Categories
Valmius

BLOGI ON VALMIS

Categories
Kartat

Viimeistä kertaa Qgis! (tällä erää)

Viimeisen kurssikerran aiheena oli koostaa kartta/karttoja itse valitsemastaan aiheesta. Halusin luonnonläheisenä ihmisenä tutkia esim. kansallispuistoja tai luonnonsuojelualueita ja tarkastella, kuinka suuria alueita ne peittävät kunnittain Suomessa. Ensin yritin käyttää LIPAS-palveluun syötettyjä tietoja Suomen liikuntapaikoista projektini aineistolähteenä, mutta törmäsin ongelmaan, joka on valitettavan yleinen uusissa vapaaehtoisuuteen perustuvissa paikkatietopalveluissa. Kunnat eivät ole tarttuneet tilaisuuteen tallentaa tietoa ulkoilu- ja liikuntapaikoista koko Suomen kattavaan palveluun. Esimerkiksi kansallispuistoja löytyi aineistosta peräti kaksi kappaletta. Lopulta päätin etsiä kiinnostavia aineistoja muista lähteistä.

Seuraava osoitteeni oli Suomen ympäristökeskuksen eli SYKE:n nettisivut, joista löytyi monenlaisia kiinnostavia aineistoja Suomen luonnosta. Kansallispuistoja eli löytynyt, joten latasin tiedon Suomen Natura2000-alueista eli luonnonsuojelualueista. Latasin lisäksi myös aineiston Suomen metsistä, mutta en löytänyt sille käyttöä aineiston suuren koon ja rasterimuodon takia.

Tarkoituksenani oli siis selvittää kuinka suuren pinta-alan Natura-alueet peittävät Suomen kunnista, laskea pinta-alan prosenttiosuus ja vertailla kuntia keskenään kartalla eri värein. Laskin siis ensimmäisenä kuntien sekä natura-alueiden pinta-alat $area toiminnolla ja liitin ne osaksi taulukkoja. Osa natura-alueista oli kuitenkin kahden kunnan alueella, joten halusin leikata alueet osiin kuntien rajojen kohdalta. En itse keksinyt tähän ratkaisua, joten otin yhteyttä Arttuun, joka neuvoi minua käyttämään clip-toimintoa. Ongelmat eivät kuitenkaan loppuneet, sillä jostain edelleen mystisestä syystä clip-toiminto ei toiminut käyttämieni aineistojeni kanssa. Algoritmi otti aikansa, mutta tuloksena ei syntynyt yhtään mitään. Koko keskiviikkoaamupäivän tapeltuani luonnonsuojelualueiden kanssa päätin luovuttaa ja etsiä uusia aineistoja käytettäväksi.

Aloin selaamaan eri Wfs-palveluiden osoitteita ja silmääni pisti liikenneonnettomuustietokanta. Mietin liikenneonnettomuuksien rinnalle jotain toista muuttujaa ja löysin liikenneviraston rajapinnasta hirvivaara alueiden viivamuotoisen aineiston. Päätin tutkia, kuinka paljon liikenneonnettomuuksia osuu hirvivaara-alueille. Loin viivamuotoiselle aineistolle 50 metrin levyisen puskurivyöhykkeen, jotta kaikki onnettomuudet osuisivat alueelle. Lopuksi laskin kuinka paljon onnettomuuksia hirvivaara-alueilla oli maakunnittain 2013–2019. Halusin vielä lisää informaatiota karttaan, joten päätin ilmaista kuolonkolarien määrän jo valituista kolareista numeroin maakunnan päällä. Onnettomuusaineistosta löytyi suoraan onnettomuuden vakavuus, jonka kautta oli helppoa identifioida kuolonkolarit. Lopputulos näkyy kuvassa 1.

Kuva 1.Tieliikenneonnettomuudet hirvivaara-alueilla ja kuolonkolarit vuosina 2013-2019.

Kartalla on siis kuvattuna hirvikolareiden määrä maakunnittain värein siten, että valkoisilla alueilla on tapahtunut 0–39 kolaria hirvivaara-alueilla ja kaikista punaisimmilla alueilla 385–530 kolaria vuosina 2013–2019. Lisäksi maakuntiin on lisätty numeroina kuolonkolareiden määrä kartalla esitetyistä kolareista. Kolariherkintä aluetta Suomessa on Uusimaa suuren väkiluvun takia. On syytä muistaa, että analyysini tuloksena ei ole hirvikolareiden määrä, sillä hirvivaara-alueilla voi sattua myös muita onnettomuuksia. Vähiten kolareita sekä kuolonkolareita valituilla alueilla on tapahtunut Keski-Pohjanmaalla sekä Kainuussa, jotka ovat asukasluvultaan pieniä maakuntia. Lisäksi kuolonkolareita on alle kymmenen Etelä-Pohjanmaalla, Pohjanmaalla sekä Lapissa.

Jälkikäteen tarkasteltuna karttani on keskinkertainen. Kartta ohjaa ajattelemaan kolareita nimenomaan hirvikolareina muiden onnettomuuksien sijaan. Lisäksi kartalla esitetyt kuolonkolariluvut vaikuttavat herkästi kuolonkolareiden kokonaismäärältä. Halusin kuitenkin tutkia kyseistä ilmiötä ja testata omaa geoinformatiikan osaamista tällä tavalla. Olen varma, että tieliikenneonnettomuus -tietokannan sekä liikenneviraston tietokannalla saa tehtyä vielä syvempiä analyyseja, sillä molemmat tietokannat sisältävät valtavan määrän tietoa onnettomuuksien yksityiskohdista sekä Suomen liikenneverkosta.

Muiden kurssilaisten blogeista suosittelen tutkimaan Veetin laatimia mielenkiintoisia ja monipuolisia karttoja New Yorkin väestörakenteesta. Oona on puolestaan tuottanut visuaalisesti erittäin hienoja karttoja riskeistä eri puolilla maailmaa. Opin myös Tapion blogista, että Qgis:llä voi tehdä animaatioita, todella mielenkiintoista!

Oliko tämä jo tässä?

Kurssi on nyt paketissa. Tähän mennessä suoritetuista kursseista Geoinformatiikan menetelmät 1 oli kaikista mielenkiintoisin sekä hyödyllisin tulevaisuutta ajatellen. Toki kyseessä oli vain pintaraapaisu paikkatietoanalyysien parissa, mutta kurssi oli hyvä alku matkallani. Tarkoituksenani on opiskella kyseistä aihetta vielä paljon lisää ja toivottavasti työskennellä tulevaisuudessa geoinformatiikan parissa. Qgis on ällistyttävän monipuolinen ja melko helppokäyttöinenkin ohjelma täysin kaikkien käytössä olevaksi ohjelmistoksi. Avoin lähdekoodi mahdollistaa lisäosien koodaamisen ja siten ohjelmiston lähes rajattoman potentiaalin. Suunnitelmanani olisi käydä Moodle-kurssi ArcGis:n perusteista kesäloman aikana. On mielenkiintoista nähdä, miten maksullinen paikkatieto-ohjelmisto vertautuu avoimen lähdekoodin vastaavaan. Kiitos Artulle ja kurssikavereille kurssista, oli mielenkiintoista lukea blogejanne!

