Johdanto paikkatietoanalyysiin. Kirsi Virrantaus Maa GIS Analysis & Modelling (5 cr)
|
|
- Teuvo Siitonen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Johdanto paikkatietoanalyysiin Kirsi Virrantaus Maa GIS Analysis & Modelling (5 cr)
2 Introduction to Geographic Information Analysis Kirsi Virrantaus Maa GIS Analysis & Modelling (5 cr)
3 0. Esimerkki Geoinformatiikan tutkimusryhmässä kehitetty GIS-analyysisovellus (J-Nikander, väitöskirja) aiheena maaston kulkukelpoisuuden analysointi maastotietojen perusteella maaperä, korkeusmalli ja kasvillisuuden määrä menetelmä perustuu klusterointiin (oletetaan, että jos alueilla vallitsee samanlaiset maasto-olosuhteet niin ne ovat kulkukelpoisuudeltaankin samanlaisia) sekä visualisointiin ja interaktioon
4 0. Example an analysis method developed in the Research Group of Geoinformatics (J.Nikander, doctoral thesis) topic: cross-country mobility analysis based on terrain data soil map, elevation model, vegetation data method is based on clustering (we assume that if two regions have equal terrain they also are equal in the mobility plus visualization and interaction
5 Visuaaliset menetelmät analyysityökaluna visualisointi on usein helppo ja nopea mutta subjektiivinen työkalu on tilanteita, joissa laskennallinen analyysi on liian työlästä/turhaa voidaan hyödyntää GIS-järjestelmän visuaalisuutta käyttäjän subjektiivisuus voi olla hallinnassa eksploratiivinen analyysi: ohjelmisto suorittaa automaattisia laskentoja ja visualisoi, käyttäjä tekee johtopäätöksiä ja valitsee toimintoja
6 Visual methods in spatial analysis visualization is often easy and quick but subjective tool there are situations where computational analysis is not necessary/efficient the visuality of GIS can be utilized the subjectivity of the user can be under control explorative analysis: the software performs automatic analyses and visualize the results, the user the makes decisions and select new functions to be performed
7
8
9
10
11
12 Esimerkin tarkastelua edellisessä esimerkissä käytettiin monimuuttujadatan visualisointia PCPmenetelmällä (parallel coordinate plot), karttaa vuorovaikutusta (käyttäjän valintoja) laskentaa (klusterointi) tyypillinen spatiaalianalyysin tapaus visualisointi, laskenta ja käyttäjän päätökset muodostavat analyysiprosessin
13 In the previous example we used multivariate visualization method (PCP, parallell coordinate plot) map user interaction (decisions) computation (clustering) this is a typical example of spatial analysis process visualization, computing and users decisions make an analysis process
14 Tieteellinen visualisointi eksploratiivnen data-analyysi, visuaalinen analyysi tieteellinen visualisointi: graafinen datan ja informaation tutkiminen tavoitteena ymmärryksen ja oivalluksen aikaansaaminen eksploratiivisessa data-analyysissä kartat eivät ole tulosten esittämistä vaan analyysin välineitä geoinformatiikassa käytetään visuaalisen analyysin termiä tässä yhteydessä
15 Scientific visualization explorative analysis, visual analytics scientific visualization : exploring data and information graphically as a means of gaining understanding and insight in explorative data analysis maps are tools for analysis not for presentation of results in geoinformatics the term visual analytics is used (inludes also computation)
16 First lecture structure 1. Motivation 2. Intro to the taxonomy of methods and the text book (O Sullivan & Unwin, Geographic Information Analysis, 2003) Intro to the text book Spatial manipulations Spatial data analysis Spatial statistical analysis Spatial models
17 1. Motivation: Why Spatial analysis? in order to understand and explain the events and phenomena in the world we want to explain the reasons/causes and predict the future we need to study the phenomenon itself and the environment in which the events take place for that we need verified and validated models that are based on reliable data and scientific methods
18 Why Spatial is special? each object/event in our world happens in some location (x,y,z) and at some time (t) => in a spatio-temporal space in order to model the objects in this space we need spatial and spatio-temporal relationships the elementary objects between which the spatial relationships are defined are: points, lines and polygons(areas) the core difference between spatial and non-spatial objects/events is realized in these spatial relationships
19 Space-time cube Hägerstrand, 1970 Nowadays implemented in analysis softwares
20 Example on spatio-temporal data in space-time cube.
21 Trajectories of ships in space-time cube (Demsar&Virrantaus,201
22 Some spatial relationships distance between two locations, the length of the connecting line; d direction of a line connecting two locations; α proximity defined by for example the circle around an object defined by the radius or another polygonal shape around the object that can be exactly defined for example by a function or by geometry distance, direction and proximity are metric relationships adjacency defined by for example the common boundary line between two polygons or end point of two lines, can also be defined in higher orders connectivity (see also contiguity) is a more general concept having various definitions in various field of science; in geoinformatics connectivity is very similar concept to adjacency and even proximity adjacency and connectivity are topological relationhisps, (they represent relationships that remain even when the spatial reference is distorted (rubber sheet effect))
23 Spatiaaliset ja topologiset relaatiot Spatiaaliset relaatiot kuvaavat millaisessa sijainnillisessa suhteessa spatiaalinen kohde on toisiin spatiaalisiin kohteisiin Topologia on matematiikan osa-alue, jota käytetään vektorimaisten geometristen kohteiden eheyden validointiin, verkko-operaatioiden tai polygoniverkkojen prosessoinnin suorittamiseen Topologia on ominaisuus, joka säilyy vaikka spatiaalista referenssiä venytetään tai vääristetään
24 Spatial relationships and analysis Spatial relationships are the core concepts in spatial data modeling but also in spatial analysis Simple analyses can be made just based on these relationships and geometry; quite often the data has been organized into a topological data structure (DIME;DCEL) in order to support computation of simple manipulation operations: map overlay, point-in-polygon, nearest neighbour,shortest path
25 continues In spatial data analysis, spatio-statistical analysis and modelling more advanced methods are used spatial relationships are still in the core role For example adjacency relationship is used when spatial autocorrelation is analysed It is often used in the form of W (weight/adjacency matrix)
26 Spatial phenomena are special real world is not homogeneous platform for phenomena physical structures, barriers, obstacles; terrain, vegetation, waters human behaviour; people tend to group in cities, villages etc. In Geography and spatial analysis this is modeled by the concept of spatial autocorrelation things close to each others tend to be more similar than things further from each others (1st law of Geography, Tobler s law) spatial autocorrelation is modeled by the concept of interaction; interaction is measured by distance and the objects of interest are identified by adjacency relationship
27 Small exercise Think what is the difference between Distance and Adjacency Why we need the adjacency relationship? Why distance is not enough?
28 Specialities of spatiality for analysis Spatial relationhips must be somehow implemented in the analysis methods by data structure or computation Spatial autocorrelation must be taken into account in the analysis methods and processes the assumption of complete spatial randomness can not straightforwardly be used
29 When analysing graphs (networks) the topological data structure is essential (Tiet Digiroad) ZhangZhe, 2010
30 when modeling graphs graph topology (= connectivity between lines) is of major interest if the graph structure is not consistent (=if the topology has mot been correctly modeled) graph analyses (like shortest path) can not be computed quality element: consistency
31 Small exercise What happens in graph analyses if the road network topology is not correct? How the topology can be automatically created in a non-topological data set?
32 The Quarternary deposits map (Maalajikartta) is a good example of spatial autocorrelation Sunila,R., 2009
33 Small exercise What kind of topological relationship is of core importance in the previous data set? Spatial elements? Relationship in the model?
