KK6

Kuudennella kurssikerralla jalkauduimme kampuksen ympäristöön keräämään paikkatietoa. Kuljimme pienryhmässä Kumpulassa ja arvioimme kaupunkitilaa ja sen laatua. Käytimme tallentamiseen Epicollectia, jolla voi tallentaa paikkatietoa helposti verkkoon pisteinä. Epicollectissa oli valmiiksi kysymyksiä koskien paikan ja kaupunkitilan miellyttävyyttä ja turvallisuutta.

 

Tein pisteaineistosta yllä olevan kartan, jossa paikan houkuttelevuutta kuvaa pisteen väri. Mitä houkuttelevampi, sitä vihreämpi.

 

Blogitehtävä

Haimme itsenäistehtävää varten internetistä  paikkatietoaineistoa ja lisäsimme sitä csv-muodossa.

Etsimme tiedot maailman maanjäristyksistä, tulivuorista ja meteoriittikraatereista. Kopioimme tiedot tekstinä ja muutimme ne excelissä csv:ksi.

 

 

 

 

 

 

Jos tekemiäni kerttoja käytettäisiin koulun opetusmateriaalina, olisi parempi selkeyttää päällekäisten pisteiden näkyvyyttä. Nyt vaalemmat pisteet peittävät tummat alleen, jolloin maanjäristysten voimakkuus näyttää tasaisemmalta kuin on.

Maanjäristyksistä ja tulivuorista puhuttaessa olisi hyvä myös esittää kartalla mannerlaattojen raja-alueet, kuten esim. tällä kartalla. Se selventää myös geologisia prosesseja maanjäristysten takana. Näinhän oli tehnyt Alex Naumanen, joka oli hienosti löytänyt tarvittavan aineiston mannerlaatoista.

Ylempänä oleva meteriittikraaterikartta on selkeä, mutta se ei kerro, onko Suomen ja Ruotsin tiheälle meteoriittikeskittymälle jokin syy verrattuna muuhun Eurooppaan vai onko täältä päin vain löytynyt enemmän meteoriitteja.

Hain vielä netistä maiden rajalinjojen shp-tiedoston. Päätin tehdä jonkinlaista analyysiä hasarditiheydestä maittain. Kone kuitenkin jumittui pahemman kerran kun yritin yhdistellä layereitä. Täytyy jatkaa toisen kerran.

KK2

Toisella kurssikerralla tarkastelimme erilaisten koordinaatistojen vaikutusta karttoihin, niiden paikkatietoihin sekä pituus ja pinta-alamittauksiin.

Ensin piirsimme Suomen kartan “päälaelle” polygonin ETRS TM35-projektiossa (3067) ja katsoimme sen pinta-alan. “Hatun” pinta-ala oli n. 4438 km2

 

Sitten vaihdoimme projektion LAEA:an (3035) ja pinta-ala oli muuttunut 4485km2:öön.

 

 

Teimme saman vielä Sphere-Mercator -projektiolla (53004): 37517km2,   World-Loximuthal -projektiolla (54023): 7042km2 sekä Pulkovo-1942 3 degree Gauss-Kruger-zone26 -projektiolla (2542): 13515km2. Pinta-alat heittivät eri projektioissa satoja prsentteja!

 

Seuraavaksi kokeilimme pituusmittausten muutoksia eri projektioissa. Alla Suomen “hameenhelman” leveys ETRS TM35 -projektiossa ja vastaavasti

muissa projektioissa.

 

 

 

 

 

Lopuksi visualisoimme vielä pinta-alaerojen suuruutta eri projektioiden välillä Suomen kartalla. Tummempi väri kertoo suuremmasta pinta-alaerosta projektioiden välillä. Tämä selittyy sillä, että eri projektiot ottavat vaihtelevasti huomioon pohjoisten leveysasteiden maanpinnan pyöreyden tultaessa kohti pohjoisnapaa. Tämä näkyy erityisesti Pohjois-Suomessa valtavina pinta-alaeroina ETRS-TM35 ja Sphere-Mercator -projektioiden välillä. Temme saman tyyppiset vertailukartat Natura-alueiden pinta-aloille kunnittain eri projektioissa (alempana).  