Lähdeluettelo:

Jalkanen O. (4.3.2021) Viikko 7: Luotto omiin paikkatietotaitoihin https://blogs.helsinki.fi/jaoona/2021/03/04/viikko-7-luotto-omiin-paikkatietotaitoihin/

Sihvola V. (9.3.2021) Rogue One: A Quantum GIS Story https://blogs.helsinki.fi/veetisih/?p=147

Tieliikenneonnettomuudet Tilastokeskus http://www.stat.fi/org/avoindata/paikkatietoaineistot/tieliikenneonnettomuudet.html

Turpeinen T. (5.3.2021) 7: La Grande Finale https://blogs.helsinki.fi/tapiotur/2021/03/05/7-la-grande-finale/

 

 

Categories
Kartat

Aineiston keruuta sumuisena aamuna

Toiseksi viimeinen kurssikerta alkoi reippaalla tunnin ulkoilulla minun osaltani Taka-Töölön harmaissa maisemissa. Tarkoituksenamme meillä oli kerätä tietoa erilaisista kohteista Epicollect-puhelinsovellusta käyttämällä. Itse tein pienen kävelylenkin kotini lähiympäristössä ja täytin sovelluksessa kyselyä, joka keräsi tietoa muun muassa paikkojen turvallisuudesta sekä houkuttelevaisuudesta. Lisäksi kyselyyn oli mahdollista liittää kuva ja kirjoittaa kommentteja paikkaan liittyen.  Mukavin paikka omalla kävelylenkillä oli Humalluodon edusta, jossa sijaitsee viihtyisä kahvila Regatta. Turvattomin ja myös vähiten houkutteleva paikka hengailuun löytyi Töölön torilta, jossa sinänsä viihtyisää torimiljöötä käytetään lähinnä taksitoimintaan sekä pysäköintiin. Onneksi torin viihtyisyyteen ollaan panostamassa lähitulevaisuudessa. Hankkeesta kiinnostuneet voivat hankkia lisää tietoa Helsingin nettisivuilta.

Kurssin vastuuopettaja Arttu esitteli tuloksia Epicollect:n nettisivuilla ja totesi, että keskiviikkoaamun aineisto oli tähän mennessä kattavin kurssikertojen aineistoista. Tämä lupasi hyvää aineiston analyysia varten. Aineiston sai ladattua csv-muodossa nettisivulta, jonka pystyi avaamaan Qgis:ssä. Qgis tunnistaa automaattisesti csv-tiedoston sarakkeista sijaintitiedon. On toki hyödyllistä tarkastaa, että leveys- ja pituusasteet syötetään oikein aineistoa tuodessa, luonnollisesti. Kurssilaisten itse keräämä aineisto näytti Qgis:ssä täsmälleen samalta sekä attribuuttitaulukossa että kartalla, mikä lienee Epicollect-sovelluksen ansiota.

Interpolointi

Kuva 1. Opiskelijoiden keräämä tieto paikkojen houkuttavuudesta opiskeluun Helsingissä.

Interpolointi tarkoittaa matemaattisesti uusien arvojen laskemista tunnettujen arvojen väliin. Qgis:n toimintaympäristössä tämä tarkoitti rasterikuvan tuottamista, jossa tietyn muuttujan pohjalta tehdään kartta, jossa esim. alueen houkuttelevuus luokitellaan yhdestä viiteen ja esim. numeroa yksi kuvataan punaisella ja numeroa viisi sinisellä värillä (Kuva 1). Interpolointi -työkalua käyttäessä kannattaa määrittää tarkkuus, jolla interpolointi suoritetaan, ellei satu omistamaan supertietokonetta, sillä oletustarkkuus on 0,1 mittayksikköä eli tässä tapauksessa 10 senttimetriä. Nostimme tarkkuuden rohkeasti 10 metriin, mikä ei kuitenkaan näytä kartalla erityisen epäselvältä.

Kartasta voidaan havaita tiettyjä paikkoja, jotka herättävät ainakin helsinkiläisen mielessä tiettyjä mielikuvia. Myönteisiä havaintoja alueen houkuttelevaisuudesta on muun muassa Töölönlahden ja Kumpulan kasvitieteellisen puutarhan ympäristössä. Kielteisiä mielikuvia sen sijaan herää Sörnäisten metroaseman sekä Munkkiniemen ympäristöstä.

Maantieteen opettajan larppaamista

Kurssikerran itsenäistehtävänä oli ladata erilaisia aineistoja tulivuorista, maanjäristyksistä ja meteoriiteista, avata ne Qgis:ssä sekä koostaa niistä erilaisia karttoja, joita voisin itse käyttää maantieteen opettajana. Aineistot olivat ladattavissa nettisivuilta eri tiedostomuodoissa. Samalla tuli tutustuttua uuteen tsv-tiedostomuotoon, jossa taulukon sarakkeet on eroteltu toisistaan sarkaimella. Tämä piti ”opettaa” Qgis:lle manuaalisesti aineistoa tuotaessa Qgis:iin.

Tulivuoret

Kuva 2 Maailman tunnettuja tulivuoria.

Kuvassa 2 on esitetty maailman tunnetut tulivuoret kartalla. Opettajana haluaisin kuvata tulivuoren sijaintia mannerlaattojen rajoilla, joten latasin netistä (https://github.com/fraxen/tectonicplates) aineiston, jossa on esitettynä mannerlaattojen rajat. En ole täysin tyytyväinen mannerlaattojen esitystapaan kartalla, mutta en vielä pystynyt viimeistellympään ulkonäköön. Lisäksi olisin halunnut esittää mahdollisesti vain tunnetusti aktiiviset tulivuoret kartalla, mutta en löytänyt aineiston ominaisuustaulukosta kyseistä tietoa. Mielestäni kyseinen kartta kuitenkin kuvaa hyvin tulivuorten sijoittumista pääosin mannerlaattojen reunoilla ja siitä olisi apua opetuksessa vähintään peruskoulussa. Reasearchgate -verkkosivustolla esitetty kartta (Kuva 3) jakaa mielestäni tulivuoret selkeästi kahteen eri luokkaan. Kartan asettelu on toki eurooppalaiseen silmään perin mielenkiintoinen, mutta sen sisältö on todella hyödyllinen opetuksessa. Jopa mannerlaattojen rajojen värit kuvaavat, millainen tapahtuma laattojen välillä on kyseessä.

Kuva 3. Nykyään aktiiviset ja sammuneet tulivuoret. Huomaa mannerlaattojen saumakohtien eri värit. Lähde: https://www.researchgate.net/profile/Sarah-Brown-62/publication/280714920/figure/fig4/AS:669166499549186@1536553134186/Global-map-of-the-distribution-and-status-of-Holocene-volcanoes-as-listed-in-VOTW422.png

 

Maanjäristykset

Maanjäristyksiä kuvatessa (Kuva 4) halusin rajata maanjäristykset koskemaan vain yli 7 magnitudin maanjäristyksiä. Kokeilin ensin rajata Qgis:ssä maanjäristyksiä eri magnitudien mukaan ja päädyin lopulta 7 magnitudin maanjäristyksiin, sillä niitä oli sopiva määrä kartalla esitettäväksi. Aineistossa on kuvattu vuoden 1950 jälkeen tapahtuneet maanjäristykset, mikä rajaa aineiston kokoa entistä enemmän, mikä on tässä tapauksessa vain hyvä asia. Päätin käyttää samaa mannerlaattojen rajoja kuvaavaa aineistoa myös tässä kartassa kuin tulivuoria kuvaavassa kartassa, joten yllä kuvatut puutteet pätevät myös tässä kartassa. Tärkeintä on kuitenkin, että oppilaat ymmärtävät voimakkaiden maanjäristyksien tapahtuvan pääsääntöisesti laattojen reunavyöhykkeillä. Ainon blogista löytyvä kartta kuvaa hyvin maanjäristyksien ja henkilövahinkoja aiheuttaneiden tsunamien suhdetta. Koulussa olisikin hyvä kuvata eri luonnonilmiöiden seuraamuksia, jotta riskien voimasta jäisi oppilaille oikea mielikuva.  Wikimediasta löytyvässä kartassa (Kuva 5)  on todella hyvä idea kuvata maanjäristyksiä eri kokoisina ympyröinä magnitudin mukaan. Jos karttaan liittäisi vielä mannerlaattojen rajat, se olisi mielestäni täydellinen. Lauri löysi aineiston kylmän sodan aikaisista ydinräjähdyksistä, suositteleen tutustumaan hänen laatimaan karttaansa Laurinon hienosta GEM 2021 -blogista.

