GIM 2 viikko 2: Rasterianalyysejä

Tällä viikolla aloitettiin muutaman viikon kestävä kokonaisuus, jossa luotavia aineistoja tullaan käyttämään myös parin seuraavan viikon harkoissa. Sukellamme rasterianalyysien maailmaan, jolla tarkoitetaan ”rasteriaineistojen vastinpikseleiden vertailua aritmeettisin ja loogisin operaatioin” (Holopainen et al.) Rasteriaineistossa jokaisella solulla onkin jokin arvo, ja jos se puuttuu, solu saa arvoksi merkinnän ”NoData”. Lähtöaineistona käytettiin Maanmittauslaitoksen avointa dataa, rasterimuotoista DEM-korkeusmallia Kevon kanjonin alueelta, Utsjoen kunnan alueelta. Lisäksi aineistona oli alueen 1:100 000 maastokartta ja mustavalkoinen ilmakuva. Korkeusmalliaineistosta johdannettiin monia eri työkalujen avulla useita karttaesityksiä, jotka paljastavat alueesta eri asioita.

Aineiston tarkastelua ja visualisointia

Kuva 1. KevoDEM-korkeusmalli

Kuvassa 1 on nähtävillä KevoDEM-korkeusmalli. Sen Properties-ikkunasta löytyy eri tietoja tästä tasosta: sen projisoitu koordinaattijärjestelmä on EUREF FIN TM35FIN. Yksiköt vaakasuunnassa ovat metrejä, ja korkeussuunnassa ilmeisesti metrejä merenpinnan yläpuolella (tätä tietoa en suoraan löytänyt Properties-ikkunasta). Korkeusmallin spatiaalinen resoluutio, eli pienimmän erottuvan kohteen koko (solun koko) on 2m x 2m. Alueen koko on noin 36 km², koska yhden sivun koko on noin 9 km. Alueen korkeimmat kohdat vaikuttavat olevan kanjonin vieressä kukkuloilla ja matalimmat kohdat luonnollisesti kanjonissa: korkein kohta on 422,735 mmpy  ja matalin kohta 145,9 mmpy – ruskeat kohdat ovat korkeita ja vihreät matalia. Alueella on siis liki 280 metriä korkeusvaihtelua.

 

Kuva 2. Rinnevalovarjostus (Azimuth 315, Altitude 45): Aurinko paistaa luoteen suunnasta 45 asteen korkeudelta
Kuva 3: Rinnevalovarjostus (Azimuth 180, Altitude 35): Aurinko paistaa etelän suunnasta 35 asteen korkeudelta (realistisempi Suomen oloissa)

 

 

 

 

 

 

 

 

 

Seuraavaksi tästä tasosta luotiin Hillshade-työkalun avulla vinovalovarjostus, joka on nähtävissä kuvassa 2. Vinovalovarjostuksella isoimmat korkeuserot erottuvat hyvin, mutta tarkkaa pinnanmuotojen tutkailua sillä ei voi kovin helposti tehdä. Tein vinovalovarjostuksen kahdella eri Azimuth ja Altitude –parametrien oletusarvoilla: ensimmäisenä oli oletukset 315 ja 45, toisena ”realistisempi” Suomen olosuhteisiin nähden, 180 ja 35 (kuva 3). Eri valaistusolosuhteet paljastavat kartalle eri painanteita.

Kuva 4. Korkeuskäyrät Contour-työkalulla

Tämän jälkeen Contour-työkalun avulla luotiin alueelle korkeuskäyrät visualisoivat selkeästi Kevon kanjonin ympäristön pinnanmuotoja. Tässä tapauksessa valitsin käyräväliksi 10 metriä – tämä lukuarvo täytyy valita aina tutkittavan alueen mukaan. Jos alueella ei ole paljon korkeuseroja, silloin pienempi käyräväli riittää visualisoimaan korkeuseroja. Kuten kuvasta näkee, kanjonit reunat ovat niin jyrkkiä, että korkeuskäyrätasossa ne näkyvät vain paksuina ruskeina viivoina, kun korkeuskäyriä on niin tiuhasti. Selkeiten mielestäni alueen korkeutta visualisoi korkeuskäyrien ja alkuperäisen KevoDEM-korkeusmallin yhdistelmä (kuva 5).

Kuva 5. Korkeuskäyrät ja KevoDEM

Korkeusmallin johdannaiset

Seuraavaksi luotiin lisää tasoja palettiin Slope- (rinteen jyrkkyys) ja Aspect-työkaluilla (rinteen viettosuunta). Yleisesti ottaen työkalujen käyttö on ArcGis Prolla yksinkertaista ja samankaltaista eri työkalujen kesken: Input rasteriksi laitettiin lähtöaineisto KevoDEM, ja Output raster tallennettiin viikon kansioon, josta sen löytää myöhemmin. Kuvassa 6 on valmis Slope-taso.

Kuva 6. Slope-taso, joka kertoo Kevon kanjonin ympäristön rinteiden jyrkkyyden
Kuva 7. Slope-tason monta eri luokkaa

Kuten kuvasta 7 näkee, tälle tasolle tuli oletusasetuksilla todella monta luokkaa. Nämä luokat kertovat asteina alueella olevan rinteen jyrkkyyden. Pienien värierojen takia rinteiden jyrkkyyttä on hyvin hankala tutkia silmämääräisesti asteen tarkkuudella, mutta yleispiirteisesti tämä karttataso kertoo sen minkä pitääkin. Rinteiden jyrkkyys vaihtelee 1,72 asteen ja 90 asteen välillä, eli kanjonin seinämät ovat lähes tulkoon pystysuoria.