 

 

 

 

 

 

Loimme Kunta-tietokantaan sarakkeen, joka laskee Natura-alueiden suhteellisen osuuden kunnan pinta-alasta ja vertasimme tiedon muutosta eri projektioissa. Natura-alueiden pinta-alatieto säilyi kaikissa kartoissa ETRS-TM35-projektion mukaisena.

 

 

Kirsi Ylinen oli omassa blogissaan esittänyt saman tyyppisissä kartoissa hieman selkeämmin, mistä on kyse eli selitteet olivat selkeämmät.

Täältä löytyi mm. vinkkejä karttaprojetioiden kanssa taisteluun.

 

KK7 – Viimeinen kurssikerta

Tällä kertaa saimme itse valita karttojemme aiheet. Päätin tutkia Maanmittauslaitoksen maastotietokanta-aineistoja, Kaupunkien avointa dataa sekä Uudenmaan liiton kulttuuriympäristöaineistoja. Kohteeksi valikoitua leipätyöni suunnittelukohde eli väyläympäristö Vantaalla. Aineistosta muodostui ihan mukava ympäristövaikutusten kartta. Siinä on aineistosta saadut alueet luonnonsuojelualueille, liikennemelualueille sekä arvokkaalle kulttuurimaisemalle.

Tässä tuloksena saatu kartta. Tästä voi olla hyötyä suunnittelutyössäni. Kiinnostaa myös, miten aineisto kääntyy dwg-muotoon jatkohyödynnystä varten.

 

 

Maailman ilmiöistä voisi tehdä hienoja karttoja, joiden avulla voi viestiä ympäristön tilasta. Tämä on yksi maantieteen tärkeitä tehtävistä. Heini onnistui mielestäni tässä hyvin kuvatessaan samalla kartalla maailman luonnontilaisia metsiä ja palmuöljytehtaita.

KK 5 – Bufferointia

Kurssikerralla 5 opettelimme bufferoimaan tietokannan vektoriaineistoja ja tekemään tietokantakyselyjä niiden perusteella. 

Erillaisilla geometrian analyysityökaluilla voidaan tutkia vektoriaineistojen geometrisia tietoja ja laskea niitä yhteen. Esim: 

Vector-> Analyzetools -> Sum line lengths –työkalulla voidaan laskea rajauksen sisällä olevien viivojen yhteispituus. 

Pornaisisten aineistosta löytyy viime viikolla piirretyt kuusi tietä, joiden yhteispituus on työkalulla laskettuna 13975,7 m. 

Clip-työkalulla voidaan leikata aineisto rajauksella(polygonilla). Toimii samoin kuin intersection, mutta toimii varmemmin. 

Vector export / add geometry columns. voidaan lisätä tietokantaan polygonin geometriset ominaisuudet kuten pinta-ala ja ympärysmitta. 

 

Bufferointi: 

Kuinka paljon asukkaita asuu 100m päässä päätiestä? 

Processing toolbox ->kirjoitetaan ”buffer” valitaan QGISin “Fixed distance buffer”. 

Dissolve result yhdistää bufferit yhdeksi tasoksi, jolloin ei tule päällekkäisiä valintoja.  

136 taloa, 329 asukasta (random) asuu alle 100 metrin päässä pääteistä. 

Rakennuksia on yhteensä 673, joihin generoitiin randomisti asukkaita 0-5. Asukkaita tuli yhteensä 1607. 

Terveyskeskus 500m:n buffer:  

Alueen 187 rakennuksessa elää 463 asukasta (random-luotuja) alle 500 m päässä terveyskeskuksesta eli n.28 % taloista ja 29% asukkaista. 

Pornaisten 174 rakennuksen, 412 asukasta (random-luotuja) asuu alle 500 metrin etäisyydellä koulusta eli n. 26% taloista ja asukkaista.  

 

Tehtävä 1 

Tein Malmin lentokentän kiitoradoille 2010 metrin bufferin, jonka sisällä olevat ”vaki…”-tietokannan ASYHT-tiedon valitsin. Asukkaita oli 4794 pisteessä yhteensä 58579 asukasta eli n. 12% kaikista kartan asukkaista. 

 

Helsinki-Vantaan lentokentän ympärillä, lentomelualueella, (2km päässä kiitoradoista) taas asuu 10887 asukasta 2297 pisteessä. 

Yhteensä asukkaita oli tietokannassa 490173 kpl, 55811 pisteessä. 

