University of Helsinki
Neljännen kurssikerran agendana olivat ruutukartat, piste- ja rasterimuotoisiin aineistoihin tutustuminen sekä QGISissa piirtäminen rasterikartan avulla. Tunnin alun luento-osuudella mm. opin, että pisteaineistot ovat kaikkein tarkimpia paikkatietoaineistoja ja niitä voidaan kerätä melkeinpä minkälaisista kohteista tahansa. Laserkeila-aineistot puolestaan ovat vielä pisteaineistoista kaikkein tarkimpia. Pisteaineistoja käytetään usein lähtöaineistoina, kun halutaan kerätä tietoa eli aggregoida eri tarkkuusalueilla oleville esittämistasoille. Tällaisia eri tarkkuusalueisia esittämistasoja ovat mm. ruudut, laserkeilauksen avulla saadut korkeusmallit, erilaiset aluejaot sekä kohteiden ympärille jäävät vyöhykkeet.
Ruutuaineistot puolestaan ovat tehokas tapa kerätä alueellista tietoa ilman valmista aluejakoa. Monet Suomea koskevat laajat tietoaineisot ovatkin ruutumuotoisia. Tehokkuudella, kuten kaikella muullakin positiivisella (jos tehokkuuden tässä hektisessä nykymaailmassa haluaa sellaiseksi ihanteeksi määrittää), on kuitenkin kääntöpuolensa. Näin ollen toiseen suuntaan kumartaessaan ruutuaineistommekin pyllistää toiseen suuntaan: takapuolesta pistää esiin nimittäin tyyris hinta. Esimerkiksi Tilastokeskuksen Ruututietokannan yhden vuoden lisenssin hinnaksi kertyy rapsakat 6520 euroa 250 metrin ja 1 kilometrin heleällä ruudukoinnilla. Monikohan meistä olisi valmis pulittamaan näin paljon silkasta GIS-rakkaudestaan? 🙂
Tunnin alussa minulle käy selväksi, että pääsen maanantai-illan ratoksi univajareiden hivelöimänä tuottamaan QGISilla teemaruutukartan. Tuntirykelmän loppumetreillä vaanii kuitenkin vielä toinen erikoisjeccu – olen hyvilläni, että olen siitä tässä vaiheessa vielä autuaan tietämätön.
Kuva 1. Ruotsinkielisen väestön lukumäärä Helsingin alueella. Lähde: Helsingin kaupunki (2014).
Päädyn tekemään ruututeemakartan suosiollisesti ruotsinkielisen väestön lukumäärästä Helsingin kaupungin alueella (kuva 1). Kaverina hyödynnän yksinkertaista summa-toimintoa. Tämä laskee käyttämäni laajan taulukkoaineiston pohjalta yhteen valitsemani muuttujan, ruotsinkielisen väestön, osuuden kunkin halkaisijaltaan kilometrin kokoisen ruudun alueelta. Tätä ennen olen toki siistinyt Helsingin kaupungin pohjakartan rajauksineen ja luonut päälle ruudukon.
Teemaruutukarttani (kuva 1) lukuarvot voivat olla absoluuttisia toisin kuin perinteisessä koropleettikartassa, koska tutkittavat ruutualueet ovat tasakokoisia (1 km2). Tiedostan kuitenkin, että suhteelliset lukuarvot voisivat olla myös tässä tapauksessa käyttökelpoinen muoto, koska ruotsinkielisiä toki asuu tilastotodennäköisyydenkin lakien mukaan enemmän siellä, missä ihmisiä ylipäätäänkin asustaa enemmän. Helsingin väestö, samoin kuin heistä ruotsinkieliset, painottuvatkin kantakaupunkiin ja Etelä-Helsinkiin. Suhteelliset lukuarvot paljastaisivat tällöin paremmin nimen omaan ruotsinkielisten suosimat asuinalueet suhteessa koko muun kieliseen väestöön. Haluan kuitenkin tarkastella samalla myös kokonaisväkimäärän jakaumaa, jossa mukana ovat ruotsinkieliset. Sain myös vahvistuksen, ettei tämäkään esitystapa väärin ole. En siis ole vaarassa joutua esitystapani johdosta aamunkoitteessa teloitetuksi maantieteilijöiden päivien jatkoilla, kuten opettaja asian muotoili😊 (Edellyttäen siis, että ylipäätään osallistuisin maantieteilijöiden päiville, sillä identifioin itseni yhä ensisijaisesti biologiksi).
Joka tapauksessa esiteltyäni luomukseni, tulkitsen sitä vielä hieman. Kartasta (kuva 1) on nähtävissä se, että ruotsinkielisten lukumäärä laskee suuresti siirryttäessä erityisesti Pohjois-, Koillis- ja Luoteis-Helsinkiin. Siinä missä esimerkiksi Ullanlinnassa, Kampissa ja Kruununhaassa ruotsinkielisiä on pakkautunut kilometrin alueelle jopa reilut 3000, on heitä kilometrin alueella Malminkartanon, Kannelmäen ja Konalan pohjoisemmissa kaupunginosissa vain 0-12. Karttaan olisikin voinut liittää kaupunginosien nimet, jotta se olisi ollut vielä informatiivisempi.
