Month: February 2024

Kurssikerran alkureippailu

 

Tämä kurssikerta alkoi hieman erilaisella aktiviteetilla kuin yleensä. Lähdimme ulkoilemaan ja itse keräämään paikkatieto aineistoa lähiympäristöstä. Keräsimme tietoja Epicollect5 -sovelluksen avulla. Merkitsimme ryhmissä eri pisteitä missä olimme liikkuneet ja arvioimme paikan viihtyvyyttä, houkuttelevuutta ja turvallisuutta. Kun olimme ryhmissä keränneet dataa, tuli kaikkien pisteet ladata yhteiseen tietokantaan, jota tarkastelimme yhdessä. Dataa pystyi tarkastelemaan klustereina, lämpökarttana tai pisteiden muodossa.

Interpoloinnin harjoittelua

Toimme ulkona kerätyt aineistot QGIS-ohjelmaan, jossa ne ilmestyivät valmiiksi pisteiksi kartalle. Minulla ja useammalla muulla ryhmässämme oli hieman ongelmia tuoda aineisto ohjelmaan sillä osa pisteistä hävisi. Lopulta muutaman kokeilun jälkeen kaikki pisteet ilmestyivät kartalle ja pääsin interpoloimaan aineiston. Tutkimme kohteita niiden turvallisuuden näkökulmasta. Interpolointi oli uusi työkalu, jota emme olleet aikaisemmin käyttäneet, mutta sen käyttö oli lopulta hyvin yksinkertaista. Kuvassa 1. kuvaa interpoloinnista. En tuottanut tästä valmista karttaa. Karttaa on kuitenkin helppo tulkita ja siitä pystyy hahmottaman, että mitkä alueet ryhmä tunsi turvattomiksi. Tein kuitenkin saman havainnon kuin Heikki Säntti (2024) blogissaan. Kyselyssä ei oltu määritelty miltä kantilta turvallisuutta piti tarkastella. Osa arvio sää olosuhteiden perusteella, kun taas osa saattoi ajatella esimerkiksi ryöstämiseksi tulemisen mahdollisuutta. En siis itsekkään pidä kyseistä karttaa luotettavana turvallisuutta tarkasteltaessa ja huomasin, että eri ryhmissä olleiden kartat näyttivät turvallisuuden näkökulmasta erilaisilta.

 

Omat harjoitukset

Interpolointiharjoituksen jälkeen siirryimme itsenäisiin tehtäviin ja tänään aiheena oli tuottaa kolme teemakarttaa hasardeista. Vaihtoehtoina oli maanjäristykset, tulivuoret ja meteoriitit. Olen aina pitänyt hasardeja mielenkiintoisina, joten oli mielekästä päästä työskentelemään näiden parissa. Päätin ottaa omaan tarkasteluun pelkät maanjäristykset, koska pidin sitä itselle parhaana vaihtoehtona tutkia vain yhtä aihetta. Kuvassa 2.  loin kartan maailman maailmassa tapahtuneista yli 4 magnitudin maanjäristyksistä viimeisen 30 päivän aikana. Koin kartan tekemisen helpoksi, mutta olisin halunnut tuoda valtion rajojen lisäksi litosfääri laattojen saumat, jolloin olisi voinut tulkita karttaa vielä paremmin. Pystymme kuitenkin huomaamaan, että kaikista voimakkaimmat järistykset tapahtuvat laattojen reunoilla, jossa on paljon liikehdintää. Myös kauko-idässä on määrällisesti tapahtunut paljon järistyksiä. Tämä on helposti selitettävissä alueen herkkyydestä joutua maanjäristyksen kohteeksi.

