Twitterin aarteita kartalla

Hei vitsit, päihitin GEM1 -kurssin! Loppua kohden me löydettiin QGIS:n kanssa jonkinlainen sopusointu, ja joku voisi väittää yhteistyön sujuvan. Tietysti taustalla on vielä jonkin verran keskinäistä kärhämää, mutta alkujärkytyksestä on selvitty kunnialla.

Viimeisen kurssikerran tehtävänanto oli minulle onnekas sattuma. Olin nimittäin muutamaa viikkoa aiemmin inspiroitunut eräästä internetin ihmeestä, ja mietiskelin kuinka aihetta voisi havainnollistaa kartalla.

Helmikuisen Floridan Stoneman Douglas High Schoolin ampumavälikohtauksen jälkeen sosiaalisessa mediassa käytiin kuumana Yhdysvaltojen aselaeista. Toiset rukoilivat uhrien omaisten puolesta, toiset etsivät syyllisiä. Eräs Twitterin käyttäjä* oli tuonut esille ajatuksen siitä, kuinka syy kouluampumisiin löytyy Yhdysvaltojen aborttilaista. Yhdysvalloissa lait vaihtelevat osavaltioittain, mutta Guttmacher Instituutin mukaan pääasiassa abortin saa toteuttaa 20. raskausviikkoon saakka tai viimeistään ennen kuin sikiö on elinkelpoinen. Twiittaaja oli sitä mieltä, että kouluammunnat ovat Jumalan langettama rangaistus ihmiskunnalle sen seurauksena, että raskauden keskeytys on laissa sallittua.

Hämmennyin, miltei suivaannuin, tästä mielenilmauksesta. Ajattelin, että ilmiöiden korrelaatiota – tai pikemminkin sen puutetta – voisi havainnollistaa kartalla, jossa molemmat tekijät näkyvät Yhdysvaltojen eri osavaltioiden alueilla. Datan etsiminen oli melko yksinkertaista, sillä tiesin tarkalleen mitä tarvitsen. Kouluammuntadataa löytyi kuitenkin melko vähän tai ei ollenkaan, mutta viimeisenä oljenkortenani käytin hyödyksi Wikipediasta löytyvää listaa. Siitä muokkasin itselleni käyttökelpoisen aineiston, jonka siirsin QGIS:iin. Myös suurkaupunkidatan löytyminen oli mutkan takana, sillä jouduin viemään sen ensin ArcGIS:iin, jossa tallensin sen shapefilena QGIS:n käytettäväksi.

Datan muokkaamisessa esiintyi jonkin verran ongelmia, mutta onneksi aina yhtä luotettava GIS-velho Eemil oli paikalla vaikeimpien tilanteiden tullen. Ylistystä ja kunniaa hänelle siitä.

Kuva 1: Abortit sekä kouluammuntatapaukset 1970-luvulta asti Yhdysvalloissa.

Kuvassa 1 on koropleettikarttana havainnollistettu aborttien määrä suhteutettuna tuhatta hedelmällisessä iässä olevaa naista kohti. Suurimmillaan tase on New Yorkin osavaltiossa, ja muutamassa muussa pienemmässä itärannikon osavaltiossa. Lisäksi tähdillä on merkitty Yhdysvaltojen suurimmat kaupungit.

Kartan avulla voisi todeta, ettei aborttien määrällä ja kouluammunnoilla ole selvää yhteyttä. Kouluammuntoja esiintyy ympäri valtiota, joskin pohjoisimmissa osavaltioissa niitä on hyvin vähän ja puolestaan suurkaupungeissa keskimääräistä enemmän. Tämä tietysti ei ole yllätys, sillä suurkaupungeissa ihmisiäkin on enemmän, ja rikollisuutta esiintyy suurkaupungeissa muutenkin enemmän kuin harvaan asutuilla alueilla.

Kiinnostavaa on huomata, että kouluammuntoja on 1970-luvulta lähtien tapahtunut huomattavasti tiheämmin maan itäisissä osavaltioissa. Tätä selittää ymmärrettävästi se, että asutus on maan isäpoliskolla paljon tiheämpää, kuten Salla-Sofian kartoista voi huomata. Myös aborttien suhteellinen määrä on korkeampi niissä osavaltioissa, joissa asutus on tiheää, kuten juuri New Yorkissa ja Kaliforniassa.

Osavaltioissa, kuten Indianassa, Etelä-Carolinassa ja Mississippissä aborttien suhteellinen määrä on hyvin alhainen. Näissä osavaltioissa kuitenkin kartalla näkyy tapahtuneen useita kouluammuntoja aborttilain hyväksymisen, eli vuoden 1973, jälkeen. Täytyy kuitenkin myöntää, että osavaltioissa, joissa aborttien suteellinen määrä on melko korkea, on myös kouluammuntatapauksia sattunut melko paljon. Tässä tapauksessa tulee kuitenkin ottaa huomioon, että Illinoisissa sijaitsee maan väkivaltaisin kaupunki Chicago, Kaliforniassa ja New Yorkissa kouluammunnat ovat keskittyneet metropoleihin, ja Floridassa useiden eri etnisten ryhmien yhteiselo ei aina ole kaikkein sopuisinta.

Uskallan täten todistettavasti väittää, että abortit eivät ole pääsyy Yhdysvaltojen kouluammuntojen valitettavaan yleisyyteen.

Pahoittelut kaikille, joita tämä teksti loukkasi.

 

Silleen ihan itsensä voittanut fiilis.

-Varpu

 

*Mainitun Twitterin käyttäjän nimeä tai käyttäjätunnusta ei mainita tämän yksityisyyden vuoksi.

