Month: February 2021

Kuudes eli toiseksi viimeinen kurssikerta taitaa olla suosikkini tähän mennessä olleista kurssikerroista, sillä kurssikerta oli helppo ja mielenkiintoinen, eikä meidän tarvinnut opetella taas miljoonittain uusia juttuja QGIS:ssä. Kurssikerran aluksi keräsimme dataa asuinalueiltamme. Datan kerääminen tapahtui Epicollect5 -sovelluksen avulla lähiympäristössä liikkuen ja sovelluksen sijaintitietoa hyödyntäen. Tutkimme kaupunkiympäristön turvallisuutta ja viihtyisyyttä kävelijän näkökulmasta. Toimme datan sitten QGIS:iin ja teimme siitä interpoloimalla teemakartan, joka näkyy kuvassa 1. Epicollect5 -sovelluksen käyttäminen oli minulle tuttua ja se oli minulla jo valmiiksi puhelimessani, sillä satuimme tekemään aivan samantyyppisen projektin lukiossa mantsan neloskurssilla aktiivisen opettajamme ansiosta… xD Senkin ansiosta tämän tehtävän tekeminen oli hyvin mielekästä. Olin itse asiassa Julianan kanssa samassa lukiossa, joten hänellä on sovelluksen käyttämisestä samankaltaisia kokemuksia.

 

 

Itsenäinen tehtävä

Kurssikerran lopussa oli itsenäistä työskentelyä. Tarkoituksena oli oppia muokkaamaan internetistä löytyvää dataa sellaiseen muotoon, jotta se voidaan sijoittaa suoraan kartalle sekä pistemäisen aineiston esittämistä kartalla. Hain internetistä dataa erilaisista hasardeista: maanjäristyksistä (ncedc.org/anss/catalog-search.html) ja tulivuorista (https://www.ngdc.noaa.gov/hazel/view/hazards/volcano/loc-data#).  Maanjäristysdata ladattiin csv.-tiedostona ja sitä piti muokata notepadissa sopivaan muotoon. Muokkasin myös tulivuoridatan tsv.-tiedostosta csv. -tiedostoksi, vaikka sen olisi saanut ilmeisesti sellaisenaankin QGIS:iin…

Tein kolme erilaista karttaa. Ensimmäisessä kartassa (kuva 1) näkyvät maanjäristykset vuosilta 1950-2013, joiden magnitudi oli yli 6. Toisessa kartassa (kuva 2) näkyvät kaikki tulivuoret maapallolla. Kolmannessa kartassa (kuva 3) olen yhdistänyt nämä aineistot.

Kartat ovat melko havainnollistavia ja niistä saa nopeasti käsityksen, missä päin tulivuoria ja voimakkaita maanjäristyksiä maapallolla on. Oppimateriaalina kartat siis toimisivat melko hyvin. Kartoista on huomattava se, että alueet, joissa esiintyy voimakkaita maanjäristyksiä, on usein myös tulivuoria. Tulivuorten määrä ja maanjäristykset eivät kuitenkaan korreloi keskenään, vaan tulivuoria ja maanjäristyksiä esiintyy molempia erityisesti litosfäärilaattojen saumakohdissa. Lisäksi Tyynenmeren tulirenkaan alueella esiintyy huomattavasti maanjäristyksiä ja tulivuoria. Maanjäristyksiä esiintyy kartan mukaan paljon myös merellä, jossa ei taas välttämättä ole tulivuoria.

Tuottamani kartat sopisivat hyvin nimenomaan hasardimaantieteen opetukseen: tulivuorenpurkaukset ja maanjäristykset ovat luonnonhasardeja, jotka vievät satojen ihmisten hengen joka vuosi. Jos olisin opettaja opettamassa tätä aihetta, haluaisin, että opettamani henkilöt ymmärtäisivät sen, missä maanjäristyksiä ja tulivuoria esiintyy maapallolla ja mitä seurauksia niillä voi olla alueella asuville ihmisille. Lisäksi jos opettaisin asiaa luonnonmaantieteen kurssilla, tutkailisimme myös karttaa litosfäärilaattojen saumakohdista (kuva 5) ja vertailisimme sitä tulivuorten ja maanjäristysten esiintymispaikkoihin. Opiskelijoiden olisi tärkeää ymmärtää se, mitä kaikkia seismisiä ilmiöitä litosfäärilaattojen saumakohdissa esiintyy.

