Laboratorium QGIS on Mapy z wartością: Qgis w wycenie

Prawie obiektywna ocena ukształtowania terenu. Część I

Tue, 03 Feb 2026 00:00:00 +0000

Ten wpis dedykuję pamięci mojego Taty w dniu jego urodzin — człowieka ciekawego świata i otwartego na nowe technologie.

Często myślę o tym, jak technologia zmienia nasz warsztat pracy — od tradycyjnych metod po zaawansowane systemy GIS, które pozwalają nam widzieć więcej. Wierzę, że to właśnie nowoczesne narzędzia najlepiej odpowiadają na wyzwania współczesnej wyceny, pozwalając sprowadzić teorię do mierzalnych faktów.

Przeznaczenie nieruchomości w miejscowym planie mówi nam, na jaką zabudowę pozwala nam prawo. Konfiguracja przestrzenna nieruchomości sprowadza te teoretyczne możliwości do realnych opcji. Czasem niekorzystna konfiguracja wpłynie tylko na zwiększone koszty budowy, a czasem może wręcz uniemożliwić sensowną zabudowę. We wpisie “Kształt ma znaczenie, czyli współczynniki kształtu w wycenie nieruchomości” opisałem jeden z elementów oceny konfiguracji przestrzennej nieruchomości. Teraz nadszedł czas, żeby zająć się pionowym ukształtowaniem terenu (spadki, różnice wysokości, ekspozycja).

Będziemy do tego potrzebować przede wszystkim danych z numerycznego modelu terenu (NMT). Są to dane rastrowe, zazwyczaj w formacie GeoTIFF (.tif) lub Esri ASCII Grid (.asc), w których na siatce o stałej rozdzielczości (np. 1 m x 1 m, 5 m x 5 m lub jeszcze większej) zapisana jest informacja o średniej wysokości terenu nad poziomem morza. Dla większości wycen siatka 1 m jest wystarczająca, natomiast – z wyjątkiem dużych działek rolnych lub leśnych – siatka 5 m posiada zbyt duży stopień generalizacji i staje się przez to nieprzydatna dla celów wyceny. Kiedy na obszarze, który opracowujemy, dysponujemy tylko modelem o siatce 5 m (lub większej), możemy spróbować pobrać chmurę punktów (pliki w formacie .LAS lub .LAZ) i na ich podstawie samodzielnie wygenerować NMT. Nawet w terenach niezurbanizowanych chmury punktów mają gęstość 4 pkt/m², co pozwoli nam wygenerować NMT na siatce 1 m. Jeżeli zachodzi taka potrzeba, w przypadku terenów zurbanizowanych, gdzie możemy pobrać dane o gęstości 12 pkt/m², możemy wygenerować NMT o czterokrotnie lepszej rozdzielczości (tj. na siatce 0,5 m).

💡 Wskazówka

Danych NMT nie powinniśmy mylić z danymi numerycznego modelu pokrycia terenu (NMPT). Te drugie przedstawiają interpolowane dane uwzględniające obiekty (budynki, budowle, zadrzewienia) znajdujące się na gruncie. Na potrzeby wyceny ma to mniejsze zastosowanie praktyczne i osobiście dla obiektów na gruncie preferuję dane bezpośrednio z chmury punktów jako zdecydowanie precyzyjniejsze i niosące informację o większej rozdzielczości. Zresztą większość powstających ostatnio danych NMT oraz NMPT tworzona jest jako przetworzenie i interpolacja danych z lotniczego skanowania laserowego (ALS) opartą na technologii LIDAR – czyli właśnie z chmury punktów.

Dane NMT możemy pobrać bezpośrednio z Geoportalu Krajowego dla konkretnego obszaru lub – co jest jeszcze lepszym rozwiązaniem – podpiąć je poprzez usługę WCS. Pozwoli to zautomatyzować pobieranie i przetwarzanie informacji praktycznie dla wszystkich nieruchomości porównawczych.

Pobierając dane NMT, NMPT lub chmury punktów, możemy spotkać się z podziałem na dwa układy wysokościowe: PL-KRON86-NH (Kronsztad) oraz PL-EVRF2007-NH (Amsterdam). Każdy z tych układów określa poziom odniesienia dla danych, gdzie wysokość 0 dla PL-KRON86-NH to średni poziom Morza Bałtyckiego dla mareografu w Kronsztadzie (Federacja Rosyjska), a w przypadku PL-EVRF2007-NH – średni historyczny poziom Morza Północnego zaobserwowany w Amsterdamie (Holandia). Praktyczna różnica pomiędzy tymi układami wynosi ok. 17 cm. Od 1 stycznia 2024 roku układ PL-EVRF2007-NH jest jedynym obowiązującym systemem wysokościowym w Polsce.

Poza danymi NMT będziemy też potrzebować warstwy wektorowej z działkami (nieruchomościami), które chcemy poddać analizie.

Tytuł tego wpisu, “Prawie obiektywna ocena ukształtowania terenu”, nie wziął się znikąd. Nasza analiza nieruchomości będzie opierać się zarówno na twardych obliczeniach, jak i analizie wizualnej, a jak pisałem we wcześniejszym wpisie, ta ostatnia zawsze będzie miała w sobie element subiektywny.

Ocena wizualna nieruchomości

Po pobraniu i wczytaniu w QGIS pliku NMT początkowy wygląd rastra jest mało informatywny (nie wspominając o mało inspirującej estetyce). Możemy oczywiście za pomocą narzędzia INFORMACJE O OBIEKCIE uzyskać punktową informację o wysokości nad poziomem morza we wskazanym miejscu. Jednak przy ocenie całościowej nieruchomości takie podejście jest bezużyteczne.

Aby znacząco zwiększyć możliwości interpretacji NMT, połączymy kilka technik wizualizacji. Zastosujemy stylizację warstw, która nie wymaga generowania nowych plików rastrowych przy użyciu algorytmów. Wczytajmy nasz plik NMT trzykrotnie. Do warstwy położonej na wierzchu zastosujemy stylizację “warstwice” 1️⃣ z odstępem konturu ustawionym na “1”, a indeksem konturu na “5” 2️⃣. Ponieważ nasza warstwa NMT jest w układzie EPSG 2180, wartości te oznaczają metry. Symbole warstwic ustawiamy na linie, a kolor np. na biały 3️⃣. Tryb wyświetlania warstwy ustawimy na “suma” 4️⃣. W menu “Resampling” ustawimy “Przybliżanie i Oddalanie” na “sześcienny (jądro 4×4)”, a “nadpróbkowanie” na “1” 5️⃣.

