Kuukausi: tammikuu 2018

Kolme viikkoa yhteiseloa QGIS:in kanssa ja vielä ollaan hengissä. Verta, hikeä ja kyyneleitä vuodatettiin kyllä myös tälläkin luennolla, mutta jostain kumman syystä ohjelma ei enää herätä niin suuria tunneryöppyjä kuin aiemmilla viikoilla. Ehkä meistä on QGIS:in kanssa pikkuhiljaa rakentumassa tiimi.

Tällä kurssikerralla pääsimme harjoittelemaan GIS-aineistojen käyttöä Afrikan valtioissa Suomen sijasta, mikä mielestäni oli todella kivaa vaihtelua. Alkuperäinen aineisto ei sisältänyt mitään muuta kuin Afrikan valtioiden rajat sekä nimet, joten opettelimme kasvattamaan aineistoa tuomalla lisää tietoja muista tietokannoista. Toimme uutta dataa Afrikka-aineistoon esimerkiksi Excel-tiedostosta (Kuva 1), johon oli kirjattu ylös Afrikan valtioiden väkiluvut sekä internetin käyttäjämääriä eri vuosilta. Olin omin avuin yrittänyt tuoda Excel-aineistoa QGIS:iin jo ensimmäisellä luentokerralla, mutta kovasta yrittämisestä huolimatta en siinä onnistunut. Nyt tietokantaliitäntä onnistui huoletta opettaja Paarlahden ohjeistuksella (Kuva 2), ja ymmärsin mikä viime kerralla meni mönkään. Harjoittelimme myös jo aiemmilla kerroilla tutuksi tullutta normaalia Join-toimintoa, joka jostain syystä oli ollut minulle niin älyttömän vaikea ymmärtää. Pari kertaa tietokantaliitoksen tehtyäni ymmärsin, että ”harjoitus tekee mestarin” ja ”kertaus on opintojen äiti” -sanonnoissa saattaa olla jotain perääkin. Tietokantaliitoksien lisäksi teimme aineistolla laskutoimituksia, sekä tuotimme tietoa sijainnin perusteella.

Afrikka-aineistoista löytyi myös tietoa esimerkiksi timantti- ja öljyesiintymien ja konfliktien sijainnista eri alueilla (Kuva 3). Luennolla annettiin tehtäväksi pohtia, mitä tämänkaltaisista muuttujista voisi päätellä, jos niiden lisänä olisi tietoa vaikkapa öljykenttien ja timanttiesiintymien löytämis- ja hyödyntämisen aloitusvuosista, tai esimerkiksi konfliktien tapahtumavuosista tai laajuudesta. Kuten Vivi Tarkka blogikirjoituksessaan mainitsi, näitä tietoja voidaan vertailla ja tehdä päätelmiä niiden mahdollisista korrelaatioista. On ilmiselvää, että luonnonvarat ovat yksi suurimmista syistä konflikteihin eri ihmisten ja valtioiden välillä, etenkin Afrikassa – datan avulla voitaisiin siis tarkastella luonnonvaraesiintymien ja konfliktien mahdollisia yhteyksiä. Koska aineistossa löytyy tarkkoja vuosilukuja esimerkiksi esiintymien löytymisvuosista, voitaisiin niihin verrata konfliktien ajankohtia. Kuten Vivi olikin nopeana kerinnyt jo ensin mainitsemaan, myös minun mielestäni Sini Virtanen analysoi konfliktien ja luonnonvaraesiintymien yhteyksiä hyvin blogissaan: ”korrelaatio ei tarkoita kausaatiota – pelkkä alueellinen yhteys luonnonvarojen ja konfliktien välillä ei välttämättä tarkoita, että konfliktit johtuisivat luonnonvaroista.”

