Author Archives: Amanda Ojasalo

Viimeinen

Tämä blogi alkaa pikkuhiljaa tulla tiensä päähän, sillä viimeisenkin kurssikerran tehtävät ovat nyt valmiit. Viimeisen kerran tarkoituksena oli etsiä täysin itsenäisesti aineistoa ja muuttujia, sekä luoda niiden pohjalta karttaesitys. Valinnanvaikeus osoittautui suureksi ongelmaksi, sillä niin moni asia tuntuu pintapuolisesti kiinnostavalta, mutta mikään ei tuntunut ottavan tuulta alleen tarpeeksi. Aineistojen paljouden vyöryessä ylitseni, päätin rajata aluettani helpottaakseni valinnanvaikeutta. Jätin aikaisempien kurssikertojen maailmankartat, Afrikat, Euroopat, sekä koko Helsingin, ja päätin palata kotiseudulleni Saimaan rannalle. Latasin Saimaan, ja rupesin etsimään tietoa lempieläimestäni norpasta.

Ongelmalliseksi karttaa tehdessäni osoittautui se, että vaikka kokeilin ladata Saimaata useasta eri palvelusta (Paitulista, Lapiosta ja MML:n maastotietokannasta), eivät järvialueet vastanneet norppahavaintojen järvialueita. Päädyin lopulta luomaan kartan tekemällä manuaalisesti pistetietokannan norppahavainnoista, ja yhdistämään luodun tason Saimaa-aineistooni. Ei mikään ideaalein tapa, mutta tässä tapauksessa vielä ihan toimiva, kun aineisto ei käsittänyt satoja pisteitä, vaan pisteet pesimäalueittain. Tajusin kartassa virheen siinä vaiheessa kun aloin kirjoittamaan tätä tekstiä, nimittäin Haukiveden, Pihlajaveden ja Tolvanselän vesialue (kartassa tummalla ja keskellä) näyttää yhdeltä alueelta, vaikka alue käsittää kolme aluetta, jolla jokaisella norppien määrä on 80-159. Olisin voinut myös laittaa järvialueiden nimet karttaan, mutta näistä virheistä huolimatta ihan kiva siitä tuli.

Norppakartta ei kuitenkaan jättänyt niin hyvää fiilistä, että olisin halunnut sen olevan kurssin viimeinen työ. Päätin jäädä kotiseudulleni, ja vailla mitään punaista lankaa, rupesin latailemaan kaikennäköistä sälää, kuten teitä, rakennuksia, ja julkisen liikenteen pysäkkejä. Savonlinnan koulutkin pistin manuaalisesti paikalleen, mutta ihan turhalta näpertelyltä tuntui tämä puuhastelu. Aina kun kävin santsaamassa kahvia ja palasin GIS-luokkaan, olin unohtanut sen, mitä olin tekemässä. Odotin jotain hyvää ideaa, ja kyllähän se sieltä lopulta iski. Saavutettavuusanalyysi! Olin itseasiassa ajatellut sitä joskus viikkoja sitten, mutta unohtanut koko jutun kahlatessani tässä GIS-suossa. Kotiseutuni on kokenut viimeisen vuoden aikana paljon haastavia muutoksia, joiden vuoksi seutu uhkaa kuihtua nuoren väen muuttaessa muualle. Saavutettavuusanalyysi tuntui siis tosi läheiseltä aiheelta. Uudella innolla ja inspiraatiolla rupesin selvittämään, että mites tässä pitäisi edetä, ja jälleen kerran Onni Pörhölästä oli suuri apu koko jutussa. Lukuisten umpikujien jälkeen löytyi oikea plugin, nimittäin ORS Tools, jonka avulla pystyi luomaan isokroneja. ORS, eli Open Route Service tarjoaa käyttäjilleen monipuolista maailmanlaajuista tietoa tieverkoista, ja erilaisia työkaluja hyödyntämään näitä. Datankäyttöä varten saa yhden API-keyn vuorokaudessa, eli toisin sanottuna yksi isokroniyritys per vuorokausi. Tai niin monta, kuinka monta sähköpostiosoitetta jaksaa tehdä..

Isokroneja luodessa tulee hyvin esiin alueen pääväylät, joilla on suuri merkitys saavutettavuuden kannalta. Kartan perusteella voidaan huomata, että Kallislahden eteläpuolelle kestää autolla saman verran kuin Simanalaan, vaikka matka on pituudeltaan selkeästi pienempi. Harmittaa vähän, että laatu ja luettavuus kärsii blogissa aina kartan pienenemisen vuoksi, mutta onhan se nyt siitä huolimatta hitsin hieno! On se kyllä siisti fiilis, kun saa jonkun uuden idean, ja sitten vielä toimimaan sen.

Tähän karttaan on hyvä lopettaa tämän kurssin GIS-seikkailuni. Kiitos Artulle hyvästä kurssista, sekä kaikille ystäville, joiden kanssa on tullut vietettyä tunteja GIS-luokassa.