 

Lähteet:

Becker, Eemil. Meemilin blogi. https://blogs.helsinki.fi/beemil/

Guttmacher Institute. An Overview of Abortion Laws (20.3. 2018) https://www.guttmacher.org/state-policy/explore/overview-abortion-laws (Luettu 27.3.2018)

Guttmacher Institute. Data Center. (2018) https://data.guttmacher.org/states/table?state=US+AL+AK+AZ+AR+CA+CO+CT+DE+DC+FL+GA+HI+ID+IL+IN+IA+KS+KY+LA+ME+MD+MA+MI+MN+MS+MO+MT+NE+NV+NH+NJ+NM+NY+NC+ND+OH+OK+OR+PA+RI+SC+SD+TN+TX+UT+VT+VA+WA+WV+WI+WY&topics=66+68+69+65+57+76+86+87+88+89+90+151+152+153+160+156+161&dataset=data (Luettu 26.2.2018)

Esri, Department of Commerce, Census Bureau. (Päivitetty 5.2.2018) http://www.arcgis.com/home/item.html?id=4e02a13f5ec6412bb56bd8d3dadd59dd (Luettu 27.2.2018)

Leppiniemi, Salla-Sofia. Seitsemäs kurssikerta: oman kartan tuottaminen (4.3.2018) https://blogs.helsinki.fi/lepsalla/2018/03/04/seitsemas-kurssikerta-oman-kartan-tuottaminen/ (Luettu 27.3.2018)

Natural Earth. Downloads (2018) http://www.naturalearthdata.com/downloads/ (Luettu 27.2.2018)

Wikipedia. List of School Shootings in the USA (Muokattu 25.3.2018) https://en.wikipedia.org/wiki/List_of_school_shootings_in_the_United_States (Luettu 27.2.2018)

Laattatektoniikka is the key

Kuudennen kurssikerran itsenäistehtävässä hyödynsimme pistedataa eri hasardeista. Itse valitsin maanjäristykset ja tulivuoret, sillä niitä pystyisi yhdistämään opetuksessa ilmiöiden syntymekanismien perusteella. Sekä maanjäristyksiä että kerrostulivuoria esiintyy erityisesti litosfäärilaattojen törmäysvyöhykkeillä. Kilpitulivuoria esiintyy enemmän kuumien pisteiden kohdalla ja litosfäärilaattojen erkanemisvyöhykkeellä, joten niillä ei ole yhtä selkeää alueellista yhteyttä voimakkaiden maanjäristysten kanssa. Selkeyden vuoksi visualisoin maanjäristykset kahdella kartalla (kuvat 1 ja 2).

Kuva 1: Vuoden 1950 jälkeen tapahtuneet maanjäristykset Richterin asteikolla 7,5-8.

Kuvassa 1 on visualisoituna 7,5-8 magnitudin maanjäristykset vuoden 1950 jälkeen. Kuvassa 2 puolestaan näkyvät suurimmat mitatut maanjäristykset, eli 8-9,1 magnitudin järistykset. Yli 7,5 magnitudin maanjäristyksiä on suhteellisesti melko vähän. Kuten Aaken maanjäristyksiä kuvaavasta kartasta huomataan, on 6-7,4 magnitudin maanjäristyksiä maapallolla moninkertaisesti voimakkaisiin, yli 7,5 magnitudin järistyksiin verrattuna. Omilla kartoillanikin olisi ollut hyvä esittää maanjäristykset 6 magnitudista ylöspäin, sillä varsinkin kehittyvissä maissa, joissa infrastruktuuri on heikkoa, nekin aiheuttavat jo valtavaa tuhoa.

Kuva 2: Vuoden 1950 jälkeen tapahtuneet maanjäristykset Richterin asteikolla 8-9,1.

Näitä karttoja (kuvat 1 ja 2) voisi hyödyntää maantieteen opetuksessa sekä peruskouluikäisille että lukiolaisille. Karttojen avulla voisi esim. esittää kysymyksen laattatektoniikasta ja maanjäristysten synnystä. Kuvan 2 kartasta voisi olla hyötyä soveltavammissa tehtävistä esim. lukiolaisille. Oppilaat voisivat perehtyä tietyn valtion tai alueen haavoittuvuuteen erittäin voimakkaiden maanjäristysten sattuessa. Vaihtoehtoisesti erittäin suuria maanjäristyksiä voisi tarkastella hasardina ja pohtia niiden globaaleja vaikutuksia.

 

Kuva 3: Vuoden 1900 jälkeen purkautuneet kerrostulivuoret Aasiassa ja Oseaniassa.
Kuva 4: Vuoden 1900 jälkeen purkautuneet kerrostulivuoret Etelä- ja Pohjois-Amerikassa.

Maanjäristyskarttojen rinnalla voisi opetuksessa käyttää näitä karttoja kerrostulivuorista Tyynenmeren tulirenkaan alueella (kuvat 3 ja 4). Olen kuitenkin sitä mieltä, että opetuksessa kokonaiskuvan saamiseksi olisi hyvä esittää tulivuoret maailmankartalla, kuten Miika on kartallaan tehnyt. Omia karttojani voisi kuitenkin hyödyntää erityisesti tulirenkaan alueen tulivuorten alueellisessa tarkastelussa. Kuvassa 5 on WGN9 -uutisten esittämä kartta Tyynenmeren tulirenkaasta. Tällä kartalla tulirengas näkyy kokonaisena, toisin kuin omissa kartoissani. Karttaa voisi hyödyntää apuvälineenä tulirenkaan alueeseen liittyvissä tehtävissä. Kartassa näkyvät myös Tyynenmeren alueen litosfäärilaattojen rajat, mikä voisi auttaa oppilaita hahmottamaan maanjäristysten ja tulivuorenpurkausten syntymekanismeja.

Kuva 5: Tyynenmeren tulirengas. (lähde: WGN9)
Kuva 6: Tuhot Japanin maanjäristyksen ja tsunamin jäljiltä vuonna 2011. (lähde: prettejohn.net)

Kuvan Japanin maanjäristyksen ja tsunamin tuhoista (kuva 6) voisi yhdistää moneenlaiseen eri tehtävään. Lukiolaiset voisivat kuvan ja karttojen avulla vertailla maanjäristysten tuhojen laajuutta eri näkökulmista teollisuusmaissa ja kehittyvissä maissa. Kuva toisi esiin myös maanjäristyksistä aiheutuvien tsunamien tuhot, mikä on tärkeä huomio maanjäristysten kokonaisvaikutuksia pohtiessa. Juuri Japani voisi olla hyvä alue seismisyyden ja vulkanismin tarkasteluun, sillä asutus on tiheää aktiivisesta vulkanismista ja seismisyydestä huolimatta. Oppilaan olisi hyvä kiinnittää tässä huomiota myös Japanin keinoihin varautua riskeihin.

