Category: Uncategorized

Kurssikerran aluksi latasimme Epicollect 5 -sovelluksen puhelimeen, jonne keräsimme dataa Kumpulan lähimaastosta 3-4 hengen ryhmissä. Oman ryhmäni kanssa kiersimme Kumpulan kampukselta Unisportin ohi Kumpulan puutaloalueelle ja sieltä Kustaa Vaasan tietä pitkin takaisin kampukselle. Sovellukseen kirjattiin tieto koordinaateista, jonne arvioimme mm. pisteen turvallisuutta ja viihtyisyyttä jalankulkuijoiden näkökulmasta asteikolla 1-5. Toimme pistedatan valmiiseen QGIS-projektiin, josta näimme helposti, missä olimme liikkuneet.

Halusimme tutkailla turvallisuuden kokemuksia interpolation-työkalua käyttämällä (periaatteena se, että lähellä toisiaan olevat kohteet ovat enemmän samankaltaisia kuin kaukana toisistaan olevat kohteet). Kuvassa 1 sinisellä näkyy turvallisimmaksi koetut alueet ja punaoranssilla turvattomimmiksi koetut alueet.

 

Itsenäistehtävissä harjoittelimme tekstimuotoisten tiedostojen, kuten CSV-tiedostojen tuomista QGIS-ohjelmaan sekä interpolointityökalun käyttöä. Tehtävänä oli tuottaa kolme vapaavalintaista karttaa hasardeista, joita voisi käyttää opetuksen tukena vaikkapa peruskoulussa. Kuvassa 2 näkyy Afrikan manteereelle vuodesta 1950 iskeytyneet meteoriitit, kuvassa 3 vuosina 1950-2023 tapahtuneet yli 5 magnitudin maanjäristykset maapallolla sekä kuvassa 4 Kaakkois-Aasian tulivuorenpurkaukset 1980-luvulta lähtien. Yritin interpoloida erityisesti maanjäristyksiä magnitudiarvojen mukaan, mutta tämä ei millään onnistunut, vaikka yritin seurata EpiCollect-tehtävän ohjeistusta. Tuskailimme Loviisa Majurin kanssa interpoloinnin parissa, emmekä Artun neuvoista huolimatta saaneet visualisoitua järistyksien magnitudieroja paremmin, vaan jouduimme tyytymään köykäisiin esiintyvyyspalluroihin. Interpoloinnin kanssa piti olla tarkkana, että käytössä on projektissa käytettävä projektio, asteet piti muuttaa metreiksi, interpoloitava alue ei voinut olla liian suuri ja pikselikoko ei voinut olla pieni, sillä käsiteltävien rivien määrä olisi noussut kymmeniin tuhansiin ja se olisi ollut QGIS:lle liikaa. Pelkästään 1950-luvun jälkeen tapahtuneiden maanjäristysten globaalin esiintymisen visualisoiminen kartaksi oli hyvin hidasta ja sain pelätä, milloin koko ohjelma kaatuu. Järkevää on siis pitää aineiston ja rivien määrä kohtuullisena, ettei tuki koko ohjelmaa.

Karttojen tekeminen oli hauskaa, kun sai itse päättää aineiston ja rajata sen mielensä mukaan. Lopputulokset ovat vähän aneemisen näköisiä verrattuna esimerkiksi Heikki Säntin kuudennen kurssikerran tuotoksiin (2024). Hänen kartoissaan on hieno visuaalinen ilme, josta inspiroiduin ja aion panostaa itsekin visuaalisuuteen enemmän. Erityisesti opetuskäytössä visuaalisuuteen panostaminen on tärkeää.

 

Lähteet:

Maanjäristystietokanta. Earthquake Hazards Program. USGS. Viitattu 20.2.2024. https://earthquake.usgs.gov/earthquakes/search/

Meteoriittitietokanta. Meteorite landings. NASA. Viitattu 20.2.2024 https://data.nasa.gov/Space-Science/Meteorite-Landings/gh4g-9sfh

Säntti, H. (2024). Kuudes kurssikerta. Heiggi´s blog. Viitattu 21.2.2024 https://blogs.helsinki.fi/hksantti/2024/02/20/kuudes-kurssikerta/

Tulivuoritietokanta. Natural Hazards. NOAA. Viitattu 20.2.2024 https://www.ngdc.noaa.gov/hazel/view/hazards/volcano/event-data?maxYear=2023&minYear=1980

