Author: Eemil Haapanen

Viides kurssikerta alkoi tuttuun tyyliin valmiita ohjeita seuraillen. Turvallisuudentunne ei kestänyt kuitenkaan kauaa: Kun alun harjoitustehtävän bufferit oli saatu kuntoon, päästtiin huomattavasti itsenäisemmän QGIS-koettelemuksen pariin. Eri tietokantoja ja aikalailla kaikkia tähän mennessä opeteltuja (tai ainakaan omaan muistiin jääneitä) analyysityökaluja käyttäen lopputuloksena oli etenkin ajattelutyöhön verrattuna suhteellisen vaatimaton taulukko kysymyksistä ja niihin löydetyistä vastauksista:Taulukko 1

Viimeiseen tehtävään littyen päästiin kuitenkin työstämään myös visuaalisempaa tuotosta, aiheena putkiremontit. Tarkemmin sanottuna aikaan saadun kartan tarkoitus on vertailla eri kaupunginosia niiden putkiremonttialttiuden kannalta. Jokaiselle kartan alueelle on siis laskettu niinsanottu putkiremontti-indeksi, eli vuosina 1965-1970 rakennettujen, erittäin todennäköisesti putkiremontin kohteeksi pian joutuvien tai jo joutuneiden, kerrostalojen osuus alueen rakennuskannasta. Indeksi on ilmaistu prosentteina sekä koropleettikartan väreinä, ja yksittäiset putkiremonttialttiit kerrostalot sinisinä pisteinä kartalla. Täysin värittömäksi jääneillä alueilla ei kriteerit täyttäviä putkiremonttikohteita ole ollenkaan.Kartta 1. Pääkaupunkiseutu ja potentiaaliset putkiremontit.

Kartalta huomataan, että remonttifirmojen tulonmuodostus tulee tapahtumaan erityisesti Itä-Helsingissä. Pienempiä kerrostalokeskitymiä näkyy esimerkiksi Lauttasaaressa sekä kantakaupungin pohjoispuolella.

Kokonaisuutena kurssikerta oli ehkäpä tähän mennessä opettavaisin. Itsenäisempi työskentelytapa pakotti epävarmuuden (ja välittömän Artun paikallepyytämisen) sijasta kokeilemaan asioita ihan oikeasti oman ajattelun kautta, ja toivottavasti ainakin välillä myös onnistuneesti. Jos tämänhetkisiä QGIS-taitoja pitäisi arvioida, niin omat vahvuuteni ovat varmasti visualisoinnissa, eivät niinkään tietokantojen pyörittelyssä. Etenkin viimeisimmän karttatuotoksen kanssa taistelua riitti kohtuullisen pitkälle iltaan asti.

 

Neljännen kurssikerran aiheina olivat ruutukartat sekä rasteriaineistot. Ensimmäisenä näistä perehdyttiin ruutukartan tuottamiseen ja sen visualisointiin, tarkastelun kohteena pääkaupunkiseudun asujaimisto. Tietokantaliitosten ja muutaman QGIS-kaatuilun jälkeen saatiinkin aikaiseksi Ruotsinkielisten osuutta väestöstä kuvaava ruutukartta. Blogitehtäväksi jäi näin ollen tuottaa vastaavantyyppistä jälkeä itsenäisesti, omilla muuttujilla.

Valitsin karttani aiheeksi eläkeläisten jakautumisen pääkaupunkiseudulla. En lähtenyt kuvaamaan aihetta absoluuttisilla muuttujilla, vaan suhteutin eläkeikäisten määrän ruutujen asukasmääriin. Eläkeläisten osuus kuvautuukin kartalla siis prosentteina.

Kartta 1, Eläkeläiset pääkaupunkiseudulla, ruutukoko 500x500m

Kartalta on välittömästi huomattavissa eläkeläisvaltaisten ruutujen keskittyminen alueen reunamille, sekä muutamaan kasaumaan kantakaupungin pohjoispuolella, Itä-Helsingissä sekä Espoossa.

