Month: February 2020

Kuudennella kurssikerralla pääsimme ulkoilemaan ja keräämään itse aineistoa Epicollect5 sovelluksen avulla. Muutaman hengen ryhmissä valitsimme Kumpulan ympäristöstä kohteita, joita arvioimme esimerkiksi viihtyvyyden, houkuttelevuuden ja turvallisuuden näkökulmasta. Ulkoilun jälkeen kokosimme datan yhteen ja interpoloimme QGISsä karttoja haluttujen muuttujien mukaan. Epicollect5 vaikutti käyttäjäystävälliseltä sovellukselta ja data taipui helposti kartoiksi QGISsä. Kyseistä sovellusta voisi ehdottomasti käyttää aineenopettajan työssä.

Varsinainen blogitehtävä liittyi hasardeihin. Valittavana oli maanjäristykset, meteoriitit ja/tai tulivuoret. Onnistuneita karttaesityksiä olivat tuottaneet esimerkiksi Flaminia Puranen ja Pihla Haapalo, joiden blogeista sain vinkkejä karttojen tuottamiseen. Kuvissa 1-3 on esitetty maanjäristyksiä vuosina 1950-2012. Kuvassa 1 on kuvattu yli 9 magnitudin järistykset, joita on tapahtunut vain kaksi.

Kuvassa 2 on kuvattu kaikki yli 8 magnitudin järistykset vuosina 1950-2012. Yli 8 magnitudin järistyksiä kyseisinä vuosina on tapahtunut 33.

Kuvassa 3 on kuvattu kaikki yli 7 magnitudin järistykset vuosina 1950-2012. Yli 7 magnitudin järistyksiä tapahtui 586 vuosina 1950-2012.

Kartoista voi jo ensisilmäyksellä huomata, että maanjäristykset tapahtuvat usein litosfäärilaattojen rajavyöhykkeillä. Tein aluksi kartat, joihin en ollut lisännyt litosfäärilaattoja. Kartat eivät kuitenkaan olleet yhtä informatiivisia kuin blogiini liittämät kartat, joissa litosfäärilaattojen rajat näkyvät.

Kolmea kuvaa vertailemalla voi myös huomata, että maanjäristysten lukumäärä kasvaa eksponentiaalisesti siirryttäessä magnitudin asteikolla kokonaislukuja alaspäin. Yli 9 magnitudin järistykset ovat todella harvinaisia. Sen sijaan pienemmän järistykset ovat melko tavallisia. https://earthquaketrack.com/ sivustolla voi havaita, että viimeisen 24h aikana voimakkain maanjäristys on ollut 5,1 magnitudia. Sivustolta selviää myös, että viimeisen vuoden aikana on tapahtunut yhteensä 62,830 järistystä.

Tuottamiani karttoja tarkemmin tarkastelemalla voi huomata, että voimakkaimmat maanjäristykset tapahtuvat heikkoja järistyksiä useammin usean litosfäärilaatan yhtymäkohdan läheisyydessä. Pienempiä järistyksiä puolestaan tapahtuu kaukanakin litosfäärilaattojen rajakohdista. Tuottamiani karttoja voisi käyttää kouluopetuksessa kuvaamaan maanjäristysten yleisyyttä ja maantieteellistä esiintyvyyttä, sekä litosfäärilaattojen sijainnin merkitystä.

KIRJALLISUUS

Earthquake Track (2020). Today’s Biggest Earthquakes. 28.2.2020. https://earthquaketrack.com/

Haapalo (2020). Ylös, ulos ja ulkohommiin. 28.2.2020. https://blogs.helsinki.fi/haapalop/

Northern California Earthquake Data Center (2020). Historic ANSS Composite Catalog Search. 28.2.2020. https://ncedc.org/anss/catalog-search.html

Puranen (2020). Maastosta kerätyn datan käyttö. 28.2.2020. https://blogs.helsinki.fi/flaminia/

Tällä kurssikerralla opimme uutena asiana bufferoimaan eli muodostamaan uuden alueen tietyn kohteen ympärille. Bufferoinnin avulla on esimerkiksi helppo selvittää ilmiön yleisyyttä alueella. Kuten Pihla Haapalo blogissaan muotoilee, bufferoinnilla voi tutkia kohteen vaikutusaluetta (Haapalo 2020).

