Hirvi-GIS

Viimeisellä kurssikerralla  saimme testa omia siipiä ja GIS-taikojemme toimivuutta. Itse löydetyn datan ja aiemmilla kurssikerroilla kerrytettyjen taitojen avulla pureuduin suomalaisten koulutukseen ja kuutosratikan pysäkkeihin. Katsotaan mitä sain aikaan! 

Seitsemännellä kurssikerralla halusin pysyttäytyä Suomen maankamaralla. Maastamme onkeretty valtava datamäärä erilaisia tilastoja, joista paikkatietoa on suhteellisen luonteva ja helppo vääntää. Päädyin tarkastelemaan Tilastokeskuksen kerämää dataa, silmällä pitäen erityisesti aineistoja, joita oli kerätty kaikista Suomen kunnista. Päätin aloittaa varovasti ja tuotin kartan koulutukseen liittyvästä datasta. Tilastokeskuksen StatFin-sivuilta löysin kuntatasondatan aiheesta ”Ei peruskoulun jälkeistä koulutusta”. Kartasta kuvassa 1 voi huomata kuinka Suomen suurimpien kaupunkien  läheisyydessä ihmiset ovat päätyneet enemmän peruskoulun jälkeen koulutuksen pariin, kun taas pienillä paikkakunnilla on enemmän pelkän peruskoulutuksen varassa olevia ihmisiä.

 

Ensimmäisen kartan jälkeen olin haukannut vasta pienen palan kakkua. StatFin -aineisto oli helposti ladattavissa excel-muotoiseksi, josta se taas piti ainoastaan vain muokata CSV-muotoon. CSV-muotoinen data kelpaa myös QGISille työstettäväksi. Lisäsin Tilastokeskuksesta QGISiin myös kuntien asukasmäärädatan  ja pystyin laskemaan prosenttiosuudet absoluuttisesta Ei peruskoulutuksen jälkeistä tutkintoa -datasta.

Samanlaisia työvaiheita sisälsi myös työni liittyen kuntien lapsilukuun. Haparoiva hypoteesini oli, että lapsiluku olisi suurempi samaisissa pienissä kunnissa, missä kouluttautuminenki oli vähäistä. Hypoteesini oli kuitenkin todella haparoiva, sillä selkeää korrelaatio näiden kahden asian välillä ei löytynyt. Lapsilukukartasta on  oikeastaan hypoteesiini nähden päinvastaisesti havaittavissa lapsiluvun olevan korkeampi suurissa kaupungeissa. Lisäksi kartasta on selkeästi nähtävissä se, että Länsi-Suomessa lapsiluku on Itä-Suomea suurempi, sekä se, että Oulun seudulla lapsiluku on yleisesti suhteellisen korkea.

Lapsia ja peruskoulutusta. Tässäkö se nyt oli? Viimeiset karttatyöt? Päätin kokeilla vielä eri aiheella. Luettuani Mikko Kangasmaan blogia, jossa hän taidokkaasti visualisoi Raide-Jokerin reitin vartta, halusin itsekkin kokeilla vielä tuotoksen tekemistä Helsingin skaalalla. Päädyin tutkimaan Helsinki Region  Infoshare -sivuilla pääkaupunkiseudun kuntien yhdessä kerämää dataa. Halusin tuottaa liikenteeseen liittyvän analyysin ja aloitin lataamalla sivustolta  Helsingin kaupungin kantakartan. HSL:n keräämän datan avulla keräsin tiedon kutosen raitiovaunun reitistä Hämeentiellä ja nykyisellä poikkeusreitillään Sturenkadulla. Edellä mainittujen aineistojen lisäksi otin käyttöön aiemmalla kurssikerralla käytetyn pääkaupunkiseudun väestödatan.