34 2. Luennon sisältö keskeisiä käsitteitä Spatiaalisen datan manipulointi Spatiaalinen data-analyysi Spatiaalinen tilastollinen analyysi Spatiaalinen mallinnus Spatiaaaliset prosessit ja niiden kuvaukset Riippumaton stokastinen prosessi Geometria, ominaisuudet, topologia Voronoi-diagrammi Pinnan mitat Spatiaalinen autokorrelaatio Variogrammipilvi Ensimmäisen ja toisen asteen efektit Sationäärisyys, isotrooppisuus
35 2. Contents core concepts Manipulation of spatial data (by using GIS) Spatial data analysis (explorative, descriptive) Spatial statistical analysis (applied statistical method) Spatial modelling (predicts spatial outcomes) Spatial processes and patterns Independent stochastic process Geometry, attributes, topology Voronoi-diagrams Measures of surfaces Spatial autocorrelation Variogram cloud First and second order effects Stationarity, isotropy
36 Analyysit geoinformaatiotieteeteessä GIS-historian lähtökohta: kvantitatiivinen maantiede, analyyttinen kartografia pisteiden, viivojen ja alueiden geometrinen, tilastomatemaattinen ja verkkoteoriaan pohjautuva analyysi GIS järjestelmät: laajat paikkatieto-aineistot GIS-ohjelmistot: visualisointityökalut ja spatiaalisen data ns. manipulointityökalut eivät sisällä spatiaalisen analyysin ja mallinnuksen kehittyneitä työkaluja tämä on nyt muuttumassa, kehittyneempiä menetelmiä tulee ohjelmistoihin
37 Spatial analysis in GIScience spatial analysis has a history longer than GIS SA is actually the starting point of GIS: quantitative geography, analytical cartography analysis of points, lines and areas, based on geometry, statistics and graph theory GIS systems: data bases GIS software: visualization and spatial data manipulation tools GIS analysis toolboxes in the commercial software do not inlcude advanced spatial analysis and modeling possibilities this is now chaging, more methods are sooffered by softwares
38 GIS is data rich but theory poor (Openshaw) ei enää pidä täysin paikkaansa GIS ohjelmistojen toiminnallisuudet: aritmetiikkaan ja geometriaan perustuvia laskentoja puskuroinnit, overlayt, lyhimmät reitit, näkyvyydet analyysissä tarvitaan data-analyysiä, tilastollista analyysiä, matemaattista mallinnusta sekä datan ja tulosten epävarmuuden tarkastelua, koko päätöksentekoprosessin analysointia
39 GIS is data rich but theory poor (Openshaw) no more true more advanced methods are required than the functionalities in GIS software: measurements based on arithmetics and geometry buffers, overlays, shortest paths, visibility advanced data analysis, statistical analysis and mathematical modeling analysis of the uncertainlty of source data as well as the reliability of the results analysis of the spatial decision making process In our curriculum: this course + Spatial data Mining course, Uncertainty in GI course, Visual analytics -course
40 Analyysimenetelmistä Menetelmä riippuu käytetystä tietomallista Menetelmään vaikuttaa Geometrian mallinnus; objekti, kenttä Topologian mallinnus; millaisia relaatioita mallissa on Ominaisuuksien määrä ja tyyppi Oppikirjan menetelmäluokittelu
41 About the analysis methods Selection of the analysis method to be used is limited by The data model used; object or field model The topological relations in the model The amount and type of attributes Classification of the analysis methods into four classes in the Text Book
42 Analyysimenetelmä riippuu tietomallista paikkatiedot mallinnetaan objekteina tai kenttinä objektit, kohteet (objects) pistemäisiä, viivamaisia, aluemaisia ja näistä koostuvia diskreettejä kokonaisuuksia kentät, jatkumot (fields) jatkuvia ilmiöitä kuvaavaa dataa jatkuva malli esim. korkeusmalli luokkamuuttujadata esim. maalajikartta
43 Analysis method depends on the spatial data model geographical information is modeled as objects points, lines, polygons and discrete combinations of these fields data on continuous phenomena continuous model for example elevation model categorical variables for example soil map
44 Spatiaalisen datan erityispiirteet geometria ominaisuudet topologia kohdemaisen kuvaamisen ongelmia: samaa kohdetta joudutaan kuvaamaan eri tavoin eri mittakaavassa ja eri sovelluksia varten kaikki kohteet eivät ole tarkkarajaisia: sumea mallinnus
45 What is special in spatial data geometry attributes topology / relationships problems in object models: multiple representation problem for varying scales and various applications all objects are not crisp; fuzzy models
46 Geometria, topologia, ominaisuudet etäisyys, suunta viereisyys, yhdistävyys erityisiä pintojen ominaisuuksien mittoja kuten kaltevuus, aspekti; analyysejä kuten näkemäalue, LOS = line of sight, näkemäviiva spatiaalisia ominaisuuksia voidaan kuvata mm. viereisyysmatriisilla, Thiessen/Voronoi polygoneilla erityiset tietorakenteet näihin ominaisuuksien mittaamiseen nominaali, järjestys, välimatka ja suhde -asteikot
47 Geometry, topology, attributes distance, direction adjacency, connectivity measures of surfaces: slope,aspect; analyses like viewshed and LOS spatial characteristics can be described for example by matrices or Voronoi/Thiessen diagrams spatial data structures measuring attributes by nominal, ordinal, incremental and ratio scales
48 Attribute measures Nominal (categorical) inclusive and mutually exclusive categories Ordinal (categorical) can be ranked according to some criterion; order but no difference Interval differences/distance between categories can be defined by fixed units Ratio ratio scale has an absolute zero
49 Ominaisuustiedon mittaaminen Nominaaliasteikko vain laatu Järjestysasteikko laatu ja järjestys Välimatka-asteikko järjestystä voidaan mitata vakioyksiköllä nollapiste mielivaltaisesti valittu Suhdeasteikko absoluuttinen nollapiste
50 Oppikirjassa jaotellaan menetelmät: 1. spatiaalisen datan manipulointi kaupallisten tuotteiden toiminnallisuudet 2. spatiaalinen data-analyysi eksploratiivistä ja kuvailevaa 3. spatiaalinen tilastollinen analyysi todellisen datan testaaminen tilastollisten mallien avulla 3. spatiaalinen mallinnus spatiaalisten ilmiöiden käyttäytymisen ennustaminen
51 The classification of methods used in our textbook: I spatial data manipulation (simple) functionalities in GIS analysis toolboxes II spatial data-analysis explorative and descriptive III spatial statistical analysis comparing the data with statistical models IV spatial modeling predicting the behaviour or spatial phenomena by models
52 I Paikkatiedon manipulointi vektorikohteiden (piste, viiva, alue) geometriaan tukeutuvat laskennat etäisyydet, puskurit, piste alueessa jne. verkkopohjaiset yksinkertaiset ongelmat rasterimuotoinen analyysi map algebra (Tomlin) vrt. filtterit - kuvankäsittelyä yksinkertaista tilastollista ja geostatistista käsittelyä joitain funktioita
53 I Manipulation of GI measurements and calculations based on vector objects (point, line, polygon) distances, buffering, point-in-polygon, overlays etc. basic graph problems raster/grid analysis map algebra (Tomlin) image processing only simple statistics and geostatistics some functions mean
54 Esimerkkejä manipulointitoiminnallisuuksista verkoille: linkeille, solmuille janojen leikkaus, piste viivalla, vyöhykkeet, yleistys segmentointi, geometriasta topologiaksi rasterille: pikselille, naapuruusalueelle, koko tasolle, aluejaolle (local, focal, zonal) uudelleenluokittelu, uudelleenkoodaus, vaihtelu, vallitsevuus, interpolointi
55 Examples of basic manipulation graphs: links, nodes functions intersections, point-in-line, buffers, generalization segmenting, from geometry to topology rasters: pixel, neighbourhood, entire layer, zoning (local, focal, zonal) reclassification, recoding, interpolation
56 ...jatkuu Alueille, aluejaoille point-in-polygon, piste aluejaossa, keskipiste/referenssipiste, janan ja alueen leikkaus, alueiden unioni ja leikkaus, alueen ikkunointi, vyöhykkeet, polygon overlay, pinta-ala, alueesta pisteeksi, tietorakennemuunnokset Pisteille, pistejoukoille lähin piste, lähimmät pisteparit
57 ...continues polygons, polygon networks point-in-polygon, point-in-polygonmap, center /reference point, line-in-polygon, union and intersection of polygons, windowing a polygon, buffers, polygon overlay, area, from polygon to point, data structure conversions points, point sets nearest point, closest point pairs
58 Esimerkkejä ohjelmistojen valmiista analyysisovelluksista Verkolle, esim. tieverkko lyhin reitti, kauppamatkustajan ongelma, sijoitteluongelma, virittävä puu Rasterille, esim. korkeusmalli proximal areas, kustannuspinta ja kulkureitin optimointi, näkyvyysalueet, valuma Alueet ja aluejaot, esim. tilastoaluejako map overlay, aluejakojen luominen
59 Examples of ready made analysis applications in GIS-software graphs, for example road networks shortest path, traveling salesman, location problems, spanning tree rasters, for example elevation model proximal areas, cost surface and path optimizing, visibility areas, drainage polygons and polygon networks, for example statistical map map overlay, creating of polygon maps
60 pisteille, pistejoukoille, esim. korkeuspisteet, maaperätutkimuspisteet pistejoukosta Voronoi -polygoniksi, pistejoukosta kolmioverkoksi, pistejoukosta matriisiksi
61 points, point sets, for example height points, soil investigation points from a point set to a Voronoi polygon map, from a point set to a TIN, from a point set to a matrix
62 GIS -ohjelmistot ohjelmistot tarjoavat toolboxin valmiita funktioita ja pieniä ongelmanratkaisusovelluksia kun ohjelmistot tarjoavat valmiita toiminnallisuuksia on suuri vaara, että ryhdytään käyttämään valmiita toiminnallisuuksia analysoimatta ongelmaa saatetaan ratkaista hienosti, mutta väärä ongelma lisäksi valmisohjelmistojen toiminnallisuudet eivät ole aina dokumentoituja, algoritmejä ei tunneta täsmällisesti, algoritmi voi olla huono
