Tekijä: Anni Lindegren

Luento 28.2.2023

Viimeinen geoinformatiikan menetelmien luentokerta, onpa periodi mennyt taas nopeasti!

Tämän päivän luennolla saimme laittaa kaikki tietomme ja taitomme peliin, sillä saimme tehdä kartan itsevalitsemastamme aineistoista. Muutamien hankaluuksien kautta sain aikaan kartan, joka esittää Suomen kuntien palvelualoilla työskentelevien prosenttiosuutta kaikista työllisistä (kuva 2). Luennon lopuksi tein vielä kartan, jossa näkyy väestön työllisyys ylipäätänsä (kuva 1).

Kuva 1. Työllisyysprosentti vuonna 2021 (lähde: Tilastokeskus)

Kuva 2. Palvelualalla työskentelevien osuus työllisistä kunnittain (lähde: Tilastokeskus)

Luennon lopuksi tulin epävarmaksi, että olinko ymmärtänyt tehtävänannon oikein. Olin tehnyt alunperin vain yhden kartan (kuva 2). Tein kuitenkin vertailun vuoksi vielä toisen kartan, jossa näkyy koko Suomen työllisyys (kuva 1). Tein kartat samalla värillä, jotta niitä voisi helpommin vertailla; joissakin paikoissa työllisyys on vähäisempää, mutta palvelualan työpaikkoja on suhteessa enemmän kuin muualla. Tajusin kuitenkin vasta kotona, että ylläolevat kartat eivät välttämättä vastaakaan tehtävänantoa, koska muuttujat on esitetty eri kartoissa. Palasin siis seuraavana päivänä yliopistolle, ja tein uuden kartan, jossa on molemmat muuttujat (kuva 3).

Kuva 3. Työllisyys väestössä sekä palvelualoilla työskentelevien prosenttimäärä työllisistä kunnittain vuonna 2021 (lähde: Tilastokeskus)

Ylipäätänsä olin perehtynyt mahdollisiin aineistoihin Tilastokeskuksen sivuilta jo ennen luentoa, mutta loppupeleissä päädyin kuitenkin soveltamaan suunnitelmaani; olisin halunnu perehtyä pelkästään Ahvenanmaan kuntiin, mutten löytänyt sopivaa karttapohjaa kotona tai luennolla. Koko Suomen alue pääsi siis käyttöön. Lisäksi minulla kesti hetken keksiä, miten aineisto tulee syöttää ohjelmistoon, mutta ohjeiden avulla selvisin tästäkin hankaluudesta melko nopeasti.

Hyödynsin tehtävässä aiempien viikkojen ohjeistuksia, mutta voisin melkein sanoa, että joidenkin toimintojen toteuttaminen oli melko hyvin hallussa. Tiesin esimerkiksi, mistä erilaisia toimintoja, kuten aineistojen yhteensovittavia Join-toimintoja, etsitään, ja miten saan näin ollen hyödynnettyä Tilastokeskuksen aineistoa karttapohjassa. Lisäksi muistin suhteuttaa kaikki käyttämäni luvut, minkä tärkeyden olen kurssin aikana taas huomannut.

Tekemäni kartat ovat mielestäni suhteellisen hyviä, vaikka ylimmät kartat eivät suoranaisesti vastaa oikeaan tehtävänantoon; toisaalta erot palvelualojen työllisissä sekä töissäkäyvillä ylipäätänsä erottuvat ehkä paremmin erikseen. Olisin ehkä itse etsinyt vielä paremman kuntarajoja esittävän kartan, koska nyt Ahvenanmaan alue näyttää hieman kummalliselta yhdistyessään mantereeseen; toisaalta kuntarajat erottuvat ainakin selkeästi toisistaan, vaikkeivat alueet eroittuisikaan yhtä selkeästi toisistaan. Lisäksi histogrammit eivät välttämättä näytä arvoja tarpeeksi selkeästi, mutta parempaankaan en pystynyt. Histogrammien alla olevat alueet erottuvat kuitenkin hyvin pylväiden takaa, joten eivät kartan päällä olevat merkit kokonaan ”tuki” karttapohjaa. Tuloksia pystyy siis myös lukemaan kartalta; palvelualoilla näyttäisi työskentelevän paljon ihmisiä alueilla, joissa myös työllisiä on paljon. Pylväät ovat kuitenkin suhteellisen korkeita myös joillakin alueilla, joilla työllisyysprosentti on matalampi. Oli hauskaa myös kurkata, mistä aiheista muut ovat keksineet tehdä karttoja. Esimerkiksi Miia Vuolle (2023) teki kartan liito-oravista, karhuista ja luonnonsuojelualueista Suomessa blogipäivitykseensä ”Kurssikerta 7 – Laskukaavoja Excelissä”. Hyvin keksitty aihe ja taidokkaan näköinen lopputulos!

