Viikko 3: Tulvaindeksejä, järvisyysprosentteja sekä pettyminen teemakarttaan

Hello!

Kiva huomata näin kolmannen kurssikerran jälkeen, kuinka edellisiltä kerroilta on jäänyt muistiin monenlaisia asioita QGIS:in käytössä. Muun muassa erilaisten sarakkeiden muokkaaminen käy attribuuttitaulukossa aiempaa helpommin sekä laskutoimituksien tekeminen Field Calculatorilla esimerkiksi pinta-aloja laskiessa ei olekaan niin mahdotonta enää. Eiköhän tästä ennemmin tai myöhemmin kehity kuulusiaksi sitsikirjastakin tutuksi tulleeksi GIS-guruksi…!

Tällä viikolla työskentelimme harjoitteluvaiheessa Suomen kartan sijaan Afrikan kartalla. Vaihtelu virkistää! Tällä Afrikka -aineistolla muokkailimme karttakohteita esimerkiksi yhdistämällä yksityiskohtia osaksi muuta aineistoa, jotta sitä olisi tehokkaampi käyttää. Harjoittelimme myös uuden datan siirtämistä muista ohjelmista, minkä yhteydessä .csv-tiedostot tulivat itselleni tutuiksi. Siirsimme ja yhdistelimme Afrikka -aineistoon tietoja Excelistä: väestötietoja, konfliktien tapahtumavuosia sekä timantti- ja öljyesiintymien löytämisvuosia. Näillä tiedoilla työstimme pitkään muun muassa luomalla niistä uutta tietoa. Rehellisesti sanottuna, prosessi ulkoisten tietokantojen siirtämisessä QGIS:iin ja niiden yhdistäminen muuhun aineistoon on edelleen hieman harmaata aluetta itselleni, mutta toivon mukaan tämäkin selkenee kurssin myötä.

Harjoittelun jälkeen alkoi itsenäisen työskentelyn vaihe, jossa palasimme takaisin tutun ja turvallisen, Suomi -aineiston, pariin. Loihdimme aineistolla teemakarttoja, joista omani on liitetty oheen (Kuva 1). Kartta esittää Suomen eri valuma-alueita ja niiden tulvaindeksejä sekä järvityysprosentteja. Saadakseni tulvaindeksin selvitettyä, jaoin jokien keskiylivirtaamat (m3/s) niiden keskialivirtaamilla (m3/s). Lisäksi kartalla on ympyrädiagrammeja, mitkä kuvaavat valuma-alueiden järvisyysprosentteja, eli järvien pinta-alojen suhdetta valuma-alueiden pinta-aloihin (Suomen ympäristökeskus, 2013).

Jos pääsisin vielä muokkaamaan karttaani, niin esittäisin tiedot ympyrädiagrammien sijaan pylväinä, jotta alla oleva kartta ja tulvaindeksit erottuisivat selkeämmin. Nyt suurin osa jää harmillisesti diagrammien peittoon. Lisäksi värityksien valitseminen oli mielestäni yllättävän hankalaa, sillä värejä vaativia kohteita oli useampia. Yritin kuitenkin pysytellä sinisen eri sävyissä, jotta kartta olisi mahdollisimman miellyttävä silmälle. Vielä kuitenkin pistää silmään järvien mustat rajaukset, mitkä olisi pitänyt olla vaaleampia. Kartta näyttää mielestäni aivan liian yksityiskohtaiselta, unohtamatta diagrammien aiheuttamaa tungosta. Olen ensi kerralla huolellisempi!

Kuva 1. Teemakartta Suomen valuma-alueiden tulvaindekseistä. Ympyrädiagrammit esittävät valuma-alueiden järvisyysprosentteja suhteutettuna pinta-aloihinsa.

Mitä kartasta nyt sitten erottuukaan diagrammien vallankumouksesta ja mustista rajauksista huolimatta, ovat Pohjanmaan alue, jossa valuma-alueiden tulvaindeksit vaihtelevat luokitelmien 40-65 sekä 117-200, välillä. Varsinais-Suomen rannikolla tulvaindeksi nousee jopa lukuihin 200-500! Huomataan, kuinka Pohjanmaan yllä olevissa diagrammeissa järvisyysprosentti on lähes olematon: alue onkin tunnettu runsaista joistaan sekä soistaan, mitkä tulvivat tällä laajalla tasankoalueella etenkin alkukeväästä lumien sulaessa, ja on näin syynä suuriin tulvaindeksilukuihin. Vastakohtana erottuu taas laaja lounais-koillis -suuntainen Järvi-Suomen alue, joka luokitellaan tulvaindeksiltään pienimpään luokitelmaan: 1-13. Kuten Saaga blogssaan mainitsee, tällä alueella virtaavalla vedellä on mahdollisuus kasautua suuriin järvialtaisiin, jonka vuoksi tulvien syntyminen on vähäistä. Saaga tiivistää ajatukseni myös havaitsemastani järvisyyksien ja tulvaindeksien korrelaatiosta: “Alueet, joiden järvisyys on suuri ovat pienen tulvaindeksin omaavia. Päinvastainen ilmiö on havaittavissa pienen järvisyyden ja suuren tulvaindeksin alueiden välillä.”