 

Olin kiinnostunut siitä, onko itäisessä kantakaupungissa kutosen raitovaunulinjan poikkeusreitin vai normaalireitin varrella enemmän asutustusta. Loin pysäkkien ympärille 200 metrin vyöhykkeet ja Join attributes by location -työkalun avulla laskin väestömäärät molempien reittien pysäkkien lähistöllä. Tuloksekseni kertoo Hämeentien pysäkkien läheisyydessä asuvan 19 120 asukasta ja Sturenkadun reitin varrella asuvan 18 393 asukasta. Kuvassa 3 on nähtävissä ratikan molemmat reitit. Olisin halunnut esittää kartalla myös väestöön liittyvää dataa, yritin monta kertaa, mutta QGIS päätyi aina kaatumaan. Kymmenennen kaatumiskerran jälkeen päätin muuttaa suunnitelmaa ja jättää väestöön liittyvän datan pois kartasta.

Lapsia, ratikoita ja koulutusta. Viimeiset kartat blogiin ja suunta kohti perioditaukoa!

Lähteet:

Kangasmaa, M.  Vapaat kädet (Kurssikerta 7) Luettu 3.3.2020.

Kartat:

https://hri.fi/data/fi/dataset?vocab_geographical_coverage=Helsinki

http://pxnet2.stat.fi/PXWeb/pxweb/fi/StatFin/

 

Itse kerättyä turvallisuusdataa, pistemuotoisia aineistoja ja globaaleja hasardeja. 

Ylös ja ulos! Kuudes kurssikerta alkoi monien koko kurssin ajan haaveilemalla tavalla: paolla GIS-labrasta. Lähdimme arvioimaan ja kerämään pisteaineistoa Kumpulan lähiympäristöstä. Arvioimme erilaisia lähialueen kaupukitiloja Epicollect5-sovelluksen avulla, huomioiden erityisesti eri alueiden turvallisuusaspektin. Myöhemmin luokkaan palattuamme yhdistimme eri tiimien keräämät pisteet yhteneväiseksi dataksi ja interpoloimme turvallisuuden tunnetta kuvaavan kartan kampusalueen lähiseudusta. Kuten Mikko Kangasmaa blogissaan toteaa, oli minustakin hienoa nähdä, kuinka nopeasti saimme itse kerätystä aineistosta tehdyllä analyysillä aikaan konkreettisia tuloksia.

Ulkoilun ja turvallisuuskartan tekemisen jälkeen pääsimme taas maailmalle. Tehtävänä oli luoda kolme karttaa, joiden teemana olisi hasardit. Päädyin luomaan kartat, jotka kuvaavat maahan asti iskeytyneiden meteoriittien, tiettyjen kriteerien maanjäristysten ja kalderatulivuorten sijaintia. Aivan opintojen alkumetreillä juurrutetaan joka maantieteilijän tajuntaan fakta siitä, että joka kartassa tulisi olla mittakaava ja pohjoisnuoli. Kartoistani löytyy pohjoisnuoli, mutta hävettävä seikka on se, että olen tietoisesti jättänyt mittakaavan pois. Jostain syystä mittakaava näytti maailmankartalla aivan väärystettyjä lukuja ja totesin paremmaksi jättää mittakaavan kokonaan pois.  Vilma Koljosen blogista luin monien kanssakurssilaisten poteneen samaa ongelmaa mittakaavan kanssa.

Tällä kurssikerralla tekemieni karttojen suurin käytettävyys on erilaisten hasardi-ilmiöiden sijainnin havainnollistamisessa. Tarkastelemalla tulivuori-, ja maanjäristyskarttoja vierekkäin, voi huomata molempien sijaitsevan pääosin tuliperäisellä alueella.  Etsin erilaisista hasardeista tehtyjä karttoja myös netistä, ja löysin citylabin tekemän kartan maahan iskeytyneistä meteoriiteista 500 vuoden ajalta. Huomasin kartassani olevan huomattavasti vähemmän  meteoriittien iskeytymiä kuin citylabin kartassa. Uskon eron johtuvan siitä, että karttani ei esitä iskeymiä niin pitkältä ajalta kuin citylabin kartta.