Lähteet:

Norppakartan vesialueet
Norppakanta
Saavutettavuusanalyysin pohjakartta
ORS

Interpolointi

Heipähei! Toiseksi viimeistä viedään. Kurssikerran uutena juttuna oli interpolointi, jota varten kävimme juoksentelemassa pitkin Kumpulaa ja Kalliota keräten Epicollect -sovelluksella pisteaineistoa. Aineiston perusteella syntyi interpoloitu kartta kerääjien kokemasta turvallisuudentunteesta, jossa mitä vaaleampi väri, sitä turvallisemmaksi koettu tila.

Interpoloinnissa minua hieman hämää se, että väritys muodostuu koko kartan alueelle, vaikka aineistoa on vain tietyltä alueelta. Esimerkiksi Itä-Pasilasta on vain yksi piste, mutta silti se hehkuu tummimpana kartalla, ja alue on paljon suurempi, kuin esimerkiksi integraalimäen alue, jossa kuitenkin näkyy Pasilan pistettäkin pienempi piste. Harju näkyy tummempana kuin Alppila, vaikka lähimmät pisteet ovat mitattu Kurvin ja Vaasanpuistikon tienoilta. Jotta interpoloinnista saisi luotettavamman, vaatisi se enemmän pisteitä ja tasaisimmilta väleiltä, mutta tässä tehtävässä olikin pääpointtina itse kerätyn aineiston käyttö, sekä itse interpolointityökalujen harjoittelu. Vähän jäi mietityttämään kuitenkin, että millaisen aineiston esittämiseen interpolointi sopisi parhaiten.

Tuo annettu rakennus- ja tieaineisto oli niin miellyttävän tarkka, että halusin tehdä sillä toisen interpoloinnin Helsingin keskustasta, aiheena autojen määrä tietyillä mittauspisteillä. Vaikka tunnilla interpoloinnissa ei ollut mitään ongelmia, en saanut sitä millään toimimaan tuolla toisella aineistolla, vaikka oman (ja myös muutaman muun) käsitykseni mukaan kaikki oli niin kuin pitääkin. Ärsyttää aina kamalasti, kun ei tiedä miksi jokin juttu ei toimi, ja tuon interpoloinnin kanssa kamppaillessani ensimmäistä kertaa taisin oikeasti menettää hermoni QGIS:n kanssa. Lukemattomien yritysten sekä tuntien jälkeen oli pakko luovuttaa, ja siirtyä pettyneenä tekemään varsinaisia itsenäistehtäviä, eli hasardikarttoja, joita voisi käyttää apuna opetuksessa.

Tässä ensimmäisessä kartassa näkyy kaikki yli 8 magnitudin järistykset vuoden 1980 jälkeen, sekä kaikki ihmisen aikana aktiiviset tulivuoret. Näin jälkeenpäin minua häiritsee, etteivät järistykset ja tulivuoret noudata samaa aikaluokkaa. Olisin halunnut esittää kartassa 1980 luvun jälkeen aktiiviset tulivuoret, mutta se osoittautui mahdottomaksi valitulla aineistolla. Pyrin tekemään kartasta mahdollisimman simppelin, joten annetun taustakartan sijaan latasin vain mantereiden rajat, sekä laattarajat. Kokeilin tässä kohtaa myös interpolointia onnistuneesti, mutta se ei mielestäni näyttänyt tällä aineistolla hyvältä, tai ollut muutenkaan tarpeellinen. Opetuskarttana kartta on mielestäni hyvä siinä suhteessa, ettei siinä ole mitään turhaa informaatiota aiheen kannalta, mutta ehkä jos laattarajoihin olisi lisännyt pienet nuolet työntösuuntaan, voisi karttaa katseleva oppilas saada siitä enemmän irti itsenäisestikin.

Sitten toinen, meteoriitteja kuvaava kartta. Tämä oli mielestäni vähän tylsä, sillä meteoriittitietokannan sai ihan suoraan ladattua netistä csv muodossa, joten tässä ei oikeastaan tarvinnut tehdä muuta kuin laittaa aineistot paikalleen. Yritin sen vuoksi tehdä koropleettikarttaa, jossa olisi näkynyt meteoriittien sijoittuminen valtioittain, mutta oli pakko luovuttaa senkin kanssa, sillä QGIS kaatui ehkä 15 kertaa join attributes by locationissa. Vaikka pienensin ja pienensin ja pienensin aineistoa niin, että ei siellä loppujen lopuksi olisi ollut tarpeeksi dataa mihinkään järkevään karttaesitykseen. Ehkä ihan hyvä, sillä tehtävänantoa silmällä pitäen tästä kartasta saisi oppilas enemmän irti, kuin koropleettiversiosta. Jäätiköt latasin sinne ihan vaan huvikseni, kun tuntui niin tyhjältä.