Tällä kerralla keskityimme buffereiden tekemiseen itsenäisesti QGIS-ohjelmalla ja viime kerralla Arttu ehdottikin hyvien tsemppieväiden mukaanottamista; niistä oli hyötyä. Edellisen kerran tallennetuista aineistosta minulla ei avautunut kuin osa layereista QGIS-ohjelmassa, ja samaa vaivaa ilmeni muillakin kurssikavereilla. Arttu oli varautunut tähän ja saimme käyttää valmista aineistoa ensimmäisen harjoituksen tekemiseen, jossa harjoittelimme lyhyesti buffereiden tekemistä yhdessä.Ensimmäisessä itsenäisessä tehtävässä käsiteltiin Helsinki-Vantaan sekä Malmin lentokenttien melualueita. Loimme buffereita eri desibeliarvoilla ja etäisyyksillä ja tutkimme, kuinka monta ihmistä asuu näillä bufferialueilla. Bufferointi on hyödyllistä, kun halutaan tarkastella tietyllä etäisyydellä olevia kohteita sekä saada hyödyllistä tietoa eri aineistojen yhtymäkohdista, kuten Antti Pihlavisto kirjoittaa blogissaan (2024).

Bufferitehtävissä korvaamattomana apuna toimivat statistics panel, select by features -toiminto ja field calculator. Statistics panelista pystyi suoraan tarkastelemaan valitun alueen asukasmääriä ja muuta dataa, eikä niitä tarvinut erikseen alkaa laskemaan. Select by location/value -toiminnoilla sai aika intuitiivisesti valittua halutut alueet ja arvot, joille bufferin halusi luoda.

Gaius Erikssonin blogista huomasin, että karttalehden ulkopuoliset asemat olisi pitänyt rajata bufferoinnin ulkopuolelle Reshape features -työkalulla, mutta tätä en tajunnut tehdä, vaan kaikki asemat olivat mukana laskuissani, mikä vääristää tulosta. Työikäisten määrän laskin pääkaupunkiseudun työikäisistä ja field calculatorissa laskin ikäryhmät yhteen 15-vuotiaista 64-vuotiaisiin.

Tällä harjoituskerralla oma huomioni herpaantui erityisesti aineistojen rajaamisen kohdalla, en lukenut kunnolla tehtävänantoja ja näin ollen saamani tulokset ovat osin virheellisiä. Kaiken kaikkiaan itse tekeminen oli opettavaista, hauskaa ja samalla hieman kuormittavaa. Olen selvästi kehittynyt QGIS:in käytössä, mutta olen pääosin välttänyt lisätehtävien ja haastavampien tehtävien tekemisessä, mikä kyllä näkyy suoraan taidoissani. Muiden blogeja lukemalla kuitenkin saa jonkinlaista näkökulmaa siihen, kuinka hyvin tehtäviä voisi tehdä.

 

Lähteet:

Eriksson, G. (2024). MAA202 Viides viikko. Gaiuksen kurssiblogi. Viitattu 21.2.2024. https://blogs.helsinki.fi/ezgaius/2024/02/13/maa202-neljas-viikko-2/

Pihlavisto, A. (2024). Viides kurssikerta. Antin GIS-blogi. Viitattu 21.2.2024. https://blogs.helsinki.fi/anttipih/

 

Neljännellä kurssikerralla tutustuttiin tarkemmin rasteriaineistoihin ja opettelimme ruututeemakarttojen tekemistä vektorimuotoisten pisteaineistojen pohjalta. Lisäksi digitoimme asutusta ja tiestöä rasteriaineiston pohjalta  Pornaisten alueelta, ja tätä tehtävää aiomme jatkaa seuraavalla kerralla.

Tehtävä 1.

