Viikko 6 – Hasardit

Kuudes kerta lähti käyntiin mukavasti sateessa kävellen ja keräten aineistoa Epicollect5-sovelluksen avulla. Tavoitteena oli kerätä aineistoa Kumpulan alueen kaupunkitilasta, muun muassa viihtyvyyden ja turvallisuuden näkökulmasta. Vaikka päivän harmaan sateinen sää ei parantanut alueen viihtyisyyttä, saatiin ryhmän kanssa kasaan oikein kiva kokonaisuus.

Aineiston kanssa harjoiteltiin myös interpolointia. Kerätyn aineiston perusteella interpoloitiin Kumpulan alueella annettujen vastausten hajautumista. Esimerkiksi tarkastelun kohteeksi valikoitui turvallisuuden kokeminen tietyissä paikoissa. Amelia julkaisi blogissaan hyvin samanlaisen kartan kuin oma tuotokseni, joka ei tällä kertaa päätynyt julkaistavaksi blogissani. Kuitenkin, turvallisuuden tunne kasvaa Kumpulassa asutuksen lähellä, mutta suurimpien teiden varsilla koettu turvallisuus on heikompaa, kuten Amelia blogissaan mainitsi.

Harjoituksen jälkeen aiheena oli koota eri hasardeista karttoja. Itse päädyin tekemään maailmankartalla kuvattuna maanjäristykset, tulivuoret sekä meteoriittilöydökset. Karttojen teossa en hyödyntänyt interpolointia, sillä niin kuin Katja omassa blogissaan mainitsi, pistekarttana esitys tuntuu mielekkäämmältä.

Maanjäristykset

Kartalla (Kuva 1.) on esitetty maanjäristyksien sijainnit yli 6 sekä yli 8 magnitudin perusteella vuosilta 1950-2019. Tavoitteenani oli havainnollistaa yleisimmät alueet, missä maanjäristyksiä tapahtuu sekä korostaa erityisen voimakkaiden maanjäristysalueiden sijaintia. Pienet keltaiset pisteet mukailevat litosfäärilaattojen saumakohtia. Esimerkiksi Aasian puoleisella Tyynellämerellä sijaitseva Indonesianlaatta näkyy selkeästi maanjärisys kohtien ympäröimänä. Oranssit kolmiot puolestaan havainnollistavat yli 8 magnitudin maanjäristyksiä, joita esiintyy pääasiassa tietyillä alueilla, kuten Etelä-Amerikan länsirannikolla.

Kartta on suhteellisen helppolukuinen, vaikka oranssien kolmioiden koko olisi voinut olla suurempi ja väri erottuvampi. Lisäksi pienet keltaiset pisteet näkyvät heikommin kuivemmilla alueilla, jolloin karttaa lukiessa on tarkasteltava kohteita yksityiskohtaisesti. Tämänkin ongelman olisi voinut välttää värin muuttamisella. Kuitenkin merialueilla keltaiset pisteet erottuvat taustastaan haluamallani tavalla. Lisäksi legendassa yli 6 magnitudin maanjäristyksen piste muistuttaa kärpäsen kakkaa pienen kokonsa vuoksi. Legendan muuttamiseen en keksinyt muuta ratkaisua kuin että legendaa olisi käsitellyt toisessa ohjelmassa (esimerkiksi CorelDraw).

Kuva 1. Maanjäristykset maailmankartalla

Tulivuoret

Toisena hasardina on tulivuoret (Kuva 2.). Hyödynsin yli 6 magnitudin maanjäristyspisteitä myös tulivuorien rinnalla, jotta kartalta voidaan havaita niiden yhteneväisyyksiä. Oranssit kolmiot edustavatkin tällä kartalla tulivuorten purkauksia, jotka ovat tapahtuneet vuonna 1964 tai sen jälkeen. Tulivuoriaineiston liittäminen ohjelmaan onnistui melko vaivatta ja kohteet sijoittuivat kartalle odotetulla tavalla. Kuitenkin yksi silmiinpistävä tekijä kartalla jäi hämmentämään minua; Ruotsiin sijoittunut tulivuori. Nopeasti attribuuttitaulukkoa tarkastelemalla kävikin ilmi, että kyseinen tulivuori “Lakagigar” sijaitsee Islannissa, vaikka sen sijainniksi on annettu Ruotsi. Tämän seurauksena rupesin epäilemään aineiston luotettavuutta, mutta satunnaisten pisteiden sijainteja tutkiessani uskon, että “Ruotsin tulivuori” on vain poikkeus.

