Jarmo Ratia: Maanmittauslaitosta ei saa PIRSTOA Paikkatiedoista hyötyä suunnitteluun ja päätöksentekoon

Transkriptio

1 /0 Jarmo Ratia: Maanmittauslaitosta ei saa PIRSTOA Paikkatiedoista hyötyä suunnitteluun ja päätöksentekoon Energiatehokasta kaupunkisuunnittelua Porvoossa Paikkatietoikkuna Liikkuva kartoitus Lähialueyhteistyö maanmittausalalla Metsämaan kiinteistönmuodostus Ruotsissa Maanmittaus Virossa Aluehallintovirasto Uusimaa 00 vuonna 965

2 Leica Viva TS5 Visiosi nopeimmasta kuvaltaohjaus-takymetristä... let us inspire you Leica Viva TS5 Ei voisi olla nopeampaa Visiot syntyvät kokemuksen, tietojen ja luovuuden vuorovaikutuksesta. Niiden täytäntöönpano tekee mittaajan työstä kiehtovaa. Uudessa Leica Viva TS5:ssä on mullistava kuvaltaohjaus-toiminto ja Leica SmartWorx Vivan helppokäyttöinen laiteohjelma. Niiden ansiosta nopea takymetri on jopa vieläkin nopeampi! Leica Viva TS5:n testattuihin takymetrisensoreihin on lisätty edistyksellinen kuvasensori. Ainutlaatuisella Kaappaa-Piirrä-Linkitä -toiminnolla takymetrin live-kuvia voidaan kaapata, täydentää piirtämällä ja linkittää mihin tahansa pisteeseen. Kosketa-Käännä-Mittaa -toiminnolla mikä tahansa etäpiste voidaan mitata takymetriin koskematta. Jokainen visio, suuri tai pieni, toteutuu. Tervetuloa Leica Viva let us inspire you Leica Geosystems Oy Sinikalliontie 3 A, 0630 Espoo, (09) info.suomi@leica-geosystems.com

3 s i s ä l t ö /0 5 Pekka Lehtonen (pääkirjoitus) Tarvitseeko Lunastuslaki päivitystä 6 Kirsi Virrantaus Paikkatiedoista hyöt yä suunnit teluun ja päätöksentekoon spatio-tilastollisen analy ysin menetelmin Riikka Kivekäs Paikkatietoikkuna kokoaa paikkatiedot yhteen 4 Antero Kukko ja Anttoni Jaakkola Liikkuva kartoitus tiedon tuotannon etulinjassa 8 Jarmo Ratia haastattelussa: Maanmittauslaitosta ei saa pirstoa 4 Maija-Riitta Kontio Skaftkärr energiatehokasta kaupunki Suunnittelua Porvoossa 8 Matti Kantanen Suomi mukana Venä jän kiinteistö Jär jestelmän kehit tämisessä 3 Leif Norell Miten Ruotsissa Suhtaudutaan metsämaan kiinteistön Muodostamiseen? 35 Mairolt Kakko Maanmit tausala Virossa Ammat tien historiasta, organisoinnista ja tulevaisuudesta 39 RA JALINJALLA 40 Uudet päättäjät, vanhat haasteet 44 Tarja Hyvönen Toimintojen kokoamista aluehallinnossa selvitetty 46 Raili Savolainen Maanmit taustoimistojen yhdistäminen aluehallinto virastoihin 48 Arvo Kokkonen Erimielisen t yöryhmän esit ys: Maanmittaustoimistot aluehallintoviranomaisiin Pekka Raitanen Uusimaa 00 miten sitä visioitiin vuonna Pentti Pohjola, Pekka Majuri, Kalle Salonen, heikki Fredriksson ja Antero Yläkorpi Maanmit tarit ja vapaaehtoinen maanpuolustus 58 Marko Ollikainen Toimitustuotannon laatumallien valmistelu on alkanut MML:ssa 60 MAANMITTAUSTA TALLENTAMASSA 6 JARRUMIES 6 FIG-UUTISIA 63 UUSIA SÄÄDÖKSIÄ 64 HÄRKÄÄ SARVISTA 65 UUTISIA 78 RESUME KIRSI VIRRANTAUS S. 6 Tiedon tuottamisen problematiik an rinnalla olisi jo pian keskityttävä myös tiedosta saatavan hyödyn luomiseen. M AT T I K A N TA N E N S. 8 Kehittynyt maanhallinta on yksi yhteiskuntarauhaa edistävä tekijä ja näin tärkeää lähialue - yhteistyössä. RAILI SAVOL AINEN S. 44 Haluamme tur vata k ansalaisille hy vät palvelut. Aluehallintovirastouudistus saattaa aiheuttaa enemmän haittaa kun hyötyä. Kustanta jat: Suomen Maanmittausinsinöörien Liitto MIL, Maanmittausalan ammattikorkea koulu- ja opistoteknisten liitto MAKLI ry, Suomen Kartoittajayhdistys SKY Päätoimittaja: Pekka Lehtonen, sähköposti: paatoimittaja maankaytto.fi, puh Kansi: Maanmittauslaitoksen pääjohtaja Jarmo Ratia. Kuva: Tuulikki Holopainen.

4 Aikaa varautua. Aikaa pelastaa. Paikkatiedolla on merkitystä. Paikkatieto on entistä merkittävämpi osa päivittäisiä palveluitamme. Oikea tieto sijainnista parantaa resurssien ohjausta, kertoo tuotantoketjun tilannekuvan ja auttaa ostopotentiaalin tunnistamisessa. Paikkatiedolla on arvoa eri toimialojen palveluille. Logican ratkaisut kattavat mm. kartta- ja paikkatietopalvelut, julkisen liikenteen palvelut, yleisen turvallisuuden ratkaisuja ja kuntien paikkatietoratkaisuja. Laajan kartta-aineistotarjontamme, kuten suorakäyttö-, rasteri- ja vektoriaineistot, saa käyttöön aineistoina tai palveluna. Lisätietoja: 4 Maankäyttö 0

5 P Ä Ä K I R J O I T U S P Tarvitseeko lunastuslaki päivitystä? ohjanlahden kahta puolta on keskusteltu lunastuskorvausten tasosta: riittääkö käypä hinta korvaamaan luovuttajan menetykset. On myös kysytty, pitäisikö maanomistajankin saada siivunsa, kun maata lunastetaan kaupallisiin liiketoimiin, kuten voimalinjoja tai kaasuputkia varten tai kaivoksiksi. Ruotsissa tuli elokuussa voimaan laki, jonka mukaan luovuttajalle tulee maksaa markkina-arvoon perustuvan lunastuskorvauksen lisäksi 5 %:n lisäkorvaus. Tästä on Simo Mikkola kirjoittanut Maankäytön numeroissa /009 ja 4/00. Maanmittaustieteiden päivien yhteydessä järjestettiin paneeli, jossa lunastuksen eri osapuolet keskustelivat, onko lunastuslainsäädäntömme vanhentunut, sekä erityisesti johtolinjojen lunastuskorvauksista. Sopuisaa paneelikeskustelua selostetaan tässä numerossa. Maankäytössä 4/00 Markku Tornberg totesi perustellen, ettei käyvän hinnan mukainen korvaus riitä korvaamaan luovuttajan tosiasiallisia menetyksiä. Mm. Pauli Karvisen paneelikeskustelussa esittämä käsitys, että metsämaiden todelliset kauppahinnat usein ylittävät sen, mitä asiantuntija-arvioissa esitetään, tukee edellistä. Nykyisen lunastuslain säätäminen v. 978, niin sanottu maapaketti, kuumensi tunteita ja vaati presidentti Kekkoselta runnaamista tullakseen käsittelyyn. Yli 30-vuotias, varsin hyvin toiminut lunastuslaki, on ollut myös maanmittarikunnalle merkittävä, sillä sen myötä pääosa erilaisista lunastuksista on tehty maanmittarivetoisissa lunastustoimikunnissa. Yhteiskunta on kuitenkin muuttunut, samoin lähes koko ympäristöoikeuden alan lainsäädäntö, jota lunastuslaki lähinnä palvelee. Tämän vuoksi seuraavan hallituksen tulisikin ottaa ohjelmaansa lunastuslain kokonaisuudistus. Mutta mitä sitten pitää uudistaa ja mitä säilyttää? On selvää, että myös uuden lunastuslain on taattava luovuttajille täysi korvaus. Täyden korvauksen takana oleva rakennelma korvauslajeista, kohteen-, haitan- ja vahingonkorvauksista on toimiva eikä sille juurikaan vaihtoehtoja ole näköpiirissä. Olennaisin osa täyttä korvausta on lunastettavasta omaisuudesta määrättävä kohteenkorvaus. MTK ja eräät varteenotettavat tiedemie- Prosenttikorotus käypään hintaan sopisi liiketoimia palveleviin lunastuksiin mutta ei raakamaihin. het ovat useissa yhteyksissä esittäneet kohteenkorvauksen nykyisenä perusteena olevaa käypää hintaa korvattavaksi korkeimmalla käyvällä hinnalla. Näyttää kuitenkin siltä, että korkein käypä hinta on epämääräinen käsite ja avaisi ansaintamahdollisuuksia lähinnä asianajajakunnalle, kunnes käsitteen merkitys vakiintuisi oikeuskäytännössä. Mikäli korvaustasoa aiotaan korottaa, vaihtoehtona voisi olla Ruotsin malli. Sitä tuntui myös yllämainittu paneelikin kannattavan. Ruotsiin verrattuna meillä lunastuskorvauksia verotetaan lievemmin. Lisäksi Ruotsissa korvaustasoa laskee niin sanottu nykykäyttöoppi, jonka vuoksi odotusarvoja korvataan kitsaammin kuin Suomessa. Ruotsin ratkaisun jälkeenkin sikäläinen nettokorvaustaso tuskin ylittää suomalaista nettokorvaustasoa. Periaatteellinen kysymys on, pitäisikö luovuttajalle ylipäätään maksaa täyttä korvausta korkeampi korvaus. Ruotsin mallin kaavamainen soveltaminen voisi olla tuhoisaa muun muassa kuntien maapolitiikalle, jota pääasiassa toteutetaan vapaaehtoisilla kaupoilla mutta jossa taustalla lunastuksen mahdollisuuskin vaikuttaa. Raakamaalunastuksissa saatetaan jo nyt maksaa tuhansia prosentteja yli nykykäyttöön perustuvan arvon. Hinnan muodostuksen merkittävin tekijä kalkyylien takana onkin tosiasiallisesti kunnallisvaltuutettujen ryhdikkyys ja ymmärrys tai paremminkin niiden puute, mutta siihen problematiikkaan ei palstatila tässä yhteydessä riitä. Nykyisestä lunastuslaista säilyttämisen arvoista on toimitusmuotoinen menettely virallisperiaatteineen. Tämä on taannut asianosaisten tasapuolisen kohtelun ja kustannustehokkaan menettelyn. Toimitusmenettely on saavuttanut yleisen arvostuksen. Löytyisikö Ruotsin mallista liiketoiminnallisiin tarkoituksiin tapahtuvissa lunastuksista toimiva ratkaisumalli? Käypää hintaa korotettaisiin määräprosentilla. Puhtaasti yhteiskuntaa palvelevissa hankkeissa tätä korotusta ei käytettäisi. Se onkin tarpeeton, koska raakamaasta maksetaan joka tapauksessa moninkertainen hinta. Pekka Lehtonen paatoimittaja maankaytto.fi Maankäyttö 0 5

