AGRU 1/1 PIDEMPI KÄYTTÖIKÄ halkeilunkestävät liitososat ja putket KORKEA TALOUDELLINEN TEHOKKUUS hiekkapohjaton asennus KESTÄVÄT LIITOKSET paremmat hitsaustulokset OSTOT YHDESTÄ PAIKASTA täydellinen PE 100-RC -putkistojärjestelmä AGRULINE Halkeilunkestävä PE 100-RC agru Kunststofftechnik Gesellschaft m.b.H. | Ing.-Pesendorfer-Strasse 31 | 4540 Bad Hall, Austria T. +43 7258 7900 | office@agru.at | www.agru.at | @agruworld |
Sisältö 4/2022. tri, vesitalouden professori, Aalto-yliopisto, Insinööritieteiden korkeakoulu Erkki Vuori, lääket.kir.tri., professori, emeritus, Helsingin yliopisto, oikeuslääketieteen osasto Lehti ilmestyy kuusi kertaa vuodessa. Vuosikerran hinta on printtilehtenä 65 € ja digilehtenä 50 €. mennessä. Vesitalous 5/2022 ilmestyy 14.10. Tämän numeron kokosi Eliisa Lotsari e-mail: eliisa.s.lotsari@aalto.fi Kansikuva: Seuraavassa numerossa teemana on Vesistöjen hiilikierto. Ilmoitusvaraukset 5.9. 4 Paikkatieto keskeisessä osassa vesistöihin kohdistuvassa tutkimustyössä Eliisa Lotsari VESI JA PAIKKATIETO 5 Kansallisten avointen paikkatieto aineistojen hyödyntäminen hydrologisessa mallinnuksessa Jari-Pekka Nousu, Pertti Ala-aho, Samuli Launiainen, Hannu Marttila ja Kersti Leppä 10 Konenäkömenetelmät ja hydraulinen mallinnus työkaluina sedimentin kulkeuman analyysien kehittämiseksi Marko Kärkkäinen, Virpi Pajunen, Juha-Matti Välimäki ja Eliisa Lotsari 17 Digitaalinen siirtymä virtavesien tutkimuksessa Petteri Alho, Linnea Blåfield, Karoliina Lintunen, Mikel Calle, Carlos Gonzales-Inca ja Elina Kasvi 20 Neuroverkot vesiriskien hallinnassa Jari Silander, Anton von Schantz, Vesa Hölttä, Xiaoli Liu ja Ella Rauth 23 Monikanavainen laserkeilaus jokiympäristöjen 3D-kartoituksessa Harri Kaartinen ja Antero Kukko 28 Vesi ja paikkatieto Mika Jalava 31 Uusi vesistötutkimuksen osaamiskeskus ottaa digiloikan suoraan syvään päähän Petteri Alho, Hannu Marttila, Eliisa Lotsari, Harri Kaartinen, Cintia Uvo, Anna-Kaisa Ronkanen ja Jari Silander 34 Paikkatiedot vesihuollon digimurroksessa Sanna Paavilainen MUUT AIHEET 37 Ovatko talvet muuttuneet hiihtokeskuksissa. LXIII JULKAISIJA Ympäristöviestintä YVT Oy Annankatu 29 A 18, 00100 Helsinki Puhelin (09) 694 0622 KUSTANTAJA Ympäristöviestintä YVT Oy Tuomo Häyrynen e-mail: tuomo.hayrynen@vesitalous.fi Yhteistyössä Suomen Vesiyhdistys ry ILMOITUKSET Tuomo Häyrynen Puhelin 050 5857996 e-mail: ilmoitus.vesitalous@mvtt.fi PÄÄTOIMITTAJA Minna Maasilta Maaja vesitekniikan tuki ry Annankatu 29 A 18, 00100 Helsinki e-mail: minna.maasilta@mvtt.fi TOIMITUSSIHTEERI Tuomo Häyrynen Uuhenkuja 4, 80140 Joensuu Puhelin 050 585 7996 e-mail: tuomo.hayrynen@vesitalous.fi TILAUKSET JA OSOITTEENMUUTOKSET Taina Hihkiö Maaja vesitekniikan tuki ry Puhelin (09) 694 0622 e-mail: vesitalous@mvtt.fi ULKOASU JA TAITTO Taittopalvelu Jarkko Narvanne, PAINOPAIKKA Forssa Print | ISSN 0505-3838 Asiantuntijat ovat tarkastaneet lehden artikkelit. Riina Liikanen, tekn.tri., vesiasiain päällikkö, Suomen Vesilaitosyhdistys ry Saijariina Toivikko, dipl.ins., vesiasian päällikkö, Suomen Vesilaitosyhdistys ry Minna Maasilta, dipl.ins., toiminnanjohtaja, Maaja vesitekniikan tuki ry Pekka Rossi, tekn.tri., apulaisprofessori, Oulun yliopisto, vesija ympäristötekniikka Annina Takala, dipl.ins., Suomen Vesiyhdistys ry Riku Vahala, tekn.tri., vesihuoltotekniikan professori, Aalto-yliopisto, Insinööritieteiden korkeakoulu Olli Varis, tekn. TOIMITUSKUNTA Hannele Kärkinen, dipl.ins. Veera Korteniemi ja Harri Koivusalo 43 Vesialan opinnäytetyöt 44 Kirja-arvio: Vesihuollon myytit -helppolukuinen oppikirja Harri Mattila 46 Uutisia 47 Ajankohtaista vesiyhdistykseltä 48 Liikehakemisto 50 Abstracts 51 Vieraskynä Timo Huttula VESITALOUS www.vesitalous.fi VOL
Suomen vesistöihin kohdistuvan tutkimustyön keskiössä onkin monilla tieteenaloilla sijainniltaan tarkat huipputeknologioilla mitatut paikkatietoa sisältävät aineistot. Autonominen ja jatkuvatoiminen aineiston tuottaminen, sekä tiedon tehokas jakaminen eri toimijoiden välillä mahdollistaisi myös entistä tehokkaamman tiedon analysoinnin, menetelmien kehittämisen, laaduntarkistamisen sekä uusien innovaatioiden syntymisen vesiteknologian ja paikkatiedon alalla. Suomessa paikkatietoa ja vettä yhdistävä tutkimus tuottaakin tietämyksen pitkän aikavälin muutoksista, kun ainutlaatuiset uusilla teknologioilla tuotetut maastodatat yhdistetään laboratorioanalyyseihin, kaukokartoitukseen ja numeeriseen mallintamisen kehittämiseen. Tämä pätee monen muun tutkimusteeman ohella myös vesiympäristöihin. Hydrologisten, virtausteknisten, morfodynaamisten ja vedenlaadun prosessien mittausteknologioiden lisäksi keskiössä ovat autonomisten vedenalaisten ja –päällisten mittalaitealustojen, liikuteltavan maastolaboratorion sekä aineistojen jakelualustan kehittäminen, jotta vesialan haasteisiin saadaan tutkittuun tietoon perustuvia ratkaisuja. virtausnopeudet, maaston korkeusvaihtelut, jokirakennelmat, jääkannen paksuus, ja vedenlaatu), jotta näiden prosessien voimakkuudet, vuodenaikaisuudet ja muutokset voidaan havaita. Erikoisnumeron artikkelien kirjoittajista suuri osa on kytköksissä Vesialan osaamiskeskittymään, jonka muotoutuminen alkoi Suomen Akatemian myöntämän rahoituksen myötä 2021 alkuvuodesta. Jotta nykytilanteesta ja ilmastonmuutoksen vaikutuksista saadaan pitkiä havaintoaikasarjoja ja ymmärretään muuttuvia olosuhteita, nyt onkin kriittinen ajankohta näiden luonnonja ihmisympäristöjen tutkimiseen hyödyntäen paikkatietoa. Kolmen konsortiomuotoisen hankkeen (HYDRO-RDI-Network 2021-22, HYDRORI-Platform 2022-24 ja Green-Digi-Basin 2022-24), ja niissä mukana olevien Turun yliopiston, Aalto-yliopiston, Oulun yliopiston, Itä-Suomen yliopiston, Suomen ympäristökeskuksen ja Paikkatietokeskus FGI:n tutkijoiden kautta paikkatietoperusteista aineiston tuottamista ja jakamista on mahdollista kehittää ja edistää Suomessa. akustiset virtaussensorit, laserkeilaimet ja kamerat), mahdollistavat laadukkaan aineiston tuottamisen. Näitä vesiympäristöihin kohdistuvia prosesseja kuvaavia aineistoja ei muutama vuosikymmen sitten olisi ollut mahdollista kerätä yhtä tarkasti sijainniltaan, alueelliselta tiheydeltään ja ajallisesti, kuin mitä tällä hetkellä on. Uudet jatkuvasti kehittyvät teknologiat topografian, virtauksen ja aineskuljetuksen