ElmblogKiitos 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.
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.
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.
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.
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?
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.
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.
Lähdeluettelo: Adlerida's blog (https://blogs.helsinki.fi/adlerida/2021/03/04/opittujen-taitojen-testausta/ 30.03.2021, 19.05), Ida Adler. Annikan GIS-blogi (https://blogs.helsinki.fi/anninnan/2021/02/18/harjoitus-5-sos-help-apua-ja-uima-allas-ja-saunakarttoja-pk-seudulta/ 09.03.2021, 21.25), Annika Innanen. Annikan GIS-blogi (https://blogs.helsinki.fi/anninnan/2021/03/03/harjoitus-7-karttoja-omavalintaisista-aineistoista/ 30.03.2021, 19.20), Annika Innanen. Acaulon mediterraneum Limpr. Confirmed for Norway (https://www.researchgate.net/publication/259799592_Acaulon_mediterraneum_Limpr_Confirmed_for_Norway_with_Remarks_on_the_Redlisted_A_muticum_Hedw_Mull_Hal 10.03.2021, 15.45), Kristian Hassel. EPSG:3035 (https://epsg.io/3035 09.03.2021, 17.00), Klokan Technologies. Geoinformatiikan menetelmät 1 (https://blogs.helsinki.fi/nystrhen/2021/03/09/kurssikerta-7/ 30.03.2021, 19.10), Henrietta Nyström. Geography Markup Language (https://www.ogc.org/standards/gml 10.03.2021, 15.30), OGC. International Union for Conservation of Nature (https://www.iucn.org/ 10.03.2021, 15.55), IUCN. Les Briòfites a les basses temporals de Menorca (https://www.researchgate.net/figure/Acaulon-mediterraneum-Autor-J-Pericas-Fig-8-Riccia-crystallina-Autor-J-Pericas_fig7_265380475 10.03.2021, 16.20), Pere Arguimbau. Roosa Harmonen (https://blogs.helsinki.fi/harmoroo/2021/03/02/seitsemas-kurssikerta-loppusuoralla/ 30.03.2021, 19.25), Roosa Harmonen. The IUCN Red List of Threatened Species (https://www.iucnredlist.org/ 10.03.2021 21.05), IUCN. Veetin GISsa blogi (https://blogs.helsinki.fi/veetisih/?p=147 30.03.2021, 19.15), Veeti Sihvonen. Villen GIS-blogi (https://blogs.helsinki.fi/villvais/2021/03/03/viimeinen-kurssikerta-suuntana-vietnam/ 30.03.2021, 19.10), Ville Väisänen. Hyödynnetyt ulkoiset aineistot: Administrative enheter fylker (https://kartkatalog.geonorge.no/metadata/administrative-enheter-fylker/6093c8a8-fa80-11e6-bc64-92361f002671 09.03.2021, 16.05), Kartverket. Administrative enheter kommuner (https://kartkatalog.geonorge.no/metadata/administrative-enheter-kommuner/041f1e6e-bdbc-4091-b48f-8a5990f3cc5b 10.03.2021, 14.00), Kartverket. Artskart rødlistearter WFS (https://kartkatalog.geonorge.no/metadata/artskart-roedlistearter-wfs/a9e500fb-c188-4601-81b4-072c36a60c8c 09.03.2021, 16.35), Artsdatabanken. Download Free Norway ArcGIS Shapefile Map Layers (https://mapcruzin.com/free-norway-arcgis-maps-shapefiles.htm 10.03.2021, 14.30), MapCruzin. Kulturminner - Kulturmiljøer WFS (https://kartkatalog.geonorge.no/metadata/kulturminner-kulturmiljoeer-wfs/2ae18722-55bf-490c-a810-facd5c2b0c59 09.03.2021, 16.20), Riksantikvaren. Naturtyper i Norge - Landskap WFS (https://kartkatalog.geonorge.no/metadata/naturtyper-i-norge-landskap-wfs/1074c08e-36c2-4f65-bb50-667d5dd3601d 09.03.2021, 16.25), Artsdatabanken.
Tällä kurssikerralla tutustuimme Epicollect -palveluun, jolla voi tallentaa paikkatietoa omasta ympäristöstään. Lisäksi opimme tekemään interpoloinnin ja viikkotehtävässä hyödynsimme itse ladattavia ulkoisia aineistoja.
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.
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.
Lähdeluettelo: Discovering Plate Boundaries, RICE University (https://plateboundary.rice.edu/ 01.03.2021, 17.05), RICE University. Epicollect (https://five.epicollect.net/ 26.02.2021, 12.00), Epicollect5. Geoinformatiikan menetelmät 2021 kurssimateriaali, Arttu Paarlahti, Geoinformatiikan menetelmät 1 (MAA-201 Kevät 2021), Helsingin yliopisto. Martan kurssiblogi (https://blogs.helsinki.fi/humartta/2021/03/01/harjoitus-6-interpolointia-ja-pistekarttoja/ 01.03.2021, 17.10), Martta Huttunen. sakorp's blog (https://blogs.helsinki.fi/sakorpi/2021/02/23/hasardit-paikat-vk6/ 01.03.2021, 17.10), Sanna Korpi. Villen GIS-blogi (https://blogs.helsinki.fi/villvais/2021/02/22/interpolointia-ja-hasardeja/ 01.03.2021, 17.10), Ville Väisänen. Ulkoiset aineistot: NCEI Volcano Location Database. NOAA National Centers for Environmental Information (01.03.2021, 14.05), NOAA. NASAs Open Data Portal, Meteorite Landings (01.03.2021, 18.35), NASA. USGS, Earthquake Hazards Program, Search Earthquake Catalog (01.03.2021, 16.25), USGS.