Selvitimme kurssikerralla Helsinki-Vantaan ja Malmin lentokenttien 1 ja 2km säteen sisällä asuvien henkilöiden lukumäärää bufferoinnin avulla. Lisäksi selvitimme erillisen tietokannan avulla yli 55db ja yli 65db melualueella asuvien henkilöiden lukumäärää. Tässä tehtävässä en kohdannut suurempia hankaluuksia. Loin usein uuden aineiston, mikäli halusin esimerkiksi meluhaitta-aineiston osalta käsitellä vain yli 55db tietoja. Todennäköisesti olisin voinut säästyä ylimääräisiltä työvaiheilta, jos olisin perehtynyt tarkemmin asiaan.  Taulukossa 1 on esitetty tehtävän 1 vastaukset.

Taulukko 1. Tehtävän 1 vastaukset.

Toisessa tehtävässä tutkimme juna- ja metroasemista 500m säteellä asuvien osuuksia kaikista alueen asukkaista. Teimme tietokantaan aiemmin opittuun tapaan uuden sarakkeen, johon laskimme työikäisten lukumäärän ja vertasimme työikäisiä aseman ympäristössä asuvia kaikkiin aseman ympäristössä asuviin. Myös tässä tehtävässä bufferoimme asemien ympärille 500m säteen alueet, joiden avulla oli helppo tarkastella alueiden sisään jäävien asukkaiden lukumäärää ”select by location” toiminnon avulla.

Tehtävän 2 toinen osio käsitteli taajamia ja niiden asukkaita. Perusperiaatteeltaan suurin osa taajamatehtävästä noudatteli tehtävän aiempaa osiota. Valintoja tehtiin sijainnin perusteella ja asukkaiden yhteenlaskettuja summia tarkasteltiin ”statistics” näkymässä. Ulkomaalaisten asukkaiden prosenttiosuuksia laskettaessa taajamittain jouduin käyttämään hieman syvällisempää pohdintaa. Koska taajamat ulottuivat tutkimusalueen ulkopuolelle, tein uuden rajauksen ja ”intersection” toiminnolla onnistuin rajaamaan tutkittavat taajamat sopivaksi. Lopuksi taajamat ja niiden asukkaat yhdistettiin ja näin ollen onnistuin ymmärtääkseni laskemaan ulkomaalaisten osuudet prosentteina kullekin taajamalle. Tehtävän 2 vastaukset on esitetty taulukossa 2.

Taulukko 2. Tehtävän 2 vastaukset.

 

Tehtävistä 3-5 tuli valita vähintään yksi suoritettavaksi. Tehtävänannot luettuani paloin halusta selvittää, mikä on pk-seudun uima-allasrikkain osa-alue, joten päädyin tekemään tehtävän 4. Suurin osa tehtävän 4 osa-alueista sujui ongelmitta. Valintatyökaluja käytin tämänkin tehtävän tekemiseen monipuolisesti. Sijainnin, tietyn arvon tai klikkauksen perusteella valinta onnistuu nykyisin käden käänteessä.

Kohtasin ongelman vasta selvittäessä uima-altaiden lukumäärää kaupunginosittain. QGIS herjasi ”Join attributes by location (summary)” osiossa geometriaongelmaa. QGIS kehotti korjaamaan tietyn osa-alueen geometriaa tai tekemään valinnan, joka ohittaisi  ongelma-alueiden kohdalla laskutoimituksen. En onnistunut näissä QGISin ehdottamissa toimissa, joten latasin MMQGIS lisäosan, jonka avulla onnistuin laskemaan uima-altaiden lukumäärät kaupunginosittain. Kurssikerran 4 tehtävänannossa oli neuvottu kyseisen lisäosan käyttö. Ohjeet kurssikerroilta 3-5 olivat minulla ahkerassa käytössä muiltakin osin tämän viikon tehtäviä tehdessä. Tehtävän 4 vastaukset löytyvät taulukosta 3.

Taulukko 3. Tehtävän 4 vastaukset.

