Kuudes viikko ja aiheena tällä kertaa interpolointi. Luennolla esiteltiin erilaisia interpolointimenetelmiä, joita päästiin testaamaan käytännössä harjoitusten kautta. Aloitin aiheen käsittelyn lukemistosta, joka oli jälleen ote teoksesta Geoinformatiikka luonnonvarojen hallinnassa, tällä kertaa kpl 7. Interpoloinnilla tarkoitetaan matemaattisiin funktioihin perustuvia menetelmiä, joilla aineistoon luodaan rajoja havaintopisteiden välille. Arjessa interpoloituja karttoja näkee esimerkiksi säätiedotteiden yhteydessä.
Tavoitteina oli tutustua interpoloinnin menetelmiin, ymmärtää niiden toimintaperiaatteet sekä oppia automatisoimaan toistuvia työvaiheita modelbuilderillä. Modelbuilder olikin tuttu neljännen viikon harjoituksista, joissa sitä käytettiin soveltuvuusanalyysin tekemiseen. Harjoitus jakaantuu kahteen osaan: deterministiset interpolointimenetelmät sekä lopuksi spline-interpoloinnin automatisointi. Jälkimmäisen osan tavoitteena oli tehdä yhteensä 12 sääkarttaa modelbuilderin avulla. Lisäksi keräsin kaikista tällä kurssikerralla harjoitelluista interpolointimenetelmistä tietoja, jotka ovat koottuna taulukkoon raportin lopussa.
Osa 1: Thiessen, Trendipinta & IDW
Tein kolmesta deterministisestä interpoloinneista visualisointeja, joista ensimmäisenä oli vuorossa Thiessenin polygonit. Aineistona toimi Ilmatieteenlaitoksen keräämä Suomen säähavaintoaineisto vuodelta 2020. Thiessenin polygonit perustuvat havaintopisteen ympärille rajattuihin havaintoalueisiin, joissa polygonin rajoilta on lyhyin matka alueen sisällä olevaan pisteeseen. Tein visualisoinnit myös trendipintainterpoloinnista sekä inversed distance weighted, eli IDW-interpoloinnista. Trendipintainterpoloinneista tein kolme eri versiota. Alla kuvat näistä kaikista.
Tein 1., 2. ja 3. asteen trendipintainterpoloinnit. Tarkastelemalla näitä huomaan, että mitä korkeampi aste, sitä kaartuvampia interpoloinnin käyrät ovat. Koska käyrien kaartuvuus tarkoittaa suurempaa virheastetta, en käyttäisi menetelmää ainakaan näin pienelle alueelle. Ehkä sitä voisi hyödyntää esimerkiksi maailmankartoissa.
IDW-interpoloinnin tekoon hyödynsin Geostatistical Wizard-työkalua, joka paitsi kuulostaa hauskalta, oli myös helppokäyttöinen. IDW-interpolointi perustuu havaintoaineiston lähimpien pisteiden keskiarvoon, joiden avulla ennakoidaan tuntemattomien pisteiden arvoa. Menetelmän heikkous on taipumus yli- tai aliarviointeihin.
Osa 2: Spline-interpolointi
Toinen osa harjoitusta käsitteli spline-interpoloinnin luomista ja automatisointia. Spline on deterministinen interpolointimenetelmä, joka minimoi havaintopisteille luodun viivan kaarevuuden. Käytännössä harjoituksen tavoitteena oli interpoloida sääkartat vuoden jokaiselta kuukaudelta edellisissä tehtävissä käytettyjen säähavaintoaineistojen pohjalta.
Tehtävässä hyödynnettiin tuttua modelbuilderia, jonka kokoaminen oli teoriassa yksinkertaista, mutta todellisuudessa tästä tuli viikon harjoitusten aikaa vievin osuus. Ongelmia tuotti omien virheideni lisäksi ArcGIS:n mystiset bugit, joiden vuoksi aloitinkin tehtävän kokonaan alusta kahdesti. Lopuksi karttojen visualisointien hiomiseen kului myös aikaa, vaikka helpommallakin olisi toki voinut päästä. Onnistuin kuitenkin lopulta tuomaan modelbuilderilla tarvittavat kartat, joista kuva alla.
Valitsin karttojen väriskaalaksi punaisen ja sinisen, sillä ne kuvastavat lämpötilojen ääripäitä hyvin. Toisaalta värit saattavat hieman ylikorostaa vaiheluita, mutta koin ne sopiviksi tähän käyttötarkoitukseen.
Tässä vielä taulukkoon koottuja tietoja viikon interpolointimenetelmistä:
Lopuksi
Kaiken kaikkiaan viikon tehtävät kääriytyvät lopulta pakettiin. Jälkikäteen tarkasteltuna suurimmaksi haasteeksi osoittautui jälleen aloittamisen vaikeus muiden kurssien tehtävien ja menojen lomassa. Olen kuitenkin tyytyväinen lopputuloksiin ja helpottunut, että viikon tehtävät on vihdoin tehty. Opin paljon uutta modelbuileristä, joskin kohtaamieni ongelmien syyt jäivät osittain arvoitukseksi. Välillä toistin jotain vaihetta tismalleen samalla tavalla menestyksettä, mutta viidennellä yrittämällä sama onnistuikin ilman mitään ilmeistä syytä.
Raporttia kootessa huomasin myös harmikseni muutamia huolimattomuusvirheitä ensimmäisen osion kartoissa. Kuvaan 3 oli esimerkiksi jäänyt vielä kehykset ja karttojen keskinäinen koko vaihteli bloginäkymässä, joten niiden tyyli ei ole keskenään yhtenäinen. Ulkoasusta olisi myös voinut tehdä hieman tyylikkäämmän. Olin kuitenkin tietoisesti jättänyt alkupään karttojen hiomisen hieman vähemmälle, sillä olin tehnyt ne pois alta jo muutama viikko sitten ja keskityin nyt vielä puuttuviin osioihin.
Lähteet
Holopainen M., Tokola T., Vastaranta M., Heikkilä J., Huitu H., Laamanen R., & Alho P. (2015) Geoinformatiikka luonnonvarojen hallinnassa. Helsingin yliopiston metsätieteiden laitoksen julkaisuja 7 s. 67-80