63 Problems with using the existing commercial GIS sotware they offer a nice toolbox of ready-made functionalities and problem solving applications it is very temptating just to apply the tools without profound analysis of the problem you can get a nice solution to a wrong problem! commercial software functions are not always well documented, the algorithms are not known; the algorithm can be just bad
64 II Spatiaalinen data-analyysi spatiaalinen data-analyysi kuvataan prosesseja ja ilmiöiden esiintymisen muotoja/kuvioita tilastollisin tunnusluvuin, ei hypoteesia, ei testausta eksploratiivinen analyysi tilastolliset menetelmät, visualisointi ja interaktio, visuaalinen analyysi (edellinen esimerkki onnettomuuksista) kartat analyysin työkaluina, ei vain tulosten esittäjinä
65 II Spatial data-analysis spatial data analysis describing spatial data by using statistical measures, no hypothesis, no testing explorative data analysis (EDA) statistical methods, visualization and interaction, visual analysis (the given example on incidents) maps as analysis tools and not only for presentation of the results
66 Esimerkkejä spatiaalisista dataanalyysimenetelmistä Kernel menetelmän käyttö klusterointiin, hotspottien tunnistamiseen (cold spot) menetelmä perustuu matemaattisen funktion käyttöön menetelmän oikea käyttö pohjautuu käyttäjän asiantuntemukseen ja interaktioon bandwidth tulosten tulkinta visuaalisesti Moranin indeksi kertoo onko autokorrelaatiota variogrammipilven käyttö spatiaalisen autokorrrelaation toteamiseen (kirjan esimerkki)
67 Examples of spatial data-analysis using of Kernel density mapping for identifying clusters this method uses some mathematics for the model however the correct use is based on the users experience and interaction bandwidth the results are interpreted visually Moran s I for testing autocorrelation using variogram clouds for identifying spatial autocorrelation (example in the book)
68 Hot spot, klusteri Hot spot Hot spot on alue, jossa esiintyy keskiarvoa enemmän tutkittavaa asiaa/kohdetta Vastakohta cold spot Klusteri Klusteroinnissa pyritään kohteet jakamaan mahdollisimman samankaltaisiin ryhmiin ominaisuuksiensa perusteella
69 Hot spot, cluster Hot spot / cold spot In hot spot there can be found more than average amount of the objects/events of interest Cold spot is the opposite for hot spot Cluster In clustering the objects are divided into groups that are as similar than possible according to their attribite values
70 Kernel-menetelmän käyttö (Krisp) Kernel menetelmä yksittäisistä havainnoista tiheyspinnaksi yksittäiset havainnot tiheyspinta
71 Kernel-säteen valinta (Krisp) Mitä suurempi säde sitä yleistetympi esitys Pieni säde näyttää enemmän yksityiskohtia Kernel-mentelmä on yksinkertainen ja helppo käyttää, mutta oikea käyttö vaatii menetelmän käyttäytymisen ymmärtämistä
72 Spatiaalinen autokorrelaatio toisiaan lähellä olevat kohteet ovat samanlaisempia kuin kaukana olevat spatiaalinen data ei ole satunnaisesti jakautunutta positiivinen, negatiivinen tai nollaautokorrelaatio autokorrelaation mittoja Moran s I, variogrammipilvi
73 Spatial autocorrelation data near each others are more likely to be similar that data remote each others nonrandom distribution of spatial data positive, negative or 0-autocorrelation Measures for autocorrelation Moran s I Variogram cloud
74 Variogrammipilvi ilmentää ominaisuuden ja sijainnin välistä suhdetta esim. kuvat 2.6 ja 2.7 kirjassa maaston harjumainen rakenne korkeuskäyrinä (kuva 2.6) ja korkeusdata sijaintiin suhteutettuna variogrammikuvana (2.7) kaikille mahdollisille pistepareille lasketaan korkeustiedon eron neliöjuuri (y) ja sijoitetaan arvo pisteiden etäisyyden mukaan (x) variogrammipilvi ilmaisee autokorrelaation
75 Variogram cloud reflects the relationships between attribute values and spatial location of the entities in the data set examples in the figures 2.6 and 2.7 in the text book terrain as a contour map (2.6) same data organized as a variogram cloud: for all possible point pairs the square root of the difference in their heights is plotted against the distance they are apart interpretation of the variogram cloud tells about the autocorrelation in the data set
76 O Sullivan &Unwin, 2003)
77 O Sullivan &Unwin, 200
78 O Sullivan &Unwin, 200
79 analysoidaan itä-länsi suuntaa ja pohjois-etelä- suuntaa esimerkissä nähdään, että pohjois-eteläsuunnassa olevien pisteparien korkeuserot ovat suurempia kuin itä-länsisuunnassa olevien pisteparien; vastaa korkeuskäyräesitystä tätä ilmiötä nimitetään anisotropiaksi; datan spatiaalisessa vaihtelussa on suuntaan liittyvä piirre
80 analysis of N-S and W-E oriented pairs in the Fig 2.8 we can see that the differences between N-S oriented pairs are greater that between E-W oriented pairs; matches with the contour maps this phenomenon is called as anisotropy = there is a directional effect in the spatial variation of the data
81 III (luku3) Spatiaalitilastollisessa analyysissä ilmiöt mallinnetaan prosesseina aineistoja analysoidaan suhteessa tilastollisiin malleihin haetaan tyypillistä ja ei-tyypillistä käyttäytymistä aineisto (kartta) on prosessin realisaatio esim.pistekartta on tietyn pisteprosessin realisaatio esimerkki: Suomen asukkaat voidaan mallintaa pisteprosessina ja pistekartta, joka kuvaa pisteenä jokaisen asukkaan on tämän prosessin realisaatio spatiaalisia prosesseja voidaan kuvata matemaattisilla malleilla deterministisillä tai stokastisilla
82 III In spatiostatistical analysis phenomena as processes (Ch3) spatial data are analysed in order to find typical or unexpected behaviour (data)patterns (maps) are realizations of processes for example dot map is a realization of a point process Inhabitants of Finland can be modeled as a point process and the dot map showing each citizen is the realization of that process spatial processes can be modeled by mathematical models deterministic or stochastic
83 Kuvio kartalla, hypoteesi ja sen testaus havaittu data, karttaesitys, on eräs mahdollisista kuvioista, jotka ilmiötä hypoteettisesti kuvaava prosessi saattaa tuottaa spatiaalinen prosessi on kuvaus siitä, kuinka spatiaaliset kuviot (pattern), joita esitetään kartoilla, ovat saattaneet syntyä
84 Pattern on a map, hypothesis and testing an observed map pattern is one of the possible patterns that might have been generated by the hypothesised process a spatial process is a description of how a spatial patterns might be generated
85 GIS-JÄRJES- TELMÄÄN TALLEN- NETUN DATA N VISUALI- SOITEJA DESKRIPTII- VISET JA EKSPLORA- TIIVISET MENETEL- MÄT NOSTAVAT KYSYMYK- SIÄ HYPO- TEESIEN TILASTOL- LINEN TESTAUS TEORIOITA JA MALLEJA
86 DATA STORED VISUALI- ZED IN A GIS DESCRIPTI- VE AND EXPLORAT- IVE METHODS RAISE QUESTIONS HYPO- THESIS- AND STATISTI- CAL TESTING THEORIES AND MODELS
87 Deterministinen ja stokastinen prosessi esimerkiksi yhtälö: z = 2x + 3y yhtälö saa aina samoilla muuttujien lähtöarvoilla aina saman tuloksen = determnistinen prosessi kun yhtälöön lisätään satunnainen komponentti, voidaan saada erilaisia tuloksia eri realisaatioissa, samoilla lähtöarvoilla = stokastinen prosessi esimerkiksi: z = 2x + 3y ± 1
88 Deterministic and stochastic process For example the equation: z = 2x + 3y with equal values of variables the equation always produces the same outcome = deterministic process in the equation describing the process a random element can be added then the equation can produce different outcome in every realization even by same variable values = stochastic process For example the equation: z = 2x + 3y ± 1
89 Riippumaton satunnaisprosessi riippumaton satunnaisprosessi, täydellinen spatiaalinen satunnaisuus (IRP, CSR), siinä vallitsee yhtäsuuren todennäköisyyden ehto jokaisella pisteellä on yhtösuuri todennäköisyys sijaita missä vain=jokaisella sijainnilla on yhtäsuuri todennäköisyys olla pisteen paikka riippumattomuusehto pisteen sijoittuminen johonkin sijaintiin on riippumaton muiden pisteiden sijainnista
90 Independent random process Independent random process (IRP), complete spatial randomness (CSR), means Condition of equal probability Any point has equal probability of being in any position Condition of independence Positioning of any point is independent of the positioning of any other point
91 Millä todennäköisyydellä? esimerkiksi kahdeksaan yhtäsuureen osaan jaetun alueen yhdessä osassa on piste A (10 pistettä) P(piste A tietyssä osassa) = 1/8 yhdessä osassa on vain yksi piste A kymmenestä pisteestä P(vain A tietyssä osassa) = 1/8 x 7/8 x 7/8 x 7/8 x 7/8 x 7/8 x 7/8 x 7/8 x 7/8 x 7/8 Yleinen kaava todennäköisyydestä, jolla k pistettä kymmenestä on tietyssä osassa kahdeksasta osasta P(k pistettä) =(k:n pisteen mahdolliset kombinaatiot) x (1/8) k x (7/8) 10-k
92 What is the probability? for example if we have 10 events in the pattern and the study region is divided into 8 subareas of equal size P(event A is in a specified subarea) = 1/8 the probability that in one subarea there is exactly one and only one event A P(event A only) =1/8 x 7/8 x 7/8 x 7/8 x 7/8 x 7/8 x 7/8 x 7/8 x 7/8 x 7/8 general formula according to which, k events out of 10 are in a specified subarea (of 8 areas) (pp in the book) P(k events) =(all possible combinations of k events) x (1/8) k x (7/8) 10-k
93 tulokseksi tulee binomijakauma (kaava 3.10 kirjassa) Poisson jakauma käytännöllisempi laskea ja approksimoi hyvin binomijakaumaa (kaava 3.13)
