Tja!
Förra kursgången kollade vi igen på databaser och försökte lära oss hur man kan maximera användningen av dem. Ibland har databaser vissa klurigheter som måste fixas före man kan använda den på ett fiffigt sätt. Allt som förklarades gick in från ena örat och ut från det andra, men troligen kommer man ihåg bättre när man skriver och repeterar sakerna… Denna gång hittade vi Afrikas karta som databas, men kartan hade kanske onödigt mycket detaljer…
Vi började med att öppna Afrikas karta som databas. Vissa stater hade hundratals små polygoner, och vår uppgift var att kombinera dem alla till en polygon för att kunna hantera datan på ett fiffigt sätt. Efter det hämtade vi in data via Excel, vilket inte ar så lätt som man skulle tro. Pointen var att lära sig att hämta data i rätt format (i detta fall csv) för att kunna få datan i attributtabellen i QGIS. Som Emma Ward också nämnde i sin blogg, var det viktigt att informationen i tabellen i både Excel och QGIS skulle gå hand i hand.
Så började vi med att hämta in data om var Afrikas diamantgruvor, konfliktområden och oljebelägg finns. Vi undersökte korrelationen med dem, men man kan inte se en så tydlig likhet (se bild 1). Med datan som vi fick via Excel kunde vi undersöka hur mycket internet-användare det finns i Afrika i jämförelse med populationen. Som Pihla Haapalo nämnde i sin blogg, var vissa delar av informationen felaktigt, för att den visa att det skulle finnas 5 gånger så mycket internet-användare i ett land i jämförelse med populationen, vilket ju inte kan stämma. När man märker sådana fel, måste man vara noggrann över informationen man behandlar.
Man skulle också kunna tänka på om t.ex. konflikter påverkar mängden internet-användare eftersom konflikter ofta påverkar ett lands välstånd och på ett negativt sätt och vice versa, påverkar diamantgruvorna eller oljebestånden områdena på ett positivt sätt, vilket i sig skulle öka mängden internet-användare? Ett intressant ämne att kunna vidare diskuteras.
Till nästa uppgift skulle vi göra en koropletkarta över Finland där vi visade översvämningsindex och mängden sjöar på en och samma karta (se bild 2). Mängden sjöar syns som pelardiagram på kartan. Diagrammen kunde ha hellre varit till exempel bollar, som ett snyggt exempel har Pihla Haapalo gjort det i sin blogg (bild 3 i hennes blogg). Dock blev min karta ändå ganska klar och tydlig eftersom jag reglerade genomskinligheten på pelarna.
Som man kan se på kartan, finns det mest översvämningar vid strandlinjen vid västra- och östra Finland. Här finns också mest åar som är kända för att översvämma lättare än sjöar, och därför kan man också se att det finns mindre översvämningar på områden där det inte finns sjöar.
Allt var ganska svårt igen, men mot nya utmaningar säger jag!
xoxo Anna <3
Källor:
Ward Emma. Tredje kursgången. Använt 4.2.2020. https://blogs.helsinki.fi/emmaward/
Haapalo Pihla. Tredje kursgången. Använt 4.2.2020. https://blogs.helsinki.fi/haapalop/