Kuukausi: helmikuu 2021

Kategoriat
Elmblog

Aiemmin opittujen taitojen syventämistä (vk.7)

Kuva 1. Helsingin ja ympäröivien alueiden uima-altaalliset asuinrakennukset ja niiden määrä alueittain (kuvakaappaus, QGIS).

Tämä viikko vei minulta todella paljon aikaa. Lopulta sain kaiken kuitenkin tehtyä niinkuin pitikin, uskon. Välissä oli useita päiviä, jolloin en uskonut saavani kaikkea tehtyä. Erityisen hankalaksi muodostui tehtävä numero 2. Tehtävät olivat kuitenkin antoisia ja ne syvensivät ja herättivät muistista aiemmin opetettuja taitoja ja toimintoja. Tuloksena koen QGIS-ohjelmiston käytön paljon kätevämmäksi kuin ennen.

1. Oppitunti

Oppitunti alkoi tutustumisella Buffer-vyöhykkeisiin, joihin syvennyttiin viikon harjoituksen ensimmäisessä tehtävässä lisää. Tämä tunti oli hyvin mielenkiintoinen. Sen aikana pystyi hyödyntämään ja syventämään monia aiemmin opittuja QGIS-ohjelmiston tietoja ja toimintoja. Tehtävien toiminnot tuli itse pystyä päättelemään.

Etenkin ensimmäistä tehtävää oli todella mielenkiintoista tehdä. Siinä käytettiin toimintoja kuten Sum line lenghts, Intersection, Clip, Buffer, Select by location, Export selected features as sekä Statistics toolbox. Tehtävässä jopa digitoitiin itse kohteita. Hauskaa oli esimerkiksi selvittää opettajan kanssa minkä työkalun avulla kohteet voitaisin rajata vain Tikkurilan asuinrakennuksiin tehtävän kohdassa kaksi. Tähän käytettiin Select by value toimintoa ja postinumeroiden tietosaraketta. Malmin lentokentän käyttöönottovuoden selvitin kentän omilta nettisivuilta. Samalla etsin tietoa myös Helsinki-Vantaan lentokentän historiasta sen internetsivuilta. Malmin lentokenttä otettiin käyttöön toukokuussa mikä tarkoittaa sitä, että taulukon arvot eivät välttämättä ole täysin oikeat, sillä asuinrakennukset on luokiteltu valmistumisvuosittain. Alla on taulukko, jonka tein tehtävään liittyen.

Taulukko 1. Ensimmäisen harjoitustehtävän vastaukset. Malmin lentokenttä otettiin käyttöön vuonna 1938 nimellä Helsingin lentoasema. Helsinki-Vantaan lentokenttä valmistui Helsingin Olympialaisten vuonna 1952.

Toinen tehtävä oli haasteellisempi monesta syystä. Siirryin aluksi käyttämään koko pääkaupunkiseudun aineistoa. Aineisto oli kooltaan todella iso ja hidasti kaikkea tekemistä. Myös kaikkien asukkaiden summa oli niin suuri, että minun oli hankala tulkita lukarvoa. Esimerkiksi lukumäärä taajamien sisällä asuvista näytti  arvon ’1.00183e+06’. Siirryin lopulta käyttämään pienempää aineistoa jota käytettiin myös tehtävässä 1.

Huomasin myös, että muilla oli ollut ongelmia tämän tehtävän kanssa. Moni oli jättänyt tehtävän kokonaan tai osittain esittelemättä blogissaan. Tällainen epäsuora vertaistuki oli rauhoittavaa, sillä koin itseni tämän tehtävän kanssa ajoittain todella tyhmäksi. Tehtävässä ei mielestäni ollut lainkaan mitään hankalaa ennen sen viimeistä kohtaa ulkomaalaisten määrän laskennasta. En vain millään keksinyt miten voisin laskea niiden suhteellisen määrän kaikista polygoneista samanaikaisesti. Tajusin tämän kuitenkin vihdoin kun pari päivää myöhemmin tein tehtävää uima-altaista ja saunoista. Ennen sitä olin jo laskenut tehtävän viimeisen osan useaan otteeseen väärin. Kokeilin tehdä tehtävää yhteensä ainakin kolmena eri päivänä ja lopulta mielestäni onnistuin siinä. Kuitenkin sain jostain syystä eri tulokset kuin esimerkiksi Annika Innanen oli saanut.