 

Kuudes kurssikerta oli palkitseva kerta. Jälleen koen, että paljon parantamisen varaa olisi. Esimerkiksi karttani eivät ole mitään kaikista havainnollistavimpia yksilöitä, mutta ainakin sain kaikki QGIS-tehtävät tehtyä ja opin jälleen uutta. Viimeisen kurssikerran itsenäistehtäviä odotellen, ensi kertaan!

 

Lähteet:

Kangasmaa, M. Kenttätöitä ja hasardeja (Kurssikerta 6)  Luettu 20.2.2020.

Koljonen, V. Raikasta ulkoilmaa! Luettu 20.2.2020.

Lentokenttiä, kouluja ja erilaisia vyöhykkeitä. Toistoja ja oppimista.

Kurssikerran uusi anti olikin juuri bufferoinnissa eli erilaisten vyöhykkeiden tarkkailussa ja tilastojen laskennassa. Muutoin viidennellä kerralla tarkoitus oli muistella jo tähän mennessä opittua ja kertailla vanhojen QGIS-työkalujen käyttöä. Koen itse tällä hetkellä olevani edelleen kovin alussa QGISin kanssa, mutta edistystä on totta kai myös tapahtunut. Osaan ainakin luontevasti tuoda erilaista dataa paikkatieto-ohjelmaan, osaan operoida attribuuttitaulukkojen kanssa ja visualisoida kartoilta löytyvän datan suht koht validiksi kartaksi. Varmuutta toimintojen käyttöön tulee vain kokeilemalla ja toistamalla työvaiheita. Toiston tärkeyttä korostivat myös esimerkiksi Pihla Haapalo ja Samu Vilenius pohtiessaan omaa oppimistaan blogeissaan. Lisäksi olen kokenut myös korvaamattomaksi avuksi kanssakurssilaisten kanssa QGIS-luokissa yhdessä tuskailun, testailun ja useimmiten myös lopulta ainakin oikeaan suuntaan päin saadun tuloksen tuottamisen.

Kurssikerran uutta asiaa eli puskurivyöhykettä käsittelimme tunnilla lähinnä Suomen skaalassa. Globaalisti puskurivyöhykeittä voisi käyttää esimerkiksi erilaisten tulivuoren purkausten vaikutusalueidenn laskemiseen tai vaikkapa sota-alueilla lentoreittien suunnittelussa laskemalla pitkänkantaman aseiden puskurivyöhykkeitä.

Lähteet:

Haapalo, P. Kädet ilmaan.(Kurssikerta 5) Luettu 17.2.2020

Vilenius, S. Kurssikerta 5- Sh*t just got real. (Kurssikerta 5) Luettu 17.2.2020

Rastereita, ruutuja ja teemakarttoja. Hikeä, verta ja kyyneleitä.

Neljännellä kurssikerralla perehdyttiin pistemuotoiseen aineistoon, ruutukarttojen tekemiseen ja yleiseen tiedon esittämiseen. Käsittelimme skaalana pääkaupunkiseudun neljää kuntaa ja niihin liittyvää pistemuotoista väestötietokantaa. Opimme kuinka pistemuotoiseeen tietokantaan lisätään ruudukko, jolloin tietokantaa voidaan käsitellä rasteriaineiston tavoin.

Kuulostaa yksinkertaiselta, mutta haasteita kurssikerta sisälsi siltikin yllin kyllin.

Ensimmäiset suuret haasteet tulivat aineistojen erilaisista koordinaatti- ja projektiotasoista. Toisiinsa yhdistettävissä ja vertailtavissa tasoissa olisi hyvä olla sama projektio ja työvaiheiden ongelmaisuus laittoi meikä GISseilijän toistamaan useita kertoja eri työvaiheita, tippuen lopulta kärryiltä sen suhteen mitä olimme tekemässä. Yksi työvaiheistani oli luonnollisesti sama kuin kanssakurssilaiseni Emma Wardin, joka blogissaan kertoo kuinka hänen ruudukkonsa ”päätti itsenäistyä ja lähteä kaus kotoa”. Wardin tavoin yhytin ruudukkoni Venäjältä, 3000 kilometrin päästä pääkaupunkiseudulta. Lattialta suunta on kuitenkin takaisin ylös tuolille ja eteenpäin on mummon mentävä myös lumettomassa talvessa. Kymmenien yrityskertojen jälkeen sain sekä ruudukkoni takaisin kotiin pääkaupunkiseudulle, että tuotettua ainakin jonkinlaisia kurssin vaatimia töitä valmiiksi.

