aacarita's blog

Kurssikerta 7: Itsenäinen karttatyö – USA:n presidentinvaalit 2016

Viimeisellä kurssikerralla oli viimein aika soveltaa kaikki opittu käytäntöön, kun tehtävänä oli laatia kartta itse valitusta aiheesta.

Yhdysvallat valikoitui karttojeni kohteeksi, osittain siitä syystä, että sieltä näytti löytyvän suhteellisen paljon käyttökelpoista dataa. National Weather Servicen sivuilta löytyi sopiva pohjakartta osavaltiorajoineen, Data Worldistä taas valitsin aineiston, josta sain kätevästi USA:n edellisten presidentinvaalien 2016 tulokset. Lähinnä halusin karttojen avulla selvittää, löytyykö mitään yhteistä tekijää äänestyskäyttäytymiseen eri osavaltioiden kohdalla.

Ensimmäiseen karttaan (kuva 1) hain vaalituloksen lisäksi tiedot väestön etnisestä taustasta eli sen mukaan kuinka suuri osuus osavaltion asukkaista on taustaltaan valkoisia, afroamerikkalaisia, latinoja, aasialaisia tai alkuperäiskansaa. Kuten aavistelin, ei kartalla näkyvä tulos osoita minkäänlaista yhteyttä näiden seikkojen välillä.

Yhdysvalloissa on aika ajoin käyty varsin kiivasta keskustelua aselakien kiristämisen puolesta ja vastaan. Kansalaisilla on oikeus ostaa ja omistaa ase, eikä aseita rekisteröidä. Aseidenkanto-oikeuden tulkinta myös vaihtelee osavaltiosta toiseen. Asekysymys on ollut myös voimakkaasti esillä presidentinvaalien yhteydessä ja varsinkin republikaaniehdokkaat, kuten Trump ovat kannattaneet vapaita aselakeja. Seuraavaksi tutkinkin aserikoksia Yhdysvalloissa.

Kuvassa 2. on esitetty osavaltioittain ampuma-aseiden aiheuttamat kuolemat 100 000 asukasta kohden vuonna 2016. Samaan karttaan lisäsin Yhdysvalloissa vuosina 1982-2016 tapahtuneet joukkoampumiset ja suurimmat, yli 500 000 asukkaan kaupungit. Joukkoampumisia koskevan datan käsittelyssä oli omat ongelmansa, kun yritin muuttaa ladatussa CSV-tiedostossa ollutta tekstimuotoista tietoa numeeriseksi. Lopulta ei auttanut kuin tehdä uusi sarake ja kirjoittaa numerot siihen.

Se mitä kartalta voi nähdä on, että osavaltiotasolla kuolemaan johtaneita ampumistapauksia on pääsääntöisesti vähemmän Clintonin kannatusalueilla itä- ja länsirannikon osavaltioissa, kun taas Trumpin kannatusalueilla, erityisesti etelävaltioissa niiden määrä oli suurempi. Joukkoampumiset taas näyttäisivät painottuvan läntisiin ja itäisiin osavaltioihin. Selvää yhteyttä ampumistapauksiin ja äänestyskäyttäytymiseen ei voida kuitenkaan nähdä.

Kaliforniassa on Yhdysvaltain mittapuulla tiukat aselait, siellä kuitenkin näyttäisi tapahtuneen paljon joukkosurmia. Tästä syystä lähdin sen verran aiheesta sivupolulle, että tein kartan missä näkyy San Franciscossa vuoden 2016 tammikuun aikana ampuma-aseella tehdyt rikokset (kuva 3). Käytin kartassa sekä pisteitä, että heatmapia, jolla halusin korostaa niitä kaupunginosia, jonne suurin osa rikoksista keskittyy.

Viimeiseen karttaan (kuva 4) löysin vihdoin dataa, jolla näyttäisi olevan jonkinlainen korrelaatio vaalituloksen kanssa. Kartalla on esitetty korkeakoulutettujen määrä suhteessa osavaltion asukaslukuun. Kartalla näkyy, että osavaltioissa, joissa Clintonin kannatus on ollut Trumpin kannatusta suurempi, on korkeakoulutettujen määrä myös suurempi.

Kurssikerran ehdottomasti haastavimmaksi ja aikaa vievimmäksi osuudeksi osoittautui sopivan aineiston löytäminen. Lähteitä oli lukemattomia ja niitä läpikäydessä hankalinta oli löytää muuttujista samalta vuodelta olevaa tietoa, sekä aiheen ja aineiston rajaaminen. Karttoja tulostaessa Alaskan ja Havaijin kohdalla joutui vähän kikkailemaan. Päädyin tuomaan Alaskan ja Havaijin samalle layoutille Yhdysvaltojen muun osan kanssa, mutta erillisinä osina. Jos olisin tulostanut ne yhdessä suoraan samalle layoutille olisi Alaskan muoto vääristynyt varsin paljon ja Havaiji olisi ollut vain pieni piste kaukana jossain. Ratkaisu toimi mielestäni varsin hyvin ja lisäsin näin ollen molemmille myös omat mittakaavat.

