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/

Leave a Reply

Your email address will not be published. Required fields are marked *