Dla rastra środkowego wybierzemy stylizację “Cieniowanie” 6️⃣, a “tryb wyświetlania warstwy” ustawimy na “mnożenie” 7️⃣. Żeby trochę “podbić” rysunek rzeźby, współczynnik “Z” ustawimy na 1,5 8️⃣ (możemy też opcjonalnie zaznaczyć opcję “wielokierunkowo” – w zależności od naszych preferencji oraz rodzaju terenu). W menu “Resampling” ustawimy Przybliżanie i Oddalanie na “sześcienny (jądro 4×4)”, ale “nadpróbkowanie” zostawiamy na standardowym poziomie “2” 9️⃣.

Wreszcie dla rastra najniższego wybieramy stylizację “Jednokanałowy pseudokolor” 🔟, a paletę kolorów ustawiamy na “Turbo” 1️⃣1️⃣. Upewniamy się, że tryb wyświetlania warstwy jest ustawiony na “zwykły” 1️⃣2️⃣. Opcje Resamplingu ustawiamy jak przy warstwie środkowej 1️⃣3️⃣.

Dzięki powyższym stylizacjom uzyskujemy kompozytowy obraz, gdzie za pomocą kolorowania, cieniowania (hillshade) oraz warstwic łatwo zorientować się, jakie jest ukształtowanie terenu i różnica wysokości pomiędzy konkretnymi częściami nieruchomości nawet bez pomiarów. Patrząc na wynikowy rysunek, jesteśmy w stanie szybko ocenić, że deniwelacja na przedmiotowym terenie wynosi trochę ponad 20m. Równie łatwo zorientujemy się, gdzie znajduje się najwyższy, a gdzie najniższy obszar nieruchomości i jak z grubsza wygląda ukształtowanie terenu.

Mapa hipsometryczna, którą właśnie stworzyliśmy, może być statyczna lub dynamiczna. Jeżeli w ustawieniach stylizacji warstwy najniższej (pseudokolor) w polu “Ustawienia wartości minimalnej i maksymalnej” zostawimy “Zasięg statystyk” jako “cały raster”, uzyskamy mapę statyczną. W przypadku wyboru opcji “odświeżony obszar mapy” uzyskamy dynamiczną mapę hipsometryczną, w której kolory dostosują się do aktualnie wyświetlanego fragmentu widoku.

⚠️ …

W tym miejscu chcę zwrócić uwagę na rozróżnienie pomiędzy używaniem Cieniowania (Hillshade) jako sposobu stylizacji warstwy a algorytmem przetwarzania. Wizualnie otrzymujemy dokładnie to samo. Jednak w przypadku stylizacji jest to “makijaż” nakładany na numeryczny model terenu, który nie zmienia danych (dalej w pliku NMT zawarte są dane o wysokościach n.p.m.). W przypadku, gdy użyjemy algorytmu przetwarzania: Cieniowanie (Hillshade), następuje stworzenie nowego rastra (powstaje “nowa rzeźba”), który traci dane o fizycznej wysokości terenu na rzecz modelu oświetlenia, gdzie wartości układają się od 0 (obszary w całkowitym cieniu) do 255 (obszary maksymalnie doświetlone).

Mapa hipsometryczna jest bardzo dobrym narzędziem do szybkiej wizualnej oceny działki. Jednak popularny algorytm Cieniowania (Hillshade) może czasami wprowadzać w błąd. Możemy napotkać na tzw. “efekt odwróconej rzeźby” – doliny mogą wydawać się szczytami i na odwrót. Poza tym ma on tendencję do gubienia szczegółów w głębokich cieniach i prześwietleniach. Co prawda można użyć opcji cieniowania wielokierunkowego, ale jest to raczej “pudrowanie” problemu niż jego rozwiązanie. Inną kwestią jest to, że dla uzyskania najlepszych efektów powinno się ustawić inne parametry dla terenu płaskiego (wysokość słońca 5°), a inne dla terenu stromego (wysokość słońca >45°). Powyższe ograniczenia utrudniają automatyzację analizy dla wielu nieruchomości. Dlatego przy powyższej wizualizacji najważniejszą informacją jest deniwelacja na podstawie kolorów i warstwic, a warstwę cieniowania traktujemy pomocniczo.

Znacznie lepszą opcją dla oceny rzeźby terenu jest zastosowanie RRIM (Red Relief Image Map). To zaawansowana technika wizualizacji, która – w przeciwieństwie do tradycyjnego cieniowania – pozwala na jednoczesne zobaczenie mikroform terenu, niezależnie od kierunku padania światła. Została opracowana w Japonii na początku XXI wieku przez Tatsuro Chibę i zrewolucjonizowała sposób, w jaki archeolodzy oraz geolodzy analizują ukształtowanie powierzchni. Nic więc nie stoi na przeszkodzie, żeby skorzystali z niej rzeczoznawcy majątkowi.

Żeby użyć tej techniki w QGIS, będziemy potrzebowali wtyczki Relief visualization toolbox (RVT) oraz (opcjonalnie) QGIS-RRIM. W pierwszej kolejności musimy użyć na naszej warstwie NMT algorytmów: Nachylenie (slope), Otwartość topograficzna dodatnia (openness positive) oraz Otwartość topograficzna ujemna (openness negative). W następnym kroku za pomocą narzędzia KALKULATOR RASTRA powinniśmy wykonać obliczenia pomiędzy warstwami otwartości zgodnie z poniższym wzorem:

$$I=\frac{(O_p-O_n)}{2}$$

gdzie: Oₚ - openness positive, Oₙ - openness negative.

Jeżeli nie chcemy tej operacji wykonywać ręcznie, możemy skorzystać z wtyczki QGIS-RRIM, która po wskazaniu warstwy NMT wygeneruje dla nas warstwę “slope” oraz warstwę “DiffOpenness”.

W kolejnym kroku ustawiamy stylizację warstwy “slope” na “Jednokanałowy pseudokolor”, a paletę kolorów na “Reds”. Następnie tryb wyświetlania warstwy ustawiamy na “mnożenie” (uzyskamy ciemniejszy obraz) lub “nakładka” (jaśniejszy, żywszy obraz). RRIM wykorzystuje fakt, że ludzkie oko jest bardzo wrażliwe na odcienie czerwieni. W tej metodzie intensywność czerwieni odpowiada nachyleniu terenu, podczas gdy jasność (wyznaczana przez openness) reprezentuje wypukłości (grzbiety są jasne) i wklęsłości (doliny są ciemne). Na koniec warto ustawić resampling obu warstw dla uzyskania wygładzonego obrazu.

Należy wyraźnie zaznaczyć, że powyższe techniki nie zastępują oględzin nieruchomości, a jedynie je uzupełniają. Z drugiej strony wizja terenowa nie zawsze ujawni wszystkie elementy nieruchomości. Szczególnie na terenach nieużytkowanych ukształtowanie terenu oraz obiekty antropogeniczne (np. fundamenty) mogą być ukryte pod gęstą roślinnością. Podobnie jest z innymi obrazami terenu opartymi na teledetekcji pasywnej (np. ortofotomapa). Dopiero teledetekcja aktywna (ALS) umożliwia penetrację roślinności, co skutkuje opracowaniem materiałów, na których niewidoczne staje się widoczne.