Tämä viikko vei minulta todella paljon aikaa. Lopulta sain kaiken kuitenkin tehtyä niinkuin pitikin, uskon. Välissä oli useita päiviä, jolloin en uskonut saavani kaikkea tehtyä. Erityisen hankalaksi muodostui tehtävä numero 2. Tehtävät olivat kuitenkin antoisia ja ne syvensivät ja herättivät muistista aiemmin opetettuja taitoja ja toimintoja. Tuloksena koen QGIS-ohjelmiston käytön paljon kätevämmäksi kuin ennen.
Oppitunti alkoi tutustumisella Buffer-vyöhykkeisiin, joihin syvennyttiin viikon harjoituksen ensimmäisessä tehtävässä lisää. Tämä tunti oli hyvin mielenkiintoinen. Sen aikana pystyi hyödyntämään ja syventämään monia aiemmin opittuja QGIS-ohjelmiston tietoja ja toimintoja. Tehtävien toiminnot tuli itse pystyä päättelemään.
Etenkin ensimmäistä tehtävää oli todella mielenkiintoista tehdä. Siinä käytettiin toimintoja kuten Sum line lenghts, Intersection, Clip, Buffer, Select by location, Export selected features as sekä Statistics toolbox. Tehtävässä jopa digitoitiin itse kohteita. Hauskaa oli esimerkiksi selvittää opettajan kanssa minkä työkalun avulla kohteet voitaisin rajata vain Tikkurilan asuinrakennuksiin tehtävän kohdassa kaksi. Tähän käytettiin Select by value toimintoa ja postinumeroiden tietosaraketta. Malmin lentokentän käyttöönottovuoden selvitin kentän omilta nettisivuilta. Samalla etsin tietoa myös Helsinki-Vantaan lentokentän historiasta sen internetsivuilta. Malmin lentokenttä otettiin käyttöön toukokuussa mikä tarkoittaa sitä, että taulukon arvot eivät välttämättä ole täysin oikeat, sillä asuinrakennukset on luokiteltu valmistumisvuosittain. Alla on taulukko, jonka tein tehtävään liittyen.
Toinen tehtävä oli haasteellisempi monesta syystä. Siirryin aluksi käyttämään koko pääkaupunkiseudun aineistoa. Aineisto oli kooltaan todella iso ja hidasti kaikkea tekemistä. Myös kaikkien asukkaiden summa oli niin suuri, että minun oli hankala tulkita lukarvoa. Esimerkiksi lukumäärä taajamien sisällä asuvista näytti arvon ’1.00183e+06’. Siirryin lopulta käyttämään pienempää aineistoa jota käytettiin myös tehtävässä 1.
Huomasin myös, että muilla oli ollut ongelmia tämän tehtävän kanssa. Moni oli jättänyt tehtävän kokonaan tai osittain esittelemättä blogissaan. Tällainen epäsuora vertaistuki oli rauhoittavaa, sillä koin itseni tämän tehtävän kanssa ajoittain todella tyhmäksi. Tehtävässä ei mielestäni ollut lainkaan mitään hankalaa ennen sen viimeistä kohtaa ulkomaalaisten määrän laskennasta. En vain millään keksinyt miten voisin laskea niiden suhteellisen määrän kaikista polygoneista samanaikaisesti. Tajusin tämän kuitenkin vihdoin kun pari päivää myöhemmin tein tehtävää uima-altaista ja saunoista. Ennen sitä olin jo laskenut tehtävän viimeisen osan useaan otteeseen väärin. Kokeilin tehdä tehtävää yhteensä ainakin kolmena eri päivänä ja lopulta mielestäni onnistuin siinä. Kuitenkin sain jostain syystä eri tulokset kuin esimerkiksi Annika Innanen oli saanut.
Viimeisessä yrityksessäni ensimmäinen ongelma oli saada samaan karttatasoon molemmat prosenttilaskuun tarvittavat arvot. Sehän onnistui viimein varsin yksinkertaisesti tekemällä toinen Count-karttataso jo tehtyyn Count-karttatasoon. Field calculator taas laski prosenttiosuudet omaan sarakkeeseensa. Käytin laskentaan Select by value (greater or equal to) -saraketta ja Statistics toolbox –näyttöä. Kun jälkeenkäteen mietin, ehkä olisin voinut löytää laskentatavan myös Google-palvelusta sen sijaan että olisin pohdiskellut sitä usean päivän ja käyttänyt siihen kenties suhteettomankin paljon aikaa. Alla on taulukko saamistani tuloksista.
Valtsin tehtäväkseni kaikista jännittävimmän aiheen eli uima altaat ja saunat. Uima-altaita koskeva tehtävä oli mielestäni erittäin mielenkiintoinen. En ollut tullut ajatelleeksi Suomessa olevan montaakaan uima-allasta. Ilmeisesti kuitenkin etenkin 1970-luvulla rakennettiin paljon altaita muun muassa Helsingin kerros- ja rivitaloihin. Helsingissä asuinrakennusten altaiden lukumäärä oli käyttämässämme tilastossa 770 kappaletta ja se oli mielestäni suuri määrä. Muille pääkaupunkiseudun kunnille jäi siis vain alle 100. Kenties tämä voi liittyä siihen kuinka Helsinkiä ympäröivissä kunnissa asui uima-altaiden suosion aikana huomattavasti nykyistä vähemmän asukkaita. Esimerkiksi Espoon väkiluku nousi vuosina 1972-1982 miltei 40 000 asukkaalla Helsingin väkiluvun laskiessa noin 30 000.* Toki on hyvä kuitenkin muistaa, että muuttoliikkeen lisäksi alueelliset muutokset kuntarakenteessa voivat vaikuttaa väestörakenteen muutoksiin.