Excelin tietokannassa, jonka liitimme Afrikan karttaan tietokantaliitoksella, oltiin myös eritelty internetinkäyttäjien lukumäärää internetin yleistymisen alkuvuosina sekä vuonna 2017, jolloin erilaisten internetiä käyttävien tietokoneiden ja laitteiden käytöstä on yhä useammalle ihmiselle tullut arkipäivää. Etiopian väkiluku vuonna 2000 oli 60 miljoonaa, joista ainoastaan kymmenellä tuhannella ihmisellä oli mahdollisuus käyttää internetiä. Vuonna 2017 valtion 104 miljoonasta asukkaasta jopa 16 miljoonaa, eli noin 15 prosenttia on ottanut internetin käyttöönsä. Yleistynyttä netinkäyttöä selittää tietoteknologian kehitys ja talouden orientoituminen internetin äärelle. Kehitysmaiden on ollut pakko pysyä kehityksessä mukana kehittyäkseen ja säilyttääkseen paikkansa maailmantaloudessa. Vaikka enemmistö maailman internetin käyttäjistä on kehitysmaissa, se ei kuitenkaan kerro koko totuutta, vaan käyttäjämäärät pitää suhteuttaa maanosittain ja valtioittain. Suhteutettuna Afrikassa netinkäyttäjiä on kuitenkin vähemmän, kuin teollisuusmaissa. Laajalle levinneestä netinkäytöstä on kehitysmaille suuresti hyötyä, mutta kehitettävää löytyy silti. Teollisuusmaiden ja kehitysmaiden välistä tieto- ja viestintäliikenteen välistä eroa on nimitetty digikuiluksi. Noin kymmenen vuotta sitten Maailma.net:issä julkaistussa artikkelissa ”Putoaako Afrikka laajakaistakuiluun?” punnitaan heikkojen internetyhteyksien ja laajakaistaliittymien vaikutuksia. Afrikan internetyhteyksien heikkotasoisuus vaikeuttaa esimerkiksi koulutukseen, terveydenhuoltoon, maanviljelykseen ja metsänhoitoon suunniteltujen sovellusten käyttöä, ja lisäksi heikkolaatuiset yhteydet estävät paikallisen talouden kehittymistä.

Tunnin päätteeksi pääsimme siirtymään Afrikka-aineistosta taas tutun ja turvallisen Suomen pariin. Tarkoituksena oli soveltaa Afrikka-harjoituksessa opittuja toimintoja ja tuottaa itsenäisesti kartta Suomen vesistöalueiden valuma-alueominaisuuksista ja tulvaherkkyydestä. Saimme myös tietää, että saatua kartta-aineistoa tullaan analysoimaan myöhemmin kevään harjoitustyökurssilla, jossa käsitellään luonnonmaantieteen ilmiöitä – ei siis paineita ollenkaan!

Kartassani laskin Suomen valuma-alueiden tulvaindeksit keskialivirtaaman ja keskiylivirtaaman avulla, ja visualisoin ne koropleettikartaksi. Tummimmat alueet kartassa kuvaavat herkimmin tulville altistuvia alueita, ja vastaavasti vaaleilla alueilla tulvariski on alhainen. Kartasta voi huomata, että tulvaherkimmät alueet sijaitsevat rannikoilla: jokisella Pohjanmaalla, sekä Lounais- ja Etelä-Suomessa. Lapissa on myös laajoja tulville altistuvia alueita. Pohjanmaalla maa on hyvin alavaa, joka herkistää alueen tulvivalle vedelle. Etelä- ja Lounais-Suomi taas on useiden jokien ja vesistöjen kirjavoittamaa maata, mikä lisää tulvaherkkyyttä. Lisäksi koko maassa – myös Lapissa – keväisin sulava lumi sekä jään muodostamat jääpadot lisäävät tulvien riskiä. Alueet, joilla tulvariski on suuri, ovat myös tiheimmin asuttuja alueita Suomessa, joten tulvien aiheuttamat vahingot näillä alueilla voivat olla kohtalokkaita. Järvi-Suomessa riski on erittäin alhainen, sillä sadevedet varastoituvat järviin ja tiheään metsäkasvillisuuteen. Tämän voi päätellä myös karttaan piirrettyjen histogrammien avulla, jotka kuvaavat eri valuma-alueiden järvisyysprosenttia. Pylväiden pituus eli järvisyysprosentti korreloi negatiivisesti tulvaindeksin kanssa, kuten myöhemmin Sini Virtanen blogissaan mainitsikin.

