Ruumiandmete analüüs
Ruumiandmete analüüs on geograafiliste andmete loomine ja uurimine geoanalüütiliste vahendite abil.[1] [2] Ruumiandmete analüüs moodustab ühe osa geoinfosüsteemide (GIS) kasutamisvõimalustest. Analüüsi tehakse vektor- ja rasterandmete abil. Erinevalt lihtsatest GIS võimalustest (andmete visualiseerimine või talletamine) vajab ruumianalüüs loogilisi seoseid atribuutandmete ja kaardi tunnuste vahel.[3]
Pärast analüüsi tegemist on võimalik leida vastuseid näiteks maapinna topograafia iseärasuste ja maakasutuse planeerimise kohta.[4] Analüüsi on võimalik teha geoinfosüsteemi tarkvara abil, näiteks SAGA GIS, GeoDa ja ArcGIS.[5]
Ruumianalüüsi tööülesanded muuda
Ruumianalüüsi tööülesandeid on kolme tüüpi ning nad erinevad oma ulatuse ja keerukuse poolest.
Atribuutpäring on kõige lihtsakoelisem tööülesanne. Selle põhjal leitakse kasutaja loogilise küsimuse põhjal ruumiandmete seast vastus. Näiteks saab atribuutpäringu abil eristada linnas olevaid erinevate kasutuseesmärkidega maatükke, kui neile on omistatud maakasutuskood.
Ruumipäringu teostamiseks valitakse huvipakkuvad tunnused asukoha või ruumiliste suhete põhjal kaardi pealt välja. Näiteks soovitakse leida maatükid, mis asuvad 1 km kaugusel kiirteest. Ülesande teostamiseks on vajalikud nii atribuutandmed kui ka ruumiline informatsioon.
Uute andmekogude moodustamine originaalsest andmekogust tähendab etteantud geograafiliste tunnuste, päringute ja analüüsi põhjal uue informatsiooni loomist. Selleks kasutatakse analüütilisi töövõtteid, näiteks ühe või mitme kihi uurimine, ruumiline modelleerimine ja võrgusüsteemi analüüs.[3]
Geoanalüütilised tööriistakomplektid muuda
ArcGISis ja ka teistes GIS-tarkvarades on mitmeid geoanalüütilisi tööriistakomplekte, mis aitavad analüüsida raster- ja vektorandmeid. Kuigi tööriistakomplektid võivad erineda nime poolest, on nende tööülesanded olemuselt sarnased. Erinevused on tingitud analüüsi eesmärgist ja tarkvara keskendumisest kas raster- või vektorandmete töötlemisele.[6] [7]
Conditional – sisendväärtustele antakse tingimused, mille abil on võimalik kontrollida väljundväärtusi. Näiteks leitakse atribuutpäringu abil pikslid, mis vastavad omistatud tingimustele („True“), ja pikslid, mis ei vasta tingimustele („False“), mille väärtusi võib muuta. Tööriistadeks on Con, Pick ja Set Null.[8]
Generalization – komplekti tööriistad aitavad tulemusi generaliseerida ja puhastada vigaseid andmeid, mis võivad pärineda valesti klassifitseeritud aluskaartidelt. Tööriistade kategooriateks on piirkondade generaliseerijad, piirkonna servade ühtlustajad ja resolutsiooni andmete muutjad.[9]
Reclass – kasutatakse algsete pikslite väärtuste ümber klassifitseerimiseks, et grupeerida teatud piksleid kokku või anda teatud pikslitele NoData väärtus. Tööriistad aitavad töödelda üksikuid väärtusi, väärtuste vahemike, intervalle või pidevaid väärtusi funktsioonide abil.[10]
Neighborhood – kasutatakse, kui soovitakse anda pikslitele väärtus, mis sõltub tema asukohast või naabruskonnast. Naabruskonna tüüpideks on liikuv ja otsimisraadius. Liikuva naabruskonnaga on võimalik leida näiteks 3x3 alammaatriksilt pikslite keskmine väärtus või arvutada statistikat. Otsimisraadiusega on võimalik arvutada statistikat pikslit ümbritseva raadiuse kohta.[11]
Surface – aitab kvantifitseerida ja visualiseerida maastiku reljeefielemente. Andmetöötluse läbiviimiseks on vajalikud rasteripõhise kõrgusmudeli kõrgusandmeid. Tööriistad aitavad näiteks defineerida reljeefikõverusi ja maastikult avanevaid vaatenurki.[12]
