Avoindata.fi

All Finnish open data from one place.

1869

Datasets

Show all →

781

Publishers

Show all →

73

Showcases

Show all →

Datasets

Pohjois- ja Keski-Euroopan lumenpeittoala 2014 alkaen / Fractional Snow Cover for the Northern and Central Europe since 2014

MODIFIED 17.06.2021
**[FI]** Satelliittikuvilta seurataan Pohjois- ja Keski-Euroopan lumenpeittoalaa päivittäin Terra satelliitin MODIS (Moderate Resolution Imaging Spectroradiometer) -instrumentin aineistoa hyödyntäen. Pohjoisimmilta alueilta ei saada tietoa lumipeitteestä kaamosaikaan vähäisen valon vuoksi. Myös pilvet estävät näkyvyyden maan pinnalle ja lumenpeittoala saadaan vain pilvettömiltä alueilta. Lumikartta kertoo 500 metrin pikselikoossa lumen peittämän alueen prosentteina pikselin pinta-alasta. Lumen peittoalatieto saadaan SYKEssä kehitetyn SCAmod -menetelmän 1) avulla. SCAmod perustuu reflektanssimalliin, jossa satelliitin vihreän valon alueelta mittaama heijastussuhde eli reflektanssi kohteesta ilmaistaan lumenpeittoalan ja mahdollisesti maanpintaa peittävän puuston latvuksen läpäisevyyden eli transmissiivisyyden funktiona. Reflektanssimallin muoto perustuu 1.asteen säteilynkuljetusyhtälöön 2), jossa huomioidaan auringon säteilyn kulku metsän läpi kahdesti; matkallaan alas se sekä vaimenee että osittain heijastuu puustosta, osa siitä pääsee maan pinnalle ja heijastuu siitä satelliitin suuntaan, jälleen matkallaan vaimentuen toisen kerran. satelliitin mittaamasta takaisin palanneesta säteilystä saadaan mallin avulla siten "lumi maan pinnalla" -tieto. Tämä lähestymistapa mahdollistaa melko tiheidenkin metsien tapauksessa maan pinnan lumenpeittoprosentin estimoinnin. Kuitenkin metsät ovat heijastus ja vaimennusominaisuuksiltaan niin monimutkaisia, että lumenpeittoala tieto varsinkin tiheiden metsien tapauksessa on epätarkempaa kuin metsättömien alueiden tapauksessa. Aineisto koostuu vuodesta 2014 alkaen tehdyistä päivittäisistä lumenpeittoala tulkinnoista. Aineisto julkaistaan myös Copenicus Cryoland-palvelussa, osana Copernicus Land monitoring Services – kokonaisuutta, joka on tältä osin suoraa jatkumoa EU:n FP7-CryoLand projektin tuloksena syntyneestä palvelusta. http://neso1.cryoland.enveo.at/cryoclient/ Aineisto kuuluu SYKEn avoimiin aineistoihin (CC BY 4.0). *** **[EN]** SYKE monitors daily Fractional Snow Cover (FSC) over Northern and Central Europe from Terra/MODIS (Moderate Resolution Imaging Spectroradiometer) data. Although service is running throughout the year, the northernmost areas are not mapped due to the polar darkness during deep winter season. Another factor preventing the information is cloud cover, which obstructs the view from satellite sensor to the surface of the earth. Hence cloudy pixels are masked in the FSC-products. FSC map provides information of the percentage of snow-covered ground of the total pixel area, which is 500m × 500m. FSC is derived using the SCAmod method developed at SYKE 1). SCAmod is based on a reflectance model which expresses the observed reflectance as a function of FSC and forest canopy transmissivity. Reflectances of snow, snow-free ground and forest canopy serve a model parameters. The reflectance model originates from the zerotth order radiative transfer model, where solar irradiation is attenuated twice in its way trough the forest canopy, while part of it is reflected by the canopy and part is reflected by the ground surface, either snow or snow-free 2) . The inversion of the reflectance model gives the FSC from the reflected signal measured at satellite level. As the reflectance model includes the effect of forest into the reflected radiation, the gained information is specifically FSC on the ground, in contrast to viewable FSC where snow only on the canopy is estimated. The SCAmod approach enables the estimation of FSC also in the case of dense forests, although its accuracy is the lower the denser the forest. SYKE FSC database comprises daily FSC maps from year 2014 onwards. The products are also available through Copernicus Service CryoLand as a part of Copernicus Land Monitoring Service portfolio. The current service was originally developed in the EU FP7-project CryoLand. http://neso1.cryoland.enveo.at/cryoclient/ *** ## Viitteet / References 1) Metsämäki, S., Anttila, S., Huttunen, M., Vepsäläinen, J. (2005). [A feasible method for fractional snow cover mapping in boreal zone based on a reflectance model.](https://doi.org/10.1016/j.rse.2004.11.013) Remote Sensing of Environment, Vol. 95 (1):77-95. 2) Sari Metsämäki (2013): [A fractional snow cover mapping method for optical remote sensing data, applicable to continental scale.](http://kirjasto.ymparisto.fi/lib4/src?PBFORMTYPE=01002&TITLEID=155054&SQS=1:SYEN:1:0:5:15::HTML&PL=0 ) Monographs of the Boreal Environment Research, ISSN 1239-1875 ; 43 ISBN 978-952-11-4201-7 (print); 978-952-11-4202-4 (pdf) Helsinki : Suomen ympäristökeskus, 2013. 3) Metsämäki, S., Mattila, O.-P., Pulliainen, J., Niemi, K., Luojus, K., Böttcher, K. (2012). [An optical reflectance model-based method for fractional snow cover mapping applicable to continental scale.](https://doi.org/10.1016/j.rse.2012.04.010) Remote Sensing of Environment, 123, 508-521. *** **WMS-palvelin / WMS service endpoint**: https://geoserver2.ymparisto.fi/geoserver/eo/wms **WMS-taso / WMS layer**: EO_FSC Aineistoa on tuotettu vuodesta 2014 alkaen TARKKA -palveluun.

