Month: February 2024

Kuudes kurssikerta oli uniikki. Tunnin aikana menimme ulos keräämään paikkatietoa kampuksen lähimaastosta liittyen alueen käyttöön, viihtyneisyyteen ja turvallisuuteen. Tätä dataa käytettiin luokaan palattuamme interpoloimiseen. Myöhemmin tunnilla ladattiin netistä aineistoja liittyen erilaisiin luonnonkatastrofeihin, jotka sen jälkeen asetettiin kartalle.

Mainitun datan keruuseen käytettiin Epicollect5- nimistä puhelinsovellusta. Sovellus oli helppokäyttöinen ja se toimi moitteita. Itse datan kerääminen oli mielekästä, koska siinä pääsi pienelle ulkolenkille, joka kelpasi varsinkin sään ollessaan kohdallaan. Lisäksi keräämämme data liittyi vahvasti kaupunkisuunnitteluun ja sen keskeisiin kysymyksiin, joka oli mielestäni todella mielenkiintoista.

Palattuamme luokkaan opiskelijat latasivat keräämänsä datan yhteiseen käyttöön Epicollectiin. Tämä data siirrettiin sitten QGISiin, jossa se saatiin käyttöön tutulla “Add delimated text”- työkalulla. Kun data oli siirretty QGISiin oli aika interpolomoida se käyttäen “IDW Interpolation”- työkalua. Käytännössä interpolimoidessa pisteiden ympärille luodaan alue, joka kuvastaa valittua muuttujaa värinä. Kun tämä tehdään kaikille pisteille valitulle alueelle, syntyy taso, joka kuvaa muuttujien arvoa (esim 1-5) tason värin muutoksella.

Keräämästämme datasta tein interpolimaation, joka kuvaa koettua turvallisuutta kampuksen lähiympäristössä. Kuvassa 1 on tuotokseni.

Rajatusta datan määrästä huolimatta karttaa tarkastellessa voi huomata, että tummat (vaaralliset) alueet keskittyvät isojen teiden varteen. Myös pahamaineinen Intergraalimäki erottuu kartasta, koska myös se on vaarallinen sääolosuhteiden takia. Tekemällä interpolimointitasosta hieman läpinäkyvän sen ilmaisemat vaaran/turvallisuuden paikat ovat paljon helpompi sijoittaa kartalle. Idean tähän ja “spectral” color rampin käyttöön sain Pietu Nuortimon (2024) blogista.

Teettämässämme kartassa datapisteet ovat jakautuneet laajalle alueelle ja niiden määrä on rajallinen, jonka takia interpolaatiokartta kärsii sen tarkkuudessa. Työkaluna interpolaatio on mielenkiintoinen ja varmasti hyvin hyödyllinen, kun halutaan visualisoida vastaavia teemoja alueella. Uskon, että pisteitä tulisi olla enemmän, jotta lopputulos olisi luotettavampi.

Tehtävä oli mielestäni hyvin yksinkertainen. Aluksi ongelmia tuotti oikeiden projektioiden löytäminen, mutta siitä selvisin Hakala Kristan (2024) ja Matikainen Veeran (2024) avustuksella.

Aluksi halusin tehdä kartan, joka kuvasti meteoriitti-iskuja, koska aihe kiinnostaa minua. Olin erityisen yllättynyt, että Suomeen osuneet kaksi meteori-iskua olivat yllättävän suuria (Finnmarken 78 kg ja Muonionalusta 230 kg).

Alkuperäisessä aineistossa meteoriittien painot olivat merkattu grammoissa, mutta muutin tämän kiloihin nopealla yhtälöllä Field Calculaattorissa.

Suomen meteori-iskujen lisäksi minua jäi mietityttämään monessapaikkaa esiintyvät meteoriittirykelmä esimerkiksi Jemenin ja Omanin rajalla ja Antarktiksella. Epäilen, että nämä ovat syntyneet meteoriitin hajotessa ilmakehässä useiksi kappaleiksi.