mittaamisessa, kuten lennokeista ja muista autonomisestikin maalla ja vedessä liikkuvista alustoista käytettävät erilaiset sensorit (ml. Niin järviin, Itämereen, kuin pohjoisiin arktisiin meriin (valtioiden rajatkin ylittäviin), joista tarkoin mittalaittein ja pitkin aikasarjoin havaitut paikkatietoaineistot mahdollistavat ilmastonmuutoksen ja ihmistoiminnan vaikutusten arvioimisen, sekä niihin varautumisen. Osaamiskeskittymälle tunnistettiin olevan erityisesti tarvetta ympäristön muutoksille herkillä boreaalisilla ja subarktisilla alueilla. Muuttuvassa maailmassa paikkaan liittyvä tieto mahdollistaa alueellisen ja ajallisen muutoksen havainnoimisen ja analysoimisen nykyhetkessä, mutta myös mallintamisen tulevaisuuteen. Pintavesivarojen lisäksi sijaintitieto on oleellinen myös pohjaveteen liittyvässä tutkimuksessa ja maaperän jäätymis-sulamissyklien ymmärtämisessä. Tämä entisestään edistää uusien teorioiden syntymisen luonnonprosessien, ekosysteemien ja yhteiskuntienkin välisestä vuorovaikutuksesta. Näiden alueiden ympäristökysymykset kuten eroosio, tulvat ja vedenlaadulliset haasteet vaativat poikkitieteellisiä ratkaisuja. Onkin ilo olla mukana edistämässä tutkimusta Suomessa vesija paikkatietoaloihin liittyen, sillä elämme tutkimuksellisesti mielenkiintoisia, mutta erittäin kriittisiä aikoja muuttuvan maailman ymmärtämiseksi. On oleellista tietää tarkka sijainti valumaja jokiuomatasolla luontoon ja yhteiskuntaan vaikuttavista tekijöistä (mm. Uudet teoriat ja tulevaisuuden ennusteet esimerkiksi vuodenaikaisesta jokidynamiikasta ja sen vaikutuksista kylmän ilmastoalueen yhteisöihin ja ekosysteemeihin tarjoavat tietoa päätöksentekoon, ympäristönsuojeluun, infrastruktuurin rakentamiseen ja kestävän yhteiskunnan ylläpitämiseen. Paikkatieto mahdollistaa siis myös erilaisten prosessien välisten yhteisvaikutusten paremman ymmärtämisen. 4 www.vesitalous.fi PÄÄKIRJOITUS. ELIISA LOTSARI Vesitekniikan apulaisprofessori ja akatemiatutkija Aalto-yliopisto eliisa.s.lotsari@aalto.fi Paikkatieto keskeisessä osassa vesistöihin kohdistuvassa tutkimustyössä P ohjoiset alueet lämpenevät nopeimmin maapallolla, mutta vuodenajoittain jäätyviin jokiympäristöihin ja valuma-alueisiin kohdistuvat vaikutukset ovat alueellisesti ja ajallisesti puutteellisesti tiedossa
Alueellinen hydrologinen mallinnus Lukessa kehitetty Spatial Forest Hydrology (= alueellinen metsähydrologia, SpaFHy, Launiainen et al. Tällaista paikkatietomuodossa olevaa aineistoa ovat muun muassa tiedot puuston ja aluskasvillisuuden laadusta sekä määrästä (monilähteinen valtakunnan metsien inventointi -ohjelma, MVMI). Mallien parametrisointi vaatii tietoa, jolla ympäristön ominaisuudet ja niiden vaihtelu voidaan kuvata. A voimesti saatavilla olevat kansalliset paikkatietoaineistot ovat potentiaaliinsa nähden erittäin vähän hyödynnettyjä niin alueellisessa hydrologisessa kuin muussa ympäristön tilan mallinnuksessa. Maanpinnan tarkka topografiatieto onkin hydrologian kannalta erityisen tärkeää, koska se vaikuttaa niin pintakuin pohjavalunnan virtausreitteihin, sekä rinteiden varjostukseen. Nämä kasvillisuusaineistot mahdollistavat esimerkiksi tarkemman haihdunnan laskemisen, joka onkin merkittävä tekijä erityisesti metsäisten valuma-alueiden vesitaseissa. MML sen sijaan huolehtii maanpinnalla tapahtuvista mittauksista sekä kartoituksista, ja tuottaa muun muassa tietoa maanpinnan topografiasta. 2019) JARI-PEKKA NOUSU väitöskirjatutkija, Oulun yliopisto, Vesi-, energiaja ympäristötekniikka vieraileva asiantuntija, Luonnonvarakeskus, Biotalous ja ympäristö jari-pekka.nousu@oulu.fi PERTTI ALA-AHO apulaisprofessori, Oulun yliopisto, Vesi-, energiaja ympäristötekniikka SAMULI LAUNIAINEN johtava tutkija, Luonnonvarakeskus, Biotalous ja ympäristö HANNU MARTTILA apulaisprofessori, Oulun yliopisto, Vesi-, energiaja ympäristötekniikka KERSTI LEPPÄ tutkijatohtori, Luonnonvarakeskus, Biotalous ja ympäristö Prosessimalleilla voidaan fysiikkaan ja matematiikkaan perustuen valaista muun muassa hydrologiaan ja biogeokemiaan liittyviä kysymyksiä, sekä tuottaa ympäristötietoa maankäytön ja muun toiminnan suunnittelun tueksi. Luke on vastuussa luonnonvarojemme tutkimisesta ja alan tiedon jakamisesta. GTK tuottaa nimensä mukaisesti geologista tietoa, joista erityisesti pintaja pohjamaalajikartat ovat hydrologisen mallinnuksen kannalta mielenkiintoisia, sillä maan hydrauliset ja vedenpidätys ominaisuudet ovat riippuvaisia maaperän rakenteesta ja maalajista. Pistekohtaisessa mallinnuksessa parametrit voidaan määrittää kohteessa suoritettujen kenttämittausten avulla. Kansallisten avointen paikkatieto aineistojen hyödyntäminen hydrologisessa mallinnuksessa 5 Vesitalous 4/2022 VESI JA PAIKKATIETO. tarkkuudella) ja siten hyödynnettävissä hydrologisten mallien parametrisointiin. Kun mallinnustarkastelu halutaan laajentaa kattamaan suurempia alueita, on paikkatietoaineistojen käyttäminen parametrien määrittämiseen tehokasta. Yllä mainitut paikkatietoaineistot ovat saatavilla koko Suomeen ja usein hienolla resoluutiolla (ts. Kansallisia paikkatietoaineistoja tuottavat muun muassa Geologian tutkimuskeskus (GTK), Maanmittauslaitos (MML) ja Luonnonvarakeskus (Luke)
SpaFHy-mallille syötetään paikkatietoaineistot karttamuodossa, jolloin malli määrittelee automaattisesti parametrit jokaiseen valuma-alueen hilaan (ts. pikseliin) kartoista saatujen tietojen avulla. on esimerkki mallista, joka hyödyntää laajasti avoimena olevia kansallisia paikkatietoaineistoja määrittämään veden virtausta (uomavirtaus, maaveden liike) ja olomuodon muutoksia (haihdunta, lumen kertyminen ja sulaminen) valuma-aluetasolla. Kuva 2 esittää tiivistetysti mallin rakenteen ja hilassa tapahtuvat eri veden virtausten ja varastojen laskennan. SpaFHy koostuu kolmesta eri osamallista, joissa hydrologisia prosesseja lasketaan: i) kasvusto ja lumi, ii) pintamaa sekä iii) pohjavesi. 