Kuva 8. Aspect-taso yhdistettynä korkeuskäyriin
Kuva 9. Aspect-tason luokat

Seuraavaksi luotiin rinteiden viettosuunnat kertova Aspect-taso (kuva 8). Tuloksena oli väripläjäys, jonka luokkien selitykset ovat nähtävillä kuvassa 9. Muutin tasoa läpinäkyvämmäksi, koska korkeuskäyriin yhdistettynä tätä tasoa on helpompi tulkita. Taso on luokiteltu eri värisiin luokkiin sen mukaan, minne ilmansuuntaan mikäkin rinne viettää.

Hydrologinen mallinnus

Sitten päästiin harjoituksen ”ytimeen”, eli hydrologisen mallinnuksen pariin. Tavoitteena on arvioida veren virtausta tällä tutkittavalla Kevon kanjonin alueella, ja käytännössä tämä tapahtuu vertaamalla yksittäisten pikselien arvoja niitä ympäröivien pikseleiden arvoihin. Veden potentiaaliseksi virtaussuunnaksi määräytyy se, jossa naapuripikselin arvo pienenee eniten, eli vesi virtaa ”jyrkimpään alamäkeen” (harjoitusohje).

Ensimmäiseksi Flow Direction -työkalulla tehtiin yksinkertainen valuma-alueiden ja virtojen mallinnus, jonka jälkeen Sink-työkalulla etsittiin alueen kuopat rasterimuodossa. Nämä kuopat muutettiin vektorimuotoon Raster to Point -työkalulla (kuva 10).

Kuva 10. Kevon kanjonin alueen kuopat

Hydrologisen mallinnuksen onnistuakseen nämä alueen kuopat pitää täyttää, joka hoitui Fill-työkalun avulla. Tästä syntyneelle tasolle tehtiin taas Flow Direction -työkalulla valuma-alueiden ja virtojen mallinnus

Kuvat 11-12. Esimerkkikuva keskeltä tutkimusaluetta Fill-työkalun jälkeen, virtaussuunnat: 1 = itä, 128 = koillinen. Korkeuskäyrät havainnollistamassa korkeusvaihtelua

 

Seuraavaksi luotiin itse valuma-alueet Basin-työkalulla. Nämä rasterimuotoiset alueet muutettiin vektorimuotoisiksi Raster to Polygon -työkalulla, jonka lopputulos on kuvassa 13.

Kuva 13. Valuma-alueiden rajat, pohjalla KevoDEM
Kuva 14. Alueen eteläosassa olevia epärealistisia valuma-alueiden rajoja

 

Valuma-alueita on tarkasteltavan alueen pohjois-, etelä- ja itäosissa rinteiden juurella. Valuma-alueet alkavat rinteiden päältä ja suuntautuvat rinteiden viettosuuntien mukaisesti. Kuvassa 14 on alueen eteläosassa olevia virheellisiä valuma-alueita. Nämä voivat kieliä ongelmista valuma-alueiden määrittelyssä tai vektorimuunnoksessa.

Lopuksi määritettiin alueen potentiaaliset uomat Flow Accumulation -työkalulla. ”Mitä suurempi Flow Accumulation -tason arvo on, sitä useammasta pikselistä vesi valuu kyseiseen pikseliin” (harjoitusohje). Reclassify-työkalun avulla tutkin eri rajauksien avulla, mitä uomia eri Flow Accumulation -tason arvot kartalle luovat.

Kuva 15. Uomat 100k
Kuva 16. Uomat 20k
Kuva 17. Uomat 1k

Kuvasarja 15-17 visualisoi sen, että mitä pienempi Flow Accumulation -tason arvo on, sitä enemmän työkalu piirtää kartalle uomia. Uomat 20k olisi tässä tapauksessa näistä kolmesta toimivin ja realistisin verrattuna maastokarttaan (kuva 18). Mitä pienempi raja-arvo on, sitä enemmän sitä enemmän on myös erikoisen muotoisia uomia (kuva 19). Tämä voi johtua esimerkiksi rasteriaineiston epätarkkuudesta.

Kuva 18. Raja-arvon 20 000 uomat peruskartan päällä punaisella
Kuva 19. Epäloogisia uomia raja-arvolla 1000

Kuvassa 20 on valmis karttavisualisointi luoduista uomista ja valuma-alueista.

Kuva 20. Karttamallinnus Kevon kanjonin alueen mallinnetuista potentiaalisista uomista ja valuma-alueista, taustalla KevoDEM

Huh, tulipas paljon tekstiä ja kuvia, mutta tämä harjoituskerta toimi hyvänä pohjana eri karttatasojen luomiseen ja hydrologisen mallinnuksen maailmaan! Tästä on hyvä jatkaa kohti tulevien viikkojen kujeita.

 

Lähteet

Holopainen et al. (2015). Geoinformatiikka luonnonvarojen hallinnassa. Helsingin yliopiston metsätieteiden laitoksen julkaisuja 7. s. 51-53

Leave a Reply

Your email address will not be published.