Month: February 2021

Kuudennella kurssikerralla päästiin itse keräämään paikkatietoa Epicollect5-sovelluksella. Sovelluksen avulla sai arvioida valitsemiaan paikkoja muun muassa viihtyisyyden ja turvattomuuden näkökulmista, ja kerätystä aineistosta tuotettiin havainnollistava kartta interpoloimalla. Hyvä esimerkki interpoloinnin lopputuloksesta löytyy esimerkiksi Ville Väisäsen blogista, jossa tarkastelun kohteena on ollut muun muassa Malmin ympäristö.

Itsenäisenä tehtävänä oli tuottaa materiaalia (kuvitteelliseen) tuntiopetuskäyttöön, aiheena hasardit. Omilla kartoillani tarkastelin maanjäristysten ja tulivuorenpurkausten sijaintia, ja niiden lisäksi olisi vielä voinut tarkastella meteoriittitietokantaa. Lähteinä käytin Moodlessa linkitettyä USGS:n (U.S. Geological Survey) tietokantaa maanjäristyksistä sekä NOAA:n (National Oceanic and Atmospheric Administration) tietokantaa tulivuorista, tosin itse päätin tarkastella tulivuorten sijainnin sijaan tulivuorenpurkauksia.

Maanjäristystietokannasta rajasin tarkasteluun viimeisen sadan vuoden aikana sattuneet, vähintään magnitudin 6 maanjäristykset. Helsingin yliopiston Seismologian instituutin mukaan (2020) näin voimakkaita maanjäristyksiä sattuu keskimäärin noin 140 kertaa vuodessa. Michiganin teknillisen yliopiston (n.d.) mukaan voimakkuudeltaan yli 6:n maanjäristykset voivat aiheuttaa paljon tuhoa tiheään asutuilla alueilla. Wikipedian (2019) mukaan taas vähintään magnitudin 6 järistys on tuhoisa n. 150 km säteellä, ja luonnollisesti tuhot pahenevat sitä mukaa kun järistyksen voimakkuus kasvaa.

Maanjäristystietokannasta sai halutut tiedot kätevästi CSV-tiedostona, tulivuorenpurkauksista puolestaan TSV-tiedostona. Yleensä CSV-tiedostot on saanut avattua QGISissä aika vaivattomasti, mutta tällä kertaa hämminkiä aiheutti se, että kunkin erillisen maanjäristyksen kaikki tiedot olivat samassa solussa pilkuin eroteltuina, mutta QGIS ei osannut erottaa tietoja eri sarakkeisiin. Niinpä kopioin tiedot CSV-tiedostosta Notepadiin ja tallensin tekstimuodossa, minkä jälkeen sainkin tiedot helposti auki.

Maanjäristykset ja tulivuorenpurkaukset maailmankartalla

Ensimmäisessä kartassa (kuva 1) on tarkasteltu vähintään magnitudin 6 maanjäristyksiä, jotka ovat tapahtuneet viimeisen sada vuoden aikana (vuodesta 1921 alkaen). Kartalla on eroteltu eri värisin palloin eri voimakkuuden maanjäristykset, ja siitä näkee selkeästi, että maanjäristyksen voimakkuuden suurentuessa niiden määrä vähenee selkeästi. Voimakkuudeltaan yli 9:n maanjäristyksiä on sattunut sadan vuoden aikana vain neljä kertaa.

Toinen kartta (kuva 2) havainnollistaa, miten paljon vähemmän voimakkuudeltaan yli 8:n maanjäristyksiä on verrattuna siihen, jos tarkastellaan kaikkia vähintään magnitudin 6 järistyksiä. Magnitudin 8 ylittävät järistykset ovat erittäin tuhoisia (Michiganin teknillinen yliopisto, n.d.).

Kolmannessa kartassa (kuva 3) puolestaan näkyy viimeisten sadan vuoden aikana sattuneiden vähintään magnitudin 6 maanjäristysten lisäksi kaikki saman ajanjakson aikana sattuneet tulivuorenpurkaukset. Tulivuorenpurkaukset sijoittuvat suurilta osin samoille alueille maanjäristysten kanssa, mutta niitä on ollut paljon vähemmän kuin maanjäristyksiä.

Onko näistä mihinkään?

Kartat ovat mielestäni suht havainnollistavia, tosin selitteeseen olisi voinut merkitä kunkin kategorian maanjäristysten sekä tulivuorenpurkausten määrän lisätiedoksi. Karttoja voi verrata litosfäärilaattoihin ja näiden saumakohtiin ja huomata yhtäläisyyksiä sijainnissa. Esimerkiksi Dynamic Earth (n.d.) -sivustolla on hyvä kartta litosfäärilaattojen saumakohdista.

