christakos, 2000, 2005). Calcularea probabilitilor apriori se bazeaz pe date
deja nregistrate. Cu ct densitatea observaiilor este mai mare cu att concluziile
obinute prin inferen bayesian sunt mai realiste. Densitatea observaiilor
influeneaz i analizele de geostatistic, astfel cu ct sunt mai multe observaii cu
att interpolriile sunt mai precise. Rezultatele analizelor de geostatistic reprezint
surse de date pentru modelarea spaio-temporal i consecin cu ct incertitudinile
i erorile sunt mai mari cu att rezultatele finale sunt mai putin credibile.
3.3.5. Relevana datelor GIS
Nu toate datele culese sunt i relevante pentru analize. O serie de date
reprezint doar alternative la datele necesare, acestea fiind mult prea greu de
procurat sau prea scumpe (Burrough, i alii, 1998, 2005). Datele alternative servesc
pentru calcularea datelor necesare fie pe baza unor relaii empirice fie pe baza unor
relaii statistice. Un exemple l reprezint imaginile satelitare unde pentru fiecare
pixel (a cror rezoluie spaial i spectral sunt acceptabile pentru studiul n cauz)
sunt nregistrate valorile de reflectan care la rndul lor sunt asociate unor clase de
utilizare a terenului i vegetaie. Asocierea valorilor spectrale nregistrate pentru
fiecare pixel se poate realiza fie prin procesarea automat a imaginilor satelitare,
folosind programe speciale de teletecie, fie prin interpretarea vizual de ctre
specialiti a diferitelor combinaii spectrale, astfel nct s se poat distinge ct mai
multe diferenieri n vegetaie i utilizarea terenurilor. Un alt exemplu n reprezint
18

extragerea curbelor de nivel de pe hri topografice, crearea modelului digital al
altitudinilor (MDA) din curbele de nivel, cu ajutorul programelor speciale i derivarea
parametrilor morfometrici din modelul digital al altitudinilor rezultat.
3.3.6. Interoperabilitate
Modul n care datele sunt salvate este extrem de important n
funcionalitatea unui GIS. Se pot deosebi urmtoarele aspecte importante n salvarea
i manipularea datelor n sistemele informaionale geografice (Burrough, i alii,
1998, 2005):
Tipul de date utilizat pentru salvarea datelor GIS: vector sau raster i
atributele asociate lor. Pentru mai multe detalii despre avantajele i dezavantajele
tipurilor de date menionate mai sus pentru salvarea datelor spaiale se recomanda
(Burrough, i alii, 1998, 2005, Maquire, i alii, 2005, Longley, i alii, 2005)
Locul unde sunt salvate datele: server cu DBMS sau format propriu fiecrui
soft specializat joac un rol important din cel puin dou aspecte: salvarea datelor n
acelai loc fr date redundante i accesul securizat al utilizatorilor. Un dezavantaj
major n reprezint schimbul de date ntre sisteme. n acest sens sunt numeroase
studii i o detaliere a acestui aspect nu face scopul acestei lucrri. Consoriul Open
GeoSpaial face eforturi considerabile pentru mbuntirea standardelor datelor
spaiale (Open Geospatial, 1994-2007)
Medatatele. Pentru mai multe informaii putei consulta standardele ISO
19115, 19139 (ISO19115, 2003)
Actualizarea datelor Sunt datele actualizate?
Serii de timp
Gradul de acoperire cu date Acoperirea spaial este complet sau
incomplet
Accesibilitatea datelor Interoperabilitatea
Copyright
Costul de achiziie
19

Acurateea i precizia Densitatea observaiilor
Acurateea localizrii
Acurateea atributelor cantitative i
calitative
Acurateea topologiei datelor spaiale
Descendena (metadate): de cine i cnd
au fost culese datele
Surse de erori n datele spaiale Greeli n datele primare sau n rezultate
Alegerea modelului de stocare a datelor
Variaie i incertitudine n localizarea
granielor dintre obiecte i in topologie
Subiectivitatea specialistului
Procesarea datelor: erori numerice n
calculatoare, limitri ale calculatoarelor
n modul de reprezentare i stocare a
numerelor
Surse de erori n datele derivate
din cele primare i n rezultatele obinute
n urma modelrii i analizei
Probleme asociate cu suprapunerea
datelor organizate n stratelor tematice
Probleme legate de tipologia clasificrilor
i generalizare (agregare etc)
Alegerea modelului de analiz
Abuz n exprimarea logic a relaiilor
dintre componentele modelului
Propagare a erorilor n modelare
Metodele utilizate pentru interpolri
Tabela 1 Factori ce afecteaz calitatea datelor spaiale. Dup (Burrough & McDonnell,
Principles of Geographical Information Systems, 1998, 2005)

20

3.4. Propagarea erorilor n modelarea spaio-temporal
n sistemele informaionale geografice atributele asociate datelor de tip
vector (punct, linie, poligon) devin, prin transformare din vector n raster, atributele
pentru fiecare celul din rasternul nou creat. Acest lucru presupune existena unor
valori absolut corecte. ntruct majoritatea sistemelor informaionale geografice nu
au unelte pentru evaluarea erorilor din datele primare sau pentru evaluarea modului
de propagare a erorilor prin transformarea dintr-un tip de date n altul (Burrough, i
alii, 1998, 2005). Pentru a cuatifica erorile i modul de propagare a erorilor dintr-o
analiz spaio-temporal este necesar urmrirea a cel puin trei factori ce
determin aceste erori: calitatea datelor spaiale, calitatea modelului spaio-
temporal i modul n care datele i modelul interacioneaz (Burrough, i alii, 1998,
2005)
Modelul digital al altitudinilor reprezint una dintre principalele surse
primare pentru analiza spaio-temporal a fenomenelor naturale. Incertitudinea i
erorile din MDA se propag n toat analiz, cu influene importante asupra
rezultatelor. Realizarea de MDA, care s corespund ct mai bine suprafeei
topografice reale, a fost i nc reprezint o preocupare important a cercettorilor
din ntreaga lume (Goodchild, 1980; Fisher, 1998; Qiming, i alii, 2004; Lynn, i alii,
2006; Trevor, i alii, 1997). Este cunoscut faptul c altitudinile nregistrate prin MDA
sunt supuse unor erori de msurare, interpolare i reprezentare (o singur valoare
de altitudine corespunde unei singure celule dintr-un raster, n consecin alegerea
rezuluiei optime este foarte important). Adesea, se consider c erorile din MDA
nu au o distribuie spaial, acest lucru fiind fals. Se pot deosebi dou direcii diferite
n cercetrile pentru mbuntirea MDA: studii asupra metodelor de interpolare i
mbuntirea lor i studii ce implic simulare stohastic condiionat (Fisher, 1998).
n lucrarea de fa nu am concentrat atenia asupra metodelor de interpolare pentru
obinerea de MDA. Pentru informaii suplimentare despre metode de interpolare
utiliznd geostatistica clasic se recomand (Burrough, i alii, 1998, 2005; Isaaks, i
alii, 1989), iar pentru geostatistica modern (Christakos, 2000; Christakos, 2005). n
21

acest studiu ne-am concentrat atenia asupra modelelor de evaluare a propagrii
erorilor n MDA i asupra metodelor de simulare condiionat stohastic.
3.4.1. Modelul de eroare poate fi definit ca fiind (Heuvelink, 1998):
(1)
Unde A(x) i V(x) sunt variabile stohastice, iar b(x) este variabila
deterministic, pentru locul x. Pentru punctul x se calculeaz media i deviaia
standard. Media reprezint o eroare sistematic, deoarece arat ct de mult
variabila deterministic difer sistematic de variabila A(x), iar deviaia standard este
considerat o eroare non-sistematic. n analiza standard a erorilor, de regul se
consider ca erorile au o distribuie normal (Gaussian) (Heuvelink, 1998). Acest
lucru se explic prin teorema limitei centrale: Atunci, dac n (numrul de observaii,
simulri sau msurtori) este suficient de mare, distribuia mediilor obinute n cazul
fiecruia dintre msurtori (medie M1, M2...Mn) este o distribuie normal a crei
medie coincide cu media populaiei (media(Mi) = ) iar abaterea standard este: M=
/n (Heuvelink, 1998). Prin urmare majoritatea modelelor pentru mbuntire a
MDA folosesc simulri dintr-o distribuie (asumat) normal.
3.4.2. Simularea Monte Carlo
Simularea Monte Carlo const n general n simularea unui set de date (n
situaia fa date de tip raster) ce respect regulile statistice ale eantionului de baz
i regulile de distribuie a datelor pentru parametrii modelului. Monte Carlo se
realizeaz prin calcularea rezultatului de n ori, cu date de intrare simulate aleator
dintr-o distribuiile de probabiliti cumulare ale modelului. Paii metodei Monte
Carlo sunt urmtorii (Heuvelink, 1993; Burrough, 1989):
a. Genereaz un set de date A
i,
i=1...m, care respect legile statistice i tipul
de distribuie a datelor pentru parametrii modelulu
b. Pentru fiecare set de date se calculeaz rezultatul modelului
c. Calculeaz i salveaz indicatori statistici din N rezultate ale modelului

22

3.4.2.1. Acurateea metodei Monte Carlo
Daca R este rezultatul fiecrui set de date i N este numrul de simulri
Monte carlo, atunci pentru toate rezulatele din N se pot calcula indicatori statistici
precum medie, abatere medie ptratic.

(2)
media simulrilor Monte Carlo

(3)
abaterea medie ptratic pentru simulrile Monte Carlo
Acurateea rezultatului crete pe msur ce numrul simulrilor Monte Carlo
cresc, astfel pentru o acuratee de dou ori mai mare se recomand un numr de
simulri de patru ori mai mare (Heuvelink, 1993; Heuvelink, 1998)
3.4.3. Propagare a erorilor n analizele de vecintate
Analize de vecintate constau n crearea de noi seturi de date, pentru care
feicare celul are o valoare rezultat din aplicarea unor funcii spaiale asupra
valorilor celulelor vecine pe o distan i direcie specificate. Un exemplu de aplicaie
a analizelor de vecintate este utilizarea unui filtru de medii pentru ndeprtarea
valorilor aberante dintr-un MDA. Propagarea erorilor n analizele de vecintate se
poate realiza folosind fie metoda Monte Carlo fie metode precum seriile Taylor sau
Rosenblueth (Heuvelink, 1998). n cazul utilizrii unui filtru low pass cu o fereastr
ptrat de 3x3 celule, propagarea erorilor poate fi analizat cu ajutorul seriilor Taylor
de ordinul I. Se pune n evidena faptul c medierea valorilor aberante are un efect
mai pronunat acolo unde autocorelarea spaial este absent i un efect mai puin
evident acolo unde valorile celulelor sunt autocorelate spaial (Heuvelink, 1998).
3.5. Modelare spaial a propagrii erorilor din MDA
Sursa datelor folosite pentru crearea MDA al zonei administrative a oraului
Breaza, judeul Prahova, au fost planurile topografice la scara 1:5000, ediia 1970-
23

1980, achiziionate de la Fondul Naional de Geodezie i Agenia Naional de
Cadastru i Publicitate Imobiliar. Suntem contienti c sursa de date este veche, dar
considerm ca relieful nu a suferit modificri majore pe parcursul a 20-30 de ani. De
asemenea alternativele la sursele de date noi precum imagini satelitare de rezoluie
mare Ikonos, QuickBird, OrbView .a., aerofotograme recente i costurile de
stereorestituie sunt mult prea scumpe pentru a le putea achiziiona. Au fost
achiziionate mpreun cu planurile topografice la scara 1:5000 i ortofograme color,
zboruri 2005, la scara 1:5000. Materialele cartografice au fost achiziionate din
proiectul de cercetare TD2916/2006-2007, director de proiect Ionut andric i
finanat de Consiliul Naional al Cercetrii tiinifice din nvmntul Superior. De pe
planurile topografice au fost extrase curbele de nivel, cotele, reeaua hidrografic.
Reeaua hidrografic a fost actualizat cu ajutorul ortofotogramelor color, zboruri
2005. Curbele de nivel i cotele au reprezentat principala surs pentru generarea
modelului digital al altitudinilor. A fost utilizat funcia Topo to Raster din programul
ArcGIS 9.2. dezvoltat de Environmental Systems Research Institute, Inc (ESRI). Pentru
mai multe informaii recomandm help-ul programului ArcGIS i programul ANUDEM
dezvoltat de Michael Hutchinson (Hutchinson, 1996; Hutchinson, 1988; Hutchinson,
1989). Aceast metod a fost dezvoltat pentru interpolarea corect a suprafeei
topografice din punct de vedere al reelei hidrografice. Alegerea metodei de
interpolare dezvoltata de Michael Hutchinson este justificat de diferenele mici de
altitudine ce apar ntre suprafaa topografic generat de metoda de interpolare i
cote msurate aleator pe planul topografic (
1
andric et al). Mulumim pe aceast
cale Institutului de Memorie Cultural (http://www.cimec.ro) pentru amabilitatea de
a utiliza programul ArcGIS 9.2 cu extensiile Spaial Analyst i 3D Analyst.
Pentru crearea MDA, sursele de date si anume: curbele de nivel i cotele au
fost extrase prin digitizare manual de pe planurile topografice la scara 1:5000,

1
andric Ionu et al, Erori n algoritmi de interpolare pentru modelele numerice de teren,
lucrare prezentat la Simpozionul Internaional Sisteme Informaionale Geografice, Iai, 2005

24

copyright Agenia Naional de Cadastru i Publicitate Imobiliar. S-a preferat
vectorizarea manual a curbelor de nivel, chiar daca acest proces este mai laborios i
cu durat mai mare de timp (mulumim pe aceast cale studenilor Spiridon Claudiu
i Terente Mihai pentru ajutorul acordat). Vectorizarea automat nu a fost posibil
ca urmare a calitii radiometrice sczute a materialelor cartografice scanate.
Modelul digital al altitudinilor a fost creat folosind funcia Topo to Raster din
cadrul programului ArcGIS 9.2. Au fost utilizate curbele de nivel cu echidistana de
2,5 metri, cotele altimetrice i reeua hidrografic. Din cote au fost extrase aleator
un procent de 20% ce a fost folosit la calcularea erorilor de interpolare i a
diferenelor de altitudine ntre suprafaa topografic generat de metoda de
interpolare i altitudinea reprezentat de cota altimetric n acel punct. Au fost
utilizate 247 de cote pentru calculara diferenelor ntre altitdinea rezultat din
interpolare i altitudinea cotelor. Acestea au fost alese aleator i acoper toat zona
de studiu, att pe culmi i versani, ct i pe vi. Diferenele nregistrate sunt
cuprinse ntre -28m metri i +44 metri. Media diferenelor de altitudine nregistrate,
media este de 4,51 metri i deviaia standard de 3,62 metri. Deviaia standard
ridicat indic faptul ca media nu este reprezentativ pentru setul de date utilizat.
Din 247 de puncte n care s-a testat precizia metodei de interpolare n estimarea
valorilor de altitudine doar n trei puncte au fost nregistrate valori negative ntre
suprafaa topografic rezultat din interpolare i cote. n aceste puncte suprafaa
topografic a fost interpolat deasupra celei reale, ceea ce a dus la apariia efectelor
de pod (Eastman, 2006). Toate cele trei puncte sunt dispuse n apropierea albiei
Prahovei, ce se explic prin carena metodei de interpolare n generarea suprafeei
topografice apropiat de cea de pe planurile topografice la scara 1:5000, n
apropietea cursurilor de ap, chiar dac metoda a fost optimizat pentru generarea
unei suprafee topografice care s reprezinte corect reeua hidrografic. Douzeci i
unul de puncte au avut valori pozitive, ceea ce indic ca suprafaa topografic a fost
interpolat sub suprafaa topografic real. Din acestea doar dou puncte au avut
peste 10 metri diferen, ceea ce indic o excepie a valorilor de peste zece metri
diferen ntre valorile interpolate i cotele de pe planurile topografice.
25

Figura 1 Histograma diferenelor dintre cotele de pe planurile topografice la
scara 1:5000 i suprafaa topografic rezultat prin interpolare
Din Fig.1 se poate observa predomninana valorilor pozitive n diferenele
nregistrate ntre suprafaa topografic nregistrat i cotele de pe planurile
topografice, valori din care se poate trage uor concluzia c interpolarea a
subevaluat suprafaa topografic prezentat de planul topografic 1:5000.
Majoritatea valorilor sunt grupate n jurul mediei de aproximativ -+5 metri diferen
ntre cote i valorile interpolate. Foarte multe valori au fost apropiate de 0m, ceea ce
indic o interpolare destul de exact.
Aparent, din Fig. 2, diferenele nregistrate ntre valorile interpolate i valorile
cotelor de pe planul topografic, nu par foarte importante. Acest lucru este
determinat de scara mic de reprezentare a graficului, dar i de media mic
nregistrat pentru cele 247 de puncte de control folosite. Totui aceste valori fac
diferen clar n analizele ulterioare ce vor folosi MDA. Fig. 3 indic locul unde s-a
testat diferenele ntre valorile de pe planul topografic i suprafaa topografic
interpolat. Se observ cum cele mai mari diferene se nregistreaz n apropierea
culmilor i mai puin pe versani. Acest lucru este determinat de carenele metodelor
-40
-30
-20
-10
0
10
20
30
40
50
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
1
1
0
1
1
1
1
1
2
1
1
3
1
1
4
1
1
5
1
1
6
1
1
7
1
1
8
1
1
9
1
2
0
1
2
1
1
2
2
1
2
3
1
2
4
1
Series1
26

de interpolare n generarea unei suprafee topografice ct mai apropiate de cea
prezentat de suportul cartografic utilizat (
2
andric et al).

Figura 2 Comparaie ntre valorile de altitudine rezultate din interpoalre i
cotele de pe planurile topografice la scara 1:5000
Fig. 3 pune n eviden distribuia spaial a diferenelor de altitudine ntre
suprafaa topografic generat prin interpolare i cotele de pe planurile topografice.
Se poate observa c nu exist nici o relaie ntre valoarea absolut a altitudinii i
diferenele de nregistrate, acestea variind pe toat suprafaa zonei de studiu. Astfel
att la altitudini mari ct i la altitudini mai mici, diferenele sunt sunt influenate de
topografie. Cele mai mari valori sunt nregistrate pe culmi i vi, iar cele mai mici pe
versani. Acest lucru se explic prin desimea mai mic a curbelor de nivel pe culmi i
vi, n mod special pe vi unde uneori curbele se ntrerup n dreptul malurilor
abrupte, i o desime mai mare i o uniformitate pronunat a curbelor de nivel pe
versani.

2
400.00
450.00
500.00
550.00
600.00
650.00
700.00
750.00
800.00
850.00
900.00
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Suprafaa topografic Cote
27

Figura 3 Distribuia diferenelor ntre suprafaa topografic i cotele de pe
planurile topografice la scara 1:5000
28

3.6. Analiza statistic a MDA-ului
Histograma diferenelor de altitudine dintre MDA-ul din zona administrativ a
oraului Breaza (Fig.) i cotele de pe planurile topografice la scara 1:5000, arat o
asimetrie pozitiv (0,7209) a valorilor nregistrate cu o medie de 4,5096 i o abatere
standard de 3,6784 i o valorea median de 4,7408. Graficul Normal QQ (Fig.) pentru
testarea distribuiei normale a diferenelor dintre suprafaa topografic rezultat din
interpolare i cotele de pe planurile topografice la scara 1:5000 indic o distribuie
care se apropie de distribuia gaussian, dar nu se supune n totaliltate regulilor
distribuiei gaussiene. n aceste situaii unii autori recomand transformarea
valorilor diferenelor de altitudine prin logaritmarea lor (Isaaks, i alii, 1989;
Burrough, i alii, 1998, 2005). Aceast transformare este util atunci cnd
rezultatele nu se doresc n unitile de msur ale valorilor iniiale, ci doar se
analizeaz caracteristicile geostatistice ale fenomenului n sine. Situaia se complic
dac este necesar transformarea valorilor rezultate n unitatile de msur ale
valorilor iniiale (Pebesma, i alii, 1997). n studiul de fa s-a preferat ca valorile
iniiale sa nu fie transformate prin logaritmare.

Figura 4 Histograma deviaiei standard pentru diferena de altitudine ntre
modelul digital al altitudinilor rezultat din interpolarea curbelor de nivel i cotele
altimetrice nregistrate de pe planul topografic la scara 1:5000
29

Figura 5 Graficul NormalQQ pentru testarea distribuiei normale a
diferenelor de altitudine ntre MDA i cotele nregistrate de pe planul topografic la
scara 1:5000
Una din principalele probleme ntlnite n geostatistic i modelare spaio-
temporal este acurateea datelor interpolate. Aceasta a reprezentat i reprezint n
continuare opreocupare important la nivel internaional. Evaluarea calitii valorilor
interpolate se realizeaz prin calcularea de hri ale erorilor pentru metoda de
interpolare kriging, hrii ale varianei, ale diferenelor ntre valorile msurate i cele
interpolate. n cazul realizrii de MDA problema se complic i mai mult. Metoda de
interpolare este adesea un compromis ntre estimarea corect a valorilor de
altitudine n majoritatea celulelor din raster i reprentarea corect a morfografiei.
Dei aceste dou aspecte sunt condiionate, totui nici o metod de interpolare de
pn acum nu a reuit s le compine ntr-un mod acceptabil (
3
andric et al). Un
aspect esenial al MDA-urilor create din curbele de nivel vectorizate de pe hrile sau
planurile topografice (n afara preciziei temporale a datelor) este verificarea valorilor
interpolate cu valori citite tot din hrile sau planurile topografice, prin urmare
suprafaa topografic real, n condiiile creia s-au produs

3
30

Figura 6 MDA rezultat prin metoda Monte Carlo: a). simularea suprafeei
topografice; b). diferene de altitudine ntre dou MDA rezultate n urma simulrii
Monte Carlo
31

fenomenele studiate, nu este cunoscut, ci doar aproximat de hrile i planurile
topografice. Din aceast cauz am considerat necesar s nu ne limitm doar la a
genera un simplu MDA care s fie considerat corect, ci s ncercm s simulm
posibile suprafeee topografice. Limitele de altitudine ntre care s-au realizat
simulrile au fost calculate pe baza diferenelor de nivel ntre valorile de altitudine
rezultate din interpolare i valorile de altitudine ale cotelor citite de pe planurile
topografice la scara 1:5000.
n figura de mai sus este prezentat simularea suprafeei topografice cu
ajutorul simulrii Monte Carlo. Simularea Monte Carlo a fost aleas ca fiind cea mai
potrivit metod, ca urmare a flexilibilitii n alegerea tipului de distribuie a datelor
i a posibilitii calculrii unui numr important de indicatori statistici pentru fiecare
scenariu. Simularea Monte Carlo const n general n simularea unui set de date
(raster n situaia fa date de tip raster) ce respect regulile statistice ale
eantionului de baz i regulile de distribuie a datelor pentru parametrii modelului.
Monte Carlo se realizeaz prin calcularea rezultatului de n ori, cu date de intrare
simulate aleator dintr-o distribuiile de probabiliti cumulare ale modelului. Paii
metodei Monte Carlo sunt urmtorii (Heuvelink, 1993; Burrough, 1989):
Genereaz un set de MDA, MDA
i,
i=1...m, care respect legile statistice i tipul
de distribuie a datelor pentru parametrii modelului. Au fost folosite valori aleatorii
extrase dintr-o distribuie normal cu media 4,50 metri i abaterea medie ptratic
egal cu 3,67 metri
Pentru fiecare set de date s-a calculat un nou MDA, rezultat din adunarea
valorilor simulate dintr-o distribuie normal cu medie 4,50 i abatere medie
ptratic de 3,67, la suprafaa topografic rezultat din interpolare
S-a calculat pentru fiecare celul valoarea medie a suprafeei topografice
rezultat din simulrile Monte Carlo.
Daca R este rezultatul fiecrui set de date i N este numrul de simulri
Monte carlo, atunci pentru toate rezulatele din N se pot calcula indicatori statistici
precum medie, abatere medie ptratic.
32

(4)
media valorilor de altitudine pentru simulrile Monte Carlo
simulri de patru ori mai mare (Heuvelink, 1993; Heuvelink, 1998)
Au fost utilizate pentru exemplificare 4 simulri n numr de 10, 100, 200,
250. Pentru realizarea simulrilor a fost utilizat programul PCRaster, versiunea
Python, dezvoltat de Universitatea Utrecht din Olanda. A fost creat un script,
folosind limbajul de programare Python, versiunea 2.4.4. i funcia demnoise2 (Anexa
6) care foloseste librriile GDAL, gdal_array. Librriile gdal_array sunt folosite pentru
transformarea datelor raster n array, iar GDAL pentru salvarea sistemului de
proiecie utilizat i pentru transformarea din alte formate de date n formatul
PCRaster. Funcia demnoise2 are ase argumente: MDA, medie i abatere medie
ptratic pentru calculul valorilor aleatorii dintr-o distribuie normal, numrul de
linii i coloane pentru array i un raster de referin pentru salvarea corect n
sistemul de coordonate utilizat.

33

Figura 7 Diferene rezultate dup 10 simulri Monte Carlo folosind valori
aleatorii dintr-o distribuie normal cu medie=4,50 i abaterea medie ptratic=3,67

Figura 8 Diferene rezultate dup 100 simulri Monte Carlo folosind valori

Figura 9 Diferene rezultate dup 200 de simulri Monte Carlo folosind valori
34

Figura 10 Diferene rezultate dup 250 de simulri Monte Carlo folosind
valori aleatorii dintr-o distribuie normal cu medie=4,50 i abaterea medie
ptratic=3,67
Din figura de mai sus se observ cum valorile medii rezultate din 10 simulri
Monte Carlo sunt foarte diferite de valorile rezultate din 100 de simulri sau 200 de
simulri sau 250 de simulri Monte Carlo. Intervalul de valori utilizat pentru
simularea valoriile este cuprins, conform figurilor de mai sus, ntre -15 metri
+25metri. Valoriile minime medii pentru toate simulrile Monte Carlo sunt
aproximativ n jurul valorii de -14metri. Valoriile maxime medii pentru toate
simulrile Monte Carlo sunt situate n jurul valorii de aproximativ +23metri. Valoriile
medii pentru toate simulrile Monte Carlo sunt de aproximativ +18metri. Aceste
numere indic de altfel limite n care au fost simulate suprafee topografice noi,
deasupra i sub suprafaa topografic generat prin metodate interpolare
implementat n programul ArcGIS 9.2. astfel pentru fiecare simulare Monte Carlo a
fost creat cte un raster, a cror celule aveau valori cuprinse, n medie, ntre -
14metri i +23metri. Aceste date raster noi create au fost adugate suprafeei
35

topografice rezultat din interpolarea curbelor de nivel, ceea ce a dus la obinerea
suprafeelor topografice simulate. Acu
simulri de patru ori mai mare (Heuvelink, 1993; Heuvelink, 1998). Se observ cum
diferenele ntre valoriile minime i maxime, valoriile minime medii i valoriile
maxime medii i valoriile medii pentru simulrile Monte Carlo sunt mai diferite
pentru doar 10 simulri i restul de 100, 200 i 250 de simulri, fiind de aproximativ 2
metri. Pe msur ce numrul de simulri crete, scade i diferena ntre valorile
rezultate, astfel diferena ntre 100 i 200 de simulri fiind de sub 1metru.

Figura 11 Adugarea de valori simulate dintr-o distribuie normal la
suprafaa topografic rezultat din interpolare
Figura de mai sus pune n eviden metoda utilizat pentru crearea de noi
suprafee topografice simulate. Fiecare raster rezultat prin simularea unor valori,
individuale pentru fiecare celul, este adunat cu suprafaa topografic rezultat prin
interpolare. Rezultatul este o nou suprafa topografic cu valori de altitudine
diferite, rezultate n urma operaiei de adunare ntre cele dou rastere.
36

Figura 12 Diferene dintre dou MDA rezultate prin metoda stohastica
suprafeele topografice rezultate au valori diferite pentru fiecare celul. Diferena
dintre valorile de altitudine nu este mai mare de intervalul de valori minime i
maxime prezentat mai sus. Figura ... prezint dou suprafee topografice rezultate la
simularea 25 din 250 i simularea 200 din 250. Se observ o diferen de aproximativ
+2,5metri pentru suprafaa topografic rezultat la simularea cu numrul 200 fa de
simularea cu numrul 25. Aceast situaie se inverseaz continuu pe parcursul celor
250 de suprafee topografice simulate, diferenele nefiind mai mari de intervalul de
valori minime i maxime prezentat mai sus. n partea din stnga a figurii de mai sus
este prezentat suprafaa topografic cu valori medii de altitudine, rezultat prin
calcularea valoriilor medii pentru toate cele 250 de simulri Monte Carlo. Spre
deosebire de metoda deterministic, unde rezult doar o singur suprafaa
topografic, din interpolarea datelor de altitudine (cele mai utilizate fiind curbele de
nivel i cotele msurate n teren sau culese de pe hrile i planurile topografice),
metoda stohastic prezint avantajul utilizrii unui set de date (a crei dimensiune
este stabilit de specialist i n funcie de precizia dorit pentru rezultat) i
extragerea unor valori medii din acest set de date. Prin mprirea abaterii mediei
37

ptratic la valoriile medii se pbine o hart a erorilor (Burrough, i alii, 1998, 2005),
cu ajutorul creia se poate vizualiza i cuantifica distribuia spaial a erorilor.
Panta are o deosebita importan n geomorfologie fiind cea care n virtutea
gravitaiei induce curgerea apei i altor materiale, afectnd att viteza de scurgere la
suprafa ct i n subteran i n consecin coninutul de ap din sol, potenialul de
eroziune i alte procese geomorfologice. Exist mai multe metode de calcul a pantei,
dar n mare pot fi clasificate n doua: cele care calculeaz n funcie doar de patru
celule adiacente(nord-sud, est-vest) i cele care iau n considerare cele opt celule
adiacente(metoda D8).

Figura 13 Exemplu de grid
Formula de calcul integrat n pachetul de programe Idirisi32 se bazeaz pe
calculul pantei n funcie de patru celule vecine(D4):
tan_slope
2
4 8
2
2 6
2 * 2 *

rez
Z Z
rez
Z Z

(5)

unde tan_slope este panta maxim n jos,Z
2,4,6,8
sunt atributele celulelor
vecine, iar rez este rezoluia mdt. Prin nmulirea tan_slope cu 100 rezult panta n
procente (Eastman, 2006)
Formula D8:
P
D8
=max
i=1,8
( ) i h
Z Z
i
9

(6)
unde (i)=1 pentru punctele cardinale(nord, sud, est, vest)(Z
2,4,6,8
i (i)= 2
pentru diagonalele celulelor vecine(Z
1,3,5,7
) pentru a socoti extradistana la aceste
celule (Wilson, i alii, 2001)
38

Diferena consta n faptul ca calculul pantei pe baza D8 tinde sa netezeasc
valorile de panta uniformiznd i eliminnd particularitile reliefului local.
Expoziia(orientarea) poate fi gandit ca direcia pantei msurat ca valoare a
unghiului cuprins ntre nord i direcia pantei.

