Month: March 2022

Itsenäisiä haasteita

Viimeisellä kurssikerralla saimme haastavan tehtävän luoda kartta itse valitusta aiheesta, jonka data pitäisi myös löytää itsenäisesti. Pienen pohdinnan jälkeen päätin tehdä kartan Yhdysvaltojen osavaltioiden tulotasosta ja niiden rikostilastoista. Kartan tavoitteena on selvittää, onko näillä kahdella muuttujilla korrelaatiota. Tilastoja etsiessäni päädyin valitsemaan henkirikostilastot ja kotitalouksien mediaanituloista. Dataa löytyi internetin syövereistä yllättävänkin helposti, mutta on tietysti tärkeää huomioida tilastojen luotettavuus ja ajantasaisuus. Datan löytäminen onkin varmaan ”oikeissa aikuisten paikkatietotöissä” olennaisen tärkeä ja aikaa vievä prosessi. Hypoteesina oli, että sosioekonomiset ongelmat jollakin alueella näkyisivät sekä taloustilastoissa kuin rikosten määrässäkin. Toisaalta henkirikokset ovat äärimmäisimpiä rikoksia, joiden taustalla vaikuttavat monet muutkin asiat kuin talousongelmat, eli on hyvin mahdollista, että korrelaatio ei ole kovin vahva.

Aloitin kartan tekemisen tuomalla internetistä löytämäni Yhdysvaltojen kartan QGISiin. Osavaltiorajat olivat tässä aineistossa jo valmiina. Aluksi yritin visualisoida kotitalouksien mediaanituloja koropleettikarttana ja rikostilastoja pylväillä osavaltioiden kohdalla. En saanut tätä esitysmuotoa näyttämään mitenkään selkeältä, vaikka kuinka yritin. Sitten koitin kaikenlaisia erilaisia piste- ja viivavisualisointeja, mutta niistäkään en millään saanut selkeitä ja informatiivisia. Lopulta jouduin tyytymään kahteen erilliseen koropleettikarttaan, jotka ovat kyllä toimivia mutta ehkä vähän liian yksinkertaisia tähän tehtävänantoon ja kurssin grande finale-blogipostaukseen. Masa Solonen oli onnistunut blogissaan luomaan Yhdysvaltojen kartan, jossa hän tarkasteli oikein sujuvasti kahta eri muuttujaa. Ehkä minun olisi pitänyt jotain vastaavanlaista esitystapaa, mutta ehkä tämä hieman epäonnistunutkin versio on riittävän informatiivinen.

Mediaanituloissa on melko paljon vaihtelua osavaltioiden välillä. Suurituloiset ovat keskittyneet erityisesti rannikon urbaaneimpiin osavaltioihin, kuten Massachusetts ja Kalifornia. Pienituloisena alueena erottuu erityisesti niin sanotun syvän etelän osavaltiot Alabama, Mississippi ja Arkansas. Yhdysvalloissa ei kuitenkaan ole aivan niin selkeää esimerkiksi pääkaupungin ja muiden alueiden välistä eroa kuin vaikkapa joissain Euroopan maissa. Osavaltioiden ja kaupunkien sisällä on tietenkin todella suurta vaihtelua yksilöiden taloustilanteessa, erityisesti Yhdysvaltojen suurilla tuloeroilla.

Henkirikostilastoissa etelävaltiot Alabama ja Mississippi erottuvat selkeästi jälleen negatiivisesti. Chicagon ja etelävaltioiden välisissä näyttää olevan jonkinlainen suhteellisen väkivaltainen vyöhyke ja tällä alueella on myös keskimääräistä matalammat tulot. Myös Uuden-Englannin eli Massachusettsin ja sen ympärillä olevien pienien osavaltioiden alue on suhteellisen hyvätuloinen ja rauhallinen henkirikostilastoista katsottuna. Kovin vahva korrelaatio mediaanitulojen ja henkirikosten välillä ei kuitenkaan ole, vaan rikostilastoihin vaikuttaa todella moni tekijä, esimerkiksi historialliset syyt kuten vähemmistöjen järjestelmällinen syrjintä etelävaltioissa.