94 the result is the binomial distribution (formula 3.10 in the book) we have specified the independent random process ; mathematics to predict the frequency distribution; can be used for testing of the behaviour of (point)processes Poisson distribution is more practical (formula 3.13)
95 Todellisissa ilmiöissä binomijakauma on usein äärimmäisen epärealistinen spatiaalinen riippuvuus ilmenee ns. ensimmäisen asteen efektinä: keskiarvo vaihtelee spatiaalisesti ns. toisen asteen efektinä: tapahtumat riippuvat toisistaan spatiaalisesti seuraus: ilmiö ei ole stationäärinen
96 In real phenomena binomial distribution is often extremely unrealistic, other measures spatial dependence shows up as First order effect: the mean is spatially dependent Second order effect: there is interaction between events the phenomenon is not stationary
97 Stationäärisyys ja isotrooppisuus ensimmäisen asteen stationäärisessä prosessissa: keskiarvo on vakio toisen asteen stationäärisessä prosessissa ilmentymien välillä ei ole vuorovaikutusta riippumaton satunnaisprosessi on sekä ensimmäisen, että toisen asteen stationäärinen; prosessia hallitsevat säännöt eivät muutu spatiaalisesti isotrooppisessa prosessissa ei esiinny suuntautunutta riippuvuutta anisotrooppinen prosessi vaihtelee tietyssä suunnassa
98 Stationarity and isotropy in the first order stationary process the mean is constant in the second order stationary process there is no interaction between events an independent random process is both first and second order stationary; the rules that describe the process do not change spatially in an isotropic process there is no directional dependency an anisotropic process varies in some direction
99 IV Spatiaaliset mallit ennustamiseen ja skenaarioiden tuottamiseen toimintaperiaatteiden vaikutusten analysointiin toimintaperiaatteiden luomiseen ja suunnitteluun usein spatiaaliset ilmiöt ovat sellaisia, että varsinaisia kokeita ei voida suorittaa ainoa tapa tutustua ilmiöön on laatia malli
100 IV Spatial models predicting and scenario generation policy impact analysis policy generation and design very often spatial phenomena are such that real tests can not be organized, the only possibility to test is to make a model and test it do not mix spatial models of phenomena and spatial data models!!!!!
101 Malli... Malli on yksinkertaistettu tutkimuksen kohteen esitys, joka on aikaansaatu kuvaamisen, selittämisen, ennustamisen tai suunnittelun tarpeisiin. Spatiaalinen malli on tutkimuskohteen sijainti/ominaisuus malli. Spatiotemporaalinen malli on tutkimuksen kohteen sijainti/ominaisuus/aika malli. (Fisher et al., 1996)
102 Model... A model is a simplified presentation of the object of study, made for the purposes of description, explanation, forecasting or planning. Spatial model is a spatial/attribute model of the object. Spatio-temporal model is a spatial/attribute/temporal model of the object. (Fisher et al., 1996)
103 todellinen maailma edellyttää todellisessa maailmassa tehtäviä johtopäätöksiä niitä voidaan auttaa tutkimalla todellisuuden ilmiötä, tunnistamalla sen olennaiset tekijät ja valittujen tekijöiden väliset suhteet > malli malli formuloidaan matemaattiseksi malliksi, joka voidaan ratkaista mallin rajoitukset ja yksinkertaistukset otetaan huomioon johtopäätöksiä tehtäessä
104 in the reality we need conclusions made in the reality we can support them by analysing the real phenomena, by identifying the essential factors and relationships between selected objects > model a mathematical model is formulated, a mathematical model can be solved the simplifications and restrictions of the model are taken into account when solving the model
105 Spatiaalisten mallien käyttöalueita mallinnetaan fyysisiä/ympäristöilmiöitä sekä sosiaalisia ja taloudellisia prosesseja sää, ilmasto maaperä, korkeus veden ekosysteemi eroosio, pohjaveden liike alueellinen talouskehitys muuttoliike palvelujen ja tuotantolaitosten sijoittelu kuljetus kaupungin maankäyttö
106 Use of spatial models physical or environmental phenomena, social and economical processes weather, climate soil, elevation water ecosystems erosion local economical development migration location of services and industrial plants transportation urban land use
107 DEM-pohjainen tulvamalli: jos merenpinta nousee 5 m Helsingin alueella Tulvamallissa käytetään korkeusmallia.
108 Maanjäristyksen seurausmalli Case: Maanjäristys Rhodoksella/UHHA Näitä malleja kehittävät seismologit. Esimerkki on yksinkertaistetusta mallista.
109 Kaasuvuodon leviämismalli Case: FinnChemicals, Kuusankoski/UHHA Tämän mallin on kehittänyt Ilmatieteen laitos. Esimerkkikuva on yksinkertaistetusta mallista. sivu 109
110 Väestömalli yhdessä kaasuvuotoa kuvaavan mallin kanssa Vaarallinen alue on kuvattu ympyrällä, kaasuvuoto sinisellä ja väestö vihreällä. Korpi,J., ZhangZhe, 2008
111 Vaarallinen alue pommi-iskussa; yksinkertaistetulla paineaaltomallilla.
112 Paineaaltomalli: Paineen leviäminen pommi-iskussa + vahingoittuneiden ihmisen määrä Hyvin yksinkertainen malli paineaallon vaikutuksesta ja vahingoittuneiden ihmisten määrästä.
113 Spatiaaliset mallit ovat erilaisia sovellusalueeltaan, mittakaavaltaan mallityypiltään deterministiset - perustuvat kaavoihin, jotka tuottavat aina samoilla inputeilla samat outputit stokastiset - perustuvat ilmiöiden satunnaisuuteen systeemimallit kuvaavat osaa reaalimaailmaa, kohteet ja niiden väliset suhteet optimointimallit ratkaisevat tavoitefunktion simulointimallit jäljittelevät todellisuutta luomalla realisaatioita annettujen sääntöjen mukaan deskriptiiviset spatio-temporaaliset mallit kuvaavat ilmiön aika-paikka-vaihtelua
114 Spatial models are different application field, scale type of the model determininistic based on the formula that produces with given inputs always equal outputs stochastic based on randomness system models describe a given part of reality with relationships optimization models, solve the goal function simulation models produce realizations according to given rules descriptive spatio-temporal models
115 Esimerkkejä spatiaalisista malleista ilmastomalli, merimalli 4d vokselimalleja hallintaan fysikaalisia/biologisia ilmiöitä lähtö- ja tukiaineistona käytetään GIS-aineistoja mallien tuloksia visualisoidaan karttoina metsäpalojen simulointimallit GIS lähtöaineiston pohjalla täsmäviljelyn operatiiviset mallit
116 Examples of spatial models climate model, sea model 4d voxel models physical/biological phenomena GIS data as source and support data models are visualized as maps simulation models of forest fires GIS source data operative models for agriculture
117 korkeusmalli on useimpien fyysisen ympäristön analyysien pohjana hydrologiset sovellukset, valumamallit maisema-analyysi ja rakentaminen sotilassovellukset, simulaattorit radioverkon suunnittelu yhteiskunnallis-taloudelliset mallit väestö, tuotanto
118 elevation model is used in most of the analysis for physical reality hydrological applications, drainage models building and landscape analysis military applications, simulators radio network planning socio-econimical models population, production
119 Paikkatietomallin toteutus GIS-toteutuksessa kohteet ja pinnat voidaan toteuttaa joko vektorimallilla tai rasterimallilla periaatteessa samoja analyysejä voidaan tehdä kummallakin (vrt. reittioptimoinnit verkossa ja kustannuspinnalla) valinta riippuu siitä, mikä on luontevin tapa mallintaa kohdesysteemiä esim. 4d-vokselimallit ilmaston ja meren mallinnukseen
120 Implementing the GI model objects and fields can be implemented as rasters or vector models in principle the same analysis can be made for raster and vector models the selection of the implemntation is based on the decision about the most natural presemtation for example 4-d voxel models for climate models
121 Ongelma ohjaa datan mallinnusta ja datamalli ympäristön valintaa ongelma ohjaa tietomallin valintaa, tietomalli ohjaa ohjelmiston/algoritmin valintaa merimalli ja ilmastomalli: vokselimalli, 3d/4d-hila näkyvyys- ja kuuluvuusanalyysit, valuma-analyysit, 2,5 d-hila tai TIN-verkko kuljetus- ja sijoitteluongelmat: verkkomalli tai pikselimalli, 2d-hila väestöön liittyvät analyysit, 2d aluejako epidemiologinen analyysi: pisteaineisto
122 Problem > data model> implementation environment the data model is derived from the problem and the selection of the software/algorithm is derived from the data model sea model and climate model: voxel model, 3d/4d-grid visibility analyses, drainage analyses, 2,5 d-raster or TIN-network transportation and location problems: graph model or pixel model, 2d-raster demographic analyses, 2d polygon maps epidemiological analyses: point sets
123 Yhteenvetoa pistejoukot ja jatkumot helpoimpia mieltää ja mallintaa prosessseina spatiaalisen vaihtelun oikea mallintaminen ja mittaaminen on keskeinen ongelma todellisuuden abstraktiotaso (mittakaava) vaikuttaa olennaisesti dataan ja tuloksiin
124 Some conclusions point sets and fields are easy to understand and model as processes modeling and measuring spatial dependency correctly is one of the major problems the level of abstraction of reality has a big effect to the data and results
125 Kirjallisuutta Sullivan,D., Unwin,D., Geographic information Analysis, 1. painos, luvut 1,2 ja 3, (7),8 Malczewski,J., GIS and Multicriteria Decision Analysis, 1999,luvut 1 ja 2 Fisher,M., Scholten,H., Unwin,D., Spatial Analytical Perspectives on GIS, luku 1 ja luku2 Bailey,T., Gatrell,A., Interactive Spatial Data Analysis,1995. Introduction. Burrough,P., McDonnell,R., Principles of Geographical Information Systems, Tomlin,D., GIS and Cartographic Modeling. Longley,P., Goodchild,M.,Maguire,D., Rhind,D.,GIS, Vol1, sectio 1c, Openshaw,P., Abrahart, R., GeoComputation, 2000.