6 Kehittyvä paikkatietotekniikka OSA Matti Kurkela Paikkatiedoista hyötyä suunnitteluun ja päätöksentekoon spatio-tilastollisen analyysin menetelmin Kirsi Virrantaus Tiedon tuottamisen problematiikan rinnalla olisi jo pian keskityttävä myös tiedosta saatavan hyödyn luomiseen. Kirjoituksessa pyritään avaamaan paikkatiedon roolia tutkimuksen, suunnittelun ja päätöksenteon tukena. Inspire-direktiivin mukaisten paikkatietojen tuottaminen työllistää eurooppalaisia karttalaitoksia ja muita alan toimijoita. Erityisesti metadatan kerääminen ja sitä kautta paikkatiedon laadun varmistaminen vaatii osaamista ja resursseja. Tavoittelemme eurooppalaista yhtenäistä paikkatietovarantoa, jota voitaisiin käyttää luotettavasti ja sujuvasti yli hallinnollisten rajojen. Tiedon tuottamisen problematiikan rinnalla olisi jo pian keskityttävä enemmän tiedosta saatavan hyödyn luomiseen. Miksi paikkatietoja pitää kerätä niin ajantasaisina ja laadukkaina? Ketä ne hyödyttävät ja miten? Ei ainoastaan paikannuspalveluja ja navigointia maalla ja merellä. Ei ainoastaan realististen 3D-mallien muodostamista lähiympäristöstämme tai mahdollisuutta virtuaalimatkailuun. Valtavalla paikkatietomassalla on myös muuta potentiaalia. Tässä kirjoituksessa pyrin avaamaan toisenlaisen näkymän paikkatietoon ja sen rooliin tutkimuksen, suunnittelun ja päätöksenteon tukena. Paikkatiedon mallintamisesta ilmiöiden ymmärtämiseen Mitä paikkatieto on sen opimme jo 80-luvulla. Nyt on aika ajatella asiaa uudestaan ja antaa paikkatiedolle lisää merkitystä ja arvoa. Paikkatieto määriteltiin Maanmittauslaitoksen LIS-projektin työn aikana tiedoksi, joka koostuu koordinaateista, geometriasta ja topologiasta sekä sijaintikohteisiin liitetystä ominaisuustiedosta. Myöhemmin Tekniikan Sanastokeskus on antanut ISO-standardin mukaisen, väljemmän määritelmän: Paikkatieto on tieto kohteista, joiden paikka maan suhteen tunnetaan. (TSK 3, 43, 005). Nämä määritelmät, vaikkakaan eivät rajaa pois tiedon sijainnillista jatkuvuutta, korostavat kovasti paikkatiedon luonnetta yksittäisten kohteiden kuvauksina ja geometrisinä malleina. Paikkatietoaineisto -termi täydentää hyvin paikkatieto-sanan määritelmää ja siitä lausutaankin Paikkatietoaineisto on paikkatiedoista koostuva tietoaineisto. (TSK ) Tämän kirjoituksen tarkoituksena ei ole keskittyä paikkatiedon määritelmiin, mutta tietynlainen laajaalaisempi ymmärrys paikkatiedon roolista muussakin mielessä, 6 Maankäyttö 0

7 kuin vain todellisuuden konkreettisten kohteiden mallintajana, on artikkelin pohjalla. Haluan korostaa paikkatietoa sisältävien aineistojen merkitystä maailmassa tapahtuvien ilmiöiden kuvaajina. Otetaan esimerkiksi tavanomainen kuntarekisteri, joka sisältää paikkatietoa rakennuksista. Useimmiten kunnan karttajärjestelmä sisältää rakennusten nurkkapisteiden koordinaatit ja pisteitä yhdistävät janat tai murtoviivat; rakennukseen liittyvät ominaisuustiedot löytyvät yhteyksillä rakennusvalvonta- ja kiinteistöosiin. Tämä järjestelmä tukee niin kartantuotantoa kuin erilaisia kyselysovelluksiakin. Mutta ajan tasalla pidettävä ja historiatiedot tallentava rekisterikokonaisuus sisältää aikadimensiossa tarkasteltuna kuvauksen koko rakennuskannan kehittymisestä. Kartat, joita tuotetaan, ovat rakennuskanta -ilmiön aikasidonnaisia kuvauksia. Karttoja ja tietokantahaluja tarvitaan päivittäisessä toiminnassa, mutta ilmiötä kuvaava tietoaineistojen joukko muodostaa kokonaisuuden, josta saamme irti informaatiota historiasta ja tukea tulevaisuuden ennakointiin sekä myös selityksiä moniin kiinnostaviin tapahtumiin yhdyskunnassa. Tätä informaatiota voidaan sitten käyttää suunnittelun ja päätöksenteon tukena. Samalla tapaa esimerkiksi sademäärää tai lumen syvyyttä kuvaavia sääkarttoja voidaan kutsua sade- tai lumi-ilmiöiden kuvauksiksi. Olennaista tässä on, että yksittäinen sääkartta tai lumitilannetta kuvaava kartta ei suinkaan kuvaa koko ilmiötä, vaan ainoastaan yhden tietyn ajanhetken tilanteen. Asioiden sijainti yhdellä hetkellä tietyssä paikassa on seurausta kokonaisilmiöstä, jonka periaatteiden tunteminen yleisellä tasolla on tutkimusnäkökulmasta hyödyllisempää kuin yksittäisen tilannetiedon tunteminen. Käyttäessämme paikkatietoaineistoja suunnittelussa meidän tulisi pystyä näkemään metsä puilta eli ymmärtämään ilmiö yhden kartan tai paikkatietoaineiston tulkinnan sijaan. Tähän tehtävään saadaan hyvä teoreettinen ja menetelmällinen tuki spatio-tilastollisesta analyysistä. Tilastolliset menetelmät vaativat laajennuksia Ilmiöiden tutkiminen tilastotieteen avulla tarkoittaa todennäköisyysmatematiikkaan pohjautuvien mallien luomista tarkasteltavasta aineistosta. Kerättyjen aineistojen perusteella pyritään tutkimaan kohteena olevan ilmiön käyttäytymistä ja mahdollisia useiden ilmiöiden yhteiskäyttäytymisiä. Paikkatiedon luonteeseen kuuluu, ettei se täytä kaikkia tavanomaisia tilastomatematiikan oletuksia ja siksi näitä menetelmiä ei voida soveltaa suoraviivaisesti paikkatiedon analysointiin. Oletukset satunnaisuudesta ja muuttujien riippumattomuudesta eivät useinkaan tutkittavissa paikkatietoaineistoissa toteudu. Spatio-tilastollisen analyysin peruskäsitteeksi voidaan määritellä spatiaalinen stokastinen prosessi. Sillä tarkoitetaan tilastollista mallia, joka määrittää kiinnostuksen kohteena olevaa paikkasidonnaista ilmiötä kuvaavien todennäköisyysmuuttujien jakauman (Heikkinen, 004). Stokastisuus tarkoittaa satunnaista. Mitä on sitten spatiaalinen satunnaisuus ja spatiaalinen satunnainen prosessi? Miten spatiaalisuuden erityispiirteet voidaan ottaa huomioon tilastollisten menetelmien yhteydessä? Paikkatietoaineistoista voidaan tunnistaa tiettyjä, nimenomaan sijaintiin perustuvia ns. sijaintirelaatioita, joita tavanomaisessa tiedossa ei esiinny. Perusrelaatioita ovat etäisyys ja suunta, jotka voidaan laskea paikkatiedon koordinaattitietojen avulla. Muita keskeisiä sijaintirelaatioita ovat viereisyys (adjacency) ja jatkuvuus (connectivity). Nämä ovat keskeisiä topologisia käsitteitä paikkatietokohteita mallinnettaessa; esimerkiksi kuntarajojen kuvaaminen tehokkaana paikkatietomallina edellyttää viereisten kuntien yhteisen rajan tunnistamisen ja tämän relaation toteuttamisen tavalla tai toisella paikkatiedon hallinnassa. Tieverkon mallinnus edellyttää taas verkon osien solmupisteiden tunnistamista, nämä solmut ilmaisevat osien jatkuvuuden. Vaikka sijaintitietoja hallitaan tavanomaisen relaatiotiedonhallinnan työkaluin, nämä sijaintirelaatiot on tehokkuuteen pyrittäessä huomioitava ohjelmistolaajennuksin. Relaatiot konkretisoituvat nimenomaan mallinnuksen yhteydessä, mutta ne ovat keskeisiä myös spatio-tilastollisen analyysin toteuttamisessa, koska ne ovat työkaluja spatiaalisen tiedon erityisominaisuuksien ja spatiaalisen järjestyksen huomioon ottamiseen. Hotspotit ja spatiaalinen autokorrelaatio Spatio-tilastolliset menetelmät perustuvat ns. ensimmäisen ja toisen kertaluvun vaikutuksiin. Ensimmäisen kertaluvun vaikutukset perustuvat prosessin odotusarvoon ja tarkastelumittakaava on pieni. Käytännön analyysimenetelminä käytetään visuaaliseen tulkintaan perustuvia menetelmiä, kuten ns. Kernel-tiheyspintamenetelmä tai ns. koealamenetelmät, joissa tarkasteltavalta alueelta otetaan koealoja ja ilmiön intensiteettiä koealoilla verrataan yleiseen odotusarvoon. Kernel-tiheyspinta-menetelmässä havaittujen kohteiden määrättyä ympäristöä painotetaan sopivalla tavalla ja näiden painotettujen alueiden summasta muodostuu ilmiön jakautumista kuvaava pinta. Menetelmällä saadaan yleiskuva ilmiön käyttäytymisestä ja voidaan visuaalisella tarkastelulla tunnistaa selkeitä tihentymiä, hotspoteja. Nähdään, että aineisto ei olekaan satunnaisesti jakautunut, vaan jostain syystä keskittynyt ryppäiksi tietyille alueille. Toisen kertaluvun vaikutusten tarkastelu on yksityiskohtaisempaa ja perustuu kohteiden välisiin etäisyyksiin. Paikkatiedon I = n n n i= j= ij i j n n n ( y ) = i y i i= w j= ij w ( y y )( y y ) Kuva. Moranin indeksin laskukaava (O Sullivan & Unwin, 003). Kaavassa oikealla ylhäällä on analyysin keskeinen termi, kovarianssitermi. Muuttuja y tarkoittaa tutkittavan aineiston yhden tietokohteen ominaisuusar voa, tarkoittaa aineistosta laskettua keskiar voa, joten termissä kerrotaan keskenään kahden kohteen (i ja j)laskettu erotus keskiar vosta. Kaksi summalauseketta aikaansaavat sen, että tietokohteet käydään läpi tietyssä numerojärjestyksessä. Keskeinen tekijä lausekkeessa on w, ns. painomatriisi (weights matrix), jota voidaan soveltaa viereisyyden kuvaamiseen. Käytettäessä painomatriisia viereisyysmatriisin tapaan matriisin w alkio kohdassa (i, j) on, jos i ja j jakavat yhteisen rajaviivan (viereisyys-relaatio), alkion ar vo on 0, jos näin ei ole. Näin lauseke summaa kohteiden kerrotut ominaisuustietoerotukset aina, jos kohteet ovat käytetyn määritelmän mukaan viereisiä, muutoin tuota tuloa ei oteta huomioon. Yleisemmin painomatriisilla voidaan ottaa huomioon laajempi naapurusto ja ykkösillä ja nollilla hallita käsiteltävän alueen laajuutta. Muut termit kaavassa normeeraavat tulosta ja aikaansaavat sen, että positiivisen autokorrelaation tilanteessa indeksi saa positiivisen arvon ja negatiivisen autokorrelaation tilanteessa negatiivisen ar von. Jos indeksin arvo on 0, kohteet ovat aineistossa satunnaisesti sijoittuneet. Maankäyttö 0 7