Ruumiandmete interpoleerimismeetodid muuda
Ruumilist interpoleerimist kasutatakse, et ennustada analüüsitava pinna punktide väärtusi teadmata punktides.[13] Ruumiandmete töötlemiseks kasutatakse paljusid interpolatsioonimeetodeid, mida on võimalik jaotada kaheks: mehaanilised ja statistilised mudelid. Mehaanilise puhul valib kasutaja tarkvara poolt seatud vaikeväärtused ja saab seekaudu kiirema tulemuse. Statistiliste mudelite puhul peab esmalt tegema aeganõudva andmeanalüüsi, kuid seekaudu saab usaldusväärsema väljundmudeli.[14]
Pöördkaugusega kaalutud interpolatsioon – üks vanemaid mehaanilisi interpolatsiooni tehnikaid. Selle meetodiga on sihtmuutuja väärtus tuletatud kaalutud keskmisest. Üksteisele lähemal olevad punktid on sarnasemate väärtustega. Suurte andmekogude analüüsimiseks peetakse seda halvaks lahenduseks.[14]
Koordinaatide regressioon – mehaaniline interpolatsiooni mudel, mille sihtmuutuja sõltub kaardi koordinaatide funktsioonist. Seda tehnikat on võimalik jaotada kaheks: trendipind ja liikuva akna interpolatsioon. Trendipinna puhul silutakse pinda polünoomidega.[14] Liikuva akna meetod tähendab, et kõrgusmudeli võrgusüsteemist analüüsitakse korraga üheksat pikslit. Otsitav topograafiline indeks leitakse alammaatriksi keskse piksli väärtuse põhjal, mis sõltub teda ümbritseva 8 naaberpiksli kõrgusväärtustest.[15]
Splain – mehaaniline interpolatsiooni meetod, millega saab määrata subjektiivselt parameetreid ja kaardi silumise koguse. Hindab väärtusi matemaatilise funktsiooni abil, mis loob ühtlase silutud pinna. Tuntumaid interpolatsiooni tehnikad on õhukese plaadi splain ning korrapärastatud splainid pinge ja silumisega. Splaini peetakse sobilikuks meetodiks tihedalt valimisse võetud kõrgusandmete interpoleerimiseks.[14]
Kriging – üks tuntumaid ja vanemaid geostatistilisi interpolatsiooni meetodeid. Eeldab, et uuritavate punktide vahel on ruumiline korrelatsioon. Punktide väärtusi hinnatakse variogrammi mudeli abil. Kasutatakse mullateaduses ja geoloogias.[16] [14]
Ruumianalüüsi kasutamine maastikuelementide klassifitseerimises muuda
Ruumiandmete analüüsi põhjal on võimalik luua teoreetilisi mudeleid reljeefielementide klassifikatsiooni kohta. Järgnevate klassifikatsioonide leidmiseks on vaja kõrgusmudeli kõrgusandmeid ja võrgusüsteemi.
SAGA GISi maastikuanalüüsi tööriista abil on võimalik leida Zevenbergeni ja Thorne’i (1987) nõlvakalde, nõlvakalde ekspositsiooni ja eri kõveruste definitsioonid. Neid topograafilisi indekseid on võimalik kasutada maastiku hüdroloogiliste protsesside hindamisel ja kaardistamisel. Kombineerides eelnimetatud autorite kontuuri ja profiili kõverusi, on võimalik leida Dikau (1989) kvalitatiivne reljeefikõveruste klassifikatsioon, mis on jaotatud üheksaks elemendiks olenevalt kõveruste horisontaalsest ja vertikaalsest ulatusest. Lisaks sellele on võimalik leida nõlvakalde, ristlõike kõveruse, maksimaalse kõveruse ja minimaalse kõveruse abil Woodi (1996) maastiku morfomeetria kirjeldus, mis koosneb kuuest topograafilisest elemendist (tasandik, voolusäng, kõrgendik, mäekuru, kõrgpunkt ja süvend). Kombineerides veel omakorda Woodi ja Dikau reljeefielementide klassifikatsioonid ja arvestades maastiku kontekstiga, on võimalik leida Schmidti (2004) hägusate reljeefielementide klassifikatsioon, mis tugineb hägusale teooriale ja aitab seekaudu paremini defineerida üleminekuid erinevate pinnavormide abil. Klassifikatsioon koosneb 15 topograafilisest elemendist.