 

Hei, tää oli hauska tehtävä! Karttojen tekeminen oli helppoa, ja niiden vertailu toisten karttoihin ja ulkoiseen aineistoon oli miltei valaiseva kokemus.

Loppu häämöttää!

-Varpu

 

Lähteet:

Kastarinen, Miika. GEM 1 – Kurssikerta 6 (27.2.2018) https://blogs.helsinki.fi/miikakas/2018/02/27/gem-1-kurssikerta-6/ (Luettu 22.3.2018)

Laine, Aake. Olisiko musta opettajaksi? (5.3.2018) https://blogs.helsinki.fi/aake/2018/03/05/olisiko-musta-opettajaksi/ (Luettu 21.3.2018)

Prettejohn.net. Japan Tohoku 2011 Eartquake/Tsunami Case Study (23.1.2012) http://prettejohn.net/2012/01/japan-tohoku-2011-earthquaketsunami-case-study/ (Luettu 26.3.2018)

WGN9. Magnitude 6.1 earthquake hits off coast of Japan (20.9.2017) http://wgntv.com/2017/09/20/magnitude-6-1-earthquake-hits-off-coast-of-japan/ (Luettu 26.3.2018)

Verta ja hikeä, mutta ei kyyneleitä! (…vielä)

Fiksuna tyttönä lähdin nauttimaan Rukatunturin lumisista maisemista juuri sen kurssikerran aikaan, kun annetut itsenäistyöt olivat kaikkein haastavimmat, ja niitä oli huomattavasti aiempaa enemmän. Tein siis kaikki kurssikerran työt sekä osan annetuista itsenäistöistä kaikki itsenäisesti. Tulipahan treenattua.

Tällä hetkellä koen hallitsevani QGIS:in perusominaisuudet melko hyvin. Joitain toimintoja, kuten Spatial Query tai Join attributes by location, tulee toisteltua joissain tehtävissä hyvinkin paljon – joskus tarvittua huomattavasti enemmän, kun QGIS ei suostu pyyntöjä ensimmäisellä eikä välttämättä viidennelläkään kerralla toteuttamaan. Olen alkanut myös ymmärtää, miksi joitain toimintoja tehdään, eli uskon pystyväni käyttämään tutuimpia toimintoja jatkossakin.

Kuitenkin, vaikka tietäisin tarkalleen miten ja miksi joitain työkaluja käytetään, koen silti olevani pulassa, kun näitä työkaluja täytyy soveltaa. Aikaisempien kurssikertojen yhteydessä koin pärjääväni hyvin, sillä yksityiskohtaiset ohjeet olivat saatavillani kohta kodalta. Jotkut tämän kurssikerran itsenäistehtävistä puolestaan aiheuttivat minulle suurta päänvaivaa, sillä en osannut soveltaa oikeita työkaluja ratkaistakseni ongelman.

 

Aluksi harjoittelin itsenäisesti kurssikerralla tehtyjä bufferointianalyyseja, jotka koin helpoiksi ja kivoiksi, jee. Voin siis uskoa osaavani käyttää  bufferointityökalua jatkossakin, sillä sen käyttö onnistui itsenäistehtävissäkin – ainakin lopulta, kun ystävieni Vivin ja Olivian avulla tajusin rastittaa ”Dissolve result” -ruudun, enkä enää saanut epämääräisen suuria asukasmääriä bufferialueille.

Itsenäistehtävissä tuntui olevan hieman epäselvyyttä siinä, pitikö tehtävät suorittaa käyttämällä Vantaan väestöaineistoa, vai koko pääkaupunkiseudun väestöaineistoa, jota oltiin käytetty aikaisemmilla kurssikerroilla. Itse toteutin tehtävät Vantaan väestöaineistoa käyttäen. Hätäännyin tietysti ensin vertaillessani omia tuloksiani Matin tuloksiin, kunnes huomasin hänen tuloksissaan olevan kouluikäisiä reilusti enemmän kuin minulla, joten hän oli käyttänyt koko pääkaupunkiseudun väestöä. Luultavasti näin oli tarkoituskin tehdä, sillä jotkut aineistoista olivat koko pääkaupunkiseudun laajuisia. Sain kuitenkin omasta mielestäni melko järkeviä tuloksia pelkän Vantaan alueelta, ja luulin suurimmaksi osaksi ymmärtäväni tekemääni, mikä tässä oletettavasti oli se pääasia.

Kuva 1: Itsenäistehtävistä saadut tulokset. *** Vastauksia ei löytynyt, koska epäonnistuin.

Kaikkein eniten päänvaivaa tuotti tehtävässä 2 ulkomaalaisten osuuksien selvittämien eri alueilla. Yritin löytää vastauksia ”Spatial query” -toiminnolla sekä ”Join attributes by location” -toiminnolla, laskien eri vaiheissa eri prosenttiosuuksia, ja kokeillen muuttujia eri päin, mutta mikään ei toiminut. Paras tuntemani GIS-velho Eemil, sekä alansa osaava GIS-memeilijä Eveliina yrittivät minua parhaansa mukaan auttaa, emme yhdessäkään saaneet QGIS:iä toimimaan halutusti. Molemmat olivat saaneet näihin kysymyksiin vastaukset- joskin toisistaan poikkeavat – joten apu tuli luotettavista lähteistä. Kevensin aineistoja lähes mitättömiksi (attribuuttitaulussa oli tosiaan näkyvissä vain yksi sarake tietoa), muttei QGIS jaksanut niitä käsitellä. Siispä skippasin QGIS:in ansaitsemattomat kyynelet ja jatkoin seuraavaan tehtävään. ¯\_(ツ)_/¯

Helpoin itsenäistehtävä oli omasta mielestäni tehtävä 3. Yhteistyö QGIS:n kanssa sujui vaivatta, ja suurin osa käytetyistä työkaluista oli jo aiemmista tehtävistä tuttuja. Jonkin verran tietysti piti myös ajatella, mitä työkalua kannattaa missäkin ongelmassa käyttää, mutta ei tästä sentään päänsärkyä tai kyyneliä seurannut.

