Kiitos paljon kurssista! Opin todella paljon ja pidin kurssin etenemisestä. Opin vielä paljon enemmän kuin alkuun ajattelin. Alun ahdistavista karttatehtävistä oli pitkä tie siihen, kuinka päädyin lopulta nauttimaan paikkatietoaineistojen monipuolisesta käytöstä ja muokkauksesta.
ps: Kurssikerrat on numeroitu kalenteriviikkojen mukaan. Kurssikerran mukaan numerointi olisi voinut olla järkevämpää. En kuitenkaan muuta numerointia enää, jotta muiden tekemät viittaukset pysyvät oikeamuotoisina.
Tällä viikolla teimme harjoitustyön tutkien omavalintaista kohdetta ja aineistoa. Iso osa työstä oli aineiston etsiminen ja valittuun kohteeseen tutustuminen.
1. Valmistelu ja työn aloitus
Ensimmäinen suunnitelmani oli tehdä kartta lämpötilanvaihtelun eroista Norjassa eli Euroopan pohjoisimmassa valtiossa. Etsin tähän tutkimuskohteeseen materiaalia useita tunteja. Aineiston löytäminen oli yllättävän haasteellista kun kyseessä oli maa, joka ei ollut Suomi. Alkuun etsin vain ESRI Shapefile -muotoista aineistoa. Löysin hyvin yksittäisiä aineistoja, jotka olivat vaihtelevissa projektioissa ja eivät aina rajoiltaan yhteensopivia. Lisäksi löysin useita aineistoja, joissa ei ollut lainkaan atribuuttitietoja, joiden avulla yhdistää muita aineistoja. Atribuuuttitaulukko koostui siis vain koordinaateista ja sarjanumeroista. Tällaista materiaalia oli esimerkiksi European Environmental Agency:n sivustolla. Lisäksi löysin toisen sivuston nimeltä Mapcruzin, joka tarjosi hyvin yksittäisiä ja pienikokoisia aineistoja. Löysin myös palveluja, jotka antoivat ladata aineistoja omalle koneelle vain kuvina.
Lopulta löysin sivuston nimeltä Geonorge. Kyseessä on Norjan kansallinen karttapalvelu ja se muistuttaa osin Paikkatietoikkuna-palvelua. Sivustolla ei kuitenkaan ole ESRI Shapefile -muotoista aineistoa, joten en aluksi uskonut sivuston hyödyllisyyteen. Oppitunnilla sain kuitenkin neuvon ladata GML-aineistoja saadakseni käyttööni vektorimuotoista paikkatietoa. Lisäksi sivustolla on kattavasti WFS- ja WMS-muotoista rajapinta-aineistoa.
Geonorge ei kuitenkaan sisällä tietoja ilmastosta, vaan nämä aineistot ovat Norjan ilmatieteen laitoksen Meteorologisk institutt palvelussa Frost. Lisäksi ilmatieteen laitoksella on useita muita dataa jakavia palveluita muun muassa Norsk climaservicesenter, josta saa kaupunki- ja mittauspistekohtaista dataa. Näistä ensimmäisen sivuston datankeruu kuitenkin vaatii enemmän taitoa, kuin mitä olemme tällä kurssilla vielä oppineet. Toisen tarjoama data taas on hankalasti käyttötarkoitukseeni muokkautuvaa, vaikkakin CSV-muotoista dataa. Lisäksi maailmanlaajuista dataa jakavan WorldClim -palvelun helppokäyttöisempi data ei vielä ollut valmista ja tullut sivustolle. Tässä vaiheessa en myöskään halunnut käyttää aineistohakuun lisää tunteja. Olin jo löytänyt paljon muuta käyttökelpoista dataa. Päätin vaihtaa aihettani ja keskittyä Geonorge -palvelun tarjoamaan dataan.
2. Harjoitustyö
Aineisto
Päätin tutkia Norjassa olevia Red List -listattuja eliöitä ja niiden uhanalaisuuden suhdetta kultturiperintöalueisiin. Erityisesti minua kiinnostivat uhanalaiset kasvit. Halusin verrata uhanalaisten kasvien sijainteja Norjan kansallisten kulttuuriperintöalueiden sijaintiin. Minulla oli asiasta kaksi vastakkaista hypoteesia: Kasvien tila on erityisen huono kulttuuriperintöalueilla, sillä ne voivat tuoda turisteja ja muuta liikehdintää alueelle. Toisaalta näiden alueiden kasvillisuus voi olla erityisen hyvässä asemassa, koska kenties alueet ovat laajasti suojeltuja ja niiden käyttö säädeltyä.