Olen huomannut, että tekninen taustatyö karttojen laatimisessa on aikaa vaativaa, mutta tärkeää puuhaa. Erityisen tärkeää on myös se, että aineiston kerättyä ei jätä visualisointia puolitiehen, vaan tuottaa oikeasti informatiivisen kartan. Vaikka QGIS onnistui kaatumaan ja samalla tuhoamaan väkerretyt karttani useaan otteeseen luennon aikana, olen silti todella tyytyväinen tuottamaani tulvaindeksi -karttaan. Jokaisessa aiemmin tuottamassani kartassa on ollut jotain puutteita, mutta tämänkertaisessa tuotoksessa kaikki on mielestäni selkeästi esitettynä, ja väritkin sopivat yhteen.

Että tämmöstä sitten tällä kertaa. Memeä unohtamatta.

-Eveliina

Lähteet:

Maailma.net: Putoaako Afrikka laajakaistakuiluun? 23.10.2009
http://www.maailma.net/uutiset/putoaako-afrikka-laajakaistakuiluun Luettu: 31.1.2018

Meme: Geography Memes for Edgy Teens:
www.facebook.com/Geografun/photos/a.955656107868703.1073741828.955607324540248/1158208880946757/?type=3&theater Luettu 31.1.2018

Tarkka, Vivi: Haloo! Tulvariski! 31.1.2018
https://blogs.helsinki.fi/vivitark/2018/01/31/haloo-tulvariski/ Luettu: 31.1.2018

Virtanen, Sini: Veritimantteja ja valuma-alueita 30.1.2018
https://blogs.helsinki.fi/7k110738/2018/01/30/veritimantteja-ja-valuma-alueita/ Luettu: 31.1.2018

 

Tsau! Näin alkuun on pakko sanoa, että toisella kurssikerralla QGIS:in käyttö alkoi jo luonnistua paljon paremmin kuin edellisellä viikolla, vaikka vaikeuksilta tälläkään kerralla ei vältytty. Ehkä minun ja Vivin vapaa-ajan aivotyöstä oli loppupelissä sittenkin jotain hyötyä! Tämä kurssikerran pääaiheena oli karttaprojektioiden vertailu ja erilaisten projektioiden vaikutukset karttojen ominaisuuksiin. Karttaprojektiot esittävät maapallon pallomaisen pinnan tasona kartalla, ja ne vaikuttavat huomattavasti esimerkiksi alueiden pinta-aloihin ja tätä kautta esimerkiksi väentiheyteen.

Teimme luentokerralla monipuolisesti erilaisia harjoituksia. Esimerkiksi ensimmäisessä tehtävässä harjoittelimme Suomen kunnat 2015 -aineiston avulla erilaisten valintatyökalujen käyttöä QGIS:issä, ja toisessa tehtävässä pyrimme etsimään eroja eri projektioista kooten havaintoja taulukkoon. Taulukosta 1 huomaa, kuinka selkeästi projektion valinta vaikuttaa eri kohteiden pituuksiin ja pinta-aloihin. Rajasin erikseen Pohjois-Suomesta Suomen ”päälaesta” ja Keski-Suomesta ”lantion” kohdalta kaistaleet, ja tarkastelin näiden kohteiden pinta-alaa Lambertin (3035), Mercatorin (53004) ja Gauss-Krügerin (2726) projektioissa. Lambertin tasoprojektio on oikeapintainen projektio, jonka vuoksi sitä käytetään aina sellaisissa karttaesityksissä, joissa käsitellään alueen pinta-alaan liittyvää dataa. Sen sijaan Mercatorin projektio on oikeakulmainen, jota käytetään lähinnä navigointitarkoituksissa, eikä pinta-alan kuvaamisessa. ”Mercatorin projektio vääristää alueita sitä enemmän, mitä kauemmas liikutaan päiväntasaajalta”, kirjoittaa Antti Nevalainen Live, Love, Laugh & Make Maps -blogissaan. Projektio vääristää pinta-aloja etenkin napa-alojen läheisyydessä, minkä voi huomata moninkertaisessa pinta-alaerossa Suomen päälaella. Gauss-Krügerin Pulkovo 1995 projektiota taas käytetään yleensä kuvaamaan kaistaletta Siperiassa Venäjällä, joten luonnollisestikin se vääristää Suomen mittoja. Karttaprojektion valintaa on siis suotavaa harkita huolella, sijainnista ja käyttötarkoituksesta riippuen.