 

Seuraavassa kartassa otin tarkasteluun pienempiä alueita kuin koko maapallo. Halusin tutkia Pohjois-Amerikan maanjäristyksiä viimeisen 30 päivän aikana. Kuvassa 3. Kuvasta erottuu selkeästi Yhdysvaltojen länsirannikko, jossa sijaitsee San Andreaksen siirros, joka on yksi maailman maanjäristysherkimpiä alueita. Alueella ei kuitenkaan ole ollut kovia maanjäristyksiä vaan lukuisia pienempiä järistyksiä viimeisen 30 päivän aikana. Kartalta kuitenkin erottuu muutamia suurempia järistyksiä, mutta nekään eivät ole olleet yli 5 magnitudin järistyksiä, joten tuskin ovat aiheuttaneet suurempaa tuhoa alueella.

 

Viimeiseksi tuotin kartan Kauko-idässä ja Oseaniassa tapahtuneista yli 4 magnitudin  maanjäristyksistä viimeisen 30 päivän aikana. Halusin tutkia aluetta, koska mielikuvani on, että alueella tapahtuu paljon hyvin voimakkaitakin maanjäristyksiä. Aikajanaa olisi voinut muuttaa vaikka viimeisen vuoden aikana, mutta jo tästä pystyy huomaamaan, miten runsaasti yli 4 magnitudin järistyksiä on tapahtunut verrattuna esimerkiksi Pohjois-Amerikan järistyksiin, jossa suurin osa oli vain 2-3 magnitudin järistyksiä.

 

Tekemät karttani ovat mielestäni selkeitä ja myös alalla ei olevat pystyvät ymmärtämään niissä esitettyjä asioita. Uskoisin tällaisen kartan olevan peruskoulussa hyödyllinen sen yksinkertaisuuden ja mielenkiinnon vuoksi. Varsinkin maantieteestä kiinnostuneista nuorista kartat voisivat olla informatiivisia.

Sain kartat tehtyä suhteellisen helposti, mutta olisin voinut haastaa itseäni hieman enemmän ja valita haasteellisemman aineiston. Koen kuitenkin, että tarvitsen vielä harjoitusta perusasioista, koska tämä ei ole vahvinta osaamista alalla. Kehityn kuitenkin jatkuvasti ja olen oppinut kurssilla paljon enemmän geoinformatiikasta ja sen menetelmistä mitä uskoin oppivani. Olen kuitenkin sen kurssin aikana tajunnut, että tämä ei ehkä ole oma juttuni mihin aion tulevaisuudessa erikoistua. Tästä kuitenkin hyötyy paljon mihin suuntaan ikinä aionkaan opintojani alkaa viemään.

 

Lähteet:

Säntti, H (2024) Heiggi’s blog. Kuudes kurssikerta. Viitattu 23.2.2024. Saatavilla: Heiggi’s blog (helsinki.fi)

 

Viidennellä kurssikerralla aloitimme heti työt viime kerralla aloitettujen Pornaisten karttojen parissa. Olimme digitoineet rajatulle alueelle rakennukset sekä isoimmat tiet. Tavoitteena tällä kurssikerralla oli harjoitella bufferointia ja siihen tarvittavia eri työkaluja.

Alkuharjoitus

Pornaisten kartasta aluksi tutustuimme eri laskenta työkaluihin, joilla laskimme teiden pituuksia. Työkaluina käytimme sum line lenght, intersection ja clip. Keräsimme ystäväni Emman kanssa tulokset yhteiseen excel taulukkoon (kuva 1. ). Laskimme teiden kokonaispituuden, sekä teiden mitat, jotka oli digitoitu peltojen päältä. Teitä Pornaisten alueella oli 12,98km ja teitä, jotka oli digitoitu pellon päälle oli 1,342km.

