Tällä kurssikerralla harjoiteltiin ruudukon luomista ja datan esittämistä sen avulla. Tähän kuului siis myös “join attributes by location” -toiminnon käyttäminen, kun väestötiedot liitettiin ruudukkoon.
Kokeilin ensin tehdä tehtävän käyttäen 1 km x 1km ruutuja (kuva 1), ja sitten 500 m x 500 m ruutuja (kuva 2). Neliökilometrin ruudut peittävät helposti alleen kuvattavan alueen, mutta kokonaiskuva on selkeämpi kuin pienemmässä ruudukossa. Pienempi ruudukko taas on tietenkin tarkempi, ja näyttää, koostuvatko neliökilometriruudukossa näkyvät violetit ruudut pienemmistä violeteista ruuduista, vai esimerkiksi kahdesta mustasta ja kahdesta keltaisesta ruudusta.
Ruutuaineiston etuna on se, että siinä vertailtavat alueet ovat kaikki yhtä suuria. Siksi absoluuttisten arvojen esittäminen toimii siinä paremmin, kuin esimerkiksi kaupunginosiin jaetussa kartassa. 1000 asukasta jossakin kaupunginosassa kertoo karttaa katsovalle vähemmän, kuin 1000 asukasta neliökilometrillä, sillä jokaisessa kaupunginosassa täytyy ottaa erikseen huomioon sen pinta-ala. Ruudukossa pinta-alat tiedetään valmiiksi.
Absoluuttisten arvojen käyttö tekee kuitenkin valmiin kartan analysoimisesesta ja tulkitsemisesta vaikeaa. Kun kartassa yritetään esittää muita arvoja, kuin väkilukua, kartta ei luultavasti eroa juurikaan väkilukukartasta. Tein itse 500 m x 500 m kartan 25-29-vuotiaiden määrästä (kuva 3), ja muutamia ruutuja lukuunottamatta kartta näyttää hyvinkin samalta kuin väkilukukartta. Paikoissa, joissa asuu paljon ihmisiä, asuu tietenkin kaikkiin ikäryhmiin kuuluvia ihmisiä. Ehkä suurimman eron huomaa mustien ruutujen määrässä kaukana kaupunkien tiheistä keskuksista, sekä keltaisten ruutujen määrässä näissä keskuksissa. Molempia on enemmän 25-29-vuotiaiden määrää kuvaavassa kartassa, mistä voisi päätellä tiheimpien alueiden olevan nuorten aikuisten suosiossa koko väestön keskiarvoa enemmän. Kartta, jossa heidän määränsä olisi suhteutettu koko asukaslukuun, kertoisi toki paljon enemmän, ja se voisi johtaa täysin eri johtopäätökseen.
Omissa kartoissani on tarvittavat tiedot, kuten legenda, pohjoisnuoli ja mittakaava, mutta kartta ei kerro mitään sijainnistaan, ja ruudut peittävät helposti rannikon muodot. Siksi edes Helsingin nimeäminen kartalle voisi auttaa hahmottamaan paremmin, mitä aluetta kartassa kuvataan. Tummia värejä on mielestäni vaikea hahmottaa kartasta, joten olisin voinut valita hieman helpommin luettavan väripaletin. Myös kolmannen kartan legendassa näkyvät kahden pienimmän luokan arvot ovat hieman hämmentäviä, sillä ohjelma näyttää ne kokonaislukuina. Valtava harppaus luokkien kokojen välillä suurimpaan luokkaan tultaessa vääristää myös hieman karttaa.
Kurssikerran toinen tehtävä käsitteli rasteriaineistoja. Tehtävässä esimerkiksi yhdistettiin merge-toiminnolla useita rasteriaineistoja, ja luotiin niistä lopulta vinovalovarjostettu korkeusmalli sekä korkeuskäyrät (kuva 4). Tehtävä auttoi minua oppimaan näiden toimintojen sijainnit ohjelmassa, mutta teknisestä osasta en rehellisesti sanottuna ymmärtänyt paljoakaan, ja tehtävän tekeminen koostui lähinnä ohjeiden tarkasta lukemisesta ja niiden seuraamisesta. Samaan karttaan piti myös kotona merkitä tiet sekä talot, mikä näkyy myös kuvassa.