Taulukko 1. Karttaprojektion vaikutus pinta-aloihin.

Projektio	Pinta-ala Pohjois-Suomi	Pinta-ala Keski-Suomi
ETRS-LAEA (3035)	9 993,452 km²	27 707,243 km²
Shpere Mercator (53004)	82 053,961 km²	135 633,738 km²
Pulkovo 1995 3-degree Gauss-Kruger (2726)	219 330 212,289 km²	142 121 934,441 km²

Lämmiteltyämme QGIS:in kanssa hetken ja projektioihin tutustuttuamme tuotimme Artun opastuksella Mercatorin projektion pinta-alavääristymää kuvaavan kartan (Kuva 1). Kartassa Mercatorin vääristymää verrataan Lambertin projektioon. Kartta syntyi taas aika lailla malliesimerkkiä klikkauksesta klikkaukseen seuraten, mutta edellisen tunnin karttoihin verrattuna sain kuitenkin korjattua visuaaliset puutteet: karttaselite on selkeä ja nimetty oikein, ja väriluokitus sopii kontekstiin. Projektio vääristää kaikkein eniten pinta-aloja Pohjois-Suomessa, mikä huomattiin jo edellä mainitusta taulukosta. Pinta-alat pohjoisessa Mercatorin projektiota käytettäessä ovat jopa 6-7-kertaisia, ja eteläisessä Suomessa ”vain” kaksin-kolminkertaisia. Pinta-alojen vääristymissä on havaittavissa selkeä vyöhykkeinen muoto.

Perfektionistina en suostunut tyytymään pelkästään opettajan ohjeiden varassa selviytymiseen, joten päätin vielä itsenäisesti opetella tuottamaan samanlaisen kartan – ja yllätykseksi onnistuin siinä! Tuotin siis Millerin projektiosta täysin samaa vääristymää kuvaavan kartan (Kuva 2), mutta vyöhykkeisyyttä tässä kartassa ei olekaan yhtä helppo analysoida. Projektio selvästi vääristää pinta-aloja pohjoisessa, mutta suurin vääristymä on kuitenkin vain vähän yli yhden prosentin. Vääristymä pienenee kaartuvin vyöhykkein etelämpään päin siirryttäessä. Vyöhykkeiden rajat ovat silti hyvin epäselvät, ja kuntien prosenttiarvot ovat etenkin Keski-Suomessa hyvin sekalaisessa järjestyksessä. Eniten kartassa hämmentää Suomen päälaessa sijaitseva keltaisen väriarvon saanut Utsjoen kunta. Ihan yhtä eksyksissä kuin minäkin tässä QGIS:in maailmassa. En keksinyt oikeastaan mitään syytä miksi Utsjoella vääristymä on noinkin ”pieni”, vaikka yleisesti Pohjois-Suomessa pinta-alat ovat vääristyneet eniten.

Eri projektioiden vaikutukset eivät kuitenkaan pelkästään näy alueiden pituuksissa ja pinta-aloissa, vaan vaikuttavat näiden kautta myös esimerkiksi pinta-aloihin sitoutuneisiin tekijöihin, kuten väentiheyteen. Halusin kokeilla käytännössä, kuinka erot väentiheyksissä näkyvät Lambertin ja Mercatorin projektioissa. Kuvassa 3 on esitettynä tiheydet molemmissa projektioissa. Erot tulevat parhaiten esille luokkajakoa tarkasteltaessa. Luokkajako ei ole mielestäni paras mahdollinen, mutta karttaa visualisoitaessa se toi erot parhaiten esille. Lambertin projektiota käyttäessä väestötiheys on suurimmillaan 2809,8 as./km² Helsingissä, kun taas pinta-alaa huomattavasti vääristävällä Mercatorin projektiolla se on vain noin 692,2 as./km². Erot luokkajaon alimmassa päässä eivät ole yhtä suuria: Enontekiön väentiheys Lambertin mukaan on 0,24 as./km², kun taas Mercatorin mukaan kunta saa arvon 0,03 as./km². Kaikista edellisistä karttatarkasteluista voi siis todeta, että projektioilla on valtava vaikutus paitsi alueiden pituuksiin ja pinta-aloihin, mutta täten myös karttojen luotettavuuteen ja informatiivisuuteen.