Kolmanteen karttaa etsin aineistoa tulvista, josta suodatin kaikki ennen vuotta 2018 tapahtuneet tulvat, ettei kartta olisi ollut yhtä isoa tulvaa. Juolahti nyt mieleen, että olisin voinut esittää siinä vaikka kaikki vuoden 2000 jälkeen tapahtuneet tulvat, ja tehdä koropleettiesityksen tulvien syiden perusteella, jolloin siitä olisi saanut enemmän irti opetuskarttana. Miksiköhän kaikki hyvät ideat aina tulee tässä kirjoitusvaiheessa?

Vertailun vuoksi suurimmat tulvat vuosilta 2001-2016

Tässä vaiheessa löysin tieni Eemil Haapasen blogiin, ja sain vastauksen miettimääni kysymykseen, eli millaisen aineiston esittämiseen interpolointi parhaiten sopisi. Eemil on tehnyt selkeän asukasmääräkartan yli 7000 kaupungin pisteaineistosta, jossa interpolointi toimii erittäin hyvin.

Aineistonkerääjät työssään

Lähteet:

Eemil Haapanen 23.2.2019  (luettu 26.2.2019)

Vitonen

Moi! Viides kurssikerta takana. Tällä kertaa aiheena oli bufferointi, aikaisempien hommien kertaus ja itsenäisempi työskentely. Kurssikerta toi mukanaan paljon uusia työkaluja, kuten processing toolbox, sum line lenghts, bufferityökalut, sekä spatial query. Bufferiharjoituksissa saimme oikeastaan vapaat kädet itsenäiseen työskentelyyn, ja laskimme muun muassa edellisellä kurssikerralla valmistellun Pornaisten aineiston perusteella pääväylien bufferivyöhykkeelle jäävien talojen määrän, sekä Malmin lentoaseman meluvyöhykkeellä asuvien määrän.

Numeroiden pyörittelyn jälkeen etsin Helsingin kaupungin paikkatietoaineistoista Malmin lentoasemalle suunnitellun asuinalueen rajat. Lisäsin georeferencer pluginin, jonka avulla sain rasterikuvan asetettua sopivaan kohtaan kurssiaineiston kanssa. Kiitos avusta Onni Pörhölälle ja QGIS tutoriaaleille. Georeferoinnin jälkeen piirsin rasterin perusteella polygonin, ja loin lopputuloksesta kartan, jossa on nähtävissä alueen lisäksi tämänhetkiset asuinrakennukset, sekä maankäyttöalueet, kun olen niin mieltynyt siihen kurssikerta nelosen maankäyttöaineistoon. Lopputulos muistuttaa erehdyttävästi viimekerran rakennuskarttaani. Lentokentän alueelle on lentoaseman käyttöönoton (1936) jälkeen rakennettu 771 taloa, ja suunnittelualueen sisäpuolella asuu tällä hetkellä 208 asukasta. Suunnittelualueelle kaavaillaan 25 000 ihmisen asuinaluetta, jolloin alueen väestötiheys olisi noin 7530 henkilöä neliökilometriä kohden. Vertailun vuoksi koko Helsingin väestötiheys on 2741 (2010), Suomen tiiviimmin asutun alueen, eli Torkkelinmäen väestötiheys 31183, ja Malmin naapurin Suutarilan 3111.  Aika paljon siis porukkaa alueelle, jonne rakentaminen on maaperän vuoksi muutenkin aika ongelmallista. Tätä karttaa voisi myös jatkaa tekemällä sille parin, jossa näkyy suunniteltujen talojen asemakaava, tai vaikka bufferianalyysin asuinalueen lähimmistä palveluista, kouluista, terveyskeskuksista tai ties mistä.

Sitten seuraavaan tehtävään. Aloin tekemään itsenäistehtävää, jonka aiheena oli 1965-1970 -luvuilla rakennetut kerrostalot Helsingissä. Toisin sanottuna siis putkiremonttiherkimmät alueet. Kohtasin tätä tehtävää tehdessäni mystisen ongelman join attributes by location työkalussa, sillä aiemmin moitteettomasti toiminut työkalu herjasi pelkkää -24654789983jotain erroria. Tämä siis, kun koitti yhdistää pääkaupunkiseudun pienalueaineistoon tietoa kerrostalojen rakennusvuosista. Jännää kyllä pääkaupunkiseudun suuralueilla työkalu toimi aivan kuten ennenkin, joten mietityttämään jäi, että mistähän tuo juttu johtui. Valintatyökalu vaatikin siis aiemmasta poiketen jotain sisältöä. Homma selkeni lopulta, kun sain puhelun Vilma Kaukavuoren GIS-tukipuhelimesta.

Vilmaa lainaten;  “Tuona aikana Helsinkiin syntyi lähiöitä, kuten Siltamäki Jakomäki ja Mellunmäki. Taloja rakennettiin nopeasti ja vuonna 1965 rakennettiin ennätysmäärä asuinpinta-alaa.  Nuo talot ovat kuin suuret ikäluokat. Ne ovat nyt saavuttaneet putkiremontti-iän ja jos remonttia ei ole vielä tehty, se on auttamatta edessä.” Niimpä. Silmiin pistää myös tummana loistavat Kauniainen ja Lehtisaari, joiden en ajatellut olevan tämän kartan pääroolissa.

