Теоретичний матеріал та презентація до Теми №1

1. Поняття та еволюція баз даних

База даних (БД) є впорядкованою сукупністю логічно взаємопов’язаних даних, що відображають стан об'єктів реального світу та їхні взаємозв'язки в певній предметній області [8]. У геоінформаційних системах (ГІС) база даних виконує роль інформаційного ядра, яке інтегрує як просторовий позиціонувальний складник (координати, топологія), так і атрибутивний (агрохімічні, фізико-механічні характеристики ґрунтів, кадастрові номери, показники деградації) [3].

Управління цими масивами здійснюється за допомогою Систем Управління Базами Даних (СУБД) - комплексу програмних і лінгвістичних засобів загального або спеціального призначення, що забезпечують створення, ведення та спільне використання БД багаторазовими користувачами [30].

Еволюційні етапи розвитку систем управління даними:

Файлові системи (1950–1960-ті рр.): Початковий етап, що характеризувався жорсткою прив'язкою даних до конкретних прикладних програм. Головними недоліками були дублювання інформації (надмірність), відсутність цілісності даних та складність складних вибірок. [14].

Ієрархічна та мережева моделі (1960–1970-ті рр.): Поява перших СУБД (наприклад, IMS від IBM). Дані подавалися у вигляді дерев (ієрархічна) або графів (мережева). Зв'язки між записами кодувалися фізичними вказівниками, що ускладнювало модифікацію структури БД при зміні вимог завдання [14].

Реляційна модель (з 1970-х рр.): Запропонована Едгаром Коддом модель, базована на математичній теорії множин та предикатів першого порядку. Дані подаються у вигляді двовимірних таблиць (відношень). Для маніпулювання даними розроблено декларативну мову SQL (Structured Query Language) [14].

Об’єктно-орієнтовані та об’єктно-реляційні СУБД (1990-ті рр.): Поява можливості зберігати складні типи даних та методи їх обробки безпосередньо в базі. Саме Об'єктно-Реляційні СУБД (ОРСУБД), такі як PostgreSQL або Oracle Spatial, стали базисом для сучасних просторових баз даних за рахунок підтримки розширюваних типів даних (Abstract Data Types, ADT) [14].

NoSQL та розподілені просторові бази даних (з 2010-х рр.): Орієнтовані на обробку "великих даних" (Big Data) та хмарні обчислення. Включають документо-орієнтовані (MongoDB), ключові (Redis), графічні (Neo4j) та просторово-розподілені бази даних (Apache Sedonas, Rasdaman для растрових кубів даних) [24].

З погляду геоінформаційного моніторингу ґрунтів, еволюція баз даних дозволила перейти від простих таблиць агрохімічного обстеження окремих полів до складних розподілених баз геоданих національного та регіонального рівнів. Сучасна просторова БД зберігає не просто векторну графіку, а просторові об'єкти (Spatial Features), що володіють геометрією, атрибутами, топологічними зв'язками та координатною системою відліку (CRS) [27, 7].

2. Основні моделі та технології баз даних

Сучасні геоінформаційні системи спираються на різноманітні концептуальні та технологічні моделі баз даних, кожна з яких визначає способи структуризації, зберігання, індексування та маніпулювання просторово-координованою інформацією [12]. Вибір конкретної моделі даних та архітектури СУБД визначає продуктивність всієї геоінформаційної системи, особливо під час обробки масштабних масивів агрохімічного моніторингу та кадастрового обліку ґрунтів [7].

Спосіб обробки цифрових даних за допомогою комп’ютерів називається системою управління базами даних (СУБД). Ці системи з часом еволюціонували. Найперші СУБД мали навігаційний характер — від систем із плоскими файлами до ієрархічних систем. Це були відносно прості системи з обмеженою гнучкістю. Однак саме ці початкові системи заклали основу для розробки реляційних систем управління базами даних (РСУБД), а згодом — і більш складних та ефективних систем.

Ієрархічна модель. Ієрархічна модель бази даних — це модель даних, у якій дані організовані у вигляді деревоподібної структури (рис. 2). Така структура дозволяє подавати інформацію за допомогою зв’язків типу «батьківський елемент — дочірній елемент»: кожен батьківський елемент може мати багато дочірніх, тоді як кожен дочірній елемент має лише один батьківський (такий зв’язок також називають зв’язком «один до багатьох»). Усі атрибути конкретного запису перелічуються в межах певного типу сутності.

