Examples of potential exam questions Esimerkkejä mahdollisista tenttikysymyksistä

Samankaltaiset tiedostot
Capacity Utilization

Efficiency change over time

The CCR Model and Production Correspondence

Network to Get Work. Tehtäviä opiskelijoille Assignments for students.

812336A C++ -kielen perusteet,

Other approaches to restrict multipliers

On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31)

16. Allocation Models

On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31)

Information on preparing Presentation

AYYE 9/ HOUSING POLICY

Returns to Scale II. S ysteemianalyysin. Laboratorio. Esitelmä 8 Timo Salminen. Teknillinen korkeakoulu

National Building Code of Finland, Part D1, Building Water Supply and Sewerage Systems, Regulations and guidelines 2007

7.4 Variability management

ECVETin soveltuvuus suomalaisiin tutkinnon perusteisiin. Case:Yrittäjyyskurssi matkailualan opiskelijoille englantilaisen opettajan toteuttamana

Results on the new polydrug use questions in the Finnish TDI data

1.3 Lohkorakenne muodostetaan käyttämällä a) puolipistettä b) aaltosulkeita c) BEGIN ja END lausekkeita d) sisennystä

S Sähkön jakelu ja markkinat S Electricity Distribution and Markets

Infrastruktuurin asemoituminen kansalliseen ja kansainväliseen kenttään Outi Ala-Honkola Tiedeasiantuntija

Alternative DEA Models

Choose Finland-Helsinki Valitse Finland-Helsinki

On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31)

Gap-filling methods for CH 4 data

Kvanttilaskenta - 2. tehtävät

VAASAN YLIOPISTO Humanististen tieteiden kandidaatin tutkinto / Filosofian maisterin tutkinto

RINNAKKAINEN OHJELMOINTI A,

TM ETRS-TM35FIN-ETRS89 WTG

1.3Lohkorakenne muodostetaan käyttämällä a) puolipistettä b) aaltosulkeita c) BEGIN ja END lausekkeita d) sisennystä

MEETING PEOPLE COMMUNICATIVE QUESTIONS

The Viking Battle - Part Version: Finnish

FinFamily PostgreSQL installation ( ) FinFamily PostgreSQL

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.

Uusi Ajatus Löytyy Luonnosta 4 (käsikirja) (Finnish Edition)

Metsälamminkankaan tuulivoimapuiston osayleiskaava

Tarua vai totta: sähkön vähittäismarkkina ei toimi? Satu Viljainen Professori, sähkömarkkinat

C++11 seminaari, kevät Johannes Koskinen

Geoinformation in Environmental Modelling

MRI-sovellukset. Ryhmän 6 LH:t (8.22 & 9.25)

Land-Use Model for the Helsinki Metropolitan Area

KMTK lentoestetyöpaja - Osa 2

Counting quantities 1-3

( ( OX2 Perkkiö. Rakennuskanta. Varjostus. 9 x N131 x HH145

Tynnyrivaara, OX2 Tuulivoimahanke. ( Layout 9 x N131 x HH145. Rakennukset Asuinrakennus Lomarakennus 9 x N131 x HH145 Varjostus 1 h/a 8 h/a 20 h/a

Stormwater filtration unit

,0 Yes ,0 120, ,8

WindPRO version joulu 2012 Printed/Page :42 / 1. SHADOW - Main Result

Kvanttilaskenta - 1. tehtävät

EARLY LEARNING PLAN / ENGLANTI VARHAISKASVATUSSUUNNITELMA

TM ETRS-TM35FIN-ETRS89 WTG

Tietorakenteet ja algoritmit

TM ETRS-TM35FIN-ETRS89 WTG

Use of spatial data in the new production environment and in a data warehouse

anna minun kertoa let me tell you

toukokuu 2011: Lukion kokeiden kehittämistyöryhmien suunnittelukokous

TM ETRS-TM35FIN-ETRS89 WTG

Käytön avoimuus ja datanhallintasuunnitelma. Open access and data policy. Teppo Häyrynen Tiedeasiantuntija / Science Adviser

TM ETRS-TM35FIN-ETRS89 WTG

1. Liikkuvat määreet

LYTH-CONS CONSISTENCY TRANSMITTER

LX 70. Ominaisuuksien mittaustulokset 1-kerroksinen 2-kerroksinen. Fyysiset ominaisuudet, nimellisarvot. Kalvon ominaisuudet

TM ETRS-TM35FIN-ETRS89 WTG

Capacity utilization

WindPRO version joulu 2012 Printed/Page :47 / 1. SHADOW - Main Result

( ,5 1 1,5 2 km

TIEKE Verkottaja Service Tools for electronic data interchange utilizers. Heikki Laaksamo

Statistical design. Tuomas Selander

Innovative and responsible public procurement Urban Agenda kumppanuusryhmä. public-procurement

Telecommunication Software

TM ETRS-TM35FIN-ETRS89 WTG

SIMULINK S-funktiot. SIMULINK S-funktiot

Salasanan vaihto uuteen / How to change password

YKJ ETRS (usein joutuu säätämään itse)

Puiden biomassan, puutavaralajien ja laadun ennustaminen laserkeilausaineistoista

TM ETRS-TM35FIN-ETRS89 WTG

Green Growth Sessio - Millaisilla kansainvälistymismalleilla kasvumarkkinoille?

