Uutta tietoa ja ymmärrystä paikkatietokyselyillä ja -analyyseillä

Geoinformatiikan menetelmät 2 -kurssin ensimmäisen viikon luennolla sekä harjoituksissa tutustuttiin vektorimuotoisen paikkatietoaineiston kyselytyökaluihin sekä paikkatietoanalyyseihin. Nämä ovat keskeisiä toimintoja paikkatietoaineiston käsittelyssä, ja niiden avulla suurista paikkatietoaineistoista ja ominaisuustietotauluista on mahdollista tuottaa uutta tietoa ja ymmärrystä ilmiöiden alueellisesta jakautumisesta ja vaihtelusta. Paikkatietojärjestelmien vahvuus onkin siinä, että kyselyjen ja analyysien tuloksia on mahdollista tarkastella järjestelmässä sekä visuaalisesti kartalla että attribuuttitauluna. (Muukkonen, 2019.)

Paikkatietokyselyillä uutta tietoa

Paikkatietokysely on yksi paikkatietojärjestelmien yleisimmistä toiminnoista, ja se voi kohdistua joko paikkatietoaineiston sijainti- tai ominaisuustietoihin tai molempiin. Paikkatietokysely on aineiston rajaamiseen soveltuva työkalu, joka ei muuta itse tiedon rakennetta vaan sen avulla voidaan luoda laajemmista aineistoista uusia suppeampia osa-aineistoja. (Blomqvist & Johansson, 2004, s. 42–46; Muukkonen, 2019.)

Paikkatietokyselyn valintalausekkeen muodostamisessa voidaan käyttää erilaisia paikkatietojärjestelmään koodattuja hakupredikaatteja, jotka määrittelevät, mitä arvoja toiminto palauttaa. Hakupredikaatit voivat kohdistua joko tarkasteltavan kohteen sisäisiin arvoihin tai kohteidenvälisen topologian vertailuarvoihin. Kyselytyökalulle annetut hakuehdot suodattavat tietokannasta kaikki kohteet, jotka täyttävät annetut ehdot ja tuo kohteet tarkasteltavaksi. Kyselyn avulla suodatetut kohteet on myös mahdollista tallentaa edelleen uudeksi tietokannaksi, jonka kanssa jatkaa työskentelyä. (Holopainen ym., 2015, s. 59.)

Ensimmäisessä harjoituksessa tehtiin kohteen sisäiseen ominaisuustietoon perustuva kysely, jossa haettiin rautateitä koskevasta tietokannasta yhdestä sarakekentästä vain tietyn arvon omaavat tietueet. Kyselyn RAILWAY is equal to station -hakulausekkeen avulla kartalle haettiin näkyviin vain todelliset rautatieasemat, ja piilotettiin kohteet, jotka eivät tätä kriteeriä täyttäneet kuten rautatien tasoylikäytävät ja seisakkeet (kuva 1).

Kuva 1. Harjoituksessa haluttiin rajata paljon ominaisuustietoa sisältävästä tietotaulusta kartalle näkyviin vain tietyt hakuehdot täyttävät kohteet. Kartalla näkyvissä ominaisuustietotaulusta haetut rautatieasemet.

Ominaisuustietojen lisäksi paikkatietokysely voi kohdistua myös aineiston sijaintitietoihin. Sijaintietoihin perustuvissa hakulausekkeissa on käytettävissä karttakohteiden keskinäiseen suhteeseen perustuvia operaatioita, kuten sijaitseeko kohde toisen sisällä, sivuavatko kohteet tai leikkaavatko ne toisiaan tai ovatko kohteet täysin erillään toisistaan. (Blomqvist & Johansson, 2004, s. 42–46.) Kyseisessä harjoituksessa haluttiin rajata Utahin osavaltion erämaa-alueista vain ne alueet, jotka sijaitsivat San Rafaelin aavikon alueella. Tätä varten aineistoon oli lisätty ns. keinotekoinen polygoni, joka kuvasi tarkasteluun haluttua aluetta. Näille kahdelle karttatasolle tehtiin spatiaalinen operaatio, joka ilmaisee kohteiden topologisia suhteita (Geoinformatiikan sanasto, 2018, s.71). Karttatasojen välistä topologiaa eli kohteiden keskinäistä sijainnillista suhdetta hyödyntämällä aineistosta saadaan haettua vain rajatulla alueella sijaitsevat kohteet (kuva 2). (Holopainen ym., 2015, s. 54.)