Samaisella sivustolla voi myös tarkastella, mitkä saumakohdista ovat törmäys-, erkanemis- ja sivuamisvyöhykkeitä. Niitä voi sitten verrata maanjäristysten ja tulivuorenpurkausten esiintymiseen: tulivuorenpurkauksia näyttää tapahtuvan etenkin laattojen törmäysvyöhykkeillä, maanjäristyksiä lisäksi paljon myös erkanemisvyöhykkeillä.

Myös jo aiemmin mainitussa Villen blogissa on tarkasteltu tulivuoria ja maanjäristyksiä ja todettu niiden liittyvän litosfäärilaattoihin ja laattatektoniikkaan. Blogista löytyy hienot ja samankaltaiset kartat kuin omastani. Ehdin hetkeksi säikähtää (ja ajatella, että nyt meni kartat uusiksi), kun huomasin Villen kartoissa olevan paljon enemmän tulivuoria, kunnes havaitsin, että hän on tarkastellut tulivuorten sijaintia tulivuorenpurkausten sijaan. Tämä onkin erittäin hyvä näkökulma, sillä tulivuoria on paljon enemmän ja useammassa paikassa kuin tulivuorenpurkauksia, ja Villen kartta havainnollistaa siis vieläkin paremmin, minkälaisiin paikkoihin tulivuoria syntyy.

Hyvin paljon omaani kattavampaa pedagogista pohdintaa ja tulevan opettajan asiantuntemusta löytyy Henna Sanaksenahon blogista, jossa lämpimästi suosittelen vierailemaan. Harhauduin Hennan kirjoituksen innoittamana testaamaan myös hänen linkkaamaansa Seterra-online-peliä, aiheena tulivuoret (jäi parantamisen varaa)!

Kuten Villelle, myös itselleni päänvaivaa aiheuttivat mittakaava ja pohjoisnuoli, mutta onneksi luennon aikana ryhmässämme muut esittivät näistä kysymyksiä ja todettiin, ettei niitä tähän karttaan ole tarpeen (tai mahdollistakaan) laittaa. Joten Ville: ei käy köpelösti!

Lähteet:

Dynamic Earth. (N.d.). Plates & Boundaries. Haettu osoitteesta https://www.learner.org/wp-content/interactive/dynamicearth/tectonicsmap/index.html

Michiganin teknillinen yliopisto. (N.d.). Earthquake magnitude scale. UPSeis: an educational site for budding seismologists. Haettu osoitteesta http://www.geo.mtu.edu/UPSeis/magnitude.html

National Oceanic and Atmospheric Administration. (N.d.). Search volcano events. Haettu osoitteesta https://www.ngdc.noaa.gov/hazel/view/hazards/volcano/event-search

Sanaksenaho, H. (25.2.2021). Nykypäivän koulumantsaa. Haettu osoitteesta https://blogs.helsinki.fi/hennablog/2021/02/25/nykypaivan-koulumantsaa/

Seismologian instituutti. (23.9.2020). Perustietoa maanjäristyksistä. Haettu osoitteesta https://www2.helsinki.fi/fi/seismologian-instituutti/maanjaristykset/perustietoa-maanjaristyksista-0

U.S. Geological Survey. (N.d.). Search earthquake catalog. Haettu osoitteesta https://earthquake.usgs.gov/earthquakes/search/

Väisänen, V. (22.2.2021). Interpolointia ja hasardeja. Haettu osoitteesta https://blogs.helsinki.fi/villvais/2021/02/22/interpolointia-ja-hasardeja/

Wikipedia. (15.12.2019). Magnitudi (seismologia). Haettu osoitteesta https://fi.wikipedia.org/wiki/Magnitudi_(seismologia)

 

 

Tällä viikolla tuli aika katsoa totuutta silmiin: mitä QGISistä oli jäänyt käteen. Aluksi tuntui, että yllättävän vähän. Kun on tottunut tekemään perässä, on aika avuton olo, kun pitäisi yhtäkkiä itse keksiä, miten erilaista tietoa kaivetaan aineistoista esiin ja esitetään sujuvasti kartalla. Alkushokin jälkeen alkoi sujua, vaikka omiin ratkaisuihin liittyi kyllä huomattavan paljon epävarmuutta.

QGISin tähän mennessä keskeisimpiä työkaluja ovat olleet esimerkiksi Select by location, Join attributes by location (summary), Clip-toiminto, Field calculator, Statistics-paneeli ja layerien exporttaus omiksi tiedostoikseen. Ja uusi suosikkini Fix geometries (life saver, tästä lisää kohta)! Nyt parin päivän tuskailun jälkeen voin myös todeta hallitsevani nämä hieman paremmin. Ainiin, tulihan myös Buffer-työkalu hyvin tutuksi. Se on kätevä työkalu, kun haluaa tarkastella esimerkiksi asukkaiden määrää tietyllä säteellä jostakin paikasta. Tai vaikka avuksi marjastukseen, kuten Sanna Korpi on blogissaan ansiokkaasti oivaltanut!

