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.
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/