У базі даних тип сутності є еквівалентом таблиці. Кожен окремий запис представлено у вигляді рядка, а кожен атрибут — у вигляді стовпця. Типи сутностей пов’язані між собою за допомогою відображень 1:N, які також називають зв’язками «один до багатьох». Ця модель вважається першою моделлю баз даних; її розробила компанія IBM у 1960-х роках [14].

Мережева модель. Мережева модель — це модель бази даних, створена як гнучкий спосіб представлення об’єктів та зв’язків між ними (рис. 3). Її відмінною рисою є те, що схема — якщо розглядати її як граф, де типи об’єктів є вузлами, а типи зв’язків — дугами, — не обмежується структурою ієрархії чи ґратки [14].

Реляційна система управління базами даних (РСУБД) дозволяє користувачам зберігати дані в кількох таблицях, де пов’язані елементи даних можуть взаємодіяти між собою через певні зв’язки. Кожен зв’язок має унікальну назву, за якою він ідентифікується в базі даних. Кожна таблиця складається з рядків, що називаються «записами», і стовпців, що називаються «полями». Кожне поле може містити дані лише певного типу, наприклад: текст, ціле число, десятковий дріб, дата тощо. Тип даних поля визначається під час його створення. Кожен запис у таблиці має унікальний ідентифікатор, який може вказувати на зв’язок між таблицями. Таблиці можна об’єднувати, якщо вони мають спільне поле. РСУБД забезпечує гнучкість у створенні численних зв’язків між даними, що підвищує ефективність їх пошуку та отримання. Система гарантує атомарність, узгодженість, ізольованість і довговічність (ACID) під час зберігання та отримання даних. Вона здатна зберігати великі обсяги інформації. Якщо застарілі системи управління базами даних часто дозволяли працювати з ними лише одному користувачеві одночасно, то РСУБД підтримують одночасну роботу багатьох користувачів. Проте можуть виникати конфлікти, коли кілька користувачів намагаються змінити одні й ті самі дані одночасно. Цьому можна запобігти за допомогою механізмів блокування та управління паралельним доступом. Блокування унеможливлює доступ інших користувачів до даних під час їх оновлення, тоді як управління паралельним доступом координує дії багатьох користувачів, що надсилають запити одночасно. Реляційні бази даних з’явилися в 1970-х роках і досі залишаються найпоширенішими у світі. Попри те, що вони стають складнішими, вони водночас стають кращими, швидшими та потужнішими  [28].

Об’єктно-орієнтована система управління базами даних (ООСУБД)

Об’єктно-орієнтована система управління базами даних (ООСУБД) — це система управління базами даних, у якій дані представлено у вигляді об’єктів. Ці об’єкти успадковують властивості класів та підкласів. Об'єктно-орієнтовані мови програмування, такі як Python і Java, можуть використовуватися для створення об'єктів баз даних та/або зберігання даних у вигляді об'єктів. Наразі ще не існує загальноприйнятих стандартів розробки об'єктно-орієнтованих систем управління базами даних (OODBMS). Однак такі системи повинні бути сумісними з сучасними об'єктно-орієнтованими мовами програмування. OODBMS краще підходять для зберігання даних зі складними взаємозв'язками та роботи з ними, забезпечуючи прості рішення для вилучення й обробки даних, що охоплюють кілька таблиць [28].

Хмарна система управління базами даних (CDBMS)/ Обсяги цифрових даних у всьому світі зростають експоненціально, і їх інтеграція та управління стають дедалі складнішими, якщо вони розміщуються на локальних серверах у різних місцях. Крім того, обробка даних у реальному часі стає новим стандартом для багатьох застосунків, оскільки затримки в передачі даних можуть призвести до катастрофічних наслідків. Кібербезпека — ще одне критично важливе питання, з яким стикаються компанії при розміщенні даних на власних серверах. Використання хмарних технологій для розміщення даних може допомогти вирішити деякі з цих проблем. Хмарні бази даних забезпечують гнучкість, надійність, безпеку, економічну ефективність та низку інших переваг [28].

