4. kurssikerta ja Ensikosketus rasteriaineistoihin

 

Neljännellä kurssikerralla tarkoituksena oli opetella ensin muuttamaan pisteaineistoa ruutuaineistoksi. Ensin laadittiin halutun kokoinen ruudukkopohja (tässä tapauksessa 1km x 1km), jonka avulla tieto voidaan esittää. Ruudukkopohjaa hyödynnettiin tunnilla väestöaineiston esittämisessä.  Kurssikerralla luodussa kartassa (kuva 1.) tarkasteltiin ruudukon rajaaman alueen vanhinta taloa. Kartan laatiminen onnistui tällä kertaa ilman mitään ongelmia ja pysyin lähes koko tunnin kärryillä. Osasyynä tähän oli varmasti ennen aikaista aamutuntia nukutut hyvät yöunet ja rauhallisen pessimistiset odotukset kurssikerran kulusta. “QGis olisikin hyvä avata todellisessa zen-tilassa parhaiden tulosten saamiseksi” Janina Vikman toteaa blogissaan, ja olen täysin samaa mieltä.

Ruututeemakarttoja

 

Kuva 1. Pääkaupunkiseutu 1 km x 1km ruudukossa. Luokiteltuna kunkin ruudun vanhimman talon mukaan.

Omassa itsenäisesti luodussa kartassa (Kuva 2.) tarkastelin ruotsinkielisten osuutta pääkaupunkiseudulla prosentteina neliökilometrin kokoisten ruutujen  rajaamilla alueilla. Ruututeemakartan avulla on helppo vertailla alueita keskenään, sillä kaikki alueet ovat saman kokoisia. Kuvasta 2. voidaan havaita ruotsinkielisten suurimmat prosenttiosuudet Helsingin kantakaupungin alueella sekä kaksikielisyydestä tunnetun Kauniaisten kunnan alueella. Michaela Söderholm tarkasteli myös omassa blogissaan ruotsinkielisten osuuksia pääkaupunkiseudulla ja totesi  ruotsinkielisten usein asettuvan asumaan lähekkäin toisiaan. Ruotsinkielisten osuuksia voidaan osittain siis selittää kulttuurisilla syillä. Myös erilaisten ruotsinkielisten palveluiden kuten koulujen sijainti osaltaan vaikuttaa ruotsinkielisten osuuteen alueella. 

Kuva 2. Ruotsinkieliesten osuus prosentteina pääkaupunkiseudulla.

Rasteriainestojen pariin

“Välkän” jälkeen pääsimme käsittelemään ensimmäistä kertaa rasteriaineistoja QGIS:sissä. Mikko Kangasmaa teki hyvän havainnon omassa blogissaan vektori- ja rasteriaineistojen käytöstä: “Käytimme ensimmäistä kertaa rasteriaineistoja ja eron huomasi heti ohjelman nopeudessa ja yleisessä käytettävyydessä.”

Loimme Pornaisten kylää ja sen lähiympäristöä kuvaavan karttalehden alueelle korkeuskäyrät vinovalovarjostekuvien avulla. Jotkin kohdat kartalla muuttuivat epäselkeiksi ja korkeuskäyrät eivät olleet suoria vaan täynnä pientä sykeröä. Korkeuskäyrien luominen havainnollisti millaisia ongelmia hyvin tarkan ja yksityiskohtaisen aineiston käyttämisessä voi olla.

Vinovalovarjosteen avulla voidaan hahmottaa hyvin alueen pinnanmuotoja. QGIS:sillä voidaan kuitenkin liioitella pinnanmuotojen vaihteluja ja jyrkkyyttä hyvin paljon. Selkeän ja totuudenmukaisen kartan laatimiseksi pitää kiinnittää huomiota, ettei QGIS:sin asetuksia lähde muuttamaan liikaa alkuperäisestä, ainakaan aluksi. Kuvassa 3. nähdään minkälaista jälkeä on mahdollista saada, kun vinovalorjosteella pelleilee. Kuvassa 4. on haluttu lopputulos, jossa pinnanmuodot erottuvat lievästi kartalta eikä niitä ole liioiteltu.

Kuva 3. Vinovalovarjosteella leikkimistä.
Kuva 4. Pornaisten pinnamuotoja.

