Tähän blogiin kirjoitan myös ajoittain geoinformatiikan menetelmät 2 -kurssin viikkoraportteja. Ensimmäisen viikon käsittelin perinteisen raportin muodossa, mutta nyt toisen viikon harjoituksiin ajattelin hyödyntää tätä blogia.

Tämän viikon aikana käsittelimme DEM eli korkeusmalleja. Korkeusmalleja olen käyttänyt kerran aikaisemmin QGIS:ssä 3D-karttojen yhteydessä. Näistä opimme hyödyntämällä niitä hydrologisissa analyyseissa. Viikon kurssimateriaalissa onkin todettu, miten tärkeitä korkeusmallit ja GIS-menetelmät ovat hydrologisten mallien suunnittelussa. Kirjallisuudessa näitä hyödynnettiin pohjavesialueiden tunnistamisessa.

Valmistelevat työvaiheet

Harjoituksessa käsiteltiin Kevon kanjonia Utsjoella. Harjoituksen tavoitteena oli mallintaa valuma-alueet ja potentiaalinen jokiuimaverkosto. Lisäksi tavoitteena oli oppia metatietojen lukemista ja rasterityökalujen käyttämistä. Pohja-aineistona tehtävään oli valmis korkeusmalli, maastokartta ja ilmakuva tutkittavasta alueesta.

Metadatan avulla voidaan nähdä tiedostoista oleellisia tietoja, joiden tunteminen on tärkeää työskentelyn eri vaiheissa. Harjoituksen korkeusmalli on TM35-FIN koordinaattijärjestelmässä. Sen etäisyyksinä on käytetty metrejä. Spatiaalinen resoluutio on 2×2 metriä ja malli on 6 neliökilometrin kokoinen.

Tämän viikon harjoitus oli monivaiheinen, mutta silti melko suoraviivainen ja helppo. Korkeusmallista meidän täytyi luoda Slope (rinteen jyrkkyys) ja Aspect (rinteen suunta) tasot. Molemmille on ArcGIS:ssä omat työkalunsa samoilla nimillä.

Seuraavaksi mallista täytyy täyttää depressiot eli kuopat. Osa kuopista voi olla vain virhelähteitä, osa todellisia. Tätä varten meidän täytyy tunnistaa virtaussuunnat, joka on työkalulla Flow Direction. Työkalu tunnistaa käyttäen eight-direction (D8) menetelmää, jossa jokaisesta rasterin pikselistä vesi voi virrata yhteen arvoltaan pienimpään pikseliin (Esri 2023).  Kun vedenvirtauksen suunnat on tunnistettu, voidaan pikseleistä päätellä kuopat, eli kohdat missä vesi ei virtaa toiseen pikseliin. Tähän on myös oma työkalu nimeltä Sinks.

Kuva 1. Sinks -työkalun tunnistamia kuoppia Kevon kanjonin pohjalla

 

Kuoppia on tunnistettuna paljon. Kuoppia on tunnistettu etenkin pysyvän veden läheltä (Kuva 1), kuten kanjonin pohjalta ja pienet lammet on myös tunnistettu useiden kuoppien rykelmiksi. Yksinäisiä kuoppia on myös alueella useita, jotka voivat olla virheellisiä.

Kuopat tulee täyttää ennen kuin mallinnamme vedenkulkua. Tämä onnistuu työkalulla Fill. Tuotoksena on korkeusmalli, jota käytämme uudelleen Flow Direction -työkalussa.

Hydrologiset mallit

Kuva 2. Basins -työkalun avulla tunnistetun valuma-alueet

 

Korjatun virtaussuuntatason avulla voimme mallintaa valuma-alueet Basin -työkalulla. Kanjonin alueella on yksi suurin valuma-alue, ja kartan reunoilla on pienempiä valuma-alueita (Kuva 2). Pienimmät valuma-alueet ovat todennäköisesti virheellisiä ja muodostavat suurempia alueita, mutta suurin kanjonin kattava valuma-alue on realistinen.

Seuraavaksi analysoimme mahdolliset uomat käyttäen Flow Accumulation -työkalua. Työkalusta syntyvää tasosta luokitellaan vielä Reclassify –työkalulla näytettävän veden virtauksen alaraja. Mitä pienempi luku, sitä enemmän potentiaalisia uomia saadaan näkymään.

 

Kuva 3. Tunnistetut uomat Kevon kanjonista raja-arvolla 100 000

 

Kuva 4. Tunnistetut uomat Kevon kanjonista raja-arvolla 2000

 

 

Kuva 5. Vertailu raja-arvojen 2000 ja 100 000 välillä

 

Korkeusmallista menetelmällä löydetään raja-arvolla 100 000 ainakin suurimmat uomat, jotka olisi myös pääteltävissä ortokuvasta (Kuva 3). Tässä vaiheessa täytyy todeta, että tämä mallinnusmenetelmä yleistää todellisuutta paljon ja kaikkia virtaukseen vaikuttavia tekijöitä, kuten eroosiota, ei voi ottaa huomioon.

Muutamia lyhyempiä uomia on tunnistettu, joita ei ympäristöstä voisi nopeasti päätellä, tai joista ei ole ainakaan selkeää jälkeä. Etenkin ortokuvan varjoisista osista on vaikea päätellä omin silmin veden kulkureittiä. Merkkejä liikkuvasta vedestä näkyy myös tunnistettujen uomien ulkopuolelta, jotka näkyvät ortokuvassa harmaina juovina.

Menetelmässä käytetty raja-arvo siis merkitsee kuinka tarkaksi uomien tunnistaminen halutaan. Raja-arvolla 2000 saadaankin tunnistettua myös pienempiä uomia, joita nähdään myös ortokuvissa (Kuvat 4 & 5).  Osa polygoneista on liian suoria, oletettavasti todellisuudessa vesi ei kulkisi näin.  (Kuva 6).  Joissakin kohtaa tunnistettu uoma kulkee oman ortokuvan tulkintani mukaan hieman eri kohtaa todellisesta uomasta. Toisaalta ilmakuvasta on vaikea erottaa näissä kohtaa selkeästi maastonmuotoa.

 

Kokonaisuudessaan harjoituksessa olevat menetelmät oli selkeitä ja niiden toimintaperiaatteet ymmärrettäviä. Mutta en ehkä vielä ensimmäisen työkerran jälkeen osaisi tehdä tätä ulkomuistista. Tähän vaikuttaa vielä ArcGIS:in uutuus minulle. DEM:it ovat kuitenkin hyvin kiinnostavia aineistoja käyttää. Sisällöltään ne ovat yksinkertaisia, mutta niiden hyödyntämisen eri mahdollisuudet ovat vaikuttavia.

 

Lähteet:

Esri 2023. ArcGIS Pro – How Flow Direction works. 16.11.2023

https://pro.arcgis.com/en/pro-app/latest/tool-reference/spatial-analyst/how-flow-direction-works.htm