Formula de calcul este
O=180-arctan
x
x
x
y
Z
Z
Z
Z
90
(7)
(Wilson, i alii, 2001)

Celulelor cu o valoare a pantei egala cu zero (suprafaa orizontal) li se aloc
valoarea 1. Dac celula central se afl ntr-o zon lipsit de date, i se aloc
atributul de far date(no data). Dac una dintre celulele vecine nu are nici o
valoare, ea primete valoarea celulei centrale. Valorile expoziiei vor fi continui
ncepnd cu 0 (nord) i crescnd n direcia sensului de rotire a acelor ceasornicului
pn la 360 (din nou nord). Expoziia pentru fiecare celul este calculat folosindu-se
o fereastr de 3x3 celule vecine.
Valoarea devine nensemnat atunci cnd panta se apropie sau este egal cu
zero. Astfel atunci cnd panta este mai mic dect un anumit prag se consider
orientare nedefinit i cnd atinge valoarea zero intr n categoria suprafeelor
orizontale. Energia de relief se calculeaz prin aplicarea unor filtre de minim, maxim
diferena dintre ele constnd n energia de relief, aa cum este exemplificat mai jos.
Aici intervind cateva probleme legate de tipul de filtru folosit de un program sau altul
i de suprafata de de calcul. Am observat c de regula se folosete o suprafa etalon
de 1Kmp, fr s fie justificat poziia lor n spaiu, acestea corespunznd de regul
caroiajului proieciei hrii utilizate. De aici apar o serie de erori ncepnd cu
uniformizarea i anularea particularitilor locale de relief atuci cnd nu este folosit
o suprafa etalon corespunztoare. Personal cred c energia de relief este o
informaie inutil n orice studiu fie el la nivel global, ntruct celelalte hri
morfometrice ofer o mult mai bun imagine asupra reliefului.
Atunci cnd se calculeaz cu ajutorul programelor de SIG trebuie s se ina
seama de tipul de filtru utilizat, adic dac este un filtru ce se suprapune sau nu. n
39

cazul unui filtru ce se suprapune trebuie aleas cu foarte mare grij suprafaa etalon.
O alternativ la calculul de densitate este prezentat de Gregory E. Tucker i anume
desimea fragmentrii calculat pe baza distanei ntre cursurile de ap. De asemenea
mai introduce i desimea vilor. Vile ca form de relief sunt extrase prin calculul
curburii suprafeei terestre(Gregory E. Tucker, 2001).
Curbura reprezint rata de schimbare a primelor derivate (panta, orientare)
ntr-o anumit direcie. Cele mai des calculate sunt curbura n plan orizontal i n
plan vertical. Prima identific convergena i divergena suprafeei topografice i deci
predilecia apei de a converge n scurgerea pe suprafaa terestr. Curbura n profil
msoar rata de schimbare a pantei i deci are importan n caracterizarea
schimbrilor n viteza de scurgere i transportul de sedimente. O alternativ la
curbura n plan este curbura tangenial(curbura n plan nmulit cu sinusul pantei)
ntruct nu d valori extrem de mari atunci cnd panta este mic (Wilson, i alii,
2001)
Curbura totala este curbura suprafeei terestre spre deosebire de cea n plan
i profil ce sunt calculate pe o anumit direcie.
n afara importanei hidrologice mai poate fi folosit i la identificarea unor
forme geomorfologice:creste, culmi, vi, versani n cazul curburii n plan i versanii
convexi i versanii concavi.
Calculul curburii i acurateea rezultatului sunt foarte sensibile la erorile din
modele digitale. Unitatea de masur este radian/metru.
Toposhape este clasificarea automat a unor posibile forme de relief: varf,
culme, a, suprafa orizontal, vaiug sau talveg adncit, groap, versant convex,
versant concav, versant rectiliniu sau drept. Forma matematica a fiecrui pixel este
descris de informaia coninut de celulele imediat vecine. ntruct majoritatea mdt
nu se comport matematic foarte bine am folosit analiza Fourier pentru a netezi
mdt reducnd textura pentru o mai bun interpolare. Analiza Fourier presupune
transformarea din domeniul spaial(mdt) n domeniu frecven i aplicarea unor filtre
pentru ndeprtarea frecvenelor mari, urmat de transformarea napoi n domeniul
spaial.
40

a.
b.
Figura 14 a. toposhape extras din mdt neprelucrat Fourier; b. toposhape
extras din mdt prelucrat Fourier
Clasificarea automata a formelor de relief din modelele digitale de teren
dupa Lee Herrington, Gerald Pellegrini An Advanced Shape-Of-Country
Classifier:Extraction of surface features from DEMs, 4th International Conference on
Integrating GIS and Environmental Modeling (GIS/EM4):
41

Problems, Prospects and Research Needs. Banff, Alberta, Canada, September 2 - 8,
2000 cu completare din (Eastman, 2006)
Termen (engleza) Descriere Forma de relief asociat
Peak suprafata(sau pixel) mai nalt cu
altitudine mai mare dect
pixelii(celulele) din jur
vrf
Pit suprafata(sau pixel) mai joasa
cu altitudine mai mica decat
pixeli(celule) din jur
groap, form negativ
Ridge linie continua de celule cu valori
mai mari dect celulele situate
de o parte i de alta
creast, culme
Valley linie continu de celule cu valori
mai mici decat celulele situate
de o parte si de alta
vale
Ravine vaiuga, talveg adancit
Saddle point intersectie ntre o culme i o vale a
Concave hillside versant concav versant concav
Convex hillside versant convex versant convex
Saddle hillside versant ce are o curbura pozitiv
ntr-o directie i negativ n
cealalt direcie

Flat hillside versant fr curbur versant rectiliniu
Flat suprafa orizontal, fr pant suprafa orizontal
Tabela 2 Extragerea automat a formelor de relief
Este un surogat al expoziiei i reprezint orientarea scurgerii la suprafaa
terestr i se calculeaz prin identificarea celulei vecine cu cea mai mare pant dup
formula:
42

direcia de scurgere=2
j-1
, unde j=arg max
i=1,8
( ) i h
Z Z
i
9
,
vezi pante
De regula codarea este binar, ceea ce permite identificarea direciei de
scurgere n mai multe direcii, cu deosebirea c difer de la program la altul:
Atunci cnd valorile celulelor vecine sunt mai mici dect celula central se
consider ca fiind o depresiune, o zon de acumulare a apei.
43

Figura 15 Diferenele nregistrate ntre valoriile medii de altitudine rezultate din metoda stohastic i cea deterministic pentru
MDA (averagedemnoise reprezint denumirea fiierului rezultat n urma interpolrii, iar numrul dintre paranteze reprezint numrul
de simulri efectuat)
44

Pante
45

Energia de relief
46

curbura n plan
47

curbura n profil
48

Figura 20 Diferenele nregistrate ntre valoriile de deviaie standard de altitudine rezultate din metoda stohastic i cea
deterministic pentru MDA
49

deterministic pentru pante
50

deterministic pentru enrgia de relief
51

deterministic pentru curbura n plan
52

deterministic pentru curbura n profil
53

Figura 25 Harta erorilor ezultate din metoda stohastic i cea deterministic pentru MDA
54

Figura 26 Harta erorilor ezultate din metoda stohastic i cea deterministic pentru pante
55

Figura 27 Harta erorilor ezultate din metoda stohastic i cea deterministic pentru energie
56

Figura 28 Harta erorilor ezultate din metoda stohastic i cea deterministic pentru curbur n plan
57

Figura 29 Harta erorilor ezultate din metoda stohastic i cea deterministic pentru curbur n profil
58

3.7. Analiza Fuzzy
Majoritatea abordrilor n modelarea spaial a fenomenolor natural, presupun
c mediul nconjurator se desfoar ntre limite clare i bine de definite. Aceast
presupunere este ns eronat, lucru demonstrat i n cele prezentate mai sus. n
capitolele de mai sus, incertitudinile au fost tratate din punct de vedere probabilistic i
cantitativ prin exprimarea unor indicatori statistici bine definii la nivel mondial
(Burrough, i alii, 1998, 2005). n capitolul de analiz fuzzy vom prezenta o abordare a
incertitudinilor nu din punct de vedere probabilistic i statistic, ci din punct de vedere al
seturilor de date ce se ntreptrund i suprapun, fr a avea o limit clar, bine definit
spaial. Aceasta este analiza fuzzy. Se recomand s nu se interpreteze analiza fuzzy ca
fiind ceva neclar, printr-o simpl traducere din limba englez. Analiza fuzzy trateaz
situaii n care seturile de date se pot delimita spaial cu precizie (exemplu : zonele de
tranziie dintre pdurile de conifere i cele de foioase, distribuia carbonailor ntr-un
profile de sol, etc). analiza fuzzy permite ca elemente individuale s fie exprimate prin
apartenena lor la mai multe seturi de date sau la mai multe clase de date din acelai set
de date (Burrough, i alii, 1998, 2005).
Modelarea n mediul geografic este mult mai complicat, dect modelarea unor
entiti multivariate bine delimitate n spaiu i timp. n situaia modelrii n mediu
geographic se iau n considerare att atributele asociate elementelor spaiale, ct i
spaiul geografic (Burrough, i alii, 1998, 2005). Modelarea n spaiul atributelor
elementelor spaiale prezint probleme n determinarea apartenenei obiectelor
spaiale la aceeai clas spaial, precum i identitatea clasei spaiale. Acestea sunt doar
o parte din problemele care apar atunci cnd se alege o clasificare a elementelor
spaiale bazat pe atribute i care poate duce la ambiguiti i non-continuitatea claselor
i grupurilor de elemente spaiale. (Burrough, i alii, 1998, 2005). Modelarea n spaiul
geografic ridic probleme determinate de distribuia spaial continu a elementelor sau
grupurilor de elemente spaiale. Adesea prin clasificarea elementelor spaiale antropice,
59

atenia a fost concentrat definirii numai acelor clase care rezid din atribute i
presupunnd c i alte elemente similare se vor grupa n mod similar. Aceast situaie
poate fi real la scar global, dar din ce n ce mai multe lucrri prezint aspecte legate
de variaie n mediu atributelor ct i n mediu geografic la scar local (Burrough, i
alii, 1998, 2005).
n 1965 Zadeh (Zadeh, 1965) introduce analiza FUZZY pentru a trata cu seturile
de date inexacte ntr-un domeniu bine definit (Zadeh, 1965). Alegerea termenului de
fuzzy (neclar) a fost considerat de unii autori ca fiind total nepotrivit, deoarece
sugereaz o imagine a unor obiecte neclare, nedefinite n timp i spaiu, ceea ce nu este
potrivit n mediu tiinific.
Analiza fuzzy abordeaz acele clase de obiecte care, din motive diverse, nu pot fi
delimitate clar spaial i temporal. Aceste clase poart denumirea de seturi fuzzy.
Analiza fuzzy nu este o analiz probabilistic, n care gradul de apartenen la un anumit
set de date este determinat de o funcie probabilistic, ci este mai degrab o posibilitate
ca un element s aparin unui set de date, sau o posibilitatea ca o anumit situaie sa
fie corect sau incorect. Evaluarea posibilitii poate fi realizat fie prin metode
subiective, intuitive, precum experiena specialitilor implicai, fie prin metode bine
definite statistic, care ii au baza n teoria probabilitilor. Un exemplu este o analiz
fuzzy pentru evaluarea incertitudinilor n poziionarea spaial a unei clase i aceasta s
fie legat de evaluarea erorilor cu o anumit magnitudine (Burrough, i alii, 1998,
2005).
3.7.1. Seturi de date Boolean
Seturile de date convenionale permit doar dou valori: adevrat sau fals, astfel
un element spaial poate aparine sau nu unei clase, de exemplu: fiecare celul dintr-un
raster poate fi ocupat sau nu de o alunecare, o celul din-un raster poate fi ocupat
doar de pdure de un anumit tip etc. Seturile fuzzy permit ns posibilitatea ca un
element s fac parte din mai multe clase sau s fie distribuit spaial cu diferite grade de
60

apartenen la o clas sau mai multe clase. Un set de date bine delimitat spaial este un
set n care elementele se ncadreaz unei clase sau alteia i clasele sunt bine delimitate
spaial ntre ele. Gradul n care un anumit element z aparine unei clase sau alteia este
exprimat printr-o funcie de apartenen FA
B
(Burrough, i alii, 1998, 2005), funcie care
ar lua valori de 0 sau 1 pentru un set de date boolean. Gradul de apartenen exprimat
prin funcia de apartenen este dat de:
FA
B
(z)=1, dac b
1
z b
2
(8)
FA
B
(z)=0, dac z < b
1
sau z > b
2
, unde b
1
, b
2
reprezint limitele unui set de date
(Burrough, i alii, 1998, 2005)
Seturi de date fuzzy
Un set fuzzy este definit mathematic ca fiind:
A = (z,FA
A
F
(z)) (9)
unde funcia de apartenen FA
A
F
este cunoscut sub numele de grad de
apartenen. Funcia de apartene produce un numri cu valori de la 0 la 1, fiind
absena apartenenei la clasa n discuie, iar 1 apartenea maxim la clasa n discuie.
Gradul de apartenena a lui z la A nu este bazat pe probabilitate, ci mai degrab pe
posibilitate. Cu alte cuvinte funcia de apartenen prezint intervalul n care z aparine
lui A. Aceast ofer o imagine prin care putem spune n ce msur o observaie aparine
unei clase sau alteia. Figura de mai jos pune n evidena seturile fuzzy utilizate pentru
exprimarea incertitudinii n delimitarea pe teren a alunecrilor de teren. Imaginea din
dreapta, cu culoare roie pe fond negru, pune n evidena seturile de date boolean, cu
limite foarte clare n delimitarea spaial a alunecrilor de teren. Imaginea din dreapta
pune n evidena seturile fuzzy utilizate pentru exprimarea incertitudinii n cartarea
spaial a alunecrilor de teren. Astfel, spre deosebire de seturile boolean, pentru
seturile fuzzy se observ cum gradul de apartenena la alunecrile de teren cartate,
scade pe msur ce ne ndeprtam de cartarea de teren, ce are o valoare de 1 i
ajungnd la aproximativ 50 de metri distan de alunecarea cartat sa aibe valoarea 0.
61

Figura 30 Exemplu de analiza fuzzy
n cele mai multe cazuri, limitele pentru seturile de date boolean sunt alese pe
baza criteriilor empirice sau pe baza unor legi de clasificare bine definite. Clasele alese
cu ajutorul criteriului empiric sunt de regul clase care sunt impuse, fr a ine cont de
setul de date local. Pot sa aproximeze realitatea, dar nu sunt reprezentative din punct
de vedere statistic. Sunt necesare doar dou valori pentru a le defini: limita minim i
limita maxim. Pe de alt parte, aa numita clasificare natural folosete setul de date
local i este optimizat din punct de vedere statistic astfel nct sa fie reprezentativ
pentru setul de date local. Ambele metode se pot utiliza cu analiza fuzzy, ele se numesc
semantic import i respectiv k-means (Burrough, i alii, 1998, 2005).
3.7.2. Tipuri de seturi FUZZY
Analiza Fuzzy este folosita atunci cand trecerea de la o categorie la alta nu este o
limita clar delimitata si se face gradual (ex: majoritatea alunecarilor se produc pe pante
intre 20 si 25; asta inseamana ca pe o panta de 15 sau 29 nu se vor produce nici o
alunecare?). O analiz fuzzy const ntr-o exprimare gradual de la DA la NU a
posibilitii s aparin unei clase sau alta pentru un interval de la 0 la1 (Eastman, 2006)

62

Dup (Eastman, 2006): Se pot deosebi patru tipuri:
3.7.2.1. Sigmoidal (de forma literei S) este se pare cea mai folosit din teoria
Fuzzy. Const n aplicare unei funcii de cosinus bazei de date n lucru.
Are patru puncte de inflexiune (notate in figuri cu 1, 2, 3 ,4) (Eastman,
2006):

cretere gradual de la 0 catre 1 ncepnd cu punctul 1 i continund pn la
punctul 2 unde atinge valoarea 1. Punctele 3 i 4 au tot valoarea 1
descretere gradual de la 0 la 1, ncepnd s descreasc de la punctele 1, 2, 3 i
atingnd valoarea 0 la punctul 4
simetric: creterea gradual de la punctul 1 pn atinge valoarea 1 n punctele 2
i 3 si descretere gradual de la punctul 3 pn atinge valoarea 0 la punctul 4
simetrica2: creterea gradual de la punctul 1 pn atinge valoarea 1 n punctele
2 continu pentru mai multe valori ale setului de date pn la valoarea 3 i descretere
gradual de la punctul 3 pn atinge valoarea 0 la punctul 4
3.7.2.2. De forma literei J.
Este similar cu cea sigmoidal cu deosebirea ca se tinde ctre valoarea 0 dar
niciodata nu este atins
Fuzz
Limita
Posi
2, 3, 1, 2,
, 3
63

3.7.2.3. Liniar prin aplicarea unei funcii liniare ntre punctele de inflexiune

3.7.2.4. Definit de utilizator
Se folosete cnd relaiile dintre valori i seturile Fuzzy nu se potrivesc cu nici
una din funciile prezentate mai sus. Se poate folosi un numr nelimitat de puncte de
inflexiune.

3.7.2.5. Fuzzy Semantic Import
Abordarea Semantic Import, propus de (Burrough, i alii, 1998, 2005), este
folositoare n situaiile unde specialistul cunoate foarte bine criteriile de delimitare
spaial claselor, dar din diferite motive nu poate realiza o delimitarea exact a lor.
Selectarea limitelor boolean pentru clasele utilizate este adesea un proces subiectiv sau
empiric, specialistul fiind cel care decide. Funcia de apartenen trebuie s asigure o
valoarea gradual cuprins ntre valoarea 1 n centrul clasei din setul de date utilizat i
valoarea 0 acolo unde apartenea la clasa n discuie devine nul. Locul unde gradul de
2, 3, 1, 2,
, 3
Puncte de inflexiune
2, 3, 1, 2, 3
64

apartenen devine 0,5 este considerat punct critic, numit i crossover point sau punct
de grani (Burrough, i alii, 1998, 2005).
Pot exista mai multe tipuri de funcii de apartenen, aa cum exist mai multe
tipuri de distribuie a probabilitilor (normal, lognormal, Poisson etc). Cele mai
utilizate funcii de apartenen sunt liniare sinusoidale.
Dup (Burrough, i alii, 1998, 2005) se deosebesc liniare i sinusoidale:

Figura 31 Tipuri de analize fuzzy (Burrough, i alii, 1998, 2005)
Funcia de apartenen liniar este dat de o relaie liniar ntre centrul setului
de date,cu valoarea 1 i exteriorul setului de date cu valoarea 0. Valoarea de 0.5 este
atins la grania boolean a setului de date. Valoarea din interiorul zonei de grani, dar
pn la centrul setului de date este considerat parial adevrat (Burrough, i alii,
1998, 2005). Dimensiunea zonei de tranziie este dat de panta relaiei liniare. Cu ct
panta relaiei liniare este mai mare cu att zona de tranziie este mai mic i invers.
Funcia de apartenen sinusoidal este dat de relaia:

1
1

(10)

65

pentru 0 z P, unde A este setul de date, a este parametrul care determin forma
funciei de apartenen, iar c este valoarea lui z la centru ideal. Prin modificarea valorii
lui a, forma funciei de apartenen i poziia punctului critic poate fi potrivit pe orice set
de date boolean.
Adesea ne ntlnim cu situaii n care este necesar utilizarea mai multor valori
centrale ideale, astfel nct acestea s cuprind un interval de valori. Astfel parametrul a
poate fi nlocuit cu o zon de tranziie, ce are valori minime i maxime d
1
i respectiv d
2
.
Zona de tranziie poate fi localizat de aa natur, nct punctul critic s coincid cu
graniele boolene. Prin aceast msur se asigura o i mai mare plaj de incertitudine,
ntruct i valorile aflate n interiorul granielor boolene au un grad de apartenen
calculat. Prin urmare, valorile d
1
i d
2
sunt pe jumtatea zonei de tranziie, deoarece ele
dau laimea n interiorul granielor boolene. Prin aceasta se asigur c ca graniele b
1
i
b
2
i FA
F
= 0.5.
1
1

(11)
dac z < b
1
+d
1
1

(12)

dac b
1
+d
1
z b
2
-d
2

1
1

(13)

dac z > b
2
-d
2
n anumite situaii este necesar alegerea doar a unei singure zone de tranziie.
n aceaste situaii se poate folosi parial una din ecuaiile prezentate mai sus.
66

Figura 32 Exemplu (2) de analiz fuzzy
Abordarea Semantic Import pentru date de tip poligon
Este foarte bine cunoscut faptul c variaia spaial n vegetaie, sol, litologie
poate s se manifeste att abrupt ct i gradual lent. Nu este dificil s indici unde exist
o limit ntre dou tipuri de vegetaie, folosind att imagini satelitare, aerofotograme de
mare rezoluie sau cartri n teren i de asemenea nu este dificil s indici dac acea
limit este sau nu difuz. Toate aceastea se pot nregistra n metadate. O problem
apare ns cnd aceste granie difuze trebuie sa fie reprezentate spaial. Utilizarea
seturilor fuzzy pentru graniele poligoanelor reprezint una dintre soluiile alese n
modelarea spaial a granielor difuze a elementelor spaiale (Burrough, i alii, 1998,
2005). O abordare simpl este s presupui c un tip de grani poate fi unic atribuit
pentru fiecare tip de poligon. Zonele de tranziie pot fi alese n funcie de scara de lucru
i de precizia dorit. Zonele de tranziie fuzzy pot fi aplicate prin delimitarea iniial a
67

poligoanelor, apoi prin calcularea izotropic a distanelor fa de graniele boolene
urmat de aplicarea metodei fuzzy semantic import pe rasterul nou rezultat (Burrough,
1989)

Figura 33 Aplicarea analizei fuzzy SI pentru grania poligoanelor (Burrough, i
alii, 1998, 2005)
Aplicarea fuzzy SI se poate face prin stabilirea valorii punctului critic la grania
boolean i distribuirea de valori de apartenen ctre valoarea 1 n interiorul
poligonului i valori de apartenen mai mici de 0.5 n afara poligonului. n acest mod se
asigur o apreciere a incertitudinii cartri poligonului cu posibilitatea exprimrii att
pentru interior (dar cu posibilitate mai mare s aparin clasei n discuie) ct i pentru
exterior cu posibilitatea apartenenei la clasa n discuie mai mic. Atunci cnd se
lucreaza individual cu fiecare poligon nu este nici o problem n vizualizarea zonelor de
tranziie rezultate. Daca se dorete vizualizarea tuturor poligoanelor dintr-un raster se
recomand utilizarea doar zonelor de tranziie interioare poligoanelor, pentru a se evita
suprapunerea zonelor de tranziie exterioare a poligoanelor adiacente. Procedura poate
68

fi utilizat prin repetiie pentru toate toate poligoanele dintr-un raster sau dintr-un set
de date.
4. Hazarde naturale. Aspecte Teoretice
n sens larg, mai putin tehnic, hazardele, sunt definite ca acele procese si situatii,
actiuni i non-actiuni care au capacitatea de a produce pagube, pierderi sau alte efecte
adverse omenirii. Conceptul este aadar aplicabil n orice domeniu. n industrie, hazardul
poate fi o pana de curent sau o eroare de calculator, n afaceri poate fi o eroare de
securitate sau o proast investiie, n mediu poate fi deversarea substanelor toxice sau
chiar o alunecare. Dei potenialul ca ceva negativ s se produca poate fi apreciat, exist
incertitudini asupra momentului cnd hazardul se poate produce i de aceea pragul este
n general exprimat ca o posibilitate sau probabilitate a producerii cu o anumit
magnitudine, ntr-o anume perioad de timp (Glade, i alii, 2005).
Din punct de vedere tehnic, hazardul este analizat din prisma condiiilor adverse.
De aceea, n limbaj comun, termenul de hazard are doua intelesuri diferite : unul, proces
fizic sau activitate care are un potenial distrugtor, al doilea, ameninarea indicat prin
posibilitatea producerii. n general, nelesurile sunt clare n funcie de contextul n care
sunt folosite. (Glade, i alii, 2005)
Consecintele legate de producerea hazardelor pot fi mai mari sau mai mici,
precum i directe sau indirecte. Consecinele depind de contextul n care se produc, de
elementele particulare, de atributele afectate, de valoarea sau gradul de importan. n
termeni generici, conceptul de risc poate fi vazut ca avnd doua componente :
posibilitatea ca ceva negativ s se produca i consecinele producerii. Atunci, nivelul
riscului rezult din intersecia hazardului i valoarea elementelor expuse la risc, calculat
prin estimarea vulnerabilitii. n sens larg, alunecrile reprezint o mic parte dar
importana lor n spectrul hazardelor determina creterea riscului omenirii. Dac ar
exista o posibilitate de alegere, lumea ar locui doar in zonele sigure, departe de
69

ameninarea deplasrilor de teren, totui, omenirea a fost pusa la dispoziia naturii, prin
presiunea uman, creterea cererii pentru resurse, urbanizarea i schimbarile in mediu.
S-a creat o legatura ntre omenire i procesele de alunecare care a transformat
procesele de modelare a reliefului ntr-un potenial hazard (Glade, i alii, 2005). i mai
mult, globalizarea economica intensificat increderea in comunicare. Conductele de
combustibil, apa, telecomunicatii, energie si coridoarele de transport sunt vulnerabile
intr-un grad ridicat la alunecari. Deplasrile de teren reprezint o ameninare pentru
omenire. Tendinele spaiale i temporale n evaluarea nivelului de ameninare au
condus la msuri naionale i internaionale pentru reducerea hazardului i riscului la
alunecri. Totui, aceste directii sunt greu de determinat din cauza calitii datelor.
n termeni simpli, hazardul la alunecari poate fi descris ca fiind potenialul fizic al
unui proces de a produce pagube datorit caracteristicilor deosebite ale impactului,
magnitudinii i frecvenei cu care se produce, prin urmare, n mod ideal hazardul poate
fi descris prin intrebrile : ce? unde? cnd? cat de putenic? cat de des? Necesitnd
informaii asupra variaiei spaiale a condiiilor i temporal a comportamentului.
Ultimul pas n predicia hazardului la alunecri ar fi prezicerea, adic abilitatea de a
exprima pentru anumite locuri unde i cnd ceva se va ntampla i cum va fi. Abilitatea
de a prezice hazardul la alunecari cu aceast precizie este limitat, iar consecinele
hazardului i prediciile riscului sunt n general exprimate n termenii probabilitii i
posibilitii. Totui, n sens larg, acest nivel al evalurii hazardului i riscului este greu de
atins. De exemplu, evalurile hazardului la alunecri la scara regional sunt mai de
grab facute s ierarhizeze componentele de mediu care determin potenialul de a
produce alunecri (susceptibilitate) sau s indice prezena sau absena alunecrilor
(Crozier, 1995).
n studiul de fa am utilizat teoria Bayes pentru calcularea locului i a
intervalului de timp cnd se poate produce o deplasare de teren.
70

5. Realizarea Sistemului Informaional Geografic Temporal
5.1. Definiii SIG i SIGT
Toat lumea are o definiie favorit pentru SIG, prin urmare sunt prea multe din
care s alegi! (Longley, i alii, 2005)
De-a lungul timpului, foarte multe definiii pentru SIG au fost sugerate, dar nici
una dintre ele nu este complet (Longley, i alii, 2005), totui unele dintre ele cuprind
elemente definitorii pentru SIG. Multe dintre definiii sugereaz ca SIG este mai mult un
intrument dect o tehnologie (Bernhardsen, 2002; Longley, i alii, 2005), n zilele
noastre acronomul GIS fiind prezent pe foarte multe produse sau asociat cu foarte
multe denumiri, precum: GIS data, GIS software, GIS functions, GIS community etc.
Exist numeroase controverse legate de istoria SIG-ului, ca urmare a
dezvoltrilor n parallel ce au avut loc n toat lumea (Longley, i alii, 2005). Conform
literaturii, primul sistem informaional geografic a fost dezvoltat n Canada la mijlocul
anilor 1960. Canada Geographical Information System sau CGIS a fost dezvoltat pentru
inventarierea i planificarea zonelor nelocuite din Canada. CGIS a fost dezvoltat ca un
instrument pentru a realiza msurtori pe suprafee extinse, lucru de altfel foarte dificil
de realizat pe hrile analog. Ironic, CGIS a fost dezvoltat mai mult pentru realizarea de
msurtori care s produc tabele de valori i mai puin ca un sistem de cartare
(Longley, i alii, 2005). Cel de al doilea mare proiect de SIG a fost MIDE (Dual
Independent Map Encoding), dezvoltat la sfritul anilor 60 de ctre comisia de
recensmnt din SUA (Longley, i alii, 2005). n cadrul proiectului a fost creat suportul
digital pentru toate strzile din SUA i instrumente pentru referenirea lor automat i
pentru agregarea rezultatelor ce urmau a fi obinute n urma recensmntului din 1970.
Similitudinea celor dou proiecte a determinat laboratorul de Grafic Computerizat i
Analiza Spaoal din cadrul universitii Harvard, s realizeze un SIG general care s
71

ndeplineasc cerinele ambelor proiecte. Acest SIG a dus mai trziu, la sfritul anilor
70, la proiectul Odyssey GIS (Longley, i alii, 2005).
n funcie de cui se adreseaz definiiile pentru SIG cuprind mai mult sau mai
puin componente similare, dar dintre acestea se pot deosebi cteva definitorii:
Element definitoriu Destinaie
O colecie de hri n format digital Publicului larg
Un instrument informatic pentru
rezolvarea unor operaii spaiale
Factorilor de decizie, planificare teritorial
Un suport de decizie spaial Factorilor de decizie
Un mechanism pentru invetarierea i
ntretinerea obiectelor spaiale i
infrastructurii
Managerilor de resurse, administraia
public, transporturi
Un instrument pentru evidenirea
informaiei ascunse
Oamenilor de tiin
Un instrument pentru operaii spaiale,
care sunt imprecise, prea elaborioase sau
mult prea greu de realizat manual
Planificare teritorial, managementul
resurselor
Tabela 3 Elemente definitorii pentru SIG n funcie de destinaie, dup (Longley,
i alii, 2005)
Evoluia spectaculoas cunoscut de SIG a nceput cu anii 80, n acelai timp cu
dezvoltarea calculatoarelor personale
n prezent soluiile SIG sunt extreme de numeroase, ncepnd de la aplicaii
generale, ce pot fi utilizate n majoritatea domeniilor, pn la aplicaii foarte
72

specializate. Accesul la soluiile SIG se mparte ntre soluiile comerciale, printre cei mai
mari distribuitori de solutii SIG fiind: ESRI, lider mondial, Intergraph, Erdas ce ofer
soluii pentru teledecie i SIG .a. i soluiile open source, soluii ce pot fi utilizate fr
necesitatea achiziiei unei licene de utilizare. Scopul lucrrii de fa nu este prezentarea
avantajelor i dezavantajelor ntre soluiile comerciale i open source, motiv pentru care
nu vom comenta aceste aspecte.
Majoritatea soluiilor GIS nu ofer opiuni pentru nregistrarea dinamicii spaiale
a obiectelor n timp, dect prin crearea de seturi de date pentru annumite interval de
timp i salvarea lor ca atare n sistemul de gestiune a bazelor de date. Complexitatea
fenomenlor naturale i relaiile cauzatorii existente ntre factori i fenomene sunt
neglijate sau prea puin exploatate n soluiile SIG existente.
Realitatea nseamn dinamic, dinamic att n timp ct i n spaiu, fiind practic
imposibil s ne inchipuim o lume static, lipsit de micare, dezvoltare (Yuan, 2008).
Geografia, alturi de alte tiine, pune n eviden, mai bine ca orice, dinamica spaial i
temporal a lumii n care trim.
Un sistem informaional temporal, SIGT (Temporal GIS sau TGIS) const n
combinarea rezultatelor modelrii tiinifice cu tehnologia informaiei, cu scopul de a
procesa date i a opine informaii noi despre un fenomen ce se petrece n spaiu i
timp, astfel nct s satisfac cerinele utilizatorului ntr-un mod ct mai efficient
(Christakos, i alii, 2002). Una dintre caracteristicile unui SIGT este utilitatea sistemului,
astfel SIGT este ntotdeauna creat pentru a servi unui scop bine definit al utilizatorului.
Dupa (Christakos, i alii, 2002), un SIGT are dou scopuri:
s aibe un coninut care s satisfac standardele tiinifice de procesare a
informaiei
s ii demonstreze aplicabilitatea ntr-un context bine definit
73

Without context, information does not exist, and the context in question must relate
not only to the datas environment (where it came from, why its being communicated,
how its arranged, etc.), but also from the context and intent of the person interpreting
it (Christakos, et al., 2002)
SIGT este o abordare interdisciplinar, ntre domenii ce au n comun nevoia de a
sintetiza, organiza i vizualiza informaii spaio-temporale, ntr-o manier tiintific i ct
mai eficient. Hrile rezultate n urma utilizrii SIGT-ului, ofer informaie spaio-
temporal ce poate fi utilizat pentru testarea unor ipoteze tiinifice, s explice
aspectele eseniale sau mecanismele de producere i evoluie a unui fenomen studiat i
s mbunteasc luarea de decizii (Christakos, i alii, 2002).
Funciile unui SIGT, pot fi clasificate n (Christakos, i alii, 2002): fundamentale i
avansate. Funciile fundamentale constau n operaii spaiale geometrice ntre obiecte,
fiind intrumente de legtur ntre entiti spaiale i temporale. Funciile avansate ofer
posibilitatea unei procesri riguroase i eficiente a datelor, cu ajutorul matematicii i
statisticii.
1. Funcii fundamentale Descriere
Msurtori Calcule asociate obiectelor spaiale, pentru
determinri de distane, unghiuri,
suprafee, volum etc
Clasificri Gruparea elementelor spaiale dup
criterii bine definite; atribute sau topologie
Scalar Modificarea atributelor datelor de intrare
prin aplicarea unui coeficient
74

Suprapunere ntre strate tematice Combinarea a dou sau mai multe strate
tematice, folosind operaii din aritmetic,
algebr, statistic sau operaii logice de tip
boolean
Vecintate Rezultatele se obin prin calcularea de noi
valori pe baza valorilor elementelor vecine,
ex: medii, maxime,minime, indicatori
morfometrici etc
Conectivitate Reprezint conexiunile topologice realizate
ntre obiectele spaiale, de exemplu:
apropierea ntre obiecte spaiale, zonele
tampon, reelele de utiliti etc
Tabela 4 Funciile fundamentale ale unui SIGT, dup (Christakos, i alii, 2002)
Funciile avansate Descriere
Statistica clasic Statistic descriptiv, bivariat,
multivariat, discriminant, cluster, analiza
n component principale, analiza factorial.
Deoarece aceste analize presupun valori
independente de distribuia lor spaial,
nu iau n considerare natura geografic a
datelor
Analize pe serii de timp Se concentreaza doar pe evoluia n timp a
datelor localizate spaial
75

Geostatistica clasic Ia n considerare natura geografic a
datelor i importana distribuiei spaiale a
datelor
Tabela 5 Funciile avansate ale unui SIGT, dup (Christakos, i alii, 2002)
O serie de ncercri au fost realizate pentru combinarea analizelor pe serii de
timp cu geostatistica clasic, dar pn n prezent au rmas fara succese deosebite. Acest
lucru este cauzat i de imposibilitatea de a mbina aspecte eseniale ale fenomenelor,
precum continuitatea sau discontinuitatea n timp i spaiu, relativa corelare n spaiu i
timp, heterogenitatea natural, condiionarea independent .a. n esen, lipsurile
geostatisticii clasice, statisticii i analizei seriilor de timp constau n: absena unui cadru
compus (spaial i temporal) pentru integrarea i procesarea informaiei obinute prin
observaii de teren; nu iau n considerare ntr-un mod systematic i riguros sursele de
informare, precum legile naturii, sau modele teoretice dezvoltate anterior.
5.2. Structura SIGT
Sistemul este organizat dup natura elementelor spaiale n grupuri de factori.
Acestea sunt salvate fie n format vector, fie n format raster, dar toate analizele sunt
realizate cu date de tip raster. Toate datele au fost create n proiecia Stereo70, datum
Pulkovo 1942, elipsoid Krasovski 1940. Pentru fiecare strat tematic din baza de date au
fost create metadatele corespunzatoare. Metadatele corespund standardaului ISO19139
i au fost create i ntreinute cu ajutorul programului ArcCatalog din pachetul de
programe ArcGIS Desktop, produs de ESRI (http://www.esri.com). Schema bazei de date
este prezentat n detaliu n anexa 1. Un element nou introdus este gradul de
incertitudine pentru fiecare obiect spaial salvat n baza de date. n tabela de atribute a
fiecarui element spaial a fost creat un camp special, denumit incertitudine. n acest
cmp au fost nregistrare valori unice de identificare a fiecrui obiect spaial. Asociat
elementelor spaiale a fost creat o tabel special numit incertitudine. n cadrul
76

tabelei au fost generate campuri de atribute pentru descrierea incertitudii spaiale a
fiecrui obiect spaial existent n baza de date. Legtura ntre tabela incertitudine i
tabela de atribute a fiecrui element spaial se realizeaz prin codul unic al fiecrui
obiect i prin denumirea elementului spaial din care face parte obiectul. Tabela de
incertitudine servete la modelarea propagrii spaiale a incertitudinii pentru fiecare
obiect spaial. Modelarea spaial este realizat prin simularea modificrii dimensiunii
fiecrui obiect, pe o anumit direcie sau uniform n orice direcie. Limitele n care
oscileaz simularea dimensiunii obiectelor sunt citite din tabela incercitudine. Acestea
au fost create n momentul digitizrii lor de pe harile topografice sau interpretrii de pe
imagini satelitare i aerofotograme sau fie din observaiile de teren.
Grupuri de elemente spaiale Elemente spaiale
Deplasri de teren Deplasri de teren
Geomorfologie/Pedologie Gemorfologie
Soluri
Geologie Litologie
Falii
Clim Precipitaii
Radiaie solar
Evapotranspiraie
Temperatura
Hidrografie Reea hidrografica
77

Vegetaie natural i utilizarea terenului Vegetaie natural i utilizarea terenului
Altimetrie Curbe de nivel
Cote altimetrice
Modelul digital al altitudinilor
Morfometrie Pante
Desimea reelei hidrografice
Densitatea reelei hidrografice
Energia de relief
Expoziia versanilor
Curbura versanilor n plan
Curbura versanilor n profil
Tabela 6 Schema bazei de date
Cod de identificare unic
pentru fiecare obiect
Grad de incertitudine (n
metri)
Direcia Element spaial
1 5 270 Deplasri de teren
Tabela 7 Schema tabelei incertitudine, exemplu