No mutta joo. Tämän blogitekstin tehtävänannossahan ei varsinaisesti pitänyt jaaritella kartoista, vaan pohtia omaa osaamista, ongelmia ja oivalluksia. Ongelmia ja oivalluksiahan tämä on kyllä koko kurssi ollut. Koen, että nyt tässä ihan parin viime kerran aikana tämä QGIS:n käyttöni on ottanut ihan kunnon askelia haparoivien sijaan. Ongelmia kohdatessa uskaltaa jo kokeilla ja etsiä myös työkaluja, joita ei ole kurssilla vielä esitelty. Monesti näitä juttuja tehdessäni huomaan innostuvani löytäessäni jonkun uuden siistin jutun, ja samalla unohdan sen, mikä oikeastaan oli kysymys, johon etsin vastausta. Sitten pitää kysyä itseltä moneen kertaan, että ”mitä minä olen tekemässä”. Esimerkiksi tällä kurssikerralla innostusta aiheutti onnistuminen georeferoinnin kanssa, sekä Helsingin kaupungin avoimien paikkatietojen loputon meri, josta löytyisi vaikka mitä jännää. Jeps, mutta tärkeimmät ja parhaiten hallussa olevat työkaluthan ne ovat kuitenkin luonnollisesti ne tähän asti eniten käytetyt, eli attribuuttitaulukon muokkaamiseen, sekä tietokantaliitosten tekemiseen liittyvät. QGIS:n käyttöni kaipaa kyllä vielä ihan hirveästi toistoja, jotta vähemmän käytetytkin työkalut iskostuisivat paremmin päähän. Lisäksi minun pitäisi muistaa säilyttää punainen lanka tehdessäni, sillä monesti harhaudun ja jumitun johonkin tosi epäoleelliseen asiaan. Onneksi motivaatiosta ja innostuksesta ei ole puutetta.

Ensi kertaan!

Lähteet:

Vilma Kaukavuori 15.2.2019 (luettu 20.2.2019)

Ruutuja

//20.2.2018 Opin viidennellä kurssikerralla, että kavu ei tarkoitakaan kaavoitusvuotta, vaan rakennuksen käyttöönottovuotta. Kun tässä blogitekstissä puhutaan kaavoitusvuodesta, tarkoitetaan siis oikeasti rakennuksen käyttöönottovuotta. 

Terve! Ja hyvää perjantaita. Kirjoitan tätä blogitekstiä GIS-luokassa penkillä, jolla olen nyt istunut noin 11 tuntia. Aika on lentänyt kuin siivillä, sillä neljäs kurssikerta käsitteli lempiaihettani ruutuaineistoja. Asiaan.

Luennolla tekemässämme harjoituksessa loimme ruututeemakartan Helsinkiä käsittelevästä aineistosta yhdistämällä luotuun 1x1km ruutuverkkoon dataa alueella asuvista henkilöistä. Lisäsimme uuden muuttujan ruutujen suhteellisista ruotsinkielisten prosenttiosuuksista, joka on havainnoitu alla olevassa kartassa.

Ruotsinkielisten suhteellinen osuus Helsingin seudulla

Ruututeemakartat ovat käteviä kuvaamaan alueellisia tiheysmuuttujia tai suhteellisia prosenttiosuuksia. Ilona Tuovinen toi blogissaan esille myös sen, kuinka ruutumatriiseilla voidaan keventää aineistoa rajaamalla siitä pois kaikki ne ruudut, joiden sisältämä tieto ei ole relevanttia. Kätevyydestään huolimatta ruutumatriiseihin kannattaa suhtautua varauksella. Kartan perusteella tummimmat ruudut hämäävät, sillä ruutuaineisto ei kerro sitä, kuinka monta ihmistä ruudussa asuu. Attribuuttitaulukkoa tarkastelemalla eräässä tummassa ruudussa esimerkiksi ruotsinkielisten osuus oli 100%, sillä ruudussa asui vain kaksi ihmistä. Mitä suurempia ruudut ovat, sitä enemmän ne yleistävät, mutta pienet ruudut sen sijaan voivat tehdä suhteellisista prosenttiosuuksista hämäävän jyrkkiä.  Koropleettikartta onkin mitä luultavimmin ruutumatriisia selkeämpi vaihtoehto, kun kyseessä on tarkempia vaihteluita vaativa aineisto, etenkin silloin kun alue on suuri. Tekemäni kartta vaatisi lisäksi informaatiota paikannimistä, sillä kartan lukija ei pysty sitä kunnolla tulkitsemaan ilman toista karttaa aluerajoista, ellei Helsingin seutu ole ulkomuistista hallussa. Ainakin näin maalaisena en aina ihan muista, että missäs se Helsinki loppuu ja Espoo alkaa.