Number of loans at City of Helsinki library since 1860-

MODIFIED 17.06.2021
Number of loans at the City of Helsinki library since 1860 as well as the population figures at the same time. The data is partially incomplete in the earlier part of the time series.

Services of the city libraries of Vantaa

MODIFIED 17.06.2021
Information on the services of the city libraries of Vantaa.

Pohjois- ja Keski-Euroopan lumenpeittoala 2014 alkaen / Fractional Snow Cover for the Northern and Central Europe since 2014

MODIFIED 17.06.2021
**[FI]** Satelliittikuvilta seurataan Pohjois- ja Keski-Euroopan lumenpeittoalaa päivittäin Terra satelliitin MODIS (Moderate Resolution Imaging Spectroradiometer) -instrumentin aineistoa hyödyntäen. Pohjoisimmilta alueilta ei saada tietoa lumipeitteestä kaamosaikaan vähäisen valon vuoksi. Myös pilvet estävät näkyvyyden maan pinnalle ja lumenpeittoala saadaan vain pilvettömiltä alueilta. Lumikartta kertoo 500 metrin pikselikoossa lumen peittämän alueen prosentteina pikselin pinta-alasta. Lumen peittoalatieto saadaan SYKEssä kehitetyn SCAmod -menetelmän 1) avulla. SCAmod perustuu reflektanssimalliin, jossa satelliitin vihreän valon alueelta mittaama heijastussuhde eli reflektanssi kohteesta ilmaistaan lumenpeittoalan ja mahdollisesti maanpintaa peittävän puuston latvuksen läpäisevyyden eli transmissiivisyyden funktiona. Reflektanssimallin muoto perustuu 1.asteen säteilynkuljetusyhtälöön 2), jossa huomioidaan auringon säteilyn kulku metsän läpi kahdesti; matkallaan alas se sekä vaimenee että osittain heijastuu puustosta, osa siitä pääsee maan pinnalle ja heijastuu siitä satelliitin suuntaan, jälleen matkallaan vaimentuen toisen kerran. satelliitin mittaamasta takaisin palanneesta säteilystä saadaan mallin avulla siten "lumi maan pinnalla" -tieto. Tämä lähestymistapa mahdollistaa melko tiheidenkin metsien tapauksessa maan pinnan lumenpeittoprosentin estimoinnin. Kuitenkin metsät ovat heijastus ja vaimennusominaisuuksiltaan niin monimutkaisia, että lumenpeittoala tieto varsinkin tiheiden metsien tapauksessa on epätarkempaa kuin metsättömien alueiden tapauksessa. Aineisto koostuu vuodesta 2014 alkaen tehdyistä päivittäisistä lumenpeittoala tulkinnoista. Aineisto julkaistaan myös Copenicus Cryoland-palvelussa, osana Copernicus Land monitoring Services – kokonaisuutta, joka on tältä osin suoraa jatkumoa EU:n FP7-CryoLand projektin tuloksena syntyneestä palvelusta. http://neso1.cryoland.enveo.at/cryoclient/ Aineisto kuuluu SYKEn avoimiin aineistoihin (CC BY 4.0). *** **[EN]** SYKE monitors daily Fractional Snow Cover (FSC) over Northern and Central Europe from Terra/MODIS (Moderate Resolution Imaging Spectroradiometer) data. Although service is running throughout the year, the northernmost areas are not mapped due to the polar darkness during deep winter season. Another factor preventing the information is cloud cover, which obstructs the view from satellite sensor to the surface of the earth. Hence cloudy pixels are masked in the FSC-products. FSC map provides information of the percentage of snow-covered ground of the total pixel area, which is 500m × 500m. FSC is derived using the SCAmod method developed at SYKE 1). SCAmod