Harjoituksen ideana oli luultavasti testata kokonaisuuden hallintaa ja erilaisten komentojen ymmärtämistä, ja taisin lopulta noudattaakin tehtävänantoa. Olen oikeastaan melko ylpeä itsestäni, että sain tuotoksen aikaiseksi; ei ihan kivuttomasti, mutta tarpeeksi hyvin. Lisäksi olen iloinen, että käsitin tekemäni virheen, ja sain korjattua kartan oikeannäköiseksi. En ehkä olisi kurssin alussa uskonut, että saisin tällaisia karttoja itse aikaiseksi, mutta aina voi yllättää itsensä. Ohjeita tarpeen tullen lukemalla ja välillä niitä ulkomuistista osaamalla sain tehtyä oikein kivannäköiset lopputuotokset. Ensi kerralla hieman lisää keskittymistä, niin menee ensimmäisellä kerralla oikein!

Toivon, että tämän kurssin antimien avulla saan esimerkiksi parannettua työllisyysnäkymiäni tulevaisuudessa; ohjelmistojen osaaminen on aina plussaa työnhaussa. Olen myös saanut ihania onnistumisen kokemuksia, joiden avulla jaksaa taas jatkaa kohti seuraavia haasteita.

Kiitos kurssista!

 

Lähteet:

Vuolle, M. 2023. Kurssikerta 7 – Laskukaavoja Excelissä. Päivitys ”Miia Vuolle, Blogi kurssilta Geoinformatiikan menetelmät 1” -blogissa 1.3.2023. Viitattu 2.3.2023. https://blogs.helsinki.fi/mevuolle/2023/03/01/kurssikerta-7-laskukaavoja-excelissa/ 

Luento 21.2.2023

Tämän päivän luento poikkesi hyvällä tavalla muista luennoista, koska pääsimme luentokerran aluksi noutamaan itse aineistoa kaupunkiympäristöön liittyen. Happihyppely keskellä päivää tekee kyllä muutoinkin hyvää!

Keräsimme siis aineistoa kuljeskellen Kumpulan kampuksen lähettyvillä. Pysähdyimme parini kanssa paikkoihin, jotka koimme tehtävänannon kannalta sopiviksi. Keräsimme Epicollect-sovellukseen tietoa muun muassa paikkojen turvallisuudesta ja viihtyisyydestä.

Kerätyllä datalla aloitimme kurssikerran ja päivän aiheen harjoittelun eli pistekarttojen teon. Oli kiinnostavaa nähdä keräämämme aineisto esitettynä karttamuodossa. Harjoittelun jälkeen siirryimme tekemään hasardeihin liittyviä karttoja, joihin saimme aineistoja netistä. Hasardit ja esitystavan sai päättää itse, ja tekemäni kartat keskittyvätkin maanjäristyksiin (kuvat 1, 2 ja 3).

Kuva 1. Yli 5 magnitudin maanjäristykset maapallolla vuosina 1899-2012

Kuva 1 esittää tosiaan yli 5 magnitudin maanjäristyksiä tiettynä ajanjaksona. Minusta karttani kuvaa esitettyä ilmiötä suhteellisen selvästi; pisteet eli maanjäristyskohdat, joita legenda selittää, on helppo erottaa kartalta ja opetustilanteessa myös litosfäärilaattojen kohtia ja niiden vaikutusta ilmiöön voitaisiin pohtia. Litosfäärilaattoja voidaan kuvata monella tavalla, kuten esimerkiksi eMaantieto 7 -oppikirjassa (Riikka Kotiranta) ”Litosfäärilaatat”-kappaleessa on tehty.

Kuva 2. Yli 7 magnitudin maanjäristykset maapallolla vuosina 1899-2012

Myös kuva 2 on tarkoitukseensa mielestäni suhteellisen sopiva. Kuvaa 2 olisi helppo verrata kuvaan 1; opetustilanteessa suurien maanjäristysten määrää ja eroa pienempiin olisi hyvä havainnollistaa.

Kuva 3. Yli 7 magnitudin maanjäristykset vuosina 1899-2012 sekä tulivuorten sijainti

Kuvassa 3 voi mielestäni helposti verrata tulivuorten ja järistysten paikkoja sekä mahdollista yhteyttä.