Tein kartan uima-altaista merkaten siihen samalla niiden määrän kunkintyyppisessä asuinrakennuksessa. Tämä tulos havainnollistaa myös osittain sitä, minkä tyyppistä asuinrakennuskantaa missäkin päin Helsinkiä on. Tässä kartassa syvennyin lisää karttatulosteen tekoon ja löysin uusia toimintoja kuten reunusten tekemisen eri elementeille. Tämä mahdollisti legendan sijoittelun osittain kartan päälle menettämättä kokonaisuuden selkeyttä. Lisäksi käytin Opacity työkalua pohjoisnuolen kanssa. Asetin suuret polygonit saman sävyisiksi vihreäksi ja siniseksi, jotta asuinrakennusten pisteet tulevat esille. Löysin tavan valita jokaiselle pisteelle oman värin painamalla pistettä hiiren vasemmalla painikkeella niin, ettei tarvitse käyttää värien jatkumoa. Tämän kertaista kartoista tulikin kaikkein kauneimmat tekemäni.
Toiseen karttaan tein diagrammit uima-altaista ja lisäksi visualisoin saunojen suhteutetun määrän kartan taustalle. Oli mukava päästä vihdoin tekemään diagrammi, kun se aiemmin ei onnistunut. Se oli tällä kertaa hyvin helppoa, vaikka valmistauduin siihen varmuuden vuoksi katsomalla Youtube-esimerkin. Ainut hankala puoli diagrammin teossa oli se, että tulosteessa ne näyttävät suhteessa isommilta kuin projekti-ikkunassa. Jouduin pienentämään kokoa projektissa peri kertaa. Onneksi muokkaukset kuitenkin päivittyvät samalla myös tulosteeseen. Lisäksi etsin pitkään saraketta, josta saisin diagrammiin myös saunojen määrän. Löysin ratkaisun kuitenkin vasta kartan tehtyäni. Määrä täytyikin määrittää diagrammista erillisen Labels työkalun avulla. Lisäsin kuvakaappauksen numeromäärällisestä kartasta tämän artikkelin artikkelikuvaksi.
Koropleettikartan kanssa minulla oli taas hieman ongelmia. Tehtäviä tehdessä karttatasojen määrä kasvoi huimasti, onnistuneiden ja epäonnistuneiden kokeilujen myötä. Laskin ensin vahingossa saunat käyttäen uima-altaista johdettua Count
-karttatasoa. Ihmettelin pitkään miksi en saanut järkevän näköistä koropleettikarttaa aikaiseksi. Annikan GIS-blogi auttoi minua varmistamaan mikäli karttani oli oikeanlainen vai ei, sillä hän oli myös tehnyt saunojen määrästä koropleettikartan. Lisäksi Annika oli löytänyt Fix geometries työkalun, joka oli tehtävässä hyvin hyödyllinen. Oman karttani ero Annikan karttaan on, että valitsin luokittelun tavaksi Beautiful breaks toiminnon. Näin sain prosenttiosuudet tasaisiksi luvuiksi. Lisäksi Espoosta tuli näin mielestäni selkeämmän näköinen. Natural breaks toiminto teki viimeisestä luokasta todella laajan. Kun kartassa on paljon tummaa Espoon saunojen suhteellinen määrä korostuu vielä niin paljon, että se on mielestäni harhaanjohtavaa. Tummista alueista ei nimittäin tiedä onko saunallisia asuinrakennuksia esimerkiksi 70 % vai 100 %.
Voin sanoa olevani tämän viikon tuotoksistani ylivoimaisesti kaikkein ylpein. Opin tällä viikolla tähän mennessä eniten.
Lähdeluettelo: Annikan GIS-blogi (https://blogs.helsinki.fi/anninnan/2021/02/18/harjoitus-5-sos-help-apua-ja-uima-allas-ja-saunakarttoja-pk-seudulta/ 23.02.2021, 19.00), Annika Innanen. Elmblog (https://blogs.helsinki.fi/elmblog21/2021/02/06/uusien-toimintojen-harjoittelua-vk-5/ 23.02.2021, 17.55), Elmo Holopainen. Helsinki-Malmin lentokenttä (https://www.malmiairport.fi/historia/ 19.02.2021, 16.05). Helsinki-Vantaan lentokenttä (https://www.finavia.fi/fi/lentoasemat/helsinki-vantaa/lentoasemalla/lyhyesti/historia 19.02.2021, 23.10), Finavia. how to make bar diagram in QGIS (https://www.youtube.com/watch?v=1M_0WuJw8Ys 29.01.2021, 16.15), INFORMAR PLANET. Geoinformatiikan menetelmät 2021 kurssimateriaali, Arttu Paarlahti, Geoinformatiikan menetelmät 1 (MAA-201 Kevät 2021), Helsingin yliopisto. Tilastokeskuksen PxWeb-tietokannat (https://pxnet2.stat.fi/PXWeb/pxweb/fi/StatFin/StatFin__vrm__vaerak/statfin_vaerak_pxt_11re.px/ 19.02.2021, 23.20), Tilastokeskus. Tietoa uima-altaiden rakentamisen ajankohdista löydettävissä muun muassa: Ovatko vanhat uima-altaat vielä luksusta? "On harhaluuloa, että käyttö on kallista" (https://yle.fi/uutiset/3-9458762 19.02.2021, 23.30), Yle.