Oczywiście techniki wizualizacji NMT nie kończą się na opisanych powyżej. Mamy do dyspozycji m.in. wskaźnik widoczności nieba (Sky-View Factor – SVF), Lokalny model reliefu (LRM) czy Laplacian-of-Gaussian (LoG). Niektóre z nich mogą być użyteczne w specyficznych scenariuszach. Na przykład Lokalna dominacja (Local Dominance) pozwoli wykryć pozostałości budowlane na dużych terenach przemysłowych, których nie widać gołym okiem przez sukcesję roślinną. Otrzymujemy obraz przypominający zdjęcie rentgenowskie, na którym dominują formy odróżniające się od tła, niezależnie od ogólnego nachylenia terenu. Jednak dla takich przypadków zamiast korzystać z gotowego podkładu NMT z Geoportalu, lepiej pobrać chmurę punktów, samodzielnie wykonać filtrację roślinności i wygenerować własny NMT z bardzo małym oczkiem siatki (np. 0.25 m lub 0.5 m), dbając o to, by pozostałości murów, fundamentów itp. zostały sklasyfikowane jako “grunt”.

Dla osób zainteresowanych zgłębianiem tematu technik wizualizacji, na końcu artykułu podaję odnośniki do dodatkowych materiałów.

🚨 Uwaga

Kluczowym aspektem jest weryfikacja aktualności i jakości materiałów źródłowych. Informacje o dacie pozyskania danych teledetekcyjnych są dostępne w serwisie Geoportal.gov.pl – na ich podstawie oraz w oparciu o wizję lokalną rzeczoznawca rozstrzyga, czy mogą one zostać wykorzystane w procesie wyceny. Warto również zwrócić uwagę na samą metodę pomiaru. Przykładowo, dane NMT oparte na zdjęciach lotniczych (teledetekcja pasywna) oferują zazwyczaj niższą rozdzielczość i dokładność niż te pochodzące ze skaningu laserowego (teledetekcja aktywna).

Automatyzacja

Zastosowanie tych technik może być pracochłonne, zwłaszcza gdy analizujemy wiele nieruchomości porównawczych. W moim procesie pracy w pierwszej kolejności dokonuję geolokalizacji działek z bazy transakcji. Następnie uruchamiam mój autorski model analiz NMT, który automatycznie pobiera dane wysokościowe w granicach interesujących mnie nieruchomości (z lokalnego pliku NMT lub zdalnie w usłudze WCS) i dokonuje ich odpowiedniej stylizacji.

QGIS na sterydach: Pełna automatyzacja procesu

Profil terenu

Narzędzie PRZEKRÓJ WYSOKOŚCIOWY to praktyczny instrument w QGIS, który pozwala na wizualizację profilu pionowego wzdłuż określonej trasy (linii łamanej). Po wyznaczeniu linii na mapie generowany jest interaktywny wykres pokazujący zmiany wysokości terenu. Narzędzie umożliwia łączenie danych z wielu źródeł (np. NMT i chmury punktów) oraz definiowanie szerokości pasma uwzględnianego wzdłuż osi przekroju. Na gotowym profilu można również dokonywać bezpośrednich pomiarów odległości oraz różnic wysokości.

Zakończenie

O ile w tej części skupiłem się na technikach wizualnej (a więc subiektywnej) oceny nieruchomości, o tyle w drugiej zajmę się twardymi danymi i analizą morfometryczną. Pokażę, jak w programie QGIS obliczyć deniwelacje, średnie nachylenie terenu, ekspozycję stoków oraz powierzchnię działki w konkretnych klasach spadków. Dowiesz się także, jak wykorzystać te parametry do obiektywnego porównania nieruchomości z bazy transakcji.

Przydatne opracowania

Airborne laser scanning raster data visualization

Relief visualization techniques using free and open source GIS tools

Topographic Openness Maps and Red Relief Image Maps in QGIS

Red relief image map: New visualization method for three dimensional data

Kształt ma znaczenie

Tue, 14 Oct 2025 00:00:00 +0000

Przy wycenie nieruchomości niezabudowanych (mam tu na myśli grunty przeznaczone pod zabudowę obiektami kubaturowymi) rzeczoznawcy majątkowi niemal zawsze oceniają konfigurację przestrzenną działki. Jednym z istotnych elementów tej konfiguracji jest jej kształt. To logiczne założenie: skoro grunt jest kupowany z myślą o zagospodarowaniu, racjonalny nabywca będzie poszukiwał działki, której kształt umożliwi optymalne wykorzystanie przestrzeni.

Nie wchodząc szczegółowo w warsztat rzeczoznawcy dotyczący oceny wpływu poszczególnych cech na zróżnicowanie cen nieruchomości porównawczych, warto zaznaczyć, że w pewnym momencie należy opisać między innymi cechę „kształt nieruchomości” (czyli kształt działki, konfigurację działki itp.). Najlepiej, aby udało się to zrobić w sposób możliwie obiektywny. Jeśli mamy do oceny zaledwie kilka działek, stworzenie trzy- lub pięciostopniowej skali nie stanowi większego problemu. Choć zawsze pozostanie w tym pewna doza subiektywizmu, przy niewielkiej liczbie obiektów łatwo utrzymać spójność ocen.

Problem pojawia się jednak w sytuacji, gdy w bazie nieruchomości porównawczych mamy kilkadziesiąt transakcji. Wtedy „schody” zaczynają się przy próbie zachowania obiektywności i porównywalności ocen – każda działka powinna być analizowana indywidualnie, ale jednocześnie w powiązaniu z pozostałymi. Badania z zakresu psychologii poznawczej wskazują, że pojemność pamięci roboczej człowieka oraz tempo przetwarzania informacji są istotnie ograniczone i obejmują jedynie kilka elementów naraz. W takiej sytuacji przydatny okazuje się współczynnik kształtu (w literaturze anglojęzycznej określany często jako shape index - wskaźnik kształtu). Jest to pojedyncza wartość liczbowa, wyliczana zgodnie z określonym algorytmem. Można ją następnie porównać z wartościami dla innych figur (działek). Takie rozwiązanie zapewnia większą obiektywność, powtarzalność wyników, a dzięki użyciu QGIS możliwa jest automatyzacja całego procesu.

Ponieważ w praktyce rzeczoznawczej funkcjonuje kilka propozycji współczynników kształtu, w dalszej części wpisu najpierw przedstawię kryteria, jakimi powinien charakteryzować się dobry współczynnik, a następnie krótko omówię zalety i wady wybranych wskaźników oraz zaprezentuję przykładowe wartości obliczone dla kilku działek.

