Month: February 2024

Kurssin neljännen viikon teoriaosuuden aikana tutustuimme piste- ja ruutuaineistoihin. Pisteaineistoista oli esimerkkinä Physicumin aulasta tuotettu laserkeilauskuva, jonka korkea tarkkuus yllätti minut. Itse saimme kosketusta ruutukarttojen tekoon QGIS:n avulla.

Ruututeemakarttoja pääkaupunkiseudun ruotsinkielisistä

Tein aluksi ruututeemakartan ruotsinkielisten absoluuttisesta määrästä pääkaupunkiseudulla. Ruudut ovat neliökilometrin kokoisia. Teemakartan teko sujui mutkitta Artun ohjeita seuraamalla. Kuten luennolla opimme, ruutuaineistot pohjautuvat usein pisteaineistoihin ja näin oli myös meidän tekemämme ruututeemakartan kohdalla. “Select by location” -valintatyökalun avulla saimme rajattua ruudukosta käyttöömme vain ne ruudut, jotka sisälsivät pisteitä. Tämän jälkeen yhdistimme ruudukkoon “join attributes by location (summary)” -työkalun avulla pistetietokannasta tietoja. Olimme myös aiemmin rajanneet pistetietokannasta vain ne tiedot, jotka kiinnostivat meitä, jotta liitos olisi mahdollisimman sujuva eikä ohjelma kaatuisi liian suuren datamäärän takia.

Tämän jälkeen pääsinkin visualisoimaan karttaani. Valitsin luokkajaoksi “natural breaks” -jaon, sillä tämä etsii aineistosta luonnollisia katkoksia ja toimii sen vuoksi hyvin vinoutuneille aineistoille, jollainen tämäkin oli. Päätin jättää lopullisesta esityksestä joet ja järvet pois, sillä ne tekivät kartasta mielestäni sekavan, eikä niille varsinaisesti ollut tarvetta. Halusin kuitenkin saada kartalle näkyviin pääkaupunkiseudun kuntajaon, jotta ruotsinkielisten jakautumista voisi tarkastella kunnittain. En kuitenkaan halunnut kuntaviivojen häiritsevän kartan tarkastelua, joten tein niistä hieman läpikuultavat. Kartan visualisointi onnistui mielestäni hyvin.

Karttaa (kuva 1) tarkasteltaessa voidaan huomata, että ruotsalaisten määrä on suurin ydinkeskustan alueella ja yleisesti ottaen pienenee, mitä kauemmas ydinkeskusta mennään. Kartta kuitenkin esittää ruotsinkielisten asukkaiden absoluuttista määrää, eikä suhteuta sitä mihinkään. Kuten Stella Syrjänen blogissaan toteaa, on loogista, että ruotsinkielisten määrä on suuri siellä, missä on yleisestikin eniten asukkaita. Hän myös toteaa, että mikäli haluamme vertailla ruutuja/alueita keskenään, pitäisi luvut esittää suhteutettuna. Tämän vuoksi teinkin pääkaupunkiseudun ruotsinkielisistä myös toisen esityksen.

Tässä kartassa (kuva 2) olen visualisoinut ruotsinkielisen väestön määrän suhteutettuna ruudun/alueen koko väestön määrään. Tätä karttaa tarkasteltaessa voikin havaita, että ruotsinkielisten jakautuminen alueittain onkin lähes päinvastainen kuin kuvan 1 kartta antaa ymmärtää. Vaikka määrällisesti ruotsikielisiä on eniten ydinkeskustan alueella, suhteutettuna muuhun väestöön, heitä on eniten pääkaupunkiseudun reuna-alueilla.

Pitääkin siis olla tarkkana, millaisia arvoja esittää kartalla absoluuttisina, jotta ei anna kartan lukijalle vahingossa vääristynyttä kuvaa ilmiöstä. Syrjänen nostaa blogissaan esille myös toisen tärkeän seikan ruututeemakarttoja tehdessä, nimittäin ruutujen koon. Hän mainitsee, että niiden kokoa muuttumalla alueiden välisiä eroja voidaan joko kärjistää tai neutralisoida. Mielestäni onnistuin ruutukoon valitsemisessa kohtalaisen hyvin, alueet eivät ole liian pieniä, jolloin kartasta tulisi epäselvä, mutta ei myöskään liian suuria, jolloin kartan esittämä informaatio yleistyisi liikaa.

