Raikkaan talvisessa ulkoilmassa työskentely kuudennella geoinformatiikan menetelmät- kurssikerralla tuntui mukavalta vaihtelulta tietokoneen äärellä tuskasteluun. Epicollector5-sovelluksen avulla loimme paikkatietoaineistoa kampuksen lähialueilta. Tässä hieman kuvamateriaalia:

Keräämästämme aineistosta saimme aikaan isopleettikartan kampuksen lähialueiden turvallisuudesta, esimerkiksi Elinan blogista löytyy kuvamateriaalia kyseisestä katasta. Interpoloinnin toteutus ei sujunut täysin mutkattomasti, mutta lopputulos oli hyvä. Tosin ei ehkä niin kovin informatiivinen, sillä kartta saa erot alueiden välisessä turvallisuudessa näyttämään liioitellun suurilta – kaikki kurssilaisten vierailemat alueet ovat kuitenkin suhteellisen turvallisia. Kartasta kuitenkin huomaa sen, että erityisesti risteykset ja suurien teiden läheisyys koetaan turvattomuutta aiheuttamina alueina.

Lopuksi saimme vielä luoda itsenäisesti kartat valitsemistamme muuttujista. Aineisto tuli tuoda netistä ja muuttaa oikeanlaiseen muotoon, mikä tuottikin eniten päänvaivaa tehtävänannossa. Vaikeuksista kuitenkin selvittiin ja lopputulokset näyttävät tältä:

1. Maanjäristykset maailmalla. Ensimmäinen kartta kuvaa vuosien 1950 ja 2019 välillä tapahtuneita, yli 6,5 magnitudin maanjäristyksiä. Taustalla oliva interpolointi kuvaa samaa muuttujaa. Kartassa näkyy tummemmalla alueet, jotka ovat selkeästi herkempiä maanjäristyksille, kuten Etelä-Amerikan länsirannikko sekä Kaakkois-Aasian valtiot. Kartta on mielestäni melko selkeä ja legenda helposti tulkittavissa. Interpolointi ei selity legendassa, mikä oli tietoinen valinta karttaa tehdessäni. Ulkopuolisen silmissä se saatta kuitenkin olla hieman hämmentävää. Eri magnitudin maanjäristyksiä kuvaavat pisteet ovat ehkä hieman epäselvät, sillä 6,5-6,6 asteiset järistykset dominoivat kartassa ehkä himan liikaa. Toisaalta niitä myös tapahtuu paljon voimakkaampia järistyksiä enemmän. Olisin ehkä voinut jättää ne kartasta kokonaan pois, jotta vain hyvin voimakkaat maanjäristykset korostuisivat.

2. Toinen kartta kuvaa maailman tulivuoria. Taistelin kartan aineston kanssa pitkään, enkä lopulta onnistunut jostain syystä lataamaan sitä kokonaan. Tästä syystä kartasta puuttuu noin 1000 tulivuorta… Kartan 456:sta tulivuoresta ehkä kuitenkin saa jonkunlaisen käsityksen tulivuorien sijainnista, ja kun sitä vertaa edelliseen karttaan voin löytää useita yhtymäkohtia. Mainittakoon vielä, että Ruotsissa EI ole tulivuorta. Tiedostossa on luultavasti jonkin näköinen sijaintiin liittyvä virhe: piste viittaa Islannin Laki-tulivuoreen.

3. Kolmas kartta kuvaa niin maanjäristyksiä kuin tulivuoriakin. Mielestäni tämä kartta toimisi parhaiten opetuksessa, sillä se on selkeä eikä (mielestäni) turhaa interpolointia ole lainkaan. Kartta havainnoillistaa selvästi, miten tulivuoret ja maanjäristykset sijaitsevat suurelta osin samoilla alueilla. Kaikki yli 7,4 magnitudin järistykset ovat merkitty saman arvoisiksi, eli liian yksityiskohtaista informaatiota ei ole. Karttaan olisi voitu lisätä valtioiden rajat tulivuorien ja maanjärsityksien sijaintien havainnoillistamiseksi. Lisäyksenä vielä, että tulivuoriaineisto on sama kuin edellisessä kartassa, eli noin 1000 tulivuorta on edelleen hukassa. (eikä Ruotsissa edelleenkään ole tulivuorta) Opetustarkoitukseen kartta ei siis ole täysin ideaali :D 

Muiden kurssilaisten tekemistä kartoista pidin erityisesti Sinin kartasta, jossa kuvattiin maanjäristyksen hyposentrin sijaintia, sekä Emilian kartasta, johon oltiin merkitty eri voimaisia maanjäristyksiä eri symboleilla. Siitä näki selvästi voimakkaampien maanjäristyksien olevan harvinaisempia.