Toimme QGIS-ohjelmaan valmiin projektin, joka käsitti tietoa pääkaupunkiseudun asukasluvuista sekä ulkomaankansalaisten, ruotsinkielisten ja muunkielisten osuuksista. Halusimme visualidoida ruudukon avulla ruotsinkielisen väestön sijoittumista pääkaupunkiseudulla, minkä toteutimme absoluuttisilla ruotsia puhuvien ihmisten lukumäärillä. Tämä ei kuitenkaan ollut paras tapa visualisoida ruotsinkielisten osuutta, sillä mitä enemmän alueella asui ihmisiä, sitä enemmän siellä myös oli ruotsinkielisiä. Näin ollen kartta näytti siltä, että väkirikkailla alueilla olisi myös erityisen paljon ruotsinkielisiä.  Siksi Arttu antoikin kotitehtäväksi suhteellisuuden huomioivan kartan tekemisen, ja tähän teemakarttaan (kuva 2) valitsin aiheeksi ruotsinkielisten suhteellisen osuuden alueen väkiluvusta. Tämä visualisoi tutkimusaihetta hieman tarkemmin, ja esimerkiksi Kaunaisiin sijoittuva ruutu näyttää kartassa tummimmansiniseltä. Yhdyn Gaius Erikssonin mielipiteeseen siitä, että koropleettikartat visualisoivat ilmiöitä mielestäni lähtökohtaisesti ruututeemakarttoja paremmin ja tarkemmin, sillä hyvin harvaa ilmiötä voi rajata ruutumaisten alueiden sisälle (Eriksson, 2024).

 

 

 

 

 

 

 

 

 

 

 

Tehtävä 2.

Toisessa harjoituksessa toimme rasteriaineistoa QGIS-ohjelmaan muistini mukaan ensimmäistä kertaa ja perehdyimme tarkemmin rinnevalovarjostetekniikkaan ja laserkeilaukseen. Artun ohjeistuksella loimme valmiille, mutta korkeuskäyriä vaille olevalle karttalehdelle rinnevalovarjosteen avulla käyrät itse (kuva 3). Lisäksi aloimme digitoida Pornaisten karttalehdelle tiestöä ja asutusta seuraavaa kertaa varten, ja onneksi digitoiminen tuli jo lähes selkäytimestä toisen periodin CorelDraw-rupeaman jäljiltä.

 

Lähteet:

Eriksson, G. (2024). MAA202 Neljäs viikko. Gaiuksen kurssiblogi. Viitattu 20.2.2024. https://blogs.helsinki.fi/ezgaius/2024/02/06/maa202-neljas-viikko/

Kolmannella harjoituskerralla harjoittelimme tietokantaliitoksien tekemistä ensin ohjatusti ja sitten itsenäisesti. Ohjatussa harjoituksessa liitimme Afrikan valtiot käsittävään tietokantaan lisää sarakkeita, kuten tiedot timanttivaroista, väestömäärästä, konfliktien määrästä, öljykentistä sekä siitä, kuinka monena vuonna kussakin valtiossa on esiintynyt konflikteja. Lisäksi yhdistimme pohjakartan kohteet niin, että jokaisella valtiolla oli attribuuttitaulukossa vain yksi rivi, mikä helpotti muiden tehtävien kanssa operoimista. Nämä tehtiin QGIS-ohjelman aggregate-työkalua käyttämällä.

 

Harjoitus 1.

Kuvan 1 kartasta voi nähdä, että timanttivarojen ja öljykenttien alueilla on esiintynyt konfikteja, mutta toisaalta niitä esiintyy paljon muuallakin. Tutkailimme harjoituskerralla konfliktien ilmenemisvuosia ja yritimme löytää riippuvuussuhteita luonnonvarojen konfliktien välillä, mutta silmämääräisesti tällainen on hankalaa. Jos olisimme tutkineet tarkemmin luonnonvarojen löytämisvuosia ja konfliktien ilmenemisvuosia, voisi korrelaation löytyminen olla todennäköisempää kuin pelkästään luonnonvarojen ja konfliktien sijaintia tarkastelemalla. Julia Olenius mainitsee blogissaan, että erityisesti luonnonvarojen löytämisen jälkeisten vuosien tarkastelu voisi olla hedelmällistä riippuvuussuhteiden löytämiseksi.

 

 

Harjoitus 2.

Toinen harjoitus tehtiin itsenäisesti ja siinä tarkasteltiin Suomen valuma-alueiden tulvaherkkyyttä. Laskimme alueiden tulvaindeksit ja yhdistimme ne valuma-alueen attribuuttitauluun, minkä pohjalta loimme koropleettikartan (kuva 2) tulvaherkkyydestä.  Kartan perusteella voisi sanoa rannikkoalueiden olevan tulvaherkimpiä, mikä voi johtua pienistä korkeuseroista (esim. tasainen ja alava Pohjanmaa). Toisaalta näillä alueilla on myös suuria Itämeren eri osiin laskevia jokia, jotka voivat näkyä suuren tulvaindeksin osatekijöinä. Järvisten alueiden kuten Järvi-Suomen tulvaindeksi on pieni, sillä valuma-alueen järvet tasaavat virtaamaa ja vähentävät tulvaherkkyyttä.