Rasteriaineistoja

Kurssikerran lopuksi pääsimme tarkastelemaan vielä rasteriaineistoja. Rasteriaineistojen kanssa pelaaminen liittyi seuraavaan kurssikertaan, ja valmistelimme aineistoa sitä varten. Yhdistimme neljä rasterimuotoista korkeusmallia yhdeksi korkeusmalliksi ja teimme sen avulla kartalle rinnevarjostuksen. Mielenkiintoinen fakta, joka jäi rinnevarjostuksista mieleeni oli se, että valo on niissä asetettu tulemaan 300 asteen kulmasta, sillä tällä tavoin useimmat ihmiset hahmottavat kuopat ja kohoumat oikein. 300 asteen tulokulma on valolle hyvin harvinainen luonnollisesti, joten tämä fakta oli hämmentävä ja jäin pohtimaan mistä moinen mahtaa johtua.

Kun korkeusmalli oli saatu tehtyä siirryimme digitoinnin pariin. Olen jo aiemmalla kurssilla päässyt digitoimaan, tosin Corel Draw -ohjelman avulla. Digitoinnista on jäänyt minulle ihan jees fiilikset, se oli mielestäni mukavan meditatiivista. Kuitenkin QGIS:n digitointityökalut olivat mielestäni hieman kömpelöitä käyttää, eikä digitointi näin ollen tuonut minulle tällä kertaa toivottua zen-olotilaa.

Lähteet:

Syrjänen, S. (2024). 4 viikko, Ruututeemakartta. https://blogs.helsinki.fi/stellasy/ Viitattu 14.2.2024

Kurssin kolmannella viikolla pääsimme harjoittelemaan tietokannan sisäisten tietojen yhdistämistä ja ikään kuin tietokannan “siistimistä”, sekä tietokantojen yhdistämistä toisiinsa. Yllätyin iloisesti, että aikaisemmilla kurssikerroilla harjoitellut toiminnot, kuten kartan värien muokkaus ja koropleettikartan teko  alkoivat jo luonnistua. Pystyin siis keskittyä paremmin uuden opetteluun.

Valuma-alueiden tulvaherkkyys ja järvisyys

Kurssikerran itsenäisessä harjoituksessa, josta valitsin helpomman version, pääsimme tekemään koropleettikartan Suomen jokien valuma-alueiden tulvaherkkyyksistä. Koropleettikartan päälle lisättiin vielä ympyrädiagrammi jokaisen valuma-alueen järvisyydestä. Näin ollen muodostui kumpaakin ilmiötä kuvaava teemakartta.

Kartan (kuva 1) tekeminen oli kohtalaisen helppoa, sillä olimme juuri kurssikerran alkupuolella harjoitelleet tehtävässä tarvittavia toimintoja toisella aineistolla. Pääsin siis heti tekemisen makuun. Ensin piti yhdistää toisesta tietokannasta keskiylivirtaaman tiedot, valuma-alueiden tietokantaan. Tämän jälkeen keskiylivirtaaman ja keskialivirtaaman avulla laskettiin (ylivirtaama jaettuna alivirtaamalla) valuma-alueiden tulvaindeksit uudeksi sarakkeeksi valuma-alueiden attribuuttitaulukkoon. Sitten tuotiin Excel-tiedostosta csv-muotoon tallennettu tiedosto kyseiseen QGIS-projektiin. Tästä tiedostosta saatiin tiedot alueiden järvisyydestä.

