ArcGis käyttömahdollisuuksia -aineistosta lopputulokseen

Esitys aiheesta: "ArcGis käyttömahdollisuuksia -aineistosta lopputulokseen"— Esityksen transkriptio:

1 ArcGis käyttömahdollisuuksia -aineistosta lopputulokseen
Maisemasuunnittelun erikoistyö, Juha Aalto

2 Miksi GIS? GIS (Geographical Information systems) tarjoaa analyyttisen kehyksen, jolla voi varastoida, yhdistää, analysoida ja esittää alueellista informaatiota Sovellusten suuri määrä (luonnontieteellinen: eroosiomallinnus, tulvamallinnus, sosiaalitieteet: muuttoliike, palveluiden sijoittuminen) Paikkatietoa tuotetaan paljon, saatavana myös ilmaiseksi internetistä (esim. Paituli) Kaukokartoituksen kehitys ja jakelun avoimuus Säästää usein aikaa ja kustannuksia Helpottaa päätöksentekoa → kartat Voidaan saadaan tietoa ilmiöiden taustalla olevista vuorovaikutussuhteista

3 Miksi GIS? GIS + kaukokartoitusaineistot hyvin tärkeitä alueellisessa tutkimuksessa Ilmaisia satelliittikuvia internetistä: Maanmittauslaitoksen kartat: - Paikkatietoaineistoja tutkijoille ja opiskelijoille: Paituli Paikkatietolainaamo

4

5 ArcGis

6 Alueellinen data Paikkatieto = sijantitieto + ominaisuustieto
ArcGis: ssä omina tasoinaan (vektori tai rasteri) Koordinaattijärjestelmä Projektio Datum

7 Erilaisia perusanalyysejä
Datan yhdistäminen - ”join” Ominaistietokysely ”select by attribute” ”select by location” Map overlay ”overlay”, ”weighted overlay”, ”clip” Kustannuspinnat ”cost distance” Map algebra Interpolointi

8 Aineistosta lopputulokseen - esimerkkejä

9 Korjuuseen sopivien alueiden määrittäminen
Tavoite: löytää korjuuseen sopivat alueet kuivana kesänä sekä sellaiset alueet, mitkä ei sovellu lainkaan korjuuseen kesällä Korjuu kone ei pysty toimimaan yli 22° rinteessä Maaperän kantavuus vaihtelee maalajeittain:

10 Korjuuseen sopivien alueiden määrittäminen
Data: Korkeusmalli (rasteri) Maaperäaineisto (vektori) Slope layer DEM:sta: Spatial analyst → surface → slope Uudelleenluokittelu slope < 22° Spatial analyst → reclassify Ominaisuustietokysely: maalajit, joiden kantavuus hyvä kuivana kesänä ja huono sateisena kesänä Muunnos vektorista rasteriksi Spatial analyst → features to raster Uudelleenluokittelu

11 Slope < 22° →

12

13 Maataloudelle sopivia alueita Hyytiällä
Ehdot: rinteen kaltevuus alle 11%, maaperä ei saa olla kalliota, siinä ei saa olla kiviä, maaperä ei saa olla hiekkainen eikä se voi olla avoin turvemaa Lisäksi: metsäalueet tulee painottaa kahdella ja alueet eivät saa olla alle kymmenen metrin päässä vesistöistä ja ojista Data: areas.shp (sisältää tietoa mm. maaperästä ja metsäalueista) Lines.shp (joet, ojat, tiet jne..) Ominaisuustietokyselyllä maaperän ominaisuudet mitä EI saa olla → switch selection → uusi maaperätaso DEM:stä slope → reclassify yhteen luokkaan alle 11% = 1 Metsäalueet area.shp:stä → uusi taso Vesistöistä ja ojista kymmenen metrin bufferit Kaikki vektoritasot rastereiksi→ uudelleenluokittelu vain haluttu ominaisuus

14

15

16 Maanvyöryjen mallintaminen Marokossa

17 Data Aspect Slope Etäisyys jokiin Etäisyys tiehen Etäisyys siirroksiin
Siirrostiheys Etäisyys episentrumiin Flow accumulation Maankäyttö Litologia

