3.2 Paikkatietoanalyysin perusteet

 

Lataa tulostuskelpoinen PDF-versio tästä luvusta koneellesi. 

 

 

Diskreetti ominaisuusmuutos tarkoittaa karttaobjektin ominaisuuden selvärajaista muutosta toiseksi. Esimerkiksi tilan omistaja vaihtuu tilanrajalla, kunnan nimi kunnan rajalla jne.

 

 

3.2 Analyysin perusteet

Karttatasojen analyysi on kartta-algebraa, jossa aritmeettisten operaatioiden lisäksi on yleensä määritelty spatiaalisia toimintoja. Nämä voidaan jakaa neljään eri tyyppiin: paikallisiin eli pistefunktioihin (local), paikallisympäristöä käsitteleviin toimintoihin (focal), aluefunktioihin (zonal) ja koko tietotasoa koskeviin toimintoihin (global). Koko tietotasoa koskevat esimerkiksi etäisyysanalyysi pisteiden välillä, verkkoanalyysi tai pisteiden välille kertymäkustannuspinta. (Tokola ja Kallioniemi 2003).

Geometrisen tiedon esitys on valittava sovelluskohtaisesti  Vaihtoehtoina ovat vektoriesitys, rasteriesitys tai dynaamiseen segmentointiin perustuvat tavat. Vektorimuoto sopii erityisesti diskreettien ominaisuusmuutosten ja tarkkoja rajalinjoja sisältävien kohteiden kuvaukseen. Rastereilla on helppo kuvata pieniäkin muutoksen vaihteluja ja jatkuvia ominaisuuspintoja. Dynaaminen segmentointi soveltuu erityisesti nauhamaisten kohteiden ja niiden varrella sijaitsevien kohteiden kuvaukseen. 

Vektori- vai rasterianalyysi?

Paikkatietoanalyysi voidaan jakaa karkeasti (Aronoff 1991):

  • paikkatietoihin kohdistuvaksi

  • ominaisuustietoihin kohdistuvaksi

  • sijainti- ja ominaisuustietoihin kohdistuvaksi

  • tulostuksen muotoiluun 

Ensimmäinen osa liittyy lähinnä tiedon esikäsittelyyn eli karttojen formaattimuunnoksiin, projektiomuunnoksiin, reunanvertailuihin, muokkaukseen, yhteensovitukseen ja suodatukseen. Toinen osa-alue kattaa kyselyt ja ominaisuustietojen ylläpidon. Kolmas osa-alue sisältää varsinaiset mallipohjaiset analyysit, kuten overlay-, naapuruus ja yhdistävyysoperaatiot. 

Analyysistä riippuen se on järkevintä tehdä joko vektori tai rasterimuodossa. Useimmat analyyseistä voidaan tehdä kummassakin ympäristössä, mutta analyysin luonne hieman vaihtelee (Aronoff 1991).

Rasterianalyysin etu vektorianalyysiin nähden on sen yksinkertaisuus niin ohjelmoijan kuin analyysin suorittajankin kannalta. Lähes kaikki analyysimenetelmät voidaan palauttaa yksinkertaisiksi rastereihin kohdistuviksi kyselyiksi, jossa etsitään tietyt ehdot täyttäviä pikseleitä eri rasteroiduilta tasoilta. 

Haittapuolena voidaan pitää sitä, että tuloksen tarkkuuden ja resoluution määrää karkeimman analyysissä käytetyn rasteriaineiston resoluutio. Tätä riskiä liioitellaan usein; suurin osa vektoriaineistoistahan on viime kädessä luotu digitoimalla ne käsin rasteriaineistoista. Näennäisestä tarkkuudestaan huolimatta  vektoriaineisto on siis usein rasteriaineiston yleistys ja yksinkertaistus.

Tilanne on toinen matemaattisina kuvioina luotujen karttojen kohdalla. Tällaisia ovat esimerkiksi maanmittauksen perusteella syntyneet kartat, kuten tilanrajat ja kunnan rajat. Mikäli näitä karttoja joudutaan rasteroimaan analyysia varten, täytyy rasteroinnin tuloksena syntyvä likiarvoistus analysoida ja hyväksyä.   

Koska tietokoneiden muistikapasitetti ja prosessointikyky  kasvaa jatkuvasti, on helppo käyttää analyyseissa yhä tarkempia rasteriaineistoja. On kuitenkin syytä pitää mielessä vanha totuus fraktaaleista; Suomen rannikon mitattu pituus riippuu vain ja ainoastaan tarkastelumittakaavasta. Myös analyysitulosten jakelu ja esittäminen tietoverkoissa saattaa edellyttää karkeaa resoluutiota suurten tiedostokokojen takia. 

Koska suurin osa GIS-analyyseista voidaan tehdä riittävällä tarkkuudella niin vektori- kuin rasterianalyysinkin keinoin, riippuu käytettävän menetelmän valinta pääosin ohjelmistokustannuksista ja aineistojen hinnasta. Rasteriaineistot ovat yleensä vektoriaineistoja halvempia ja helpommin saatavilla, ja monipuolisia analyysityökaluja sisältäviä ohjelmistopaketteja (esim. IDRISI) on tarjolla suhteellisen edullisesti.

      

Dynaamista segementointia  käytetään erityisesti verkostoanalyyseissä 

Thiessen-polygonit (tai  Voronoi-polygonit) ovat tyypillinen vektorianalyysi, joka kuvaa pisteiden vaikutusalueita. 

Luokitellut paikkatietoaineistot ovat diskreettejä. Alunperin vähittäinen muutos on siis pakotettu diskreetiksi. Analyysimenetelmää valittaessa on pidettävä mielessä, että luokituksessa on hävinnyt suuri osa alkuperäisaineiston vaihtelusta. Tämä on erityisen tärkeää analysoitaessa  luonnossa esiintyvää vaihtelua, joka on harvoin tarkkarajaista.  

Aronoff, S. 1991. Geographic information system: A management perspective.