Kuva 5. Maanjäristykset magnitudeittain vuodesta 1900 lähtien. Lähde: 2upload.wikimedia.org/wikipedia/commons/2/29/Map_of_earthquakes_1900-.svg

 

Meteoriitit

Kuva 6. Tunnetut yli 100 kilogramman painoiset meteoriiti (1600-).

Meteoriittien aineisto ladattiin NASA:n sivuilta ja se myös näkyi aineistossa. Meteoriittihavaintoja oli huomattavasti enemmän Yhdysvaltojen alueella kuin muualla maailmassa, vaikka aineiston ensimmäiset havainnot on tehty jo 1600-luvulla. Aineisto oli todella laaja ja en kokenut tarpeelliseksi esittää kartalla (Kuva 6) jokaista meteoriittia, jotka ovat selvinneet ilmakehän läpi maanpinnalle asti. Rajasin aineistoa lopulta esittämään vähintään 100 kilogramman kokoiset meteoriitit, joista on tehty havainto. On vaikea ajatella kartalle hyvää käyttökohdetta opetuksessa. Kiinnostavaa meteoriiteissa on kuitenkin niiden vaikutus ympäristöön. Kartta kuitenkin havainnollistaa hyvin lähdekritiikin arvon. Todellisuudessa on huomattavasti todennäköisempää, että meteoriitti putoaa Euraasiaan kuin Pohjois-Amerikkaan, vaikka kartta osoittaakin toisin. Wikipediasta löytyvässä interaktiivisessa kartassa (Kuva 7) on kuvattu hyvin maapallon kraattereita niiden läpimitan ja iän mukaan. Käyttäisin itse tällaista karttaa opetuksessa ja kävisin samalla läpi, mitä suurimpien kraattereiden aiheuttaneet meteoriitit saivat aikaan globaalisti.

Kuva 7. Maailman suurimpien kraattereiden koko ja ikä. Lähde: https://upload.wikimedia.org/wikipedia/commons/c/cc/Earth_Impact_Database_world_map.svg

 

Lähdeluettelo

Brown S. (Heinäkuu 2015) Global volcanic hazard and risk https://www.researchgate.net/publication/280714920_Global_volcanic_hazard_and_risk

GitHub käyttäjänimi fraxen (6.10.2014) Tectonic plates https://github.com/fraxen/tectonicplates

Helsingin kaupunki (9.2.2021) Tori takaisin töölöön! https://www.uuttahelsinkia.fi/fi/keskusta/toolontori

NASA (27.6.2018) Meteorite landings https://data.nasa.gov/Space-Science/Meteorite-Landings/gh4g-9sfh

NOAA (24.2.2021)Search Volcano Locations https://www.ngdc.noaa.gov/hazel/view/hazards/volcano/loc-search

Schulz A. (24.2.2021) Kuudes luento ja itsenäistehtävä https://blogs.helsinki.fi/scsc/

Silvennoinen L. (3.3.2021) Opetuskarttoja maailmasta https://blogs.helsinki.fi/laurisil/2021/03/03/opetuskarttoja-maailmasta/

USGS (24.2.2021) Search Earthquake Catalog https://earthquake.usgs.gov/earthquakes/search/

Wikimedia commons (9.1.2018) Map of earthquakes 1900- https://upload.wikimedia.org/wikipedia/commons/2/29/Map_of_earthquakes_1900-.svg

Wikipedia (17.2.2021) List of impact craters on Earth https://en.wikipedia.org/wiki/List_of_impact_craters_on_Earth

 

Categories
Kartat

Ongelmanratkaisua

 

Buffereista

Tämän viikon keskeisin uusi opeteltu analyysityökalu oli bufferi- eli puskurivyöhykkeiden luominen kohteiden ympärille. Olen aiemminkin nähnyt puskurivyöhykkeitä käytettävän analyysejä tehtäessä esimerkiksi tutkittaessa metroasemien läheisyydessä asuvia ihmisiä, joten alitajuisesti odotin kyseisen ominaisuuden käsittelyä kurssilla. Tässä taulukossa on esitetty kaikki seuraavaksi esitetyt analyysien tulokset taulukkomuodossa. Tutkin itse puskurivyöhykkeiden avulla Malmin lentokentän pahimmalla melualueella asuvia ihmisiä eri etäisyyksillä lentokentästä. Malmin lentokenttää käyttävät lähinnä pienkoneet, joten lentomelu ei ole todennäköisesti yhtä häiritsevää kuin kansainvälisillä lentokentillä. Joka tapauksessa kahden kilometrin säteellä kiitoratojen reunoista Malmilla asuu noin 60 000 ihmistä. Lentomelua on selvästi ajateltu kaupunkisuunnittelua tehtäessä, sillä kilometrin etäisyydellä asuu vain noin 9 000 ihmistä. Toisaalta kilometrin säteellä lentokentän keskipisteestä sijaitsee 256 rakennusta, joista 233 on rakennettu lentokentän käyttöönoton eli vuoden 1936 jälkeen. Näissä rakennuksissa asuu 1360 ihmistä eli rakennusta kohden asukkaita on 5,8. Alueelle ei siis ole rakennettu juurikaan kerrostaloja, vaan alue on kaavoitettu omakotitaloille, minkä tietokannan tiedot todistavat. Tämä on kuitenkin muuttumassa, sillä lentokentän toiminta on loppumassa ja sen tilalle on kaavoitettu laajoja kerrostaloalueita. Alueen väestöntiheys tulee muutoksen jälkeen olemaan noin 10 000 asukasta neliökilometrillä, mikä on selkeästi korkeampi kuin Helsingin keskustaajaman keskiväestöntiheys. Toki tiheämpiäkin asuinalueita löytyy Helsingistä. Tiheimmin asuttu kaupunginosa on Punavuori, jossa väestöntiheys on noin 20 000 asukasta per. neliökilometri. Kaikista tiheimmin asuttu alue Helsingissä on Kallion Torkkelinmäki, jossa asuu yli 31 000 as/km². Lisää tietoa Malmin lentokentän uudistuksesta voit katsoa täältä.

Buffereiden käyttäminen onnistui vallan mainiosti ennen kuin aloin muokkaamaan Helsinki-Vantaan lentokentän ympärille valmiiksi aineistosta löytyneitä meluvyöhykkeitä. Tarkoituksena oli laskea 65 desibelin lentomelualueella asuvien ihmisten määrä, joten päätin poistaa tietokannasta muut melualueet. Tämä oli virhe, josta opin, että Qgis:n tasot ovat tosiaan omia tiedostojaan eivätkä osa projektitiedostoa. Joten kun yritin avata lentomelutasoa uudestaan, tietokannasta oli hävinnyt muut melualueet. Ei muuta kuin Onedriveen lataamaan tiedostopakettia uudestaan.

Helsinki-Vantaa on siis lentokenttä, joka otettiin käyttöön 1952. Lentokentällä on normaalina aikana yli 20 miljoonaa matkustajaa vuosittain, joten lentomelun taso on huomattavasti korkeampi kuin Malmilla. Helsinki-Vantaan välittömässä läheisyydessä eli alle kahden kilometrin etäisyydellä kiitoradoista asuu 11 225 ihmistä. Tämän laskin piirtämällä lentokentän kiitoratojen ääriviivat ja luomalla polygonille kahden kilometrin puskurin. Valitsin puskurin alueella sijaitsevat rakennukset ja käytin ”statistics”-paneelia nähdäkseni, kuinka paljon rakennuksissa on asukkaita.