18 Rasteritasojen uudelleenluokittelu Boolean-mallinnus
→ make permanent →”aspectcons” + kallioperästä halutut kivilajit → ”lithcons” → make permanent →”slopecons”

19 Boolean Fuzzy

20 Multikriteerianalyysi Analyyttinen hierarkiaprosessi (AHP)
Sama data kuin edellisessä esimerkissä Muuttujien keskinäistä tärkeyttä vertaillaan subjektiivisesti Ohjelma laskee kertoimet taulukon perusteella

21

22 Metsäkoneen reitin suunnittelua

23 Metsäkoneen reitin suunnittelua
Tavoitteena löytää paras mahdollinen reitti 14-tonniselle metsäkoneelle talven 2002 – 2003 ajaksi, perustuen ainoastaan vierintävastukselle Talven edetessä routa kehittyy maaperässä ja koneen vierintävastus pienenee Data: soiltype.shp DEM Kuljetuksen alku- ja loppupiste

24 Metsäkoneen reitin suunnittelua
Rinteen jyrkkyys vaikuttaa vierintävastukseen → slope DEMistä Soiltype.shp ja alla oleva taulukko yhdistettiin Soiltype.shp rasteriksi vierintävastuskentän mukaan spatial analyst → feature to raster → kolme rasteria (jokainen kuukausi)

25 Metsäkoneen reitin suunnittelua
Slopen uudelleenluokittelu: 0-15° = 1, > 15° = 100 Kustannuspinta kolmelle kuukaudelle Raster calculatorilla: Spatial analyst → distance → path distance Kumulatii- vinen ”cost distance” lähtöpisteeseen Optimi reitit jokaiselle kuukaudelle spatial analyst → distance → cost path

26

27 Kilpisjärven periglasiaalisten ilmiöiden alueellinen mallinnus

28 Tutkimuksen tavoitteet
Mallintaa periglasiaalisten ilmiöiden alueellista esiintymistä Mitkä ympäristömuuttujat selittävät esiintymistä eniten? Mallinnusmittakaavan kaavan vaikutus? Pistemäinen tieto alueellisesti kattavaksi Mallinnusmenetelmien vertailu

29

30 Mallinnettavat ilmiöt
Routakuohunta Rinneprosessit (esim. vuotomaa) Lumenviipymät eli nivaatio Tuulen toiminta eli deflaatio Virtaavan veden toiminta Rapautuminen

31 Kenttätyöt Valmiina 200 pistettä, kesällä 2010 170 lisää
20 korkeusmetrin välein kohtisuoraan korkeuskäyriä vasten GPS:llä sijanti YKJ ja korkeus merenpinnasta Tutkimusalalla (10m * 10m) arviointia geomorfologisesta aktiivisuudesta Lomakkeeseen aktiivisuuden määrä prosentteina koko tutkimuspisteen alasta Myös muita atribuutteja…

32 Paikkatiedon keräämistä
Ailakka huippu plot x y elev maxv valrid cryop slopep defl fluv fluv_s fluv_e niva weat fines relalt rough kaira_syvyys 328 957 10 20 4 22 9 329 940 17 5 3 23 24 330 918 7 15 100 170 28 41 331 939 8 1 40 332 921 95 180 33 35 333 25 110 27 334 941 80 44 335 920 34 336 2 190 337 26 338 6 70 250 30 16 339 900 150

33 Selittävät tekijät Topografiset muuttujat mm: korkeus, slope, aspect, curvature, TWI, säteily → DEMistä Maa- ja kallioperä Kasvillisuus (NDVI → Landsat kuvasta)

34 Landsat ETM NDVI

35 Zonal Statistics Spatial analyst → zonal statistics → zonal statistics as table Selittävistä muuttujista (esim. DEM 10m resoluutio) 1 ha:n gridiin

36 Aineiston kerääminen ja käsittely
Tilastollinen mallinnus (GLM & GAM) Tulosten visualisointi ja esitys

37 Tulokset…?? Kartat kunkin tutkittavan ilmiön alueellisen esiintymisen määrästä (0 – 100%/ ha) tutkimusalueella Pienellä alueella myös 10 * 10m mallinnusresoluutio → mittakaavan vaikutus

38