2021). Kuvan lehtialaindeksiin on summattuna kuusi, mänty ja lehtipuiden lehtialaindeksit. Korkeuskartta tulee MML:n aineistosta, jonka perusteella myös kosteusindeksi on määritelty (“Korkeusmalli”, MML). Tuloksia syntyy siis simulaatioajan jokaiselle päivälle sekä kaikille valuma-alueen hiloille, joten tuloksiakin voidaan tarkastella karttamuodossa. Pintamaaluokan määrittämiseen on käytetty sekä GTK:n pintamaalajikarttaa, että MML:n suoaluemääritystä (”Maaperä 1:200 000 (maalajit)”, GTK ja ”Maastotietokanta”, MML). Kasvuston korkeus ja osuus -kartat tulevat suoraan Luken MVMI aineistosta (”Puuston keskipituus” ja ”Puuston latvuspeittävyys”, Luke). Lehtialaindeksi on arvioitu biomassa -karttojen pohjalta eri puulajeille (”Biomassa, kuusi, neulaset”, ”Biomassa, mänty, neulaset” ja ”Biomassa, lehtipuut, lehvästö”, Luke). Kun saatavilla on sekä tarvittavat paikkatietoja meteorologinen aineisto, malli laskee tietyn aika-askeleen (tällä hetkellä vakiona päivä) välein osamallien hydrologisten prosessien ratkaisut ja vesivarastojen muutokset jokaiselle valuma-alueen hilalle. 6 www.vesitalous.fi VESI JA PAIKKATIETO. Kuvassa 1 on esimerkkinä paikkatietoaineisto SpaFHysimulaatioille Pallaksen tutkimusvaluma-alueella (Marttila et al. Tämän lisäksi malli vaatii tiedon päivittäisistä sääolosuhteista (ilman lämpötila, sadanta, ilmankosteus jne.), johon sopii esimerkiksi Ilmatieteenlaitoksen asemilta avoimesti ladattavat meteorologiset havainnot. Pintamaalajit on lajiteltu karkeutensa mukaan seuraavasti, 1 = karkea, 2 = keskikarkea, 3 = hieno ja 4 = turve. Kuva 1. Esimerkkejä SpaFHy-mallin parametrisoinnissa käytettävistä paikkatietoaineistoista. Esimerkkejä moniulotteisten tulosten visualisoinneista Kuten aiemmin mainittua, SpaFHy laskee veden liikkeitä ja olomuodon muutoksia sekä ajassa (päivän aikaaskel) että paikassa (hilapisteet valuma-alueella)
Kuva 2. “Pintamaa” osamalli ratkaisee orgaanisen sammalhumuskerroksen sekä juuristokerroksen hydrologian sekä ”pohjavesi” (virallisesti TOPMODEL) kuvaa koko valuma-alueen keskimääräistä pohjavesivarastoa sekä pohjavaluntaa. Maveplan 1/3 7 Vesitalous 4/2022 VESI JA PAIKKATIETO. ”Kasvusto ja lumi” -osamalli laskee latvustossa ja lumipakassa tapahtuvat hydrologiset prosessit. SpaFHy-mallin rakenne sekä esimerkki hilassa laskettavista vesivirtauksista -ja varastoista
Paikkatiedon mahdollisuudet ja rajoitteet mallinnuksessa Paikkatiedon mahdollistama alueellinen mallinnus on tehokas työkalu hydrologisen vaihtelun tarkasteluun. Tämän lisäksi juuristokerroksen maankosteus riippuu myös pohjavedenpinnan syvyydestä. ja siksi metsässä vuotuinen evapotranspiraatio on suurempaa kuin avoimella suolla (vertaa Kuva 1 lehtialaindeksi ja Kuva 4 ). Tämä on nähtävissä Kuvassa 3 turvemaiden (Kuva 1 , pintamaaluokka) korkeimpina maankosteusarvoina sekä kosteana että kuivana päivänä. 8 www.vesitalous.fi VESI JA PAIKKATIETO. SpaFHy-mallin kehitysversiossa on myös mahdollisuus fysikaaliselle pohjavedenpinnan ja lateraalisen virtauksen laskennalle, jolloin valuma-alueiden laajat kosteat alueet ja ojien vaikutus saadaan mallinnettua entistä realistisemmin. Kuva 4 esittää vuoden 2020 kumulatiivista maaperästä ja kasvillisuudesta tapahtuvaa haihduntaa (evapotranspiraatio) valuma-alueella. Pohjaveden virtauksen laskeminen on kuitenkin laskennallisesti raskasta, joten SpaFHy:n vakioversiossa pohjaveden vaikutusta jäljitellään kosteusindeksiin perustuvalla osamallilla (virallisesti TOPMODEL), jota käytetään yleisesti pohjavalunnan määrittämiseen hydrologisissa malleissa. Ylin kuva havainnollistaa 2020 toukokuulokakuu ajanjakson valuma-alueen keskimääräisen sekä maankosteuden vaihteluvälin (20-kvantiili = 20-80%). Kuva 3 esittää 2020 toukokuu-lokakuu ajanjakson simuloitua juuristokerroksen (maaperän ylin kerros, 30 cm) maankosteutta (aikasarja, yläpaneeli) sekä kahden hydrologisesti erilaisen ajanhetken maankosteuden alueellista jakaantumista (kartat). Alueellisella hydroloKuva 3. Evapotranspiraation määrä riippuu kasvuston ominaisuuksista, eritoten lehtialasta, jota SpaFHy mallissa arvioidaan avoimista Luken MVMI aineistoista. Eri maalajeille on määritelty erilaiset vedenpidättävyysominaisuudet, jonka vuoksi alueellinen maankosteus korreloi erityisesti GTK/MML paikkatietoaineistoista arvioidun ja parametrisoidun pintamaaluokan kanssa. Esimerkki juuristokerroksen maankosteuden simulaatioista SpaFHy-mallilla. Suuremman kosteusindeksin omaavat alueet ovat simulaatioissa tyypillisesti märempiä (vertaa Kuva 1 Kosteusindeksi ja Kuva 3 ). Alemmat karttakuvat esittävät kahden ajanhetken maankosteuden alueellisen jakautumisen, vasemmalla esimerkki kosteasta päivästä ja oikealla esimerkki kuivasta päivästä. Simulaatioiden avulla voidaan muun muassa tarkastella eri maankäytön vaikutuksia niin paikallisesti kuin myös koko valuma-alueen tasolla
SpaFHy:n kaltaiset dynaamiset hydrologiset mallit tuottavat tietoa muun muassa biogeokemian ja hiilen kierron kannalta tärkeistä muuttujista. 9 Vesitalous 4/2022 VESI JA PAIKKATIETO. (2019). Alempi karttakuva esittää vuotuisen haihdunnan alueellisen jakautumisen. Subarctic catchment water storage and carbon cycling – Leading the way for future studies using integrated datasets at Pallas, Finland. Esimerkki SpaFHy-simuloidusta kumulatiivisesta evapotranspiraatiosta (ET) vuonna 2020. purovirtaama, lumen syvyys), sillä toisin kuin mallin lähtötiedoille (avoin paikkatieto ja säädata) mitattua tietoa mallin laskemista muuttujista on harvoin saatavilla laajoilta alueilta. Kyseisillä menetelmillä on suurta potentiaalia alueellisten mallien kalibroinnissa ja validoinnissa. https://doi.org/10.1002/hyp.14350. J. https://doi.org/10.5194/hess-23-3457-2019. Kuva 4. Tällöin saadaan kattava ymmärtäminen niin ympäristölle tyypillisistäkuin myös ääriolosuhteista. Prosessimallinnuksen kehittämisessä hyödyllistä on erityisesti se, että malleilla voidaan simuloida pitkiäkin ajanjaksoja, kunhan meteorologista aineistoa on saatavilla. Ylempi aikasarjakuva näyttää vuoden valuma-alueen keskimääräisen kumulatiivisen ET:n sekä mallin vaihteluvälin (20-kvantiili = 20-80%) valuma-alueella. gisella mallilla voidaan tutkia esimerkiksi, miten metsänhoito tai esimerkiksi avohakkuut vaikuttavat valuma-alueen hydrologiaan, tai hahmotella ilmastonmuutoksen alueellista vaikutusta pienessäkin mittakaavassa. Mallituloksia vertaillaan usein pistemittauksia vastaan (esim. Marttila, H., Lohila, A., Ala-Aho, P., Noor, K., Welker, J. Hydrologisten mallien kehitys, avoimien aineistojen tarkentuminen ja uusien datalähteiden syntyminen tulevat mahdollistamaan suuria kehitysaskelia vesivarojen tutkimuksen ja hallinnan digitalisaatiossa. Tämä vaatii kuitenkin merkittävää