Viikko 4 – Ruututeemakarttoja ja rasteriaineistoja

Neljännellä kurssikerralla siirryimme tarkastelemaan erilaisten aineistojen käsittelyä QGIS:llä, jotka onneksi olivat jo aiemmilta kursseilta tuttuja. Opettelimme tuottamaan ruututietoaineistoa laatimalla itse tarkoitukseen sopiva ruudukko, karsimalla käytettävää aineistoa ja keräämällä lopulta ruutuihin dataa. Kokeilin itsekseni luoda esitystä siitä, miten 2000-luvun puolella rakennetut talot sijoittuvat pääkaupunkiseudulle. Tätä varten tuli kerrattuna erilaisten valintatyökalujen käyttöä, ruudukon luomista, ylimääräisten ruutujen rajaamista ja tiedon keräämistä ruudukkoon. Kartan informatiivisuuden lisäämiseksi päätin vielä tuoda karttaan kurssin lisädata-kansiosta vektoriaineistona olevat pääkaupunkiseudun suurimat tiet. Kokeilin sekä 500 m x 500 m, että 1 km x 1km ruutuja, joista jälkimmäinen vaihtoehto tuotti selkeämmän lopputuloksen esitettävän ilmiön kannalta.

Kartalla (kuva 1) on esitetty pääkaupunkiseudun 2000-luvulla rakennettujen talojen absoluuttinen määrä/neliökilmetri, sekä suurimmat pääväylät, moottoritiet ja vesistöt alueen hahmottamiseksi. Kartasta on havaittavissa, että 2000-luvulla pääkaupunkiseudun rakentaminen on keskittynyt kantakaupungin ulkopuolelle, kehäteiden ja keskustaan vievien moottoriteiden ja muiden suurten väylien varsille. Selittäviä ilmiöitä on varmasti useita. Kantakaupunki on usein kaupungin vanhinta aluetta, jolloin väestönkasvun myötä on luonnollista laajentaa kaupunkia yhä kauemmas keskustasta, mutta toisaalta hyvien liikenneyhteyksien varrelle. Suuret ostoskeskukset ja palvelujen saatavuus ovat myös yleistyneet keskusta-alueen ulkopuolella, jolloin kauempana keskustaa olevat alueet ovat entistä houkuttelevampia. Yksi selittävä tekijä voisi olla myös jatkuva yksityisautoilun lisääntyminen ja tieverkon kehittyminen, joka mahdollistaa elinpiirin laajentamisen siten, että matka-ajat pysyvät silti kohtuullisina.

Kuva 1. 2000-luvulla rakennettujen talojen sijoittuminen neliökilometreittäin pääkaupunkiseudulla.

Kartan lukemisen helpottamiseksi suurimpien keskusten nimeäminen olisi mahdollisesti ollut paikallaan, mutta toisaalta, jos rakentamista haluaa tarkastella suhteessa liikenneyhteyksiin, joka tässä oli tarkoituksena, on hyvä, että erityisesti tiet erottuvat kartalla. Kartan visuaalinen ilme on mielestäni onnistunut – tai ainakin selkeä. Paremman ajan kanssa voisi toki hioa erilaisten fonttien ja värien kera vielä kiinnostavampaa lopputulosta, mutta ainakin kaikki kartan peruselementit löytyvät ja esitettävä ilmiö on luettavissa.

Ruututeemakartassa voidaan esittää tietoa absoluuttisina arvoina, kuten tässäkin on tehty, sillä kaikki yksittäiset kohteet – eli ruudut – ovat samankokoisia ja arvot ovat täten keskenään vertailtavissa. Ruututeemakartta sopii mielestäni hyvin sellaisiin teemakarttoihin, joissa esitettävän ilmiön, kuten tässä rakennusten, tarkalla paikalla ei ole välilä, vaan rakennusten määrä tietyllä alueella on kiinnostavampi. Jos samaa asiaa yrittäisi esittää pistekartalla, olisi lopputulos todella sekava. Koropleettikartalla saisi myös melko näppärästi esitettyä saman asian, jos on jokin ennalta määrätty aluejako. Pääkaupunkiseudun 2000-luvulla rakennettujen talojen määrän tiheyden/neliökilometri voisi esittää koropleettikartalla esimerkiksi asuin- tai postinumeroalueittain.