126 Literature Sullivan,D., Unwin,D., Geographic information Analysis, 1st edition, Chapters 1,2,3, (7), 8 Malczewski,J., GIS and Multicriteria Decision Analysis, 1999, Chapters1 ja 2 Fisher,M., Scholten,H., Unwin,D., Spatial Analytical Perspectives on GIS, Ch 1 ja Ch 2 Bailey,T., Gatrell,A., Interactive Spatial Data Analysis,1995. Introduction Burrough,P., McDonnell,R., Principles of Geographical Information Systems, Tomlin,D., GIS and Cartographic Modeling. Longley,P., Goodchild,M.,Maguire,D., Rhind,D.,GIS, Vol1, sectio 1c, Openshaw,P., Abrahart, R., GeoComputation, 2000.
Capacity Utilization
Capacity Utilization Tim Schöneberg 28th November Agenda Introduction Fixed and variable input ressources Technical capacity utilization Price based capacity utilization measure Long run and short run
LisätiedotEfficiency change over time
Efficiency change over time Heikki Tikanmäki Optimointiopin seminaari 14.11.2007 Contents Introduction (11.1) Window analysis (11.2) Example, application, analysis Malmquist index (11.3) Dealing with panel
LisätiedotGap-filling methods for CH 4 data
Gap-filling methods for CH 4 data Sigrid Dengel University of Helsinki Outline - Ecosystems known for CH 4 emissions; - Why is gap-filling of CH 4 data not as easy and straight forward as CO 2 ; - Gap-filling
LisätiedotAnalysis of polygon maps. Kirsi Virrantaus GIS-E1060 Spatial Analytics
Analysis of polygon maps Kirsi Virrantaus GIS-E1060 Spatial Analytics 1.11.2016 Polygonikarttojen analyysi Kirsi Virrantaus GIS-E1060 Spatial Analytics 1.11.2016 Contents of the lecture Polygons and polygon
LisätiedotLand-Use Model for the Helsinki Metropolitan Area
Land-Use Model for the Helsinki Metropolitan Area Paavo Moilanen Introduction & Background Metropolitan Area Council asked 2005: What is good land use for the transport systems plan? At first a literature
LisätiedotOther approaches to restrict multipliers
Other approaches to restrict multipliers Heikki Tikanmäki Optimointiopin seminaari 10.10.2007 Contents Short revision (6.2) Another Assurance Region Model (6.3) Cone-Ratio Method (6.4) An Application of
LisätiedotThe CCR Model and Production Correspondence
The CCR Model and Production Correspondence Tim Schöneberg The 19th of September Agenda Introduction Definitions Production Possiblity Set CCR Model and the Dual Problem Input excesses and output shortfalls
LisätiedotOn instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31)
On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31) Juha Kahkonen Click here if your download doesn"t start automatically On instrument costs
LisätiedotInformation on preparing Presentation
Information on preparing Presentation Seminar on big data management Lecturer: Spring 2017 20.1.2017 1 Agenda Hints and tips on giving a good presentation Watch two videos and discussion 22.1.2017 2 Goals
LisätiedotGeoinformation in Environmental Modelling
Geoinformation in Environmental Modelling Modelling: from concepts to data models ENY-C2005 Paula Ahonen-Rainio 13.1.2015 Topics today Recap: Two approaches in spatial modelling: discrete objects and fields
LisätiedotOn instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31)
On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31) Juha Kahkonen Click here if your download doesn"t start automatically On instrument costs
LisätiedotUse of spatial data in the new production environment and in a data warehouse
Use of spatial data in the new production environment and in a data warehouse Nordic Forum for Geostatistics 2007 Session 3, GI infrastructure and use of spatial database Statistics Finland, Population
Lisätiedot16. Allocation Models
16. Allocation Models Juha Saloheimo 17.1.27 S steemianalsin Optimointiopin seminaari - Sks 27 Content Introduction Overall Efficienc with common prices and costs Cost Efficienc S steemianalsin Revenue
LisätiedotReturns to Scale II. S ysteemianalyysin. Laboratorio. Esitelmä 8 Timo Salminen. Teknillinen korkeakoulu
Returns to Scale II Contents Most Productive Scale Size Further Considerations Relaxation of the Convexity Condition Useful Reminder Theorem 5.5 A DMU found to be efficient with a CCR model will also be
LisätiedotStatistical design. Tuomas Selander
Statistical design Tuomas Selander 28.8.2014 Introduction Biostatistician Work area KYS-erva KYS, Jyväskylä, Joensuu, Mikkeli, Savonlinna Work tasks Statistical methods, selection and quiding Data analysis
LisätiedotIntroduction to spatio-statistical methods
Introduction to spatio-statistical methods Kirsi Virrantaus Department of Built Environment School of Engineering ENY-C2005 Johdanto spatiotilastollisiin menetelmiin Kirsi Virrantaus Department of Built
LisätiedotOn instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31)
On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31) Juha Kahkonen Click here if your download doesn"t start automatically On instrument costs
LisätiedotNational Building Code of Finland, Part D1, Building Water Supply and Sewerage Systems, Regulations and guidelines 2007
National Building Code of Finland, Part D1, Building Water Supply and Sewerage Systems, Regulations and guidelines 2007 Chapter 2.4 Jukka Räisä 1 WATER PIPES PLACEMENT 2.4.1 Regulation Water pipe and its
LisätiedotAlternative DEA Models
Mat-2.4142 Alternative DEA Models 19.9.2007 Table of Contents Banker-Charnes-Cooper Model Additive Model Example Data Home assignment BCC Model (Banker-Charnes-Cooper) production frontiers spanned by convex
Lisätiedot7. Product-line architectures
7. Product-line architectures 7.1 Introduction 7.2 Product-line basics 7.3 Layered style for product-lines 7.4 Variability management 7.5 Benefits and problems with product-lines 1 Short history of software
LisätiedotKMTK lentoestetyöpaja - Osa 2
KMTK lentoestetyöpaja - Osa 2 Veijo Pätynen 18.10.2016 Pasila YHTEISTYÖSSÄ: Ilmailun paikkatiedon hallintamalli Ilmailun paikkatiedon hallintamalli (v0.9 4.3.2016) 4.4 Maanmittauslaitoksen rooli ja vastuut...