is based on a reflectance model which expresses the observed reflectance as a function of FSC and forest canopy transmissivity. Reflectances of snow, snow-free ground and forest canopy serve a model parameters. The reflectance model originates from the zerotth order radiative transfer model, where solar irradiation is attenuated twice in its way trough the forest canopy, while part of it is reflected by the canopy and part is reflected by the ground surface, either snow or snow-free 2) . The inversion of the reflectance model gives the FSC from the reflected signal measured at satellite level. As the reflectance model includes the effect of forest into the reflected radiation, the gained information is specifically FSC on the ground, in contrast to viewable FSC where snow only on the canopy is estimated. The SCAmod approach enables the estimation of FSC also in the case of dense forests, although its accuracy is the lower the denser the forest. SYKE FSC database comprises daily FSC maps from year 2014 onwards. The products are also available through Copernicus Service CryoLand as a part of Copernicus Land Monitoring Service portfolio. The current service was originally developed in the EU FP7-project CryoLand. http://neso1.cryoland.enveo.at/cryoclient/ *** ## Viitteet / References 1) Metsämäki, S., Anttila, S., Huttunen, M., Vepsäläinen, J. (2005). [A feasible method for fractional snow cover mapping in boreal zone based on a reflectance model.](https://doi.org/10.1016/j.rse.2004.11.013) Remote Sensing of Environment, Vol. 95 (1):77-95. 2) Sari Metsämäki (2013): [A fractional snow cover mapping method for optical remote sensing data, applicable to continental scale.](http://kirjasto.ymparisto.fi/lib4/src?PBFORMTYPE=01002&TITLEID=155054&SQS=1:SYEN:1:0:5:15::HTML&PL=0 ) Monographs of the Boreal Environment Research, ISSN 1239-1875 ; 43 ISBN 978-952-11-4201-7 (print); 978-952-11-4202-4 (pdf) Helsinki : Suomen ympäristökeskus, 2013. 3) Metsämäki, S., Mattila, O.-P., Pulliainen, J., Niemi, K., Luojus, K., Böttcher, K. (2012). [An optical reflectance model-based method for fractional snow cover mapping applicable to continental scale.](https://doi.org/10.1016/j.rse.2012.04.010) Remote Sensing of Environment, 123, 508-521. *** **WMS-palvelin / WMS service endpoint**: https://geoserver2.ymparisto.fi/geoserver/eo/wms **WMS-taso / WMS layer**: EO_FSC Aineistoa on tuotettu vuodesta 2014 alkaen TARKKA -palveluun.

Pohjois-Savon voimassa olevien maakuntakaavojen yhdistelmä

MODIFIED 07.06.2021
Aineisto sisältää Pohjois-Savon voimassa olevat maakuntakaavat. Aineiston on tuottanut Pohjois-Savon liitto. Maakuntakaavat ja niiden virallistamis- eli tulkitsemismittakaavat sekä vahvistamispäivämäärät: Kuopion seudun maakuntakaava (1:100 000, 3.7.2008) Leppävirran pohjoisosan valtatien 5 maakuntakaava (1:100 000, 27.11.2008) Pohjois-Savon maakuntakaava 2030 (1:200 000, 7.12.2011) Pohjois-Savon tuulivoimamaakuntakaava (1:200 000, 15.1.2014) Pohjois-Savon kaupan maakuntakaava 2030 (1:200 000, 1.6.2016) Pohjois-Savon maakuntakaava 2040 (1. vaihe) (1:200 000, 19.11.2018) Lisätietoja: suunnittelija Mikko Rummukainen, 044 714 2655, mikko.rummukainen@pohjois-savo.fi.

