Kort sammanfattning
Till vad vi lärde oss den här veckan hörde rutdata och rasterkartor. Så vad gäller rutdatan så lärde vi oss att tillverka ett rutnät och att visualisera fenomen med hjälp av det. Och vad gäller rastermaterialet så fick vi visualisera terrängskuggning, höjdkurvor och påbörja någon form av ”digitalisering” (vektorisering) av en rasterkarta.
Vad var svårt
Den här veckan mer än andra veckor lade jag märke till att jag behövde allt mer och oftare kolla in anvisningarna och zoom-videorna för att komma ihåg vad, och hur, man skulle göra. Om det då berodde på att jag varit tröttare under senaste zoom-mötet, om vi använt oss av fler funktioner, om det var mer detaljer man behövde lägga märke till, eller om det bara var mer av funktionerna och detaljerna som hörde till själva veckans uppgift vet jag inte. Annars stötte jag inte på större problem förutom att bearbetningen av materialet stundvis tog väldigt länge, vilket Arttu nog nämnde om ifall man använde sig av mindre rutor (jag använde mig av 500 meters och 250 meters). Det ända ”problemet” jag egentligen hade var att när jag försökte laga höjdkurvor (ja, jag hade glömt att spara alla scratch layers i den andra uppgiften) så laddade QGIS bara och kom aldrig fram till några resultat. Men det visade sig att jag använt terrängskuggnings lagret för att försöka skapa höjdkurvor medan vi under zoom-mötet använt oss av ”virtual layer”-lagret. Så efter att ha trott att det var något fel på mitt program visade det sig att jag bara använt mig av fel ursprungslager. Lite svårt var det kanske också i samband med färgläggningen av rutnäts kartan. I början hade mina rutor svarta konturer vilket gjorde kartorna lite svårlästa tillsammans med kommungränser och vägar, men efter att jag tagit bort konturerna så blev de betydligt lättare att tolka.
Vad som skapades
Det första som vi gjorde var en karta över huvudstadsregionen (Helsingfors, Esbo, Grankulla och Vanda) med hjälp av ett rutnät. Under zoom-tillfället gjorde vi ett rutnät, där rutorna var 1 km² stora, och som visade hur många svenskspråkiga som bodde inom de områdena. På egenhand valde jag dock att göra två olika kartor där rutorna var olika stora, men temat var detsamma. Den första använde jag mig av 250m för sidorna på kvadraterna och för den andra 500m. Båda visualiserar var det bor som mest 20–24 åringar (Bild 1 och Bild 2). Som sagt hade jag små problem med visualiseringen, men tycker ändå att de blev helt bra. Möjligtvis borde jag valt en annan bakgrundsfärg för huvudstadsregionen (den gula) för att den gör det lite svårt att se rutorna var inte så många 20–24 åringar bor. Men samtidigt tycker jag att det var en bra idé att ha en annan färg på huvudstadsregionen för det lyfter fram området. Jag funderade också på att lägga in namnen på de olika kommunerna, men för det första så syns redan kommungränserna och för det andra så skulle jag ha täckt över rutor. Dessutom kan kartan också i huvudsak var lämpad för sådana som känner området och kommunerna. Och så man ändå kan få en uppfattning om var kommungränserna går, valde jag att inkludera dem. Vad man också kan se på kartorna är att person antalet är givet med absoluta värden, istället för relativa, till skillnad från hur material har givits i tidigare veckor. Man kunde ha använt sig av relativa här också för att se var de unga vuxna utgör en större del av alla invånare. Men jag tror att man här kan använda sig av absoluta, för att det inte är frågan om så stora mängder och att gruppera dem är betydligt lättar än om man hade en större undersökningsgrupp (hela landet). Tack vare Inka Järveläs blogg, där hon nämnde om att alla rutor är lika stora, kom jag också ihåg att Arttu nämnt om att man inte brukar jämföra kommuner med absoluta värden för att de är olika stora. Så på grund av att vi använder oss av ett rutnät där rutorna har samma storlek kan man använda sig av absoluta värden.