 

Ville Väisänen (2021) on pohtinut blogissaan pohjoisnuolen ja mittakaavan jättämistä pois tekemistään maailmankartoista. Huomasin itse tehneeni saman, vaikkakin epäintuitiivisesti. Ville perusteli päätöstään sillä, että ei ole nähnyt kovin monessa maailmankartassa pohjoisnuolta. En minäkään ajatellut, että se olisi mitenkään välttämätön maailmankartassa, joten jätin sen hänen tapaansa pois.

Lähteet:

Häkkilä, J. <https://blogs.helsinki.fi/julihakk/2021/02/28/6-interpoloimista-ja-hasardikarttoja/>, luettu 28.2.2021

<https://en.wikipedia.org/wiki/List_of_earthquakes_in_2020>, luettu 24.2.2021

Litosfäärilaattakuva: <http://www.geologia.fi/wp-content/uploads/2018/05/mannerlaatat_kutvonen.jpg>

<https://ncedc.org/anss/catalog-search.html>. Luettu 23.2.2021

<https://www.ngdc.noaa.gov/hazel/view/hazards/volcano/loc-search>. Luettu 23.2.2021

Väisänen, V. Villen GIS-blogi. <https://blogs.helsinki.fi/villvais/> Luettu 24.2.2021

Viidennellä kurssikerralla teimme suurimman osan ajasta itsenäisiä tehtäviä, joiden tarkoituksena oli vahvistaa aiemmin opittuja asioita. Kurssikerran alussa tutustuimme QGIS:ssä kuitenkin muutamaan hyödylliseen työkaluun, joita tarvittaisiin itsenäisten tehtävien tekemisessä. Erityisen tärkeä työkalu oli bufferointityökalu, jonka avulla voi määrittää halutun kohteen ympärille haluamansa kokoisen vyöhykkeen. Hyödynsimme viime kerralla luomaamme aineistoa Pornaisista ja kokeilimme bufferoida kartalta alueen, joka sijaitsee 1km päässä terveysasemasta. Bufferoinnin eli puskuroinnin avulla voidaan valita kartalta kohteita, kuten rakennuksia, tältä alueelta. Näin saadaan selville kaikki rakennukset, jotka sijaitsevat 1 km säteen sisällä terveysasemasta.

Itsenäiset tehtävät

Itsenäisissä tehtävissä määrittelimme bufferivyöhykkeiden avulla esimerkiksi Helsinki-Vantaalla korkean lentomelun alueella asuvien ihmisten määrän sekä alle 500 metrin päässä lähimmästä juna- tai metroasemasta asuvien ihmisten määrän. Itsenäiset tehtävät eivät olleet helpoimmasta päästä, varsinkin viimeinen tehtävä. Tehtäviin täytyi keskittyä jakamattomalla huomiolla ja ne vaativat bufferivyöhykkeiden tekemisen lisäksi päättelyä ja aiemmin opitun tiedon soveltamista. Tehtävien parissa pystyi testaamaan tämänhetkiset taidot QGIS -ohjelmiston parissa. Saamani tehtävien vastaukset näkyvät kuvassa 1. Oikeita vastauksia tärkeämpää oli kuitenkin asioiden ymmärtäminen.

 

Mitä osaan?

Tämä harjoitus oli vaikea, ja varsinkin viimeisen osan tekemisessä jouduin käyttämään paljon aikaa pelkästään sen miettimiseen, miten se olisi QGIS:ssä mahdollista tehdä. En ole ollenkaan tyytyväinen saamaani lopputulokseen (karttaan). Minua turhauttaa todella paljon se, etten saanut tehtyä pylväsdiagrammia kartalle ja uima-altaiden määrää näkymään asuinalueittain. Kurssitoverini Sanna Jantunen (2021) oli tehnyt saman tehtävän kuin minä, ja hän olikin onnistunut siinä paljon paremmin. Hänen uima-allaskarttansa näyttää oikeanlaiselta ja helppolukuiselta, tosin kuin minun… Luulin olevani QGIS:n käytössä ihan hyvä, mutta en ainakaan näin soveltavan tehtävän käytössä ilmeisesti olekaan niin hyvä, ja se turhauttaa.

