GIM 2 viikko 4: Telttaretkeilyä

Tällä viikolla jatkettiin rasterianalyysien parissa. Käsittelyalustana toimi SYKE:n toimittama CORINE Land Cover 2018, joka kuvaa koko Suomen maanpeitetta ja maankäyttöä vuonna 2018, kuitenkin tähän harjoitukseen rasterikartasta on leikattu vain osa Pohjois-Lapista. Tämä avoin aineisto koostuu sekä rasterimuotoisesta että vektorimuotoisesta paikkatietokannasta. ’rasteriaineiston spatiaalinen resoluutio on 20 x 20 m. Se on tuotettu SYKE:n valmiista paikkatietoaineistoista ja satelliittikuvatulkinnan pohjalta; vektoriaineisto taas on tuotettu yleistämällä rasteriaineistoa. Eri värit tarkoittavat eri maanpeiteluokkia.

Kuva 1. Harjoituksessa käytettävä leikkaus CORINE-aineistosta

Corine-aineiston muokkaus

Seuraavaksi Corine-aineistosta leikattiin Clip Raster -työkalulla Kevon kanjonin alueen kattava piparkakkumuotti, johon hyödynnettiin uomat_100k-aineistoa. Tälle leikatulle rasteriaineistolle tehtiin tietokantaliitos Add Join -toiminnon avulla. Aineistoon liitettin maanpeiteluokat sisältävä taulukko, jotka liitettiin yhteen rasteriaineiston Value-kentän ja taulukon Value-sarakkeita avainkenttinä käyttäen. Tämän johdosta rasteriaineiston attribuuttitaulu sai paljon lihaa luidensa ympärille, ja rasterikuva visualisoitiin tarkimman, eli Level4Suomi-sarakkeen perusteella. Kuvassa 2 on nähtävillä valmis karttavisualisointi.

Kuva 2. Kevon kanjonin alue CORINE-aineistolla
Kuva 3. Lähikuva kartasta itse kanjonin alueelta

Aineistossa on monta eri luokkaa samankaltaiselle maanpeitteelle, esimerkiksi lehtimetsät sekä kivennäis- että turvemaalla. Sisällytin karttavisualisointiin myös aiemman uomat_100k-aineiston. Päätin visualisoida nämä samat pääluokat samoilla väreillä. Kevon kanjonin alue koostuu pääosin varvikosta ja nummesta. Metsätyypeistä lehtimetsää on alueella etenkin, etenkin kanjonin välittömässä läheisyydessä. Myös sekametsää esiintyy laikuittain. Avosoitakin esiintyy alueella.

Soveltuvuusanalyysin kimppuun

Aineiston muokkauksen ja visualisoinnin jälkeen päästiin itse viikon pääagendan pariin, eli telttapaikan valintaan. Tätä varten eri aineistoille asetetaan kriteerejä, ”joiden perusteella malli valikoi kaikki kriteerit täyttävät pikselit” (harjoitusohje). Tämä toimii siten, että halutut ominaisuudet muutetaan arvoksi 1 ja muut arvoksi 0. Soveltuvuusanalyysia varten työskentelytilaan lisättiin edellisten kurssikertojen aineistoja: KevoDEM-korkeusmalli, Aspect-taso rinteiden suuntaa varten, uomadata uomat_100k ja Slope-taso rinteen jyrkkyyttä varten. Sekä rinteiden jyrkkyys että rinteen suunta ovat johdannettu korkeusmallista. Lisäksi korkeusmallista voisi laskea esimerkiksi ensisijaisen valumasununan, valuman leveyden tai rinteen/valuman pituuden (Holopainen et al. 2015).

Telttapaikalle on monia kriteereitä, joista ensimmäinen on se, että sen tulee sijaita alle 260 metrin korkeudella. Tähän käytetään ModelBuilder-työkalua, jonka avulla työvaiheet havainnollistuvat sekä prosessit saadaan ketjutettua ja automatisoitua. ModelBuilderiin lisättiin korkeusmalli ja Reclassify-funktio, jossa itse aineiston luokittelu tehtiin. Kuvassa 4 on näiden toimenpiteiden jälkeinen tulos, jossa vihreällä näkyvät ne alueet, jotka sijaitsevat alle 260 metrin korkeudella.

Seuraava kriteeri on, että telttapaikan sijainnin rinteen tulee suuntautua välille itä – etelä – länsi. ModelBuilderiin lisättiin Aspect-taso ja tehtiin samat temput kuin äskenkin: arvot 90-270, eli idästä länteen, saivat arvon 1 ja muut arvon 0. Jostain syystä vesistöt saivat automaattisesti arvon -1. Kuvassa 5 on tummanpunaisella oikeaan suuntaan osoittavat rinteet telttapaikan suhteen.

Seuraava kriteeri on, että ”leiripaikan maanpeite tulee olla lehti-, seka- tai havumetsä kivennäismaalla, tai lehti- tai sekametsä turvemaalla.” ModelBuilderiin lisättiin CORINE-aineisto, ja Reclassifylla vaihdettiin sopivien maanpeitten arvoksi 1 ja muut nollaksi. Kuvassa 6 on tummansinisellä maanpeitteen puolesta sopivat paikat telttapaikalle.