Viimeisessä yrityksessäni ensimmäinen ongelma oli saada samaan karttatasoon molemmat prosenttilaskuun tarvittavat arvot. Sehän onnistui viimein varsin yksinkertaisesti tekemällä toinen Count-karttataso jo tehtyyn Count-karttatasoon. Field calculator taas laski prosenttiosuudet omaan sarakkeeseensa. Käytin laskentaan Select by value (greater or equal to) -saraketta ja Statistics toolbox –näyttöä. Kun jälkeenkäteen mietin, ehkä olisin voinut löytää laskentatavan myös Google-palvelusta sen sijaan että olisin pohdiskellut sitä usean päivän ja käyttänyt siihen kenties suhteettomankin paljon aikaa.  Alla on taulukko saamistani tuloksista.

Taulukko 2. Toisen harjoitustehtävän tulokset Vantaan väestötietokannan mukaan.
2. Omavalintainen harjoitustehtävä

Valtsin tehtäväkseni kaikista jännittävimmän aiheen eli uima altaat ja saunat. Uima-altaita koskeva tehtävä oli mielestäni erittäin mielenkiintoinen. En ollut tullut ajatelleeksi Suomessa olevan montaakaan uima-allasta. Ilmeisesti kuitenkin etenkin 1970-luvulla rakennettiin paljon altaita muun muassa Helsingin kerros- ja rivitaloihin. Helsingissä asuinrakennusten altaiden lukumäärä oli käyttämässämme tilastossa 770 kappaletta ja se oli mielestäni suuri määrä. Muille pääkaupunkiseudun kunnille jäi siis vain alle 100. Kenties tämä voi liittyä siihen kuinka Helsinkiä ympäröivissä kunnissa asui uima-altaiden suosion aikana huomattavasti nykyistä vähemmän asukkaita. Esimerkiksi Espoon väkiluku nousi vuosina 1972-1982 miltei 40 000 asukkaalla Helsingin väkiluvun laskiessa noin 30 000.* Toki on hyvä kuitenkin muistaa, että muuttoliikkeen lisäksi alueelliset muutokset kuntarakenteessa voivat vaikuttaa väestörakenteen muutoksiin.

Tein kartan uima-altaista merkaten siihen samalla niiden määrän kunkintyyppisessä asuinrakennuksessa. Tämä tulos havainnollistaa myös osittain sitä, minkä tyyppistä asuinrakennuskantaa missäkin päin Helsinkiä on. Tässä kartassa syvennyin lisää karttatulosteen tekoon ja löysin uusia toimintoja kuten reunusten tekemisen eri elementeille. Tämä mahdollisti legendan sijoittelun osittain kartan päälle menettämättä kokonaisuuden selkeyttä. Lisäksi käytin Opacity työkalua pohjoisnuolen kanssa. Asetin suuret polygonit saman sävyisiksi vihreäksi ja siniseksi, jotta asuinrakennusten pisteet tulevat esille. Löysin tavan valita jokaiselle pisteelle oman värin painamalla pistettä hiiren vasemmalla painikkeella niin, ettei tarvitse käyttää värien jatkumoa. Tämän kertaista kartoista tulikin kaikkein kauneimmat tekemäni.

Kuva 2. Helsingin ja ympäröivien alueiden uima-altaalliset asuinrakennukset ja niiden rakennustyypit. Kaikki uima-altaat eivät mahtuneet karttakuvaan ilman, että muiden karttatasojen polygonien reunat olisivat myös tulleet näkyviin. Tämän kartan päätarkoitus on kuitenkin antaa kuva siitä, mihin uima-altaat pääosin sijoittuvat.

Toiseen karttaan tein diagrammit uima-altaista ja lisäksi visualisoin saunojen suhteutetun määrän kartan taustalle. Oli mukava päästä vihdoin tekemään diagrammi, kun se aiemmin ei onnistunut. Se oli tällä kertaa hyvin helppoa, vaikka valmistauduin siihen varmuuden vuoksi katsomalla Youtube-esimerkin. Ainut hankala puoli diagrammin teossa oli se, että tulosteessa ne näyttävät suhteessa isommilta kuin projekti-ikkunassa. Jouduin pienentämään kokoa projektissa peri kertaa. Onneksi muokkaukset kuitenkin päivittyvät samalla myös tulosteeseen. Lisäksi etsin pitkään saraketta, josta saisin diagrammiin myös saunojen määrän. Löysin ratkaisun kuitenkin vasta kartan tehtyäni. Määrä täytyikin määrittää diagrammista erillisen Labels työkalun avulla. Lisäsin kuvakaappauksen numeromäärällisestä kartasta tämän artikkelin artikkelikuvaksi.