Tällä viikolla kurssin opintojen rakenne oli päinvastainen kuin viime viikolla. Viikko alkoi ongelmilla, mutta loppua kohti ne ratkesivat. Viime viikon ongelmaksi selvisi se, että CSV-tiedoston lukuarvot oli tulkittu tekstinä lukuarvojen sijaan. Tämän vuoksi tulokseni eivät olleet toteutuneet. Myös muilla ryhmäläisillä oli ollut sama ongelma.
Tällä viikolla kävimme ensiksi läpi tietoa aineistoista:
Pisteaineisto on tarkinta mahdollista tietoa ja pisteeseen voi lisätä minkätyyppistä tietoa vain. Lisäksi piste vaatii vain vähän muistitilaa. Pisteaineistossa ei löydy kohteen muotoja. Laserkeila -aineisto on tarkin mahdollinen pisteaineisto. Se kerätään laserkeilaimella, joka mittaa pisteitä joka suunnasta ja luo niiden mukaan kolmiulotteisen kuvan todellisuudesta. Pikselien sijaan laserkeilain tallentaa vokseleita. Kuvaukset tehdään sarjoissa, jotta virhemahdollisuus, ja kuvaamatta jääneet alueet tulisivat minimoitua. Laserkeilauksella on lyödetty paljon uutta maanmuotoihin liittyvää tietoa.
Tällä viikolla ongelmaksi syntyi tietopakettien lataaminen. En voinut totetuttaa ensimmäistä tehtävää luennon aikana, sillä koneeni ei lukenut isoa tiedostoa kunnolla. Tunnin lopulla selvisi, ettei vika ole luennassa vaan OneDrivesta ladatussa tiedostossa. Mikäli kansion latasi yksittäin, eikä koko OneDrive-kansiota kerralla, eivät tiedostot tallentuneet tietokoneelle kokonaisina.
Toisen tehtävän pääsin jo tekemään ongelmitta. Opimme sen avulla käyttämään rasterimuotoista aineistoa. Toisin kuin vektoriaineisto, rasteriaineisto on kallista tuottaa ja käyttää. Vanhempia aineistoja saattaa saada edullisemmin. Riippuen tuottajasta materiaaliin voi ostaa lisenssin tai ostaa itse aineiston. Nämä maksavat useita tuhansia.
Yhdistimme eri rasteriaineistoja toisiinsa ja teimme itse korkokuva -karttoja. Tämä oli hauskaa, sillä näin kuinka materiaaleja, joita käytimme Johdatus geoinformatiikkaan maantieteessä (MAA-104) kurssilla, on muodostettu. Tunnin lopuksi digitoimme itse kartta-aineistoa Pornaisten taajamasta seuraavaa luentoa varten. Tämä oli myös hauskaa sen jälkeen kun opettaja keksi miten väliaikaista Scratch layer:a voi käyttää digitoinnin helpottamiseksi niin, että kohteet voi tallentaa yhteisesti eikä erikseen joka klikkauksella.
Tarkoitukseni oli tehdä vielä luennon ensimmäinen tehtävä itsekseni kotona. Kuitenkin elämä yllätti ja en löytänyt tälle vielä aikaa. Toivottavasti voin kuitenkin palata pian katsomaan luentoa ja laajentamaan tätä kirjoitusta.
_______________________________
Edit:
Tämän viikon teksti oli jäänyt aikataulusyistä ja luennon aikaisten ongelmien vuoksi heikoksi. Katsoin luennon uudestaan ja tein tehtävät tällä kertaa ongelmitta. Tulokset laitoin päivityksen loppuun kuvauksineen. Kertaus vahvisti taas taitojani ja luulen, että olen nyt löytänyt oman tyylini toteuttaa karttojen visuaalinen layout. Jälkikäteen huomasin, että Emmi Aarrelahti tekee myös hyvin samanlaisia karttoja kuin minä. Hän kehystää legendan aina, mikä selkeyttää karttakuvaa. Emmin kartat ovatkin todella kauniita katsella.
Huomaan myös, että Emmi on laittanut bloginsa Matkani Geoinformatiikan menetelmät 1 -kurssilla alkuun tekstilaatikon, joka ilmaisee blogin keskeneräisyyttä. Tämä on ihan todella älykkäästi tehty ja ihmettelen miksen ole itse sitä keksinyt. Sen sijaan olen pitänyt viimeisen kerran päivitystäni melkein valmiina luonnoksena odottamassa aikatauluni vapautumista. En ollut sitä julkaissut, jotta blogiani ei pidettäisi jo valmiina.
Lähdeluettelo: Geoinformatiikan menetelmät 2021 kurssimateriaali, Arttu Paarlahti, Geoinformatiikan menetelmät 1 (MAA-201 Kevät 2021), Helsingin yliopisto. Matkani Geoinformatiikan menetelmät 1 -kurssilla (https://blogs.helsinki.fi/emaa/ 26.03.2021, 12.05), Emmi Aarrelahti.
Tällä viikolla opimme käyttämään useita yksittäisiä toimintoja ja työkaluja. Opimme yhdistämään alueita kokonaisuudeksi, tekemään tietokantaliitoksia ja tuomaan CSV-tiedostoja QGIS-ohjelmistoon.
Tällä luennolla muokattiin itse tietokantoja. Katsoin luennon viikolla vielä uudestaan, sillä koin sen teemat tärkeiksi ja toiminnot yksinkertaisiksi. Yksinkertaisuuden vuoksi monet toiminnot unohtuvat helposti.