 

Tiivistettynä siis:

Mitä luulen osaavani:

  • Spatial Query
  • Join attributes by location
    • Näiden eroa pitää tosin välillä kerrata
  • Properties (styles ynnä muut helpot ja kivat)
    • Tosin tässäkin varmasti monia työkaluja, joita en ole vielä käyttänyt, ja joiden olemassaolosta en edes tiedä
  • Vektori- ja rasteriaineistojen tuominen QGIS:iin
  • Toggle editing
  • Create a new shapefile layer
  • Print composer
    • Mittakaavan, legendan ja pohjoisnuolen taiteilut sekä kartan muokkaaminen esitettävään muotoon hoituisivat vaikka unissaan
  • Select features by expression
    • välillä hatarasti osaan ja muistan hyödyntää
  • Statistics panel
  • Datan keventäminen
    • Save as > save only selected features
    • Tämän oivalsin itseasiassa juuri tämän kurssikerran yhteydessä
      • Tuli hyvä mieli kun tajusin!

 

Missä olen toivoton:

  • Plugins
    • Mitä?
  • Raster toolbar
    • Mitä juttuja?
  • Vector toolbar
    • Hei täällä on toi ”Join attributes by location”!
    • Kaikki muut: nope.
  • Add delimited text layer
    • Pärjään jokseenkin, mutta harjoitusta tässä vielä vaaditaan
  • Kaikki edellä mainitsemattomat QGIS:in työkalut

 

Mut hei suuntahan on kuulemma vaan ylöspäin!

Nähellään,

-Sadvarpu

 

Lähteet:

Becker, Eemil. Homma rupee sujumaan… (19.2.2018) https://blogs.helsinki.fi/beemil/2018/02/19/homma-rupee-sujumaan/ (Luettu 26.2.2018)

Halme, Olivia. Kurssikerta 5: Tyyntä ennen myrskyä (25.2.2018) https://blogs.helsinki.fi/halmeoli/2018/02/25/kurssikerta-5-tyynta-ennen-myrskya/ (Luettu 26.2.2018)

Moisala, Matti. 5. Viisi QGIS -tähtee (21.2.2018) https://blogs.helsinki.fi/moisalam/2018/02/21/5/ (Luettu 26.2.2018)

Sirola, Eveliina. Kurssikerta 5: Itsenäistymisen aika – kääk! (24.2.2018) https://blogs.helsinki.fi/evsirola/2018/02/24/kurssikerta-5-itsenaistymisen-aika-kaak/ (Luettu 26.2.2018)

Tarkka, Vivi. https://blogs.helsinki.fi/vivitark/ (Luettu 26.2.2018)

Huoltosuhde ihan pilalla

Ai kurssin puoliväli jo? Pitäskö tässä nyt kokea jotain osaavansa? No, meitsi on joka tapauksessa lost.

Neljännellä kurssikerralla teimme ruutukarttoja pääkaupunkiseudun väestöaineistoista, ja toimme ensimmäistä kertaa rasteriaineistoa QGISiin! Miten jännittävää! Tällä kerralla luulin tajuavani, ehkä jopa osaavani, kunnes tarkastelin karttojani jälkikäteen ja huomasin, että taas sitä mentiin vauhilla metsään. Toteutin karttani 250mx250m -kokoisilla ruuduilla, jonka totesin melko toimivaksi. Ruudut ovat hieman liian pieniä minun makuuni, mutta niistä välittyy tarkempaa informaatiota, kuin esim. 500mx500m -ruuduista. Karttojeni (kuvat 1 ja 2) luokittelut on karttaselitteissä merkity väärin. Yksikään luku ei saisi osua samaan luokkaan, mutta luvut ovat luultavasti pyöristyneet niin, että rajaluvut jakautuvat kahteen luokkaan. Sad. Olis pitäny huomata.

Kuva 1: Yli 65-vuotiaat pääkaupunkiseudulla.

Kartassa (kuva 1) on kuvattu yli 65-vuotiaiden – tai yksinkertaistettuna eläkeläisten – sijoittumista pääkaupunkiseudun alueelle absoluuttisina arvoina. Kartasta voidaan huomata, että kaikkein eniten eläkeläisiä asuu Helsingin keskustan lähellä ja pääteiden varsilla. Tämä kuitenkin on aivan itsestäänselvyys, sillä pääkaupunkiseudun väestökeskittymät ovat jokaisessa ikäluokassa näillä alueilla. Suhteutettuna data voisi olla kuvaavampaa – jos sen tekisi oikein (ks. kuva 2).

Eveliina Sirola on kartassaan kuvannut yli 60-vuotiaiden absoluuttisia määriä pääkaupunkiseudulla. Hänen kartassaan eläkeikäisiä näyttää olevan huomattavasti enemmän kuin minun kartassani, mutta luokittelut ovat meillä huomattavan erisuuruiset. Onhan hänen kartassaan huomioitu myös 60-64-vuotiaiden ikäluokka, jolloin tarkasteltava aineisto on paljon suurempi. Hänen kartassaan ruutukokokin on suurempi kuin omani, 500mx500m, joten jokseenkin erot saattavat johtua myös siitä.

 

Kuva 2: Yli 65-vuotiaiden vääristynyt, suhteellinen osuus väestöstä.

Tässä teille malliksi huono kartta. Kuvassa 2 esitetty kartta poikkeaa ensimmäisestä kartasta huomattavasti, sillä kartalla on eläkeikäisten määrä suhteutettu muuhun väestöön, mutta laskutoimitus on tainnut mennä  pieleen. Arvot esiintyvät prosenttilukuina, mutta on hyvin epätodennäköistä, että näin laajoilla alueilla asuisi eläkeikäisiä 83-100%. En tiedä, mikä laskussa tai visualisoinnissa meni väärin, mutta ei tämä kartta jokatapauksessa totuuksia sanele.

Marisa Nurmisen kartta samaisesta aiheesta eroaa omasta suhteellisesta kartastani radikaalisti. Hänen kartassaan eläkeikäisten osuus koko väestössä on lähes joka ruudussa erittäin pieni verrattuna minun huolestuttavan huoltosuhteen karttaani. Marisan ruutukoko on suurempi, mikä tietysti vaikuttaa kartan visuaaliseen ilmeeseen, mutta näin suuret eivät erot missään tapauksessa voi olla. Marisan kanssa yritimme yhdessä asiaa pohtia, emmekä päässeet selvyyteen karttojemme eroavaisuuksien syistä.