ja pitkäjänteistä panostusta dataa ja malleja integroivaan tutkimukseen. M., Croghan, D., Mustonen, K., Meriö, L., Autio, A., Muhic, F., Bailey, H., Aurela, M., Vuorenmaa, J., Penttilä, T., Hyöky, V., Klein, E., Kuzmin, A., Korpelainen, P., Kumpula, T., … Kløve, B. Alueellisten mallien niin kutsuttu kalibrointi sekä validointi, eli mallin toimivuuden säätäminen ja varmentaminen kenttämittauksilla on kuitenkin yleensä haastavaa. Modeling boreal forest evapotranspiration and water balance at stand and catchment scales: a spatial approach. Hydrological Processes, 35(9), 1–19. Mallit mahdollistavat myös tulevaisuuden olosuhteiden tarkastelun käyttämällä eri ilmastoskenaarioita, jolloin voidaan saada suuntaa ilmastonmuutoksen vaikutuksista, esimerkiksi tulevaisuuden tulvista sekä kuivuuksista, ja niiden vaikutuksista ekosysteemeihin. Seuraavana luonnollisena askeleena alueellisessa mallinnuksessa olisikin hydrologisten ja biogeokemiallisten prosessikuvausten yhdistäminen, jolloin voidaan simuloida esimerkiksi maan ravinteiden kiertoa sekä kasvihuonekaasupäästöjä ja niiden suhteita alueelliseen hydrologiaan. Hydrology and Earth System Sciences, 23(8), 3457–3480. Kaukokartoitussekä koneoppimismenetelmien kehitys on kuitenkin jo poikinut useita alueellisia datatuotteita mallien laskemista muuttujista, kuten maankosteudesta, lumesta ja haihdunnastakin. (2021). Kirjallisuus Launiainen, S., Guan, M., Salmivaara, A., & Kieloaho, A
Tuloksia voidaan hyödyntää hydro-morfodynaamisessa mallinnuksessa, jolla selvitetään eri vuodenaikoina tapahtuvia sedimentin liikkeitä jokiuomassa. 2021, Hatcher ym. Konenäkömenetelmät-käsite viittaa tekniikoihin, joilla kuvista sekä videoista saadaan erilaisten automatisoitujen algoritmien avulla laskettua uutta tietoa, esimerkiksi kuva-alalla olevien objektien orientaatiosta tai nopeuksista suhteessa toisiinsa. Jokitutkimuksessa erilaiset konenäköön perustuvat kaukokartoitusmenetelmät ovat yleistyneet erityisesti UAS (Unmanned Aerial Systems) -laitteiden käytön myötä, jotka mahdollistavat ajallisesti ja alueellisesti kattavan laadukkaan paikkatietoaineiston tuottamisen kustannustehokkaasti vesiympäristöistä. Lyhyellä ja pitkällä ajanjaksolla muuttuvat virtausten voimakkuudet ja ominaisuudet vaikuttavat jokiuomien materiaaliin, joka kasautuu tai erodoituu ominaisuuksiensa perusteella. 2020, Pearce ym. J okiympäristö on jatkuvassa muutoksessa erilaisten yhtä aikaa vaikuttavien luonnonprosessien johdosta. Jodeau ym. Konenäköön perustuvien kaukokartoitusmenetelmien hyödyntäminen on uusi keino selvittää uoman sedimentin kulkeutumista. Jotta saadaan tietoa joen virtauksesta ja virtauksen aiheuttamasta aineskuljetuksesta, sekä nyt että tulevaisuudessa, on tärkeää hyödyntää uusia konenäkömenetelmiä perinteisten mekaanisten ja pistemäisten havainnointimenetelmien lisäksi. 2020) ja virtauksen (mm. Jokiuoman pohjalla kulkeutuvaa sedimentin määrää on arvioitu muun muassa perinteisesti käytetyillä mekaanisilla laitteilla (kuten HelleySmith -pohja-aineskeräimellä; Helley ja Smith, 1971), ja virtauksen havainnointi on tapahtunut joko pistemäisesti tai poikkileikkauksittain. Joen hydraulisen mallinnuksen tarkkuus perustuu tarkkoihin mittauksiin, joilla kerätään aineistoa esimerkiksi vedenkorkeudesta, virtauksesta, aineskuljetuksesta ja jokiuoman topografiasta. 2008, Eltner ym. 2008, Strelnikova ym. LSPIV (Large-Scale Particle Image Velocimetry) ja PTV (Particle tracking velocimetry) -menetelmillä on sen sijaan mahdollista laskea peräkkäisten kuvien välillä tapahtuvan liikkeen voimakkuus ja suunta (Fujita ym. 1998, Muste ym. (Kuva 1 ) Uudet menetelmäsovellukset mahdollistavat jokiuomien morfologisten muutosten sekä sedimentin kulkeutumisen tutkimisen ja mallintamisen jokien avouomaja jääkannen alaisissa virtaustilanteissa. 2020), ja menetelmiä on sovellettu joen pintavirtauksen laskentaan (mm. MARKO KÄRKKÄINEN projektitutkija, Itä-Suomen yliopisto marko.karkkainen@uef.fi VIRPI PAJUNEN tutkijatohtori, Itä-Suomen yliopisto virpi.pajunen@uef.fi JUHA-MATTI VÄLIMÄKI tohtorikoulutettava, Aaltoyliopisto juha-matti.valimaki@aalto.fi ELIISA LOTSARI Vesitekniikan apulaisprofessori, Akatemiatutkija Aalto-yliopisto eliisa.s.lotsari@aalto.fi Konenäkömenetelmät ja hydraulinen mallinnus työkaluina sedimentin kulkeuman analyysien kehittämiseksi 10 www.vesitalous.fi VESI JA PAIKKATIETO. Jokiympäristössä tapahtuvia muutoksia pyritään mallintamaan erilaisilla numeerisilla mallinnusmenetelmillä. pohja-aineskuljetuksen) tutkimiseen, johon perehdymme tässä artikkelissa tarkemmin kenttämittauksissa testattujen menetelmien ja mittaus tapojen pohjalta. 2020). Kuvasarjojen avulla voidaan luoda ajantasaisia ja tarkkoja ortomosaiikkeja sekä topografian 3D-malleja käyttämällä Structure from Motion (SfM) (Smith ym., 2016) -menetelmää. Menetelmät ovat myös sovellettavissa vedenalaisen ympäristön (Ventura ym
SfM-menetelmää tai muuta vaihtoehtoista kuva-analyysimenetelmää hyödyntämällä kuvasarjoista saadaan rakennettua 3D-pistepilvi, jonka avulla voidaan luoda yleisimpiä tutkimuksessa hyödynnettäviä lopputuotteita, kuten ortomosaiikkeja ja korkeusmalleja. Vedenalaisfotogrammetria Vedenalaisfotogrammetria perustuu limittäisiin kuvasarjoihin tai videoleikkeisiin tarkasteltavasta vedenalaisesta kohteesta. Kuvassa näkyvien tähyksien avulla kameran asento ja paikka reaalimaailman koordinaatistossa voidaan laskea. muuttujat ovat laskettavissa. Limittäisten, eri kuvakulmista otettujen kuvien avulla luotu 3D-malli. Kuvakaappaus GoProlla kuvatusta videosta jääkannen alta. Tulevaisuudessa ohjelmistojen, kameralaitteiden sekä vedenalaisen paikannuksen teknisen kehityksen myötä mallin luonti onnistunee myös ilman tähyksiä (Liu ym, 2021, Hatcher ym. 2020, Reis ym. Kuva 3. ROV) (Chasing M2 ja Gladius mini) sekä edullisia ja yleisesti käytössä olevia GoProkameroita (Kuva 2 ). Hyödynsimme menetelmässämme kuluttajahintaluokan vedenalaisdroneja (eng. Reaalimaailman koordinaatistoon sidotun ja tarkan 3D-mallin luomiseen tarvitaan tietoa kameran paikasta, asennosta sekä linssin aiheuttamista kuvavääristymistä. Kuva 1. Kuva 2. 2016), joiden asettelu on työlästä ja jotka rajaavat tutkimusaluetta sekä saattavat vaikuttaa pohja-aineen kulkeutumisen dynamiikkaan. Veden alla mallin luonti onnistuu helpoiten kuva-alalle asetettujen tarkkuus-GPS:llä mitattujen tähyksien avulla (Kuva 3 ), joiden perusteella em. 11 Vesitalous 4/2022 VESI JA PAIKKATIETO. Helmikuussa 2022 Pulmankijoella kenttätöissä uoman pohjaa ja pohjassa olevia tähyksiä kuvattiin eri kuvakulmista kairareikien kautta