Lisaks sellele on võimalik leida Iwahashi ja Pike’i (2007) maastiku pealispinna klassifikatsioon, mis koosneb 16 topograafilisest elemendiklassist. Samas on vaja eelnevalt leida maastiku nõlvakalde, tekstuuri ja kumeruse indeksid. Samuti on võimalik analüüsida Riley (1999) maastiku heterogeensust maastiku keerukuse indeksi abil. See indeks näitab maastikupiirkondi, kus esineb enim kõrgendike ja süvendeid. Mõlemat klassifikatsiooni kasutatakse maastikuplaneerimises.[6]
Ruumianalüüs Eestis muuda
Eestis tegeleb ruumianalüüsi koolituste ja konsultatsiooniga ning ruumiandmete tarnimisega ESRI toodete edasimüüja AlphaGIS.[17]
Statistikaamet on kasutanud 2000. ja 2011. aasta rahvaloenduste andmeid ruumianalüüside tegemiseks, näiteks transpordi ja nähtuste mõjutsoonide kohta. Samuti on rahvastikustatistika analüüsimiseks kasutatud andmeid hoonete kohta, et luua agregeeritud andmetega ruutkaarte. Sellised ruutkaardid aitavad paremini analüüsida inimeste ruumilist jaotumust.[1]
Sotsiaalministeerium on kasutanud rahvaloenduste ja apteekide asukoha andmeid, et analüüsida apteekide ja muude tervishoiuasutuste ruumilist paiknemist. Analüüs tehti ArcGISi tööriista Network Analyst abil ja andmetöötluse väljundmudelite abil pakuti välja võimalike lahendusi senise olukorra parandamiseks.[18]
Vaata ka muuda
Viited muuda
- ↑ 1,0 1,1 Statistikaamet "Ruumianalüüsid" (viimati vaadatud: 29.11.2017)
- ↑ ESRI Support GIS Dictionary "spatial analysis" (viimati vaadatud: 29.11.2017)
- ↑ 3,0 3,1 Raju, P.L.N. 2004. Satellite Remote Sensing and GIS Applications in Agricultural Meteorology. "Spatial Data Analysis" (viimati vaadatud: 29.11.2017)
- ↑ Spatial Analyst Tutorial "About the ArcGIS Spatial Analyst Tutorial" (viimati vaadatud: 29.11.2017)
- ↑ Geospatial Analysis - A comprehensive guide "Geospatial Analysis Software" (viimati vaadatud: 29.11.2017)
- ↑ 6,0 6,1 SAGA GIS "SAGA-GIS Tool Library Documentation (v3.0.0)" (viimati vaadatud: 29.11.2017)
- ↑ ArcMap "An overview of the Spatial Analyst Toolbox" (viimati vaadatud: 29.11.2017)
- ↑ ArcMap "An overview of the Conditional toolset" (viimati vaadatud: 29.11.2017)
- ↑ ArcMap "An overview of the Generalization toolset" (viimati vaadatud: 29.11.2017)
- ↑ ArcMap "An overview of the Reclass toolset" (viimati vaadatud: 29.11.2017)
- ↑ ArcMap "An overview of the Neighborhood toolset" (viimati vaadatud: 29.11.2017)
- ↑ ArcMap "An overview of the Surface toolset" (viimati vaadatud: 29.11.2017)
- ↑ Documentation for QGIS 2.2 "Spatial Analysis (Interpolation)" (viimati vaadatud: 29.11.2017)
- ↑ 14,0 14,1 14,2 14,3 14,4 Hengl, T. 2004. A Practical Guide to Geostatistical Mapping of Environmental Variables, 1-14 "Theoretical backgrounds" (viimati vaadatud: 29.11.2017)
- ↑ Jenness, S.J. 2004. Calculating landscape surface area from digital elevation models. Wildlife Society Bulletin, 32(3), 830-831 "Calculating landscape surface area from digital elevation models" (viimati vaadatud: 29.11.2017)
- ↑ ArcMap "How Kriging works" (viimati vaadatud: 29.11.2017)
- ↑ AlphaGIS "Tutvustus" (viimati vaadatud: 29.11.2017)
- ↑ Sotsiaalministeerium. 2014. Üldapteekide geograafiline paiknemine ning selle vajaduse hindamine "Apteegiteenuste analüüs" (viimati vaadatud: 29.11.2017)