Seuraavaksi loin kartan, joka kuvaa yli 6,5 magnitudin maanjäristyksiä vuoden 2000 jälkeen. Aluksi koitin luoda karttaa, jossa maanjäristyshavointoja oli enemmän, mutta se näytti erittäin epäselvältä, jonka takia päädyin keskittymään voimakkaampiin maanjäristyksiin.

Karttaa tarkastellessa on selvää, että valtaosa maanjäristyksistä sijoittuu litosfäärilaattojen taitekohtiin.

Seuraavaan karttaan lisäsin vielä kaikki maailman tulivuoret, koska halusin nähdä mihin ne sijoittuvat suhteessa maanjäristyksiin.

On hyvin selvää, että tulivuoret korreloivat erittäin vahvasti mannerlaattojen reunojen ja maanjäristysten sijantien kanssa. Tehtävä sujui muuten hyvin, mutta ladatessani tulivuoriaineistoa kohtasin ongelman. Aineisto latasi .TSV-muodossa, jota en saanut toimimaan QGISssä. Onneksi löysin netistä ratkaisun hakusanalla “TSV to CSV converter”. Sivusto antoi nopeasti tutun CSV-muotoisen tiedoston.

Kokonaisuudessaan kurssikerta oli kevyempi, kuin viime viikkoina, joka ei haitannut lainkaan. Kurssikerran aikana opittiin silti paljon uutta ja hyödyllistä. Erityisesti datakeruusta, interpoloinnista ja kaupunkisuunnittelun yhdistämisestä GIS:iin, joka oli minusta erittäin mielenkiintoista.

Lähteet:
Nuortimo, P. (2024). Pietun GIS-seikkailu. https://blogs.helsinki.fi/pietunuo/. Viitattu (22.2.2024)
Hakala, K. (2024). “Kristan Blogi”. https://blogs.helsinki.fi/krishaka/. Viitattu (21.2.2024)
Matikainen, V. (2024). Veeran gis-blogi :). https://blogs.helsinki.fi/veematik/. Viitattu (21.2.2024)
TSV-CSV converter. https://products.groupdocs.app/conversion/tsv-to-csv. Viitattu (21.2.2024)

Tällä viikolla jatkoimme neljännellä kurssikerralla tehtyä Pornaisten karttaa, teimme yhteisesti karttaa PK-Seudun lentokenttiin liittyen ja teimme useita harjoituksia itsenäiseti. Viidennen viikon harjoitukset keskittyivät erityisesti bufferien ja field calculatorin käyttöön ja harjoittelemiseen.

Kurssikerran ensimmäisessä osiossa jatkettiin Pornaisen karttaa, joka tehtiin opettajan ohjeita seuraamalla. Alueelle haluttiin ensin lisätä koulu ja terveyskeskys. Tämän jälkeen otetiin käyttöön uusi työkalu “buffer”. Tällä kertaa bufferin avulla laskettiin rakennusten/henkilöiden määrää eri etäisyyksiltä näistä uusista kohteista. Buffer vaikuttaa todella hyödylliseltä työkalulta ja sille on varmasti monia käyttötarkoituksia.

Kuvissa 1 – 2 on tästä esimerkki, jossa laskettiin koulusta 1 kilometrin sisällä asuvien henkilöiden määrä (1119). Henkilöiden, jotka asuvat +1 km koulusta oli myös helppo laskea käyttämällä Invert Feature Section- työkalua.

Keskustan teiden pituus myös pystyttiin laskemaan Sum Line Lenght- työkalulla:

Teiden ympärille tehty bufferi ja siitä saadut tulokset:

Kuva 5: Tulokset Pornaisen tehtävistä.

Sitten siirryttiin kurssikerran toiseen tehtävään. Tehtävässä harjoiteltiin lisää bufferien käyttöä ja niiden soveltamista. Tämä tehtävä tehtiin itsenäisesti, josta pidin, koska siinä pääsi itse päättelemään ja soveltamaan uusia työkaluja ja taitoja.