TM ETRS-TM35FIN-ETRS89 WTG

HARJOITUS- PAKETTI A

Voice Over LTE (VoLTE) By Miikka Poikselkä;Harri Holma;Jukka Hongisto

ETELÄESPLANADI HELSINKI

Bounds on non-surjective cellular automata

Tutkimusdata ja julkaiseminen Suomen Akatemian ja EU:n H2020 projekteissa

TM ETRS-TM35FIN-ETRS89 WTG

Kysymys 5 Compared to the workload, the number of credits awarded was (1 credits equals 27 working hours): (4)

Exercise 1. (session: )

Teknillinen tiedekunta, matematiikan jaos Numeeriset menetelmät

Co-Design Yhteissuunnittelu

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

Valuation of Asian Quanto- Basket Options

Hankkeen toiminnot työsuunnitelman laatiminen

Koordinaattimuunnospalvelut Reino Ruotsalainen

Information on Finnish Language Courses Spring Semester 2018 Päivi Paukku & Jenni Laine Centre for Language and Communication Studies

S SÄHKÖTEKNIIKKA JA ELEKTRONIIKKA

FIS IMATRAN KYLPYLÄHIIHDOT Team captains meeting

make and make and make ThinkMath 2017

TIETEEN PÄIVÄT OULUSSA

TM ETRS-TM35FIN-ETRS89 WTG

RANTALA SARI: Sairaanhoitajan eettisten ohjeiden tunnettavuus ja niiden käyttö hoitotyön tukena sisätautien vuodeosastolla

Constructive Alignment in Specialisation Studies in Industrial Pharmacy in Finland

ProAgria. Opportunities For Success

Koulutus ja viestintä yhteistyön välineinä

Transkriptio:

ENY-C2005 Geoinformation in Environmental Modelling Spring 2016 Examples of potential exam questions Esimerkkejä mahdollisista tenttikysymyksistä Other questions in an exam are possible but these questions outline the key contents of the course. Any of the course topics Selitä termit lyhyesti mutta täsmällisesti: [keskeisiä termejä ] Explain the terms briefly but to the point: [key terms ] Conceptual and data modelling Paikkatieto ei voi koskaan esittää täydellisesti todellisen maailma kohteita tai ilmiöitä. Miksi ei, vai voiko? Geographic data can never fully represent objects or phenomena of real world. Why not, or can it? Todellisuutta voidaan mallintaa diskreetteinä objekteina (object-based modelling) tai spatiaalisesti jatkuvina ilmiöinä (field-based modelling). Esittele nämä mallinnustavat ja pohdi niiden soveltuvuutta kaupunkiympäristön, maanpinnan korkeuden ja väestötietojen mallinnukseen. We can model environment, at the conceptual level, as discrete objects (object-based modelling) or spatially continuous phenomena (field-based modelling). Explain these modelling approaches and discuss how they can be used for modelling urban environment, elevation of terrain, and demographic (population) information. Millä eri tavoilla spatiaalisesti jatkuva ilmiö voidaan esittää vektori- ja rasteritietona? In which different ways can a spatially continuous phenomenon be represented in vector and raster data? Spatial analysis Anna esimerkkejä pintojen, kuten korkeusmallin (DEM), spatiaalisesta analyysista. Give examples of spatial analysis on surfaces, such as digital elevation model (DEM). Selitä mitä tarkoittaa kartta-algebran lokaali/fokaali/ zonaali operaatio. Anna esimerkkejä lokaaleista/fokaaleista/zonaaleista operaatioista ja konkreettisista sovelluksista, joissa niitä voidaan käyttää. Explain what a local/focal/zonal operation of map algebra means. Give examples of local/focal/zonal operations and concrete applications where they can be used.

