Category: Uncategorized

Under sista kurstillfället var målet att själv söka material till en karta. Kartans tema var helt frivilligt. Det kändes ganska överväldigande att måsta hitta data själv, speciellt utan någon riktning. Jag bestämde att börja med att kolla igenom Natural Earth. Deras nätsida erbjuder kartor på olika skalor. Jag laddade ner deras världskarta samt administrativa gränser.

Sedan var det dags att söka efter någon data till min karta. Jag sökte länge igenom Eurostats databaser. Eurostat erbjuder gratis statistik och data över Europa. Jag laddade först ner ekologisk agrikultur men hade problem med att kombinera databasen med världskartan. Sedan laddade jag ner en databas över växthusgasutsläpp. Denna databas visade sig vara lika svår att kombinera som den förra med det gav mig idén att basera min karta runt utsläpp.

Jag bestämde mig att fokusera på utsläpp på en global skala. På nätsidan Our World in Data hittade jag många klimatrelaterade databaser. Our World in Data har som mål att göra statisktik över globala problem så åtkomlig som möjligt. På deras sidor hittade jag en databas över var i världen människor har de största utsläppen från att flyga. Databasen visar koldioxidutsläpp per capita från flyg som avgår och anländer i samma land. Efter att jag hade laddat ner databasen och kombinera den med världskartan kategoriserade jag datan.

Bild 1. Koldioxidutsläpp från flygtrafik (per capita)

Det finns ett visst antal länder som saknar data. Speciellt i centrala Afrika och Latinamerika saknas data över koldioxidutsläpp. Utsläpp från inrikesflyg är lätt för industriländer att spåra men kan vara för svårt för ett utvecklande land. Jag kunde ha försökt laga en mera kreativ karta men jag är ändå nöjd med min karta. Jag tycker att den representerar mycket av vad jag har lärt mig under kursens gång.

Källor:

Where in the world do people have the highest CO2 emissions from flying? – Our World in Data

Database – Eurostat (europa.eu)

Natural Earth – Free vector and raster map data at 1:10m, 1:50m, and 1:110m scales (naturalearthdata.com)

Veckans uppgifter gick ut på att samla in data och visualisera den, samt skapa temakartor över naturkatastrofer. Vi inledde lektionen med att ladda ner applikationen epicollekt5. Med telefonen i hand gick vi sedan parvis runt Gumtäkt och samlade in data. Vi stannade på olika platser och utvärderade på en skala från 1-5 om platsen var visuellt tilltalande, om folk rörde sig på området, om det kändes säkert o.s.v. Totalt granskade vår grupp över 90 platser.

Tillbaka i datasalen fick vi se våra datapunkter på en karta. Uppgiften blev sedan att visualisera datan genom interpolering. Kartan i bild 1 visar vilka områden vår grupp dömde att var minst säkra. De röda områdena dömde vi att var minst säkra.

Bild 1. Säkerhet i Gumtäkt

Som hemuppgift skulle vi skapa tre olika kartor över naturkatastrofer. Vi fick ladda ner databaserna själva från olika nätsidor den här gången. Världskartan är i rasterformat medan databaserna laddade vi ner i CSV format. Jag hade svårt att få världskartan och databasens projektioner att matcha. WGS 84 referens systemet visade sig funka bäst! Den första kartan (bild 2) visar jordbävningar runt om världen. Jag valde att laga en heatmap för att få en bättre bild av vilka områden som är utsatta. Kartan är baserad på jordbävningarnas magnitud. Jag blev inspirerad av Armida och hennes heatmap över vulkaner.

Bild 2. Heatmap över jordbävningars magnitud

De nästa två kartorna är punktkartor. Bild 3 visar meteoritnedslag enligt massa (g). Jag lyckades laga punkterna för meteoritnedslagen olika storlekar enligt massan genom att klicka runt i lageregenskaperna. det tog ens god stund men jag lärde mig mycket om hur symbologin i QGIS fungerar. Den sista kartan visar vulkaner runt om världen. Kartan blev väldigt enkel men enligt mig är den också tydlig.

Bild 3. Meteoritnedslag enligt massa (g)

Bild 4. Vulkaner

Källor:

Meteorite Landings | NASA Open Data Portal

NCEI Hazard Volcano Location Results (noaa.gov)

Search Earthquake Catalog (usgs.gov)

Anställ mig som lärare! vecka 6 – Gissful thinking (helsinki.fi)

Denna vecka fick vi jobba mycket självständigt vilket skrämde mig lite. Hittills har det känts som att jag inte riktigt begripit allt som vi har gjort under lektionerna. Som tur är gick vi igenom de centrala verktygen för dagens uppgifter tillsammans.

Denna vecka läkte vi med buffer verktyget. En bufferzon låter en granska exakta områden runt ett visst vekttor objekt. Vi fick tre uppgifter som skulle göras på egen hand. Jag jobbade tillsammans med Lisa på den första uppgiften. Uppgiften kännes lätt då vi kunde hjälpa varandra! Resultaten för varje uppgift finns längst nere i en tabell i detta blogginlägg.