Luennon jälkeen siirryin itsenäisen tehtävän pariin, jossa oli tarkoituksena luoda toinen ruututeemakartta. Kaavoitus tuntui mielenkiintoisimmalta aiheelta aineiston sisältämästä datasta, joten valitsin muuttujaksi rakennusten kaavoitusvuoden. Alueen rajasin pieneksi; Vallilasta Kruununhakaan. Halusin saada kartasta mahdollisimman tarkan, joten valitsin ruudukon kooksi 20x20m tai 50x50m. Tässä vaiheessa on hankalaa enää muistaa, mutta kartan perusteella veikkaisin sen olevan 20x20m. Seeti Haapaselta sain vinkkiä siitä, että kurssikerran aineiston lisädata -kansiosta löytyy myös tiestö, joten lisäsin sen karttaan tuomaan ryhtiä ja selkeyttämään alueita. Lisädatakansiosta löytyi myös kaikkea muuta hauskaa, kuten maankäyttömuotoaineisto, jonka ajattelin olevan kiva lisä kaavoitusvuosien kanssa.

Hyvän tovin kartan kanssa kikkailtuani minulla välähti. Yritän tässä tehdä lähes rakennuskohtaista ruutumatriisia kaavoitusvuosista, kun minulla olisi rakennuskohtainen data jo valmiina ja tarkempana siellä, mistä datan alunperinkin toin ruutumatriisiin. Toteutin sitten koko homman uudestaan käyttämällä rakennuskohtaisia tietoja, jolloin kartasta tuli melko samannäköinen, mutta paljon tarkempi. Laitan tähän myös sen ruutumatriisiversion ihan vain sen takia, että siihen tuli käytettyä melko paljon aikaa. Sen viimeistelyyn ei enää kuitenkaan riittänyt motivaatio, vaan sieltä puuttuvat rakennuskohtaisessa kartassa olevat paikannimet, ja legendassa on pari hassua lukua. Kaikesta tästä teki myös hauskaa se, että QGIS kaatuili aina, kun tein tietokantaliitoksia.

Maankäyttö ja ruutumatriisi rakennusten kaavoitusvuosista Helsingin Kalliossa ja sen lähialueilla.

Maankäyttö ja rakennusten kaavoitusvuodet Helsingin Kalliossa ja lähialueilla.

Olo oli kaiken tuon turhan työn ja säätämisen jälkeen niin tyhmä, että ei siinä muuta voinut kuin nauraa. Lohduttavaa on kylläkin se, että kartoista tuli mielestäni kauniit ja informatiiviset, joskin koon pieneneminen taas vähän heikentää laatua ja legendan luettavuutta. Sieltä ne kuitenkin löytyvät, kaavoitukset niin Kruununhaan, Torkkelinmäen ja Vallilan vanhoista kivitaloista, kuin myös Merihaan, Linjojen ja Porvoonkadun 60-luvun luomuksista. Kartan perusteella voidaan tulkita, miten alueen rakentaminen on levinnyt asuinalueiden keskiosista reunoille pitkänsillan pohjoispuolella. Esimerkiksi Sörnäisten rantatien tuntumassa on lähes pelkästään vuoden 2000 jälkeen rakennettuja kiinteistöjä.

Edellisen kaavoitusruutumatriisin mennessä penkin alle, halusin tehdä aiheesta onnistuneemman version. Valitsin laajemman alueen, ja ruutukooksi muistaakseni 500x500m. Luulin jo olevani valmis karttojen kanssa, kunnes kohtasin oudon ongelman. Olin ruudukkoa tehdessäni hieman huolimaton, ja vedin sen liian alhaalta niin, että kartalle tuli turhan paljon tyhjää merialuetta Helsingin edustalta. Leikkasin kartan alareunasta palan pois, ja kaikki näytti hyvältä composer -näkymässä, mutta tallennettuani kuvan, oli leikkaamani suikale palannut, ja legendan tekstit häiritsevästi pompannut sen päälle. Aikani taas säädin kartan kanssa kokeillen lähes kaikkea mitä vain keksin kokeilla, mutta kun se ei tuottanut tulosta, minun oli otettava kartasta kuvankaappaus composer -näkymässä ja tuotava se sitä kautta blogiin. Laatu taisi siitä vähän kärsiä.

Keskimääräiset kaavoitusvuodet Helsingissä

Kartan perusteella voidaan tulkita Helsingin seudun kasvujärjestystä. Kantakaupunki näkyy vahvasti vaaleana, muutamia tummia pisteitä lukuunottamatta. Tummana näkyvät uudehkot asuinalueet, kuten Jätkäsaari, jonka suuri rakennusprojekti aloitettiin vuonna 2010. Huolimattomuuteni ruudukon rajaamisessa kuitenkin aiheutti sen, että kartassa ei näy ihan koko Helsinkiä, mutta sen voi varmaan laittaa tämän maalaisuuden piikkiin. Kartan lukijalle hyödyllistä olisi jälleen ollut myös se, jos olisin lisännyt siihen jotain paikannimiä. Lisäksi karttaa tulkitessa on otettava huomioon, että värit kuvaavat keskiarvoja.