Jokaisessa kuvassa pohjoisnuolen paikka jäi hieman mietityttämään minua, vaikka se on tehtävänannon kannalta varmaankin toissijainen asia. Muutoin ilmiöiden esittäminen ja esimerkiksi pohjakartat ovat mielestäni toimivia, vaikka varmasti parannettavaakin löytyisi; paremmalla keskittymiskyvyllä olisi voinut syntyä esimerkiksi moniuloitteisempia karttoja. Muut koulukiireet rajoittavat kuitenkin aikaa, jonka voin käyttää tiettyihin tehtäviin. Tekemiäni karttoja oli suhteellisen helppo kuitenkin tehdä, mikä oli kannustavaa osaamiseni näkökulmasta. Aineistojen pyörittelykin QGIS:ssä alkaa mielestäni tuntua helpommalta, joten ehkä kehitystä oppimisessa on jälleen todettavissa.

 

Lähteet:

Kotiranta, R. Litosfäärilaatat. eMaantieto 7 – Muuttuva maapallo. Viitattu 22.2.2023. https://peda.net/p/RiikkaKotiranta/emaantieto-7/emaantieto7/3eis2/lem/l1p

Luentokerta 14.2.2023 

Tämän viikon luennolla syvennyimme itse tekemiseen. Opimme aluksi yhteisesti, miten esimerkiksi ohjelmistossa suoritetaan laskutoimintoja ja miten tietyt arvot voidaan hakea aineistosta. Tämän kurssikerran oleellisimpiin opittaviin asioihin kuului myös puskurivyöhykkeen tekeminen. Puskurivyöhykkeillä voidaan selvittää tietyn kohteen vaikutusten kantama ja alueen sisälle jäävien aineistojen tietoja, kuten itsenäistehtävissä olleita asukkaiden lukumääriä. Luulen, että puskurivyöhykkeitä voitaisiin käyttää tai käytetäänkin myös esimerkiksi ympäristövaikutusten ja niiden laajuuden arviointiin tai esimerkiksi säteilyalueiden määrittämiseen radioaktiivisten aineiden lähettyvillä.

Saimme myös laittaa omat taitomme peliin luentokerralla, ja tehdä yksin tai parin kanssa pohtien tehtäviä. Kirjasimme lopuksi kysymykset ja vastaukset yhteen (taulukko 1). Oli hauskaa yrittää ratkaista tehtäviä itsenäisesti, koska samalla pystyin testaamaan omia taitojani. Mielestäni teimme hyvää yhteistyötä parini kanssa, jolloin saimme melkein koko ykköstehtävän tehdyksi yhdessä. Molempien osapuolten oivallusten ansiosta pääsimme kuitenkin näinkin pitkälle, mistä olen suhteellisen tyytyväinen. Oli myös motivoivaa saada ratkaistuksi tehtäviä, jotka saattoivat tuntua myös hieman haastavilta. Huomasin tosin vasta kotona “luuranko”-tiedoston, joka oli liitetty kurssikerran aineistoihin, ja josta olisi löytynyt neuvoja tehtävien ratkaisuihin. Ehkä niiden avulla tehtävät olisivat olleet väsyneelle opiskelijalla hieman helpompia, mutta suhteellisen hyvin pärjäsin ilmankin. 

Taulukko 1. Itsenäistehtävien kysymyksiä ja vastauksia

Kysymys/tehtävänanto	Vastaus
Malmin lentokentän läheisyydessä (2 km) asuvien ihmisten lukumäärä	58 159
Malmin lentokentän läheisyydessä (1 km) asuvien ihmisten lukumäärä	8 903
Helsinki-Vantaan läheisyydessä (2 km) asuvien ihmisten lukumäärä	11 192
Helsinki-Vantaan pahimmalla melualueella (65 dB) asuvien ihmisten lukumäärä	303
Helsinki-Vantaan melualueella (vähintään 55 dB) asuvien ihmisten lukumäärä	11 923
Helsinki-Vantaan lentokentän melusta (vähintään 60 dB) häiriintyvien Tikkurilaisten lukumäärä (kiitorata kaakkois-luode suunnassa)	12 607
Alle 500 metrin päässä asemilta asuvien ihmisten lukumäärä kartan alueella	110 278
Alle 500 metrin päässä asemilta asuvien ihmisten prosenttimäärä koko alueella	21,36 %

En tiedä, teinkö luennon aikana tarpeeksi tehtäviä, mutta ainakin sain hyviä oivalluksia sekä oppeja tunnin aikana. Huomasin jälleen, että esimerkiksi perustoiminnot löytyvät QGIS-ohjelmistosta jo helposti. Esimerkiksi vektori- ja rasteriaineistojen lataaminen palveluun, eri työkalujen etsiminen palkeista ja tietojen, kuten aineiston värin, muuttaminen onnistuvat ilman suurempia ponnistuksia. Toisin sanoen aineistojen tietojen muokkaamiseen liittyvät työkalut ovat suhteellisen hyvin hallussa. Uusimpien opittujen asioiden tekeminen ohjelmistossa sekä monimutkaisilta tuntuvat komennot, kuten laskujen tuottaminen atribuutti-taulukkoon, saattavat olla välillä haastavia; ehkä siis soveltavimmat asiat ovat kaikista haasteellisimpia. En saanut tämän vuoksi myöskään tehtyä tehtäviä eteenpäin, koska taitoni loppuivat kesken, enkä löytänyt ohjeistakaan kovin paljon apua. Käytämme kuitenkin jokaisella kurssikerralla myös soveltavia toimintoja, joten luulen, että tarpeeksi monella toistolla opin myös paremmin käsittelemään esimerkiksi atribuutti-taulukkoa, liittämään aineistoja toisiinsa sekä siirtämään tietoja eri aineistojen välillä. 