Viimeinen tehtävä oli laatia uima-altaista karttaesitys kaupunginosittain. Pylväsesityksen laatiminen oli tuttua jo valuma-alue -tehtävän osalta, joten siinä en kohdannut haasteita. Altaiden lukumäärää absoluuttisina arvoina oli yllättävän vaikea sovittaa karttaan pylväsesityksen kanssa. Molemmat esitykset toimivat moitteetta erillisinä tasoina. Huomasin kuitenkin, että lukuarvojen ja pylväiden sijaintia muuttamalla onnistuin sovittamaan molemmat informaatiot kartalle kohtalaisesti (kuva 1). Tehtävän tekemällä sain siis selville pk-seudun uima-allasrikkaimman asuinalueen, joka on Lauttasaari.

Huomasin myöhemmin, että Tomi Kiviluoma oli tehnyt saman tehtävän ja esitti tuotoksen blogissaan. Olisi ollut hyvä, jos olisin perehtynyt hänen blogiinsa ennen oman tehtäväni suorittamista, sillä  hänen visualisointinsa oli onnistunut erinomaisesti. Hän oli karttaesityksessä jättänyt alle 10 uima-altaan kaupunginosat esittämättä, mikä selkeytti karttaa (Kiviluoma 2020).

Tällä hetkellä QGISin valintatyökalut, bufferointi, laskutoimitukset tietokantoihin, tietokantojen tietojen yhdistäminen ja karsiminen ja karttaesitysten laatiminen tuntuvat luonnistuvan pääasiassa ongelmitta. Lisäharjoitus ei varmasti olisi pahitteeksi silti millään osa-alueella. Välillä pohdintaan, komentojen kokeilemiseen, epäonnistumiseen ja uudelleen yrittämiseen kuluu aikaa. Kun toistoja tulee tarpeeksi, alkaa paremmin hahmottaa kuhunkin tehtävään tarvittavat työvaiheet.

Tähän mennessä harjoittelemillamme työkaluilla on mahdollista tehdä monipuolisia laskutoimituksia ja karttaesityksiä käytännössä mistä vain muuttujasta. Esimerkiksi väestöstä on saatavilla paljon informaatiota, jota voi esittää sellaisenaan tai laskutoimitusten avulla jatkojalostaa saatavilla olevaa tietoa.

KIRJALLISUUS

Haapalo (2020). Kädet ilmaan. 12.2.2020. https://blogs.helsinki.fi/haapalop/

Kiviluoma (2020). Valintojen maailma: bufferointia ja tietokantojen syväluotaavaa suodatusta. 14.2.2020. https://blogs.helsinki.fi/tomingeoblogi/

Neljännellä kurssikerralla laadimme pääkaupunkiseudun alueelta ruututeemakarttoja. Ruututeemakartan laadinnassa hyödynsimme aiemmilta kurssikerroilta tuttuja taitoja. Opimme lisäksi ruudukon luomisen ja väestötietojen yhdistämisen ruutuihin, sekä tyhjien, asumattomien ruutujen poistamisen. Näin ollen aineiston jatkokäsittely oli nopeampaa.

Kotitehtävänä laadin pääkaupunkiseudulta kaksi ruututeemakarttaa, joista kuvassa 1 on nähtävillä alle 1-vuotiaiden lasten lukumäärä 500x500m ruuduilla esitettynä. Kartalta on nähtävissä, että Helsingin kantakaupungissa alle 1-vuotiaiden lasten lukumäärä on suurimmillaan. Kuten Michaela Söderholm kirjoitti blogissaan, suurimmat tiet, rautatiet ja metroreitin voi selvästi havaita ruutukartalta, joka kuvaa asutuksen sijoittumista (Söderholm 2020). Söderholm oli omassa kartassaan kuvannut asutuksen jakaantumista pääkaupunkiseudulla. Alle 1-vuotiaiden lasten lukumäärä noudattelee yleisiä asutuskeskittymien sijainteja. Olen kuitenkin yllättynyt kartasta Espoon osalta. Onko mahdollista, että Espoossa ei ole juurikaan 500x500m alueilta, joissa asuisi enemmän kuin 1 alle 1-vuotias? Kauniaisten kohdalla on kartalla nähtävillä pieni alle 1-vuotiaiden keskittymä, mutta Espoo ammottaa tyhjyyttään alle 1-vuotiaista. Tähän en ikävä kyllä keksinyt järkevää selitystä.

