Tällä viikolla siirryimme uuden teeman pariin, joka oli interpolointi. Tämän viikon luennolla opimme, että interpolointi perustuu matemaattisiin kaavoihin ja sillä tarkoitetaan paikkatietotyöskentelyssä havaintopisteiden perusteella muodostettavaa arviota tutkittavan ilmiön voimakkuudesta havaintopisteiden sisäpuolella. Interpoloitu kartta voidaan esittää jatkuvana pintana tietystä mitattavasta ilmiöstä yksittäisten pisteiden sijaan (Holopainen ym. 2015, 67-68). Esimerkiksi tämän viikon ensimmäisessä harjoituksessa muodostettiin interpoloimalla kartta, joka kuvaa liuenneen hapen pitoisuuksia meressä.
Interpolointi voidaan jakaa globaaleihin ja lokaaleihin menetelmiin, joista lokaaleissa huomioidaan viereisten pisteiden arvot ja globaalissa kaikkien alueen pisteiden arvot. Useimmissa menetelmissä käytetään autokorrelaatiota, joka olettaa lähellä olevien pisteiden olevan merkitsevämpiä kaukana oleviin havaintopisteisiin verrattuna (Holopainen ym. 2015, 67-68).
Ensimmäinen tehtävä: liuenneen hapen pitoisuus interpoloimalla
Ensimmäisessä tehtävässä luotiin aluksi diagrammeja, joita tarkastelemalla oli helppo päästä selvyyteen alueen happipitoisuuden tilanteesta ja vuodenaikaisista vaihteluista. Interpolointi toteutettiin kahdesti, ensin vuodelle 2014 ja seuraavaksi vuodelle 2015. Toteutimme interpoloinnit hieman erilaisia työvaiheita noudattaen ArcGIS Pro:ssa harjoituksen vuoksi.
Ensin käytettiin Geostatical Wizardia ja Kernel Interpolointia, joka otti huomioon esteen eli tässä tapauksessa lahden (bay). Tällä työkalulla oli helppoa muuttaa sädettä, jonka sisällä naapuriarvot huomioitiin interpoloinnissa. Mitä pienempi säde oli, sitä vähemmän naapuriarvoja otettiin laskutoimituksissa mukaan. Jos säteen asetti liian pieneksi, ei interpoloinnista tullut jatkuvaa aluetta, vaan väleihin jäi tuntemattomia alueita, jotka eivät saaneet arvoa. Jos säde puolestaan oli liian suuri, tuli tulokseksi liian ”epätarkka” kartta, jossa oli liian paljon yleistyksiä. Vuoden 2015 kartan toteutimme niin ikään Kernel Interpoltaion with barriers -toiminnolla, joka haettiin tällä kertaa geoprocessing työkaluista. Tätä polkua käytettäessä työkalu ilmeisesti valitsee automaattisesti aineiston perusteella, mitä naapureita tulisi käyttää laskennassa, sillä siihen ei ollut mahdollista vaikuttaa itse tätä polkua seuraamalla.
Tämän jälkeen muutimme kartan vielä rasterimuotoiseksi ja toimme (import) tehtäväpaketin mukana ladatun tiedoston symbology-valikossa projektiin mukaan. Tämä sai kartan visualisoinnin muuttumaan liukuvaksi. Muokkasin vielä hieman kartan väritystä valiten sen siniseksi. Pohdin jonkin verran tulisiko happipitoiset alueet esittää tumman sinisellä vai vaalealla värillä, mutta päädyin esittämään happipitoiset eli hyvinvoivat alueet sinisellä ja happikatoiset alueet vaalealla maanläheisellä värillä. Kuvassa 1 on lopputulos tehtävästä yksi.
Kuva 1. Ensimmäisen tehtävän kartat, jotka kuvaavat liuenneen hapen määrää Chesapeakenlahdessa vuosina 2014 ja 2015.
Ensimmäisessä tehtävässä karttojen lisäksi tutkittiin myös cross-validation- ja error-taulukoita, joista luultavasti syvällisempään ymmärrykseen voisi auttaa tilastotieteen kurssit. Geoinformatiikka 2 kurssilla onkin jo aiemminkin selvinnyt, että tilastotiede tukee vahvasti geoinformatiikan tieteenalaa.
