University of Helsinki
Jatkoimme tällä viikolla rasterianalyysien kanssa. Tavoitteena oli tutustua lisää uusiin rasteriaineistojen työkaluihin ja oppia hyödyntämään ArcGIS:in ModelBuilderia työvaiheiden suunnitteluun.
Corine-maanpeiteaineisto
Tässä harjoituksessa käytimme soveltuvuusanalyysin osana Suomen ympäristökeskuksen CORINE -maanpeiteaineistoa. Corine aineisto on tuttu itselleni avoimen yliopiston kurssilta, jossa arvioitiin Turun kaupungin maanpeitetyyppien yhteyttä viihtyvyyteen. Viihtyvyyteen liittyvä aineisto oli taas opiskelijoiden keräämää arviointia.
Kyseessä on koko Suomen kattava maanpeiteaineisto minkä on tuottanut Suomen ympäristökeskus vuonna 2018. Luennolla Aineisto on saatavilla sekä vektori- että rasterimuodossa. Vektorimuodossa aineistossa pienin maastossa erottuva alue on vähintään 25 hehtaaria ja kapeimmillaan 100 metriä. Rasteriaineiston resoluutio on 20 x 20 metriä.
Lisäksi aineistossa on muutosta kuvaava aineistot vuosien 2012-2018 väliltä. Muutosaineistossa vektoriaineistossa on kaksi tarkkuustasoa, kansallinen muutosaineiston pienin kuvio on 0,5 hehtaaria ja eurooppalaisessa 5 hehtaaria.
Corine-aineisto on aluksi muokattava sopivaksi. Rajaamme aineoston tutkimusalueemme, eli Kevon kanjonin, mukaiseksi. Aineistossa on attribuuttitaulukossa lisäksi vain maanpeiteluokkia kuvaavat numerokoodit, joten lisäämme Join -työkalun avulla erillisestä Excel-taulukosta löytyvät suomenkieliset selitteet maanpeitteille. Molemmista taulukoista löytyvät samat koodit, joten yhdistely niiden avulla on helppoa. Nyt tasosta pystyy visualisoimaan kartassa alueen maanpeitteen (Kuva 1).
Kuva 1. CORINE-maanpeiteluokat Kevon kanjonin alueella
Maanpeitekartan visualisointi oli hieman aikaa vievää. Koska luokkia on monta ja halusin värien kuvastavan jokseenkin todellisuutta. Tämä ei kuitenkaan ole täysin mahdollista, jotta värit pysyisivät myös toisistaan eroavina. Tärkeämpää oli, että kartasta tuli visuaalisesti miellyttävä.
Vaikka lisäsimme aiemmin maanpeiteluokkien selitteet attribuutteihin, oli jokaisen pikselin arvo maanpeiteluokkien koodi, mikä näkyi karttaselitteessä. En kuitenkaan osannut muokata karttatulosteen selitteisiin maanpeiteluokkien suomenkielisiä nimiä suoraan. Netistä etsimällä vaikuttikin, että rasteriaineistossa selitettä on vaikea muuttaa muuksi kuin mitä solun arvo on. Päätin siis luoda rasteriaineistosta oman vektoritason, jossa selitteet sai helpommin muutettua. Kartassa visualisoituna ei myöskään ole väliä, onko aineisto todellinen rasteritaso vai pikselimäisiä polygoneja. Työkalussa Raster to Polygon täytyi vain ottaa pois simplify polygons toiminto, jotta solut eivät yhdisty ja pysyvät rasterin mukaisina. Myös karttatason export vaiheessa täytyi asettaa DPI tarpeeksi korkeaksi, jotta pikseleitä ei yhdisty.
Lopullisesta kartasta siis huomaa, että Kevon kanjonin alue on luokiteltu suurimmaksi osaksi luokkiin varvikot ja nummet, lehtimetsät kivennäismaalla ja niukkakasvustoiset kangasmaat. Verrattuna viime viikon tehtävän Suomen ympäristokeskuksen aineistoon, havumetsien määrä vaikuttaa hyvin vähäiseltä. Maanpeitteestä näkee myös, että lehtimetsät pärjäävät paremmin kanjonin valoisalla rinteellä. Havumetsä esiintyy taas enemmän varjoisammalla etelärinteellä.
Avosuota ilmenee myös paljon kartan koillisosan uomien läheisyydessä, mitä ilmenee vähemmän muualla. Avosoiden ympärillä ilmenee myös harvapuustoisia alueita enemmän. Mahdollisesti näiden alueiden uomiin on tullut aiemmin enemmän vettä, jotka ovat sitten soistuneet ja puuston määrä on vähentynyt.