8 Kuva. Kernel-tiheyslaskennan tulos Helsingin eräästä onnettomuusaineistosta. Erikseen on laskettu päivä- ja yöonnettomuudet. Visuaalinen tulos paljastaa, että onnettomuudet käyttäytyvät yöllä eri tavoin kuin päivällä. Tutkimuksesta on julkaistu ar tikkeli (Krisp et al., 008). Kuva 3. Kahden muuttujan spatiaalista jakaumaa kuvaava kaksimuuttujakartta (bivariate map), joka paljastaa tarpeen tutkia ilmiötä eri aikakategorioissa. Kuvassa esitetään päiväonnettomuuksien jakauman suhde iltaonnettomuuksien jakaumaan. Tummat sävyt kuvaavat alueita, joissa kummassakin kategoriassa on korkea tiheys. Punainen kuvaa alueita joissa onnettomuuksia tapahtuu paljon iltaisin, mutta vain vähän päivisin. Vihreillä alueilla onnettomuuksien jakaumien suhde on päinvastoin. Esimerkiksi tällaista visuaalista työkalua kokenut analysoija käyttää aineistoon perehtyessään ja lopullista analyysimenetelmää suunnitellessaan. Tulos olisi helpommin tulkittavissa yksinkertaisen pohjakartan avulla. (Spatenkova, 009). ominaispiirteistä keskeisintä, spatiaalista autokorrelaatiota analysoidaan useimmiten juuri etäisyyteen pohjautuvilla menetelmillä. Spatiaalinen autokorrelaatio tarkoittaa, että ilmiö pyrkii lähiympäristön samanlaisuuteen toisiaan lähellä olevissa sijainneissa mitatut arvot pyrkivät olemaan samanlaisempia kuin toisistaan kauempana olevissa sijainneissa. Ilmiö on analoginen aikasarjoista tutun autokorrelaation kanssa; esimerkiksi lämpötila muuttuu siten, että lämpökäyrässä viereisinä ajanhetkinä lämpötila on selkeästi samanlaisempi kuin satunnaisesti otettuina ajanhetkinä. Spatiaa- lisen autokorrelaation laki näyttää toimivan hyvin mm. luonnon spatiaalisesti jatkuvissa ilmiöissä kuten maaperä, kasvillisuus, sademäärä, mutta ei kuitenkaan kaikissa esimerkiksi ihmisen rakentamissa rakenteissa, jotka ovat luonteeltaan diskreettejä kohteita. Spatiaalinen autokorrelaatio vaikuttaa siten, että emme voi ottaa satunnaista otantaa paikkatietoaineistosta analyysiä varten, koska näin saatu otos ei ole koko populaatiota oikein kuvaava. Ennen otoksen ottamista ilmiön käyttäytyminen tulee tutkia ja mahdollinen spatiaalinen autokorrelaatio tunnistaa. Sen jälkeen otantaan voidaan soveltaa spatiaalisia otantamenetelmiä, jotka ottavat huomioon autokorrelaation tai muun spatiaalisen järjestyksen. Autokorrelaation tunnistaminen auttaa ilmiön tutkimisessa ja yleensä se tutkitaankin ensimmäisenä tehtävänä analyysiin ryhdyttäessä. Autokorrelaation tunnistamiseksi on monia laskennallisia ja visuaalisia menetelmiä, jotka siis perustuvat useimmiten kohteiden etäisyyksien tarkasteluun. Tunnetuin on Moranin indeksi (Moran s I), joka laskee sijaintien keskinäistä kovarianssia ja tuottaa siitä autokorrelaation tunnistamiseksi yksinkertaisen arvon. Kuvan tekstissä on kuvattu kuinka viereisyys-relaatiota hyödynnetään spatiaalisen autokorrelaation laskemisessa. Spatiaalisen autokorrelaation ymmärtämistä helpottaa esimerkki pelilaudasta. Tavanomainen shakkilauta -järjestys, jossa mustat ja valkoiset ruudut sijaitsevat säännöllisesti joka toisessa ruudussa, on erinomainen esimerkki negatiivisesta spatiaalisesta autokorrelaatiosta. Mustat ja valkoiset ovat järjestyneet niin, ettei synny mustia tai valkoisia yhtä ruutua suurempia alueita. Jos mustat ja valkoiset olisivat laudalla sijoittuneet siten, että kaikki mustat olisivat toisella puoliskolla ja kaikki valkoiset toisella puoliskolla, vallitsisi laudalla positiivinen spatiaalinen autokorrelaatio. Spatiaalinen autokorrelaatio voi olla suuntautunutta ja paikkatiedot voivat ilmentää tutkittavassa prosessissa trendiä, eli pyrkimystä nouseviin tai laskeviin arvoihin. Konkreettinen esimerkki tästä on korkeusmalli harjualueelta, jossa voidaan havaita selkeä nouseva-laskeva-trendi sekä suuntariippuva spatiaalinen autokorrelaatio. Tämän käyttäytymisen voi tunnistaa laskennallisesti käyttämällä ns. variogrammipilvi-kuvaajaa. Variogrammipilvi syntyy kaikkien pisteparien välisen mitatun ominaisuuden eron ja keskinäisen spatiaalisen etäisyyden avulla (samaan tapaan kuin Moranin indeksissä paitsi nyt verrataan kahden pisteen ominaisuutta, eikä eroa keskiarvosta) ja se kuvaa ilmiön käyttäytymistä jopa eri ilmansuunnissa. Variogrammipilvi piirretään koordinaatistoon kuvaajana, jossa x-akselilla on kohteiden välinen etäisyys ja y-akselilla pisteparin ominaisuuksien erotuksesta laskettu luku. Tuloksen tulkinta perustuu visuaaliseen tarkasteluun, tutkitaan miten pisteet sijoittuvat kuvaajaan. Jos pisteitä on paljon lähellä origoa, se tarkoittaa että aineistossa on paljon pisteitä, jotka ovat lähellä toisiaan sekä sijainnillisesti, että ominaisuutensa arvon puolesta ja siis aineistossa ilmenee spatiaalinen autokorrelaatio. Variogrammi on keskeinen työkalu myös interpoloinnista tutussa kriging-menetelmässä, jossa sitä käytetään juuri spatiaalisen autokorrelaation alueellisen laajuuden tunnistamiseen. Spatiaalisesta autokorrelaatiosta ja sen tutkimisesta löytyy esimerkkejä ja teoriaa spatio-tilastollisen analyysin perusoppikirjoista ja oppimateriaaleista (Heikkinen, 004; O Sullivan & Unwin, 003). Spatio-temporaaliset ilmiöt Spatiotilastollinen analyysi tarjoaa menetelmiä myös ilmiöiden ajallisen käyttäytymisen paljastamiseen. Tutkiminen voi perustua 8 Maankäyttö 0