Kuva 2. Kahden polygonimuotoisen karttakohteen keskinäistä suhdetta vertaamalla kartalle saatiin näkyviin Utahin osavaltion erämaa-alueista vain ne alueet, jotka sijaitsivat San Rafaelin aavikon alueella.

Paikkatietojärjestelmissä on myös useita valmiit rutiineja, joiden avulla voidaan laskea kartan alueiden ja luokkien pinta-aloja sekä pisteiden välisiä etäisyyksiä. Lisäksi vektoripohjaisissa järjestelmissä voidaan laskea viivojen pituuksia. (Holopainen ym., 2015, s. 53.) Kyselyjen tuloksia on myös mahdollista järjestellä ominaisuustietotaulun sisällä esimerkiksi aakkosjärjestykseen tai suuruusjärjestykseen sekä laskea sarakekohtaisia summia ja keskiarvoja (Blomqvist & Johansson, 2004, s. 42).

Koska paikkatietojärjestelmien päätehtävä on helpottaa alueellisten ilmiöiden tarkastelua, nämä kysely- ja analyysityökalut ovat keskeisiä. Itsestään tietysti paikkatietojärjestelmä ja sen työkalut eivät analyysejä pysty tekemään, vaan olennaiset osat kokonaisuutta ovat itse käyttäjät ja hyödynnettävät paikkatietoaineistot. Kaikkien paikkatietoaineistojen hallinta, kerääminen, käsittely, kyselyt ja analyysit lähtevät liikkeelle jostain käyttäjän asettamasta spatiaalisesta kysymyksestä, johon halutaan löytää vastaus. Vasta spatiaalisen ongelman ja kysymyksen asettamisen jälkeen, voidaan päättää, mitä paikkatietokyselyitä ja -analyysejä tarvitaan.

Läheisyysanalyysi ja vyöhykkeen laskenta

Harjoituskerran kolmannessa tehtävässä siirryttiin läheisyysanalyyseihin. Näitä analyysejä voidaan hyödyntää, kun halutaan vastata esimerkiksi kysymykseen, mikä on lähellä tai mikä on läheisin. Läheisyysanalyysissä käytettäviä paikkatietoanalyysimenetelmiä ovat esimerkiksi etäisyysvyöhykkeen laskenta sekä lähimmän naapurin haku (Geoinformatiikan sanasto, 2018, s. 96).

Kolmannessa harjoituksessa käytettiin pisteiden välisiä etäisyyksiä laskevaa paikkatietoanalyysimenetelmää. Lähimmän naapurin haussa käytetään spatiaalista operaatiota etäisyys (distance), jonka tuloksena on kohdejoukon pisteistä se, joka on lähimpänä annettua pistettä. (Geoinformatiikan sanasto, 2018, s. 100.) Harjoituksessa tällä operaatiolla saatiin määriteltyä, mikä oli kunkin kuntosalijäsenen lähin kuntosali ja minkä etäisyyden päässä lähin kuntosali sijaitsee. Operaation tuloksena syntyneet etäisyystiedot periytyivät kuntosaliasiakkaita koskevaan ominaisuustietotauluun.

Kuva 3. Kuvassa pisteet edustavat yksittäistä kuntosalijäsentä ja tähdet kuntosalien sijaintia. Kunkin kuntosalin ympärille on tehty säteeltään 5 mailin buffer-vyöhyke, jonka avulla pystyttiin arvioimaan kuntosalien vaikutusalueen jättämää katvealuetta.

Harjoituksessa laskettiin myös kunkin kuntosalin ympärille 5 mailin etäisyys- eli puskurivyöhyke. Vyöhykkeen laskennassa käytetään spatiaalista operaatiota (buffer), jonka tuloksena syntyy vyöhyke, jonka reuna ulottuu määrätylle etäisyydelle tarkasteltavasta kohteesta tai kohdejoukosta (Geoinformatiikan sanasto, 2018, s. 100–101).  Etäisyysvyöhyke voidaan määritellä kiinteäksi tai se voi vaihdella kohteen ominaisuustiedon, kuten koon, mukaan. (Holopainen ym., 2015, s. 64).

Tämän paikkatietoanalyysimenetelmän seurauksena syntyy uusi vyöhykepolygoni, jota voidaan hyödyntää jatkoanalyyseissä tarkasteltaessa esimerkiksi halutun levyisellä vaikutusaluevyöhykkeellä sijaitsevia kohteita toisilta karttatasoilta. Harjoituksessa puskurivyöhykettä hyödynnettiin spatiaalisessa operaatiossa, jossa vyöhykkeen avulla määriteltiin ne kuntosalikävijät, jotka sijaitsivat määritellyn vyöhykkeen ulkopuolella (kuva 3). Tätä tieto olisi voitu hyödyntää muun muassa liiketoiminnan laajentamissuunnitelmassa ja tunnistaa katvealueen avulla potentiaalinen sijainti uudelle kuntosalille.