65Db-alueella asuu edellä mainituista 27 asukasta eli 0,2%. 

vähintään 55dB-alueella taas asuu yhteensä 11913 asukasta 1253 pisteessä, mikä on n. 12 %. 

Kun Helsinki-Vantaan lentokentälle rakennettiin uutta kiitorataa (3), Lentomelu ulottui 7 km pitkälle Tikkurilaan 1km leveälle kaistalle. Tällä lentomelualueella asuu n. 12002 asukasta 1842 pisteessä.  

 

 

Asemat: 

Kartan alueen asukkaista 106691 asuu alle 500 m päässä asemasta. Se on n. 22 % kartan asukkaista. 

15-64 vuotiaita tästä joukosta on 73108 eli 67%. 

 

 

Itsenäistehtävä 2 

Kartan asukkaista 478371 asuu taajamassa eli n. 98%. 

Kouluikäisistä taajaman ulkopuolella asuu 1404 kappaletta. 

 Näitä tunnin aikana tehtäviä tehtäviä tuli kuvattua jonkin verran, mutta varsinainen itsenäisesti tehtävä läksy jäi tekemättä kiireessä. Iina Rusanen oli omassa blogissaa visualisoinut hienosti helsinkin remonttitiheyttä ja uima-allasrikkautta.

 

KK 4 – Rasterikarttoja ja ruudukoita

Pikselöinti voi suuressa mittakaavassa olla erinomainen tapa selkeytää tietoa spatiaalisesti. On kuitenkin muistettava myös liian yksinkertaistamisen haitat. Kun paikkatietoa yksinkertaistaa liikaa, voidaan epäämääräisyyden taakse verhota suuriakin salaisuuksia. Tällaisiin ongelmiin saatta törmätä esim. kun päätöksenteossa tulkitaan pikseliyleiskaavaaa. Helsingissä tehtiin pikseliyleiskaava, joka ohjaa kaupungin tulevaa maankäyttöä. Kaava on herättänyt paljon keskustelua kriittisin äänenpainoin, mikä onkin ymmärrettävää. Kun pikseleiden värisävyjä tulkitaan, voidaan yllättäen päätyä monenlaisiin eri ratkaisuihin kaavan puitteissa. Aihetta on tutkinut mm. Tuulikki Peltomäki Allto-Yliopiston maisema-arkkitehtuurin diplomityössään.

Ruutuaineistot ovat tietyn suuruisiin ruudukon ruutuihin liitettyä, pistemäistä tietoa. Sillä voidaan kertoa esim. tilastotietoja karttaruutua kohden. Aineistoja saa esim:

  • Ruututietokanta (Tilastokeskus) lisenssi 6520€ 250m x 1 km
  • YKR eli Yhdyskuntarakenteenseurantajärjestelmä Liiteri-palvelussa. 9043€ / vuosi ei kaupalliseen käyttöön.

Aineistot pohjautuvat usein pisteinä tallennettuun aineistoon. esim. YKR 250m välein sijoitettuihin pisteisiin

Pistetietoa voi tutkia ruudukkojen avulla.

Luodaan ruudukko valikosta Vector -> Research tools -> Vector Grid

Tiedon keruu ruutuihin:

Tallennetaan uusi, karsittu versio pistedatatiedostosta, jossa on vain asukkaiden määrä yht, miehet, naiset, ja ruotsinkieliset.

Tallennuksessa tulee kiinnittää huomiota tallennuskansioon, koska ohjelma usein esiasetuksena tallentaa qgis-kansioon, johon ei ole oikeuksia.

Valitaan Vector -> Join attributes by location. valitaan lähtötieto ja maalifeaturet.

Loin kartan pääkaupunkiseudun asukastiheydestä 250m x 250m ruudukkoon yhdistämällä Pks_vaki.shp:n tiedot luomaani ruudukkoon. Tässä tuloksena saatu kartta.

Emilia Ihalainen oli tehnyt ruutukartan suuremmilla ruuduilla, mikä loi selkeämmän vaikutelman suuressa mittekaavassa. Hän oli tehnyt ruudukkovisualisaation myös muunkielisten osuudesta, mikä oli selkeä.

 

ASC-korkeusrasteri-tiedostot tuodaan rasterituonti-painikkeella.

Asc-tiedostot voidaan yhdistää esim. karttalehden kokoiseksi kohdasta Raster -> Miscellaneous -> Build virtual raster (Catalog). Tällöin luodaan tilapäinen yhdiste eri rastereista mergen sijaan, mikä on kevyempi operaatio.