LisätiedotUusi Ajatus Löytyy Luonnosta 4 (käsikirja) (Finnish Edition)
Uusi Ajatus Löytyy Luonnosta 4 (käsikirja) (Finnish Edition) Esko Jalkanen Click here if your download doesn"t start automatically Uusi Ajatus Löytyy Luonnosta 4 (käsikirja) (Finnish Edition) Esko Jalkanen
LisätiedotPaikkatiedon semanttinen mallinnus, integrointi ja julkaiseminen Case Suomalainen ajallinen paikkaontologia SAPO
Paikkatiedon semanttinen mallinnus, integrointi ja julkaiseminen Case Suomalainen ajallinen paikkaontologia SAPO Tomi Kauppinen, Eero Hyvönen, Jari Väätäinen Semantic Computing Research Group (SeCo) http://www.seco.tkk.fi/
Lisätiedot7.4 Variability management
7.4 Variability management time... space software product-line should support variability in space (different products) support variability in time (maintenance, evolution) 1 Product variation Product
LisätiedotThe Viking Battle - Part Version: Finnish
The Viking Battle - Part 1 015 Version: Finnish Tehtävä 1 Olkoon kokonaisluku, ja olkoon A n joukko A n = { n k k Z, 0 k < n}. Selvitä suurin kokonaisluku M n, jota ei voi kirjoittaa yhden tai useamman
LisätiedotGeoinformation in Environmental Modelling
Geoinformation in Environmental Modelling Spatial analysis: density surface spatial interpolation network analysis ENY-C2005 Paula Ahonen-Rainio 3.2.2016 Topics today From a set of points to a surface
LisätiedotResults on the new polydrug use questions in the Finnish TDI data
Results on the new polydrug use questions in the Finnish TDI data Multi-drug use, polydrug use and problematic polydrug use Martta Forsell, Finnish Focal Point 28/09/2015 Martta Forsell 1 28/09/2015 Esityksen
Lisätiedot1. SIT. The handler and dog stop with the dog sitting at heel. When the dog is sitting, the handler cues the dog to heel forward.
START START SIT 1. SIT. The handler and dog stop with the dog sitting at heel. When the dog is sitting, the handler cues the dog to heel forward. This is a static exercise. SIT STAND 2. SIT STAND. The
LisätiedotBounds on non-surjective cellular automata
Bounds on non-surjective cellular automata Jarkko Kari Pascal Vanier Thomas Zeume University of Turku LIF Marseille Universität Hannover 27 august 2009 J. Kari, P. Vanier, T. Zeume (UTU) Bounds on non-surjective
LisätiedotConstructive Alignment in Specialisation Studies in Industrial Pharmacy in Finland
Constructive Alignment in Specialisation Studies in Industrial Pharmacy in Finland Anne Mari Juppo, Nina Katajavuori University of Helsinki Faculty of Pharmacy 23.7.2012 1 Background Pedagogic research
LisätiedotResearch plan for masters thesis in forest sciences. The PELLETime 2009 Symposium Mervi Juntunen
Modelling tree and stand characteristics and estimating biomass removals and harvesting costs of lodgepole pine (Pinus contorta) plantations in Iceland Research plan for masters thesis in forest sciences
LisätiedotValuation of Asian Quanto- Basket Options
Valuation of Asian Quanto- Basket Options (Final Presentation) 21.11.2011 Thesis Instructor and Supervisor: Prof. Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta
LisätiedotBLOCKCHAINS AND ODR: SMART CONTRACTS AS AN ALTERNATIVE TO ENFORCEMENT
UNCITRAL EMERGENCE CONFERENCE 13.12.2016 Session I: Emerging Legal Issues in the Commercial Exploitation of Deep Seabed, Space and AI BLOCKCHAINS AND ODR: SMART CONTRACTS AS AN ALTERNATIVE TO ENFORCEMENT
LisätiedotNetwork to Get Work. Tehtäviä opiskelijoille Assignments for students. www.laurea.fi
Network to Get Work Tehtäviä opiskelijoille Assignments for students www.laurea.fi Ohje henkilöstölle Instructions for Staff Seuraavassa on esitetty joukko tehtäviä, joista voit valita opiskelijaryhmällesi
LisätiedotMap Algebra. Kirsi Virrantaus GIS-E1060 Spatial Analytics
Map Algebra Kirsi Virrantaus GIS-E1060 Spatial Analytics 15.11.2016 Kartta-algebra Kirsi Virrantaus GIS-E1060 Spatial Analytics 15.11.2016 Lecture contents Introduction to Map Algebra Luennon sisältö Introduction
LisätiedotC++11 seminaari, kevät Johannes Koskinen
C++11 seminaari, kevät 2012 Johannes Koskinen Sisältö Mikä onkaan ongelma? Standardidraftin luku 29: Atomiset tyypit Muistimalli Rinnakkaisuus On multicore systems, when a thread writes a value to memory,
LisätiedotECVETin soveltuvuus suomalaisiin tutkinnon perusteisiin. Case:Yrittäjyyskurssi matkailualan opiskelijoille englantilaisen opettajan toteuttamana
ECVETin soveltuvuus suomalaisiin tutkinnon perusteisiin Case:Yrittäjyyskurssi matkailualan opiskelijoille englantilaisen opettajan toteuttamana Taustaa KAO mukana FINECVET-hankeessa, jossa pilotoimme ECVETiä
LisätiedotTIEKE Verkottaja Service Tools for electronic data interchange utilizers. Heikki Laaksamo
TIEKE Verkottaja Service Tools for electronic data interchange utilizers Heikki Laaksamo TIEKE Finnish Information Society Development Centre (TIEKE Tietoyhteiskunnan kehittämiskeskus ry) TIEKE is a neutral,
LisätiedotAYYE 9/ HOUSING POLICY
AYYE 9/12 2.10.2012 HOUSING POLICY Mission for AYY Housing? What do we want to achieve by renting apartments? 1) How many apartments do we need? 2) What kind of apartments do we need? 3) To whom do we
LisätiedotThe role of 3dr sector in rural -community based- tourism - potentials, challenges
The role of 3dr sector in rural -community based- tourism - potentials, challenges Lappeenranta, 5th September 2014 Contents of the presentation 1. SEPRA what is it and why does it exist? 2. Experiences
LisätiedotMUSEOT KULTTUURIPALVELUINA
Elina Arola MUSEOT KULTTUURIPALVELUINA Tutkimuskohteena Mikkelin museot Opinnäytetyö Kulttuuripalvelujen koulutusohjelma Marraskuu 2005 KUVAILULEHTI Opinnäytetyön päivämäärä 25.11.2005 Tekijä(t) Elina
LisätiedotMaster's Programme in Life Science Technologies (LifeTech) Prof. Juho Rousu Director of the Life Science Technologies programme 3.1.
Master's Programme in Life Science Technologies (LifeTech) Prof. Juho Rousu Director of the Life Science Technologies programme 3.1.2017 Life Science Technologies Where Life Sciences meet with Technology
LisätiedotHeisingin kaupungin tietokeskus Helsingfors stads faktacentral City of Helsinki Urban Facts 0N THE EFFECTS 0F URBAN NATURAL AMENITIES, ARCHITECTURAL
Heisingin kaupungin tietokeskus - /igc' ^' 0N THE EFFECTS 0F URBAN NATURAL TIEOUSTELUT FÖRFÄGNINGAR INQUIRIES Henrik Lönnqvist, p. - tel. 09 310 36534 etunimi.sukunimi@hel.fi JULKAISIJA UTGIVARE PUBLISHER
LisätiedotHankkeiden vaikuttavuus: Työkaluja hankesuunnittelun tueksi
Ideasta projektiksi - kumppanuushankkeen suunnittelun lähtökohdat Hankkeiden vaikuttavuus: Työkaluja hankesuunnittelun tueksi Erasmus+ -ohjelman hakuneuvonta ammatillisen koulutuksen kumppanuushanketta
LisätiedotFinFamily PostgreSQL installation ( ) FinFamily PostgreSQL
FinFamily PostgreSQL 1 Sisällys / Contents FinFamily PostgreSQL... 1 1. Asenna PostgreSQL tietokanta / Install PostgreSQL database... 3 1.1. PostgreSQL tietokannasta / About the PostgreSQL database...
LisätiedotHuom. tämä kulma on yhtä suuri kuin ohjauskulman muutos. lasketaan ajoneuvon keskipisteen ympyräkaaren jänteen pituus
AS-84.327 Paikannus- ja navigointimenetelmät Ratkaisut 2.. a) Kun kuvan ajoneuvon kumpaakin pyörää pyöritetään tasaisella nopeudella, ajoneuvon rata on ympyränkaaren segmentin muotoinen. Hitaammin kulkeva
Lisätiedot812336A C++ -kielen perusteet, 21.8.2010
812336A C++ -kielen perusteet, 21.8.2010 1. Vastaa lyhyesti seuraaviin kysymyksiin (1p kaikista): a) Mitä tarkoittaa funktion ylikuormittaminen (overloading)? b) Mitä tarkoittaa jäsenfunktion ylimääritys
LisätiedotChoose Finland-Helsinki Valitse Finland-Helsinki
Write down the Temporary Application ID. If you do not manage to complete the form you can continue where you stopped with this ID no. Muista Temporary Application ID. Jos et onnistu täyttää lomake loppuun
Lisätiedotanna minun kertoa let me tell you
anna minun kertoa let me tell you anna minun kertoa I OSA 1. Anna minun kertoa sinulle mitä oli. Tiedän että osaan. Kykenen siihen. Teen nyt niin. Minulla on oikeus. Sanani voivat olla puutteellisia mutta
LisätiedotKONEISTUSKOKOONPANON TEKEMINEN NX10-YMPÄRISTÖSSÄ
KONEISTUSKOKOONPANON TEKEMINEN NX10-YMPÄRISTÖSSÄ https://community.plm.automation.siemens.com/t5/tech-tips- Knowledge-Base-NX/How-to-simulate-any-G-code-file-in-NX- CAM/ta-p/3340 Koneistusympäristön määrittely
LisätiedotBDD (behavior-driven development) suunnittelumenetelmän käyttö open source projektissa, case: SpecFlow/.NET.