Muiden kurssilaisten karttoja katsellessa oli kiva huomata, miten paljon eri lailla toteutettuja ja mitä moninaisemmista eri aiheista karttoja oli tuotettu. Tiia Laisin karttasarja kaupungistumisesta ja väestönkasvusta on todella havainnollinen ja hyvin toteutettu (Laisi 2020), ja Miina Suutari oli pystynyt hyödyntämään opittua tietoa ja saanut tuotettua kartat graduunsa (Suutari 2020).

Tämä viimeinen kurssikerta osoitti, että olen oppinut paljon näiden seitsemän viikon aikana ja pystyn itsenäisesti tuottamaan karttoja QGIS ohjelmalla. Paljon on vielä opittavaa, mutta tästä on hyvä jatkaa.

Lähteet

ArcGIS Hub, USA Major Cities, data haettu 24.2.2020
https://hub.arcgis.com/datasets/esri::usa-major-cities

CDC, Centers for Disease Control and Prevention, Firearm Mortality by State, data haettu 24.2.2020
https://www.cdc.gov/nchs/pressroom/sosmap/firearm_mortality/firearm.htm

Data.World, 2016 Elections data, data haettu 24.2.2020
https://data.world/login?next=%2Fvcjaladi%2F2016-elections-data%2Fworkspace

Data.World, San Francisco PD Crimes 2016, data haettu 24.2.2020,
https://data.world/fomby/san-francisco-pd-crimes-2016/workspace/file?filename=sfpd_2016.csv

Data.World, US Mass Shootings, data haettu 24.2.2020,
https://data.world/search?context=community&q=mass+shooting&type=all

Laisi, T. (2020). Kurssikerta 7. Blogiteksti.  Luettu 27.2.2020 https://blogs.helsinki.fi/tlaisi/

National Weather Service, U.S. States and Territories, data haettu 24.2.2020 https://www.weather.gov/gis/USStates

Suutari, M. (2020). Kurssikerta 7. Blogiteksti. Luettu 27.2.2020 https://blogs.helsinki.fi/smiina/

Kurssikerta 6: Karttoja opetustarkoitukseen  

Toiseksi viimeisen kurssikerran alkuverryttelynä toimi Epicollect-sovelluksen avulla kerätyn datan hakeminen kartalle ja saadun aineiston interpolointi. Tehtävä oli mielenkiintoinen ja konkreettinen esimerkki siitä, miten voi itse tuottaa pistemuotoista aineistoa ja saada siitä lopputulokseksi visuaalinen ja selkeä esitys. Vastaavanlainen tehtävä toimisi hyvin kouluopetuksessa, jossa oppilaat keräisivät dataa, vaikka koulumatkan turvallisuudesta.

Varsinainen blogitehtävänä liittyi myös koulumaailmaan. Aiheena oli hasardien havainnollistaminen kartalla opetustarkoitukseen. Valitsin tarkastelun kohteeksi maanjäristykset, joiden lisäksi hain karttaan vielä selvyyden vuoksi netistä helposti löytyneet litosfäärilaattojen rajat, niiden ollessa oleellinen tekijä tarkasteltaessa maanjäristysten esiintymistä.

Ensimmäiseen karttaan (kuva 1) otin mukaan magnitudiltaan 6 ja kaikki sitä voimakkaammat järistykset aina vuodesta 1980 vuoteen 2013. Kuten kartalta voi nähdä, mitä suuremmasta järistyksestä on kyse, sitä harvemmassa niitä esiintyy.  Samoin on havaittavissa, että maanjäristyksiä tapahtuu eniten litosfäärilaattojen sauma-alueilla.

Kuvassa 2 on tarkempi esitys Japania sivuavan laatan kohdalta. Siinä näkee miten orjallisesti järistykset tällä kohdin mukailevat laatan saumakohtia. Pieniä huomaamattomia maanjäristyksiä sattuu jatkuvasti myös muualla. Esimerkiksi Suomessa tavataan vuosittain heikkoja järistyksiä, joista valtaosa jäisi huomaamatta, ellei Seismologian instituutin tarkat seismografit niitä rekisteröisi.