Esityksessä on kuitenkin yksi selkeä epäkohta: Etenkin kartan reuna-alueiden tummimpien ruutujen selityksenä on usein alueen harva asutus, ei sinänsä eläkeläisten keskittymä; joihinkin ruutuihin saattaa nimittäin osua vain yksi talo. Jos tässä talossa sattuu asumaan vaikkapa eläkeläispariskunta, värittyy koko ruutu tietysti eläkeläisprosentiltaan 100:aan. Välttääkseni mahdollisia yhden talon tuottamia ruutuja, kokeilin visualisoida samaa ilmiötä myös suuremmilla, 2000x2000m kokoisilla ruuduilla. Tällä sakaalalla tiheästi asutetut alueet, kuten kantakaupungin ympäristö, muuttuivat lähes tasaiseksi oranssiksi, kun taas yhden kotitalouden ruutujen puuttuessa kartan reunat tasoittuivat huomattavasti.

Päätin näin ollen yrittää mahduttaa molempien ruutukokojen edut yhdelle kartalle. Käytin siis harvaan asutuilla alueilla suurempaa, 2000x2000m ruutukokoa säilyttäen silti tiheästi asuttujen alueiden yksityiskohtaisemman, pienen ruutukoon.

Kartta 2, 2000x2000m ja 500x500m ruutujen yhdistelmä

Lopputuloksena syntynyt yhdistelmäkartta on ulkoasultaan varsinkin ensisilmäykseltä ehkäpä hieman sekavampi kuin yhden ruutukoon versio, mutta eläkeläisosuuksiltaan varmasti kuvaavampi. Karttaa voitaisiin käyttää vaikkapa vanhuspalvelujen sijainnin suunnitteluun, tai asuntomarkkinoiden tulevaisuuden ennustamiseen: Vanhojen ihmisten asunnot tulevat todennäköisesti lähivuosina vaihtamaan omistajaa.

 

Toinen blogitehtävä oli jokseenkin suoraviivaisempi. Tarkoituksena oli vertailla itse rasteriaineistosta tuotettuja korkeuskäyriä maanmittauslaitoksen peruskarttalehden versioihin samalta alueelta.

Erot painottuivat erityisesti korkeuskäyrien tarkuuteen. Oman tuotoksen käyrät osoittautuivat paikoin huomattavasti rosoisimmiksi, kuin karttalehden pehmennetyt versiot.

Kuva 1. Korkeuskäyrät ovat huomattavasti pehmeämpiä karttalehdellä (oikealla).

Jotkin kohteet erottuivat kuitenkin huonommin, tai jäivät kokonaan pois karttalehdeltä. Tästä tyypillisimpänä, ja lähes jokaisen blogissa esiintyneenä esimerkkinä Lampisuon matala kumparemainen keidassuo.

Kuva 2. Karttalehdellä näkymätön keidassuo paljastuu selkeästi itse tuotetuilla korkeuskäyrillä (vasemmalla).

 

Kolmas kurssikerta. Aamun gis-retriitti lähti liikkeelle ilman sen suurempia teoriaosuuksia, aiheena oli tietokantojen kanssa tomiminen sekä niiden yhdistely. Edellisen kurssikerran aiheuttama itsevarmuus QGISsiin oli pian menneisyyttä, ja afrikan tietokannat jokseenkin sekaisin. Harjoituksesta selvittiin kuitenkin kunnialla ja fokus siirtyi pian itse blogitehtävän pariin.

Tarkoituksena oli luoda Suomen valuma-alueiden ominaisuuksiin keskittyvä kartta. Pääasiallisena sisältönä kartassa ovat valuma-alueiden tulvaindeksi, sekä samojen alueiden järvisyysprosentti.

Tulvaindeksikartta.

Kartan värimaailmaksi valitsin jyrkät vastavärit. Oranssit sekä siniset estävät jo valmiiksi kovin tukkoisen kartan informaation sekoittumisen tasapaksuksi värimössöksi. Järvisyysprosenttia päätin, hieaman ohjeista poiketen ja Laura Aholan blogista mallia ottaen, ilmaista erisuuruisina ympyröinä. Päätin myös lisätä palloihin prosenttiosuuden, joka on myös tapauskohtaisesti ilmoitettu numerolla. Ympyrävalinnankin taustalla on selkeys: pylväsdiagrammeja lukiessa on vaikeampaa etenkin pienten valuma-alueiden keskittymien kohdalla hahmottaa mille alueelle mikäkin pylväs kuuluu. Toisaalta numerona ilmoitetusta prosentista voi kartanlukija myös helposti päätellä järvi- ja maapinta-alan suhteen. Eivät ympyrätkään täydelliseksi osoittautuneet, mutta ainakin allekirjoittaneen mielestä vaihtoehto toimi paremmin. Järvisyysprosentin yhteyteen lisätyn maapinta-alan kuvaajat päätin jättää kokonaan kartalta pois. Esitys on jo sen verran täynnä, etten juurikaan nähnyt lisäarvoa vielä yhden lisätekijän visualisoinnissa. Loppusilaisuna päätin vielä lisätä mukaan muutaman viikon takaa tutun itämeren vesialueen karttatason, ehkä tämä ainakin jollain tavalla selkeyttää maa- ja merialueiden eroa kartalla. Jälkeenpäin ajateltuna jokseenkin turha operaatio, samaan tulokseen oltaisiin päästy yksinkertaisella taustavärin muutoksellakin.