Näillä työkaluilla voi yhdistellä tietoja, ja Clip-työkalua hyödynsin esim. lentokenttämelutehtävässä, kun piti tarkastella 2 km:n säteellä ja tietyn melutason alueella asuvia. Select by location oli myös todella näppärä, kun halusi tarkastella muuttujaa tietyillä alueilla. Join attributes by location (summary) -työkalun kanssa oli todella suuria hankaluuksia, enkä edes muista enää mitä kaikkia ongelmia tuli vastaan, paitsi muistanpas! Yritin aina vain uudelleen valita Geometric predicate -kohtaan within-vaihtoehdon, eikä tämä sitten toiminut ollenkaan. Aika monta kertaa piti mennä hermot, ennen kuin kaivoin kiltisti esiin Afrikka-harjoituksen ohjeen ja huomasin, että silloin käytettiin intersects-valintaa. Ilmeisesti tämä oli oleellista, koska alkoi onnistua. Oli kylläkin suuria vaikeuksia myös hahmottaa, missä järjestyksessä layerit valitaan. Vaikeuksien kautta voittoon.

QGISin avulla voi ratkaista monenlaisia ongelmia, mutta enemmän se aiheuttaa ongelmia. Tai siis ei, mutta siltä on tuntunut viimeiset 32 tuntia. Voi sillä kaivaa vaikka minkälaisia tietoja esiin, kunhan käyttäjä tietää, mitä tekee. Se on kätevä työkalu erilaisten muuttujien alueelliseen tarkasteluun, ja monesti vektoriaineisto tuntuu tarjoavan paremmat mahdollisuudet tähän. Rasteriaineisto vain on, sitä voi katsella ja tietenkin tehdä esim. hienoja rinnevarjostuksia, mutta siitä on vaikea ainakaan näillä taidoilla kaivaa tietoa, yhdistellä asioita jne. Luulen kuitenkin, että suurin rajoite analyyseissa on monesti käyttäjä.

Todisteeksi tuskailustani olen koostanut taulukon, johon on kerätty vastaukset kysymyksiin. Osassa kysymyksistä olin hyvinkin tarkkana, toisissa en selvästi ollut ja vastaus ehkä vähän heittää. Jälkimmäiseen sarjaan kuuluu esim. vaihtoehtoisen tehtävän kysymys Kuinka monessa talossa on sauna ja kuinka monta prosenttia se on kaikista asutuista taloista pääkaupunkiseudulla, jossa jätin täysin huomiotta sanan “asutuista”. Kysymykset pitäisi lukea tarkkaan, koska niissä on tällaisia jekkuja, mutta QGIS-tuskasta täyttynyt mieleni ei tähän aivan täysin kyennyt.

Sain toki aikaiseksi myös erilaisia karttoja aiheesta uima-altaat ja saunat. Vaihtoehtoisesti olisi voinut tarkastella putkiremonttien määrää, kuten Ville Väisänen on blogissaan tehnyt: blogista löytyy havainnollistavat kartat 1960- ja -70-luvuilla rakennettujen kerrostalojen osuudesta kaupunginosittain, ja juuri tämän ikäisiin taloihin tehdään tällä hetkellä Villen blogin mukaan putkiremontteja. Kolmas tehtävävaihtoehto liittyi koulupiirin tarkasteluun, mutta tästä ei ilmeisesti syntynyt tehtävän valinneiden blogeihin sen kummempia karttatuotoksia.

Takaisin uima-altaiden maailmaan. Ensimmäisessä kartassa näkyy niiden pääkaupunkiseudun rakennusten sijainti, joissa on uima-allas (kuva 1).

Toinen kartta esittää tehtävänannossa pyydetysti uima-altaiden määrän kaupunginosittain pylväsdiagrammin ja numeroarvon avulla (kuva 2).

Huvikseni (?) tein myös kartat uima-altaiden määrästä suhteessa rakennusten kokonaismäärään kussakin kaupunginosassa (kuva 3) sekä samanlaisen vielä saunoista (kuva 4). Tässä vaiheessa oma aivotoiminta oli ehkä jo sen verran väsynyttä, etten oikein osannut muotoilla asiaa enää kartan otsikkoon ja selitteeseen. Siispä hyvä lukija, keskity kuvaan.

Ei saunoista ja uima-altaista sen enempää, mutta palaan nyt alussa mainitsemaani Fix geometries -työkaluun, jota ilman näitä karttoja tuskin olisi syntynyt. Avattuani vektoriaineistot huomasin, että esim. Clip-työkalulle olisi käyttöä, jotta saan karsittua ylimääräiset järvet ja joenpätkät kartalta. Mutta jostain syystä työkalu ei toiminut. Ajattelin, että voin elää asian kanssa ja siirtyä seuraavaan vaiheeseen eli tarkastelemaan tietoja Join attributes by location (summary) -työkalulla. Sekään ei toiminut.

