Month: February 2024

Itsenäisen työn kulminaatio

Näin Geoinformatiikan menetelmät 1 -kurssi tuleekin päätökseen. Viimeisen kurssikerran aihe oli kokonaisvaltainen itsenäistyö, jossa tehtävänä oli tuottaa mikä tahansa kartta kurssilla (toivottavasti) kertyneen osaamisen avulla.  Ennen kurssikertaa tuli pohtia omaa aihetta, mahdollista aluetta ja lähteitä josta saada luotettavaa dataa karttaa varten. Valmistauduin itse kurssikertaa varten päättämällä ainakin alueen, jolle kohdistaisin työni. Opettajajohtoista introa kerralla ei ollut, mutta Paarlahden Artulta sai kuitenkin tarvittaessa apua ideoimiseen, sekä ongelmien ratkaisuun. Tehtävä oli vapaamuotoinen ainokaista vähintään kahden muuttujan käyttämisen vaatimusta lukuun ottamatta.

 

Washingtonin osavaltio

Pohtiessani karttani aluetta päädyin poikkeamaan Euroopasta pois, sillä tähän asti kaikki maantieteen kurssien eri kartta-aiheiset tehtävät ovat keskittyneet Suomeen ja sen lähialueille. Halusin keskittyä tehtävässäni Yhdysvaltoihin, josta lähdin etsimään tehtävään sopivaa osavaltiota. Päädyin Washingtonin osavaltioon, sillä se on yksi harvoista alueista koko Yhdysvalloissa, jossa olen itse käynyt. Halusin tarkastella alueen väestönkasvua piirikunnittain, jota tulisin myös vertaamaan keskimääräisiin asuintalojen hintoihin. Yhdysvaltojen asuntokriisi on ollut pitkään esillä mediassa, minkä vuoksi otin toiseksi muuttujakseni juuri asuintalojen hinnat. Etsin netistä osavaltion aluejaon piirikunnittain shapefile –muodossa, jonka jälkeen siirryin etsimään lisää aineistoja. Minulla kesti yllättävän kauan löytää sopivia aineistoja karttaani varten, jotka saisin tuotua QGIS:iin ainakin suhteellisen helposti. Löysin lopulta CSV –muotoisen aineiston, ja myös PDF –muotoisen aineiston, jonka sain muutettua CSV:ksi mutkitta.

Törmäsin lukuisiin ongelmiin aineistojen kanssa, sillä muun muassa väestönkasvuaineiston useissa sarakkeissa oli epämääräisiä merkkejä siellä täällä tuodessani sen QGIS:iin. Tämän vuoksi Join-tietokantaliitokset eivät kaikkien sarakkeiden kohdalla onnistuneet. Taika Jaakkola (2024) törmäsi samaan ongelmaan myös blogissaan, jossa hän totesi ongelman johtuneen yhdistettävien aineistojen tiettyjen kohteiden tekstiasun muotoilusta. Tulin tähän lopputulokseen itsekin korjatessani aineistojen yksittäisten kohteiden tekstejä samaan muotoon, jotta tietokantaliitos onnistuisi. Jouduin myös pyytämään opettajalta ja kavereilta apua lukuisia kertoja, sillä en muistanut läheskään kaikkien elintärkeiden toimintojen yksityiskohtia enää, vaikka olenkin tehnyt kurssin tehtäviä jo seitsemän viikkoa putkeen. Merkittävän määrän ongelmista pystyin kuitenkin ratkaisemaan itse, johon olen erittäin tyytyväinen. Kurssi ei olekaan mennyt täysin hukkaan kohdallani! Lopulta suuri osa ajasta menikin kartan visuaalisen puolen viimeistelyyn. Viimeistelyssä eniten ongelmia tuotti pylväsdiagrammien sijoittaminen sopivasti kartalle. Sain ne lopulta kuitenkin sijoittumaan mukavasti piirikuntien keskiosiin. Kuvassa 1 näkyy tuottamani kartta.

Kuva 1 – tuottamani kartta Washingtonin osavaltion väestönkasvusta ja asuintalojen hinnoista. (Pohjakartta: OpendData WADNR, 2023, Tilastot: WAOFM, 2022 & WAOFM, 2023)

Päädyin valitsemaan väestönkasvua kuvaavaksi värigradientiksi sinisen, sillä yleisesti ottaen sininen koetaan positiivisena värinä. Onhan väestönkasvu yleisesti ottaen jokseenkin toivottava muutos millä tahansa aluetasolla. Asuintalojen hintoja kuvaavien pylväsdiagrammien väriksi valitsin dollarinvihreän Yhdysvaltojen kunniaksi. Vihreä antoi myös mielestäni mukavan kontrastin sinisiä sävyjä vasten, hukkumatta niihin kokonaan. Mitä legendaan tulee, olisin mielelläni saanut kaikki tekstit osumaan samalle kohdalle, mutta hintaselitteen tekstiosuutta en saanut liikuteltua. Toinen visuaalinen ongelma legendassa on pylväiden selitekuva. Kartassani pylväsdiagrammit kasvavat ainoastaan korkeutta, kuvaten korkeampaa hintaa, mutta legendassa ne kasvavat myös muihin suuntiin. Etsin netistäkin ratkaisua asiaan, mutta päädyin lopulta vain jättämään legendan sellaiseksi kuin se on. Pylväät myös kuvaavat mielestäni hintoja hieman huonosti, sillä niistä on vaikea arvioida tarkkoja arvoja. Saara Torvi (2024) pohti vastaavaa ongelmaa blogissaan. Hän totesi pylväiden ja vastaavien diagrammien kuvaavan kaikenlaisia suurempia lukuja huonosti. Pylväät sopivat kuitenkin alueelliseen hintojen vertailuun, mikä riittää minulle kyseisen teemakartan kohdalla. Muuten kartta näyttää mielestäni erittäin hyvältä.

