Viikko 6. (Epicollect, interpolointi, pisteaineistojen esittäminen kartalla) EI VALMIS

Epicollect

Kuudennella kurssikerralla olin kotona flunssassa. Tein kuitenkin kerran epicollect kävelyn pari vuotta sitten kun yritin kurssia ensimmäistä kertaa. Internettiä käytetään enemivissä määrin tiedon keruuseen niin eri tieteenaloilla. Esimerkiksi afrikassa on ollut käytössä pidemmän aikaa “EpiSurveyor” tekstityyppisen tiedon keruualusta joka toimii yksinkertaisilla nokia puhelimilla. Älypuhelimet on viimeisen viidentoista vuoden aikana luonut uusia mahdollisuuksia tiedonkeruuseen. Epicollect sovellus toimii niin että mobiililaitteilla voi luoda ja tallentaa merkitöjä gps sijainnista sekä eri muuttujista. Ohjelma lähettää tiedot verkkotietokantaan, tietokannan voi sitten ladata koneelle sovelluksen kautta (Aanensen et. al. 2009) .

Turvallisuuden interpolointi

Kurssin tehtävänä oli visualisoida keräämämme aineisto. Valitsin visualisoinnin teemaksi turvallisuuden koska olen monesti miettinyt asiaa itse kävellessäni yliopistolle talven pilkko pimeässä. Tein ensin pistekartan eri väreillä ja siirryin sitten interpolointitehtävään. Interpoloinnissa kesti hetki kotikoneella. Noin neljänkymmenen minuutin jälkeen sain esille mustavalkoisen interpoloidun turvallisuustason. Kokeilin vaihtaa värejä interpoloidulle tasolle mutta päädyin lopulta mustavalkoiseen versioon. Versiossa ei nää Mitkä alueet ovat saaneet arvosanan 2-4 mutta mielestäni kartassa korostuu selvästi vähiten turvalliset alueet.

Kartta 6.1 (Turvallisuus Kumpulan ja Arabian alueella, 1= vähiten turvallinen, 5= eniten turvallinen)

Aineiston tuonti netistä QGissiin

Csv (comma separated values) tiedosto valituista maanjäristyksistä oli mutkatonta

Tekstipätkän muuntaminen muotoon jonka saan liitettyä Qgissiin kesti monta tuntia ja googlehakuja

Lopuksi jokseenkin helppo ja nopea prosessi: excel, xml tiedosto csv ksi converterillä, asetukset Qgississä

Meinasin antaa periksi kun vihdoin ja viimein sain aineiston tuotua gissiin mutta pisteitä ei näkynyt

Kyse oli yhden ruudun ruksista ja pisteet näkyivät, projektion muutos

Loppuun

 

Lähteet

Aanensen DM, Huntley DM, Feil EJ, al-Own F, Spratt BG (2009) EpiCollect: Linking Smartphones to Web Applications for Epidemiology, Ecology and Community Data Collection. PLoS ONE 4(9): e6968. https://doi.org/10.1371/journal.pone.0006968

Viikko 5. (bufferit, analyysit)

Buffer ja ensimmäinen tehtävä

Kurssikerralla teimme melkein koko tunnin tehtäviä itsenäisesti.

Buffer työkaluja on QGississä monta esim. “SAGA” ja “single sided buffer”.  Tällä kerralla harjoittelimme käyttämään “Buffer” nimistä työkalua. Ennen kun työkalussa voi painaa “run” on määriteltävä tiettyjä kenttiä. Joskus minusta tuntuu että on vaikeeta tietää mitä kenttiä täyttää ja miten. Ilman ohjeita en olisi esimerkiksi arvannut että “segments” kenttään meidän käyttämässä “buffer” toiminnossa pitäisi laittaa numero 36. Onneksi Qgissistä löytyy lyhyt info tominnoista ja googlaamalla löytää melkein aina vastauksen ongelmiin.

