Kategoriat
_______

Kurssikerta 3 – Rasterisekoilut part 2

Kolmanteen kurssitehtävään tartuttaessa alkoi jo pelottaa, sillä harjoitusohjeen perusteella tehtävä vaikutti jo melko työläältä. Kaikesta on kuitenkin aina selvitty ja niin selvittiin tästäkin. Aluksi tehtävät olivatkin viime viikkojen teemaa jatkaen helppoja ja tehtävät muuttuivat haastavimmiksi loppua kohden.

Tällä kerralla päästiin paneutumaan vähän enemmän aineistojen metatietoon. Männyn biomassa -aineistossa spatiaalinen resoluutio on 16 metriä. Tämän tiedoin kaivoin viime viikon harjoituksen tapaan ArcGissillä tason tiedoista, mutta tällä kertaa kaikkea kysyttyä ei löydy sieltä.
Aineistojen mukana tuli muutama paljon metatietoa sisältävä tiedosto. LUETAMA-2019-tiedostosta löysin biomassan yksikön (kg/ha) ja tietoa siitä, miten aineisto on tuotettu. Aineiston kokamisessa on käytetty maastotietoja, satelliittikuvia ja muuta numeerista paikkatietoa. Aineistontuottoprosessissa on hyödynnetty koealoja ja ennusteita. Lehtipuihin käytettiin männyn ennustemallia. Hakkuut otettiin huomioon. Kuvauksessa käytettiin jänniä ilmaisuja, joita en ihan vielä ymmärrä, mutta  oli hienoa huomata kuitenkin ymmärtävänsä jotain paikkatiedon keräämisestä. Teksti oli sitä aitoa varsinaista paikkatiedettä ja oli hienoa saada löytää itsensä sen ääreltä.

Alkufiilistelyistä tositoimiin. Tavoitteena oli laskea yhteen aineistossa erillään olleet eri biomassaa tuottavat asiat männyille, lehtipuille ja kuusille. Tämä onnistui raster calculator -työkalulla. Syntyneet tasot olivat suoraan visualisoitavissa. Kuvien perusteella lehtipuita (Kuva 2) esiintyy suurimmalla alueella ja mäntyjä (Kuva 1) toisiksi suurimmalla. Mäntyjen biomassa saa kuitenkin suurempia arvoja, mistä voisi päätellä mäntykasvuston olevan tiheämpää/korkeampaa. Kuusen biomassaa kuvaava kartta (Kuva 3) sekä näyttää vähäiseltä, että saa pienimmät arvot. Tämä johtunee siitä, että kuusta ei esiinny aivan pohjoisimmassa Suomessa toisin kuin mäntyä ja lehtipuita.

Kuva 1. Männyn biomassa tonneina hehtaarilla Kevon kansallispuistossa sijaitsevalla alueella.

 

Kuva 2. Lehtipuiden yhteenlaskettu biomassa samoilla kriteereillä ja samalla alueella.

 

Kuva 3. Kuusen yhteenlaskettu biomassa jne.

 

 

Harjoituksen kolmannessa osiossa päästiin kikkailemaan ”attribuuttitaulujen” kanssa. Tehtävän alkuun haettiin viime viikolla luotu uomat-taso ja liitettiin se tähän projektiin. Tämä vaati hieman kaivelua, mutta onnistuin lopulta.

Sitten luotiin Euclidian Distance -toiminnolla bufferianalyysin näköinen etäisyysrasterin, jossa olisi vyöhykkeet eri etäisyyksille näistä uomista. Zonal Statistics as Table laskee halutut tunnusluvut näille alueille. Näillä toiminnoilla saatiin kuusen (Taulukko 1), lehtipuun (Taulukko 2) ja männyn (Taulukko 3) biomassat taulukkoon alueille. Taulukot oli tarkoitus saada jotenkin ArcGissistä ulos ja exeliin tuunattavaksi, mutten kerta kaikkiaan vaan onnistunut tässä. Jos taulukon jotenkin sai tallennettua erikseen, ei sitä saanut exelissä auki, joten luovutin ja otin vain näyttökaappaukset ArcGissistä.

