Rasterianalyysiin mukaan Model Builder

Tämän viikon harjoitus oli todella mieluisa. Pysyin kärryillä siitä, mitä tehdään ja miksi. Koska me teimme ison analyysin, johon lisäsimme monia eri tasoja ja niiden yhteyksiä, automatisoimme prosesseja (Model Builder), mikä nopeutti ja helpotti aineiston tuottamista. Käytimme tietokantaliitosta, eli kaksi aineistoa liitetään yhteen, jotta saadaan yksi aineisto. Toisesta esim. puuttuu jotain tai halutaan luoda monien aineistojen yhteisiä tekijöitä.

Corine-maanpeiteaineisto

Kuitenkin ensin tarkastelimme pelkästään yhtä myöhemmin käytettävää aineistoa. Leikkasin Clip-toiminnolla jo valmiiksi leikattua Corine-maanpeiteaineistoa (Syke 2018), jotta se kattaa vain Kevon alueen. Se tehdään saman muotoiseksi kuin aiemmat aineistot Kevosta kuten Kevo DEM korkeusmalli.

Corine-maanpeite on itselle jo valmiiksi tuttu aineisto, sillä tein juuri toisella kurssilla kasvillisuuskartan Pyhtäällä sijaitsevasta alueesta. Corine-maanpeitekartta kattaa koko Suomen maankäytön ja maanpeitteen vuonna 2018. Se on tuotettu EU:n hankkeen ja vaatimusten mukaisesti.

Aineisto koostuu rasterimuotoisesta paikkatiedosta, joka on tuotettu Sykessä olemassa oleviin paikkatietoaineistoihin sekä pohjautuen satelliittikuvatulkintaan. Aineistossa on käytetty myös vektorimuotoista paikkatietoa, joka tuotettiin yleistämällä rasteriaineistoa (Syken metatietopalvelu, Corine-maanpeite 2018).

Rasteriaineiston värit kuvaavat maankäytön luokkia kuten niityt, joet ja avosuot. Värit ovat Euroopan laajuisesti samat, joten usein niitä käytetään niissä väreissä kun ne ovat luotukin. Kuitenkin tässä harjoituksessa käytin omia värejä harjoituksen vuoksi, ja koska tätä karttaa en tarvinnut tiettyjen värien puolesta seuraavissa kohdissa.

Maanpeite Kevon alueella on niukkaa, sillä se sijaitsee todella pohjoisessa Suomessa. Varvikot ja nummet, niukkakasvustoiset kangasmaat sekä kalliomaat ovat suurimmassa osassa alueella. Alueella on myös paljon lehtimetsää varsinkin jokialueiden lähettyvillä, sillä ne tarvitsevat kosteutta.

Soveltusvuusanalyysin tekoa mahdollisista telttapaikoista Kevon alueella tiettyjen kriteerien mukaan.

Ensin tuotiin kaikki tarvittavat aineistot ohjelmaan. Haluttiin siis yhdistää korkeusmalli, rinteen suunta ja jyrkkyys, kasvillisuus sekä jokiuomat yhdeksi tasoksi, josta voidaan katsoa näiden tasojen kaikille yhteiset arvot ja muodostaa niistä uusi telttapaikkoja kuvaava taso. Kuitenkin jokaista tasoa jouduttiin ensin uudelleenluokittelemaan, jotta se vastaa annettuja kriteerejä (esimerkiksi etäisyys joesta enintään 200 metriä).

Pohdintaa pikselien arvoista

Viimeisessä vaiheessa eri tasot kerrottiin yhteen, koska halutaan, että kaikki kriteerit toteutuu oikeissa pikseleissä. Joissain pikseleissä joidenkin tasojen arvot ovat 0 ja joidenkin 1. Tämä tarkoittaa sitä, että kaikki kriteerit eivät toteudu (koska arvo on 0). Jos yksikin arvo on 0, eli yksikin kriteeri ei toteudu, se ei riitä toteuttamaan kaikkia haluttuja kriteerejä. Näissä pikseleissä halutaan siis arvon olevan 0 viimeisellä luodulla tasolla. Vain niillä pikseleillä, joilla arvo on kaikissa tasoissa 1, halutaan uudelle tasolle arvo 1. Tämän vuoksi kertolasku on ainoa oikea laskemaan lopputuloksen.