9 Kuva 4. Esimerkki väestötiheyden ja rakennuspalojen keskinäisen korrelaation analyysistä. Kuva on Olga Spatenkovan väitöskirjatutkimuksesta, jossa hän käytti etäisyyteen perustuvaa G-funktiota. Kuvan käyrät kuvaavat G-funktiota (= ehyt viiva), käytetyn teoreettisen mallin mukaista satunnaista jakaumaa (= katkoviiva) ja sen ympärillä simuloinnin tuloksena saadut käyrät. Analyysiä var ten alueet on jaettu väestön tiheydeltään korkean tiheyden, keskitiheyden ja matalan tiheyden alueisiin. G-funktiot on laskettu erikseen näille alueille. Tuloksena todetaan, että korkean ja keskitiheyden alueilla rakennuspaloja tapahtuu enemmän kuin satunnaisuuden pohjalta voidaan olettaa. (Spatenkova, 009). Kuva 5. Esimerkki tutkimuksessa kehitetystä sovelluksesta, jossa k-means-menetelmällä (vasen puoli) saatua klusterointia (samanlaisten pikseleiden muodostamia luokkia, joissa samanlaisuus lasketaan kolmen ominaisuuden avulla) tarkastellaan PCP-visualisointina. Tässä yksi mur toviiva kuvaa yhtä datavektoria ja voi kuvata jopa yli pikselin r yhmää. Oikealla puolella kuvassa koordinaatistoon kuvautuvasta mur toviivajoukosta on havainnollistettu yksi tietty klusteri, sama klusteri on kuvattu myös kar talla violetilla sävyllä (Nikander et al., 00). aluksi visualisointeihin. Kuvassa on esimerkki tutkimuksesta, jossa tarkasteltiin onnettomuuksien esiintymistä Helsingissä; onnettomuudet on jaettu hyvin karkealla temporaalisella resoluutiolla päivä- ja yöonnettomuuksiin. Tämä kuvapari osoittaa tutkijalle sen, että ilmiö käyttäytyy eri tavoin päivällä ja yöllä. Voidaan olettaa, että onnettomuuksia selittävät syyt ovat myös erilaiset päivällä ja yöllä. Kuvasta 3 voidaan havaita, että tarkastellut päiväonnettomuudet ja yöonnettomuudet sijaitsevat lähtökohtaisesti eri paikoissa ja myös, että alueella on tiettyjä sijainteja, joissa onnettomuuksia tapahtuu sekä päivällä että yöllä. Tämä visualisointi kertoo tutkijalle, että onnettomuuksien syitä tulee hakea erikseen erityyppisten alueiden kohdalla. Kuvan kartat on tuotettu Kernel-tiheysmenetelmällä ja kuvassa 3 on käytetty ns. kaksimuuttujakartta-menetelmää. Spatiaalisen korrelaation paljastaminen Edellä kuvattu tutkimus voi jatkua siten, että tutkija tarkastelee valittuja ilmiöitä ja laskee spatiaalista korrelaatiota eri asioiden välillä. Spatiaalisen korrelaation tutkiminen voi perustua kahden Maankäyttö 0 9

10 kelupaikkojen läheisyydessä. Kerätyn datan perusteella voidaan laskea jokaisen poliisihälytyksen etäisyys lähimpään alkoholin anniskelupaikkaan. Lasketuista etäisyyksistä muodostetaan kumulatiivinen frekvenssikäyrä, jonka muodosta voidaan visuaalisesti tulkita onko näiden kahden asian välillä korrelaatiota. Korrelaatio on, jos muodostuu jyrkästi nouseva käyrä, eli aineistossa on paljon hyvin lyhyitä etäisyyksiä. Kuva 6. Kaavamainen esimerkki GWR-analyysistä, jossa pyritään selittämään onnettomuuksia eri sosio-ekonomisten muuttujien avulla. Kuvassa eri värein on havainnollistettu alueellisesti vaihtelevat parhaat selittäjät. Kuva esittää Helsingin aluetta, ja olisi havainnollisempi pohjakartan kanssa. Kuva on opiskelijoiden harjoitustyöstä v. 008 järjestetyllä GWR-kurssilla, jolla menetelmän kehittäjät prof. Stewar t Fotheringham ja Martin Charlton Irlannista (National University of Ireland, Center of Geocomputation) luennoivat Teknillisessä korkeakoulussa. Kyseinen GWR-ohjelmisto on vapaasti ladattavissa Internetistä ja menetelmä löytyy myös uusimmasta ArcGIS-versiosta. eri ilmiön havaittujen ja mitattujen kohteiden välisten etäisyyksien laskemiseen. Täysin satunnaisessa järjestyksessä kohteiden väliset etäisyydet käyttäytyvät tietyllä, odotetulla tavalla. Tätä tapaa verrataan tarkasteltavasta aineistosta laskettuun dataan. Menetelmä voi perustua esimerkiksi kumulatiiviseen frekvenssikäyrään. Ns. G- funktio kuvaa kahden aineiston lähimpien pisteparien etäisyyden käyttäytymistä. Kuvaajassa esitetään y-akselilla kullakin x-akselilla kuvatulla etäisyydellä esiintyvien pisteparien määrä. Kuvaajan muodosta voidaan päätellä ilmiöiden spatiaalinen korrelaatio, eli pyrkivätkö ilmiöt sijaitsemaan maantieteellisesti lähellä toisiaan. Jos käyrä nousee jyrkästi lähellä origoa, ja sitten tasaantuu, kahdessa aineistossa on paljon toisiaan lähellä olevia pistepareja. Empiirisestä aineistosta laskettua käyrää voidaan verrata satunnaisuutta kuvaavaan teoreettiseen käyrään. Menetelmällä voidaan tarkastella esimerkiksi saatuja poliisihälytyksiä ja alkoholin anniskelupaikkojen sijaintia. Tutkimushypoteesina on, että poliisihälytyksiä tapahtuu keskimääräistä enemmän annis- Monimuuttujamenetelmät Voidaan myös käyttää ns. monimuuttujamenetelmiä, jotka mahdollistavat monien ilmiöiden yhtäaikaisen tarkastelun. Nämä menetelmät eivät ole ainoastaan spatio-tilastollisia, vaan monet niistä perustuvat laskennalliseen käsittelyyn ja/tai visualisointiin ja tulkintaan. Tilastollinen ja laskennallisen sekä visuaalinen käsittely muodostavatkin todellisessa analyysiprosessissa ketjun, jossa edellisen analyysin tuloksia käytetään seuraavassa. Tässä artikkelissa keskitytään tilastollisiin menetelmiin, vaikkakin raja tilastollisten ja ns. datan louhintamenetelmien välillä ei ole aivan täsmällinen. Seuraavassa mainitaan nimeltä myös muutama laskennallinen ja visuaalinen louhintamenetelmä, koska ne ovat käyttökelpoisia yhdessä tilastollisen analyysin kanssa. Monimuuttuja-analyysimenetelmissä tarkastellaan useaa asiaan vaikuttavaa ilmiötä/muuttujaa yhtä aikaa. Tehokas monimuuttujamenetelmä on PCP (parallell coordinate plot, rinnakkaiskoordinaatisto), jossa murtoviivat kuvaavat yhtä sijaintia ja vertikaaliset akselit ominaisuuksia. Aineistoa tarkastellaan permutoimalla (vaihtelemalla) akseleiden järjestystä ja hakemalla klustereita, eli samanlaisia sijaintikohderyhmiä. Tulkinnassa käytetään myös karttaa, jossa tulos näkyy samanlaisten alueiden hahmottumisena. Sijainnin ja monimuuttujaista samanlaisuutta voidaan myös laskea esimerkiksi k-means-klusterointimenetelmällä. K-means klusteroinnissa aineistosta haetaan samanlaisia kohteita ja samanlaisuus lasketaan n-ulotteisessa avaruudessa jollain etäisyydenlaskentaperiaatteella. Menetelmä tuottaa halutun määrän samanlaisia kohteita sisältäviä luokkia. Kuvassa 5 on esimerkki edellä mainittujen menetelmien käytöstä yhdessä (Nikander et al., 00). Muita monimuuttujaanalyysiin käytettyjä menetelmiä ovat itseorganisoituvat kartat (SOM; self-organizing maps). SOM on havainnollinen ja tehokas menetelmä eikä vaadi välttämättä teorian syvällistä ymmärtämistä. SOM on periaatteessa monimuuttujaklusterointia, jossa laskenta perustuu opetusaineistosta tuotettuihin sääntöihin ja niiden soveltamiseen varsinaiseen tutkimusaineistoon. Visuaaliset ja laskennalliset menetelmät toimivat analyysiprosessissa hyvin aineiston tarkastelun ensi vaiheissa. Niillä pystytään saamaan käsitystä aineistojen luonteesta ja käyttäytymisestä ilman hypoteesiksi asetettuja malleja ja teorioita. Kun vihjeitä aineiston autokorrelaatioista ja spatiaalisesta korrelaatiosta saadaan, voidaan luoda tilastollisesti testattavia hypoteeseja ja edetä tarkempaan tarkasteluun. Lähteet Ahola, T., Virrantaus, K., Krisp, J. M. & Hunter, G. (007) A Spatio-Temporal Population Model To Support Risk Assessment And Damage Analysis For Decision-Making. International Journal Of Geographical Information Science,, Heikkinen,J., (004), Luentomoniste Spatiaalinen tilastotiede, Helsingin yliopisto, Matematiikan ja tilastotieteen laitos, Nikander,J., Kantola,T., Virrantaus,K., Transparent exploratory analysis of spatial data, julkaisematon käsikirjoitus, 00. O Sullivan,D, Unwin,D., (003) Geographic Information Analysis, John Wiley & Sons. Spatenkova, O., (009) Discovering Spatio-Temporal Relationships: A Case Study of Risk Modelling of Domestic Fires, Aalto-yliopiston teknillinen korkeakoulu, Maanmittaustieteiden laitos, Väitöskirja, Teknillisen korkeakoulun geoinformatiikan ja kartografian julkaisuja TKK-GC-9. TSK 3, (005), Geoinformatiikan sanasto, Sanastokeskus TSK, Helsinki, Maankäyttö 0

