Geoinformatiikan menetelmät 1, neljäs kurssikerta, 15.2.2021
Neljännen viikon luennolla paneuduimme entistä enemmän karttojen käsittelyyn QGIS-ohjelmistolla ja valmistauduimme ensi kerran luentoon tekemällä sitä varten aineistoja. Edellisillä luentokerroilla olimme keskittyneet vektoriaineistoihin, mutta tällä kertaa tutustuimme rasteriaineistoihin. Oli kiintoisaa päästä näkemään, miten tiedon käsittely erosi aiemmin opiskelemasta. Erityistä huomiota kiinnitin tiedon korkeaan laatuun sen muodosta huolimatta – meille jaettu kartta ja laserkeilausaineisto olivat todella tarkkoja ja yksityiskohtaisia. Tämä selvensi kuitenkin huomattavasti myös aineistomuotojen eroja, sillä emme voineet tiedostojen suuren koon vuoksi käsitellä kuin vain pienen alueen karttaa kerralla. Vektoriaineistossa aiemmin olimme sen sijaan helposti käsitelleet kokonaisia mantereita ja laajoja tietokantoja niiden ohella ilman suuria ongelmia.
Ennen kuitenkaan tarkkaa rasteriaineiston käsittelyä tutustuimme ruutuaineistoihin hiukan laajempana käsitteenä ja loimme kartan pääkaupunkiseudun alueelta, josta pystyimme laskemaan eri ruutujen sisäisiä tietoja. Kaikki ruudut ovat samankokoisia ja valitsemastamme alueesta ne on kuvassa 1 valittu näytettävästi sillä tavalla, että jokaisessa ruudussa on ollut piste, josta tietoa on voinut mitata. Vaikka ruutukartta näyttääkin esittävät tarkkoja arvoja, ei se ole aina täysin oikeassa ja karttaa luodessakin tuli meillä vastaan ongelmia joidenkin pisteiden sijaintien kanssa. Silloin tällöin jokin piste voi sijaita kahden ruudun rajalla, jolloin sen arvojen mittaus voi olla hankalaa. Siksi erittäin tarkkojen lukujen ilmoittaminen voisi olla huono päätös. Visuaalisesti ruutukartta on kuitenkin selkeä teemakartta ja koen, että saman kokoisten ruutujen vertailu toisiinsa on todella helppoa.
Kuvassa esitetyssä muodossa kartta on yhä sellaisessa kunnossa, ettei sitä sellaisenaan voi lukea. Se tarvitsisi itselleen vähintään legendan, mutta sen lisäksi siinä on joitain ongelmia, joita mielelläni korjaisin, jos saan tilanteen tulevaisuudessa. Haluaisin esimerkiksi lisätä siinä esitettyjen ryhmien määrää, jotta jotkin Helsingin keskustasta kauempana sijaitsevat alueet korostuisivat enemmän kuin ne tällä hetkellä tekevät. Esimerkiksi Itä-Helsingissä on useita alueita, joilla ulkomaalaistaustaista väestöä on paljon, vaikka kuvassa 1 alueet jäävätkin keskustan varjoon. Tämä voisi myös tehdä kartan luettavuudesta helpompaa. Kokeilisin tulevaisuudessa myös esittää Helsingin, Vantaan, Kauniaisten ja Espoon rajat kartalla, jotta niiden välisiä eroja olisi helpompi vertailla toisiinsa.
Kuva 1. Ruutuaineisto pääkaupunkiseudusta. Ruutujen värillä on kuvattu ulkomaalaistaustaisten ja ruotsinkielisen väestön lukumäärää.
Oletuksieni perusteella epäilen, että syitä ruotsinkielinen ja ulkomaalaistaustainen väestön keskittymiselle kuvassa 1 esitetyille alueille, voisivat olla esimerkiksi niiden sijainti, hinta, palveluiden tarjonta sekä muiden samaan yhteisöön kuuluvien ihmisten asuinpaikat. Esimerkiksi Helsingin keskustassa suurempi osa asiakaspalvelun työntekijöistä joutuu turisminkin takia puhumaan tai ainakin ymmärtämään useaa kieltä. Esimerkiksi ruotsalaisia turisteja on paljon, mikä tekee myös suomenruotsalaisten asioinnista silloin helppoa ja yksinkertaista. Monipuolisia palveluita ovat esimerkiksi eri maiden erikoisempiin tuotteisiin erikoistuneet liikkeet, jolloin tutut ruoat ovat helpompia valmistaa esimerkiksi maahanmuuttajataustaisissa perheissä. Itäinen Helsinki on lisäksi usein halvempaa asuinaluetta, kuin keskustan lähellä, mikä nostaa siellä asuvien vielä kieltä opiskelevien maahanmuuttajien määrää: korkeapalkkaista työtä voi olla vaikea saada Suomessa, sillä ne usein vaativat kielen todella hyvää osaamista – korkeastikin koulutetut joutuvat tyytymään matalapalkka-alojen töihin.
