Kurssikerta 7

Viimeinen kurssikerta ja aivot solmussa… sekä lopulta yllättävää onnistumisen riemua!

Viimeisen kurssikerran aiheena oli tehdä kartta valitsemastaan kohteesta. Kurssikertaan oli syytä valmistautua etukäteen. Itselläni tämä vaihe jäi puutteelliseksi, koska olin vielä niin kiinni kurssikerta 5:n tehtävissä, etten pystynyt ajattelemaan vielä näin suurta uutta kokonaisuutta. Etsin ja latasin kuitenkin ennakkoon Suomesta yhden karttalehden maastotietokannan ja korkeusmallit, mutta en ollut keksinyt mitään järkevää aihetta mitä vertailisin kartoilla enkä lopulta halunnut tehdä karttaa ko. aineistoista. Mietin useita eri vaihtoehtoja ja päätin tehdä jonkinlaisen väestöä kuvaavan kartan. Löysin hyviä karttoja kyseisistä maista, mutta en tietoa väestöstä oikeassa muodossa. Sen jälkeen taas sain taas miettiä pääni puhki mistä aiheesta teen karttani, varsinkin kun itselläni oli käytettävissä melko rajoitettu aika kyseisen kartan tekemiseen. Valinnanvaraa aiheissa oli niin paljon, kuten myös tietoa internetissä, ja se että osaa sen tiedon sieltä kaivaa vaatiikin välillä jo melkoista salapoliisityötä. Kaiken lisäksi tiedon pitäisi vielä olla tietyssä muodossa. Huoh.

Lopulta päädyin miettimään matkojani maailmalla ja muistelot veivät minut viime kesän reissulle trooppisella Borneon saarella. Unelmani oli nimittäin nähdä siellä orankeja (kuva 1), ei tosin ihan vapaana luonnossa, koska sellaiselle luontoseikkailulle sademetsän syvyyksiin ei matkallamme ollut aikaa, vaan jossakin ns. rehabilitation centressä eli paikassa, jossa orankeja elää kyllä vapaana luonnossa, mutta ne ovat kuitenkin myös tekemisissä ihmisten kanssa.

Kuva 1. Oranki äiti vauvoineen. (lähde: http://www.wildlifeworldwide.com)

Kyseisellä reissulla tosin luonto voitti meidät 1-0 eli orangit kieltäytyivät rehabilitation centren työntekijöiden tarjoamasta “ilmaisesta lounaasta” ja pysyivät sademetsän suojissa. Parempi toki niin, että ruoka löytyy suoraan sademetsästä. Orankien asuinalueita (kuva 2) ajatellessa väistämättä päätyy miettimään luonnontilaisten metsien tilannetta (kuva 3) tai etupäässä niiden pinta-alojen vähenemistä. Malesiassa ja Indonesiassa, jotka jakavat Borneon saaren, kuten myös muualla Kaakkois-Aasiassa, suurin syy sademetsien hakkuisiin on palmuöljyviljelmät. Tästä löytyi sopiva kombo karttojen tekemiseen ja asioiden tutkimiseen!

Kuva 2. Orankien levinneisyysalueet Malesiassa ja Indonesiassa. (lähde: http://bioweb.uwlax.edu/bio203/s2008/ahrens_just/habitat.htm)
Kuva 3. Maailman luonnontilaiset metsät ja palmuöljytehtaiden sijainti.

En ala tässä luennoimaan palmuöljystä sen kummemmin, koska jokainen on varmaan kuullut tuosta nimenomaisesta ainesosasta, jota löytyy lähes puolesta kaikista kaupoissa myytävistä tuotteista ja sitä käytetään myös biodieselin valmistuksessa. Palmuöljyä löytyy muun muassa eineksistä, kekseistä, makeisista, margariineista jne. Palmuöljyn haitallisuudesta sekä ympäristölle että terveydelle kiistellään paljon, mutta varmaa on ainakin se, että orangit ovat huonossa asemassa elinalueidensa supistuessa palmuöljyviljelmien vallatessa lisää tilaa sademetsistä. Otin lähempään tarkasteluun Borneon (kuva 4) ja Sumatran saaret (kuva 5), joilla orangit elävät.

Kuva 4. Borneon saari, joka jakautuu Malesian, Brunein ja Indonesian kesken.

