Viidentenä kurssikertana aloitimme hommat tuttuun tapaan Paarlahden ohjeita seuraten, vaikka tiesimme, että jatkamaan tulisimme omin neuvoinemme soveltamalla tietoa joka meillä toivottavasti olisi jo karttunut. Aloitimme harjoittelun viimekurssikerralla valmistelemallamme Pornaisten datalla, johon olimme viimetunnilla näppärästi digitoineet jo tiet ja talot. Lisäsimme koulu- sekä terveyskeksuslayerit joiden lähialueita kävimme meille uudella bufferointityökalulla sittemmin puskuroimaan. Ennen tätä bufferoimme myös kadut ja niiden saavutettavuuden.

Koin bufferoinnin helpoksi ja hyvin käytännölliseksi työkaluksi geoinformatiikan merkeissä. Tätä todellisuutta käytiinkin sitten testaamaan seuraavassa harjoituksessa, johon lisäsimme vektoriietokantoja pääkaupunkiseudun lentokentistä kuten Malmista sekä Helsinki-Vantaasta. Harjoituksen lomassa pääsimme kertailemaan myös spatial queryn käyttöä, jolla aineistoa on helppo rajata jo olemassaolevan vektorin tai polygonin avulla, jonka luominenkaan ei aiheuta hankaluuksia tarpeen sitä vaatiessa.

Helsinki-Vantaa	asukasta
2km säteellä	10822
1km säteellä	1004
65dB melualueella	324
>55dB melualueella	11913

Yllä sekä alla taulukot bufferointiharjoituksen tuotoksista.

Tikkurila	henkilöä
melualueella asui	12470

Lisäksi tunnen osaavani käyttää jo join-liitoksia hyvin sekä rajata sekä valita eri vektorikohteita. Uudet pisteiedot saatika viivat eivät myöskään tuota minulle hankaluuksia ja visualisointitaidot menettelee. Suurimmat ongelmat kurssin aikana on aiheuttanut varmastikin kaatuilevat laitteet, ja huomasin että joihinkin bufferointitehtävän vastauksiini vaikutti unohdus päivittää statistics-taulukko, johon valitun kartta-alueen tiedot saatiin esille. Visualisointi on mitä mukavinta touhua, sekä Field calculatorilla pinta-allojen laskut sekä ynnät hoituvat moitteettomasti, mutta en vain kuollaksenikaan keksinyt putkiremonttia tehdessäni kuinka saisin ”putkiremontti-indeksin” esitettyä.

Johtuiko se jostain syystä kuuraantuneesta nupista vai mistä; en osaa vastata. Kuitenkaan en saanut yhdistettyä attribuutteja sijainnin avulla, vaan kohtasin saman ongelman kuin Amanda Ojasalo;

Kohtasin tätä tehtävää tehdessäni mystisen ongelman join attributes by location työkalussa, sillä aiemmin moitteettomasti toiminut työkalu herjasi pelkkää -24654789983jotain erroria.

Tästä voimaantuneena aloitin myös toisen tehtävän uima-altaiden määrästä joka päättyi ongelmaan etten saanut diagrammeja näkyville. Alla kuitenkin lukuja, joita sain selviteltyä pääkaupunkiseudun uima-altaista sekä saunoista.

Taloyhtiöt joissa uima-allas	855kpl
asukkaita näissä taloyhtiöissä	12170
näistä omakotitaloja	345
kerrostaloja	181
paritaloja	158
rivitaloja	113

saunoja

21922 kpl

90725 talossa

=24%

Päätin alkaa etsimään ongelmiini ratkaisua lueskelemalla muiden blogeja kurssikerralta ja lopulta onnistuin päädyttyäni Vilma Kaukavuoren blogiin, josta päättelin hänen kirjoituksistaan;

 Join Attributes by location-toiminnon valintaikkuna vaatikin yhteen kohtaan jotain sisältöä, vaikka ennen se oli mennyt läpi mukisematta.

Ajattelin tallentaa tämän uuden layerin uutena jolloin kaikki meni kuin menikin ihan nappiin tällä kertaa putkiremontti-tehtäväni osalta. Kuitenkin indeksin esittäminen tuotti onglemia, mikä minusta olisikin esityksessä melko hämäävä; paremmin putkiremonttifirmojen rahasampoja kuvastaa alueet joilla yksinkertaisesti on enemmän (välillä 65-70 rakennettuja) rakennuksia kuin alueet joissa niitä on suhteessa enemmän muihin taloihin verrattaessa (Kuva 1). Näihin perusteluihin on hyvä päättää tämän tehtävän osalta ja selitellä omaa osaamattomuutta.