Käytin työssäni paljon WFS-aineistoja ja jouduin lataamaan myös useamman GML-aineiston. GML eli Geography Markup Language on paikkatietoaineisto, joka perustuu XML-merkintäkieleen (Extensible Markup Language). Tämä on yleisin vektorimuotoinen aineistomuoto, jota Geonorge tarjoaa. Kaupunkeja koskeva aineistoni on kuitenkin muodoltaan ESRI Shapefile ja sivustolta Mapcruzin. GML-aineistot kopioin myös omalle koneelleeni ESRI Shapefile -muodossa, sillä alkuperäisessä muodossaan aineistot eivät aina toimineet täydellisesti. Esimerkiksi laskutoimituksia tehdessä osa kohteista saattoi kadota, mikäli laskutoimituksen teki kahden eri formaatissa olevan tietokannan välillä.
Aineiston muokkaus
Käytin kaikissa kartoissani projektiota ETRS89-extended / LAEA Europe (EPSG:3035) Tutkimuksessani käytin paljon Count points in Polygon toimintoa ja kerran myös Labels, Clip sekä Fix geometries toimintoja. Kiitos taas kerran Annikalle jälkimmäisen opettamisesta. Lisäksi Geonorge-sivuston materiaali oli välillä todella isokokoista. Aineiston käsittely tai leikkaaminen pienemmäksi vei pahimmillaan puoli tuntia. Löysin myös uusia toimintoja, etenkin esillepanoon liittyen. Opin esimerkiksi kopioimaan värejä kartasta toiseen ja tekemään karttatason läpinäkyväksi, jotta voin esittää yhdessä karttakuvassa enemmän tietoa. Lopuksi piirsin vielä kaiken alle suuren polygonin, josta tuli karttojeni tausta. Norjan rantaviiva muodostuu eri karttatasosta. Sen ja piirtämäni polygonin välillä on nähtävissä pieni viiva, mutta se ei mielestäni ole häiritsevä.
Ensimmäiseksi loin kuntakohtaisen aineiston kulttuuriperintöalueista. Yhdistin tiedot kulttuuriperintöalueista kuntakarttaan. Sain aineiston, joka näyttää kunnat, joissa sijaitsee kansallisia kultuuriperintöalueita.
Red List aineiston laajuuden vuoksi rajasin tutkimukseni kriitisen vaaran omaaviin eliökantoihin. Päätin tehdä aiheestani koropleettikartat eliökunnittain (Plantae, Fungi, Animalia). Tekemällä kartan piirikunta-aineistoon, pystyin Opacity toiminnon avulla yhdistämään siihen myös kuntakohtaisen kulttuuriperintöalueiden aineiston siten, että alueiden rajat yhä erottuvat selkeästi. Valmis karttasarja on nähtävillä kuvassa 1.
3. Kartta-aineiston tulkinta ja jatkotutkimus
Aineistona käytin IUCN:n (International Union for Conservation of Nature) Red List -luokitteluun perustuvaa vektoriaineistoa. Red List -luokittelussa on viisi luokitusta: alueellisesti kadonneet, kriittisessä vaarassa, voimakkaassa vaarassa, lähellä vaaraa ja haavoittuvassa asemassa olevat eliökannat. Tekemäni kartat perustuvat kriittisessä vaarassa olevien eliöiden aineistoon. Suurimmassa vaarassa oleva kasvi Norjassa on acaulon mediterraneum. Kyseessä on hyvin harvinainen laji, joka löydettiin Norjasta vuonna 2002 ja on onneksemme ainakin toistaiseksi säilynyt alueella.
Kartoistani näkee, että kriittisessä vaarassa olevien kantojen suhteellinen määrä on enimmäkseen yhtä suuri samoissa piirikunnissa. Eliökunnasta riippumatta. Piirikunta Viken, jossa Oslo sijaitsee, ja sen ympäristö korostuvat joka kartassa. On kuitenkin huomattava, kuinka iso ero kantojen määrässä on eläinten ja muiden eliöiden välillä. Eläinkantoja on listattu yli viisinkertainen määrä muihin kantoihin verrattuna. Tästä voisi kenties tulkita eläinkantojen olevan yleisesti tutkituin? Tai mahdollisesti ihmistoiminta vaikuttaa juuri eläinten elinoloihin selkeimmin?