QGIS:ssä työkalut, joiden käytön osaan parhaiten, on varmaan erilaisten tietokantojen ja tasojen liittäminen ohjelmistoon, sekä “select attributes” -toiminnot. “Select attributes” -toimintoja voi käyttää erilaisten kohteiden etsimiseen kartalta. Lisäksi karttojen tekeminen onnistuu minulta melko hyvin ja se on melko helppoa.

Koen kaipaavani lisäharjoitusta ehkä vähän kaikessa? En osaa eritellä spesifimmin, että missä. Minulla on selkeä tunne, että osaan kyllä tehdä asiat, mutta sen oivaltaminen, miten jokin asia tehdään QGIS:ssä parhaiten ja helpoiten, vaatii ehkä hieman rutiinia.  Kuitenkin, QGIS:n perusasioiden hallinta tuntuu olevan minulla ihan ok tasolla. Yksinkertaisten vektori-, ja rasteriaineistojen analyysi sujuu. Viiden kurssiviikon jälkeen tuntuu, että kaikista keskeisimpien QGIS-toimintojen, kuten tietokantojen avaaminen ja yhdistäminen, kohteiden valitseminen ja niiden yksinkertainen analysointi esimerkiksi tilastojen avulla ja ilmiöiden tulkinta sekä visualisointi kartalla on hallinnassa ihan hyvin.

Tällä harjoituskerralla teimme paljon puskurivyöhykkeitä, ja ne vaikuttivat todella mielenkiintoisilta ja hyödyllisiltä. Bufferoinnin avulla siis rajataan kartalta jokin vyöhyke tietyn ominaisuuden suhteen, esimerkiksi rakennuksen ympäriltä. Sen avulla voidaan vaikkapa laskea kohteiden määrä puskurivyöhykkeen sisäpuolella. Lisäksi puskurivyöhykettä voisi käyttää vaikkapa potentiaalisen kokouspaikan etsimiseen: sellainen paikka, jonka ympärillä on mahdollisimman monta kokousvierasta palvelevaa hotellia ja ravintolaa 500 metrin etäisyydellä kokouspaikasta.

Yksi QGIS:n vahvuuksista on se, että se pitää sisällään valtavan määrän erilaisia työkaluja. Toisaalta tämä vaatii PALJON perehtymistä ja kattavaa opetusta, aivan niin kuin meillä on ollutkin tähän mennessä. 😉 QGIS on oikeastaan vasta ensimmäinen paikkatieto-ohjelmisto, jota olen käyttänyt, mutta tämän kattavan perehdytyksen avulla sen käyttäminen tuntuu loogiselta ja helpohkolta. En tiedä, olisiko muihin paikkatieto-ohjelmistoihin helpompi perehtyä QGIS:n jälkeen tai olisiko niissä samankaltaisia toimintoja kuin QGIS:ssä. Aika näyttäköön sen opintojen edetessä.

Jantunen, S. Kurssiblogi. <https://blogs.helsinki.fi/smjantun/>. Viitattu 19.2.2021

Neljännellä kurssikerralla sukelsimme ruututeemakarttojen ja rasteriaineistojen maailmaan. Kurssikerran lopussa harjoittelimme vielä teiden ja rakennusten digitoimista rasterikartan päälle, mikä olikin jo tuttua Tiedon esittäminen maantieteessä -kurssilta. Kotitehtävänä oli harjoitella laatimaan itse ruututeemakartta valitsemastaan aiheesta. Valitsin aiheeksi muunkielisten määrän pääkaupunkiseudulla. Tuottamani kartta näkyy kuvassa 1.

Kartasta voidaan suurpiirteisesti nähdä, mihin muunkieliset ovat sijoittuneet pääkaupunkiseudulla. On hieman epäselvää, mitä tarkalleen tarkoitetaan “muunkielisillä”, mutta uskoisin kyseessä olevan kaikki muuta kieltä kuin ruotsia puhuvat, sillä heille oli aineistossa oma tietokantansa. Muunkieliset ovat sijoittuneet kartan mukaan pääosin Itä- ja Pohjois-Helsinkin ja muutamaan eri paikkaan Espoossa ja Vantaalla. En usko, että henkilö, joka tuntee jo valmiiksi pääkaupunkiseutua, saisi kovin paljon uutta informaatiota kartasta, sillä uskoisin heidän jo suurpiirteisesti tietävän, missä muunkieliset asuvat.