Niin kuin maanjäristyskartassa tässäkin visuaalisesti haasteena on erottuvuus. Kuitenkin yleisesti silmäillen kartasta saa helposti informaatiota, vaikka tässäkin pisteiden väriä olisi voinut kokeilla muissa väreissä ja kolmioiden kokoa hiukan suurentaa tai mallia vaihtaa.

Kuva 2. Tulivuoret ja maanjäristysalueet maailmankartalla.

Meteoriittilöydökset

Kolmantena hasardina onkin meteoriittilöydökset (Kuva 3.) maailmankartalla esitettyinä. Päädyin rajaamaan meteoriittiaineiston löydöksien massan mukaan, ja kartalle päätyikin vain suurimmat meteoriittilöydökset, kuten Hoban meteoriitti Namibiasta. Kyseinen meteoriitti onkin toistaiseksi maailman suurin meteoriitti (Info-Namibia).

Jatkoin tässäkin kartassa samalla visuaalisella linjalla tavoitellen yhtenäistä kokonaisuutta. Jos minulla olisi aikaa parannella karttaa, haluaisin nostaa muutaman esimerkin meteoriiteista tietoikkunoiksi kartan rinnalle, jotta meteoriittien sijaintien lisäksi voitaisiin tarkastella itse meteoriittia lyhyesti. Uskon, että se konkretisoisi aihetta.

Kuva 3. Alueelta löydetyt meteoriitit maailmankartalla.

LÄHTEET:

Cardwell, Amelia. Amelian Gis-blogi, Viikko 6: maastossa seikkailua ja luonnonhasardeja. Luettu 24.2.2019. https://blogs.helsinki.fi/amca/

Info-Namibia. Luettu 24.2.2019. https://www.info-namibia.com/activities-and-places-of-interest/otavi/hoba-meteorite

Pulkkinen, Katja. Katjan blogi, Luonnon (ja QGIS:n) armoilla (Kurssikerta 6). Luettu 24.2.2019. https://blogs.helsinki.fi/kzpulkki/

 

Viikko 5 – Ongelman ratkaisua

Viidennellä kerralla tavoitteena oli soveltaa opittuja asioita itsenäisten tehtävien parissa. Uutena toimintona kuitenkin mukana oli bufferointi, jonka käytön perusteet oli mutkaton oppia ja sen soveltaminen käytännössä helppoa. Vaikka itsenäiset tehtävät kuulostivat aluksi uhkaavilta, niiden tekeminen oli itseasiassa todella innostavaa.

QGis:n käyttäminen ja soveltaminen onnistuu jo melko hyvin, vaikka suuri osa sen toiminnoista ovat vielä tuntemattomia. Tärkeimpänä perustana ohjelman käytössä on mielestäni sen perustoimintojen ymmärtäminen, kuten vektori- ja rasteriaineistojen tai csv-tiedostojen tuominen ohjelmaan. Lisäksi toiminnoilla pystytään rajaamaan aineistoa tiettyjä arvoja vastaavaksi, esimerkiksi kohteiden valinnalla ja ominaisuustietojen laskutoimituksien avulla (muun muassa Spatial Query). Niiden sujuva käyttäminen on helpottanut aineistojen käsittelyssä.

Tunnin itsenäistehtävien aineisto koostui muun muassa lentokentistä ja niiden melualueista, juna-asemien ja väestön sijainnista. Aineistojen tarkastelussa hyödynnettiin bufferointia, jonka tarkoituksena on muodostaa tietyn pisteen, alueen tai viivan ympärille vyöhyke. Puskurivyöhykettä pystytäänkin hyödyntämään monipuolisesti. Esimerkiksi asemien läheisyyteen osuvaa väestömäärää voidaan tarkastella hyödyntämällä bufferointia, mikä oli osana tunnin itsenäistehtäviä (Taulukko 1.). Puskurivyöhykkeitä voidaan hyödyntää monessa muussakin, kuten ruokakauppojen optimaalisessa sijoittamisessa saavutettavuuden perusteella tai niin kuin Sini blogissaan mainitsi, bussipysäkkien sijoittamisessa haluamalleen paikalle.

Taulukko 1. Väestön sijoittuminen taajamiin ja asemien läheisyyteen Vantaan alueella.