11 GWR (geographically weighted regression, maantieteellisesti painotettu regressio) on monimuuttujamenetelmistä tilastolliseksi selkeimmin luokiteltava menetelmä. GWR on tarjolla joissain kaupallisissa GIS-ohjelmistoissa ja se tarjoaa tehokkaan menetelmän tutkia globaalin regressiomallin sijaan lokaaleja malleja, eli tunnistaa eri alueilla eri muuttujat ilmiön selittäjiksi. GWR:n pohjana on tavanomainen lineaarinen regressio, jossa pyritään mallintamaan suhdetta selitettävän muuttujan ja usean riippumattoman selittäjän välille. Perusmuodossa sama malli pätee koko tarkastelualueelle. Maantieteellisesti painotetussa muodossa mallia rakennetaan pienemmille alueille olettaen spatiaalinen autokorreloituvuus. Tuloksena saadaan useita malleja, joissa parhaiden selittävien muuttujien joukko on erilainen eri alueilla. Esimerkiksi Spatenkovan tutkimuksessa todettiin, että rakennuspaloja näyttävät selittävän Helsingin eri alueilla eri sosio-ekonomiset muuttujat (Kuva 6). analyysiä helpompia käyttöön otettavaksi. Spatio-tilastolliset menetelmät ovatkin tällä hetkellä lähinnä tutkijoiden työkaluja, mutta opetuksella ja tuotekehityksellä päästään pian tilanteeseen, jossa menetelmät siirtyvät GIS-käyttäjien arkityökaluiksi. Internetistä löytyy ilmaiseksi käyttöön ladattavia ohjelmistoja kuten R ja Geo- Vista, sekä yllä mainittu GWR. Yliopistojen täydennyskoulutuksessa spatiaalinen analyysi on myös painopistealueena. Aihealueesta on myös olemassa perusoppikirjaksi erittäin sopiva ja selkeästi kirjoitettu teos Geographical Information Analysis (O Sullivan & Unwin, 003), jota itsekin käytän kurssikirjana. Spatiaalisen analyysin potentiaali Spatiaalinen tilastollinen analyysi tarjoaa teoreettisesti kestävän perustan paikkatietoanalyysille. Menetelmien joukko on kirjava ja kaupalliset ohjelmistot tarjoavat vielä vain vähän kelvollisia työkaluja. Käyttäjän on hallittava menetelmien teoria ja myös osattava käyttää eri ohjelmistoja yhdessä. Olga Spatenkovan väitöskirjatyössä (Spatenkova, 009) käytettiin useita yllä mainittuja menetelmiä ja pyrittiin arvioimaan niiden käyttökelpoisuutta saatavuuden, vaativuuden ja soveltuvuuden osalta. Spatio-tilastollisten menetelmien vaatimus käyttäjältään on tilastollisten menetelmien tuntemus. Monet laskennalliset työkalut visuaalisine menetelmineen ovat siinä mielessä tilastollista Kirjoittaja on Aalto- yliopiston Insinööritieteiden korkeakoulun professori ja Maanmittaustieteiden laitoksen Geomatiikan koulutusohjelman johtaja. Sähköposti kirsi.virrantaus tkk.fi. Selityksiä artikkelissa käytetyille termeille Nämä termien selitykset eivät ole pääosin täsmällisiä määritelmiä, vain joitakin on poimittu Geoinformatiikan sanastosta (TSK 3, 005). Termit on pyritty avaamaan artikkelin lukemisen helpottamiseksi. spatiaalinen sijaintisidonnainen, geometriaan tai topologiaan pohjautuva, avaruudellinen stokastinen prosessi matemaattinen prosessi, jolla kuvataan ajassa sattumanvaraisesti etenevää todellisuuden prosessia (ilmiötä) sijaintirelaatio suhde, joka ilmaisee miten kohde sijaitsee avaruudessa suhteessa toiseen kohteeseen, sijaintisuhde viereisyys adjacency (en), sijaintisidonnaisten kohteiden välinen suhde, jossa kohteet jakavat esimerkiksi yhteisen rajaviivan jatkuvuus connectivity (en), verkkoteorian peruskäsite, sijaintisidonnaisten kohteiden yhteydessä suhde, jossa esimerkiksi viivojen päätepisteet yhtyvät odotusarvo todennäköisyyksillä painotettu keskiarvo hotspot kuuma piste; sijainti, jossa mitattavaa asiaa on merkittävästi enemmän kuin muualla, vastakohta kylmä piste spatiaalinen autokorrelaatio ilmiö korreloi itsensä kanssa spatiaalisesti, spatiaalinen itsekorrelaatio, lähellä toisiaan olevat asiat ovat samanlaisempia kuin kaukana toisistaan olevat, vrt. Toblerin maantieteen. laki spatiaalinen jatkuvuus ilmiö saa arvon jokaisessa tutkimusalueen pisteessä diskreetti erillinen, epäjatkuva otos populaatio variogrammipilvi spatiaalinen korrelaatio klusteri topologia solmu viereisyysmatriisi hypoteesi datan louhinta näytejoukko kokonaisjoukko variogram cloud (en), kuvaaja, jossa kaikkien mitattujen kohteiden ominaisuuksia verrataan pareittain toisiinsa ja esitetään ominaisuustiedon ero maantieteellisen etäisyyden funktiona korrelaatio, joka on spatiaalisesti riippuva; sijainnista riippuva korrelaatio rypäs, joukko samanlaisia kohteita tieto, joka kuvaa paikkatietokohteiden tai niiden osien välisiä sijaintisuhteita, jotka säilyvät muuttumattomina jatkuvissa muunnoksissa (TSK 3) solmupiste, linkin (verkossa) topologinen päätepiste (TSK 3) matriisi, jossa riveinä ja sarakkeina järjestykseen listatut kohteet ja alkioina nollia ja ykkösiä sen mukaan ovatko kyseisen alkion rivillä ja sarakkeessa mainitut kohteet viereisiä oletus, jota analyysissä testataan pyritään löytämään tietomassasta olennaista informaatiota käyttäen erilaisia laskennallisia, tilastollisia ja visuaalisia menetelmiä Maankäyttö 0

12 Haluatko katsella ja selailla karttoja? Paikkatietoikkunassa voit yhdistellä kartoista oman karttasi. Vai oletko töissä paikkatietoja tuottavassa organisaatiossa? Paikkatietoikkunasta voit tarkistaa viimeisimmät vaatimukset eurooppalaisille paikkatiedoille. Paikkatietoikkuna kokoaa paikkatiedot yhteen Riikka Kivekäs Kar ttaikkunan kautta käyttäjä voi yhdistellä kar toista uusia kar ttoja. Tässä kar ttatasoista mukana rinnevalovarjostus (Geodeettinen laitos), merikar tta (Liikennevirasto), Digiroad (Liikennevirasto), Maaperäkartta (Geologian tutkimuskeskus) sekä rakennukset (Maanmittauslaitos). Paikkatietoikkuna ( on kansallinen paikkatietoportaali. Siellä voit katsella karttoja, etsiä tietoa eri paikkatietoaineistoista ja -palveluista, hakea opastusta ja tukea paikkatietojen tuottamiseen, tarkistaa viimeisimmät paikkatietoalan uutiset ja luoda kartan oman organisaatiosi www-sivuille. Maanmittauslaitos kehittää ja ylläpitää Paikkatietoikkunaa yhdessä muiden organisaatioiden kanssa. Kartta-aineistoja ylläpidetään kyseistä aineistoa tuottavan organisaation palvelimilla ja Maankäyttö 0