Kolmannessa kartassa (kuva 3) halusin tuoda ilmi maanjäristysten aiheuttamat tuhot, niin henkilövahingot kuin taloudelliset tappiot. Valitsin mukaan vain 1900-luvun alusta lähtien sattuneet magnitudiltaan yli 9 olevat järistykset. Opetustilanteessa voisi kartan avulla esittää miten nämä hyvin voimakkaat maanjäristykset aiheuttavat tiheästi asutulle alueelle osuessaan mittavia henkilö- ja aineellisia vahinkoja. Vahinkojen suuruuteen voidaan vaikuttaa huomioimalla maanjäristysten todennäköisuus rakennussuunnittelussa ja suunnittelemalla pelastustoimenpiteet etukäteen ja varaamalla niiden toteuttamiseen riittävät resurssit. Näihin toimenpiteisiin on taloudellisesti vahvoilla mailla paremmat edellytykset. Tämä selittää osaltaan sen, että kartalla (kuva 3) esitetyn vuoden 2011 Japanin maanjäristyksen aiheuttamat henkilövahingot eivät kasvaneet vieläkin suuremmiksi. Nykyään henkilövahinkoja syntyy maanjäristyksissä huomattavasti aiempaa vähemmän ja henkilövahingot ovatkin usein seurausta esimerkiksi järistyksen synnyttäneistä tsunameista, kuten Indonesiassa vuonna 2004, ei niinkään järistyksen suorista vaikutuksista, jotka on esitetty tässä kartassa.

Our World in Data -sivustolta löytyi kartta tuhoisimmista järistyksistä kuolonuhrien määrällä mitattuna. Olisi ollut mielenkiintoista löytää myös vastaava karttamuotoinen esitys, johon olisi merkitty suurimmat taloudelliset tappiot aiheuttaneet järistykset, mutta niistä löysin vain taulukkomuotoista tietoa.

Tämä kerran kurssikerta oli ehdottomasti mielenkiintoisin ja antoisin. Jollei aika olisi rajallista, olisi löytyneistä aineistoista saanut tehtyä hyvinkin havainnollisia ja erilaisia opetustarkoitukseen soveltuvia karttoja. Pihla Haapalo oli onnistunut esittämään kartallaan myös tsunamien yhteyden maanjäristyksiin ja Otso Laakkonen kuvasi järistysten ja tulivuorten yhteyttä (Haapalo, 2020; Laakkonen, 2020). Tehtävät sujuivat kaiken kaikkiaan yllättävän vaivattomasti. Voiko siis olettaa, että jotain oppia on tarttunut aiemmilta kerroilta mukaan. Ainoan varsinaisen ongelman aiheutti mittajanan saaminen maailmankarttaa kuvaaviin esityksiin. Samaan ongelmaan oli törmännyt myös Flaminia Puranen (Puranen, 2020). Aikani pähkäiltyä ongelman kanssa jouduin luovuttamaan ja mittajanat jäivät näin ollen tällä kertaa puuttumaan.

Lähteet

Our World in Data. Luettu 20.2.2020 https://ourworldindata.org/uploads/2018/10/Deadliest-earthquakes.png

Haapalo, P. (2020). Kurssikerta 6. Blogiteksti.  Luettu 20.2.2020 https://blogs.helsinki.fi/haapalop/

Laakkonen, O. (2020). Kurssikerta 6. Blogiteksti.  Luettu 20.2.2020 https://blogs.helsinki.fi/laxotso/

Puranen, F. (2020). Kurssikerta 6. Blogiteksti.  Luettu 20.2.2020 https://blogs.helsinki.fi/flamina/

Kurssikerta 5: Buffereita ja itsenäistehtäviä

Kurssiviikon aiheina oli bufferit ja lukuisa määrä itsenäistehtäviä, joissa pääsi testaamaan edellisillä kerroilla opittuja taitoja. Itse buffereiden eli puskurivyöhykkeiden teko oli varsin yksinkertaista, mutta niiden sovellettavuus hyvinkin erilaisten ilmiöiden tarkastelussa ja vaikutusalueita tutkittaessa on laaja. Tällä kertaa tutkimme mm. meluvyöhykkeitä ja asemien saavutettavuutta, mutta yhtä hyvin buffereilla voisi määrittää maanjäristysaaltojen tai uuden rakennettavan kauppakeskuksen vaikutusalueita.

Aiemmin tehtäviin on annettu hyvät ohjeet, mutta tällä kertaa tuli selviytyä vain muutaman vinkin avulla. Ensimmäinen itsenäistehtävä liittyi lentokenttiin sekä juna- ja metroasemiin. Tehtävät sujuivat välillä yrityksen ja erehdyksen kautta, mutta kuitenkin ilman suurempia hankaluuksia, kiitos annetun ”luuranko-ohjeen”. Tehtävän vastaukset on kerätty taulukkoon 1.

Taulukko 1. Vastaukset itsenäistehtävään 1.