Lentokenttä tehtävät olivat hyvin samanlaisia kurssikerran aloitustehtävään verrattuna ja niistä selvisin lähes mutkitta.

Kuvassa 6 ja 7 ovat kartta lentokenttätehtävän ensimmäisestä osiosta ja siihen liittyvät tilastot.

Tein myös Malmin lentokenttätehtävään liittyvän ensimmäisen lisätehtävän. Siinä käytettiin attributtitaulukosta löytyvää filteriä, joka osoittautui erittäin käteväksi ominaisuudeksi. Jokaista taulukon muuttujaa voi filteröidä usealla eri tavalla (suurempi/pienempikuin, x – y välissä, is missin (null), jne).

Tulokset kuvassa 8.

 

 

 

 

 

Helsinki-Vantaan lentokenttätehtävässä tuli myös luoda buffer- alue Tikkurilan yli, joka kuvaisi lentomelun aiheuttamaa häiriötä Tikkurilassa, mikäli lentokentän yleensä käyttämätön kiitorata otettaisiin käyttöön.

Kyseinen tehtävä oli mielestäni mielekäs, koska siinä piti hieman pohtia ja pääsi soveltamaan. Tulokseni saattavat heittää hieman, koska bufferini on soikion mallinen. Enkä tajunnut kuin vasta jälkikäteen, että sen tulisi olla suorakaiteen muotoinen.

Valinnaisista tehtävistä tein kaksi. Uima-allas- ja putkiremonttitehtävät.

Uima-allastehtävä meni muuten mallikkaasti, mutta siinä käytetty “a_pks_pie.shp”- tiedosto oli viallinen. Aluksi minulla meni tovi tajuta, että ongelma oli aineistossa eikä minussa. Kuitenkin tämän jälkeen löysin nopeasti Youtubesta videon, josta löysin ratkaisun ongelmaani. Ratkaisu oli hyvin yksinkertainen. Kyseinen tiedosto piti vain käyttää “Fix geometries”- työkalun läpi.

Tehtävässä pääsi käyttämään attribuuttitaulukon filter-ominaisuutta aiempaa laajemmin, joka oli kätevää.

Jälkeenpäin katsottuna olisin voinut lisätä karttaan vielä listan niistä osa-alueista, joissa on eniten yksityisiä uima-altaita, kuten Hoberg Jero (2024) oli tehnyt blogissaan.

Tein myös putkiremontteihin liittyvän tehtävän. Se oli monella tapaa hyvin samanlainen uima-allastehtävän kanssa, koska myös siinä piti käyttää paljon filter- työkalua.

 

Kokonaisuudessaan kurssikerta oli todella opettavainen, koska itsenäistä työtä oli paljon. Blogin kannalta olen tyytyväinen aikaansaamiini karttoihin, ja työnmäärään vaikkakin minulla on ollut kiireinen viikko. Odotan innolla viimeisiä kurssikertoja ja opitun soveltamista omavalintaisessa kartassa.

Lähteet:
Hoberg, J. (2024). Jeron Blogi. https://blogs.helsinki.fi/hoberg/. Viitattu 19.2.2024
GIS Coordinated. (2024). Youtube. https://www.youtube.com/watch?v=PUrSEnEkNPQ. Viitattu 19.2.2024

Neljäs kurssikerta lähti käyntiin enemmän luentotyyppisellä tavalla, joka mukavaa vaihtelua. Luennolla käsiteltiin mm. piste- ja ruutuaineistoja ja laaserkeilausta ja sen soveltamista esimerkiksi arkeologiassa.

Luento-osuuden jälkeen siirryttiin tutun ja turvallisen QGISn pariin. Ensimmäisen tehtävän tekoa varten avattiin valmis projektipohja, johon liitettiin aineistoja sisältäen tilastoja pääkaupunkiseudun asukkaista.