Halusin kuitenkin tarkastella erityisesti kasvillisuutta (kuva 2). Tekemäni kartan perusteella kultuuriperintöalueet eivät näyttäsi vaikuttavan suuresti kasvikantojen uhanalaisuuteen. Korrelaatio olisi kartan mukaan, jopa todennäköisemmin hyvälaatuinen kuin haitallinen. Jälkimmäisen hypoteesini mukaan. Kulttuuriperintöalueilla ei ole suhteessa erityisen suurta kasvien uhanalaisuutta.
Jotta asiaa voisi tutkia tarkemmin, tarvitaan kuitenkin vielä kartta, jossa kriittisessä vaarassa olevat alueet näkyvät kunnittain. Kyseinen kartta löytyy kuvasta 3. Karttaa tehdessäni huomasin kuinka erityisen värikkäät ja punaiset alueet ovat erityisesti Oslon ympärillä ja Norjan eteläosissa. Tämä viestii siitä, että suhteessa tiiviimmin asutuilla alueilla, joilla on suuria kaupunkeja, on erityisen paljon kriittisessä vaarassa olevia kasvikantoja. Tämän vuoksi lisäsin karttaan vielä kaupunkien pisteaineiston. Se vahvistaa vaikutelmaa.
Voinkin tulla siihen lopputulokseen, että tiheä ihmisasutus ja suuret kaupungit ovat todennäköinen vaara kasvikantojen säilymiselle. Tästä itseasiassa puhutaankin itse aineiston metadatassa ja Red List -ohjelman internetsivustolla.
Tein kartan vielä alueellisesti kadonneista kasvikannoista. Siinä näkee kuinka kadonneet kannat sijaitsevat pääosin joko Oslon lähettyvillä tai kriittisessä vaarassa olevien kasvikunta-alueiden vieressä. Kannat ovat siis voineet jo hävitä alueellisesti viereisestä kunnasta ja ovat nyt vaarassa kadota myös seuraavasta kunnasta?
4. Lopputulos ja vertailua toisten tutkimusaiheisiin.
Kriittisessä vaarassa olevien kasvikantojen alueet paikantuvat paljon Oslon seudulle sekä muille alueille, joissa on suhteessa paljon asutusta. Kansallisilla kulttuuriympäristöillä ei ole suurta merkitystä kasvikantojen kriittiselle vaaralle. Mikäli näillä kahdella tekijällä kuitenkin on suhde, se on todennäköisesti molempia hyödyttävä. On todennäköisempää, että kulttuuriympäristöjen kasvillisuus on suhteessa paremmassa asemassa kuin muu kasvillisuus, kuin että siitä olisi haittaa. Näin ollen ainakaan ensimmäinen hypoteesi ei pitänyt paikkaansa.
Lukiessani muiden tutkimuksia, huomasin suurimman osan kurssilaisista käyttäneen aineistoja Suomesta. Tämä on älykkäästi tehty, sillä se säästää aikaa aineistojen etsinnästä itse kartan tekoon. Oli kuitenkin muutamia mielenkiintoisia tutkimuksia myös eri maista. Roosa Harmonen, Annika Innanen ja Veeti Sihvola käyttivät materiaalia Yhdysvalloista. Erityisesti Veetin tutkimus New Yorkin asukkaiden etnisestä taustasta kiehtoi minua. Lisäksi hänen karttansa olivat sekä informatiivisia, että todella kauniita katsella. Ville Väisänen taas tutki tulojen ja muuttoliikkeen suhdetta Vietnamissa.
Moni oli tutkinut kohdettaan myös maanosakohtaisesti. Näistä itselleni mielenkiintoisin oli Henrietta Nyströmin tutkimus Euroopan rautateistä. Henrietan kartat lisäsivät kunnioitustani erityisesti Saksan junaverkostoa kohtaan, vaikka kokemukseni mukaan maan junat ovat yleisesti ottaen myöhässä. Pieni myöhästyminen kuitenkin sallittakoon maassa, jossa junaratoja on suhteessa pinta-alaan eniten ja myös ratojen käyttöaste Euroopan toiseksi korkein. Omaa tutkimusta lähinnä, eli kasveihin liittyvä aihe, oli Ida Adlerin tutkimuksella Helsingin viherkatoista.