13 ne haetaan Paikkatietoikkunaan rajapintojen kautta. Aineistojen ja palvelujen kuvailut paikkatietohaussa ovat paikkatiedon tuottajien itsensä laatimia. Näin Paikkatietoikkuna kokoaa yhteen sekä paikkatiedot että niiden tuottajat. Karttaikkunassa lukuisia karttoja yhdisteltäväksi Paikkatietoikkunan karttaikkunassa on katseltavissa useita kymmeniä kartta-aineistoja eri organisaatioilta. Käyttäjä voi säätää vapaasti karttatasojen läpinäkyvyyttä, jolloin käyttäjä voi katsella eri kartta-aineistoja päällekkäin. Kartoilta selviävät esimerkiksi kiinteistöjen rajat (Maanmittauslaitos), kaivosvaltaukset (Työ- ja elinkeinoministeriö) ja vesistöjen valuma-alueet (Suomen ympäristökeskus). Jokainen voi yhdistellä karttoja vapaasti ja näin luoda kokonaan uusia karttoja! Karttaikkunassa on tarjolla myös useita eri työkaluja karttojen selailun helpottamiseksi. Karttaa voi zoomata lähemmäs ja kauemmas ja siirtää haluamaansa paikkaan. Kartalla voi mitata sekä matkaa että pinta-alaa. Käyttäjä voi myös lähettää linkin rakentamaansa karttanäkymään. Jos karttataso on valittuna, sille voi hakea kuvauksen ja selitteen, sen kohteiden tietoja voi tutkia ja sen tyyliä voi vaihtaa. Nämä toiminnot ovat vasta osalla karttatasoista käytettävissä. Karttajulkaisu näyttää Paikkatietoikkunan kartat myös muualla Karttaikkunan saa käyttöön myös muiden organisaatioiden wwwsivuille karttajulkaisu-toiminnon kautta. Esimerkiksi Museoviraston sivuilla käyttäjä voi selailla Karttaikkunassa rakennusperintökohteita taustallaan Maanmittauslaitoksen taustakartta. Näytettävien karttojen lisäksi käyttäjä voi määritellä, mitä työkaluja julkaistavassa karttaikkunassa on käytössä, millainen on alkunäkymä ja mille sivulle kartta julkaistaan. Näiden määrittelyjen jälkeen käyttäjä saa muutaman rivin koodinpätkän, jonka lisäämällä karttaikkuna näkyy omalla sivulla. Käyttäjä voi valita taustakartan ja muut näytettävät kartat niistä kartoista, jotka on oikeus julkaista. Julkaisuoikeudet määritellään kullekin kartta-aineistolle erikseen. Toistaiseksi karttajulkaisuun käyttöoikeudet voivat saada ainoastaan ne organisaatiot, jotka ovat itse mukana Paikkatietoikkunan karttaikkunassa. Paikkatietohaun kautta aineistojen ja palvelujen kirjo tutuksi Paikkatietohausta löytyvät paikkatietoaineistojen ja -palvelujen kuvailut. Kuvailut sisältävät mm. lyhyen tiivistelmän aineistosta tai palvelusta, aineiston tai palvelun kattaman alueen kartalla, linkin lisätietoon aineistosta tai suoraan palveluun sekä aineistosta tai palvelusta vastaavan organisaation yhteystiedot. Näiden tietojen avulla käyttäjä voi vertailla eri paikkatietoja, etsiä juuri omiin tarpeisiinsa sopivia paikkatietoja ja tarkistaa vastaavan organisaation yhteystiedot. Paikkatietohaussa on tällä hetkellä noin 75 kuvailua. Suurin osa kuvailuista on aineistojen kuvailuja, koska palvelujen kuvailu on ollut mahdollista vasta vähän aikaa. Tulevaisuudessa sekä paikkatietoaineistojen että -palvelujen määrä tulee kasvamaan merkittävästi, kun paikkatiedon tuottajat saavat aineistojaan ja palveluitaan kuvailtua Paikkatietohakemistoon. Kuvailut haetaan sieltä Paikkatietoikkunaan rajapinnan kautta. Haku on mahdollista myös muille www-sivuille. Näin kerran tehtyjä kuvailuja voidaan hyödyntää useassa eri paikassa. Tukipalvelusta apua Inspire-ongelmiin Paikkatietoaineistojen ja -palvelujen esittelyn sekä karttojen katselun lisäksi Paikkatietoikkuna tarjoaa neuvontaa paikkatiedon tuottajille. Euroopan unionin paikkatietoinfrastruktuuria koskeva Inspire-direktiivi sekä sen mukaiset kansalliset laki ja asetus paikkatietoinfrastruktuurin toteuttamisesta Suomessa asettavat vaatimuksia suomalaisille paikkatietoa tuottaville viranomaisille niin valtionhallinnossa kuin kunnissakin. Paikkatietoikkunan Tukipalvelu-osiossa tarjotaan viimeisin tieto näistä vaatimuksista ja siitä, miten ne pitäisi toteuttaa. Paikkatietoikkunassa on myös mahdollista liittyä Inspire-verkostoon, joka kokoaa paikkatiedon tuottajat yhteen pohtimaan, miten paikkatiedot tulisi tuottaa Suomessa. Verkoston jäsenet pääsevät vaikuttamaan esimerkiksi siihen, miten Paikkatietoikkuna kehittyy tulevaisuudessa, mitä termejä paikkatietoalalla käytetään, millaisia sopimuksia paikkatiedon tuottajien välillä tehdään ja miten eri viranomaisten tuottamista aineistoista saataisiin yhdenmukaisia. Tulevaisuudessa yhä syvemmälle paikkatietoon Tulevaisuudessa Paikkatietoikkunassa sukelletaan yhä syvemmälle paikkatietoaineistoihin. Paikkatietoikkunan karttaikkunaan on tulossa uutena ominaisuutena kyselyt paikkatietoaineistoihin. Tämä kysely on mahdollista suorittaa vektorimuotoisia paikkatietoaineistoja välittäviin paikkatietopalveluihin, joissa kyselyjä voi kohdistaa yksittäisiin kohteisiin. Uuden ominaisuuden myötä käyttäjä voi hakea tietoja esimerkiksi yksittäisistä rakennuksista tai paikannimistä. Kyseinen kohde näytetään sekä kartalla että taulukossa, johon on koottu tiedot kohteesta. Lisäksi Paikkatietoikkunaan on tulossa työkalu, jonka avulla käyttäjä voi tutkia tietotuotteisiin liittyviä skeemoja ja niiden komponentteja eli mitä paikkatietoaineistoissa on konepellin alla. Nämä uudet ominaisuudet ovat ammattilaisille suunnattuja, mutta myös jatkossa Paikkatietoikkuna on avoin niin paikkatietoalan ammattilaisille, karttaharrastajille kuin kaikille muillekin. Jokaiselle on tarjolla jotakin halusit sitten yhdistellä karttoja oman mielesi mukaan, lukea paikkatietoalan viimeisimmät uutiset tai saada apua Inspire-direktiivin vaatimusten viidakossa. Tervetuloa Paikkatietoikkunaan! Kirjoittaja on DI ja FM, ja työskentelee asiantuntijana Maanmittauslaitoksen Kehittämiskeskuksessa. Sähköposti riikka.kivekas maanmittauslaitos.fi. Lisätietoja: Maankäyttö 0 3

14 Kuva. Liikkuvan kartoitusjärjestelmän paikannus perustuu GNSSsatelliitteihin ja iner tianavigointiin. Kar toitussensorit mittaavat ja kuvaavat kohteita mittausajoneuvon liikkuessa. Antero Kukko Liikkuva kartoitus tiedon tuotannon etulinjassa Antero Kukko ja Anttoni Jaakkola Liikkuva kartoitus tuo nopeutta ja joustavuutta kolmiulotteiseen mittaukseen ja tuottaa yksityiskohtaisia aineistoja kartoituksen, kaavoituksen ja ympäristömallinnuksen tarpeisiin. Kartoitusala elää keskellä voimakasta murroskautta. Tiedon digitalisoituminen ja kolmiulotteisuus ovat tämän päivän käyttäjälle itsestäänselvyys. Tietotekniikan lisääntyvän käytön myötä on syntynyt tarve sisällyttää ympäristömalleihin ja karttoihin ensinnäkin kolmiulotteisuus, mutta myös uusia kohdemalleja kuten puita, siltoja ja pylväitä rakennusten ja väylien lisäksi. Tekniikat, joita on perinteisesti käytetty lähiympäristömme mallintamiseen, eivät mahdollista yksityiskohtaista kolmiulotteista suunnittelua ja visualisointia. Liikkuvalla kartoituksella kerätään kolmiulotteista, yksityiskohtaista ja tarkkaa aineistoa ympäristöstä. Kartoitus tehdään ympäristöä kuvaavilla laitteilla, kuten laserkeilaimilla ja Liikkuvalla kartoituksella tuotetaan tietoja kiinteistöjen ja kaavoituksen tarpeisiin Ympäristön seurantaa nopeasti ja tarkasti liikkuvalla kartoituksella Tulevaisuuden 3D-kartat tehdään tällä tekniikalla Tarkat ympäristömallit helpottavat yhteiskunnan suunnittelua Kaupunkiympäristön kolmiulotteiset tietomallit ajantasaistetaan liikkuvalla mittaustekniikalla Liikkuva kartoitus soveltuu nopeaan täsmämittaukseen 4 Maankäyttö 0

