Punkt- och rutmaterial i QGIS

Föreläsningen

Dagens tema var punkt- och rutdata och olika sätt att använda dem. Följande stycke är en kort sammafattning med information från PP:n vi såg på.
Punktdata är den noggrannaste geografiska information som finns och kan användas för att samla information om en massa olika objekt genom exempelvis laserskanning. Exempel på punktdata är t.ex. byggnader eller djurobservationer.
Rutdata är ett sätt att samla in material över stora områden och delas in i olika rutor där det samlas in mer data. Rutorna kan ha olika storlekar, men det är vanligt med 250mx250m eller 1kmx1km. En nackdel med rutdata är att det är dyrt och finns sällan som gratis data.

Teoridelen kändes rätt bra och jag hängde med lite bättre än senast.
Nästa steg var att använda oss av raster- och vektormaterial i QGIS. Vi började med ett ganska oklart vektorpaket över huvudstadsregionen som skulle ordnas upp för att vi sedan kunde lägga till data och analysera resultaten. Den här delen gick helt okej delvis, men imellan åt tappade jag bort mig och fattade knappt vad vi höll på mig. En basic QGIS-timme för mig alltså 😀
AH! Fick dessutom förklaring till en del av mina problem hemma med QGIS – jag har laddat en lite för ny version (QGIS3) och den skiljer sig allt för mycket från den vi har på universitetet, så Arttu sa att det lönar sig att ladda ner en äldre version, så nu har jag lyckats ladda ner den rätta och kan äntligen göra samma saker hemma som på universitetet. Hade förra veckoslutet tänkt att jag skulle ha övat på samma övning vi gjorde förra tisdagen, men hela min Vektormeny fattades och med hjälp av internet försökte jag fixa problemet, men det vägrade fungera. Nu är jag i alla fall back on track!

Producerat material

På vektorlagren som fanns (sjöar, havet, strandlinje och kommungränser) sattes ett punkdatalager med information om alla hus och byggnader inom huvudstadsområdet (Helsingfors, Vanda, Esbo och Grankulla). Husen var representerade som punkter och attributtabellen var rätt så stor och invecklad. Vi skapade ett vektorrutnät över området där rutorna var 1km x 1km och sammanförde punktdata till rutnätet för att skapa en temakarta. Jag valde att göra min över de svenskspråkigas utbredning inom det här området (Bild 1). På kartan syns det att det bor svenskspråkiga i så gott som hela området, men ju längre mot kusten man kommer, desto tätare är de packade. I Grankulla (det lilla området inne i Esbo kommun) finns det något mer koncentrerad svenskspråkig befolkning än i Esbo och Vanda. Samma sak gäller stadsdelar i Helsingfors som t.ex. Drumsö, Kampen, Tölö och Ulrikasborg.  I Drumsö byggs det mycket nytt för tillfället och det lockar till sig befolkning, däribland svenskspråkiga. Dessutom har man sett att tjänster som dagis eller skolor påverkar var man bosätter sig och därför kan en svenskspråkig befolkning bli rätt koncentrerad kring områden där det finns dessa tjänster. (Småros, 2018). I Vanda och norra Esbo finns det mindre eller ingen svenskspråkig befolkning alls.
Den här uppgiften kändes ganska bra och jag tycker att den visuellt är helt okej. Kanske lite tråkiga färger, men den visar tydligt det den ska och det är det viktiga. Rutnätet fungerar enligt mig helt okej att visa utbredningen av något visst fenomen, men på en karta som den här ser det lite klumpigt ut på vissa ställen, t.ex. där rutorna går över kommungränsen, men det kan hända att det är något man egentligen kan fixa. Informationen kommer tydligt fram med hjälp av olika färgnyanser och på så sätt går det både enkelt och snabbt för läsaren att få en uppfattning om informationen på kartan.

Bild 1. Den svenskspråkiga befolkningens utbredning inom huvudstadsregionen.

Uppgiften som skulle göras hemma handlade (ifall jag förstod rätt) om att jämföra höjdkurvor över ett område med ett annat material av höjdkurvor. Jag valde att jobba med Borgnäs (samma material som vi använde under föreläsningen) och jämförde med material jag laddat från Paituli som producerats av Lantmäteriverket.

Bild 2. Höjdkurvor i brunt från materialet över Borgnäs gjorda genom QGIS och höjdkurvor i svart från Lantmäteriverkets kartblad L4322.

Skillnaderna är inte så stora, i allmänhet kan man se att båda höjdkurvorna följer rätt samma spår, men Lantmäteriverkets (svarta) är lite mer generaliserade (Bild 2, 3). I de andra finns det mer detalj och småkurvor, medan Lantmäteriverkets är mer raka. Jag tror precis som Kirsi att det inte är nödvändigt i en grundkarta att visa så pass detaljerade höjdkurvor som dem man själv la till i QGIS. De svarta höjdkurvorna har ändå gjorts så att de visar mer höjd än de bruna, vilket syns tydligt då man ser att de svarta går tätare också mot mitten.

Bild 3. Höjdkurvor i brunt från materialet över Borgnäs gjorda genom QGIS och höjdkurvor i svart från Lantmäteriverkets kartblad L4322.

Källor:
Småros, Staffan (2018); Här bor de svenskspråkiga i Helsingfors – Se hur det ser ut i ditt område. Hufvudstadsbladet, https://www.hbl.fi/artikel/har-bor-de-svensksprakiga-i-helsingfors-se-hur-det-ser-ut-i-ditt-omrade/ läst 7.2.2019
Paituli; nerladdningsservice, https://avaa.tdata.fi/web/paituli/latauspalvelu, använt 8.2.2019
Ylinen, Kirsi (2019); Rastereita korkeuskäyriä rastereita korkeuskäyriä rastereita. https://blogs.helsinki.fi/yxkirsi/2019/02/04/rastereita-korkeuskayria-rastereita-korkeuskayria-rastereita/ läst 8.2.2019

 

Ett svar på ”Punkt- och rutmaterial i QGIS”

Lämna ett svar

E-postadressen publiceras inte. Obligatoriska fält är märkta *