Ensimmäinen tehtävä selvittää kuinka moni asuu Malmin kentän pahimmalla melualueella. Tehtävän suorittamiseksi on luotava bufferi 2km säteelle Malmin kiitoradoista. Alla olevassa (Kuva 5.1) ulompi bufferi on luomani 2km säteen bufferi. Sain vastaukseksi 59325 asukasta. Luokassa minun vieressä istuvalla oli hieman pienempi luku. Se johtui siitä että hän oli luonut viivat kiitoradoille kun itse loin polygonin jolla rajasin koko kiitoradan pinnan. Tieheästi asutulla alueella jo 50 metrin ero voi tarkoittaa monta sataa asukasta enemmän. Toisaalta koneet harvoin laskee kiitoradan rajalle vaan useimmiten keskelle kiitorataa. Onko väliä mistä melusaasteen mittaa?

Image preview

Kuva 5.1 (Malmin lentokenttä)
Lisätehtävä  ja muut tehtävät
Lisätehtävänä oli laskea kuinka monta rakennusta 1km etäisyydellä on rakennettu malmin lentokentän käyttöönoton jälkeen. Yllä (Kuva5.1) tummempi bufferi on 1 km etäisyydellä ja keltaiset pisteet viittaa rakennuksiin bufferialueella. Vastaukseksi sain että ainoastaan 82  rakennusta 832 rakennuksesta on rakennettu ennen malmin kentän käyttöönottoa 1938.
Aineistossa oli myös vähän kohteita joiden rakennusvuosi ei ollut tiedossa.
Toinen osa ensimmäistä tehtävää on saman tyyppinen, tällä kertaa tehtiin bufferi Helsinki-Vantaan lentokentälle ja laskettiin kuinka monta asukasta asuu Helsinki- Vantaan lentokentän pahimmalla melualueella sekä  tehdyn bufferin alueella.
Kolmas osa ensimmäistä tehtävää oli laskea asemien läheisyydessä asuvat. Tein taulukon (taulukko 5.2) saamistani tuloksista.

Taulukko 5.2

Toisena kurssikerran tehtävä oli selvittää kuinka monta asukasta asuu taajamissa, kouluikäistä asuu taajamien ulkopuolella ja ulkomaalaisten osuus alueilla. Taajama on vähintään 200 asukkaan alue jonka etäisyys seuraavaan taloon on enintään 200m (Tilastokeskus). Selviydyin tehtävästä hyvin. Jatkoin tehtäviä kotoa.

Tehtävä 4. (Saunat ja Uima-altaat)

Lopuksi piti valita yksi isompi tehtävä kolmesta eri vaihtoehdosta. Valitsin hauskimman kuulosen, eli Uima-altaat ja saunat tehtävän. Tehtävä sujui paremmin kun mitä olisin koskaan voinut arvata. Pari vastoinkäymistä minulla kuitenkin oli. Poistin aineistoista turhat sarakkeet jotta aineist olisi kevyempi ohjelmalle suorittaa. Samalla poistin molempia (kaupunginosa ja pisteaineistoa) yhdistävät sarakkeet. En siis enään voinut yhdistää tasoja joten minun oli ladattava aineistot uudestaan ja aloitettava alusta.

Toinen ongelma jonka kanssa kamppailin monta päivää oli “error” joka ilmeni kun yritin suorittaa toimintoja “count points in polygon” tai “intersect”. Lopulta sain googlaamalla vastauksen ongelmiin. Helpolla muutoksella asetuksista ohjelma lopetti herjaamisen ja sain tehtyä tarvittavat toiminnot. Taas kerran kyse oli asetuksesta jota en itse olisi löytänyt. Suosittelen googlaamista, et todennäköisesti ole ainoa joka on kamppaillut ongelman kanssa.