Tein vielä harjoituksen vuoksi toisen kartan, jossa tarkastelin yli 85-vuotiaiden lukumäärää pääkaupunkiseudulla (kuva 2). Tässä kartassa myös Espoon tulos näyttää luotettavalta. Huomionarvoista on, että kartoissa on käytetty eri luokkajakoa ja luokkien lukumäärää. Ensimmäiset neljä luokkaa ovat kartoissa samat, mutta yli 85-vuotiaita on huomattavasti alle 1-vuotiaita enemmän, joten tein yli 85-vuotiaiden karttaan viidennen luokan, 29-147. Jälkeenpäin ajateltuna olisi ollut informatiivisempaa, jos olisin tehnyt samat luokat molempiin karttoihin. Alle 1-vuotiaiden kartassa ylin luokka olisi jäänyt täyttämättä, sillä ylin arvo 500x500m ruudulla alle 1-vuotiaiden osalta oli 29. Tällöin karttojen vertailu keskenään olisi helpompaa.

 

Ruututeemakartoilla tässä tehtävässä esitetään absoluuttisia arvoja. Absoluuttisten arvojen esittäminen kartalla on hyväksyttävää, sillä ruudut ovat saman kokoisia keskenään, eivätkä ne noudata hallinnollisia rajoja. Koropleettikartta noudattelee usein hallinnollisia rajoja, kuten kunnan, maakunnan tai valtion rajoja. Koropleettikartta on usein selkeä ja yksinkertainen esitys ilmiöstä. Ilmiöt kuitenkin harvoin noudattelevat hallinnollisia rajoja, jolloin esitys on yleistys ilmiöstä kyseisellä alueella. Ruututeemakartan avulla saadaan yksityiskohtaisempaa ja tarkempaa tietoa. Absoluuttisia arvoja hallinnollisten rajojen sisällä tarkastelemalla saadaan tietoa esimerkiksi asukaskeskittymistä kunnan sisällä.

Rasteriaineisto

Tutustuimme kurssikerralla rasteriaineiston avaamiseen QGIS:ssä ja neljän vierekkäisen ilmakuvan yhdistämiseen yhdeksi ilmakuvaksi. Loimme korkeuskäyrät näiden ilmakuvien avulla ja lisäsimme kyseiset korkeuskäyrät peruskarttalehdelle, jolla ei korkeuskäyriä entuudestaan ollut (kuva 3). Mikko Kangasmaa oli onnistuneesti lisännyt maanmittauslaitoksen korkeuskäyrillä varustetulle peruskarttalehdelle QGIS:n piirtämät korkeuskäyrät. Kokeilin itse samaa valitettavasti siinä onnistumatta. Päädyin siis vertailemaan QGIS:n ja maanmittauslaitoksen korkeuskäyriä erillisistä kuvista.

Kuvat 3 ja 4 kuvaavat samaa aluetta. Kuvassa 4 on maanmittauslaitoksen peruskarttalehti, jolla korkeuskäyrät oli valmiiksi esitetty. Kuvia 3 ja 4 vertailemalla voi huomata, että korkeuskäyrät vastaavat toisiaan hyvin. Kuvassa 3 on nähtävillä ”kohinaa” eli tarpeetonta mutkittelua ja rosoisuutta. Maanmittauslaitoksen korkeuskäyriltä tarpeeton kohina on poistettu (kuva 4). Joitain merkittäviä poikkeamiakin löytyy karttojen korkeuskäyriltä. Esimerkiksi kuvien oikealla laidalla Lampisuolle QGIS on piirtänyt korkeuskäyriä, kun maanmittauslaitoksen versiossa alue on tasainen, eikä korkeuskäyriä näin ollen ole käytetty. Kokonaisuudessaan kuitenkin QGIS selviytyi korkeuskäyrien piirtämisestä mallikkaasti ja mikäli tästä haluttaisiin laatia korkeuskäyräkartta, vaatisi lopullinen versio vain hieman hienosäätöä luettavuuden vuoksi.

KIRJALLISUUS

Kangasmaa (2020). Sisäinen GIS-nörttini on virallisesti herännyt (Kurssikerta 4). 9.2.2020. https://blogs.helsinki.fi/kanmikko/

Söderholm (2020). Mot ljusare (GIS)tider. 9.2.2020. https://blogs.helsinki.fi/micsoder/