På den fjärde kursgången övade vi oss på att göra rutnät och att tillägga data till det från en annan databas. Vi använde ”spatial query” plugin verktyget, som förenklar processen av att välja objekt genom flera olika filter. Verktyget kom att vara användbart också på den femte kursgången.
Vi tog alltså och sammanförde data om befolkningsmängden till rutnätet. Databasen om befolkningen var väldigt stor och innehöll flera tusen objekt, som alla hade information om tiotals olika teman, vilket gjorde några av processerna långsamma och riskabla eftersom QGIS kunde krascha när man gjorde dem. För att förenkla fortsätta processer tog vi och sparade en rensad version av befolkningsdatabasen, som endast innehöll data om befolkningsmängden som vi skulle göra en temakarta över.
Vi hade egentligen som uppgift att göra en temakarta över något annat än befolkningsmängden som vi gjorde tillsammans, men när jag under den kursgången inte hann med det och försökte göra den senare, fick jag det inte att fungera. Problemet var att attributtabellen till databasen om befolkningen var tom, vilket betydde att jag inte kunde visa någon data i rutnätet. Som plan hade jag att göra en temakarta med svenskspråkigas mängd i Helsingforsregionen. Det är synd att jag inte fick datat att synas, eftersom alla stegen före det gick bra och jag tror att kartan skulle ha blivit intressant att analysera.
Jag nöjer mig alltså med att presentera kartan som jag hann göra på kursgången över befolkningstätheten indelat i 1km x 1km rutor, trots att bildens rubrik säger annat. På kartan på bild 1 ser man att befolkningstätheten, som man också kan förvänta sig, är störst i centrum av Helsingfors, och i grannkommunernas centrum eftersom jobb och service oftast förkommer i största grad i dessa områden. I utkanterna av det visade området sjunker befolkningstätheten i och med att avståndet från centrumen ökar. Elisa Aho presenterar sin karta med samma tema, men våra kartor ser aningen annorlunda ut. Jag misstänker att orsaken till skillnaden är att vi använt olika klassificeringsmetoder för värdena. Våra värden har också olika övregränser, vilket betyder att vi också måste ha gjort olika val i något skede i framställningsprocessen. Jag märkte att Amelia Cardwell också hade en annan övregräns för värden än jag och Elisa, vilket får mig att tro att det inte är så allvarligt om det finns viss variation. Annars liknade min Amelias kartor mer varandra. Eftersom kartans område är indelat i lika stora rutor, tycker jag att det är passande att presentera datat i absoluta värden.
Vi övade oss också på att sammanföra rasterkartblad till ett och samma lager så att de alla skulle ha samma skala. På dem tillade vi ännu terrängskuggning.
Efter detta började vi ännu med nästa veckas uppgift, att digitalisera alla bostäder inom ett område i Borgnäs. Detta gjorde vi genom att skapa ett nytt vektorlager, dit vi lade till nya objekt som prickar på kartan. Processen var lätt men krävde mycket tålamod.
Källor:
Aho, E. (16-2-2019). Rastereita ja ruutuja. Hämtad från https://blogs.helsinki.fi/elqaho/
Cardwell, A. (8-2-2019). Viikko neljä: väestötietoja sekä korkeuskäyriä. Hämtad från https://blogs.helsinki.fi/amca/