15 digitaalikameroilla, ja kiinnitetään maastokoordinaatistoon satelliittipaikannuksen ja inertiamittausten avulla. Liikkuva kartoitus perustuu suorapaikannukseen Liikkuvassa kartoituksessa hyödynnetään niin kutsuttua suorapaikannusmenetelmää, jossa laitteistoon asennetun GNSS- IMU-järjestelmän (Global Navigation Satellite System Inertial Measurement Unit) havainnot lasketaan joko reaaliaikaisesti tai jälkilaskentaprosessissa laitteiston kulkureitiksi kolmiulotteisessa avaruudessa (kuva ). Aineistojen orientointiin ei siten tarvita tukipisteitä muutoin kuin laadunvalvontaan. Tarkan reittitiedon laskentaan tarvitaan kuitenkin avuksi GNSS-tukiasema, joka voi olla joko fyysisellä tunnetulla pisteellä tai vaihtoehtoisesti VRS-palvelun (Virtual Reference Station) tuottama tukiasema kartoituskohteen läheisyydessä. Laitteiston kartoitussensorit synkronoidaan ajallisesti paikannusratkaisuun, minkä perusteella tietyllä ajanhetkellä tehty mittaus tai kuva orientoidaan maastokoordinaatiston suhteen. Esimerkiksi laserkeilaimen etäisyysmittaukset muunnetaan kolmiulotteisiksi pisteiksi eli pistepilveksi, joka kuvaa yksityiskohtaisesti kohteen geometriaa. Kuva: Lingli Zhu, GL. Kuva. Tiheää ja tarkkaa pistepilveä voidaan tehokkaasti hyödyntää kartoituksessa. Tavoitteena yksityiskohtaisuus ja tehokkuus Liikkuvan kartoituksen tuottamassa aineistossa on tyypillisesti pistettä neliömetrillä, ja kartoitus ulottuu muutaman kymmenen, jopa yli sadan metrin etäisyydelle ajoreitistä. Pistepilvet sisältävät geometriatietoa kohteesta satoina miljoonina pisteinä. Laseraineistoon yhdistetty digitaalinen valokuva-aineisto, laserin tuottaman intensiteettitiedon lisäksi, tarkentaa ja helpottaa kohteiden tunnistamista ja kartoitusta. Rakennukset, tiet, suojatiet, parkkipaikat, valopylväät, kyltit ym. voidaan kartoittaa oikeaan paikkaan, tyypillisesti paremmalla kuin 0 senttimetrin tarkkuudella (kuva ). Parhaimmillaan lopputuloksena on silmiä hivelevä realistinen kolmiulotteinen ympäristömalli, joka on helposti käyttäjän tunnistettavissa ja hyödynnettävissä esimerkiksi henkilökohtaisessa navigoinnissa (kuva 3). Liikkuvat kartoituslaitteistot ja menetelmät ovat kaupallisesti merkittävän toiminnan kannalta riittävän kehittyneitä ja luotettavia. Kuva 3. Kolmiulotteinen ympäristömalli Espoon Tapiolasta perustuu liikkuvalla kar toituksella mitattuun pistepilviaineistoon sekä valokuviin. Kuva 4. Liikkuva kartoitus soveltuu moniin tehtäviin kuljetusalustaa vaihtamalla. Vasemmalta oikealle: jokiuoman kar toitusta Pulmankijoella, kaupunkikar toitusta Tapiolassa sekä puustokartoitusta Seurasaaressa. Maankäyttö 0 5

16 Liikkuvalta alustalta tehtävät mittaukset ovat erityisen käyttökelpoisia esimerkiksi tie- ja kaupunkialueiden kartoittamiseen ja mallintamiseen, mutta yhtä hyvin sillä voidaan tuottaa aineistoja esimerkiksi kaavoituksen, kiinteistöjen kehittämisen, projektisuunnittelun, ympäristön seurannan ja tulvamallinnuksen tarpeisiin. Massiivisten kolmiulotteisten pisteaineistojen manuaalinen käsittely vaatii aikaa ja totuttelua. Kuitenkin aineiston yksityiskohtaisuus helpottaa työtä ja kartoitus voidaan aineistonhankinnan jälkeen pääosin tehdä toimistotyönä, mikä alentaa kustannuksia. Lisäksi kattava aineisto toimii hyvänä tietovarastona vaikka kaikkia yksityiskohtia ei heti kartoitettaisikaan, tai kaikki tulevaisuuden tarpeet eivät olisikaan aineiston keruuhetkellä vielä tiedossa. Sekä manuaalisten että automaattisten kartoitusmenetelmien kehitys on merkittävä osa liikkuvalla kartoituksella tehtävän kartoituksen ja mallinnuksen tehostamista. Geodeettisen laitoksen Kaukokartoituksen ja fotogrammetrian osaston päätutkimusaiheina ovat näiden aineistojen tuotantotekniikat, laatu ja kartoituksen automatisointi, kertoo professori Juha Hyyppä Geodeettiselta laitokselta. Monipuolisuus valttina Liikkuva kartoitus soveltuu monipuolisuutensa vuoksi mitä erilaisimpiin kartoitustehtäviin. Mittauslaitteisto voidaan asentaa periaatteessa mille tahansa alustalle kartoituskohteen luonteesta riippuen. Tyypillisesti kartoituslaitteiston kokoonpano määritetään mittaustehtävän mukaisesti, ja mittausparametrit asetetaan kartoitettavien kohteiden perusteella. Kuvassa 4 on esitetty muutamia sovellusesimerkkejä, joissa on hyödynnetty Geodeettisen laitoksen ROAMER-järjestelmää. Liikkuvalla kartoituksella tuotetut mallit antavat mahdollisuuksia aikaisempaa yksityiskohtaisempien muutoksien tulkintaan. Menetelmällä voidaan seurata mm. liikenneväylien pintavaurioita ja turvallisuutta, kasvillisuuden biomassojen muutoksia, laatia erilaisia ympäristövaikutusten arviointeja, sekä seurata rakennettujen kohteiden, kuten siltojen ja tunneleiden muodonmuutoksia. Kaupunkialueen karttojen automaattiseen päivitykseen ajoneuvosta tehtävä kartoitus voisi tuoda huomattavia taloudellisia säästöjä. Lentäen leveämmälle Kuituoptiikan ja mikroelektroniikan kehityksen myötä käyttöön on tullut kohtuuhintaisia ja pienikokoisia integroituja GNSS-IMUnavigointilaitteistoja samalla, kun lasertekniikan edistyminen on pienentänyt keilainkokoa. Laitteiden keveys ja virrankulutuksen pieneneminen mahdollistavat pienten kauko-ohjattavien lentolaitteiden (mini-uav Unmanned Aerial Vehicle) käytön kartoitustehtäviin. Pienellä lentolaitteella, esimerkiksi radio-ohjattavalla helikopterilla, voidaan suorittaa ilmakuvaus ja laserkeilaus yhdellä lennolla kohteista, joiden koko on muutamia hehtaareja. Lähestymistapa sopii siten projekteihin, joissa kartoitettava alue on pienimuotoinen, mutta joissa ajoneuvopohjaisella järjestelmällä ei voida esimerkiksi maasto-olosuhteiden vuoksi kunnolla operoida. Geodeettisen laitoksen tutkimuskäyttöön rakentamalla laitteella saavutettava pistepilven tarkkuus on tällä hetkellä parin desimetrin luokkaa. Antero Kukko Kuva 5. Puustokar toituksella tuotetaan tietoa kaupunkipuistojen puuston tilasta. Liikkuva tulevaisuus Liikkuva kartoitus on tällä hetkellä samanlaisessa voimakkaassa maailmanlaajuisessa käyttöönottovaiheessa kuin ilmalaserkeilaus oli edellisellä vuosikymmenellä. Kaupallisia laitetoimittajia on useita ja tutkimustoiminta on vilkasta. Laitteistojen ja ohjelmistojen kehitys on nopeaa, mikä avaa tekniikalle uusia sovellusalueita. Minikokoisten lennokkien ja helikoptereiden käyttö kartoituslaitteiston kantoalustana lisää sovellusmahdollisuuksia. Tulevaisuuden kartoituksen ja mallinnuksen aineistotarpeisiin voidaan vastata liikkuvalla kartoituksella, jolla tuotetaan tiheää ja yksityiskohtaista kolmiulotteista pistepilveä sekä kuva-aineistoja. Liikkuvalta alustalta tehtävät mittaukset ovat erityisen käyttökelpoisia kaupunki-, tie- ja katualueiden kartoittamiseen ja mallintamiseen sekä muiden väylien, kuten voimalinjojen ja jokien kartoittamiseen. Tulvakartoitus onkin navigointisovellusten ohella yksi tulevaisuuden painopistealueista, jossa liikkuvaa kartoitusta voidaan hyödyntää. Anttoni Jaakkola Kuva 6. Radio-ohjattavan helikopterijärjestelmän tuottamaa pistepilviaineistoa. TkL Antero Kukko työskentelee erikoistutkijana Geodeettisen laitoksen Kaukokartoituksen ja fotogrammetrian osastolla kehittäen liikkuvan kartoituksen laitteistoja ja menetelmiä tutkimusalueenaan ajoneuvoalustaiset kartoitusjärjestelmät kaupunki- ja ympäristösovelluksissa. Sähköposti antero.kukko fgi.fi. DI Anttoni Jaakkola työskentelee vanhempana tutkijana Geodeettisen laitoksen Kaukokartoituksen ja fotogrammetrian osastolla kevyiden ajoneuvo- ja ilmakeilauslaitteistojen parissa sekä tutkii automaattisia laskentamenetelmiä. 6 Maankäyttö 0

17 Uusia yllätystuotteita Maanmittauspäivillä Porissa Tervetuloa osastollemme! 3D-laserskannerit GPS-laitteet Takymetrit Inertianavigointijärjestelmät Riegl ixsea Faro Stonex Nordic Geo Center Oy Kulosaarentie Helsinki

18 Maanmittauslaitosta ei saa pirstoa Haastattelu: Pekka Lehtonen Kahden vuosikymmenen aikana laitoksessa on tapahtunut suuria muutoksia: uusia järjestelmiä, organisaatio muutoksia ja säästötarpeita. Eivätkä ne näytä olevan lopussa. Tuulikki Holopainen, taustakuva Pekka Lehtonen. 8 Maankäyttö 0