Kolmannessa tehtävässä yhdistimme voimat Lotan kanssa, sillä selittämättömistä syistä Lotan QGis ei suostunut toimimaan halutulla tavalla. Aiheeksi valikoitui kerrostalojen putkiremontti-indeksin tarkastelu (Kuva 1.). Kartalla on esitetty ruutujen muodossa alueet, joissa sijaitsee 1965 – 1970 vuosina rakennettuja kerrostaloja. Vilma mainitsi blogissaan, että kyseisinä vuosina Helsingissä rakennettiin paljon lähiöitä, kuten Mellunmäki ja Jakomäki.

Kartan visualisointi onnistui melko hyvin ja tummat sävyt parantavat ruutujen erottuvuutta taustastaan. Päädyimme tekemään ruudukon tiedon esittämisessä, vaikka alueittan tehty kartta olisi antanut myös hyvän kuvan putkiremonttikohteista. Kuitenkin ruudukko mahdollistaa sijainnin tarkemman tarkastelun (ruutukoko 500 x 500 m), vaikka visuaalisesti aluekartta saattaisi olla miellyttävämpi lukea.

Loppujen lopuksi kurssikerrasta jäi hyvä fiilis! Tuntuu jo siltä, että kyllä jotain on jäänyt päähän QGis:n toiminnoista ja tavoitteista niiden takana.

Kuva 1. Kerrostalojen putkiremontti-indeksi pääkaupunkiseudulla.

LÄHTEET:

Ahtinen, Sini-Maaria. Sinin gis-blogi, Kurssikerta 5 – Ongelman ratkaisua. Luettu 19.2.2019. https://blogs.helsinki.fi/ahtisini/

Kaukavuori, Vilma. Vilman gis-pohdiskelua, Talojen suuret ikäluokat lähestyvät putkiremontti-ikää. Luettu 21.2.2019. https://blogs.helsinki.fi/vilmakau/

Lehtola, Lotta. Lelotta’s blog. https://blogs.helsinki.fi/lelotta/

Viikko 4 – Ruutuja ja rastereita

Neljännellä kurssikerralla tuli taas paljon uutta tietoa, mutta vanhoja toimintoja käytettiin myös. Lisäksi tutustuimme rasterimuotoisen aineiston käsittelyyn, mikä oli hyvin mielenkiintoista.

Ensimmäiseksi kuitenkin lähdettiin tekemään pisteaineiston perusteella ruututietokantaa 1 kilometrin ruuduilla. Artun ohjeiden avulla kartta saatiin nopeasti kasaan ja kartan teon vaiheet jäivät suurilta osin mieleen. Uutena toimintona käytettiin paikkatietokyselyä (Spatial Query). Toiminnolla saadaan valittua esimerkiksi pisteaineiston kohdalle osuvia ruutuja, jolloin ruututietokanta osuu juuri haluamille alueille. Vanhoja toimintojakin päästiin käyttämään uudella tavalla. Join attributes by location-toiminnolla yhdistettiin pisteiden ominaisuustiedot ja ruudukko, jolloin saatiin kaikkien pisteiden ominaisuustietojen summa niitä rajaavien ruutujen sisälle. Näin tuloksena tuli visuaalisesti selkeä ruututeemakartta.

Itse päädyin tekemään tunnilla ruututeemakartan väestömäärästä pääkaupunkiseudulla (Kuva 1.). Tein väestömäärästä myös 0,5 km x 0,5 km kartan, mutta mielestäni 1 km x 1 km kartta oli parempi ja miellyttävämpi katsoa. Niin kuin Kia Kautonen omassa blogissaan mainitsi, molemmissa ruutukoissa on hyvät puolensa, mutta 1 km ruutukokoa on miellyttävämpi katsoa, etenkin jos aineistoa ei tarvitse tarkastella erittäin tarkasti. Niinpä valitsin ruutukartan esityskooksi 1 km x 1 km, kun aineiston informaatio oli yhtä tarkkaa molemmissa ruutukoissa. Lisäksi valmistin kertauksen vuoksi samanlaisen kartan, mutta aiheeksi valitsin muunkielisten määrän (Kuva 2.). Visuaalisesti toinen kartta on mielestäni helppolukuisempi, sillä kevensin ruudukon reunojen paksuutta.

Kuva 1. Väestömäärä pääkaupunkiseudulla 1 km x 1 km ruututietokanta.
Kuva 2. Muunkielisten määrä pääkaupunkiseudulla 1 km x 1 km ruututietokanta.