 

Lisäksi oli tarkoitus havainnollistaa valuma-alueiden järvisyyttä diagrammien avuilla. Aloin tekemään ystäväni Julia Oleniuksen kanssa yksinkertaisempaa versiota, mutta vahingossa laskimme itse järvisyysprosentin ja maa-alueiden osuuden, minkä pohjalta oli helppo luoda ympyrädiagrammit kartalle. Nämä kuvaavat osuutta mielestäni ymmärrettävämmin kuin pelkkä historammi. Ympyrädiagrammit vahvistavat hypoteesini järvisyyden vaikutuksesta tulvaherkkyyteen, sillä mitä suurempi järvien osuus on pinta-alasta, sitä pienempi tulvaindeksi (kuva 3).

Lähteet:

Olenius, Julia (2024). Julian GIS-blogi. Timantteja ja tulvia (3. kurssikerta). https://blogs.helsinki.fi/jolenius/. Viitattu 5.2.2024.

Toisella harjoituskerralla tutustuimme tarkemmin karttaprojektioihin ja visualisoimme niiden eroavaisuuksia QGIS-ohjelmalla. Harjoittelimme myös WFS-muotoisen datan hakemista QGIS-ohjelmaan rajapinnan kautta ja pysyin kyllä perässä, kun tämä tehtiin yhdessä luennolla, mutta jos haluaisin tehdä tämän itsekseni, tarvitsisin varmasti kirjalliset ohjeet. Käytimme QGIS-ohjelmassa myös itselleni uusia toimintoja, joilla pystyi valitsemaan karttatasoista tutkittavaksi tietyt alueet erinäisten piirtotyökalujen avulla sekä opimme laskemaan matkaa ja pinta-alaa,

Ensimmäisenä harjoituksena vertailimme QGIS-ohjelmalla eri maailmankarttaprojektioiden aiheuttamia mittakaavaeroja Suomen kartalla. Eri projektioita käytettäessä erot pinta-aloissa ja välimatkoissa saattoivat olla satakertaisia; oli valaisevaa huomata käytännössä, kuinka suuri merkitys oikeanlaisen projektion valinnalla voi olla. Omat tulokseni katosivat harjoituskerralla, sillä projektiota vaihdettaessa mittakaavatyökalu ei pysynyt oikeassa kohdassa, vaikka kokeilimme asiaa opettajan kanssa yhdessä. Tulokset (kuva 1) ovat siis vieruskaverini Loviisa Majurin, jonka kanssa tein tehtävän loppuun.

Toisena harjoituksena vertailimme Mercatorin projektiota TM35-FIN-projektioon ja teimme koropleettikartan, joka kertoo kuinka moninkertaisena pinta-ala Mercatorin projektiossa näkyy verrattuna TM35-FIN-projektioon. Kartasta (kuva 2) käy helposti ilmi, että pohjoiset alueet vääristyvät eniten, mikä johtuu kyseisen lieriöprojektion napavääristymästä. Suurin lukuarvo kartan legendassa kertoo suurimmasta vääristymästä. Opettaja Arttu Paarlahti havainnollisti MAA-104-kurssilta tuttua projektiota hansikasmytyllä ja paperilla, jossa paperi sivuaa vain mytyn “ekvaattoria”, ja napa-alueita kohti paperi joutuu taittumaan.

Toiseksi vertailtavaksi projektioksi valitsin Robinsonin projektion, jossa pinta-alat eivät vääristyneet paljoakaan, mutta Suomi-neidon profiili koki muodonmuutoksen. Jälkikäteen muiden blogeja lueskellessa tajusin, ettei omani tosiaankaan ole Robinsonin projektio vaan olen varmaankin käyttänyt jotakin toista projektiota, mutta nimennyt sen karttaani vahingossa Robinsoniksi (amatööri). Veera Matikainen kirjoittaa blogissaan siitä, kuinka hän olisi voinut valita Robinsonin projektio -kartalleen erilaiset värit, sillä Mercator-projektion mittakaavavirheet ovat paljon suuremmat ja nyt ne on esitetty samoilla värisävyillä. Olisin itse voinut tehdä saman, joten ensi kertaan.