Tässä vaiheessa olin kokeillut aika moneen kertaan, enkä ymmärtänyt missä vika. Ilmoituksessa mainittiin kyllä “invalid geometry“, ja yritin useaan kertaan varmistaa, että projektio on kaikissa tasoissa oikea ja sama. Jostain syystä se ei kuitenkaan auttanut, joten suuntasin Googleen, josta löysin heti helpon ja nopean ratkaisun ongelmaan. Eli toolboxista löytyy ihana Fix geometries -työkalu, jolla ongelma korjaantui. Jokainen taso tuli vain käsitellä erikseen ja tallentaa, mutta tämän jälkeen kaikki työkalut toimivat normaalisti. Jos painit saman ongelman kanssa, ole hyvä!

Ilmeisen moni onkin kohdannut tämän saman ongelman, ja esimerkiksi Ilari Leino oli päässyt ihan ongelman juurisyyn jäljille ja kertoo blogissaan toisen tavan saada työkalut toimimaan geometriaongelmasta huolimatta. Kiitettävää ongelmanratkaisukykyä!

Yksi myös monia – niin minuakin – kohdannut haaste oli saada karttoihin pylväsdiagrammien kaveriksi lukuarvot. Itse sain lukuarvot näkymään lopulta siirrettyäni niiden sijaintia pylväiden päälle ja muuttamalla sijainnin y-akselin arvoa tarpeeksi.

Lähteet:

Albuquerque, R. (25.7.2019). Fixing invalid geometry Shapefiles obtained by Rasters. SPAMLab. Haettu osoitteesta https://spamlab.github.io/blog/fix_geom/ 

Korpi, S. (16.2.2021). Osaamistason arviointia (vk 5). Haettu osoitteesta https://blogs.helsinki.fi/sakorpi/2021/02/16/osaamistason-arviointia-vk-5/

Leino, I. (19.2.2021). Viides kurssikerta. Haettu osoitteesta https://blogs.helsinki.fi/ilarilei/2021/02/19/viides-kurssikerta/

Väisänen, V. (19.2.2021). Bufferointia ja putkiremontteja. Haettu osoitteesta https://blogs.helsinki.fi/villvais/2021/02/19/bufferointia-ja-putkiremontteja/

 

Varoitus kiireiselle lukijalle: Teksti on karsean pitkä. Voit hypätä myös suoraan kohtaan ”Yhteenveto”, jos haluat säästää aikaa ja poimia kirsikat kakun päältä. Ja kuvat kannattaa tietty katsoa. Sitten asiaan.

Ruutukarttojen teko

Tehtävän ideana oli siis esittää tietoa pääkaupunkiseudun asukkaista ruuduittain. Homma alkoi ruudukon tekemisellä aineiston päälle. Itse valitsin ruutujen kooksi 250 x 250 metriä ihan vain vaihtelun vuoksi, kun luennolla oli tehty neliökilometrin ruutuja. Ruudukon luonti oli helppoa Create grid -työkalulla.

Sitten ruudukkoa tuli karsia niin, että siihen jäi vain ne ruudut, joille osui asuinrakennuksia. Olisin täysin unohtanut tämän vaiheen, ellen olisi lukenut uudelleen harjoitusohjetta. Ohjelma prosessoi tätä vaihetta melko kauan, ja hetken aikaa ihmettelin, miksi vaihe kestää huomattavasti kauemmin kuin tunnilla tehdessä, mutta pian keksin että sen täytyy johtua pienemmästä ruutukoosta. Ohjelma raksutti toiminnon loppuun, mutta jostain syystä uutta layeriä ei ilmestynyt näkyviin, vaikka odotin. Missä vika?!

Kokeeksi tein hieman isommat ruudut, 500 x 500 metriä. Nyt myös tallensin layerin export-toiminnolla, jolloin siitä tuli uusi taso scratch-layerin rinnalle. Ehkäpä se kiikastikin tästä. Kokeillaanpa uudelleen. Ja toimii! Eli siis turvallisempi tapa tallentaa scratch-layer on käyttää export-toimintoa sen sijaan, että painaisi ”hämähäkkiä” layerin vieressä ja tallentaisi tason sitä kautta?

Sitten piti päättää, mitä muuttujaa haluaisi tarkastella ruuduittain, ja tämän perusteella karsia attribuuttitaulukosta ylimääräiset sarakkeet tulevan laskutoimituksen nopeuttamiseksi. Päätin tehdä pari erilaista karttaa, joissa tarkastelun kohteena olisivat asukkaiden keski-ikä sekä muunkielisten osuus ruuduittain. Lähinnä kiinnosti nähdä, sijoittuvatko esim. muunkieliset ja nuoremmat keski-iät samoille alueille ja samoihin ruutuihin, ja miettiä syitä tämän takana.