Den första uppgiften gick ut på att skapa en buffertzon för Helsingfors-Malm (bild 1) och Vanda flygplats (bild 2). Med hjälp av bufferten Kunde vi se hur många människor som bor inom en och två kilometers område av Helsingfors-Malms flygplats. Databasen som vi använde gav oss också möjlighet att se hur många hus innanför buffertzonen var byggda efter 1936, året som flygplatsen öppnades för allmänheten.

Bild 1. Helsingfors-Malm flygplats         Bild 2. Vanda flygplats

Med hjälp av statistics panel kunde vi kolla hur många som bor i bullerzoner runt Vandas flygplats. Vi granskade också hur många personer som skulle bli utsatta för minst 60dB i Dickursby om flygplanen flög samma rutt som de gjorde år 2002*.

Till den sista uppgiften skulle vi välja en av tre olika möjligheter. Jag valde att granska behoven av en skoldistrikt i Helsingfors. Vid det här laget var jag väl bekantad med buffer verktyget, hur man räknar ihop data i attributtabellen och använder statistics panel. Uppgiften gick ganska lätt att göra för mig.

Källor:

Lisas blogg – En blogg på svenska (helsinki.fi)

 

Denna veckas tema var raster och tematiska kartor. Under de förra uppgifterna har vi använt oss av material i vektor format. Nu fick vi importera rastermaterial istället. Nytt för vecka fyra var också skapandet av en tematisk karta med ett rutnät.

Uppgiften under föreläsningen var att skapa en tematisk karta med ett rutnät. När jag skapade kartan var jag tvingad att “trust the process”. Rutnätet var en solid fyrkant och det såg väldigt fel ut. Förstås genom att följa Arttu Paarlahtis instruktioner lyckades jag skapa en snygg karta. Jag hade förväntat mig att det skulle finnas ett enklare sätt att skapa en tematisk karta med rutnät. Det var enkelt att skapa tematiska kartor under de tidigare kurstillfällena och denna hade många steg och det hela var ganska komplicerat.

Min första karta som jag lagade under föreläsningen visade totala antalet svenskspråkiga i Helsingfors. Problemet med kartan är att den visar flest svenskspråkiga i centrum eftersom där bor majoriteten människor. För att förbättra kartan blev vår hemläxa att skapa en liknande karta, men en som visar den procentuella andelen svenskspråkiga. Den tematiska kartan (bild 1) visar just det.

Bild 1. tematisk karta över andelen svenskspråkiga i Helsingfors

Senare under kurstillfället utforskade vi rasterformaterat material. Vi importerade en grundkarta över Pornainen som saknade höjdkurvor. Målet med kartan var att skapa höjdkurvor och bekanta oss med några funktioner i QGIS för nästa veckas kurstillfälle. För att skapa höjdkurvorna använde vi terrängskuggning och funktionen contours. Vi digitaliserade också vägarna och byggnaderna innanför ett avgränsat område. Detta kändes bekant då vi redan digitaliserade en grundkarta på förra GIS kursen.

Sammanfogning av data

Veckans föreläsning och uppgift gick ut på att vidare bekanta sig med QGIS programmets funktioner. Vi använde nya verktug för att kominera lager och databaser. Under föreläsningen skapade vi kartan som syns på bild 1. Kartan visar Afrikas dimant och oljeresurser samt konflikter. Resultatet är inte vad jag hade förväntat mig eftersom jag hade antagit att viktiga resurser betyder mera konflikter för ett område. Konflikterna är koncentrerade i mitten av landet som ett bälte. Oljeresurser finns i norra delen av kontinenten medan dimaterna bryts i södra och västra delarna.

Bild 1. Diamanter, olja och konflikter i Afrika

För att skapa kartan användes “join” funktionen vilket sammanfogade data till samma attributtabell. Man skulle också editera attributtabellen för det sammanfogade lagret. Jag glömde att laga en titel till kartans legend men annors är jag nöjd med min karta.

Finlands Översvämningsindex

Som hemläxa lagade jag en karta över Finland översvämningsindex (bild 2). Jag borde ha kunnat laga kartan på egen hand baserat på vad jag lärt mig under föreläsningen. Det var ändå svårt för mig att laga kartan. Jag fick hjälp av min vän Stella som visade hur attributtabellen skulle sättas ihop. Min karta är långt ifrån perfekt. “Utrinningsimråden” delen av legenden är fel, där borde stå översvämmningsindex. Pajdiagrammen ser bättre ut då de är olika storlekar så som de på de flesta av mina kurskamraters kartor. Min karta ser lite råddig ut men jag är nöjd med färgerna.