19 Edellinen Maanmittauslaitoksen pääjohtajan haastattelu oli Maankäytössä 5 vuotta sitten. Lauri Kantee oli juuri täyttänyt 60 vuotta. Hänen seuraajansa Jarmo Ratia on samoissa lukemissa, mutta tuntuu haastattelijasta kummasti nuoremmalta. Maanmittauslaitoksen pääjohtajan pätevyysvaatimuksiin kuuluu karjalainen tausta: Viljo Niskanen oli syntyisin Joensuusta, Kantee Muolaasta, Keski-Kannakselta; Ratian suvun juuret ovat Koivistolla vaikka pääjohtaja itse onkin kotoisin Korpilahdelta. Ratian ura alkoi oikeustieteen ylioppilaana Maanmittaushallituksessa oikeudellisen toimiston esittelijänä. Sen jälkeen hän työskenteli Vesihallituksessa ja sitten Maa- ja metsätalousministeriön vesitoimiston päällikkönä sekä Vesihallituksen yli- ja pääjohtajana. Väliin mahtuu myös lyhyt kausi KHO:n hallintoneuvoksena. Vuonna 99 Ratia nimitettiin Maanmittauslaitoksen pääjohtajaksi, mutta Suomen ollessa EU:n presidenttimaa hän toimi MMM:n kansliapäällikkönä. Alkukautta leimasi lama Kaksi vuosikymmentä pääjohtajana ovat sisältäneet useita turbulensseja ja paljon muutoksia. Heti alkuun maahan jysähti lama v. 99 ja kuuluisassa Sailaksen leikkauslistassa laitokselta vaadittiin 400 miljoonan markan budjetista 00 miljoonan säästöjä. Se toteutettiin tuloja lisäämällä ja leikkaamalla menoja, Ratia kertoo. Ensimmäinen tulojen lisääminen oli maanmittausmaksun korottaminen täyskatteiseksi siinähän oli ollut noin 30 %:n subventio. Palveluista pyrittiin saamaan uusiakin tuloja ja palveluita ryhdyttiin markkinoimaan. Se oli ajan henki. Nyt strategia on kääntynyt päinvastaiseksi: keskitytään lakisääteisiin tehtäviin. On luovuttu monista tehtävistä, kuten kaavoituksesta, pohjakarttojen tekemisestä ja jääviyttäväksi koetuista tilausarvioinneista. Karttakeskus yhtiöitettiin, samoin Satelliittikuvakeskus. Käytiin rajaa, mikä kuuluu julkishallinnolle ja mikä yksityissektorille. Tämä keskustelu jatkuu edelleen mm. maastotietokannan keruun yhteydessä. Onko maastotietokannan keruuseen odotettavissa jotain muutosta? Maastotietokanta tulee pikkuhiljaa avautumaan. Avautumista on jo tapahtunutkin ilmakuvauksissa. MML hankkii ilmakuvauksia nykyään noin km vuodessa. Näistä noin puolet tilataan Ratian mukaan kilpailutuksen perusteella yrityksiltä. Nykyinen sopimus on Terratec Oy:n ja SKM Oy:n yhteenliittymän kanssa. Noin puolet kuvataan omana työnä. Omana työnäkin tehtyjen kuvausten kokonaiskustannuksista puolet maksetaan ulkopuolisille palveluntuottajille. Tilauskuvauksia, eikä muitakaan ilmakuviin liittyviä tilaustöitä, laitos ei tee enää lainkaan. Olemme siis siirtyneet selvästi palvelujen tarjoajan roolista palvelujen tilaajan rooliin, sanoo Ratia. Tietysti ilmakuvamme pyritään saamaan mahdollisimman laajaan käyttöön mm. Karttapaikan, Paikkatietoikkunan ja palvelurajapinnan kautta sekä erilaisten jälleenmyynti- yms. sopimusten avulla. Meillä on sopimuksia mm. Maaseutuviraston ja Hallinnon tietotekniikkakeskuksen kanssa ilmakuvien hankintaan ja käyttöön liittyvästä yhteistyöstä. Maat ovat maalla, sanoo Jarmo Ratia ministeriökysymykseen. Suurhanke JAKO Todella iso asia oli JAKO-järjestelmän käyttöönotto. Järjestelmän valinta oli tärkeä ja se perustui erittäin perusteelliseen valmistelutyöhön. 90-luvulla kävi välttämättömäksi tarkastella toimitustuotantoa ja kiinteistöjen rekisteröintiä uudelta pohjalta ja tehostaa työprosesseja. NKRK (numeerinen rekisterikartta) eli irrallisena järjestelmänään. Toimitustuotannon ohjelmia oli lukuisia ja tietojen rekisteröinti perustui erilliseen sovellukseen. Oli selvä tarve kehittää toimitustuotantoa tietokonepohjaisena ja liittää se tietojen rekisteröintiin sekä perinteisten kiinteistörekisteritietojen että sijaintitietojen osalta kaikki tämä yhden käyttöliittymän avulla. Ratia kertoo, kuinka kaikki markkinoilla olevat ohjelmistot tutkittiin Matti Vahalan johdolla. Paineita tuli eri toimittajien suunnasta, jopa ESRI:n arvostettu pääjohtaja Jack Dangermond saapui vakuuttamaan tuotteensa kelpoisuutta. Käsille jäi vain yksi soveltuva järjestelmäalusta, Smallworld, jolla kehitystyö voitaisiin toteuttaa. Järjestelmän rakentaminen oli äärimmäisen vaativa, eikä missään maailmassa ollut toteutettu vastaavan kokoista paikkatietojärjestelmää. Järjestelmä valmistui jopa aikataulussa huippusuoritus kehittäjiltä! Järjestelmän valmistuttua MML:n vastuulla oleva kiinteistörekisteri tarjosi tietopalveluun myös kartan ja karttapohjaiset haut. Valtakunnallinen kiinteistötietojen tietopalvelu, kiinteistötietojärjestelmä (KTJ), oli toteutettu keräämällä MML:n ja kuntien tiedot yhtenäiseen tietokantaan, kiinteistötietojärjestelmän kiinteistöosaan. Tämä ei sisältänyt kartallisia (sijainnillisia) tietoja. Kirjaamisosa oli puolestaan toteutettu omana järjestelmänään. Karttapohjaisen kiinteistörekisterin toteuttaminen edellytti uuden järjestelmäosan kehittämistä, mikä sisältäisi myös kuntien karttatiedot. Tämä edellytti pitkällistä ja haastavaa yhteis- ja kehitystyötä kuntien ja MML:n kesken, jotta hyvin erilaiset toimitusjärjestelmät voivat päivittää valtakunnallista rekisteriä. Myös tämä kehityshanke (UKTJ) toteutettiin tavoitteiden mukaisesti, Ratia painottaa. Smallworld valittiin myös karttapuolen GIS-järjestelmäksi. Näin IT-toiminnat yhdenmukaistuivat laitoksessa sekä laitteistot että ohjelmistot, mikä oli järkevää. Loogisen jatkona kehitykselle on saada myös KTJ:n kirjaamisosa kehitetyksi ja integroiduksi aidosti muiden kiinteistötietojen yhteyteen. Rahoituskriisi JAKO:n käyttöönotossa JAKO:n käyttöönotto aiheutti myös ison kriisin. Havaittiin, että rahat eivät tule vuositasolla riittämään, koska henkilöstö, jonka piti toimituksia tehdä, oli koulutuksessa. Tuolloisen nettobudjetoinnin mukaan piti vuoden menot, investoinnitkin, kattaa saman vuoden tuloilla. Neuvottelimme VM:n kanssa korollisen lainan saamiseksi, mutta se ei sopinut, vaan rahoitus piti hoitaa lisäbudjettina. Lisäbudjettiraha saadaan käyttöön vuoden lopussa, mutta raha loppui syyskuussa, kun piti maksaa palkat ja muut kulut. Mitä tehdä? No maksettiin vaan. Tästä seurasi, että vuoden vaihteeseen piti kuitenkin saada tilit tasapainoon. Valtion menot katetaan ja niin laskut maksettiin, Ratia muistelee. Maankäyttö 0 9

20 Lea Kujanpää Todisteena onnistumisesta saatiin laatupalkintokilpailussa v. 004 kunniamaininta ja v. 009 se voitettiin. Tasavallan presidentin jakaman laatuinnovaatiopalkinnon vastaanottivat Timo Tuhkanen, Jarmo Ratia, Pirkko Yliselä ja Risto Tallman. Vuoden vaihteessa piti päästä nollatilanteeseen. Johdon ja viraston kannalta tilanne oli järjetön: jos ei olisi päästy 0-tilanteeseen, en istuisi tässä, Ratia veistelee. Edellisen kerran oli tapahtunut kiinteän määrärahan ylitys Urpo Leppäsen ollessa työministerinä ja häntä uhattiin Valtakunnanoikeudella. Juuri syvimmän vajeen aikoihin, kun tilit olivat 40 milj. miinuksella, Ratialla oli kokous syksyllä 998 Australiassa. Hän vitsaili, että parasta olisi ottaa vain menolippu. Keskusteltaessa budjettiongelmasta VM:stä vastattiin, että tämä erityistarve koskee vain Maanmittauslaitosta. Ruotsissa esimerkiksi on menettely, että voitiin budjetin sisällä lainata ja maksaa vuosien kuluessa. Ensimmäinen valtionhallinnon laatupalkinto, joka tuli konsernitasolle; olemme siitä ylpeitä. Onko järjestelmä nyt muuttunut? Ei, on vain sovittu, että säästössä saa olla tällaisia varten kk:n palkkarahat. JAKO tehtiin käytännössä verovaroilla ja maanmittausmaksulla rahat kerättiin takaisin. Kirjaamisasioiden siirtämiseen ja sähköisen kaupankäynnin kehittämiseen saadaan kehittämisrahaa budjetissa, joka sitten myöhemmin velotaan palveluiden hinnoissa takaisin. Organisaatiomuutoksia Samana päivänä, kun Ratia astui virkaan, tuli voimaan myös uusi organisaatio: maanmittauskonttorit poistettiin ja tilalle tuli 36 maanmittaustoimistoa ja kartasto- ja tietopalvelutoimistoa. Johdon päiville osallistui lähes 80 henkilöä. Ratia totesi heti, ettei tämä malli ollut kelvokas. Lama pakotti kuitenkin perusteellisempaan saneeraukseen. Vuonna 994 Maanmittaustoimistojen määrä pudotettiin :een ja perustettiin keskushallinto ja sen alaisuuteen valtakunnalliset palveluyksiköt, vatupassit. Samalla Maanmittaushallitus muuttui Maanmittauslaitokseksi. Käyttöön tuli myös nettobudjetointi. Vuonna 999 otettiin käyttöön prosessit ja määriteltiin prosessinomistajat sekä siirryttiin siis matriisiorganisaatioon. Johtajien määrää pienennettiin radikaalisti. 0 Maankäyttö 0