Lentomelu vaikuttaa asumis- ja rakentamispäätöksiin, sillä pahimmalla lentomelualueella eli yli 65 desibelin alueella asuu vain 17 asukasta eli 0,15 prosenttia lentokentän välittömässä läheisyydessä asuvista ihmisistä.  Vähintään 55 desibelin melualueella asuu puolestaan 11 923 ihmistä eli melualue ulottuu hieman pidemmälle kuin kahden kilometrin päähän kiitoradoista. Nämä tiedot sai laskettua valmiin lentomeluaineiston avulla.  Lisäksi on huomattava, että melualue jatkuu kiitoratoja myötäillen noin 7 x 2 kilometriä kokoisena kaistaleena lähestymissuuntaan nähden. Tämä tieto oli hyödyksi laskettaessa väliaikaista lentomelualuetta ja sillä asuneita ihmisiä lentokentän kolmannen kiitoradan rakennusvaiheessa vuonna 2002. Rakennushanke kosketti välillisesti monia ihmisiä, sillä väliaikaisella lentomelualueella asuu nykyään 26 489 ihmistä. Tämän laskin piirtämällä kiitoradan päähän 7 kilometrin pituisen viivavektorin ja laskemalla sille kaksi kilometriä leveän puskurivyöhykkeen.

Asemalla kaikuivat bufferit

Tutkimusalueella alle 500 metrin etäisyydellä lähimmästä asemasta asuu 111 765 ihmistä eli 22 % koko alueen asukkaista. Työikäisiä ihmisistä on 74 102 pois lukien 15-vuotiaat. Käytin työikäisten määritelmänä 15–64-vuotiaita ihmisiä. Tietokannasta ei löytynyt työikäisille valmista luokkaa, mutta laskin ”field calculator” toiminnolla eri ikäluokat yhteen ja loin uuden kentän tietokantaan. 15-vuotiaiden kentässä oli jotain ongelmaa, joten jätin sen pois laskuista. Myöhemmin selvisi, että laskutoimitus olisi onnistunut, jos 15-vuotiaat olisi lisännyt yhteenlaskuun jonain muuna kuin ensimmäisenä arvona. En tiedä mistä tämä johtui.

Taajamat

Tutkimusalue on yhtä taajamaa, sillä 96 % alueen asukkaista asuu taajamissa. Kouluikäisistä 2 675 asuu taajamien ulkopuolella. Luku on 4 % kaikista kouluikäisistä eli se noudattaa yllättävän täsmällisesti koko alueen väestörakennetta. Käytin kouluikäisten määritelmänä uusinta määritelmää eli 7–18-vuotiaita ja laskin ikäluokat ”field calculator” -toimintoa käyttäen yhteen. Ulkomaalaistaustaisten laskemista varten erotin tietokannasta uudeksi tietokannasta tiedot asuinalueesta väestön kokonaismäärästä ja ulkomaalaistaustaisten määrästä. Lopuksi laskin ulkomaalaisten osuuden asuinalueittain suhteessa kokonaisväestöön. 57 asuinalueella osuus on yli 10 %, 25 alueella yli 20 % ja 14 alueella yli 30 % väestöstä.

Miksi omistaa uima-allas Suomessa?

Kuva 1. Pääkaupunkiseudun uima-altaat kaupunginosittain.

Rakennustietokanta on mielestäni erittäin mielenkiintoinen aineisto, sillä se sisältää kerrosluvun ja osoitteen lisäksi myös tiedon, onko rakennuksessa uima-allas ja sauna. Uima-altaita on rakennuksissa pääkaupunkiseudulla yllättävän paljon. Aineistosta löytyy 855 rakennusta uima-altaalla. Näissä rakennuksissa asuu 12 170 ihmistä. Rakennuksista 345 on omakotitaloja, 181 kerrostaloja 158 paritaloja ja 112 rivitaloja. Mielestäni on yllättävää, että eniten uima-altaita on Lauttasaaressa, sillä alueella ei ole paljon omakotitaloja. Kuvassa 1 on esitetty uima-altaiden määrä kaupunginosittain pääkaupunkiseudulla. Lähes yhtä paljon uima-altaita on Pakilan alueella, jossa toisaalta suurin osa taloista on omakotitaloja. Muita allasrikkaita alueita ovat Itä-Helsingin saaristo, sekä Munkkiniemi. Laskin uima-altaiden määrän kaupunginosittain käyttämällä ”count points in polygon” -toimintoa. Aluksi toimenpide ei onnistunut, sillä joissain polygoneissa oli jotain häikkää. Ohjelmisto antoi kuitenkin ohjeet, joiden avulla virheelliset polygonit pystyi ohittamaan algoritmia laskettaessa. Toiminto siis laski uima-allas-pisteet kaupunginosa-polygonien sisällä.

Saunoja sen sijaan löytyy pääkaupunkiseudulta runsaasti. Yhteensä saunoja on 21 922 kappaletta, mikä on 24 prosenttia kaikista rakennuksista. Prosenttiosuus on siis yllättävän pieni. Etenkin vanhoissa rakennuksissa ei ole uusissa rakennuksissa tavallista yhteiskäyttösaunaa, mikä laskee saunojen yhteismäärää. Jos haluat nähdä enemmän karttoja uima-altaista ja saunoista pääkaupunkiseudulla suosittelen vilkaisemaan Annikan blogia.

Yleistä pohdintaa Qgis:stä

Tähän mennessä on opetellut Qgis:n perustoiminnot ja harjoitellut työkalujen käyttöä ohjatusti keskiviikkoaamujen kokoontumisissa sekä yksin harjoitustehtävien muodossa. Varsinkin edellä käsitellyt itse tehdyt tehtävät haastoivat minua miettimään eri työkalujen käyttötarkoituksia syvemmin. Erittäin hyödyllisiä työkaluja ovat erilaiset valintatyökalut, joilla valitaan kohteita esim. tietyltä alueelta, tietyn tason alueelta tai lausekkeen avulla. Opin ymmärtämään viimein ”select features by expression” -työkalua, jolla voidaan valita esim. tiettyä lukuarvoa suuremmat kohteet aineistosta. Hyödyllinen toimenpide on mielestäni tallentaa valitut kohteet aina uudeksi tasoksi, jotta edelliset valinnat säilyvät, jos valintoihin haluaa palata uudelleen käyttämättä työkaluja.

”Join attirubutes by location” on myös erittäin hyödyllinen työkalu, kun halutaan tuoda tietoa tietokannasta toiseen alueittain. En osaa avata työkalun logiikkaa sanallisesti, mutta uskon ymmärtäväni sen toimintaperiaatteen.

”Count points in polygon” oli työkalu, jonka tyyppistä etsin pitkään, kunnes löysin kyseisen työkalun. Työkalu on erittäin hyödyllinen, kun halutaan laskea pisteiden lukumäärä alueittain. Tuloksena syntyvästä tasosta on helppo tehdä erilaisia teemakarttoja.

Buffer-toiminto on todella monipuolinen erilaisia analyyseja ajatellen. On erittäin hyödyllistä tietää, kuinka paljon erilaisia kohteita sijaitsee tietyllä etäisyydellä pääkohteesta. Esimerkiksi voisi ajatella, että suurissa kaupungeissa paloasemien samakokoisten puskurivyöhykkeiden täytyy peittää koko kaupunki, jotta kaikki tulipalot olisivat yhtä lailla saavutettavissa. Tosimaailmassa esimerkiksi saavutettavuus puskurivyöhykkeet elävät vaikkapa pääkulkuväylien mukaan. Uskon, että tulevaisuudessa tulen käsittelemään tätäkin aihetta geoinformatiikan opinnoissa.

