Neljäs luentomme osoittautui omalla kohdallani tähän mennessä kurssimme tuskallisimmaksi.
Tämän neljän tunnin puserruksen aikana QGIS myös sattumoisin kaatui koneellani neljä kertaa. Lukuisien eri tietokantojen, karttatasojen sekä tietokantojen yhdistely ei siis välttämättä ollut kovin hyvä idea. Suurimman osan luennolla työstämistäni materiaaleista myös menetin, sillä en ollut oppinut edellisestä kerrastani ja jätin suhteellisen monivaiheisen työn myös suhteellisen moneen otteeseen tallentamatta.. 😀
(Myönnettäköön, että ensimmäinen kaatumiskerta johtui siitä, että yritin liian innokkaana edetä tehtävänannossa ja yritin piirtää kartalle Helsingin peittävää ruudukkoa 1×1 mikrometrin ruudukolla. Miksiköhän ei onnistunut?)
Kuva 1. Pieni muistutus itselle: Eieieiei
Suurimman surun hälvettyä parin päivän jälkeen päätin ottaa itseäni niskasta kiinni ja palata takaisin satulaan. Oli aika siirtyä Kumpulan kampuskirjastoon rakas fuksiläppäri kainalossani ja antaa tehtävälle uusi mahdollisuus, it’s not you, it’s me, right?
Mutta mitä? Kaikkihan rullaa aivan loisteliaasti? Voiko olla? What kind of sorcery is this?
Viimeistään käyttäessäni spatial query työkalua mutkattomasti omalla läppärilläni, tulin siihen lopputulokseen, että luentopäivänä kampuksen pöytäkoneella on ollut vain huono päivä. Oh well!
Neljännen luentokerran pääpointtina oli tutustuminen Helsingin asukasrakenteeseen eri tietokantojen kautta. Opimme käyttämään grid-työkalua, jonka avulla karttatasolle pystyy luomaan ruudukon. Wow. Ruudukkoaineisto toimii paikkatiedossa oivallisena apuvälineenä tiedon esittämiseen myös vektoriaineistossa. Rasteriaineiston ollessa täysin ruudukkomuodossa, on vektorigrafiikassa mahdollista hyödyntää myös ruudukkoa esimerkiksi juurikin suurten aineistojen visualisoinnissa. Käytimme aineistona laserkeilauksella tuotettua pistetietokantaa Helsingin asuinrakennuksista. Asuinrakennuksia kuvaaviin pisteisiin on yhdistetty ominaisuustietona vaikka minkälaista tietoa rakennusten asukkaista. Näitä tietoja lähdettiin kaivelemaan ja luomaan karttoja.
Tehtävänanto on helppo: Tutkitaan erikokoisten ruudukoiden sisällä asuvien asukkaiden tietoja ja luodaan karttoja eri ilmiöistä. Ok. Mutta ensin siivotaan tämä QGISin luoma järkytys katseenkestäväksi:
Kuva 2. No words
Lopullista karttaani varten tein jos jonkinlaisia muutoksia ja yhdistelmiä valmiisiin tietokantoihin. Ruudukko yhdistettiin pistetietokannan kanssa siten, että ruutujen sisälle jäävät tiedot pystytään esittää omanaan. Halusin esittää kartan avulla työvoiman ulkopuolella olevien asukkaiden määrää 1x1km ruudukon sisällä verrattuna ruutujen asukaslukuun. Tietokannan aineistossa ikäjakauma on eritelty tarkasti ja yhdistin 0-15- sekä 64+-vuotiaat omaksi sarakkeekseen attribuuttitaulukkoon. Laskin tämän sekä ruutujen kokonaisasukasluvun avulla ruudukon asukkaista osuuden 0-15- sekä yli 64-vuotiaille. Tätä kutsutaan Väestölliseksi huoltosuhteeksi, jolla ilmoitetaan, kuinka monta työvoima ulkopuolella olevaa alueella on verrattuna työikäisiin. Väestöllistä huoltosuhdetta enemmän käytetään taloudellista huoltosuhdetta, johon lasketaan mukaan esimerkiksi työttömät sekä opiskelijat. Huoltosuhteesta näin nätisti kerrotaan mm. Wikipedian lisäksi Väestöliiton väestöennusteanalyysissä vuodelta 2015. Huoltosuhde ilmoitetaan usein desimaali- tai kokonaislukuna, mutta päätin pitää kartan yksinkertaisena (unohdin ilmoitustavan) ja kartassani ”huoltosuhde” on merkitty prosentteina.