Tehtävän tarkoituksena oli luoda kartta, jossa esitetään halutun ihmisryhmän sijainti ja ryhmittymä pääkaupunkiseudulla. Ensimmäisenä vaiheena oli luoda kartan pinnalle ruudukko Vector Grid -työkalulla. Tämän jälkeen tavoitteena oli liittää asukkaita kuvaavat pisteet kartan ruudukon ruutuihin. Prosessi alkoi tallentamalla ne ruudut, joissa oli asukkaita, käyttäen Select by Location -työkalua.

Seuraavaksi poistettiin tarpeettomat tiedot aineistosta muokkaamalla sitä Save Feature As -toiminnolla. Tämän jälkeen eri aineistot yhdistettiin toisiinsa ja asukkaiden summa per neliö laskettiin Join Attributes by Location (Summary) -työkalulla.

Kun aineisto oli valmis, viimeiset vaiheet sisälsivät suhdelukujen laskemisen halutuista ihmisjoukoista Field Calculator -työkalulla ja uuden tason symbologian luomisen kartalle uusimman tason symbology -työkalulla.

Tehtävä oli melko suoraviivainen, mutta vector-työkalun käytön oppiminen oli mielestäni arvokasta. Se vaikuttaa erittäin hyödylliseltä. Lisäksi tehtävässä päästiin käyttämään entuudestaan tuttuja työkaluja, kuten Join Attributes by Location (summary):ä uudella tavalla, joka oli mielenkiintosta.

Tunnin aikana looin kartan, joka havainnollisti muunkielisten sijaintia pääkaupunkiseudulla. Päädyin käyttämään kartassa kuutta luokkaa ja natural breaksejä, sillä nämä loivat minusta luontevimman lopputuloksen. Kartta on selkeä, ja siitä näkee selkeästi, minne muunkieliset ihmiset ovat ryhmittyneet (Kuva 1).

Kotona tein toisen kartan, jossa pienensin ruudukon ruutuja (850m x 850m vaakasuunnassa ja pystysuunnassa). Tällä kartalla esitin ruotsinkielisten sijaintia pääkaupunkiseudulla. Ainakin tämän ilmiön tarkastelussa pienemmät ruudut tuovat esiin ilmiön yksityiskohtaisemmin. (Kuva 2)

Myös Syrjänen Stella (2024) kokeili erikokoisia ruutuja bloginsa kartoissa. Syrjänen nostaa myös esiin mielestäni erittäin tärkeän pointin erikokoisten ruutujen käytöstä kartoissa, niin niiden tekijänä kuin lukijanakin: “Ruututeemakarttaa tarkasteltaessa on tärkeää ymmärtää, että ruuduista voidaan käytännössä tehdä minkä kokoisia tahansa ja ruutujen koon muuttamisella voidaan muokata tuloksia. Ruutujen kokoja muokkaamalla voidaan kärjistää tai neutralisoida alueiden eroja.”

Karttaa tarkastellessa pitää ottaa huomioon ruotsinkielisten osuus Helsingin asukkaista, joka on noin 5,5%. Tämä mielessä pitäen kartalta erottuu selvästi alueita, joilla ruotsinkielisiä on erityisen paljon.

Toinen tehtävä neljännellä kurssikerralla osoittautui huomattavasti monimutkaisemmaksi, sillä melkein jokaisessa vaiheessa tarvittiin tarkkaa säätöä eri työkalujen asetuksissa haluttujen tulosten saavuttamiseksi. Lisäksi tässä karttatehtävässä tuli ensimmäistä kertaa käyttää rasteriaineistoja, mikä toi oman lisähaasteensa.

Rasteriaineisto oli jaettu neljään osaan, jonka takia ensitoimiksi sen osat täytyi yhdistää Build Virtual Raster-työkalulla. Tämän jälkeen tein aineistoon Contour-työkalulla korkeuskäyrät. Karttassa haluttiin esiin sen korkeuserot, jonka takia sille tehtiin rinnevarjostus Hillshade-työkalulla. Tehdyn rinnevarjostuksen asetuksia tuli myös säätää, jotta lopputulos näyttää oikealta.