5. Lopuksi
Lopulta oli hyödyllistä tehdä kartta, joka sijoittuu muualle kuin Suomeen. Norja ei kuulu Euroopan unioniin, joten kaikissa Eurooppaa koskevissakaan paikkatietoaineistoissa se ei ole mukana. Opin kuinka maakohtaisten tietojen löytäminen voi olla haasteellista. Norjassa lisähaastetta toi myös kieli, sillä vaikka moni sivusto oli käännetty myös englanniksi, englanninkielinen sivusto sisälsi huomattavasti vähemmän tietoa ja aineistoja. Onneksi Norja kuitenkin kuuluu INSPIRE-direktiivin kenttään. Kun vihdoin pääsi selville oikeista sivustoista ja datatyypeistä, oli materiaalia suhteellisen paljon saatavilla. Koska pääasiallinen lähteeni Geonorge toimii paljolti yritysten ja aluehallintojen lataamien aineistojen kautta, ovat monet aineistot kuitenkin hyvin paikallisia. Onnekseni sain tehtyä myös koko Norjaan liittyvää tutkimusta. Törmäsin myös haasteisiin, jotka osoittivat tämän kurssin olevan vasta ensikosketus paikkatietoaineistojen käsittelylle.
Onnistuin kuitenkin luomaan hyviä ja informatiivisia karttoja valitsemastani aiheesta. Eritoten opin karttojen luomisen käytänteitä ja työkaluja. Koen olevani varsin taitava luomaan koropleettikarttoja ja käsittelemään paikkatietoaineistoa QGIS-ohjelmistossa. Tämä on taito, jota haluan syventää jatkossakin.
Tekemäni kartat Norjan kriittisessä vaarassa olevista kasvikannoista esittävät ensimmäisen hypoteesini kulttuuriympäristöjen haitallisista vaikutuksista vääräksi. Lisäksi karttani osoittivat huomion toiseen mahdolliseen vaikuttajaan eli ihmisasutukseen. Tätä huomiota tukee vielä kirjallinen aineisto muun massa Red List -luokittelun materiaaleissa.
Tällä kurssikerralla tutustuimme Epicollect -palveluun, jolla voi tallentaa paikkatietoa omasta ympäristöstään. Lisäksi opimme tekemään interpoloinnin ja viikkotehtävässä hyödynsimme itse ladattavia ulkoisia aineistoja.
1. Oppitunti
Keräsimme Epicollect5 -sovelluksella paikkatietoa valitsemistamme kohtaista lähiympäristöstämme vastaamalla opettajan sovellukseen tekemään kyselyyn. Myöhemmin tunnilla tiedot yhdistettiin palvelussa tietokannaksi. Paikkoja oli Helsingistä ja Imatralta. Toimme tiedot QGIS-palveluun CSV-tiedostona ja visualisoimme sen usealla eri tavalla. Myös itse Epicollect sisälsi osion useilla eri visualisointinäkymillä. Itselleni heräsi monia mahdollsisa käyttötarkoituksia tälle sovellukselle. Esimerkiksi taitelijat voisivat hyödyntää Epicollectin kaltaista palvelua omilla internetsivuillaan näyttääkseen missä heidän teoksiaan on esillä.
Teimme keräämistämme pisteistä ja niiden turvallisuutta koskevista sarakkeista interpoloinnin ja visualisoimme sen värijatkumolla. Interpolointi loi arvot pisteiden ympärille arvioiden niiden turvallisuutta tiedettyjen pisteiden avulla. Teimme interpoloinnin hyvin harvalla pisteellä ja tämän vuoksi kartta ei ole kovin vakavasti otettava. Se kuitenkin demonstroi hyvin interpoloinnin idean ja oli hyvä esimerkki. Ylipäätään en ole varma onko esimerkiksi turvallisuus hyvä kohde interpoloinnille ylipäätään. Luennolla tehdyn paikkatietoa tuottaessani omat merkintäni turvallisuudesta liittyvät alueellisesti varsin pieniin eroihin. Turvattomammaksi merkkaamani kohde oli tienristeys ja siten hyvin paikallinen. Risteyksen lähellä olevien alueiden vaarallisuutta risteys ei suoraan lisää, joten interpolointi voi tuottaa harhaanjohtavan lopputuloksen. Interpolointi toimisi mainiosti hyvin pienillä alueilla tai silloin kun sen interpoloitavat arvot eivät määrity yksittäisten tekijöiden vaikutuksista. Tein itse kartan miellyttävyydestä. Se sopii interpoloitavaksi mielestäni turvallisuutta paremmin, koska esimerkiksi tien tulevat äänet luovat laajemman vaikutusalueen kuin sen tuomat autoilun vaarat.