 

Tulkintoja

Halusin kartallani mahdollisesti selvittää asuintalojen keskimääräisten hintojen suhteen viime vuosien aikana tapahtuneeseen väestönkasvuun. Kuten kuvassa 1 näkyy, jonkinlainen yhteys on havaittavissa ainakin muutamassa piirikunnassa, sillä suurinta väestönkasvua kokeneiden alueiden asuintalojen hinnat ovat myös suhteellisen matalia. Kaikista halvimmat maaseutualueet, kuten kartan kaakkoiskulmassa näkyvät Columbia, Garfield ja Asotin eivät kuitenkaan kokeneet merkittävää kasvua, sillä periferia ei vedä ihmisiä puoleensa aivan niin hyvin kuin hieman keskeisemmät alueet. Karttani perusteella yksi kalleimmista piirikunnista onkin suhteellisen vetovoimainen King county, jossa Seattle sijaitsee. Asuintalojen hinnat ovat vuodelta 2022, minkä vuoksi valitsin väestönkasvun väliksi 2022-2023. Näin pystyin tarkastelemaan vuoden 2022 hintojen aiheuttamaa mahdollista muutosta asukasluvuissa sitä seuranneen vuoden aikana. Mielestäni kartan kuvaavat hinnat ovat aivan järjettömiä. Hinnat eivät kuitenkaan ole ihme, sillä Yhdysvalloissa kotien keskimääräiset hinnat ovat kaksinkertaistuneet vuosien 1998 ja 2021 välillä (GAO, 2023).

 

Loppusanat

Kurssi on nyt ohi, täten myös blogini loppuu tähän. Kurssi on ollut ajoittain erittäin haastava, ja ihan kaikkea en aina sisäistänyt. Opin kuitenkin käyttämään QGIS:iä yllättävän hyvin kurssin aikana. Mielestäni tästä on hyvä jatkaa eteenpäin, varsinkin mitä paikkatieto-ohjelmien käyttöön tulee. Minulla on vielä paljon opittavaa.

Kiitos blogini lukemisesta!

 

Lähteet:

1. Jaakkola, T. (2024). Taikamatkalla GIS-velhoksi. Viikko 7. Omavalintaisia karttoja – olenko oppinut mitään? (Viitattu 28.2.2024) https://blogs.helsinki.fi/jztaika/2024/02/28/omavalintaisia-karttoja-olenko-oppinut-mitaan/’

2. Office of Financial Management. (2022). Median home price in Washington 1996-2022. https://ofm.wa.gov/washington-data-research/statewide-data/washington-trends/economic-trends/median-home-price (Viite tekstissä: WAOFM, 2022)

3. Office of Financial Management. (2023). Population Change and Rank by County, 2020 to Present. https://catalog.data.gov/dataset/waofm-april-1-population-change-and-rank-by-county-2010-to-present (Viite tekstissä: WAOFM, 2023)

4. Torvi, S. (2024). Saara’s blog. Seitsemäs kurssikerta – itsenäistä pähkäilyä. (Viitattu 28.2.2024) https://blogs.helsinki.fi/saatorvi/2024/02/28/seitsemas-kurssikerta-itsenaista-pahkailya/

5. U.S. Government Accountability Office. (2023). https://www.gao.gov/blog/affordable-housing-crisis-grows-while-efforts-increase-supply-fall-short (Luettu 28.2.2024)

6. Washington Geospatial Open Data Portal. (2023). https://geo.wa.gov/datasets/12712f465fc44fb58328c6e0255ca27e/explore (Viite tekstissä: OpendData WADNR, 2023)

Itsenäistä datan keräämistä ja interpolointia

Pääsimme kurssikerralla keräämään ensimmäistä kertaa aineistoa itse. Ideana oli ladata Epicollect5 -sovellus puhelimeen, jonka avulla lähdimme keräämään aineistoa jalan kaupungilta. Kurssikerta kuitenkin alkoi lyhyellä opettajan ohjaamana kaupunkitila/kaupunkisuunnitteluinfopaketilla, jonka perusteella pohdimme keräämiämme kohteita. Aineistokeruureissun jälkeen palasimme luentosaliin tarkastelemaan keräämämme dataa.