Olivia Halme blogipostauksessaan esitteli Gauss-Laborde Reunion -nimisen projektion pinta-alavääristymää. Olivian tuottamassa kartassa näkyy mielenkiintoinen luode-kaakko-suunnassa näkyvä vyöhykkeisyys. Käyhän vilkaisemassa Olivian tuotos!

Harjoituksia tehdessäni virheitä tuli paljon, joten minusta olisi enemmän kuin suotavaa, että ohjelmasta löytyisi ”kumoa”-toiminto. Olen jostain kumman syystä onnistunut hävittämään jo pari karttaa johonkin bittiavaruuteen vääriä nappeja painelemalla. Mysteeriksi tältä kurssikerralta vielä jäi esimerkiksi se, missä vaiheessa karttojen luomista täytyy käyttää Save As- ja sulkemistoimintoja. Hämmennyksistä ja virheistä huolimatta kartat onnistuivat teknisesti ja visuaalisesti paljon paremmin tällä kerralla verrattuna edelliseen luentokertaan. Mielestäni karttojen aiheet voivat olla lukijalle vaikeita ilman aineistoon perehtymistä, ja sen takia pyrin avaamaan karttojen tarkoituksia tekstissäni mahdollisimman selkeästi (ja näköjään aika pitkästi, hupsista).

QGIS:in luomasta alkujärkytyksestä on vihdoin selvitty, ja tuntuu siltä, että saatan jopa seuraavalla tunnilla pysyä harjoituksissa joten kuten kärryillä. Yaas!

-Eveliina

Lähteet:

Halme, Olivia: HOX! Tarkista projektiosi 8.2.2018
https://blogs.helsinki.fi/halmeoli/2018/02/08/2-kurssikerta-hox-tarkista-projektiosi/ (Luettu 8.2.2018)

Nevalainen, Antti: Never Mercator, Honey 5.2.2018
https://blogs.helsinki.fi/nean/2018/02/05/never-mercator-honey/ (Luettu 6.2.2018)

Pacific Coordinate Systems: EPSG: 2726 Projected coordinate system
http://pacificprojections.spc.int/2726 (Luettu 25.1.18)

Maanantaina 15.1. ensimmäisellä luentokerralla pääsin heti ensikättelyssä tapaamaan vastustajani, tarkemmin nimeltään QGIS-paikkatieto-ohjelman. Selväähän se oli, että joululoman jälkeinen alkukankeus sai minut suunnastaan musertumaan ohjelman edessä, mutta pienten mutkien kautta ja Arttu-open mallia vaihe vaiheelta tarkkaillen sain kuin sainkin neljän tunnin päätteeksi kartan tuotettua.

Luennolla kävimme läpi kurssin suoritustapaa ja tavoitteita. Tulemme kokoontumaan siis joka maanantai klo 16-20 GIS-luokassa seuraavan seitsemän viikon ajan. (Aamu-uninen Eveliina kiittää.) Kurssilla tutustumme ensinnäkin QGIS-ohjelman käyttöön ja muihin paikkatietopalveluihin, teemme karttoja ja harjoituksia sekä luemme artikkeleita. Olen alkanut pitämään GIS:iä varteenotettavana sivuainevaihtoehtona, joten tavoitteenani tällä kurssilla on oppia hallitsemaan uusia paikkatieto-ohjelmia sekä käyttämään niitä itsenäisesti, jotta niistä olisi mahdollisimman paljon apua tulevaisuuden opinnoissa. Tavoitteiden läpikäymisen lisäksi kertasimme hieman paikkatietosanastoa, jonka jälkeen siirryimme heti QGIS-ohjelman kimppuun. Ensimmäisen kurssikerran tehtävänä meille oli laadittu kartan visualisointi Itämerta ympäröivien valtioiden typpipäästöistä.