Opimme yhdistämään alueita toisiinsa usealla tavalla. Yhdistelimme sekä Toggle Editing valikon Merge Selected Features työkalulla yksittäisiä kohteita, että Processing Toolbox valikon Dissolve työkalulla kohteita koko tietokannan tasolla. Lisäksi opimme tekemään tietokantaliitoksia ja valmistelemaan Excel-tiedosto CSV-tiedostoksi QGIS-ohjelmistoa varten. Opimme vielä yhdistelemään eri tietokantojen tietoja Count points in polygon ja Join attributes by location (summary) työkaluilla.
Oppitunnin materiaalina käytimme Norjalaisen rauhantutkimusjärjestö PRIO:n materiaalia Afrikkaa koskien. Syvensin luennolla tehtyjä tutkimuksia konflikteista, timanteista ja maaöljystä vielä lisää myöhemmin. Halusin tutkia timantteja koskevaa aineistoa suhteessa aikaan. Tein uuden sarakkeen siitä kuinka monena eri vuonna timantteja oli kussakin maassa löydetty. Yllätyksekseni missään maassa timantteja ei oltu löydetty ripotellen vaan enemmänkin ryppäissä. Eri aikana löydettyjen timanttien luvut eivät olleet korkeita. Kuitenkin esimerkiksi Botswanassa oli löydetty yhteensä kuusi timanttia viitenä eri vuonna, eli myös harvemmin löytyviä timantteja oli.
Tutkimalla tarkemmin huomasin, että taulukon arvona oli joissain tapauksissa vuosiluvun sijaan arvo ’9999’. Oletan tämän tarkoittavan siitä, ettei kyseisen timantin löytövuosi ole tiedossa. Tämä heikensi tuloksiani huomattavasti, sillä tämän kaltaisia timantteja oli kokonaismäärästä noin puolet. Timantteja on siis saatettu kuitenkin löytää enemmän ripotellen. Tästä ei vain ole tallentunutta tietoa. Joka tapauksessa minulle selvisi, että vuonna 1946 oli löytynyt yhteensä eniten timantteja. Harmillisesti konfliktien tietokannassa tiedot alkoivat vasta vuodesta 1947, joten vuoden 1646 konflikteja ei voinut tutkia tarkemmin tästä timanttirikkaasta näkökulmasta.
Tämän tehtävän kanssa minulla oli paljon haasteita. Ensin tuli lisätä tietokantaan valuma_alueet puuttuvat ä ja ö -kirjaimet. Tämän jälkeen kaikki toimi hyvin hetken aikaa. Kuitenkin loppupuolella harjoitusta, kun piti tehdä diagrammi järvisyydestä, en onnistunut sen teossa. Jonkin täytyi mennä vikaan tietokantaliitoksessani tai CSV-tiedoston teossani. Ainoat kohteiden arvot, joita QGIS luki kunnolla olivat Laajoki, Kiiminginjoki ja Kokemäenjoki. Tämän vuoksi ne olivat ainoat, joiden diagrammit tulivat näkyviin kartalle. Muiden tulva-alueiden diagrammit jäivät tyhjiksi. Tein vielä varmuuden vuoksi projektin toiseen kertaan. Tällä kertaa tapahtui samoin, vaikka pääsinkin hieman pidemmälle diagrammien teossa. Tutkin kuitenkin diagrammityökalua ja onnistuin löytämään monia ulkoasua muuttavia toimintoja työkalun sisältä. Erikoista oli se, että samat toiminnot eivät aina tuoneet samoja tuloksia kun niitä kokeili uudestaan. Lisäksi QGIS kaatui minulla useaan otteeseen ja toisen diagramminteon aikaisen kaatumisen jälkeen lopulta luovutin. Yritin etsiä apua muiden blogeista, mutta kenelläkään ei ollut suurempia ongelmia omien karttojensa kanssa. Kävin läpi esimerkiksi Lotan blogin, Sannan blogin, Annikan GIS-blogin ja Villen GIS-blogin ja hämmästelin kuinka hienosti he olivat saaneet diagrammit aikaisiksi.
Epäilen ongelmien syyksi kahta eri tekijää. Ongelma vaikuttaisi olevan, joko liitoksessa tai CSV-tiedoston luvussa. Se, että CSV-tiedostoni on koodattu tavalla, jota QGIS ei lue tarpeeksi hyvin, on yksi mahdollisuus. Tein tiedoston Mac -laitteen oletusmuotoisena (Unicode (UTF-8)). Vaihtoehtoja koodaukselle on kymmenittäin ja ne on nimetty eri tavalla kuin Windowsissa, joten en osaa sanoa mikä niistä olisi paras. Erikoista tiedostosta liitettyjen tietojen käytössä oli esimerkiksi se, kuinka atribuuttitaulukko näkyi päällisin puolin oikeanlaisena, mutta jos tietoja järjesti arvon mukaan se määritti esimerkiksi luvun 19,8 pienemmäksi kuin luvun 2,2. Toinen hankaloittava tekijä tämän viikon harjoituksessani voi kenties olla tietokoneeni muistitila? Tietokoneeni muisti on parhaillaan varsin täysi ja se voisi osittain selittää sen miksi QGIS kaatui minulla useamman kerran. Toki on yhä mahdollista, etten vain osannut käyttää diagrammien teon työkalua ja että se on kompleksisempi kuin luulen.