Ensin loin Field calculatorilla oman sarakkeen muunkielisten %-osuudesta koko väestöstä. Sitten oli aika laskea asukkaat yhteen ruuduittain. Käytin tähän Join attributes by location (summary) -toimintoa, koska se on ennenkin osoittautunut toimivaksi. Tässä vaiheessa aloin miettiä, tulikohan tuo muunkielisten prosenttiosuus sittenkin laskettua askelta liian aikaisin. Koska eihän prosenttiosuuksia ole nyt syytä laskea yhteen kuten muita tietoja. Hmm… Kyllä, prosenteista tuli todellakin hulluja lukemia. Eli poistetaan sarake ja suoritetaan laskutoimitus uudelleen.

Ensin visualisoin kartan muunkielisten osuudesta. Kokeilin tutun Natural breaks -vaihtoehdon lisäksi myös Equal interval -vaihtoehtoa, mutta se ei tuonut eroja yhtä hyvin esiin, koska muunkielisten osuus ei monessa ruudussa kohoa kovin korkeaksi. Näin erot eivät oikein näy kartalla. Eli siis vanhassa vara parempi ja luotetaan jälleen Natural breaksiin.

Tämän jälkeen oli aika tarkastella keski-ikää ruuduittain, mutta kas kummaa, tässä oli myös laskettu keski-iät yhteen, eli ei lainkaan käyttökelpoista aineistoa… Pakki päälle! Tein siis vielä uuden aineiston Join attributes by location (summary) -toiminnolla, ja tällä kertaa valitsin pelkän ikäkeskiarvon ja summan sijaan laskin keskiarvoista keskiarvon kullekin ruudulle. Nyt attribuuttitaulukko näytti huomattavasti järkevämmältä. Ei kun visualisoimaan. Käytin tässäkin hyväksi havaittua Natural breaks -luokittelua.

Karttojen tulkinta

Ensimmäisestä kartasta (kuva 1) näkee, että muunkielisten osuus vaihtelee huomattavasti eri puolilla pääkaupunkiseutua. Muunkielisiä on suhteessa eniten Itä- ja Luoteis-Helsingissä, Espoon keskuksen alueella sekä Vantaan eteläisissä osissa. Espoossa korostuu myös Otaniemi, jossa tunnetusti on paljon ulkomaalaisia opiskelijoita. Nämäkin tulkinnat omat hieman haastavia tehdä, kun kuntien rajoja ei oikein kartalla näy saati asuinalueiden nimiä. Muita tulkintoja en juurikaan osaisi pelkästään tämän kartan pohjalta tehdä.

Toinen kartta (kuva 2) puolestaan paljastaa, että keski-iältään nuorimpia asukkaita on esimerkiksi Myllypuron ja Viikin alueilla, Toukolassa ja Kumpulassa sekä Otaniemessä. Nämä selittyvät luultavasti ainakin osittain alueilla asuvien opiskelijoiden määrällä ja iällä. Espoossa muuten keski-ikä näyttää keskellä Espoota nuoremmalta kuin lähempänä rantoja. Helsingissä puolestaan lähes koko keskusta-alue on keski-iältään verrattain nuorta. Eniten keski-iältään vanhempia ruutuja on Länsi-Vantaalla ja Pohjois- sekä Länsi-Espoossa, Espoon Suvisaaristossa ja aivan Kaakkois-Vantaalla Helsingin rajan tuntumassa.

Yleisesti ottaen keski-ikä on nuorempaa lähellä Helsingin keskustaa, minkä voisi selittää esim. se, että keskustassa asunee paljon nuorta väestöä vuokra-asuinnoissa. He ehkä kaipaavat lähelleen monipuolisia palveluita ja kaupungin vilinää. Toisaalta opiskelijat ovat selkeä keski-ikään vaikuttava tekijä monilla alueilla. Ehkä taas vanhemmat ihmiset asuvat mielellään väljemmin, eikä heille ole niin tärkeää olla keskellä keskustan sykettä, joten he hakeutuvat kauemmas keskustasta. Suvisaaristo taas lienee kallista aluetta, jossa asumiseen ei kovin nuorilla ole varaa. Siellä ei kuitenkaan luultavasti ole juuri vuokra-asuntoja, joihin muuttaisi nuorempia asukkaita kuten keskustassa. Toisaalta myös liikenneyhteydet sieltä keskustaan eivät välttämättä ole yhtä hyvät, mikä rajoittaa työssäkäyvien halua asua Suvisaaristossa.

Nopeasti silmäiltynä näyttää siltä, että samoilla alueilla, joilla on paljon muunkielistä väestöä, on myös alhaisempi keski-ikä. Tätä voi selittää toisaalta muunkielisten osuus opiskelijoista, jotka ovat yleensä myös nuoria, ja toisaalta se, että muunkielisillä on yleensä myös suurempia perheitä ja enemmän lapsia, mikä alentaa keski-ikää. Ehkä myös suuremman mittakaavan maahanmuutto on sen verran tuore ilmiö Suomessa, että maahanmuuttajat ovat vielä keski-iältään verrattain nuoria muuhun väestöön verrattuna, mikä selittäisi myös sen, että ne ruudut, joissa on paljon muunkielisiä, ovat myös keski-iältään nuorempia.