 

Tämän jälkeen pääsimme kunnolla harjoittelemaan bufferointia. Ensimmäisenä halusimme tutkia, kuinka monesta alueen talosta saa tulla pyörällä kouluun. Määritelmänä oli, että oppilaan täytyy asua yli kilometrin säteellä koulusta. Bufferoinnissa aluksi oli määriteltävä tietokanta, jonka kohteet haluttiin bufferoida, haluttu etäisyys kohteesta, sekä halutun segmentin kulmien määrä. Käytimme segmentissä lukua 36, koska se on tarpeeksi pyöreä. Määritelty polygoni ilmestyi kartalle yleensä nopeasti ja vaivattomasti. Tämän jälkeen halusimme siis tietää, monesta talosta sai tulla pyörällä kouluun eli alueen ulkopuolelle jäävät talot. Valitsimme select by location toiminnolla alueen ulkopuolelle jäävät talot, jotka siis olivat yli kilometrin päässä koulusta. Näin ollen saimme tulokseksi, että 249 talosta saa tulla pyörällä kouluun.

Teimme saman tyylisen harjoitteen taloille, jotka olivat 500 metrin päässä terveyskeskuksesta ja talot 50 metrin päässä teistä. Taloja 500 metrin päässä terveyskeskuksesta oli 187 ja talot 50 metrin päässä teistä oli 61. Bufferointi tässä vaiheessa sujui ilman sen suurempia ongelmia. Muutamia hermojen menetyksiä tapahtui, mutta uskoisin sen kuuluvan asiaan.

Itsenäiset tehtävät

Kun olimme saaneet hyviä harjoituksia bufferoinnista ja homma alkoi sujua, siirryimme jatkamaan harjoituksia itsenäisiin tehtäviin. Jatkoimme hyvin sujunutta yhteistyötä Emma Kolkan kanssa.  Aloitimme Malmin lentokenttään liittyvästä tehtävästä. Aloitimme piirtämällä lentokentän kiitoradat. Tehtävänä oli tutkia asukkaiden määrää ensiksi 2km säteellä kiitoradoista ja sitten 1km säteellä. Bufferointi toistui samalla kaavalla kuin alkuharjoituksissa, joten sen puoleen ei ilmennyt suurempia ongelmia. Muutamassa kohdassa ei voinut kuin syyttää itseään, jos oli unohtanut klikata jonkun kohdan tai skipannut välivaiheen. Muutoin tuloksista saatiin järkeenkäypiä.

Seuraavassa vaiheessa siirryimme tarkastelemaan Helsinki-Vantaan kiitoratoja. Piirsimme taas kiitoradat samalla tavalla kuin edellisessä vaiheessa. Selvitimme että Helsinki-Vantaan välittömässä läheisyydessä (2km) asui 9983 ihmistä. Seuraava vaihe vaikutti aluksi hyvin hankalalta ja olimmekin hetken jumissa tässä vaiheessa. Artun pienen avustuksen avulla pääsimme vauhtiin ja saimme tehtävän tehtyä eri melualueista Helsinki-Vantaan läheisyydessä (tulokset kuvassa 1.) Opimme Emman kanssa, että aikaisemmilla kurssikerroilla opitut valintatyökalut ovat hyvin hyödyllisiä ja niiden käytön hallinta on erittäin tärkeää.

Seuraavassa itsenäisessä tehtävässä siirryimme tutkimaan Vantaan juna-asemia ja sen läheisyydessä asuvia ihmisiä. Aluksi laskimme 500 metrin säteellä asemista asuvat ihmiset, jonka tulokseksi saimme 111 765 ihmistä. Tämän vastauksen sai pelkän “perus” bufferoinnin avulla, mutta seuraavissa vaiheissa piti taitoja alkaa soveltamaan. Seuraavassa kohdassa tehtävänä oli laskea työikäisten osuus ihmisistä, jotka asuivat 500 metrin päässä lähimmästä asemasta. Atribuuttitaulukossa ei suoraan ollut ryhmää työikäisistä vaan meidän piti ensin laskea työikäiset yhteen. Laskentatyökalu on onneksi sen verran tuttu, että tämä sujui ongelmitta.