Karttaa, joka sisältää tiedot jokien tulva-alueista ja alueittaisesta järvisyydestä, voitaisiin hyödyntää monessa asiassa. Tulva-alueet ovat tärkeitä rakentamisen ja maatalouden näkökulmasta. Myös järvisyys liittyy rakentamiseen. Esimerkiksi maisemoinnissa molemmilla tiedoilla on paljon merkitystä. Kenties järvisyyttä voisi hyödyntää johtamalla niihiin tulvivaa jokivettä tai luomalla tulvavedelle altaita alueille, joissa ei ole luonnostaan paljon järviä? Myös matkailun kannalta molemmat tiedot ovat hyödyllisiä, sekä matkailukohteen näkökulmasta, että vesireittien näkökulmasta.
Tämä viikko alkoi lupaavasti ja luento meni hyvin. Kuitenkin loppua kohti viikko muuttui oikeaksi vaikeuksien kierteeksi. Opin kuitenkin tästä huolimatta paljon uutta ja toivottavasti jatkossa asiat etenevät taas kuten ensimmäisen kahden viikon aikana.
Lähdeluettelo: Annikan GIS-blogi (https://blogs.helsinki.fi/anninnan/2021/02/04/harjoitus-3-tulvaindeksikartta/ 05.02.2021, 10.15), Annika Innanen. Geoinformatiikan menetelmät 2021 kurssimateriaali, Arttu Paarlahti, Geoinformatiikan menetelmät 1 (MAA-201 Kevät 2021), Helsingin yliopisto. Lotan blogi (https://blogs.helsinki.fi/lottapuo/2021/02/02/3-kurssikerta/ 04.02.2021, 19.01), Lotta Puodinketo. Peace Research Institute Oslo, (https://www.prio.org/ 03.02.2021, 18.00), PRIO. Sannan blogi (https://blogs.helsinki.fi/smjantun/2021/02/03/veritimantteja-ja-keskivirtaamia/ 05.02.2021, 21.30), Sanna Jantunen. Villen GIS-blogi (https://blogs.helsinki.fi/villvais/2021/02/02/valuma-alueiden-tulvaindeksikartta/ 05.02.2021, 10.20), Ville Väisänen.
Tällä viikolla ensimmäisen luennon oppeja syvennettiin kertauksen kautta. Lisäksi opimme yhdistämään QGIS -ohjelmistoon tietolähteitä internetistä. Näitä kutsutaan rajapinnoiksi.
Rajapintoja on neljää laatua:
EU:n INSPIRE direktiivin ansiosta Euroopan alueella on velvollisuus jakaa tiettyyn tasoon asti ilmaista kartoitettua aineistoa. Tämä koskee myös rajapintojen materiaalia. Suomessa ja pääkaupunkiseudulla rajapinta-aineistoja on aktiiviisesti kehitetty ja erilaiset virastot voivat antaa aineistoa ilmaiseksi. Lisäksi yleisesti ottaen, mikäli on olemassa maksullinen ja maksuton vaihtoehto jo maksuton toimii yleensä hyvin. Analyysiin tarvitaan mahdollisimman tarkkaa aineistoa ja visualisointiin sopi materiaali, jossa on pienempi mittakaava.
Oppitunnin aikana opimme käyttämään WFS rajapinta-aineistoja. Lisäksi vertailimme erilaisten karttaprojektioiden vääristymiä ja niiden suhteita toisiinsa. Tätä on käyty läpi erityisen mielenkiintoisella tavalla esimerkiksi Annikan GIS-blogissa ja Lotan blogissa. Annika Innanen tutki Winkel Tripel ja Cassini projektioita, jotka molemmat vääristävät tulosta suhteellisen vähän. Cassini on mielenkiintoinen tapaus, sillä se on poikittainen projektio ja vääristymät eivät kasva vain pohjoiseen mennessä, kuten suurimmalla osalla projektioista. Löysin kyseisestä projektiosta myös mielenkiintoisen artikkelin, joka pohtii perspektiivin merkitystä maa-alan hahmottamisessa. Lotta Puodinketo taas antoi käytännön esimerkin siitä, kuinka projektiot voivat vääristää tuloksia. Suureet, jotka toimivat suhteessa pinta-alaan, tuottavat valheellisia tuloksia, mikäli projektio laskee pinta-alan väärin. Lotta vertasi Mercator ja Lambert projektioita tutkiessaan yli 65-vuotiaiden määrää Suomen kunnissa.
Itse tein oppitunnilla kartan Mercator projektion vääristymistä. Hyödynsin viimekertaista ajatustani lisätä useampi väri mikäli aluejakoja on visualisoinnissa useita. Päädyin kuitenkin kahden värin väliseen jatkumoon, sillä useampi väri loi jo liian erillisiä alueita yhtä etenevää muutosta kuvaavalle kartalle. Kuten muutkin ovat blogeissaan huomioineet Mercator projektion vääristymät ovat hyvin suuret. Sen käyttö pinta-alan mittauksissa olisi todella huono juttu.
Tunnin jälkeen tein uuden projektin ja tutkin siinä viiden eri projektion mittaustuloksia. Painoin kuitenkin harhaan ja mittaamani alueen valinta meni pois päältä. Tämän vuoksi kahdessa viimeisessä sarakkeessa ei ole tuloksia alueen pinta-alasta. Lisäksi tein mielenkiintoisimmasta tapauksesta eli Aitoff projektiosta vielä koropleettikartan. Verrattuna Mercator projektioon erot ovat hyvin pieniä, varsinkin verrattuna eri alueiden kesken. Lisäksi vääristymä kulkee koilliseen eikä suoraan pohjoiseen päin. Olen tyytyväinen tähän tekemääni karttaan ja ainut mitä muuttaisin on, että käyttäisin verrattavana projektiona Euroopan komission suosittelmaa Lambertin (EPSG: 3035) projektiota TM35FIN-projektion sijaan. Myös Albers Conic Europa projektiosta olisi mielenkiintoista tehdä koropleettikartta. Todennäköisesti lopputuloksena olisi kartta, jossa vääristymä kulkee pohjois-etelä suunnassa toisin päin.
