Vastaukset vk2: 1a) Laske metsämuuttujat (havumetsä, lehtimetsä, sekametsä, harvapuiset alueet) yhteen Suomessa Raster Calculator "lehtimetsa.tif" + "harvapuiset.tif" + "havumetsa.tif" + "sekametsa.tif" 1b) Aseta lehtimetsän nolla arvot NULL-arvoiksi ja laske uudelleen a-kohdan tehtävä uudella lehtimetsärasterilla. Mitä huomaat? Raster calculator SetNull("lehtimetsa.tif" == 0,"lehtimetsa.tif") Kaikki lehtimetsättömät alueet ovat metsärasterissa ilman arvoa, vaikka siellä esiintyisi muita metsätyyppejä. c) Aseta b-kohdassa muodostettu lehtimetsärasterin NULL-arvot takaisin nollaksi. Raster calculator Con(IsNull("lehti"),0,"lehti")
d) Laske heinän siitepöly Oulun seudulla lineaarisen regression kaavaa hyödyntäen y = (-0.5204 + 32.6745x) / 10000, jossa y = heinän siitepöly ja x = EVI (enhanced vegetation index) 1e) Uudelleen luokittele Kainuun corinesta maatalousmaat, metsät ja kosteikot uudeksi. rasteriksi. Voit rajata metsämuuttujat kaikki LEVEL 1:n mukaan. Corinen luokkaselitteet Reclassify Input raster = Corine_kainuu.tif Reclass field = LEVEL 1 Unique
f) Missä on Kainuun korkein kohta? Vinkki: Kainuun peruskartasta löydät paikkojen nimet. Peuravaara ja Iso Tuomivaara ovat korkeimmat kohdat Kainuussa. Raster calculator (SetNull("kainuudem.asc"<385,"kainuudem.asc") tai Reclassify Input = kainuudem.asc reclass field = value Classify Classes = 2 Break values = 384, 385 89 384 = NoData ; 384 385 = 385
2a) Laske maatalousmaiden, metsien ja kosteikkojen pinta-alat kunnittain Kainuussa. Hyödynnä 1e:n rasteria. 2b) Yhdistä 2a:n taulukko Kainuu_kunnittain vektoriaineiston taulukkoon ja laske 2a:n maankäyttöluokkien prosentuaalinen osuus kunnittain. Attribute table Join laske kunnan pinta-ala (add field calculate geometry) laske prosenttiosuudet (add field field calculator [MaatMetsaKost_kainuuKu.VALUE_1]/1000000 / [kainuukunnittain.kunnanpa] *100)
2c) Laske Korkeuden tilastoarvot kunnittain. Missä kunnassa on korkeuden vaihtelu suurinta? Puolangalla 2d) Laske Kainuun korkeuden tilastoarvot 1km x 1km resoluutioon create fishnet select by location export selected zonal statistic
3a) Analysoi punkkien tiheys Oulussa käyttäen Kernel-tiheysfunktiota Koska kyseessä on ilmiön hahmottaminen, johon kuuluu ihmisten ulkoiluliikkuminen ja punkin levinneisyys, etsintäsäteeksi valikoitui 5km ja resoluutioksi 150m. 5km arvioitiin olevan säde, minkä alueen sisällä ihmiset normaalisti ulkoilevat kotiseudullaan. Näin ollen tiheyspinta kuvaa, minkä alueen asukkaat todennäköisemmin kohtaavat punkin. Kerne-funktio on sopivampi, koska yleisesti ihmiset ulkoilevat vähemmän 5km päässä kuin 1km päässä kodistaan. Tiheyspinta kuvaa myös yleisellä tasolla, millä alueella on todennäköisesti punkkeja. Punkin levinneisyyteen kuitenkin vaikuttavat hyvin paikalliset ympäristötekijät, minkä takia sitä ei ole mielekästä lähteä arvioimaan näin harvalla havaintokartalla tarkasti. Pienentämällä etsintäsädettä saadaan hieman tarkemmin arvioitua punkin levinneisyyttä. Tässä tapauksessa väestön sijainti korreloi voimakkaasti punkkihavaintojen kanssa, minkä takia levinneisyyden arviointi tiheysanalysoinnilla on ongelmallinen. Väestön määrän huomioiminen vaatii monimutkaisempia yhtälöitä, joita ei tällä kurssilla käydä. 3b) Analysoi pyöräteiden tiheys Oulussa. Käytä asetuksia, josta näkee Oulun sisäinen vaihtelu. Jotta Oulun sisäinen vaihtelevuus saadaan esille, käytetään mahdollisimman pientä etsintä sädettä. Pyöräteiden tapauksessa Oulun kokoisella alueella on mielekästä käyttää noin 200 metrin rasterikokoa. Toki on mahdollista käyttää pienempää rasterikokoa, jos haluaa sulavamman kartan. Etsintäsäteeksi valikoitui 1km. Tällä etsintäsäteellä saadaan hyvin esille paikalliset vaihtelut ja nähdään pyöräteiden hot spot -alueet.