Toimme aineiston tuttuun ja turvalliseen QGIS -ohjelmaan, jossa muokkasimme hieman aineiston pisteiden ulkonäköä. Rajasimme keräämiemme pisteiden kattaman alueen, jonka interpoloimme, ja muokkasimme mukavan näköiseksi. Interpolointi oli terminä minulle valmiiksi jo tuttu, mutta en tiennyt sen käytöstä ennestään juuri mitään. Tuloksena sain kuitenkin informatiivisen kartan keräämistämme pisteistä, ja niiden välille jäävistä alueista. Interpolointi onkin yksinkertaisimmillaan tunnettujen aineiston arvojen välissä olevien arvojen laskemista (Karttunen, 2024). Pelkkien kerättyjen pisteiden lisäksi interpoloimalla pystyy siis täyttämään alueet, joilta varsinaisia havaintoja ei aineistossa ole. Kuvassa 1 näkyvään lopputulokseen olen suhteellisen tyytyväinen. Jätin suosiolla pisteet kartasta pois, jotta sain heatmap -tyylisen lopputuloksen.

Kuva 1 – interpoloitu kartta keräämistämme havainnoista

Tehtävän idea oli siis kirjata ylös kaupunkitilojen turvallisuutta omien havaintojemme pohjalta. Tämä kuitenkin johti siihen, että eri ihmisillä oli erilaisia tulkintoja koetusta turvallisuudesta. Kuten Heikki Säntti (2024) toteaa blogissaan, aineistomme pohjalta luotu kartta ei ole kovin luotettava, sillä kanssakurssilaisten tulkinnat turvallisuudesta vaihtelivat huimasti. Oman ryhmäni kanssa pohdimme enimmäkseen yleisesti tilojen turvallisuutta vuodenajasta ja kellonajasta riippumatta. Suuri osa muista kurssilaisista kuitenkin tuntuivat pohtineen fyysisemmin nykyhetkeä, perustelleen tulkintojaan katujen liukkaudella ja vastaavilla sääolosuhteista riippuvilla tekijöillä. Kartta on siis hyvin tulkinnanvarainen.

 

Itsenäiset tehtävät

Itsenäisissä tehtävissä tarkastelin hasardien sijoittumista maapallolla. Tehtävänä oli luoda kolme karttaa, joita voisin itse hyödyntää hypoteettisessa tilanteessa, jossa opettaisin maantiedettä esimerkiksi peruskoulussa. Valitsin hasardiksi maanjäristykset ja tulivuoret. Tutkin kartoissani kummankin sijoittumista suhteessa litosfäärilaattojen raja-alueisiin.

Ensimmäisessä kartassani päätin esittää vuoden 2011 Japanin tuhoisan ja kuuluisan maanjäristyksen jälkeen tapahtuneita merkittäviä järistyksiä maailmankartalla. Aineisto oli erittäin helppo tuoda QGIS:iin, sillä sen sai ladattua kurssikerran Moodle -sivun ehdottamista lähteistä suoraan CSV -taulukkomuodossa. Kartan ulkonäköön liittyen sain idean Heikki Säntin (2024) blogista, jossa hän vaihtoi kurssikerran aineistojen tarjoaman maailmankartan ESRI:n satelliittikuvakarttaan QGIS:in QuickMapServices -pluginillä. Minunkin mielestä taustakartan vaihtaminen ESRI:n karttaan teki tuotoksistani miellyttävämmän näköisiä visuaalisesti. Kuvassa 2 näkyy ensimmäinen kartta.

Kuva 2 – vähintään 6 magnitudin maanjäristykset vuoden 2011 Japanin kuuluisan järistyksen jälkeen

Vasta toiseen karttaan päätin lisätä litosfäärilaattojen rajat, sillä opetuksen kannalta oppilaiden on hyvä ensimmäiseksi tarkastella karttaa ilman niitä. Tämän jälkeen rajojen esittäminen maanjäristyskohteiden kanssa visualisoi opetuksessa hyvin laattojen saumakohtien merkityksen seismisten tapahtumien esiintyvyyden ja spatiaalisen sijoittumisen kannalta. Sain tuotua laattojen rajojen shapefilen ArcGis Hub:ista ongelmitta seuraavaa karttaa varten, joka näkyy kuvassa 3. Tyynenmeren tulirengas erottuu kartasta varsin hyvin. Jopa 81 % maailman maanjäristyksistä tapahtuu tulirenkaan alueella (USGS, 2024). Myös Japanissa vuonna 2011 tapahtunut valtava 9 magnitudin järistys sijoittui tulirenkaan alueelle (Rafferty, 2024a).