Tuotin tunnilla miesten lukumäärää neliökilometrillä kuvaavan teemakartan  (kuva 1), jossa miesten osuus kussakin ruudussa on esitetty absoluuttisena. Mielestäni kartta on selkeä, mutta ”mielenkiintoisempaa” dataa toki voisi esittää kartta, jossa on suoraan nähtävissä vertailu muihin arvoihin, kuten esimerkiksi naisten määrään. Kartta ei kuvaa suoraan väestöntiheyttä ympäri pääkaupunkiseutua, mutta antaa osviittaa myös siitä. Jos karttaa vertaa naisten lukumäärään eri pääkaupunkiseudun alueilla (kuva 2), antaa se lukijalle jo enemmän vertailtavaksi validia dataa. Vasta tehtyäni karttani valmiiksi tajusin, että jos kartoissani miesten ja naisten absoluuttisesta määrästä olisi ollut enemmän luokkia, olisi kahden kartan vertailu ollut helpompaa. Totuttuun tapaan laitoin karttoihin vain viisi tasoa, kun useammalla luokalla olisin saanut lúkuvaihtelun pienemmäksi ja helpommin vertailtavaksi.

Ilmiönä naisten ja miesten jakautuminen erilaisille alueille pääkaupunkiseudulla on mielenkiintoinen. Sijoittumiseen vaikuttaa esimerkiksi korkeakoulujen sijoittuminen ympäri seutua. Aalto-yliopiston sijaitseminen Otaniemessä nostaa alueen miesten osuutta. Aallon vaikutus miesten osuuteen väestössä on selvä, kun taas muut yliopisto- ja ammattikorkeakoulukampukset eivät välttämättä vaikuta alueensa sukupuolijakaumaan niin paljoa. Esimerkiksi Myllypuroon valmistuneessa uudessa Metropolian kampuksessa on sekä miesvaltaisia teknisiä- kuin naisvaltaisia terveyden ja hyvinvoinnin aloja.

Neljäs kurssikerta takana ja GIS-ura jatkaa kulkuaan. Kehitys ei kuvaa nousujohteisuus vaan oppimistulokset sekä tunteet GIS-tunteja ja QGISiä kohtaan lähtelevät pikemminkin vuoristoratakyytiä.  Näppäimistöstä ja hiirestä kiinni, jatketaan  taas viidennellä kurssikerralla karttaharjoituksia!

 

Lähteet: 

Ward, E. Yllättäviä juonenkäänteitä neljännellä kerralla .(Kurssikerta 4) Luettu 4.2.2020.

Hyperventilointia, nenäverenvuotoa ja itkunparahduksia, mutta myös upeita tiimin yhteisiä onnistumisenhetkiä. Tervetuloa kolmannen tunnin GIS-osaamisen pariin! 

Kolmannella GIS-tunnilla monet kanssakurssilaiset meinasivat repiä pelihousunsa. Työskentelimme Afrikan timattikaivosten, konfliktien ja öljyesiintymien parissa ja tehtävä ei ollut helppo. On sanonta, jonka mukaan Afrikka ei ole aloittelijoille. Kartat katoilivat ja diagrammit eivät tulleet esiin, mutta jälleen loppujen lopuksi kärsivällinen yrittäminen tuotti tulosta.