Seuraava taajamiin liittyvä tehtävä alkoi hyvin, kunnes pääsin viimeiseen kohtaan, jossa kysyttiin ulkomaalaisten osuutta. Pohdin, tein, tein uudestaan ja uudestaan ja lopulta päätin luovuttaa. En kerta kaikkiaan saanut mitään järkevää tulosta. Päätin kuitenkin lukea muutaman blogin ja katsoa, miten muut olivat suoriutuneet tehtävästä. Annika Luoma kertoo blogissaan, miten hän käytti ”intersection” -toimintoa tehtävää tehdessään (Luoma, 2020). Päätin yrittää vielä kerran. Tunnin alussa käytettiin ”intersection” -toimintoa peltojenrajaustehtävässä. Käytin siis ”pelto” -tehtävää apuna tätä tehtävää suorittaessani. Rajasin ensin alueen käyttämällä ”Add polygon feature”, jonka jälkeen toimin samoin kuin peltoja laskiessa ja onnistuin vihdoin saamaan tuloksen. Jos en olisi lukenut Annika Luoman blogia, olisin varmasti luovuttanut tehtävän suhteen. Riitti, että sain edes pienen vinkin ja jonkinlaista varmuutta, että suunta miten lähdin tehtävää suorittamaan, oli oikea. Tehtävän tulokset taulukossa 2.

Taulukko 2.  Vastaukset itsenäistehtävään 2.

Viimeiseksi tehtäväksi valitsin uima-altaat ja saunat. Jälleen tehtävä alkoi helposti, mutta kartan tekeminen tuntui lähes ylipääsemättömän vaikealta. Vaikka yritin eri lähestymistapoja karttaa tehdessä, törmäsin jatkuvasti virheviestiin ”Feature (157) has invalid geometry”. Myös Tomi Kiviluoma kirjoittaa blogissaan samaisesta ongelmasta (Kiviluoma, 2020). Yritin edelleen epätoivoisesti kiertää ongelman, mutta lopulta ratkaisin sen käyttämällä Processin toolboxin ”jakoavainta” ja valitsin ”ignore features with invalid geometries”. Kone herjasi edelleen virheestä, mutta suoritti toiminnon kuitenkin loppuun asti. Saatuani tehtävän tehtyä ja luonnoksen blogitekstistä kirjoitettua tuli WhatsApp -ryhmään viesti, missä kerrottiin miten ongelman saa ratkaistua. En tiedä ajoiko oma ratkaisuni saman asian, mutta ainakin pääsin tehtävässä eteenpäin. Vastaukset on esitetty taulukossa 3 ja uima-altaiden lukumäärää kuvaava kartta kuvassa 1.

Taulukko 3. Vastaukset itsenäistehtävään 4.

Kartassa tuli esittää uima-altaiden määrä sekä numeroin, että pylväin. Mielestäni pylväät eivät kuitenkaan sovellu tähän karttaesitykseen ja tekevät sen vain epäselväksi ilman mitään lisäinformaatiota.  Tomi Kiviluoma oli ratkaissut ongelman luomalla pylväiden taustalle koropleettikartan ottaen mukaan vain ne alueet, joissa altaita oli yli 10 kappaletta (Kiviluoma, 2020). Mielestäni ratkaisu on onnistunut ja huomattavasti visuaalisempi kuin oma sekamelskani, josta on vaikea hahmottaa oleellinen.

Tämän kerran tehtävät osoittautuivat todella haasteellisiksi. Aikaa sai kulumaan tunti tunnin jälkeen ja tehtävät pyörivät päässä myös yöllä. Siinä mielessä on voittajafiilis, että sain tehtävät tehtyä, vaikka en tiedäkään ovatko kaikki vastaukset oikein. Haasteellista on erilaiset tietokantojen yhdistämiset ja aineistojen karsimiset. Monta kertaa tehtäviä tehdessä joudun tekemään ne useaan kertaan kokeillen eri vaihtoehtoja ja silti lopputulosta ihmetellessä joutuu pohtimaan, onko tulos järkevä – voiko se olla oikein. Ongelmia aiheuttaa myös tietokantojen ”virheet”, joita tulisi oppia käsittelemään. Moni asia on kuitenkin matkan varrella tullut tutuksi. Uudet sarakkeet ja laskutoimitukset attribuuttitaulukossa sekä layereiden tallentamiset ja monet pienet seikat, joilla on kuitenkin vaikutusta lopputulokseen. Innolla odotan hetkeä, kun QGIS tuntuu ”omalta”, kokonaisuuden pystyy hahmottamaan ja työkalujen käyttö sujuu ongelmitta.

Lähteet

Luoma, A. (2020). Kurssikerta 5. Blogiteksti.  Luettu 13.2.2020 https://blogs.helsinki.fi/luomanni/

Kiviluoma, T. (2020). Kurssikerta 5. Blogiteksti.  Luettu 13.2.2020 https://blogs.helsinki.fi/tomingeoblogi/

Kurssikerta 4: Ruutuja ja rastereita

Palasimme jälkeen takaisin Suomen kartalle ja tällä kertaa rasteri- ja pisteaineistojen pariin. Loimme ruutukarttoja käyttäen lähdeaineistona massiivista pääkaupunkiseudun väestötietokantaa.