Kuva 3 – vähintään 6 magnitudin maanjäristykset vuoden 2011 Japanin kuuluisan järistyksen jälkeen litosfäärilaattojen rajojen kera

Kuvassa 4 näkyvään kolmanteen karttaan päätin ottaa tarkasteluun seismisyyteen liittyvän vulkanismin. Aineiston tuomisessa koin kuitenkin suuria ongelmia, sillä aineisto oli TSV -muodossa. Yritin pitkään muuttaa sitä QGIS:in suosimaan CSV -muotoon, mutta en vain saanut aineistoa toimimaan QGIS:issä. Lopulta kaverin ohjeiden perusteella sain tuotua aineiston suoraan TSV -muodossa QGIS:iin. En halunnut rajata tulivuoriaineistoa millään tavalla, joten toin QGIS:iin aineiston, joka sisältää kaikki maailman tunnetut tulivuoret. Maanjäristysten jälkeen oppilaiden olisi hyvä tutustua tulivuorten esiintyvyyteen suhteessa litosfäärilaattojen rajoihin. Eri litosfäärilaattojen saumakohtien vaikutus tulivuorten esiintymiseen on tärkeä asia maantieteen opetuksessa peruskoulutasolla, tai myös lukiossa. Kartasta näkyy, kuinka kaikista korkeimmat tulivuoret usein sijaitsevat litosfäärilaattojen alityöntövyöhykkeillä (Rafferty, 2024b). Opetusmateriaalin kannalta halusin kartallani tuoda esille myös meren pohjaan sijoittuneet tulivuoret, joiden olemassaoloa monet eivät edes tule ajatelleeksi opiskellessaan vulkanismin perusasioita.

Kuva 4 – maailman tulivuoret ja niiden korkeus merenpinnasta litosfäärilaattojen rajojen kera

Olen suhteellisen tyytyväinen tuottamieni karttojen ulkonäköön. ESRI:n satelliittimaailmankartta toimii erittäin hyvin kartoissa, kiitos Heikki Säntin (2024). Tumman meren vuoksi valitsin kuitenkin litosfäärilaattojen rajojen väriksi valkoisen, jotta ne erottuisivat kartoista hyvin. Ongelma jokaisessa kartassa mielestäni on kuitenkin aineistojen pisteiden määrä. Tämän vuoksi muun muassa rajasinkin maanjäristysaineistot tiettyyn aikaväliin. Maanjäristyskartoissani kuvissa 2 ja 3 päätin myös kuvata ilmiöiden voimakkuutta pistekoon perusteella. Tulivuorten kohdalla kuvassa 4 yritin saada kohteet erottumaan mahdollisimman hyvin pohjakartasta ja toisistaan. Mielestäni värigradientti sopii vuorten kuvaamiseen hyvin, sillä merenpohjassa sijaitsevat tulivuoret ovat merkittynä sinertävillä sävyillä. Tuotin kaikki kartat opetus mielessäni, jonka vuoksi voisin verrata yhtä omista kartoistani vastaavaan netistä löytyvään karttaan. Tässä on kuvaan 4 verrattava kartta, joka kuvaa pitkälti samoja asioita: https://www.researchgate.net/figure/Map-of-active-volcanoes-of-the-Earth-and-plate-tectonic-boundaries-Positional_fig1_334147853 Mielestäni oma karttani on visuaalisesti paljon onnistuneempi. Tuottamani kartat soveltuvat mielestäni hyvin opetuskäyttöön, sillä ne ovat yksinkertaisia ja helposti luettavissa.

Ensi viikkoon!

 

Lähteet:

1. ArcGIS Hub. (2023). Tectonic Plate boundaries. https://hub.arcgis.com/datasets/5f01bc7f78d74498aa942455fcd0dc10/explore
2. Hannu Karttunen, Ursa ja Tuorlan observatorio. Zubenelgenubi. Interpolointi. https://www.astro.utu.fi/zubi/astro.htm (Luettu 21.2.2024)
3. Rafferty, John P., Pletcher, K. (2024). Britannica. Japan earthquake and tsunami of 2011. https://www.britannica.com/event/Japan-earthquake-and-tsunami-of-2011 (Luettu 21.2.2024) (Tekstissä viite: Rafferty, 2024a)
4. Rafferty, John P. (2024). Britannica. Subduction zone.  https://www.britannica.com/science/subduction-zone (Luettu 21.2.2024) (Tekstissä viite: Rafferty, 2024b)
5. ResearchGate (2013). https://www.researchgate.net/figure/Map-of-active-volcanoes-of-the-Earth-and-plate-tectonic-boundaries-Positional_fig1_334147853
6. Säntti, H. (2024). Heiggi’s blog. Kuudes kurssikerta. (Viitattu 21.2.2024) https://blogs.helsinki.fi/hksantti/2024/02/20/kuudes-kurssikerta/
7. USGS. Where do earthquakes occur? https://www.usgs.gov/faqs/where-do-earthquakes-occur (Luettu 21.2.2024)

Bufferoinnin kertaamista

Kurssikerta alkoi suoraan siitä, mihin viime kerralla jäimme, eli Pornaisten rajatun alueen tarkastelemisesta. Emme käyneet yhtään teoriaa opettajan ohjauksella läpi, sillä menimme suoraan asiaan. Aloitimme kertaamalla aiemmilta paikkatietopainotteisilta kursseilta tuttua Buffer –analyysiä. Saimme käyttöömme onneksi uuden valmiiksi tehdyn QGIS -projektin, mikä oli hyvä juttu, sillä viime kurssikerralla aloittamani Pornaisten digitoimistiedosto oli menettänyt osan tiedoistaan. Harjoittelimme bufferointia eli puskurointia tarkastelemalla esimerkiksi kilometrin säteellä Pornaisten koulusta asuvia, ja 100 metrin sisällä alueen pääteistä asuvia. Tässä alkuharjoittelussa QGIS:in Buffer –toiminto tuli tutuksi, jonka jälkeen oli helppo siirtyä itsenäisten tehtävien pariin.