Koropleettikartan kanssa minulla oli taas hieman ongelmia. Tehtäviä tehdessä karttatasojen määrä kasvoi huimasti, onnistuneiden ja epäonnistuneiden kokeilujen myötä. Laskin ensin vahingossa saunat käyttäen uima-altaista johdettua Count
-karttatasoa. Ihmettelin pitkään miksi en saanut järkevän näköistä koropleettikarttaa aikaiseksi. Annikan GIS-blogi auttoi minua varmistamaan mikäli karttani oli oikeanlainen vai ei, sillä hän oli myös tehnyt saunojen määrästä koropleettikartan. Lisäksi Annika oli löytänyt Fix geometries työkalun, joka oli tehtävässä hyvin hyödyllinen. Oman karttani ero Annikan karttaan on, että valitsin luokittelun tavaksi Beautiful breaks toiminnon. Näin sain prosenttiosuudet tasaisiksi luvuiksi. Lisäksi Espoosta tuli näin mielestäni selkeämmän näköinen. Natural breaks toiminto teki viimeisestä luokasta todella laajan. Kun kartassa on paljon tummaa Espoon saunojen suhteellinen määrä korostuu vielä niin paljon, että se on mielestäni harhaanjohtavaa. Tummista alueista ei nimittäin tiedä onko saunallisia asuinrakennuksia esimerkiksi 70 % vai 100 %.

Kuva 3. Helsingin ja ympäröivien alueiden uima-altaalliset ja saunalliset asuinrakennukset. Saunallisten asuinrakennusten määrä näkyy suhteessa alueen kaikkiin asuinrakennuksiin. Asukkaita saunallisissa rakennuksissa on yhteensä 291075 ja uima-altaallisissa rakennuksissa 12170. Kartasta näkee, että saunoja on ylivoimaisesti eniten Espoossa. Helsingissä saunoja on suhteessa eniten Arabianrannassa. Uima-altaita taas on eniten Lauttasaaressa ja Länsi-Pakilassa Helsingissä.
3. Lopuksi

Voin sanoa olevani tämän viikon tuotoksistani ylivoimaisesti kaikkein ylpein. Opin tällä viikolla tähän mennessä eniten.

Lähdeluettelo:

Annikan GIS-blogi (https://blogs.helsinki.fi/anninnan/2021/02/18/harjoitus-5-sos-help-apua-ja-uima-allas-ja-saunakarttoja-pk-seudulta/ 23.02.2021, 19.00), Annika Innanen.

Elmblog (https://blogs.helsinki.fi/elmblog21/2021/02/06/uusien-toimintojen-harjoittelua-vk-5/ 23.02.2021, 17.55), Elmo Holopainen.

Helsinki-Malmin lentokenttä (https://www.malmiairport.fi/historia/ 19.02.2021, 16.05).   

Helsinki-Vantaan lentokenttä (https://www.finavia.fi/fi/lentoasemat/helsinki-vantaa/lentoasemalla/lyhyesti/historia 19.02.2021, 23.10), Finavia. 

how to make bar diagram in QGIS (https://www.youtube.com/watch?v=1M_0WuJw8Ys 29.01.2021, 16.15), INFORMAR PLANET.

Geoinformatiikan menetelmät 2021 kurssimateriaali, Arttu Paarlahti, Geoinformatiikan menetelmät 1 (MAA-201 Kevät 2021), Helsingin yliopisto.

Tilastokeskuksen PxWeb-tietokannat (https://pxnet2.stat.fi/PXWeb/pxweb/fi/StatFin/StatFin__vrm__vaerak/statfin_vaerak_pxt_11re.px/ 19.02.2021, 23.20), Tilastokeskus. 

Tietoa uima-altaiden rakentamisen ajankohdista löydettävissä muun muassa:
 Ovatko vanhat uima-altaat vielä luksusta? "On harhaluuloa, että käyttö on kallista" (https://yle.fi/uutiset/3-9458762 19.02.2021, 23.30), Yle.

 

Kategoriat
Elmblog

Rasterimuotoiseen aineistoon tutustumista (vk. 6)

Tällä viikolla kurssin opintojen rakenne oli päinvastainen kuin viime viikolla. Viikko alkoi ongelmilla, mutta loppua kohti ne ratkesivat. Viime viikon ongelmaksi selvisi se, että CSV-tiedoston lukuarvot oli tulkittu tekstinä lukuarvojen sijaan. Tämän vuoksi tulokseni eivät olleet toteutuneet. Myös muilla ryhmäläisillä oli ollut sama ongelma.