Kokonaisuutena Geoinformatiikan menetelmät 1 -kurssi on ollut jonkinlainen hyppy tuntemattomaan. Ennen kurssia en oikein tiennyt mitä odottaa, eikä minulla ollut erityisen negatiivisia tai positiivisia odotuksia kurssista. Nyt olen kuitenkin saanut aika hyvän ensipuraisun geoinformatiikan maailmasta ja nyt voin jo melkein sanoa tietäväni mitä kaikkea QGISilla voi saada aikaan. Oppimisprosessi ei todellakaan ole aina ollut helppo ja QGIS on tuottanut aika monta turhauttavaa hetkeä elämääni. Toisaalta onnistuneen kartan tuottaminen on parhaimmillaan todella palkitsevaa. Tulevia GIS-haasteita odotan sekä innolla että pienellä jännityksellä!

Lähteet

Centers for Disease Control and Prevention. Homicide mortality by state (2020). https://www.cdc.gov/nchs/pressroom/sosmap/homicide_mortality/homicide.htm

Median Household Income by State (2022). https://worldpopulationreview.com/state-rankings/median-household-income-by-state

Solonen, Masa (2022). Masan MAA-202 blogi. Lainattu 25.3.2022, saatavilla:

Kurssikerta 7 – Viimeiset datanrutistukset Yhdysvalloista

Epicollect-aineistot ja koettu turvallisuus

Kuudes kurssikerta aloiteltiin poikkeuksellisesti reippaalla kävelyllä loskaisessa Kumpulassa. Lähdimme kartoittamaan Epicollect-sovelluksen avulla kampuksen ympäristön sattumanvaraisten paikkojen herättämiä tunteita ja mielikuvia. Kirjasimme sovellukseen esimerkiksi näkemyksemme paikan herättämästä turvallisuudentunteesta ja viihtyisyydestä. Palattuamme kampukselle meillä oli mielenkiintoinen paketti dataa, jota voisimme tutkia QGISin avulla. Jo näin pienen ihmisjoukon nopealla kävelyretkellä saatiin ihan relevanttia ja käyttökelpoista dataa. Pisteiden sijainnit eivät Epicollect-sovelluksen GPS-paikannuksella ole kuitenkaan kovin tarkat, vaan tarkkuus oli huonoimmillaan noin 20 metriä. Ali Ylikoski huomioi myös blogissaan, että Kumpulan ympäristössä on kovin vähän selkeästi rajattavissa olevia kohteita, jotka ovat bussipysäkkiä tai puistonpenkkiä merkittävämpiä. Tämä tekee pisteiden järkevästä sijoittelusta hieman hankalampaa. Mielestäni lopputuloksena syntynyt kartta on kuitenkin todella visuaalisesti miellyttävä ja informatiivinen (kuva 1).  Sovelluksen avulla luotiin taulukkotiedosto pisteistä ja pisteiden data visualisoitiin interpoloimalla. Turvalliseksi oli koettu hiljaisemmat ja ruuhkattomat paikat, kuten Kumpulan idyllinen puutalomiljöö. Kustaa Vaasan tien ja Arabian kauppakeskuksen ympäristöt oli puolestaan koettu epäturvallisina, johtuen todennäköisesti liikenteen melusta ja määrästä. Todellisuudessa Arabianrannan perjantainen aamu ei kuitenkaan ole erityisen turvaton, ehkä lukuun ottamatta tutkimuspäivän liukkaita kelejä.

Hasardikartat

Seuraavaksi siirryimme omavalintaisten hasardikarttojen pariin. Tavoitteena oli luoda opetuskäyttöön soveltuvat kolme karttaa, jotka selkeästi visualisoivat hasardien sijoittumista maapallolla. Päätin keskittyä maanjäristyksiin ja tulivuoriin. Ensimmäisessä hasardikartassa (kuva 2) näkyy kaikki yli kuuden magnitudin maanjäristykset vuosina 1899-2022. Kartta on ihan selkeä, toisaalta aika yksinkertainen mutta se ei opetustilanteessa välttämättä ole huono asia. Tulivuoria merkitsevät kolmiot voisivat kyllä olla vähän pienempiä, jotta kartta ei olisi niin sekalainen.