Emma Kolkan (2024) blogia lukiessa tein saman oivalluksen QGIS:n käytöstä kuin Emma. Toiminnot, joissa ei ole montaa vaihetta on helppo suorittaa, mutta jos toiminnossa on monta vaihetta ja eri klikkausta, usein unohdan jonkun välistä ja menetän hermot. Koen kuitenkin, että olen oppinut todella paljon QGIS:ta jo viiden viikon aikana ja perus toiminnot alkavat sujua ainakin melkein ongelmitta. Huomaan kuitenkin, että joka viikko olen unohtanut jotain jo edellisellä kerralla opittua, koska tietoa tulee niin paljon yhdellä kerralla. Tehtävät kuitenkin onnistuvat ilman suurempia ongelmia useimmiten.

Puskurivyöhykkeiden hallinta ja niiden toteutus on tutkimuksessa varsin hyödyllistä. Niiden avulla voimme tutkia jonkun kohteen vaikutusaluetta. Bufferointi on usein nopeaa ja vaivatonta ja sen avulla saa helposti selville alueen sisälle tai ulkopuolelle jäävät muuttujat. QGIS sovelluksen tarjoaa melkein rajattomat mahdollisuudet aineistojen käyttöön ja tutkimiseen ja en edes itse tiedä, mitä kaikkea ohjelmalla on mahdollista tehdä. Veikkaan, että en koskaan tule kovinkaan GIS-velhoksi, mutta ainakin tähän mennessä olen oppinut paljon uutta!

Tämä kurssikerta alkoi teoriaosuudella ruutukartoista ja tiedon esittämiseen niitä hyväksi käyttäen.  Tarkastelimme myös pisteaineistoja ja miten niitä saisimme esitettyä kartalla. Teoria osuuden jälkeen pääsimme tutustumaan käytännössä ruutukarttoihin ja niiden tekemiseen.

Ruututeemakartta

Ensimmäisenä tehtävänä teoriaosuuden jälkeen aloimme tekemään ruututeemakarttaa pääkaupunkiseudun rakennus- ja väestötiedoista. Toimme aineistot QGIS-ohjelmaan, ja aloimme muokata aineistoa pienempään muotoon.  Loimme kartalle ruudukon, joka koski vain alueita, joissa oli muuttujia. Ruudukon luominen onnistui vaivattomasti ja QGIS-ohjelman käyttö muuttuu jatkuvasti vaivattomammaksi viikkojen edetessä.

Valitsin tarkastella ruotsinkielisen väestön osuutta pääkaupunkiseudulla. Tein kartan ensin absoluuttisista arvoista, joista en tajunnut tehdä valmista karttaa. Kartasta tuli siisti ruudukoiden avulla, mutta sitä enemmän tarkasteltaessa se vääristi hieman todellisuutta. Koska arvot olivat absoluuttisia, kartta näytti, että aivan Helsingin kantakaupungissa on eniten ruotsinkielisiä. Absoluuttisesti siellä varmasti onkin, mutta se ei kerro koko totuutta. Huomasin myös Heikki Säntin (2024) pohtivan absoluuttisten lukujen aiheuttamia vääristymiä. Kantakaupungissa asuu ihmisiä tiheästi, joten ruotsinkielisten osuus ei kuitenkaan ole suurin koko pääkaupunkiseutua tarkasteltaessa. Näin ollen laskin suhteelliset arvot ruotsinkielisten osuudesta koko väestöön. Kuvassa 1. näemme ruotsinkielisten osuuden suhteessa muuhun väestöön. Helsingin kantakaupunki edelleen erottuu punaisella kartasta, mutta kartasta erottuu nyt muitakin alueita. Idässä Sipoo ja sitä ympäröivät alueet hehkuvat punaisina suuresta määrästä ruotsinkielisiä ja lännemmässä Kauniainen. Näitä alueita odotinkin nousevan esiin kartasta, kun laskin suhteellisuuden. Muutenkin, mitä lännemmäksi kartalla liikutaan ruotsinkielisten osuus muuhun väestöön suhteessa kasvaa. Rannikkoalueet ja Turun seutu ovat tunnettuja ruotsinkielisten isosta osasta, joten tämä  ei ole yllättävää. Tämä antaa realistisen kuvan, minne ruotsinkielinen väestö on sijoittunut pääkaupunkiseudulla.