Kriteerinä on myös, että ”leiripaikan tulee sijaita korkeintaan 200 m etäisyydellä vesiuomista”. Taas kerran uomat_100k lisättiin ModelBuilderiin, mutta tällä kertaa käytettiin Euclidean Distance -funktiota. Output cell sizen arvoksi laitettiin 10, ja tämän jälkeen Raster Calculatorilla laskettiin ne pikselit, jotka ovat korkeintaan 200 metrin päässä vesiuomasta. Kuvassa 7 on tummansinisellä kriteerin täyttävät kohdat.

Lopuksi rinteen jyrkkyys saa olla maksimissaan 10 astetta, eli arvoille 0-10 määritettiin uudeksi arvoksi 1.  Kuvassa 8 on vihreällä ne alueet jotka soveltuvat tähän kriteeriin.

Kuva 4. Vihreällä maaston korkeuden puolesta sopivat telttapaikat
Kuva 5. Tummanpunaisella oikea rinteen suunta telttapaikalle. Vihreällä vesistöt, joiden arvosta tuli -1
Kuva 6. Tummansinisellä maanpeitteen puolesta sopivat telttapaikat
Kuva 7. Tummansinisellä uomakriteerin täyttävät paikat
Kuva 8. Vihreällä ne alueet, jotka ovat sopivan loivia telttapaikalle

 

Jokaisen toimenpiteen jälkeen piti muistaa painaa ylävalikosta ”Validate” ja ”Run”-näppäimiä, ja uudet karttatasot lisättiin vielä erikseen kartalle. Toimenpiteiden suorittamisessa kului luonnollisesti sitä enemmän aikaa, mitä enemmän käsiteltäviä tasoja oli. Mallin sai onneksi siistiin järjestykseen Auto Layout -painikkeella. Kuvassa 9 on mallin ulkoasu näiden kriteerien asettamisen jälkeen.

 

Kuva 9. ModelBuilder-malli kriteerien asettamisen jälkeen

 

Tämän jälkeen Raster Calculatorilla lastettiin kaikki kriteerit yhdeksi rasteriksi, jotta sopivat telttapaikat saadaan selville. Calculatorilla kerrottiin jokainen uudelleenluokiteltu taso keskenään, jotta jäljelle jäivät vaan ne rasterimuotoiset alueet, jossa täyttyy jokainen asetettu kriteeri. Tämä tulosrasteri pyöräytettiin vielä Reclassifyn läpi, jossa telttailuun sopimattomien paikkojen 0-arvot muutettiin NODATA:ksi. Tämä lopputulos muunnettiin vielä vektorimuotoon Raster to polygon -työkalulla. Kuvassa 10 on lopullinen malli, jossa jostain syystä korkeuskriteeri on aivan erillään muista.

Kuva 10. ”Koko heelahoito”

 

Kuva 11. Soveltuvat telttapaikat Kevon kanjonin alueella

Kuvassa 11 on valmis karttavisualisointi sopivista telttapaikoista mainittujen kriteerien perusteella Kevon kanjonin alueella. Muina kriteereinä olisi voinut hyödyntää esimerkiksi telttapaikan suojuutta, johon olisi tarvittu aineistoa latvuspeitosta. Sehän olikin tehty aiemman viikon harjoituksessa.

Vastaavalla mallilla voisi selvittää vaikkapa soveltuvat lintujen pesimispaikat tai vaellusreitit, jos kriteeriksi asetetaan vähäinen korkeusvaihtelu. Lopputuloksen telttapaikat näyttävät sijoittuvat kanjonin välittömään läheisyyteen tai jopa itse kanjoniin. Kanjonissa yöpyminen ei liene ihanteellinen hotellihuoneiston veroinen kokemus.

Mitä jäi käteen?

Tällä kurssikerralla tuli siis tutuksi hyödyllinen ModelBuilder-toiminto, jonka avulla kartanteossa tarvittavia ketjutuksia voi suorittaa kätevästi. Toki näin ensituntumalla opetteluun meni aikansa, eikä tekeminen ollut täysin puhdasta suorittamista – vastoinkäymisiä tuli esimerkiksi liian pitkien tiedostonimien kanssa. Sopivien telttapaikkojen analysointi ja visualisointi oli hauska idea, joka konkretisoi työvaiheiden ketjutuksen tärkeyden!

 

Lähteet:

Corine maanpeite 2018. SYKE, Helsinki. 30.11.2021. <https://ckan.ymparisto.fi/dataset/%7B0B4B2FAC-ADF1-43A1-A829-70F02BF0C0E5%7D>

Holopainen et al. (2015). Geoinformatiikka luonnonvarojen hallinnassa. Helsingin yliopiston metsätieteiden laitoksen julkaisuja 7. s. 81-85

Leave a Reply

Your email address will not be published.