3c) Miksi Kernel-tiheysfunktio on usein parempi kuin perinteiset Point- / Line-tiheysfunktiot? Kernel-tiheysfunktiolla pystytään huomioimaan pisteen tai viivan läheisyyden merkitys tiheyttä arvioidessa. Näin ollen Kernel-menetelmä kuvaa yleensä paremmin reaalimaailmaa kuin point ja line-tiheysfunktiot, joissa lasketaan kaikki pisteen arvot tai viivan pituudet etsintäsäteen alueella. 4a) Mihin paikkatiedon kustannuspinta-analysointia voi käyttää? Mitä tietoa tarvitaan kustannuspintaanalysoinnin tekemiseen? Kustannuspinta-analysoinnilla voidaan mallintaa esimerkiksi nopeinta reittiä maastossa lajien ja leviämisreittejä. Periaatteessa voidaan mallintaa kaikkia liikettä, josta on tietoa siihen vaikuttavista tekijöistä. Kustannuspinta-analysointiin tarvitaan kustannustieto rasterimuodossa. Esimerkiksi CORINEsta voidaan arvioida kuinka hidasta on eteneminen maastossa. Tämän lisäksi ArcMap-ohjelmaan voi antaa korkeustiedot, josta arvioidaan kaltevuuden tuottama haastavuus etenemisessä. 4b) Muodosta kustannuspinta Kalimeenvaaralta CORINEa hyödyntäen. Käytä kustannuspintakansioissa olevaa luokittelua kustannuspinnanluomisessa. Reclassify 4c) Laske optimaalinen jalankulkureitti lähtö- ja päätepisteen välille. Kuinka pitkä se on? 3795 metriä Path Distance Cost Path Raster to Polyline 4d) Tuo peruskarttalehti ja tarkastele reittiä. Mitä ongelmia huomaat? CORINEsta muodostettu kustannuspinta on liian karkea. CORINEsta ei löydy alueella olevia polkuja, mitkä nopeuttavat etenemistä maastossa. 5a) Analysoi Kainuun kaltevuus ja suunta search slope (3D) / aspect (3D) tai slope (spatial analyst) /aspect (spatial analyst) 5b) Muodosta korkeusprofiili Ukkohallassa olevasta hiihtoladusta. Vie kuvaksi. stack profile advance settings smoothed kuvaajan visualisointi OK hiiren oikeaklikkaus profiilin päällä refresh
5c) Laske Kainuun korkeusarvojen lähiympäristön (1km) keskiarvot. Laske TPI. Focal Statistics Raster Calculator ("kainuudem.asc" - "Kainuun_focal1km") 5d) Missä on Kainuun korkein mäki c-kohdan TPI-arvolla laskettuna? Kuinka paljon se on lähiympäristöään korkeammalla? Raster calculator SetNull( kainuutpi <86.90, kainuutpi ) Vuokatinvaara. 86,9031 metriä korkeampana lähiympäristön keskiarvokorkeutta.
6a) Mitä tietoa tarvitset TWI:n laskentaa varten? Jokaisen rasterin yläpuolisen valuma-alueen pinta-alan ja rinteen kaltevuuden. Rasterin yläpuolisen valumaalueen pinta-alan voi laskea valunnan kertymästä, joka määritellään ArcMap:ssa valunnan suunta-arvoilla. 6b) Laske TWI Kalimeenvaaran DEM-aineistota Fill FloDir Flow accumulation Slope Raster Calculator Ln((("KalimeenAccu2"+1)*4)/(("KalimeenSlope"/100)+0.00001))
7a) Tuo LAS-tools ArcMap:n Toolbox-valikkoon ArcToolbox-ikkuna hiiren oikeaklikkaus ArcToolbox:n päällä Add toolbox hae lastool-työkalu aineistokansiosta. 7b) Laske 2m x 2m ruuduukkoon korkeuden minimiarvo Kalimeenvaaran laserkeilausaineistosta. Käytä lasgrid-työkalua. (Vinkki: voit käyttää suoraan laz-muotoista tiedostoa). 7c) Muodosta LAS-pistepilvi Oulun keskusta, jonka ArcMap ja ArcScene osaa näyttää 3D-mallina. Tarkastele tuottamaasi aineistoa ArcMap ja ArcScene -ohjelmistoissa. Vinkki: leikkaa ensin laz-tiedosto. lasclip create Las dataset