Moim zdaniem dobry współczynnik kształtu powinien spełniać następujące warunki:

Możliwość automatycznego zastosowania w QGIS. Oznacza to, że do obliczenia współczynnika nie trzeba wykonywać ręcznych pomiarów dla każdej działki. Wystarczy wpisać odpowiednią formułę, uruchomić algorytm (lub zestaw algorytmów), a wskaźnik zostanie obliczony dla wszystkich obiektów w bazie danych.
Odzwierciedlanie racjonalnych zachowań uczestników rynku nieruchomości. Najlepsze wartości powinny dotyczyć działek o kształcie optymalnym dla zabudowy, a najniższe – działek trudnych lub wręcz niemożliwych do racjonalnego zagospodarowania.
Uwzględnienie szerokości działki w kontekście przydatności do zabudowy. Nawet działka o kształcie kwadratu nie będzie praktyczna, jeśli jej szerokość wyniesie zaledwie 10 metrów. Wskaźnik powinien zatem radzić sobie ze zmianą skali i nie ograniczać się wyłącznie do formalnej złożoności figury.

Celowo nie uwzględniam w tych kryteriach powierzchni działki, gdyż jest to parametr analizowany oddzielnie jako cecha rynkowa.

Z perspektywy praktycznej można przyjąć, że optymalny kształt działki budowlanej to kwadrat lub szeroki prostokąt. Takie formy są najbardziej ustawne, pozwalają na swobodne rozmieszczenie budynku i wygodne zagospodarowanie całej przestrzeni. Na działce kwadratowej łatwo umiejscowić dom centralnie, zachowując równe odległości od granic, lub przesunąć go bliżej drogi, zyskując większy ogród z tyłu. Natomiast działki o kształcie trójkąta czy trapezu często utrudniają rozplanowanie zabudowy i wymagają indywidualnych projektów.

Minimalna szerokość działki do budowy domu wolnostojącego to około 15–16 metrów. Umożliwia to zachowanie wymaganych odległości budynku od granic oraz zapewnia funkcjonalny układ pomieszczeń. Działki węższe niż 15 metrów zmuszają do projektowania węższych domów, co może ograniczać przestrzeń w środku oraz utrudniać komfortowe korzystanie z ogrodu i zachowanie prywatności.

Warto również podkreślić, że oprócz kształtu istotna jest konfiguracja pionowa działki – nachylenie terenu czy jego ukształtowanie. To jednak temat na osobny wpis. W tym artykule skupiam się wyłącznie na analizie kształtu.

Współczynnik okrągłości - WK1_WO

Pierwszym współczynnikiem kształtu, któremu się przyjrzymy, jest tzw. współczynnik okrągłości. Po raz pierwszy spotkałem się z nim na – niestety już nieistniejącym – blogu rzeczoznawcy majątkowego Tomasza Kotrasińskiego.

$$WK1\_WO=\frac{4\Pi*P}{O^2}$$

gdzie: P - powierzchnia, O - obwód

Idea oraz sam wzór nie są nowe. Funkcjonują od dawna w geologii, sedymentologii, matematyce, biologii, a nawet w polityce – przykładem jest test Polsby–Popper, stosowany do badania manipulacji granicami okręgów wyborczych (tzw. gerrymandering). Prawdopodobnie po raz pierwszy współczynnik okrągłości został opisany w publikacji E. P. Coxa z 1927 roku. Choć artykuł dotyczył oceny ziaren piasku, autor już wtedy podkreślał, że analizy oparte wyłącznie na opisach wizualnych są obarczone dużą subiektywnością, co utrudnia porównania i rzetelną ocenę.

Współczynnik okrągłości interpretuje się jako miarę wskazującą, w jakim stopniu dana figura geometryczna przypomina idealne koło. Dla koła jego wartość wynosi 1, a dla kwadratu około 0,785. Wynika to z założenia, że kształt działki jest tym korzystniejszy, im większą powierzchnię ma przy tym samym obwodzie. Działki o wydłużonych lub skomplikowanych kształtach charakteryzują się większym obwodem, co prowadzi do niższej wartości współczynnika.

Zastosowanie współczynnika w wycenie nieruchomości (w lekko zmodyfikowanej formie) opisano również na stronie wycena.com.pl. Modyfikacja polega na zastąpieniu mnożnika 4 wartością 40, co jest zmianą czysto kosmetyczną, która skaluje wynik do przedziału od 1 do 10.

Największą zaletą współczynnika okrągłości jest prostota jego wykorzystania w programie QGIS. Oprogramowanie posiada dedykowany algorytm „Okrągłość”, który automatycznie dodaje do tabeli atrybutów kolumnę z obliczoną wartością. Nie ma więc potrzeby samodzielnego wyznaczania powierzchni i obwodu – program wykonuje te obliczenia w tle. Alternatywnie można posłużyć się kalkulatorem pól z formułą roundness.

Do wad tego współczynnika należy zaliczyć brak skalowalności oraz nieuwzględnianie minimalnej szerokości działki. Niemniej, w przypadku działek o zbliżonych powierzchniach wskaźnik dostarcza informacji o „jakości” kształtu i pozwala szybko odróżnić działki długie lub nieregularne od tych o formach bardziej korzystnych.

Wskaźnik formy (lub inaczej: współczynnik kwadratowości) - WK2_WK

Współczynnik ten jest wyliczany na portalu e-mapa. Jeżeli zaznaczymy tam działkę i wybierzemy opcję “raport o działce ewidencyjnej”, otrzymamy między innymi wartości dwóch współczynników: Ck (wskaźnik kolistości) czyli znany nam już współczynnik okrągłości oraz Cf (wskaźnik formy). Ten drugi można uznać za współczynnik kwadratowości. Wyliczany jest on przez podzielenie powierzchni nieruchomości przez pole kwadratu o takim samym obwodzie jak analizowana nieruchomość.

$$WK2\_WK=\frac{P}{(O/4)^2}$$

gdzie: P - powierzchnia, O - obwód

Jeżeli działka/nieruchomość ma kształt kwadratu to współczynnik ten osiąga wartość 1. Posiada on te same ograniczenia co współczynnik okrągłości, jednak jego interpretacja jest bardziej intuicyjna – w końcu niewiele osób uważa koło za idealny kształt działki budowlanej.

Aby obliczyć ten współczynnik w QGIS, w pierwszej kolejności należy zastosować algorytm „dodaj atrybuty geometrii”, co pozwoli uzyskać wartości powierzchni i obwodu wszystkich obiektów w warstwie (powstaną dwie nowe kolumny: AREA – powierzchnia i PERIMETER – obwód). Następnie, korzystając z kalkulatora pól, dodajemy nową kolumnę z formułą opisaną powyższym wzorem, gdzie P przyjmie wartość z kolumny AREA, a O – z kolumny PERIMETER.

Można też pominąć użycie algorytmu „dodaj atrybuty geometrii” i bezpośrednio w kalkulatorze pól wprowadzić formułę: $area /( $perimeter /4)^2.