Tehtävä kaksi: Liuennut happi 3D-mallina interpoloituna
Tehtävässä kaksi selvitettiin niin ikään liuenneen hapen pitoisuuksia ja valmiiden mittausten perusteella interpoloitiin happipitoisuuden tasoja 3D-malliin. Käytimme Empirical Bayesian Kriging 3D -työkalua, johon valittiin mitatut happipitoisuuspisteet ja 3D-mallin vuoksi z-tietoa, eli tietoa syvyydestä tässä tapauksessa. Samalla työkalulla valitsimme kuinka monta naapuripistettä työkalu ottaa huomioon laskettaessa interpolaatioestimaatiota. Useiden työvaiheiden jälkeen loimme animaation happipitoisuuksista 3D-mallina, joka ladattiin erilliseen moodle-kansioon.
Lisäksi loimme isopleettitasoja, jotka kuvaavat samanarvon happipitoisuuksia eri syvyyksissä. Isopleettien luomiseen tutustuttiin jo tiedon esittäminen maantieteessä -kurssilla, joskin silloin piirsimme isopleetteja 2D-karttana itse CorelDraw-ohjelmalla asukastiheydestä.
Isopleetit on esitetty kuvissa 2-4. Punaisella värillä on kuvattu happipitoisimmat, keltaisella värillä keskiarvoiset ja vihreällä värillä vähähappiset alueet. Tämä väritys ei vaikuta jälkeen päin ajateltuna loogisimmalta mahdolliselta ja sen luultavasti muuttaisin, jos tekisin tehtävää uudelleen. Esimerkiksi ensimmäisessä tehtävässä väritys sinisestä vaaleaan voisi toimia myös tässä tehtävässä paremmin. 3D-malleista kuvissa 2-5 huomaa, että happipitoisimmat alueet sijaitsevat aivan vesistön pinnassa ja pohjalla ja vähähappipitoisimmat alueet keskisyvyyksissä.
Kuva 2. Happipitoisuus lähellä vesistön pintaa
Kuva 3. Keskiarvoinen happipitoisuus
Kuva 4. Vähähappisia alueita
Lähtöaineistona isopleettien muodostamiseen käytimme aiemmin luomaamme Voxel-karttatasoa. Voxel-taso luotiin Add voxel layer -työkalulla ja lähtöaineistona käytettiin pistetietoa happipitoisuudesta (kuva 5).
Kuva 5. Voxel-taso, joka kuvaa happipitoisuutta syvyyden mukaan.
Interpolointia ja tällä viikolla käyttämiämme työkaluja voisi käyttää useisiin paikkatietotöihin, joissa halutaan esittää kartta jatkuvana esityksenä tiedossa olevien mittauspisteiden perusteella. Tällaisia karttoja voisi maantieteessä olla esimerkiksi lämpötilan, ilmanpaineen tai korkeuden esitykset. Interpoloinnissa vaikuttaa olevan useita seikkoja, joita tulee huomioida ennen työhön ryhtymistä. Erityisesti maantieteelliset esteet ja suhtautuminen ympäröiviin mittauspisteisiin tulee huomioida tarkasti riippuen työtehtävästä. Kun interpoloinnin saloihin pääsee syvällisemmin sukeltamaan, on sillä mahdollisuus toteuttaa tarkkojakin esityksiä mitattavasta ilmiöstä. Kuten Holopainen ym. (2015, 67) toteavat, usein mittaaminen on työlästä ja kallista ja interpolointi on vastaus näihin haasteisiin. Kun tietyt edustavat pisteet on valittu mitattavaksi, voi muusta alueesta tuottaa vaikuttavan ja vakuuttavan interpoloidun esityksen.
KIRJALLISUUS
Holopainen, M., Tokola, T., Vastaranta, M., Heikkilä, J., Huitu, H., Laamanen, R. & Alho, P. (2015). Geoinformatiikka luonnonvarojen hallinnassa. Helsingin yliopiston metsätieteiden laitoksen julkaisuja 7. Luettavissa: http://hdl.handle.net/10138/166765. Luettu: 3.1.2020.