Toisessa hasardikartassa (kuva 3) kuvataan kaikki yli kahdeksan magnitudin maanjäristykset samalta ajalta kuin edellisessä kartassa. Kahdeksan magnitudin maanjäristys on huomattavasti voimakkaampi kuin kuuden, mutta onneksi ne ovat myös huomattavasti harvinaisempia. Näissä kartoissa olisi voinut näyttää litosfäärilaattojen rajat, sillä ne ovat tietenkin maanjäristyksistä puhuttaessa olennaisia.

Kolmannessa hasardikartassa tarkastelin kahta ilmiötä, maanjäristyksiä ja tulivuoria (kuva 4). Ne sijoittuvat selkeästi litosfäärilaattojen rajavyöhykkeille. Maanjäristykset on visualisoitu heatmap-muodossa. Heatmapia olisi ehkä voinut hienosäätää enemmän näyttämään vähän nätimmältä, mutta kyllä tämäkin kartta aika hyvin kuvaa tulivuorten ja maanjäristysten välistä suhdetta. Tätä karttaa tehdessä eteen tuli muutamia melko haasteellisia säätöjä juuri heatmapin kanssa, mutta ystävämme Google oli jälleen avulias.

Näitä ilmiöitä olisi hyödyllistä tarkastella sellaisella kartalla, joka näyttää Tyynen valtameren kokonaisuudessaan. Näin Tyynenmeren tulirenkaan eli Tyyntä merta ympäröivä vulkaanisesti ja tektonisesti aktiivinen vyöhyke hahmottuisi selkeämmin. Löysinkin juuri tällaisen kartan netistä (kuva 5), joka on hyvin informatiivinen ja siten opetuskäyttöön soveltuva.

Kokonaisuutena tämän kurssikerran tehtävät tuntuivat helposti lähestyttäviltä, eikä aivan tajuttoman vaikeisiin ongelmiin jouduttu. Kai se on pakko uskoa, että olen tällä kurssilla jotain oppinutkin!

Viittaukset

Ylikoski, Ali (2022). Alin geoinformatiikkablogi. Lainattu 24.3.2022, saatavilla: https://blogs.helsinki.fi/alingeoinformatiikka/2022/02/24/kurssikerta-6-saan-aari-ilmioita-ja-maanjaristyksia/

Tyynenmeren tulirengas (Pacific Ring of Fire).  Saatavilla: https://www.researchgate.net/figure/Subduction-zones-in-the-Pacific-ocean-the-Ring-of-Fire-or-the-circum-Pacific_fig1_327866962

Bufferoinnin kiehtovat mahdollisuudet

Kurssikerta aloitettiin harjoittelemalla bufferointia eli puskurointia Pornaisten kartalla. Tämä työkalu vaikuttaa todella hyödylliseltä ja sitä voi käyttää moneen erilaiseen tarpeeseen. Tehtävänä oli selvittää, kuinka monta asukasta asuu alle 500 metrin etäisyydellä tiestä. Bufferointi oli mielenkiintoista eikä edes erityisen vaikeaa. Tällaisilla työkaluilla on paljon käyttöä todellisen elämän paikkatietoanalyyseissa esimerkiksi uusien teiden tai rautateiden rakennusprojekteissa.

Seuraavaksi tutkimme lentomelualueita Malmin lentokentällä ja Helsinki-Vantaan lentoasemalla. Myös tässä vaiheessa Buffer-työkalu tuli hyvin tutuksi. Lopputuloksen yleistettynä voisi sanoa, että lentomelualueet on suunniteltu melko hyvin niin, että pahimmilla lentomelualueilla ei ole kovin paljon asukkaita. Tarkat vastaukset tehtävän kysymyksiin löytyvät taulukosta 1. Helsinki-Vantaan ympäristöön onkin rakennettu paljon toimisto- ja logistiikkarakennuksia. Vain poikkeustapauksissa, esimerkiksi kovien tuulien takia käytettävä eteläinen laskeutumissuunta lisää lentomelulle altistuvien määrää huomattavasti. Eteläisen laskeutumissuunnan lentomelu herättää närää jopa siinä määrin, että Helsingin Sanomien uutiskynnys ylittyy.