QGIS:in rajoitukset ongelmien ratkaisuissa voivat olla myös monenlaisia. Ensimmäisenä minulle tulee mieleen yksinkertaisesti käyttäjän osaamattomuus, sillä en oletettavasti itse osaa hyödyntää tarpeeksi monia toimintoja ohjelmistossa. Lisäksi aineistojen sopimattomuus ohjelmiston kanssa tai puutteeliset tiedot voisivat vaikuttaa ongelmien ratkaisemiseen. Tarkkuus ja huolellisuus sekä etenkin avun pyytäminen ja saaminen varmasti kuitenkin pelastavat käyttäjän monilta ongelmilta ja pulmilta ohjelmiston kanssa.

Kokonaisuudessaan huomaan kehitystä tapahtuneen taidoissani käyttää QGIS:siä, mikä on mukavaa ja lohduttavaa. Taitojen kehittymistä on huomannut esimerkiksi myös Enni Poti blogitekstissään “Viikko 2”, joten eiköhän meillä kaikilla ole toivoa oppia QGIS-mestareiksi.  

 

Lähteet: 

Poti, E. 2023. Viikko 2. Kirjoitus “Ennin GIS-blogi” -blogissa 30.1.2023. Viitattu 15.2.2023. https://blogs.helsinki.fi/elpoti/2023/01/30/viikko-2/  

Tunti 7.2.2023

Tämän viikon luentokerta oli melko informatiivinen ja hieman myös haastava. Opin uutta esimerkiksi karttojen tuottamisesta, mutta sain jälleen kerrattua jo edellisillä kerroilla tulleita asioita hyvässä suhteessa. Tarkastelimme esimerkiksi rasteriaineistoja, kun edellisillä kerroilla olemme työskennelleet paljon vain vektoriaineistojen kanssa. Opettelimme käyttämään myös ruutukarttoja sekä luomaan omia karttoja, vaikka luomiseen keskitymme enemmän ensi kerralla. Teimme tietokannan haluamistamme tiedoista, jonka pohjalta lopullisen tuotoksen tekeminen onnistui helposti. Tuotimme ruututeemakartan valitsemastamme tiedosta, ja lopputuloksen viimeistelyn jäljeen sain tehtyä oman karttani ruotsinkielisistä asukkaista (kuva 1).

Kuva 1. Ruotsinkielisten absoluuttiset lukumäärät Helsingissä

Kartassa näkyvien värien perusteella suurin osa ruotsinkielisistä asuu aivan Helsingin keskustassa, ja mitä kauemmas ytimestä mennään, sitä vähemmän ruotsinkielisiä asukkaita on alueella. Tämä voisi olla sidoksissa esimerkiksi työpaikka- ja koulutusmahdollisuuksiin ruotsin kielellä, sillä keskustan lähettyvillä on oletettavasti enemmän tarjontaa kummankin osalta. Lisäksi palveluiden saatavuus ruotsin kielellä voi toteutua paremmin ydinkeskustassa.

Kartta on mielestäni itsessäänkin jo melko informatiivinen, sillä siitä löytyy niin otsikkoja, selityksiä että värikoodeja. Lisäksi koko Helsingin kunnan alue erottuu taustalta harmaana melko hyvin, ja karttaselitteet täydentävät informaatiota. Ruututeemakartalla absoluuttiset arvot toimivat hyvin, koska ruudut ovat saman kokoisia eli määrät ovat suoraan verrattavissa toisiinsa. Lisäksi absoluuttiset arvot voivat kertoa tarkemmin kuin suhteututut luvut, kuinka paljon ruotsinkielisiä todellisuudessa alueella asuu; suhdeluvut voivat esittää saman asian hieman eri tavalla. Esimerkiksi koropleettikartassa suhteelliset luvut toimivat paremmin; muun muassa kolmannen kurssikerran projektio-luennolla prosentuaaliset erot projektioiden välillä esitettiin suhteellisina prosenttilukuina, jolloin ne olivat helpommin ymmärrettävää ja luettavaa tietoa kuin absoluuttiset arvot.