Muita syitä väestön suuremman kokonaismäärän lisäksi sille, miksi ruotsinkielisten asukkaiden määrä painottuu Etelä-Helsinkiin, voi olla mm. ruotsinkielisten korkeampi koulutus verrattuna muuhun väestöön keskimäärin. Ruotsinkieliset oppilaitokset painottuvat myös kantakaupungin ja Etelä-Helsingin alueille. Korkeammin koulutetuilla on keskimäärin parempi palkka ja he ovat keskimäärin muutenkin varakkaampia kuin matalammin koulutetut. Näin ollen korkeasti koulutetulla ruotsinkielisellä väestöllä on varaa asua kalliimmin kantakaupungin ja eteläisen Helsingin alueilla ja maksaa niiden hintavammista palveluista. Myös tuon väestönosan asumisperinteillä näillä alueilla voi olla oma merkityksensä.
Ylipäätään ruututeemakartan informaatioarvo verrattuna perinteiseen koropleettiteemakarttaan ja pisteteemakarttaan on ruututeemakartan pistekoosta riippuen mahdollisesti paljon tarkempi. Toisaalta, jos kartan ruudut ovat kovin pieniä, voi lukijan olla työläämpää tulkita karttaa, vaikka sen sisältämä informaatioarvo onkin suurempi ja sisältö tarkempi. Esimerkiksi Eemilin asuttujen rakennusten mediaani-ikää Helsingin alueella kuvaavassa taidokkaasti tuotetussa ruututeemakartassa ruutukoko on informaatioarvon kannalta tarkoituksenmukaisesti 500 m2 . Tällä tarkkuudella lukijalla kestää hieman kauemmin hahmottaa kartan kuvaama kokonaisuus, kuin vaikkapa oman karttani puolet suuremmalla ruutukoolla. Blogissaan hän onkin samoilla linjoilla kanssani teemaruutukartan tulkintaan liittyen.
Ruututeemakartalla on otettavan huomioon myös absoluuttisten lukuarvojen mielekkyys ilmiön tarkastelun kannalta. Aluejaoltaan tasainen ruututeemakartta ei myöskään esitystavaltaan vääristä samalla tavalla kuin koropleettiteemakartta, sillä koropleettikartalla erikokoisen aluejaon valinnalla on suuri merkitys kartan luomaan mielikuvaan. Pistekarttaa taas on yleisesti paljon epätarkempaa lukea kuin ruututeemakartta, sillä pisteet osuvat usein väistämättä päällekkäin. Tällöin lukijan on vaikeampi hahmottaa pisteiden kuvaaman ilmiön suuruutta.
Ruututeemakartan luettavuus verrattuna muihin teemakarttoihin on ainakin isompiruutuisella kartalla parempi. Isoruutuisen ruututeemakartan avulla lukijan on helppo hahmottaa nopeasti ilmiön jakautuminen jo yhdellä vilkaisulla. Tuottamani ruututeemakartta (kuva 1) on mielestäni visualisesti kelvollinen ja hyvin luettava, jos ei oteta huomioon punavihersokeuden mahdollisuutta. Punaisen voimakkuus kuvaa ilmiön voimakkuutta, mikä on myös useimpien lukijoiden intuitiivinen tulkinta. Tällöin karttaa on helppo hahmottaa.
Lopputunnilla hyökkäsimme vielä rasterimuotoisen aineiston kimppuun. Opin, että numerolitania 3067 on hyödyllistä osata ulkoa, jotta saa joutuisasti vaihdettua QGISissa oikean koordinaattijärjestelmän Suomen kohdalle. Tuotimme korkeusmalleja ja vinovalovarjosteita, sekä harjoittelimme QGISilla piirtämistä Pornaisten kartta-aineistolla. Tässä kohtaa edellisperiodista tutut CorelDraw-traumat heräsivät eloon. Onneksi operoitava “pieni” alue rajattiin koko kunnan kattavalta kartalta. Kuuden tien piirtäminen sujuikin kivuttomasti, mutta rakennusten piirtäminen pistekohteina tuntui sadistiselta ikuisuudelta. Totta kai alueelle osuivat kaikki mahdolliset Pornaisten taajamat. Lopputunnin harjoittelinkin ruumiista irtautumista ja luulen päässeeni melko lähelle. 662 pisteklikkausta tuudittivat väsähtäneen geoinformaatikkokokelaan maanatai-iltaiseen transsiin. Ensi kertaa ja bufferointia odotellessa…
Lähteet:
Eemil Sillankorva (2022). Eemilin mantsa-blogi. https://blogs.helsinki.fi/sillanko/. Luettu 10.2.2022.