Kartta on suhteellisen helppolukuinen. Toki etenkin rannikoilla valuma-alueet ja järvisyysprosentit kasautuvat ikävästi, mutta QGISsin diagrammityökalun aiheuttaman päänsäryn magnitudin johdosta päätin hyväksyä kyseisen epäkohdan.

Karttaa tulkitessa hahmottuu ainakin yksi riippuvuus välittömästi: Järvisyysprosentti näyttäisi olevan kääntäen verrannollinen tulvaindeksin kanssa. Tämä on tietysti selitettävissä järvien vaikutuksella suurten vesimäärien käyttäytymiseen vesistöalueilla. Tulvan aiheuttaja on suomessa mitä todennäköisimmin sade, tai lumen sulaminen, jotka molemmat lisäävät joissa virtaavaaa vesimäärää. Alueella, jossa on paljon järviä, voi osa vedestä pakkautua näihin vesialtaisiin, kun taas vähäjärvisellä alueella kaikki vesi valuu suoraan jokiin. Näin ollen vähäjärvinen valuma-alue on siis suuremmassa tulvariskissä.

Lähteet:

Laura Aholan kurrsiblogi, kurssikerta 3: https://blogs.helsinki.fi/lauahola/

Toisen kurssikerran teemana oli tutkia erilaisten karttaprojektioiden vaikutusta kartoilla kuvattujen alueiden muotoon, etäisyyksiin sekä pinta-aloihin. Ilmiöön tutustuttiin aluksi suorittamalla muutamia etäisyyden mittauksia ja niiden tulosten vertailuja eri projektioiden välillä. Suomea ainakin pinta-alojen kannalta dramaatisimmin vääristäväksi projektioksi löydettiinkin tuttu Mercatorin projektio.

Perjantaiaamun haastavampi osuus alkoi, kun projektioiden aiheuttamia pinta-alavääristymiä alettiin visualisoimaan. Tarkoituksena olisi siis muodostaa karttaesitys, josta selviää kuinka paljon pinta-ala vääristyy eri karttaprojektioiden välillä, ja miten vääristymät poikkeavat eri puolilla Suomea. Valitsin tarkastelun kohteiksi Mercatorin projektion (Sphere Mercator, epsg 53004) sekä YK:nkin tunnuksesta tutun oikeakeskipituisen tasoprojektion (North Pole azimuthal equidistant, epsg 102016). Molempien karttojen pinta-alojen vertailupohjana toimii Lambertin oikeapintainen tasoprojektio (ETRS LAEA, epsg 3035).

Kartta 1. Vertailussa Mercator ja Lambertin oikeapintainen projektio.

Ensimmäisestä kartasta huomataan välittömästi, että pinta-alaerot kasvavat kohti pohjoista. Pinta-alojen vääristymät ovat myöskin todella suuria. Molemmat havainnot selittyvät luonnollisesti sillä, että Mercatorin lieriöprojektio “sivuaa” päiväntasaajaa, josta Suomi on suhteellisen kaukana ja siksi pinta-alaltaan suhteettoman suuri.

Kartta 2. Oikeakeskipituisen tasoprojektion tuottamat pinta-alaerot.

Toinen kartta on lähes täydellinen vastakohta ensimmäiselle. Tämä pätee sekä suurimpien ja pienimpien vääristymisen jakautumisen osalta, että pinta-alaerojen koon kannalta. Pinta-alan vääristymät ovat nyt vain muutamien prosenttejen luokkaa, mikä johtuu oikeapituisesta tasoprojektiosta, mutta myös Suomen pohjoisesta sijainnista.

