University of Helsinki
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.
Seuraavaksi jatkettiin työskentelyä suurten CSV-tiedostojen parissa. Tavoitteena oli luoda maailmankartta, joka visualisoi erilaisia luonnonkatastrofeja maailmanlaajuisesti. Päädyin laatimaan karttoja seuraavista aiheista:
- Tunnetut meteori-iskut maailmanlaajuisesti,
- Maanjäristykset, joiden magnitudi on vähintään 6,5 vuoden 2000 jälkeen, ja
- Maanjäristykset, joiden magnitudi on vähintään 6,5 vuoden 2000 jälkeen, sekä tulivuoret maailmanlaajuisesti.
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)