Jos tästä kerrasta jotakin opin, niin on oltava täysin hereillä harjoituskerroilla, sillä yhden askeleen skippaaminen on miltei katastrofaalista ja omin avuin on hankalaa kiriä muut kiinni. Minun on oltava jatkossa myös huolellisempi, sillä esitin nyt Robinsonin projektiona jonkun ihan muun projektion, joka pitää varmaankin käydä jälkikäteen selvittämässä.

 

 

Lähteet:

Majuri, Loviisa (2024).  Loviisan blogi. Toinen kurssikerta – karttaprojektioita ja mittakaavavirheitä. https://blogs.helsinki.fi/loviisam/2024/01/29/toinen-kurssikerta-karttaprojektioita-ja-mittakaavavirheita/ (31.1.2024)

Matikainen, Veera (2024). Veeran GIS-blogi :). Toinen kurssikerta. https://blogs.helsinki.fi/veematik/2024/01/26/toinen-kurssikerta/ (31.1.2024)

Ensimmäisellä kurssikerralla tutustuttiin QGIS-ohjelmaan ja kerrattiin paikkatiedon rakentumista sekä rasteri- ja vektorimuotoisten paikkatietoaineistojen ominaisuuksia. Teoriaosuuden jälkeen tutustuimme tarkemmin MAA-104 kurssilta jokseenkin tuttuun QGIS-ohjelmaan, jonka käyttämiseen sai oikein hyviä ja käytännöllisiä vinkkejä opettajalta. Omalle kotikoneelleni olin ladannut ohjelmasta version 3.28 Firenze.

 

Tehtävä 1.

Harjoitusryhmässä jokaisen oli tarkoitus tutustua annetun aineiston perusteella Itämeren valtioiden typpipäästöihin QGIS-ohjelmalla. Tarkoituksena oli luoda visuaalisesti ymmärrettävä koropleettikartta, joka tehtiin harjoituksen vuoksi varsin opettajajohtoisesti. Tämä oli hyödyllistä, sillä pelkästään kirjallista ohjetta noudattamalla minulla olisi varmasti mennyt moninkertainen aika kartan tekemiseen. Ongelmia koropleettikartan tekemisessä ei juuri ollut, mutta legendan otsikon rivitys kahdelle riville on edelleenkin minulle täysi mysteeri. Huomasin Pietu Nuortimon blogista, että hän oli kuitenki onnistunut tässä rivittämisessä, joten minunkin on mahdollista oppia kyseinen konsti.

Olen lopputulokseen kuitenkin tyytyväinen, valtioiden rajojen värin muuttaminen kaunisti karttaa (kuva 1). Punainen väri pomppaa aggressiivisesti esiin, mikä toisaalta paljastaa kartantekijän asenteellisuuden: Puola suurimpana päästöjen aiheuttajana erottuu selkeästi. Kartan ulkoasussa häiritsee ainakin se, että muut merialueet kuin Itämeri näkyvät kartassa valkoisella, mutta taitoni eivät riittäneet niiden värin muuttamiseen.

Saksan osuus päästöistä hämmensi aluksi, sillä suurena maatalousmaana olisin kuvitellut päästöjen olevan suuremmat. Suhteellisen pieni Itämeri-rantaviiva saattaa selittää suhdeluvun. Muista Itämeren valtiosta poiketen Virolla on suhteessa pienimmät päästöt, minkä syihin olisi kiinnostavaa tutustua syvemminkin.

 

Tehtävä 2. 

Toinen tehtävä tuotti heti hankaluuksia, kun yritin operoida aineistojen kanssa itse kotona. Sain ladattua QGIS:iin aineiston, mutta en millään meinannut tajuta, miten saisin tarkasteltavan aineiston näkymään kunnittain. Lopulta “Properties”-kohta pelasti minut ja tutustuin alle 15-vuotiaiden määrään kunnittain Suomessa. Säädin väriasteikkoa hieman erottuvuuden vuoksi, ja kartta näyttää mielestäni aika selkeältä, vaikka luokkia onkin melko paljon (kuva 2). Luokkia oisi selkeyden vuoksi voinut laittaa vähemmänkin, mutta toisaalta vaihteluväli olisi kasvanut tässä melko suureksi suhteessa siihen, kuinka suuri on aineistossa ilmenevä maksimiarvo (30,8%).

 

Lähteet:

Nuortamo, P. (2024). Ensimmäinen kurssikerta. Viitattu 22.1.2024. https://blogs.helsinki.fi/pietunuo/

 

Welcome to Blogipalvelut. This is your first post. Edit or delete it, then start blogging!