Dataa tietokantoihin, harjoitus numero kolme

Kurssin kolmannella kerralla tutustuimme MapInfon Query-toimintoon, jolla voi yhdistää haettuja tietoja ja tietokantoja. Tarkoituksena siis valmistella tietokanta, jota voi sitten näppärästi käyttää ohjelmassa ja visualisoida ulkoisia lähteitä yhdistellen niitä vanhaan tietoon.
Ensin kaivettiin kurssikansiosta tietokanta, joka sisältää Afrikan valtiot. Käytiin läpi tapoja yhdistää tietokantoja, koska joskus ne saattavat olla käsiteltäväksi liian yksityiskohtaisia. Homman voi hoitaa karttakohteita yhdistämällä tai tietokannassa sarakkeita yhdistelemällä. Opeteltiin myös tuomaan MapInfoon ulkoisia taulukoita, esimerkiksi Excelistä. On ihan näppärää pystyä muokkaamaan Excelissä aineisto haluamaansa muotoon, jos sitä ei halua/jaksa/osaa MapInfossa tehdä. Tämän jälkeen tehtiin tietokantaliitoksia, koska eri lähteistä peräisin oleva statistiikka haluttiin kuvata yhdellä kartalla. Update Column –toiminnon avulla tietoja pääsee siirtelemään taulukoiden välillä sarakkeesta toiseen.
Tehtävänannossa pyydettiin pohtimaan, mitä tietokannan erinäisillä muuttujilla voisi tehdä, tai mitä niistä voisi päätellä. Tietokannassa oli dataa konflikteista paikallisesti ja ajallisesti. Näiden tietojen pohjalta voisi tehdä kartografisen visualisoinnin historiallisesta näkökulmasta jonkin konfliktialueen dynaamisuudesta. Timanttikaivoksiin liittyvät muuttujat voisivat päätyä selittäjiksi esimerkiksi alueen asukkaiden terveyden tai ympäristön muutoksille. Yhtä lailla öljykenttien löytyminen, poraukset ja tuottavuusluokittelu voivat heijastua kansanterveyteen ja paikallisen biodiversiteetin ja yhteyttävän alustan katoon. Internetkäyttäjien lukumäärän kasvua sen sijaan voi pitää hyvinvoinnin mittarina, sillä tiedon saatavuus on yhteydessä globaaleihin tasa-arvokysymyksiin.
Toisessa osiossa tehtiin tulvaindeksikarttaa. Tässä kohti allekirjoittaneella meni yli hilseen. Laskutoimitukset eivät tuottaneet juurikaan päänvaivaa (MHQ/MQ –indeksi, keskiylivirtaama/keskivirtaama), mutta kartalla arvot kääntyivät päinvastaisiksi kuin naapureilla. Koitin venkslata tuotosta turhautumiseen asti. Sitten huomasin, että olin yrittänyt yhdistää MNQ:n MHQ:n sijaan. Tässä se kartta nyt kuitenkin on:

Kuva 1. Järvisyys ja tulvaindeksi Suomen kartalla

Kartalta voidaan nopeasti nähdä, että tulvaindeksin huiput löytyvät nimenomaan lounaisesta Suomesta, läheltä merta. Pienemmät arvot sijaitsevat sisä-Suomessa. Järvisyysprosentti on taas näissä osissa suurin, kuten olisi voinutkin olettaa, sillä järvisimpiä alueita tavataan kutsua toisinaan Järvi-Suomeksi.

Jos jotain muuttaisin visualisoinnissa, se olisi värimaailma. Tällä hetkellä kontrastia ei ole tarpeeksi, jotta korkeimmat arvot erottuisivat ja toisaalta pylväät jäävät toistensa lomiin etenkin rannikkoalueilla. Olen kuitenkin tyytyväinen, että tuskailun jälkeen voin vihdoin lisätä työni tänne.

Kurssikerta 5

Moikkamoi!

Edellisellä kerralla MapInfoon rekisteröitiin Pornaisten kartta sen reunojen koordinaattien perusteella. Kartalle on piirretty suurimmat tiet sekä merkitty asuintalot pistemuotoisina objekteina. Tässä harjoituksessa puskuroidaan eli bufferoidaan kartalle luotuja elementtejä. Bufferoinnilla voidaan tehdä aineistoon pieniä korjauksia tai vaikka laskea kohteita, kuten tässä harjoituksessa.

Bufferin tekemiselle on oma työkalunsa, jolle syötetään halutut arvot eli se etäisyys, jonka sisältä halutaan laskea karttakohteita. Ohjelma laskee, kuinka monta taloa sijaitsee 100 m säteellä, terveyskeskuksen vaikutusalueen 500 m sisällä sijaitsevista taloista sekä miten suuri osuus taloista sijaitsee yli kilometrin päässä koululta (etäisyydet tietysti linnunteinä).

Itsenäisharjoituksena käytimme Vantaan karttaa, jonka alueella sijaitsee sekä pienlentokoneiden käyttämä Malmin lentokenttä sekä Helsinki-Vantaan lentokenttä. Ensimmäiseen piirrettiin kiitoradat, joille tehtiin 2 km ja 1 km bufferi suurimman melualueen havainnollistamiseksi. Bufferien avulla saimme selville montako asukasta näillä alueilla oikeastaan asuu.

Helsinki-Vantaan lentokentästä oli valmis lentomelutietokanta joka etenee desibelimäärältään vyöhykkein. Näiden vyöhykkeiden sisään jäävät asuinrakennukset pystyi bufferin avulla valitsemaan näppärästi ja huomaamaan esimerkiksi, ettei suurella lentomelun häiritsemällä alueella asu kovinkaan suurta määrää väkeä. Bufferi laski seuraavaa: 10 491 as /2km säde Helsinki-Vantaan kiitoradoilta. Sekä seuraavaa: Helsinki-vantaa 65 db – asyht: 502, väh. 55 db: 9247+2342+502=12091 asukasta.

Mihin muuhun puskurivyöhykkeitä voisi käyttää? Mieleen tulee kaikkea melko villiä, esimerkiksi ilmansaasteiden tai säteilyn leviämisen mallintamiseen, tai oikeastaan mihin tahansa linnunteitse mitattavissa olevaan. Etäisyyksiä on sikäli vähän valheellista laskea tieverkostoalueilla buffereissa, ettei se ole tasa-arvoinen eri pisteiden kautta mitattuna matkana teitse.

Sellaista tällä kertaa! Tässä söpö eläinkuva Planet Earthin kakkoskaudelta:

Henkilön Ellu Odé kuva.