2. Harjoitustehtävä
Myöhemmin saimme tehdä karttavisualisointeja, jotka osoittavat mannerlaattojen sijaintia maanjäristysten ja tulivuorten aineistoja käyttäen. USGS:n (United States Geological Survey) maanjäristystietokanta oli haastava käyttää sillä se antoi laskea kohteita vain jos vastauksena tuli tarpeeksi vähän kohteita. Tämä tarkoitti enintään 20 000 kohdetta. Lisäksi, halutut arvot piti asettaa uudelleen jokaisen epäonnistuneen haun jälkeen. Minulla haku epäonnistui usein myös alle 20 000 ja 10 000 kohteen hauissa. Sain kutienkin lopulta 10 000 kohteen aineistot ladatutua CSV-tiedostoiksi. Tutkin maanjäristyksiä ajoilta 1901 – 2021, 1901 – 1921, 1951 – 1971 ja 2001 – 2021. Hain maanjäristyksiä, joiden arvo Richterin asteikon mukaan on yli 5. Viimeisen haun tein myös arvolla 6. Päädyin lopulta käyttämään kartoissani vain ensimmäisen haun tuloksia. Vaihdoin pisteiden esitystavaksi Point Cluster -pisteet. Näin pisteiden sijainnit ja alueelliset määrät selkeytyivät. Tulivuoria varten käytin NOAA:n (National Centers for Environmental Information) tuottamaa tietokantaa, joka myös on yhdysvaltalainen. Kuvasin vain kerrostulivuoria, sillä ne ovat erityisen mielenkiintoisia mannerlaattojen tutkimisen kohdalla. Stratovolcanoes haulla sain vain muutaman kohteen [9] ja Stratovolcano haulla huomattavasti useamman [704]. Mielestäni erityisen hyvät alueet lähempään paneutumiseen olivat Japani ja Etelä-Amerikka. Valitsin näistä jälkimmäisen karttakuvaani. Koko maapallosta tekemääni karttaan jätin selkeyden vuoksi vain pienemmän haun kerrostulivuoret.
Oli mielenkiintoista tutkiia millä tavalla muut tuottivat tämän viikkoiset karttansa. Sanna Korpi oli tehnyt hienon interpoloinnin kuvaamaan mannerlaattoja. Tämä loi vaikutelman kolmiulotteisesta pinnasta. Etenkin Valtamerien kohdalla interpolointi toimii tehokkaana efektinä. En itse ollut kokeillut interpolointia. Kokeilin lämpökartan tekoa ja tuloksena oli varsin utuinen kartta. Ajattelin tämän vuoksi, että myös interpoloitu kartta olisi huono havaillistamisen muoto, mutta nään nyt olleeni väärässä. Ville Väisänen taas oli tutkinut maanjäristyksiä erilaisten Richterin asteikon arvojen mukaan ja hänen kartoistaan etenkin viimeinen muodostaa hyvin suorat ja tasaiset pisteiden jatkumot. Sekä Ville että Martta Huttunen olivat käyttäneet karttapisteissään keltaista väriä, mikä oli punaisen lisäksi kaikista näkemistäni kartoista selkeimmin erottuva ja rajat merkkava väri.
Lisäksi mieleeni tuli tehtävää tehdessäni Ricen yliopiston tuottama harjoitussivu mannerlaattojen rajoihin liittyen. Se voisi olla kiinnostava myös muille kurssilaisille. Sivustolta voi myös ladata useita mannerlaattoihin ja niiden ilmenemiseen liittyviä kartta-aineistoja. Lopuksi tein vielä kartan NASAn (National Aeronautics and Space Administration) meteoriiteista. Valikoin kohteeksi Pohjoismaat ja vaihdoin myös projektion, jotta alue näyttäisi sopusuhtaisemmalta. Halusin kokeilla uusia esillepanon tapoja ja tein kartasta leikittelevän vinon. Jälkeenpäin mietittynä ei tämä ehkä ollut paras idea. Kartta ei näytä vakavasti otettavalta ja tein itselleni turhaa työtä, kun jouduin vaihtamaan myös muiden elementtien kierto-ominaisuutta.