Olemme käsitelleet todella laadukkaita ja valmiita aineistoja tähän mennessä Qgis:n avulla. Tosielämässä aineistot eivät kuitenkaan läheskään aina ole näin laadukkaita. Aineistoja täytyy tuottaa huolellisesti itse ja tavalla, jota voi käsitellä Qgis:ssä. Lisäksi aineistot täytyy georeferoida tarkasti eli datalle täytyy ilmoittaa sijainti, jotta siitä tulee paikkatietoa. Qgis sopiikin erittäin hyvin tarkan ja laadukkaan tiedon esittämiseen. Tämän viikkoisen harjoitustehtävän myötä sain oivalluksen, miksi paikkatieto on nouseva ala maailmassa. On kiehtovaa tutkia erilaisia ilmiöitä kartalla, oli ilmiö sitten globaali köyhyys tai pääkaupunkiseudun uima-altaat. Olen myös huomannut, että on todella tärkeää viimeistellä lopputuotteet eli kartat, jotta ne olisivat yksiselitteisiä tulkita sekä mahdollisimman julkaisukelpoisia.

En tajunnut ottaa kuvakaappauksia/tehdä karttoja muista tämän viikkoisten tehtävien vaiheista kuin uima-altaista. Suosittelen siispä katselemaan muiden kurssilaisten blogeja linkkien kautta.

 

Lähdeluettelo:

Helsingin kaupunki Malmi https://www.uuttahelsinkia.fi/fi/malmi/lentokent%C3%A4nalue

Innanen A. (18.2.2021) Harjoitus 5: SOS, help, apua! (Ja uima-allas ja saunakarttoja PK-seudulta) https://blogs.helsinki.fi/anninnan/2021/02/18/harjoitus-5-sos-help-apua-ja-uima-allas-ja-saunakarttoja-pk-seudulta/

 

Categories
Kartat

Suunnistaja hyppii onnestaan

Ennen kuin pääsemme erityisesti itseäni kiinnostavaan aiheeseen eli korkeuskäyrien tutkimiseen, käydään läpi ruututietokannasta laadittu teemakartta. Saimme jälleen valinnanvapauden laatia teemakartta pisteaineiston pohjalta, johon oli kerätty kaikkien pääkaupunkiseudun asuinrakennusten tiedot. Muokkasimme aineiston dataa helpommin käsiteltävään tietoon jo kurssikerran aikana, ja fuksiläppärini kävi kuumana. Selvisimme rakkaan Thinkpadin kanssa kuitenkin Qgis:n päälle langettamista koettelemuksista ja saimme yksinkertaistettua aineistoa niin, että fuksiläppärikin pääsi aineiston niskan päälle.

Minua on aina kiinnostanut rakennusten historia ja istun itsekin tätä kirjoittaessa vuonna 1913 rakennetun asunnon sohvalla. Siksi minua alkoi kiinnostamaan tietokantaan tallennettujen asuinrakennusten iät. Päätin tehdä teemakartan 1kmx1km kokoisten ruutujen alueelle osuvien rakennusten keskimääräisestä iästä. Ensimmäisellä yrityksellä laskin rakennusten iän keskiarvon ruuduittain. Aineistossa kuitenkin ilmeni liikaa koodilla 999999999 koodattuja rakennusten rakentamisvuosia, mikä aiheutti keskiarvojen vääristymisen lukuisissa ruuduissa. Lukuja oli niin paljon, että tietokantaa oli mahdotonta muokata samalla tavalla, miten kurssikerralla tietokantaa muokattiin. Päädyin siksi laskemaan ruuduittain rakennusten mediaani-iän, mikä poistaa suurien lukuarvojen vaikutuksen lopputuloksessa. Päädyin valitsemanaan 11 luokkaa tietokantaan ikään kuin kuvaamaan 11 vuosikymmentä välillä 1900–2010 ja muokkasin itse luokkavälit siistin näköisiksi. Havainnollistin ruutujen sijaintia liittämällä karttaan Helsingin kaupungin wfs-rajapinnasta rautatiet ja päätiestön karttaan. Lopputuloksen voi nähdä kuvassa 1.

Kuva 1. Asuinrakennusten rakentamisvuosi (mediaani) km x km kokoisissa ruuduissa.

Analyysi

Tuottamani kartan perusteella pääkaupunkiseudun vanhin asuntokanta keskittyy Helsinginniemen alueelle. Alueen rakennusten mediaani rakennusvuosi on 1900-luvun alkupuolella. Muita vanhan rakennuskannan alueita kartalla erottuu Herttoniemessä, aivan Vantaan pohjoisosissa sekä Espoossa Nuuksion ympäristössä. 2000-luvulla rakennetut asunnot hallitsevat kartalla Helsinginniemen rannikoilla, Viikissä, Helsingin itäosissa, Vantaalla Helsinki-Vantaan lentokentän etelä- ja länsipuolella ja Vantaan koillisosassa. Yhteenvetona kartasta voisi todeta, että uudempia rakennuksia on sitä enemmän, mitä kauemmas Helsingin keskustasta liikutaan.

Pidän itse enemmän koropleetti- kuin ruutukartoista. Yritin saada kartan ruutujen rajat häivennettyä, mutta en löytänyt työkalua/ratkaisua pulmaani. Ruutujen rajat saavat kartan näyttämään mielestäni sekavalta. Lisäksi kartalla ei mielestäni korostu vanhoina asuinalueina oikeat alueet, juuri mediaanin käyttämisen takia. Esim. Helsingin kirkonkylä eri erotu kartalta lainkaan, sillä koko pääkaupunkiseudun vanhimpien rakennusten seassa on paljon uusia rakennuksia. Siksi kartta ei välttämättä sovellu historian tarkasteluun kovinkaan hyvin. Olen tyytyväinen, että löysin rajapintojen joukosta yksinkertaisen aineiston pääkaupunkiseudun pääteistä sekä rautateistä. Niiden lisääminen karttaan tuo karttaan paljon enemmän informaatiota. Lisäksi Qgis:n symboleiden juokosta löytyi juuri oikeanlaiset symbolit kuvaamaan rautateitä sekä maanteitä. Ruutukokoa olisi voinut myös pienentää, jolloin kartalle olisi saanut yksityiskohtaisempaa tietoa. Antti Paakkari on blogissaan käyttänyt 500 x 500 metrin ruutukokoa, mikä tuo eri alueet paremmin esille kuin 1 x 1 km ruutukoko.

Korkeuskäyrät

 

Kuva 2. Qgis:n laskemat korkeuskäyrät (5m).

 

Kurssikerran aikana laadimme itse korkeuskäyrät rasteridatan avulla. Qgis:n työkalujen avulla oli mahdollista laatia korkeusvarjostusmalli sekä korkeuskäyrät (Kuva 2). Kuvassa näkyy viiden metrin välein tuotetut korkeuskäyrät Pornaisista koilliseen sijaitsevalta Mäyränkalliolta. Ohjelman laskemat korkeuskäyrät ovat melko karkeat ja etenkin tasaisilla alueilla erottuu paljon epämääräisiä muotoja etenkin kuvan oikeassa yläkulmassa. Jotta korkeuskäyrät saadaan esitettävään muotoon niitä täytyy yleistää, jonka seurauksena käyrät ovat miellyttävämpiä katsella sekä käsitellä, sillä yleistämisen seurauksena ne sisältävät vähemmän dataa. Yleistetyn tuloksen voi nähdä peruskartassa (Kuva 3), jonka poimin QMS-pluginin avulla.

Kuva 3. Peruskartta Mäyränkallion alueesta. Käyräväli 5m.