Absoluuttisen aineiston esittäminen on omasta mielestäni epäpätevä keino esittää informaatiota kartalla – ainakaan tällaisella väestöaineistolla –  oli se sitten ruutukartta tai jokin muu. Kuvassa 1 eläkeikäiset näyttävät keskittyneet erityisesti kantakaupunkiin, ja pääkaupunkiseudun reuna-alueet näyttävät kartalla ns. epäsuosituilta asuinalueilta vanhuksille. Tosiasiassa tämä ei kerro mitään tarkasteltavan väestönosan keskittymisestä, vaan siitä, että joillain alueilla asuu enemmän ihmisiä kuin toisaalla, ja sen mukaan myös eläkeikäisiä.

Vertaillessa Marisan karttaa omaani huomaan, etteivät suhteellisetkaan arvot ole kovin informatiivisia ruutukartalla. Koropleettikartalla rajatut alueet väestökartoissa ovat yleensä hallinnollisia alueita, jolloin suhteelliset arvot kertovat luotettavaa ja selkeästi luettavaa tietoa alueiden väestörakenteista. Luettavuudeltaankin koropleettikartta on minusta ruutukarttaa parempi, sillä aluekokonaisuudet ovat paremmin hahmotettavissa. Ruutukartan ruutujen täytyy olla melko pieniä, jotta informaatioarvo säilyy tarpeeksi kattavana, mutta mitä piempiä ruutuja käytetään, sitä vaikeammaksi luettavuus käy.

Ruutukartat not my fave.

 

Lukemisiin,

-Varpu

 

Lähteet:

Nurminen, Marisa. Kurssikerta 4: Ruutuja ja virheitä (8.2.2018) https://blogs.helsinki.fi/marisa/2018/02/08/kurssikerta-4/ (Luettu 9.2.2018)

Sirola, Eveliina. Neljäs kerta toden sanoo (7.2.2018)  https://blogs.helsinki.fi/evsirola/2018/02/07/neljas-kerta-toden-sanoo/ (Luettu 9.2.2018)

Afrikka menetettiin, mutta onneksi Suomessa on niitä järviä

Kolmas kertaa toden sanoo, vai mitä? Kovasti kyllä toivon, että tämän kurssin suhteen asia ei ole näin. Kolmannella kurssikerralla nimittäin esiintyi eräs ennalta-arvaamaton massailmiö. Katastrofin laatu oli niin vakava, että edes Hra Paarlahti ei onnistunut tilannetta pelastamaan. Afrikan manner oli menetetty, eikä sitä saatu palautettua. Viisi epäonnekasta ryhmämme jäsentä, itseni mukaan lukien, tunsi olonsa musertuneeksi, eikä mitään ollut enää tehtävissä. Kaikki mitä Afrikasta oli jäljellä, olivat timanttikaivokset, öljyesiintymät ja konfliktit sekä satunnaisia onnekkaita internetin käyttäjiä.

Kuva 1: Afrikan rauniot.

Katsaus tilanteeseen ennen traagisia sattumia:

Alkuperäisenä aineistona oli kartta Afrikasta, jonka tietokantaan oli liitetty valtioiden nimet ja valtioiden rajat. Tietokannassa oli kuitenkin kohteita turhan monta, ja halusimme yhdistää kohteita tietokantaa yksinkertaistaaksemme. Halusimme saada liitettyä tietokantaan muutakin informaatiota, kuten dataa internetin käyttäjistä, sekä mainitut öljykentät, timanttikaivokset sekä konfliktit. Toimme tietoa mm. Excelistä, ja koska Excel ja QGIS eivät kyenneet löytämään välilleen yhteistä kieltä, oli Excelin muututtava .csv muotoon. Tässä huomaamme jälleen QGISin lapsellisia piirteitä: QGIS ei suostu antamaan periksi mielipiteissään, joten muiden täytyy tehdä kompromisseja. Kuitenkin, seuraavat vaiheet olivat ilmeisesti QGISin sietokyvylle liikaa.

Liittämisvaiheissa QGIS päätti kiukutella muutamaankin otteeseen, mutta olin päättänyt pitää pinnani. Sain muutaman kerran toistaa jo kerran tekemiäni muutoksia tietokantoihin, sillä QGIS kaatui, ja näköjään polvet meni niin naarmuille, ettei se pystynyt enää jatkamaan muutosten kanssa. No, kertaus on opintojen äiti, ja minähän reippaana tyttönä tein kaiken uudestaan! Lopulta monia liitoksia tehtyäni, ja kartan näyttäessä miltei valmiilta kokonaisuudelta konflikteineen ja facebook-käyttäjineen, QGIS kompastui taas, ja murskasi samalla suutuspäissään Afrikan pohjakartan, seurauksia ajattelematta. Yritin vielä löytää sen ehjänä tallennetuista tiedostoistani, mutta sitä ei pystytty enää palauttamaan. Tunsin oloni murheen murtamaksi, mutta lohdukseni en ollut ainoa QGISin kaltoinkohtelema henkilö.

Afrikan kohtalo oli moniportaisen prosessin seuraus, enkä suoraansanottuna pysynyt perässä tapahtumien nopean kulun vuoksi. On siis vaikea sanoa, miksi tilanteessa lopulta kävi niin kuin kävi, ja mitä kaikkea tuhon taustalla oli vaikuttamassa.

Tietokantoihin voisi liittää lisätietoa mm. internetin käyttäjien määristä tai timanttikaivosten sekä öljykenttien löytämisvuosista ja tuottavuusluokitteluista, ja tehdä johtopäätöksiä konfliktien laajuuteen ja ajankohtaan nähden.  Arvokkaat luonnonvaraesiintymät Afrikan valtioiden kaltaisten kehittyvien maiden alueilla ovat niin lähialueiden, kuin länsimaidenkin ahneen silmän alla. Niinpä voisi kuvitella, että konfliktien esiintymisajankohta seuraa monissa tapauksissa uusien esiintymien löytymisajankohtia. Mitä enemmän kaivos tai öljykenttä tuottaa, sitä suuremmat joukot tahtovat siitä osansa, ja konfliktin ainekset ovat kasassa. Harvoin tietyn valtion alueelta löydetty öljy tuottaa voittoja alueen väestölle, vaan päinvastoin tuotot päätyvät valtion rikkaimman väestönosan sekä ulkomaisten pitkäkyntisten hellään huomaan.