Saimme yhdisterasteriin yhtenäisen korkeuseroja kuvaavan värityksen mustavalkoisena. Kokeilimme muodostaa korkeusaineistosta korkeuskäyrät. Raster -> Extraction -> Contour 5 metrin välein.

Koordinaattijärjestelmän valinta-ponnahdusikkuna katosi muiden ikkunoiden taakse, mikä aiheutti pysähtymisen, ennen kuin ongelma huomattiin.

 

KK3 – Tulva-alueet

KK3 

Tutkimme Afrikan paikkatietoaineistoa sekä excel-taulukkoaineistoa afrikan maiden internetpenetraatiosta ja somen käytöstä.  Lisäksi saimme pistetietoja Afrikan konfliktipaikoista, timanttikaivoksista ja öljykentistä. Taulukkotietoa voi yhdistää paikkatietokantaan csv-muodossa (comma separated values). Toimme tiedot tietokantaan ja yhdistimme ne Join-työkalulla karttatietokantaan. Visualisoin Afrikan maiden konfliktimäärän maittain, mutta se ei onnistunut siten, kun olisin halunnut sillä hetkellä.

 

Tutkimme myös Suomen valuma-alueiden paikkatietoja. Niihin kuului kartta-aineisto valuma-alueista, joista ja järvistä sekä virtaamatietoja ym. Yhdistimme jälleen eri tietokantatasojen tietoja. 

Visualisoin kartan tulvaindeksistä ja järvisyydestä. Pidin Iina Rusasen vastaavasta kartasta. Hän onnistui esittää järvisyyden valuma-alueilla hyvin selkeästi.

Mielestäni tulvien kartoituksessa on mielekkäämpää kuvata itse tulva-alueita korkeusvyöhykeanalyysilla, kuten tässä New yorkiin sijoittuvassa tulva-analyysissa on tehty. Toki niissä on ihan toinen tarkoitus.  Ehkä vielä joskus teemme sellaisia.

Opimme mm, että:

-Tason päällekäiset tiedot tai samaan kuuluvat rivit voidaan yhdistää samalle riville geometriatyökalulla merge features.

-Miten erilaisia tietoja, kuten taulukoita yhdistetään karttatietokantaan.

-Miten pisteet saa laskettua polygonin rajan sisältä.

 

 

 

KK 1- Ensiaskeleet QGISillä

Tänään pääsin ensimmäistä kertaa oppimaan geoinformatiikasta sekä kokeilemaan QGISin käyttöä. Tutkimme QGISsin perustoiminnallisuuksia opettajan kärsivällisellä opastuksella ja katselemalla ensimmäisen kurssikerran tehtäväohjeita. Ensimmäiseen tehtävään kuului tutkia Pohjois-Euroopan karttaa ja sen valtioiden typpipäästödataa. Visualisoimme kartan kuvaamaan typpipäästöjen jakautumista eri maiden välillä. Pitääpä lukea Steigner & Hunter (2012) kirjoittama artikkeli paikkatietojen käytöstä.

Tässä ensimmäisen kurssikerran tuotoskartta.

Jos nyt totta puhutaan, niin paikkatiedot eivät ole minulle ihan uusi juttu. Maisema-arkkitehtina välillä käytän paikkatietoja suunnitteluohjelmistossa. Olen joskus käyttänyt Mapinfoa ja muistan siitä vain sen, että se oli maailman ärsyttävin ohjelma. Samanlaista oloa ei tullut QGISin kanssa. Toiminnot olivat helppokäyttöisiä ainakin kun meillä oli hyvä opettaja neuvomassa.

Kartan ilmettä ja luettavuutta olisin voinut hioa vielä enemmän. En ehtinyt tehdä sitä kun aloin lopussa kikkailla sektorikaavioita maiden värittämisen sijaan. Mielestäni maarajojen sisäpuolet värittämällä tulos painottuu maan koon mukaan, mikä vääristää informaatiota. Sektorikaavioihin olisi varmaan saanut jotenkin myös prosenttiluvut ja muuta infoa näkyviin. Oikeastaan tämä Iida Sihvosen kartta on sittenkin paljon siistimpi ja luettavampi, eikä tulos vääristy niin paljoa kun värierot ovat selkeät.