1. Oppitunti

Tällä viikolla kävimme ensiksi läpi tietoa aineistoista:

Pisteaineisto on tarkinta mahdollista tietoa ja pisteeseen voi lisätä minkätyyppistä tietoa vain. Lisäksi piste vaatii vain vähän muistitilaa. Pisteaineistossa ei löydy kohteen muotoja. Laserkeila -aineisto on tarkin mahdollinen pisteaineisto. Se kerätään laserkeilaimella, joka mittaa pisteitä joka suunnasta ja luo niiden mukaan kolmiulotteisen kuvan todellisuudesta. Pikselien sijaan laserkeilain tallentaa vokseleita. Kuvaukset tehdään sarjoissa, jotta virhemahdollisuus, ja kuvaamatta jääneet alueet tulisivat minimoitua. Laserkeilauksella on lyödetty paljon uutta maanmuotoihin liittyvää tietoa.

Tällä viikolla ongelmaksi syntyi tietopakettien lataaminen. En voinut totetuttaa ensimmäistä tehtävää luennon aikana, sillä koneeni ei lukenut isoa tiedostoa kunnolla. Tunnin lopulla selvisi, ettei vika ole luennassa vaan OneDrivesta ladatussa tiedostossa. Mikäli kansion latasi yksittäin, eikä koko OneDrive-kansiota kerralla, eivät tiedostot tallentuneet tietokoneelle kokonaisina.

Kuva 1. Juuri mitkään toiminnot eivät olleet mahdollisia, koska käyttämämme tiedosto ei ollut tallentunut koneelleni kunnolla (kuvakaappaus, QGIS).

Toisen tehtävän pääsin jo tekemään ongelmitta. Opimme sen avulla käyttämään rasterimuotoista aineistoa. Toisin kuin vektoriaineisto, rasteriaineisto on kallista tuottaa ja käyttää. Vanhempia aineistoja saattaa saada edullisemmin. Riippuen tuottajasta materiaaliin voi ostaa lisenssin tai ostaa itse aineiston. Nämä maksavat useita tuhansia.

Yhdistimme eri rasteriaineistoja toisiinsa ja teimme itse korkokuva -karttoja. Tämä oli hauskaa, sillä näin kuinka materiaaleja, joita käytimme Johdatus geoinformatiikkaan maantieteessä (MAA-104) kurssilla, on muodostettu. Tunnin lopuksi digitoimme itse kartta-aineistoa Pornaisten taajamasta seuraavaa luentoa varten. Tämä oli myös hauskaa sen jälkeen kun opettaja keksi miten väliaikaista Scratch layer:a voi käyttää digitoinnin helpottamiseksi niin, että kohteet voi tallentaa yhteisesti eikä erikseen joka klikkauksella.

Kuva 2. Tekemäni kartta Pornaisten taajamasta. Tummensin taustakartan, jotta digitoimani materiaali erottuisi selkeästi (kuvakaappaus, QGIS).

Tarkoitukseni oli tehdä vielä luennon ensimmäinen tehtävä itsekseni kotona. Kuitenkin elämä yllätti ja en löytänyt tälle vielä aikaa. Toivottavasti voin kuitenkin palata pian katsomaan luentoa ja laajentamaan tätä kirjoitusta.

_______________________________

Edit:

Tämän viikon teksti oli jäänyt aikataulusyistä ja luennon aikaisten ongelmien vuoksi heikoksi. Katsoin luennon uudestaan ja tein tehtävät tällä kertaa ongelmitta. Tulokset laitoin päivityksen loppuun kuvauksineen. Kertaus vahvisti taas taitojani ja luulen, että olen nyt löytänyt oman tyylini toteuttaa karttojen visuaalinen layout. Jälkikäteen huomasin, että Emmi Aarrelahti tekee myös hyvin samanlaisia karttoja kuin minä. Hän kehystää legendan aina, mikä selkeyttää karttakuvaa. Emmin kartat ovatkin todella kauniita katsella.

Huomaan myös, että Emmi on laittanut bloginsa Matkani Geoinformatiikan menetelmät 1 -kurssilla alkuun tekstilaatikon, joka ilmaisee blogin keskeneräisyyttä. Tämä on ihan todella älykkäästi tehty ja ihmettelen miksen ole itse sitä keksinyt. Sen sijaan olen pitänyt viimeisen kerran päivitystäni melkein valmiina luonnoksena odottamassa aikatauluni vapautumista. En ollut sitä julkaissut, jotta blogiani ei pidettäisi jo valmiina.