Mielestäni ruututeemakartta ja esimerkiksi koropleettikartta ovat molemmat hyviä tapoja kuvata erilaisia ilmiöitä. Ruututeemakartta sopii ehkä pienempien aluieden kuin koko valtion kuvailuun, sillä ruutujen asettelu voi olla haastavaa suurelle alueelle. Hyvällä värikoodauksella ja legendalla ruututeemakartta on yhtä luettava kuin koropleettikartta, kunhan muistaa absoluuttisten ja suhteellisten arvojen olemassaolon. Ruutujen avuilla alue voi tosin kuvautua eri tavoin, sillä ruudut sijoittuvat ”satunnaisesti” eri paikkojen päälle; koropleettikartassa huomioidaan ehkä paremmin yhtenäisiä alueita, kuten kuntia.

Oma ruututeemakarttaversioni on mielestäni melko hyvin toteututettu, mutta parannettavaakin varmasti vielä löytyy kartan toteutuksen kanssa. Olen kuitenkin itse melko tyytyväinen lopputulokseen, ja on ollut mukava lukea myös muiden blogeista onnistumisen kokemuksia. Esimerkiksi Jenna Saavalaisen blogitekstissä ”Kun taidot ei vielä ihan riitä – geoinformatiikan menetelmät I kolmas viikko, Harjoituskerta 31.1.2023” (2023) iloitaan onnistuineista kartoista, vaikka tiedostetaan vielä kehittymisen paikat. Eiköhän meistä vielä hyviä karttojen tekijöitä saada 🙂

Kotona harjoittelin myös omatoimisesti korkeuskäyrien käyttöä. Latasin Paitulista Pornaisten peruskarttalehden ilman korkeuskäyriä sekä korkeuskäyrät -tiedostot, jotka sain sovitettua Moodlesta löytyvien ohjeiden avulla samaan aikaan näkyviksi helposti (kuva 2). Jostain syystä itse tekemät korkeuskäyrät eivät tahtoneet latautua kotikoneelle, joten siirryin tekemään harjoituksen loppuun yliopistolle. Lataus oli melko hidasta myös yliopiston koneella, vaikkakin huomattavasti nopeampaa kuin läppärillä. Lopullinen versio ei valitettavasti vastaa tehtävänantoa, koska contour-toiminnon avulla korkeuskäyriä ei piirtynyt, mutta kaikki kartan kohteet piirtyivät uudelleen kartan päälle (kuva 3). Olisi mukavaa kuulla, mikä piirtämisessä meni pieleen. En itse keksinyt ainakaan heti ratkaisua, joten lopputulokset ovat alla olevien kuvien mukaisia.

Kuva 2. Pornaisten peruskartta ja valmiit korkeuskäyrät

Kuva 3. Peruskarttalehti Contour-työkalun käytön jälkeen

 

Lähteet:

Saavalainen, J. 2023. Kun taidot ei vielä ihan riitä – geoinformatiikan menetelmät I kolmas viikko, Harjoituskerta 31.1.2023. Kirjoitus ”Geoinformatiikan menetelmät I – Jenna Saavalainen” -blogissa 6.2.2023. Viitattu 8.2.2023. https://blogs.helsinki.fi/saavajen/2023/02/06/kun-taidot-ei-viela-ihan-riita-geoinformatiikan-menetelmat-i-kolmas-viikko/

Tunti 31.1.2023

Tämän viikon kerralla keskityimme lähinnä tekemiseen, mikä oli hauskaa; opetustyyli sopi myös minulle paremmin, kun sain itse koko ajan tehdä. QGIS päätti tosin temppuilla kanssani, mutta vaikka jäin hieman jälkeen, sain omin neuvoin kirittyä muut kiinni; osasin siis tehdä harjoitteet myös itsenäisesti! Muillakin kurssilaisilla, kuten Lucaksen blogitekstistä ”Viikko 2: Hieman ärsytti, mutta ei se haitannut” (2023) käy ilmi, on ollut ilmeisesti samanlaisia turhautumisen kokemuksia ohjelmiston kanssa, mutta myös onnistumisenkin kokemuksia, kun kerraten tekee samat harjoitteet uudelleen oikein.

Harjoittelimme luennolla esimerkiksi yhdistämään aineistoja ja niiden sisältöjä Afrikka-tehtävässä, jossa muun muassa timanttien ja öljylähteiden tietoja kuvattiin pohjakartalle. Kartanteon lisäksi aineisto voisi kertoa myös esimerkiksi tiedonkeruun tärkeydestä eri vuosikausina, koska tietokantaan on kirjattu muun muassa lähteiden löytymisajankohdat; joinakin vuosikymmeninä rikkauksia on saatettu etsiä enemmän tai tekniikka on voinut vaikuttaa niiden löytymiseen. Konfliktien avulla voitaisiin puolestaan tulkita esimerkiksi maan vakautta eri ajanjaksoina.