Kuten Saku Ruuskanen blogitekstissään It rains down in Africa but it floods in Finland (propsit tästä otsikosta, naurahdin) pohtii, voisi valtion alueella hyvin tuottava öljykenttä olla pohjana internet-yhteyksien kehittymiselle. Hän on kuitenkin sitä mieltä, että valtion väestön osuus öljykentän hulppeisiin antimiin on melko epätodennäköinen, ja tässä voin sanoa olevani samalla kannalla. Valtion internet-yhteyksien kehittyminen hyödyttäisi kuitenkin myös hallinnollisia elimiä, ja koko valtion taloudellista kehitystä, joten öljykenttien tuloja on voitu hyvinkin käyttää tällaiseen kehitykseen.

 

Suuren menetyksen jälkeen siirryin lopulta elämässäni eteenpäin, ja aloin tarkastella vielä olemassa olevan Suomen valuma-alueita. Saimme muutaman eri aineiston, joita meidän tuli kurssikerran teeman mukaan yhdistellä. Laskimme uutta tietoa ystävämme helmitaulun avulla, ja lopulta useiden hermostumisten ja QGISin ennalta-arvattavien kiukunpuuskien jälkeen, kartasta muodostui valmis kokonaisuus.

Kuva 2: Suomen valuma-alueet ja niiden tulvaherkkyys sekä suhteellinen järvisyys.

Valuma-aluekartassa (kuva 2) on visualisoituna koropleettikartalle eri valuma-alueiden tulvaindeksit, tummimmalla vihreällä näkyvät kaikkein tulvaherkimmät alueet. Järvisyysprosentti on visualisoitu kartalle vuoleteilla pylväillä. Kartalta voikin huomata, että tulvaindeksi on suuri siellä, missä järvisyys on vähäistä. Nämä muuttujat ovat siis keskenään kääntäen verrannollisia, kuten Eemin Becker blogissaan mainitsee. Hän visualisoi havaintojaan myös tekemällään kaaviolla, jossa arvot muodostavat kaarevan linjan. Suuren järvisyyden alueilla, eli pääasiassa Järvi-Suomessa, ovat pinnanmuodot vaihtelevampia kuin läntisessä Suomessa. Suuriin järvialtaisiin pystyy varastoitumaan huomattavasti enemmän sulavesiä kuin pieniin jokiuomiin. Pohjanmaan tasaisten pinnanmuotojen vuoksi jokiuomista tulviva vesi pääsee levittäytymään laajoille alueille.

 

Joo, nää on näitä. Vois joskus kirjottaa ehkä lyhyen ja ytimekkään postauksen. As if.

-Sadvarpu

ps. RIP Africa, you will be missed.

pps. Jäämme odottamaan QGISin virallista anteeksipyyntöä.

 

Lähteet:

Becker, Eemil. Harjoituskerta 3: Lisää soveltamista   (1.2.2018) https://blogs.helsinki.fi/beemil/2018/02/01/harjoituskerta-3-lisaa-soveltamista/ (Luettu 1.2.2018)

Ruuskanen, Saku. It rains down in Africa but it floods in Finland. (2.2.2018) https://blogs.helsinki.fi/ruusaku/2018/02/02/it-rains-down-in-africa-but-it-floods-in-finland/#comment-2 (Luettu 2.2.2018)

Projektiovertailua

Toisen kurssikerran pääaiheena oli projektioiden vertailu. Tarkoituksena oli tutustua eri projektioiden aiheuttamiin muutoksiin pinta-aloissa, ja visualisoida kiinnostavimmat vääristymät kartoilla.

QGIS alkoi oppitunnin mittaan tuntua helpommalta, ja etenkin print composerin käyttö luonnistui jo ulkomuistista. Ilmeisesti viikonlopun omista harjoitteluista oli jotain hyötyä! Sain kartat tehtyä muutaman toiston jälkeen, ja koska samalla oli mahdollista keskustella muiden kurssilaisten kanssa aiheesta ja muista elämän ongelmista, oli karttojen tekeminen kivaa ja mukavaa ja hauskaa. :). Oppitunnin jälkeen koin hetken jopa olevani kuin kala vedessä tässä yliopistomaailmassa. Onnistumisen tunteet on joskus ihan jees.

Kuva 1: Mercatorin oikeakulmaisen projektion aiheuttamat pinta-alavääristymät verrattuna Lambertin oikeapintaiseen projektioon.

Ensimmäisessä Hra Paarlahden opastuksella tehdyssä kartassa (Kuva 1) on visualisoituna Mercatorin oikeakulmaisen projektion aiheuttamat pinta-alavääristymät koropleettikarttana. Mercatorin projektio vääristää kaikkein eniten pohjoisten leveyksien pinta-aloja, ja tämä erottuu kartalla tummimmalla violetilla. Vääristymä on Suomen alueella enimmillään 564-724%, eli rautalangasta väännettynä Mercatorin projektiossa Suomen pohjoisimpien alueiden pinta-alat ovat n. 5-7 kertaa suurempia kuin Lambertin projektiossa. Pienimmät vääristymät ovat tietenkin eteläisimmässä Suomessa jossa vääristymä on vähimmillään ”vain” miltei kolminkertainen.

Karttani on esitetty Lambertin projektiossa, koska se on oikeapintainen projektio (lähde: Spatial Reference), ja pinta-aloja tarkastellessa tärkeää on visualisoida kartta oikeapintaisena.

Kuva 2: Gauss-Laborde Reunionprojektion pinta-alavääristymät verrattuna Lambertin projektioon. Vääristymät näkyvät luode-kaakko suuntaisina osioina, joista suurin vääristymä on Lounais-Suomessa.

