Month: March 2024

En päässyt 7. kurssikerralla paikanpäälle, mutta tämä ei toisaalta haitannut, koska työskentelyn oli joka tapauksessa tarkoitus olla itsenäistä. Viikolla 7 tehtävänä oli tehdä karttoja omavalintaisista ja itse etsityistä aineistoista. Oli mukavaa päästä kokeilemaan omia taitoja ja huomata, mitä kaikkea kurssin aikana on oppinut.

Onnellisuusindeksi ja HDI

Päätin vertailla kartoissani Euroopan maiden onnellisuusindeksejä ja HDI arvoja (Human Development Index). Etsin hyvää aineistoa onnellisuusindeksistä toista tuntia, jonka jälkeen olin jo luovuttamisen partaalla. Olin mm. ladannut hyvältä vaikuttavan aineiston, jossa osoittautui lopulta olevan niin paljon tavaraa, etten saanut siitä mitään selkoa. Päädyin lueskelemaan muiden kurssilaisten blogeja inspiraation toivossa ja bongasin, että Heikki Säntti oli myös käyttänyt onnellisuusindeksiä kartoissaan, joten sain hänen bloginsa kautta viimein toimivan aineiston.

HDI aineiston metsästämisessä ei onneksi mennyt yhtä kauan, vaan löysin soveltuvan aineiston kohtalaisen nopeasti. Aineisto oli Excel taulukko muodossa, eikä sen muuttaminen suoraan sellaisenaan CSV muotoon onnistunut. Kopioin siis aineiston alkuperäisestä taulukosta uuteen Excel työkirjaan ja muokkasin sen muodoltaan sellaiseksi, että muutos CSV tiedostoksi onnistui sujuvasti. Muokkasin myös muutamien maiden nimien kirjoitusasua yhtäläiseksi taustakartan taulukon kanssa, jotta Joins -liitos onnistuisi myöhemmin parhaalla mahdollisella tavalla. Näiden pikku kikkailujen jälkeen sain aineiston tuotua QGIS:iin,

Päätin tehdä molemmista kartoista koropleettikartat, jotta niiden vertaileminen olisi helppoa. Taustakartan maa- ja merialueet latasin Natural Earth sivustolta. Jouduin kuitenkin suodattamaan aineistoa Select by value -työkalun avulla, sillä halusin tarkastella vain Euroopan maita. Lisäksi rajasin aluetta myös Clip -työkalun avulla, sillä valintatyökalujen avulla alueelle jäi näkyviin vielä koko Venäjä (myös Aasiaan kuuluvat osat), sekä joitakin Euroopan valtioille kuuluvia alueita Etelä-Amerikasta.

Lataamani onnellisuusindeksiaineisto ja HDI aineisto eivät kumpikaan sisältäneet koordinaattitietoja, joten minun täytyi yhdistää ne taustakarttaan Joins -komennon avulla. Kummankin kartan kohdalla lopullisesta kartasta puuttuu tietoja muutamien maiden kohdalta, sillä kyseisistä maista ei ollut dataa valitulta vuodelta tai Joins -liitos ei onnistunut niiden osalta. Päädyin käyttämään vuotta 2022, sillä se oli kummastakin aineistosta tuorein vuosi, jonka löysin.

Kartoista tuli mielestäni ulkoasultaan onnistuneet. Niiden väritys kuvaa ilmiöitä ja niiden toteutumista maissa hyvin, sekä on myös visuaalisesti miellyttävä. HDI karttaan halusin lisätä myös hieman tietoa (Wikipedia, 2024) siitä, mistä asioista indeksi koostuu. Tarkemmin ajatellen olisin voinut lisätä myös onnellisuusindeksinkarttaan tiedon siitä, millaisella kysymysasettelulla tietoja ihmisten onnellisuudesta oli kyselyssä, johon aineisto perustuu, kysytty.

Onnellisuusindeksin kartasta (kuva 1) voidaan havaita, että Euroopan valtioista Suomessa, Tanskassa ja Islannissa näyttää asuvan koko maanosan onnellisimmat ihmiset valtioiden sijoittuessa välille 7,5-7,8 asteikolla 1-10. Ukrainassa, Bulgariassa, Pohjois-Makedoniassa ja Albaniassa taas näyttää asuvan Euroopan mittapuulla onnettomimmat ihmiset, valtioiden sijoittuessa välille 5,07-5,5. Tässä tulee kuitenkin huomata, että koko indeksin tarkasteluasteikolla (1-10) nämäkin maat sijoittuvat sen keskivaiheille, eli kyseisissä valtioissa asuvat ihmiset ovat kohtalaisen onnellisia elämäänsä. Yleisesti siis kaikki Euroopan valtiot ovat onnellisuusindeksin asteikolla paremmalla puolella.