Tehtävä sujui ilman suurempia ongelmia, vaikka kannettavalla isojen aineistojen pyörittäminen tuntui kestävän jonkin verran kauemmin, kun koulun koneilla. Mutta vaikka koneeni oli hiukan hidas, niin luulin kuitenkin säästyväni ongelmilta, joita monet kanssaopiskelijat tuntuivat kohtaavan väärien projektioiden kanssa. Muun muassa Emma Ward kertoo blogissaan, miten hänen ruudukkonsa itsenäistyi ja löytyi lopulta 3000 km päästä Venäjältä (Ward, 2020).

Tein koulussa kartan, jossa tarkastelin asukkaiden lukumäärää. Käytin kartassa 1 km² suuruista ruudukkoa. Kotona karttaa tutkiessani huomasin siinä kuitenkin jotain outoa ja tarkempi tarkastelu osoitti, että vaikka olin valinnut ruudun kooksi 1 km² oli ruutu todellisuudessa vajaa 500 m!

Virhe oli mitä todennäköisimmin projektiossa. Tehtävää aloittaessa oli projektio Pseudo Mercator, mutta aineisto oli ETRS /TM35FIN. Yritin lennosta muuttaa projektiota, mutta väärän kokoinen ruudukko kummitteli taustalla, vaikka kuinka yritin päästä siitä eroon. Lopulta koko tehtävä oli niin sekaisin, että oli helpointa aloittaa alusta. Vaihdoin projektion heti alussa samaksi kuin annetussa aineistossa ja nyt sain kartan tehtyä. Kartta (kuva 1) kuvaa sitä, milloin tilastoruudun vanhin rakennus on rakennettu.

Siinä voi erottaa, miten ennen Sipooseen kuulunut, nykyään osa Helsinkiä oleva Östersundomin alueen rakennuskanta on hyvin nuorta ja toisaalta sen, että vanhimmat rakennukset löytyvät Suomenlinnasta ja Helsingin ydinkeskustan eteläosista. Espoo erottu muista seudun kunnista siinä, että siellä rakennuskanta näyttäisi olevan valta osin rakennettu vasta vuoden 1912 jälkeen.

Olisin halunnut käyttää rakennusten ikää kuvaavana muuttujana rakennusten iän keskiarvoa tilastoruuduissa, mutta se ei onnistunut, koska hyvin monelle alueelle ei ollut tietoa uusimpien rakennusten rakennusvuodesta, jolloin keskiarvoa ei olisi voinut laskea muokkaamatta ensin aineistoa. Myös Venla Moisio oli valinnut aineiston sen mukaan, että ”kaikissa sarakkeissa oli ilmoitettu jokin järkevä ja todennäköisesti paikkansapitävä tieto” (Moisio, 2020).

Tein samaa ainestoa käyttäen myös toisen kartan (kuva 2), jossa käytin nyt ruutukokona 2 km², lopputulokseen se ei mielestäni juurikaan vaikuttanut.  Sen sijaan olen samaa mieltä Jonna Kääriäisen kanssa siitä, että tämän kertaiset kartat olisivat olleet selkeämpiä, jos niihin olisi lisännyt paikkojen nimiä ja suurimmat liikenneväylät (Kääriäinen, 2020). Jos pääkaupunkiseutua ei entuudestaan tuntisi, on eri alueita ko. kartasta vaikea hahmottaa pelkkien kuntarajojen ja vesistöjen avulla.

Tämän lisäksi Jonna Kääriäinen on hyvin nostanut esiin koropleettikartan ja ruutukartan eroja sen suhteen, miten ruutukartta soveltuu koropleettikarttaa paremmin absoluuttisten arvojen esittämiseen, sekä alueellisten ilmiöiden leviämisen tarkasteluun, ruutukartan ollessa riippumaton hallinnollisista aluerajoista (Kääriäinen, 2020).

Lähteet

Ward, E. (2020). Kurssikerta 4. Blogiteksti.  Luettu 7.2.2020 https://blogs.helsinki.fi/emmaward/

Moisio, V. (2020). Kurssikerta 4. Blogiteksti. Luettu 7.2.2020 https://blogs.helsinki.fi/moivenla/

Kääriäinen, J. (2020) Kurssikerta 4. Blogiteksti. Luettu 7.2.2020 https://blogs.helsinki.fi/kaarijon/

Kurssikerta 3: Timantteja ja tulvia

Kolmas kurssikerta käsitti olemassa olevan datan muokkaamista käyttökelpoisempaan muotoon sekä aineistojen hakua ja yhdistelyä eri lähteistä jo olemassa oleviin tietokantoihin.