Paikkatiedon hyödyntäminen päätöksenteossa

Paikkatietojen hyödyntäminen päätöksenteossa ja toiminnanohjauksessa on lisääntynyt. Tämä vaatii paikkatietojärjestelmän käyttäjältä ymmärrystä käsiteltävistä aineistoista sekä spatiaalisista analyyseistä. Päätöksenteon tueksi haluttua aineistoa on harvoin valmiina saatavilla vaan uuden tiedon tuottaminen vaatii kykyä muokata, yhdistää ja analysoida eri tietoa sisältäviä paikkatietoaineistoja.

Harjoituskerran neljäs tehtävä käsittelikin useasta eri päällekkäisestä karttatasosta koostuvan aineiston analyysi- ja muunnosmenetelmiä sekä eri työvaiheiden ketjuttamista. Tässä harjoituksessa hyödynnettiin päällekkäisanalyysin (overlay) union-operaatiota, joka yhdistää eri karttatasot ja niiden ominaisuustiedon yhteen uuteen ominaisuustietotauluun.

Harjoituksessa haasteena oli määritellä optimaalinen sijainti uudelle tuulivoimapuistolle Coloradon osavaltiossa. Sopivan sijoituspaikan löytäminen vaati useiden tekijöiden ja kriteerien huomioimista, joka edellytti useiden eri paikkatietoaineistojen ja karttatasojen hyödyntämistä ja yhdistämistä. Ketjuttamalla eri työvaiheita voitiin lopulta luoda kaikki kriteerit yhdistävä karttataso, josta suorittamalla monikriteerinen analyysi saatiin määriteltyä kohteet, jotka täyttivät kaikki projektille asetetut ehdot.

Harjoituksessa hyödynnettiin myös vektorianalyysin yhdistävyysanalyysiä, jonka laskufunktiot mahdollistavat esimerkiksi kahden pisteen välisen etäisyyden tai lyhimmän/nopeimman reitin laskemisen aineistosta (Holopainen ym., 2015, s. 51). Harjoituksessa analyysiä käytettiin reitinoptimointiin ja matka-ajan määrittämiseen optimaalisten tuulivoimapuistojen välillä. Harjoituksen lopputulos on esitetty alla olevassa kartassa.

Tässä tehtävässä mielestäni korostui se, miten aineiston käsittely ja analysointi saattaa vaatia useita eri välivaiheita ennen kuin se on käyttötarkoitukseen sopivassa muodossa sekä se, että operaatioiden järjestyksellä on merkitystä lopputulokseen. Toisaalta myös tietokantojen sisältämän tiedon monipuolisuus tuli esille ja sen useat eri muokkaus- ja analysointimahdollisuudet. Erilaiset paikkatietokyselyt ja -analyysit tarjoavat siis monenlaisia käyttömahdollisuuksia paikkatietoperusteiseen optimointiin ja päätöksentekoon.

Lähteet

Blomqvist, T. & Johansson, I. (2004). Paikkatiedon tukimateriaali lukion maantieteen opettajille. Haettu 30.10.2020 osoitteesta https://www.yumpu.com/fi/document/read/38242443/paikkatiedon-tukimateriaali-lukion-maantieteen-opettajille-edufi

Geoinformatiikan sanasto. (2018).  4. painos. Helsinki: Maanmittauslaitos. Haettu 30.10.2020 osoitteesta http://www.tsk.fi/tiedostot/pdf/GeoinformatiikanSanasto.pdf

Holopainen,  M., Tokola, T., Vastaranta, M., Heikkilä, J., Huitu, H.,  Laamanen, R. & Alho, P. (2015). Geoinformatiikka luonnonvarojen hallinnassa. Helsingin yliopiston metsätieteiden laitoksen julkaisuja 7. Haettu 30.10.2020 osoitteesta http://hdl.handle.net/10138/166765

Muukkonen, P.  (2019). Luento 4: Paikkatietomallien perusominaisuudet (attribuuttitiedot ja sijaintitiedot).  MAA-104 Johdatus geoinformatiikkaan maantieteessä [Luentodia]. Helsingin yliopisto.