Molemmilla saarilla tarkastelin palmuöljytehtaiden ja luonnontilaisten metsien sijaintia. Borneon saarelta en valitettavasti löytänyt sellaista orankien suojelualueiden karttaa, jonka olisin vielä voinut lisätä yhdeksi karttatasoksi.

Itse asiassa WWF:n sivuilla sanotaan, että yli 50% Borneon orangeista on suojelualueiden ulkopuolella, metsissä, joita johtavat hakkuu-, palmuöljy- ja kaivosyhtiöt. Myöskään suojelualueet eivät ole Borneolla turvassa, koska suojelualueiden rajat eivät ole usein selkeästi merkittyjä ja siitä johtuen niitä on vaikea valvoa. Monissa puistoissa ei ole myöskään tarpeeksi henkilökuntaa tai rahoitusta. Niinpä palmuöljy- ja hakkuuyhtiöt ovat päässeet tunkeutumaan kaikkiin puistoihin.

Kuva 5. Sumatran saari, Indonesia.

Sumatran saarella sijaitsee Indonesia Leyser Ecosystem -suojelualue, joka on merkitty karttaan vaaleammalla vihreän sävyllä. Kyseinen suojelualue on kolme kertaa Yellowstonen kokoinen ja se on viimeinen paikka maapallolla, jossa sumatranorangit, tiikerit, elefantit, sarvikuonot ja malaijinkarhut elävät yhdessä luonnossa. (globalconversavation.org). Ikävä kyllä palmuöljytehtaat tunkeutuvat lähes joka suunnasta suojelualueen reunoille.

Palmuöljybisnes on todella tärkeä tulonlähde Indonesian valtiolle, joka on ylivoimaisesti suurin palmuöljyn tuottaja maailmassa.  Malesia tulee perässä toiseksi suurimpana tuottajamaana ja ero kolmantena olevaan Thaimaahan on valtava, saati sitten siitä seuraaviin maihin. Pahoin pelkään, että Sumatran ja Borneon saarilla, orangit ja muut eläimet sekä sademetsät, häviävät tämän taistelun ihmisten loputonta rahanhimoa ja palmuöljyviljelmiä vastaan. Jos haluat kokea ainutlaatuisen sademetsäseikkailun – Go before it’s too late!

Actualitix -tilastosivuston mukaan kolme suurinta tuottajamaata ovat vuoden 2013 tiedoilla:

1 – Indonesia – Palm oil – Production (Tons) was 26,895,500 Tons in 2013
2 – Malaysia – Palm oil – Production (Tons) was 19,216,500 Tons in 2013
3 – Thailand – Palm oil – Production (Tons) was 1,970,000 Tons in 2013

Halusin tehdä myös kartan palmuöljyn tuotantoon (kuva 6) liittyen ja alkuun löysin kyllä taas paljon tietoa, mutta en aina valitettavasti oikeassa muodossa ja jälleen kerran minulla oli vaikeuksia csv-tiedostojen kanssa. Mutta voi että, mikä riemun tunne olikaan, kun sain lopulta tehtyä haluamani kartan – ja tällä kertaa täysin itsenäisesti! Taisin jopa flossata innostuksissani!  😀 Voin taas vaan painottaa sitä, että kertaus on opintojen äiti ja tekemällä oppii parhaiten. Tämän viikon olen viettänyt niin intensiivisesti QGis:n kanssa, että lopulta siitä on ollut hyötyä ja näitä karttoja oli jopa ilo tehdä!

Kuva 6. Palmuöljyn tuottajamaat v. 2013, tuotanto tonneissa.

Lopuksi vielä pari karttaa, jotka tein luonnontilaisten metsien pinta-alan muutosta kuvaamaan. Ensimmäinen kartta (kuva 7) on Kaakkois-Aasiasta ja toinen (kuva 8) Pohjois- ja Etelä-Amerikasta. Tilastot eivät ole kaunista katsottavaa 🙁

Kuva 7. Luonnontilaisten metsien pinta-alan muutos v. 2000-2016 hehtaareissa.
Kuva 8. Luonnontilaisten metsien pinta-alan muutos v. 2000-2016 hehtaareissa.