Harjoituksen jälkeen saimme itse toteuttaa Suomen kartan tulvista ja järvisyydestä (kuva 1).

Kuva 1. Suomen tulvaindeksi sekä järvisyys

Kuvasta 1 voi päätellä, että suurimmat tulva-alueet ovat sijoittuneet rannikkoalueille. Osa kohdista jää hieman järvisyys-histogrammien alle, mutta suurin osa näkyy kuitenkin selkeästi. Järvisyys seuraa melko samalla tavoin tulvaindeksiä, vaikka esimerkiksi Järvi-Suomi ja Lappi ovat vähemmän tulvista kärsiviä, järvisiä alueita; oikeastaan suurimmat järvisyysprosentit sijaitsevatkin näillä alueilla.

En tiedä, onko koropleettikartta taaskaan tarpeeksi hyvin tehty, mutta en saanut kokeilemalla parempaakaan. Kyseisellä asteikolla erot ainakin tulevat hyvin näkyviin, vaikka välit eivät olleet muistaakseni Jenksin luonnollisia välejä. En myöskään tiedä, onko ylipäätänsä sallittua laittaa mittakaavaa kartan yläraunaan; tämän kuvan kanssa se näytti kuitenkin selkeimmältä yläreunaan laitettuna. Järvisyyshistogrammien kanssa tarvitsin hieman apua, mutta olin kuitenkin alun perin oikeilla jäljillä niiden tuottamisen kanssa. Olen lopputulokseen melko tyytyväinen; värit ovat suhteellisen toimivat ja ilmiöt on selitetty kartalla sekä legendassa.

Tällä kurssikerralla muistin jo hyvin QGISsin perustoimintoja, mikä ilahdutti kyllä kovasti; muistaminen helpottaa uuden oppimista, kun vanhojen asioiden kertaamiseen ei mene niin paljon aikaa. Aineistojen yhdistäminen ei ollut minulle tuttua, mutta tämän kerran jälkeen minulla on varmasti taas enemmän avaimia taskussani; ties vaikka itse saisin tuottaa työpaikalla vastaavia karttoja joskus. Kurssikerralla edettiin tällä kertaa mielestäni hyvää vauhtia, jolloin ehdin myös sisäistää paljon asiaa. Parini oli myös paikalla, mikä oli mukavaa; saimme keskusteltua hankalimmista kurssikerran asioista, ja pystyin jopa auttamaan muutamassa kohdassa toista. Sain enemmän itsevarmuutta, kun osasin koko kurssikerran aikana tuottaa kartalle pyydettyjä asioita; tämä voisikin olla piilo-opetussuunnitelman antia tai jopa päivän kurssikerran tavoitteiden saavuttamista. Samoin kuin Lucas (2023) innostui toiselta kurssikerralta, sain itse kolmannelta luennolta onnistumisen kautta uudenlaisen innostumisen karttojen tuottamiseen.

Motivoituneena siis ensi viikkoa kohden!

 

Lähteet:

Yoni, L. 2023. Viikko 2: Hieman ärsytti, mutta ei se haitannut. Kirjoitus ”Geoinformagic, Lucaksen ensimmäiset askeleet kohti GIS-velhoutta” -blogissa 30.1.2023. Viitattu 1.2.2023. https://blogs.helsinki.fi/luberger/category/gis-avautumiset/ 

Tunti 24.1.2023 

Tämän viikon kerralla perehdyimme syvemmin QGIS:siin projektiotehtävien avulla. Vertasimme esimerkiksi saman alueen pinta-alaa eri projektioissa, jolloin erot tulivat näkyviin (taulukko 1).

Taulukko 1. Sama alue eri projektioissa (QGIS)

Kuvaustapa:	Ellipsoidal	Cartesian
Projektio:
Mercator (Google Maps Global)	4729,265 km²	39159,682 km²
ETRS89-TM35	4729,265 km²	4725,459 km²
LAEA Europe, ETRS89	4327,313 km²	4327,313 km²

Luvuista huomaa, että projektio vaikuttaa pinta-alojen suuruuteen. Huomasin tosin vasta myöhemmin, että esimerkiksi Mercatorin ja ETRS-TM35FIN -projektioissa pyöreän pinnan luvut ovat samat; en ole varma, kuuluisiko niiden olla erilaiset, mutta tällaiset luvut sain. Luvut vaihtelevat Lambertin projektioon verrattuna enemmän, mutta keskenään Lambertin projektion luvut ovat samoja, Jäin miettimään, että voisikohan tässäkin olla virhe. En kuitenkaan löytänyt vastauksia etsimisestä huolimatta, joten täytyy verrata lukujani esimerkiksi muiden saamiin tuloksiin.