Itsenäinen tehtävä 1 – lentokentät ja juna- sekä metroasemat

Ensimmäisen itsenäisen tehtävän ensimmäinen osa sujui kohdallani jokseenkin hyvin. Tehtävänä oli jälleen avata valmis QGIS -projekti, josta tuli ensimmäiseksi tarkastella Malmin lentokentän pahimmalle melualueelle sijoittuvia asukkaita. Suoritin puskuroinnin 1 ja 2 kilometrin alueelta, joista tuloksia jouduin pohtimaan hetken. Tajusin kuitenkin alueelle sijoittuvien asukkaiden määrän näkyvän Statistics –kohdan Sum –sarakkeessa Count –sarakkeen sijaan. 1 kilometrin säteellä Malmin lentokentästä, eli pahimmalla melualueella asuu lataamani aineiston mukaan 9049 ihmistä. Vastaavasti 2 kilometrin säteellä lentokentästä asuu 58 865 ihmistä.

Seuraavaksi siirryin Helsinki-Vantaan lentokentän alueen analysointiin. Toistin saman puskuroinnin 2 kilometrin säteelle lentokentästä. Lentokentän välittömän etäisyydeen alueelle sijoittuu asukkaita aineiston mukaan 11 681. Puskuroimani 2 kilometrin säteen alueella asuvista 19 asuu myös pahimman melualueen, eli 65 desibelin alueella. Eli edellisen puskurialueen asukkaista pahimmalla 65 desibelin melualueella asuu 0.162 %. Vähintään 55 desibelin melualueella asuu aineiston mukaan 11 923 asukasta. Lopuksi tarkastelin poikkeuksellisen kaakosta luoteeseen suuntaavan lentokoneiden laskeutumisen aiheuttamaa vähintään 60 desibelin melualuetta. Loin sopivan alueen puskuroitavaksi, ja aineiston mukaan potentiaalisella melualueella asuisi noin 13 200 ihmistä. Saamieni lukujen perusteella Helsinki-Vantaan lentokenttä häiritsee melullaan yllättävän montaa asukasta. Myös Malmin lentokentän ympäristössä asuu erittäin paljon ihmisiä.

Ryhdyin seuraavaksi tekemään ensimmäisen itsenäistehtävän 2. -osaa. Tällä kertaa tehtävänä oli tutkia, kuinka monta asukasta asuu alle 500 metrin päässä juna- tai metroasemasta aineiston karttalehtien alueella. Tehtävässä puhutaan kartan alueesta, joten tulkitsin sen itse tarkoittavan kirjaimellisesti pelkkien aineistojen karttalehtien aluetta. Tämän vuoksi tärkeä asia, jonka tajusin, oli rajauksen tekeminen. Ilman karttalehtien alueen rajausta, näkyisi laskemissani tuloksissa aina koko tietokannan asukkaiden lukuja. Tajusin tämän vasta tehtyäni kaikki laskut kerran ottamatta huomioon aluerajausta. Onneksi tajusin kuitenkin tehdä rajauksen, jonka jälkeen toistin kaikki laskut uudestaan. Bufferoin asemat samaan tapaan kuin aiemminkin, ja tulokseksi sain 110 278 asukasta. Prosenttina koko aineiston karttalehtien alueen asukkaista 21.5 % asuu alle 500 metrin päässä juna- tai metroasemasta. Tarkastelin seuraavaksi työikäisten (15-64v) asukkaiden määrää saman 500 metrin alueella asemista. Hyödynsin tuttua puskurointia, ja myös aiemmilla kerroilla tutuksi tullutta Join attributes by location -toimintoa. Työikäiset laskin samalla tavalla, kuten Gaius Eriksson (2024) oli blogissaan myös laskenut, eli yksinkertaisella IKA15+IKA16….-laskulla. Työikäisiä asukkaita asuu 500 metrin säteellä asemista 73 983, muodostaen 67 % asemien läheisyydessä asuvista ihmisistä.

