Ok lets finally do this (again). Viimeinen päivä ennen dedistä, tästähän alkaa muotoutumaan jo ehkä vähän huolestuttavakin tapa, mutta toisaalta timantit syntyvät vain paineen alla. Edellisellä kerralla käsittelyssä oli erilaiset rasteri- ja pisteaineistot. Ensin tutkimme PK-seudun kattavia aineistoja.
Tutustuimme vanhaan tuttuun ruututietokantaan, tosin tällä kertaa emme käyttäneet standardisoitua vaan teimme aineiston päälle ruudukon itse, hyvin suurella todennäköisyydellä kenellekään ei tullut täysin identiteettistä ruudukkoa kanssani, vaan kaikkien ruudukot olivat erilaisia ja täten esittävät saman datan eri tavalla. Toisaalta tämä ei vertailun vuoksi ole mielestäni hirveän hyvä juttu, koska pistedata siis jaottuu eri tavalla ruutujen välillä.
Help me Obi-Wan Kenobi
Tuumasta toimeen ja taas mieleen palauttelun jälkeen oli analyysit tulilla. Valitsin kiinnostavaksi analysoitavaksi tutkimuskohteeksi pk-seudun väestön keski-iän. Pyörittelin aineistoa 1 km ja 5 km ruudukolla, mutta tähän analyysiin soveltui mielestäni paremmin 1 km ruudukko, koska sen avulla paikallisten erojen havainnointi onnistuu paremmin. Tässä siis valmis tuotokseni (kuva 1):
Tässä analyysissa ruututietokanta on varsin toimiva sen tarkkuuden takia. Kuitenkaan koko Suomen mittakaavassa ruudut olisi syytä skaalata eri kokoon. Ruututietokannan hyvä puoli on se, että jokainen ruutu esittää pinta-alallisesti samansuuruisen alueen, joten ruutujen suora keskenään vertailu on vaivatonta. Toisaalta myös vertailtavien ruutujen yhdensuuruisen luonteen takia voidaan vertailussa käyttää absoluuttisia lukuarvoja, toki myös prosentuaaliset arvot ovat sallittuja ja joissakin tilanteissa varmasti kuvaavampia.
Palataan vielä oman tuotokseni pariin. Kuvan 1 kartasta on selkeästi havaittavissa, miten väestön keski-ikä vaihtelee eri puolilla pk-seutua. Ainakin minulle tutut opiskelijoiden suosimat alueet esimerkiksi Otaniemi ja Viikki erottuvat joukosta hyvin sinisellä värillä, joka kuvaa varsin nuorta keski-ikää. Nopeasti katsottuna trendi näyttäisi menevän jotakuinkin siten, että nuorta väestöä asuu hyvien julkisten kulkuyhteyksien lähellä, esimerkiksi Leinelässä kehäradan varressa, sekä Mellunmäessä metron varrella. Myös keski-ikä suurenee kohti pk-seudun rajoja mentäessä. Kuitenkin karttaa enempi tutkimalla löytyisi monia muitakin kiinnostavia jänniä juttuja.
Lähtöaineistosta on myös mahdollista tehdä vaikka mitä muitakin analyysejä. Eeron GIS blogissa on esitelty toisenlainen mahdollinen kartta, jossa tutkitaan asuinrakennusten rakennusvuosia.
Use the Force Luke
Ja sitten korkeuskäyriä sun muuta kivaa. Kokeilin merge-työkalua, koska aikaa oli käytössä kiitettävästi. Laitoin neljä rasteritasoa mergeentymään ja lähdin tekemään ruokaa. Kanakastikkeen tehtyä palasin koneelle katsomaan prosessin edistymistä. Ikkuna sanoi, että prosessin suorittamiseen oli kulunut rapiat 18 sekuntia… En tiedä johtuiko lyhyt aika käytettävästä pöytäkoneesta vai toiminnallisuuden paremmasta optimoinnista. Kuitenkin nyt kun käytin merge-työkalua niin oletettavasti laatu on pysynyt parhaalla mahdollisella tasolla ilman mitään alenemia (vrt. virtual rasteriin, jossa voi valita eri laatuja).
Seuraavaksi korkeuskäyrien, eli contourien tekeminen. Kuvassa 2 on QGIS:iin tuotu paitulista ladattu peruskarttalehti 204312, jossa on korkeuskäyrät. Päälle on laadittu rasteriaineistosta korkeuskäyrät 5 metrin välein. Kuten kuvasta voidaan huomata, ovat korkeuskäyrät hyvin lähellä toisiaan. Peruskarttalehteä varten on käyriä kuitenkin pyöristelty lukemista helpottamaan, mutta informaatio käyrien välillä on kuitenkin lähes sama.
IDK but this was funny, wanted to share :Dd
-Veeti
Lähteet:
Turkki E. (viitattu 16.2.2021) Suunnistaja hyppii onnestaan –https://blogs.helsinki.fi/turkkiee/2021/02/15/suunnistaja-hyppii-onnestaan/