Rasterimuotoisessa aineistossa jokaisella solulla on jokin arvo. Jos arvoa ei ole, solun merkintä on ”NoData”. Kuitenkaan se ei ole sama kuin solun arvo 0. Kun
esimerkiksi kaksi rasteritasoa yhdistetään, arvon puuttuminen vaikuttaa lopputulokseen. Jos toisen tason yhdessä rasterissa lukee “NoData”, ei myöskään lopputulosrasterissa voi olla arvoa. Jos siinä lukee 0, voi toisen tason arvo vaikuttaa lopputulokseen. Tärkeää onkin huomata arvottomien rasterien kohdalla, onko tieto hävinnyt operaatiossa vai oliko se alusta asti niin. (Holopainen et al. (2015). Geoinformatiikka luonnonvarojen hallinnassa. Helsingin yliopiston metsätieteiden laitoksen julkaisuja 7.)

Yllä olevasta kartasta (kuva 3.) näkee, että paikat sijaitsevat alavilla alueilla, ei rinteissä, etelään suuntautuvilla kohdilla ja lähellä jokiuomaa. Kun kuvaa 3. vertaa kuvaan 1. voi huomata, että telttapaikat sijaitsevat usein lehtimetsäalueilla, aivan niin kuin haluttiinkin. En kuitenkaan laittanut maanpeiteaineistoa tähän karttaan (kuva 3.), koska omasta mielestäni se olisi sotkenut lopputuloksen, ja sitä voi kuitenkin vertailla edelliseen karttaan. Hieman kyseenalaistan telttailumahdollisuuksien soveltuvuuksien valikoinnin. Mielestäni niukkakasvustoiset kangasmaat tai rantahietikot olisivat hyvinkin voinut soveltua telttailuun. Kriteerien metatiedot ovat siksi tärkeitä. Millainen aineisto kartan takana onkaan ja mitkä ovat olleet syyt sen tuottamiseen.

Lopputulos näyttää mielestäni suhteellisen oikealta. Ainoastaan kyseenalaistan alueet, jotka näyttävät sijaitsevan veden päällä. Ymmärrän, että pohjakartta, jota olen käyttänyt on vektorimuotoinen eikä näin päde samoihin rasteriruutuihin kuin tuottamani vektoriaineisto telttapaikoista.

Osa alueista menee jokiuoman päältä. Kun tarkastelen esimerkiksi rinteen jyrkkyyttä kuvaavaa tasoa taustalla, huomaan, että alle 2 metrin kohdilla (vaaleimmat pikselit) telttapaikkojen taso näyttäisi yltävän myös. Myös Corine-maanpeiteaineiston kanssa telttapaikkojen soveltuvuustaso näyttää menevän vesialueiden kohdalla päällekkäin.

Uudelleenluokitteluvaiheessa siis ei annettu välttämättä kaikista tarkimpia parametrejä telttapaikkojen soveltuvuudelle. Jossain uudelleenluokittelussa on voinut myös itsellä käydä jokin virhe. Jos uoman uudelleenluokitusvaiheessa olisi etäisyydeksi jokiuomasta määrittänytkin enemmän kuin 1 mutta vähemmän kuin 200, olisi välttynyt jokiuoman päälleleikkauksesta.

Aineiston soveltaminen

Riippuen siitä, mitä aineiston käyttäjä haluaa telttapaikaltaan, aineistoa olisi voinut lisätä tuottaen vielä tarkempia alueita. Telttapaikan esiintymiseen olisi voinut vielä hyödyntää kriteerinä esimerkiksi lämpötilaa tai tuulisuutta. Tuulisuuden voisi saada esitettyä Ilmatieteenlaitoksen sivuilta tuuliatlas 250m mallilla (http://tuuliatlas.fmi.fi/fi/).

Tällaisella mallilla, jossa huomioitaisiin nämä samat kriteerit, voisi selvittää esimerkiksi mahdolliset rakennushankkeet. Tällöin siihen tulisi lisätä vielä ainakin maaperäaineisto. Tällä voisi selvittää myös tiettyjen kasvien selviytymismahdollisuudet alueittain, kun otetaan huomioon samat kriteerit ja myös maaperä mahdollisesti.

Lähteet:

• https://ckan.ymparisto.fi/dataset/corine-maanpeite-2018
• Holopainen et al. (2015). Geoinformatiikka luonnonvarojen hallinnassa. Helsingin yliopiston metsätieteiden laitoksen julkaisuja 7.

Sofia Salonen, Geoinformatiikan menetelmät 2 – MAA-221, syksy 2023