tähyksiä tai hyödyntää vedenalaisella fotogrammetrialla tehtyä ortomosaiikkia sekä korkeusmallia (Kuva 4 ). Eri vuodenaikojen maastomittaukset mahdollistavat kokonaisvaltaisemman virtausten ja sedimenttien mallinnuksen jokiympäristössä, josta voidaan arvioida jokiuoman kehitystä tulevaisuudessa. Erityisesti vedenalaisista droneista ja kameroista on hyötyä talviaikaan, jolloin maastomittaukset on tehtävä kairareikien kautta jään alta. Uudet vesiympäristöistä mitatut sijaintitiedon omaavat kalibrointiaineistot edesauttavat tätä mallinnussovellusten ja -lähestymistapojen kehitystyötä. Liikkeen määritys perustuu joko hiukkasryhmien (LSPIV) tai yksittäisten partikkelien jäljitykseen (PTV), ja sopivan menetelmän valinta riippuu pohja-ainesvirtauksen dynamiikasta. Mallit kalibroidaan maastossa mitattujen parametrien avulla. 2020). Pintavirtausmenetelmät Pintavirtausmenetelmillä perättäisten kuvien välillä tapahtuvasta muutoksesta lasketaan liikkeen voimakkuus ja suunta. Perinteiset mekanistiset pohja-aineksen mittausmenetelmät kuvastavat hetkellistä tilannetta joessa, mikä voi antaa virheellisen kuvan todellisesta pohja-aineskuljetuksesta, joka erityisesti talviaikaan voi olla pulssimaista/turbulenttista (Polvi ym. Uoman pohjalle asetettavat tähykset vaikuttavat pohja-aineksen virtauksen dynamiikkaan. Myös videon resoluutio, kuvataajuus ja analyysin asetukset aikaansaavat merkittävää vaihtelua virtausnopeuden laskennassa. 12 www.vesitalous.fi VESI JA PAIKKATIETO. Nämä ohjelmistot mahdollistavat 1-, 2tai jopa 3-ulotteisen hydraulisen ja morfologisen mallinnuksen. Kauko-ohjattavat mittauslaitteet, kuten erilaiset dronet ja konenäkömenetelmät, helpottavat aineiston keruuta, mahdollistavat ajallisesti pidemmän tarkkailuvälin ja näin ollen mittaukset ovat tarkempia. Edellisen kuvan 3D-mallista luotu kaksiulotteinen korkeusmalli. HEC-RAS, River2D, Deflt3D) ja kaupallisten ohjelmistojen avulla (esim. Pohjoisissa ympäristöissä, joissa jääkansi peittää joen useita kuukausia vuodessa, on jääkannen vaikutuksen huomioon ottaminen malleissa myös tärkeää. Jotkin mallinnusohjelmat, kuten HEC-RAS, mahdollistavat jo nykyisellään jääkannen Kuva 4. Tavoitteena on malli, joka vastaa mahdollisimman tarkasti joessa havaittuja olosuhteita, joten maastomittausten on oltava tarkkoja ja riittäviä. Virtaussuunta kuvassa alavasemmalta yläoikealle. Hydraulinen ja morfologinen mallinnus Jokiympäristön mallinnuksella, kuten veden ja sedimentin liikkeitä kuvaavalla hydraulisilla ja morfologisella mallinnuksella (lyhyesti hydro-morfologinen mallinnus), pyritään mallintamaan sekä nykytilannetta että erilaisia tulevaisuuden skenaarioita, joita joessa ennustetaan tapahtuvan esimerkiksi ilmastonmuutoksen seurauksena. Kuva-alan fyysisten mittojen määrittämiseen ja virtausnopeuden laskentaan sekä mittausten sitomiseen reaalimaailman koordinaatistoon voidaan käyttää joko em. Delft3D:n kaupallinen versio), mutta jatkokehitykset menetelmissä ovat kuitenkin vielä tarpeen, erityisesti talviajan mallinnuksiin liittyen. Hydroja morfodynaaminen mallinnus on teknisesti mahdollista erilaisten avointen (esim. Menetelmien soveltamista vedenalaiseen ympäristöön rajoittaa eniten näkyvyys, sillä esimerkiksi virtauksen mukana kulkeva aines aiheuttaa virheitä mittauksiin. Tällä hetkellä Suomessa parhaat menetelmien käyttöön soveltuvat kohteet ovat pohjoisen kirkasvetiset joet
Aalto-yliopiston tutkimusryhmässä. alaisten olosuhteiden tarkastelun, joten myös talviaikaisten virtausolosuhteiden ja sedimentin kulkeutumisen mallintaminen voidaan toteuttaa osalla näistä ohjelmistoista. Tällä hetkellä jäänalaisia virtausolosuhteita voidaan mallintaa sekä 1Dettä 2D-malleilla (Kuva 5 ), mutta jäänalainen hydromorfologinen mallinnus on mahdollista vain 1D:nä esimerkkinä mainitussa HEC-RAS-ohjelmistossa (Kuva 6 ). HEC-RAS-ohjelmalla tuotettu jäänalainen 2D-virtausmalli virtausnopeutta tarkasteltavasta joen osuudesta. 2Dja 3D-mallit antavat hyvinkin tarkkoja tuloksia virtausolosuhteista, mutta mallit ovat raskaita ja hitaita prosessoida. Kuva 6. Talven morfologiset mallit kalibroitiin kentällä sekä mekaanisesti (Helley-Smith-menetelmä) että fotogrammetrisesti mitattujen sedimenttikuljetusten perusteella, mikä mahdollisti myös näiden menetelmien vertailun. Jäänalaista jokimallinnusta kehitetään eteenpäin mm. 2015). Mallinnuksen perusteella tutkitun jokiosuuden uoman eroosio ja näin ollen myös sedimenttikuormitus oli suurempaa syksyn avouomatilanteessa (960 kg vuorokaudessa) kuin talvella jääkannen alla (42 kg vuorokaudessa), sillä myös eroosiota aiheuttava virtaus oli voimakkaampaa Kuva 5. Testasimme HEC-RAS-ohjelmiston hydromorfologisia 1D-malleja vertaillaksemme Pohjois-Suomessa sijaitsevan Pulmankijoen päivittäistä sedimenttikuormitusta avouomatilanteessa syksyllä 2020, jääkannen alaisissa olosuhteissa talvella 2021 sekä viimeisten kahdeksan vuoden (2014–2021) aikana mitatuilla minimi ja maksimi jään paksuuksilla. Uoman poikkileikkaus talvelta HEC-RAS-ohjelmistosta, jossa voidaan ottaa jääkannen vaikutus huomioon mallinnuksessa. 1D-mallit ovat kevyempiä ja nopeampia toteuttaa, ja ne toimivat hyvin esimerkiksi sedimentin kuljetuksen mallintamisessa (Kämäri ym. 13 Vesitalous 4/2022 VESI JA PAIKKATIETO