Toisen kartan (Kuva 2) projektioksi valitsin Gauss-Laborde Reunion poikittaisen Mercatorin projektion ilman mitään erityisempiä perusteita. Tavoitteenani oli luoda kartta, jossa vääristymät näkyvät visualisoituna selkeästi. Projektiota käytetään yleensä eteläisellä pallonpuoliskolla, Intian valtamerellä sijaitsevan La Reunionin saaren kartoissa, joten Suomen karttaprojektiona se tuskin on paras mahdollinen. Kuitenkin vääristymät ovat yllättävän pienet: suurimmillaankin vain 9%! Projektio tosiaan on poikittainen Mercatorin projektio, ja usein koko Suomen valtiota kuuvaavissa kartoissa käytettävä ETRS-TM35FIN -projektio on sekin poikittaiseen Mercatorin projektioon perustuva (lähde: Eino Uikkanen). Vääristymän vähyys saattaisi siis nopeasti pääteltynä johtua siitä.

Molemmat karttani ovat omasta mielestäni visuaalisesti hyvin selkeitä ja informatiivisia. Löytyy pohjoisnuolet, mittakaavat ja legendat. En halunnut ilmoittaa kartassa sen aihetta, sillä koin informaation tuomisen selkeästi esiin otsikkomuodossa ilman predikaattia vaikeaksi. Päätin siis kertoa kuvateksteissä tarkemmin ja selvemmin virkemuodossa, mitä kartta kuvaa.

En töhönä muistanut, miten internet-sivustolta haettuun lähteeseen viitataan, joten kävin katsomassa – oletettavasti – oikeaoppisen viittaustavan Lyyra Furun blogista. <3

Oispa muuten hei kiva jos aina tuntus näin helpolta tämä GIS. Näiden harjoitusten yhteydessä tuli niin monta kertaa toistettua samoja asioita, niin siinähän sitä oppii, koska kuulemma joku joskus on väitti, että harjoitus tekee mestarin.

 

Lukemisiin,

-Varpu

 

Lähteet:

Eino Uikkanen (28.10.2017). Suomalaiset koordinaatistot.  http://www.kolumbus.fi/eino.uikkanen/geodocs/kkjgps.htm (Luettu 24.1.2018)

Furu, Lyyra. 1. Kurssikerta: QGIS-ohjelman käyttöönotto (18.1.2018)  https://blogs.helsinki.fi/fufufu/2018/01/18/moikka-maailma/  (Luettu 24.1.2018)

Spatial reference (2007). Epsg projection 3035 – etrs89 / etrs-laea.  http://spatialreference.org/ref/epsg/etrs89-etrs-laea/ (Luettu 24.1.2018)

 

Olishan sen helpomminkin voinut (1. kurssikerran kotiharjoitus)

Pölyn laskeuduttua ensimmäisen kurssikerran järkytyksen jälkeen pakkasin HP:n läppärini ja itsevarmuuteni, ja suunnistin eräänä lauantai-iltapäivänä (toissapäivänä) inspiroivaksi toteamaani kahvilaan, ja tartuin härkää sarvista, tai toisin sanoen QGIS:iä projektista. Suunnitelmissahan oli luoda täydellinen kartta siinä ohimennen karamellilattea lipittäessä, mutta eihän se tietenkään ihan niin mennyt.

Sokeana noudatin kurssikerran kirjallisia ohjeita kohta kohdalta, ja tiettyyn pisteeseen näytti siltä, että kaikki sujuu kuten pitää. En kuitenkaan millään onnistunut liittämään joitain tasoja toisiinsa, ja olin jumissa. Hädissäni kysyin ystäviltäni apua, ja he neuvoivat parhaansa mukaan, kunnes selvisi, että olin yrittänyt yksinkertaista asiaa monen mutkan kautta ja liian kaukaa kiertäen. Klassinen virhe. Sen jälkeen jatkoimme matkaamme QGIS:n kanssa sovussa käsikkäin.

Tein koropleettikartan Suomen kuntien työttömyysasteista. Valitsin monista sarakkeista juuri työttömyyden, sillä se oli ilmoitettu attribuuttitaulukossa valmiiksi suhdelukuina, mikä vähentäisi potentiaalisia virheitä laskutoimituksia suorittaessani. Arvelin siis pääseväni helpolla. Näköjään karma liittyi peliin, sillä kuten aiemmin mainitsin, hankin itselleni muutaman kiertotien.

Kuva 1: Suhteellinen työttömyysaste kunnittain, 2015.

Työttömyyskartasta selviää Suomen eri alueiden työttömyysasteen erot. Suurimmillaan työttömyys on Pohjois- ja Itä-Suomessa, erityisesti Sallassa ja Taivalkoskella (20-22,6%). Puolestaan kaikkein paras työllisyystilanne näyttäisi olevan Pohjanmaan ja Ahvenanmaan maakunnissa, sillä työttömyysaste on jopa alle 5%! Kuulostaa utopistiselta minusta. Itse tulen Pohjois-Savosta, ja kartan mukaan siellä näyttäisi pitkälti olevan työttömiä sen 10-15% väestöstä.

Jo useamman vuoden ajan on ollut esillä – tai jossain pimeydessä vaanimassa – kauhukuva, jossa pienet suomalaiset maalaiskunnat näivettyvät. Palvelujen keskittyessä työikäistä väestöä muuttaa pienistä kunnista kasvukeskuksiin, jolloin kunnan veronmaksajat/kuluttajat/työntekijät vähenevät kiihtyvällä vauhdilla. Yritykset joutuvat kysynnän pienentyessä pahimmassa tapauksessa – nykyään valitettavan usein – joko lopettamaan toimintansa tai muuttamaan suurempiin keskuksiin, jolloin pienen kunnan työpaikat vähenevät ja työttömyys kasvaa. Kunta joutuu noidankehään, jossa ilmiöt voimistavat toisiaan, ja seurauksena on varallisuuden väheneminen. Tällaisia kuntia on juuri Itä- ja Pohjois-Suomessa paljon, joskin kuntaliitosten myötä yhä vähemmän. Jokseenkin ironista. Pienillä kunnilla menee huonosti, ja ne liitetään suurempiin lähikuntiin keskittämisen varjolla ja hallinnollisten toimintojen tehostamiseksi, minkä seurauksena tilastoissa niitä ja niiden ongelmia ei näy enää lainkaan. Sad.

