ENY-C2005 Geoinformation in Environmental Modelling Suomenkielistä terminologiaa liittyen luentoihin 3 ja 6-8

Transkriptio

1 ENY-C2005 Geoinformation in Environmental Modelling 2016 Suomenkielistä terminologiaa liittyen luentoihin 3 ja 6-8

2 L-3 Mallinnus: käsitteistä tietomalleihin Geoinformaatio, paikkatieto: Sijainti + ominaisuudet = staattinen malli + aika = dynaaminen malli: prosessit, muutos Kaksi lähestymistapaa käsitteellisellä tasolla: diskreetit kohteet (eli objektit): sijainniltaan tunnetut erilliset, rajattavissa olevat kohteet (joskin raja voi olla epätäsmällinen), joilla ominaisuuksia (mahd. myös yksilöivä tunnus) ja geometria (piste, viiva, polygoni/alue). Kohteiden sijainti ( Missä kohde on? ) ja kohteiden väliset sijaintisuhteet ovat kiinnostuksen kohteena geoinformatiikassa (esim. etäisyys), samalla myös ominaisuuksien arvot ja samanlaisuus/erilaisuus. kentät eli jatkumot ( ilmiöt ): spatiaalisesti jatkuva muuttuja, jolla arvo jokaisessa tutkimusalueen kohdassa. Muuttujan arvo vaihtelee sijainnista toiseen ( Mitä tässä kohdassa on? ). Muuttuja voi olla jatkuva-arvoinen, määrällinen (kvantitatiivinen) (esim. melutaso, sademäärä) tai arvojoukko voi olla luokiteltu, laadullinen (kvalitatiivinen) (esim. maalajit, maanpeite). Kohteiden ja ilmiöiden esittäminen tietomalleissa: vektori- ja rasteritieto

3 L-3 Vektoritietomalli (1) Vektorigeometrian primitiivit: Piste (0-ulotteinen), viiva (1-ulotteinen), polygoni (2-ulotteinen) Nämä esitettävissä 2-ulotteisessa avaruudessa, tasokoordinaatistossa (x,y) Geoinformatiikassa yleensä tasokoordinaatisto, koska laskenta pallopinnalla työlästä, mutta jos tarkasteltavana laaja maantieteellinen alue, otettava huomioon projektiovirheet Piste voi olla pistemäinen kohde (yleistettävissä 0D-pisteeksi, ottaen huomioon tarkastelutaso eli - mittakaava), havaintopiste (jossa mitattu tai havaittu arvo jatkuvalle ilmiölle, ns. tunnettu piste) tai referenssipiste (esim. alueen keskipiste, jota voidaan käyttää joskus laskennassa alueen rajojen sijasta). Topologisessa tietomallissa pistettä vastaa solmu (node). Visualisoitaessa tarvitaan tietysti pisteellekin ulottuvuus, jotta se voidaan havaita! Piste esitetään x,y-koordinaattiparina. Viiva on yleensä usean pisteen kautta kulkeva murtoviiva, jossa kahden pisteen väliä kutsutaan segmentiksi. Mutta joskus viiva voi olla myös kaari tai käyräviiva, joka kulkee pisteiden kautta matemaattisesti määriteltynä käyränä, ei lineaarisesti. Koska käyrät ovat laskennassa työläämpiä kuin murtoviivat, yleensä viivalle tallennetaan pisteitä niin tiheään, että murtoviiva approksimoi riittävän tarkasti viivamaisen kohteen kulkua.

4 L-3 Vektoritietomalli (2) Viiva (jatkuu) Voi esittää viivamaista kohdetta (esim. kiinteistöraja, vesiputki) tai kohteen keskilinjaa (tien keskilinja, voimalinjan keskilinja) Viiva esitetään järjestettynä pistejoukkona. Alue (eli polygoni) esitetään sulkeutuvana reunaviivana. Polygoni voidaan määritellä niin, että siinä on aukkoja (tarpeen esim. Espoon esittämisessä, jotta Kauniainen saadaan rajattua alueen ulkopuolelle). Alueen käsite voidaan määritellä myös niin, että se voi koostua useasta erillisestä polygonista. Polygoniverkossa koko alue on polygonien peittämä niin, että jokainen kohta kuuluu yhteen ja vain yhteen polygoniin. Eli polygonien väliin ei jää aukkoja eivätkä polygonit mene päällekkäin. Polygoniverkko on topologinen tietomalli. Katso topologiset tietomallit Longley n kirjasta (2005) luvusta 8.2