Tämän vaiheen jälkeen oli aika palata aiemmalta GIS-kurssilta tuttuun digitointiin. Se oli samaan aikaan helppoa, rauhoittavaa ja mieltä raastavaa. Päädyin teiden ja rakennusten lisäksi digitoimaan myös Pornaisen vesistöt, koska halusin kokeilla QGISn polygonien digitointi-työkalua.

Vaikka pysyinkin opetuksen tahdissa mukana, en täysin ymmärtänyt rasteriaineistojen toimintaperiaatetta. Tuntui, että tekeminen tunnilla oli enemmän mekaanista ohjeiden seuraamista. Kuvissa 3 ja 4 näkyy luomani Pornaisen kartta.

Lähteet:
Syrjänen, S. (2024). Stella’s blog. https://blogs.helsinki.fi/stellasy/. Viitattu 6.2.2024

Aineistojen yhdistelyä

Kolmannen kurssikerran ensimmäisellä puoliskolla jatkettiin QGISn opettelemista. Aluksi taijoimme Afrikan kartalle sen öljy- ja timanttiesiintymät, ja manteereella käynnissä olevat konfliktit. Tähän vaaditut taidot olivat jo entuudestaan tuttuja, mutta kolmannen kurssikerran painopiste oli aineistojen järjestämisessä ja yhdistämisessä. Tämä prosessi oli aika monimutkainen, jossa yhdynkin Nuortimon Pietun ja Matikainen Veeran ajatuksiin. Pysyimme opetuksessa mukana, mutta useaan otteeseen tekeminen oli ns. mekaanista eikä ollut aikaa miettiä, mitä konkreettisesti on ohjelmalla tekemässä.

Kartan tekoon vaadittujen aineistojen syöttäminen QGISiin ja Excel-tiedoston CSV-muotoon muokkaaminen oli tuttua kauraa, mutta sen jälkeen meidän täytyi “siistiä” kartan pohjana käytetty tiedosto, jotta pystyimme myöhemmin liittämään siihen uutta tietoa. Siistimiseen on useampi tapa, mutta tällä kertaa käytimme dissolve-työkalua.

Ennen siistimistä oli mahdollista luoda peruspaikkatietoon pohjautuva kartta, josta näkee missä esimerkiksi timantti- ja öljyesiintymät sijaitsevat. (kuva 1)

Siistimisen jälkeen pystyimme käyttämään join-komentoa ja liittämään pohja-aineistoon uusien tasojen tietoja, kuten konfliktien määrän. Tämä mahdollistaa tilastojen tarkkailun attribuuttitaulussa ja laskelmien tekemisen field calculatorilla, joiden tuloksia voidaan käyttää uusien karttojen luomiseen (kuva 2 ja 3).

Pidän kuvan 1 kartan ulkonäöstä valitsemani värit kuvaavat mielestäni hyvin kartan teemaa. Kartta myös hyvin luettavissa. Siitä saa nopeasti perusymmärryksen timanttikaivosten ja konfliktien sijoittumisesta mantereelle. Kuitenkin näiden välistä suoraa korrelaatiota on vaikea lähteä perustelemaan näin yksinkertaisen kartan pohjalta.

Tämän jälkeen pääsimme mielestäni oppitunnin asian ytimeen. Eli pääsimme soveltamaan liitettyä tietoa count points in polygon-työkalulla. Tämä työkalu mahdollistaa uusien sarakkeiden luomisen atribuuttitaulukkoon yhdistämällä useamman uniikin taulukon niiden yhteisten tekijöiden avulla (esim. valtion nimi). Työkallu summaa sitten kaikki halutulla nimikkeellä (valtion nimi) esiintyvät tulokset (esim. timanttien määrä tietyssä valtiossa). Näitä uusia sarakkeita hyödyntämällä on mahdollista luoda monenlaisien uusia uniikkeja karttoja. Tällaisilla aineistoilla voidaan tehdä karttoja, jotka mahdollistavat eri valtioiden välisen vertailun (kuva 4).