78

Figura 34 Structur SIG
79

5.3. Implementare
Sistemul a fost implementat utiliznd programul de modelare PCRaster (Van Deursen,
1995; Wesseling, i alii, 1996), versiunea Python. Baza de date a fost creat i administrat cu
ajutorul pachetului de programe ArcGIS Desktop, veriunea 9.2, produs de ESRI
(http://www.esri.com). Datele de tip vector au fost transformate n raster i exportate n
formart ascii. Programul PCRaster permite importul de date de tip ascii, cu ajutorul aplicaiei
asc2map. n paralel cu soluia de a stoca i administra datele n ArcGIS, a fost testat i o soluie
open source. Pentru sistemul de gestiune a bazei de date s-a optat pentru PostgreSQL i
PostGIS. Citirea datelor i transformarea lor din vector n raster a fost realizat cu ajutorul
librriilor open source: OGR (OGR07) i GDAL (GDA07), versiunea Python. Ambele soluii au fost
automatizate cu succes i nu au prezentat diferene majore, care s merite, n opinia noastr,
alegerea unei soluii n defavoarea alteia. Structura bazei de date este creat, astfel nct poate
fi adaptat relativ uor pentru majoritate soluiilor SIG existente. Aplicaia pentru implentarea
teoriei Bayes i reelelor dinamice i temporale a fost dezvoltat cu ajutorul limbajului de
programare Python (Pyt07). Au fost create clase de obiecte pentru urmtoarele clase: Bayes (
Anexe
Anexa 1), ce conine toate funciile necesare utilizrii analizei Bayesiene;
Evapotranspiraie (Anexa 2), ce conine funcia pentru calcularea evapotranspiraiei prin
modelul Hargreaves; Astro (Anexa 3), conine funciile necesare pentru calcularea poziiei
Soarelui la un anumit timp i anumite coordonate geografice, RadiaieSolara (Anexa 4), conine
funciile necesare calculrii radiaiei solare ce ajunge pe suprafaa terestr, Incertitudine (Anexa
5), conine toate funciile pentru modelarea spaial a erorilor sursele de date utilizate n
analiz i genericFunctions (Anexa 6), ce conine funcii auxiliare, precum transformarea
coordonatelor din grade minute secunde n grade zecimale .a. Datele pe serii de timp sunt
organizate pentru un interval de 1 zi pentru precipitaii i 1 lun pentru ceilali parametri
meteorologici. Modelul poate fi rulat fie utiliznd doar formula de calcul de probabiliti Bayes
(B), fie cu reea dinamic Bayesian (RDB) sau cu reea dinamic Bayesian i temporal (RDBT).
n situaia utilizrii doar B sau RDB nu este necesar utilizarea seriilor de timp, aceste modele
80

fiind statice i rezultatul fiind raportat doar pentru u nsingur interval de timp. Pentru fiecare
dintre modele sunt generate hri cu probabilitatea condiionat pentru fiecare factor utilizat i
hri cu probabilitatea posterioar pentru fiecare combinaie de factori utilizat. Asociat
hrilor sunt generate fiiere text ce conin calculele statistice din care au fost generate
hriele, exemplu: pentru modelul B cu 5 factori, fiecare factor avnd 3 clase, rezultatul va fi:
hart cu probabilitatea condiionat pentru fiecare factor (n situaia dat rezult 5 hari), hart
cu probabilitatea posterioar (n situaia dat o sinigur hart cu probabilitatea producerii unei
alunecri n prezena sau absena factorilor utilizai) i un fisier text n care sunt salvate
probabilitile condiionate i indicatorii pentru fiecare clas din fiecare factor. Dac analiza se
ruleaz i cu opiunea de propagare a erorilor, pentru fiecare simulare Monte Carlo se vor crea
hrile i fiierele prezentate mai sus. Asociat lor se vor calcula valoriile medii, abaterea
standard i gradul eroare pentru toare simulriile Monte Carlo. Datele salvate n fiierele text se
pot salva i ntr-o tabel dintr-un sistem de gestiune a bazelor de date, cu condiia ca utilzatorul
sa beneficieze de un provider adecvat.
Paii necesari utilizrii modelului sunt urmtorii:
1. Prelucrarea setului de date ntr-un program de SIG i salvarea datelor n format ASC
sau ntr-un format care este citit de librriile OGR (OGR07) i GDAL (GDA07)
2. Importul datelor n format PCRaster utiliznd fie aplicaia asc2map, instalat n
acelai timp cu programul PCRaster, fie utiliznd librriile OGR i GDAL
3. Modificarea scriptului principal pentru rularea analizei. Scriptul are denumiri diferite
n funcie de analiz:
a. bayesClasic.py pentru analiza clasic Bayesian cu unul sau mai muli factori
b. bayesClasicCuPropagareErori.py pentru analiza clasic Bayesian cu unul sau
mai muli factori i propagare a erorilor
c. bayesRDB.py pentru reeua dinamic Bayesian
d. bayesRDBCuPropagareErori.py pentru reeaua dinamic Bayesian cu
propagare a erorilor
e. bayesRDBT.py pentru reeaua dinamic i temporal Bayesian
81

f. bayesRDBTCuPropagareErori.py pentru reeaua dinamic i temporal
Bayesian cu propagare a erorilor
Pentru situaia a, modificrile constau n adugarea factorilor ce se doresc a fi utilizai n
lista de factori, ex:
self.ListaFactori = (['litologie','pantecl','utilizare'])
Pentru situaia b se fac modificrile de la punctul a, i se adaug:
1. numrul de simulri dorite prin modifcarea valorii variabilei NrSamples, ex:
a. nrSamples = 100
2. la seciunea Postmcloop se adaug funciile pentru calcularea indicatorilor
statistici i generarea harilor asociate indicatorilor statistici, ex:
a. averageS('numeHarta',nrSamples) va calcula media valorilor pentru
numeHarta, pentru toate simularile Monte Carlo
Pentru situaia c i d se efectueaz aceleai modificri ca i la situaiile a i respectiv b
Pentru situaia e se fac aceleai modificri ca la situaia a, la care se adaug:
1. modificarea variabilei seriiTimp pentru precipitaii
a. seriiTimp = tabelPrecipitatii.tbl, unde tablePrecipitaii poate fi citit
dintr-o baz de date, respectnd condiiile impuse pentru lucrul cu un
sgbd, sau un fisier text creat conform standardului impus pentru
programul PCRaster
Pentru situaia f se fac aceleai modificri ca i la b i e
Rezultatele pot fi vizualizate folosind aplicaia Aguila, instalat cu programul PCRaster
sau cu orice program de GIS care utilizeaza librria GDAL sau care stie s citeasc formatul MAP
al programului. O alt alternativ este exportul hrilor rezultate din format MAP n format ASC,
cu ajutorul aplicaiei map2asc, instalat de asemenea cu programul PCRaster.
82

6. Prezentarea zonei de studiu Unitatea administrativ Breaza
6.1. Aezarea i limitele
Zona de studiu este situat n Subcarpaii de Curbur, fiind delimitat la nord,
aproximativ, de cumpna de ape dintre Valea Prahovei i Valea Cmpiniei, la sud de limita
administrativ a oraului Breaza (la sud de sinclinalul suspendat), la vest limita admistrativ nu
urmeaz formele de relief i coboar ctre versantul Vii Trsei, pn n apropierea albiei
minore a acesteia, la nord este delimitat de contactul cu Carpaii i limita adminstrativ a
localitilor Comarnic i Talea. Din punct de vedere al localizrii n cadrul unitilor mari de relief
din Romnia, zona administrativ a oraului Breaza se ncadreaz n Subcarpaii de Curbur i
este drenat n partea central, de la nord la sud de valea Prahovei, iar in partea de vest, pe
direcie aproximativ nord-est sud-vest de ctre Valea Trsei, pn n apropiere de confluena
dintre Valea Ocinei i Valea Trsei, n aval de care se formeaz Valea Proviei. Coordonatele
geografice sunt cuprinse ntre aproximativ 253535 i 254225 longitudine estic i
450748 i 451344 latidudine nordic (Figura 36). Oraul Breaza are n administraie un
numr de zece localiti: Breaza de Jos, Breaza de Sus, Podu Vadului, Frsinet, Nistoreti, Valea
Trsei, Surdeti, Irimeti, Gura Beliei (Error! Reference source not found.). Toate localitile din
ona administrativ a oraului Breaza sunt expuse riscului indus de prezena alunecrilor de
teren. Dintre acestea cele mai mediatizate cazuri sunt cele din oraul Breaza, produse n anul
1997 i 2005. Chiar dac alunecrile de teren din oraul Breaza au fost mediatizate, ele nu
reprezint o pondere foarte mare din numrul de alunecri prezente n toat zona de studiu i
nu reprezint nici un procent important din suprafaa intravilanului, aa cum este cazul
localitilor Irimeti, Valea Trsei, Nistoreti, Surdeti.
83

Figura 35 Perspectiva asupra zonei de studiu: zona administrativ a oraului Breaza
Imaginea este orientata pe direcie nord-sud. Pe versantul drept al Vii Prahova se
observ localitile: Breaza de Jos, Breaza de Sus, Gura Beliei; pe versantul stng se disting
localitile: Frsinet, Nistoreti, Podul Corbului.
84

Figura 36 Harta localizarii
Localitatea Breaza de Jos este situat pe podul terasei a II-a a vii Prahova, n partea
central-sudic a zonei de studiu. Dezvoltarea localitii pe podul terasei o face puin vulnerabil
85

la alunecri de teren, cu excepia frunii de teras, unde procesele de deplasare de teren au o
densitate mare. Figura 37 pune n eviden distribuia suprafeei construite din cadrul
localitii, n raport de declivitate. De aici reiese foarte clar c peste 60% din suprafaa este
situat n zone cu declivitate mai mic de 3 grade, ce corespunde podului terasei a II-a a
Prahovei

Figura 37 Distribuia suprafeei construite din cadrul localitii, n raport de declivitate
Distribuia localitii Breaza de Jos n raport de litologie este pus n eviden de (Figura
38). Aproximativ 84% din localitate este dezvoltat pe nisipuri i pietriuri de teras (terasa a II-
a a Prahovei), aproximativ 10% pe gresii, marne cu predominarea argileor i aproximativ 3% pe
marne. Gresiile, marnele cu predominarea argilelor se suprapun cu zonele cu declivitate mai
mare de 7. Aceste zone sunt expuse riscului la alunecri de teren i se regsesc n cea mai
mare parte pe fruntea terasei Prahovei i pe versant, n partea de vest a localitii.
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0-3 3-7 7-15 15-25 25-35
S
u
p
r
a
f
a
t
a

(
%
)
Breaza de Jos
86

Figura 38 Distribuia localitii Breaza de Jos n raport de litologie

Figura 39 Perspectiv asupra localitii Breaza de Jos imagine aerian oblic: 15 mai
2008
Localitatea Breaza de Sus, situat n continuarea localitii Breaza de Jos i prezint
aproximativ aceleai caracteristici fizico-geografice, fiind situat n cea mai mare parte pe
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
Marne Marne si argile Alunecare Marne si gresii Pietrisuri Gresii, marne
cu
predominarea
argilelor
87

podul terasei a II-a a vii Prahova. Zonele expuse deplasrilor de teren din cadrul localitii
Breaza de Sus sunt situate pe versantul drept al vii Prahova i pe fruntea de terasei a II-a,
dintre tipurile de alunecri predominnd alunecrile rotaionale i procesele de deplasare
complexe i compuse. Figura 40 evideniaz distribuia spaiului contruit din cadrul localitii n
raport de decliclitate. Se observ ca aproape 80% se gasete pe pante mai mici de 3, restul de
20% fiind distribuit, n mod egal, pe pante cuprinse ntre 3-7 i 7-15.

Distribuia localitii Breaza de Sus n raport de litologie este evideniat de
Figura 41. Aproximativ 89% din suprafaa construit n localitatea Breaza de Sus este
dezvoltat pe podul terasei II-a a Prahovei, pe depozite de teras formate din pietriuri i
nisipuri. Gresiile cu predominarea marnelor i argilelor mpreun cu marnele i argilele
reprezint restul de 11% din suprafaa construit a localitii. Aceste zone se suprapun, ca i n
cazul localitii Breaza de Jos, zonelor cu declivitii ridicate (peste 7), fiind i cele mai expuse
riscului la alunecri de teren
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
0-3 3-7 7-15 15-25 25-35
S
u
p
r
a
f
a
n

p
r
o
c
e
n
t
e
Breaza de Sus
88

Figura 41 Distribuia localitii Breaza de Sus n raport de litologie

Figura 42 Perspectiv asupra localitii Breaza de Sus imagine aerian oblic: 15 mai 2008
Localitatea Gura Beliei este situat la nord de localitatea Breaza de Sus, n lungul
vechiului curs de ap al rului Belia, curs ce a fragmentat puternic terasa a II-a a vii Prahova, la
nord de localitatea Breaza de Sus. Problemele determinate de deplasrile de teren apar n
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
1.00
Pietrisuri Gresii, marne cu
predominarea argilelor
Marne, marne argiloase si
argile
89

intravilanul localitii Gura Beliei n lungul drumului de legtura dintre Gura Beliei i localitatea
Talea, situat nord-vest de zona administrativ Breaza. Localitatea Gura Beliei este dezvoltat n
proporie de aproximativ 75% pe pante cuprinse ntre 3 i 15, 5% pe pante cuprinse ntre 15
i 25. Substratul litologic pe care este dezvoltat Gura Beliei este compus predominant din
marne, marne argiloase i argile (aproximativ 45%), 5% marne de Gura Beliei i aproximativ 30%
pe o veche alunecare de teren. Declivitatea ridicat i prezena marnelor i argilelor, fac din
localitatea Gura Beliei o zona vulnerabil la alunecri de teren, cu un grad de risc.


0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0-3 3-7 7-15 15-25 25-35
S
u
p
r
a
f
a
n

p
r
o
c
e
n
t
e
Gura Beliei
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
Alunecare Pietrisuri Nisipuri si
pietrisuri
Marne, marne
argiloase si argile
Marne de Gura
Beliei
90

Figura 44 Distribuia localitii Gura Beliei n raport de litologie

Figura 45 Perspectiv asupra localitii Gura Beliei. Imagine aerian oblic: 15 mai 2008
Localitatea Podu Vadului este situat n extremitatea sudic a zonei de studiu,
dezvoltat n cea mai mare parte, la fel ca i localitile prezentate mai sus, pe podul terasei a II-
a a Prahovei i pe glacisul situat la baza versantului drept al vii Prahova, deasupra podului de
terasa. Deplasrile de teren sunt prezente pe fruntea terasei si pe versantul drept al vii
Prahova, sub forma de alunecri de teren rotaionale, aflate n stare latent de activitate. Spre
deosebire de localitile Breaza de Jos i Breaza de Sus, Podu Vadului este dezvoltat pe pante cu
valori mai ridicate, cuprinse ntre 7 i 25 (aproximativ 30%), 3-7 (aproximativ 35%) i sub 3
(aproximativ 27%). Din puncte de vedere al litologiei, Podu Vadului este dezvoltat pe un
substrat alctuit predominant din: nisipuri i pietriuri de teras (aproximativ 55%), oriozont de
marne i gipsuri (aproximativ 33%) i din marne alternnd cu nisipuri i marne.
91


Figura 47 Distribuia localiti Podu Vadului n raport de litologie
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0-3 3-7 7-15 15-25 25-35
S
u
p
r
a
f
a
n

p
r
o
c
e
n
t
e
Podu Vadului
0.00
0.10
0.20
0.30
0.40
0.50
0.60
Marne alternand cu
nisipuri
Marne Orizont marno-gipsuri Nisipuri si pietrisuri
92

Figura 48 Perspectiv asupra localitii Podu Vadului. Imagine aerian oblic: 15 mai
2008
Localitatea Valea Trsei este localizat n bazinul Vii Trsa, ce conflueaz cu valea Ocina
n dreptul localitii Fricoasa (localitate ce aparine de Provia). n aval de confluena ntre Valea
Trsa i Valea Ocina se formeaz rul Provia. Valea Trsei s-a dezvoltat predominat pe versanii
puternic afectai de deplasri de teren, fapt care i determin un mai grad ridicat de
vulnerabilitate, comparativ cu localitile prezentate anterior. Valea Trsei este dezvoltat n
proporie de 60% pe pante cuprinse ntre 3 i 15, 3% pe pante cuprinse ntre 15 i 25, 23%
pe pante mai mici de 3. Litologia se compune dominant din gresii, marne cu predominarea
argilelor (peste 90%) i ntr-o proporie mic din conglomerate i fli.
93


Figura 50 Distribuia localitii Valea Trsei n raport de litologie
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0-3 3-7 7-15 15-25 25-35
S
u
p
r
a
f
a
n

p
r
o
c
e
n
t
e
Valea Trsei
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
1.00
Conglomerate Gresii, marne cu
Flis
94

Figura 51 Perspectiv asupra localitii Valea Trsei. Imagine aerian oblic: 15 mai 2008
Localitatea Surdeti este situat n continuarea localitii Valea Trsei, n partea de nord-
vest. La fel ca i Valea Trsei, Surdeti este dezvoltat pe versani puternic afectai de deplasri
de teren, ce induce grad ridicat risc. Prezena deplasrilor de teren este explicat de
declivitatea ridicat n propori de aproximativ 85% (pante cuprinse ntre 3 i 25. Litologia
este compus n totalitate de gresii, marne i argile
95

Localitatea Irimeti este una dintre localitile cele mai afectate de deplasri de teren.
Irimeti a fost strmutat aproape n totalitate n urma evenimentelor produse n anii 1970-
1975. Localitatea Irimeti, avea iniial aproximativ 160 de familii n anul 1962, cnd au fost
conectat la reeua naional de curent electric. n prezent localitatea are aproximativ 20 de
familii, aproape complet izolate, singurile drumuri de acces fiind poteci peste cumpna de ape
dintre Prahova i Trsa, dinspre localitiile Provia de Sus i Breaza. Irimeti este dezvoltat
aproape 80% pe pante cuprinse ntre 7 i 15. Litologia este compus predominant din marne
i gresii (aproximativ 40%), orizont de marne i gipsuri (30%), marne i argile (15%) i
conglomerate (15%).
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0-3 3-7 7-15 15-25 25-35
S
u
p
r
a
f
a
n

p
r
o
c
e
n
t
e
Surdeti
96


Figura 54 Distribuia localitii Irimeti n raport de litologie
Localitatea Frsinet este situat pe versantul stng al vii Prahova. Ocup cteva petice
din terasa a II-a a Prahovei, foarte puin extins pe partea stng n comparaie cu partea
dreapt. Este afectat de deplri de teren, vechi i n mare parte stabilizate, dar care prezint
totui reactivri importante ce au provocat pagube nsemnate n timpul anilor ploioi din 1997
i 2005. Sunt predominante pante cu valori ridicate, cuprinse ntre 3 i 25, iar litologia este
format n totalitate din gresii, marne i argile
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
1.00
0-3 3-7 7-15 15-25 25-35
S
u
p
r
a
f
a
n

p
r
o
c
e
n
t
e
Irimeti
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
Marne Orizont marno-
gipsuri
Conglomerate Marne si argile Marne si gresii
97

Localitatea Nistoreti este dezvoltat pe versantul stng al Vii Prahova, la nord de
localitatea Frsinet. Condiiile fizico-geografice sunt similare localitii Frsinet. Se deosebete
printr-o litologie mai variat, alturi de gresii, marne i argile fiind prezente i pietriurile de
teras i marne argiloase


0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0-3 3-7 7-15 15-25 25-35
S
u
p
r
a
f
a
n

p
r
o
c
e
n
t
e
Frsinet
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0-3 3-7 7-15 15-25 25-35
S
u
p
r
a
f
a
n

p
r
o
c
e
n
t
e
Nistoreti
98

Figura 57 Distribuia localitii Nistoreti n raport de litologie

Figura 58 Perspectiv asupra localitii Nistoreti; imagine aerian oblic: 15 mai 2008
Localitatea Podu Corbului se gsete n extremitatea nordic a zonei administrative
Breaza, aproape de contactul subcarpaiilor cu muntele. Este dezvoltata paria pe podul terasei
a II-a a Vii Prahova, cu declivitate mai mic 3 (aproximativ 37%), dar i pe versantu stng al
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
Pietrisuri Gresii, marne cu
Marne, marne argiloase si
argile
99

Prahovei cu pante cuprinse ntre 3 i 25 (63%). Litologia este compus predominant din
marne, marne argiloase, argile i orizont de marno-gipsuri, la care se adaug depozitele de
teras, formate din nisipuri i pietriuri.


Figura 60 Distribuia localitii Podu Corbului n raport de litologie

0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0-3 3-7 7-15 15-25 25-35
S
u
p
r
a
f
a
n

p
r
o
c
e
n
t
e
Podu Corbului
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
Pietrisuri Nisipuri si pietrisuri Marne, marne
argiloase si argile
Orizont marno-gipsuri
si gipsuri
100

Figura 61 Perspectiv asupra localitii Podu Corbului; imagine aerian oblic: 15 mai
2008
6.2. Geologia
Zona adminstrativ a oraului Breaza corespunde din punct de vedere geologic unui
bazin de sedimentare care a nceput s funcioneze din Jurasicul superior. Aranjamentul
structural raportat la cadrul general geotectonic al orogenului carpatic este descris de o
succesiune de pnze care se ncalec de la nord spre sud (Damian et al., 2003). Oraul Breaza se
desfasoar pe unitai structurale ncadrate n Fliul cretacic, Fliul paleogen, cuvertura post-
tectonica si molas.
Fliul cretacic este prezent doar in extremitatea nordica o zonei adminstraive a oraului
Breaza, respectiv in cartierul Breaza de Sus. Acesta este reprezentat prin formaiunile Pnzei de
Ceahlu si anume:
Digitaia de Bratocea cu Stratele de Comarnic. Acestea sunt reprezentate prin Fliul
marnos (marne cenuii glbui in plci, gresii stratificate centimetric, rare intercalaii de
marnocalcare) de vrst Baremian si un Facies grezos la partea superioara a Digitaiei Bratocea
101

de vrst Apian, digitaia de Comarnic cu Seria de Dumbrvioara, de vrst Turonian-
Vraconian, reprezentat printr-o alternan de marne cenuii si brecii sedimentare (Damian, i
alii, 2003).
Fliul Paleogen este ncadrat de Pnza de Tarcu. Depozitele sunt in Faciesul Statelor de
Pucioasa cu gresii de Fusaru. Este prezent la confluena rului Trsa cu Ocina si se continu
pn in apropiere de cartierul Izvoru al localitii Provia (Damian, i alii, 2003).
Cuvertura post tectonic a unitilor cu tectogenez cretacic superioar acoper
intervalul Senonian- Oligocen si este reprezentat prin: marnele de Gura Beliei (Campanian-
Maastrchtian), orizonturi cu argile violacee de vrst Paleocen, orizonturi de fli de vrst
Ypresian, Lutetian-Priabonian si Faciesul de Valea Caselor (Oligocen) reprezentat de un orizont
sitos (Damian, i alii, 2003).
Cuvertura post tectonic a unitailor cu tectogenez miocen inferioar se dispune dup
formarea unitailor post- tectonice incadrate in sinclinalul Slnic. Depozitele sunt reprezentate
prin Stratele de Cornu (Oligocen superior-Burdigalian inferior), conglomerate de Brebu
(Burdigalian superior Badenian inferior) (Damian, i alii, 2003).
In extremitatea sudic se regsesc depozitele cu caracter molasic formate in intervalul
Miocen-Pliocen- Pleistocen.
Stilul general de cutare, determinat de avansarea si punerea in loc a pnzelor a condus
la formarea unor aliniamente sinclinale si anticlinale orientate predominant est vest. Aceste
structuri sunt intens faliate spre interior (in nord) iar spre sud sunt faliate axial. Sinclinalul
Breaza-Buciumeni reprezinta o cut faliat axial, cu flancurile egal dezvoltate. Flancul nordic al
sinclinalului este czut n trepte. Extinderea lui se face pe direcie vest-est si este bine
evideniat structural spre est. La sud, sinclinalul Breaza - Buciumeni este flancat de depozitele
din cadrul Pnzei de Tarcu. Falia Breaza ridic compartimentul sudic astefel ncat depozitele
superioare din Pnza de Tarcu apar la zi. In sectorul vii Prahova, umplutura sinclinalului este
reprezentat de Formaiunea vrgat din succesiunea molasei marine neogene (Damian, i alii,
2003).
102

In arealul subcarpatic al vii Prahova se desfoara o succesiune de cute faliate axial. La
sud structura sinclinal Breaza este faliat axial. Flancul su nordic este czut n trepte spre
nord. Se recunosc trei generaii de falii cu formare succesiv, care au o serie de efecte in
organizarea reelei hidrografice. Aceste falii afecteaz formaiunile intens cutate cretacice,
paleogene iar spre sud pe cele cutate larg si monoclinale, paleogen superior. Pentru zona
administrativa a oraului Breaza se identifica, de asemenea, cele trei generatii de falii : falii
longitudinale pe direcie vest est pn la aliniamentul Gura Beliei, o generatie intermediar de
falii cu dezvoltare sud sud - vest, nord nord est, ultima generaie de falii, determinate de
tectogeneza valah, prezint direcie general nord-sud sau nord-vest-sud-est. Ele taie toate
structurile transversal, inclusiv sinclinalele cu depozite miocene si pliocen pleistocene. In partea
de nord a arealului studiat multitudinea de falii nu au nume, dar spre sud au fost trasate si
denumite, dintre acestea importan avnd falia Breaza, o falie longitudinal pe structur
(Damian, i alii, 2003).
Oraul Breaza se suprapune in cea mai mare parte depozitelor cuverturii post tectonice.
Ele formeaz o structur sinclinal desfaurat vest-est al crui flanc nordic ncepe de la Gura
Beliei iar cel sudic se suprapune in contact tectonic cu Paleogenul superior din Pnza de Tarcu.
Din cadrul cuverturii post tectonic a unitilor cu tectogenez cretacic superioara fac parte
urmtoarele depozite:
103

Figura 62 Harta litologic

104

Marnele de Gura Beliei de vrst Senonian superior (Campanian +Maastrichtian) sunt
reprezentate prin marne si argile rosii cu pete verzui. Aceste depozite sunt urmate de
alternane ritminice de marne si marnocalcare in Faciesul de Sotrile, de vrst Cretacic
superior-Paleogen, formate din mai multe orizonturi. Peste acestea stau depozite paleogene
superioare in Faciesul de Valea Caselor. In discordan, transgresiv sau tectonic pe Valea
Prahovei spre sud, de la Breaza de Sus spre Valea Doftanei se desfasoara umplutura axiala a
sinclinalului Breaza - Buciumeni. Aceasta este format din depozite Miocen inferior-mediu,
aparinnd cuverturii post tectonice a unitii cu tectogenez miocen inferior. Axul sinclinalui
este plasat pe aliniamentul central al oraului Breaza si se continu spre est, spre Frasinet, n
versantul stng al Prahovei, de unde treptat este deplasat spre sud, prin falii transversale pe
Valea Doftanei. In flancurile sinclinalului Breaza - Buciumeni, discordant peste Paleogenul
mediu si superior, sunt bine reprezentate depozitele miocen inferioare, Stratele de Cornu si
conglomeratele de Brebu. Aceste dou uniti fac parte din subunitatea molasei miocene a
molasei neogene (Damian, i alii, 2003).
Stratele de Cornu de vrst Miocen inferior (Aquitanian) apar in lungul Prahovei la
confluena cu Valea lui Srcil. In aceasta formaiune apar patru niveluri litologice : orizontul
gipsifer bazal, orizontul inferior, grezos, format din gresii, brecii si marne, orizontul mediu
reprezentat prin argile si marne care devin la partea superioara nisipoase, orizontul superior
format din marne, argile si brecii. La sud de Nistoresti apar conglomeratele de Brebu, care se
dispun transgresiv si discordant peste Stratele de Cornu. Ele sunt reprezentate prin
conglomerate masive si gresii cu lentile conglomeratice. In aflorimentul de la confluena Vii lui
Srcil cu valea Prahova sunt deschise intr-un perete nalt de 50-60 m conglomeratele de
Brebu. Peste acestea urmeaza seria gipsifer superioar, ncadrat Burdigalianului superior.
Aceasta este format la baz din gresii mediu-fin granulare cuaroase, cu ciment carbonatic si
gipsifer. Acestea sunt continuate cu marne cenusii- vineii intercalate cu marne nisipoase cu
aspect situos. Peste seria gipsifer superioar se dispun patru entiti litostratigrafice de vrst
badeniana. Acestea sunt : tufurile si marnele cu globigerine , formaiunea evaporitic
(brecia srii), sisturile cu radiolari si marnele cu Spiratella. Tufurile i marnele cu globigerine
apar pe Valea Prahovei i sunt reprezentate prin pachete de tufuri lutitice, marne argiloase
105

tufitice alb cenuii si verzui. Formtiunea evaporitic este alctuit din claste centimetrice si mai
mari, reprezentate prin fragmente de gresie curbicortical verzuie i gresie calcaroas de Sotrile
(Damian, i alii, 2003).
La sudul sinclinalului Breaza Buciumeni, in aval de Gara Breaza i pe versantul stng al
Prahovei apar depozite din seria de Macla aparinand Pnzei de Macla, reprezentate prin gresii
feldspatice, pelite cenusii (Vraconian - Turonian). Aceast structur vine in contact tectonic pe
Lina de Macla cu depozitele Pnzei de Tarcu. Depozitele apar in f aciesul Stratelor de Pucioasa
cu gresii de Fusaru (Damian, i alii, 2003). In continuare apar depozitele cu caracter molasic
care formeaz zona mio-pliocena , cu depozite de vrst Miocen-Pliocen.
6.3. Relieful
Zona administrativ a oraului Breaza este situat de o parte i de alta a vii Prahova.
Din punct de vedere al ncadrrii n unitile de relief din Romnia, face parte din Subcarpaii de
Curbur. Harta geomorfologic (Figura 65) pune n eviden principalele forme de relief
prezente n zona adminstrativ a Brezei.
N. Popp (Pop, 1939) identific de o parte i de alta a oraului Breaza urma unei terase
de acumulare la 742 m n vf. Strjitea i un fragment dintr-o suprafa de eroziune, la 741 m n
vf. Gurga, modelat n conglomerate burdigaliene. Popp ncadreaz nivelul de eroziune unui
vechi nivel fluvial, de la inceputul cuaternarului, argumentnd ca dezvoltarea redus a acestuia
pe interfluvii nu poate fi atribuita unui ciclu de eroziune complet. Aceast suprafa a fost
cartat ca fiind suprafaa ca fiind suprafaa de nivelare, situat la altitudinea de aproximativ
700m.
106

Figura 63 Terasa a II-a a Prahovei i suprafee de nivelare
Versanii cu decliviti cuprinse ntre 0 i 15 ocup cea mai mare parte, reprezentnd
aproximativ 65% din suprafaa total. Versnaii cu decliviti de 15-30 ocup aproximativ 34%
din suprafaa total, restul fiind decliviti peste 30, prezente n bazinul vii Trsa, n zona
cuestelor dezvoltate la contactul dintre marne calcaroare i conglemerate, la nord vest de
vrful Gurga. n lungul vii Prahova, de-o parte i de alta, este dezvoltat terasa a II-a. Aceasta
este dezvoltat predominant pe partea dreapt a vii. Pe podul terasei de pe partea dreapt s-
au dezvoltat localitile Podu Vadului, Breaza de Jos, Breaza de Sus i Gura Beliei. Prezena
terasei pe partea stng este mult mai redus, iar pe podul acesteia s-au dezvoltat localitile
Podu Corbului, Nistoreti i Frsinet. Cursul vii Prahova prezint sectoare obsecvente n
dreptul localitii Podu Corbului i Gura Beliei i n aval, n dreptul localitii Breaza de Jos, cu
numeroase praguri dezvoltate n albie. Albia minor i lunca sunt puternic antropizate i
amenjate hidrologic, cu diguri i baraje. Exploatrile de balast din aval au determinat n ultimii
20 de ani o adncire puternic a Prahovei, de aproximativ 2,5 metri. Acest adncire este uor
de observat pe toat lungimea cursului subcarpatic al Prahovei, dar n mod special n dreptul
107

podului de acces din drumul naional 1 ctre localitatea Breaza de Jos. Relieful structural
reprezentat o succesiune de cueste situate la limita de sud a zonei de studiu, unde se poate
observa i un extrem de interesant sinclinal suspendat Figura 64. Prezena extins a versanilor
cu declivitate ridicat, combinat cu litologia favorizeaz prezena alunecrilor de teren.
Relieful structural se continu prin prezena cuestelor i la vest de localitatea Surdeti, unde se
pot observa o succesiune de cueste dezvoltate n conglomerate i gresii. Deasupra terasei a II-a
a Prahovei este dezvoltat un glacis coluvio-proluvial, cu pante mici pe care s-a dezvoltat o parte
din localitile Breaza de Jos i Breaza de Sus.

Figura 64 Sincilnal suspendat, la sud este de Podu Vadului
108

Figura 65 Harta geomorfologic

109

6.3.1. Morfometrie
Hipsometrie (Figura 67 Harta hipsometric)
Altitudinile minime i maxime sunt cuprinse ntre ~400m i ~800m. Intervalul
hipsometric cuprins ntre 400m i 500m ptrunde pe valea Prahovei i corespunde n cea mai
mare parte sectorului de lunc. Invervalul cuprins ntre 500m i 600m ocup cea mai mare
parte a zonei, corespunznd nivelului terasei a II-a a Prahovei i versanilor din bazinul vii
Trsa. Harta hipsometric a fost generat din modelul digital al altitudnilor (capitolul 3.5).
Intervalul hipsometric cuprins ntre 600m i 700m se extinde pe aproximativ 25% din suprafa,
fiind prezent pe versani, la originea vii trsa i n jurul vrfului Gurga. Altitudinile cuprinse
ntre 700m i 800m corespund culmilor i suprafeei de nivelare, fiind extinse n partea de nord
a spaiului de studiu, ctre contactul cu Carpaii.

Figura 66 Frecvena absolut a intervalelor de hipsometrie

0.00
5.00
10.00
15.00
20.00
25.00
30.00
<500m 500-600m 600-700m 700-800m >800m
Frecvena absolut a intervalelor de hipsometrie
110

Figura 67 Harta hipsometric

111

Declivitatea (Figura 69 Harta pantelor)
Cu excepia terasei a II-a Prahovei, zona administrativ a Brezei este format din versani
cu decliviti cuprinse ntre 7 i 25. Intervalele mai mici de 3 i ntre 3 i 7 ocup suprafee
egale, fiind prezente pe podul teraselor dezvoltate pe ambele pri ale Prahovei, n albia major
i pe suprafeele de nivelare de pe culmi. Mici fragmente apar n lungul vilor ce fragmenteaz
versanii Prahovei i Trsei. Cea mai mare extindere o au versanii cu pante cuprinse ntre 7 i
15. Acestia se regasesc pe toat suprafaa spaiului de studio, fiind intrevalul de pant ce a
favorizat cel mai mult producerea deplasrilor de teren. Pante ridicate cu valori de 25 i 35 i
peste 35 apar pe fruntea terasei a II-a i la obria vilor toreniale ce fragmenteaz versanii.
Densitatea mare a pantelor cu valori ridicate apare n zona reliefului structural format din
cueste, dezvoltate pe gresii i conglomerate. Se observ evidenierea acestora, de ctre pante,
la nord-vest de localitatea Irimeti i la est de localitatea Surdeti. Localitiile Podu vadului,
Breaza de Jos, Breaza de Sus sunt dezvoltate n cea mai mare parte pe pante cu valori mici,
pn n 3.

Figura 68 Frecvena absolut a intervalelor de pant
0.00
5.00
10.00
15.00
20.00
25.00
<3 3-7 7-15 15-25 25-35 >35
Frecvena absolut a intervalelor de declivitate
112

Figura 69 Harta pantelor

113

Energie de relief (Figura 71)
Diferena de altitudine nregistrat are valori cuprinse ntre minim 0,5m i maxim 128m.
Diferenele de altitudine au fost calculate pe o suprafa etalon de 250mp i au fost mprite n
5 intervale exacte, cu valori din 25m n 25m. Energie de relief cu valori mai mici de 25 de metri
sunt prezente pe podul terasei II-a a Prahovei i n lungul albiei majore, reprezentnd
aproximativ 12 kmp din ntreaga suprafa. Cea mai mare extindere o are intervalul de valori
cuprins ntre 50m i 75m, fiind prezent pe versanii vii Prahova i Trsa, uniform raspndite pe
toat suprafaa. Energii de relief cu valori mai mari de 75m i 100 de metri se suprapun
pantelor cu valori ridicate, de peste 25. Aceste valori apar la obria torenilor ce
fragmenteaz versanii Prahovei i Trsei, pe fruniile de cueste i n jurul vrfului Gurga. Din
analiz suprapunerii alunecrilor cu energia de relief, nu se poate spune cu certitudine c exist
o strns corelare ntre producerea alunecrilor de teren i prezena unui anumit interval de
energie de relief.

Figura 70 Frecvena absolut a intervalelor de energie de relief
0
5
10
15
20
25
<25m 25-50m 50-75m 75-100m >100m
Frecvena absolut a intervalelor de energie de relief
114

Figura 71 Harta energiei de relief

115

Desimea fragmentrii
Este o alternativ la densitatea fragmentrii i se calculeaz ca distana n linie dreapt
dintre cursurile de ap (Tucker, i alii, 2001). De asemenea se poate calcula i distana dintre
vi, rezultnd o desime a vilor. Desimea fragmentrii prezint o importana deosebit pentru
producerea alunecrilor de teren, un indicator important pentru poteialul coninutului n ap
pentru anumite spaii.

Figura 72 Frecvena absolut pentru desimea fragmentrii
Valori mari ale desimii fragmentrii se regsesc pe toat suprafaa spaiului de studiu,
peste 20 de kmp avnd cursuri de ap secundare situate la mai puin de 250metri distan unul
de cellalt. Acestea scad uor pe podul terasei a II-a, unde ca urmare a extinderii ei i a
fragmentrii sczute, valorile n medie cuprinse ntre 1250metri i 1500 de metri distan ntre
cursurile de ap. n partea de nord-vest a zonei administrative a oraului Breaza apare o zon
circular, unde n aparen, desimea fragmentrii scade din ce n ce mai mult. Acest lucru este
cauzat de gradul de detaliere al hrii topografice pentru acea parte, fiind mai sczut dect
gradul de detaliere al hrilor topografice de pe ntreaga zon.