 

Rasteriaineistoja ja seuraavaan kertaan valmistautumista

Kun olimme saaneet ruututeemakartat valmiiksi, siirryimme käsittelemään rasteriaineistoja. Emme ole aikaisemmin kurssilla vielä käyttäneet rasteriaineistoja, joten tämä oli kaikille uutta varmasti jollain tasolla. Työstimme aineistoihin korkeuskäyriä ja rinnevarjostusta ensin yhdistämällä kartat.  Pornaisten alue oli ensin siis jaettu neljään osaan, josta tuotimme yhden kokonaisen korkeusmallin. Aineistoon kuului myös Pornaisten peruskarttalehti, jonka myöhemmin yhdistimme korkeusmalliin. Tämä onnistui Virtual raster-toiminnon avulla. Kun olimme saaneet kaikki yhdistettyä, teimme rinnevarjostuksen. Contour– työkallulla saimme luotua korkeuskäyrät peruskarttalehteen. Kaikki työkalut toimivat itselläni hyvin, eikä missään vaiheessa tullut isompia ongelmia. Huomasin kuitenkin, että tietokone oli hitaampi sen käsitellessä rasteriaineistoa kuin vektoraineistoa. Pelkäsinkin hieman kaatuuko koko ohjelma kesken työskentelyn. Näin ei kuitenkaan tapahtunut.

Tämän jälkeen siirryimme valmistelemaan karttaa seuraavaa kertaa varten.  Pääsimme digitoimaan rajatulle alueelle muutaman tien, sekä koko rajatun alueen asutuksen. Digitointi sujui ongelmitta, sillä sitä on tullut harjoiteltua jo muutamassa eri tehtävässä aikaisemmilla kursseilla.

Lähteet:

Säntti, H. (2024) Heiggi’s blog. Heiggi’s blog (helsinki.fi).  Viitattu 9.2.2024

Aloitimme kolmannen kurssikerran heti työntouhulla eli pääsimme tutustumaan lisää QGIS-ohjelman toimintoihin. Tällä kertaa perehdyimme lisää eri valintatyökaluihin ja Suomen kunnat -pohjakartan sijaan käytimme Afrikan karttaa tässä työssä pohjakarttana. Isoin uusi asia QGIS:n käytössä oli oppia lisäämään valmiiseen tietokantaan lisää tietoa. Käytännössä lisäsimme Afrikan pohjakartan tietoihin esimerkiksi väestömäärän. Yksinkertaistimme myös atribuuttitaulukkoa enne tietojen lisäämistä yhdistämällä yhden valtion kohteet yhdeksi tiedoksi. Kurssikerran tehtävissä oli tarkoitus hyödyntää näitä opittuja tietoja ja taitoja kun lähdimme käsittelemään eri aineistoja.

Käytimme erilaisia toimintoja saadaksemme aineistot selkeään muotoon. Lisäsimme tämän jälkeen nuo lisätiedot aineistoon, josta aiemmin mainitsin. Tiedot olivat excel-taulukossa, joka oli melko yksinkertaista yhden komennon (add delimited text) avulla. Excel-tiedosto piti kuitenkin ensin tallentaa CSV-muotoon, jotta sitä on yksinkertaista käsitellä. Laskimme lisää eri tietoja ainestosta. Aineistosta löytyi timanttikaivosten määrät, öljyn tuotannot sekä konfliktit alueella. Näistä aineistoista lähdimme tutkimaan syitä ja seurauksia QGIS:n avulla. Emme työstäneet valmista karttaa näistä, mutta kuvasta 1. voidaan nähdä havaintoja kartalta.