Maastomittauksia suoritettiin tutkimusalueella keväällä, syksyllä ja talvella. Kalibroidut mallit vastasivat melko tarkasti kentällä mitattuja sedimentin kuljetusmääriä. Suuremmilla ja tehokkaammilla ROV-laitteilla kuvausta tehtäessä virtauksen voimakkuus ei vaikuttanut yhtä paljon vedenalaisen kuvauksen tarkkuuteen (Kuva 7 ). Minimi jään paksuuksilla virtaus, leikkausjännitys ja eroosio olivat heikompaa ja sedimenttikuormitus vain 12 kg vuorokaudessa. Joen virtauksen voimakkuus vaikutti mittausmenetelmien hyödyntämiseen, ja etenkin pienempikokoiset ROV-laitteet eivät olleet tarpeeksi vakaasti paikoillaan kovassa virrassa, jolloin kuvausten tarkkuus saattoi heiketä. Vedenalaisfotogrammetrian testausta erilaisilla vedenalaisdroneilla (Chasing M2 ja Gladius mini) Pulmankijoella syksyllä 2021. Talvella mekaanisesti mitatut sedimentin määrät olivat niin suuria, ettei mallia pystynyt luotettavasti kalibroimaan niiden perusteella. syksyllä. Kuva 7. Suhteellisen matalassa joessa jäänalainen vesitila pienenee merkittävästi jääkannen paksuuntuessa, jolloin virtaus ja pohjaan kohdistuva leikkausjännitys kasvaa, kun virtaama pysyy samana. Syksyn mallin ero kentällä mekaanisesti mitattuun sedimentin määrään oli 6,2 kg vuorokaudessa, kun taas talvella mallin ero konenäkömenetelmillä mitatun sedimentin määrään oli 3,7 kg vuorokaudessa. Menetelmäntestaus jokiympäristössä Artikkelissa esitettyjä menetelmiä testattiin Lapissa sub-arktisella luonnontilaisella Pulmankijoella. Kevään lumensulamisajan huippuvirtaamien aikaan veden sameus puolestaan kasvoi liikkuvan kiintoaineksen johdosta liikaa, jolloin konenäkömenetelmiä ei voitu hyödyntää täyspainotteisesti. 14 www.vesitalous.fi VESI JA PAIKKATIETO. Näin ollen konenäkömenetelmillä tuotettu kalibrointiaineisto osoittautui luotettavammaksi menetelmäksi jäänalaista sedimenttikuormitusta mallinnettaessa. Pulmankijoen kirkas vesi mahdollisti menetelmien hyödyntämisen syksyllä ja talvella. Jääkannen paksuuden kasvattaminen malleissa johti päinvastoin voimakkaampaan eroosioon jäänalaisissa olosuhteissa, mikä kasvatti mallinnetun sedimenttikuormituksen jopa 2500 kg:aan vuorokaudessa maksimi jään paksuuksilla
IEEE Transactions on Geoscience and Remote Sensing, 59(11), 9673–9681. Tätä varten jatkotyöstäminen, ja mittajärjestelmien sekä mallinnuslähestymistapojen kehittäminen vesiympäristöjen digitalisoimiseksi jatkuu Aalto-yliopistossa Suomen Akatemian rahoittamien DefrostingRivers-, Green-DigiBasin-, Hydro-RI-Platform-hankkeiden aikana (PI Eliisa Lotsari). Accurate Mapping Method for UAV Photogrammetry Without Ground Control Points in the Map Projection Frame. J., & Smith, W. F., Bonifazi, A., Jona Lasinio, G., Seminara, M., Gravina, M. Flow Measurement and Instrumentation, 19(2), 117–127. Large-scale particle image velocimetry for flow analysis in hydraulic engineering applications. Tässä artikkelissa mainitut menetelmätestaukset ja maastotyöt liittyivät näiden projektien lisäksi myös Suomen Akatemia-rahoitteiseen HYDRO-RDI-Networkhankkeeseen Itä-Suomen yliopistolla. https://doi.org/10.1002/rse2.178 15 Vesitalous 4/2022 VESI JA PAIKKATIETO. Water Resources Research, 44(4). 2020. C., Dailey, E. Structure from motion photogrammetry in physical geography. Remote Sensing, 12(2), 232. Remote Sensing in Ecology and Conservation, 7(2), 169–186. G., Kranenburg, C., & Yates, K. T., Zawada, D. Large-scale particle image velocimetry for measurements in riverine environments. (2021). K. (2021). Carrivick & D.J. Kirjallisuus Eltner, A., Sardemann, H., & Grundmann, J. https://doi.org/10.1109/TGRS.2021.3052466 Muste, M., Fujita, I., & Hauet, A. https://doi.org/10.5194/hess-24-1429-2020 Fujita, I., Muste, M., & Kruger, A. Design and Experimental Validation of a USBL Underwater Acoustic Positioning System. (2020). River ice cover influence on sediment transportation at present and under projected hydro-climatic conditions. Drone-based optical detection of heterogeneous surface flow patterns in the vicinity of fish ladders. https://doi.org/10.1080/00221689809498626 Hatcher, G. Seismic monitoring of a subarctic river: Seasonal variations in hydraulics, sediment transport, and ice dynamics. Hydrology and Earth System Sciences, 24(3), 1429–1445. https://doi.org/10/dttkjt Kämäri M, Alho P, Aaltonen J, Veijalainen N, Huokuna M, Lotsari E. Journal of Geophysical Research: Earth Surface, 125, e2019JF005333. Technical Note: Flow velocity and discharge measurement in rivers using terrestrial and unmanned-aerialvehicle imagery. Sensors, 16(9), 1491. Accurate Bathymetric Maps From Underwater Digital Imagery Without Ground Control. An Evaluation of Image Velocimetry Techniques under Low Flow Conditions and High Seeding Densities Using Unmanned Aerial Systems. Application and evaluation of LS-PIV technique for the monitoring of river surface velocities in high flow conditions. (1971). Frontiers in Marine Science, 7, 525. A., Ritchie, A. (2008). 247–275. (2020). Liu, J., Xu, W., Guo, B., Zhou, G., & Zhu, H. 2008. E., Dietze, M., Lotsari, E., Turowski, J. A., Warrick, J. 1998. https://doi.org/10.3389/fmars.2020.00525 Helley, E. Hydrological Processes, 29: 4738–4755. F., & Ardizzone, G. https://doi.org/10/gj4njh Ventura, D., Dubois, S. https://doi.org/10.3133/ofr73108 Jodeau, M., Hauet, A., Paquier, A., Le Coz, J., & Dramais, G. Strelnikova, D., Paulus, G., Käfer, S., Anders, K. Progress in Physical Geography 40: 2. https://doi.org/10.3390/s16091491 Smith, M.W., J.L. Menetelmien hyödyntämisen haasteina ovat veden sameus ja väri. https://doi.org/10.1002/hyp.10522. Integration of close-range underwater photogrammetry with inspection and mesh processing software: A novel approach for quantifying ecological dynamics of temperate biogenic reefs. (2016). Journal of Hydraulic Research, 36(3): 397–414. Development and calibration of a pressure-difference bedload sampler. https://doi.org/10.1029/2008WR006950 Pearce, S., Ljubi?i?, R., Peña-Haro, S., Perks, M., Tauro, F., Pizarro, A., Dal Sasso, S., Strelnikova, D., Grimaldi, S., Maddock, I., Paulus, G., Plavši?, J., Prodanovi?, D., & Manfreda, S. AGITJournal Fur Angewandte Geoinformatik, 6. (2020). USDI, Geological Survey, Water Resources Division, OpenFile Report, 73–108, 38. Quincey (2016). Tummissa ja syvissä vesistöissä menetelmän toteuttaminen on lähes mahdotonta valon puuttuessa. https://doi.org/10.1029/2019JF005333 Reis, J., Morgado, M., Batista, P., Oliveira, P., & Silvestre, C. 2015. H., Mayr, P., Mader, H., Scherling, U., & Schneeberger, R. M., Lind, L. https://doi.org/10/ggtsbq Polvi, L. (2020)
Tutustu verkossa onninen.fi VERKKOKAUPPA KÄYTTÖÖN Jos yrityksesi on jo Onnisen asiakas, tilaa tunnukset suoraan verkkokaupasta. Avaa ensin yrityksellesi asiakastili. UUSI ASIAKAS. Näet tuotetiedot, yrityksesi tilaus historian sekä hintaja saatavuustiedot samasta paikasta. Onninen 1/1 Laaja tuotevalikoima RAKENNA JA HUOLLA VESIHUOLTOVERKOSTOA Tutustu valikoimaan ja tee hankinnat helposti Onnisen verkkokaupassa. Saatte samalla myös verkkokauppatunnukset.