Luotettavuuden kannalta aluetta tulisikin varmasti tarkastella aina eri projektioiden avulla, jotta esimerkiksi lopputöihin tulokset olisivat mahdollisimman luotettavia. Ainakin olisi hyvä aina tiedostaa, että projektion valinta vaikuttaa esitettävään alueeseen. Esimerkiksi Suomen kohdalla ETRS-TM35FIN-projektio on toimiva, vaikka muille alueille se ei ole. 

Vertasimme projektioiden eroja myös prosenttilukujen avulla. Vertasimme Mercatorin ja ETRS-TM35FIN -projektioiden eroja Suomen kartalla, johon lopputulos ja projektioissa olevat prosentuaaliset erot värittyivät (kuva 1).

Kuva 1. Mercatorin ja ETRS-TM35FIN-projektioiden erot viidellä eri luokalla

Tein samankaltaisen kartan myös seitsemällä eri luokalla, jolloin lopputulos muuttui hieman (kuva 2).

Kuva 2. Mercatorin ja ETRS-TM35FIN -projektioiden erot seitsemällä eri luokalla

Väriskaalaltaan kirkkaat värit toivat eroja selkeästi esille. Halusin testata kuitenkin vielä, miten erilainen väriskaala vaikuttaa tuloksen tulkintaan (kuva 3).

Kuva 3. Mercatorin ja ETRS-TM35FIN -projektioiden erot sinisessä väriskaalassa

Mielestäni lopputulos ilmenee kaikissa kartoissa melko tasaisesti; mitä pohjoisemmas mennään, sitä enemmän projektioiden välillä on eroja. Esimerkiksi Mercatorin projektio on lieriöprojektio, joka on tarkin päiväntasaajan kohdalta eikä navoilta (MML, 2019). ETRS-TM35FIN -projektio kuvaa puolestaan tarkemmin juuri Suomen alueita (Laji.fi). Enemmän luokkia sisältävät kartat voivat pehmentää hieman lopputulosta sekä näyttää myös siistimmältä. Toisaalta erot näkyvät jyrkemmin pienempien luokkien kartoissa. Molemmat väriskaalat toimivat mielestäni suhteellisen hyvin; voisin valita hillitymmän, sinisen version tyylitellympään työhön, mutta esimerkiksi erojen selvää korostamista varten räväkämpi skaala toimii ehkä paremmin.

Karttojen tekeminen oli muutamissa kohdin hieman haastavaa, mutta onneksi sain näinkin hyvät lopputulokset aikaan. Huomasin, että tunnin etenemisvauhti oli ehkä hieman nopeaa ajoittain, koska uusia asioita tuli jälleen melko paljon. Muistin kuitenkin myös yllättävän paljon viime viikosta, kuten joitakin perustoimintoja, ja lisäksi Moodlesta löytyneet ohjeet auttoivat minua eteenpäin etenkin karttojen loppuviimeistelyssä.

Tsemppiä jälleen kaikille muille karttojen tuottamiseen ja QGIS:n pyörittämiseen!

 

Lähteet:

Laji.fi. Lajitietokeskuksen käytössä olevat koordinaattijärjestelmät. Viitattu 24.1.2023. https://laji.fi/about/5269

MML. 2019. Maailma venyy ja paukkuu kartalla. Julkaisussa Tietoa Maasta 2/2019. Viitattu 25.1.2023. https://www.maanmittauslaitos.fi/tietoa-maanmittauslaitoksesta/ajankohtaista/lehdet-ja-julkaisut/tietoa-maasta/maailma-venyy-ja-paukkuu

Koti 18.1.2023

Seuraavana päivänä kotona jatkoin ohjelman käyttöä. Totesin, että kotikoneella ohjelmiston käyttö on huomattavasti työläämpää; jatkossa saatankin siirtyä kouluun tekemään kotitehtäväni. Tehtävänä oli tehdä Suomen kunnista koropleettikartta, ja valitsin aineistoksi ruotsinkielisten osuuden kunnissa. Tällaisen kartan sain aikaan: 

Kuva 1. Kuntien ruotsinkielisten osuus vuonna 2015 

Olen suhteellisen tyytyväinen lopputulokseen. Huomasin kuitenkin, että eilinen iltapäiväväsymys myös vaikeutti tehtävän tekemistä; minun piti todella muistella, miten ohjelma oikein toimikaan. Selvisin kuitenkin mutkien kautta maaliin, mistä olen tyytyväinen.  

Kuvasta 2 näkyy, että suurin osa ruotsia äidinkielenään puhumista sijoittuu Länsi-Suomeen, lounaiseen saaristoon ja rannikolle. Tulos ei yllättänyt minua, koska liikun paljon kyseisillä alueilla. Esimerkiksi Ruotsi naapurivaltiona voi vaikuttaa ruotsinkielisten suurempaan määrään näillä alueilla.  