0.00
5.00
10.00
15.00
20.00
25.00
Frecvena absolut pentru desimea fragmentrii
116

Figura 73 Harta desimii fragmentrii
117

Figura 74 Harta densitii fragmentrii
118

Figura 75 Harta curburii n profil
119

Figura 76 Harta curburii n plan
120

6.4. Analiza precipitaiilor
Precipitaiile au fost msurate la staia meteorologic Cmpina, pentru o perioad
cuprins ntre 1 ianuarie 1970 i 31 decembrie 2005. Staia meteorologic Cmpina se afla
situat la o altitudine 450 metri, pe terasei a II-a. Ca urmare a suprafeei foarte mici a zonei de
studiu am considerat o distribuie uniform aprecipitaiilor nregistrate pentru tot spaiu de
studiu. Perioada total de nregistrare corespunde la treizeci i cinci de ani calendaristici,
depind cu cinci ani perioada utilizat de regul pentru calcularea de tendine climatice.
Unitatea de msur pentru precipitaii este mm. Pentru aceste nregistrri nu avem menionat
cantitatea de precipitaii czut sub form de zpad. Acest lucru l-am determinat prin
calcularea distribuiei spaiale a temperaturilor i raportarea temperaturilor la precipitaii.
Astfel, dac temperaturile au sczut sub 4 celsius, am considerat precipitaiile ca fiind zpad
(Pfeffer, 2003). Preciptaiile nregistrate pentru aceast au atins un maxim de 118.4mm la data
de 20 August 2005, an marcat de numeroase alunecri de teren. Cel mai secetos an a fost 2000
cu o cantitate total de precipitaii de 370mm, iar cel mai ploios an a fost 2005 cu o cantitate
total de precipitaii de 1240mm, an n care s-au produs numeroase alunecri de teren.

Figura 77 Distribuia anual a cantitii de precipitaii pentru perioada 1970-2005
0
200
400
600
800
1000
1200
1400
Distribuia anual a cantitii de precipitaii pentru perioada
1970-2005
Precipitaii anuale 2 per. Mov. Avg. (Precipitaii anuale)
121

Din Figura 77 se observ cum precipitaii anuale ce au depsit valori de 950mm-
1000mm s-au nregistrat i n anii: 1970, 1972, 1975, 1980, 1984, 1997, 2005. Media anual a
precipitaiilor pentru perioda 1970-2005 este de 774mm.
Medie Median Abatere
standard
Nr ani Diferen Minim Maxim
774 747 185 35 870 370 1240
Tabela 8 Indicatori statistici pentru precipitaii, perioada 1970-2005

Figura 78 Media lunar a precipitaiilor, perioada 1970-2005
1 2 3 4 5 6 7 8 9 10 11 12
Medie 42.82 49.00 53.32 62.51 86.94 96.03 84.50 76.52 55.41 49.93 57.41 59.79
Abatere
standard
24.78 34.73 34.03 31.06 42.78 48.80 50.11 44.20 44.30 31.71 32.57 39.53
Asimetrie 0.88 1.12 1.00 1.12 0.99 1.20 0.71 0.73 2.14 0.91 0.71 0.99
Tabela 9 Indicatori statistici pentru valorile lunare ale precipitaiilor, perioada 1970-2005
Cea mai mare parte a precipitaiilor se produc n luna iunie, precipitaiile ncepnd s
creasc din luna aprilie, cu o medie de ~60mm i cresc pn n luna iunie cnd ajung n medie la
~95mm, apoi scad pn n luna august cnd ajung la ~75mm. O a doua perioad cu precipitaii
ridicate sunt lunile noiembrie i decembrie, dei n aceste luni precipitaiile nu depsesc 60mm.
Toate lunile prezint o asimetrie pozitiv ceea ce indic c media valorilor este mai mare dect
mediana. Din nregistrrile referitoare la locul i momentul producerii unei alunecri, reiese c
0.00
20.00
40.00
60.00
80.00
100.00
120.00
1 2 3 4 5 6 7 8 9 10 11 12
Media lunar a precipitaiilor, perioada 1970-2005
122

majoritatea alunecrilor s-au produs n intervalul cu cele mai mari precipitaii, ce ine din aprilie
pn n august. Numrul zilelor cu ploi este relativ acelai pentru toate luni anului, el variind
ntre ~8 zile ploioase/lun i ~14zile ploioase/lun.

1 2 3 4 5 6 7 8 9 10 11 12
Medie 10.31 10.53 10.31 12.28 13.64 12.83 12.19 10.78 8.64 9.33 10.72 10.25
Abatere
standard
3.69 4.16 4.13 3.06 2.83 2.38 3.67 3.54 2.70 3.47 3.69 3.56
Asimetrie -0.11 0.55 0.30 -0.11 0.05 -0.09 0.50 0.08 0.41 0.01 0.47 0.43
Tabela 10 Indicatori statistici pentru numrul zilelor ploioase pentru fiecare luna,
perioada 1970-2005

Figura 79 Numrul zilelor ploioase/lun, perioada 1970-2005
Distribuia relativ uniform a numrului de zile cu precipitaii pe lun pentru un an
ntreg indic c producerea alunecrilor nu se datoreaz, n mod special, unor perioade mai
lungi de ploaie, ci mai degrab, producerii unor ploi cu intensitate ridicat pe o perioad scurt
de timp, care se suprapun cu perioada cu cea mai mare cantitate de precipitaii din timpul
anului. Acest lucru este confirmat i de cantitatea maxim de precipitaii ce s-a nregistrat ntr-o
zi, conform nregistrrilor, de 118.4mm
0.00
2.00
4.00
6.00
8.00
10.00
12.00
14.00
16.00
1 2 3 4 5 6 7 8 9 10 11 12
Numrul zilelor ploioase/lun, perioada 1970-2005
123

6.5. Radiaia solara
Radiaia solar variaz de-a lungul anului, n funcie de poziia Soarelui deasupra
orizontului, expunerea fa de Soare a obiectelor de pe suprafaa terestr, gradul de acoperire
cu nori etc. Atunci cnd msurarea radiaiei solare este greu de realizat, se pot utiliza diverse
metode pentru modelarea ei n timp i spaiu.
Poziia Pmntului fa de Soare se calculeaz n funcie de patru parametri: data
calendaristic, micarea de revoluie, unghiul dintre axele de rotaie ale Pmntului i planul
orbitei pe planet i poziia observatorului pe suprafaa terestr. Pentru calcule astronomice
este utilizat calendarul Iulian n locul calendarului Gregorian. Transformarea datei din
calendarul Gregorian n calendarul Iulian se realizeaz dup urmtoarele formule (Sterrekundig
Instituut Utrecht, 2007):
c=2-(j/100)+(j/400) (14)
J = (1461*(j + 4716/4)+(153*(m+1)/5)+d+c-1524.5 (15)

Unde J este ziua pentru calendarul Iulian; j este anul, m este luna i d este ziua n
calendarul Gregorian. Formula corespunde pentru ora 0:00 n format UTC. Dac se dorete
calcularea zilei pentru calendarul Iulian i n funcie de or, atunci formula devine:
J = (1461*(j + 4716/4)+(153*(m+1)/5)+(1+ora/24)+c-1524.5 (16)
Dac m>3 atunci m=m+15 i j=j-1
Transformarea datei din formatul calendarului Iulian n formatul calendarului Gregorian
se relizeaz dupa urmtoarele formule (Sterrekundig Instituut Utrecht, 2007):
p = J + 0.5 (17)
s
1
= p + 68569 (18)
n = 4*s
1
/146097 (19)
s
2
= s
1
(146097*n + 3)/4 (20)
i = 4000*(s
2
+ 1)/1461001 (21)
s
3
= s
2
1461*i/4 + 31 (22)
q = 80*s
3
/2447 (23)
124

e = s
3
2447*q/80 (24)
s
4
= q/11 (25)
m = q + 2 12*s
4
(26)
j = 100*(n 49) + i + s
4
(27)
d = e + J p + 0.5 (28)
Unde j,m,d sunt anul, luna i respectiv ziua
Deoarece Soarele este vzut de pe planet, vedem o micare aparent a Soarelui n jurul
Pmntului de la est la vest. Dac orbita planetei ar fi fost circular, atunci micarea de
revoluie s-ar face cu o viteza constant, de unde i uurina cu care ar fi fost posibil calcularea
poziiei ei. Poziia pe care Pmntul ar fi avut-o relativ fa de periheliu, dac orbita ar fi fost
circular, se numete anomalie medie i se calculeaz dup formula (Sterrekundig Instituut
Utrecht, 2007):
M=M
0
+M
1
*(J-J
2000
) (29)
Unde M este anomalia medie, M
0
i M1 sunt valori constante egale cu 357.5291 i
respective 0.98560028
Viteza planetei pe orbit nu este constant, ca urmare i viteza de deplasarea aparent
a Soarelui variaz de-a lungul anului. Anomalia real este distana aparent a planetei fa de
periheliu. Pentru o orbit circular, anomalia medie i anomalia real ar fi egale. Diferena dintre
anomalia medie i anomalia real (distana n grade a planetei fa de periheliu, vazut din
Soare), se numete ecuaia centrului (Sterrekundig Instituut Utrecht, 2007).
=M+C (30)
Unde C se calculeaz ca:
C =C
1
*sin(M)+C
2
*sin(2*M)+C
3
*sin(3*M)+C
4
*sin(4*M) +C
5
*sin(5*M)+C
6
*sin(6*M) (31)
Unde C
1
,C
2
,C
3
sunt constant egale cu 1,9148, 0,0200 i respective 0,0003
Pentru calcularea poziiei Soarelui sunt necesare cunoaterea coordonatelor elipticii
soarelui: latitudinea i longitudinea. Latitudinea este ntotdeauna foarte mic, motiv pentru
125

care se poate ignora din calcule. Longitudinea se calculeaz dup formula (Sterrekundig
Instituut Utrecht, 2007)
S
= ++180 (32)
Unde este ecuaia centrului, este periheliu cu o valoare constant egal cu 102.9372
Coordonatele ecuatoriale ale Soarelui sunt ascensia dreapt i declinaia. Acestea se
calculeaz dup formulele (Sterrekundig Instituut Utrecht, 2007):
S
=arctan(sin
S
*cos,cos
S
) (33)
unde
S
este ascensia dreapt, este obligicitatea elipticii egal cu o valoare constant
~23.45, iar
S
latitudinea eliptic a Soarelui
s
=asin(sin
S
*sin) (34)
unde
S
este latitudinea eliptic a Soarelui, este obligicitatea elipticii egal cu o valoare
constant ~23.45
Poziia Soarelui pe cer este influenat de latitudinea i longitudinea locului n care se
afl observatorul i de momentul zilei. Calcularea altitudinii i azimutului Soarelu se realizeaz
dup formulele (Sterrekundig Instituut Utrecht, 2007):
h = asin(sinLatitudine*sin
s
+cosLatitudine*cos
s
*cosH) (35)
unde, h este altitudinea Soarelui deasupra orizontului, iar H este unghiul orar, calculat
ca:
H = (
0
+
1
*(J-J
2000
)-LongitudineVest)-
S
(36)
Unde
0
i
1
sunt valori constant egale cu 280.1600 i respectiv 360.9856235, J este
ziua pentru care se calculeaza exprimat n calendarul Iulian, J
2000
este ziua n calendarul Iulian
pentru anul 2000 i este egal cu 2451545, LongitudineaVest este longitudinea locului n care se
afl observatorul i are valori positive spre vest i negative spre est, iar
S
este ascensia dreapt
126

A = atan(sinH, cosH*sinLatitudine-tan
s
*cosLatitudine) (37)
Unde A este azimutul Soarelui
Cantitatea de radiaie solar care ajunge la partea superioar a atmosferei este
diminuat de distana parcurs de razele solare pn la suprafaa terestr, trnasmisivitatea
atmosferei i gradul de acoperire cu nori. Radiaia solar la limita superioar a atmosferei este
calculat dup formula (Van Dam, 2001):
S
out
= S
c
*(1 + 0.034*cos(360*Zi/365)) (38)
Unde S
out
este radiaia solar la limita superioar a atmosferei, S
c
este o constant solar
stabilit la 1367 W.m
-2
, iar Zi este ziua pentru care se calculeaza, n formatul calendarului Iulian.
Radiaia solar este diminuat grosimea maselor de aer ce trebuie s le strbat i de
transmisivitatea atmosferei. Radiaia solar ce ajunge la suprafaa terestr se calculeaz dup
formula (Van Dam, 2001):
S
sp
= S
out
*
Mh
(39)
Unde S
sp
este radiaia solar ce ajunge la suprafaa terestr, M
h

este grosimea relativ a
maselor ce le strbate la altitudinea, este transmisivitatea atmosferei, considerat n studiul
de fa ca fiind constant i egal cu 0,6 (Van Dam, 2001)
M
h
=M
0
*P
h
/P
0

Unde M
0
este grosimea maselor de aer la nivelul oceanului i se calculeaz ca fiind (Van
Dam, 2001):
M
0
=(1229+(614*sin)
2
)-614*sin (40)
P
h
/P
0
este orecia presiunii atmosferice i se calculeaz ca fiind (Van Dam, 2001):
P
h
/P
0
=((288-0,0065*h)/288)
5,256

127

Unghiul de inciden este unghiul format de razele solare ntre planul perpendicular pe
direcia i suprafea terestr, definit de expoziie i pant. Unghiul de inciden se calculeaz
(Van Dam, 2001):
cosI=cos*sin*cos(
S
-
sp
)+sin*cos (41)
unde cosI este cosinul unghiului de inciden, este altitudinea Soarelui deasupra
orizontului,
S
este azimutul Soarelui,
sp
este azimutul suprafeei terestre
Radiaia solar la suprafaa terestr este dat de formula (Van Dam, 2001):
S
dir
= S
sp
*cosI (42)
Pe perioada unei zile se presupune c fiecare celul priimete aceeai cantitate de
radiaie solar. Cantitatea total de radiaie solar ce ajunge pe suprafaa terestr este (W.m
-2

(Van Dam, 2001):
S
tot
= S
dir
+S
dif
(43)
Unde S
dif
este radiaia difuz, ce se calculeaz (Van Dam, 2001):
S
dif
=S
out
*(0,271-0,294*
Mh
)*sin (44)
Ecuaia 31 este folosit pentru a calcula radiaia solar pentru fiecare interval de timp.
Pentru a elimina subestimarea sau supraestimarea radiaiei soalre i influena ei n celelalte
modele, s-a folosit o medie calculat ntre radiaia solar dintre intervalul anterior de timp i cel
pentru care se calculeaz. Pentru calcularea radiaiei solare a fost creat clasa de obiecte Astro
i RadiaieSolar (Anexa 3 i Anexa 4)
6.6. Vegetaia i utilizarea terenului
Rolul vegetaiei i al utilizrii terenului n analiza hazardului la alunecri de teren este
dat de reinerea apei din precipitaii, de ctre coronamentul copacilor sau concentrarea ei ctre
reele de canalizare i eliminarea ei prin transpiraie i evapotranspiraie. Zona administrativ a
oraului Breaza este situat n zona pdurilor de foioase, aproximativ la contactul dintre
vegetaia de cmpie i pdurile de conifere. Utilizarea terenului este predominat de prezena
128

livezilor de mr i prun, iar vegetaia este alctuit predominant din pduri de foioase (fag) i
pajiti. Clasificarea nu a fost realizat conform unei nomenclaturi generale, ci a fost realizat o
clafisicare ad-hoc care s nglobeze ct mai optim influena modului de utilizare al terenurilor i
vegetaiei n favorizarea producerii de deplasri de teren. Au fost create doisprezece clase dup
cum urmeaz: suprafa construit reprezint doar zonele cu densitate mare de case i/sau
strzi i casele izolate; livezi sunt suprafeele cu livezi, fr o delimitare clar ntre tipul de pomi
fructiferi; zvoi de lunc reprezint vegetaia spefic luncii vai Prahova, cu vegetaie mic i
arbuti; arbuti; zone lipsite de vegetaie, unde solul este complet dezgolit; pdure de foioase;
pdure de conifere; grdini sunt spaiile, de regul, din interiorul localitilor, reprezentate de
curile oamenilor; Prahova delimitat doar albia minor; zone cu densitate mic de copaci, care
nu se pot atribui nici clasei pajiti, nici clasei pduri de foioase; pajitile formate din vegetaie
ierboas mic, utilizate i pentru punat i drumul naional 1, n lungul vii Prahova. Pe o
perioad de aproximativ 28 de ani, evoluia utilizrii terenului i a vegetaiei nu s-a modificat
substanial. Principalele modificri au constant n extinderea localitii Breaza de Sus i Breaza
de Jos pe glacis i prin creterea densitii caselor n interiorul intravilanului, n mod special spre
marginile zonelor construite. Vegetaia natural a rmas n proporie de 90% neschimbat,
motiv pentru care nu s-a impus o analiz a evoluiei utilizrii terenului i vegetaiei n raport de
producerea alunecrilor.
Suprafa construit 5.02
Pajite 11.84
Livezi 6.11
Zvoi de lunc 1.53
Arbuti 0.73
Densitate mic de
copaci
4.01
Fr vegetaie 0.21
Pdure de foioase 18.81
Pdure de conifere 0.55
DN1 0.14
Grdini 1.45
Prahova 0.57
Tabela 11 Suprafaa n Kmp pentru fiecare clas de utilizare/vegetaie
129

Figura 80 Frecvena absolut pentru clasele de utilizare/vegetaie
0.00
2.00
4.00
6.00
8.00
10.00
12.00
14.00
16.00
18.00
20.00
130

Figura 81 Harta utilizrii terenului
131

6.7. Evapotranspiraia
Evapotranspiraia joac un rol important n echilibrul hidrologic al versanilor. Varietatea
mare a tipurilor de vegetaie, stadiul lor de evoluie, rezistena la transpiraie, gradul de
acoperire al solului i ali factori, fac ca evapotranspiraia sa varieze foarte mult atat n spaiu
cand i n timp. Un numr foarte mare de metode mai mult sau mai puin empirice au fost
dezvoltatea n ultimii 50 de ani de ctre numeroi specialiti din ntreaga lume, cu scopul de a
estima ct mai corect evapotranspiraia, n regiuni cat mai diverse din punct de vedere climatic
(Allen, i alii, 1998). Cele mai bune rezultate au fost obinute folosindu-se metoda FAO
Penman-Monteith, ce folosete temperature aerului, umiditatea aerului, viteza vntului i
radiaia solar. Aceste date sunt uneori destul de greu de procurat sau lipsesc complet pe
perioade mai mici sau mai mari de timp. Din aceaste motive, uneori se recomanda utilizarea
unor metode de calculare a evapotranspiraiei ce utilizeaz mai puini parametric. Una dintre
aceste metode, ce se poate utilize la scara global, este metoda Hargreaves (Allen, i alii,
1998). Metoda Hargreaves (Hargreaves, i alii, 1985), modificat conform procedurii FAO
(Allen, i alii, 1998) a fost i opiunea noastr n studiul de fa.
ET
0
= 0.023(T
med
+17,8)*(T
max
-T
min
)
0,5
*Rad,
(45)
Unde T
med
este temperatura medie pentru intervalul de timp; T
max
este temperatura
maxim pentru intervalul de timp; T
min
este temperature minim pentru intervalul de timp. Modelul
de calcul a evapotranspiraiei pentru fiecare interval de timp a fost implementat n clasa de
obiecte Evapotranspiraie (Anexa 2)
6.8. Alunecrile de teren. Inventarul deplasrilor de teren
Alunecrile de teren ocup o suprafa important din zona administrativ a oraului
Breaza, nsumnd aproximativ 20% din ntreaga suprafa. Metodologia folosit pentru cartarea
deplasrilor de teren este foarte diversificat, cuprinznd: observaii de teren (Brunsden, i alii,
1975; Wieczorek, 1984; Brunsden, 1985; Brabb, i alii, 2007), interpretarea aerofotogramelor
cu ajutorul echipamentelor de fotogrametrie, a imaginilor satelitare multispectrale i a
fotografiilor aeriene oblice (Rib, i alii, 1978; Turner, i alii, 1996). Observaiile de teren sunt
uneori greu de realizat, n mod special pentru zonele izolate. Ca urmare imaginile aeriene
132

reprezint o surs complementar pentru cartarea i clasificarea deplasrilor de teren, dup
criterii multiple (Cruden, i alii, 1996).
Metodologia folosit pentru crearea inventarului deplasrilor de teren pentru zona
administrativ a Brezei, este o combinaie ntre observaii de teren realizate pe parcursul a 2 ani
de zile, din 2006 pn n 2008 i interpretarea imaginilor aeriene verticale i oblice i a
aerofotogramelor vechi (Guzzetti, 2005). Deplasrile de teren au fost cartate cu ajutorul unui
aparat GPS cu receptor Garmin, pe care au fost instalate toate sursele de informaii disponibile:
hrile topografice la scara 1:5000, ortofotoplanuri color la scara 1:5000, deplasrile de teren
interpretate din aerofotogramele vechi i ortofotoplanuri. Aceste informaii au fost completate
de dou zboruri deasupra zorni administrative a oraului Breaza, realizate cu un avion de
dimensiuni mici, model Cessna F172H, la data de 7 mai 2008 i 15 mai 2008. Fotografiile au fost
realizate cu un aparat Canon, model 400D cu rezoluia de 10Megapixels i un obiectiv Tamron
cu distana focal cuprins ntre 18 i 250 mm. Pe durata zborurilor, aproximativ 750 de
fotografii au fost realizate. Fotografiile au fost geocodate cu ajutorul programului open source
GPSync. Cu cea mai mare parte a fotografiilor au fost create imagini anaglif, ce permit
vizualizarea n 3D cu ajutorul ochelarilor anaglif. Fotografiile vertical au fost georefereniate cu
success, eroarea standard fiind acceptabil i introduce n sistemul informaional geographic.
Din modelul digital al altitudinilor am extras declivitatea terenului, curbura n profil i n plan i
umbrirea reliefului, care combinate, au mbuntit procesul de interpretare i clasificare al
deplasrilor de teren (Wilson, i alii, 2001; Longley, 2005; Maquire, i alii, 2005)
Clasificarea deplasrilor de teren a fost realizat pe baza sistemului de clasificare
descries de (Cruden, i alii, 1996), iar informaiile ce au stat la baza clasificrii i delimitrii
corpurilor de deplasare au constant n: aerofotograme vechi din 1972, 1978, 1986,
ortofotoplanuri color din 2005, hri topografice la scara 1:5000 din 1980, imagini aeriene
oblice i vertical obinute n urma zborurilor din 7 mai i 15 mai 2008
Surse de informare An de provenien Scara
Aerofotograme alb-negru 1972 ~1:5,000
133

Ortofotograme color 2005 1:5,000
Imagini aeriene oblice i verticale 2008 1:200
Hri topografice 1980 1:5,000
Observaii de teren 2007-2008 1:200
Tabela 12 Surse de informare pentru delimitarea i clasificarea deplasrilor de teren
Deplasrile de teren au fost clasificate, conform clasificrii (Cruden, i alii, 1996; Dikau,
i alii, 1996), n: alunecri rotaionale, alunecri translaionale, alunecri complexe i curgeri;
dup stadiul de activitate se deosebesc alunecri active-intermitente, latent, fosile i alunecri
stabilizate antropic.
Inventarul deplasrilor de teren cuprinde 156 de deplasri (Figura 90, Figura 91). Cea
mai mare parte a deplasrilor de teren sunt alunecri rotaionale, cca 92%, extinse pe toi
versanii zonei administrative a Brezei, fr o caracteristic spaial evident. Un numr foarte
mic de alunecri translaionale este prezent pe fruntea de teras a Prahovei, n dreptul
localitii Breaza de Jos, care a fost reactivat la ploile din anul 2005, n prezent stabilizat prin
lucrri de amenjare, n zona de obrie a vii Trsa i n dreptul localitii Valea Trsei (Figura
91). Restul deplasrilor sunt alunecri complexe (cca 3%) i curgeri (cca 2%), ce se ntlnesc n
zona de obrie a vii Trsa (Figura 82).
134

Figura 82 Frecvena relativ a deplasrilor de teren dup tipologie
Dup adncime, predomin alunecrile profunde, extinse pe toat lungimea versantului
ce au fost parial reactivate de-a lungul anilor ploioi (capitolul 6.4), completate de alunecrile
superficial, n proporie de 12%. Alunecrile superficial sunt prezente n mod special pe
versanii dezgolii de vegetaie sau cu pajiti, de la obriile vilor toreniale. Dup stadiul de
activitate se deosebesc patru clase: active-intermitente, spefic curgerilor, dar i alunecrilor
rotaionale, adnci, reactivate parial de-a lungul anilor ploioi, ce se deplaseaz n present cu
viteze mici; latent, aproximativ 43% din totalul alunecrilor cartate i clasificate: fosil, sunt
alunecri foarte vechi, de regul de dimensiuni mari, extinse pe toat lungimea versantului;
stabilizate prin lucrri de amenajare, cum sunt cele din dreptul grii CFR la Breaza i de pe
fruntea de teras din dreptul localitii Breaza de Jos, de-a lungul strzii Miron Cproiu (Figura
84, Figura 91)
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
1.00
alunecri
rotaionale
alunecri
translaionale
alunecri
complexe
curgeri
135

Figura 83 Frecvena relativ a deplasrilor de teren dup adncime

Figura 84 Frecvena relativ a deplasrilor de teren dup stadiul de activitate
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
1.00
alunecri superficiale alunecri profunde
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
fosil latent activ-intermitent stabilizate

Figura 85 Alunecri rotaionale, adnci i superficial, reactivate n anul 2007 ca urmare a
activitii antropice. Imagine aerian oblic, 15 mai 2008, la nord de vrful Gurga
Figura 86 Alunecri rotaionale, adnci i superficial, reacti
aerian vertical, 15 mai 2008, la nord de
Alunecri rotaionale, adnci i superficial, reactivate n anul 2007 ca urmare a
Alunecri rotaionale, adnci i superficial, reactivate n anul 2007
aerian vertical, 15 mai 2008, la nord de vf. Gurga
136


vate n anul 2007. Imagine

Figura 87 Alunecri rotaionale, adnci i superficial, reactivate n anul 2007 ca urmare a
activitii antropice. Bazinul vii Trsa.
Figura 88 Alunecri rotaionale i translaionale, adnci, stabilizate antropic prin
realizarea de drenuri. Imagine aerian oblic, 15 mai 2008

. Bazinul vii Trsa. Imagine aerian oblic, 15 mai 2008
Alunecri rotaionale i translaionale, adnci, stabilizate antropic prin
Imagine aerian oblic, 15 mai 2008
137

aerian oblic, 15 mai 2008

Alunecri rotaionale i translaionale, adnci, stabilizate antropic prin
138

Figura 89 Alunecare-curgere, superficial, activ-intermitent, n bazinul superior al vii
Trsa. Imagine aerian oblic, 15 mai 2008
Inventarul i hrile deplasrilor de teren sunt create pentru o scar de detaliere egal
cu 1:5000. Anumite zone sunt cartate la un grad de detaliere mult mai ridicat, ajungnd pn la
1:500. A fost aplicat principiul generalizrii cartografice, astfel elementele mai mici de 250mp
(adica 5 pixeli) au fost eliminate. Factorii care au influentat interpretarea imaginilor aeriene au
fost: rezoluia imaginilor i calitatea scanrii lor de pe film; perioada cnd au fost effectuate
aceste imagini corespunde perioadei de vegaie primavar-var, fapt ce ngreuneaz substanial
delimitarea corpurilor de alunecare (Lillesand, i alii, 2004; Soeters, i alii, 1991). Imaginile
obinute n timpul zborurilor din 7 i 15 mai 2008, vin s compenseze o mare parte din lipsa de
informaie pentru aceast zon, mai ales prin imaginile oblice obinute din puncte de
perspectiv diferite asupra aceleiai deplasri, oferind informaii suplimentare pentru
interpretarea evoluiei i stadiului de activitate a acestora. Din pcate, pentru o mare parte din
alunecri, nu a fost posibil identificarea momentului producerii sau reactivri acestora. Aceste
nregistrari se regsesc ns, pentru un numr mic de alunecri, care s-au produs n mod special
n zonele construite sau au afectat activitatea antropic n zon. Din arhiva primriei Breaza au
fost extrase informaii despre locul i momentul producerii sau reactivrii unor alunecri de
139

teren. Aceste informaii au fost introduce n SIGT n tabela de metadata pentru deplasri de
teren i au stat la baza calculrii probabilitii condiionate i apriorii, raportate la condiiile
climatice n care s-au produs sau reactivat alunecri de teren.
Data Locul Tipul/Stadiul
1967 Irimeti a fost strmutat, Ograda
a fost strmutat
Alunecri rotaionale: primare i
reactivate
1978 Surdeti i Frsinet, cu strmutare Alunecri rotaionale: primare i
reactivate
August 1997 Strada Miron Cproiu, Breaza Alunecare rotaional reactivat
August 1997 Strada Plt. Rdulescu, Breaza Alunecare rotaional, reactivat
August 1997 DJ710, Valea Trse Alunecare rotaional, reactivat
Mai 2005 Strada Micunelelor, Breaza Alunecare rotaional, reactivat
Mai 2005 Strada Colinei, Breaza Alunecare rotaional, reactivat
Mai 2005 Strada Surdeti, Valea Trsei Alunecare rotaional, primar
Mai 2005 Strada Rfacea, Valea Trsei Alunecare rotaional, reactivat
Mai 2005 Strada Drum Nou, Valea Trsei Alunecare rotaional, reactivat
Mai 2005 Strada Valea Morii, Valea Trsei Alunecare rotaional, primar
Mai 2005 Strada Busuiocului, Frsinet Alunecare rotaional, primar
Mai 2005 Strada Privighetorilor, Frsinet Alunecare rotaional, reactivat
Mai 2005 Strada Dorobani, Nistoreti Alunecare rotaional, reactivat
140

Mai 2005 Strada Prundului, Nistoreti Alunecare rotaional, primar
Mai 2005 Strada Daliilo, Podu Corbului Alunecare rotaional, reactivat
Mai 2005 DJ710 Alunecare rotaional, reactivat
Iulie 2005 Strada Miron Cproiu Alunecare rotaional, reactivat
Iulie 2005 Strada Colinei, Punctul Mtroiu Alunecare rotaional, reactivat
Iulie 2005 Strada Privighetorilor, Frsinet Alunecare rotaional, primar
Iulie 2005 Strada Valea Morii, Valea Trsei Alunecare rotaional, primar
Iulie 2005 DJ710 Livada Borongoci Alunecare rotaional, primar
Iulie 2005 Strada Cprioarelor, Frsinet Alunecare rotaional, reactivat
Iulie 2005 Strada Viinului, Frsinet Alunecare rotaional, primar
Tabela 13 Locul i momentul producerii alunecrilor de teren
Din analiza precipitaiilor (capitolul 6.4), se observ cum anii ploioi pentru perioada
1970-2005 corespund la: 1970, 1972, 1975, 1980, 1984, 1997, 2005. Din Tabela 13 se observ o
corelare parial ntre anii ploioi n care s-au produs alunecri i ani ploioi n care nu s-au
produs alunecri sau ani cu precipitaii medii, dar n care s-au produs alunecri de teren. Acest
lucru se explic prin lipsa datelor din arhiva primriei Breaza sau accesul limitat la arhiv pentru
prima situaie, iar pentru a doua situaie explicaia const n cantitatea de precipitaii ridicat,
ce s-a nregistrat pe parcursul a ctorva zile. Aceaste cantitaii se nscriu n mediile lunare ale
precipitaiilor, dar depesc cu mult media zilnic a precipitaiilor. Ca urmare, o concentrare a
unor cantiti mari de precipitaii ntr-un numri mic de zile poate duce la declanarea
deplasrilor de teren, chiar dac pe ansamblu mediile lunare i anuale ale precipitaiilor, nu
depesc media multianual
141

Figura 90 Harta deplasrilor de teren, clasificate dup adncime
142

Figura 91 Harta deplasrilor de teren, clasificate dup stadiu de activitate
143

7. Aplicaii a teoriei Bayes n geomorfologie
Teoria probabilitiilor condiionate Bayes face parte din sistemele suport de decizie.
Acestea ofer sprijn factorului de decizie prin oferirea unor soluii multiple, bine argumentate,
astfel nct cea mai bun alternativ s fie selectat. Alegerea unei soluii n favoarea altora nu
este ntocmai o sarcin usoar, indiferent de experiena factorului de decizie. Deciziile sunt
bazate pe criterii bine definite, experien acumulat n timp, compararea cu situaii similare i
consultarea cu specialiti din domenii complementare. Criteriile de decizie, se pot mparte, la
rndul lor, n dou: factori i constrngeri (Eastman, 2006). Factorii care influeneaz o decizie,
sunt la rndul lor factori pozitivi i factori negativi, fiecare avnd un rol important n soluia
final aleas. Constrngerile, pe de alt parte, vin n sprijinul limitrii soluiilor prezentate,
limitre ce pot avea un caracter pozitiv, dar, uneori i un caracter negativ. Un exemplu de
constrngere este interdecia de a construi la o distana mai mic de n metri faa de o reea de
alimentare cu gaze; rezultatul acestei constrngeri este diminuarea zonelor n care se poate
construi un nou bloc de locuine. Un alt exemplu de constrngere, de data aceasta pentru
analiza hazardului la alunecri de teren, este clasificarea declivitii versanilor i eliminarea
suprafeelor ce au o declivitate mult prea mic, pentru a favoriza producerea de deplasri de
teren. Constrngerile, de regul, se aplic seturilor de date i constau n analize de tip boolean
(Eastman, 2006)
Atunci cnd discutm de sisteme suport de decizie discutm i de erori i incertitudini. n
sistemele informaionale geografice, probleme legate de incertitudine i erori au fost tratate
nc de la nceput (Burrough, i alii, 1998, 2005; Heuvelink, 1993; Heuvelink, 1998). Atenia a
fost concentrat asupra incertitudinilor rezultate din msurtori (Burrough, 1989), evaluarea
erorilor (Burrough, i alii, 1998, 2005) (Heuvelink, 1993) (Heuvelink, 1993), propagarea erorilor
(Heuvelink, 1993) i raportul de calitate a datelor (Molenar, 1998), erorile exprimate de seturile
Fuzzy (Fisher, 1998; Burrough, i alii, 1998, 2005). Cu toate acestea o mai puin atenie a fost
acordat modului prin care aceste erori influeneaz procesul de decizie. Pe msur ce acest
domeniu va deveni tot mai avansat n nelegerea i manipularea erorilor i a influenei lor
asupra procesului de decizie, se va observa n cadrul sistemelor informaionale geografice o
migrare a procesului de decizie bazat pe criterii rudimentare (n care se aprecieaz c baza de
144

date i modelele de evaluare sunt perfecte) ctre procesul de decizie bazat pe criterii avansate
(Eastman, 2006). Dac sunt cunoscute incertitudinile din baza de date i incertitudinile din
regulile de decizie este posibil ca rezultatele tradiionale bazate pe analizele boolean s migreze
ctre rezultate probabilistice, adic de la o decizie de DA i NU la o probabilitate, astfel fiind
utilizate mai multe niveluri de apreciere
Teoria Bayes permite nglobarea tuturor acestor condiii prezentate mai sus, fiind
pretabil pentru dezvoltarea de aplicaii sistem suport de decizie pentru alegerea soliei optime
n situaii incerte. Combinarea teoriei Bayes cu modele de evaluare a propagrii incertitudinilor
datelor, aduce un aport suplimentar factorului de decizie.
7.1. Teoria Bayes
Teoria Bayes const n posibilitatea combinrii de informaie cunoscut despre un
fenomen, proces etc, numit i informaie apriori, cu informaie nou, complementar.
Rezultatul combinrii lor sunt probabilitile posterioare. Avantajul analizei Bayesiene const n
faptul c orice informaie nou poate fi introdus ulterior ntr-o nou formul de calcul. Astfel,
odat obinut o probabilitate posterioar (n studiul de fa probabilitatea de a se produce o
alunecare) aceasta poate deveni eviden sau probabilitate apriori ntr-o nou analiz Bayes. n
acest mode, rezultatul se mbuntete. Analiza poate continua la infinit ori de cte ori se
obin informaii noi (Bonham-Carter, 1994; Chung, i alii, 1998). Informaiile pentru calcularea
probabilitilor apriori i condiionate pot avea origini foarte variate, exemplu: se pot obine din
analize statistice, observaii de teren, metode empirice, experiena personal, seturi de date
fuzzy etc. Orice surs de informaie poate fi introdus n analiza, fie ca informaie apriori, fie ca
o condiionare. Un exemplu ar fi: vrem s calculam susceptibilitatea producerii unei alunecri
pentru o anumit zon, exprimat ca probabilitate. Cunoastem pentru acea zon numrul total
de alunecri produse anterior i suprafaa total spaiului de studiu. Prin urmare, prin
raportatea numrului de alunecri la suprafaa spaiului de studiu, se obine informaia apriori
despre producerea alunecrilor de teren n acel spaiu. Observaii utlerioare, mai detaliate,
aduc informaii noi despre tipul de litologie pe care se produc, difereniat, mai mult sau mai
puine alunecri. Putem calcula pe baza acesti informaii noi, prin raportatea numrului de
145

alunecri observate pe fiecare tip de litologie, informaia condiionat despre producerea
alunecrilor de teren pentru acel spaiu. Prin multiplicarea informaiei cunoscute cu informaia
nou, ce condiioneaza procesul, se obine probabilitatea posterioar despre producerea
alunecrilor de teren pentru acel spaiu. Orice alt, informaie poate fi adus n analiz,
procesul de decizie fiind astfel n permanen mbuntit. Dac informaia apriori i/sau
condiionat este obinut prin atribuirea unei valori de ctre un specialist, avem n aceast
situaie un model numit knowledge-driven, bazat pe experiena factorului de decizie, dac
informaia condiionat este obinut prin analize statistice, multidimensionale etc, atunci
avem un model numit data-driven, bazat pe calcule statistice i matematice. Pentru studiul de
fa am utilizat o combinaie a celor dou tipuri de modele pentru calcularea probabilitilor
condiionate, probabilitiile apriori fiind calculate prin metode statistice
Formula de calcul pentru teoria Bayes este:
|
|

(46)
Unde | este probabilitatea posterioar de a se produce o alunecare de teren,
atunci cnd este prezent factorul F; este probabilitatea apriori de a se produce o
alunecare, este informaia cunoscut despre procesul sau fenomenul studiat; | este
probabilitatea condiionat de a se produce o alunecare de teren calculat pentru fiecare clas
a factorului F, fiind informaia nou despre producerea procesului sau fenomenului
146

Figura 92 Diagrama lui Venn (dup (Bonham-Carter, 1994)

(47)

(48)

(49)

n acelai mod se poate calcula probabilitatea s se produc o alunecare de teren n
absena factorului F, adic n zona A din Figura 92, astfel, probabilitatea s se produc o
alunecare n absena factorului F este:
T

F factor
A alunecri teren
T suprafaa total

147

|

(50)
Unde |
este probabilitatea posterioar s se produc o alunecare n absena

factorului F; este probabilitatea apriori de a se produce o alunecare, este informaia
cunoscut despre procesul sau fenomenul studiat;
| este probabilitatea condiionat sa

nu existe factorul F acolo unde exist o alunecare de teren, calculat pentru fiecare clas a
factorului F (dup (Bonham-Carter, 1994))

(51)

(52)

(53)
Formulele de calcul prezentate mai sus, sunt valabile pentru calcularea probabilitii
producerii unui eveniment, raportat la un singur factor. n realitate, ins, situaiile sunt mai
complicate i evenimentele se produc prin aciunea conjugat a mai multor factori. Pentru a
calcula probabilitatea producerii unui proces, fenomen sau eveniment n raport de prezena sau
absena a doi factori, formula de calcul este:
|

(54)
ce se poate scrie ca:
148

|

(55)

Aceasta este regula lui Bayes, unde putem avea doar dou ipoteze mutual exclusive:
probabilitatea s se produc o alunecare de teren i probabilitatea s nu se produc o
alunecare de teren (Bonham-Carter, 1994). Dac se presupune ca factorii implicai n analiz
sunt independent condiionai, prin urmare nu se influeeaz direct unul pe cellalt, atunci
efectul interaciunii dintre factori poate fi neglijat i se evalueaz efectul individual al fiecrui
factor asupra producerii unei alunecri de teren, urmnd ca apoi efectele factorilor s fie
combinate prin nmulire (Bonham-Carter, 1994)
Dac se presupune c factorii sunt independent condiionai, atunci se poate scrie:
| (56)
Ceea ce permite ca formula ... s fie rescrisa
|

(57)
Pentru mai mult de doi factori, formula de calcul devine
|

(58)
Testarea factorilor pentru condiionareindependent se poate realiza cu ajutorul
testelor non-parametrice. Alegerea noastr a fost testul
2
. Testul
2
se utilizeaz pentru
calcularea gradului de asociere dintre dou variabile categoriale.
2
se calculeaz dup formula
de mai jos i valuarea rezultat se compar cu un tabel de valori, pentru gradul de libertate
corespunztor i nivelul de semnificaie dorit (este recomandat un nivel de semnificaie de
p<0,05 sau p<0,01, adic o probabilitatea ca factorii s nu se influeneze unul pe cellalt s fie
de 95% i respectiv 99% (Borradaile, 2003)
149

Observat
Calculat
Calculat

(59)
Gradul de libertate se calculeaz dupa formula:
Df = (Coloana-1)*(Rnd-1) (Borradaile, 2003)
Acelai model popate fi exprimat i prin calcularea anselor ca o alunecare de teren s
se produc sau nu. O ans este exprimat prin raportul ntre probabilitatea s se produc o
alunecare de teren i probabilitatea s nu se produc o alunecare de teren (Bonham-Carter,
1994). Acelai model poate fi exprimat mai departe prin logaritmarea anselor calculate, ce
duce la obinerea importanei fiecrei clase din fiecare factor i a prezenei alunecrilor de
teren pentru acele clase. Calcularea importanei sau ponderii informaiei pentru analiz este
cunoscut sub denumirea de Weight of Evidence (Bonham-Carter, 1994; Bonham-Carter, i
alii, 1989; Chung, i alii, 1998)
Ecuaia lui Bayes pentru calcularea probabilitii posterioare devine urmtoarea, pentru
analiza de tip ans:
|
|

|
|

(60)
Unde
| este probabilitatea s nu se produc o alunecare n prezena factorului F.