Harjoittelimme luennon lopuksi useiden rasteriaineistojen yhdistämistä toisiinsa ja uuden tiedon luomista niiden pohjalta. Käyttäen QGIS:in tarjoamia rasterityökaluja yhdistimme laserkeilausaineistoa tavalliseen karttalehteen ja loimme näin uuden karttatason, joka sisälsi molempien tietoa. Alueen laserkeilausaineisto oli todella tarkkaa mutta mustavalkoisena valokuvana sen käyttö oli pelkällä ihmissilmällä lähes mahdotonta. Oli todella hienoa oppia, miten siihen sisältyvä korkeustieto tuli näkyviin muutamalla klikkauksella korkeuskäyrinä ja rinnevarjostuksena, joita pystyi heti hyödyntämään paljon monipuolisemmin.
Rinnevarjostuksen ja korkeuskäyrien käyttäminen yhdessä paljasti alueelta paljon sellaisia yksityiskohtia, joita ei muuten olisi voinut havaita ehkä edes paikan päällä. Esimerkiksi laserkeilausaineiston korkeustiedon takia luodusta korkeuskäyrästöstä on helppo erottaa alueella esiintyvä keidassuo. Pelkän yksittäisen aineiston perusteella sen erottaminen olisi vaatinut jonkun, joka on ammattitasolla oppinut erottamaan sellaisen. QGIS mahdollisti kuitenkin myös meille opiskelijoille mahdollisuuden löytää niinkin hienon paikan.
Kuva 2. Pornainen esitettynä rasterikartassa, johon on lisätty rinnevarjostus sekä korkeuskäyrät.
Luennon lopuksi työstimme kuvassa 2 näkyvää aineistoa lisää seuraavaa kurssikertaa varten. Olemme jo aiemmilla kursseilla digitoineet karttoja merkitsemällä niiden teitä ja rakennuksia, mutta tällä kertaa teimme myös tämän QGIS -ohjelmistoa käyttäen. Merkitsimme viivatyökalulla karttaa alueen suurimmat tiet ja sen jälkeen alun perin mustalla merkityt asuinrakennukset. Vaikka vielä meille ei kerrottukaan tarkkaan mikä seuraavan kurssikerran tarkoitus on, oli hyvä saada tietää, että nämäkin työkalut löytyvät QGIS:istä itsestään, eikä esimerkiksi vektoriaineistoa jonkin alueen tiestöstä välttämättä ole pakko luoda toisia sovelluksia käyttäen.
Lukemalla muiden blogipostauksia nousi mieleeni erityisesti jo vähän luennolla meille vihjailtu piirre siitä, kuinka paljon ruutuaineistossa ruutujen koko vaikuttaa siinä olevaan tietoon. Sanna kertoi blogissaan (https://blogs.helsinki.fi/smjantun/) kokeilleensa 250m x 250m kokoisia pieniä ruutuja, mitä en itse ollut uskaltautunutkaan kokeilemaan, jotta tietokoneeni ei joutuisi laskemaan niitä todella kauan. Sannan mukaan QGIS kuluttikin tähän paljon aikaa, mitä itse oletin myös käyvän. Juuri tämän takia käytinkin itse esimerkkinäni lähinnä jo tunnilla valmistettua aineistoa, jotta saisin siitä eniten irti. Hyvin pienikokoisesta kartasta kuitenkin tuntui oppivan myös tätä kautta paljon ja osaan varautua siihen, mitä tulen kokemaan jos joskus joudun pohtimaan tällaista aineistoa itse.
Lähteet:
https://blogs.helsinki.fi/smjantun/2021/02/11/ruutuleikkeja/, luettu 15.2.2021