Kuva 3. Pornaisten Valkjärven ympäristöä. Karttaan on tehty Hillshade -korkeuskäyrät 1,5 (vasemmalla) ja 3,0 (oikealla) arvon vertikaalisella liioittelulla (neljä kuvakaappausta, QGIS).
Kuva 4. Pornaisten Valkjärven ympäristöä. Korkeuskäyrät esitetty viivamuotoisina (kuvakaappaus, QGIS).
Kuva 5. Pääkaupunkiseudun ruotsinkielisten asukkaiden määrä ruudukkoon jaettuina alueina. Luonnollisesti ruotsinkielisiä asuu paljon alueilla, joilla on muutoinkin paljon väestöä.
Kuva 6. Ulkokansalaisten asukkaiden määrä Helsinginniemellä ja sitä ympäröivillä saarilla. Valitsin alueen, sillä halusin kokeilla pienen ruudukon tekemistä. Kyseessä 100 m jaolla toimiva ruudukko.
Kuva 7. Helsinginniemen ja ympäröivien saarien asutus pisteaineistona. Yllätyin asumattomien alueiden suuresta määrästä Helsingin keskustassa. Rakennuskohtainen pisteaineisto kuitenkin osoittaa ylhäällä tekemäni kartan todenmukaisuuden. Näiden kahden kartan perusteella on helppoa päätellä keskustan puistojen ja teollisuusalueiden sijainnit.
Lähdeluettelo:

Geoinformatiikan menetelmät 2021 kurssimateriaali, Arttu Paarlahti, Geoinformatiikan menetelmät 1 (MAA-201 Kevät 2021), Helsingin yliopisto.

Matkani Geoinformatiikan menetelmät 1 -kurssilla (https://blogs.helsinki.fi/emaa/ 26.03.2021, 12.05), Emmi Aarrelahti.

 

Kategoriat
Elmblog

Uusien toimintojen harjoittelua (vk. 5)

Tällä viikolla opimme käyttämään useita yksittäisiä toimintoja ja työkaluja. Opimme yhdistämään alueita kokonaisuudeksi, tekemään tietokantaliitoksia ja tuomaan CSV-tiedostoja QGIS-ohjelmistoon.

1. Oppitunti

Tällä luennolla muokattiin itse tietokantoja. Katsoin luennon viikolla vielä uudestaan, sillä koin sen teemat tärkeiksi ja toiminnot yksinkertaisiksi. Yksinkertaisuuden vuoksi monet toiminnot unohtuvat helposti.

Opimme yhdistämään alueita toisiinsa usealla tavalla. Yhdistelimme sekä Toggle Editing valikon Merge Selected Features työkalulla yksittäisiä kohteita, että Processing Toolbox valikon Dissolve työkalulla kohteita koko tietokannan tasolla. Lisäksi opimme tekemään tietokantaliitoksia ja valmistelemaan Excel-tiedosto CSV-tiedostoksi QGIS-ohjelmistoa varten. Opimme vielä yhdistelemään eri tietokantojen tietoja Count points in polygon ja Join attributes by location (summary) työkaluilla.

Oppitunnin materiaalina käytimme Norjalaisen rauhantutkimusjärjestö PRIO:n materiaalia Afrikkaa koskien. Syvensin luennolla tehtyjä tutkimuksia konflikteista, timanteista ja maaöljystä vielä lisää myöhemmin. Halusin tutkia timantteja koskevaa aineistoa suhteessa aikaan. Tein uuden sarakkeen siitä kuinka monena eri vuonna timantteja oli kussakin maassa löydetty. Yllätyksekseni missään maassa timantteja ei oltu löydetty ripotellen vaan enemmänkin ryppäissä. Eri aikana löydettyjen timanttien luvut eivät olleet korkeita. Kuitenkin esimerkiksi Botswanassa oli löydetty yhteensä kuusi timanttia viitenä eri vuonna, eli myös harvemmin löytyviä timantteja oli.

Tutkimalla tarkemmin huomasin, että taulukon arvona oli joissain tapauksissa vuosiluvun sijaan arvo ’9999’. Oletan tämän tarkoittavan siitä, ettei kyseisen timantin löytövuosi ole tiedossa. Tämä heikensi tuloksiani huomattavasti, sillä tämän kaltaisia timantteja oli kokonaismäärästä noin puolet. Timantteja on siis saatettu kuitenkin löytää enemmän ripotellen. Tästä ei vain ole tallentunutta tietoa. Joka tapauksessa minulle selvisi, että vuonna 1946 oli löytynyt yhteensä eniten timantteja. Harmillisesti konfliktien tietokannassa tiedot alkoivat vasta vuodesta 1947, joten vuoden 1646 konflikteja ei voinut tutkia tarkemmin tästä timanttirikkaasta näkökulmasta.