Współczynnik z maksymalną przekątną - WK3_WDmax

Poniższy współczynnik zaproponował rzeczoznawca majątkowy Zbigniew Pałgan. Wzór opiera się na polu powierzchni i maksymalnej przekątnej figury.

$$WK3\_WDmax=\frac{2*P}{d^2}$$

gdzie: P - powierzchnia, d - maksymalna przekątna działki

Zgodnie z matematyczną definicją maksymalna przekątna wielokąta to odcinek łączący dwa niekolejne wierzchołki, który spośród wszystkich przekątnych ma największą długość. W analizie przyjęto założenie autora współczynnika, zgodnie z którym „przekątną konturu” jest po prostu najdłuższy odcinek łączący jego wierzchołki. Takie podejście pozwala obliczyć tę wartość również dla działek trójkątnych, które formalnie nie posiadają przekątnych.

Współczynnik osiąga wartość 1 dla kwadratu. Aby zastosować wzór automatycznie, musimy obliczyć długość najdłuższej przekątnej analizowanego wieloboku. Można to zrobić na dwa sposoby:

za pomocą algorytmu “Polygon Shape Indices”, dostępnego po zainstalowaniu wtyczki Processing Saga NextGen Provider.
przy użyciu poniższego skryptu działającego na warstwie z działkami. W tym celu należy w QGIS otworzyć konsolę Pythona, wybrać opcję Pokaż edytor, wkleić poniższy kod i uruchomić go.

layer = iface.activeLayer()
# Dodaj pole na najdłuższą przekątną
if layer.fields().indexFromName('Dmax') == -1:
    layer.dataProvider().addAttributes([QgsField('Dmax', QVariant.Double)])
    layer.updateFields()
layer.startEditing()
for feature in layer.getFeatures():
    geom = feature.geometry()
    if geom.isMultipart():
        polygons = geom.asMultiPolygon()
    else:
        polygons = [geom.asPolygon()]
 
    max_diag = 0
    for poly in polygons:
        # poly to lista pierścieni, bierzemy pierwszy (zewnętrzny)
        points = poly[0]
        n = len(points)
        # Sprawdzaj odległości między wszystkimi parami wierzchołków
        for i in range(n):
            for j in range(i+1, n):
                dist = points[i].distance(points[j])
                if dist > max_diag:
                    max_diag = dist
   
    # Zapisz wynik do pola 'Dmax'
    layer.changeAttributeValue(feature.id(), layer.fields().indexFromName('Dmax'), max_diag)
layer.commitChanges()

Po uzyskaniu wartości przekątnej można posłużyć się kalkulatorem pól i wpisać formułę: 2*$area /("Dmax"^2).

Wzór realizuje dwa z przyjętych założeń. Należy jednak zauważyć, że nie uwzględnia on skali (podobnie jak wcześniej opisane współczynniki), co sprawia, że kwadraty o różnych wymiarach (np. 10 m i 30 m) otrzymują identyczną wartość współczynnika tj. 1. Zdarza się też, że w przypadku niektórych figur wynik jest nieco wyższy niż 1, choć ich kształt odbiega od kwadratu.

Współczynnik z minimalną szerokością działki - WK4_WminS i WK5_WminS₀

Rzeczoznawca majątkowy Władysław Egner zaproponował rozwiązanie, które eliminuje problem wcześniejszych współczynników kształtu, związany z nieuwzględnianiem minimalnej szerokości działki.

$$WK4\_WminS=8*\frac{P}{O^2}+\frac{1}{2}*\frac{s}{s+5}$$

gdzie: P - powierzchnia, O - obwód, s - minimalna szerokość działki

Autor tak opisuje założenia metody:

“Podstawową ideą konstruowania współczynnika kształtu jest zasada addytywności – ocena kształtu jest sumą oceny „zwartości kształtu” mierzonej ilorazem pola i kwadratu obwodu oraz nieliniową funkcją mierzącą wpływ minimalnej szerokość działki. Na wstępie trzeba zaznaczyć, że pojęcie minimalnej szerokości działki nie jest jednoznaczne. Pojęcie to nie budzi wątpliwości jeśli działka posiada np. prostokątny kształt. Niejednoznaczna jest jednak już sytuacja gdy działka posiada kształt zwężającego się prostokąta, albo kształt zbliżony do trójkąta. Wydaje się, że w takich przypadkach to rzeczoznawca musi podjąć decyzję jaki wymiar zostanie przyjęty jako reprezentatywny w aspekcie minimalnej szerokości”.

Autor proponuje również alternatywny wzór, który dodatkowo uwzględnia szybki spadek wartości działki poniżej określonego progu szerokości – granicy, poniżej której zabudowa staje się bardzo problematyczna, a działka może wręcz utracić budowlany charakter:

$$WK5\_WminS_O=8*\frac{P}{O^2}+\frac{1-e^{-2s}}{4+e^{2s_0}*e^{-2s}}+\frac{1}{4}\frac{s}{s+20}$$

gdzie: P - powierzchnia, O - obwód, s - minimalna szerokość działki, s₀ - szerokość działki dla której współczynnik kształtu winien szybko się zmniejszać, e - liczba Eulera ≈2,718

Dla zainteresowanych zamieszczam (za zgodą autora) 👉plik PDF z szerszym opisem metody oraz przykładami.

Trzeba jednak zaznaczyć, że współczynnik ten nie spełnia wszystkich moich początkowych założeń, ponieważ wymaga ręcznego pomiaru minimalnej szerokości działki (s). Utrudnia to pełną automatyzację obliczeń w programie QGIS. Można jednak znacząco przyspieszyć proces pomiaru – opisałem to w artykule: “QGIS w 5 minut: szybki pomiar szerokości działek budowlanych” lub skorzystać z metody automatyzacji przedstawionej poniżej.

Największy wpisany okrąg

Jeżeli zależy nam na zastosowaniu współczynników z minimalną szerokością działki (WK4_WminS i WK4_WminS₀), możemy skorzystać z obejścia problemu ręcznego pozyskiwania tej wielkości. Polega ono na wyznaczeniu średnicy największego wpisanego okręgu.

W przypadku działek o kształtach zbliżonych do kwadratu lub prostokąta uzyskamy w ten sposób rzeczywistą szerokość nieruchomości. W działkach o bardziej nieregularnych kształtach, gdzie określenie minimalnej szerokości jest trudne (i w dużym stopniu subiektywne), największy wpisany okrąg wyznacza fragment działki o powierzchni, która pozostaje praktycznie użyteczna – np. jako przestrzeń pod zabudowę lub inne formy zagospodarowania – a jego średnica odpowiada szerokości tej działki. Dzięki temu, nawet jeśli nie uzyskamy dokładnej minimalnej szerokości w sensie geometrycznym, wyznaczona wartość lepiej oddaje rzeczywisty potencjał użytkowy nieruchomości.