Jo viisi viikkoa QGISin kanssa taistelua takana, ja ensimmäinen itsenäisesti, ilman yksityiskohtaisia ohjeita suoritettu harjoitus tehty. Vaikka ajatus oman harkintakyvyn käytöstä aluksi lähinnä kauhistutti, olin lopulta kuitenkin samaa mieltä Johannan kanssa, että itsevarmuus omaa osaamista kohtaan parantui tehtäviä tehdessä paljon. Opin myös sen, että samaan lopputulokseen voi päätyä monella tavalla. Monia mietteitä ja ajatuksia nousi kuitenkin QGISin kanssa puuhastellessa pintaan… 

Puoliakaan QGISin työkaluista en ole vielä päässyt käyttämään, mikä toisaalta kertoo ohjelmiston monipuolisuudesta. Attribuuttitaulukon tietoihin liittyvät työkalut ovat osoittautuneet erittäin hyödyllisiksi tähän mennessä, kuten Iinan mainitsemat Select by Expression- ja Spatial Query-valintatyökalut.  

Puskurityökalu tuntui todella monikäyttöiseltä. Sitä voi käyttää moniin eri toimenpiteisiin, kuten juuri melusaasteen vaikutusalueen mittaamiseen. Sitä voisi käyttää myös tarkastellessa ilmansaasteiden, säteilyn, tai vaikkapa tulvien vaikutuksen alaiseksi jäävää aluetta ja siellä asuvien ihmisten määrää. Sitä voisi myös hyödyntää esimerkiksi mitattaessa etäisyyttä tietystä pisteestä, vaikka terveyskeskuksesta tai sairaalasta, ja katsoa kuinka monta ihmistä asuu vaikkapa 2km säteellä kohteesta. Puskurityökalu sopisi siis myös apuna uusien palveluiden sijainnin päätöksessä. 

QGIS voi ratkaista monenlaisia ongelmia, jos käytössä on oikeanlaista ja riittävää aineistoa. QGISissä on kuitenkin myös hyödyllistä se, että sen avulla voi itse luoda aineistoon lisää dataa joko manuaalisesti piirtämällä tai erilaisin laskutoimituksin. 

Lopuksi vielä taulukko erään itsenäisharjoituksen tuloksista: 

Taulukon mukaan Helsinki-Vantaan ja Malmin lentokenttien melusaasteen vaikutusalueella asuu monia tuhansia ihmisiä, mikä tuntuu omasta mielestäni melko hurjalta. Finnavian mukaan lentokoneen nousu- ja laskusuunnilla on suuri merkitys melusaasteen voimakkuuteen. Lentokoneet kehittyvät koko ajan hiljaisemmiksi, joten melusaaste lentokenttien läheisyydessä toivon mukaan tulevaisuudessa vähenee. Toisaalta lentoliikenteen lisääntymisellä on myös varmasti oma vaikutuksensa asiaan. Kaupunkisuunnittelu vaikuttaa kuitenkin merkittävästi melusaasteesta kärsivien ihmisten määrään. Melulla on useita negatiivisia vaikutuksia ihmisen terveyteen, kuten lisääntyvä elimistön stressi ja heikentyvä unen laatu. Melusaasteen tutkiminen ja asutuksen sijoittaminen mahdollisimman kauas lentokenttien melualueesta on siis tärkeää.

Ulkoiset lähteet: 

https://www.finavia.fi/fi/tietoa-finaviasta/vastuullisuus/ymparistovastuu/melu

https://thl.fi/fi/web/ymparistoterveys/melu

Ruudukoista ja rasterikartoista koostui neljäs kurssikertamme. Näistä sain aikaan seuraavanlaisia luomuksia: 