BDD (behavior-driven development) suunnittelumenetelmän käyttö open source projektissa, case: SpecFlow/.NET. Pekka Ollikainen Open Source Microsoft CodePlex bio Verkkosivustovastaava Suomen Sarjakuvaseura
Lisätiedot3 9-VUOTIAIDEN LASTEN SUORIUTUMINEN BOSTONIN NIMENTÄTESTISTÄ
Puhe ja kieli, 27:4, 141 147 (2007) 3 9-VUOTIAIDEN LASTEN SUORIUTUMINEN BOSTONIN NIMENTÄTESTISTÄ Soile Loukusa, Oulun yliopisto, suomen kielen, informaatiotutkimuksen ja logopedian laitos & University
LisätiedotTietorakenteet ja algoritmit
Tietorakenteet ja algoritmit Taulukon edut Taulukon haitat Taulukon haittojen välttäminen Dynaamisesti linkattu lista Linkatun listan solmun määrittelytavat Lineaarisen listan toteutus dynaamisesti linkattuna
LisätiedotLähellä kaupungissa. Web-based learning environment relating to urban and geography studies
Lähellä kaupungissa Web-based learning environment relating to urban and geography studies Virpi Hirvensalo, Department of Geography and Geology, University of Turku GI Norden 9.6.2011 Project in a nutshell
LisätiedotT Statistical Natural Language Processing Answers 6 Collocations Version 1.0
T-61.5020 Statistical Natural Language Processing Answers 6 Collocations Version 1.0 1. Let s start by calculating the results for pair valkoinen, talo manually: Frequency: Bigrams valkoinen, talo occurred
LisätiedotIntroduction to Geospatial Modelling -Geometric modelling in Geospatial Science
Introduction to Geospatial Modelling -Geometric modelling in Geospatial Science Kirsi Virrantaus Aalto University School of Engineering Department of Built Environment 24.2.2016 Content of the lecture
LisätiedotMissä mennään BI? Mikko Kontio
Missä mennään BI? Mikko Kontio Source: EMC - Big Data in 2020 % Business Intelligence Business Analytics set of theories, methodologies, architectures, and technologies that transform raw data into meaningful
LisätiedotOma sininen meresi (Finnish Edition)
Oma sininen meresi (Finnish Edition) Hannu Pirilä Click here if your download doesn"t start automatically Oma sininen meresi (Finnish Edition) Hannu Pirilä Oma sininen meresi (Finnish Edition) Hannu Pirilä
LisätiedotWindows Phone. Module Descriptions. Opiframe Oy puh. +358 44 7220800 eero.huusko@opiframe.com. 02600 Espoo
Windows Phone Module Descriptions Mikä on RekryKoulutus? Harvassa ovat ne työnantajat, jotka löytävät juuri heidän alansa hallitsevat ammatti-ihmiset valmiina. Fiksuinta on tunnustaa tosiasiat ja hankkia
LisätiedotSIMULINK S-funktiot. SIMULINK S-funktiot
S-funktio on ohjelmointikielellä (Matlab, C, Fortran) laadittu oma algoritmi tai dynaamisen järjestelmän kuvaus, jota voidaan käyttää Simulink-malleissa kuin mitä tahansa valmista lohkoa. S-funktion rakenne
LisätiedotCo-Design Yhteissuunnittelu
Co-Design Yhteissuunnittelu Tuuli Mattelmäki DA, associate professor Aalto University School of Arts, Design and Architecture School of Arts, Design and Architecture design with and for people Codesign
LisätiedotOlet vastuussa osaamisestasi
Olet vastuussa osaamisestasi Ohjelmistoammattilaisuuden uudet haasteet Timo Vehmaro 02-12-2015 1 Nokia 2015 Mitä osaamista tulevaisuudessa tarvitaan? Vahva perusosaaminen on kaiken perusta Implementaatio
LisätiedotCapacity utilization
Mat-2.4142 Seminar on optimization Capacity utilization 12.12.2007 Contents Summary of chapter 14 Related DEA-solver models Illustrative examples Measure of technical capacity utilization Price-based measure
LisätiedotCollaborative & Co-Creative Design in the Semogen -projects
1 Collaborative & Co-Creative Design in the Semogen -projects Pekka Ranta Project Manager -research group, Intelligent Information Systems Laboratory 2 Semogen -project Supporting design of a machine system
LisätiedotTM ETRS-TM35FIN-ETRS89 WTG
SHADOW - Main Result Assumptions for shadow calculations Maximum distance for influence Calculate only when more than 20 % of sun is covered by the blade Please look in WTG table WindPRO version 2.8.579
LisätiedotInnovative and responsible public procurement Urban Agenda kumppanuusryhmä. public-procurement
Innovative and responsible public procurement Urban Agenda kumppanuusryhmä https://ec.europa.eu/futurium/en/ public-procurement Julkiset hankinnat liittyvät moneen Konsortio Lähtökohdat ja tavoitteet Every
LisätiedotInfrastruktuurin asemoituminen kansalliseen ja kansainväliseen kenttään Outi Ala-Honkola Tiedeasiantuntija
Infrastruktuurin asemoituminen kansalliseen ja kansainväliseen kenttään Outi Ala-Honkola Tiedeasiantuntija 1 Asemoitumisen kuvaus Hakemukset parantuneet viime vuodesta, mutta paneeli toivoi edelleen asemoitumisen
LisätiedotIntroduction to Geometric Modelling -CAD, BIM and GIS for building design and city models
Introduction to Geometric Modelling -CAD, BIM and GIS for building design and city models Kirsi Virrantaus Aalto University School of Engineering Department of Built Environment 22.2.2016 Content of the
LisätiedotHARJOITUS- PAKETTI A
Logistiikka A35A00310 Tuotantotalouden perusteet HARJOITUS- PAKETTI A (6 pistettä) TUTA 19 Luento 3.Ennustaminen County General 1 piste The number of heart surgeries performed at County General Hospital
LisätiedotData Quality Master Data Management
Data Quality Master Data Management TDWI Finland, 28.1.2011 Johdanto: Petri Hakanen Agenda 08.30-09.00 Coffee 09.00-09.30 Welcome by IBM! Introduction by TDWI 09.30-10.30 Dario Bezzina: The Data Quality
LisätiedotTeacher's Professional Role in the Finnish Education System Katriina Maaranen Ph.D. Faculty of Educational Sciences University of Helsinki, Finland
Teacher's Professional Role in the Finnish Education System Katriina Maaranen Ph.D. Faculty of Educational Sciences University of Helsinki, Finland www.helsinki.fi/yliopisto This presentation - Background
LisätiedotLYTH-CONS CONSISTENCY TRANSMITTER
LYTH-CONS CONSISTENCY TRANSMITTER LYTH-INSTRUMENT OY has generate new consistency transmitter with blade-system to meet high technical requirements in Pulp&Paper industries. Insurmountable advantages are
LisätiedotOhjelmistoarkkitehtuurit Kevät 2016 Johdantoa
Ohjelmistoarkkitehtuurit Kevät 2016 Johdantoa Samuel Lahtinen http://www.cs.tut.fi/~ohar/ 8.1.2014 1 1 Johdanto 1.1 Mikä on ohjelmistoarkkitehtuuri? 1.2 Ohjelmistoarkkitehtuuri ja laatuvaatimukset 1.3
LisätiedotCASE POSTI: KEHITYKSEN KÄRJESSÄ TALOUDEN SUUNNITTELUSSA KETTERÄSTI PALA KERRALLAAN
POSTI GROUP CASE POSTI: KEHITYKSEN KÄRJESSÄ TALOUDEN SUUNNITTELUSSA KETTERÄSTI PALA KERRALLAAN TIINA KATTILAKOSKI POSTIN TALOUDEN SUUNNITTELU Mistä lähdettiin liikkeelle? Ennustaminen painottui vuosisuunnitteluun
LisätiedotProAgria. Opportunities For Success
ProAgria Opportunities For Success Association of ProAgria Centres and ProAgria Centres 11 regional Finnish ProAgria Centres offer their members Leadership-, planning-, monitoring-, development- and consulting
LisätiedotFighting diffuse nutrient load: Multifunctional water management concept in natural reed beds
PhD Anne Hemmi 14.2.2013 RRR 2013 Conference in Greifswald, Germany Fighting diffuse nutrient load: Multifunctional water management concept in natural reed beds Eutrophication in surface waters High nutrient
LisätiedotNuku hyvin, pieni susi -????????????,?????????????????. Kaksikielinen satukirja (suomi - venäjä) (www.childrens-books-bilingual.com) (Finnish Edition)
Nuku hyvin, pieni susi -????????????,?????????????????. Kaksikielinen satukirja (suomi - venäjä) (www.childrens-books-bilingual.com) (Finnish Edition) Click here if your download doesn"t start automatically
LisätiedotHankkeen toiminnot työsuunnitelman laatiminen
Hankkeen toiminnot työsuunnitelman laatiminen Hanketyöpaja LLP-ohjelman keskitettyjä hankkeita (Leonardo & Poikittaisohjelma) valmisteleville11.11.2011 Työsuunnitelma Vastaa kysymykseen mitä projektissa
LisätiedotKeskeisiä näkökulmia RCE-verkoston rakentamisessa Central viewpoints to consider when constructing RCE
Keskeisiä näkökulmia RCE-verkoston rakentamisessa Central viewpoints to consider when constructing RCE Koordinaattorin valinta ja rooli Selection and role of the coordinator Painopiste: tiede hallinto
LisätiedotExercise 1. (session: )
EEN-E3001, FUNDAMENTALS IN INDUSTRIAL ENERGY ENGINEERING Exercise 1 (session: 24.1.2017) Problem 3 will be graded. The deadline for the return is on 31.1. at 12:00 am (before the exercise session). You
LisätiedotRekisteröiminen - FAQ
Rekisteröiminen - FAQ Miten Akun/laturin rekisteröiminen tehdään Akun/laturin rekisteröiminen tapahtuu samalla tavalla kuin nykyinen takuurekisteröityminen koneille. Nykyistä tietokantaa on muokattu niin,
LisätiedotI. Principles of Pointer Year Analysis
I. Principles of Pointer Year Analysis Fig 1. Maximum (red) and minimum (blue) pointer years. 1 Fig 2. Principle of pointer year calculation. Fig 3. Skeleton plot graph created by Kinsys/Kigraph programme.