Vad kan man då se i kartorna? Det är lättare att urskilja de enskilda rutorna i kartan med 500m rutor (Bild 2), medan 250m (Bild 1) kartan i sin tur visar en precisare placering av 20–24 åringar. Vad jag dock lärde mig med hjälp av kartorna var Aalto universitets placering. Jag såg nämligen de väldigt mörka rutorna i sydöstra Esbo (rätt så mitt i kartan) och funderade om där fanns något universitet, på grund av att där bodde så många unga vuxna. Och när jag kollade på Google Maps så visade det sig att det var frågan om Aalto universitet. Vad gäller de mörkaste områdena nära Helsingforscentrum så ligger de nära Kampens, Gumtäkts respektive Mejlans universitetsbyggnader. Ett annat rätt så mörkt område var det nära västliga gränsen mellan Grankulla och Esbo, med en Google Maps check så kunde jag inte hitta några universitets- eller högskolebyggnader utan kopplade då istället den stora mängden till goda kopplingar. Det går nämligen en tågräls här som man kan ta sig till Helsingfors med och så finns här goda vägförbindelser. Liknande slutsatser har jag även för övriga områden norrut från Helsingfors (mot Vanda). Österut dock går även metron vilket också bidrar till att här kan finnas en hel del. Alltså de bor på dessa ställen för att det finns goda förbindelser för att effektivt ta sig närmare centrum, eller till sin studieplats. Om jag hade inkluderat markanvändningen och sett efter samband kunde man säkert fått en bättre förståelse om i vilka områden det är möjligt för fler personer att bo (bostadsområden jämfört med CBD eller industriområden).
Den andra uppgiften vi gjorde hade med rastermaterial att göra. Under zoom-tillfället gjorde vi terrängskuggning och visualiserade höjden med höjdkurvor. Arttu nämnde också om att man kunde se om det blev någon skillnad beroende på vilken resolution (Average, Highest eller Lowest) man använde i samband med virtual raster-funktionen. Så jag testade att laga en per resolution och efter att ha granskat alla, oberoende om det är frågan om terrängskuggning eller höjdkurvorna så ser i alla fall inte jag någon skillnad dem emellan. Vad vi också skulle göra var att vi skulle jämföra höjdkurvorna som vi skapat med en karta som man kunde ladda ner från Paituli. Som man kan se i bild 3 är höjdkurvorna i kartan från lantmäteriverket (till höger) mera avrundade, medan de som vi skapade blir väldigt ojämna. På grund av att det vid lågt sluttande områden kanske övergår till, ska vi säga 10 meters höjd lite ojämnt, så därför är också de från QGIS ojämna. Det gör dock kartan lite onödigt svårläst och inte lika visuellt estetisk, därför har små variationer tagits bort från den riktiga kartan och höjdkurvor jämnats ut. En annan sak som skiljer dem, som Anton Granqvist nämnde i sin blogg, är att kartan från Paituli har siffror som anger höjden över havet. Detta gör den också lättare att tolka.
Vad jag lärde mig
Jag tyckte det var väldigt intressant att se hur, och att, man kan laga höjdkurvor och terrängskuggning med hjälp av QGIS. Det var också kul att få se att man kan rita linjer och lägga ut punkter på QGIS, som man kunnat göra i CorelDraw. Jag tror jag börjar ha en rätt så bra förståelse över kombinationen av data för olika lager (som statistik → polygoner eller punkter → rutor). Dock kan det visa sig att det finns ännu fler funktioner som jag inte kommer att tänka på, eller inte ens vet om. Alla små detaljer som att hur man får terrängskuggning genomskinligare eller var alla funktioner hittas, kommer jag möjligtvis glömma till nästa gång då de ska användas. Man börjar nämligen ha fått använda sig av så många funktioner i QGIS att de inte ryms i ”recently used”, därför glömmer man var man hittar dem och alla olika aktioner man kan utföra.
Källor:
Granqvist, A. (2021, februari 16). Fjärde veckan. Hämtad från: https://blogs.helsinki.fi/antongra/ (21.2.2021).
Järvelä, I. (2021, februari 12). Neljäs viikko: Pisteaineiston käyttö ruudukossa. Hämtad från: https://blogs.helsinki.fi/inxinx/ (21.2.2021)