Kuva 1

Kuva 2

Rasterikartassa jokaisella pikselillä on oma datansa. Valitsin tarkasteltavaksi kohteekseni Länsisatama-Ruoholahti-Jätkäsaari-Hietalahti –alueen. Ensin tutkin yksinkertaisesti väestön jakautumista tällä alueella, minkä jälkeen tarkastelin ruotsinkielisten määrää. Pelkän ruotsinkielisten asukkaiden määrän tarkasteleminen olisi ollut hyödytöntä, sillä rasterien data oli absoluuttista. Absoluuttisella datalla on niin hyviä kuin huonojakin puolia. Tarkan lukumäärän tietäminen on hyödyllistä vaikkapa koulun tai päiväkodin sijaintia päätettäessä – jos ruotsinkielisiä on väestöstä suhteellisesti tarkasteltuna paljon ei se välttämättä tarkoita, että alueella asuisi paljon ruotsinkielisiä ja ruotsinkielinen päiväkoti tulisi sijoittaa sinne. Esimerkiksi 90% viidestäkymmenestä asukkaasta on vain 45 asukasta, jne. Ainakin omalla kohdallani on kuitenkin luontevampaa tarkastella alueen tietoa suhteellisesti, esim. työttömien määrää. Se antaa mielestäni paremman kokonaiskuvan alueelta.  

Mutta mitä havaitsin valitsemani alueen ruotsinkielisten osuudesta? No, suoraan sanottuna en juuri mitään, sillä rasterikarttojen mukaan enemmän ruotsinkielisiä on alueilla, joilla muutenkin asuu paljon ihmisiä. Jälkeenpäin ajateltuna jonkin toisen muuttujan, esimerkiksi lapsiperheiden määrän tarkastelu olisi saattanut osoittautua hieman mielenkiintoisemmaksi.

Kuva 3. Google-mapsin tarjoama kartta valitsemastani alueesta. (Pikselien sijainnin hahmottamisen avuksi)

Muiden kurssilaisten rasterikartoista mieleeni jäi mm. Pasin kartta omakotitalojen suhteellisesta määrästä ja sijoittumisesta pääkaupunkiseudulla sekä Ilonan rasterikartta vieraskielisen sijoittumisesta pääkaupunkiseudulla. Omassakin tutkimusaiheessani olisi luultavasti toiminut paremmin koko pääkaupunkiseudun tarkasteleminen. 

QGis alkaa viikko viikolta tuntua tutummalta ja kokonaiskuva alkaa jo hahmottua. Vaikka yksityiskohtaiset ohjeet tuntuvat vielä hyvin tarpeellisilta, tehtävänantojen logiikka on jo hieman paremmin ymmärrettävissä.

Tällä viikolla opettelimme lähdeaineiston datan yhdistämistä jonkin yhteisen tekijän mukaan. Käsittelimme Afrikan valtioista koostuvaa tietokantaa, johon kuitenkin kaikki hyvin pienetkin saaret oltiin eritelty omaksi datakseen. Kun kaikki saman valtion rajojen sisäpuolelle kuuluvat alueet oltiin liitetty yhteen, tuli aineiston käsittelystä paljon helpompaa.  

Afrikka-aineistoa hyväksi käyttäen harjoittelimme uuden datan tuomista tietokantaan, jota yritin  ensimmäisen kerran jo viikon 1 harjoituksessa siinä onnistumatta. Oli siis hyvin mukavaa vihdoin ymmärtää, miten uusi data liitetään tietokantaan. Parannellun lähdeaineiston kanssa oli lopulta mahdollista visualisoida eri muuttujia, kuten timanttikaivoksien ja konfliktien esiintymistä Afrikassa. Muuttujien välisten korrelaatioiden vertailu oli hyvin mielenkiintoista, mutta kuten Vilma blogissaan pohti, tulee ilmiöiden korrelaatiosuhdetta tarkasteltaessa olla kriittinen – muuttujat eivät aina kulje käsi kädessä, vaikka se siltä näyttäisikin. 

Alla vielä otos käsittelemästämme materiaalista.

Afrikan mantereelta siirryimme lopulta takaisin Suomeen. Tehtävänä oli luoda kartta Suomen tulvaherkistä alueista sekä järvisyydestä.  

Visuaalisesti valmis kartta oli aika lailla katastrofi. Vaikka ympyrädiagrammit tuovat alueesta lisäinformaatiota, ne vievät aivan liikaa tilaa ja peittävät siten alleen paljon tärkeää informaatiota tulvaindeksistä.

Tarkasti tutkimalla voidaan kartasta ehkä kuitenkin vetää jonkinnäköisiä johtopäätöksiä: Kuten Amanda blogissaan asian tiivisti, tulvaindeksillä ja järvien määrällä on selkeä yhteys. Kun alueella ei ole vesivarastona toimivia järviä, on tulvan riski suurempi. Varsinkin keväisin joet tulvivat herkästi. Tämä on yleistä esimerkiksi Pohjanmaalla, missä tasainen maasto ja vähäjärvisyys altistavat jokien tulvimiseen.