Itsenäinen tehtävä 2 – Taajamat

Tehtävässä 2 oli aiheena aineiston alueen taajamien tarkastelu. Clip –työkalua hyödyntäen selvitin karttalehtien alueelle sijoittuvien taajama-alueiden asukasluvun.  Tehtävän alueen asukkaista 96.2 % asuu taajamissa. Laskiessani kartan alueen kouluikäisiä (7-18v) törmäsin ongelmaan, joka liittyi NULL-arvoihin. Vaikka laskin kouluikäisten määrän Field calculator –toiminnolla kolmeen kertaan, tuli tulokseksi epämääräisiä lukuja ja paljon NULL-arvoja. Toistaessani laskun identtisesti neljännen kerran lasku tuntui vihdoin toimivan. Kartan alueen kouluikäisistä 2585 asuu taajamien ulkopuolella. Taajaman alueen ulkopuolella asuvat kouluikäiset muodostavat 3.7 % koko karttalehtien alueen 69 328 kouluikäisestä. Tehtävän 2 viimeisessä kohdassa jäin pahemman kerran jumiin. Aineistossa tuntui olevan ongelma juuri ulkomaalaisten kohdalla, sillä luvut olivat aivan absurdeja, Ulkomaalaisten kokonaismääräksi aineisto antoi luvun 2,63e+11. Tarkistin attribuuttitaulukon, josta selvisi, että iso osa ulkomaalaisia koskevista luvuista oli korvattu numerolla 999999999. En osaa sanoa, miten tästä olisi pitänyt jatkaa, sillä en ymmärrä mistä erikoiset arvot johtuvat? Kuvassa 1 näkyy vielä taulukko kaikista saamistani tuloksista.

Kuva 1 – tehtävien tulokset taulukkomuodossa

Osaamiseni QGIS:sä on kasvanut koko kurssin ajan huimaa vauhtia. Mielestäni osaan suhteellisen rutiininomaisesti käyttää Buffer –toimintoa, Field calculator –laskinta, Join attributes by location –toimintoa, sekä lukuisia muita ohjelman perustyökaluja. Tietyissä monimutkaisissa lukuisia toimintoja soveltavissa tehtävissä minulla on kuitenkin vielä ongelmia. Kurssikerran tyylisten helposti pääteltävissä olevien, samoja toimintoja hyödyntävien tehtävien tekeminen kuitenkin sujuu jo suhteellisen hyvin.

Kurssikerran tärkeimmän toiminnon, eli puskurivyöhykkeen kertaaminen oli erittäin tärkeää. Toiminto sopii erityisen hyvin kaupunkiin liittyvään tutkimukseen/suunnitteluun. Sitä voidaan hyödyntää esimerkiksi uusien julkisen liikenteen asemien sijoittamisen suunnitteluun. Sillä voidaan myös tulkita eri infrastruktuurin aiheuttamia haittavyöhykkeitä, kuten haittamelualueita, kuten tehtävissäkin tuli selväksi. Puskurivyöhykkeillä analysoitavia haittavyöhykkeitä voisivat olla myös esimerkiksi ympäristökatastrofien aiheuttamat vaikutusalueet.

Ensi viikkoon!

 

Lähteet:

1. Eriksson, G. (2024). Gaiuksen kurssiblogi. MAA202 Viides viikko. (Viitattu 14.2.2024) https://blogs.helsinki.fi/ezgaius/2024/02/13/maa202-neljas-viikko-2/

 

 

 

 

 

 

 

Pisteitä ja ruutuja

Neljäs kurssikerta oli jälleen täynnä opettajan ohjaamaa työtä. Kurssikerran teemana oli tällä kertaa rasteriaineistot sekä vektorimuotoiset pisteaineistot. Tähän asti kurssin aikana olemme keskittyneet pitkälti vektoriaineistoihin, joten rasteriaineistoihin tutustuminen oli vuorossa ennemmin tai myöhemmin. Käytimme jälleen QGIS -ohjelmaa, joka onkin hiljalleen tullut kurssin aikana erittäin tutuksi. Rasteriaineistojen käyttäminen ohjelmassa ei tuntunut eroavan vektoriaineistoista paljoakaan, muutamaa uutta toimintoa lukuun ottamatta.

Pääkaupunkiseudun kielten visualisoiminen

Aloitimme kurssikerran avaamalla valmiiksi luodun projektin QGIS:iin, mikä sisälsi tietoja pääkaupunkiseudun asukasluvuista, sekä alueilla käytetyistä kielistä. Loimme pääkaupunkiseutua rajaavan ruudukon, johon aloimme visualisoimaan ruotsinkielisten asukkaiden määriä. Ruudukon luominen oli suhteellisen intuitiivista, ja pysyin erittäin hyvin kärryillä projektin ideasta luennon edetessä. Aineistoihin kuuluvan asuinrakennuksia kuvaavan pisteaineiston avulla täytimme ruudukon asukastiedoilla. Lopputuloksena oli rasterimuotoinen teemakartta pääkaupunkiseudun ruotsinkielisisten asukkaiden absoluuttisista arvoista. Tässä vaiheessa luentoa ajatuksemme ohjattiin syntyneen teemakartan arvioimiseen.

Kysymys kuului: onko järkevää esittää alueen kieliin liittyvää muuttujaa absoluuttisina arvoina? Tämän kysymyksen pohjalta tehtäväksi tulikin valita yksi aineiston muuttujista, ja esittää data rasterimuotoisena teemakarttana absoluuttisisia arvoja käyttäen, sekä suhteutettuna alueen väkilukuun. Esimerkiksi kurssikerralla luomamme ruotsinkielistä väestöä esittävä absoluuttisia arvoja käyttävä teemakartta on tässä tilanteessa suhteellisen kehno, sillä mitä suurempi valitun alueen asukasluku on, sitä suuremmalla todennäköisyydellä alueella asuu myös suuri määrä ruotsinkielisiä asukkaita. Tämän vuoksi Helsingin tiheiten asutuimmat alueet, kuten esimerkiksi kantakaupunki, vaikuttavat ruotsinkielisten asukkaiden “pesäkkeiltä”.