Verrattaessa onnellisuusindeksin karttaa (kuva 1) HDI indeksin karttaan (kuva 2), havaitaan valtioiden noudattavan melko samaa “paremmuusjärjestystä” kummassakin kartassa. Kuitenkin esim. Portugalin, joka onnellisuusindeksin perusteella on häntäpäässä, HDI arvo kuuluu kolmanneksi korkeimpaan luokkaan. Voikin siis todeta, että yleisesti onnellisuuden ja HDI arvojen välillä tuntuu olevan riippuvuus, mutta poikkeuksiakin esiintyy. Indeksien välinen riippuvuus on sinänsä luontevaa, sillä HDI indikoi elämänlaadun tasoa, ja yleensä, jos ihmisten elämän perusedellytyksen ovat hyvällä mallilla, ja heillä on mahdollisuus kehittää itseään, he ovat onnellisia. Minulle ei myöskään tullut yllätyksenä, että keskimäärin Euroopan valtioissa ihmiset voivat hyvin, jonka kummankin indeksin arvot osoittavat. Odotin myös Itä-Euroopan maissa arvojen olevan hieman alempana, sillä monet maista olivat pitkään Neuvostovallan alla, mikä on mahdollisesti hidastanut niiden kehitystä, ja esim. Ukrainassa käynnissä oleva sotatila on varmasti vaikuttanut valtion asukkaiden onnellisuuteen.

Yleisiä ajatuksia kurssista

Mielestäni kurssi oli todella mielenkiintoinen ja opin kurssin aikana käyttämään monia QGIS:n työkaluja, vaikka toki opittavaakin on vielä paljon. Aika ajoin työkalujen ja aineistojen kanssa taistelu oli hermoja raastavaa ja vaikeaa, mutta on ollut palkitsevaa onnistua haasteista huolimatta.  Geoinformatiikka on minusta muutenkin kiinnostava aihealue, jossa haluan kehittyä. En tiedä vielä tuleeko minusta koskaan suoranaista GIS-velhoa, mutta haluaisin saada ainakin kattavat perustaidot GIS:stä, joita voisin mahdollisesti hyödyntää tulevaisuudessa työelämässä. Odotan siis innolla seuraavaa geoinformatiikan kurssia.

Lähteet:

Säntti, H. (2024). Seitsemäs kurssikerta. https://blogs.helsinki.fi/hksantti/

Viitattu 14.3.2024

World Happiness Report (2023) – processed by Our World in Data. “Self-reported life satisfaction – World Happiness Report – World Happiness Report” [dataset]. World Happiness Report, “World Happiness Report (2023)” [original data].https://ourworldindata.org/happiness-and-life-satisfaction

Ladattu 8.3.2024

Human Development Reports. (2022). Human Development Index (HDI) [dataset]. United Nations Development Programme. https://hdr.undp.org/data-center/human-development-index#/indicies/HDI

Ladattu 13.3.2024

Wikipedia. (2024). Inhimillisen kehityksen indeksi.

Luettu 13.3.2024

Taustakartta:

Made with Natural Earth. Free vector and raster map data @ naturalearthdata.com. 

Kuudes kurssikerta käynnistyi pienellä aamukävelyllä tihkusateisessa Kumpulan lähimaastossa. Keräsimme pienissä ryhmissä aineistoa Epicollect5 -sovelluksen avulla. Kurssikerran lopulla väsäilimme vielä itsenäisesti karttoja hasardiaineistoista. Jäin vielä kurssikerran jälkeen neljäksi tunniksi tuskailemaan karttojeni kanssa yliopistolle, mutta olen niihin lopulta melko tyytyväinen.

Turvallisuuskokemukset Kumpulan alueelta

Kuten jo aiemmin mainitsin, keräsimme pienryhmissä aineistoa Kumpulan lähimaastosta. Tehtävänämme oli kiertäessämme aluetta arvioida eri alueiden viihtyisyyttä ja kirjata vastaukset Epicollect5 -sovellukseen. Päästyämme takaisin yliopistolle latasimme kaikkien ryhmien keräämät aineistot yhteiskäyttöön ja aloimme interpoloimalla työstämään aineistosta karttaa, joka kuvastaa ihmisten turvallisuuskokemusta Kumpulan lähialueilla.

Olen melko tyytyväinen lopputulokseeni, toisaalta jälkikäteen ajatellen olisin voinut vaihtaa värityksen kulkemaan vihreästä keltaisen kautta punaiseen, jolloin väritys kuvastaisi ilmiötä paremmin. Olisin myös voinut tarkentaa kartassa millä asteikolla turvallisuuden kokemusta tutkittiin, kuten Siiri Lehtinen oli tehnyt blogissaan.

Karttoja hasardeista

Kurssikerran toisella puoliskolla oli tarkoitus tehdä itsenäisesti karttoja hasardiaineistojen pohjalta.