Kiitos hei

 

Jatka lukemista ”Viides kerta toden sanoo”

Aloitimme tunnin vektoriaineistolla Helsingin alueen vesistöistä sekä piste-muodossa olevalla datalla, joka sisälsi attribuutteja alueen väestöstä.

• Väestötiedot ovat SeutuCD-tuotteen vektoritietokantoja jotka HSY tarjoaa. Näitä käytetään muun muassa kehitystyöhön sekä tutkimuksiin.

Tarkoituksena oli luoda rasteri-muotoinen havainnointi Helsinin asukastiheydestä ja sen pääpainopisteistä (Kuva 1). Tietokanta väestöstä sisälsi valtavasti tietoa asukkaista, mitä oli toki karsittava, jotta vanhempikin kone pystyisi laskutoimituksia QGis:n kanssa suorittamaan.

Tämän johdosta tallensimme väestön pisteistä uuden layerin, mutta jätimme attribuuteiksi vain tarvittavat, asukkaiden määrät, antaen ohjelman laskea kaikki, niin miehet kuin naisetkin yhteen! Ennen tätä kuitenkin karsimme ruudukon jääväksi vain sellaisille alueille joissa ylipäänsä on taloja Spatial Query -toiminnolla, johon seuraavaksi liitimme tietokannat väestöstä ja jälkeen päin visualisoimme (Kuva 1).

Kotona oli tarkoitus tehdä vielä toinen kartta eri teemasta ja parhaiten havainnoillistavalla rasterikoolla. Tein karttani (Kuva 2) alueille lasketusta iän keskiarvosta, jonka ainakin oletin kuvaavan sitä. Karttaa katsoessani en suostuisi kyllä uskomaan tämän määrittävän asukkaiden keskiarvoa valtaosan ruuduista olevan akselilla 80-100 vuotta. Toisaalta kartan informatiiviseen arvoon vaikuttaa se, että kyseisten alueiden väentiheyttä ei ole otettu huomioon ja yksinään kyseistä karttaa (Kuva 2) katsoessaan saattaisi olettaa asukastiheyden olevan samaa luokkaa koko alueella toisin kuin edellinen kartta puolestaan osoittaa (Kuva 1). Varmuutta ei ole tulkitsinko attribuuttitaulukon kyseistä attribuuttiluokkaa edes oikein ja onko kyseessä iän keskiarvo.

Ruutuihin sisällytetty informaatio on siinä mielessä paljon havainnoillistavampi, kuin pisteteemakartta, sillä useassa tilanteessa päällekkäinasettuvat pisteet eivät välttämättä havainnoillista parhaalla mahdollisella tavalla volyymia, jonka pisteiden oikea määrä toisi. Ruutuun sisällytettynä tätä määrää voidaan havainnoillistaa eri värein, joilla eri ääripäät erottuvat selkeämmin.

Molemmissa kartoissa on myös huonoa se, että luokittelu on huono laskiessaan luokan aloittavan sekä lopettavan luvun niin edelliseen kuin seuraavaan ryhmään (Kartat 1 & 2). Yritin löytää ratkaisun jolla olisin saanut kyseiset virheet korjattua, mutta huonoin lopputuloksin.

 

Seuraavana otimme käsittelyyn Pornaisten alueelta laaditun rasteriaineiston, joka kuvasi alueen varjoja. Rasteriaineisto oli neljässä osassa, mutta yhdistimme nämä QGis:n Build Virtual Raster -toiminnolla. Koulun koneella jo tämä oli hieman haastavaa, mutta kotona kannettavan tietokoneen kanssa toiminto onnistui ongelmitta toiselta (..tai kolmannelta..) yrittämältä! Seuraavaksi oli tarkoitus luoda rasterin pohjalta korkeuskäyrät viiden metrin välein, joka puolestaan ei onnistunut minulta tunnin aikana mitenkään. Tämä puolestaan aiheutti jonkinasteisen hajoamisen omalta kohdaltani. Kuitenkin päättäväisesti haastoin myöhemmin QGis:n revanssiin kannettavalla, jolloin ongelmia ei taaskaan esiintynyt laisinkaan.