Image preview

Taulukko 5.3

Image preview

Kartta 5.4 (Koropleettikartta saunoista ja pylväsdiagrammi uima-altaista pääkaupunkiseudulla)

Tein taulukon suorittamistani laskelmista uima-altaille sekä saunoille (5.3). Lopuksi tein kartan tehtävään liittyen (kartta 5.5). Nikolai Tuuri blogissaan(23.2.23) on tehnyt tehtävälle kartan jossa uima-altaiden määrä näkyy kartassa koropleettikartan tapaan väreinä sekä lisäksi myös pylväinä. Itse päädyin ratkaisuun jossa tein koropleettikartan saunojen määrästä ja pylväät uima-altaiden määrästä. Ajattelin että näin voi verrata saunojen ja uima-altaiden esiintyvyyttä toisiinsa. Lopputulos on mielestäni parempi kuin olisin osannut odottaa. Selitteestä puuttuu kuitenkin uima-altaat. Yritin myös lisätä pylväiden viereen uima-altaiden määrät numeroina mutta jostain syystä numerot eivät näkyneet kartassa.

Pohdintaa

Olen mielestäni kehittynyt valtavasti viimesten kahden kerran aikana. Tämän kerran tehtävät vahvisti luottamusta siihen että osaan hallita, käyttää Qgissiä itse ilman vaihe vaiheelta ohjeita opettajalta. Pelkään kuitenkin että jos en jatka kertausta, ohjalman käyttämistä niin unohdan nopeasti oppimani asiat.

Lähteet:

Nikolai Tuurin blogi(23.2.23): https://blogs.helsinki.fi/nikolait/

Tilastokeskus: https://www.stat.fi/meta/kas/taajama.html

Viikko 4. (Rasteriaineisto, kartan piirtäminen)

Tehtävä 1.

Ensimmäisenä tehtävänä on luoda ruudukkokartta valitsemastamme aiheesta. Alkuun loimme työkalulla ruudukon (“create grid”) pääkaupunkiseudun alueelle. Taas jälleen huomasin miten tärkeetä on kaikkien kenttien oikein täyttäminen. Laitoin ruudukkoon vahingossa ihan liian pienen ruutukoon (5m) ja tuloksena oli hitaasti suurentuva musta alue ruudulla. Pelästyin, sammutin ohjelman ja aloitin alusta.

Onnistuneen 500 metrin ruudukon luomisesta valmiiseen karttaan (Kartta 4.1) on vielä jonkin verran matkaa. Käyttäen valmiiksi annettuja aineistoja rajasin, yhdistin ja laskin tietoja ruudukolle. Ensimmäinen kartta jonka tein näyttää nuorien 0-20 vuotiaiden osuuden väestöstä alueella. Jotta saisin tämän tuloksen oli minun laskettava yhteen kaikki ikäluokat 20 vuoteen  asti “field calculatorilla” ja sitten jaettava määrä kokonaisasukasmäärällä. Arvot ovat prosentteja. Tulos kartalla vaikuttaa mielestäni siltä että se voi olla totta. Reuna-alueilla on suurempi osuus nuoria kuin helsingin keskustassa.

Kartta 4.1

Karttaan olisi voinut ennen visualisointia kerrata kaikki luvut 100 jotta luvut olisi selitteessä prosentteina. Näin vähemmän tottunut kartanlukija ymmärtäisi heti mistä on kyse. Toinen karttaa selkeyttävä tekijä olisi jonkinlainen nimistö tai jotain paikkaan viittaavaa. Helsingin aluetta tuntevaa lukuun ottamatta ei ole välttämättä ollenkaan selvää missä suurkaupungin keskusta-alue on kartalla.

“Uusimaa” sijaan kartassa pitäisi lukea “pääkaupunkiseutu”. Olen huomannut aikaisemminkin että pienet yksityiskohdat selitteiden kohdalla jää huomaamatta visualisointivaiheessa sen jälkeen kun on tehnyt monimutkaisempia toimintoja ohjelmalla. Jos tasot ja sarakkeet nimeää ohjelmassa alunperin oikein virheitä sattuu huomattavasti vähemmän.