Karttani on melko selkeä, sillä esimerkiksi Suomen kuntarajat erottuvat melko hyvin toisistaan. Lukija saa myös käsityksen legendan avulla, mitä kartassa esitetään. Pohjoisnuoli sekä mittakaava helpottavan kartan tulkintaa, jos Suomi ei ole alueena lukijalle tuttu. Värit erottuvat myös toisistaan tarpeeksi selkeästi. QGIS:ssä valittu luokittelumenetelmä antoi suurimmat erot värien väleillä, sillä muilla menetelmillä luokat eivät erottuneet toisistaan tarpeeksi selkeästi. Luokkia olisi ehkä voinut hioa silti paremmiksi, sillä viimeinen luokka on välillisesti todella suuri lopputuloksessa. Toisaalta kartassa erottuu selkeästi ruotsinkieliset alueet kyseisillä väleillä. Ilmiön kuvaaminen on mielestäni melko luotettavasti kuvattu, vaikka parannettavaakin varmasti löytyy. Lähes ensikertalaiseksi olen tulokseen kuitenkin melko tyytyväinen, kuten jo mainitsinkin.  

Itse blogiin kirjoittamisesta olen melko innoissani. Niin kuin esimerkiksi Tuomas Sahlberg toteaa omassa blogitekstissään ”Geoinformatiikan menetelmät -kurssi alkaa” (2023), on mukavaa, että työt jäävät blogin avulla ehkä paremmin talteen. Pidän itsekin ajatuksesta, että saman kurssin tuotokset löytyvät yhden linkin takaa listattuna. On myös hyvää vaihtelua kirjoittaa blogimuotoisesti kuin esimerkiksi esseetyyppisesti; kirjoitusmotivaatiota voi vaikka löytyä hieman eri tavalla.  

 

Lähteet:

Sahlberg, T. 2023. Geoinformatiikan menetelmät- kurssi alkaa. Kirjoitus ”TUOMAS SAHLBERG – KURSSIBLOGEJA” -blogissa 17.1.2023. Viitattu 19.1.2023. https://blogs.helsinki.fi/tsahlber/

Tunti 17.1.2023 

Tätä kirjoittaessani ensimmäinen Geoinformatiikan menetelmät -luento on jo takanapäin ja taskut ovat täynnä hyviä avaimia kurssin jatkoa ajatellen. 

Ensimmäisellä luentokerralla pääsimme tutustumaan QGIS-ohjelmistoon, jonka avulla tuotimme tunnin aikana koropleettikartan. Luento oli mukava aloitus kurssille, ja oli ihanteellista edetä ohjelmiston tuntevan opettajan johdolla; korona-aikana muistan käyttäneeni ohjelmistoa yksin, jolloin lopputuloksen aikaansaaminen vei tuhottaman paljon aikaa. Yksinkertaiset ohjeet sekä sopiva etenemistahti auttoivat ainakin minua ymmärtämään, miten ohjelma toimii.

En ole kuitenkaan haka käyttämään erilaisia ohjelmistoja, joten luennon aikana koin myös haasteita esimerkiksi erilaisten komentojen löytämiseen. Onneksi aina voi kysyä apua niin vierustoverilta kuin opettajaltakin, mitä yritän muistaa tehdä myös jatkossakin; avun kysymiselle pääsen huomattavasti nopeammin etenemään, enkä jää jumittamaan “helppoihin” hankaluuksiin. Samalla tavoin taisivat kamppailla kuitenkin myös muut kurssitoverit, kuten Joonas Lipponen blogitekstinsä ”Ensimmäinen kurssikerta 17.1.” (2023) perusteella; ohjelmistot tuntuvat välillä olevan hieman kenkkuja eivätkä ne aina tunnu toimivan maalaisjärjen mukaisesti.

Opin kurssikerran aikana paljon perusasioista QGIS:stä, kuten aineistojen lataamisesta palveluun, kartan tietojen muuttamisesta sekä kartan ulkoasun viimeistelystä. Esimerkiksi ohjelman erilaiset työkalupakit tulivat enemmän tutuiksi, kuten myös laskeminen ohjelmiston avulla. Tällaisen kartan sainkin aikaan luennon aikana: 

Kuva 1. Itämeren typpipäästöt valtioittain 

Tsemppiä kaikille muillekin ohjelmiston kanssa! 🙂

 

Lähteet:

Lipponen, J. 2023. Ensimmäinen kurssikerta 17.1. Kirjoitus ”Joonaksen blogi” -blogissa 23.1.2023. Viitattu 23.1.2023. https://blogs.helsinki.fi/joblippo/