University of Helsinki
Harjoituksen aineistona oleva KevoDEM-taso, on rasterimuotoinen digitaalinen korkeusmalli (DEM) Kevon kanjonin alueelta. Sen projisoitu koordinaattijärjestelmä on EUREF FIN TM35FIN. Korkeusmallin yksikkö on metri ja sen spatiaalinen resoluutio on 2 metriä. Tarkasteltavan alueen koko on 36 neliökilometriä. Aleen korkein kohta sijaitsee sen länsireunassa ja matalin kohta joen uomassa alueen koillisnurkassa.
Korkeusmallit
Harjoituksen ensimmäisessä osassa teimme vinovalovarjosteen ja korkeuskäyrät KevoDEM-aineiston pohjalta. KevoDEM-aineisto (kuva 1) on rasteriainesto, jossa pikselin väri kertoo kyseisen kohdan korkeuden maastossa. Mitä vaaleampi väri pikselillä on, sen korkeammasta kohdasta on kyse.
Kyseisestä mallista näkyy hyvin korkeuden vaihtelun karkeasti, mutta tarkempaan visuaalisen tarkasteluun malli on mielestäni huono. Tämä voisi johtua siitä, että aineisto on visualisoitu yhden värin tummuusskaalalla. Ihmisen silmä ei erota yhden värin sävyjä kovin tehokkaasti, joten toisiaan lähellä olevia sävyjä on vaikea erottaa toisistaan. Mallista on myös hankala havaita esimerkiksi rinteen suuntaa tai jyrkkyyttä. Aineisto voisi ehkä toimia paremmin suuremman alueen kuvaamiseen.
Kuva 1: KevoDEM korkeusmalli Kevon kanjonin alueelta.
Vinovalovarjoste tai rinnevarjoste (kuva 2) on korkeusmalli, joka visualisoi rinteiden suuntaa, jyrkkyyttä ja korkeutta. Kuvitteellinen aurinko paistaa 45 asteen kulmassa luoteesta, jolloin erityisesti luoteeseen ja kaakkoon avautuvat rinteet erottuvat selvästi. Vinovalovarjoste on mielestäni visuaalisesti hyvä korkeusmalli. Se näyttää pienetkin korkeusvaihtelut selvästi, ja sopiikin erityisesti pienempien alueiden tarkasteluun. Suurien alueiden tarkasteluun rinnevarjoste on liian tarkka eivätkä pinnanmuodot erotu enää. KevoDEM-malliin verrattuna rinnevarjosteessa alue vaikuttaa tasaisemmalta.
Kuva 2: Rinnevarjoste Kevon kanjonin alueelta.
Korkeuskäyräaineisto (kuva 3) on vektoriaineisto, jossa käyrien välillä maanpinnan korkeus muuttuu tietyn verran. Tässä tapauksessa 10 metriä. Mitä tiheämmässä käyrät ovat sen jyrkempi rinne on. Mallista näkee rinteen korkeuden, jyrkkyyden sekä suunnan. Kuvassa käyrien alla on rinnevarjostemalli.
Kuva 3: Korkeuskäyrät Kevon alueelta.
Teimme erikseen myös mallinnukset rinteen jyrkkyydelle ja suunnalle. Jyrkkyyttä kuvaavassa Slope-tasossa (kuva 4) tummin väri edustaa jyrkintä kohtaa. Mallinnuksesta voi havaita, että kanjonin reunat ovat alueen jyrkimpiä kohtia ja loivimmat kohdat sijaitsevat joenuomien välissä.
Kuva 4: Slope-taso kuvaa rinteen jyrkkyyttä.
Suuntaa kuvaavassa Aspect-tasossa (kuva 5) eri värit edustavat eri suuntia joihin rinne aukeaa. Esimerkiksi vihreät alueet ovat kaakkoon aukeavia ja violetit luoteeseen aukeavia rinteitä.
Kuva 5: Aspect-taso kuvaa rinteen suuntaa.
Hydrologinen mallinnus
Harjoituksen toisessa osassa tehtiin hydrologista mallinnusta. Rasteripohjaista hydrologista mallinnusta ovat veden valuntaan liittyvät analyysit, joissa eri tietolähteisiin perustuen arvioidaan yleensä pintavalunnan suuntaa ja määrää. (Holopainen ja muut, 2015).
Teimme KevoDEM-aineiston avulla virtaussuuntia kuvaavan mallinnuksen (kuva 6), jonka avulla loimme valuma-alueet. Kuvassa (kuva 7) on valuma-aluetason pohjalla rinnevarjoste. Valuma-alue mallin resoluutio on 2 metriä, ja tarkemmalla tarkastelulla huomaa, että alueet ovat osittain epärealistisia. Pienemmällä resoluutiolla, samanlaisia virheitä ei ehkä tulisi. Tätä tekstiä kirjottaessani huomaan, että en ihan ymmärrä miten valuma-alueet ovat muodostuneet. Miksi suurin osa kuvasta on vain yhtä valuma-aluetta ja kuvan reunoilla on pieniä, jopa pikselin kokoisia alueita (kuva8)?
Kuva 6: Alueen virtaussunnat
Kuva 7: Valuma-alueet
Kuva 8: Lähempää tarkasteltaessa huomaa, että osa valuma-alueista on epärealistisia.
Lopuksi muodostimme virtaussuuntatason pohjalta mahdolliset joenuomat alueelle. Työkalussa oli mahdollista valita miten monesta pikselistä mahdollinen vesi virtaa toiseen pikseliin (kumulatiivinen raja-arvo). Suuremmalla arvolla on suurempi todennäköisyys, että uomassa virtaa oikeasti vettä ja virtaus on kovempaa. Käytin raja-arvoja 100 000, 10 000 ja 1000 (kuva 9). Näistä 1000 on todennäköisesti turhan pieni arvo ja sillä saadut uomat ovat epärealistisen näköisiä. Sadannasta riippuen arvolla 10 000 saadut uomat voivat olla realistisia ja arvo 100 000 näyttää vain suurimmat uomat. Kuvan perusteella suurimmalla arvolla luodut uomat näyttävät realistisilta, koska ne mukailevat korkeusmallia.
Kuvan pohjalla on KevoDEM-aineisto uudelleen visualisoituna. Jälkeenpäin ajateltuna tähän olisi sopinut korkeuskäyrätaso, jolloin rinteiden jyrkkyyden ja suunnan olisi hahmottanut paremmin.
Kuva 9: Mahdolliset uomat Kevon kanjonin alueella.
Lopuksi
Toisen viikon harjoitukset olivat mielestäni helpompia kuin edellisen viikon harjoitukset. Koin ymmärtäväni mitä tein ja sain tehtyä tehtävät tunnin aikana.
Lähteet:
Holopainen, M., Tokola, T., Vastaranta, M., Heikkilä, J., Huitu, H., Laamanen, R., Alho, P., 2015, Geoinformatiikka luonnonvarojen hallinnassa (s. 63), Helsingin yliopiston metsätieteiden laitoksen julkaisuja 7, Helsingin yliopiston metsätieteiden laitos, saatavilla: http://hdl.handle.net/10138/166765