Tällä viikolla tutustuimme rasteriaineistoihin, muokkauksiin ja analyyseihin. Tehtävistä ensimmäisessä tehtiin kahden rasterikartan perusteella uusi karttataso, jossa vertailtiin kasvillisuusmuutosta tietyllä alueella vuosien 2013 ja 2015 välillä. Aluksi loimme NDVI-työkalun avulla molemmille vuosille uudet karttatasot, jotka kuvastavat kasvillisuuden määrää alueella. Tämän jälkeen teimme ArcGIS Pro:ssa vähennyslaskun kyseisten vuosien karttatasoille, joten saimme tietää erotuksen kasvillisuuden määrässä vuosien välillä. Lopuksi vielä muutimme asetuksia siten, että kasvillisuuden määrän kasvu ja väheneminen visualisoitiin samalla värillä (reclassify), jolloin lopputuloksena saimme kartan, joka kuvastaa muutosta kasvillisuudessa vuosien 2013 ja 2015 välillä (kuva 1). Tällaisella työkalulla on myös mahdollista kuvata niin ikään kasvillisuuden vähenemistä tai lisääntymistä muuttamalla asetuksia haluamallaan tavalla. Kuitenkaan kovin yksityiskohtaista tietoa kasvillisuuden määrän vaihtelevuudesta ei ymmärtääkseni tällaisella työkalulla saa. Esimerkiksi kasvien biomassan laskemiseen vaadittaisiin lisää työvaiheita, mutta tiettävästi sekin onnistuu paikkatieto-ohjelmistoilla.
Kuva 1. Kasvillisuuden muutos vuosien 2013 ja 2015 välillä osassa Kalifornian rannikkoa.
Ensimmäisen tehtävän toisessa osassa tarkoituksena oli visualisoida sama kartta, mutta työvaiheet olivat erilaiset samaiseen lopputulokseen päästäkseen (kuva 2). Loimme toimintoketjun ArcGIS:n Function editorissa, tallensimme ketjun ja lopuksi ajoimme toiminnon, jolloin lopputuloksena saimme täysin samanlaisen kartan, kun tehtävän ensimmäisessä osassa. Erona oli työaika, joka jälkimmäisellä työtavalla oli huomattavasti lyhyempi. Tällaista toimintoa voisi käyttää ainakin silloin, jos täytyy tehdä useita karttoja samoilla työvaiheilla.
Kuva 2. Kuvakaappaus ArcGIS:iin luomastamme toimintoketjusta
Tehtävä kaksi oli kirjallinen ja se antoi taustatietoa tehtäviin 3 ja 4, jotka liittyivät toinen toisiinsa. Tehtävässä kolme johdettiin lähdeaineistoja sellaiseen muotoon, että niitä olisi mahdollista käyttää tehtävässä neljä. Tehtävässä muun muassa tarkastettiin solukoko ja projektio, jotka vastasivat tässä tehtävässä toisiaan jo valmiiksi. Lisäksi käytettiin kartta-algebraa ja euclidean distance työkalua tehdäksemme muutoksia nominaali (epäjatkuvan) datan ja jatkuvan datan välillä. Kuten edellisessäkin tehtävässä, myös tässä tehtävässä käytimme toimintoketjua, joka lopuksi ajettiin (run) ja lopputulokseksi saatiin kuva 3.
Kuva 3. Kartta tehtävästä 3
Tehtävässä 4 jatkoimme siis siitä mihin tehtävässä 3 jäimme. Tarkoituksena oli selvittää tietyn lintulajin tyypillisiä elinympäristöjä kenttätöitä varten. Tarkoitus oli tunnistaa alueita, jotka ovat kaukana rakennetusta ympäristöstä, 20-60% latvuspeiton metsissä, alle 2 mailin päässä järvestä, sekä koillisrinteillä. Tehtävässä oleellista oli muuttaa lähtöaineiston jatkuva (continuous) data muotoon 1 tai 0, jossa 1 vastaa sopivaa elinympäristöä ja 0 epäsopivaa elinympäristöä. Tähän käytimme jälleen reclassify ja kartta-algebra-työkaluja. Lopputulos on esitetty kuvassa 4.
Kuva 4. Tietyn lintulajin tyypillisiä elinympäristöjä.
Kartassa on läpinäkyvinä tasoina päällekkäin esitettynä lintulajin tyypillisiä elinympäristöjä. Mikäli karttatasot olisi vielä leikattu vastaamaan toisiaan niin, että kaikki kriteerit täyttyvät, olisi saatu tulokseksi selkeämpi esitys. Toisaalta tällaisenaan saa hieman enemmän tietoa vaikeammin tulkittavassa muodossa. Kun kaikki kriteerit on kartalla esitetty, voi karttaa tarkastella laajemmin ja pohtia voisiko laji elää myös sellaisilla alueilla, millä vaikkapa kolme neljästä kriteeristä täyttyy.