Pulinat sikseen ja tunnin varsinaiseen aiheeseen, joka mielestäni oli  jopa antoisa. Harjoittelimme QGIS:llä esimerkiksi tietokantojen ja karttojen naimisiinmenoa eli sulattamista yhteen, excel-tiedostojen tuomista QGISiin ja niiden yhdistämistä attribuuttitaulukkojen sarakkeiksi. Liitimme QGIS-projektiimme ulkoista tietoa muista ohjelmista ja parantelimme sarakkaiden tietoja päivittämällä niitä.

Esimerkkityönä saimme lähtöpassit Suomesta suuremmalle skaalalle ja tuotimme kartan Afrikasta. Aineisto oli tuotettu niin, että attribuuttitaulukossa oli mainittu useamman kerran tietyt valtiot. Muokkasimme taulukkoa niin, että saimme yhdistettyä saman datan alle kuuluvia tekijöitä ja näin poistimme turhia rivejä taulukosta. Tai näin ainakin sen maallikkona ymmärsin. Sata prosenttisen varma en kuitenkaan enää ole siitä, mitä me teimme, mutta ainakin taulukko yksinkertaistui. Myöhemmin tulevilla kurssikerroilla saman operaation toistaessa tai muiden blogeja lukiessa, tulen tästäkin toimenpiteestä varmasti myöhemmin varmistumaan ja ymmärtämään sen paremmin.

Tekemässäni kartassa Afrikasta ( kuvassa 1) on  nähtävissä yksinkertaisesti öljyesiintymien, timanttikaivosten ja konfliktien sijainti kartalla. Lisäksi tunnilla tarkastelimme internetinkäyttäjien määriä eri Afrikan maissa.  Yhdistämällä näihin tietoihin vielä monipuolisempaa dataa, kuten konfliktien laajuttaa, niiden alkamisvuotta, öljykenttien löytäsmisvuotta tai esimerkiksi timanttikaivosten tuottavuusluokittelua, voisi näiden tekijöiden avulla tehdä jo laajempaa tulkintaa eri alueiden syy-seuraus-suhteista. . Mielenkiintoista olisi verrata esimerkiksi timanttikaivosten esiintyvyyttä ja internetkäyttäjien lukumäärän suhdetta. Voisi kuvitella, että timanttikaivokset nostaisivat paikallista väestöä köyhyydestä ja kasvattaisi myös internetkäyttäjien määrää. Toisaalta tietokannoista voisi nähdä myös, jos timanttikaivoksista saatava omaisuus valuu kansainvälisten yritysten taskuun jättäen paikalliset köyhiksi. Voisi myös kuvitella, että esimerkiksi konflikteilla olisi vaikutus pitkittyessään maan köyhyyteen ja vähäiseen internetkäyttäjien määrään.  Vuosilukutiedoilla voitaisiin myös tarkastella kehitystä ennen ja jälkeen konfliktien. 

 

Kurssikerran toisena työnä tuotin kartan, joka kuvastaa Suomen valuma-alueiden tulvaherkkyyttä. Kartta on nähtävissä kuvassa 2. Teettämästäni kartasta näkee, missä sijaitsevat Suomen tulvaherkimmät joet. Kartasta voimme esimerkiksi tulkita Turun Aurajoen olevan kovin tulvaherkkä joki. Lisäksi Suomessa on kautta Pohjanmaan ja Etelä-Suomen tulvaherkkiä jokia. Havainto ei sinällään ole mikään maailmaa mullistava, sillä opimme jo ala-asteella Suomen maantieteesä sen verran, että maamme on tuhansien järvien maa ja kautta rannikkojen mereen virtaa useita jokia, jotka erityisesti keväisin voivat tulvia. Teettämässäni kartassa on myös laaja, suhteellisen tulvaherkkäalue Lapissa. Järvi-Suomi taas luokitellaan vähiten tulvaherkäksi alueeksi. Lapin tulvaherkkyyttä tarkasteltaessa on huomattava, että suurin osa vesistä virtaa jokien kautta laajoilta alueilta lähinnä Itämereen. Järvi-Suomessa tulvaherkkyyttä laskee runsas järvisyys ja pitkien jokien puuttuminen. Järvisyyden suhde vähäiseen tulvaherkkyyteen on nähtävissä myös kuvassa 3, jossa on esitetty alueiden järvisyys pylväsmuodossa.

