Month: February 2020

Neljännellä kurssikerralla tuotimme kaksi karttaa. joista ensimmäinen (Kuva 1) kuvasi pääkaupunkiseudun asukasmäärää ruudukkona. Ruudukon luominen QGIS:ssä oli helppo tehtävä, ainakin ohjatusti. Viilasimme ruudukkoamme vielä siten, että saimme poistettua karttalehdeltä ruudut, joiden alueella ei sijainnut dataa. Kartan tekemiseen kuitenkin kuului myös attribuuttidatan yhdistäminen “join attributes by location” -komennolla. Jokin tässä hässäkässä meni pahasti pieleen, sillä eteen tuli “python error”, ja homma piti aloittaa alusta. Tällä kertaa kuitenkin suurensimme ruutukoon kaksinkertaiseksi (250–>500m), jolloin datan käsittelyssä ei mennyt koko loppuiltaa.  Lopulta sain kartan valmiiksi.

Vuorossa oli oman kartan valmistaminen (Kuva 2) samaan tyyliin, kuin luentokerralla harjoiteltiin. Itse ajattelin tarkastella yli 65 vuotiaiden osuuksia pääkaupunkiseudulla. Tätä varten loin kyseisen sarakkeen atribuuttitaulukossa. Lisäsin myös tiestön kartalle helpottaakseni hieman aluiden tunnistamista. Vinkin tähän sain Vilma Koljosen blogista (Koljonen, 2020). Olikin mielenkiintoista miettiä, miksi esimerkiksi Helsingin Louhela ja Espoon Soukka houkuttelivat vanhempaa väestöä. Isovanhempaninkin sattumalta asuivat juuri soukassa. Karttaan olisi voinut ehkä vielä lisätä paikannimet, niin tunnistamisessa ei tarvitsisi nojautua niin vahvasti omaan tietämykseen.

Koljonen, V. 2020. Geoinformatiikan menetelmät 1. https://blogs.helsinki.fi/vilmakol/

Kolmannella kurssikerralla harjoittelimme muun muassa karttakohteiden yhdistelemistä helpommin käsiteltäväksi aineistoksi, tiedon käsittelemistä ja tuomista QGIS:ään Excelistä sekä tämän tiedon yhdistämistä jo valmiina oleviin tietokantoihin.

Kurssikerta alkoi sillä, että harjoittelimme edellä esitettyjä toimintoja Afrikan valtioiden tietokannalla. Aluksi en ymmärtänyt varsinkaan sitä, mitä teimme “Select features by value” ja “Merge selected features” -toiminnoilla. Jälkeenpäin ymmärsin, että kyse oli jokaisen valtion pienten osien, kuten saarten ja mannerosien yhdistämistä yhden ID:n alle. Näin tietokannan tietojen käsittely valtioiden välillä tulee helpommaksi.

Excelistä tiedon tuominen ja yhdistäminen valmiiseen tietokantaan sen sijaan oli simppeli toimi. Ainoa haaste oli muokata nimet, joiden perusteella yhdistäminen tapahtui, samoiksi. Jos kyseessä olisi huomattavasti suurempi tietokanta, manuaalista työtä olisi runsaasti. Tällöin helpottaisi, jos tietokantoja pystyisi vertailemaan uudessa ikkunassa ennen varsinaista liittämistä, ja silmäillen tarkastaa, tarvitseeko korjauksia tehdä. Afrikka-harjoituksen lopuksi opettelimme vielä sijaintiperustaisen tiedon (pistemäinen paikkatieto) laskemista polygoneista.

Kuva 1. Valuma-alueiden tulvaherkkyys ja järvisyys Suomessa.

Varsinainen työ kurssikerralla oli tuottaa teemakartta Suomen valuma-alueiden tulvaherkkyydestä (Kuva 1). Työssä käytettiin samoja välineitä, mitä kurssikerran aluksi harjoiteltiinkin. Teemakartan tekeminen onnistui itseltäni melko vaivatta, ja sain teemakartan melko nopeasti valmiiksi tulvaherkkyyden osalta. Järvisyyden lisääminen histogrammina olikin haastavampi tehtävä, mutta katsottuani Youtube-videon aiheesta, löytyi ratkaisu senkin tekemiseen. Pylväitä piti kaventaa varsin paljon, ettei ne peittäisi alleen tulvaherkkyys-dataa. 

Oli mielenkiintoista verrata tuottamaani karttaa esimerkiksi Eliaksen  (Hirvikoski, 2020) karttaan, jossa oli oli vähemmän luokkarajoja kuin omassani. Näin ollen Eliaksen kartassa lappi näyttäytyi kokonaisvaltaisemmin tulvaherkkänä alueena, kun itselläni näin oli vain aivan pohjoisen Lapin tapauksessa.

Lähteet:

Haldar, A. 2018. QGIS HISTOGRAM. https://www.youtube.com/watch?v=ou-1spfv2M0. Viitattu 6.2. 2020.

Hirvikoski, Elias. 2020. Kolmas. https://blogs.helsinki.fi/eliashir/2020/01/28/kolmas/