Bild 2. Finland översvämningsindex och sjörikhet

Källa:

G# lentamente – Geoinformatiikan menetelmät 1 / GIS-metoder 1 (helsinki.fi)

På det andra kurstillfället lärde vi oss om olika datakällor och skillnader mellan projektioner. Under föreläsningen gick vi igenom olika datakällor från olika nätsidor. Många av databaserna är gratis tack vare EU:s INPIRE-direktiv som vi redan bekantas oss med under en tidigare kurs. Vi fick lära oss hur man laddar ner datan och laddar upp den till QGIS programmet.

Själva veckans uppgift handlade om jämförelsen av kartprojektioner. Projektionen som vi använde som grund för jämförelserna är ETRS-TM35FIN eftersom den ofta används för finska kartor. I bild 1 på högra sidan jämförs TM35FIN med Robinsons projektionen. TM35FIN är en transvers Mercator projektion och använder ett geodetiskt datum som ger en ganska exakt bild av Finland. Robinsons projektionen är däremot en Mercator projektion över hela världen och visar därför inte en lika exkat bild av Finland.

På vänstra sidan i bild 1 ser man TM35FIN projektionen jämfört med Google maps global Mercator. Kartan ser tydlig annorluna ut än den tidigare nämnda jämförelsen. Jag gav samma antal klasser åt båda kartorna men den vänstra kartan visar bara fem av de sju klasserna. Jag tror att detta kan bero på att Google maps använder en Mercator karta som förvränger Finland på längden.

 

 

 

 

 

 

Bild 1. Två kartprojektions jämförelser

Ett annat sätt att se skillnaderna mellan mina valda projektioner är tabellen nedan. I tbellen ser man skillnaderna mellan TM35FIN, Robinsons world map och Google maps world mercator. Längden som jämförs är en strecka i norra Finland, arean likaså. Man ser tydligt att Google maps projektionen skiljer sig från de andra två.

tabell 1. Längd och area hos olika projektioner

Jag är nöjd med mina kartor och min tabell eftersom de är enkla att tolka. Noras tabell är dock mycket väl gjord och innehåller mycket information. jag lärde mig mycket genom att läsa hennes blogg och jag skulle säkert göra min tabell mera lik hennes om jag gjorde den pånytt. Jag lärde mig mycket denna veckas kurstillfälle om hur skillnader i kartprojektioner påverkar Finlands utseende och mått.

Källor:

Vecka 2 – Noras blogg (helsinki.fi)

ETRS-TM35FIN – Wikipedia

Robinson—ArcMap | Documentation (arcgis.com)

Under den första kurstillfället i kursen geoinformatikan menetelmät bekantade vi oss med programmet QGIS. Med programmet kan man skapa, editera och visualisera geospatial information. Jag hade bekantat mig med QGIS på en tidigare kurs så jag kunde grunderna av programmet.

Kväveutsläpp i Östersjön 

Kursens första uppgift var att laga en tematisk karta över kväveutsläppen i Östersjön. Kartan gjordes under fredagens lektion genom att följa föreläsaren Arttu Paarlahtis instruktioner. Stegvis importerade vi datan och editerade den tills kartan visade statistiken på ett logiskt sätt. Det svåraste steget för mig var att editera attributtabellen för “administrative boundaries”. Detta steg behövdes för att kunna visualisera kväveutsläppen. Resultatet är en kloropleth karta som kan ses nedan. Mängden kväveutsläpp per land kan ses som mörknande nyanser av rött.

Bild 1. Karta över andelen kväveutsläpp per land

Kartan visar att Polen släpper ut mest kväve i Östersjön. Estlands kväveutsläpp är minst. Jag tycker att resultatet är tydligt eftersom kloropleth kartor är lätta att tolka. Man ser tydligt att Polens kväveutsläpp är störst eftersom dess nyans av röd är mörkast. I övre vänstra hörnet finns kartans legend vilket visar bland annat andelen kväveutsläpp per land. Här gjorde jag ett fel med min karta som jag märkte flera dagar efter att jag gjort den.  Jag glömde att ändra titeln för kloropleth indelningen. Jag fixade problemet med att täcka över misstaget och skriva den korekta titeln i ritprogrammet CorelDRAW. Resultataet är inte perfekt men jag är ändå nöjd med min karta.

Procentuella andelen svenskspråkiga enligt kommuner 

Till nästa lagade jag en karta på egen hand. Kartan (bild 2) är en temakarta över kommunerna i Finland. Man kunde fritt välja vad man ville att sin karta skulle visa baserat på databasen. Jag valde andelen svenskspråkiga per kommun. Enligt mig är programmet QGIS lite svår att förstå på egenhand och jag behövde hjälp av mina vänner för att göra hemuppgiften. Förstås lärde jag mig mycket eftersom det var svårt för mig och uppgiften krävde mycket tänkande. Jag är nöjd med resultatet. Kartan är lätt att begripa och visar tydligt kommunerna med mest svenskspråkiga talare. Likande förra kartan glömde jag att byta titeln på legenden till något logiskt. Jag fixade problemet på samma sätt som den förra kartan.

Bild 2. Andelen svenskspråkiga per kommun

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