Harjoitus 4
MAA-202 Geoinformatiikan menetelmät 1 / Albert Lenkiewicz
Ruutuja ja rasteria
Neljännellä kurssikerralla otimme haltuumme kolme suurta kokonaisuutta: ruutukartat, pistemuotoiset aineistot sekä rasteriaineistot. Kurssikerran lopuksi ja itsenäistehtäväksi jatkuen käytimme QGIS-ohjelman piirtämisominaisuutta. Ruutuaineiston itsenäistätehtävässä valitsin esitettäväksi muuttujakseni ikäjakauman keskiarvon pääkaupunkiseudulla (Kuva 1). Halusin tarkastella, havainnollistuuko kartalle alueita, joissa ikäjakauma on merkittävästi erilainen. Oletukseni oli, että jotkin perinteisemmät alueet, kuten eteläinen Helsingin keskusta sekä Espoon vauraammat alueet tai tietyt pääkaupunkiseudun harvemmin asutut reuna-alueiden lähiöt voisivat olla ikäjakaumaltaan vanhempia. Laatiessani karttaa toukokuussa, huomasin, että nyt tuli ensimmäisen kerran vastaan asioita, jotka olin unohtanut lähes kokonaan. Niinpä seurasin luentotallennetta tiiviisti ja asiat palautuivatkin hyvin mieleen. Tärkeiksi perustaidoiksi koen ruudukon luomisen sen attribuutit määrittelemällä, sekä tiedon liittämisen ruudukkoon eli gridiin Select by location – ja Join attributes by location -toiminnoilla.
Karttani yhdeksän luokkaa on koostettu kymmenen ikävuoden välein luokasta 0-10 luokkaan 80-90 asti, mikä oli mielestäni perusteltua kyseisen muuttujan arvojen perusteella. Vastoin yleisiä periaatteitani värisokeuden suhteen, käytin tällä kertaa punaisen eri sävyjä. Yleisesti ottaen karttani kuvaa mielestäni esittämääni asiaa melko hyvin: iäkkäämpi väestö tuntuu kohdentuvan yhden hypoteesini mukaisesti reuna-alueille, ja nuorin väestö tuntuu myötäilevän metron ja junien kulkureittejä. Se on kuitenkin altis puutteellisesta tai jopa virheellisestä datasta johtuville vääristymille. Asutuksen tiiviys myös vaihtelee pääkaupunkiseudulla. Kartan alueellinen tulkittavuus ja luettavuus paranisivat huomattavasti, mikäli kuntien rajat ja jopa jotkin kaupunginosat olisivat merkittyinä.
Koen ruutukartan hyvin havainnollisena tapana esittää koropleetti- ja pisteteemakarttaa tarkempaa tietoa erityisesti, mikäli absoluuttistenkin arvojen välillä on gradientti. Tämähän on rasteriaineiston yleinen etu vektoriaineistoon verrattuna ja se pätee tästä kurssikerrasta viisastuneena myös karttavisualisointeihin. Ruutukarttojen luettavuus kärsii mielestäni melko nopeasti luokkamäärän kasvaessa, erityisesti käytettäessä saman värin eri sävyjä, sillä pienten ruutujen värit ainakin minun silmissäni vaikuttavat eri vahvuisilta ympäröivistä ruuduista riippuen. Aina värisävyn vertaaminen legendaan ei olekaan helppoa tai ainakin se voi käydä työlääksi. Mielipiteeni koettelemiseksi tutkin yksivärisiä karttoja myös Pinjalta (Pikkarainen 2021), Villeltä (Väisänen 2021), Elmolta (Holopainen 2021), Maijalta (Jalonen 2021), Miljalta (Mäki-Rahkola 2021) sekä Leolta (Niemi 2021), jonka kartassa ruudukoiden kuusikulmio-muotoon tottuminen vei minulta oman aikansa, ja heidän karttojaan tutkittuani pysyin näkemyksessäni. Vertasin esityksiä Heidin (Syrjäläinen 2021), Kasperin (Mickos 2021) ja Venlan (Sirola 2021) useampia eri värejä yhdisteleviin karttoihin ja totesin niiden olevan luettavuudeltaan parempia juuri selvemmin nähtävien luokkien eroavaisuuksien kannalta.
Korkeuseroja ja rasteria
Kurssikerran jälkimmäisen puoliskon aiheena oli Pornaisten alue, jonka puitteissa laadimme rasteriaineistojen korkeustietojen perusteella vinovalovarjostetun korkeusmallin sekä tutustuimme QGIS-ohjelman piirtämistoimintoon. Korkeuskäyrien laatimisen mahdollisuus ja helppous yllättivät minut ja saivat arvostamaan ohjelman ominaisuuksia entistä enemmän. QGIS-ohjelmalla luodut korkeuskäyrät (Kuva 2) ovat yksityiskohtaisempia verrattuna peruskarttalehden (Kuva 3) vastaaviin. Miljan (Mäki-Rahkola 2021) blogipostauksen “Kuva 5” kuvastaa hyvin yksityiskohtaisuuden tasoa. Peruskarttalehdellä korkeuskäyrien teräviä kulmia on pyöristetty, minkä havaitsin ja ymmärsin vasta nyt tämän vertailun myötä. Tähän pyöreyteen ja sulavuuteen tottuneena itse luodut korkeuskäyrät näyttivät ensi alkuun hieman karkeilta, mutta pidempiaikaisen tarkastelun myötä yksityiskohtaisuus alkoi viehättää. Molempien versioiden vastaavuutta reaalimaailmaan voisi verrata asettamalla vertailukohdaksi vinovalovarjosteen sekä tietenkin viime kädessä käymällä itse paikan päällä tutkimassa topografiaa. Näiden kahden eri korkeuskäyräversion voi todeta kuitenkin vastaavan varsin hyvin toisiaan.
Korkeuskäyrien sekä muun rasteriaineiston visualisointi on ekologian kannalta hyvin hyödyllistä. Minua kiinnostavat eri systeemitason kokonaisuuksien, kuten topografian, vesistöjen ja ilmaston vuorovaikutusten analysointi, jonka tukena juuri näiden elementtien alueellinen karttavisualisointi voi toimia.
Lähteet:
Holopainen, Elmo 2021, Elmblog, (https://blogs.helsinki.fi/elmblog21/) Luettu 30.5.2021
Jalonen, Maija 2021, Maijan blogi, (https://blogs.helsinki.fi/mmjalone/) Luettu 30.5.2021
MAA-202 Geoinformatiikan menetelmät 1 -kurssin kurssimateriaali 2021
Mickos, Kasper 2021, Kasperin Blogi, (https://blogs.helsinki.fi/kmickos/) Luettu 30.5.2021
Mäki-Rahkola, Milja 2021, MAA-202 -Kurssiblogi, (https://blogs.helsinki.fi/miljmaki/) Luettu 30.5.2021
Niemi, Leo 2021, Leo’s gis blog, (https://blogs.helsinki.fi/niemileo/) Luettu 30.5.2021
Pikkarainen, Pinja 2021, Pinjan blogi (maa-202), (https://blogs.helsinki.fi/pinjapik/) Luettu 30.5.2021
Sirola, Venla 2021, venlasir’s blog, (https://blogs.helsinki.fi/venlasir/) Luettu 30.5.2021
Syrjäläinen, Heidi 2021, Heidin blogi, (https://blogs.helsinki.fi/hesy/) Luettu 30.5.2021
Väisänen, Ville 2021, Villen GIS-blogi, (https://blogs.helsinki.fi/villvais/) Luettu 30.5.2021