Päädyin tekemään ensimmäisen kartan tulivuorista. Esitän kartalla luokan D1 tulivuorien esiintymistä valtioittain. D1 tulivuoret ovat tulivuoria, joiden viimeisin purkautumisajankohta on ollut vuonna 1964 tai sen jälkeen (NOAA).  Tarkoituksenani oli esittää tämä tieto jo kartassa itsessään, mutta olen näköjään onnistuneesti unohtanut sen, hyvästä tähtimerkinnästä huolimatta…  Muuten kartta on kuitenkin onnistunut. Sain valittua värityksen, joka on selkeä ja luokkajaot ovat myös toimivat. Muistaakseni käytin jakona natural breaks -jakoa. Päädyin myös lataamaan Natural Earth -sivustolta pohjakartaksi vektorimuotoisena aineistona maailman valtiot ja merialueet, sillä koin esityksestä tulevan selkeämpi, kuin pitäytymällä valmiiksi annetussa maailmankarttapohjassa. Tuskailin myös pitkään, kuinka saisin esitettyä pisteiden määrän valtioittain, kun attribuuttitaulukosta ei löytynyt sopivia yhtäläisyyksiä. Kavereiden avustuksella löytyi kuitenkin Count points in polygon -työkalu, jolla sain aikaiseksi mitä halusin. Kartasta voidaan huomata, että Kaakkois-Aasiassa Malesian, Singaporen ja Indonesian alueilla on eniten D1 luokan tulivuoria.

Toisen kartan tein maanjäristyksistä. Esitän kartalla maa-alueilla sattuneiden maanjäristysten voimakkuuksia viimeisen 30 päivän aikana (laskettu päivämäärästä 21.2.2024). Käytin tässäkin kartassa Natural Earth sivustolta vektorimuotoisia maailman valtio ja merialue aineistoja. Hyödynsin tiedon esittämiseen ruudukkoa, sillä pisteaineisto oli todella epäselvä alueilla, joissa järistyksiä oli paljon. Laskin yhteen ruutuun sen alueelle osuneiden maanjäristysten magnitudien keskiarvon. Lisäsin karttaan vielä valtioiden rajat näkyviin, jotta maanjäristysten asettumista eri valtioiden alueilla voi myös tutkia kartasta. Mielestäni kartasta tuli kohtalaisen onnistunut, vaikkakin jäin pohtimaan, oliko magnitudien esittämien keskiarvona paras vaihtoehto oikeellisen tiedon välitykseen.

En itse ole kiinnostunut (ainakaan vielä, en sulje mitään kuitenkaan kokonaan pois) opettajan urasta, mutta tehtävänä oli pohti karttojen käytettävyyttä opetustarkoituksessa. Mielestäni ensimmäistä karttaa pystyisi ainakin kohtalaisen hyvin hyödyntämään opetustarkoitukseen. Se kertoo selkeästi viimeisen 70 vuoden aikana aktiivisena olleiden tulivuorten määrän eri valtioissa. Näin ollen tulivuorten toiminnan vaikutuksia valtioissa, joissa niitä on paljon, voisi tutkia ja mahdollisesti verrata ristiin ihmismaantieteen ilmiöiden kanssa, ja pohtia millaisia haasteita tai toisaalta hyötyjä aktiiviset tulivuoret aiheuttavat alueille. Toisen kartan hyödynnettävyys taas on kyseenalainen, sillä se esittää tietoa vain viimeisen 30 päivän ajalta kartan tekohetkestä, eli vanhenee melko nopeasti.

Lähteet:

Lehtinen, S. (2024). Kurssikerta 6. https://blogs.helsinki.fi/lcsiiri/ Viitattu 7.3.2024

NOAA (n.d.) Global volcano locations database. [dataset] National Centers for Environmental Information, NESDIS, NOAA, U.S. Department of Commerce. https://www.ngdc.noaa.gov/hazel/view/hazards/volcano/loc-data

Julkisen liikenteen lakon takia en päässyt kampukselle viidennellä kurssikerralla, joten oli pärjäiltävä pelkästään omilla tiedoilla ja taidoilla. Toisaalta lakko osui sen puolesta hyvään kohtaan, että kurssikerralla oli tarkoitus testailla omaa osaamista, eikä harjoiteltu uusia komentoja. Tehtävät olivat haastavuudeltaan sopivia, vaikka toisia kohtia pitikin pohtia pidempään.

Lentokenttiä, asemia ja puskurialueita

Ensimmäisenä tehtävä oli luoda puskurialueita Malmin ja Helsinki-Vantaan lentokentille. Puskurialueilla esitettiin melualueita, jotka muodostuvat lentokenttien ympärille (kuvat 1 ja 2). Alueita tehtiin yhden ja kahden kilometrin säteelle lentokentän kiitoradoista.

Tässä tietoja melualueilla asuvista ihmismääristä:

Vastaavanlaisia harjoituksia tehtiin myös pääkaupunkiseudun juna- ja metroasemista, sekä niiden läheisyydessä asuvista ihmisistä.

Koin puskurialueiden ja analyysien tekemisen kohtalaisen helpoksi, vaikka jotkin kohdat vaativat hieman pidempää pohdintaa. Mielestäni oli myös hyödyllistä päästä tekemään harjoituksia itsenäisesti ja kokeilemaan omia taitoja, sillä komennot jäivät paremmin mieleen ja sai syvempää ymmärrystä työkalujen toiminnoista.

Taajamien tutkimusta

Tässä vielä vastauksia joita sain taajamatehtävän kysymyksiin: