jlehtoma

library(raster)

# Määritä tulostiedosto
results_csv <- "original_areas.csv"
# Aseta työkansio
setwd("[TYÖKANSIO]")
# Listaa kaikki tif-tiedostot kansiossa
feature_files <- list.files(pattern = "*.tif$")

# Apufunktio solulukumäärien laskemiseen

jlehtoma

# jaccard.R
# Written in 2012 by Joona Lehtomäki <joona.lehtomaki@gmail.com>  

# To the extent possible under law, the author(s) have dedicated all 
# copyright and related and neighboring rights to this software to 
# the public domain worldwide. This software is distributed without any warranty. 

# You should have received a copy of the CC0 Public Domain Dedication along with 
# this software. If not, see <http://creativecommons.org/publicdomain/zero/1.0/>. 

jlehtoma

war <- function(x) {
  suppressWarnings(w <- warning("There's a problem with: ", x))
  message(w)
  return(x)
}

for (i in 1:5) {
  Sys.sleep(1)
  war(i)
}

jlehtoma

# Based on solution given here: http://geospatialpython.com/2011/11/generating-shapefile-shx-files.html
# Depends on pyshp

# Build a new shx index file
import fnmatch
import os
import shapefile

# List all the shapefiles
def find(pattern, path):

jlehtoma

library(hrbrthemes)
library(tidyverse)

dat <- tibble::tibble(year = factor(c(2010:2017, paste0("A", 2018:2020))),
                       funding = c(400, 410, 431, 423, 431, 446, 404, 395,
                                   390, 383, 374))

p1 <- dat %>%
  ggplot(aes(x = year, y = funding)) +
  geom_bar(stat = "identity", width = 0.4) +

jlehtoma

library(magick)
library(raster)
library(rgeos)
library(sf)
library(sp)
library(tidyverse)

set.seed(1)

# Helper functions --------------------------------------------------------

jlehtoma

library(sf)

# Define source from where the data is downloaded
source_url <- "https://kartta.hel.fi/avoindata/aineistot/HKI-aluejako-1995-2016-gpkg.zip"
target_dir <- "data"

# Make target dir if it doesn't exist
if (!dir.exists(target_dir)) {
  dir.create(target_dir)
}

jlehtoma

Nämä ohjeet on tehty QGIS:in 2.18 -versiolla. Uusin versio on 3.0, jossa komentojen nimet / paikat ovat saattaneet hieman muuttua. QGIS-ohjelman voit ladata täältä.

Analyysien taustat, aineistot ja toteutus on kuvattu raportissa Monimuotoisuudelle tärkeät metsäalueet Suomessa. Tutustu raporttiin ennen tulosaineistoihin perehtymistä!

1. Lataa Monimuotoisuudelle tärkeät metsäalueet 2018 (Zonation) -aineisto koneellesi ja pura zip-tiedosto.
2. Layer > Add Raster Layer > valitse joku Zonation-tulosrastereista
3. Lataa värimäärittelytiedosto täältä koneellesi ( selaimessa Save As tms)
4. Tuplaklikkaa Layer Panel:issa 2-kohdassa lisäämääsi Zonation-tulosraster

jlehtoma

<!DOCTYPE qgis PUBLIC 'http://mrcc.com/qgis.dtd' 'SYSTEM'>
<qgis version="2.1.0-Master" minimumScale="0" maximumScale="1e+08" hasScaleBasedVisibilityFlag="0">
  <pipe>
    <rasterrenderer opacity="1" alphaBand="0" classificationMax="1" classificationMinMaxOrigin="User" band="1" classificationMin="0" type="singlebandpseudocolor">
      <rasterTransparency/>
      <rastershader>
        <colorrampshader colorRampType="DISCRETE" clip="0">
          <item alpha="255" value="0.2" label="0.00 - 0.20" color="#4575B4"/>
          <item alpha="255" value="0.5" label="0.20 - 0.50" color="#91BFDB"/>
          <item alpha="255" value="0.75" label="0.50 - 0.75" color="#E0F3F8"/>

jlehtoma

library(tidyverse)

# Helper functions --------------------------------------------------------

process_sp <- function(sp) {
  
  message("Processing species: ", sp, "...")
  
  # Seuraava käskyjoukko tuottaa kolmiosaisen kuvaajan, jossa ylin kuvaaja kertoo paikallismäärien
  # vaihtelun vuoden aikana ja keskimmäinen muuttajien vastaavan vaihtelun. Kuvaajissa x-akselilla on