Din ecuaia pentru calculul probabilitii condiionate rezult:

(61)
Prin substituirea lui | n ecuaia i reanranjarea termenilor se poate scrie:
|

|
|

(62)
ansa pentru o alunecare de teren (sau probabilitatea apriori) este:
150

(63)
Prin nlocuire n ecuaia i reducerea unor termeni, se obine ansa (probabilitatea
posterioar) s se produc o alunecare de teren n prezena factorului F:
|
|
|

(64)
Unde | este ansa s se produc o alunecare de teren n prezena factorului F
(probabilitatea posterioar); este ansa apriori (probabilitatea apriori) s se produc o
alunecare de teren, iar / este cunoscut sub denumirea raport de
suficien, este un indicator al importanei informaiei n analiz i se noteaza cu LS (Bonham-
Carter, 1994)
Similar cu ecuaia . Putem calcula ansa de a se produce o alunecare de teren n
absena factorului F:
|

(65)
Unde / se numete raport de necessitate i se noteaz cu LN, fiind
un indicator al importanei factorului n analiz
Prin logaritmarea anselor calculate se obin indicatorii pentru ponderea factorilor n
analiza producerii alunecrilor de teren. Logaritmarea anselor este cunoscut i sub denumirea
de modelul logit. ansa de a se produce o alunecare de teren n prezena i respectiv absena
factorului F, exprimat prin modelul logit, este (Bonham-Carter, 1994):
|
(66)
Unde
(67)
Unde

151

Dac se presupune c factorii sunt independent condiionai, atunci formula se poate
scrie, la fel ca i formula pentru calcularea probabilitilor posterioare n prezena mai multor
factori, dup cum urmeaz (Bonham-Carter, 1994):
|
(68)
Unde
sunt rapoartele de suficiena pentru factorul 1, 2...n

Pentru calcularea dup modelul logit:
|
(69)
Unde
sunt weight of evidence pentru factorii 1, 2. Acestia sunt calculai

individual pentru fiecare factor n parte i apoi adunai conform formulei prezentate. Indiferent
de modelul ales, exist patru combinaii posibile pentru combinarea a doi factori pentru
calcularea probabilitii sau ansei de a se produce o alunecare de teren, n condiiile prezenei
sau absenei acelor factori. Aceste combinaii sunt urmtaorele:
1. Cnd ambii factori sunt prezeni, calcula dup ans i modelul logit:
|
(70)
|
(71)
2. Cand ambii factori sunt absenti
|
(72)
|
(73)
3. Cand factorul 1 este present i factorul 2 este absent
|
(74)
|
(75)
4. Cnd factorul 1 este absent i factorul 2 este present
152

|
(76)
|
(77)
Pe msur de numrul de factori crete, crete i numrul de posibile combinaii, astfel pentru
n factori vor fi 2
n
posibile combinaii (Bonham-Carter, 1994)
Formulele de calcul pentru n factori, pentru ans i pentru logit sunt (Bonham-Carter, 1994):
|

(78)
|

79
7.2. Studiu de caz. Zona administrativ a oraului Breaza
7.2.1. Bayes
7.2.1.1. Testul
2

Toi factorii utilizai n analiz, care nu prezint variaie doar n spaiu, au fost testai
pentru condiionare independent cu ajutorul testului non-parametric
2
(Bonham-Carter, i
alii, 1989). Analiza
2
a fost realizat cu programul Idrisi, versiunea Kilimanjaro. Rezultatele
analizei
2
pentru toti factorii sunt prezentate n Error! Reference source not found.. Toi
factori testai: declivitatea, energia de relief, desimea fragmentrii, curbura n plan, curbura n
profil, textura solurilor, tipul de sol, litologia, utilizarea terenului au prezentat valori ale testului
2
ce au indicat indepena lor pentru un nivel de semnificaie p = 0,05.
7.2.1.2. Fr propagare de erori
7.2.1.2.1. Factori individuali
Analiza bayesian a fost rulat pentru fiecare factor utilizat i pentru toate combinaiile
posibile de factori. Deplasrile de teren au fost clasificate conform tipologiei: alunecri
rotaionale, alunecri translaionale, curgeri i alunecri complexe. Deplasrile de teren
predominante sunt alunecrile rotaionale, ce reprezint aproximativ 92% din totalul
153

alunecrilor (capitolul 6.8), restul tipurilor neprezentnd o pondere important i nici o legtura
important ntre factorii utilizai i producerea acestora. Absena informaiilor geotehnice i a
structurii geologie detaliate, ce puteau face diferena ntre tipurile de deplasri de teren, ne-de
terminat s rulm analiza bayesian doar pentru alunecrile rotaionale. Slaba rspndire
spaial i ponderea mic din suprafaa total cu deplasri de teren i necorelarea lor cu
anumite clase din factorii utilizai, au determinat alturi de elementele menionate mai sus, s
elininm rezultatele obinute din analiza bayesian. Cercetrii viitoare care s aduc un aport
important de date noi i detaliate, vor permite, prin analiza bayesian, s fie obinute informaii
noi despre factorii care influeneaz, n mod special, producerea acestor tipuri de deplasri.
Probabilitatea producerii unei deplasri de teren a fost calculat pe baza ecuaiei(55)
Pentru clasele de declivitatea, probabilitatea posterioar producerii unei alunecri de
teren, dat fiind prezena evidenei, este prezentat n Figura 94. Se observ o probabilitatea
ridicat pentru toat zona de studiu, acest lucru explicat de predominarea intervalelor de
declivitate cuprinse ntre 7 i 25

Figura 93 Probabilitatea conditionat pentru declivitate
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
<3 3-7 7-15 15-25 25-35 >35
Probabilitatea conditionata pentru declivitate
Probabilitatea conditionata pentru declivitate
154

Figura 94 Probabilitatea posterioar, pentru declivitate, producerii unei deplasri de
teren, dat fiind evidena
Indicator <3 3-7 7-15 15-25 25-35 >35
PCA: 0.01 0.13 0.86 0.34 0.01 0.00
PC_A: 0.15 0.12 0.42 0.26 0.04 0.00
P_CA: 0.99 0.87 0.14 0.66 0.99 1.00
P_C_A: 0.85 0.88 0.58 0.74 0.96 1.00
LS: 0.05 1.09 2.03 1.29 0.24 0.11
Wpoz: -3.03 0.08 0.71 0.25 -1.41 -2.19
LN: 1.16 0.99 0.25 0.90 1.03 1.00
155

Wneg: 0.15 -0.01 -1.38 ### 0.03 0.00
C: -3.18 0.09 2.09 0.36 -1.44 -2.19
PostOddsOfAC: 0.01 0.27 0.50 0.32 0.06 0.03
PostOddsOfA_C: 0.29 0.24 0.06 0.22 0.25 0.25
PostLogitOfAC: -4.43 -1.32 -0.69 ### -2.81 -3.59
PostLogitOfA_C: -1.25 -1.41 -2.79 ### -1.37 -1.40
PostProbAC: 0.01 0.21 0.33 0.24 0.06 0.03
PostProbA_C: 0.22 0.20 0.06 0.18 0.20 0.20
Tabela 14 Indicatori calculai, pentru pante, n urma analizei Weight of evidence
Din Tabela 14 se poate observa contribuia claselor de declivitate la producerea
deplasrilor de teren. Raportul de necesitate i Wpoz are valori positive pentru intervalele de
declivitate cuprinse ntre 3-7, 7-15 i 15-25, i negative pentru restul intervalelor. De aici
se poate trage concluzia c cel mai important rol n favorizarea producerii deplasrilor de teren
sunt intervalele de pante 7-15, ce nregistreaz cea mai mare valoare att pentru raportul de
suficien ct i pentru indicele greutate. Toi ceilali indicatori calculaie, att prin analiza de tip
ans ct i pentru contrast C, susin aceiai concluzie. Rspndirea, pe toi versanii znei
administrative a Brezei, a declivitilor cuprinse ntre 7 i 25, favorizeaz instalarea
deplasrilor de teren i au o pondere important n modelul Bayesian. Probabilitatea de 0,13
prezent pe fruntea terasei din dreptul localitilor Breaza de Jos i Breaza de Sus, este de
terminat de prezena pantelor mai mici de 7. Acest aspect este incert, deoarece pe fruntea
terasei sunt prezente alunecri de teren rotaionale cu stadiu latent de evoluie. Pentru aceste
zone au fost calculate probabiliti posterioare de 0,13 i respective 0,01, n primul caz fiind cu
puin mai mici dect probabilitatea apriori pentru ntreaga zon. Cauzele incertitudiniilor
generate de pante sunt modelul digital al terenului, realizat la o scar 1:5000 i metoda de
interpolare pentru declivitate, care tinde s generalizeze valorile i s elimine valorile locale.
Prin aplicarea unui model de propagare a erorilor n modelul digital al altitudinilor i implicit n
calcularea declivitii, s-a ncercat eliminarea acestor erori, rezultatele fiind prezentate n
capitolul 7.2.1.3. Acest aspect este i mai evident n dreptul grii feroviare din Breaza de Jos,
unde au fost produse alunecri de teren, n prezent stabilizate prin lucrri de stabilizare a
versanilor

156

Probabilitatea posterioar pentru producerea de deplasri de teren n funcie de clasele
de litologie este prezentat n Figura 96. Se observ c cea mai mare probabilitate s se
produc o deplasare de teren o au marnele si argilele, lucru confirmat i n literatura de
specialitate. Varietatea mare a claselor litologice i rspndirea relativ uniform a deplasrilor
de teren pe mai multe clase, a determinat obinearea unor probabiliti posterioare mai mici
dect probabilitatea apriori pentru toat zona de studiu. Probabilitatea condiionat (Figura
95), pune n eviden contribuia claselor de litologie. Tabela 15 pune n evidena situaia mult
mai complex, existent la nivelul claselor de litologie. Indicele de greutate are valorile cele mai
mari pentru 11 (marne calcaroase), 13(marne i argile) i 19 (tufuri), pentru toate cele trei clase,
depind valoarea 1, care contrasteaz destul de mult cu probabilitile condiionate. Valorile
mari pentru clasele de mai sus indic o importana deosebit ale marnelor calcaroase, marnelor
i argilelor i tufurilor pentru deplasrile de teren. Rata de suficien are de asemenea valori
foarte mari pentru aceleai clase, dar i pentru clasa 10 (marne de GuraBeliei). Cele mai mici
probabiliti apar, aa cum era de ateptat, pe depozitele de nisip i pietri de pe podul terasei
a II-a a Prahovei, corespunznd n cea mai mare parte localitilor Podu Vadului, Breaza de Jos,
Breaza de Sus i Gura Beliei

Figura 95 Probabilitatea conditionat pentru litologie
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
a
l
u
n
e
c
a
r
e
c
o
n
g
l
o
m
e
r
a
t
e
c
o
n
g
l
o
m
e
r
a
t
e

s
i

f
l
i
s

m
a
r
n
o
s
g
r
e
s
i
i
g
r
e
s
i
i
,

m
a
r
n
e

c
u

m
a
r
n
e
m
a
r
n
e

m
a
r
n
e

c
a
l
c
a
r
o
a
s
e
m
a
r
n
e

d
e

G
u
r
a

m
a
r
n
e

s
i

a
r
g
i
l
e
m
a
r
n
e

s
i

g
r
e
s
i
i

m
a
r
n
e
,

m
a
r
n
e

n
i
s
i
p
u
r
i
n
i
s
i
p
u
r
i

s
i

o
r
i
z
o
n
t

i
n
f
e
r
i
o
r

o
r
i
z
o
n
t

m
a
r
n
o
-
p
i
e
t
r
i
s
u
r
i
t
u
f
u
r
i
f
l
i
s
Probabilitate conditionata pentru litologie
Probabilitate conditionata pentru litologie
157

Figura 96 Probabilitatea posterioar, pentru litologie, producerii unei deplasri de teren,
dat fiind evidena
Concluziile prezentate mai sus sunt susinute i de valorile contrastului (C), ce indic
gradul de asociere ntre clasa litologic i evidena, n situaia de fa, prezena alunecrilor de
teren de tip rotaional. Constractul, calculate ca diferena ntre indicele de greutate pozitiv i cel
negative, are valori mari, de peste 1, tot pentru marne calcaroase, marne i argile i tufuri.
Unifromizarea claselor de litologie ar putea mbunti calculul probabilitilot condiionate i

158

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
PCA: 0.11 0.00 0.01 0.10 0.00 0.32 0.10 0.00 0.19 0.10 0.10 0.02 0.14 0.01 0.00 0.00 0.11 0.01 0.00 0.00
PC_A: 0.03 0.00 0.03 0.04 0.00 0.30 0.06 0.01 0.11 0.04 0.03 0.01 0.05 0.01 0.05 0.00 0.08 0.14 0.00 0.01
P_CA: 0.89 1.00 0.99 0.90 1.00 0.68 0.90 1.00 0.81 0.90 0.90 0.98 0.86 0.99 1.00 1.00 0.89 0.99 1.00 1.00
P_C_A: 0.97 1.00 0.97 0.96 1.00 0.70 0.94 0.99 0.89 0.96 0.97 0.99 0.95 0.99 0.95 1.00 0.92 0.86 1.00 0.99
LS: 3.60 0.00 0.42 2.97 2.34 1.05 1.76 0.48 1.75 2.65 3.44 2.09 2.98 0.66 0.07 0.00 1.42 0.08 5.09 0.11
Wpoz: 1.28 0.00 -0.87 1.09 0.85 0.05 0.57 -0.74 0.56 0.98 1.24 0.74 1.09 -0.42 -2.62 0.00 0.35 -2.49 1.63 -2.17
LN: 0.92 1.00 1.02 0.93 1.00 0.98 0.95 1.00 0.91 0.93 0.92 0.99 0.90 1.01 1.05 1.00 0.96 1.15 1.00 1.01
Wneg: -0.08 0.00 0.02 -0.07 0.00 -0.02 -0.05 0.00 -0.10 -0.07 -0.08 -0.01 -0.10 0.01 0.04 0.00 -0.04 0.14 0.00 0.01
C: 1.37 0.00 -0.89 1.16 0.85 0.07 0.61 -0.74 0.66 1.04 1.31 0.75 1.19 -0.43 -2.66 0.00 0.38 -2.63 1.63 -2.18
PostOddsOfAC: 0.89 0.00 0.10 0.73 0.58 0.26 0.43 0.12 0.43 0.65 0.85 0.51 0.73 0.16 0.02 0.00 0.35 0.02 1.25 0.03
PostOddsOfA_C: 0.23 0.25 0.25 0.23 0.25 0.24 0.24 0.25 0.22 0.23 0.23 0.24 0.22 0.25 0.26 0.25 0.24 0.28 0.25 0.25
PostLogitOfAC: -0.12 -1.40 -2.27 -0.31 -0.55 -1.36 -0.84 -2.14 -0.84 -0.43 -0.17 -0.66 -0.31 -1.82 -4.02 -1.40 -1.05 -3.90 0.23 -3.57
PostLogitOfA_C: -1.49 -1.40 -1.38 -1.48 -1.40 -1.42 -1.45 -1.40 -1.50 -1.47 -1.48 -1.41 -1.50 -1.40 -1.36 -1.40 -1.44 -1.26 -1.41 -1.39
PostProbAC: 0.47 0.00 0.09 0.42 0.37 0.20 0.30 0.11 0.30 0.40 0.46 0.34 0.42 0.14 0.02 0.00 0.26 0.02 0.56 0.03
PostProbA_C: 0.18 0.20 0.20 0.19 0.20 0.19 0.19 0.20 0.18 0.19 0.19 0.20 0.18 0.20 0.20 0.20 0.19 0.22 0.20 0.20
Tabela 15 Indicatori calculai, pentru litologie, n urma analizei Weight of evidence
i posterioare pentru litologie, dar n acelai timp ar estompa particularitatea local, motiv pentru care, pentru acest studiu
au fost pstrate, clasele litologie interpretate din harta geologic de (Damian, i alii, 2003)
159

Utilizarea terenului joac ntotdeauna un rol important n declanarea deplasrilor de
teren, att prin favorizarea ajungerii precipitaiilor pe suprafaa terestr, ct i prin rolul
important pe care l joac n circuitul apei n sol i eliminarea apei din sol prin evapotranspiraie.
Rolul este cu att mai important, cu ct pe parcursul unui an, modul de utilizare al terenului i
vegetaia se modific. Astfel, n fiecare lun vegetaia i culturiile i modific propietiile i n
consecin i contribuia lor n reinerea apei din precipitaii i eliminarea ei prin transpiraie i
evapotranspiraie se modific. Realizarea unui model care s surprind evoluia vegetaiei i a
modulului de utilizare a terenului pentru ntreaga zon de studio, este dificil de realizat i
implic extreme de multe incertitudini. Din acest motiv am preferat s utilizm doar vegetaia i
utilizarea terenului interpretat de pe ortofotoplanuri i hrile topografice. Producerea
deplasrilor de teren se petrece adesea n condiii de vegetaie i utilizare a terenului diferite de
cele actuale i de aceea este necesar ca n modelarea susceptibilitii i a hazardului la alunecri
de teren s in cont de condiiile existente n momentul producerii acestora. Din analiza de
change detection realizat pentru zona administrativ a Brezei nu au reieit modificri eseniale
n vegetaie pentru ultimii treizeci de ani i pentru acest motiv, am preferat sa folosim utilizarea
terenului i vegetaia actual. Evoluia anual a vegetaiei a fost modelat cu ajutorul indexului
frunzelor (Leaf area index sau LAI). LAI este un indicator pentru densitatea frunzelor pe metro
ptrat i n consecin este adesea utilizat n calculul intercepiei precipitaiilor. LAI a fost
calculate cu ajutorul imaginilor satelitare LANDSAT pentru toate cele patru anotimpuri. Valorile
rezultate au fost introduce ntr-o analiz de regresie liniar i s-a calculat un gradient de
modificare al LAI pentru fiecare lun. Probabilitatea condiionat s se produc o alunecare pe
una din clasele de utilizare a terenului este prezentat n Figura 97. Se observ valorile mari
pentru zonele cu vegetaie mic sau densitate mic de copaci, dar n acelai timp i pentru
pdurile de foioase. Probabilitatea condiionat ridicat pentru pdurile de foioase este
datorat prezenei unor alunecri rotaionale vechi, fosile situate preponderant n partea de
nord a zonei administrative a Brezei. Indicele pozitiv de greutate i constrastul are valori mari
pentru aceleai clase, ceea ce indic nc o dat importana claselor cu vegetaie ierboas sau
cu densitate mic de copaci. Deplasrile de teren din zona de studio, afecteaz i o important
suprafa din spaiile construite. Acest lucru nu este evident aici, ca urmare ponderii foarte mari
160

pe care o au localitile pe podurile de teras. Aceste lucru face ca probabilitatea condiionat i
posterioar s nu fie ridicat, inducnd incertitudini n modelul Bayesian. O soluie pentru
evaluate obiectiv i a contribuiei zonelor construite n producerea alunecrilor de teren este
crearea unei clase auxiliare, care s cuprind doar suprafeele construite situate pe un anumit
interval de declivitate.

Figura 97 Probabilitatea conditionat pentru utilizarea terenului
1 2 3 4 5 6 7 8 9 10 11 12
PCA: 0.02 0.58 0.12 0.00 0.04 0.09 0.00 0.45 0.04 0.00 0.00 0.00
PC_A: 0.10 0.23 0.12 0.03 0.01 0.08 0.00 0.37 0.01 0.00 0.03 0.01
P_CA: 0.98 0.42 0.88 1.00 0.96 0.91 1.00 0.55 0.96 1.00 1.00 1.00
P_C_A: 0.90 0.77 0.88 0.97 0.99 0.92 1.00 0.63 0.99 1.00 0.97 0.99
LS: 0.20 2.53 0.99 0.00 2.54 1.18 0.86 1.23 3.68 0.00 0.01 0.00
Wpoz: -1.61 0.93 -0.01 0.00 0.93 0.17 -0.15 0.20 1.30 0.00 -4.56 -5.83
LN: 1.09 0.54 1.00 1.03 0.98 0.98 1.00 0.87 0.97 1.00 1.03 1.01
Wneg: 0.08 -0.62 0.00 0.00 -0.02 -0.02 0.00 -0.14 -0.03 0.00 0.03 0.01
C: -1.69 1.55 -0.01 0.00 0.95 0.18 -0.15 0.34 1.33 0.00 -4.59 -5.84
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
Probabilitate conditionata pentru utilizarea terenului
Probabilitate conditionata pentru utilizarea terenului
161

PostOddsOfAC: 0.20 0.20 0.20 0.20 0.20 0.20 0.20 0.20 0.20 0.20 0.20 0.20
PostOddsOfA_C: 0.05 0.62 0.24 0.00 0.62 0.29 0.21 0.30 0.91 0.00 0.00 0.00
PostLogitOfAC: 0.27 0.13 0.25 0.25 0.24 0.24 0.25 0.21 0.24 0.25 0.25 0.25
PostLogitOfA_C: -3.01 -0.47 -1.41 -1.40 -0.47 -1.23 -1.55 -1.20 -0.10 -1.40 -5.96 -7.23
PostProbAC: -1.32 -2.02 -1.40 -1.40 -1.42 -1.42 -1.40 -1.54 -1.43 -1.40 -1.37 -1.39
PostProbA_C: 0.05 0.38 0.20 0.00 0.38 0.23 0.18 0.23 0.48 0.00 0.00 0.00
PCA: 0.21 0.12 0.20 0.20 0.19 0.20 0.20 0.18 0.19 0.20 0.20 0.20
Tabela 16 Indicatori calculai, pentru utilizare, n urma analizei Weight of evidence

162

Figura 98 Probabilitatea posterioar, pentru utilizarea terenului, producerii unei
deplasri de teren, dat fiind evidena
Curbura n plan joac un rol relative important n analiza susceptibilitii la deplasri de
teren. Acestea se extind pe toat suprafaa versantului, motiv pentru care se observ o
distribuie egal pe toate tipurile de suprafee: convex, concav i cvasiorizontal. Analiza
indicelui pozitiv de greutate pune n eviden, ns, un rol mai important al curburii convexe,
lucru sprijinit i de valoarea ratei de suficien, dar mai ales de valoarea contrastului.

Figura 99 Probabilitatea posterioar, pentru curbura n plan, producerii unei deplasri
de teren, dat fiind evidena
163

Figura 100 Probabilitatea conditionat[ pentru curbura n plan
curbura concava suprafete cvasiorizontale curbura convexa
PCA: 0.42 0.30 0.63
PC_A: 0.35 0.31 0.34
P_CA: 0.58 0.70 0.37
P_C_A: 0.65 0.69 0.66
LS: 1.18 0.98 1.85
Wpoz: 0.16 -0.02 0.62
LN: 0.90 1.01 0.56
Wneg: -0.10 0.01 -0.58
C: 0.26 -0.03 1.19
PostOddsOfAC: 0.20 0.20 0.20
PostOddsOfA_C: 0.29 0.24 0.46
PostLogitOfAC: 0.22 0.25 0.14
PostLogitOfA_C: -1.24 -1.42 -0.79
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
Probabilitatea conditionata pentru curbura in plan
Probabilitatea conditionata pentru curbura in plan
164

PCA: -1.50 -1.39 -1.98
PC_A: 0.22 0.19 0.31
P_CA: 0.18 0.20 0.12
Tabela 17 Indicatori calculai, pentru curbura n plan, n urma analizei Weight of
evidence
Curbura n profil, la fel ca i curbura n plan, joac un rol relative important n analiza
susceptibilitii la deplasri de teren. Acestea se extind pe toat suprafaa versantului, motiv
pentru care se observ o distribuie egal pe toate tipurile de suprafee: convex, concav i
cvasiorizontal. Analiza indicelui pozitiv de greutate pune n eviden, ns, un rol mai
important al curburii concave, fiind i locul unde se acumuleaz mai mult ap, la baza
versantului. Acest lucru este sprijinit i de valoarea ratei de suficien, dar mai ales de valoarea
contrastului. Att curbura n plan, ct i curbura n profil au nregistrat probabiliti
condiionate i posterioare relative egale, dar distribuite ncruciat ntre curbura convex
pentru curbura n plan i curbura concav pentru curbura n profil. Uniformitatea rspndirii lor
pe toat zona de studiu, determin o contribuie egal pentru toat suprafaa zonei
administrative, pentru calcularea probabilitii posterioare n combinaie i cu ali factori

Figura 101 Probabilitate condiionat pentru curbura n profil
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
Probabilitate conditionata pentru curbura in profil
Probabilitate conditionata pentru curbura in profil
165

PCA: 0.58 0.36 0.40
PC_A: 0.37 0.31 0.32
P_CA: 0.42 0.64 0.60
P_C_A: 0.63 0.69 0.68
LS: 1.57 1.18 1.25
Wpoz: 0.45 0.16 0.22
LN: 0.66 0.92 0.88
Wneg: -0.41 -0.08 -0.12
C: 0.86 0.24 0.34
PostOddsOfAC: 0.20 0.20 0.20
PostOddsOfA_C: 0.39 0.29 0.31
PostLogitOfAC: 0.16 0.23 0.22
PostLogitOfA_C: -0.95 -1.24 -1.18
PCA: -1.81 -1.48 -1.52
PCA: 0.28 0.22 0.23
PC_A: 0.14 0.18 0.18
Tabela 18 Indicatori calculai, pentru curbura n profil, urma analizei Weight of evidence
nc o dat suprafeele podurilor de teras au cele mai mici probabiliti de producere
de deplasri de teren, confirmnd expunerea limitat, comparative cu ntreaga suprafa
construit, a localitilor Podu Vadului, Breaza de Jos, Breaza de Sus i Gura Beliei, comparativ
cu celelalte localiti din zona administrativ a Brezei. Spre deosebire de pante, unde valorile
ridicate de pe fruntea de teras duceau la o probabilitate mic, pentru curbura n plan i profil,
aceste zone au valori de probabilitate posterioar i condiionat mai ridicate. Analiza de
sensitivitate a pus n eviden pentru aceaste suprafee de pe fruntea de teras, contribuia
esenial a tipurilor de curburii pentru calculul probabilitii posterioare, cumulate pentru mai
muli factori.
166

Figura 102 Probabilitatea posterioar, pentru curbura n profil, producerii unei deplasri
Diferena de altitudine de altitudine pe suprafee mici (energia de relief) a fost unul
dintre factorii care au fost introdui n analiza Bayesian. Dei energia de relief are o influen
similar cu declivitatea, testul
2
nu a indicat o valoare care s pun n eviden condiionarea
dependent dintre aceti factori. Din Figura 103 se observ cum probabilitatea condiionat
pentru energia de relief are valori mari pentru intervalele cuprinse ntre 25-50m, 50+75m i 75-
100m, fiind nesemnificative pentru celelalte interval. Energia de relief a fost calculat pe o
167

suprafa etalon egal cu 250 de metri ptrai. Indicele pozitiv de greutate confirm
probabilitatea condiionat, indicnd o corelare puternic ntre intervalele prezentate mai sus i
evidena, cu excepia intervalului cuprins ntre 75 i 100 de metri, unde valorile sunt negative,
acest lucru nsemnnd absena corelrii intervalului cu evidena. Aceiai concluzie este
susinut i de contrast, care are valori positive doar pentru intervalele 25-50 metri i 50-
75metri, ultimul avnd cea mai puternic corelare cu producerea deplasrilor de teren.

Figura 103 Probabilitate condiionat pentru energie de relief
Din Figura 104 se observ cum probabilitatea posterioar pentru energia de relief are
maimari dect probabilitatea apriori (duble) pe o suprafa foarte mare din zona administrativ
a Brezei. Aceste valori ridicate sunt prezente pe fruntea terasei a II-a a Prahovei i la partea
superioar a versanilor. Analiza de sensitivitate a pus n eviden o contribuie important a
energiei de relief pentru calcularea probabilitilor posterioare cumulate pentru mai muli
factori, cu un effect deosebit pentru fruntea de teras i partea superioar a versanilor. O
contribuie important o are i n bazinul superior al vii Trsa, unde sunt prezente numeroase
alunecri de teren superficial. Energia de relief pune n eviden, alturi de pante, pe versanii
nordici ai vii Belia.
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
<25m 25-50m 50-75m 75-100m >100m
Probabilitate conditionata pentru energie de relief
Probabilitate conditionata pentru energie de relief
168

Figura 104 Probabilitatea posterioar, pentru energie de relief, producerii unei deplasri
<25m 25-50m 50-75m 75-100m >100m
PCA: 0.01 0.43 0.77 0.13 0.00
PC_A: 0.14 0.28 0.42 0.14 0.02
P_CA: 0.99 0.57 0.23 0.87 1.00
P_C_A: 0.86 0.72 0.58 0.86 0.98
169

LS: 0.04 1.56 1.84 0.93 0.12
Wpoz: -3.12 0.44 0.61 -0.07 -2.09
LN: 1.15 0.79 0.40 1.01 1.02
Wneg: 0.14 -0.24 -0.93 0.01 0.02
C: -3.26 0.68 1.54 -0.08 -2.11
PostOddsOfAC: 0.20 0.20 0.20 0.20 0.20
PostOddsOfA_C: 0.01 0.38 0.45 0.23 0.03
PostLogitOfAC: 0.28 0.19 0.10 0.25 0.25
PostLogitOfA_C: -4.52 -0.96 -0.79 -1.47 -3.49
PCA: -1.26 -1.64 -2.33 -1.39 -1.38
PCA: 0.01 0.28 0.31 0.19 0.03
PC_A: 0.22 0.16 0.09 0.20 0.20
Tabela 19 Indicatori calculai, pentru energie de relief, n urma analizei Weight of
evidence
Desimea fragmentrii este calculat ca distana n linie dreapt ntre cursurile de ap
permanente i temporare. Este o alternativ la densitatea fragmentrii, care s-a dovedit a fi mai
eficient pentru studiile de morfometrie (Tucker, i alii, 2001). Desimea fragmentrii a fost
clasificat dup interval egale din 250 de metri n 250 de metri. Probabilitatea condiionat de a
se produce o deplasare de teren, n raport de clasele de desime a fragmentrii, este prezentat
n Figura 106. Se observ cum cea mai mare probabilitate corespunde desimii fragmentrii mai
mici de 250 de metri, urmat de intervalul 250-500 de metri. Pe msur ce distana dintre
cursurile de ap scade, scade i probabilitatea de a se produce o deplasare de teren. Contrar
probabilitii condiionate, indicele pozitiv de greutate i rata de necesitate au valori ridicate
pentru celelalte interval de desime a fragmentrii i mici sau chiar negative pentru intervalele
cu probabilitate condiionat ridicat. Contribuia desimii fragmentrii la calculul probabilitii
posterioare cumulate pentru mai muli factori, este contranstant. Pentru anumite sectoare, ce
corespund unor valori ridicate de desime, are o contribuie pozitiv pentru identificarea
170

susceptibilitii la deplasri de teren, dar n sectoarele cu desime mic, duce la o scdere
esenail a probabilitii posterioare cumulate pentru mai muli factori, dei pentru acele zone
sunt prezente alunecri de teren. Pentru acest motiv, desimea fragmentrii a fost eliminat din
analiza final ce a cumulate probabilitatea producerii unei deplasri de teren, pentru mai muli
factori, dat fiind prezena evidenei.