Pohjois-Karjalan maakuntakaava 2040 yhtenäisessä tietomallissa (HAME)

MODIFIED 07.06.2021
Maakuntakaavassa esitetään alueidenkäytön ja yhdyskuntarakenteen periaatteet ja osoitetaan maakunnan kehittämisen kannalta tarpeellisia alueita Pohjois-Karjalassa. Tarkoituksena on edistää suunnitelmallista alueidenkäyttöä maakunnassa. Maakuntakaava myös havainnollistaa ja välittää valtakunnallisia alueidenkäytön tavoitteita ja sovittaa niitä yhteen niin maakunnallisten kuin paikallisten tavoitteiden kanssa. Maakuntakaava ohjaa kuntien kaavoitusta. Maakuntakaavayhdistelmä pitää sisällään voimassa olevan maakuntakaavatilanteen Pohjois-Karjalasta eli Pohjois-Karjalan maakuntakaava 2040 kaava-aineiston sekä 3.vaihemaakuntakaavasta voimaan jääneet tuulivoima-alueet. Muut vaihemaakuntakaavat on Pohjois-Karjalassa kumottu. Paikkatietoaineisto muodostuu maakuntakaavan aluevarauksista, osa-alueista, kohteista ja viivoista. Pohjois-Karjalan maakuntakaava 2040 on hyväksytty maakuntavaltuustossa 7.9.2020. Pohjois-Karjalan 3.vaihemaakuntakaava (voimassa vain tuulivoima-alueiden osalta) on vahvistettu ympäristöministeriössä 5.3.2014. Pohjois-Karjalan maakuntakaava on esitetty mittakaavassa 1:200 000.

Open your data

Does your organization produce data that could benefit or interest others? We offer guidance and a distribution channel for your datasets.

Showcases

Clousby — Löydä minkä tahansa kadun lähimmät palvelut

January 25, 2021

When you travel or move to a new neighbourhood, finding the nearest services can be difficult and slow. Why not enter the address on Clousby and find the nearest services immediately?

DATASET 1 — ADDRESSES Addresses were read from the open dataset about Finnish buildings, addresses, postcodes and WGS84 coordinates. Localities had to be retrieved from Google's Geolocation API (https://developers.google.com/maps/documentation/geocoding/overview) since the open dataset didn't have it. This part is still Work in Progress.

DATASET 2 — SERVICES The services, i.e. points of interest, were read from the open datasource http://download.geofabrik.de/europe/finland.html that is an extract from the OpenStreetMap.org-database.

FILTERING Both datasets were filtered to obtain better data for the context. Filtering removed data such as (1) addresses that had no street or avenue, (2) points of interest that had no name, and (3) points of interest that were not meaningful to the application.

Filtering was done in two parts: (1) when the raw data was read into the database and (2) modifying the database. This solution felt natural since we could utilize "dummy" filtering on the former and more advanced filtering on the latter.

The original dataset 1 included about 3,6 million addresses from which little under 2 million were left into the database. The end product has 3 147 unique postal codes (the original amount was not checked).

TECHNICAL IMPLEMENTATION Every address got a unique slug field that includes street/avenue, housenumber, and a postal code (e.g. "yliopistonkatu-2-20100"). This slug field allowed creating a unique "homepage" for each address. The homepage includes the services that are near the given street (e.g. https://clousby.com/en/streets/yliopistonkatu-2-20100).

The services are constructed dynamically based on the coordinates of the addresses and the services. Simply said, the database is asked the following: "Give the services that are within 1000 meters of the coordinates of Yliopistonkatu 1 20100, and order them by distance, starting from the nearest". The result is then categorized by amenities, and shown on the address' homepage.

TOOLING

Docker 20.10.2 Docker Compose 1.27.4 Ruby 2.7.2 Ruby on Rails 5.2.4.4 PostgreSQL 11.2 PostGIS 2.5.2