Хмарна система управління базами даних розміщується на віртуальній машині та пропонує всі переваги хмарних обчислень, такі як швидкість, масштабованість, гнучкість і зниження витрат, завдяки розгортанню, наданню та доступу через хмару. Такі бази даних подібні до традиційних локальних систем і можуть використовуватися для зберігання структурованих, неструктурованих і напівструктурованих даних. Хмарна база даних може розміщуватися в публічному або гібридному хмарному середовищі. Вона може керуватися безпосередньо компанією-власником або ж зовнішнім постачальником у рамках моделі «база даних як послуга» (DBaaS). Обидва підходи мають свої переваги та недоліки. На хмарних платформах можуть розміщуватися як реляційні, так і нереляційні бази даних [28].

NoSQL та документоорієнтовані моделі: Використовуються для обробки неструктурованих або напівструктурованих геоданих великого обсягу (Big Spatial Data). Популярні сутності зберігають дані у формі JSON/GeoJSON документів (MongoDB, CouchDB) або графічних структур (Neo4j для топологічних мереж) [12].

Сховища даних. Обсяги даних у всьому світі стрімко зростають, сягаючи петабайтів. Виконання аналітики таких великих масивів даних (Big Data) за допомогою стандартних методів роботи з базами даних є складним або й неможливим завданням. Так само отримання даних із різних джерел завжди було викликом для пересічних користувачів. Сховище даних пропонує ефективне вирішення цієї проблеми, дозволяючи користувачам збирати дані з різних джерел в єдине, централізоване та узгоджене сховище. Сховище даних підтримує аналіз даних, інтелектуальний аналіз даних (data mining), технології штучного інтелекту (ШІ) та машинного навчання. Воно також надає організації можливість проводити потужну аналітику великих даних [28].

Концепція сховищ даних не є новою: вона існує з 1980-х років як складова рішень для бізнес-аналітики (BI) і спочатку реалізовувалася на локальних серверах (on-premises). Такі сховища були призначені для вилучення даних із різних джерел, їх очищення та підготовки, а також для завантаження й підтримки в традиційних реляційних базах даних. Однак розвиток інтернет-технологій уможливив їх розміщення в хмарі. Популярність хмарних сховищ даних стрімко зростає, оскільки дедалі більше компаній використовують хмарні сервіси, щоб зменшити залежність від власних локальних центрів обробки даних. Сучасні сховища даних також оснащуються інструментами для аналітики, візуалізації та представлення даних. До основних категорій сховищ даних належать корпоративні сховища даних (EDW), сховища оперативних даних (ODS) та вітрини даних (DM).

Просторова база даних – це база даних, що містить просторовий компонент (часто у вигляді координат), пов’язаний з атрибутами даних, для визначення місцезнаходження та геометричних характеристик об’єкта. Вона дозволяє зберігати в системі як векторні (точки, лінії, полігони), так і растрові дані. Просторові бази даних спеціально розроблені для представлення просторових даних та їх обробки в межах просторової системи координат. Оскільки для визначення місцезнаходження об’єкта завжди потрібна система просторової прив’язки, така база даних повинна підтримувати перетворення систем координат. Просторові бази даних зазвичай складніші за традиційні, оскільки взаємозв’язки між просторовими об’єктами часто є неявними. Вони дозволяють моделювати такі відношення, як «позаду», «перетин», «накладання» тощо. Така база даних є фундаментальним елементом будь-якої геоінформаційної системи (ГІС), забезпечуючи виконання низки просторових операцій, недоступних у традиційних базах даних. Консорціум Open Geospatial Consortium (OGC) [27] розробив стандарти для додавання просторових функціональних можливостей до просторових баз даних. Розробка просторових баз даних уможливлює впровадження нового набору функцій в інструкції «SELECT» мов запитів до даних (наприклад, SQL). У просторових базах даних використовується система просторового індексування, спеціально розроблена для багатовимірного впорядкування просторових даних із одночасним встановленням геометричних взаємозв’язків між різними об’єктами та елементами [28].