Figura 105 Probabilitatea posterioar, pentru desimea fragmentrii, producerii unei
deplasri de teren, dat fiind evidena

171

Figura 106 Probabilitate condiionat pentru desimea fragmentrii
<250m 250-
500m
500-
750m
750m-
1000m
1000m-
1250m
1250m-
1500m
1500m-
1750m
1750m-
2000m
>2000m
PCA: 0.52 0.25 0.13 0.08 0.06 0.05 0.08 0.10 0.07
PC_A: 0.40 0.27 0.13 0.07 0.04 0.02 0.02 0.02 0.03
P_CA: 0.48 0.75 0.87 0.92 0.94 0.95 0.92 0.90 0.93
P_C_A: 0.60 0.73 0.87 0.93 0.96 0.98 0.98 0.98 0.97
LS: 1.31 0.92 0.94 1.17 1.61 2.21 4.18 6.47 2.53
Wpoz: 0.27 -0.08 -0.06 0.16 0.48 0.79 1.43 1.87 0.93
LN: 0.79 1.03 1.01 0.99 0.98 0.97 0.94 0.91 0.96
Wneg: -0.23 0.03 0.01 -0.01 -0.02 -0.03 -0.06 -0.09 -0.04
C: 0.50 -0.11 -0.07 0.17 0.50 0.82 1.50 1.96 0.97
PostOddsOfAC: 0.20 0.20 0.20 0.20 0.20 0.20 0.20 0.20 0.20
PostOddsOfA_C: 0.32 0.23 0.23 0.29 0.40 0.54 1.03 1.59 0.62
PostLogitOfAC: 0.20 0.25 0.25 0.24 0.24 0.24 0.23 0.22 0.24
PostLogitOfA_C: -1.13 -1.49 -1.46 -1.25 -0.93 -0.61 0.03 0.47 -0.47
PCA: -1.63 -1.37 -1.39 -1.41 -1.42 -1.43 -1.47 -1.50 -1.45
0
0.1
0.2
0.3
0.4
0.5
0.6
Probabilitatea conditionata pentru desimea fragmentarii
Probabilitatea conditionata pentru desimea fragmentarii
172

PCA: 0.24 0.18 0.19 0.22 0.28 0.35 0.51 0.61 0.38
PC_A: 0.16 0.20 0.20 0.20 0.19 0.19 0.19 0.18 0.19
Tabela 20 Indicatori calculai, pentru desimea fragmentrii, n urma analizei Weight of
evidence
Un rol important n producerea alunecrilor de teren superficial l joac textura solurilor.
Harta solurilor utilizat n analiza Bayesian este la o scar mult prea mic (1:200000),
compartiv cu scara celorlalte surse de date. Cu toate acestea, n absena unor date mai
detaliate, a fost utilizat harta la scara 1:200000. Probabilitatea condiionat de a se produce o
deplasare de teren n raport de clasele de textur este prezentat n Figura 107. Se poate
observa o probabilitate condiionat ridicat pentru solurile cu textura lutoargiloas, argiloas,
lutoas i variat. Indicele pozitiv de greutate a evidenei indic valori sczute pentru toate
clasele de textur, dar totui cu valori positive, cu excepia texturii nisipolutoase i
lutonisipoase. Rata de suficien, prezint, ns, valori positive pentru toate clasele, exceptnd
texturile lutonisipoase, nisipolutoase i variat. Constrastul foarte mic, dar pozitiv, susine
ipoteza prezentat de indicele pozitiv, aceia a unei corelrii medii ntre deplasrile de teren
existente i clasele de textur

Figura 107 Probabilitate condiionat pentru textura solului
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
Probabilitate conditionata pentru textura solului
Probabilitate conditionata pentru textura solului
173

Argiloasa Lutoargiloasa Lutoasa Lutoasa,
argiloasa
Lutonisipoasa Nisipolutoasa,
lutonisipoasa
Textura
variata
PCA: 0.28 0.38 0.20 0.12 0.00 0.00 0.37
PC_A: 0.18 0.22 0.10 0.07 0.03 0.09 0.31
P_CA: 0.72 0.62 0.80 0.88 1.00 1.00 0.63
P_C_A: 0.82 0.78 0.90 0.93 0.97 0.91 0.69
LS: 1.55 1.77 1.92 1.57 0.00 0.01 1.20
Wpoz: 0.44 0.57 0.65 0.45 0.00 -5.13 0.18
LN: 0.88 0.79 0.89 0.95 1.03 1.09 0.91
Wneg: -0.13 -0.24 -0.11 -0.05 0.00 0.09 -0.09
C: 0.57 0.81 0.77 0.50 0.00 -5.22 0.28
PostOddsOfAC: 0.20 0.20 0.20 0.20 0.20 0.20 0.20
PostOddsOfA_C
:
0.38 0.43 0.47 0.39 0.00 0.00 0.30
PostLogitOfAC: 0.22 0.19 0.22 0.24 0.25 0.27 0.22
PostLogitOfA_C: -0.96 -0.83 -0.75 -0.95 -1.40 -6.53 -1.22
PCA: -1.53 -1.64 -1.51 -1.45 -1.40 -1.31 -1.50
PCA: 0.28 0.30 0.32 0.28 0.00 0.00 0.23
PC_A: 0.18 0.16 0.18 0.19 0.20 0.21 0.18
Tabela 21 Indicatori calculai, pentru textura solului, n urma analizei Weight of evidence
Probabilitatea posterioar mic i diferenele contranstante ntre indicatorii calculai
sunt explicate de diferena mare de detaliu ntre sursele de date. Cu toate acestea, textura
solului a fost luat n considerare n analiza Bayesian final pentru calcularea probabilitii
posterioare de producere a unei deplasri de teren, ca urmare a prezenei mai multor factori i
a evidenei.
174

s

Figura 108 Probabilitatea posterioar, pentru textura solului, producerii unei deplasri
de teren, dat fiind evidena.
Factorii prezentai mai sus au fost introdui n analiza bayesian n combinaii de doi,
trei pn la toi factorii. Au fost obinute 512 combinaii posibile, din care am selectat doar cele
mai representative.
7.2.1.2.2. Combinaie de factori
Susceptibilitatea la deplasri de teren utiliznd toi factorii este prezentat n
175

Figura 109
176

Figura 109 Susceptibilitatea la deplasri de teren utiliznd toi factorii
Utilizarea tuturor factorilor (PLUETPrPlS) n analiza bayesian fr propagare a erorilor a
dus la un rezultat slab, cea mai mare parte a alunecrilor existente nefiind identificate. Acest
lucru este cauzat de restricia mare, impus de anumii factori. Aceti factori nu prezint
continuitate spaial i sunt greu de optimizat din punct de vedere statistic, pentru obinerea
unui minim de clase i un maxim de informaie pentru fiecare clas. n Figura 110 este
prezentat frecvena cumulat pentru fiecare combinaie de factori utilizat n analiza
bayesian fr propagare de erori. Se poate observa cum utilizarea tuturor factorilor a dus la

identificarea a numai 5% din alunecril
de peste 50%. Pentru cea mai mare parte a alunecrilor existente, au fost calculate probabili
mai mici de 0,2, sub probabilitatea apriori pentru toat suprafaa de studiu
observ, ns c acest procent foarte mic de 5%, cu probabilitate mai mare
rspndit spaial i coincide n cea mai mare parte cu alunecrile existente.
zonele cu probabiliti de peste 0,5 sunt situate n afara alunecrilor existente, dar n zone n
care au fost observate alunecri superficiale
Figura 110 Frecvena cumulat pentru analiza bayesian static, fr propagare de erori
Eliminarea desimii fragmentrii din analiza bayesian (
mbuntirea substanial a rezultatului final, probabilitile posterioare fiind n continuarea
mai mici dect probabilitatea apriori pentru toat suprafaa
suprafeelor identificate cu probabilitate mare pentru alunecri de teren, cu aproximativ 2,5%
identificarea a numai 5% din alunecrile existente, ca fiind zone susceptibile cu o probabilitate
de peste 50%. Pentru cea mai mare parte a alunecrilor existente, au fost calculate probabili
mai mici de 0,2, sub probabilitatea apriori pentru toat suprafaa de studiu
observ, ns c acest procent foarte mic de 5%, cu probabilitate mai mare
rspndit spaial i coincide n cea mai mare parte cu alunecrile existente.
alunecri superficiale mici sau n apropierea alunecrilor cartate
Frecvena cumulat pentru analiza bayesian static, fr propagare de erori
Eliminarea desimii fragmentrii din analiza bayesian (PLUETPrPlS
mai mici dect probabilitatea apriori pentru toat suprafaa. Se remarc totui, o cretere a
177
e existente, ca fiind zone susceptibile cu o probabilitate
de peste 50%. Pentru cea mai mare parte a alunecrilor existente, au fost calculate probabiliti
mai mici de 0,2, sub probabilitatea apriori pentru toat suprafaa de studiu. n Figura 109, se
observ, ns c acest procent foarte mic de 5%, cu probabilitate mai mare de 0,5 este bine
rspndit spaial i coincide n cea mai mare parte cu alunecrile existente. O mic parte din
mici sau n apropierea alunecrilor cartate

Frecvena cumulat pentru analiza bayesian static, fr propagare de erori
PLUETPrPlS), nu a dus la
. Se remarc totui, o cretere a
178

fa de analiza ce a luat n calcul toi factorii. Suprafeele noi se regsesc la nord vest de vf
Gurga i pe fruntea terasei, n dreptul localitii Breaza de Jos.

Figura 111 Susceptibilitatea la deplasri de teren utiliznd: pante, litologie, utilizarea
terenului, energia de relief, curbura n plan, curbura n profil, textura solului i tipul de sol
Analiza de sensitivitate a pus n eviden o contribuie slab a tipurilor de sol. Aceast
concluzie este, cel puin la prima vedere, una eronat. O analiza mai detaliat asupra gradului
de detaliere a tipurilor de sol utilizate, a dus la confirmarea concluziei i eliminarea tipurilor de
sol din analiza bayesian (PLUETPrPl). ndeprtarea tipurilor de sol, pune n eviden, foarte clar
179

(Figura 112), identificarea unor suprafee mult mai mari, cu susceptibilitate ridicat la deplasri
de teren. Aceste suprafee sunt prezente mai ales pe versantul stng al Prahovei i se suprapun
cu localitile Nistoreti i Frsinet, localiti afectate de alunecri de teren n perioadele
ploioase. Creteri substaniale ale suprafeelor cu susceptibilitate mare la alunecri de teren se
observ i n bazinul superior al vii Trsa, unde predomin alunecrile rotaionale superficial,
reactivate pe vechi alunecri profunde.

terenului, eneergia de relief, curbura n plan, curbura n profil, textura solului
180

Urmtoarele analize au luat n calcul diverse combinaii ntre aproximativ aceiai factori:
declivitate, litologie, utilizarea terenului ca factori de baz, la care se adaug energia de relief,
curbura n profil i textura solului. Prin ndeprtarea curburii n plan nu se observ o modificare
esenial n rezultatul final, acesta fiind tot la aproximativ 15% din suprafaa cu alunecri
existente, raportat la suprafeele pentru care s-au nregistrat probabiliti mai mari dect
probabilitatea apriori.

terenului, energia de relief, curbura n profil, textura solului
181

Eliminarea texturii solului (PLUEPr) a dus n mod surprinztor la creterea probabilitii
posterioare pentru producerea undei deplasri de teren. Aceast mbuntire se remarc nu
prin identificarea de suprafee noi, dar mai ales prin creterea probabilitii posterioare pentru
suprafeele dj identificate ca fiind susceptibile la deplasri de teren. Contribuia minor pe
care textura solului o are n analiza bayesian este determinat de gradul de detaliere sczut a
sursei de date.

Figura 114 Susceptibilitatea la deplasri de teren utiliznd: pante, litologie, energia de
relief, utilizarea terenului, curbura n profil
182

Un rol important n obinearea unor probabiliti posterioare ridicate, pentru zonele n
care sunt prezente deplasri de teren, l are energia de relief. Intervalele de energie conin
maximul de informaie pentru identificarea zonelor cu susceptibilitate mare, contribuia lor
fiind esenial n analiza bayesian. Combinarea celor trei factori eseniali mpreun cu curbura
n plan (PLUPr, Figura 115), dar n absena energiei de relief au dus la probabiliti posterioare
mai mici dect combinaia acestor factori mpreun cu energia de relief.

terenului i curbura n profil
183

Cele mai bune rezultate au fost obinute din combinarea declivitii, litologiei, utilizrii
terenului i a energiei de relief (PLUE, Figura 116). Zonele identificate cu susceptibilitate ridicat
la deplasri de teren, corespund n proporie de aproximativ 30% cu suprafeele cu
probabilitate posterioar mai mare dect probabilitatea apriori pentru ntreaga zon.
Suprafeele cu probabilitate posterioar mai mare dect cea apriori sunt prezente att n zonele
cu deplasri de teren existente n present, dar i n zone similar, reuind astel identificare
spaial corect a locurilor unde pot avea loc deplasri de teren ntr-un viitor apropiat. Dei se
suprapun ca suprafaa (n metri ptrai) doar n proporie de aproximativ 30%, combinaia
PLUE, a dus n realitate la identificarea a peste 80% din zonele cu deplasri de teren. Procentul
de 30% este de fapt doar raportul ntre suprafaa cartat ca fiind corpul alunecrii i suprafeele
cu susceptibilitate mai mare la deplasri de teren dect probabilitatea apriori pentru toat zona
administrativ a Brezei. Majoritatea acestor suprafee se regsesc n interiorul deplasrilor din
inventarul alunecrilor, ceea ce indic o bun corelare spaial ntre evidena i rezultatele
modelrii bayesiene. n acelai timp sunt prezentate suprafee cu susceptibilitate ridicat, dat
de probabilitatea posterioar mai mare dect cea apriori, iar aceste suprafee sunt foarte
posibil afectate de deplasri foarte vechi sau au fost afectate de deplasri recente, dar care nu
au fost nregistrate pe raza nici unei localiti i nu a fost identificat nici pe baza imaginilor
aeriene. Se remarc o concentrare mai mare a susceptibilitii la deplasri de teren pentru
bazinul vii Trsa, n intravilanul localitilor Valea Trsei i Surdeti i n apropierea acestor
localiti, n intravilanul localitii Irimeti, strmutat n proporie de 90% n anul 1967, pe
fruntea terasei a II-a a Prahovei i pe versantul stng al Prahovei, n intravilanul localitilor
Frsinet i Nistoreti i n apropierea lor. O alt zon cu densitate mare a deplasrilor de teren i
cu o probabilitate posterioar ridicat pentru producerea deplasrilor de teren este bazinul
superior al vii Trsa, n zona de obrie i n localitatea Gura Beliei, n mod special n partea de
nord a acesteia.

184

terenului, energia de relief
185

7.2.1.3. Cu propagare de erori
7.2.1.3.1. Factori individuali
n capitolul 3 au fost prezentate metodele pentru evaluarea propagrii erorilor n
analizele spaiale i temporale. Analiza bayesian static a fost utilizat n combinaie cu
modelarea spaial a erorilor, utiliznd seturile fuzzy ( (Burrough, i alii, 1998, 2005) i
simularea Monte Carlo (vezi capitolul3.4 i capitolul3.7). Au fost utilizate combinaiile de factori
ce au dus la rezultate bune n analiza bayesian static, fr propagare de erori. Pentru modelul
digital al altitudinii, ce st la baza calculrii indicatorilor merfometrici, a fost utilizat un model
de propagare a erorilor bazat pe simularea Monte Carlo (capitolul 3.5). Declivitatea, curbura n
plan, curbura n profil, energia de relief au fost calculate pentru fiecare simulare Monte Carlo.
MDA-ul utilizat este obinut pentru fiecare simulare pe baza modelului de eroare prezentat n
capitolul 3.4, 3.5. Utilizarea terenului, litologia, tipul de sol, textura solului, desimea
fragmentrii i deplasrile de teren au fost modelate cu ajutorul setului fuzzy, abordarea
semantic import (Burrough, i alii, 1998, 2005). Cu excepia desimii fragmentrii, a texturii i
tipurilor de sol, pentru ceilali factori s-au utilizat datele nregistrate n metadate. Pentru fiecare
obiect spaial au fost nregistrate incertitudinile de interpretare i digitizare. Astfel, pentru
fiecare obiect, au fost nregistrate n unitatea de msur a proiecie cartografice (metri)
distana incert pentru digitizarea i implicit delimitarea spaial a obiectului, precum i
clasificarea lui ntr-o anumit clas. Pentru desimea fragmentrii, textura solului i tipurile de
sol nu au existat metadate, motiv pentru care a fost utilizat o eroare standard cuprins ntre
10 i 15 metri.
Pentru clasele de declivitatea, probabilitatea posterioar producerii unei alunecri de
teren, dat fiind prezena evidenei, combinat cu propagarea erorilor, are valori ridicate pentru
toat zona de studiu, acest lucru explicat de predominarea intervalelor de declivitate cuprinse
ntre 7 i 25, extinse pe toat suprafaa. Ca i n cazul modelrii fr propagare a erorilor,
indicatorii calculai pentru Weight of evidence, au pstrat aproximativ aceleai valori (Figura
118). Raportul de necesitate i Wpoz are valori positive pentru intervalele de declivitate
cuprinse ntre 3-7, 7-15 i 15-25, i negative pentru restul intervalelor. De aici se poate
trage concluzia c cel mai important rol n favorizarea producerii deplasrilor de teren sunt
186

intervalele de pante 7-15, ce nregistreaz cea mai mare valoare att pentru raportul de
suficien ct i pentru indicele greutate. Toi ceilali indicatori calculaie, att prin analiza de tip
ans ct i pentru contrast C, susin aceiai concluzie. Rspndirea, pe toi versanii zonei
administrative a Brezei, a declivitilor cuprinse ntre 7 i 25, favorizeaz instalarea
deplasrilor de teren i au meninut ponderea important n modelul Bayesian.

Figura 117 Probabilitatea posterioar producerii unei deplasri de teren, dat fiind
evidena cu propagare de erori, pentru declivitate
187

Figura 118 Indicatori calculai n urma analizei Weight of evidence, cu propagare de erori pentru pante
188

Probabilitatea posterioar pentru producerea de deplasri de teren n funcie de clasele
de litologie, este prezentat n Figura 119.

evidena cu propagare de erori pentru litologie
Se observ c cea mai mare probabilitate s se produc o deplasare de teren o au
marnele si argilele, lucru confirmat i n literatura de specialitate. Varietatea mare a claselor
litologice i rspndirea relativ uniform a deplasrilor de teren pe mai multe clase, a
determinat obinearea unor probabiliti posterioare mai mici dect probabilitatea apriori
189

pentru toat zona de studiu. Rata de suficien are de asemenea valori foarte mari pentru
aceleai clase, dar i pentru clasa 10 (marne de GuraBeliei). Cele mai mici probabiliti apar, aa
cum era de ateptat, pe depozitele de nisip i pietri de pe podul terasei a II-a a Prahovei,
corespunznd n cea mai mare parte localitilor Podu Vadului, Breaza de Jos, Breaza de Sus i
Gura Beliei. Concluziile prezentate mai sus sunt susinute i de valorile contrastului (C, Figura
121), ce indic gradul de asociere ntre clasa litologic i evidena, n situaia de fa, prezena
alunecrilor de teren de tip rotaional. Constractul, calculate ca diferena ntre indicele de
greutate pozitiv i cel negative, are valori mari, de peste 1, tot pentru marne calcaroase, marne
i argile i tufuri. Uniformizarea claselor de litologie ar putea mbunti calculul probabilitilor
condiionate i posterioare pentru litologie, dar n acelai timp ar estompa particularitatea
local, motiv pentru care, pentru acest studiu au fost pstrate, clasele litologie interpretate din
harta geologic de (Damian, i alii, 2003). Nu s-au produs modificri eseniale ntre
probabilitatea posterioar nregistrat pentru analiza fr propagare de erori i analiza cu
propagare de erori. Se observ ns o usoar scdere a probabilitilor per clas, explicat prin
uniformizarea spaial a claselor de litologie.
Utilizarea terenului joac ntotdeauna un rol important n declanarea deplasrilor de
teren, att prin favorizarea ajungerii precipitaiilor pe suprafaa terestr, ct i prin rolul
important pe care l joac n circuitul apei n sol i eliminarea apei din sol prin evapotranspiraie.
Rolul este cu att mai important, cu ct pe parcursul unui an, modul de utilizare al terenului i
vegetaia se modific. Astfel, n fiecare lun vegetaia i culturiile i modific propietiile i n
consecin i contribuia lor n reinerea apei din precipitaii i eliminarea ei prin transpiraie i
evapotranspiraie se modific. Realizarea unui model care s surprind evoluia vegetaiei i a
modulului de utilizare a terenului pentru ntreaga zon de studio, este dificil de realizat i
implic extreme de multe incertitudini. Din acest motiv am preferat s utilizm doar vegetaia i
utilizarea terenului interpretat de pe ortofotoplanuri i hrile topografice. Producerea
deplasrilor de teren se petrece adesea n condiii de vegetaie i utilizare a terenului diferite de
cele actuale i de aceea este necesar ca n modelarea susceptibilitii i a hazardului la alunecri
de teren s in cont de condiiile existente n momentul producerii acestora. Din analiza de
change detection realizat pentru zona administrativ a Brezei nu au reieit modificri eseniale
190

n vegetaie pentru ultimii treizeci de ani i pentru acest motiv, am preferat sa folosim utilizarea
terenului i vegetaia actual. Evoluia anual a vegetaiei a fost modelat cu ajutorul indexului
frunzelor (Leaf area index sau LAI). LAI este un indicator pentru densitatea frunzelor pe metru

evidena cu propagare de erori pentru utilizarea terenului
191

Figura 121 Indicatori calculai n urma analizei Weight of evidence, cu propagare de erori pentru litologie
192

Figura 122 Indicatori calculai n urma analizei Weight of evidence, cu propagare de erori pentru utilizarea terenului
193

ptrat i n consecin este adesea utilizat n calculul intercepiei precipitaiilor. Probabilitatea
condiionat ridicat pentru pdurile de foioase este datorat prezenei unor alunecri
rotaionale vechi, fosile situate preponderant n partea de nord a zonei administrative a Brezei.
Indicele pozitiv de greutate i constrastul are valori mari pentru aceleai clase (Figura 122), ceea
ce indic nc o dat importana claselor cu vegetaie ierboas sau cu densitate mic de copaci.
Ca i n cazul litologiei, nu se pot observa modificri majore n utilizarea terenului.
Probabilitile condiionate pentru utilizarea terenului cu propagare de erori sunt relativ mai
mici, comparative cu analiza fr propagare de erori, explicate prin o tendina de uniformizare
spaial a claselor de utilizare. O alt contribuie la modificrile mici ale probabilitilor
posterioare, este precizia ridicat a setului de date utilizat, ceea ce a determinat simularea
potenialelor suprafee de utilizare, pentru zone mici.
Curbura n plan joac un rol relative important n analiza susceptibilitii la deplasri de
teren. Acestea se extind pe toat suprafaa versantului, motiv pentru care se observ o
distribuie egal pe toate tipurile de suprafee: convex, concav i cvasiorizontal. Analiza
indicelui pozitiv de greutate pune n eviden, ns, un rol mai important al curburii convexe,
lucru sprijinit i de valoarea ratei de suficien, dar mai ales de valoarea contrastului (Figura
125). Figura 123 pune n eviden probabilitatea posterioar pentru curbura n plan, dup 100
de simulri Monte Carlo. Spre deosebire de factorii anteriori, unde s-a utilizat seturile fuzzy,
probabilitatea posterioar pentru curbura n plan a crescut cu aproximativ 0,07, pentru ntreaga
zon. Explicaia este dat de diferenele de altitudine simulate pentru fiecare realizare Monte
Carlo, care la rndul lor au determinat diferene mai mari pentru declivitate i au influenat
calculul curburilor. Probabilitatea ridicat se menine pe curbura concav, n lungul cursurilor
de ap, acestea fiind suprafee mai umede ce rein mai mult ap.
Curbura n profil (Figura 124), la fel ca i curbura n plan, joac un rol relative important
n analiza susceptibilitii la deplasri de teren. Acestea se extind pe toat suprafaa
versantului, motiv pentru care se observ o distribuie egal pe toate tipurile de suprafee:
convex, concav i cvasiorizontal. Analiza indicelui pozitiv de greutate pune n eviden, ns,
un rol mai important al curburii concave, fiind i locul unde se acumuleaz mai mult ap, la
194

baza versantului. Acest lucru este sprijinit i de valoarea ratei de suficien, dar mai ales de
valoarea

evidena cu propagare de erori pentru curbura n plan
contrastului (Figura 126). Att curbura n plan, ct i curbura n profil au nregistrat probabiliti
condiionate i posterioare relative egale, dar distribuite ncruciat ntre curbura convex
pentru curbura n plan i curbura concav pentru curbura n profil. Uniformitatea rspndirii lor
195

pe toat zona de studiu, determin o contribuie egal pentru toat suprafaa zonei
administrative, pentru calcularea probabilitii posterioare n combinaie i cu ali factori

evidena cu propagare de erori pentru curbura n profil
Valorile nregistrate pentru probabilitatea posterioar pentru curbura n profil, sunt
relative mai mari pentru ntreaga suprafa, creterea lor fiind similar cu creterea
probabilitilor de la curbura n plan.
196

Figura 125 Indicatori calculai n urma analizei Weight of evidence, cu propagare de erori pentru curbura in plan
197

Figura 126 Indicatori calculai n urma analizei Weight of evidence, cu propagare de erori pentru curbura in profil
198

Diferena de altitudine de altitudine pe suprafee mici (energia de relief) a fost unul dintre
factorii care au fost introdui n analiza Bayesian. Dei energia de relief are o influen similar
cu declivitatea, testul
2
nu a indicat o valoare care s pun n eviden condiionarea
dependent dintre aceti factori. Energia de relief a fost calculat pe o suprafa etalon egal cu
250 de metri ptrai. Indicele pozitiv de greutate confirm probabilitatea condiionat, indicnd
o corelare puternic ntre intervalele prezentate mai sus i evidena, cu excepia intervalului
cuprins ntre 75 i 100 de metri, unde valorile sunt negative, acest lucru nsemnnd absena
corelrii intervalului cu evidena. Aceiai concluzie este susinut i de contrast, care are valori
positive doar pentru intervalele 25-50 metri i 50-75metri, ultimul avnd cea mai puternic
corelare cu producerea deplasrilor de teren. Din Figura 127, se observ cum probabilitatea
posterioar pentru energia de relief are mai mari dect probabilitatea apriori (duble) pe o
suprafa foarte mare din zona administrativ a Brezei. Aceste valori ridicate sunt prezente pe
fruntea terasei a II-a a Prahovei i la partea superioar a versanilor. Analiza de sensitivitate a
pus n eviden o contribuie important a energiei de relief pentru calcularea probabilitilor
posterioare cumulate pentru mai muli factori, cu un effect deosebit pentru fruntea de teras i
partea superioar a versanilor. O contribuie important o are i n bazinul superior al vii
Trsa, unde sunt prezente numeroase alunecri de teren superficial. Comparative cu valorile
rezultate prin analiza fr propagare de erori, se obserev o uoar scdere (0,01) pentru
ntreaga suprafa, fr, ns, ca aceast scdere s influeneze mai departe rezultatul obinut
prin cumularea mai multor factori, cu propagare de erori.
Un rol important n producerea alunecrilor de teren superficial l joac textura solurilor.
Harta solurilor utilizat n analiza Bayesian este la o scar mult prea mic (1:200000),
compartiv cu scara celorlalte surse de date. Cu toate acestea, n absena unor date mai
detaliate, a fost utilizat harta la scara 1:200000. Probabilitatea condiionat de a se produce o
deplasare de teren n raport de clasele de textur este prezentat n Figura 107. Se poate
observa o probabilitate condiionat ridicat pentru solurile cu textura lutoargiloas, argiloas
lutoas i variat. Indicele pozitiv de greutate a evidenei indic valori sczute pentru toate
clasele de textur, dar totui cu valori positive, cu excepia texturii nisipolutoase i
199

Figura 127 Probabilitatea posterioar producerii unei deplasri de teren, dar fiind
evidena, pentru energia de relief, cu propagare de erori
lutonisipoase. Rata de suficien, prezint, ns, valori positive pentru toate clasele, exceptnd
texturile lutonisipoase, nisipolutoase i variat. Constrastul foarte mic, dar pozitiv, susine
ipoteza prezentat de indicele pozitiv, aceia a unei corelrii medii ntre deplasrile de teren
existente i clasele de textur
Probabilitatea posterioar mic i diferenele contranstante ntre indicatorii calculai
sunt explicate de diferena mare de detaliu ntre sursele de date. Cu toate acestea, textura
200

solului a fost luat n considerare n analiza Bayesian final pentru calcularea probabilitii
posterioare de producere a unei deplasri de teren, ca urmare a prezenei mai multor factori i
a evidenei (Figura 128,Figura 130)

Figura 128 Probabilitatea posterioar producerii unei deplasri de teren, dar fiind
evidena, pentru textura solului, cu propagare de erori
201

Figura 129 Indicatori calculai n urma analizei Weight of evidence, cu propagare de erori pentru energie
202

Figura 130 Indicatori calculai n urma analizei Weight of evidence, cu propagare de erori pentru textura solului

7.2.1.3.2. Combinaii de factori
Analiza bayesian a fost continuat prin combinarea mai multor, mpreun cu evaluarea
propagrii erorilor. Au fost utilizate doar trei combinaii de factori, care n analiza bayesian
fr propagare de erori, au dus la rezultatele cele mai bune
Figura 131 Frecvena cumulat pentru analiza bayesian
Din Figura 131 se observ cum cea mai bun c
modelarea cu propagare de erori, se observ o mbuntire substanial pentru combinaia:
litologia, declivitatea, utilizarea terenului, energia de relief i curbura n plan. Combinaia dint
aceti cinci factori su dus la identificarea
fiind suprafee cu susceptibilitate ridicat. Ca
suprafeele cu probabilitate posterioar mai mare dec
cu deplasri de teren existente n pre
Combinaii de factori
dus la rezultatele cele mai bune
Frecvena cumulat pentru analiza bayesian static, cu
serv cum cea mai bun combinaie de factori s
itatea, utilizarea terenului, energia de relief i curbura n plan. Combinaia dint
factori su dus la identificarea a peste 50% din suprafeele cu alunecri existente, ca
susceptibilitate ridicat. Ca i n situaia combinrii fr propagare de erori,
probabilitate posterioar mai mare dect cea apriori sunt prezente att n zonele
cu deplasri de teren existente n prezent, dar i n zone similar, reuind astel identificare
203

static, cu propagare de erori
ombinaie de factori s-a modificat. Prin
itatea, utilizarea terenului, energia de relief i curbura n plan. Combinaia dintre
ele cu alunecri existente, ca
combinrii fr propagare de erori,
t cea apriori sunt prezente att n zonele
reuind astel identificare
204

spaial corect a locurilor unde pot avea loc deplasri de teren ntr-un viitor apropiat. Dei se
suprapun ca suprafaa (n metri ptrai) doar n proporie de aproximativ 30%, combinaia
PLUE, a dus n realitate la identificarea a peste 80% din zonele cu deplasri de teren. Procentul
de 30% este de fapt doar raportul ntre suprafaa cartat ca fiind corpul alunecrii i suprafeele
cu susceptibilitate mai mare la deplasri de teren dect probabilitatea apriori pentru toat zona
administrativ a Brezei. Majoritatea acestor suprafee se regsesc n interiorul deplasrilor din
inventarul alunecrilor, ceea ce indic o bun corelare spaial ntre evidena i rezultatele
modelrii bayesiene. n acelai timp sunt prezentate suprafee cu susceptibilitate ridicat, dat
de probabilitatea posterioar mai mare dect cea apriori, iar aceste suprafee sunt foarte
posibil afectate de deplasri foarte vechi sau au fost afectate de deplasri recente, dar care nu
au fost nregistrate pe raza nici unei localiti i nu a fost identificat nici pe baza imaginilor
aeriene. Se remarc o concentrare mai mare a susceptibilitii la deplasri de teren pentru
bazinul vii Trsa, n intravilanul localitilor Valea Trsei i Surdeti i n apropierea acestor
localiti, n intravilanul localitii Irimeti, strmutat n proporie de 90% n anul 1967, pe
fruntea terasei a II-a a Prahovei i pe versantul stng al Prahovei, n intravilanul localitilor
Frsinet i Nistoreti i n apropierea lor. O alt zon cu densitate mare a deplasrilor de teren i
cu o probabilitate posterioar ridicat pentru producerea deplasrilor de teren este bazinul
superior al vii Trsa, n zona de obrie i n localitatea Gura Beliei, n mod special n partea de
nord a acesteia. Figura 132 i Figura 133 pun n evidena diferenele rezultate n urma
combinrii PLUE i PLUEPr. n aparen nu se remarc o difereniere spaial esenial, n ceea
ce privete identificarea spaial a deplasrilor de teren existente. Analiza Figura 131
evideniaz foarte clar diferenele reale, rezultate ntre cele dou combinaii. n situaia PLUEPr
se observ identificarea unui procent mai mare din suprafeele cu alunecri de teren existente,
ajungnd la aproximativ 50%, dar cu o cretere treptat a probabilitii posterioare pentru
producerea unei alunecri. Pentru combinaia PLUE se observ identificarea unui procent mai
mic din suprafeele cu alunecri existente, dar probabilitatea posterioar pentru suprafeele
identificate crete foarte brusc, ajungnd la valori de peste 50% pentru aproximativ 25% din
totalul suprafeelor cu alunecri existente n present.