Aby wyznaczyć promień takiego okręgu, należy zastosować na warstwie z działkami algorytm „Biegun niedostępności” (Pole of Inaccessibility) z ustawionym niskim progiem tolerancji, np. 0,1 m. „Biegun niedostępności” to punkt w obrębie figury, który jest maksymalnie oddalony od jej granicy. Można go traktować jako centrum największego okręgu wpisanego w tę figurę, który nie przecina żadnej jej krawędzi.

💡 Ciekawostka:

Również Ziemia ma swój „biegun niedostępności”, znany jako Punkt Nemo. To miejsce położone najdalej od jakiegokolwiek lądu, w południowej części Oceanu Spokojnego – około 2688 km od najbliższych wysp. Ze względu na izolację jest ono wykorzystywane jako „cmentarzysko” dla zużytych satelitów i statków kosmicznych.

Porównanie współczynników dla przykładowych działek

Poniżej przedstawiono tabelę z obliczeniami podstawowych parametrów działek oraz wartościami współczynników kształtu.

Klucz do współczynników:

WK1_WO – współczynnik okrągłości,
WK2_WK – współczynnik kwadratowości,
WK3_WDmax – współczynnik maksymalnej przekątnej,
WK4_WminS – współczynnik z minimalną szerokością działki,
WK5_WminS₀ – współczynnik z minimalną szerokością działki (z przyjętym parametrem S₀ = 16 m, poniżej którego następuje szybki spadek wartości).

Pomocniczo przedstawiono również największe wpisane okręgi, aby zobrazować minimalną szerokość działek przyjętą do obliczeń. To podejście nieco odbiega od pierwotnego założenia autora współczynników opartych na minimalnej szerokości działki. Dla przykładu, w przypadku trójkątnej działki pierwotna szerokość według artykułu wynosi 0 m, podczas gdy w omawianym rozwiązaniu jest to niemal 24 m – wskazując tym samym fragment działki, który rzeczywiście nadaje się do zagospodarowania w ramach całkowitej powierzchni nieruchomości.

ID	AK_pow_m2	AK_obwód	AK_szerokość	AK_biegun	AK_Dmax	WK1_WO	WK2_WK	WK3_WDmax	WK4_WminS	WK5_WminS₀
ID001	246	77	11,3	5,7	31,7	0,52	0,66	0,49	0,68	0,42
ID002	412	94	16,8	8,4	31,7	0,58	0,74	0,82	0,76	0,72
ID003	336	85	10,4	5,2	34,6	0,58	0,74	0,56	0,71	0,45
ID004	589	101	18,0	9,0	37,6	0,72	0,92	0,83	0,85	0,82
ID005	324	72	18,0	9,0	25,4	0,79	1,00	1,00	0,89	0,87
ID006	288	199	3,0	1,5	97,2	0,09	0,12	0,06	0,25	0,09
ID007	301	70	15,0	7,5	25,1	0,77	0,98	0,96	0,86	0,68
ID008	645	102	23,0	11,5	36,4	0,78	0,99	0,97	0,91	0,88
ID009	639	100	23,4	11,7	36,5	0,81	1,03	0,96	0,93	0,90
ID010	831	140	23,7	11,8	57,9	0,54	0,68	0,50	0,75	0,73
ID011	93	49	4,8	2,4	20,5	0,48	0,61	0,44	0,55	0,36
ID012	177	55	10,0	5,0	20,4	0,72	0,92	0,85	0,79	0,54
ID013	601	105	16,9	8,5	39,4	0,69	0,87	0,77	0,82	0,79
ID014	600	110	15,0	7,5	42,7	0,62	0,79	0,66	0,77	0,59

Należy podkreślić, że powyższe zestawienie stanowi jedynie niewielką próbkę możliwych wyników. Każdy rzeczoznawca samodzielnie decyduje, jak kategoryzować wartości współczynników do odpowiednich klas oceny bądź czy przyjąć wartości liczbowe wprost do obliczeń.

Ciekawą możliwością badań byłoby przeprowadzenie analiz analogicznych do tych opisanych w polecanym na końcu wpisu artykule. Polegałoby to na niezależnej, subiektywnej ocenie wybranej grupy działek przez kilku rzeczoznawców majątkowych i pośredników w obrocie nieruchomościami. Następnie porównanie tych wyników z wartościami różnych współczynników pozwoliłoby na wybór tego, który najlepiej koreluje z ocenami specjalistów działających na rynku nieruchomości.

Podsumowanie

Niniejszy wpis nie wyczerpuje wszystkich możliwych wskaźników oceny kształtu działek, a jedynie przedstawia kilka z nich, które rzeczoznawcy majątkowi – praktycy zaproponowali w celu obiektywizacji oceny nieruchomości. Mimo wskazanych ograniczeń, współczynniki te mogą być z powodzeniem stosowane przy szacowaniu nieruchomości. Kolegom rzeczoznawcom, którzy je opracowali, należy się uznanie za inicjatywę i wkład w rozwój metodyki oraz za podzielenie się tym dorobkiem ze środowiskiem zawodowym.

W literaturze można znaleźć także całe spektrum alternatywnych współczynników oceny figur geometrycznych – opartych na polu powierzchni i obwodzie, odległości punktów wewnątrz figury od jej krawędzi, momentach bezwładności czy bardziej złożonych wskaźnikach wielokryteriowych, takich jak PSI (Parcel Shape Index). Wskaźnik PSI uwzględnia jednocześnie długości boków, kąty, liczbę wierzchołków, zwartość oraz regularność.

Wybór odpowiedniego wskaźnika nie jest jedynie kwestią techniczną, lecz przede wszystkim strategiczną – wymaga precyzyjnego określenia, które cechy kształtu są kluczowe. Zasada „forma podąża za funkcją” dobrze oddaje to podejście. Z czysto matematycznego punktu widzenia koło jest figurą doskonałą – najbardziej zwartą. Wiele współczynników kształtu jest właśnie na tej figurze oparte. Jednak z punktu widzenia procesu budowlanego to kształt fatalny. Zazwyczaj poszukuje się działek zbliżonych do kwadratu lub prostokąta o zbliżonym stosunku boków. Rolnik natomiast, dla efektywnej uprawy, będzie preferował prostokąt o stosunku boków od 2:1 do 4:1.

Osobom zainteresowanym szerszym kontekstem polecam artykuł naukowy “Performance of shape indices and classification schemes for characterising perceptual shape complexity of building footprints in GIS” poświęcony wykorzystaniu wskaźników kształtu w analizie i klasyfikacji form budynków.