Lueskellessani muiden blogeja havaitsin, että en ollut ainoa, joka oli esittänyt 2000- luvulla rakennettujen talojen määrää pääkaupinkiseudulla ruututeemakartalla, vaan samoin oli tehnyt myös Vilma Kaukavuori. Karttamme näyttävät kuitenkin jokseenkin erilaisilta, vaikka olemmekin samaa aineistoa käyttäneet johtuen siitä, että olemme valinneet erilaiset luokat talojen määrille.

Kun tähän mennessä olemme käsitelleet pääasiassa vektori- tai CSV- muodossa olevia aineistoja, toimme neljännellä kurssikerralla QGIS:iin ensimmäistä kertaa rasteriaineistoja. Rasteriaineistoja käsitellessä yhdistimme useamman kuvan yhdeksi tasoksi, jolloin myös niiden väritys skaalautuu. Yllätyin, kuinka helppoa tämä oli, ja ihmettelen suuresti sitä, kun monesti näkee paloista yhdistettyjä rasteriaineistoja, joita ei ole skaalattu, vaikka se parantaa luettavuutta todella paljon. Toki toiminto on todella raskas, mutta luulisi siihenkin tehokkaita algoritmejä olevan kehittetty, ja tietokoneiden laskentatehostakaan ei luulisi jäävän kiinni.

Skaalaamamme ainesto oli korkeusmalli Pornaisten alueen peruskarttalehdestä, josta opettelimme piirtämään QGIS:n avulla korkeuskäyrät. Latasin kotona Paituli-palvelusta vastaavan peruskarttalehden korkeuskäyrien kera ja vertailin sitä QGIS:n avulla piirtämiimme korkeuskäyriin. Käyrät vastasivat hyvin toisiaan, mutta peruskarttalehden korkeuskäyriä oli reilusti yleistetty, eikä jokaista pientä kiemuraa oltu piirretty. QGIS:n avulla piirtämämme käyrät sen sijaan vastasivat todellisia pinnanmuotoja, jotka paikoin olivat aikamoista kiemuraa ja syheröä. Korkeuskäyrien vertaileminen oli kyllä hyödyllinen muistutus siitä, miksi yleistäminen on maantieteessä hyvä taito, sillä peruskarttalehden korkeuskäyrät olivat helpommin luettavissa. Kurssikerran aikana opettelimme vielä laatimaan korkeusmallista rinnevarjotuksen, joka oli myös yllättävän helppoa ja näppärää, kunhan osaa laittaa oikeanlaiset asetukset, kuten valon suunnan.

Lopputunnista opettelimme luomaan itse rasteriaineiston pohjalta vektoriaineistoa piirtämällä Pornaisten kartan perusteella tiet ja talot. Teiden piirtäminen ja tallennus sujui hyvin, mutta taloja tallennettaessa tapahtui jotain, ja seuraavan kerran kun avasin aineiston, ne olivat kadonneet, vaikka mielestäni tallensin scratch layerin varsinaiseksi layeriksi ennen ohjelman sulkemista. Kokeilin piirtää talot uudelleen kotona ja tällöin tallennus onnistui ongelmitta, joten en tiedä pitääkö tuosta maanantai-illan kurssikerran tapauksesta syyttää omaa väsynyttä olotilaa vai QGIS:ä.

Lähteet:

Kaukavuori, Vilma (2019). Risuja ja ruutuja. Vilma Kaukavuoren blogi, luettu 17.2.2019.  (luettavissa: https://blogs.helsinki.fi/vilmakau/2019/02/13/risuja-ja-ruutuja/)