Vaikka ne kuvaavatkin täysin eri ilmiöitä kartat kuvissa 2 ja 3 ovat jo huomattavasti antoisampia ja helpommin luettavia, kuin kuva 1. Kuvien 2 ja 3 kartat ovat erittäin mielenkiintoisia, koska niiden välillä näkyy Afrikan mantereen äärimmäisen nopea kehitys 2000-luvun aikana.

Count points in polygon-työkalulla on myös mahdollista valita toinen muuttuja, joka mahdollistaa tuloksen rajaamisen tämän toisen muuttujan ehtoihin. Esimerkiksi valitsemalla ensimmäiseksi muuttujaksi konfliktit ja toiseksi vuodet QGIS poistaa kaikki konfliktit, jotka ovat tapahtuneet samana vuonna. Täten tulos kertoo, kuinka monena vuotena kyseisessä valtiossa on kokonaisuudessaan ollut konflikteja. (kuva 5).

Kolmannen viikkokerran luennon viimeinen tunti käytettiin itsenäisen tehtävän tekoon. Siinä päästiin harjoittelemaan itsenäisesti tunnilla aiemmin opeteltuja taitoja, kuten Excel-taulukon tiedoston muuttamista, field calculatorin ja join-komenon käyttöä. Uutena asiana ainakin minulle tuli QGISn diagrammityökalu, jolla tehtiin ympyrädiagrammi kuvaamaan maanpinnan ja järvisyyden suhdetta eri valuma-alueilla.

Pidin etenkin itsenäisestä työstä luokassa, koska luokkatoverit olivat yhtäaikaa samassa paikkaa ja saman tehtävän kimpussa niin siihen liittyvissä ongelmissa pääsi tarpeen tullen auttamaan kaveria tai pyytämään apua. Kuvassa 5 on aikaan saamani kartta, joka kuvaa Suomen tulvaindeksiä.

Kuvien 4 ja 5 kartat ovat mielestäni selkeitä ja ne ovat hyvin luettavissa.

Valuma-alueiden tulvaindeki kartassa on valtavasti tietoa, jonka takia sitä voi tutkia pitkäänkin miettien siinä esiintyvien ilmiöiden syitä, seuraamuksia ja suhteita. Leppä Aapeli syventyy tähän blogissaan hyvin yksityiskohtaisesti. Mielestäni erityisen mielenkiintoinen nosto Lepän blogista: “Kartasta huomaamme tulvariskialueiden selvän alueellisen jakaantumisen rannikkoalueille – erityisesti Lounais-ja Etelä-Suomeen. Näille rannikkotulville on useita syitä. Joet muodostavat rannikolle matalapohjaisia deltoja, mikä johtuu joen kuljettamasta maa-aineksesta.”

Olen muuten tyytyväinen karttani ulkoasuun, mutta minulle tuntemattomasta syystä muutamassa ympyrädiagrammissa ei näy siinä tarkoitettua maapinta-ala – järvisyys suhdetta.

Kurssikerta oli erittäin mielenkiintoinen, mutta myös työläs; opin paljon uutta QGIS:n käytöstä ja sen eri ominaisuuksien soveltamisesta, joten kurssikerta oli myös erittäin antoisa.

Lähteet:

Nuortimon, P. (2024). Pietun GIS-seikkailu. https://blogs.helsinki.fi/pietunuo/. Viitattu: 2.02.2024.
Matikainen, V. (2024). Veeran gis-blogi :). https://blogs.helsinki.fi/veematik/. Viitattu 2.02.2024.
Leppä, A. (2024). Tuskien taipaleella Gis-guruksi. https://blogs.helsinki.fi/aapleppa/. Viitattu: 2.02.2024.