Kasper Mickos on muuten tehnyt myöskin mielenkiintoisen ikää koskevan ruututeemakartan, jossa on keskiarvojen sijaan käytetty mediaaneja. Tulokset ovat mielestäni jokseenkin saman suuntaisia omieni kanssa, ja Kasper on myös tehnyt erinomaisen tulkinnan siitä, että eläkeläisten lisäksi lapsiperheet suuntaavat kuntien reunamille, kauemmas keskustasta. Tosiaan omassakin kartassani näkyy laitamien tummien eli keski-iältään vanhempien ruutujen seassa myös keski-iältään nuorempia, mikä sopii hyvin Kasperin teoriaan.

Karttojen ulkoasu

Nostin kartoissa järvet ja meret ruutujen päälle, koska on mielekkäämpää tarkastella ruutuja, joista suurin osa ei ole vettä. Tämä mielestäni voi myös helpottaa osittain kartan tulkintaa. Joet olisi voinut kyllä jättää kokonaan pois sekä kartalta että selitteestä, koska ne näkyvät vain mustina viivoina kapeutensa takia, eikä selitteen sinisestä ole kartalla tietoakaan.

Mielestäni molemmat kartat ovat muuten visuaalisesti suht onnistuneita. Toki erilaisella luokittelulla voisi aina saada hieman erilaisia lopputuloksia, mutta esim. muunkielisten asukkaiden osuuden esittävä kartta oli juuri tällä luokittelutavalla kaikkein havainnollistavin kokeilemistani vaihtoehdoista. Keski-ikää kuvaavassa kartassa olisi voinut kokeilla myös lisätä luokkien määrää, koska nyt ensimmäisessä luokassa on ehkä turhan iso ikähaarukka, 10–36,2. Luettavuudesta en keksi suurempia pulmia, joihin itse olisin voinut vaikuttaa.

Karttojen informatiivisuutta voisi parantaa, jos kuntarajat näkyisivät paremmin ja jos myös kaupunginosien nimiä saisi jotenkin näkyviin ilman, että se häiritsisi liikaa kartan tulkintaa ja tekisi siitä epäselvän.

Ruututeemakartta suhteessa koropleettikarttaan

Koropleettikartalla ei saa esittää absoluuttisia arvoja, koska kartan aluejako perustuu hallinnollisiin rajoihin ja alueet ovat siksi hyvin erikokoisia. Koropleettikarttaa tehtäessä on siis oleellista suhteuttaa tarkasteltu muuttuja toiseen, esim. väestömäärään tai pinta-alaan, jolloin tieto on paremmin vertailukelpoista.

Ruututeemakartalla tätä ongelmaa ei ole, koska kaikki ruudut ovat samankokoisia. Kaikki muuttujat per ruutu on siis suhteutettu jo valmiiksi pinta-alaan; esim. 1 x 1 km:n ruutu kertoo kunkin muuttujan per neliökilometri. Luennolla tähän liittyen kuitenkin tuli esiin hyvä pointti, esimerkkinä ruotsinkielisten määrä kussakin ruudussa: vaikka kartan voisi tehdä absoluuttisilla arvoilla, voi olla järkevämpää suhteuttaa ruotsinkielisten määrä kaikkien ruudun asukkaiden määrään, sillä voi olla ruutuja, joilla muutenkin on hyvin vähän asukkaita ja siten myös vähän ruotsinkielisiä. Onkin ehkä hyvä harkita joka kerta karttaa laatiessaan erikseen, mikä on juuri sille muuttujalle kuvaavin arvo – absoluuttinen vai suhteutettu.

Mielestäni hyvä esimerkki siitä, miten erilaisia ruututeemakartoistakin voi tulla riippuen siitä, suhteutetaanko muuttuja vielä jotenkin vai esitetäänkö se absoluuttisena arvona, löytyy vertaamalla omaa muunkielisten osuudesta kertovaa karttaani Lotta Mattilan samasta muuttujasta tekemään ruututeemakarttaan. Lotan kartassa muuttuja esitetään absoluuttisina arvoina, kun taas omassani suhteutettuna kunkin ruudun asukasmäärään. Lotan kartassa muunkieliset painottuvat Helsingin keskustaan toisin kuin omassani. Toki tulee huomata myös eri ruutukoko.

Ruututeemakartalla saa koropleettikarttaan verrattuna paljon tarkempaa tietoa muuttujasta, sillä eroja voi tarkastella paljon paremmin kuntien sisällä eikä vain kuntien välillä. Ruututeemakartalla on myös paljon helpompi vertailla alueita kuin pisteteemakartalla. Ruututeemakartan luettavuus eroaa muista teemakartoista ainakin niin, että ruudut helposti peittävät alleen paljon muuta tietoa. Siitä on kuitenkin helppo nopealla silmäyksellä saada yleiskuva muuttujan ilmentymisen eroista esimerkiksi kaupungin sisällä, mutta tulkinnassa auttaa, jos tuntee kaupunkia ja kaupunginosia jonkin verran.