Automatyzacja w QGIS: modele, AI i Python bez programowania

Sun, 14 Sep 2025 00:00:00 +0000

Wiemy już, że QGIS to potężne narzędzie w pracy z danymi przestrzennymi. W tym wpisie pokażę, jak można jeszcze bardziej usprawnić codzienne zadania dzięki automatyzacji – czyli szybciej, wygodniej i bez zbędnej powtarzalnej pracy. Do wyboru mamy kilka możliwości:

PRZETWARZANIE WSADOWE

To świetne rozwiązanie, gdy chcemy wiele razy uruchomić jeden algorytm. Algorytmy przetwarzania działają standardowo na pojedynczej warstwie, ale w trybie wsadowym możemy objąć nimi dowolną liczbę warstw.

Po uruchomieniu algorytmu klikamy „wykonaj jako przetwarzanie wsadowe” – i zamiast zwykłego okna pojawia się konfigurator. Tam ustawiamy warstwy, parametry (mogą być różne dla każdej warstwy) i nazwy plików wynikowych. Taki zestaw ustawień można też zapisać, żeby nie powtarzać konfiguracji przy kolejnych uruchomieniach.

Przykład zastosowania znajdziesz we wpisie “Jak zlokalizować działkę gdy zmienił się jej numer”. Na obrazku poniżej widać plik konfiguracyjny, który pozwala QGIS-owi automatycznie pobrać działki z całego województwa (ponad 3,5 mln rekordów). Proces trwa ok. 40 minut, a wykonywany raz na kwartał umożliwia dotarcie do lokalizacji i wyglądu działek które aktualnie mają inne numery lub już nie istnieją wskutek podziału lub scalenia.

MODELARZ GRAFICZNY (KREATOR MODELI)

Przetwarzanie wsadowe automatyzuje jeden algorytm, a modelarz graficzny pozwala połączyć wiele kroków w jeden proces. W prostym schemacie ustawiamy algorytmy, definiujemy przepływ danych i w efekcie mamy własne narzędzie, które można uruchamiać tak jak każde inne w panelu przetwarzania.

Przykład z mojej praktyki: model do pobierania geometrii działek dla bazy transakcji nieruchomości (model ten udostępniam na moich szkoleniach dla rzeczoznawców majątkowych). W oknie modelu wskazujemy trzy warstwy które zawierają– transakcje, klucze TERYT i wszystkie działki z powiatu – a QGIS w kilka sekund wykonuje cały zestaw kroków: tworzy identyfikator działki, wyszukuje odpowiednią geometrię i dołącza ją do tabeli z transakcjami. Czynność, która manualnie zajęłaby czas liczony w minutach, jest wykonywana błyskawicznie. Model bez trudu radzi sobie również z transakcjami złożonymi z wielu działek.

model w akcji: automatyczne przypisywanie geometrii do bazy transakcji

SKRYPTY PYTHONA

QGIS oferuje ponad 300 narzędzi, a z dodatkowymi bibliotekami (GDAL, SAGA i GRASS) nawet ponad tysiąc. To imponująca liczba, ale i tak czasem brakuje algorytmu, który zrobi dokładnie to, czego potrzebujemy. Wtedy wchodzą do gry skrypty Pythona.

Nie trzeba być programistą, żeby je tworzyć – dziś wystarczy opis w języku naturalnym, a AI potrafi wygenerować potrzebny kod. Skrypty można uruchamiać bezpośrednio w edytorze albo dodać jako własne narzędzie w panelu przetwarzania.

Poniżej widać efekt działania skryptu stworzonego przez AI na podstawie moich wytycznych – narzędzie automatycznie opisuje wymiary działek.

inne podejście do automatyzacji: skrypt Pythona zamiast modelu

SZTUCZNA INTELIGENCJA

Istnieją też wtyczki QGIS wykorzystujące AI, głównie oparte na głębokim uczeniu. Ich funkcje to m.in.:

detekcja obiektów (np. budynków, drzew, samochodów),
segmentacja i klasyfikacja pokrycia terenu,
analiza zmian w czasie, prognozowanie zjawisk czy trendów wegetacji.

W pracy rzeczoznawcy te rozwiązania nie mają jeszcze szerokiego zastosowania, ale potencjał jest duży. Być może w bardzo bliskiej przyszłości AI pomoże np. w automatycznej wektoryzacji planów miejscowych i dzięki temu pozyskiwaniu informacji o przeznaczeniu terenu bezpośrednio do bazy transakcji.

PODSUMOWANIE

QGIS daje wiele sposobów na automatyzację pracy – od prostych wsadów, przez modele, po własne skrypty. Można je też łączyć, np. używać skryptu Pythona jako części większego modelu.

Poniżej przykład narzędzia, nad którym ostatnio pracuję. Model do zobiektywizowanej oceny konfiguracji przestrzennej nieruchomości pobiera dane o ukształtowaniu terenu dla wskazanych działek i generuje mapę hipsometryczną. Dodatkowo będzie obliczał:

współczynniki kształtu,
różnicę wysokości pomiędzy najwyższym i najniższym punktem działki,
średnie nachylenie terenu (wraz z oceną tego nachylenia pod względem trudności zabudowy),
ekspozycję (wystawę) nieruchomości.

Model sam pobiera dane o ukształtowaniu terenu z Internetu, więc nie wymaga ręcznego ściągania plików NMT (numeryczny model terenu). W przyszłości planuję udostępnić go komercyjnie, aby był dostępny dla osób, które chciałyby go stosować w pracy zawodowej.

QGIS i sztuka mierzenia

Wed, 30 Jul 2025 00:00:00 +0000

Wycena nieruchomości czasami wymaga szybkich i dokładnych pomiarów. QGIS oferuje w tym zakresie niezwykle przydatne narzędzie pomiarowe, które znajdziesz na pasku narzędzi. Pozwala ono błyskawicznie zmierzyć odległość, powierzchnię, kierunek czy kąt. Jego obsługa jest intuicyjna, ale czy na pewno zawsze uzyskujemy to, czego oczekujemy?

W panelu narzędzia wybieramy typ pomiaru (np. powierzchnia), preferowane jednostki oraz, co kluczowe, rodzaj obliczeń: kartezjańskie czy elipsoidalne. Następnie wystarczy klikać lewym przyciskiem myszy na mapie, wyznaczając kolejne punkty linii (dla odległości) lub wierzchołki wieloboku (dla powierzchni). Pomiar kończymy kliknięciem prawym przyciskiem myszy.

Do tego momentu wszystko wydaje się proste. Jednak potencjalne pułapki, narzędzia pomiarowego QGIS leżą w zrozumieniu wpływu różnych typów obliczeń na dokładność wyników. Kluczowe jest rozróżnienie między obliczeniami ‘kartezjańskimi’ a ’elipsoidalnymi’. Pamiętajmy, że pomiary te są zawsze wykonywane w oparciu o układ współrzędnych projektu, niezależnie od układu współrzędnych mierzonej warstwy.