3. Інтеграція баз даних у геоінформаційні системи

Інтеграція баз даних (БД) та систем управління базами даних (СУБД) із геоінформаційними системами (ГІС) є фундаментальною передумовою для побудови сучасних просторово-аналітичних комплексів. Основна мета такої інтеграції полягає в забезпеченні єдиного, узгодженого та високопродуктивного середовища для збереження, маніпулювання, аналізу та візуалізації як просторової (геометричної та топологічної) складової геоданих, так і складних масивів атрибутивної (семантичної) інформації [12].

В історичному та технологічному аспекті формування архітектури зв'язку між ГІС та СУБД проходило декілька етапів — від розширення файлових систем до створення повнофункціональних об'єктно-реляційних баз геоданих та хмарних розподілених середовищ [8].

Концептуальні архітектури інтеграції СУБД та ГІС

Виділяють три базові архітектурні моделі, які визначають спосіб взаємодії між геоінформаційним ПЗ та базах даних:

Гібридна (подвійна) архітектура (Dual / Hybrid Architecture) У гібридній архітектурі, характерній для ранніх ГІС-пакетів (наприклад, ранні версії ArcView, PC ARC/INFO), просторова та атрибутивна інформація розділені на системному рівні: Просторові дані (координати точок, вершин полігонів, топологія) зберігаються у спеціалізованих бінарних файлах розробника ГІС (наприклад, ESRI Coverage або Shapefile). Атрибутивні дані зберігаються у зовнішній реляційній СУБД або таблицях dBase (.dbf). Зв'язок між геометрією та атрибутами здійснюється через унікальний системний ідентифікатор об'єкта (Feature ID / FID).

Повноінтегрована (об'єктно-реляційна) архітектура (Integrated Spatial DBMS Architecture) Сучасний галузевий стандарт, за якого і геометрія, і атрибути зберігаються в єдиному просторі реляційної або об'єктно-реляційної СУБД (PostgreSQL/PostGIS, Oracle Spatial, Microsoft SQL Server) [29]. Геометрія подається як спеціальний тип даних (ST_Geometry, GEOMETRY, GEOGRAPHY) відповідно до специфікацій OGC Simple Feature Access [27].

Розподілена та сервіс-орієнтована архітектура (Service-Oriented Architecture, SOA). Базується на використанні веб-протоколів та специфікацій Open Geospatial Consortium (OGC)  для передачі просторових даних між СУБД та ГІС-клієнтами через проміжне програмне забезпечення (Middleware) — картографічні сервери (GeoServer, MapServer, ArcGIS Enterprise): WMS (Web Map Service): Передача растрового зображення картографічного шару, згенерованого на сервері на основі даних із СУБД. WFS / WFS-T (Web Feature Service / Transactional): Передача безпосередньо векторних об'єктів (у форматі GML або GeoJSON) із можливістю їх редагування на клієнті та зворотної транзакції у СУБД. OGC API - Features: Сучасний RESTful-стандарт, що замінює класичний WFS для роботи з просторовими даними через JSON/GeoJSON.

Концептуальні архітектури інтеграції СУБД та ГІС

Виділяють три базові архітектурні моделі, які визначають спосіб взаємодії між геоінформаційним ПЗ та базах даних:

Порівняльна характеристика моделей інтеграції

4. Роль баз даних у моніторингу та охороні ґрунтів

Бази даних є інформаційно-технологічним фундаментом сучасних систем державного й виробничого моніторингу та охорони ґрунтів. Специфіка ґрунтово-географічної інформації полягає в її високій просторовій гетерогенності, тривимірності (врахування глибини ґрунтового профілю) та часовій динамічності (зміна агрохімічних показників під впливом антропогенного навантаження й кліматичних чинників) [12, 7, 8].

Застосування просторових СУБД дозволяє перейти від статичного обліку якісного стану земель до динамічного просторово-часового моделювання деградаційних процесів, прогнозування ризиків та прийняття обґрунтованих управлінських рішень у сфері землекористування [19].

Основні завдання баз даних у ґрунтознавстві та охороні земель

-     Накопичення та просторова прив'язка ретроспективних даних: Збереження часових серій спостережень (вміст гумусу, рухомого фосфору, калію, рівень pH, засолення) для аналізу динаміки родючості протягом десятиліть.