500m tarkkuus kartassa ei välttämättä anna hirveän tarkkaa kuvaa alueesta. Suurempien mittakaavojen kartoissa 500m voi kuitenkin olla hyvä koko. Ehkä ruutukartta olisi paras kasautumisen tarkasteluun esimerkiksi köyhyyden tai asuntohintojen tarkasteluun? Tarkkaan absoluuttisiin arvoihin kartta ei mielestäni ole hyvä koska ruudun runa saattaa jakaa esimerkiksi asutusryppään kahti joten tulos voisi olla ihan eri riippuen mihin kohtaan ruutu osuu.

Toisaalta ruutureemakartta voi olla parempi vaihtoehto kuvaamaan ilmaantuvuutta. Edellisen tehtävän (Kuva 3.1) pistekartta näyttää ehkä tarkemman paikan attribuuteille kartalla mutta kun pisteitä on paljon lähellä toisiaan tai jopa päällekkäin, on vaikeaa arvioida pisteiden määrää. Tällöin esimerkiksi ruututeemakartta on parempi vaihtoehto.

Tehtävä 2. (Itsenäinen tehtävä)

Toinen tehtävä tällä kurssikerralla on ladata peruskarttalehti Paitulista tietokoneelle ja luoda sille korkeuskäyrät 5m välein. Paituli on korkeakouluopiskelijoille ja ammattilaisille suunnattu latauspalvelu josta löytyy monen eri tahon paikkatietoja (paituli). Alla (Kartta 4.2) on QGississä luomani korkeuskäyrät. Valitsin käyrien väriksi ruskean koska musta näytti kovalta ja kartasta pomppaavalta.

Opin tunnilla lisää rinnevarjostuksesta. Rinnevarjostus näyttää ihmiselle eniten luontevalta kun valon suunta tulee luoteesta ja osuu kaakkoon. Vaikka aurinko harvoin ja vain osissa suomea koskaan paistaa kyseisestä suunnasta on suunnan käyttö kuitenkin hyväksyttävää. Muista suunnista tuleva valo näyttää ihmisen silmään siltä että koholla olevat muodot ovat kuoppia.

Korkeuskäyrien kanssa käytetty läpinäkyvä rinnevarjostus tuo paremmin esille maaston muodot (maanmittauslaitos). Huomasin että ainoastaan rinnevarjostuksen käyttö voi vääristää muotoja. Tietyssä kulmassa valoa vasten oleva muoto voi jääsä ilman varjoa vaikka korkeusero olisi suuri. Siksi väitän että yhdistelmä korkeuskäyrien kanssa on paras vaihtoehto.

Kartta 4.2 (Kartta meni yhtäkkiä tosi epätarkaksi täällä blogisivustolla?)

Toinen osa toista tehtävää oli piirtää QGissiä käyttäen teitä karttaan. Piirsimme suuret tiet Pornaisten alueelle kartassa (punaiset viivat Kartta 4.2). Tehtävä sujui hyvin mutta jo pienelle alueelle piiräminen kesti hetken. Jos joutuisi piirtää teitä suurempaan alueeseen ja myös muita kohteita, piirtämisessä voisi kestää hyvin kauan.

Pohdintaa

Tällä kerralla tuntui ensimmäistä kertaa siltä että hallitsen jossain määrin itse ohjelmaa. Osaan tuoda, rajata, liittää, laskea ja visualisoida paikkatietoa. Jossain määrin. Toivon ensi kerroilla saavani kertauksen kautta sujuvuutta tekemiseen. Minusta tuntuu että jos saan lisää varmuutta perusasioihin voisin nopeasti oppia paljon lisää.

Lähteet

Paitulin verkkosivu: https://paituli.csc.fi/

Maanmittauslaitoksen verkkosivu: https://www.maanmittauslaitos.fi/kartat-ja-paikkatieto/asiantuntevalle-kayttajalle/tuotekuvaukset/rinnevarjostus