205

Figura 132 Susceptibilitatea la alunecri de teren, utiliznd teoria Bayes cu propagare de
erori (PLUE)
206

Figura 133 Susceptibilitatea la deplasri de teren, utiliznd teoria Bayes cu propagare de
erori (PLUEPr)

207

Figura 134 Susceptibilitatea la alunecri de teren, exprimat prin probabilitatea
posterioar de producere a unei alunecri de teren combinaia PLUE cu propagare de erori
208

Figura 135 Susceptibilitatea la alunecri de teren, exprimat prin probabilitatea
posterioar de producere a unei alunecri de teren combinaia PLUEPr cu propagare de erori
209

7.2.1.4. Analiza bayesian dinamic
Analiza precipitaiilor n capitolul 6.4, a pus n eviden evoluia deplasrilor de teren n
raport de cantitatea de precipitaii czut. Pe baza precipitaiilor zilnice i a evapotranspiraiei,
a fost calculate un prag al precipitaiilor dincolo de care ncep s se produc deplasri de teren.
Acest prag a fost calculate n raport de evenimentele nregistrate cu deplasri de teren (vezi
capitolul 6.8) i cantitatea de precipitaii nregistrat n zilele anterioare producerii acestor
evenimente. Modelul dynamic pentru identificarea hazardului la deplasri de teren, are la baza
formula de calcul pentru hazard, care poate fi exprimat ca:
Hazard = Probabilitatea producerii unui eveniment de un anumit tip, ntr-un anumit loc
i moment de timp, sau
H=Tip+Loc+Timp sau CE?+UNDE?+CND (Glade, i alii, 2005)
Locul i tipul pot fi exprimate prin susceptibilitatea la deplasri de teren, iar timpul
poate fi exprimat prin cantitatea de precipitaii care ajunge n sol. Astfel, am putea define
hazardul la alunecri de teren ca fiind susceptibilitatea la alunecri de teren, exprimat prin
probabilitatea producerii sau reactivri unei alunecri de teren n raport de aciunea conjugat
a mai multor factor ice nu prezint o dinamic spaio-temporal mare i timpul necesar
acumulrii unei cantiti de precipitaii n sol care s determine producerea unei deplasri.
Susceptibilitatea la deplasri de teren a fost calculat n capitolul 7.2, fiind modelat att din
perspective unui set de date considerat a fi lipsit de erori, ct i din perspective unui set de date
cu diferite grade de erori i incertudine. Modelarea spaial a susceptibilitii cu propagare de
erori a dus la obinearea unui rezultat mbuntit. Din acest motiv am optat pentru calcularea
hazardului la alunecri de teren, utiliznd doar susceptibilitatea calculat cu propagare de erori.
Pentru determiniarea componentei cnd din analiza hazardului am apelat la modelarea spaio-
temporal a relaiilor existente ntre cantitatea de precipitaii czute pe parcursul unei zile i
cantitatea de precipitaii eliminate n aceeai zi ca urmare a evapotranspiraiei i intercepiei de
ctre vegetaie sau modul de utilizare al terenului. Pentru calcularea evapotranspiraiei a fost
necesar modelarea spaio-temporal a radiaiei solare, prezentat n detaliu la capitolul 6.5.
modelul creat poate fi descris dup cum urmeaz:
210

a. Modeleaz distribuia spaial i temporal pentru precipitaii, evapotranspiraie i
intercepie; precipitaiile sunt salvate ntr-o baz de date MS Sql Express i sunt citite
prin intermediul librriilor python ODBC i DBI. A fost creat o funcie special care
selecteaz datele despre precipitaii i scrie un fiier pentru serii de timp, conform
standardului impus de programul PCRaster, versiunea Python. Cu ajutorul seriilor de
timp pentru precipitaii se genereaz, pentru fiecare interval de timp o imagine cu
precipitaiile pentru ntreaga suprafa de studiu. Se presupune c aceeai cantite
de precipitaii cade pe toat suprafaa de studiu, fr diferenieri spaiale. Realizarea
unui model meteorologic pentru modelarea spaial i temporal a precipitailor, ar fi
complicat foarte mult analiza i, probabil, nu ar fi mbuntit substanial rezultatul
final, unul dintre motive fiind suprafaa mic a zonei i distribuia ei uniform n
aceeai unitate de relief. Dup calcularea cantitii de precipitaii czute pentru
fiecare zi, se calculeaz evapotranspiraia (vezi capitolul 6.7). Evapotranpiraia se
calculeaz pentru aceai zi cu precipitaii i are la baz temperatura i radiaia solar.
Radiaia solar este calculat conform metodologiei descries la capitolul 6.5, iar
temperatura este generat dup cum urmeaz: pe baza valoriilor de temperatur
nregistrate pentru aceeai zi la dou staii meteorologice, se calculeaz gradientul
termic, pe baza unei regresii liniare ntre valorile de temperatur nregistrate la staii
meteorologice situate la altitudini diferite (este cunoscut dependena temperaturii
n raport cu altitudinea). Panta ecuaiei de regresie se nmulete cu altitudinea, iar
la produsul or se adun eroarea ecuaiei de regresie i intercepia. Intercepia
realizat de ctre plante sau de modul de utilizare al terenului este calculat pe baza
LAI (leaf area index), exprimat n metri ptrai. Acesta este un indicator al desimii
frunzelor i se poate calcula cu ajutorul imaginilor satelitare, pe baza indexului
normalizat al vegetaiei. LAI a fost calculate utiliznd imagini satelitare din
aproximativ toate cele patru sezoane. ntre imaginile LAI rezultate, a fost utilizat o
ecuaie de regresie liniar, ce a dus la obinearea unor gradieni de modificare a LAI
pe tot parcursul anului

211

b. Dup calcularea precipitaiilor, evapotranspiraiei i intercepiei, s-a trecut la
calcularea cantitii de ap ce a ajuns la suprafaa solului. Un rol important n
stabilitatea versanilor, l are mai departe circuitul apei la suprafaa solului i
infiltrarea ei n circuitul subteran. Acest aspect a fost neglijat n modelul Bayesian, ca
urmare a lipsei de date cu o acuratee satisfctoare i a absenei unor modele de
scurgere a apei care s foloseasc date uor de procurat i cu precizii acceptabile
c. Cantitea de ap ajuns la suprafaa solului a fost folosit drept referina pentru
calcularea probabilitiilor apriori n analiza bayesian cu propagare de erori i
dinamic. Au fost calculate probabiliti apriorii temporale pentru producerea de
deplasri de teren, la o anumit cantitate de precipitaii ajuns la suprafaa terestr,
pentru ntreaga suprafa i probabiliti condiionate temporale, pentru
producerea unei deplasri de teren, dat fiind prezena unei anumite clase din fiecare
factor i prezena evidenei. Aceste probabiliti au fost salvate ntr-un fiier text (au
fost realizate teste cu success i pentru salvarea informaiei n MS SQLServer Express
i PostGreSQL), acest fiier text fiind apelat pentru inferen, de fiecare dat cnd
noi deplasri de teren erau identificate ca fiind produse la un anumit moment n
timp
Acest model a fost implementat n programul PCRaster, versiunea Python, rezultatele
simulrilor pentru o cantitate de 100mm la 24 de ore, fiind prezentate n figurile de mai jos.
Pentru un interval de aproximativ 24 de ore, a fost simulat o ploaie constant. S-a presupus ca
n 24 de ore au czut aproximativ 100mm de ap. Aceast valoare este determinat din
situaiile anterioare, unde pentru cantiti similare sau mai mici au fost nregistrate alunecri de
teren (vezi 6.8). Modelul a fost rulat pentru ase intervale de timp i pentru fiecare interval de
timp s-a presupus o cantitate uniform de precipitaiiegal cu 20mm. Figura 136 i Figura 137
pun n eviden evoluia spaial, dar i temporar, a identificrii hazardului la alunecri de
teren. Hazardul este exprimat n situaia de fa ca fiind probabilitatea de a se produce o
alunecare dat fiind prezena unor factori cu distribuie spaial i evoluia n timp, pentru
perioade mai lungi sau mai scurte a probabilitii unor factori dinamici n timp, care combinate
s duc la declanarea unei deplasri de teren. Prin urmare componenta unde din ecuaia

Figura 136 Frecvenele cumulate pentru ase intervale de timp, analiza bayesian
dinamic cu propagare de erori, combinaia PLUE (pante, litologie, utilizarea terenului i energia
de relief
Hazardului este dat de susceptibilitate, iar component
factorilor declanatori. Am optat pentru
i fenomenele meteorologice de intensitate ridicat. Din
hazard crete treptat, raportat la creterea cantitii de precipitaii ce ajunge la suprafaa
solului. Astfel, cnd cantitatea de precipitaii a ajuns la ap
ap la nivelul solului, nivelul hazardului atinge cote maxime, fiind identificate peste 95% din
suprafeele cu alunecri existente, ca avnd o probabilitate posterioar mai mare de
probabilitatea apriori. Din acestea, pe
cum creterea nivelului de hazard nu are loc uniform. La nceput, pn n primele trei interval
de timp, sunt nregistrate aproximativ aceleai suprafee, lucru frecvent ntlnit pe parcursul
Frecvenele cumulate pentru ase intervale de timp, analiza bayesian
t de susceptibilitate, iar component cnd este dat de evoluia temporal a
factorilor declanatori. Am optat pentru aceast combinare, deoarece se pot lua n considerare
i fenomenele meteorologice de intensitate ridicat. Din Figura 136 se observ cum nivelul de
solului. Astfel, cnd cantitatea de precipitaii a ajuns la aproximativ 100mm de precipitaii, nu
probabilitatea apriori. Din acestea, peste 40% au o probabilitate de aproximativ 0,5. Se observ
212

este dat de evoluia temporal a
aceast combinare, deoarece se pot lua n considerare
se observ cum nivelul de
roximativ 100mm de precipitaii, nu
ste 40% au o probabilitate de aproximativ 0,5. Se observ

anului, n condiii de precipitaii medii, dar fr a avea o deplasare de teren. Pe msur ce
cantitatea de precipitaii crete, ntr
mai evident
Figura 137 Frecvenele cumul
dinamic cu propagare de erori, combinaia PLUE (pante, lit
de relief i curbura n profil
Aceleai concluzii sunt evidente i pentru combinaia PLUEPr, cu
combinaie prezint un nivel de hazard uniform raspndit pentru ntreaga suprafaa de studiu,
spre deosebire de PLUE unde nivelul de hazard are valori ct mai apropiate de maxime pentru
toat suprafaa zonei administrative a oraulu

, n condiii de precipitaii medii, dar fr a avea o deplasare de teren. Pe msur ce
cantitatea de precipitaii crete, ntr-o perioad relative scurt i nivelul hazardului crete mult
dinamic cu propagare de erori, combinaia PLUE (pante, litologie, utilizarea terenului, energia
Aceleai concluzii sunt evidente i pentru combinaia PLUEPr, cu deosebirea, c aceast
toat suprafaa zonei administrative a oraului Breaza
213
, n condiii de precipitaii medii, dar fr a avea o deplasare de teren. Pe msur ce
o perioad relative scurt i nivelul hazardului crete mult

ate pentru ase intervale de timp, analiza bayesian
ologie, utilizarea terenului, energia
deosebirea, c aceast
214

Figura 138 ahazardul la alunecri de teren, analiza bayesian dinamic cu propagare de erori, combinaia PLUEPr

215

Figura 139 hazardul la alunecri de teren, utiliznd analiya bayesian dinamic cu propagare de erori; combinaie PLUE
216

8. Concluzii
Utilizarea teoriei probabilitilor n geomorfologie i in studiile pentru evaluarea
susceptibilitii versanilor la alunecri de teren se dovedesc a fi utile i eficiente. Deficienele
majore indicate i de studiile anterioare (Bonham-Carter, 1988, Lineback, 2001) arat ca
principal factor de erori sunt sursele de date i n mod special erorile din datele ce servesc drept
eviden i sunt folosite la calculul probabilitilor apriori. O importan deosebit se impune
colectrii i mbuntirii datelor existente prin aplicarea de modele de calcul de erori sau de
propagare a erorilor menite s micoreze erorile existente. Concluzia principal care se poate
obine din studiul prezentat, precum i din studiile efectuate de specialiti de-a lungul timpului,
este ncurajatoare pentru utilizarea teoriei probabilitilor condiionate pentru studiile de
susceptibilitate i chiar vulnerabilitate i risc. Suntem totui rezervai f de concluzia obinut
i considerm c sunt necesare n continuare numeroase studii care s o confirme. Credem ca
nu numai datele au cea mai mare important n obinerea de rezultate satisfcatoare, dar i
metoda n sine. Aplicarea analizei bayesiene din punct de vedere strict al teoriei Bayes, anume
utilizarea doar a datelor cunoscute, limiteaz mult reprezentarea spaial a realitii. O
abordare din prisma condiionalizrii bayesine pare a fi mult mai eficient, deoarece ne las
posibilitatea introducerii i de cunotinte expert knowledge cu impact deosebit asupra
rezultatului final (Cristakos et al 2002).
Avansarea n nelegerea i manipularea erorilor i a influenei lor asupra procesului de
decizie va determina n cadrul sistemelor informaionale geografice i analiezi spaiale i
temporale o migrare a procesului de decizie bazat pe criterii rudimentare (n care se
aprecieaza c baza de date i modelele de evaluare sunt perfecte) ctre procesul de decizie
bazat pe criterii avansate. Cunoscndu-se incertitudinile din baza de date i incertitudinile n
regulile de decizie este posibil ca rezultatele tradiionale bazate pe analizele boolean s treac
ctre rezultate probabilistice, adic de la o decizie de DA i NU la o probabilitate, astfel fiind
utilizate mai multe niveluri de apreciere.
Migrarea catre luarea de decizii pe baz de criterii avansate a determinat dezvoltarea
sistemelor informaionale geografice prin implementarea de noi structuri a datelor care s
217

poat conine informaii despre incertitudine, informaii de care se va ine seama n procesul de
decizie. De asemenea a determinat i implementarea de noi proceduri de analiz a diferitelor
erori i incertitudini i a modului lor de propagare.
Analiza bayesian cu propagare a erorilor este net superioar analizei bayesiene clasice,
deterministice, n care valoarea de probabilitate este considerat ca fiind corect. Pentru
studiile de hazard, analiza bayesian dinamic cu sau fr propagare de erori, duce la obinerea
unor rezultate satisfctoare pentru identificarea nivelului de hazard i al momentului n care
se pot produce.
mbuntirea acurateii seturilor de date utilizate va determina obinearea de rezultate
mai bune.

218

Lista figurilor
FIGURA 1 HISTOGRAMA DIFERENELOR DINTRE COTELE DE PE PLANURILE TOPOGRAFICE LA SCARA 1:5000 I
SUPRAFAA TOPOGRAFIC REZULTAT PRIN INTERPOLARE ............................................................................. 25
FIGURA 2 COMPARAIE NTRE VALORILE DE ALTITUDINE REZULTATE DIN INTERPOALRE I COTELE DE PE PLANURILE
TOPOGRAFICE LA SCARA 1:5000 ......................................................................................................................... 26
FIGURA 3 DISTRIBUIA DIFERENELOR NTRE SUPRAFAA TOPOGRAFIC I COTELE DE PE PLANURILE
TOPOGRAFICE LA SCARA 1:5000 ......................................................................................................................... 27
FIGURA 4 HISTOGRAMA DEVIAIEI STANDARD PENTRU DIFERENA DE ALTITUDINE NTRE MODELUL DIGITAL AL
ALTITUDINILOR REZULTAT DIN INTERPOLAREA CURBELOR DE NIVEL I COTELE ALTIMETRICE NREGISTRATE DE
PE PLANUL TOPOGRAFIC LA SCARA 1:5000 ........................................................................................................ 28
FIGURA 5 GRAFICUL NORMALQQ PENTRU TESTAREA DISTRIBUIEI NORMALE A DIFERENELOR DE ALTITUDINE
NTRE MDA I COTELE NREGISTRATE DE PE PLANUL TOPOGRAFIC LA SCARA 1:5000 ...................................... 29
FIGURA 6 MDA REZULTAT PRIN METODA MONTE CARLO: A). SIMULAREA SUPRAFEEI TOPOGRAFICE; B).
DIFERENE DE ALTITUDINE NTRE DOU MDA REZULTATE N URMA SIMULRII MONTE CARLO ..................... 30
FIGURA 7 DIFERENE REZULTATE DUP 10 SIMULRI MONTE CARLO FOLOSIND VALORI ALEATORII DINTR-O
DISTRIBUIE NORMAL CU MEDIE=4,50 I ABATEREA MEDIE PTRATIC=3,67 ............................................... 33
FIGURA 8 DIFERENE REZULTATE DUP 100 SIMULRI MONTE CARLO FOLOSIND VALORI ALEATORII DINTR-O
FIGURA 9 DIFERENE REZULTATE DUP 200 DE SIMULRI MONTE CARLO FOLOSIND VALORI ALEATORII DINTR-O
FIGURA 10 DIFERENE REZULTATE DUP 250 DE SIMULRI MONTE CARLO FOLOSIND VALORI ALEATORII DINTR-O
FIGURA 11 ADUGAREA DE VALORI SIMULATE DINTR-O DISTRIBUIE NORMAL LA SUPRAFAA TOPOGRAFIC
REZULTAT DIN INTERPOLARE ........................................................................................................................... 35
FIGURA 12 DIFERENE DINTRE DOU MDA REZULTATE PRIN METODA STOHASTICA ................................................ 36
FIGURA 13 EXEMPLU DE GRID ..................................................................................................................................... 37
FIGURA 14 A. TOPOSHAPE EXTRAS DIN MDT NEPRELUCRAT FOURIER; B. TOPOSHAPE EXTRAS DIN MDT PRELUCRAT
FOURIER .............................................................................................................................................................. 40
FIGURA 15 DIFERENELE NREGISTRATE NTRE VALORIILE MEDII DE ALTITUDINE REZULTATE DIN METODA
STOHASTIC I CEA DETERMINISTIC PENTRU MDA (AVERAGEDEMNOISE REPREZINT DENUMIREA
FIIERULUI REZULTAT N URMA INTERPOLRII, IAR NUMRUL DINTRE PARANTEZE REPREZINT NUMRUL DE
SIMULRI EFECTUAT) .......................................................................................................................................... 43
STOHASTIC I CEA DETERMINISTIC PENTRU PANTE ....................................................................................... 44
219

STOHASTIC I CEA DETERMINISTIC PENTRU ENERGIA DE RELIEF .................................................................. 45
STOHASTIC I CEA DETERMINISTIC PENTRU CURBURA N PLAN .................................................................... 46
STOHASTIC I CEA DETERMINISTIC PENTRU CURBURA N PROFIL ................................................................. 47
FIGURA 20 DIFERENELE NREGISTRATE NTRE VALORIILE DE DEVIAIE STANDARD DE ALTITUDINE REZULTATE DIN
METODA STOHASTIC I CEA DETERMINISTIC PENTRU MDA .......................................................................... 48
METODA STOHASTIC I CEA DETERMINISTIC PENTRU PANTE ....................................................................... 49
METODA STOHASTIC I CEA DETERMINISTIC PENTRU ENRGIA DE RELIEF ..................................................... 50
METODA STOHASTIC I CEA DETERMINISTIC PENTRU CURBURA N PLAN .................................................... 51
METODA STOHASTIC I CEA DETERMINISTIC PENTRU CURBURA N PROFIL ................................................. 52
FIGURA 25 HARTA ERORILOR EZULTATE DIN METODA STOHASTIC I CEA DETERMINISTIC PENTRU MDA ........... 53
FIGURA 26 HARTA ERORILOR EZULTATE DIN METODA STOHASTIC I CEA DETERMINISTIC PENTRU PANTE ......... 54
FIGURA 27 HARTA ERORILOR EZULTATE DIN METODA STOHASTIC I CEA DETERMINISTIC PENTRU ENERGIE ..... 55
FIGURA 28 HARTA ERORILOR EZULTATE DIN METODA STOHASTIC I CEA DETERMINISTIC PENTRU CURBUR N
PLAN .................................................................................................................................................................... 56
FIGURA 29 HARTA ERORILOR EZULTATE DIN METODA STOHASTIC I CEA DETERMINISTIC PENTRU CURBUR N
PROFIL ................................................................................................................................................................. 57
FIGURA 30 EXEMPLU DE ANALIZA FUZZY .................................................................................................................... 61
FIGURA 31 TIPURI DE ANALIZE FUZZY (BURROUGH, I ALII, 1998, 2005) .................................................................. 64
FIGURA 32 EXEMPLU (2) DE ANALIZ FUZZY ............................................................................................................... 66
FIGURA 33 APLICAREA ANALIZEI FUZZY SI PENTRU GRANIA POLIGOANELOR (BURROUGH, I ALII, 1998, 2005) ... 67
FIGURA 34 STRUCTUR SIG ......................................................................................................................................... 78
FIGURA 35 PERSPECTIVA ASUPRA ZONEI DE STUDIU: ZONA ADMINISTRATIV A ORAULUI BREAZA ....................... 83
FIGURA 36 HARTA LOCALIZARII ................................................................................................................................... 84
FIGURA 37 DISTRIBUIA SUPRAFEEI CONSTRUITE DIN CADRUL LOCALITII, N RAPORT DE DECLIVITATE ............. 85
FIGURA 38 DISTRIBUIA LOCALITII BREAZA DE JOS N RAPORT DE LITOLOGIE ....................................................... 86
FIGURA 39 PERSPECTIV ASUPRA LOCALITII BREAZA DE JOS IMAGINE AERIAN OBLIC: 15 MAI 2008 ............... 86
FIGURA 41 DISTRIBUIA LOCALITII BREAZA DE SUS N RAPORT DE LITOLOGIE ...................................................... 88
220

FIGURA 42 PERSPECTIV ASUPRA LOCALITII BREAZA DE SUS IMAGINE AERIAN OBLIC: 15 MAI 2008............... 88
FIGURA 44 DISTRIBUIA LOCALITII GURA BELIEI N RAPORT DE LITOLOGIE ........................................................... 90
FIGURA 45 PERSPECTIV ASUPRA LOCALITII GURA BELIEI. IMAGINE AERIAN OBLIC: 15 MAI 2008 .................. 90
FIGURA 47 DISTRIBUIA LOCALITI PODU VADULUI N RAPORT DE LITOLOGIE ....................................................... 91
FIGURA 48 PERSPECTIV ASUPRA LOCALITII PODU VADULUI. IMAGINE AERIAN OBLIC: 15 MAI 2008 ............. 92
FIGURA 50 DISTRIBUIA LOCALITII VALEA TRSEI N RAPORT DE LITOLOGIE ......................................................... 93
FIGURA 51 PERSPECTIV ASUPRA LOCALITII VALEA TRSEI. IMAGINE AERIAN OBLIC: 15 MAI 2008 ................ 94
FIGURA 54 DISTRIBUIA LOCALITII IRIMETI N RAPORT DE LITOLOGIE ................................................................. 96
FIGURA 57 DISTRIBUIA LOCALITII NISTORETI N RAPORT DE LITOLOGIE ............................................................. 98
FIGURA 58 PERSPECTIV ASUPRA LOCALITII NISTORETI; IMAGINE AERIAN OBLIC: 15 MAI 2008 .................... 98
FIGURA 60 DISTRIBUIA LOCALITII PODU CORBULUI N RAPORT DE LITOLOGIE .................................................... 99
FIGURA 61 PERSPECTIV ASUPRA LOCALITII PODU CORBULUI; IMAGINE AERIAN OBLIC: 15 MAI 2008 ......... 100
FIGURA 62 HARTA LITOLOGIC ................................................................................................................................. 103
FIGURA 63 TERASA A II-A A PRAHOVEI I SUPRAFEE DE NIVELARE ......................................................................... 106
FIGURA 64 SINCILNAL SUSPENDAT, LA SUD ESTE DE PODU VADULUI ...................................................................... 107
FIGURA 65 HARTA GEOMORFOLOGIC ..................................................................................................................... 108
FIGURA 66 FRECVENA ABSOLUT A INTERVALELOR DE HIPSOMETRIE ................................................................... 109
FIGURA 67 HARTA HIPSOMETRIC ............................................................................................................................ 110
FIGURA 68 FRECVENA ABSOLUT A INTERVALELOR DE PANT .............................................................................. 111
FIGURA 69 HARTA PANTELOR.................................................................................................................................... 112
FIGURA 70 FRECVENA ABSOLUT A INTERVALELOR DE ENERGIE DE RELIEF .......................................................... 113
FIGURA 71 HARTA ENERGIEI DE RELIEF ..................................................................................................................... 114
FIGURA 72 FRECVENA ABSOLUT PENTRU DESIMEA FRAGMENTRII .................................................................... 115
FIGURA 73 HARTA DESIMII FRAGMENTRII .............................................................................................................. 116
FIGURA 74 HARTA DENSITII FRAGMENTRII ......................................................................................................... 117
FIGURA 75 HARTA CURBURII N PROFIL .................................................................................................................... 118
FIGURA 76 HARTA CURBURII N PLAN ....................................................................................................................... 119
221

FIGURA 77 DISTRIBUIA ANUAL A CANTITII DE PRECIPITAII PENTRU PERIOADA 1970-2005 ........................... 120
FIGURA 78 MEDIA LUNAR A PRECIPITAIILOR, PERIOADA 1970-2005 ................................................................... 121
FIGURA 79 NUMRUL ZILELOR PLOIOASE/LUN, PERIOADA 1970-2005 ................................................................. 122
FIGURA 80 FRECVENA ABSOLUT PENTRU CLASELE DE UTILIZARE/VEGETAIE ..................................................... 129
FIGURA 81 HARTA UTILIZRII TERENULUI ................................................................................................................. 130
FIGURA 82 FRECVENA RELATIV A DEPLASRILOR DE TEREN DUP TIPOLOGIE .................................................... 134
FIGURA 83 FRECVENA RELATIV A DEPLASRILOR DE TEREN DUP ADNCIME ................................................... 135
FIGURA 84 FRECVENA RELATIV A DEPLASRILOR DE TEREN DUP STADIUL DE ACTIVITATE ............................... 135
FIGURA 85 ALUNECRI ROTAIONALE, ADNCI I SUPERFICIAL, REACTIVATE N ANUL 2007 CA URMARE A
ACTIVITII ANTROPICE. IMAGINE AERIAN OBLIC, 15 MAI 2008, LA NORD DE VRFUL GURGA ................ 136
FIGURA 86 ALUNECRI ROTAIONALE, ADNCI I SUPERFICIAL, REACTIVATE N ANUL 2007. IMAGINE AERIAN
VERTICAL, 15 MAI 2008, LA NORD DE VF. GURGA ......................................................................................... 136
FIGURA 87 ALUNECRI ROTAIONALE, ADNCI I SUPERFICIAL, REACTIVATE N ANUL 2007 CA URMARE A
ACTIVITII ANTROPICE. BAZINUL VII TRSA. IMAGINE AERIAN OBLIC, 15 MAI 2008 .............................. 137
FIGURA 88 ALUNECRI ROTAIONALE I TRANSLAIONALE, ADNCI, STABILIZATE ANTROPIC PRIN REALIZAREA DE
DRENURI. IMAGINE AERIAN OBLIC, 15 MAI 2008 ........................................................................................ 137
FIGURA 89 ALUNECARE-CURGERE, SUPERFICIAL, ACTIV-INTERMITENT, N BAZINUL SUPERIOR AL VII TRSA.
IMAGINE AERIAN OBLIC, 15 MAI 2008 ......................................................................................................... 138
FIGURA 90 HARTA DEPLASRILOR DE TEREN, CLASIFICATE DUP ADNCIME ......................................................... 141
FIGURA 91 HARTA DEPLASRILOR DE TEREN, CLASIFICATE DUP STADIU DE ACTIVITATE ...................................... 142
FIGURA 92 DIAGRAMA LUI VENN (DUP (BONHAM-CARTER, 1994) ........................................................................ 146
FIGURA 93 PROBABILITATEA CONDITIONAT PENTRU DECLIVITATE........................................................................ 153
FIGURA 94 PROBABILITATEA POSTERIOAR, PENTRU DECLIVITATE, PRODUCERII UNEI DEPLASRI DE TEREN, DAT
FIIND EVIDENA ................................................................................................................................................ 154
FIGURA 95 PROBABILITATEA CONDITIONAT PENTRU LITOLOGIE ........................................................................... 156
FIGURA 96 PROBABILITATEA POSTERIOAR, PENTRU LITOLOGIE, PRODUCERII UNEI DEPLASRI DE TEREN, DAT
FIIND EVIDENA ................................................................................................................................................ 157
FIGURA 97 PROBABILITATEA CONDITIONAT PENTRU UTILIZAREA TERENULUI ...................................................... 160
FIGURA 98 PROBABILITATEA POSTERIOAR, PENTRU UTILIZAREA TERENULUI, PRODUCERII UNEI DEPLASRI DE
TEREN, DAT FIIND EVIDENA ............................................................................................................................ 162
FIGURA 99 PROBABILITATEA POSTERIOAR, PENTRU CURBURA N PLAN, PRODUCERII UNEI DEPLASRI DE TEREN,
DAT FIIND EVIDENA ......................................................................................................................................... 162
FIGURA 100 PROBABILITATEA CONDITIONAT[ PENTRU CURBURA N PLAN ............................................................. 163
FIGURA 101 PROBABILITATE CONDIIONAT PENTRU CURBURA N PROFIL ............................................................ 164
222

FIGURA 102 PROBABILITATEA POSTERIOAR, PENTRU CURBURA N PROFIL, PRODUCERII UNEI DEPLASRI DE
FIGURA 103 PROBABILITATE CONDIIONAT PENTRU ENERGIE DE RELIEF .............................................................. 167
FIGURA 104 PROBABILITATEA POSTERIOAR, PENTRU ENERGIE DE RELIEF, PRODUCERII UNEI DEPLASRI DE TEREN,
DAT FIIND EVIDENA ......................................................................................................................................... 168
FIGURA 105 PROBABILITATEA POSTERIOAR, PENTRU DESIMEA FRAGMENTRII, PRODUCERII UNEI DEPLASRI DE
FIGURA 106 PROBABILITATE CONDIIONAT PENTRU DESIMEA FRAGMENTRII.................................................... 171
FIGURA 107 PROBABILITATE CONDIIONAT PENTRU TEXTURA SOLULUI ............................................................... 172
FIGURA 108 PROBABILITATEA POSTERIOAR, PENTRU TEXTURA SOLULUI, PRODUCERII UNEI DEPLASRI DE TEREN,
DAT FIIND EVIDENA. ........................................................................................................................................ 174
FIGURA 109 SUSCEPTIBILITATEA LA DEPLASRI DE TEREN UTILIZND TOI FACTORII ............................................. 176
FIGURA 110 FRECVENA CUMULAT PENTRU ANALIZA BAYESIAN STATIC, FR PROPAGARE DE ERORI .......... 177
FIGURA 111 SUSCEPTIBILITATEA LA DEPLASRI DE TEREN UTILIZND: PANTE, LITOLOGIE, UTILIZAREA TERENULUI,
ENERGIA DE RELIEF, CURBURA N PLAN, CURBURA N PROFIL, TEXTURA SOLULUI I TIPUL DE SOL ............... 178
ENEERGIA DE RELIEF, CURBURA N PLAN, CURBURA N PROFIL, TEXTURA SOLULUI ....................................... 179
ENERGIA DE RELIEF, CURBURA N PROFIL, TEXTURA SOLULUI ......................................................................... 180
FIGURA 114 SUSCEPTIBILITATEA LA DEPLASRI DE TEREN UTILIZND: PANTE, LITOLOGIE, ENERGIA DE RELIEF,
UTILIZAREA TERENULUI, CURBURA N PROFIL .................................................................................................. 181
FIGURA 115 SUSCEPTIBILITATEA LA DEPLASRI DE TEREN UTILIZND: PANTE, LITOLOGIE, UTILIZAREA TERENULUI I
CURBURA N PROFIL .......................................................................................................................................... 182
ENERGIA DE RELIEF ........................................................................................................................................... 184
FIGURA 117 PROBABILITATEA POSTERIOAR PRODUCERII UNEI DEPLASRI DE TEREN, DAT FIIND EVIDENA CU
PROPAGARE DE ERORI, PENTRU DECLIVITATE .................................................................................................. 186
FIGURA 118 INDICATORI CALCULAI N URMA ANALIZEI WEIGHT OF EVIDENCE, CU PROPAGARE DE ERORI PENTRU
PANTE ............................................................................................................................................................... 187
PROPAGARE DE ERORI PENTRU LITOLOGIE ...................................................................................................... 188
PROPAGARE DE ERORI PENTRU UTILIZAREA TERENULUI ................................................................................. 190
LITOLOGIE ......................................................................................................................................................... 191
223

UTILIZAREA TERENULUI .................................................................................................................................... 192
PROPAGARE DE ERORI PENTRU CURBURA N PLAN ......................................................................................... 194
PROPAGARE DE ERORI PENTRU CURBURA N PROFIL ...................................................................................... 195
CURBURA IN PLAN ............................................................................................................................................ 196
CURBURA IN PROFIL .......................................................................................................................................... 197
FIGURA 127 PROBABILITATEA POSTERIOAR PRODUCERII UNEI DEPLASRI DE TEREN, DAR FIIND EVIDENA,
PENTRU ENERGIA DE RELIEF, CU PROPAGARE DE ERORI.................................................................................. 199
FIGURA 128 PROBABILITATEA POSTERIOAR PRODUCERII UNEI DEPLASRI DE TEREN, DAR FIIND EVIDENA,
PENTRU TEXTURA SOLULUI, CU PROPAGARE DE ERORI ................................................................................... 200
ENERGIE ............................................................................................................................................................ 201
TEXTURA SOLULUI ............................................................................................................................................. 202
FIGURA 131 FRECVENA CUMULAT PENTRU ANALIZA BAYESIAN STATIC, CU PROPAGARE DE ERORI ............... 203
FIGURA 132 SUSCEPTIBILITATEA LA ALUNECRI DE TEREN, UTILIZND TEORIA BAYES CU PROPAGARE DE ERORI
(PLUE) ................................................................................................................................................................ 205
FIGURA 133 SUSCEPTIBILITATEA LA DEPLASRI DE TEREN, UTILIZND TEORIA BAYES CU PROPAGARE DE ERORI
(PLUEPR) ........................................................................................................................................................... 206
FIGURA 134 SUSCEPTIBILITATEA LA ALUNECRI DE TEREN, EXPRIMAT PRIN PROBABILITATEA POSTERIOAR DE
PRODUCERE A UNEI ALUNECRI DE TEREN COMBINAIA PLUE CU PROPAGARE DE ERORI .......................... 207
FIGURA 135 SUSCEPTIBILITATEA LA ALUNECRI DE TEREN, EXPRIMAT PRIN PROBABILITATEA POSTERIOAR DE
PRODUCERE A UNEI ALUNECRI DE TEREN COMBINAIA PLUEPR CU PROPAGARE DE ERORI ...................... 208

224

Lista tabelelor
TABELA 1 FACTORI CE AFECTEAZ CALITATEA DATELOR SPAIALE. DUP (BURROUGH & MCDONNELL, PRINCIPLES
OF GEOGRAPHICAL INFORMATION SYSTEMS, 1998, 2005) ................................................................................ 19
TABELA 2 EXTRAGEREA AUTOMAT A FORMELOR DE RELIEF .................................................................................... 41
TABELA 3 ELEMENTE DEFINITORII PENTRU SIG N FUNCIE DE DESTINAIE, DUP (LONGLEY, I ALII, 2005) ........ 71
TABELA 4 FUNCIILE FUNDAMENTALE ALE UNUI SIGT, DUP (CHRISTAKOS, I ALII, 2002) ..................................... 74
TABELA 5 FUNCIILE AVANSATE ALE UNUI SIGT, DUP (CHRISTAKOS, I ALII, 2002) ............................................... 75
TABELA 6 SCHEMA BAZEI DE DATE .............................................................................................................................. 77
TABELA 7 SCHEMA TABELEI INCERTITUDINE, EXEMPLU ............................................................................................. 77
TABELA 8 INDICATORI STATISTICI PENTRU PRECIPITAII, PERIOADA 1970-2005 ...................................................... 121
TABELA 9 INDICATORI STATISTICI PENTRU VALORILE LUNARE ALE PRECIPITAIILOR, PERIOADA 1970-2005 .......... 121
TABELA 10 INDICATORI STATISTICI PENTRU NUMRUL ZILELOR PLOIOASE PENTRU FIECARE LUNA, PERIOADA 1970-
2005 .................................................................................................................................................................. 122
TABELA 11 SUPRAFAA N KMP PENTRU FIECARE CLAS DE UTILIZARE/VEGETAIE ................................................ 128
TABELA 12 SURSE DE INFORMARE PENTRU DELIMITAREA I CLASIFICAREA DEPLASRILOR DE TEREN................... 133
TABELA 13 LOCUL I MOMENTUL PRODUCERII ALUNECRILOR DE TEREN .............................................................. 140
TABELA 14 INDICATORI CALCULAI, PENTRU PANTE, N URMA ANALIZEI WEIGHT OF EVIDENCE............................ 155
TABELA 15 INDICATORI CALCULAI, PENTRU LITOLOGIE, N URMA ANALIZEI WEIGHT OF EVIDENCE ..................... 158
TABELA 16 INDICATORI CALCULAI, PENTRU UTILIZARE, N URMA ANALIZEI WEIGHT OF EVIDENCE ...................... 161
TABELA 17 INDICATORI CALCULAI, PENTRU CURBURA N PLAN, N URMA ANALIZEI WEIGHT OF EVIDENCE ........ 164
TABELA 18 INDICATORI CALCULAI, PENTRU CURBURA N PROFIL, URMA ANALIZEI WEIGHT OF EVIDENCE .......... 165
TABELA 19 INDICATORI CALCULAI, PENTRU ENERGIE DE RELIEF, N URMA ANALIZEI WEIGHT OF EVIDENCE........ 169
TABELA 20 INDICATORI CALCULAI, PENTRU DESIMEA FRAGMENTRII, N URMA ANALIZEI WEIGHT OF EVIDENCE
.......................................................................................................................................................................... 172
TABELA 21 INDICATORI CALCULAI, PENTRU TEXTURA SOLULUI, N URMA ANALIZEI WEIGHT OF EVIDENCE ......... 173