Kuvakaappaus on otettu Kapsi-peruskartta nimisestä QMS-karttatasosta. Kuvasta voi huomata, että korkeuskäyriä on yleistetty merkittävästi. Ilahduttavaa on kuitenkin, että Qgis:n laatimat korkeuskäyrät ja peruskartan korkeuskäyrät vastaavat suurimmin osin toisiaan. Tästä voi päätellä, että Qgis:n ”contours” työkaluun voi luottaa korkeuskäyriä laadittaessa.  Peruskartassa on käytetty lisäksi 2,5 metrin käyrävälin apukäyrää kuvaamaan muotoja, joita 5 metrin käyräväli ei pysty osoittamaan. Apukäyrää on kuitenkin käytetty harkiten, jotta kartta ei puuroudu liiasta informaatiosta. Vertailukohdaksi halusin vielä nostaa Mapant-verkkosivun  kartan alueesta (Kuva 4).

Kuva 4. Mapant-karttapalvelun kartta Mäyränkallion alueesta. Käyräväli 2,5m.

Mapant on karttapalvelu, jossa on yhdistetty 2,5 metrin käyrävälin Maanmittauslaitoksen avointa laserkeilausdataa korkeuserojen ja kasvillisuuden kuvauksessa sekä peruskartan sisältämää dataa kartan muiden kohteiden määrittämisessä. Sivusto tarjoaa myös palveluun wms-linkin (http://wms.mapant.fi/wms.php). Suosittelen tutustumaan palveluun, jos haluatte tutkia yksityiskohtaista korkeusdataa lähes koko Suomen alueelta. Palvelun korkeuskäyriä ei myöskään ole yleistetty ja siksi ne ovat 2,5 metrin käyrävälillään vielä yksityiskohtaisempia kuin peruskartan korkeuskäyrät.

Omia kokemuksia korkeuskäyristä

Kuva 5. Aineisto suunnistuskartan pohjalla. Käyräväli 0,625m.

Olen itse käsitellyt korkeuskäyriä tehdessäni suunnistuskarttoja. Maanmittauslaitos tarjoaa avoimien aineistojen tiedostopalvelun, josta voi ladata erittäin tarkkaa laserkeilausaineistoa lähes koko Suomen alueelta ilmaiseksi. Myös Qgis:llä voi käsitellä .laz- aineistoja, mutta en vielä opetellut miten. Luulen, että sen aika koittaa vielä opintojen aikana myöhemmin. Olen itse käsitellyt laserkeilausaineistoja Ocad-ohjelmistolla, joka on maksullinen ohjelma karttojen piirtämiseen. Kuvassa 5 on taustakartta, jonka pohjalta olen piirtänyt suunnistuskarttaa. Kartan punaiset käyrät ovat 2,5; violetit 1,25, ja siniset 0,625 metrin korkeusvälillä. Kartan värit kuvaavat kasvillisuuden korkeutta. Valkoinen väri kuvaa korkeapuustoista metsää, vihreä matalampaa (ja samalla tiheämpää) ja keltainen aukeita alueita. Olen kuullut, että osa kartoittajista käyttää jopa 0,3 metrin käyräväliä, jolloin he saavat tietoonsa pienimmätkin maastonmuodot kartoitettavalta alueelta. Kuvassa 6 on esitetty lopputuloksena syntynyt suunnistuskartta kuvan 5 alueesta.

Kuva 6. Valmis pala suunnistuskarttaa kuvan 5 alueesta.

Lähdeluettelo:

Maanmittauslaitos. Avoimien aineistojen tiedostopalvelu. https://www.maanmittauslaitos.fi/asioi-verkossa/avoimien-aineistojen-tiedostopalvelu

Mapant.fi https://www.mapant.fi/ 

Paakkari A. (11.2.2021) Viikko 4. Neljäs luento ja harjoitukset https://blogs.helsinki.fi/anttipaa/2021/02/11/viikko-4-neljas-luento-ja-harjoitukset/

Talvisalo 1:7 500, Eero Turkki, Savonlinna 2020. http://www.olavinrasti.net/images/stories/kartat/Talvisalo_7500.pdf

Categories
Kartat

Afrikan timanttikaivoksilta Suomen kevättulviin

 

Kahdesta tietokannasta yhdeksi

Aurinkoinen keskiviikkoaamu Helsingissä valkeni kuin Afrikan savanneilla ja aavikoilla, joilla harjoittelimme tietokantojen yhdistämistä QGIS:ssä. Tietokantojen yhdistäminen on todella hyödyllinen taito, kun halutaan yhdistää eri aineistojen sisältöä toisiinsa. Vaatimuksena on, että tietokannoissa on vähintään yksi sama sarake, jonka kautta tiedot voi linkittää toisiinsa. Afrikassa yhdistimme samaan tietokantaan tietoja vuosina 1947–2008 tapahtuneista konflikteista Afrikan eri maissa ja niissä sijaitsevista timanttikaivoksista. Tietokantojen liittämisen avulla pystyimme arvailemaan, onko timanttikaivoksilla ja konflikteilla jokin yhteys.

 

Kuva 1. Pieniä saaria Eritrean rannikolla.

 

Ennen tietokantojen liittämistä huomasimme, että aineisto oli paikoin hyvinkin tarkka. Jopa alle neliökilometrin kokoisia saaria löytyi kartalta (Kuva 1). Saaret ja manner täytyi liittää tietokannassa toisiinsa, jotta aineistossa olisi satojen alueiden sijasta vain 53 Afrikan valtiota. Tämä onnistui manuaalisesti valitsemalla tiettyyn valtioon kuuluvat alueet ja yhdistämällä ne ”merge” -työkalulla toisiinsa. Nopeampi tapa tehdä kyseinen toimenpide on käyttää ”dissolve” -työkalua, jonka avulla yhdistetään esim. saman nimiset taulukon rivit toisiinsa. Tämän jälkeen ”aggregate” -työkalulla esim. voi summata alueiden pinta-alat toisiinsa.

Pikatreffit Excelin kanssa ja tietokantojen liitto

Excel ja QGIS sopivat yhteen vallan mainiosti, jos vain tallentaa Excel-tiedoston csv-muotoon. Lainausmerkin näköisen symbolin takaa ohjelmaan voi tuoda csv-tiedostoja ja liittää ne uudeksi tasoksi tiedostoon, toki ilman karttaa. Esim. Excelistä tuotu tietokanta ja jo tiedostossa olevan tason tietokannan liitos onnistuu tason valinnoista löytyvän ”joins” -toiminnon takaa. Kuten jo aiemmin tekstissä mainitsin, tietokannat voi liittää yhteen, jos niistä löytyy yksi sarake, josta löytyy täsmälleen samat tiedot. Tässä tapauksessa yhteinen tekijä tietokannoilla oli Afrikan valtiot. Toimenpidettä suorittaessa täytyy siis olla varma, että tietokannoissa olevat esim. valtiot on nimetty samalla tavalla.

Lisää analyysiä

Qgis:stä löytyy lukemattomia työkaluja, jotka löytyvät ”toolbox” -toiminnon takaa. ”Toolbox” -toiminto oli hävinnyt osalla kurssitovereistani kurssikerran aikana ja sama tilanne tuli eteeni myös itselleni. Eräs Qgis:n ohjeita sisältävä nettisivu auttoi kuitenkin ongelman ratkaisemisessa. Myös aiemmin mainitut ”dissolve” ja ”aggregate” työkalut löytyvät kyseisestä valikosta. Käytimme aineiston muokkaamisessa vielä kahta työkalua. ”Counts points in polygon” -työkalun avulla pystyimme laskemaan konfliktien ja timanttikaivoksien määrän valtioittain. Lisäämällä ylimääräiseksi arvoksi konfliktien tapahtumavuoden, saman vuoden aikana tapahtuneet konfliktit rajautuvat pois, jolloin konfliktien määrä tietyissä maissa vähenee merkittävästi. Aineistossa sijainneet öljykentät olivat polygonimuodossa, jolloin niiden luokitteluun valtioittain täytyi käyttää ”Join attributes by location” -työkalua, jolla voi laskea leikkaavat polygonit alueittain ja niiden määrän alueella, jolloin nähdään öljykenttien pinta-ala valtioittain.