Alle 500 metrin päässä juna- ja metroasemilta asuu noin 22 % koko väestötietokannan asukkaista. Se on suhteellisen suuri luku, kun ottaa huomioon kuinka laaja alue on kyseessä. Prosentti voisi olla tietysti olla suurempikin, jos rakentamista ohjataan riittävästi asemien läheisyyteen. Ali Ylikoski huomiokin blogissaan, että väestöaineisto on vuodelta 2015, jonka jälkeen on rakennettu huomattavan paljon rakennuksia esimerkiksi Vantaan Kivistöön, Leinelään ja Koivukylään. Muut tehtävien vastaukset löytyvät taulukosta 2.

 

Uima-altaita ja saunoja

Rakennus- ja väestötietokannasta löytyy paljon hyvin yksityiskohtaista dataa, esimerkiksi uima-altaiden ja saunojen määrästä. Vastaukset tehtävän kysymyksiin löytyvät taulukosta 3.

Eniten uima-altaita on vähemmän yllättäen varakkailla alueilla, kuten Lauttasaaressa (eniten uima-altaita, 53 kpl), Munkkiniemessä ja Kulosaaressa (kuva 1). Huomiota herättää kuitenkin uima-altaiden suuri määrä Helsingissä verrattuna naapurikuntiin. Luulisin, että esimerkiksi Kauniaisissa tai Espoon varakkailla ranta-alueilla olisi enemmän uima-altaita. Siksi olettaisin, että uima-altaita on tilastoitu Helsingissä kattavammin kuin Espoossa tai Vantaalla. Paikkatietoaineistoissa, kuten muissakin tilastoissa, onkin syytä olla tarkkana tilaston luotettavuudessa.

QGISin käytöstä olen tässä vaiheessa kurssia oppinut ihan perusasiat melko hyvin, mutta tehtävissä käytettyjen ominaisuuksien syvällinen ymmärtäminen on vielä kaukainen haave. Ongelmana tuntuu usein olevan joku pienen pieni väärin säädetty asetus ja ongelman paikallistamiseen voi pahimmillaan kulua tunteja, tosin näin se taitaa yleisesti teknologian maailmassa olevan. Onneksi netistä löytyy hyvin kaikenlaisia ohjeita, jotka parhaimmillaan ovat todella avuliaita. Parhaiten tutuksi ovat tulleet toistaiseksi eniten käytetyt työkalut, kuten Join attributes by location ja erilaiset symboliikan ja visualisoinnin säädöt. Juuri QGISin karttojen visualisoinnin ominaisuuksien käyttö on ehkä eniten kehittynyt taitoni tämän kurssin aikana.

Viittaukset

Ylikoski, Ali (2022). Alin geoinformatiikkablogi. Lainattu 22.3.2022, saatavilla: https://blogs.helsinki.fi/alingeoinformatiikka/2022/02/23/kurssikerta-5-lentomelua-ja-bufferointia/

Tällä kurssikerralla pääsimme tutustumaan ruutukarttojen ja rasteriaineistojen maailmaan. Jo aikaisemmilta viikoilta tutuksi tullut QGISin ajoittainen hankaluus tuli taas ilmi, mutta myös näistä tehtävistä selvittiin lopulta kunnialla ja uutta on taas opittu reippaaseen tahtiin.

Ruutukartat

Nämä ruutukartat perustavat pääkaupunkiseudun kunnat kattavaan seutudata-aineistoon, jossa on hyvin yksityiskohtaista tietoa alueen rakennuksista ja niiden asukkaista. Esimerkiksi asukkaiden määrä tietyssä rakennuksessa sekä heidän ikänsä ja äidinkielet ovat tarkasti tilastoitu. Tein ruutukartan ruotsinkielisten suhteellisesta määrästä pääkaupunkiseudulla. Ruutukarttaa voidaan käyttää esittämään absoluuttisia arvoja, mutta päädyin kuitenkin karttaan suhteellisista osuuksista, koska absoluuttisilla määrillä kartta muistuttaisi pitkälti asumistiheyskarttaa – ruotsinkielisiä asuu määrällisesti paljon siellä missä muutenkin on paljon asukkaita.