Kuva 1. Afrikan mantereen luonnonvaroja PRIO:n tilastojen mukaan. Aineiston tiedot painottuvat 1900-luvun jälkipuoliskolle. Tutkimani timantit ovat kartassa kirkkaan sinisiä. Kuten kartasta näkyy timantit ovat löytyneet enemmän etelästä ja luoteesta päin. Botswanasta (Etelä-Afrikan yläpuollella keskellä) on löytynyt yhteensä 6 timanttia.
2. Harjoitustehtävä

Tämän tehtävän kanssa minulla oli paljon haasteita. Ensin tuli lisätä tietokantaan valuma_alueet puuttuvat ä ja ö -kirjaimet. Tämän jälkeen kaikki toimi hyvin hetken aikaa. Kuitenkin loppupuolella harjoitusta, kun piti tehdä diagrammi järvisyydestä, en onnistunut sen teossa. Jonkin täytyi mennä vikaan tietokantaliitoksessani tai CSV-tiedoston teossani. Ainoat kohteiden arvot, joita QGIS luki kunnolla olivat Laajoki, Kiiminginjoki ja  Kokemäenjoki. Tämän vuoksi ne olivat ainoat, joiden diagrammit tulivat näkyviin kartalle. Muiden tulva-alueiden diagrammit jäivät tyhjiksi. Tein vielä varmuuden vuoksi projektin toiseen kertaan. Tällä kertaa tapahtui samoin, vaikka pääsinkin hieman pidemmälle diagrammien teossa. Tutkin kuitenkin diagrammityökalua ja onnistuin löytämään monia ulkoasua muuttavia toimintoja työkalun sisältä. Erikoista oli se, että samat toiminnot eivät aina tuoneet samoja tuloksia kun niitä kokeili uudestaan. Lisäksi QGIS kaatui minulla useaan otteeseen ja toisen diagramminteon aikaisen kaatumisen jälkeen lopulta luovutin. Yritin etsiä apua muiden blogeista, mutta kenelläkään ei ollut suurempia ongelmia omien karttojensa kanssa. Kävin läpi esimerkiksi Lotan blogin, Sannan blogin, Annikan GIS-blogin ja Villen GIS-blogin ja hämmästelin kuinka hienosti he olivat saaneet diagrammit aikaisiksi.

Epäilen ongelmien syyksi kahta eri tekijää. Ongelma vaikuttaisi olevan, joko liitoksessa tai CSV-tiedoston luvussa. Se, että CSV-tiedostoni on koodattu tavalla, jota QGIS ei lue tarpeeksi hyvin, on yksi mahdollisuus. Tein tiedoston Mac -laitteen oletusmuotoisena (Unicode (UTF-8)). Vaihtoehtoja koodaukselle on kymmenittäin ja ne on nimetty eri tavalla kuin Windowsissa, joten en osaa sanoa mikä niistä olisi paras. Erikoista tiedostosta liitettyjen tietojen käytössä oli esimerkiksi se, kuinka atribuuttitaulukko näkyi päällisin puolin oikeanlaisena, mutta jos tietoja järjesti arvon mukaan se määritti esimerkiksi luvun 19,8 pienemmäksi kuin luvun 2,2. Toinen hankaloittava tekijä tämän viikon harjoituksessani voi kenties olla tietokoneeni muistitila? Tietokoneeni muisti on parhaillaan varsin täysi ja se voisi osittain selittää sen miksi QGIS kaatui minulla useamman kerran. Toki on yhä mahdollista, etten vain osannut käyttää diagrammien teon työkalua ja että se on kompleksisempi kuin luulen.

Kuva 2. Koropleettikartta Suomen jokien valuma-alueista niiden tulvaindeksin mukaan. Oranssit kohteet ovat tietokantaliitoksen kohteita, jotka reagoivat komentoihini ainakin jollain tasolla. Tässä visualisoinnissa minua harmitti, etten löytänyt tulostusikkunasta diagrammin nimelle uudelleenkirjoituksen mahdollisuutta. 
3. Lopuksi

Karttaa, joka sisältää tiedot jokien tulva-alueista ja alueittaisesta järvisyydestä, voitaisiin hyödyntää monessa asiassa. Tulva-alueet ovat tärkeitä rakentamisen ja maatalouden näkökulmasta. Myös järvisyys liittyy rakentamiseen. Esimerkiksi maisemoinnissa molemmilla tiedoilla on paljon merkitystä. Kenties järvisyyttä voisi hyödyntää johtamalla niihiin tulvivaa jokivettä tai luomalla tulvavedelle altaita alueille, joissa ei ole luonnostaan paljon järviä?  Myös matkailun kannalta molemmat tiedot ovat hyödyllisiä, sekä matkailukohteen näkökulmasta, että vesireittien näkökulmasta.