Mutta miksi?

Kuva 2. Afrikassa tapahtuneet konfliktit, timanttikaivokset ja öljykentät.

Edellä mainitut toimenpiteet tehtiin, jotta aineistosta voisi tehdä kehittyneempiä analyysejä sekä päätelmiä. Kuvassa 2 on esitetty kartta, jossa näkyvät konfliktien, timanttikaivosten sekä öljykenttien sijainnit tekstin selkeyttämiseksi.  Eniten konflikteja on tapahtunut vuosina 1947–2008 Etiopiassa, mutta jos tarkastellaan vuosien määrää, jona maassa on rekisteröity konflikti, Angola nousee Etiopian edelle. Angolassa on tapahtunut konflikti 42 eri vuonna. Tähän voi mahdollisesti vaikuttaa maan suuri timanttikaivosten määrä, 43 kappaletta. Tarkemmin asiaa tutkimalla selvisi, että timanttirahoilla on rahoitettu maan sisällissotaa ja, että Angola menettää vuosittain satoja miljoonia dollareita timanttien salakuljettamisen takia (Afrol News, 2006). Angolan konfliktien säteen tarkastelu vahvistaa konfliktin olleen sisällissota, sillä usean konfliktin säde on satoja kilometrejä.

Aineisto mahdollistaa myös enemmän konfliktien taustojen selvittämistä. Aineistojen sisältämät tiedot maan väkiluvun ja internet-käyttäjien kehityksestä antavat osviittaa siitä, miten maa on kehittynyt 2000-luvulla. Lisäksi Facebook-käyttäjien määrä kuvaa uusien viestintävälineiden käyttöönottoa valtioissa. Esimerkiksi Tsadissa ja Eritreassa, joissa konflikteja on tapahtunut paljon, internet-käyttäjien määrä ei ole kasvanut samassa suhteessa lukuisiin muihin valtioihin verrattuna. Suoranaista korrelaatiota muuttujien väliltä ei kuitenkaan löydy silmäilemällä aineistoa.

Tulviiko Suomi?

Kuva 3. Suomen vesistöjen tulvaindeksit ja järvisyys.

Kuva 3 kuvaa Suomen ja sen lähiympäristön vesistöalueita. Kartan värit kuvaavat eri vesistöalueiden tulvaindeksiä, joka tulvaisimpien ja kuivimpien välisten aikojen välistä suhdetta. Yksinkertaistettuna, mitä tummempi vesistö kartalla, sitä suurempi riski sen alueella on tulville. Kartan punaiset pylväät kuvastavat alueen järvisyyttä eli järvien osuutta alueen pinta-alasta. Mitä korkeampi pylväs on, sitä enemmän alueella on pinta-alallisesti järviä suhteessa maapinta-alaan. Kartan perusteella eniten tulvia Suomen vesistöistä on maan länsi- ja etelärannikoilla. Yksittäisenä vesistönä kartalta erottuu Aurajoen vesistö, jossa tulvaindeksi on korkeampi kuin muissa vesistöissä. Etelä-Suomessa korkeamman tulvaindeksin vesistöjä ovat myös Musti- ja Porvoonjoen vesistöt. Suurin järvisyys Suomessa on maan keskiosissa Vuoksen ja Kymijoen vesistöissä. Yksittäisiä suuria järviä sisältävät vesistöt, kuten Oulujoen, Paatsjoen ja Eurajoen vesistöt erottuvat lisäksi kartalta.

Olisin voinut selkeyttää karttaa poistamalla kartalta järvet ja joet, kuten esimerkiksi Tapio on tehnyt. Toisaalta kartassa näkyvät joet ja järvet avaavat tulvaindeksin sekä järvisyyden käsitteitä konkreettisesti, sillä järvisillä alueilla on huomattavasti enmmän kartalla näkyvää vesistöä ja tulvaherkillä alueilla kartalla erottuvia jokia.

Ympyrädiagrammi on toinen vaihtoehto toteuttaa järvisyyden esittäminen kartalla. Tämän vaihtoehdon ovat toteuttaneet muun muassa Martta ja Annika. Annika on lisäksi erottanut kartan kahteen osaan, jolloin diagrammeista saa paremmin selvää.

Lähdeluettelo

Afrol News, 2006 Angola to double diamond production in 2006 http://www.afrol.com/articles/15888

Arc2Gis (viitattu 6.2.2021) The Processing Toolbox https://bogind.github.io/Arc2QGIS/Basics/processing.html

Huttunen M. (5.2.2021) Harjoitus 3: Tiedon tuonnin tulvaa https://blogs.helsinki.fi/humartta/2021/02/05/harjoitus-3-tiedon-tuonnin-tulvaa-paivittyy/

Innanen A. (4.2.2021) Harjoitus 3: Tulvaindeksikartta https://blogs.helsinki.fi/anninnan/2021/02/04/harjoitus-3-tulvaindeksikartta/

Turpeinen T. (4.2.2021) 3: Konflikteja ja tulvaindeksejä https://blogs.helsinki.fi/tapiotur/2021/02/04/3-konflikteja-ja-tulvaindekseja/
 

 

 

 

Categories
Kartat

Aineistolähteitä sekä projektioita

Toinen kurssikerta keskittyi ensimmäisellä viikolla opittujen Qgis:n perusteiden ja toimintojen kertaamiseen. Olin jo viime viikon harjoitustehtävässä tutustunut rajapintoihin, joten kurssikerralla linkitetyt rajapinnat löytyivät suurimmaksi osaksi jo valmiiksi oman Qgis:n kirjastosta. Lista eri palvelinosoitteista voi osoittautua myöhemmin hyödylliseksi erilaisten aineistojen ja linkitinkin suurimman osan rajapinnoista ohjelman kanssa. Rajapinnoista paljastui lukematon määrä kiinnostavia aineistoja. Erilaisia aineistoja ja tasoja tutkiessa tuli todettua, että paljon dataa sisältävien aineistojen (liikennemerkit, viemärit yms.) analysoinnissa tulee keskittyä vain pieneen alueeseen kerrallaan, sillä suuret aineistot kaatavat herkästi ohjelman etenkin, jos tietokoneessa ei ole paljon laskentatehoa. ”Ei vastaa” -ilmoitus tulikin tutuksi eri aineistoihin tutustuessa.

Kuva 1. Pohjois-Karjalan maakunta korostettuna Suomen kartalla.

Qgis-ohjelmassa on mahdollista valita kartalta tietynlaisia alueita ja tallentaa kohteet uudeksi tasoksi. Kurssikerralla rajattiin Suomen kuntakartalta Pohjois-Karjalan alue (Kuva 1) valitsemalla maakunnan alue käyttämällä ”select features by expression” -työkalua. Työkalulla voisi kuntakartalla myös esimerkiksi valita kuntia väkiluvun perusteella tai minkä tahansa muun muuttujan mukaan.

Tehtäessä spatiaalisia tutkimuksia on tärkeää muistaa eri karttaprojektioiden merkitys kartan ulkonäköön ja itse sisältöön. Väärän projektion käyttäminen voi aiheuttaa merkittäviä virheitä analyysien tuloksissa. Lotta Pudinketo on kuvannut ilmiötä blogissaan havainnollistavasti kuvatessaaan yli 65-vuotiaiden väestöntiheyttä eri projektioita käyttäen. Kuvassa 2 on havainnollistettu, kuinka koko maapallon kattava Mercator-karttaprojektio vääristää Suomen kuntien koon jopa kahdeksankertaiseksi vain Suomen kattavaan ETRS89/TM35FIN -projektioon verrattuna, joka esittää Suomen kutakuinkin paikkansapitävänä. Ilmiö johtuu siitä, että Mercator-projektio on ”venytetty” napa-alueilta, jolloin etäisyydet kasvavat projektiossa mitä kauempana päiväntasaajasta edetään. Siksi Lapin kunnat ovat projektiossa vääristyneempiä pinta-alaltaan kuin Etelä-Suomen kunnat. Rasmus Sohlmanin blogista löytyy lisää havainnollistavia karttoja eri projektoiden vääristymistä. Taulukossa 1 on vertailtu numeerisesti Robinson- ja Winkel tripel -projektioiden etäisyyden ja pinta-alan vääristymiä.