Joen lähikaukokartoitus mukaan lukien niin akustiset sovellukset (kaikuluotain, Doppler-ilmiöön perustuva virtausnopeusmittaus) kuin fotogrammetriset ja laserkeilauksen sovellukset ovat huomattavasti parantaneet jokiympäristön geometrian ja siihen vaikuttavien virtausolosuhteiden tutkimusta. Digitaalinen siirtymä virtavesien tutkimuksessa Kuva 1. Esimerkkinä muutostulkinnasta kaikuluotausja ADCP-aineistoon perustuen mainittakoon uoman meanderikaarteen muutostulkinta, jossa on mitattu uoman PETTERI ALHO FT, professori, Turun yliopisto mipeal@utu.fi LINNEA BLÅFIELD tohtorikoulutettava, Turun yliopisto KAROLIINA LINTUNEN tohtorikoulutettava, Turun yliopisto MIKEL CALLE FT, tutkijatohtori, Turun yliopisto CARLOS GONZALES-INCA FT, tutkijatohtori, Turun yliopisto ELINA KASVI FT, dosentti, tutkijatohtori, Turun yliopisto Digitaalinen siirtymä virtavesien tutkimuksessa viittaa erityisesti kehittyneiden digitaalisten mittaustapojen hyödyntämiseen veden fysikaalisten ja kemiallisten ominaisuuksien mittauksessa sekä mittausaineiston reaaliaikaiseen tallentamiseen ja jakamiseen. Mittausvälineenä on tällöin käytetty lattaa tai tangon päässä olevaa GPS-vastaanotinta. Autonominen mittausalusta veden pinnalla Uusimpana innovaationa jokiympäristön kartoituksessa on autonominen mittaus miniveneellä (eng. ASV-mittausalusta, johon on liitetty virtausprofiilimittari (ADCP). Tällöin mittausreitti suunnitellaan etukäteen ja ASV navigoi reitin suunnitellusti läpi (Kuva 1 ). Kyseinen lähestymistavan hyödyntäminen mahdollistaa tulevaisuudessa jokiverkoston digitaalisen kaksosen tekemisen. acoustic Doppler current profiler), monikanavaisen kaikuluotaimen tai mobiilin laserkeilaimen sijainti ja kallistusasema saadaan määriteltyä ja siten mittaustuloksien sijainti vedessä, uoman pohjalla tai jokitörmällä rekisteröidään koordinaatistoon. autonomous surface vehicle, ASV). Uoman geometriset mittaukset on perinteisesti tehty poikkileikkauksittain ja poikkileikkausten välinen uoman pohjan geometria on tarvittaessa interpoloitu. 17 Vesitalous 4/2022 VESI JA PAIKKATIETO. USV on usein varustettu virtausmittarilla, ja tällöin uoman geometrian lisäksi saadaan mitattua alueellisia virtausnopeuksia kolmiulotteisesti. Näin tehtäessä ASV:ssa olevien sensorien, kuten ADCP:n (eng. Mobiililla kartoitusalustalla, kuten kauko-ohjattavalla miniveneellä (eng. K auko-ohjattavat ja autonomiset mittausalustat sekä moninaiset niihin liitettävät sensorit ovat mahdollistaneet uusia mittausasetelmia jokiympäristön tutkimuksessa. Tämä mahdollistaa entistä sijaintitarkempia mittauksia ja muutostulkintoja niin uoman geometriasta, virtausolosuhteista kuin jokiympäristöstäkin. uncrewed surface vehicle, USV) saadaan mitattua uoman syvyyspisteistöä alueellisesti kattavasti ja siten mallinnettua uoman pohjan geometria tarkemmin kuin perinteisellä poikkileikkausmittauksella. Navigointi ja mittaukset perustuvat ASV:n reaaliaikaiseen ja tarkkaan sijainnin ja kallistuksien rekisteröintiin. Mittausalustaa voidaan kauko-ohjata tai operoida autonomisesti
Ilmakuvista voidaan Structure-from-Motion (SfM) tekniikan avulla tuottaa kuvamosaiikkeja, kolmiulotteisia pistepilviä ja digitaalisia korkeusmalleja jokiympäristöstä. Jos ASV on varustettu mobiililla laserkeilaimella, voidaan hydraulisen mallin mallinnusgeometriaa tarkentaa entisestään jokitörmän ja tulvatasankojen geometrialla. Vastaavasti mobiileita laserkeilaimia ei ole juurikaan hyödynnetty pienissä mittausalustoissa jokiympäristön kartoituksessa. Siitä syvemmät alueet tulee kaikuluodata. ASV:lla voidaan tehokkaasti kerätä niin yläja alajuoksun virtaamat kuin mitata pistemäisiä virtausnopeusarvoja mallinnettavalta uomalta. Unmanned Aerial Vechile, UAV) avulla (Kuva 2 ). Myös droonit tekevät työnsä autonomisesti, eli reitti ohjelmoidaan ja syötetään laitteelle haluttujen kuva-asetusten kera etukäteen. Lisäksi akkujen teho-painosuhde on parantunut. Mikäli vesistö on kirkasvetinen, saadaan myös vedenalaiset alueet kartoitettua. Lyzengan metodissa yksitKuva 2. Drooni nousee ilmaan telakaltaan ja palaa tarvittaessa telakalle lataamaan itsensä, tai kun kartoitustehtävä on suoritettu. Syvyysmallin tekeminen ilmakuvamosaiikista onnistuu Lyzengan menetelmän avulla hyödyntäen punaista aallonpituutta ja esimerkiksi GPS-vastaanottimella tai ADCP:lla mitattua tarkkaa syvyystietoa. Drooni hyödyntää reaaliaikaista RTK-GNSS (eng. Nykyisin matalien uomien mittaus on tyypillisesti suoritettu yksikanavaisella kaikuluotaimella tai kaikuluotaimella, jossa on muutamia kanavia. Hydraulisessa mallinnuksessa näitä uusia mittaustapoja voidaan hyödyntää niin mallin reunaehtojen määrittelyssä kuin kalibrointija validointiaineistojen keruussa. Lisäksi uoman vedenpinnan kaltevuusprofiili saadaan mitattua osana kartoitusta. Normaalivärinen ilmavalokuva droonista. Ilmavalokuvasarjasta saadaan mallinnettua uoman syvyyssuhteet näkösyvyyteen asti. Nämä kehitysaskeleet ovat teknisesti mahdollistaneet sensorien sijoittamisen ASV-systeemeihin. Lähivuosien tavoitteena on kehittää samanaikaista laserkeilaus-, virtausnopeusja monikanavaista kaikuluotausmittausta, jotta jokiympäristön mittaaminen tarkasti, laaja-alaisesti ja tehokkaasti olisi mahdollista. Tällöin hiekkapohjaisessa meanderikaarteessa tapahtuu eniten muutoksia ja tiheällä ASV-kartoituksella kaarteen geomorfologisia muutoksia voidaan kartoittaa ja edelleen liittää ne tulva-ajan virtausolosuhteisiin reaaliajassa. Real Time Kinematic – Global Navigation Satellite System) sijaintiratkaisua ja rekisteröi kallistuksen muutokset, jolloin jokaisella droonin ottamalla ilmakuvalla on tarkka sijaintitieto. Sensorikehitys on viimein pienentänyt molempia laitteita ja vähentänyt niiden energiantarvetta. 18 www.vesitalous.fi VESI JA PAIKKATIETO. geometria ja virtausolosuhteet ennen tulvaa, tulvan aikana ja tulvan jälkeen. Jotta vedenalainen geometria olisi tarkka, tulee valon vedenpinnasta taittumisen aiheuttama vääristymä korjata. Varsinainen monikanavainen luotaus on vielä kohtuullisen vähäistä varsinkin ASV-systeemillä toteutettuna. Autonominen mittausalusta jokiympäristön ilmatilassa Laajojen jokialueiden kartoittaminen onnistuu ilmasta käsin nopeasti ja tehokkaasti droonin (eng