Kuva 3. Myös nimeltään “ensiräpellys”, jonka kuitenkin jätin sikseen kartan epätarkkuuden vuoksi. Wee need to go not-that-deep. Kuvassa käytetty ruutuja, joissa asukkaita on vähintään 10 kappaletta.
Loin aluksi karttagrafiikan niille ruuduille, joissa asuu 10+ ihmistä, mutta totesin vielä suuremman suodatuksen olevan tarpeen ja käytin kartassani vain ruutuja, joissa asuu vähintään 50 asukasta. Tällöin kartta pysyy helpommin luettavissa ja eri luokat ovat paremmin edustettuina.
Karoliina Laine käyttää blogissaan tietoja eläkeläisistä, eli yli 65-vuotiaista. Karo selventää blogissaan, että eläkeläiset selvästi sijoittuvat hyvien kulkuyhteyksien sekä palveluiden läheisyyteen ja esimerkiksi Helsingin keskustan kupeessa stockamummojen määrä näkyy jo kartalla. Kun yhdistetään eläkeläisten määrään toinen ääripää, muuttuu kartta hieman vähemmän dramaattisesti, ikään kuin nuoriso ja vanhukset kumoavat toistensa vaikutuksen kartoilla. Tummimmat pisteet sijoittuvatkin nyt kehäalueiden läheisyyteen ja lähemmäs Helsingin rajoja muiden kuntien kanssa. What is happening?
Kuva 4. Lopputulos. Työvoiman ulkopuolella olevien määrä suhteessa asukasmääriin Helsingissä. Aineistossa käytetty 1x1km kokoista ruudukkoa ja niitä ruutuja, joiden sisällä asuu vähintään 50 ihmistä.
Helppo juttu! Helsingin junayhteyksien kehittyessä pääkaupunkiseudulla 1970-luvulta lähtien, alkoi radanvarsille kehittyä ns. pienkeskustoja. Nämä alueet myöhemmin ovat kasvattaneet oman nodaalialueensa ympärille perheiden suosimia asuinalueita. Kun nämä perhekeskittymät yhdistää sijaintiin junaratojen läheisyydessä, saadaan kelpo syy sille, miksi alueilla asuu sekä nuorisoa että eläkeläisiä! Simple as that! Tuli täysin puun takaa itsellenikin, että kaivoin tämän tiedon aikaisemman periodin ’Yhteiskunnat ja kaupungit maantieteessä -kurssin 11-sivuisesta luentopäiväkirjastani. Vannon! Eli lähteen voi ehkä merkata sekä Antti Nevalaisen että Sami Moision tuottamaksi? Olenko tehnyt juuri laitoksemme professorin kanssa yhteistyötä?
Aikaisemmin mainitsemani QGISin kaatumisongelma on myös syy sille, miksi tälle postaukselle yllä oleva kartta on ainoa, jota teille lukijoilleni esitän. Sori!
Kartta on hieno, mutta ei kurssin aikana tehdyistä töistä suosikkini. Toki huoltosuhdetta on kätevä osoittaa näin, mutta todellisuudessa huoltosuhde ilmoitetaan aikalailla kunta- tai maakuntakohtaisesti. Vasta työn valmistuttua kuvatiedostoksi tajusin myös, että ruudukko olisi voinut olla hieman tiheämpi. Ehkä 500m? mikrometri?
Tässä vaiheessa voin kuitenkin ilmoittaa, että pidän yhä aivan kamalasti QGIS-ohjelmistosta ja pyrin sen käytön masterointiin. Ugh, I have spoken. Tää oli nyt vähän tällänen.
If you can’t love GIS
then how the hell you gonna
love anything else
CAN I GET AN AMEN UP IN HIAA?
xoxo Antti
Lähteitä: Karoliinan blogi - "Kävelykeppien kopinaa" Julkaistu 6.2.2018 - Lainattu 18.2.2018 Tilastokeskus, Väestöennuste. Helsinki: Tilastokeskus http://www.stat.fi/til/vaenn/2015/vaenn_2015_2015-10-30_tie_001_fi.html Julkaistu 30.10.2015 - Lainattu 19.2.2018 Antti Nevalainen Luentopäiväkirja 'Yhteiskunnat ja kaupungit maantieteessä' -kurssilta Kirjoitettu aivan liian lähellä deadlinea - Lainattu 19.2.2018 Vaingisjuttuja-kuvan tausta: https://www.muralswallpaper.co.uk/shop-murals/pink-world-map-wall-mural/