-     Інтеграція векторних та растрових моделей: Поєднання просторових меж контурів ґрунтових відмін (вектор) із растровими даними вегетаційних індексів (NDVI, EVI з Sentinel-2/Landsat) та ЦМР (DEM) для моделювання ерозійних процесів.

-     Оцінка та моніторинг деградаційних процесів: Автоматизований розрахунок ризиків водної та вітрової ерозії, забруднення важкими металами та пестицидами.

-     Підтримка рішень у точному землеробстві (Precision Agriculture): Збереження картограм агрохімічного обстеження для диференційованого внесення добрив та вапнування.

-     Облік порушених та забруднених земель: Ведення баз даних технологічно забруднених, деградованих та потенційно небезпечних територій (включаючи зони військового впливу та механічного пошкодження ґрунтового покриву).

o   Інтеграція баз даних із ГІС дає змогу створювати карти ризиків, моделі просторової агрегації та інші інструменти для прийняття рішень у сфері охорони ґрунтів

Просторово-часова (4D) специфіка ґрунтових даних

Особливістю баз даних у ґрунтознавстві є необхідність оперування чотиривимірними координатами  (X, Y, Z, T) :

-       Площинні координати  (X, Y) : Визначають просторове положення об'єкта у вибраній системі координат.

-       Вертикальна координата  (Z) : Відповідає глибині відбору проби або межам генетичних ґрунтових горизонтів ( H, HP, Ph, P ).

-       Часова координата  (T) : Фіксує дату та час проведення агрохімічного обстеження, що дозволяє формувати хронологічні зрізи (Time-Series Data) для аналізу трендів дегуміфікації або закислення [19].

5. Контрольні питання

• Що таке база даних і які основні функції вона виконує?

• Які етапи розвитку баз даних можна виділити від файлових систем до сучасних моделей?

• У чому полягає сутність реляційної моделі баз даних?

• Які переваги мають об’єктно-орієнтовані та документно-орієнтовані бази даних?

• Назвіть приклади сучасних систем управління базами даних (СУБД), що застосовуються у ГІС.

• Які особливості має використання просторових розширень у СУБД (наприклад, PostGIS)?

• Як інтеграція баз даних у ГІС сприяє аналізу просторових процесів?

• Які можливості надає використання баз даних для моніторингу стану ґрунтів?

• У чому полягає роль баз даних у створенні карт ризиків та моделей деградації ґрунтів?

• Чому бази даних вважаються стратегічним ресурсом у сфері охорони ґрунтів та екологічної безпеки?

6. Презентація

Презентація (завантажити тут)

Список джерел

1.             Добряк Д. С., Канаш О. П., Бабміндра Д. І., Розумний В. М. Класифікація та типізація земель як наукова основа їх раціонального використання й охорони. Київ: Урожай, 2019. 208 с.

2.             ДСТУ ISO 19101:2009. Географічна інформація. Еталонна модель. Київ: Держспоживстандарт України, 2012. 44 с.

3.             Зацерковний В. І., Бурачек В. Г., Железняк О. О., Терещенко А. О. Геоінформаційні системи і бази даних: монографія. Ніжин: НДУ ім. М. Гоголя, 2014. 492 с.

4.             Карпінський Ю. О. та ін. Основи створення інтероперабельних геопросторових даних. Київ: КНУБА, 2023. 302 с.

5.  Кузьменко І. С., Москаленко А. А., Заячківська Б. Б. Проєктування бази геопросторових даних для інформаційного забезпечення систем органічного землеробства. Агроекологічний журнал. 2026. № 1. DOI: https://doi.org/10.33730/2077-4893.1.2026.354126

6.  Основи геоінформаційних систем і бази даних : підручник /  О. Є. Поморцева ; Харків. нац. ун-т міськ. гос-ва ім. О. М. Бекетова. – Харків : ХНУМГ ім. О. М . Бекетова, 2022. – 346 с.

7.  Світличний О.О. Основи геоінформатики: Навчальний посібник /О.О.Світличний, С.В. Плотницький /За заг. ред. О.О. Світличного. Суми: ВТД«Університетська книга», 2006. 295 с.

8.  Четверіков Б. В. Геоінформаційні системи і бази даних в агроінженерії: навч. посібник. Львів: Видавництво Львівської політехніки, 2024. 196 с.