Tämä viikko alkoi lupaavasti ja luento meni hyvin. Kuitenkin loppua kohti viikko muuttui oikeaksi vaikeuksien kierteeksi. Opin kuitenkin tästä huolimatta paljon uutta ja toivottavasti jatkossa asiat etenevät taas kuten ensimmäisen kahden viikon aikana.

Lähdeluettelo:

Annikan GIS-blogi (https://blogs.helsinki.fi/anninnan/2021/02/04/harjoitus-3-tulvaindeksikartta/ 05.02.2021, 10.15), Annika Innanen. 

Geoinformatiikan menetelmät 2021 kurssimateriaali, Arttu Paarlahti, Geoinformatiikan menetelmät 1 (MAA-201 Kevät 2021), Helsingin yliopisto.

Lotan blogi (https://blogs.helsinki.fi/lottapuo/2021/02/02/3-kurssikerta/ 04.02.2021, 19.01), Lotta Puodinketo.

Peace Research Institute Oslo, (https://www.prio.org/ 03.02.2021, 18.00), PRIO. 

Sannan blogi (https://blogs.helsinki.fi/smjantun/2021/02/03/veritimantteja-ja-keskivirtaamia/ 05.02.2021, 21.30), Sanna Jantunen.

Villen GIS-blogi (https://blogs.helsinki.fi/villvais/2021/02/02/valuma-alueiden-tulvaindeksikartta/ 05.02.2021, 10.20), Ville Väisänen.
Kategoriat
Elmblog

Syventyminen QGIS -ohjelmistoon (vk. 4)

Tällä viikolla ensimmäisen luennon oppeja syvennettiin kertauksen kautta. Lisäksi opimme yhdistämään QGIS -ohjelmistoon tietolähteitä internetistä. Näitä kutsutaan rajapinnoiksi.

1. Oppitunti

Rajapintoja on neljää laatua:

  • WFS (Web Feature Service) on vektoriaineisto, jonka voi ladata myös omalle koneelle. Tämä on nopea tapa hakea aineistoa ja yhdestä osoitteesta löytyy lukuisia aineistoja.
  • WMS (Web Map Service) on rasteriaineisto, joka sopii esimerkiksi visuaaliseen esittämiseen. Se lataa karttanäkymän yhtenä tasona ja koostuu useammasta tasosta ja sisäkkäisestä ’palasta’. Tämä aineisto on hankalampaa työstää omalla koneella kuin WFS.
  • WMTS (Web Map Tile Service) on samankaltainen kuin WMS ja koostuu suuresta määrästä ’karttapaloja’.
  • WCS (Web Coverage Service) on montasoinen aineisto, joka hakee sisältöä rajatulta alueelta esimerkiksi karttalehtinä ja hyödyntää valmista aineistoa.

EU:n INSPIRE direktiivin ansiosta Euroopan alueella on velvollisuus jakaa tiettyyn tasoon asti ilmaista kartoitettua aineistoa. Tämä koskee myös rajapintojen materiaalia. Suomessa ja pääkaupunkiseudulla rajapinta-aineistoja on aktiiviisesti kehitetty ja erilaiset virastot voivat antaa aineistoa ilmaiseksi. Lisäksi yleisesti ottaen, mikäli on olemassa maksullinen ja maksuton vaihtoehto jo maksuton toimii yleensä hyvin. Analyysiin tarvitaan mahdollisimman tarkkaa aineistoa ja visualisointiin sopi materiaali, jossa on pienempi mittakaava.

Kuva 1. Oppitunnin työ. Kuvattuna Suomen kunnat 2020.
2. Harjoitustehtävä

Oppitunnin aikana opimme käyttämään WFS rajapinta-aineistoja. Lisäksi vertailimme erilaisten karttaprojektioiden vääristymiä ja niiden suhteita toisiinsa. Tätä on käyty läpi erityisen mielenkiintoisella tavalla esimerkiksi Annikan GIS-blogissa ja Lotan blogissa. Annika Innanen tutki Winkel Tripel ja Cassini projektioita, jotka molemmat vääristävät tulosta suhteellisen vähän. Cassini on mielenkiintoinen tapaus, sillä se on poikittainen projektio ja vääristymät eivät kasva vain pohjoiseen mennessä, kuten suurimmalla osalla projektioista. Löysin kyseisestä projektiosta myös mielenkiintoisen artikkelin, joka pohtii perspektiivin merkitystä maa-alan hahmottamisessa. Lotta Puodinketo taas antoi käytännön esimerkin siitä, kuinka projektiot voivat vääristää tuloksia. Suureet, jotka toimivat suhteessa pinta-alaan, tuottavat valheellisia tuloksia, mikäli projektio laskee pinta-alan väärin. Lotta vertasi Mercator ja Lambert projektioita tutkiessaan yli 65-vuotiaiden määrää Suomen kunnissa.