Tässä kartassa (kuva 1) on visualisoitu kaikki 1 km x 1 km ruudut, joissa asuu vähintään yksi ihminen.  Ruotsinkielisten osuus väestöstä on suurin Espoon Suvisaaristossa ja Nuuksiossa, Kauniaisissa ja Helsingin Östersundomissa. Koillis-Helsingissä ja suurimmassa osassa Vantaat on puolestaan hyvin vähän ruotsinkielisiä. Ruotsinkielisten alueiden muodostumiseen ovat vaikuttaneet monet eri tekijät vuosisatojen aikana. Elida Peuhu kirjoittaa blogissaan ruotsalaisten alkaneen asuttaa nykyistä Espoon aluetta jo 1200-luvulla ja Sipoon aluetta 1300-luvulla. Espoossa onkin vielä nykyäänkin melko tasaisesti ruotsinkielisiä ympäri kaupunkia.

Kartalle olisi voinut lisätä esimerkiksi isoimpia teitä, jotta eri alueiden sijainnin hahmottaminen olisi helpompaa. Tällä kartalla kuntarajat helpottavat kuitenkin alueen hahmottamista. Huomio kuitenkin kiinnittyy muutamaan punaiseen ruutuun Vantaalla, jossa muuten on kovin vähän ruotsinkielisiä. Tarkemmin tarkasteltuna huomasin, että näissä ruuduissa asuu kovin vähän asukkaita, eli jo yksi tai kaksi ruotsinkielistä perhettä aiheuttaa suuria muutoksia ruutukartalla.

Tähän karttaan olen valinnut vain ruudut, joiden alueella on 20 tai enemmän asukasta (kuva 2). Olen myös säätänyt luokittelua hieman, jotta alueiden erot olisivat selkeämmät. Yksittäiset punaiset pisteet ovat kadonneet ja kartta visualisoi hieman paremmin esimerkiksi Ullanlinnan ja Kaivopuiston alueen suhteellisen suurta ruotsinkielisten osuutta. Toisaalta harvemmin asutuilta alueilta ei tässä kartassa ole mitään informaatiota. Kokonaisuutena tämä kartta kuitenkin mielestäni visualisoi olennaisimman paremmin. Ruutukartta on luonteeltaan melko yleistävä kartta, mutta järkevä yleistäminen on usein yksi kartan tärkeimpiä ominaisuuksia. Kuten Jessika Isomeri kirjoittaa blogissaan, yleistävyys onkin yksi ruututeemakartan parhaimpia puolia. On tietysti oltava tarkkana, että ei tule yleistäneeksi aivan liikaa.

Rasteriaineistot

Seuraavaksi vertaillaan QGISin korkeusmallista tehtyjä korkeuskäyriä Maanmittauslaitoksen peruskartan korkeuskäyriin. Itse laaditut korkeuskäyrät ovat viiden metrin välein.

Kuten kuvista 3 ja 4 näkyy, korkeuskäyrät ovat paljon yksityiskohtaisempia QGISilla tuotettuina kuin peruskartan omat korkeuskäyrät. Peruskartan yleistetyt käyrät ovat kuitenkin aivan riittävän tarkat lähes kaikkiin tarkoituksiin ja ne ovat jonkun verran selkeämpiä lukea. Korkeuskäyrien tekeminen itse oli yllättävän vaivatonta ja ne tuntuivat syntyvän kuin itsestään.

Lopuksi kokeilin myös Hillshade-toimintoa, jolla voi nimensä mukaisesti tehdä rinnevarjostusvisualisointeja korkeusmallin datasta. Sekin on oikein mukava ja yhteistyöhaluinen työkalu visualisoimaan korkeusmallia kartalla. Rinnevarjostusta olisi ehkä voinut säätää hieman paremman näköiseksi, mutta kyllä se näinkin toimii. Rinnevarjostus voisi olla hyödyllisempi silloin, kun korkeuserot ovat suuremmat kuin tällä alueella.

Viittaukset

Peuhu, Elida (2022). Geoinformatiikan menetelmät. Lainattu 20.3.2022, saatavilla: https://blogs.helsinki.fi/elida/?p=176

Isomeri, Jessika (2022). Jessikan GIS-hurvittelut. Lainattu 20.3.2022, saatavilla: https://blogs-test.it.helsinki.fi/jessikangishurvittelut/2022/02/09/viikko-4-rasti-ruutuun/