5 L-3 (L-6) Spatiaalisesti jatkuva ilmiö: vektori- tai rasteritietomalli Ilmiötä ei voi mitata joka paikassa, vaan muuttujan arvo mitataan otantapisteissä joista voidaan edelleen interpoloida jatkuva pinta, ks. ko. analyysiluento Otanta pitäisi tehdä ääripisteissä ja muutoskohdissa (vrt. korkeusmallin huiput ja laaksojen pohjat, uomat, kaltevuuden muutoskohdat jne.) Nämä otantapisteet voidaan esittää vektoritietona: Säännöllinen tai epäsäännöllinen pistejoukko TIN-malli eli epäsäännöllinen kolmioverkko, joka muodostetaan otantapisteistä (topologinen tietorakenne; kolmiot approksimoivat pintaa) Polygoniverkko, joka muodostetaan Thiessen-polygoneina soveltuu ennemmin luokitellulle kuin jatkuva-arvoiselle muuttujalle; ks. interpolointi Samanarvokäyrinä (kuten korkeuskäyrät) Vain visualisointiin! tehoton laskennassa tai rasteritietona: Hila, jossa mitattu arvo hila-alkion keskipisteessä (säännöllinen otantapisteistö tai interpolointi, vrt. kartta-algebra)

6 L-3 Spatiaalinen jakautuminen Kohteiden jakauma tai levinneisyys on usein analyysin kohteena Sitä voidaan kuvata spatiaalisten suhteiden avulla, kuten: Etäisyys, joka on metrinen suhde kahden kohteen (pisteen) välillä Viereisyys, joka on topologinen suhde: kaksi polygonia jakavat yhteisen reunaviivan. (Voidaan määritellä jossain yhteydessä myös lähimmäksi naapuriksi tai tiettyä etäisyyttä lähempänä olevaksi) Vuorovaikutus, joka yksinkertaisimmillaan on vierekkäisten tai naapurikohteiden etäisyyden käänteisarvo (mitä lähempänä, sen vahvempi vuorovaikutus) Läheisyyspolygonit (ks. Thiessen-polygonit analyysiluennolla) Metriset relaatiot: etäisyys ja suunta Topologiset relaatiot: naapuruussuhteet, jotka eivät muutu vaikka geometriaa kutistettaisi ja venyteltäisi eli eivät muutu lineaarisessa muunnoksessa

7 L-6 Rasteripinnan analyyseja Sovellusten näkökulmasta: Ympäristöanalyyseja satelliittikuva-aineistosta Esim. muutosten tunnistaminen, kasvillisuusanalyysit, (ks. kaukakartoitusluento) Korkeusmallin (DEM) analyysi tyypillisesti Näkemäanalyysi; esim. maisema-analyysit, matkapuhelinverkon kuuluvuus, sotilassovellukset Kaltevuus ja viettosuunta; esim. valuma-alueet, lumivyöryvaara, kasvuolosuhteiden mallinnus Väestötietojen (tai muun tilastollisen tiedon) analyysi ruutuaineistona Maastoanalyysia, erityisesti Korkeusmallin lisäksi kasvillisuus, rakenteet, maaperä, vaihtuvat olosuhteet (sade, tuuli,..) Kulkukelpoisuus; esim. eläinten liikkuminen, kriisinhallinta, sotilassovellukset Maastopalojen hallinta: leviämisen ennustaminen, sammutus

8 L-6 Rasteripinnan analyyseja Analyysioperaatioiden näkökulma: Overlay- eli päällekkäisanalyysi Muita: ks. suomenkieliset tekstit luentokalvoissa Kartta-algebra Formaali kieli (syntaksi) jolla voidaan ilmaista monipuolinen joukko operaatioita, joilla yksi tai useita rasteritasoja lähtötietona tuotetaan tulosrasteri (layer=taso) Operaatiot kohdistuvat lähtötason yksittäiseen pikseliin, naapurustoon tai alueeseen Lokaalioperaatiot: tietty pikseli (tai vastinpikselit eri tasoilla) Fokaalioperaatiot: tietty pikseli ja sen naapurusto (tai vastinpikselit naapurustoineen eri tasoilla) Zonaalioperaatiot: mukana taso, jossa aluejako Globaalioperaatio: koko rasteritaso otetaan huomioon Mm. aritmeettiset funktioita, luokittelut,