Ville Väisänen vaikuttaa olevan blogissaan samoilla linjoilla ruutukartan tulkinnan haasteista sijainnin osalta. Hän on niin ikään tarkastellut muunkielisten osuutta väestöstä ja mielestäni laatinut hyvin onnistuneen kartan, jossa näkyviin nostetut kuntarajat helpottavat kartan tulkintaa, kun hahmottaa paremmin, missä ruudut sijaitsevat!

Yhteenveto

Tästä tekstistä tuli pitkä kuin nälkävuosi, joten tässä tiivistettynä tärkeimmät:

• Scratch-layer kannattaa tallentaa export-toiminnolla, jotta siihen on mahdollistaa kohdistaa erilaisia toimintoja.
• Mieti mitä teet, ennen kuin teet. Muuten joudut tekemään uudelleen, mutta ei sekään toisaalta haittaa.
• Ruututeemakartalla on helppo silmäillä alueellisia eroja kuntien sisällä.
• Kertaus on opintojen äiti.

Oli siis hyvä aloittaa tehtävä suunnilleen alusta uudelleen eikä vain jatkaa siitä, mitä oli tehty valmiiksi yhdessä. Olin nimittäin jo unohtanut, minkälaisia työvaiheita prosessiin sisältyi, vaikka välissä ehti kulua vain vuorokausi. Ja eteen tuli parikin ongelmatilannetta, joita piti vähän aikaa miettiä. Itsekseen tehdessä ehtii myös hieman enemmän prosessoida tietoa, kun ei ole vain kiire seurata perässä.

Lähteet:

Mattila, L. (9.2.2021). Rasterikartat. Haettu osoitteesta https://blogs.helsinki.fi/lottmatt/2021/02/09/rasterikartat/

Mickos, K. (9.2.2021). Kurssiviikko 4: Vektoreista rastereihin ja sujuvasta ohjelmasta vähemmän sujuvaan. Haettu osoitteesta https://blogs.helsinki.fi/kmickos/2021/02/09/kurssiviikko-4-vektoreista-rastereihin-ja-sujuvasta-ohjelmasta-vahemman-sujuvaan/

Väisänen, V. (14.2.2021). Ruutuja ja rastereita. Haettu osoitteesta https://blogs.helsinki.fi/villvais/2021/02/14/ruutuja-ja-rastereita/ 

Kolmannella kurssikerralla harjoiteltiin esimerkiksi kohteiden yhdistämistä ja tietokantaliitoksia Afrikan kartalla (kivaa vaihtelua Suomen kuntakartalle!). Itsenäisenä harjoituksena tuli laatia tulvaindeksikartta (puoli)valmiin aineiston pohjalta. Tässä pääsi hyödyntämään juuri opeteltua tietokantaliitosten tekoa (ja näillä ohjeilla ensimmäisen kurssikerran itsenäinen harjoituskin olisi sujunut muuten aika paljon helpommin…) sekä jalostamaan visualisoinnin taitoja.

Tehtävänä oli siis liittää valuma-aluetietokantaan MHQ- eli keskiylivirtaamatietokanta ja järvisyystietokanta. Tämä kävi helposti Joins-valikosta. Tulvaindeksin sai ohjeen mukaan laskettua ja tallennettua omaksi kentäkseen field calculatorilla jakamalla keskiylivirtaaman (MHQ) keskialivirtaamalla (MNQ).

Keskiylivirtaamalla tarkoitetaan tietyllä ajanjaksolla mitattujen ylimpien arvojen keskiarvoa ja keskialivirtaamalla taas alimpien mitattujen arvojen. MHQ / MNQ -laskutoimitus kertoo, kuinka moninkertainen virtaaman huippu on verrattuna kuivimpaan aikaan. (Paarlahti, 2021.)

Tulvaindeksin lisäksi kartalla piti siis tarkastella valuma-alueiden järvisyyttä, joka oletettavasti kuvaa järvien pinta-alan osuutta valuma-alueen koko pinta-alaan. Käytin tässä valmista järvisyystietokantaa, jonka avasin CSV-tiedostona QGISissä ja lisäsin järvisyys-%-sarakkeen valuma-aluetietokantaan.

Huomasin, että vaikka järvisyys-%-tiedot näyttivät numeroilta, niin sarakkeen muoto oli kuitenkin teksti. Koska en saanut alueita järjestettyä tämän takia edes suuruusjärjestykseen järvisyyden mukaan, päätin luoda field calculatorilla vielä uuden järvisyys-sarakkeen, jonka sisältö oli oikeasti numeromuodossa.

Tulvaindeksikartan luominen tuntuikin jo aika rutiininomaiselta, ja päädyin jättämään lopullisesta versiosta joet ja järvet pois sekavuuden välttämiseksi (kuva 1).