Järviä, jokia ja Afrikan maita. Luonnomaantiedettä, konflikteja ja pylväitä. QGISin avulla saa maantieteilijä tehtyä karttoja mitä mielenkiintoisimmista aiheista. Kanssakollegani Miklas Kuoppalan sanoin: ”Silmäni säihkyvät, kun toiminnot tekevät taikojaan!” Tämä kurssikerta päästi jälleen syvemmällä QGISin maailmaan, mutta todella paljon on vielä edessä opeteltavana. Keskittymällä olosuhteiden luomien haasteiden, kuten hyperventiloinnin, nenäverenvuodon ja itkunparahdusten jälkeen positiiviisiin tuloksiin, kuten upeisiin QGIS-karttoihin, selviämme yhdessä tästä kurssista kunnialla. Seuraavaan kurssikertaan!

Lähteet: 

Kuoppala, M. Mihin tää voikaan vielä johtaa? (Kurssikerta 3). Luettu 28.1.2020.

 

 

 

 

Eri projektioita ja niiden pinta-alojen vertailua. Siitä oli kyse toisella kurssikerralla. 

GIS-urani jatkaa kulkuaan. Alussa kehitys on tulpan lähdettyä räjähdyksen omaista. Taidot karttuvat nopeasti kun lähtötaso on GIS-rapakunto. Toisella kurssikerralla kerrytin haparoivien perustaitojen päälle uutta osaamista. Sain varmuutta erilaisten attribuutiotaulukkojen uusien sarakkeiden laskemiseen ja lisäämiseen, projektioiden vaihtamiseen ja tietokannan lisäämiseen rajapinnan kautta.

Projektioiden osalta vertailin kurssikerralla Suomen pinta-aloja TM35FIN -projektion/kooridnaatiston avulla sekä Mercator- ja Robinson-projektiolla. Tein QGIS-sovelluksella pinta-aloja vertailevat karttakuvat, jotka on nähtävissä kuvissa 1 ja 2. Ensimmäisessä kuvassa on nähtävissä kuinka Mercator vääristää pohjoisten alueiden pinta-alaa. Vääristymä on nähtävissä jo vertailtaessa Suomen kokoista aluetta. Esimerkiksi aivan pohjoisimman Suomen kunnat ovat pinta-alaltaan paljon suurempia Mercator-projektiossa kuin TM35FIN-projektiossa.

Mercatorin ja TM35FIN -projektion eroa kuvaava koropleettikartta on mielestäni suhteellisen onnistunut, mutta aihetta tuntemattomalle sen tulkinta voi viedä kauemmin aikaa. Itsekään en aluksi hahmottanut kuinka paljon Mercator todellisuudessa vääristää Lapin kuntien pinta-alaa. Myös  Mikko Kangasmaa ja Jonna Kääriäinen totesivat blogeissaan tälläisten vääristymiä kuvaavien yksittäisten karttojen olevan hiukan vaikeita tulkita. Carita Aapro-Kosken blogia lukiessa tajusin vasta oman karttojeni legendan merkityksen. Carita blogissaan kirjoittaa Mercator-projektiosta seuraavasti: ”Pohjoisosa näyttää suhteettoman suurelta Etelä-Suomeen verrattuna. Samoin voi huomata, että Lapissa pinta-alat ovat kasvaneet noin 7-kertaisiksi, etelässäkin kolminkertaiseksi.” Viimeisen lauseen luettuani tajusin karttani legendan suurimman arvon 565-722 todella tarkoittavan sitä, että Lapin pohjoisimmat kunnat ovat Mercator-projektiossa jopa seitsinkertaisia TM35FIN-projektioon verrattuna.