9 L-7 Spatio-tilastollinen analyysi Paikkatietoanalyysi edellä (luennot & A-1) perustui geometriseen tiedon käsittelyyn, esim. overlay-analyysi, vyöhykkeistäminen (bufferit), näkemä, reititys Spatio-tilastollisessa analyysissa voidaan Kuvailla dataa, tietysti ottaen huomioon sijainti, esim. pistejoukon keskipiste ja hajonta (koska käsitellään dataa 2D-avaruudessa, kuvaaja on hajontaellipsi) Tutkia datan tyypillistä tai epätyypillistä käyttäytymistä (vrt. malli) Mallintaa eli luoda malli, joka pyrkii selittämään käyttäytymistä (kuten järviruokokasvustoa selittävät tekijät) Pistejoukon käyttäytyminen, (point pattern ~ pisteasetelma, kuvio) Myös aluejaon (polygoniverkon) tai hila-alkioiden tarkastelua Myös ominaisuustieto mukana analyysissa Oleellista: Reaalimaailma ei ole homogeeninen alusta ilmiöille, ja siksi ei voida lähteä satunnaisuuden oletuksesta, niin kuin yleensä tilastotieteessä Oleellista on tarkastella spatiaalista autokorrelaatiota

10 L-7 Spatiaalinen autokorrelaatio (1) Autokorrelaatio voi olla Positiivista: lähellä olevat kohteet ovat toisensa kaltaisia (mitä lähempänä, sitä enemmän) Negatiivista: lähellä olevat kohteet ovat erilaisia Nolla eli spatiaalista autokorrelaatiota ei esiinny: kohteet ovat satunnaisesti samankaltaisia tai erilaisia niiden välisestä etäisyydestä riippumatta Lähellä voi tarkoittaa Naapuruutta, jolloin tarkastellaan vain vierekkäisiä hila-alkioita (4-naapuruus), kuten shakkilautaesimerkissä vain vierekkäisiä polygoniverkon alueita (muita aluepareja ei oteta ollenkaan huomioon) Etäisyyttä pisteiden välillä mitä lyhyempi etäisyys, sen suurempi paino läheisyydellä Polygoniverkkoa voidaan tarkastella alueiden keskipisteinä, joiden väliset etäisyydet lasketaan

11 L-7 Spatiaalinen autokorrelaatio (2) Samankaltaisuus tarkoittaa Nominaaliselle ominaisuustiedolle, että arvon on oltava sama, muuten samankaltaisuutta ei ole (1 tai 0) Ordinaaliselle tiedolle, että arvo voi olla sama (täysi samankaltaisuus), seuraava/edellinen arvo (jossain määrin samankaltainen) tai kauempana oleva arvo (samankaltaisuus on heikko tai sitä ei ole); nämä ilmaistaan lukuarvoina (1..0) Kvantitatiiviselle ominaisuustiedolle (intervalli- tai suhdelukuasteikolla) arvojen erotusta, jota voidaan käsitellä edelleen, esim. korottaa toiseen potenssiin (samankaltaisuus saa suuremman painon, erilaisuus korostuu) Spatiaalista autokorrelaatiota voidaan tarkastella paitsi globaalisti koko kohde-/aluejoukossa myös paikallisesti osa-alueittain

12 L-8 Pisteistä alueeksi (1) Tiheyspinta Pistemäisten kohteiden muuntaminen pinnaksi, joka esittää pisteiden tiheyden Tiheysvaihtelun ja tihentymien havaitsemiseksi visuaalisesti (pisteiden visualisointi hankalaa, jos tiheys paikoitellen niin suuri, että pisteet piirtyvät päällekkäin) Mahdollistaa pistedatan vertailun spatiaalisesti jatkuvien muuttujien (pintojen) kanssa Tiheys missä tahansa tarkastelualueen kohdassa p Pisteiden lukumäärä kernelin alueella, kun kernel keskistetty pisteeseen p Kernel-funktio niin, että läheisimmät pisteet saavat suurimman painon Näin tiheyspinnasta tulee jatkuva ja pehmeästi muuttuva Haaste: tiheys riippuu tarkastelumittakaavasta eli kernel-funtion leveys eli säde vaikuttaa tulokseen

13 L-8 Pisteistä alueeksi (2) Spatiaalinen interpolointi Myös pisteistä pinnaksi, mutta kyseessä käsitteellisesti eri asia: spatiaalisesti jatkuvan muuttujan arvojen ennustaminen ( valistunut arvaus ) otantapisteissä mitattujen arvojen (ns. tunnettujen pisteiden) perusteella Edellyttää (jonkinasteista) positiivista spatiaalisen autokorrelaatiota, muuten interpoloinnille ei ole edellytyksiä Erilaisia lähestymistapoja: globaali tai paikallinen (sen mukaan käytetäänkö kaikkia tunnettuja pisteitä vai vain lähellä olevia); deterministinen tai stokastinen (laskentatapa); tasaisesti muuttuva vai äkilliset muutokset tuloksena olevassa pinnassa Menetelmä tulisi valita ilmiön luonteen perusteella Ks. menetelmiä luentokalvoista ja kirjasta