Kuva 2. Mercator -karttaprojektion suhde TM35FIN -projektioon.
Projektio TM35FIN Mercator Robinson Winkel tripel
Pituus (km) 252 655 413 368
Pinta-ala (km²) 4385 4385 4385 4385

Taulukko 1. Sama matka ja pinta-ala eri projektioissa.

Latasin Qgis:iin Quick Map Services -lisäosan eli “pluginin”. Lisäosan avulla ohjelmaan saa taustakartaksi muun muassa Open Street Map -karttapalvelun kartat tai jopa Suomen peruskartan. Tulen varmasti käyttämään lisäosaa tulevaisuudessa paljon, sillä sen tarjoamat yksityiskohtaiset kartat antavat mahdollisuuden uudenlaisiin analyyseihin tulevaisuudessa ohjelmaa käyttäen. Kuvassa 3 näkyy Suomen peruskartta taustakarttana ohjelmassa.

Kuva 3. Suomen peruskartta Qgis-ohjelman taustakarttana.

Lähdeluettelo:

Puodinketo L. (27.1.2021) 2. kurssikerta: Toimintojen kertausta. https://blogs.helsinki.fi/lottapuo/2021/01/27/2-kurssikerta-toimintojen-kertausta/

Sohlman R. (31.1.2021) Toinen luento. Rajappintoja ja projektioita. https://blogs.helsinki.fi/sohlrasm/2021/01/31/toinen-luento/

 

 

Categories
Kartat

Qgis-ohjelmiston perusteet ja ensimmäisten karttojen tuottaminen

Olen odottanut tätä kurssia jo opintojen alusta lähtien. Pääsen viimein opettelemaan uuden ohjelmiston käyttöä, jota tulen luultavasti tarvitsemaan myöhemmin opiskelujen aikana ja lopulta työelämässä. Olin kuitenkin ensimmäisen luennon poissaolevana, joten opettelin Qgis-ohjelmiston perusteet Moodlesta löytyneiden ohjeiden avulla. Olen aiemmin tehnyt karttoja ocad-ohjelmalla, joten uuden ohjelmiston perusteet eivät olleet haastavia omaksua.

Ensimmäinen harjoitustyö (Kuva 1) oli todella opettavainen ensimmäinen karttatyö. Tuodessani vektoritiedostoja ohjelmistoon olin hämmästynyt kuinka paljon informaatiota karttatasot sisältävät parhaimmillaan ja kuinka helppoa niitä on muokata ja informaatiota käsitellä. Lisäksi ohjelmistossa olevat lukemattomat karttaprojektiot ja niiden käyttäminen on todella yksinkertaista.

Kuva 1 Pohjois-Euroopan suhteelliset typpipäästöt valtioittain.

Ominaisuustaulukon (attribute table) muokkaamisen hallitseminen on varmasti hyödyllistä tulevaisuudessa. Typpipäästöjen osuuden laskeminen vaikutti monimutkaiselta, mutta prosessia jäsentäessä toimintaketju vaikutti loogiselta, joten luulen, että osaan tehdä toimenpiteen myös jatkossa.

Ensimmäinen ongelma ohjelmiston kanssa syntyi, kun poistin valtiot, joiden tiedoissa ei mainittu typpipäästöjä pois tasolta. Käytin turhaa aikaa valtioiden säilyttämiseen kartalla, kunnes keksin, että avaan valtioiden tason uudestaan muiden tasojen alle. Tämä johtui poissaolostani luennolla.

Tulostusikkuna on tähän mennessä yksi parhaista Qgis:in ominaisuuksista verrattuna esimerkiksi aikaisemmin käyttämääni ocad-ohjelmistoon verrattuna. Ikkunassa on monia aikaa säästäviä ominaisuuksia, kuten mittakaavan sekä kartan legendan automaattinen luominen.

Rajapinnan käyttäminen

Olen aiemmin käyttänyt WMS-rajapintaa (web map service) suunnistuskarttojen teossa, jolloin olen saanut Suomen peruskartan ladattua suoraan internetistä kartan pohja-aineistoksi. Yritin käyttää kyseistä rajapintaa liittääkseni tilastokeskuksen aineiston suoraan internetistä tasoksi karttaani. Huomasin kuitenkin, että wms-rajapinnan kautta ladatut aineistot sisältävät pelkän karttatason eikä ollenkaan ominaisuustietoja, joita olisi teemakartan teossa tarvinnut. Harjoitusohjeissa sijaitsevan rajapinnan osoitteen pääte oli kuitenkin wfs, jota vastaavan tason lisäystoiminto löytyi Qgis:stä. Veeti Sihvolan blogikirjoitus valaisee kyseistä toimenpidettä vieläkin tarkemmin.  Wfs-osoitteen mukana löytyi aineisto, jonka mukana olivat Suomen kuntien väestötiedot. Ominaisuustaulukosta löytyi jopa valmiiksi prosenttiosuudet eri ikäluokkien ja sukupuolten osuudesta kunnittain. Päätin laatia koropleettikartan 0–14-vuotiaiden osuudesta kunnittain (Kuva 2), mikä onnistui todella sujuvasti, vain luokkarajoja ja värejä täytyi hieman muokata.

Kuva 2 0-14-vuotiaiden osuus kunnittain (% väestöstä)

Päätin kuvata osuuksia sinisellä värillä. Valkoisella värillä on kuvattu kunnat, joissa prosenttiosuus on alle 10 prosenttia, eli kunnissa on vähiten 0–14-vuotiaita suhteutettuna muuhun väestöön. Mitä suurempi osuus on sitä, tummemmaksi väri muuttuu. Mielestäni värivalinta on onnistunut ja karttaa voi tulkita ymmärrettävästi. Kartasta erottuvat tummempina alueina Oulun ympäristö sekä Keski-Pohjanmaan ja Pohjanmaan alueet. Lisäksi Jyväskylän seutu erottuu kartassa alueena, jossa 0–14-vuotiaita on paljon. Vaaleita alueita eli alueita, joissa 0–14-vuotiaita on alle 10 prosenttia sijaitsee länsi-Lapissa, Kainuussa sekä Päijät-Hämeessä. Pohjanmaalla ja etenkin Oulun seudulla lapsien määrää nostaa nuoret asukkaat ja vanhoillislestadiolainen herätysliike. (Valtavaara, 2018). Kuntia, joissa lapsimäärä on alhainen yhdistävät vähäinen työpaikkojen sekä palvelujen määrä, mikä herättäisi kuntien kiinnostavuutta nuorissa ihmisissä.

Lähdeluettelo

Sihvola, V (25. tammikuu 2021) Ensimmäinen viikko https://blogs.helsinki.fi/veetisih/2021/01/25/ensimmainen-viikko/

Valtavaara, M. (3. maaliskuu 2018). Oulussa tehdään vauvoja pohjoismaisittainkin ylivertaiseen tahtiin – ”Iso perhe on mahdollinen ihan toisella tapaa kuin Helsingissä”. https://www.hs.fi/kotimaa/art-2000005589563.html

 

Categories
Kartat

Pohjois-Euroopan suhteutetut typpipäästöt