Tein myös toisen kartan, jossa tulvaindeksien lisäksi näkyy valuma-alueen järvisyys ympyrädiagrammina. Ensin ihmettelin, kun valitsin järvisyyden diagrammiin ja tuloksena oli vain samanvärisiä ympyröitä, mutta sitten luin ohjeen (kannattaisi lukea ensin ja tehdä sitten) ja huomasin, että ympyrädiagrammin onnistumiseksi tulee laskea myös maapinta-ala. Valmis kartta näyttää tältä (kuva 2):

Tämä toinen versio ei ole visuaalisesti aivan selkeintä luettavaa (lievästi sanottuna), sillä ympyrädiagrammit peittävät ikävästi tulvaindeksinäkymää etenkin pienemmillä valuma-alueilla. Ei myöskään ole lainkaan selvää, mikä ympyrä kuuluu millekin valuma-alueelle. Yritin muokata ympyröiden sijaintia ja kokoa, mutta en onnistunut löytämään hyvää ratkaisua. Mielenkiinnolla katselen muiden blogeista, millaisiin ratkaisuihin niissä on päädytty. Löysinkin jo Villen blogista hienon esimerkin erilaisesta tavasta esittää järvisyyden, ja parempaa siinä on esimerkiksi se, että pallot eivät peitä karttaa yhtä paljon ja karttaa on siksi helpompi lukea.

Tästä insiproituneena ja sisuuntuneena päätin vielä tehdä hieman uudenlaiset versiot järvisyys-tulvaindeksikartasta. Muokkasin ympyrädiagrammeja niin, että niiden koko on sitä suurempi, mitä suurempi järvisyys-% on. Päädyin myös tekemään kartan erikseen eteläisestä ja pohjoisesta Suomesta, jolloin karttaa voi zoomata hieman lähemmäs ja näin diagrammit eivät peitä koko näkymää. Alla siis hieman erilaiset versiot (kuvat 3 ja 4) – mielestäni lopputulos on jo hieman parempi ja helpommin luettavissa, vaikka onkin sääli, ettei koko Suomi näy kerralla.

Toinen ongelma oli kartan selitteen kanssa, johon olisin halunnut jotenkin merkitä, että järvisyys kuvataan ympyrädiagrammeissa, mutta tässäkään en oikein onnistunut. Ja toinen asia, jota en oikeastaan muistanut ottaa huomioon kuvissa 3 ja 4, on se, että selitteessä ei ole mitenkään selitetty ympyrädiagrammien kokojen vaihtelua, hups. Ehkä tästä kuitenkin ulkopuolinenkin osaa silti tulkita jollain lailla, mistä on kyse. Eriäviä mielipiteitä otetaan vastaan.

Karttojen tulkinta maallikon silmin

Ensimmäistä karttaa (kuva 1) voi tulkita ainakin niin, että korkeimmat tulvaindeksit sijaitsevat kaikki rannikolla, esimerkiksi Pohjanmaalla, Varsinais-Suomessa ja Uudellamaalla. Korkeimman kategorian alueita (500 – 1100) on vain yksi. Villen blogissa oli hienojen järvisyys-pallojen lisäksi esitetty erinomainen pointti siitä, että tulvaindeksi voi käsitteenä jäädä epäselväksi aiheeseen perehtymättömälle. Ehkäpä siis kartan tekijä voi auttaa lukijaa avaamalla asiaa esimerkiksi kartan kuvatekstissä tai muuten kartan yhteydessä.

Toisessa kartassa (kuva 2) tulvaindeksiä voi (yrittää) verrata järvisyyteen. Vaikuttaa päällisin puolin siltä, että pienempi järvisyys on yhteydessä suurempaan tulvaindeksiin. Voisi siis tulkita niin, että järvillä on tulvia ja virtaamia tasaava vaikutus suuntaan ja toiseen. Sisämaan järvisillä alueilla on matala tulvaindeksi, ja myös rannikolla niillä valuma-alueilla, joissa on enemmän järviä, vaikuttaisi olevan hieman pienempi tulvaindeksi verrattuna rannikon vähäjärvisiin valuma-alueisiin.

Kattavaa pohdintaa tulvaindekseihin vaikuttavista tekijöistä oli ainakin Sannan blogissa, jossa muuten käsiteltiin erinomaisesti myös harjoituskerran toista teemaa, Afrikan konflikteja. Suosittelen lukemaan!

Lähteet:

Jantunen, S. (3.2.2021). Veritimanteista keskivirtaamiin. Haettu osoitteesta https://blogs.helsinki.fi/smjantun/2021/02/03/veritimantteja-ja-keskivirtaamia/

Paarlahti, A. (2021). Harjoitus 3 [Word-dokumentti]. Haettu Moodlesta.

Väisänen, V. (2.2.2021). Valuma-alueiden tulvaindeksikartta. Haettu osoitteesta https://blogs.helsinki.fi/villvais/2021/02/02/valuma-alueiden-tulvaindeksikartta/