Päädyin tekemään oman vertailuni pääkaupunkiseudun muunkielisten, (muut kuin kotimaiset kielet)  asukkaiden muuttujalla. Aloitin luomalla kartan absoluuttisia arvoja käyttäen, jonka jälkeen suhteutin jo tutuksi tulleen field calculator -laskurin avulla muunkielisten osuuden alueiden asukaslukuun. Kohtasin tehtävän loppumetreillä kuitenkin ongelman, joka liittyi väliaikaisten scratch –tasojen tallentamiseen. QGIS ei syystä tai toisesta antanut minun lopettaa erään karttatason muokkausta ja tallentaa tasoa. Ohjelma herjasi minulle mysteeristä error -viestiä, kunnes päädyin poistamaan koko tason, ja tekemään sen uudestaan. Tehtävä oli lopulta kuitenkin yksinkertainen toteuttaa, ja jäljelle jäikin karttojen visuaalinen hiominen, joka on mielestäni erittäin mielekästä hommaa.

Kuva 1 – muunkielisten määrä pääkaupunkiseudun alueella esitettynä absoluuttisina lukuarvoina

Kuva 2 – muunkielisten osuus pääkaupunkiseudun alueella suhteutettuna väkilukuun

Kuvissa 1 ja 2 näkyy luomani rasterimuotoiset teemakartat muunkielisten osuudesta pääkaupunkiseudulla. Visuaalisesti karttani näyttävät mielestäni suhteellisen hyviltä, tosin näin jälkeen päin olisin voinut jättää sisämaan vesistöt kokonaan kartoista pois, sillä niillä ei ole kyseisten teemakarttojen kohdalla mitään virkaa. Jos olen jotakin oppinut kurssin aikana karttojen visuaalisuuteen liittyen, se on tämänkaltaisten yksityiskohtien huomioiminen. Karttaa luodessa tulee aina pohtia huolella sen käyttötarkoitusta, ja jättää turhat asiat suosiolla pois. Verrattavuuden vuoksi loin kartat samoja värimaailmoja hyödyntäen, pitäen samana myös muuttujien luokkamäärät.

Kuvaa 1 tarkastellessa huomaa aiemmin mainitsemani absoluuttisten arvojen ongelman. Äkkiseltään katsoessa karttaa voisi tulkita siten, että muunkieliset asukkaat ovat pitkälti keskittyneet juuri noille alueille. Vaikka luvut pitävätkin paikkansa, todellisuudessa kartta muistuttaa ennemmin pääkaupunkiseudun väestötiheyskarttaa. Kuvassa 2 näkyy, kuinka asukaslukuun suhteutettuna muunkielisten suurimmat keskittymät ovatkin aivan muualla, kuin kaupunkiseudun ydinalueilla. Jälkimmäinen kartta kertookin meille paljon enemmän kuin ensimmäinen, sillä se paljastaa muutakin kuin alueiden väestötiheyden!

Tuotoksiani tarkastellessa tulee ottaa myös huomioon niiden ruutumuotoinen teemakarttatyyli. Isohkot ruudut eivät paljasta muuttujien sijoittumista kovin tarkasti. Stella Syrjänen (2024) mainitsee blogissaan ruututeemakarttojen antavan myös hieman kärjistetympiä tuloksia vastaaviin koropleettiteemakarttoihin verrattuna. Hän huomioi myös sen, että karttaa luodessa ruuduista voi tehdä mielivaltaisesti minkä tahansa kokoisia, mikä vaikuttaa lopputulokseen huomattavasti. Näin kartoilla voi yrittää liioitella tai vähätellä eri muuttujien esiintyvyyttä. Eri ruutukokojen vaikutuksen esittämisen vuoksi olisin voinut tehdä toisen kartan erikokoisilla ruuduilla, kuten Sampo Väätäjä (2024) oli blogissaan tehnyt. Päädyin kuitenkin pitämään ruutukoon samana kartoissani, jotta absoluuttisten sekä suhteutettujen arvojen sijoittumista olisi helpompi vertailla.

Mielestäni ruutumuotoiset rasteriaineistot sopivat tiettyjen muuttujien esiintymisen visualisointiin. Vektorimuotoiset pisteaineistot mahdollistavat ehkä muuttujien hieman tarkemman sijoittumisen teemakartalla, mutta muuttujan esiintyvyyttä voi joskus myös yleistää luomieni karttojen tapaan ruudukolla. Tämä voi jopa parantaa kartan luettavuutta, sillä se yksinkertaistaa muuttujan spatiaalisen sijoittumisen helposti luettavaan muotoon.