9.  Advanced Navigation. (n.d.). Vector data. Advanced Navigation. Retrieved September 20, 2026, from https://www.advancednavigation.com/glossary/vector-data/

10.         Awati, R., Zola, A., & Fontecchio, M. (2025, June 12). What is spatial data? TechTarget. https://www.techtarget.com/data-technologies/definition/spatial-data

11.         Codd E. F. A Relational Model of Data for Large Shared Data Banks. Communications of the ACM. 1970. Vol. 13, No. 6. P. 377–387.

12.         DeMers M. N. Fundamentals of Geographic Information Systems. 4th ed. Wiley, 2009. 480 p.

13.         Desmet, P.J.J. and Govers, G. (1996) A GIS Procedure for Automatically Calculating the USLE LS Factor on Topographically Complex Landscape Units. Journal of Soil and Water Conservation, 51, 427-433.

14.         Elmasri R., Navathe S. B. Fundamentals of Database Systems. 7th ed. Pearson, 2015. 1280 p.

15.         ESRI. What is GIS? URL: https://www.esri.com/en-us/what-is-gis/overview

16.         European Commission. EU Soil Strategy for 2030: Reaping the benefits of healthy soils for people, food, nature and climate. Brussels: EC, 2021. 26 p. URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=celex:52021DC0699

17.         FAO. Global Soil Partnership: GloSIS Data Exchange Specifications. Rome: FAO, 2022. 88 p.

18.         FAO. Soil Data and Information Systems for Sustainable Soil Management. Rome: FAO, 2021. 96 p.

19.         FAO. State of the Art Report on Global Soil Spatial Information. Rome: 19. 142 p.

20.         Forrest, M. (2021, December 20). What is spatial SQL? Matt Forrest. https://forrest.nyc/what-is-spatial-sql/

21.         Getis A., Ord J. K. The Analysis of Spatial Association by Use of Distance Statistics. Geographical Analysis. 2010. Vol. 24 (3). P. 189–206. DOI:10.1111/j.1538-4632.1992.tb00261.x

22.         IDERA. (2025, June 5). What is conceptual data modeling? ER/Studio. https://erstudio.com/blog/conceptual-data-modeling/

23.         IDERA. (2024, June 3). What is logical data modeling? ER/Studio. https://erstudio.com/blog/logical-data-modeling/

24.         Kaldate, S. (2024, May 23). Evolution of Database Management System (DBMS). LinkedIn. https://ua.linkedin.com/pulse/evolution-database-management-system-dbms-soham-kaldate-k2kic

25.         Moskalenko A. GIS support of forming spatial decisions on land use. Mechanization in Agriculture & Conserving of the Resources. 2021. Vol. 67, No. 3. P. 79–81.

26.         Moskalenko A., Andriianov V. Development of a geospatial database for planning land protection measures against wind erosion. Zemleustriy, kadastr i monitorynh zemelʹ. 2024. No. 4. P. 107–113. DOI: https://doi.org/10.31548/zemleustriy2024.04.010

27.         Open Geospatial Consortium (OGC). OpenGIS Implementation Standard for Geographic information - Simple feature access - Part 1: Common architecture. OGC 06-103r4, 2011.

28.          Polytechnic. (2025). Chapter 5: Databases and queries. In An introduction to GIS. Saskatchewan Open Education Resources (SaskOER). https://www.saskoer.ca/slicegis/part/chapter-5-databases-and-queries/

29.         PostGIS Documentation Team. PostGIS Manual (Versions 3.4 / 3.5). OSGeo. URL: https://postgis.net/documentation/

30.         Saskatchewan Polytechnic. (2025). Chapter 4: Spatial data models. In An Introduction to GIS. https://www.saskoer.ca/slicegis/part/chapter-4-spatial-data-models

31.         Spatial Eye. (n.d.). What is attribute data in GIS? https://spatial-eye.com/blog/spatial-analysis/what-is-attribute-data-in-gis/

32.         Tool reference (n.d.) ArcGIS https://desktop.arcgis.com/en/arcmap/latest/tools/main/a-quick-tour-of-geoprocessing-tool-references.htm

USGS (n.d.) 3D Elevation Program https://www.usgs.gov/3d-elevation-program?