Kaikkien näiden tuntien ja muutamien vastoinkäymisten jälkeen minulla on erittäin hyvä fiilis. Tänään ensimmäistä kertaa tuntui siltä, että QGIS:n käyttö on jollain tasolla rutinoitunut, eikä enää tarvitse niin paljoa mietiskellä ja muistella, että mitenkäs ne perusjutut menikään. Pelkän mekaanisen ohjeiden noudattamisen sijasta taidan jopa jollain tasolla ymmärtää ohjelman toimintoja.

Ensi viikkoon!

Lähteet:

Ilona Tuovinen 7.2.2019  (luettu 8.2.2019)

Tietokantaliitokset

Noniin! Sinne meni kolmaskin kurssikerta. Tällä kertaa aiheena oli tietokantaliitoksiin syventyminen. Luennolla tehtävässä harjoituksessa oli tarkoituksena valmistella Afrikan valtiot sisältävä tietokanta kompaktimpaan muotoon, ja liittää siihen ulkopuolista dataa konfliktialueista, timanttiesiintymistä, sekä öljyvaroista. Alla olevassa kuvassa on aikaansaannokseni.

Afrikan luonnonvarat ja konfliktit valtioittain

Kartan perusteella voidaan havainnoida, onko luonnonvaraesiintymillä ja konflikteilla jonkinnäköistä suhdetta. Nopealta vilkaisulta kartta näyttää melko läikikkäältä, ja öljy- sekä timanttiesiintymiä löytyy sekä konfliktiherkiltä alueilta kuten Angolasta, että vähäkonfliktisilta alueilta kuten Libyasta. Hetkinen? Eikös Libyassa ole ollut aika levotonta viime vuosina? Googlehaun tuloksissa vilkkuivat ainakin artikkelit sanoin ”kaaos”, ”kriisi”, ”sisällissota”, ”tulitauko” ja ”tuhon partaalla”. Ei kuulosta maalta, jonka kuuluisi kartassa olla kaikista pienimmässä luokassa konfliktien osalta. Päädyin lueskelemaan ICCT:n raporttia sisällissotaan johtaneista syistä, ja aikamoinen soppahan siellä on syntynyt vuoden 2011 Muammar Gaddafin vallastasyöksemisen jälkeen. Valtataistelu on ajautunut sisällissodaksi, jonka taustalla vaikuttavat kilpailevat hallitukset, heimot,  järjestöt ja vaikka ketä. Aika monimutkaiselta vaikuttaa, ja eipä yhtään yllätä, että alueella on paljon öljyesiintymiä.

Muistinkin sitten, että tietokantoja muokatessamme teimme ylimääräisen sarakkeen, joka niputtaa samana vuonna tapahtuneet konfliktit yhdekti kokonaisuudeksi. Käytin tuota kyseistä saraketta kuvaamaan konfliktien määrää, joten nythän kartta kertoo vain konfliktivuosien määrän. Noh, kolme tuntuu silti aika pieneltä luvulta Libyaa ajatellen, vaikka en nyt olekaan tarkistanut sitä, minä vuonna minäkin konflikti on tapahtunut. Mikähän edes lasketaan konfliktiksi tässä aineistossa, ja miltä vuodelta se on? Enpä tullut ajatelleeksi ennen kuin nyt. Kartta vääristää myös siinä suhteessa, että monissa valtioissa konflikteja esiintyy vain tietyillä alueilla, eikä koko valtion alueella.

Päädyin esittämään konfliktit kartan värityksessä siksi, että vaikka ne olivatkin aineistossa pistetietokantana, olisi kartan ulkonäkö mielestäni muuttunut turhan sekavaksi, jos siihen olisi lisännyt vielä kolmannetkin pisteet. Sen lisäksi en karttaa tehdessäni ajatellut tarpeeksi kartan esittämää tietoa, vaan lähinnä kartan luettavuutta. Kartta näyttää silti hieman epäselvältä, sillä koon pienenemisen vuoksi timanttiesiintymiä ei meinaa erottaa vaaleimmasta taustasta. Lisäksi pohjoisnuoli on kadonnut haalean värityksensä vuoksi lähes kokonaan mittakaavan yläpuolelta. Saattaa olla, että palaan vielä muokkaamaan kartan väritystä ja esitystapaa. Tämä tehtävä opetti minulle entisestään siitä, kuinka helppoa kartoilla on manipuloita, ja kuinka paljon niillä halutessaan voi vääristää. Sen lisäksi opin, että minun on kartantekovaiheessa enemmän keskityttävä siihen, mitä haluan kartalla viestittää, sillä eihän se riitä, että sieltä löytyy oikeat luvut, jos ei ole ollenkaan pohtinut lukujen tarkoitusta. Jos olisin kiinnittänyt huomiota Libyan väriin jo tekovaiheessa, ei tämä kartta olisi päätynyt tähän blogiin. Jokuhan voisi saada tämän kartan googlen kuvahaulla eteensä, ja lähteitä tarkistamatta käyttää sitä ties missä. Epätodennäköistä, mutta mahdollista kuitenkin.