Rasteriaineistoihin syventyminen

Luennon toisella jälkipuoliskolla tutustuimme rasteriaineistojen toisiinsa liittämiseen minulle täysin uudella virtual raster -toiminnolla. Tehtävänä oli koota Pornaisten alueen neljään osaan jaetuista korkeusmalleista yksi kokonainen korkeusmalli. Aineistoon kuului myös Pornaisten alueen peruskarttalehti, jota hyödynsimme hieman myöhemmin. Tässä kohtaa kurssikertaa meinasin pudota pahemman kerran kärryiltä, sillä aiemmassa tehtävässä kohtaamani error-viesti ei antanut minun edetä uuteen tehtävään. Pääsin kuitenkin takaisin vauhtiin ongelman ratkettua ystäväni avulla. Virtual raster -toiminnolla yhdistetyn korkeusmallin pohjalta tuli luoda rinnevarjostus Pornaisten alueesta.

Tämän jälkeen siirryimme tekemään valmisteluja seuraavaa kurssikertaa varten digitoimalla alueen pääteitä ja asuinrakennuksia. Digitoiminen QGIS-ohjelmassa oli minulle jo entuudestaan tuttua aiemmilta kursseilta, joten tämä vaihe sujui minulta helposti. Homma jäi kuitenkin erittäin vaiheeseen, sillä tehtävä jäi kokonaan seuraavaa kertaa varten.

Tekemäni rinnevarjostuksen perusteella etenin vertailemaan Paitulista ladatun peruskarttalehden ja itse luomieni korkeuskäyrien eroja. Muodostin korkeuskäyrät itselleni uudella contour –toiminnolla, jossa kohtasinkin suuria ongelmia. Ohjelma ei antanut minun suorittaa toimintoa, vaan herjasi jälleen uutta mysteeristä error-viestiä. En pitkän pähkäilynkään jälkeen meinannut ymmärtää, missä ongelma piilee, kunnes sain Paarlahden Artulta apua asiaan. Ongelma liittyikin korkeusmallin karttatason tallennukseen, sillä ohjelma ei suostunut suorittamaan toimintoa, ennen kuin vaihdoin toiseksi tallennuspaikaksi Z-aseman sijasta paikallisen sijainnin. Tämän jälkeen sain korkeuskäyrät lopulta muodostettua.

Kuva 3 – Pornaisten peruskarttalehdeltä (L4322L) satunnaisesti rajattu alue

Kuva 4 – Pornaisten peruskarttalehdeltä (L4322L) satunnaisesti rajattu alue

Kuvia 3 ja 4 vertailemalla huomaa itse muodostamieni korkeuskäyrien ja alueen peruskarttalehden korkeuskäyrissä hieman eroja. Kummassakin kuvassa peruskarttalehden alkuperäiset käyrät näkyvät ruskeina. Kuvassa 4 itse QGIS:issä muodostamani käyrät näkyvät sinisinä ja hieman alkuperäisiä käyriä paksumpina. Muutin käyrien värin räikeäksi, jotta ne erottuisivat paremmin ruskeista, ohuista käyristä.

Itse muodostamani käyrät sijoittuvat hieman eri kohtiin kuin peruskarttalehden alkuperäiset käyrät. Tämä luultavasti johtuu siitä, että muodostamani käyrät esiintyvät 5 metrin välein, kun taas alkuperäiset ovat sijoitettu oletettavasti 2.5 metrin välein, kuten myös Gaius Eriksson (2024) mainitsee blogissaan. Käyrien sijoittumistiheydellä ei sinänsä ole merkitystä, sillä kummatkin kartat esittävät saman tiedon, tosin hieman eri muodossa. Heikki Säntin (2024) blogia katsellessani tulin myös siihen tulokseen, että olisin voinut rajata valitsemani alueet hieman pienemmältä alueelta tarkennettuna, jotta käyrien väliset erot näkyisivät hieman helpommin. Tämä parantaisi karttojeni luettavuutta varsinkin pienemmillä näytöillä, kuten esimerkiksi läppärillä. Valitettavasti en ajatellut asiaa luodessani vertailua 27 tuuman pöytätietokoneen näytöllä, jossa yksityiskohdat erottuvat paremmin.

Jälleen tuli opittua paljon uutta, varsinkin rasteriaineistoihin liittyen. Pornaisten digitoimistyö jatkukoon ensi viikolla!

 

Lähteet:

1. Eriksson, G. (2024). Gaiuksen kurssiblogi. MAA202 Neljäs viikko. (Viitattu 8.2.2024) https://blogs.helsinki.fi/ezgaius/2024/02/06/maa202-neljas-viikko/

2. Syrjänen, S. (2024). Stella’s blog. 4 viikko, Ruututeemakartta. (Viitattu 7.2.2024) https://blogs.helsinki.fi/stellasy/2024/02/06/4-viikko-ruututeemakartta/

3. Säntti, H. (2024). Heiggi’s blog. Neljäs kurssikerta. (Viitattu 8.2.2024) https://blogs.helsinki.fi/hksantti/2024/02/07/neljas-kurssikerta/

4. Väätäjä, S. (2024). Sampon blogi. Neljäs kurssikerta (6.2.2024). (Viitattu 7.2.2024) https://blogs.helsinki.fi/vsampo/2024/02/06/neljas-kurssikerta-6-2-2024/