Väestömäärä (Kuva 1.) jakautuu pääkaupunkiseudulla selkeästi keskustaan sekä radanvarsiin, mikä on hyvin tyypillistä. Väestön esittäminen absoluuttisesti toimii hyvin, sillä ruutukartassa ruudut ovat samankokoisia, jolloin absoluuttisten arvojen esittäminen on mahdollista. Kuitenkin toisessa kartassani (Kuva 2.) voisi olla järkevämpää esittää muunkielisten määrä suhteutettuna koko väestöön. Tämän Iina Rusanen oli huomannut myös tarkastellessaan ruotsinkielisten määrää pääkaupunkiseudulla “Runsasväkisillä alueilla on suurella todennäköisyydellä absoluuttisesti enemmän ruotsinkielisiä harvaan asuttuihin alueisiin verrattuna, vaikka heidän suhteellinen osuutensa olisi hyvinkin pieni.” Tätä ajatusta pystyisi soveltamaan myös muunkielisten osuuksien esittämisessä kartalla. Kuitenkin karttojani voi tarkastella yhdessä, jolloin muunkielisten määrää voidaan verrata väestön määrään.

Muunkieliset kuitenkin jakautuvat kartalla hiukan eri tavalla verrattuna kuin esimerkiksi koko väestömäärä. Suurin osa muunkielisistä ei asu Helsingin keskustan alueella, vaan painotus näkyy pienemmissä keskuksissa, kuten Itäkeskuksessa ja Vuosaaressa. Tässä ei kuitenkaan voida puhua osuuksista, mutta määrällisesti verrattuna voidaan huomata, että muunkieliset keskittyvät muille alueille kuin keskustaan. Tätä selittää erityisesti maahanmuuttajien määrä. Vieraskielisten ja ulkomaalaistaustaisten sijoittuminen Helsingissä on hyvin samankaltaista. Vielä 1990-luvun alussa vieraskielisiä oli suhteellisesti eniten Eteläisessä suurpiirissä, jossa asui yli neljännes Helsingin vieraskielisistä. 1990-luvun puolivälissä tulomuuton kasvaessa tilanne muuttui ja Itäinen suurpiiri nousi merkittävimmäksi vieraskielisten alueeksi (Ulkomaalaistaustaiset Helsingissä, 18.9.2018). Muunkielisten sijoittumista selittäneekin maahanmuuttajien muuttaminen edullisemmille alueille Helsingissä.

Neljäs kurssikerta ei ainoastaan koostunut ruuduista, vaan pääsimme ensimmäistä kertaa leikkimään rastereiden kanssa QGis-ohjelmassa. Rasteriaineiston perusteella luotiin muun muassa korkeuskäyriä sekä rinnevalovarjostus. Korkeuskäyrät eroavat hiukan Maanmittauslaitoksen peruskarttalehden korkeuskäyristä niin kuin kuvasta voidaan nähdä (Kuva 3.) Vihreät korkeuskäyrät ovat selkeästi tarkemmat ja yksityiskohtaisemmat kuin mustat, jotka edustavat peruskarttalehden korkeuskäyriä. Esimerkiksi kartan vasemmassa alakulmassa sijaitseva vihreä rinkula ei ole merkattu ollenkaan mustissa korkeuskäyrissä. Peruskarttalehdelle kuitenkin sopii hyvin suurpiirteisemmät korkeuskäyrät, sillä sen tarkoituksena on antaa yleiskäsitys alueesta.

Kuva 3. Pornaisten alueen korkeuskäyrät. Vihreä – korkeusmallin perusteella luotu. Musta – Maanmittauslaitoksen peruskarttalehdestä.

LÄHTEET:

Helsingin kaupunki, Ulkomaalaistaustaiset Helsingissä, 18.9.2018. Luettu 11.2.2019. https://ulkomaalaistaustaisethelsingissa.fi/fi/alueellinensijoittuminen

Kautonen, Kia. Geoinformatiikan menetelmät I, Viikko 4. Ruutuja ja rastereita. Luettu 11.2.2019. https://blogs.helsinki.fi/kautkia/

Rusanen, Iina Rusanen. Geoinformatiikan menetelmät 1, Ruututietokantoja ja rastereita. Luettu 11.2.2019. https://blogs.helsinki.fi/iinarusa/