Kokonaisuutena toinen kurssikerta oli kohtuullisen menestykseskäs. QGIS alkaa jo vaikuttamaan hieman lähestyttävämmältä, ainakin edellisiin kokemuksiin verrattuna.

Ensimmäinen kurssikerta alkoi raikkaan kuulaana talviperjantaina klo 8:15. Ohjelmassa oli tehokas kertauksenomainen alkuperehdytys geoinformatiikkaan, jonka jälkeen päästiin aamun todelliseen asiaan. Tarkoituksena olisi ottaa haltuun kokonaan uusi geoinformatiikkaohjelma, QGIS.

Edellisiltä kursseilta tuttuun Coreliin verrattuna kyseessä on huomattavan erilainen ohjelma. Jo nimestäänkin päätellen QGIS on ensisijaisesti geoinformatiikkaan suunnattu työkalu, joten ainakin itselle suurin osa ominaisuuksista, tai ainakin niiden käyttö, oli täysin uutta. Tuntemattoman ohjelman tuottaman kulttuurishokin jälkeen kartanteko alkoi kuitenkin vähitellen luistamaan, vaikka pariin otteeseen Corelia tulikin ikävä. QGIS:in avulla erilaisiin tasoihin liitetyn datan analysointi, suodattaminen ja visualisointi olivat kurssikerran ydinaiheita. Näitä keinoja käyttäen tarkoituksena oli saada aikaan kartta Itämeren typpipäästöjen jakautumisesta rannikkovaltioiden välillä. Lisäksi kartalle visualisoitiin merialueen pohjanmuotoja syvyyskäyrien avulla. Alla nähtävillä oma kyhäelmäni.

Kartta 1. Itämeren typpipäästöt vuodelta 2016

Omasta mielestäni kartan ulkoasu on selkeä ja tärkein informaatio välittyy tehokkaasti. Yksivärinen skaala on visuaalisesti helppo liittää typpimääriin, sillä korkeampi typpipitoisuus tarkoittaa aina tummempaa väriä. Syvyyskäyrät havainnollistavat pohjanmuotoja päällisin puolin hyvin, mutta tarkempi tulkinta on jo huomattavasti vaikeampaa. Ero vaikkapa 100 ja 200 metrin syvyyden välillä on suhteellisen vaikea huomata sinistä pohjaa vasten. Selkeyden vuoksi valitsin muun kartan väriksi neutraalin harmaan vältääkseni mielikuvaa, jossa koko eurooppa tuottaa 3,2 prosenttia Itämeren typpipäästöistä. Puna-oranssilla väriskaalalla 3,2% päästöt ovat väriltään nimittäin suhteellisen lähellä yleistä kartan maa-alueiden pohjaväriä. Itseltä tämä olisi mennyt ohi, ideasta kunnia Elina Huhtiselle, kenen blogiin kartan värimaailma pitkälti perustuukin.

Jälkeenpäin ajateltuna karttaa olisi ehkäpä voinut rajata agressiivisemminkin, tarkasteltavaan aiheeseen ei tuo juurikaan lisäarvoa näyttää kartalla koko Keski-Eurooppa, kookas pala Venäjää ja jopa puolikas Britannia. Myös legenda on pienehkö. Tähän syynä ensisijaisesti se, että ainakin pikaisella bloginmuokkauksella kuvan maksimikoko muuhun sivuun nähden on suhteellisen rajallinen.

Kurssikerran toisena karttatehtävänä oli tuottaa jonkinnäköistä visualisaatiota Suomen kunnista. Tehtävä oli jaettu vaikeustasoihin, joista oma gis-velhouteni riitti tällä kertaa vain ensimmäiseen.

Kartta 2. Eläkeläisten osuus Suomen kuntien väestöistä vuonna 2015.

Toisessa kartassani pitäydyin edelleen tehokkaan yksinkertaisella linjalla, tummempi sininen edustaa suurempaa prosenttiosuutta. Oletetusti kasvukeskukset erottuvat vaaleana, syrjäseudut tummana.

Ensimmäinen blogipostaus tehty, tyylikkään viimetingassa tietenkin – seuraavaan kurssikertaan postaushetkellä roimat 12 tuntia.

Lähteet:

Elina Huhtisen kurssiblogi, Viikko 1 – QGIS ja siihen perehtyminen https://blogs.helsinki.fi/huhelina/