Kaiken kaikkiaan tämä kurssikerta oli mielestäni opettavainen, vaikkakin opittavaa minulla on vielä suuret määrät. Uskon QGIS:in toimintojen hallitsemisen vaativan vain toisojen tekemistä ja syvään hengittämistä, jotta asiat juurtuisivat pidempiaikaiseen säilömuistiin. Tällä kurssikerralla pettymyksen tuotti kuitenkin karttani, jonka olisin voinut toteuttaa niin paljon paremmin. No, seuraavalla viikolla täytyy olla harkitsevaisempi – nyt pääsen vihdoin pidennetyn viikonlopun viettoon! Ensi kertaan!

xoxo, Amelia

 

Lähteet:

Suomen ympäristökeskus, 2013. Tulvasanasto > Järvisyysprosentti. https://www.ymparisto.fi/fi-FI/Vesi/Tulviin_varautuminen/Tulvasanasto   (luettu 30.1.2019)

Saaga Laapotti. Kovaa hermojen koettelua. (30.1.2019) https://blogs.helsinki.fi/saagalaa/ (luettu 31.1.)

Viikko 2: Projektioita ja QGIS:in kanssa kamppailua

Moikka!

Tokalla kurssikerralla perehdyimme syvemmin QGIS:in työkaluihin ja  tietokantojen perushallintaan. Tarkastelimme myös erilaisten projektioiden vaikutuksia karttaan ja sen mittoihin. Tämän kurssikerran harjoituksia tehdessä, joista pian teille kerron, totesin, että QGIS:in käyttämisen kanssa on oltava kärsivällinen ja on annettava armoa, jos ei asiat heti toimi niin kuin toivoisi. Kaiken sain kuitenkin onnekseni tehtyä, vaikka kohtasinkin vastoinkäymisiä. Tahdon antaa kiitokset vierustoverilleni, joka oli vertaistukenani ja valmiina avustamaan minua tälläkin kurssikerralla, you know who you are. :–)

Tällä viikolla teimme tosiaan harjoituksia, joista enismmäisessä vertailimme Suomen kunnat 2015 -kartta-aineiston avulla erilaisten projektioiden vaikutuksia kartan ominaisuuksiin. Mittaustyökalua hyödyntäen mittasimme muun muassa Suomi-neidon laen pinta-aloja ja Vaasa-Kuopio-Karjala -akselin pituutta erilaisa projektioita vaihdellen. “Nämä mittaukset antoivat minulle suuren ahaa-elämyksen, kun huomasin valtavat erot eri projektioiden välillä”, – tämä Saran toteamus blogissaan pätee myös minuun. Projektiot ja niiden ymmärtäminen on aikaisemmin ollut itselleni haastavaa, mutta tämän harjoituksen kanssa pääsin niihin paremmin jyvälle nähdessäni niiden todelliset vaikutukset käytössä olleisiin aineistoihin. Tämä harjoitus oli kuitenkin vain lämmittleyä ja pohjustus harjoitukseen, johon ryhdyimme seuraavaksi.

Toisessa harjoituksessa pääsimme itse tuottamaan paikkatieto-aineistoja, jossa oleellisena osana oli jälleen projektiot. Tehtävänä oli luoda QGIS:illä kaksi karttaa (Kuva 1. ja Kuva 2.) hyödyntäen edellisen tehtävän Suomen kunnat 2015 -aineistoa. Karttojen tehtävänä on esittää kuntien prosentuaalisia kokoeroja eri projektioiden, minun kohdallani Mercatorin- ja Robinsonin projektioiden, ja LAEA-projektion välillä.

Kuvassa 1. on laadittuna kartta, joka kuvastaa kuinka paljon suurempia kuntien pinta-alat ovat Mercatorin projektiota käyttäessä, kun verrataan LAEA-projektioon. Legendaa lukiessa voidaan havaita, että Mercator kuvaa Suomen pohjoisimmat kunnat jopa 668-730% suurempina kuin olisivat LAEA-projektiolla  kuvattuna. Eteläisimmät kunnat ovat pinta-aloiltaan vain 297-359% suurempia, kuin verrataan LAEA-projektioon.

Kuva 1. Kuntien kokoerot prosentuaalisesti Mercatorin projektion ja LAEA-projektion välillä.

Kuvassa 2. olen verrannut LAEA-projektioon Mercatroin sijasta Robinsonin projektiota. Kun vertailee karttaa edelliseen, ei välttämättä huomaisi eroa ulkonäköjen ollessa lähes samanlaisia. Legendoista eron kuitenkin vasta huomaakin: Robinsonin projektiota käyttäessä pohjoisimpien kuntien pinta-alat ovat vain 38.9-42.1% prosenttia suurempia kuin jos käyttäisi LAEA-projektiota. Eteläisimpien kuntien ovat pinta-aloiltaan vain 19.2-22.4% suurempia Robinsonin projektiolla kuin LAEA-projektiolla. On siis huomattavasti eroa siinä, käyttääkö Mercatoria vai Robinsonia.

