Tematyczna baza danych przestrzennych SOZO wraz z jej kartograficznym modelem – mapą sozologiczną przedstawia stan środowiska przyrodniczego, przyczyny i skutki zmian zachodzących w tym środowisku oraz formy i sposoby ochrony jego naturalnych wartości. Nie ulega wątpliwości, że baza SOZO powinna służyć do analizy i oceny stanu środowiska naturalnego w postaci wskaźników i miar ilościowych. Jednakże, analiza wybranych warstw bazy wskazuje na pewne jej braki, które sprawiają, że wykonanie analiz przestrzennych jest niemożliwe. Dotyczy to m.in. warstwy klasy degradacji lasów reprezentowanej w postaci geometrii punktowej bez określenia zasięgu tych klas. W pracy zaproponowano zastosowanie zobrazowań satelitarnych jako źródło aktualnych danych dodatkowo zasilających bazę w zasięg występowania badanego zjawiska. Klasy degradacji lasu określono na podstawie wskaźników wegetacyjnych (NDVI i NDII), których kombinacja pozwala wyznaczyć stopień i zasięg degradacji lasów w postaci obiektów powierzchniowych. Jest to niewątpliwie bardziej użyteczna forma, która czyni bazę SOZO w pełni funkcjonalną w zakresie analiz przestrzennych.

Dane lotniczego skanowania laserowego (ALS) pozyskiwane są najczęściej na potrzeby budowy numerycznych modeli wysokościowych. W Polsce dane takie pozyskane zostały dla obszaru niemal całego kraju w ramach projektu ISOK, związanego z osłoną przed zagrożeniami naturalnymi. Dane te zostały wykorzystane w niniejszej pracy do modelowania obrysów budynków. W tym celu zaproponowano algorytm będący kombinacją algorytmu α-shape do detekcji konturów budynków oraz iteracyjnego ogólnego modelu wyrównawczego do aproksymacji rzutów ortogonalnych ścian budynków. Identyfikację punktów reprezentujących obrysy budynków wykonano na podstawie chmury punktów, z której odrzucono punkty powyżej zadanej wysokości progowej. Identyfikacja obrysów budynków jako otoczki pustych powierzchni reprezentujących budynki dokładniej przybliża rzeczywiste położenie przyziemi ścian budynków. Do weryfikacji algorytmu wykorzystano chmurę punktów o gęstości 12 pkt/m² reprezentującą miejski obszar zurbanizowany o zabudowie regularnej. Wyniki modelowania 2D budynków porównano z ich reprezentacją w bazie Ewidencji Gruntów i Budynków oraz obliczono odchyłki liniowe odpowiadających sobie narożników. Otrzymano średnią wartość odchyłki liniowej na poziomie 0,56 m. Wartość ta jest zgodna z nominalną dokładnością sytuacyjną danych ALS projektu ISOK. Błąd średniokwadratowy policzony na podstawie odchyłek liniowych wynosi 0,64 m. Otrzymane wyniki modelowania spełniają wymagania dokładnościowe Bazy Danych Obiektów Topograficznych 1:10000 (BDOT10k) i mogą być wykorzystane do jej weryfikacji, aktualizacji bądź zasilania.

Lotniczy skaning laserowy jest obecnie jedną z najwydajniejszych technik pozyskiwania danych o powierzchni i elementach pokrycia terenu. Dynamiczny rozwój technologii pozwolił na szersze zastosowanie systemów typu full-waveform, które rejestrują kształt całej krzywej fali powracającej do odbiornika. W celu pozyskania dodatkowych informacji o obiektach, od których nastąpiło odbicie, zapisane dyskretne wartości przybliża się za pomocą zestawu funkcji parametrycznych. Prace badawcze koncentrują się na tworzeniu algorytmów pozwalających na przeprowadzenie szybkiej dekompozycji fali przy jednoczesnym wykryciu i aproksymacji słabych oraz nakładających się ech. Większość istniejących metod dekompozycji wymaga znajomości liczby wierzchołków występujących w sygnale i określenia przybliżonych parametrów wpasowywanych krzywych. W artykule zaproponowano alternatywny algorytm będący modyfikacją metody progresywnej, który pozwala na skuteczne przeprowadzenie dekompozycji sygnału z pominięciem prac przygotowawczych. Metoda polega na iteracyjnym wpasowaniu krzywych za pomocą algorytmu Levenberga–Marquardta z zastosowaniem wagowania poszczególnych sampli. Wykorzystując dane testowe, wykonano dwuetapową walidację algorytmu. W pierwszej kolejności zbadano wielkość i rozkład błędów aproksymacji powstałych podczas dekompozycji sygnału przy zastosowaniu funkcji Gaussa. W drugim etapie porównano otrzymane wyniki z wynikami aproksymacji za pomocą standardowej procedury. Na podstawie walidacji algorytmu można stwierdzić, że umożliwia on prawidłowe wykrycie wszystkich komponentów oraz ich poprawną aproksymację przy użyciu wybranego modelu matematycznego.