Ilmasta käsin otetuilla videoilla voidaan määrittää joen pintavirtausnopeus seuraamalla pinnalla kelluvien partikkeleiden liikkeitä (Large Scale Particle Image Velocimetry, LSPIV) tai veden kirkkauden ja värin muutoksia (Space Time Image Velocimetry, STIV). (2015). Jokiympäristön kartoituksessa näiden hyödyntäminen on kuitenkin vasta aluillaan. (2013). Hiljattain markkinoille on tullut ensimmäiset pienet mobiililaserkeilaimet, jollaisen voi kiinnittää drooniin. M., Jaramillo, F., Alfredsen, K., Ronkanen, A. (2021). Remote Sensing, 5(9), 4571-4592. Flener, C., Lotsari, E., Alho, P., Käyhkö, J. Mittausmenetelmien ja teknologian kehittyessä yhä autonomisemmiksi ja datan reaaliaikaisen siirron sekä varastoinnin helpottuessa ollaan pian tilanteessa, jossa kentälle ei tarvitse enää lähteä massiivisia, päivien mittaisia mittauskampanjoita varten, vaan itsenäisesti toimivat laitteet mittaavat ja lähettävät aineiston suoraan toimistolle vaikka tuhansien kilometrien päästä. (2012). Viimeaikaiset tekoälyyn pohjautuvat aineiston prosessointimenetelmät ovat osaltaan nopeuttaneet alueellisten aineistojen käsittelyä, mutta haasteita on vielä suurien aineistojen nopeassa ja joustavassa jakelussa. Kirjallisuus Flener, C., Vaaja, M., Jaakkola, A., Krooks, A., Kaartinen, H., Kukko, A., Kasvi, E., Hyyppä, H., Hyyppä, J., Alho, P. Siirtyminen digitaalisuuteen virtavesitutkimuksessa Digitaalinen siirtymä ei ole vain digitaalisten mittaustekniikoiden kehittämistä tai tarkempien digitaalisten aineistojen keruuta, vaan kokonaisvaltainen lähestymistapa digitaaliseen mittaukseen, aineistojen siirtämiseen kentältä datavarastoon ja edelleen aineistojen jakamista tavoitellen mahdollisimman laajaa avoimuutta. Marttila, H., Laudon, H., Tallaksen, L. Laser scanning applications in fluvial studies. Hydrology Research, 53(5), 700-715. Näin ympäristöstä saadaan kolmiulotteinen pistepilvi lintuperspektiivistä ja laajojen alueiden kartoitus käy nopeammin kuin maasta käsin. Nordic hydrological frontier in the 21st century. Alho, P. Progress in Physical Geography. (2022). Remote Sensing, 5(12), 6382-6407. Comparison of empirical and theoretical remote sensing based bathymetry models in river environments. Digitaaliseen kaksoseen perustuen voidaan valuma-alueella laskettaa erilaisia tulevaisuuden mallinnuksia kuten virtaustai valuntaskenaarioita. Wang, Y., Liang, X., Flener, C., Kukko, A., Kaartinen, H., Kurkela, M., Vaaja, M., Hyyppä, H., Alho, P. Empirical modeling of spatial 3d flow characteristics using a remote-controlled ADCP system: monitoring a spring flood. Seamless mapping of river channels at high resolution using mobile LiDAR and UAV-photography. Modus 3D Journal, 2021(1). Flener, C., Wang, Y., Laamanen, L., Kasvi, E., Vesakoski, J. Ympäristön kartoitus droonilla voi ilmakuvien lisäksi tapahtua laserkeilaimella. M., & Alho, P. Useat pistemäiset mittaukset jokiympäristöstä, kuten vedenpinnan korkeuden mittaukset tai virtaamamittaukset saadaan puhelintai sitä varten tehdyn suljetun dataverkoston kautta siirrettyä reaaliaikaisesti datavarastoon ja tarvittaessa hyödynnettyä reaaliaikaisesti. (2013). K., Kronvang, B., Lotsari,E., Kämäri, M., Ala-Aho, P., Nousu, J., Silander, J., Koivusalo, H., Kløve, B. 3D-kaupunkimallien ja kaupunkien digikaksosten kehittämissuuntien määrittäminen tulevaisuustyöskentelyn avulla. Samalla se auttaa osaltaan ymmärtämään ja ennakoimaan jokiverkostojen monimutkaista toimintaa, jossa kaikki prosessit linkittyvät lopulta toisiinsa. Droonilla voidaan mitata myös virtausominaisuuksia. Saataessa jokiympäristön mittaustulokset digitaalisiksi ja niiden siirtäminen reaaliaikaiseksi voidaan tehdä jokiverkostosta tai jopa koko valuma-alueesta sekä siinä tapahtuvista virtausprosesseista digitaalinen kaksonen. Hohenthal, J., Alho, P., Hyyppä, J., Hyyppä, H. Water, 7(1), 217-247. 3D modeling of coarse fluvial sediments based on mobile laser scanning data. Näin voidaan tarkastella jokiverkoston käyttäytymistä erilaisissa tilanteissa aina valuma-aluetasolta yksittäisiin jokiosuuksiin. Alueellisesti kerätyt aineistot, kuten edellä mainitut ASVja drooni-aineistot ovat haastavampia aineistomuotoja reaaliaikaisuuteen, sillä ne tarvitsevat aineiston käsittelyä ennen kuin ne ovat hyödynnettävissä loppukäyttäjälle. Gravel transport by ice in a subarctic river from accurate laser scanning. (2011). 19 Vesitalous 4/2022 VESI JA PAIKKATIETO. Talvela, J., Rantanen, T., Ingman, M., Hyyppä, H., & Linturi, R. täisten kuvapikseleiden aallonpituuden arvojen ja mitatun syvyysarvon välille luodaan lineaarinen regressiokäyrä, jolloin muutaman tunnetun pisteen avulla voidaan laskea jokaiselle pikselille syvyystieto. Näitä droonilla kartoitettuja ja jatkokäsiteltyjä korkeusja syvyysmalleja voidaan käyttää hydraulisessa mallinnuksessa geometriana tai muutostulkinnassa. River Research and Applications, 28(1), 118-133. (2015). Lotsari, E., Wang, Y., Kaartinen, H., Jaakkola, A., Kukko, A., Vaaja, M., Hyyppä, H., Hyyppä, J. Geomorphology, 246, 113-122
Lentokorkeudelle 30 m (8 mm resoluutio) IoU oli enää JARI SILANDER erikoistutkija, Suomen ympäristökeskus jari.silander@syke.fi ANTON VON SCHANTZ Profetia Solutions Oy VESA HÖLTTÄ Avestoa XIAOLI LIU Helsingin yliopisto ELLA RAUTH Helsingin yliopisto Neuroverkot sopivat hyvin jäätilannekuvan tuottamiseen ja pienempien valuma-alueiden vedenkorkeuden ennustamiseen. FCN -mallin IoU oli 0.43. Malli kehitetiin isosorsimon ja järviruokon erottamiseen toisistaan sekä jättipalsamin tunnistamiseen yli 30 m lentokorkeudelta käyttäen edullisia droneja ja optista kuvantamista vuosina 2020-2021. Suurikokoisen jättipalsamin tunnistaminen ja erottaminen muista lajeista 15-20 m (4-5 mm resoluutio) lentokorkeudelta onnistui kohtuullisesti. Kuva otettu Lahdessa heinäkuun alussa joen varrelta, lentokorkeus noin 20 m. 20 www.vesitalous.fi VESI JA PAIKKATIETO. T utkimme neuroverkkojen hyödyntämistä kasvillisuuden kartoittamisessa, jäätilanteen arvioinnissa ja vedenkorkeuden viikkoennustamisessa. Tutkimuksessa käytettiin kolmea eri konenäkömallia: Pyramid Scene Parsing (PSP), FullyConvolutional Network (FCN) ja DeepLabV3. Kasvillisuuden tunnistaminen Tavoitteena oli kehittää konenäkömalli, joka mahdollistaa vieraslajien taloudellisen kartoittamisen ja sitä kautta tehokkaammin niiden leviämisen estämisen. Mallin opetusaineisto tuotettiin käyttäen segmentointia. Tietolähteinä käytimme ilma-aluksia, riistakameroita ja hydrologisia havaintoja. Opetusaineistoa (kuvakoko 512 x 512 pikseliä) tuotettiin 1000-10 000 kpl lentokorkeudesta riippuen. Konemallit kehitettiin CSC:n superkoneympäristössä. Hankkeista julkaistaan vuoden 2023 alkuun mennessä avoimet tietokannat lajien ja jään tunnistamiseen, algoritmeja, tieteelliset artikkelit ja internet-sivusto, jossa voi kokeilla jäänlähtömallia. Ilma-aluskuvasta noin 1/200 osa, vasemmalla (alkuperäinen kuva), keskellä opetusaineisto (segmentoitu kuva) ja oikealla mallin tunnistama jättipalsami alue. Tuloksia tullaan hyödyntämään vesiriskien hallinnan palveluissa. Mallin luotettavuutta kuvaa leikkauksen ja unionin osamäärä (IoU) ja hyvä arvo on >0.5. Tehokas kasvillisuuden kartoitus ilma-aluksilta odottaa vielä tuloaan. Neuroverkot vesiriskien hallinnassa Kuva 1. Tulosten perusteella vieraslajien tunnistaminen maaja vesialueilta, käyttäen edullisia ilma-aluksia ja optista kuvantamista, on edelleen haastavaa yli 20 m lentokorkeuksilta, kun kuvan resoluutio on 3-5 mm, ja vaikka käytettäisiin yhdenmukaisia lennätysohjeita