Suorita [annettu kartta-algebran operaatio] [annetuille 1 3] rasteritasoille. Perform [a given map algebra operation] on the [1...3 given] raster layers. Mitä tarkoittaa, että maasto (maasto-olosuhteet) ei ole homogeeninen, ja millä tavoilla tämä heijastuu spatiaaliseen analyysiin? What does it mean that geography is not homogeneous, and in which ways does that reflect on spatial analysis? Selitä, mitä tarkoittaa spatiaalinen autokorrelaatio. Miten spatiaalista autokorrelaatiota käytettiin harjoituksessa (A-3), jossa mallinnettiin järviruokokasvuston esiintymistä regressioanalyysilla? Explain what spatial autocorrelation means. How was spatial autocorrelation used in the assignment (A-3) about modelling the distribution of common reed by regression analysis? Selitä, a. mitä tarkoittaa spatiaalinen autokorrelaatio b. mitä tarkoittaa spatiaalinen interpolointi c. miten spatiaalinen autokorrelaatio liittyy spatiaaliseen interpolointiin Explain a. what spatial autocorrelation means b. what spatial interpolation means c. how does spatial autocorrelation relate to spatial interpolation. Selitä Kernel-tiheysestimoinnin menetelmä. Kernel-tiheysestimointi ja spatiaalinen interpolointi molemmat tuottavat pinnan pistejoukon perusteella. Ne ovat kuitenkin oleellisesti erilaiset lähestymistavat. Mikä on tämä ero? Explain the method of Kernel density estimation. Kernel density estimation and spatial interpolation both create a surface from a point set. However, they are fundamentally different approaches. What is this difference? Selitä kuinka Tiessen-polygonit (eli Voronoi-diagrammi) muodostetaan pistejoukolle. Piirrä seitsemän pisteen joukko ja sille Thiessen-polygonit. Explain how to form Thiessen polygons (also called as Voronoi diagram) for a set of points. Draw a set of seven points and the Thiessen polygons for the set. Mitä on spatiaalinen interpolointi? Selitä miten spatiaalinen interpolointi tehdään IDWmenetelmällä. Mitä rajoituksia menetelmällä on? [tai interpolointi TIN-mallissa] What is spatial interpolation? Explain the use of IDW method in spatial interpolation. What kind of limitations relate to this method? [alternatively interpolation in TIN model] Remote sensing Kuvaa yleisesti, miten spektraalinen ja spatiaalinen resoluutio ovat toisistaan riippuvaisia. How are the spectral and spatial resolutions of optical satellite images interconnected?

Hyperspektraalinen satelliittisensori on mitannut kahta tyypillistä suomalaista maastokohdetta keskipäivän aikaan heinäkuussa. Kohteista saadut spektrit näkyvät alla olevasta kuvasta. Vastaa kysymyksiin a ja b kuvan avulla. A hyperspectral satellite sensor measured two targets in a typical landscape in southern Finland in July at noon. The spectra of the targets are given in the figure below. Based on the spectra, please answer the following questions (a-b). a. Mitkä ovat spektrien kuvaamat kaksi kohdetta ja kuinka päädyit ratkaisuusi? Arvostelussa tärkein kriteeri on looginen selitys valinnalle. What are the two targets and how did you identify them? A logical explanation is the most important evaluation criteria. b. Anna kohteiden likiarvoiset BRF-arvot punaisen ja lähi-infran (NIR) spektrialueille. Give the approximate bidirectional reflectance factors (BRF) of the targets in red and near infrared (NIR) wavelengths. Ovatko seuraavat kaukokartoitukseen liittyvät väittämät oikein vai väärin? Jos väittämä on väärin, kerro lyhyesti, miten väite on väärin. Are the following statements relating to remote sensing true or false? If the statement is false, please briefly state which part of the statement is incorrect. a. Ilmakehän ikkunat ovat aallonpituusalueita, joita ei tulisi käyttää kartoitettaessa maanpäällisiä kohteita satelliiteista. Atmospheric windows are wavelength regions which should not be used when mapping terrestrial targets from satellites. b. Uuden Landsat 8 -satelliitin laukaisu on suunniteltu vuodelle 2016. The launch of the new Landsat 8 satellite is planned in 2016. c. Vihreä kasvillisuus heijastaa voimakkaasti näkyvän valon aallonpituuksilla ja huonosti lähiinfrapunan (NIR) aallonpituuksilla. Green vegetation has high reflectance in the visible and low reflectance in the near-infrared (NIR) part of the spectrum. d. Kaksisuuntainen heijastussuhde (BRF) ilmaistaan tyypillisesti yksiköllä W/m2. The bidirectional reflectance factor (BRF) is typically expressed in units of W/m2. e. Satelliittisensori, joka on lähes polaarikiertoradalla, todennäköisesti ottaa kuvia useammin Keniasta kuin Suomesta. A sensor located on a satellite with a near-polar orbit will most likely acquire images more often in Kenya than in Finland. f. Passiiviset kaukokartoitusmenetelmät hyödyntävät usein lyhyempiä aallonpituuksia kuin aktiiviset kaukokartoitusmenetelmät. Passive remote sensing techniques often use shorter wavelengths than active remote sensing techniques.