Myös Liisa Ahokas on pohtinut tätä blogissaan (2021), sillä hän on tehnyt kartan samalla aineistolla kuin minä. Hän on myös sitä mieltä, että henkilö, joka ei tunne pääkaupunkiseutua ollenkaan, ei saisi kartasta juurikaan irti, sillä kartassa ei esitetä esimerkiksi paikannimiä tai alueiden rajoja. Olen samaa mieltä hänen kanssaan, sillä kartasta saisi paljon selkeämmän ja helppolukuisemman lisäämällä sinne esimerkiksi kuntien rajat ja tärkein paikannimistö. En kuitenkaan tehnyt tätä, vaikka se olisi ollut varmasti melko helppo homma. Huomasin myös, että Liisalla oli kartassaan eri luokkajako kuin minulla. Tässä kartassa Liisan kartan mukainen tarkempi luokkajako olisi toiminutkin ehkä paremmin. Tekemäni ruututeemakartan luettavuus on kuitenkin hyvä ja mielestäni jopa visuaalisesti melko onnistunut.

Kartasta huomaa sen, että ruudut, joissa on paljon muunkielisiä, ovat keskittyneet tietylle alueelle erityisesti Itä-Helsinkiin. Itä-Helsinki on ollut perinteisesti kansainvälinen, maahanmuuttajien suosima alue. Siihen saattavat vaikuttaa taloudelliset syyt ja vaikkapa se, että jos alueella asuu jo valmiiksi tuttuja henkilöitä, on todennäköistä että maahanmuuttajat muuttavat juuri tuttujensa luokse. Lisäksi segregaatio eli eri sosiaalisten ryhmien (muunkielisten) keskittyminen omille alueilleen näkynee tekemässäni kartassa.

 

Pohdintaa

Ruututeemakartalla on hyväksyttävää esittää absoluuttisia arvoja, koska kaikki ruudut ovat keskenään samankokoisia, tässä tapauksessa neliökilometrin kokoisia. Sen sijaan olisi vääryyttä esittää esimerkiksi kuntien välisiä eroja muunkielisten lukumäärässä absoluuttisina arvoina, koska kunnat ovat keskenään erikokoisia. Tekemässäni kartassa on ihan kannattavaa ja selkeää esittää lukumäärät absoluuttisina arvoina.

Ruututeemakartoissa aluejako perustuu tilastoruudukkoon, eivätkä ne ole minkään hallinnollisen aluejaon mukaisia, tosin kuin koropleettikartoissa. Kuten aikaisemmin sanoin, koropleettikartan arvoja ei tulisi esittää koskaan absoluuttisina arvoina, koska ne kuvaavat jotain ilmiötä laajemmalla alueella eli pinta-alaltaan suurelle alueelle sijoittuu enemmän muuttujia. Tämä vähentää erikokoisten kohteiden vertailukelpoisuutta, jos niitä yrittää esittää absoluuttisina arvoina. Tässä mielessä ruututeemakartan informaatioarvo on suurempi kuin koropleettikartan: ruututeemakartta kertoo alueen sisäisiä vaihteluita. Lisäksi koropleettikartassa pinta-alaltaan suuriin alueisiin kiinnittää enemmän huomiota ja ne vievät “visuaalisesti enemmän tilaa” pieniin alueisiin verrattuna. Kuitenkin, koropleettikartta on erinomainen karttatyyppi vaikkapa silloin, kun halutaan kuvata jotain ilmiötä suhteellisesti Euroopan maiden välillä.

Lähteet:

Ahokas, Liisa. Rasteria ja muuta kivvaa, 2021. <https://blogs.helsinki.fi/ahokliis/>. Luettu 15.2.2021.

Kolmannen kurssikerran ohjelmana oli oppia tekemään QGIS:ssä tietokantaliitoksia sekä ulkoisen tiedon liittämistä tietokantaan. Harjoittelimme toimintoja ensin yhdessä opettajan opastuksella Afrikkaan liittyvien aineistojen avulla, joiden aiheina olivat timanttikaivokset Afrikassa, internetin käyttäjien lukumäärä Afrikan maissa sekä öljykenttien ja konfliktien määrä. Saaduista tuloksista voi päätellä monenlaisia asioita.