QGIS -ohjelmiston perustoimintojen käyttö on jo hyvin rutinoitunutta. Erityisesti tulostusikkunan käyttö on ollut minulle helppoa. Kenties koska olen tottunut kuvankäsittelyohjelmiin. Myös WFS aineistojen käyttö oli hyvin yksinkertaista. Kuitenkin yleisesti käytössä minulla oli yksi ongelma, jonka huomasin tapahtuneen monelle muullekin. Esimerkiksi juuri Lotalle. Osa karttatasoista ei toiminut kunnolla, tai hävisi näkymästä työskentelyikkunassa. Tämä johtui ainakin minulla siitä, että tasot olivat temporary scratch -tasoina. Ne siis ohjelma suljettaessa pyyhkiytyivät pois ellei niitä erikseen tallentanut. Toinen ongelma minulla oli valintatyökalun kanssa kuten tekemäni taulukko osoittaa.
Kirjalliset lähteet:
Lähdeluettelo: Annikan GIS-blogi (https://blogs.helsinki.fi/anninnan/2021/01/27/harjoitus-2-pinta-alojen-vertailu-eri-projektioissa 01.02.2021, 10.05), Annika Innanen. Geoinformatiikan menetelmät 2021 kurssimateriaali, Arttu Paarlahti, Geoinformatiikan menetelmät 1 (MAA-201 Kevät 2021), Helsingin yliopisto. INSPIRE, (https://www.maanmittauslaitos.fi/kartat-ja-paikkatieto/paikkatietojen-yhteentoimivuus/inspire 01.02.2021, 09.35), Maanmittauslaitos. Lotan blogi (https://blogs.helsinki.fi/lottapuo/2021/01/27/2-kurssikerta-toimintojen-kertausta 01.02.2021, 10.25), Lotta Puodinketo. The Cassini Projection: How Should Earth Be Portrayed? (https://blog.richmond.edu/livesofmaps/2014/10/29/the-cassini-projection-how-should-earth-be-portrayed 01.02.2021, 10.30), Ryan O'Reilly. Web Coverage Service, (https://www.ogc.org/standards/wcs 01.02.2021, 09.30), The Open Geospatial Consortium.
Tällä viikolla opin käyttämään QGIS-ohjelmiston perustoimintoja. Opin myös kirjoittamaan blogia. Kumpaakaan en ole kokeillut koskaan aiemmin, joten opin todella paljon uutta. Myös aikaa uuden opiskeluun käytin huomattavasti.
Halusin aluksi tehdä haastavamman tehtävän kunnes tajusin, ettei minulla ole mitään ajatusta siitä miten uuden materiaalin liittäminen käytännössä tapahtuisi. Lisäksi näin keskeisen asian opettaja käy varmasti läpi toisella oppitunnilla, joten en varsinaisesti menetä mitään keskittymällä nyt vain perusteisiin.
Omaksi harjoitustehtävän aiheekseni valitsin vuoden 2015 avioliittojen ja avioerojen kuvaamisen Suomen kunnissa. Koin että nämä kaksi olisivat mielenkiintoisimmillaan kuvattuna yhteisesti. Sen jälkeen, kun olin harjoitellut perusteellisesti koropleettikartan tekoa oppitunnilla ja kotona, oli tämän kartan teko helpompaa. Opin lukemaan ja käyttämään atribuuttitaulukkoa tehokkaasti ja löysin monta eri toimintoa, jotka muokkaavat kartan visuaalista ilmettä. Kokeilin erilaisia työkaluja. Etsin esimerkiksi oppitunnin aineistoista paikannimiä ja mittasin etäisyyksiä ja pinta-aloja.
Itse harjoituksessa tein kaksi karttaa ja määritin toiselle tummemman sävyn värisymbolisista syistä. Avioeron halusin kuvata negatiivisena asiana ja se on tummempi ikäänkuin pilaantunut versio avioliittoja kuvaavasta kartasta. Halusin luoda yleiskuvaa ja tämän vuoksi valitsin legendaan monta tasoa (10). Tämä myöskin siksi, että suomen kuntia muuttujina on moninkertaisesti verrattuna aiemman harjoituksen materiaaliin. Tekemästäni kartasta erottuvat selkeästi alueet, joissa ei ollut lainkaan tai juuri yhtään avioeroja ja alueet, joissa niitä oli paljon. Lisäksi rinnakkaisista kartoista erottuu hyvin alueiden, joissa on eniten avioliittoja olevan myös niitä, joissa on eniten avioeroja. Myös kunnat, joissa molemmat ovat vähäisimpiä, ovat enimmäkseen samoja. Kartat toimivat yleiskuvan antajina, mutta eivät tarkemmassa syventymisessä. Värimuuttujia on liikaa, jotta ne erottuisivat kunnolla toisistaan. Nyt tiedän mikäli haluan käyttää jatkossa näin montaa muuttujaa tulisi minun käyttää vaikkapa värispektriä.