No mutta se Afrikasta. Seuraavana tehtävänä oli tehdä karttaesitys Suomen valuma-alueiden tulvaindekseistä sekä järvisyydestä. Yritin ensiksi tehtävän haastavampaa versiota, mutta aikani sen kanssa kamppaillessani tulin siihen tulokseen, että parempi vain mennä valmiiden tietokantojen kautta, tai muuten tässä vierähtää taas koko viikko.

Valuma-alueiden tulvaindeksit. Valkoiset palkit kuvaavat alueiden järvien määrää.

Tämä kartta onnistui mielestäni visuaalisesti hyvin. Jätin tarkoituksella valkoiset palkit pois legendasta, sillä en saanut niitä asettumaan kauniisti. Tosin äskeisen Afrikkapohdinnan jälkeen tuntuu tyhmältä, että olen jättänyt ne pois ja mennyt taas kartan ulkonäkö edellä. Kartasta voidaan kuitenkin tulkita, että järvien määrällä ja tulvaindeksillä on korrelaatiota. Tulvaindeksi on kaikkein pienin niillä alueilla, jossa järvien määrä on suuri. 

Enempää en nyt taida tässä jaaritella. Moi!

Lähteet:

Daveed Gartenstein-Ross & Nathaniel Barr, 2015. ICCT: Dignity and Dawn, Libya’s escalating civil war

Projektiot

Toisella viikolla geoinformatiikan menetelmissä perehdyttiin projektioiden aiheuttamiin vääristymiin. Tunnilla tekemässämme harjoituksessa laskettiin ensiksi attribuuttitietojen perusteella valittujen projektioiden pinta-alojen prosentuaaliset erot, jonka jälkeen nämä visualisoitiin kartalle. Ensimmäisessä kuvassa on nähtävissä tunnilla tehty harjoitus, jossa on verrattu Mercatorin projektion aiheuttamia vääristymiä Lambertin projektioon. Kartoissa käytetty Lambertin projektio on tarkemmin ETRS89/ETRS-LAEA -projektio, eli kaikista vähiten Suomea vääristävä projektio. Ennakko-odotukset Mercatorin aiheuttamista vääristymistä olivat luonnollisesti suuret, mutta yllätyin niiden olevan jopa 700% luokkaa.

Mercatorin projection vääristymät suhteessa Lambertin projektioon

Toisena harjoituksena oli tarkoitus tehdä täysin sama homma uudestaan eri projektiolla ja ilman kohta kohdalta -ohjeistusta. Päädyin valitsemaan Gall-Petersin projektion, mutta en enää muista miksi päädyin valitsemaan juuri sen. Kartta on hyvin samannäköinen kuin edellinen, mutta prosenttiluvut ovat huomattavasti pienempiä, vaikkakin hyvin suuria silti. Tähän olisi kyllä voinut valita esimerkiksi jonkin kartioprojektion, jolloin tulokset olisivat olleet hieman mielenkiintoisempia ja karttojen visuaalinen ilme ei olisi ollut niin samanlainen. Esimerkiksi Julia Salmi käytti kartoissaan oikeakulmaista Mercatorin projektiota, sekä pyöreänmallista Van De Grinten kompromissiprojektiota, jolloin eri projektioiden ominaisuudet ovat hyvin verrattavissa kartoista.

Gall-Petersin projektion vääristymät suhteessa Lambertin projektioon

Alla olevasta diagrammista on nähtävissä, kuinka pinta-ala ja pituus muuttuu, kun projektioita vaihdellaan. Pinta-alaksi on rajattu kolmionmuotoinen alue Suomi-neidon päälaelta, ja pituudeksi maamme levein kohta. Lambertin, Mercatorin ja Gall-Petersin lisäksi oli pakko heittää sinne myös Pluton projektio, koska innostuin huomatessani, että QGIS:stä voi valita myös joidenkin aurinkokuntamme kappaleiden projektioita. Jee! Kuten olettaa saattaa, diagrammista voidaan todeta Pluton olevan niin pieni, ettei sen dataa juurikaan edes näy. Oleellisin huomio tässäkin kuitenkin oli Mercatorin vääristymien jättimäisyys.