Visuaalisesti kyhäämäni kartta on minusta hyvinkin mainio. Pinkkihän on väriteemana aina ihan tosi ihana ja siitä tulee hyvä mieli :)))))<3<3<3 Legendasta erottuu selkeästi eri sävyjen kuvaamat arvot, ja samoin ne voi erottaa myös kartalta. Polygonit tummenevat arvojen kasvaessa, mikä yleensä koropleettikartoissa on perusoletuksena. Jos on jotain parannusehdotuksia, niin vinkkejä otetaan vastaan!

[EDIT: Olivia Halmeen selkeästi visualisoitua vuokra-asuntojen osuus -karttaa tutkaillessani huomasin, että oman karttani violetin sävyiset kuntarajat eivät erotu tummimmasta asteesta! Eli itseasiassa Sallaksi mainitsemani kunta koostuukin Sallasta ja Pelkosenniemestä, joissa molemmissa työttömyysaste on 20-22,6%. Jestas.]

Projektion kanssa minulla oli hieman ongelmia. Oppitunnilla vaihdoimme vartavasten projektion yleisesti suositelluksi ”EPSG: 3035”:ksi, ja Itämeren typpipäästöjä kuvaavasta kartasta tuli järkevän näköinen. Työttömyyskarttaa tehdessäni tein samoin, ja kartta meni jostain syystä kallelleen. Suomineito oli jokseenkin etukenossa. En löytänyt neitokaisen tasapaino-ongelmaan ratkaisua kyseisessä projektiossa, joten käytin QGIS:n aluksi tarjoamaa ”EPSG: 3047” -projektiota. Ehkä meni pieleen, ehkä ei? Jos joku tietää tästä mitään niin nakatkaa minua kommenteillanne pliis.

Savolainen ei näköjään ossaa kirjottaa lyhyvesti. Kiitos ja lukemiin.

-Varpu

 

Lähteet:

Halme, Olivia. 1. kurssikerta: Räpiköintiä QGis-meressä (19.1.2018) https://blogs.helsinki.fi/halmeoli/2018/01/19/1-kurssikerta-rapikointia-qgis-meressa/ (Luettu 22.1.2018)

Ensikurkistus QGIS:iin

Moiksun moi ja tervetuloa lukemaan meikäläisen blogia Geoinformatiikan menetelmät 1 -kurssille! Jos herää mitään ajatuksia mun teksteistä tai kartoista niin kommentit on oikein lämpimästi tervetulleita ja oikeastaan jopa hyvin toivottuja (pls help).

Ensimmäisellä kurssikerralla Herra Paarlahti alkoi tutustuttaa meitä avuttomia raukkoja ja muutamaa joukon synnynnäistä GIS-velhoa QGIS-paikkatietojärjestelmään. Edeltävässä periodissa käyty Tiedon esittäminen maantieteessä -kurssi aiheutti minulle, kuten varmasti monelle muullekin, turhautumisen ja epätoivon hetkiä, mutta kuten kokeneemmilta opiskelijoilta sain kuulla, ettei TEM-kurssi olisi vielä mitään verrattuna tulevaan, eli tämän blogin aiheeseen, GEM1-kurssiin. Aiemmin saimme taiteilla CorelDraw:illa kauniita karttaluomuksia ja toteuttaa taiteellisia unelmiamme. Nyt kuitenkin edessämme häämöttää pitkä tie paikkatiedon monimutkaiseen mutta kiehtovaan maailmaan.

Itse en ollut koskaan kuullut sovelluksesta (tulevasta pelastusrenkaastani) nimeltä QGIS. Ensikohtaamiseemme sisältyi useita hämmästyksen, pettymyksen ja turhautumisen tunteita. En ymmärtänyt QGIS:in toimintoja, eikä välillemme tuntunut löytyvän yhteistä kieltä. Kuitenkin, oppitunnin edetessä arvoisan Hra Paarlahden opastuksella aloimme jokseenkin ymmärtää toisiamme, vaikka salaa ikävöinkin ystävääni Corelia.

Teimme koko ryhmän kanssa rautalangasta vääntäen ominaisuustiedoiltaan samanlaiset, joskin visuaalisesti toisistaan pikkeavat, kartat Itämerta ympäröivien valtioiden typpipäästöistä. Karttaa tehdessä en suoraansanottuna tiennyt mitä olin tekemässä, ja miksi joitakin valintoja tehtiin, ja esimerkiksi pluginien lisäämisen merkitys on minulle edelleen suuri mysteeri. En myöskään ehtinyt ajatella tekemäni kartan sisältöjä juuri lainkaan, sillä yritin kaikkeni pysyä mukana ohjeistuksessa. Myöhemmin tuotostani tutkaillessani huomasin, ettei luomastani kartasta oikein selviä, mitä tekemistä typen arvoilla on minkään kanssa. Onneksi kuitenkin Tuuli Lahin blogissaan selventää, että luvut kuvaavat eri valtioiden osuuksia Itämeren typpipäästöjen kokonaismäärästä.

Kuva 1: Itämeren rannikkovaltioiden osuudet mereen joutuvista typpipäästöistä.

Karttani on mielestäni visuaalisesti melko selkeä, lukuunottamatta Itämeren syvyyskäyriä. Niistä ei oikein saa selvää, ja kartan Itämeri näyttää huvikseen kuvioidulta. Värivalinnat niin merelle kuin syvyyskäyrille olisivat siis voineet olla paremmat.

Kaikkein heikoin osa kartassa on kuitenkin legenda. Kartasta selviää, että Puolassa typen osuus on huomattavasti suurin, ja jaetulla toisella sijalla pitkän välimatkan päässä ovat Venäjä, Ruotsi ja Liettua. Tämä ei kuitenkaan kerro mitään päästöistä, vaan pelkistä typen suhteellisista määristä jossain paikassa tai tilassa X. Kartta on siis tiedon visuaalisena esityksenä erittäin epäpätevä. Tulevaisuudessa paremmin.

 

Kiitos kaikille lahjakkaille,

-Varpu

 

Lähteet: 

Lahin, Tuuli: Ensimmäinen kurssikerta (17.1.2018) https://blogs.helsinki.fi/lahintuu/2018/01/17/ensimmainen-kurssikerta/    (Luettu 21.1.2018)