Helsingin vihernäkymien kartoitus Googlen katunäkymäkuvista

Show full item record



Permalink

http://urn.fi/URN:NBN:fi:hulib-201905272177
Title: Helsingin vihernäkymien kartoitus Googlen katunäkymäkuvista
Author: Toikka, Akseli
Contributor: University of Helsinki, Faculty of Science
Publisher: Helsingin yliopisto
Date: 2019
Language: fin
URI: http://urn.fi/URN:NBN:fi:hulib-201905272177
http://hdl.handle.net/10138/302224
Thesis level: master's thesis
Degree program: Maantieteen maisteriohjelma
Master's Programme in Geography
Magisterprogrammet i geografi
Specialisation: Geoinformatiikka
Geoinformatics
Geoinformatik
Discipline: none
Abstract: Kaupunkikasvillisuutta on perinteisesti kartoitettu kaukokartoitusmenetelmin kuten laserkeilaamalla ja ilmakuvatulkintana. Ylhäältä käsin tehtävä kaukokartoitus ei kuitenkaan aina pysty antamaan todenmukaista kuvaa siitä vihreän kasvillisuuden määrästä, jonka ihminen näkee kadulla liikkuessaan. Perinteisten menetelmien rinnalle on viimeaikaisissa tutkimuksissa esitetty katunäkymäkuvilta havainnoitavaa vihernäkymää. Vihernäkymää mitataan viherindeksillä, joka kertoo vihreän kasvillisuuden prosentuaalisen osuuden katunäkymästä tietyllä sijainnilla. Tämän tutkimuksen tavoitteena oli luoda katunäkymistä laskettu vihernäkymäaineisto Helsingistä, sekä tutkia ihmisen perspektiivin ja ylhäältä päin kuvatun aineiston eroja kaupunkivihreyden kartoituksessa. Tutkimuksen aineistona käytettiin Googlen ohjelmointirajapinnasta ladattuja katunäkymäkuvia Helsingistä. Aineisto rajautui niille alueille, joilta Googlen katunäkymäkuvia oli saatavilla kesäkuukausilta. Perustuen katunäkymäkuvilta laskettuihin viherindeksi arvoihin, laadittiin Helsingistä vihernäkymäkarttoja eri spatiaalisilla tarkastelutasoilla. Jotta voitaisi ymmärtää perspektiiveistä aiheutuvia eroja, vihernäkymää vertailtiin Helsingin seudulliseen maanpeiteaineistoon lineaarisella regressiolla. Alueita, joilla aineistot erosivat toisistaan huomattavasti, tarkasteltiin visuaalisesti katunäkymäkuvien kautta. Osana tutkimusta Helsingin vihernäkymää vertailtiin myös kansainvälisesti kaupunkeihin, joista vastaava aineisto oli saatavilla. Tutkimuksessa ilmeni Helsingin vihernäkymän jakautuvan varsin epätasaisesti. Alhaisimpia viherindeksi arvoja esiintyi erityisesti kantakaupungissa, teollisuusalueilla, sekä lähi- ja liikekeskuksissa. Korkeimpia viherindeksiarvoja havaittiin omakotitalovaltaisilla asuinalueilla. Vertailtaessa maanpeiteaineistoon, viherindeksin havaittiin korreloivan heikosti matalan kasvillisuuden kanssa. Puuston kanssa korrelaatio oli selvästi voimakkaampi. Eroja aineistojen välillä havaittiin olevan erityisesti alueilla, joilla kasvillisuus ei erilaisista syistä näy kadulle. Virhelähteitä aiheuttivat vanhimmat katunäkymäkuvat, sekä kasvillisuuden tunnistusmenetelmään liittyvät virheet, kuten muut vihreät objektit, sekä kirkkaiden valaistusolosuhteiden aiheuttamat varjot. Vaikka Helsingissä on paljon puistoja ja viheralueita, katunäkymä ei aina näyttäydy kovin vihreänä. Tässä tutkimuksessa luotu aineisto auttaa ymmärtämään ihmisten havainnoiman katuvihreyden alueellista jakautumista ja tuo ihmisen näkökulman perinteisten kaukokartoitusaineistojen rinnalle. Yhdistettynä aikaisempiin kaupunkivihreysaineistoihin, vihernäkymäaineisto auttaa rakentamaan kokonaisvaltaisemman kuvan Helsingin kaupunkivihreydestä.Urban vegetation has traditionally been mapped through traditional ways of remote sensing like laser scanning and aerial photography. However, it has been stated that the bird view examination of vegetation cannot fully represent the amount of green vegetation that the citizens observe on street level. Recent studies have raised human perspective methods like street view images and measuring of green view next to more traditional ways of mapping vegetation. Green view index states the percentage of green vegetation in street view on certain location. The purpose for this study was to create a green view dataset of Helsinki city through street view imagery and to reveal the differences between human perspective and aerial perspective in vegetation mapping. Street view imagery of Helsinki was downloaded from Google street view application interface. The spatial extent of the data was limited by the availability of street view images of summer months. Several green view maps of Helsinki were created based on the green view values calculated on the street view images. In order to understand the differences between human perspective and the aerial view, the green view values were compared with the regional land cover dataset of Helsinki trough linear regression. Areas with big differences between the datasets were examined visually through the street view imagery. Helsinki green view was also compared internationally with other cities with same kind of data available. It appealed that the green view of Helsinki was divided unequally across the city area. The lowest green view values were found in downtown, industrial areas and the business centers of the suburbs. Highest values were located at the housing suburbs. When compared with the land cover, it was found that the green view has a weak correlation with low vegetation and relatively high correlation with taller vegetation such as trees. Differences between the datasets were mainly concentrated on areas where the vegetation was not visible from the street by several reasons. Main sources of errors were the oldest street view images and the flaws in image classification caused by other green objects and shadows. Even though Helsinki has many parks and other green spaces, the greenery visible to the streets isn’t always that high. The green view dataset created in this study helps to understand the spatial distribution of street greenery and brings human perspective next to more traditional ways of mapping city vegetation. When combined with previous city greenery datasets, the green view dataset can help to build up more holistic understanding of the city greenery in Helsinki


Files in this item

Total number of downloads: Loading...

Files Size Format View
Toikka_Akseli_Pro_gradu_2019.pdf 6.519Mb PDF View/Open

This item appears in the following Collection(s)

Show full item record