Taulukko 1. Kuusen biomassa eri etäisyyksillä uomista.

 

 

Taulukko 2. Lehtipuiden biomassa eri etäisyyksillä uomista.

 

 

Taulukko 3. Männyn biomassa eri etäisyyksillä uomista.

 

Taulukoissa value-kentällä tarkoitetaan etäisyyttä uomista (arvo on vyöhykeen etäisin piste), area on alueen koko ja SUM biomassa kg/ha, jos arvaan oikein. Taikista sarakkeista en edes tiedä, mitä ne tarkoittavat, mutta yleisesti ottaen näyttäisi siltä, että uomia lähinnä kaiken puuston biomassa on suurimmillaan. Lehtipuita on kaikkialla eniten ja vähiten biomassaa oleva puulaji vaihtelee eri vyöhykkeillä (Taulukko 4).

Taulukko 4. Minkä puuston biomassaa on eniten milläkin etäisyysvyöhykkeellä uomista.

 

 

 

Seuraavassa tehtävässä palattiin LUETAMA-2019 -tiedoston äärelle vielä kerran tutustumaan tällä kertaa latvuspeittoaineistoon. Tiedoston mukaan latvuspeitto tarkoittaa  ”vaakatasoon projisoidun latvuston peittämää osuutta koealan alasta”, jota mitattaisiin prosentteina nollan ollessa täysin avoin taivas ja sadan ollessa täysin latvuskerroksen peittämä taivas. 

Latvuspeitteiden  visualisointi kävi sukkelasti lehtipuiden (Kuva 4) aineiston ollessa valmista ja havupuiden (Kuva 5) latvuspeittoon riitti kun miinusti kaikista lehtipuut Raster Calculatorilla.

Kuva 4. Lehtipuiden latvuspeitto Kevon alueella.

 

Kuva 5. Havupuiden latvuspeitto Kevon alueella.

 

 

Latvuspeitoilla haluttiin selvittää, miten se muuttuisi korkeuden merenpinnasta kasvaessa. Tähän tarvittiin Kevon korkeusaineisto, joka löytyi niin ikään viime kerran aineistoista, nyt jo helposti.

Reclassifyn avulla oli tarkoitus uudelleenluokitella korkeusaineisto haluamiimme korkeusluokkiin, mutta tämä ei suostunut toimimaan. Virheilmoitus sanoi ”the raster does not have statistics and histogram and the gb analysis extent is not defined”. Menin määrittämään analyysialueen uudelleen Reclassifyn Environments-välilehdeltä ja sen jälkeen se toimi.

Käytettiin taas Zonal Statistics as Table -toimintoa tietojen saamiseksi vyöhykkeille. Saadut taulukot havupuiden (Taulukko 5) ja lehtipuiden (Taulukko 6) tilastollisista tunnusluvuista vyöhykkeittäin ovat taas näytönkaappauksia. Niiden perusteella 300-400 metrin korkeudessa latvuspeitto on suurin kaikenlaisella puustolla. Tämä korkeusvyöhykealue on myös suurin. Havupuita on vähiten myös alueeltaan pieneimmällä 0-200 metrin vyöhykkeellä ja lehtipuiden peittävyys on pienintä yli 400 metrin korkeudessa.

Taulukko 5. Havupuiden latvuspeiton tilastollisia tunuslukuja.

 

Taulukko 6. Lehtipuiden latvuspeiton tilastollisia tunnuslukuja.

 

 

 

Tämän kurssikerran tehtäviin upposi aika paljon aikaa ja harmaita hiuksiakin syntyi. Tuli kuitenkin opittua tilastollisista tunnusluvuista.

Vastaa

Sähköpostiosoitettasi ei julkaista.