Kuten Miklas Kuoppalakin blogissaan toteaa, oli mukava testata taitojamme välillä muillakin kuin vain Suomen kartoilla (Kuoppala, 2020). Lähdimme siis liikkeelle Afrikan valtiot sisältävällä aineistolla. Alkuperäistä, hyvin paljon eri tietoja sisältävää tietokantaa muokattiin yhdistelemällä samaa valtiota koskevia tietueita, jolloin tietokannasta saatiin käyttökelpoisempi, kun kutakin valtiota koskevat tiedot saatiin yhdelle riville. Seuraavaksi yhdistettiin tietokantaan Excel-aineistoja, jotka tuli ensin muuttaa .cvs -muotoon, jotta QGIS pystyisin niitä lukemaan. Liitettäessä aineistoja yhteen on oleellista, että niillä on jokin yhteinen nimittäjä, jonka perusteella yhdistäminen tapahtuu. Tämän jälkeen yhdistettiin käsiteltävään tietokantaan vielä tiedot alueen öljykentistä, timanttikaivoksista ja konflikteista.

Valitettavasti väsymys alkoi painaa kesken kaiken klikkailun, olinhan jo useamman tunnin pyörittänyt maantieteen menetelmät kurssin karttaa Corelissa. Seurasin tunnilla sen verran, että sain kartan tehtyä, mutta tiesinkö todella mitä olin tekemässä? Tärkeää kun ei ole vain mekaaninen suoritus, vaan oleellista on ymmärtää mitä on tekemässä ja tarkastella lopputulosta sillä silmällä onko tulos mahdollinen.

Tämän vuoksi perehdyin projektiin kotona uudestaan. Onneksi oli hyvät ohjeet, joiden avulla onnistuin, ja sain kuin sainkin tuotettua erilaisia karttatulkintoja ilmiöistä Afrikassa. Inspiroivaa oli huomata, että tehtävä ei ollutkaan niin hankala ja tietyt toiminnot sujuivat jo rutiinilla. Testailin eri variaatioita; löytyisikö aineistoja yhdistämällä jonkinlainen korrelaatio eri ilmiöiden välillä ja kokeilin jopa eri diagrammien soveltuvuutta ilmiöiden havainnollistamiseksi. Julkaisemani kartta (kuva 1) on kuitenkin hyvin pelkistetty kokeilu näistä kaikista. Siihen otin mukaan vain internetin käyttöasteen sekä timanttikaivosten sijainnit. Huomasin, että Laura Hynynen oli laatinut hyvin samannäköisen kartan, mutta yhdistänyt karttaan vielä enemmän informaatiota (Hynynen, 2020). Tästä huolimatta Lauran kartta on pysynyt visuaalisesti tasapainoisena.

Tomi Kiviluoma (Kiviluoma, 2020) kirjoittaa blogissaan ”Prosessit ovat kompleksisia ja harvoin on mahdollista selittää kahden yksittäisen muuttujan käyttäytymistä yksinkertaisella syy-seuraussuhteella.” Tähän on helppo yhtyä. Käsitellyissä tietokannoissa oli paljon erilaisia tietoja ja niiden perusteella voisi pohtia esimerkiksi vaikuttaako timanttikaivosten sijainti valtioiden rajalla niin, että konfliktit ovat maiden välisiä ja laaja-alaisia, vai ovatko ne enemmän valtioiden sisäisiä ja paikallisia, tai painottuvatko konfliktit johonkin tiettyyn ajanjaksoon historian saatossa. Vastaavasti voisi selvitellä onko timanttikaivosten ja öljylähteiden mukanaan tuoma vauraus vähentänyt vai lisännyt konfliktien määrää tai onko näillä mahdollisilla muutoksilla ajallista ulottuvuutta, eli miten konfliktien määrä muuttuu ajan kuluessa kaivoksen tai öljylähteen avaamisen jälkeen.

Toinen tehtävä liittyi valuma-alueiden tulvimisalttiuteen ja järvisyyteen (Kuva 2). Sain kartan tehtyä, mutta legendassa olevaa järvisyysprosenttia kuvaavaa symbolia en saanut millään muokattua QGIS ohjelmassa, joten sen jouduin viimeistelemään Corelissa. Visuaalisesti myöskään lopputulos ei ole paras mahdollinen. Ainakin järvisyyttä kuvaavia pylväitä olisi voinut korkostaa enemmän, nyt ne ovat turhan vaatimattomia. Kartasta voi kuitenkin havaita, että mitä korkeampi järvisyysprosentti, sitä pienempi on tulvaindeksi järvien tasatessa virtaamaa. Pohjanmaalla järviä on vähän ja lumien sulaessa tulvapiikki on korkea.