Seuraavana olikin vuorossa jonkin pinta-alaan sitoutetun muuttuja vertaileminen eri projektioilla. Valitsin tähän sen tavallisen, eli väestöntiheyden. Alku sujui hyvin, mutta sitten tapahtui jotain, ja karttoja ja lukuja pyöritellessäni putosin kärryiltä. Yritin verrata Mercatorin projektion pinta-aloja tässäkin kartassa, ja sainkin aikaan oikean näköisen kartan, mutta en tiedä mitä legendan antaman luvut kuvasivat. Tein tietokantaliitoksen yhdistämällä Suomen kunnat 2015 aineistoon toisen Suomen kunnat 2015 aineiston, joka oli muutettu Mercatorin projektioon, ja luulin näin saavani vestöntiheyden suhteutettuna Mercatoriin, mutta jokin virhe siinä sitten kävi, sillä luvut olivat aivan väärin ja sekaisin. Vaivuin epätoivoon, mutta päätin kuitenkin, etten poistu GIS-luokasta ennen kuin saan kaikki kartat tehtyä. Toteutin tehtävän toisella tavalla, eli laskemalla väestöntiheyden attribuuttitiedoista väestön, sekä jo edellisessä tehtävässä laskettujen pinta-alatietojen perusteella. Tästä kiitosta Riina Korhoselle ja Onni Pörhölälle. Lopputulokseen olen muuten tyytyväinen, mutta vähän jäi vaivaamaan päätä, että olisiko luokkajaoissa kuitenkin kannattanut käyttää jotain muuta vaihtoehtoa kuin kvantiileja. Kartoista voidaan kuitenkin todeta jälleen kerran Mercatorin vääristymät. Harvimmiten asutuilla alueilla ei Mercatorin mukaan asuisi edes yhtä ihmistä.

Suomen väestöntiheys Lambertin projektiossa (todellinen väestöntiheys)

Suomen väestöntiheys suhteutettuna Mercatorin projektioon

Semmosta tällä viikolla. Aika monta tuntia siellä GIS-luokan lämmössä näihin upposi, mutta kivaa oli parista epätoivon hetkestä huolimatta. Puolet ajasta tosin tuli taas tuhlattua karttojen väreillä leikkimiseen.

Ensi viikkoon!

Lähteet:

Julia Salmi 25.1.2019 (luettu: 30.1.2019)

Alku

Moi! Tervetuloa lukemaan geoinformatiikan menetelmät 1 -kurssin kurssiblogiani. Tänne päivittelen jokaisen luentokerran jälkeisiä fiiliksiä, opittuja asioita, sekä tehtyjä tehtäviä.

Ensimmäinen luentokerta oli perjantaina 18.1, ja koostui GIS perusasioiden kertauksesta, sekä QGIS -ohjelmaan tutustumisesta. Päälimmäinen fiilis QGIS:stä oli hieman hatara. Ohjelma tuntui epäloogiselta verrattuna aikaisemmin käytettyihin ohjelmiin, kuten CorelDrawiin. Teimme karttaharjoituksena QGIS:llä karttatulkinnan itämeren typpipäästöistä, joka on nähtävissä ensimmäisessä kuvassa. Keskityin tietysti taas epäolennaisiin juttuihin, kuten kartan värien ja visuaalisen ilmeen hiomiseen, ja pari kertaa jouduinkin kysymään vierustoveriltani ”hei, mites toi äskeinen juttu menikään”. Alkukankeudesta huolimatta QGIS:n käyttö selkeytyi nopeasti. En kuitenkaan ollut tunnilla aikaansaamani karttaan tyytyväinen, vaan tulin maanantaina tekemään uuden. Viikonlopun aikana olin unohtanut lähes kaiken QGIS:n käytöstä, mutta kyllä se siitä sitten taas lähti käyntiin. Tulipahan vähän kerrattua.

Itämeren typpipäästöt valtioittan (2016)

QGIS:n käyttö on kuitenkin monessa suhteessa CorelDraw -ohjelmaa käytännöllisempää. Esimerkiksi legendan ja mittakaavan luominen karttaan onnistuu automaattisesti, kuten myös Jaisa Nykänen blogissaan totesi. Sen sijaan hankaluuksia tuotti niinkin pieni asia, kuin kartan skaalaaminen. Saman ongelman oli kohdannut myös Iida Ahava. Pienistä vastoinkäymisistä huolimatta sain kuitenkin kartastani mieleisen. Tosin juuri nyt tätä kirjoittaessani huomasin kartan pohjoisnuolen, mittakaavan, sekä legendan olevan häiritsevästi poikkeavilla linjoilla. Noh, olkoot.

Typpipäästökartan jälkeen siirryin tekemään lisätehtävää Suomen kunnista. Ajattelin ensiksi tekeväni viimeisen tason, mutta ajanpuutten vuoksi tulikin tehtyä ensimmäinen. Kartta on koropleettikartta, jossa on nähtävissä eläkeläisten määrä Suomessa kunnittain.

Eläkeläisten määrä Suomen kunnissa (2015)

Siinä se sitten oli, ensimmäinen kurssikerta harjoituksineen. Innolla odotan tulevaa!

Lähteet:

Iida Ahava 21.1.2019 (luettu 22.1.2019)

Elina Huhtinen 16.1.2019 (luettu 22.1.2019)