Laser scanning and photogrammetry Kuvaile lyhyesti pulssipohjaisten, vaihe-eropohjaisten ja kolmiointiin perustuvien laserkeilainten etäisyysmittausperiaatteet. Describe shortly the distance measurement principles of pulse-based, phase-based and triangulation-based laser scanners. Kuinka voidaan tarkistaa ilmalaserkeilausaineiston laatu? How can you verify the quality of airborne laser scanning data? Kuvaile, kuinka maalaserkeilausaineistoa tyypillisesti prosessoidaan. Describe how terrestrial laser scanning data is typically processed. Kuvaile, mitä tarkoitetaan kameran sisäisellä ja ulkoisella orientoinnilla ja mitkä parametrit määrittelevät ne. Explain interior and exterior orientations of a camera and which parameters define them. Selitä kollineaarisuusehto fotogrammetriassa. Miksi kuvat eivät yleensä täytä kollineaarisuusehtoa ennen kuvan korjausta? Explain the collinearity condition in photogrammetry. Why don t images usually fulfil the collinearity condition before image restoration? Kuvaile lyhyesti kuvien sädekimpputasoitusta fotogrammetriassa. Explain shortly bundle block adjustment of images in photogrammetry. Geodesy Mitkä ovat erot Gauss-Krügerin ja UTM (Universal Transverse Mercator) karttaprojektiojärjestelmien välillä? Missä tilanteissa käyttäisit toista, missä toista? What are the differences between the Gauss-Krüger and UTM (Universal Transverse Mercator) map projection systems? In which situation would you use the one, in which the other? Helmert-muunnos tasossa on: Helmert transformation in the plane is: Identifioi ja kuvaa tässä yhtälössä neljä muunnosparametria. Montako yhteisiä pisteitä tarvitaan vähintään tasomuunnoksen määrittämiseksi kahden tasokoordinaatiston (esim. KKJ:n ja EUREFin) välillä? Identify and describe the four transformation parameters in this equation. How many common points are needed minimally to determine a transformation between two co-ordinate reference frames in the plane (e.g. KKJ and EUREF-FIN)?

Mikä on tähtiaika, ja mitä GAST (Greenwichin näennäinen tähtiaika) kuvaa? What is sidereal time, and what does GAST (Greenwich Apparent Sidereal Time) describe? Cartography Liitteenä on huonosti toteutettu teemakartta. Mitkä kolme virhettä ja/tai puutetta ensisijaisesti korjaisit kartassa? Mitä muita virheitä kartassa on? There is a poorly composed thematic map in the attachment. Which three mistakes and/or missing elements would you correct in the first place? What other mistakes there are in the map? Selitä mitä tarkoittaa, että kartassa esitettävä tieto on normalisoitava. Milloin normalisointi on tarpeen, ja miten se voidaan tehdä? Explain what it means that data to be presented in a map has to be normalized. When is the normalization necessary, and how can it be done? Nimeä visuaaliset muuttujat, joita voidaan käyttää karttamerkeissä (ja yleensäkin tiedon visualisoinnissa). Miten esitettävän ominaisuustiedon mitta-asteikko (nominaalinen, ordinaalinen, intervalli-, suhdeluku-) vaikuttaa siihen, mitä visuaalisia muuttujia tulisi käyttää? Name the visual variables that can be used on map symbols (and in information visualisation in general). How does the measurement scale (nominal, ordinal, interval, ratio) of attribute data rule which visual variables should be used? Geospatial data issues Paikkatiedon verkkopalvelut ovat keskeinen osa INSPIRE-direktiivin toimeenpanoa ja paikkatiedon infrastuktuuria yleensäkin. Nimeä nämä verkkopalvelut, ja selitä mihin niitä tarvitaan. Network services for geographic data are an essential part of the implementation of INSPIRE directive and of spatial data structures in general. Name these network services, and explain what they are needed for. Mitä paikkatiedon metadata on, mihin sitä tarvitaan ja mikä sen pääasiallinen sisältö on? What is metadata of geographic data, what is it needed for, and what are the main contents of it? Kuvaile, millä tavoilla epävarmuus voi ilmetä geoinformatiikassa ketjussa Conception Measurement and representation Analysis. Tarkastele asiaa sekä diskreettien kohteiden että jatkuvien ilmiöiden ja sekä sijainnin että ominaisuuksien osalta. Describe the ways in which uncertainty can appear in geoinformatics in the chain Conception Measurement and representation Analysis. Consider this from the viewpoints of both discrete objects and fields as well of spatial and attribute data.