 

Laskimme timanttikaivosten ja konfliktien määrät valtioittain, jotta pystyimme analysoimaan näiden kahden välistä yhteyttä. Nopealla atribuuttitaulukon vilkaisulla pystyi havaitsemaan pienen yhteyden. Mitä enemmän timantteja, sitä enemmän konflikteja. Maiden joukossa oli myös poikkeuksia esimerkiksi Eritrea, jossa ei ollut yhtään timanttikaivosta, mutta iso määrä konflikteja. Öljyn tuotannossa ilmeni samanlaista ongelmaa. Suoraan ei kuitenkaan voinut sanoa näillä olevan yhteyttä. Pohdimmekin kurssikerralla, että olisi mielenkiintoista nähdä elintasoa kuvaava aineisto ja lisätä se vielä näiden joukkoon, jolloin pystyisi näkemään isot elintaso erot Afrikan valtioissa. Timantit ja varallisuus on jakautunut hyvin epätasaisesti ja on vain tietyn ihmisryhmän käytössä.

Itsenäinen harjoitus

 

Näiden harjoitusten jälkeen lähdimme työstämään itsenäisesti Suomen tulvariski alueita ja järvisyysprosentista diagrammia QGIS:lla. Aluksi olin suoraan sanottuna aivan pihalla, mistä kohdasta olisi pitänyt aloittaa. Harjoitustyössä oli niin paljon vaiheita, että olin mennyt sekaisin mikä toiminto tuli mistäkin. Lopulta pääsin vaihtiin ja sain laskettua tarvittavat arvot eli tulvaindeksin. Tässä kohtaa toin aikaisemmin opitun excel-taulukon Suomen järvisyysprosenteista QGIS:n, mikä sujui ongelmitta. Kun kaikki arvot oli saatu samaan atribuuttitaulukkoon, aloin muodostaa koropleettikarttaa tulvaindekseistä. Tämä vaihe sujui ongelmitta, sillä aikaisemmilla kerroilla oli jo opittu aineiston luokittelu ja sen luonti. Kuvassa 2. valmis tulvariski kartta Suomen alueelta.

Nopealla katsauksella pystymme huomaamaan, että tulvariski on suurimmillaan rannikkoseuduilla. Etenkin pääkaupunkiseutu kuuluu suurimpaan riskiluokkaan. Myös Pohjanmaa kokonaisuudessaan kuuluu tulvariski alueeseen. Valuma-alueet siis sijoittuvat alaville alueille kuten rannikoille. Suomen alavinta aluetta on juuri Pohjanmaa ja Turun ja Helsingin seutujen rannikot. Kartassa ei siis näy mitään kovin poikkeavaa.

Seuraavaksi siirryimme tekemään diagrammia Suomen järvisyydestä. Tähän karttaan ei oikein ollut ohjeita, joten kartan laadinta oli hieman vaikeaa alussa. Sain kuitenkin Artulta apuja, jonka jälkeen aloin hahmottamaan, miten diagrammi QGIS:lla tehdään. Kuvassa 3.

Pidin ongelmallisena, että diagrammeja ei saanut siistimmin aseteltua kartalle, ja kartta näyttää omaan silmään epäsiistiltä. Kartasta kuitenkin näkee selkeästi diagrammeista Suomen järvisyysosuudet. Kartasta näkyy, kuinka suuri osuus kunnasta on järveä ja paljon on maa-aluetta. Järvi-Suomi erottuu selkeästi sen suurella määrällä järviä. Muuten Suomi on tasaisen “järvinen”. Etelä-Suomen kaikki diagrammit ei oikein pääse etuuksiinsa eikä näkyville, mutta kartasta saa silti hyvän kuvan Suomen järvisyydestä.

Kurssi kerta oli itselleni selkeästi haastavin. Yhteisessä harjoitustehtävässä oli monia vaiheita, joissa välillä oli haasteellista pysyä mukana. Sain kuitenkin kaikki tehtävät hyvin tehtyä ilman suurempia ongelmia, mihin olen hyvin tyytyväinen.