LisätiedotHelsinki Metropolitan Area Council
Helsinki Metropolitan Area Council Current events at YTV The future of YTV and HKL On the initiative of 4 city mayors the Helsinki region negotiation consortiums coordinating group have presented that:
LisätiedotBasic Flute Technique
Herbert Lindholm Basic Flute Technique Peruskuviot huilulle op. 26 Helin & Sons, Helsinki Basic Flute Technique Foreword This book has the same goal as a teacher should have; to make himself unnecessary.
LisätiedotMiksi Suomi on Suomi (Finnish Edition)
Miksi Suomi on Suomi (Finnish Edition) Tommi Uschanov Click here if your download doesn"t start automatically Miksi Suomi on Suomi (Finnish Edition) Tommi Uschanov Miksi Suomi on Suomi (Finnish Edition)
Lisätiedot( ( OX2 Perkkiö. Rakennuskanta. Varjostus. 9 x N131 x HH145
OX2 9 x N131 x HH145 Rakennuskanta Asuinrakennus Lomarakennus Liike- tai julkinen rakennus Teollinen rakennus Kirkko tai kirkollinen rak. Muu rakennus Allas Varjostus 1 h/a 8 h/a 20 h/a 0 0,5 1 1,5 2 km
LisätiedotAsiantuntijoiden osaamisen kehittäminen ja sen arviointi. Anne Sundelin Capgemini Finland Oy
Asiantuntijoiden osaamisen kehittäminen ja sen arviointi Anne Sundelin Capgemini Finland Oy Urapolkumalli ja suorituksen johtaminen ovat keskeisiä prosesseja asiantuntijoiden ja organisaation kehittämisessä
LisätiedotGeomatiikan koulutusohjelman moduulirakenne lukuvuonna
Geomatiikan koulutusohjelman moduulirakenne lukuvuonna 201-2015 Diplomi-insinöörin tutkinto (120 op) (M3006) Fotogrammetria ja kaukokartoitus Moduuli antaa laajat tiedot fotogrammetriseen kartoitukseen
LisätiedotWAMS 2010,Ylivieska Monitoring service of energy efficiency in housing. 13.10.2010 Jan Nyman, jan.nyman@posintra.fi
WAMS 2010,Ylivieska Monitoring service of energy efficiency in housing 13.10.2010 Jan Nyman, jan.nyman@posintra.fi Background info STOK: development center for technology related to building automation
LisätiedotVIDEOTUEN KÄYTTÖKOKEMUKSIA MELUN JA HIUKKASPÄÄSTÖJEN LEVIÄMISMALLINNUKSEN OPETUKSESSA. MaFyKe-päivät Erkki Mäkinen
VIDEOTUEN KÄYTTÖKOKEMUKSIA MELUN JA HIUKKASPÄÄSTÖJEN LEVIÄMISMALLINNUKSEN OPETUKSESSA 1 Esimerkki :Liikennemelun mallinnus (Lindholm J., Jalava I., 14IENVE) 3D-mallinnus Opiskelijan valitsema kohdealue
LisätiedotToimintamallit happamuuden ennakoimiseksi ja riskien hallitsemiseksi turvetuotantoalueilla (Sulfa II)
Toimintamallit happamuuden ennakoimiseksi ja riskien hallitsemiseksi turvetuotantoalueilla (Sulfa II) Happamuuskuormituksen ennustaminen valuma-aluetasolla Marie Korppoo ja Markus Huttunen 13.5.2019 Päämäärä
LisätiedotMetsälamminkankaan tuulivoimapuiston osayleiskaava
VAALAN KUNTA TUULISAIMAA OY Metsälamminkankaan tuulivoimapuiston osayleiskaava Liite 3. Varjostusmallinnus FCG SUUNNITTELU JA TEKNIIKKA OY 12.5.2015 P25370 SHADOW - Main Result Assumptions for shadow calculations
Lisätiedot2 Description of Software Architectures
2 Description of Software Architectures 2.1 Significance of architectural descriptions 2.2 Context of architectural descriptions 2.3 Levels of architectural descriptions 2.4 Viewpoints and types in architecture
LisätiedotA new model of regional development work in habilitation of children - Good habilitation in functional networks
A new model of regional development work in habilitation of children - Good habilitation in functional networks Salla Sipari, PhD, Principal Lecturer Helena Launiainen, M.Ed, Manager Helsinki Metropolia
LisätiedotMRI-sovellukset. Ryhmän 6 LH:t (8.22 & 9.25)
MRI-sovellukset Ryhmän 6 LH:t (8.22 & 9.25) Ex. 8.22 Ex. 8.22 a) What kind of image artifact is present in image (b) Answer: The artifact in the image is aliasing artifact (phase aliasing) b) How did Joe
LisätiedotAnalysis of field data Introduction to Kriging. Kirsi Virrantaus GIS-E1060 Spatial Analytics
Analysis of field data Introduction to Kriging Kirsi Virrantaus GIS-E1060 Spatial Analytics 8.11.2016 Kenttädatan analyysi Johdanto krigingiin Kirsi Virrantaus GIS-E1060 Spatial Analytics 8.11.2016 Contents
LisätiedotGeomatiikan koulutusohjelman moduulirakenne lukuvuonna
Geomatiikan koulutusohjelman moduulirakenne lukuvuonna 2013-2014 Diplomi-insinöörin tutkinto (120 op) (M3006) Fotogrammetria ja kaukokartoitus Moduuli antaa laajat tiedot fotogrammetriseen kartoitukseen
LisätiedotCategorical Decision Making Units and Comparison of Efficiency between Different Systems
Categorical Decision Making Units and Comparison of Efficiency between Different Systems Mat-2.4142 Optimointiopin Seminaari Source William W. Cooper, Lawrence M. Seiford, Kaoru Tone: Data Envelopment
Lisätiedottoukokuu 2011: Lukion kokeiden kehittämistyöryhmien suunnittelukokous
Tuula Sutela toukokuu 2011: Lukion kokeiden kehittämistyöryhmien suunnittelukokous äidinkieli ja kirjallisuus, modersmål och litteratur, kemia, maantiede, matematiikka, englanti käsikirjoitukset vuoden
LisätiedotTU-C2030 Operations Management Project. Introduction lecture November 2nd, 2016 Lotta Lundell, Rinna Toikka, Timo Seppälä
TU-C2030 Operations Management Project Introduction lecture November 2nd, 2016 Lotta Lundell, Rinna Toikka, Timo Seppälä Welcome to the course! Today s agenda Introduction to cases and schedule/ Timo Seppälä
Lisätiedot