Internetin käyttäjien lukumäärä kertoo valtion kehittyneisyydestä ja siitä, kuinka hyvin sen kansalaiset ovat yhteydessä ulkopuoliseen maailmaan.  Konfliktien määrä taas voi kertoa valtion sisäisestä vakaudesta ja sen suhteista naapurivaltioihin. Jos konflikteja on paljon ja ne ovat laajoja halkaisijaltaan, maata voidaan pitää melko epävakaana. Konfliktit saattavat johtua esimerkiksi luonnonvaroihin liittyvistä kysymyksistä tai yhteenotoista hallituksen ja kansalaisten välillä. Toisaalta myös esimerkiksi timantti- ja öljykentät voivat tuoda varallisuutta maihin, mikä voi vähentää konflikteja ja lisätä internetin käyttäjien lukumäärää. Tämä voi toisaalta myös päteä toisinpäin, sillä öljy aiheuttaa usein konflikteja ja  ulkopuoliset maat saattavat sekaantua konfliktiin, mikä lisää konflikteja entisestään.

Tulvaindeksi

Kurssikerran lopusta jäi aikaa omalle työskentelylle. Kerkesin aloittaa alla näkyvää koropleettikarttaa, jonka tein loppuun seuraavana päivänä. Vaikka alku tuntui hankalalta, enkä tiennyt mistä lähteä liikkeelle, sain kuitenkin aika nätin kartan aikaiseksi. Kartta (kuva 1) esittää tulvaindeksin eri valuma-alueilla ja valuma-alueiden järvisyysprosentin. Tulvaindeksi on saatu jakamalla keskiylivirtaama keskialivirtaamalla.

 

Järvisyysprosentin kartalla olisi voinut esittää käyttämällä myös pylväsdiagrammia. Yritin aluksi tehdä pylväsdiagrammin, mutta en löytänyt QGIS:stä mitään selkeää ja loogista asteikkoa, jolla esittäisin järvisyysprosentin kartalla. Sama ongelma oli myös Lotta Mattilalla blogissaan (2021). Ympyrädiagrammi oli siinä mielessä helpompi, sillä siinä erikokoiset pallot vastaavat eri prosenttiosuuksia. Valitsin kartalle sinisen sävyn samoin kuin Ville Väisänen oli tehnyt blogissaan (2021), sillä olen samoilla linjoilla hänen kanssaan siitä, että se on luonnollinen kuvaamaan veteen liittyviä muuttujia.

Nimensä mukaisesti kartta esittää tulvaindeksiä ja järvisyysprosenttia Suomen valuma-alueilla. Järvisyysprosentti tarkoittaa järvien prosentuaalista osuutta valuma-alueen pinta-alasta. Tulvaindeksi kertoo uoman virtaaman vaihtelua ja se ottaa huomioon sekä kuivimmat että sateisimmat kaudet. Kartasta huomaa, että tulvaindeksi on suurin Etelä-Suomen rannikkoalueella sekä Pohjanmaan rannikkoalueella. Tämä voi johtua siitä, että Suomen rannikkoalueilla sijaitsee paljon jokia, jotka laskevat mereen. Joet tulvivat herkästi erityisesti kevättalvella, mikä aiheuttaa suuren tulvaindeksin. Pienin tulvaindeksi on sisämaan ei-rannikkoalueilla. Toisaalta näillä alueilla järvisyys on suurinta. En keksinyt tälle syytä, mutta Lotta oli kirjottanut blogissaan onneksi tietämättömyydelleni vastauksen: “On loogista, ettei rannikolla ole yhtä paljon järviä, koska jokien vedet eivät kasaannu maaperässä oleviin painaumiin, vaan valuvat mereen.”. Tämä kuulostaa varsin oikealta vastaukselta.

Lähteet:

Kolmas kurssikerta, Lotta Mattilan blogi (2021). <https://blogs.helsinki.fi/lottmatt/> luettu 5.2.2021.

Väisänen, Ville (2021). Kurssiblogi <https://blogs.helsinki.fi/villvais/> . Luettu 7.2.2021.

<https://www.vesi.fi/sanasto/jarvisyysprosentti/>. Luettu 5.2.2021.