Kartezjańskie vs. Elipsoidalne: Kluczowe Różnice

Obliczenia Kartezjańskie (planimetryczne/płaskie): Wykonywane są w dwuwymiarowej przestrzeni płaskiej. Traktują powierzchnię Ziemi jako płaszczyznę, a współrzędne punktów jako proste współrzędne X i Y. Idealne dla małych obszarów, gdzie krzywizna Ziemi jest pomijalna.
Obliczenia Elipsoidalne (geodezyjne): Uwzględniają rzeczywistą krzywiznę Ziemi, modelując ją jako elipsoidę obrotową. Są znacznie dokładniejsze dla dużych obszarów, ponieważ odzwierciedlają prawdziwy kształt naszej planety.

Praktyczne Przełożenie na Układy Współrzędnych

Ale jakie to ma przełożenie praktyczne? To zależy od układu współrzędnych, w którym pracujemy.

Jeśli ustawimy układ współrzędnych projektu na PL-2000 (np. strefa 6, EPSG:2177), niezależnie od wyboru metody obliczeń (kartezjańskie czy elipsoidalne), otrzymamy bardzo zbliżone rezultaty. Wynika to z faktu, że zniekształcenia odwzorowawcze w tym układzie są minimalne (od −7,7 cm/km na południku środkowym do ok. +7 cm/km na brzegu strefy). Dla przykładu, mierząc największą działkę w Katowicach (nr 1055/2, obręb Górne Lasy Pszczyńskie) o powierzchni 649,7244 ha (6 497 244 m2), różnica między obiema metodami wyniesie zaledwie 70 m2. Jest to oczywiście różnica pomijalna, jednak jeśli zależy nam na najwyższej precyzji i zgodności z danymi w EGIB, warto wybrać obliczenia kartezjańskie.

Co jednak, gdy zmienimy układ współrzędnych na układ 1992 – jednolity dla całej Polski i często zalecany jako układ projektu przy typowej pracy w QGIS? Tutaj napotkamy na większy błąd, choć wciąż pomijalny w większości praktycznych zastosowań. Zniekształcenia w tym układzie są większe (od −70 cm/km na południku środkowym do ok. +90 cm/km na wschodzie Polski). Dla wspomnianej działki 1055/2 różnica wyniesie już ponad 9000m2, czyli blisko hektar! Choć wydaje się to sporo, w kontekście tak dużej nieruchomości stanowi to niecałe 1,5 promila jej powierzchni. Biorąc pod uwagę inne oszacowania i zaokrąglenia stosowane w pracy rzeczoznawcy (np. poziom trendu, wagi cech), różnica między pomiarami elipsoidalnymi a kartezjańskimi w układzie 1992 jest nadal akceptowalna. Mimo to, w układzie 1992 zalecam używanie pomiarów elipsoidalnych, aby uzyskać wyniki bliższe dokładności układu PL-2000.

Sytuacja zmienia się drastycznie, gdy użyjemy układów globalnych, takich jak EPSG:3857 (domyślny dla OpenStreetMap, Google Maps) lub EPSG:4326 (geograficzny układ współrzędnych, domyślnie w QGIS dla nowego projektu). Tutaj błędy stają się kolosalne! Pomiar rzeczywistego odcinka 1000m w Katowicach, wykonany z użyciem obliczeń kartezjańskich w tych układach, może dać wynik ponad 1500m! To pokazuje, jak krytyczne jest zwracanie uwagi na układ współrzędnych, w którym ustawiony jest projekt.

Podsumowując – dla większości zastosowań przy wycenie nieruchomości w QGIS obowiązuje prosta reguła kciuka: zawsze wykonuj obliczenia elipsoidalne.
Wyjątkiem jest sytuacja, gdy projekt ustawiony jest w jednej ze stref układu PL-2000 i zależy Ci na maksymalnej precyzji zgodnej z danymi EGIB – tylko wtedy możesz sięgnąć po obliczenia kartezjańskie.
Świadomy wybór metody pomiaru to klucz do wiarygodnych wyników w Twojej pracy!

Alternatywne Podejście: Trwałe Pomiary w QGIS

Wbudowane narzędzie pomiarowe jest niezastąpione do szybkich, jednorazowych analiz. Ma jednak swoje ograniczenia: weryfikacja pomiarów wymaga ich ponownego wykonania, a sam wynik jest ‘ulotny’ – nie zapisuje się automatycznie, co zmusza nas do poświęcenia dodatkowego czasu na jego dokumentację. Właśnie dlatego osobiście rekomenduję inne podejście, które sam z powodzeniem stosuję w codziennej pracy.

Rozwiązaniem jest wykorzystanie własnych warstw do zapisu pomiarów. Możesz pobrać plik GeoPackage (tzw. geopaczka), który przygotowałem (link do pobrania: pomiary.gpkg). Plik zawiera dwie gotowe warstwy: ‘pomiary liniowe’ i ‘pomiary powierzchnia’. Po skopiowaniu tego pliku do katalogu z aktualnym projektem i przeciągnięciu pliku do okna mapy w QGIS, należy dodać te warstwy do swojego projektu.

Następnie wybieramy warstwę odpowiednią dla typu pomiaru, który chcemy wykonać (liniową dla odległości, poligonową dla powierzchni). Włączamy tryb edycji warstwy, wybieramy narzędzie ‘Rysuj linię’ (dla pomiarów długości) lub ‘Rysuj poligon’ (dla pomiarów powierzchni) i rysujemy w dokładnie taki sam sposób, jak robiliśmy to wcześniej przy użyciu wbudowanego narzędzia pomiarowego.

Ta metoda ma szereg istotnych zalet w porównaniu do wbudowanego narzędzia pomiarowego:

Trwałość wyników: Pomiary są zapisywane jako obiekty w warstwie, co oznacza, że nie są ‘ulotne’ i masz do nich dostęp w każdej chwili.
Wizualna weryfikacja: Możesz zawsze wizualnie sprawdzić poprawność wykonanych pomiarów, np. czy punkty pomiarowe zostały precyzyjnie dociągnięte do odpowiednich miejsc.
Łatwość edycji: W przypadku potrzeby korekty, nie musisz wykonywać pomiaru od nowa. Wystarczy edytować konkretne wierzchołki istniejącej figury lub linii, co jest nieocenione przy skomplikowanych, wielobocznych kształtach.

Co więcej, ta metoda rozwiązuje problem zależności od układu współrzędnych projektu, o którym pisałem wcześniej! Pomiary w tych warstwach są domyślnie wykonywane z użyciem obliczeń elipsoidalnych i, co najważniejsze, ich dokładność zależy od układu współrzędnych samej warstwy (domyślnie układ 1992, czyli EPSG:2180), a nie od układu współrzędnych projektu. Oznacza to, że nawet jeśli Twój projekt jest ustawiony na jeden z układów globalnych (np. EPSG:3857 lub EPSG:4326), Twoje pomiary w tych warstwach będą nadal precyzyjne i zgodne z rzeczywistością. To ogromna zaleta, która zapewnia spójność i wiarygodność wyników, niezależnie od ustawień projektu!