Ensivaikutelma: Easy peasy lemon squeezy.
Viisi minuuttia myöhemmin: Nope, difficult difficult lemon difficult. 

Tunnilla asiat käytiin mielestäni kohtalaisen ripeään tahtiin: sen sijaan, että olisin keskittynyt tunnin sisältöön ja uuden oppimiseen, keskityin lähinnä siihen, että pysyin perässä kaikissa kartanteon työvaiheissa. Sen sijaan, että olisin hahmottanut ohjelman kokonaisuutena, hahmotin lähinnä yksittäisiä klikkauksia ja toimintoja. Ymmärrän kuitenkin, että luentojen toteuttamisessa on tiettyjä haasteita, koska tätä kyseistä kurssia ei ole ennen pidetty. Sain kuitenkin luennolla eri valtioiden typpipäästöt visualisoitua kartalle, mutta kartasta ei tullut kummoinen. (Kuva alapuolella)

Kartan (kuva 1) väritys ei mielestäni palvele kovin hyvin sen karttatarkoitusta. Nyt jälkeenpäin kun mietin, olisi väritystä voinut kuvata esimerkiksi punertavalla tai rusehtavalla väriskaalalla. Nyt kartan sinisävyt sekoittuvat Itämeren väritykseen ja korkeuskäyriin. Myöskin legendan otsakkeet olisi voinut kirjoittaa suomeksi, ja lisätä yksiköt. Pääotsikoksi olisi voinut laittaa vaikkapa ”Typpipäästöt Itämerta ympäröivissä valtioissa”. Lyhyesti tulkittuna Puola tuottaa siis Itämerta ympäröivistä valtioista eniten typpipäästöjä, ja kakkossijan jakaa Venäjä ja Ruotsi. Puolan suuria päästöjä selittävät todennäköisesti entisessä sosialistisessa yhteiskunnassa harjoitettu raskas teollisuus (kuten ruskohiilivoimalat), ja niistä aiheutuneet voimakkaat happosateet.

Tämä onneksi oli kuitenkin vasta ensimmäinen harjoitus, ja tunnin lopuksi saimmekin kotitehtäväksi hyödyntää Suomen kuntien tietokantaa ja tuottaa omavalintainen koropleettikartta aineistoista. Aluksi tehtävä kauhistutti, sillä en oikeastaan ollut oppinut mitään taitoja, jota olisin uudessa tehtävässä voinut soveltaa. Myöhemmin torstaina samalla viikolla kuitenkin päätimme ystäväni Vivin – tunnetaan myös nimellä GIS-tumpelo (lähde 1) – kanssa lyödä tyhjät päämme yhteen ja kohdata vastustajamme yhteisvoimin. Meidän onneksemme Moodleen oli ladattu erittäin perusteelliset ohjeet QGIS:in käytöstä, ja pari tuntia perusteellisen ohjeisiin perehtymisen jälkeen onnistuimme luomaan selkeän työttömyyskartan Suomen kunnista. (kuva 2) Tuskanhuutojemme kaikuessa pitkin mantsan käytäviä saatoimme saada myös hieman apua parilta fiksulta opettajalta.