Soveltuvuusanalyysi
Viikon harjoituksen tavoitteena oli löytää sopivia telttailupaikkoja Kevon kanjonin alueelta. Telttapaikan pitäisi täyttää seuraavat kriteerit:
1. Telttapaikan tulee sijaita alle 260 metrin korkeudella
2. Leiripaikan on oltava sijainnilla, jossa rinne suuntautuu välille itä – etelä- länsi
3. Leiripaikan maanpeite tulee olla, on lehti-, seka- tai havumetsä kivennäismaalla, tai lehti- tai sekametsä turvemaalla
4. Leiripaikan tulee sijaita korkeintaan 200 m etäisyydellä vesiuomista
5. Rinteen jyrkkyys saa olla maksimissaan 10 astetta.
Harjoitukseen tarvitsemme siis maanpeiteaineiston lisäksi tiedon korkeudesta, aspect-arvon, slope-arvon ja alueen uomat. Nämä olimme tehneet aikaisemmilla harjoitusviikoilla. Analyysia varten käytettiin ArcGISin Model Builder toimintoa, jolla työvaiheet voidaan suunnitella, tarkastaa ja toteuttaa. Jokaisen työkalun ja aineiston voidaan siis sijoittaa kaavioksi, jossa vaiheet tulevat visualisoiduksi (Kuva 2). 
Kuva 2. Model Builder toiminto ArcGIS:ssä
Tiivistettynä haluamme jokaisesta rasteriaineistosta tietyt toivomamme kriteerit. Rasteriaineistossa voimme siis luokitella aineiston uudelleen käyttäen Reclassify-työkalua jossa haluamamme solujen arvot saavat uuden arvon 1 ja ja muut solut arvon 0. DEM-tasosta uudelleen luokittelemme siis kaikki solut alle 260 metrissä arvoksi 1. Aspect-tasosta otamme itä – etelä- länsi ilmansuunnat, jotka ovat asteina välillä 90-270. Maanpeitteestä haluamme metsäiset alueet. Myös rinteen jyrkkyyden saamme uudelleen luokittelulla, eli maksimissaan 10 astetta. Kaikista näistä syntyy siis uusi taso joka sisältää soluja arvoina 1 tai 0.
Uomien etäisyyden rajaamiseksi alle 200 metriin käytetään eri menetelmää. Uomat eivät ole rasteritasona, mutta Euclidean Distance työkalussa saamme koko alueen muutettua rasteritasoksi, jossa jokainen solu sisältää etäisyyden lähimmästä uoman vektorista (Kuva 3).
Kuva 3. Välivaihe, etäisyys uomista Euclidean Distance -työkalulla.
Nyt voidaan käyttää Raster Calculator -työkalua rajaamaan uomista 200 metrin etäisyydellä olevat alueet. Tästä jää taso, jota voidaan käyttää loppulaskennassa sopiville telttailupaikoille.
Loppulaskentaan käytämme myös Raster calculatoria. Otamme jokaisen aiemmin tuotetun tason ja kerromme niiden arvot keskenään. Me haluamme alueet, joissa esiintyy kaikki kriteerit. Kaikkien tasojen solut ovat arvoina 0 = False, ei sopiva ja 1 = True, sopiva. Jos laskukaavassa esiintyy 0, on koko uuden tason solun loppusumma 0 eli ei sopiva telttapaikka. Tämä ei siis toimisi esimerkiksi yhteenlaskuna, ellemme haluaisi skaalamaista karttaa telttapaikoista, missä esiintyisi myös osittain sopivia telttapaikkoja.
Lopuksi poistamme vielä uudelleenluokittelun avulla pois näkyvistä solut, joiden arvo on 0. Tämän jälkeen rasteritaso muutetaan polygoneiksi. Lopullinen työmalli Model Builderissa näyttää nyt kaikki tehdyt työvaiheet (Kuva 4).
Kuva 4. Harjoituksen työvaiheet Model Builderissa
Lopputuloksena on siis vektoritaso, jossa on polygoneina kaikki kriteerit täyttävät alueet. Tämän tason visualisoin alueelle, jossa polygoneja oli huomattavasti eniten (Kuva 5).
Kuva 5. Kriteerit täyttävät telttapaikat Kevon kanjonissa.
Sopivia telttapaikkoja löytyy siis kanjonin pohjalta eniten. Vain pieni osa kriteerien täyttävistä alueista löytyy korkeammalta. Osa polygoneista kanjonin pohjalla osuu myös maanmittauslaitoksen maastokarttapohjassa itse Kevojokeen, mikä ei olisi todellisuudessa hyvä telttapaikka. Tähän vaikuttaa varmasti eri menetelmät, miten maanpeiteaineisto ja maastokartat on tuotettu. Joen vedenpinnankorkeus myös vaihtelee, joten kovin tarkasti polygoneja ei kannata tulkita.
Osa polygoneista voisi mahdollisesti myös yleistää laajemmiksi alueksi, mutta tätä varten olisi hyvä tietää mikä kriteeri ei ole täyttynyt. Esimerkiksi rinteen ilmansuunnan arvo voi olla vain asteen ulkopuolella kriteeristä, mikä ei telttailun kannalta olisi suuri tekijä. Ehkä siis tässä tilanteessa voisi myös käyttää skaalamaista karttaa, missä näkyy myös osittain sopivat alueet.
Telttailupaikkoja voisi myös painottaa katsomalla retkeilyreittiä. Maanmittauslaitoksen maastokartassa retkeilyreitti kulkee kanjonin pohjoispuolella, joten telttailupaikoista voisi rajata pois kanjonin eteläpuolella olevat alueet.
Rasteritasojen kanssa työskentely voi vaatia useita työvaiheita eri tasoilla, sillä solut sisältävät vain yhden muuttujan. Toisaalta map algebra rastereilla on nopeaa, ottaen huomioon miten paljon tietoa käsitellään.