225

Bibliografie
[Interactiv] // Wikipedia. - 22 06 2007. -
http://en.wikipedia.org/wiki/Causal_Markov_Condition.
Adams N.J. i Williams C.K.I. Dynamic trees for image modelling [Periodic]. - [s.l.] :
Image and Vision Computing, 2007. - Vol. 21.
Agterberg F.P. [i alii] Weights of evidence modeling and weighted logistic regression
for mineral potential mapping [Seciune de carte] // Computers in geology, 25 years of
progress / autorul crii Davis J.C. i Herzfeld U.C.. - [s.l.] : Oxford University Press, 1993.
Ahmad Z. i Zhang J. Bayesian selective combination of multiple neural networks for
improving long-range predictions in nonlinear process modelling [Periodic]. - [s.l.] : Neural
Computing and Applications, 2005. - 1 : Vol. 14.
Allen R.G. [i alii] Crop evapotranspiration: Guidelines for computing crop water
requirements [Lucrare]. - [s.l.] : Irr. & Drain. Paper 56. UN-FAO, Rome, Italy, 1998.
Armas I. [i alii] Vulnerabilitatea versantilor la alunecari de teren in sectorul
subcarpatic al vaii Prahova [Carte]. - [s.l.] : Ed. Romnia de Mine, 2003.
Aspinall R. i Veitch N. Habitat mapping from satellite imagery and wildlife survey data
using a Bayesian modelling procedure in a GIS [Periodic]. - [s.l.] : Photogrammetric Engineering
and Remote Sensing, 1993. - Vol. 59.
Aspinall R. J. An inductive modelling procedure based on Bayess theorem for analysis of
pattern in spatial data [Periodic]. - [s.l.] : International Journal Of Geographical Information
Systems, 1992.
Astronomy Answers, Julian Day Number [Interactiv] // Astronomical Institute, Utrecht
University. - 01 01 2007. - 21 06 2007. - http://www.astro.uu.nl/~strous/AA/en/index.html.
Bardsley W.E. Bayesian statistics and the multiple working hypothesis [Periodic]. - [s.l.] :
Otago Geographer, 1975. - Vol. 7.
226

Barrientos M.A. i Vargas J.E. A framework for the analysis of dynamic processes based
on Bayesian networks and case-based reasoning [Periodic] // Expert Systems with
Applications. - [s.l.] : Pergamon, 1998. - Vol. 15. - pg. 287-294.
Bernhardsen T. Geographic Information Systems: An Introduction [Carte]. - [s.l.] : John
Wiley&Sons, 2002.
Bhattacharya S., Ho M.H.R. i Purkayastha S. A Bayesian approach to modeling dynamic
effective connectivity with fMRI data [Periodic]. - [s.l.] : NeuroImage, 2006. - Vol. 30.
Bonham-Carter G. F. Geographic Information Systems for Geoscientists, Modelling with
GIS [Carte]. - [s.l.] : Pergamon, 1994.
Bonham-Carter G. F., Agterberg F. P. i Wright D. Integration of geological datasets for
gold exploration in Nova Scotia [Periodic]. - [s.l.] : Pthotogrammetric Engineering and Remote
Sensing, 1988.
Bonham-Carter G. F., Agterberg F. P. i Wright D. Weights of evidence modelling: a new
approach to map mineral potential [Carte]. - [s.l.] : Statistical applications in the Earth Sciences,
Editors: Agterberg, F.P. and Bonham-Carter, G.F., Geological Survey of Canada, 1989.
Borradaile G. Statistics of Earth Science Data [Carte]. - Heidelberg : Springer-Verlag,
2003.
Borsuk M.E. [i alii] Assessing the decline of brown trout (Salmo trutta) in Swiss rivers
using a Bayesian probability network [Periodic]. - [s.l.] : Ecological Modelling, 2005. - Vol. 192.
Boutilier C., Dearden R. i Goldszmidt M. Stochastic dynamic programming with
factored representations [Periodic]. - [s.l.] : Artificial Intelligence, 2000. - Vol. 121.
Bouwman M.E. i Moll H.C. Environmental analyses of land transportation systems in
The Netherlands [Periodic]. - [s.l.] : Transportation Research Part D, Pergamon, 2002. - Vol. 7.
Brabb E.E., Colgan J.P. i Best T.C. Map showing inventory and regional susceptibility for
Holocane debris flows and related fast-mmoving landslides in the conterminous United States:
227

U.S. Geological Survey Miscellaneous Field Studies Map [Interactiv]. - 20 April 2007. - 20
September 2008. - http://pubs.usgs.gov/mf/1999/2329/.
Bradley P., Carlin, Thomas, A., Louis Bayes and Empirical Bayes Methods for Data
Analysis [Carte]. - [s.l.] : Chapman&Hall, 1996.
Brown J. D. i Heuvelink G. B.M. DUE User's Manual [Carte]. - 2007.
Brunsden D. [i alii] Large scale geomorphology mapping and highway engineering
design [Periodic] // Quarterly Journal of Engineering Geology. - 1975. - pg. 227-253.
Brunsden D. Landslide types, mechanisms, recognition, identification [Seciune de
carte] // Proceedings Symposium Poly. of Wales. - 1985.
Burrough P. A. Fuzzy mathematical methods for soil survey, and land evaluation
[Periodic]. - [s.l.] : Journal of Soil Science, 1989. - Vol. 43. - pg. 477-492.
Burrough P. A. i McDonnell R. A. Principles of Geographical Information Systems
[Carte]. - Oxford : Oxford University Press, 1998, 2005.
Carrara A. i Guzzetti F. Geographical Information Systems in Assessing Natural Hazards
[Carte]. - Dordrecht, the Netherlands : Kluwer Pub., 1995.
Carrara A. Potentials and pitfalls of GIS technology in assessing natural hazards in
Reichenbach P., Guzzetti F., and Carrara A., (Editors), Abstracts, Proceed. Int. Workshop GIS in
Assess. Nat. Hazards, Perugia, Sept. 20-22, 1993, 128-137 [Carte]. - 1993.
Chakrabarti C., Rammohan R. i Luger G.F. Diagnosis using a first-order stochastic
language that learns [Periodic]. - [s.l.] : Expert Systems with Applications, 2007. - Vol. 32.
Charitos T., Waal P.R. i Gaag L.C. Convergence in Markovian models with implications
for efficiency of inference [Periodic]. - [s.l.] : International Journal of Approximate Reasoning,
2006.
228

Charniak E. Bayesian Networks without Tears = The American Association for Artificial
Intelligence. - [s.l.] : AI Magazine, 1991.
Choi K.M., Serre M.L. i Christakos G. Efficient mapping of California mortality fields at
different spatial scales [Periodic]. - [s.l.] : Journal of Exposure Analysis and Environmental
Epidemiology, 2003. - Vol. 13.
Chrisman N.R. A theory of cartographic error, and its measurement in digital databases
[Periodic]. - [s.l.] : Proceedings AUTO-CARTO 5 (Bethesda: ACSM). - pg. 159-168..
Christakos G., P. Bogaert, and M.L. Serre: [i alii] Temporal GIS [Carte]. - New York :
Springer-Verlag, 2002.
Christakos George Modern Spatiotemporal Geostatistics [Carte]. - Oxford : Oxford
University Press, 2000. - ISBN 0-19-513895-3.
Christakos George Random Field Models in Earth Sciences [Carte]. - Mineola, New York :
Dover Publications, Inc, 2005. - ISBN 0-486-43872-4.
Chung C. F. i Fabbri A. G. The representation of Geoscience information for data
integration [Periodic]. - [s.l.] : Nonrenewable Resources, v 2(2), p 122-139, 1993.
Chung C.F. i Fabbri A.G. Probabilistic prediction model for landslide hazard mapping
[Periodic]. - [s.l.] : Photogrammetric Engineering and Remote Sensing, 1999. - Vol. 65.
Chung C.F. i Fabbri A.G. Three Bayesian Prediction Model for landslide hazard mapping
[Conferin] // Proceedings of International Association for Mathematical Geology 1998 Anual
Meeting (IAMG). - Ischia, Italy : [s.n.], 1998.
Crozier M.J. Landslide hazard assessment: a review of papers presented to theme G4. In
Landslides. Edited by D. Bell [Periodic]. - Christchurch : Proceedings of Sixth Internatio nal
Symposium on Landslides, 1995. - Vol. 3.
229

Cruden D.M. i Varnes D.J. Landslide types and processes [Seciune de carte] //
Landslides: Investigation and Mitigation / autorul crii A.K. Turner i R.L. Shuster. - [s.l.] :
Transportation Research Board, 1996.
DOr D. i Bogaert P. Continuous-valued map reconstruction with the Bayesian
Maximum Entropy [Periodic]. - [s.l.] : Geoderma, 2003. - Vol. 112.
Damian Rsvan, Arma Iuliana i andric Ionu Controlul structural-geologic i
morfologic n stabilitatea versanilor subcarpatici; condiii climatice i hidrologice [Seciune de
carte] // Vulnerabilitatea versanilor la alunecri de teren n sectorul subcarpatic al vii
Prahova / autorul crii Arma Iuliana [i alii]. - Bucharest : Editura fundaiei Romnia de
mine, 2003.
Darwiche A. Constant-space reasoning in dynamic Bayesian networks [Periodic]. - [s.l.] :
International Journal of Aproximate Reasoning, 2001. - Vol. 26.
David O. [i alii] Dynamic causal modeling of evoked responses in EEG and MEG
[Periodic]. - [s.l.] : NeuroImage, 2006. - Vol. 30.
Davis D.R., Kisiel C.C. i Duckstein L. Bayesian decision theory applied to design in
hydrology [Periodic]. - [s.l.] : Water Resources Research, 1972. - Vol. 8.
Dendoncker N., Rounsevell M. i Bogaert P. Spatial analysis and modelling of land use
distributions in Belgium [Periodic]. - [s.l.] : Computers, Environment and Urban Systems, 2007. -
Vol. 31.
Dikau Richard [i alii] Landslide Recognition: Identification, Movement and Causes
[Carte]. - [s.l.] : John Wiley&Sons, 1996.
Doorenbos J. & W.O. Pruitt Crop water requirements [Lucrare]. - Rome : FAO, 1977.
D'Or D. Spatial prediction of soil properties, the Bayesian Maximum Entropy approach
[Carte]. - [s.l.] : Dissertation thesis, Universite Catholique de Louvain, 2003.
230

Douaik A., Van Meirvenne M. i Toth T. Soil salinity mapping using spatio-temporal
kriging and Bayesian maximum entropy with interval soft data [Periodic]. - [s.l.] : Geoderma,
2005. - Vol. 128.
Drew L.J. Pattern drilling exploration: optimum pattern types and hole spacings when
searching for elliptical shaped targets [Periodic]. - [s.l.] : Journal of Mathematical Geology,
1979. - Vol. 11.
Duckstein L., Szidarovszky F. i Yakowitz S. Bayes design of a reservoir under random
sediment yield [Periodic]. - [s.l.] : Water Resources Research, 1977. - Vol. 13.
Eastman R. J. drisi, Guide to GIS and Image Processing [Carte]. - Worcester, MA : Clark
Labs, Clark University, 2006.
Fabbri A. i Chung C.J. Spatial Support in Landslide Hazard Predictions Based on Map
Overlays [Conferin] // 2001 Annual Conference of the International Association for
Mathematical Geology. - 2001.
Fan C.F. i Yu Y.C. BBN-based software project risk management [Periodic]. - [s.l.] : The
Journal of Systems and Software, 2004. - Vol. 73.
FAO Table of Contents [Interactiv] // FAO CORPORATE DOCUMENT REPOSITORY. - 13 09
2007. - http://www.fao.org/docrep/X0490E/x0490e00.htm#Contents.
Fenton N. [i alii] Predicting software defects in varying development lifecycles using
Bayesian nets [Periodic]. - [s.l.] : Information and Software Technology, 2007. - Vol. 49.
Figueroa G.A. i Sucar L.E. Temporal Bayesian Network of Events for Diagnosis and
Prediction in Dynamic Domains [Periodic]. - [s.l.] : Applied Intelligence, 2005. - Vol. 23.
Fisher P. Improved Modeling of Elevation Error with Geostatistics [Periodic]. - [s.l.] :
GeoInformatica, Kluwer Academic Publishers, Boston., 1998. - Vol. 2:3.
Fisher P. Improved Modeling of Elevation Error with Geostatistics [Periodic]. - [s.l.] :
GeoInformatica, 1998. - 2:3.
231

Frankel J., Wester M. i King S. Articulatory feature recognition using dynamic Bayesian
networks [Periodic]. - [s.l.] : Computer Speech and Language, 2007. - Vol. 21.
Galan S.F. i Dez F.J. Networks of probabilistic events in discrete time [Periodic]. - [s.l.] :
International Journal of Approximate Reasoning, 2002. - Vol. 30.
Garrido M.I. [i alii] Dynamic causal modelling of evoked potentials: A reproducibility
study [Periodic]. - [s.l.] : NeuroImag, 2007. - Vol. 36.
GDAL: GDAL - Geospatial Data Abstraction Library [Interactiv] // GDAL: GDAL -
Geospatial Data Abstraction Library. - 07 2007. - http://www.gdal.org/.
Georgakarakos S., Koutsoubas D. i Valavanis V. Time series analysis and forecasting
techniques applied on loliginid and ommastrephid landings in Greek waters [Periodic]. - [s.l.] :
Fisheries Research, 2006. - Vol. 78.
Glade T., Anderson M. J. i Crozier J. Landslide Hazard and Risk [Carte]. - [s.l.] :
Wiley&Sons, 2005.
Goodchild M. F. Fractals and the accuracy of geographical measures [Periodic]. - [s.l.] :
Mathematical Geology, 1980. - Vol. 12.
Goodchild M.F. Algorithm 9: simulation of autocorrelation for aggregate data
[Periodic]. - [s.l.] : Environment and Planning, 1980. - Vol. A12. - pg. 10731081. [41].
Goodchild M.F. Fractals and the accuracy of geographical measures [Periodic] //
Mathematical Geology. - 1980. - pg. 85-98.
Goodchild M.F. in Foreword pentru Error propagation in environmental modelling with
GIS. - [s.l.] : Tazlor&Francis, 1998.
Goodchild M.F. Statistical aspects of the polygon overlay problem [Periodic] // Harvard
Papers on Geographic Information Systems. - 1977.
232

Goodchild M.F., Yuan M. i Cova T. Towards a general theory of geographic
representation in GIS [Periodic]. - [s.l.] : International Journal of Geographic Information
Science, 2007. - Vol. 21.
Gordon J. i Shortliffe E. H. A method for managing evidential reasoning in a
hierarchicalhypothesis space [Periodic]. - [s.l.] : Artificial Intelligence 26: 32357, 1985.
Gorsevski P., Gessler P. i Jankowski P. Integrating a fuzzy k-means classi.cation and a
Bayesian approach for spatial prediction of landslide hazard [Periodic]. - [s.l.] : Journal of
Geographical Systems, 5:223251 DOI: 10.1007/s10109-003-0113-0, 2003.
Gorsevski P., Jankowski P. i Gessler P. Spatial Prediction of Landslide Hazard Using
Fuzzy k-means and Dempster-Shafer Theory [Periodic]. - [s.l.] : Transactions into GIS, 9(4): 455
474, 2005.
Gorsevski P.V. i Gessler P.E. Bayesian modeling and GIS for evaluating landslide hazard
[Conferin] // ASPRS 2003 Annual Conference. - Anchorage : [s.n.], 2003.
Gorsevski P.V., Gessler P.E. i Jankowski P. Spatial prediction of landslide hazard using
fuzzy k-means and Bayes Theorem [Seciune de carte] // A Message From the Tatra:
Geographical Information Systems and Remote Sensing in Mountain Environmental Research /
autorul crii Widacki W., Bytnerowicz A. i Riebau A.. - Krakow : Jagiellonian University Press,
2004.
Gregoriades A. i Sutcliffe A. Workload prediction for improved design and reliability of
complex systems [Periodic]. - [s.l.] : Reliability Engineering and System Safety, 2007.
Griffiths G. Stochastic Prediction in Geomorphology Using Bayesian Inference Models
[Periodic]. - [s.l.] : Mathematical Geology, 1982. - Vol. 14.
Griffiths G.A. Spatial and temporal variability in suspended sediment yields of North
Island basins, New Zealand [Periodic]. - [s.l.] : Water Resources Bulletin, 1980.
233

Griffiths T. [i alii] Approaches to the cortical analysis of auditory objects [Periodic]. -
[s.l.] : Hearing Research, 2007.
Guzzetti Fausto Landslides hazard and risk assessment [Carte]. - [s.l.] : Unpublished PhD
Thesis, University of Bonn, 2005.
Hargreaves G.H. i Samani Z.A. Reference crop evapotranspiration from temperature
[Periodic]. - [s.l.] : Applied Engineering in Agriculture, 1985.
Heuvelink G.B.M. Error propagation in environmental modelling with GIS [Carte]. -
[s.l.] : Taylor&Francis, 1998.
Heuvelink G.B.M. Error propagation in quantitative spatial modelling application in
geographical information systems [Carte]. - [s.l.] : Netherlands Geographical Studies, 1993. -
Vol. 163.
Horwarth R.J. An empirical discriminant method applied to sedimentary rock
classification from major-element geochemistry [Periodic]. - [s.l.] : Journal of Mathematical
Geology, 1971. - Vol. 3.
Hughes Paul Direct Solar Radiation :A Modelling Technique [Conferin] // Presented at
SIRC 2000 The 12th Annual Colloquium of the Spatial Information Research Centre University
of Otago, Dunedin, New Zealand. - 2000.
Hutchinson M. F. A locally adaptive approach to the interpolation of digital elevation
models [Periodic]. - Santa Barbara : Proceedings, Third International Conference/Workshop on
Integrating GIS and Environmental Modeling, 1996. -
http://www.ncgia.ucsb.edu/conf/SANTA_FE_CD-
ROM/sf_papers/hutchinson_michael_dem/local.html.
Hutchinson M. F. A new procedure for gridding elevation and stream line data with
automatic removal of spurious pits [Periodic]. - [s.l.] : Journal of Hydrology, 1989. - Vol. 106.
234

Hutchinson M. F. Calculation of hydrologically sound digital elevation models
[Periodic]. - Sydney, Australia : Paper presented at Third International Symposium on Spatial
Data Handling, 1988.
Isaaks H. Edward i Srivastava R. Mohan Applied Geostatistics [Carte]. - Oxford : Oxford
University Press, 1989. - ISBN-10: 0195050134, ISBN-13: 978-0195050134.
ISO19115 ISO 19115:2003 - Geographic information -- Metadata [Interactiv] // ISO -
International Organization for Standardization. - 2003. - 17 10 2007. -
http://www.iso.org/iso/iso_catalogue/catalogue_tc/catalogue_detail.htm?csnumber=26020.
Jaeger M. Complex probabilistic modeling with recursive relational Bayesian networks
[Periodic]. - [s.l.] : Annals of Mathematics and Artificial Intelligence, Kluwer Academic
Publishers, 2001. - Vol. 32.
Kannan P.R. Bayesian networks: Application in safety instrumentation and risk
reduction [Periodic]. - [s.l.] : ISA Transactions, 2006. - Vol. 46.
Kao H.Y., Huang C.H. i Li H.L. Supply chain diagnostics with dynamic Bayesian networks
[Periodic]. - [s.l.] : Computers & Industrial Engineering, 2005. - Vol. 49.
Karssenberg D. Building dynamic spatial environmental models [Carte]. - [s.l.] :
Netherlands Geographical Studies, PhD dissertetion, 2002.
Kiebel S.J., Garrido M.I. i Friston K.J. Dynamic causal modelling of evoked responses:
The role of intrinsic connections [Periodic]. - [s.l.] : NeuroImage, 2007. - Vol. 36.
Kohda T. i Cui W. Risk-based reconfiguration of safety monitoring system using
dynamic Bayesian network [Periodic]. - [s.l.] : Reliability Engineering and System Safety, 2006.
Labatut V. [i alii] Cerebral modeling and dynamic Bayesian networks [Periodic]. - [s.l.] :
Artificial Intelligence in Medicine, 2004. - Vol. 30. - pg. 119-139.
235

Law D.C.G. [i alii] Spatial analysis and mapping of sexually transmitted diseases to
optimise intervention and prevention strategies [Periodic]. - [s.l.] : Sexually Transmitted
Infections, 2004.
Lee S., Jaewon C. i Kyungduck M. Landslide susceptibility analysis and verification using
the Bayesian probability model [Periodic]. - [s.l.] : Environmental Geology, 2002.
Li C., Heinemann P. i Sherry R. Neural network and Bayesian network fusion models to
fuse electronic nose and surface acoustic wave sensor data for apple defect detection
[Periodic]. - [s.l.] : Sensors and Actuators B, 2007.
Lillesand T.M., Kiefer R.W. i Chipman J.W. Remote Sensing and Image Interpretation
[Carte]. - [s.l.] : John Wiley & Sons, 2004.
Lineback G. W. [i alii] Assessing landslide potential using GIS, soil wetness modeling
and topographic attributes, Payette River, Idaho [Periodic]. - [s.l.] : Geomorphology 37, p 149
165, 2001.
Longley P.A. [i alii] Geographic Information Systems and Science [Carte]. - Redlands :
John Wiley & Sons and ESRI Press, 2005.
Longley P.A. Geographic Information Systems and Science [Carte]. - Redlands : John
Wiley & Sons and ESRI Press, 2005.
Luzi L., Pergalani F. i Terlien M.T.J. Slope vulnerability to earthquakes at subregional
scale, using probabilistic techniques and geographic information systems [Periodic]. - [s.l.] :
Engineering Geology, 2000. - Vol. 58.
Lynn D. R. i Michael J. C. The effect of error in gridded digital elevation models on the
estimation of topographic parameters [Periodic]. - [s.l.] : Environmental Modelling & Software,
Elsevier, 2006. - Vol. 21.
Mandelbroot B. B. The Fractal Geomotry of Nature [Carte]. - New York : Freeman, 1982.
236

Maquire D.J., Batty M. i Goodchild M.F. Spatial Analysis and Modeling [Carte]. -
Redlands : ESRI Press, 2005.
McIntosh J. i Yuan M. [Periodic]. - [s.l.] : Assessing similarity of geographic processes
and events, 2005. - 2 : Vol. 9.
Mittal A. i Pagalthivarthi K. Temporal Bayesian Network based contextual framework
for structured information mining [Periodic]. - [s.l.] : Pattern Recognition Letters, 2007.
Molenar M. An Introduction to the Theory of Spatial Object Modelling for GIS [Carte]. -
[s.l.] : Ed. Taylor&Francis, 1998.
Montani S. [i alii] RADYBAN: A tool for reliability analysis of dynamic fault trees
through conversion into dynamic Bayesian networks [Periodic]. - [s.l.] : Reliability Engineering
and System Safety, 2007.
Moral S. i Salmeron A. Dynamic importance sampling in Bayesian networks based on
probability trees [Periodic]. - [s.l.] : International Journal of Approximate Reasoning, 2005. - Vol.
38.
Moral S. i Salmeron A. Dynamic importance sampling in Bayesian networks based on
probability trees [Periodic]. - [s.l.] : International Journal of Approximate Reasoning, 2005. - Vol.
38.
Muller A., Suhner M.C. i Iung B. Formalisation of a new prognosis model for supporting
proactive maintenance implementation on industrial system [Periodic]. - [s.l.] : Reliability
Engineering and System Safety, 2006.
Murphy K.P. An introduction to graphical models [Interactiv]. - 2001. - 2006. -
http://www.cs.ubc.ca/~murphyk/Papers/intro_gm.pdf.
Neil M. [i alii] Modelling dependable systems using hybrid Bayesian networks
[Periodic]. - [s.l.] : Reliability Engineering and System Safety, 2007.
237

OGR: OGR Simple Feature Library [Interactiv] // GDAL: GDAL - Geospatial Data
Abstraction Library. - 07 2007. - http://www.gdal.org/ogr/.
Open Geospatial Standarde OpenGIS Specifications (Standards) | OGC [Interactiv] //
OGC. - 1994-2007. - 17 10 2007. - http://www.opengeospatial.org/standards.
OpenGeospatial Accuracy Glossary of Terms [Interactiv] // OpenGeospatial. - 1994-
2007. - 07 10 2007. - http://www.opengeospatial.org/ogc/glossary/a.
Openshaw S. Learning to live with errors in spatial databases [Seciune de carte] //
Accuracy Of Spatial Databases / autorul crii Goodchild M. F. i Gopal S.. - Bristol : Taylor &
Francis, 1989.
Ozbay K. i Noyan N. Estimation of incident clearance times using Bayesian Networks
approach [Periodic]. - [s.l.] : Accident Analysis and Prevention, 2006. - Vol. 38.
Park N.W. [i alii] Predictive Spatial Data Fusion Using Fuzzy Object Representation and
Integration: Application to Landslide Hazard Assessment [Periodic]. - [s.l.] : Korean Journal of
Remote Sensing, 2003. - Vol. 19.
Pebesma E. J. i de Kwaadsteniet J. W. Mapping Groundwater Quality in the
Netherlands [Periodic]. - [s.l.] : Journal of Hydrology, 1997.
Pena J.M., Bjorkegren J. i Tegner J. Learning dynamic Bayesian network models via
cross-validation [Periodic]. - [s.l.] : Pattern Recognition Letters, 2005. - Vol. 26.
Peshkin L. i Pfeffer A. Bayesian Information Extraction Network [Periodic] // Intl. Joint
Conference on Artificial Intelligence. - 2003.
Petkovic M. i Jonker W. Integrated use of different content derivation techniques
within a multimedia database management system [Periodic]. - [s.l.] : Journal of Visual
Communication of Image Representation, 2004. - Vol. 15.
Peuquet D. Representations of Space and Time [Carte]. - [s.l.] : The Guilford Press, 2002.
238

Pfeffer K. Integrating spatio-temporal environmental models for planning ski runs
[Carte]. - Utrecht : Nederlandse Geografische Studies / Netherlands Geographical Studies, 2003.
Pistocch A., Luzi L. i Napolitano P. The use of predictive modeling techniques for
optimal exploitation of spatial databases: a case study in landslide hazard mapping with expert
system-like methods [Periodic]. - [s.l.] : Environmental Geology, 2002.
Pop Nicolae Subcarpaii dintre Dambovia i Prahova - studiu geomorfologic [Carte]. -
Bucureti : Societatea Romn de Geografie, 1939.
Popescu N. i Ielenicz M. La carte geomorphologique generale [Conferin] // Actes de
la premiere rencontre geographique franco-roumaine. - [s.l.] : Editura Universitii din
Bucureti, 2000.
Potential Evaporation [Interactiv] // http://www.wikipedia.org. - 07 06 2007. - 22 09
2007. - http://en.wikipedia.org/wiki/Potential_evaporation.
Python Programming Language - Offical Website [Interactiv] // Python Programming
Language - Offical Website. - 07 2007. - http://www.python.org/.
Qiming Z. i Xuejun L. Analysis of errors of derived slope and aspect related to DEM
data properties [Periodic]. - [s.l.] : Computers & Geosciences, Elsevier, 2004. - Vol. 30.
Rib H.T. i Liang T. Recognition and identification. [Seciune de carte] // Landslide
Analysis and Control / autorul crii Schuster R.L. i Krizek R.J.. - Washington : Transportation
Research Board Special Report, 1978.
Richard G. Allen, Luis S. Pereira, Dirk Raes, Martin Smith Crop evapotranspiration -
Guidelines for computing crop water requirements - FAO Irrigation and drainage [Carte]. -
Rome : FAO, 1998.
Sabins F.F. Remote Sensing. Principles and Interpretation [Carte]. - [s.l.] : Freeman and
Company, 1997.
239

Schubert M., Grt-Regamey A. i Straub D. Integrating Bayesian Networks into a GIS for
avalanche risk assessment [Conferin] // 4th International Probabilistic Symposium 2006.
Serre M.L. [i alii] An Application of the Holistohastic Human Exposure Methodology to
Naturally Occurring Arsenic in Bangladesh Drinking Water [Periodic]. - [s.l.] : Risk Analysis,
2003. - Vol. 23.
Serre M.L. ENVIRONMENTAL SPATIOTEMPORAL MAPPING AND GROUND WATER FLOW
MODELLING USING THE BME AND ST METHODS [Carte]. - [s.l.] : Dissertation thesis, Chapel Hill
University, 1999.
Shafer Dempster-Shafer Theory. WWW document [Interactiv]. - 2002. -
http://www.glennshafer.com/assets/downloads/article48.pdf.
Shane R.M. i Gaver D.D. Statistical decision theory techniques for the revision of mean
flood flow regression estimates [Periodic]. - [s.l.] : Water Resources Research, 1970. - Vol. 6.
Skidmore A.K. [i alii] An operational GIS expert system for mapping forest soils
[Periodic]. - [s.l.] : Photogrammetric Engineering and Remote Sensing, 1996. - Vol. 62.
Soeters R., Rengers N. i van Westen C.J. Remote sensing and geographical information
systems as applied to mountain hazard analysis and environmental monitoring [Conferin] //
Proceed. 8th Thematic Conf. Geol. Remote Sensing (ERIM),. - Denver : [s.n.], 1991. - pg. 1389-
1402.
Sterrekundig Instituut Utrecht Astronomical Institute Astronomy Answers, Julian Day
Number [Interactiv] // Astronomical Institute, Utrecht University. - 01 01 2007. - 21 06 2007. -
http://www.astro.uu.nl/~strous/AA/en/index.html.
Surdeanu Virgil Geografia terenurilor degradate [Carte]. - Cluj Napoca : Presa
Universitara Clujeana, 1998.
240

Todorovic S. i Nechyba M.C. Interpretation of complex scenes using dynamic tree-
structure Bayesian networks [Periodic]. - [s.l.] : Computer Vision and Image Understanding,
2007. - Vol. 106.
Tomaso E.D. i Baldwin J.F. An approach to hybrid probabilistic models [Periodic]. -
[s.l.] : International Journal of Approximate Reasoning, 2007.
Trebici Vladimir [i alii] Mica enciclopedie statistica [Carte]. - Bucuresti : Editura
Stiintifica si Enciclopedica, 1985.
Trevor J. D. i Keller P. C. Modelling uncertainty in natural resource analysis using fuzzy
sets and Monte Carlo simulation: slope stability prediction [Periodic]. - [s.l.] : International
Journal of Geographical Information Science, 1997. - 5 : Vol. 11.
Tucker G.E. [i alii] Statistical analysis of drainage density from digital terrain data
[Periodic]. - [s.l.] : Geomorphology, 2001. - 3-4 : Vol. 36.
Tufescu Victor Modelarea naturala a reliefului si eroziunea accelerata [Carte]. -
Bucuresti : Ed. Academiei, 1966.
Turner A.K. i Schuster R.L. Landslides: Investigation and Mitigation. [Carte]. -
Washington : Research Board Special Report, 1996.
Uncertainty Wikipedia Uncertainty - Wikipedia, the free encyclopedia [Interactiv] //
Wikipedia, the free encyclopedia. - 22 09 2007. - 07 10 2007. -
http://en.wikipedia.org/wiki/Uncertainty.
Van Dam O. Forest filled with gaps-Effects of gap size on water and nutrient cycling in
tropical rain forest: A study in Guyana. [Carte]. - Utrecht : Utrecht: Faculty of Geographical
Sciences, Utrecht University (Ph.D.Thesis, published in Tropenbos-Guyana Series 10)., 2001.
Van Deursen W.P.A. Geographical Information Systems and Dynamic Models [Carte]. -
Utrecht : Koninklijk Nederlands Aardrijkskundig Genootschap/Faculteit Ruimtelijke
Wetenschappen, 1995.
241

Vicens G.J., Rodriguez-Iturbe I. i Schaabe J.C. A Bayesian framework for the use of
regional information in hydrology [Periodic]. - [s.l.] : Water Resources Research, 1975. - Vol. 11.
Wadge G. The potential of GIS modelling of gravity flows and slope instabilities
[Periodic]. - [s.l.] : Int. J. Geographic Information Systems 2(2), 143152, 1988.
Wang H.B. i Sassa K. Rainfall-induced landslide hazard assessment using artificial
neural networks [Periodic]. - [s.l.] : Earth Surface Processes and Landforms, 2006. - Vol. 31.
Webber M.J., Symanski R. i Root J. Toward a Cognitive Spatial Theory [Periodic]. -
[s.l.] : Economic Geography, Clark University, 1975. - 2 : Vol. 51.
Webber P. i Jouff L. Complex system reliability modelling with Dynamic Object
Oriented Bayesian Networks (DOOBN) [Periodic]. - [s.l.] : Reliability Engineering and System
Safety, 2006. - Vol. 91.
Weidl G., Madsen A.L. i Israelson S. Applications of object-oriented Bayesian networks
for condition monitoring, root cause analysis and decision support on operation of complex
continuous processes [Periodic]. - [s.l.] : Computers and Chemical Engineering, 2005. - Vol. 29.
Wesseling C.G. [i alii] Integrating dynamic environmental models in GIS: the
development of a Dynamic Modelling language [Periodic]. - [s.l.] : Transactions in GIS, 1996.
Wieczorek G.F. Preparing a detailed landslide-inventory map for hazard evaluation and
reduction [Periodic] // Bulletin Association Engineering Geologists. - 1984. - pg. 337-342.
Wilson J.P. i Gallant J.C. Terrain Analysis: Principles and Applications [Carte]. - [s.l.] :
John Wiley & Sons, 2001.
Wood E.F. i Rodriguez-Iturbe I. Bayesian inference and decision making for extreme
events [Periodic]. - [s.l.] : Water Resources Research, 1975. - Vol. 11.
Yalnkaya M. i Tanr E. A Study on Using Bayesian Statistics in Geodetic Deformation
Analysis [Conferin] // Proceedings of the 11th FIG Symposium on Deformation
Measurements, Santorini, Greece,. - 2003.
242

Yuan M. Dynamics GIS: Recognizing the Dynamic Nature of Reality [Periodic]. - [s.l.] :
ArcNews, ESRI Press, 2008. - Vol. Spring 2008.
Yuan M. i Mcintosh J. A Typology of Spatiotemporal Information Queries [Seciune de
carte] // Mining Spatiotemporal Information Systems / autorul crii Shaw K., Ladner R. i
Abdelguerfi M.. - [s.l.] : Kuwer Academic Publishers, 2002.
Yuan M. Modeling semantical, temporal, and spatial information in geographic
information systems [Seciune de carte] // Geographic Information Research: Bridging the
Atlantic / autorul crii Craglia M. i Couclelis H.. - London : Taylor & Francis, 1996.
Yuan M. Representation dynamic geographic phenomena based on hierarchical theory
[Conferin] // Proceedings: 9th International Symposium on Spatial Data Handling Spatial Data
Handling. - [s.l.] : P. Forer Eds.
Yuan M. Representing Geographic Information to enhance GIS support for complex
spatiotemporal queries [Periodic]. - [s.l.] : Transactions in GIS, 1999. - 2 : Vol. 3.
Yuan M. Representing Spatiotemporal Processes to Support Knowledge Discovery in GIS
databases [Periodic]. - [s.l.] : Proceedings: 8th International Symposium on Spatial Data
Handling Spatial Data Handling, 1998.
Yuen K.Y. i Lam H.L. On the complexity of artificial neural networks for smart structures
monitoring [Periodic]. - [s.l.] : Engineering Structures, 2006. - Vol. 28.
Zadeh L. A. Fuzzy sets [Periodic]. - [s.l.] : Information and Control, 1965.
Zadeh L. Fuzzy Sets [Periodic]. - [s.l.] : Information and Control. - Vol. 8.
Zhang K. i Taylor M.A.P. Effective arterial road incident detection: A Bayesian network
based algorithm [Periodic]. - [s.l.] : Transportation Research Part C, 2006. - Vol. 14.
Zhang N.L. i Poole D. A simple approach to Bayesian network computations
[Periodic] // Proc. of the Tenth Canadian Conference on Artificial Intelligence. - 1994. - pg. 171-
178.
243

Zheng X. i Rajapakse J.C. Learning functional structure from fMR images [Periodic]. -
[s.l.] : NeuroImage, 2006. - Vol. 31.

Anexe
Anexa 1 Clasa de obiecte Bayes
Anexa 2 Clasa de obiecte Evapotranspiratie
Anexa 3 Clasa de obiecte Astro
Anexa 4 Clasa de obiecte RadiatieSolara
Anexa 5 Clasa de obiecte Incertitudine
Anexa 6 Functii generale

Teza Geostatistica

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Teza Geostatistica

Încărcat de

Drepturi de autor:

Formate disponibile

Universitatea din Bucureti

este probabilitatea posterioar s se produc o alunecare n absena

| este probabilitatea condiionat sa

| este probabilitatea s nu se produc o alunecare n prezena factorului F.

sunt rapoartele de suficiena pentru factorul 1, 2...n

sunt weight of evidence pentru factorii 1, 2. Acestia sunt calculai

S-ar putea să vă placă și