 

 

 

Toisena työnä laskin Robinsonin projektion ja Mercatorin eron. Karttakuvasta on selvästi nähtävissä kuinka projektiotasona on aivan eri kartta kuin ensimmäisessä kuvassa. Suomi-neito näyttää pahasti kallistuneen kohti  naapurimaatamme Ruotsia ja  kokeneen samalla pienen litistämislätistämisoperaation. Ainakin Venla Moisio ja Vilma Koljonen olivat blogeissaan kirjoittanut samaisen Robinsonin projektion vertaamisesta muihin projektioihin. Molemmat kriittisesti analysoivat myös omien karttojen luokkajakoa ja legendan numerodataa. Venlan ja Vilman analysointia lukiessa aloin tarkastelemaan myös omien karttojeni osuvuutta. Olisin toki karttoihini voinut lisätä esimerksi enemmän luokkia, mutta pienen pohdinnan jälkeen totesin sen ehkä olevan tarpeetonta. Molemmissa tekemissäni kartoissa trendinä on pinta-alan vääristyminen pohjoista kohden. Luokkien skaala on mielestäni sopusuhtainen, kun merkittävin kartan antama havainto on vääristymän kasvaminen pohjoista kohden. Luokkien lisääminen karttoihini tuskin vahvistaisi tämän ilmiön ymmärtämistä. Muutoin esimerkiksi kartoissani kyllä on hienosäätöä. Esimerkiksi kuvan 1 kartan legenda voisi otsikoltaan olla selkeämpi. Onnistununnat legendan osalta oli mielestäni luokkien kääntäminen kartanmukaisesti niin, että suurin lukuarvo on myös legendassa ylimpänä.

 

Lopputulemana: olen QGIS:in kanssa edelleen alkutekijöissään, mutta en enää lähtötelineissä vaan ensimmäisten hölkkäaskelten siivittämänä matkalla kohti laajempaa osaamista. Matka on pitkä, mutta niin olen minäkin. Suhtpositiivisin ottein latteasti  kaikkia isiä lainaten: ”jatketaan harjoituksia”.

 

Lähteet: 

Kangasmaa, M. Projektioita ja valintatyökaluja (Kurssikerta 2). Luettu 27.1.2020.

Kääriäinen, J. Dataa rajapinnasta kartalle.  Luettu 27.1.2020.

Aapro-Koski, C. Kurssikerta 2: Projektiovalintoja ja tietokantoja. Luettu 27.1.2020.

Moisio, V. Viikko 2 – Totuttelua tietokantojen käyttöön sekä eri projektioiden vaikutusten vertailua. Luettu 27.1.2020.

Koljonen, V. Projektioita ja prosenttilaskuja. Luettu 27.1.2020

 

”Vierailin Hirvi-GISin sivuilla ja arvaa mitä: siellä ei ollut yhtään julkaisua!” Näin kommentoi kanssakurssilaiseni Pihla Haapalo viikonloppuna, ja tajusin, että minun oli ryhdyttävä toimeen.

Ensimmäisestä kohtaamisesta QGISsin kanssa oli kulunut jo tovinen, mutta en ollut aloittanut elämääni GIS-bloggaajana. Yöni nukuin levottomasti blogipostauksia stressaten. QGIS-kummitteli unissani. Koitti toivoa täynnä oleva maanantai ja tässä se nyt on rustattuna kasaan:  ensimmäinen GIS-harjoituksia ja -tuntemuksia sisältävä blogipostaus.

Löpinät sikseen: ensimmäisellä GIS-tunnilla mallinsimme Itämeren alueen suurimmat typpipäästäjät. QGIS vaikuttaa alkutekijöikseen hieman sekavalta, mutta kuten lähes kaikessa oppimisessa, toistoja tekemällä järjestelmän käytön oppii kyllä. Yhdessä takapenkin työryhmämme minun, Emma Wardin, Matias Sarajiston ja Matias Heikkilän kanssa koitimme kaikin tavoin keskittyä ja tehdä parhaamme, mutta välillä oikeanalaisen kartan luominen vaikutti haastavalta.  Sarajistolla ei ollut konetta, Ward sai karttansa katoamaan ja Heikkilän kartta näytti aivan joltain muulta kuin Itämeren alueen typpipäästäjiltä. Minun karttassani taas näkyi yhdeksän Itämeren maan datan sijasta vain yksi: Viron tiedot. Myöhemmin yhteistyön tekemisen, avun kysymisen (Artulta) ja uudelleen yrittämisen jälkeen saimme kuitenkin kaikki karttamme oikean näköiseksi. Tämän tarkastin myöhemmin työryhmäni muiden jästenten blogeista. Tunnilla tekemäni kartta on nähtävissä kuvassa 1.