Haasteen sen sijaan muodosti  rinnevarjostuksen luominen läppärillä ja minulle tulikin erittäin tutuksi yksi virheilmoitus (Havainto 1), jota QGis eittämättä tarjosi. Tämän ongelman selättämiseen tarvittiin useampi käsipari ja lopulta selvisin Anttonin avustuksella; QGis ei tosiaan jostain syystä onnistunut avaamaan rinnevarjostus-layeria vaikka se oli luotu, joten päätimme yrittää raahata tätä tiedostoa QGis-näkymään ja niin se onnistui, rinnevarjostus oli nyt saatu paikoilleen ja voiton riemu oli suuri (Kuva 3)! ..Kuitenkin huomasin nyt kuvasta puuttuvan pohjoisnuolen sekä legendan olevan hieman omintakeinen luokkajaottomuudeltaan.

Toisena kotitehtävänä oli tarkoitus tutkailla eroja Paitulista ladatun Maanmittauslaitoksen peruskarttalehden sekä QGis:n rasteritietokannan pohjalta luoman korkeuskäyrästön välillä (Kuva 4). Voidaan huomata, että tarkkuudet heittelevä puolin ja toisin; joissakin kohdissa rasterin pohjalta lutu korkeuskäyrästö on yksityiskohtaisempi kun taas toisinaan Maanmittauslaitoksen aineiston.

 

 

Lähteet:

• Paituli Paikkatietopalvelu. Luettu 8.2.2019
  • https://avaa.tdata.fi/-/paituli-paikkatietopalvelu

 

• SeutuCD-aineistokokoelma. Luettu 4.2.2019
  • https://www.hsy.fi/fi/asiantuntijalle/seututieto/paikkatiedot/Sivut/SeutuCD.aspx

Aloitimme viimeiviikon harjoitukset tuomalla pätevän Afrikka-tietokannan QGis-ohjelmaan. Siivosimme tätä myös helpostiluettavampaan muotoon yhdistämällä muunmuassa erinäiset pienet saaret oikeiden valtioiden kanssa samoihin tietueisiin, joihin nämä virallisesti kuuluisivatkin. Harjoittelimme lisäämällä muun muassa tekstimuotoista dataa. Tämä kertoi internetin käytöstä viime vuosina ja sen yleistymisestä. Tämän lisäksi lisäsimme myös uuta tietoa dataan.

Oli erittäin mielenkiintoista huomata, kuinka monessa valtiossa internetin käyttö on edelleen hyvin vähäistä, jopa alle 10 %. Yhdistelimme myös dataa Afrikan sisäisistä konflikteista, timanttikaivoksista ja mantereisista öljylähteistä valtiokohtaisesti ja tutkimme, kuinka paljon korrelaatiota näiden tietojen välillä on.

• Kuten Ilona mainitsikin blogissaan –

Lisäsimme Afrikan karttaan myös pistetietoa timanttiesiintymistä sekä alueiden konflikteista kuten myös vektorimuotoista dataa öljyesiintymistä. Seuraavaksi laskimme näiden pistetietojen lukumääriä ja öljyesiintymien pinta-aloja.

 

Seuraavaksi kävimme käsiksi tulvaindeksikartan laatimiseen. Tähän tarvitsimme tietoja, jotka saatiin useasta eri tiedostosta ja tietokannasta sekä tarvittavien laskutoimitusten tuloksista lisäksi liitimme attribuutteja toisesta tietokannasta toiseen. Lopputuloksena muodostui allaoleva karttaesitys (Kartta 1), joka kuvaa tulva-alueiden kapasiteettia sekä tulvaindeksiä, eli tulvaherkkyyttä. Pylväät kuvaavat järvisyyttä.

 

Koin silti kartassa käyttämäni kvantiililuokittelun paremmaksi kuin muut QGIS:n tarjoamat vaihtoehdot. Koska kartalla esitetyt järvisyysprosentit eivät ole mielestäni tarpeeksi selkeitä, päädyin tekemään niistä vielä taulukon ja kaavion (Kuva 2) valmiista aineistosta. Niitä voi käyttää kartan lukemisen tukena.

• Kuten Anttoni mainitsi blogitekstissään :
  

  TIETOKANTALIITOKSIA YNNÄ MUUTA

Lähteet:

• Anttoni Tumanoff: GEOINFORMATIIKAN MENETELMÄT 1 -KURSSIBLOGI

  • TIETOKANTALIITOKSIA YNNÄ MUUTA

• ILONA TUOVINEN – MATKA GEOINFORMATIIKAN IHMEELLISEEN MAAILMAAN
  • Viikko 3 – Ahaa -elämyksiä ja kaatuva QGIS
• Länsi-Uudenmaan vesi ja ympäristö ry. (2013). Valuma-alue. Luettu 30.1.2019. Saatavissa: http://www.pelastajarvi.fi/valuma_alue