Lisäksi tekemäni kartta voi olla harhaanjohtava, sillä se ei ota huomioon alueiden eroja asutuksen määrän kannalta. On luonnollista, että alueilla joissa on paljon asutusta on myös enemmän avioeroja ja avioliittoja. Matematiikka ei kuitenkaan ole vahvin alani. Vaikka pohdin jo karttaa tehdessäni sitä, että kuvaamani muuttujat olisi hyvä suhteuttaa populaation määrään, päätin olla miettimättä tarvittavia laskutoimituksia. Pääasia tällä hetkellä oli oppia käyttämään ohjelmiston toimintoja.
Lisäksi minulle ei selvinnyt miten kartan voisi tulostusikkunassa jäädyttää niin, että se ei enää päivittäisi itseään toisen QGIS-ikkunan mukaan. Näin voisin tuoda uuden version kartasta aiemman viereen. Nyt päädyin tekemään kaksi erillistä karttakuvaa ja yhdistämään toisen niistä muutoin valmiiseen karttatiedostoon kuvankäsittelyohjelman avulla.
Kuvassa 2 näkyy kuinka pitkälle pääsin maanantain oppitunnilla. Minulla oli ongelma visualisoinnin kanssa koropleettikarttaa tehdessä. Oppitunnin lopulla ymmärsin virheen koskeneen sitä, että minulla oli käytössäni väärä muuttuja tehdessäni visualisointia typpipäästöjen määristä. Parin päivän päästä tein koko harjoituksen alusta asti uudestaan, sillä ajattelin että se on hyvä tapa kerrata ja vahvistaa juuri oppimaani. Kuvassa 3 näkyy lopputulos tästä prosessista. Olen ylpeä siitä, että poistin myöhemmästä kartasta kokonaan järvien rajaviivan ja se selkeytti karttaa huomattavasti. Tästäkin kartasta kuitenkin puuttuu aika. En löytänyt tietoa siitä miltä vuodelta tai ajalta aineiston mittaukset ovat.
Asensin QGIS-ohjelmistoon Mask-liitännäisen siinä toivossa, että voisin sillä peittää kartan Depth countour -karttatason alueelta, joka ei ole HELCOM merialuetta. En kuitenkaan osannut käyttää liitännäistä ja halua kysyä asiasta opettajalta seuraavalla oppitunnilla.
Avioliittoja ja avioeroja kuvaava valmis kartta on kaunis ja tasapainoinen katsella. Asettelu on hyvin onnistunut. Kartta ei kuitenkaan ole kovin hyödyllinen. Olen yleisesti ylpeämpi harjoitustyön kuin harjoitustehtävän kartasta. Varmaankin koska siinä on enemmän komponentteja ja käytin siinä paljon aikaa koropleettikartan värien kuvaavaksi ja selkeäksi saamiseen. Opin kuitenkin molempien karttojen teossa todella paljon, etenkin epäonnistumisten kautta. Lisäksi opin paljon blogin pitämiseen liittyviä teknisiä asioita. Minulla myös heräsi monta kysymystä, jotka haluan esittää opettajalle ensi luennolla. Koskien sekä QGIS-ohjelmiston käyttöä, että kurssin kirjoitustehtäviä.
Kävin läpi muiden ryhmäläisteni blogeja ja oli hauska huomata että suurin osa oli myös käyttänyt kartassaan punaista väriä. Lisäksi muiden blogeista sain ajatuksia oman blogini sisältöön ja muotoon. Pidin erityisesti Heidin blogin tavasta jäsennellä asioita. Tämä blogi ja Pinjan blogi saivat minut huomaamaan, että blogiinkin voi tehdä alaotsakkeita ja ne selventävät julkaisua huomattavasti. Villen GIS-blogista taas opin viittausmerkintöjen tekemisen.
Blogeja lukiessani huomasin monelle olleen hyötyä Tiedon esittäminen maantieteessä -kurssista. Toivon, että se etten ole käynyt kyseistä kurssia, ei osoittaudu haasteelliseksi. Blogien lukeminen myös muistutti mieleeni yksittäisiä asioita QGIS-ohjelmiston käytöstä. Esimerkiksi kuten Villellä, minulla oli aluksi paljon ongelmia kosketuslevyn ja kuvan lähentämisen kanssa. Kuitenkin viikonloppua kohti aloin hallitsemaan niiden käytön jo todella hyvin. On varsin tarkkaa millaista lähentämisen menetelmää milloinkin käyttää, sillä jokainen niistä tuo erilaisia tuloksia, mikä ne ymmärrettyäni tekee ohjelmistosta nerokkaan tässä suhteessa. Luulen kuitenkin että lähentämisen tavat ja kosketuslevy toimivat tietokoneesta riippuen eritavoin.
Kirjalliset lähteet:
Lähdeluettelo: Geoinformatiikan menetelmät 2021 kurssimateriaali, Arttu Paarlahti, Geoinformatiikan menetelmät 1 (MAA-201 Kevät 2021), Helsingin yliopisto. Heidin blogi (https://blogs.helsinki.fi/hesy/2021/01/22/1-kurssikerta/ 23.01.2021, 13.40), Heidi Syrjäläinen. Pinjan blogi (MAA-202) (https://blogs.helsinki.fi/pinjapik/2021/01/19/kurssikerta-1/ 23.01.2021, 13.45), Pinja Pikkarainen. Villen GIS-blogi (https://blogs.helsinki.fi/villvais/2021/01/23/qgis-hommat-tulille/ 23.01.2021, 13.55), Ville Väisänen.
Blogini on nyt asetettu ja viikkotehtävä pian suoritettu.