Lähteet:

Kuoppala, M. (2020). Kurssikerta 3. Blogiteksti. Luettu 1.2.2020 https://blogs.helsinki.fi/kmiklas/

Hynynen, L. (2020). Kurssikerta 3. Blogiteksti. Luettu 1.2.2020 https://blogs.helsinki.fi/lauravel/

Kiviluoma, T. (2020). Kurssikerta 3. Blogiteksti. 1.2.2020 https://blogs.helsinki.fi/tomingeoblogi/

Kurssikerta 2: Projektiovalintoja ja tietokantoja

Tällä kertaa oli vuorossa tutustumista projektiovalinnan merkitykseen ja siihen, miten valittu projektio vaikuttaa kartan mittoihin. Opimme myös, miten eri tietokantoja voidaan hakea ja käyttää QGISissä. Kuten Flaminia Puranenkin (Puranen, 2020) blogissaan totesi ”ilmaista ja kaikille saatavilla olevaa dataa on verkossa mieletön määrä, kunhan vain osaa hakea oikeista paikoista.”

Harjoittelimme perusasioita, kuten miten rajata tietokannoissa esiintyvää tietoa helppojen kyselylausekkeiden avulla. Yksinkertaisten kyselylausekkeiden teko ei tuntunut lainkaan vaikealta, mutta ainakin näin aluksi helpotti, kun joku opasti mistä löytyy työkalut lausekkeiden rakentamiseen ja miten jokaisen nappulan takaa avautuvaa toimintoa voi käyttää.

Varsinaisessa harjoituksessa päästiin havainnollistammaan pinta-alavääristymiä kahden eri projektion avulla. Suomessa on yleisesti käytössä ETRS-TM35FIN projektio, johon vertasin Mercator Sphere -projektiota. Lopputulos näyttää kuinka paljon suurempi on Suomen kuntien pinta-ala Mercatorin projektiossa verrattuna ETRS-TM35:een. Tarkasteltaessa Mercatorin projektioon laatimaani karttaa (kuva1) nähdään, miten Suomen muoto on vääristynyt. Pohjoisosa näyttää suhteettoman suurelta Etelä-Suomeen verrattuna. Samoin voi huomata, että Lapissa pinta-alat ovat kasvaneet noin 7-kertaisiksi, etelässäkin kolminkertaiseksi.

Tein koulussa vielä toisen vertailun ETRS-TM35 ja Winkel-Tripelin välillä, joka jäi kesken. Kotona ajattelin tehdä kartan uudelleen ja paremmin, sillä kertaushan on opintojen äiti, mutta nyt kotona tehty kartta näytti aivan erilaiselta, enkä tiedä mitä tein väärin. Janina Vikman mainitsee kohdanneensa samantyyppisen ongelman tehdessään kotona karttaa uudelleen. Harmillisesti olin myös ehtinyt tuhota koululla aloittamani työn, joten ei ollut enää mihin verrata.

Päätin vaihtaa tehtävää ja käyttää Moodlessa annettua dataa Natura-alueiden pinta-aloista ja harjoitella tietokantaliitoksen tekoa. Tehtävä oli mielestäni helpompi kuin sählääminen eri projektioiden kanssa ja sain kuin sainkin luotua kartan (kuva 2), mistä selviää Natura-alueiden pinta-ala suhteessa kunnan pinta-alaan. Huomasin, että sekä Tomi Kiviluoma että Heini Mäkelä olivat laatineet karttoja käyttäen tätä samaa aineistoa ja saaneet tuotettua samannäköisen kartan (Kiviluoma, 2020; Mäkelä, 2020).

Huolimatta siitä, että ihan kaikki ei enää kotona onnistunut, huomasin miten tärkeää, on tietää minkä projektion kulloinkin valitsee. Toisaalta on myös oltava kriittinen muiden laatimia karttoja tarkasteltaessa. Projektio on aina tietynlainen kompromissi, sillä kolmiulotteisen maapallon esittäminen kaksiulotteisena ei koskaan täysin onnistu. Projektiota valitessa tulee huomioida halutaanko pinta-alojen, etäisyyksien vai kulmien olevan oikein vai valitaanko projektio, jossa on tehty kompromisseja näiden kaikkien osa-alueiden suhteen, kuten on tehty Robinsonin projektiossa, jota käytetään usein koko maapallon kuvaamiseen. Oikeakulmaista Mercatorin projektiota käytetään lähinnä merenkulussa, johon se soveltuukin erinomaisesti, mutta tilanteissa, joissa on kyseessä pinta-alariippuvainen tieto, kuten esimerkiksi väestöntiheys, on se silloin väärä valinta.