Lähteet:

Janina Vikman. Pieniä voittoja. Käyty 12.2.2020 https://blogs.helsinki.fi/jagvikma/

Michaela Söderholm. Mot ljusare (GIS)tider. Käyty 12.2.2020.  https://blogs.helsinki.fi/micsoder/

Mikko Kangasmaa. Sisäinen GIS-nörttini on virallisesti herännyt  (Kurssikerta 4).  Käyty 12.2.2020 https://blogs.helsinki.fi/kanmikko/                                                         

 

 

3. kurssikerta ja tietokantojen tuunausta

Kolmannen kurssikerran ideana oli oppia tuomaan uusi tietokanta QGIS:siin sekä oppia yhdistämään tietokantoja toisiinsa. Opimme myös miten taulukkolaskentaohjelma Excelillä tuotettua tietoa voidaan siirtää QGIS:siin. Tietokantojen yhdistämistä harjoittelimme yhdessä Afrikan mantereen tietoja sisältävällä aineistolla, jonka avulla laadimme kurssilla opittujen asioiden kautta teemakartan. Kohteiden yhdistämisen ideana oli helpottaa työskentelyä jatkossa, sillä tarpeettomien yksityiskohtien määrä väheni huomattavasti kuten Annika Reijonen oivalsi omassa blogitekstissään.

Tietokantojen yhdistämisen jälkeen kurssikerralla opeteltiin suodattamaan tietokannasta haluttua informaatiota vektorianalyysin avulla. Tekemämme analyysit olivat vielä aika simppeleitä ja niissä suodatettiin muutaman tekijän perusteella haluttua tietoa ominaisuustaulukkoon uudeksi sarakkeeksi.

Kurssikerralla kerrottiin myös toiminnoista, jotka on hyvä opetella merkitsemään jo alusta asti, jotta ne jäävät niin sanotusti lihasmuistiin. Kun tuodaan uusi tiedosto ja luodaan uusi tietokanta QGIS:siin, on tärkeää muistaa vaihtaa tiedoston tyypiksi “system”, jolloin ohjelma osaa muuttaa erikoiskirjaimet oikein. Tietokantojen muuttaminen vaikuttaa itsessään helpolta, mutta hommassa pitää kuitenkin olla tarkkana, jotta tietokanta saadaan näkymään oikein.

Pistemäistä tietoa kartalla

Kurssikerralla laaditusta Afrikan timanttiesiintymiä, öljykenttiä ja konflikteja kuvaavasta kartasta (kuva 1.)  voidaan päätellä monia asioita. Itse tietokantaan, jonka avulla kartta laadittiin kurssikerralla on tallennettu vielä enemmän tietoa kyseisistä kohteista. Tietokannasta löytyivien tietojen avulla voidaan tarkastella esimerkiksi onko öljykenttien poraamisvuosilla vaikutusta kenttien tuottavuuteen. Tai onko valtiossa tapahtuneilla konflikteilla vaikutusta timanttikaivosten ja öljykenttien tuottavuuteen.

Kuva 1. Afrikassa sijaitsevat timanttiesiintymät ja öljykentät sekä valitoissa tapahtuneet konfliktit. Mittakaava unohtui 🙁

Koropleettikartan laadinta

Kurssikerralla opitun perusteella laadittiin itsenäisesti koropleettikarttaa Suomen päävaluma-alueiden tulvaindekseistä ja karttaan lisättiin vielä pylväsdiagrammeina alueiden järvisyysprosentit.

Kuvan 2. kartta esittää siis valuma-alueiden tulvimisherkkyyttä tulvaindeksin kautta. Mitä tummempi valuma-alueen väri sitä tulvaherkempi alue on. Pylväsdiagrammeina kuvattu järvisyysprosentti havainnollistaa kunkin valuma-alueen järvien pinta-alan suhdetta valuma-alueen pinta-alasta.

Alueen tulvimisherkkyyteen vaikuttavat suuresti esimerkiksi pinnanmuodot. Voidaan huomata, että Pohjanmaan alueella tulvaherkkyys on korkeaa, sillä alue on pinnanmuodoiltaa hyvin tasaista eikä se ole kovinkaan korkealla merenpinnasta. Alueilla, joiden järvisyys on vähäistä on tulvaindeksi suuri. Emma Ward pohti omassa blogitekstissään fiksusti tämän johtuvan siitä, “että järvet tasoittavat jokien virtausta keräämällä jokien vedet itseensä.”

Kuva 2. Suomen valuma-aluiden tulvaindeksi ja järvisyysprosentti.

mietteitä kurssikerrasta

Tämän kurssikerran jälkeen jäi fiilis, että oikeasti opin jonkin verran uutta asiaa myös niin, että se oikeasti jäi muistiin. Kurssikerran jälkeen itsenäisesti tuotettavan kartan laatiminen sujui suhteellisen helposti kurssikaverin kanssa pähkäilessä. Aiemmilla kerroilla oman kartan laatiminen ei ole onnistunut omin avuin oikeastaan ollenkaan, joten kehitystä QGIS:sin käytössä on selkeästi jo vähän tapahtunut. Kurssikerran jälkeen tuntui siltä, että ehkä selviänkin kurssista jotenkin 🙂

Lähteet:

Annika Reijonen. Syventymistä tietokantoihin. Käyty: 6.2.2020

Emma K Ward. Kolmas kerta toden sanoo? Tuuletustanssi ja hälyttävän tyhjä teekuppi. Käyty: 6.2.2020