Ajattelin, että nythän minulla on kaikki tiedot mitä tarvitsen ja siirryin kartan visualisointiin. Koropleettikartan teko onnistui vaivatta, ja päädyin käyttämään Natural Breaks -jaottelua valuma-alueiden tulvaherkkyyden esittämisessä. Törmäsin kuitenkin ongelmaan yrittäessäni tehdä kartalle ympyrädiagrammeja, diagrammit olivat kaikilla alueilla samannäköisiä. Hetken asiaa pähkäiltyäni vieruskaverini Siiri Lehtisen kanssa, päädyimme siihen, että meidän täytyi laskea vielä maa-alueen osuus omaan sarakkeeseensa. Tämän tehtyämme alkoi homma vihdoin pelittää ja eri alueiden järvisyydet tulivat selkeästi näkyviin.

Tuskailin tuhottoman kauan kartan värien kanssa, eikä tulos vieläkään miellytä silmää. Mielestäni Taika Jaakkolan visualisointi on todella onnistunut, sillä värit miellyttävät silmää ja kartasta nousee selkeästi esille se tieto mitä, sillä halutaan esittää. Jäin pohtimaan myös olisiko minunkin ollut järkevämpi esittää tulvaindeksi keskiylivirtaaman ja keskivirtaaman suhteena. Jälkeenpäin karttaani tutkiessa huomasin, että kohdassa “alueiden tulvaherkkyys” pitäisi kylläkin lukea tulvaindeksi. Minun olisi myös Taikan tavoin pitänyt laittaa teemakarttaan selite siitä, miten tämä tulvaindeksi on laskettu ja mitä se kuvaa. Kartassa on siis paljon paranneltavaa. Lisäksi en ole tyytyväinen diagrammien esitykseen. Ne sotkevat mielestäni karttaa ja peittävät olennaista tietoa tulvaindeksistä. Tämän lisäksi ne ovat niin pieniä, ettei suurinta osaa pysty lukea ja ne menevät osin päällekkäin. Huomasin, että Laura Vitikka oli omassa kartassaan tehnyt diagrammeista hieman läpikuultavia, joka helpotti alla olevan koropleettikartan lukua jokseenkin. Tätä olisi kenties voinut hyödyntää lopputuloksen selkiyttämiseksi tai sitten asioista pitäisi vain tehdä kaksi rinnakkaista karttaa.

Kartasta (kuva 1) voidaan huomata, että kovin tulvaherkkyys on Suomen lounais- ja länsirannikolla. Sellaisilla alueilla, joilla järvisyysprosentti taas on suurempi, on tulvaherkkyys kovin alhainen. Tämä hämmensi minua enkä keksinyt asialle itse selitystä, päätin siis selvittää asiaa. Päädyin löytämään tiedon, että jos alueella on vähemmän järviä varastoimassa vettä ja tasaamassa jokien virtaamia, tulvii alueella herkemmin (vesi.fi, 2021). Toisaalta, kun asiaa ajattelee pidemmälle on aivan luontevaa, että jos vedellä ei ole niin suurta aluetta levitä jokien ja järvien sallimissa rajoissa, tulvii se helpommin yli äyräiden. Vesi.fi -sivustolla (2021) mainitaan myös, että meriveden korkeusvaihtelut voivat aiheuttaa tulvimista rannikoilla. Mietinkin siis voisiko tämä selittää osin kartalla (kuva 1) esiintyvää rannikkoalueiden tulvaherkkyyttä. Tulin kuitenkin siihen tulokseen, että koska tässä tulvaindeksi on laskettu jokien virtaamista, ei merenpinnan korkeusvaihteluilla ole osaa tai arpaa kyseisessä esityksessä.

Lähteet:

Jaakkola, T. (2024). Tietokantojen tunnelmissa – Konflikteja Afrikassa ja tulvia Suomessa. https://blogs.helsinki.fi/jztaika/2024/02/01/tietokantojen-tunnelmissa-konflikteja-afrikassa-ja-tulvia-suomessa/ Viitattu 6.2.2024

Vitikka, L. (2024). Kolmas kurssikerta. https://blogs.helsinki.fi/viclaura/ Viitattu 6.2.2024

Suomen ympäristökeskus. (2021). Tulvariskialueet. Vesi.fi https://www.vesi.fi/vesitieto/tulvariskialueet/ Viitattu 6.2.2024