Laatimamme kartta kuvaa siis työttömyysastetta Suomen kunnissa. Kartta oli loppupelissä suhteellisen helppotekoinen, sillä aineistossa työttömien määrä oli jo valmiiksi prosenttiarvoina ja suhteutettuna työikäisten kokonaismäärään. Kuten Vivikin ensimmäisessä blogitekstissään mainitsi, yleisesti työttömyysaste on selvästi suurempi Pohjois-Suomessa kuin etelässä ja saman trendin voi huomata myös Itä- ja Länsi-Suomen välillä. Työttömyysaste on alhaisin Uudellamaalla, Ahvenanmaalla sekä länsirannikolla. ”Ahvenanmaalla Lumparlandin kunnassa luku on vaivaiset 1,7%”, kirjoittaa Vivi. Tilanne Itä-Suomessa, esimerkiksi Lieksan kunnassa on aivan päinvastainen: työttömyysprosentti hipoo kahtakymmentä prosenttia. Suurin työttömyysprosentti vuonna 2015 – 22,6% – oli Suomen kunnista Sallassa. Työttömyys on suuri ongelma harvaanasutuissa pienissä ja syrjäisemmissä kunnissa, joissa palvelualojen työpaikkoja on jouduttu leikkaamaan rajusti. Näille kunnille on tyypillistä, että nuoret työikäiset muuttavat niistä suurempiin palvelukeskittymiin. Tämä tarkoittaa usein huoltotaseen kasvua ja palveluiden vähenemistä, mikä heikentää kunnan toimintaa. Myös Varpu Savolainen blogissaan oli käsitellyt samaa aihetta, ja hän mainitsikin hyvin: ”Kunta joutuu noidankehään, jossa ilmiöt voimistavat toisiaan…”. Ilmiö on valitettava useiden suomalaisten kuntien osalta niin pohjoisessa, kuin itäisessäkin Suomessa, ja siihen kerran ajauduttua vaaditaan vankkoja toimia kunnan talouden elvyttämiseksi.

Viimein ymmärrettyäni QGIS:in käyttöperiaatteen tulin ehkä liian kunnianhimoiseksi, ja yritin samalla suorittaa myös vaikeampien vaikeustasojen tehtäviä. Latasin Tilastokeskuksesta aineistoja eri kuntien koulutustasoista Exceliin, mutta osaamiseni kuitenkin kaatui heti yrittäessä Join-toimintoa QGIS-ohjelmassa. Loppuviikosta lähdin suupielet mutrussa kotiin äidin luokse Lahteen. Ei vaan, pääasia, että sentään yritin! Opin perusjuttuja myös WFS-pohjaisista aineistoista, mistä on todennäköisesti jotain hyötyä seuraavalla luentokerralla. QGIS vei voiton tällä kertaa, mutta tästä suuntahan on vain eteenpäin. Siispä leuka rintaan ja kohti uusia pettymyksiä!

-Eveliina

PS. Arvoisat lukijat ja Arttu, on GIS oikeesti ihan kivaa.
PPS. Päivittäistä memeä unohtamatta.

Lähteet:

Meme: Geography Memes for Edgy Teens http://facebook.com/Geografun/photos/a.955656107868703.1073741828.955607324540248/1271279319639712/?type=3&theater (Luettu 23.1.18)

Savolainen, Varpu: Olishan sen helpomminkin voinut (1. kurssikerran harjoitus) 22.1.18. : https://blogs.helsinki.fi/sadvarpu/2018/01/22/olishan-sen-helpomminkin-voinut-1-kurssikerran-kotiharjoitus/ (Luettu 23.1.18)

Tarkka, Vivi: Huono kartta ja vähän parempi kartta  22.1.18.: https://blogs.helsinki.fi/vivitark/2018/01/22/huono-kartta-ja-vahan-parempi-kartta/ (Luettu 23.1.18)

 

 

Olet löytänyt tiesi juuri oikeaan osoitteeseen – nimittäin seuraamaan kasvutarinaa, jota vielä vuosikymmentenkin jälkeen tullaan seuraaville sukupolville kertomaan. Tämä blogi perustuu tositapahtumiin naistieteilijän alun raa’asta taistelusta GIS-ohjelmistoja vastaan. Tekeekö Eveliina tämän kevään aikana läpimurron tulevaisuuden GIS-lupauksena, vai syökö kartta-aineistot hänet lopulta elävältä? Veikkaan jälkimmäistä.

Mutta hei, anything for geography. 

-Eveliina

PS. Jos et vielä seuraa Facebookissa Geography Memes for Edgy Teens -sivustoa, DO IT NOW. Alla muutama lemppari minun blogiani elävöittämään.

 

(lähde: https://www.facebook.com/Geografun/)

PPS. Blogini kansikuva on Googlen kuvahausta: www.commonwealthfund.org/~/media/images/alert/map-of-world-watercolor.jpg 21.1.2018