Tunnilla tehtävän kartan lisäksi tein itse Tilastokeskuksen kunnat 2015 -aineistoista kartan, joka kertoo prosenttiosuudellisesti eri kuntien miesten osuuden väestöstä. Tein kartan pohtien nykyistä keskustelua syntyvyyden laskusta ja Suomen alueellisesta eriarvoisesta kehittymisestä. Kartasta voi nähdä tiettyjä trendejä. Esimerkiksi monissa suurimmissa yliopistokaupungeissa on isompi osuus väestöstä naisia, kun taas pienissä kunnissa Pohjois- ja Itä-Suomessa väestö on miesvaltaista.

Muutkin kurssilla olijat olivat tehneet väetökarttoja ja karttani kertoma tieto voidaan helposti linkittää muihinkin Suomen väestönmuutosta kuvaaviin trendeihin. Mikko Kangasmaan blogissa oli kuvattu esimerkiksi väestönmuutosta ja Minerva Laitisen blogissa yli 65-vuotiaiden osuttaa väestöstä. Useat väestöään tulevaisuudessa menettävät ja paljon yli 65-vuotiaita omaavat kunnat on myös sellaisia kuntia, joissa miesten osuus on yli 50%. Suoraan verrannollisia minun, Minervan ja Mikon nimittäjät eivät kuitenkaan koko Suomen osalta ole.

 

 

Yleisesti ottaen olen ollut hieman epäileväinen GIS-osaamista kohtaan. Onko GIS minun juttu? En ainakaan halua ajatua Aapo Keinäsen vihaisinta GISsiä vihaisemmaksi. Jos en pysty toimimaan yltiöpositiivisesti kuten Joonatan Reunanen, pyrin vähintäänkin pysymään suhtpositiivisena. Viikonloppuna uskoin GIS-urani tyssänneen jo alkuun, kun tuijotin fuksiläppäriäni marraskuisen synkeänä tammikuun sunnuntaipäivänä, ja koin haasteita GIS-tehtävieni kanssa. Tänä maanantaiaamuna GIS-luokkaan saavuttuani, ja saatuani apua Hynysen Lauralta, olen jälleen toiveikas. Lauran kärsivällinen auttava ote auttoi minua eteenpäin ja hänen blogissaan on nähtävissä myös rautaista fuksitason GIS-velho-osaamista.

Ensimmäisen postauksen lopputulemana:  karttojen tekemisessä palkitsevinta on nähdä oman työn tulos. Kyllä tästä kaikesta jotain tulee.

 

Lähteet:

Emma Ward kurssikerta 1 (Luettu 27.1.2020)  https://blogs.helsinki.fi/emmaward/

Matias Sarajisto kurssikerta 1 (Luettu 27.1.2020) https://blogs.helsinki.fi/matisara/

Mikko Kangasmaa kurssikerta 1 (Luettu 27.1.2020) https://blogs.helsinki.fi/kanmikko/

Minerva Laitinen kurssikerta 1 (Luettu 27.1.2020) https://blogs.helsinki.fi/minerval/

Aapo Keinänen kurssikerta 1 (Luettu 27.1.2020) https://blogs.helsinki.fi/kebaapo/

Joonatan Reunanen kurssikerta 1 (Luettu 27.1.2020) https://blogs.helsinki.fi/reunajoo/

Laura Hynynen kurssikerta 1 (Luettu 27.1.2020) https://blogs.helsinki.fi/lauravel/