Itse tein oppitunnilla kartan Mercator projektion vääristymistä. Hyödynsin viimekertaista ajatustani lisätä useampi väri mikäli aluejakoja on visualisoinnissa useita. Päädyin kuitenkin kahden värin väliseen jatkumoon, sillä useampi väri loi jo liian erillisiä alueita yhtä etenevää muutosta kuvaavalle kartalle. Kuten muutkin ovat blogeissaan huomioineet Mercator projektion vääristymät ovat hyvin suuret. Sen käyttö pinta-alan mittauksissa olisi todella huono juttu.

Kuva 2. Taulukko eri projektioiden laskutuloksista.
Kuva 3. Mitattu alue yllä olevassa taulukossa. Valitettavasti alueellinen mittavalinta hävisi kesken laskennan. Suomen kunnat 2020. Ruskeat alueet ovat valinta-työkalulla luotu karttataso kuvaten kuntia, joissa on vähintään 1000 ruotsinkielistä asukasta (kuvakaappaus, QGIS).

Tunnin jälkeen tein uuden projektin ja tutkin siinä viiden eri projektion mittaustuloksia. Painoin kuitenkin harhaan ja mittaamani alueen valinta meni pois päältä. Tämän vuoksi kahdessa viimeisessä sarakkeessa ei ole tuloksia alueen pinta-alasta. Lisäksi tein mielenkiintoisimmasta tapauksesta eli Aitoff projektiosta vielä koropleettikartan. Verrattuna Mercator projektioon erot ovat hyvin pieniä, varsinkin verrattuna eri alueiden kesken. Lisäksi vääristymä kulkee koilliseen eikä suoraan pohjoiseen päin. Olen tyytyväinen tähän tekemääni karttaan ja ainut mitä muuttaisin on, että käyttäisin verrattavana projektiona Euroopan komission suosittelmaa Lambertin (EPSG: 3035) projektiota TM35FIN-projektion sijaan. Myös Albers Conic Europa projektiosta olisi mielenkiintoista tehdä koropleettikartta. Todennäköisesti lopputuloksena olisi kartta, jossa vääristymä kulkee pohjois-etelä suunnassa toisin päin.

Kuva 4. Harjoitustyö. Kuvattuna Suomen kunnat 2020. Käänsin tässä listatut legendan värit toisin päin, jotta ne olisivat loogisemmat karttakuvaan verrattuna.
3. Lopuksi

QGIS -ohjelmiston perustoimintojen käyttö on jo hyvin rutinoitunutta. Erityisesti tulostusikkunan käyttö on ollut minulle helppoa. Kenties koska olen tottunut kuvankäsittelyohjelmiin. Myös WFS aineistojen käyttö oli hyvin yksinkertaista. Kuitenkin yleisesti käytössä minulla oli yksi ongelma, jonka huomasin tapahtuneen monelle muullekin. Esimerkiksi juuri Lotalle. Osa karttatasoista ei toiminut kunnolla, tai hävisi näkymästä työskentelyikkunassa. Tämä johtui ainakin minulla siitä, että tasot olivat temporary scratch -tasoina. Ne siis ohjelma suljettaessa pyyhkiytyivät pois ellei niitä erikseen tallentanut. Toinen ongelma minulla oli valintatyökalun kanssa kuten tekemäni taulukko osoittaa.

Kirjalliset lähteet:

Lähdeluettelo:

Annikan GIS-blogi (https://blogs.helsinki.fi/anninnan/2021/01/27/harjoitus-2-pinta-alojen-vertailu-eri-projektioissa 01.02.2021, 10.05), Annika Innanen. 

Geoinformatiikan menetelmät 2021 kurssimateriaali, Arttu Paarlahti, Geoinformatiikan menetelmät 1 (MAA-201 Kevät 2021), Helsingin yliopisto.

INSPIRE, (https://www.maanmittauslaitos.fi/kartat-ja-paikkatieto/paikkatietojen-yhteentoimivuus/inspire 01.02.2021, 09.35), Maanmittauslaitos. 

Lotan blogi (https://blogs.helsinki.fi/lottapuo/2021/01/27/2-kurssikerta-toimintojen-kertausta 01.02.2021, 10.25), Lotta Puodinketo. 

The Cassini Projection: How Should Earth Be Portrayed? (https://blog.richmond.edu/livesofmaps/2014/10/29/the-cassini-projection-how-should-earth-be-portrayed 01.02.2021, 10.30), Ryan O'Reilly. 

Web Coverage Service, (https://www.ogc.org/standards/wcs 01.02.2021, 09.30), The Open Geospatial Consortium.