Lähteet

Puranen, F. (2020). Kurssikerta 2. Blogiteksti. Luettu 25.1.2020 https://blogs.helsinki.fi/flaminia/
Vikman, J. (2020). Kurssikerta 2. Blogiteksti. Luettu 25.1.2020 https://blogs.helsinki.fi/jagvikma/
Mäkelä, H. (2020). Kurssikerta 2. Blogiteksti. Luettu 26.1.2020 https://blogs.helsinki.fi/mcheini/
Kiviluoma, T. (2020). Kurssikerta 2. Blogiteksti. Luettu 26.1.2020 https://blogs.helsinki.fi/tomingeoblogi/

Kurssikerta 1: Ensikosketus QGIS-ohjelmaan

Ensimmäinen oppituntitunti QGIS-ohjelmiston parissa on nyt takana. Ohjelmasta tiesin entuudestaan vain, että se on avoimen lähdekoodin paikkatietojärjestelmäsovellus, jolla voi eri dataa yhdistelemällä ja muokkaamalla tuottaa mm. itsetehtyjä karttoja, muuten ohjelma oli minulle täysin vieras.

Ensimmäinen tunnilla tehtävä harjoitus koski Itämeren typpipäästöjä. Aluksi tutustuimme ohjelman perustoimintoihin, muokkasimme attribuuttitaulukkoa ja opimme visualisoimaan laadittavaa karttaa. Seurasin opetusta kohta kohdalta, vaikka välillä olisi tehnyt mieli ryhtyä kokeilemaan eri toimintoja enemmänkin, ja eri väleissä säätämään tulevan kartan ulkonäköä. Eniten mietitytti mahdanko muistaa kaikki tunnilla käytetyt toiminnot siinä vaiheessa, kun lähden itsenäisesti työskentelemään uuden tehtävän parissa. Yksi yllättävimmistä piirteistä näinkin monipuolisessa ohjelmassa oli perinteisen undo toiminnon puuttuminen. Monta kertaa tehtävän edetessä, ja varmasti vielä jatkossakin, tulen kaipaamaan tuota niin usein erehdyksiltä ja vääriltä valinnoilta pelastavaa näppäintä.

Tunnin päätteeksi olin saanut luotua kuvassa 1 esitetyn kartan Itämeren typpipäästöistä. Koska olin ladannut QGIS-ohjelman myös omalle koneelle, onnistuin vielä kotona lisäämään karttaan valtioiden nimet sekä legendan otsikon, mitkä olivat jääneet koulussa tekemättä. Lopputulokseen olen tyytyväinen, onhan se kuitenkin vasta ensimmäinen QGIS:llä tuottamani kartta. Värejä voisi tietysti aina loputtomiin säätää paremmaksi, mutta tällä kertaa hyvä näin.

Kartasta pistää heti silmään Puola suurimpana typpipäästöjen aiheuttajana. Mutta mikä tähän on syynä? Kuten Tiia Laisikin blogissaan hyvin totesi, kartat kuvastavat tiettyä ilmiötä, mutta eivät kerro siitä sen enempää (Laisi, 2020). Oletettavasti syynä Puolan typpipäästöihin on maan maatalousvaltaisuus ja erityisesti tehomaatalous. Kun pelloille levitetään ravinteita, valuu niistä osa sadeveden mukana järviin ja jokiin ja lopulta mereen.

Tunnin lopuksi laadin vielä kartan mikä kuvastaa ruotsinkielisten osuutta Suomen kunnissa. Kun kotona yritin avata tuota laatimaani karttaa, antoi kone kuvassa 2 näkyvän “virheilmoituksen”.

Päätin siis aloittaa alusta, mutta tällä kertaa valitsin naisten ja miesten prosentuaaliset osuudet Suomen kunnissa. Tehtävään käytin valmiiksi saatua Tilastokeskukselta ladattua vuoden 2015 dataa. Aineiston ollessa valmiiksi suhteellista pystyin oikaisemaan, eikä tarvinnut erikseen suorittaa laskutoimituksia. Kuten Paavo Kettunenkin toteaa, on suhteellinen esitystapa absoluuttisia lukuja informatiivisempi (Kettunen, 2020).

Tästä huolimatta jouduin turvautumaan ohjeisiin saadakseni kartat aikaiseksi. Lopuksi yhdistin samaan layout:iin sekä kartan naisten, että miesten suhteellista osuuksista ja kun karttoja voi verrata keskenään kuvaa lopputulos mielestäni hyvin eri sukupuolten jakautumista Suomessa kuten kuvasta 3 näkyy.

Vaikka miesten ja naisten osuuden olisikin nähnyt yhdestä kartasta, niin halusin tehdä molemmat erikseen, jolloin erot korostuvat. Samalla sain harjoiteltua kahden kartan yhdistämistä samaan tulosteeseen.

Lähteet
Laisi, T. (2020). Kurssikerta 1. Blogiteksti. Luettu 18.1.2020 http://blogs.helsinki.fi/tlaisi/
Kettunen, P. (2020). Kurssikerta 1. Blogiteksti. Luettu 18.1.2020 https://blogs.helsinki.fi/paavoket/

 

Welcome to Blogipalvelut. This is your first post. Edit or delete it, then start blogging!