Month: February 2022

Pisteestä pisteeseen

Saavun (lähes) virkeänä (lähes) ajoissa kampukselle neljännelle kurssikerralle. Kyseisen tunnin aiheena olivat piste- ja ruutuaineistot. Kerrankin kirjoittaessani tätä blogimerkintää suhteellisen aikaisin (aloitin jo kurssikerran aikana, aplodit siitä!) muistan hyvin päivän aikana käsiteltyjä aiheita. Pisteaineistot ovat erityisen tarkkoja paikkatietoaieistoja, joita voidaan kerätä lähes mistä tahansa. Pistemäiset kohteet kirjaimellisesti on kuvattu kartalla pisteenä. Piste itsessään voi sisältää runsaasti tietoa, kuten rakennuksen rakentamisvuoden tai talossa asuvien ihmisten keski-iän. Pisteaineistojen tarkkuuden ansiosta niitä voidaan hyödyntää esimerkiksi korkeusmalleissa ja aluejakojen kartoittamisessa.

Tarkin pisteaineistoista on laserkeilauksella tuotettu aineisto. Laserkeilausaineistoja tuotetaan keilaamalla maastoa useasta eri kulmasta ja suunnasta lasersäteiden avulla. Takaisin heijastuneiden pisteiden avulla voidaan muodostaa kolmiulotteinen malli, joka voi kuvata esimerkiksi maastoa, rakennuksia ja kasvillisuutta jopa senttimetrien tarkkuudella. Laserkeilauksessa tulee kuitenkin muistaa, että aineistosta joutuu siivoamaan sinne kuulumatonta aineistoa, kuten ihmisiä ja autoja. Eräs toinen aineistotyyppi on ruutuaineisto. Sen avulla voidaan kuvata laajaa aluetta ja sen sisältämää tietoa. Nämäkin ruudut perustuvat pisteaineistoon, jonka pohjalta ruutuihin on tallentunut ominaisuuksia.

Tuijotetaan ruutuja

Alla näkyy kurssikerralla tekemäni ruutuaineistot, jotka kuvaavat pääkaupunkiseudun ulkomaankansalaista, ruotsinkielistä ja muunkielistä väestöä. Mitä tummemmaksi väri menee, sitä enemmän ruudun sisällä asuu ruotsinkielisiä ja ulkomaisia ihmisiä.

Mielestäni kuvat onnistuivat aika hyvin. Pidän värimaailman harmonisuudesta, vaikkakin kuvassa 2 värit saattavat muistuttaa liikaa pohjakartan värejä. Perinteiseen koropleettikarttaan verrattuna ruututeemakartta ei ole erityisen tarkka, vaan se yleistää. Informatiivisuutta voisi lisätä esimerkiksi pienentämällä ruudun esittämän alueen kokoa. Myös legendan luokkia voisi lisätä: onhan aika paljon eroa, onko alueella 0 vai lähes 80 ruotsia puhuvaa henkilöä. Kokonaisuudessaan ruututeemakartta on oiva keino esittää tietoa laajalta alueelta ja saada yleiskuva datasta. Se ei kuitenkaan sovi esimerkiksi kunta- tai kaupunginosarajojen tarkasteluun, sillä ruudut usein ylittävät rajat. Jos siis halutaan tarkastella tietyn alueen dataa, on koropleettikartta varmempi valinta. Ruutukartoissa voidaan esittää absoluuttista tietoa (esim. yhden ruudun väestömäärä). Ruutukartasta ei kuitenkaan näe, miten tiiviisti tai mille alueelle väestö on sijoittunut. (Tilastokeskus, 2022).

Kartoistani huomaa, että sekä ruotsinkielinen että ulkomaalainen väestö keskittyy Helsinkiin ja sitä ympäröiville alueille. Helsingissäkin suuri osa kyseisistä henkilöistä asuu keskustan lähellä tai suurten teiden varrella. Ilmiö voi johtua monista eri syistä: monikieliset palvelut keskittyvät näille alueille tai alueella asuu myös muita yhteisöön kuuluvia. Monet kansainväliset työpaikat ovat myös keskittyneet keskustan alueelle.

Yleisesti koen karttojen kuitenkin kuvaavan hyvin sitä, mitä niiden pitääkin. Aloitimme myös tällä kurssikerralla tekemään seuraavan tunnin karttaa, mutta siitä lisää ensi viikolla!

Lähteet:

Tilastokeskus. 4.3 Ruutukartta. Tilastoteemakartat. Luettu 8.2.2022, saatavilla: https://tilastokoulu.stat.fi/verkkokoulu_v2.xql?page_type=sisalto&course_id=tkoulu_teemak&lesson_id=4&subject_id=3

Ensimmäistä kertaa luento onnistui minunkin osalta suurin piirtein hyvin. Osasin jopa itse tehdä ohjeita seuraten luennolla annetun harjoitustehtävän Afrikasta! Jostain syystä en kuitenkaan ollut tallentanut tuotostani OneDriveen, joten eikun kotona uusiksi. Toisaalta harjoitus oli suht helppo, joten lisätekeminen kotona varmasti vain opetti minua lisää. Olen itse tyytyväinen karttaani: se on siisti ja helposti ymmärrettävä.

Tunnin lopulla aloiteltiin itsenäisesti tekemään tulvakarttaa Suomesta. Ohjeiden mukaan tehtävä onnistuisi seuraten Afrikka-tehtävän vaiheita. Lukuisista yrityksistä huolimatta en mitenkään saanut join-komennolla MHQ:ta näkyviin tulva-alueen attribuuttitaulukkoon. Tunti oli kuitenkin jo lopuillaan ja päätäni särki, joten en viitsinyt vaivata mieltäni enempää vaan jätin tehtävän kotiin.

Kyseiseen karttaan olen kuluttanut monta kivuliasta tuntia ja muutaman QGIS kaatumisenkin. Muiden blogeista en juuri löytänyt apua ongelmaani, vaikkakin moni oli näköjään kamppaillut samalla tavalla tehtävän kanssa. Lopulta pitkän taistelun jälkeen pelkällä onnella ja kokeilulla taulukko toimi. Hiphei, vihdoin onnistuminen! Alla on nyt aikaansaamani tuotos. En viitsi edes mainita, kuinka kauan sitten itse järvisyysdiagrammin esiinsaamiseen kesti…

Olen tyytyväinen karttaani. Mielestäni valitsin värit hyvin ja kartta on selkeästi luettavissa.