Kuva 2. Kuntien kokoerot prosentuaalisesti Robinsonin projektion ja LAEA-projektion välillä.

Karttojen datan laatiminen ei mielestäni ollut kovin helppoa useiden välivaiheiden vuoksi: “Monen monta kertaa piti pinta-alat laskea uudelleen, kun jonkin ilmeisesti hyvin merkityksellinen välivaihe olikin jäänyt tekemättä.”, kommentoi Julia harjoituksen laatimista blogissaan. Samoin kävi myös omalla kohdallani, mikä tuottikin paljon harmaita hiuksia. Säilytin kuitenkin kärsivällisyyteni ja suoritin harjoituksen kunnialla loppuun!

Oheisiin karttoihin olen muuten tyytyväinen, mutta olisin voinut tehdä otsikoista sulavampia: nyt ne ovat turhan pitkiä ja epäselvästi muotoiltuja. Lisäksi legendojen numerot olisi voineet olla desimaaleiltaan samoja, kun nyt kuvassa 1. on käytetty kokonaislukuja ja kuvassa 2.  desimaalilukuja. Muuten olen kuitenkin visuaalisuuteen tyytvyäinen. Petrataan sitten seuraavalla viikolla, adios!

xoxo, Amelia

 

Lähteet:

Sara Immonen. Toinen kurssikerta, jeejee. (28.1.2019)  https://blogs.helsinki.fi/immsara/ (luettu 28.1.2019

Julia Salmi. Osa 2: Projektiovalintojen pohdintaa. (25.1.2019)  https://blogs.helsinki.fi/jhsalmi/ (luettu 28.1.2019)

Viikko 1: QGIS uutena tuttavuutena

Ensimmäinen geoinformatiikan menetelmät 1 -kurssikerta on nyt takana ja tunteet ovat hieman sekavat. Tunnilla tutustuimme uuteen paikkatieto-ohjelmistoon nimeltä QGIS, jonka parissa tulemme kurssin aikana työstämään. Näin alkuun, QGIS vaikutti monimutkaiselta, sillä toimintoja on hyvin paljon ja kävimme tämän perusteet läpi hyvin nopealla tahdilla. “Kaikki oli aivan uutta ja ihmeellistä”, kuten Oula omassa kurssiblogissaan toteaa. 2. periodin tuttavuus CorelDraw tuntuukin nyt palalta kakkua, kun QGIS:iin vertaa; uskoisin tämän alkukankeuden kuitenkin helpottuvan muutaman käyttökerran ja totuttelun jälkeen. Onneksi pidän haasteista ja uusien asioiden oppimisesta, joten odotan seuraavia kurssikertoja innolla!

Ensimmäisellä kurssikerralla työstimme jo ensimmäistä tuotosta QGIS:illä, ja lopputuotoksena on oheen liitetty koropleettikartta Itämeren valtioiden typpipäästöistä vuonna 2016 (Kuva 1). Vaikkakin QGIS arpoo väritykset itsestään, ovat omani mielestäni suhteellisen toimivat. Sävyt olisivat kuitenkin voineet olla samaa värimaailmaa (esimerkiksi vaaleankeltaisesta punaiseen), mutta eiköhän tämänkin aja asiansa. On myös mainittava Johannan huomautus typpipäästöjen luokitteluista: “luokkarajat ovat suhteellisen hyvät, mutta esimerkiksi suurimassa päästöluokassa hajonta on aika suuri”. Tässä olen samaa mieltä, sillä 13.3-33.7% on skaalaltaan turhan laaja.  Huomaan myös, kuinka omasta tuotoksestani ei tule ilmi syvyyskäyrien yksikköä: ne ovat ilmoitettuna metreinä, korjatakseni näin jälkikäteen.

Kuva 1. Itämeren valtioiden typpipäästöt vuonna 2016. (QGis).

Karttaa tutkimalla huomataan, kuinka suurin typintuottaja Itämeren rannikolla on Puola 13.3-33.7 prosentin päästöillään ja vähiten typpiä tuottaa taas Viro, joka asettuu pienimpään luokitelmaan 3.2-3.2%. Puolan runsaat typpipäästöt eivät tulleet minulle yllätyksenä, sillä valtio tunnetaan käyttävän öljyä ja muita polttoaineita ensisijaisina energianlähteinään. Myös mittavan rantaviivansa edustalla harjoitetaan monenlaista toimintaa, kuten rahtiliikennettä, turismia sekä kalataloutta, joista typpipäästöjä useimmiten aiheutuu.

Kaiken kaikkiaan ensimmäinen kurssikerta oli mielestä hyödyllinen, mutta huomaan silti, että opittavaa on vielä jonkin verran. Ehkä seuraavalla  kerralla asiat ovat paremmin hanskassa!

xoxo, Amelia

 

Lähteet: 

Oula Inkeröinen. Genesis – ensimmäinen kurssikerta. (17.1.2019) https://blogs.helsinki.fi/inkeroul/ (luettu 22.1.2019)

Johanna Möslä. Kurssikerta 1. (16.1.2019)          https://blogs.helsinki.fi/johannmo/ (luettu 22.1.2019)