Tässäpä tämä viimeinen blogikirjoitus! Kurssi oli ainakin itselleni työläs ja aiheutti ehkä muutamia harmaita hiuksia ja ryppyjä kasvoihin, mutta lopulta jäi kuitenkin ihan hyvä fiilis. Jännittää vaan hieman, että muistanko enää mitään näistä asioista siinä vaiheessa, kun seuraava GIS-kurssi alkaa…

Tällä kurssikerralla aiheet ja kartat ovat niin erilaisia, ettei toisten kurssilaisten kartoista voi välttämättä saada ahaa-elämyksiä, koska ei ole itse tehnyt niitä samoja karttoja, mutta Amelian kartat Kaliforniasta olivat mielestäni informatiivisia ja kiinnostavia.

Kiitos kaikille, jotka ovat jaksaneet lukea kirjoituksiani ja myös minuun viitanneille! 🙂

Ps. Tulipa muuten huono omatunto, kun tätä kirjoittaessani söin samalla Maltesers -suklaapalloja ja päätin vilkaista tuoteselostusta. Mitäpä sieltä löytyikään… no palmuöljyä tietenkin!

 

Lähteet:

Cardwell, Amelia: Viikko 7: Yhdysvaltojen kultainen osavaltio, https://blogs.helsinki.fi/amca/ luettu 2.3.2019.

Intact Forest Landscapes, http://intactforests.org/data.ifl.html, luettu 1.3.2019

Global Forest Watch, http://data.globalforestwatch.org, luettu 1.3.2019

Actualitix. World Atlas – Statistics by country, https://en.actualitix.com/, luettu 1.3.2019

WWF, http://wwf.panda.org/knowledge_hub/endangered_species/great_apes/orangutans/, luettu 1.3.2019.

Global Conservation, http://globalconservation.org/projects/leuser-national-park-indonesia/, luettu 1.3.2019.

 

 

 

Kurssikerta 6

Kenttätöitä, pisteaineistoja ja hasardeja

Tätä kurssikertaa varten piti ladata ennakkoon EpiCollect5 sovellus, jota käyttäisimme kurssikerralla pienimuotoisessa kenttätyössä. Oli ihan virkistävää vaihteeksi lähteä ulkoilmaan keräämään tietoa ko. sovelluksen avulla. Tosin sää ei ollut kaikista paras siihen. Keräsimme siis tietoja eri paikoista Kumpulan ympäristöstä sovellukseen, jossa kysyttiin mielipidettä mm. alueen turvallisuuteen liittyen. Palattuamme luokkaan tutkimme yhdessä saamiamme tuloksia QGis:ssä. Itse kerätyn paikkatiedon tutkiminen oli mielenkiintoista ja teimme siihen liittyen kartan Kumpulan alueen turvallisuudesta (kuva 1). Kartassa näkyvä interpolointi, joka huomioi pisteiden lukumäärän sekä pisteiden saamien arvojen perusteella mitä laitetaan kohtiin, joista ei ole kerätyssä aineistossa tietoa, jäi minulle hieman epäselväksi enkä osannut hyödyntää sitä enää myöhemmin.

Kuva 1. Kumpulan alueella koettu turvallisuus EpiCollect5:n avulla keräämiemme tietojen mukaisesti.

Kartalta käy ilmi, että varsinkin Hämeentien alue koetaan turvattomaksi, mikä on ymmärrettävää, koska kyseessä on erittäin vilkasliikenteinen tie.

Tämän kurssikerran itsenäisharjoitukset koskivat hasardeja ja niiden alueellista esiintymistä, erityisesti tulivuorten osalta. Näistä oli tarkoitus tehdä kolme erilaista karttaa haluamallaan tavalla. Aihe oli erittäin mielenkiitoinen ja näiden karttojen tekeminen tuntui helpolta, josta syystä epäilen, että olen tehnyt niistä joko todella yksinkertaisia tai sitten en ole vain ymmärtänyt jotain. Tosin en saanut tehtyä ihan sellaisia karttoja kuin alun perin halusin, koska minulla oli usein ongelmia ilmeisesti csv-tiedostojen tallentamisen kanssa eikä ne siitä johtuen avautuneet QGis:ssä. Olin niin innoissani, kun ajattelin kerrankin jonkun tämän kurssin itsenäistyön olevan helppo nakki, etten ehkä keskittynyt ulkonäköseikkoihin tarpeeksi. Mielestäni esimerkiksi Ilona on hienosti tuonut esiin tulivuorten muodon kolmiosymbolina, koska kuten hän mainitsee niin se muistuttaa stereotyyppistä kuvaa tulivuoresta. Itsehän tyydyin vain punaisiin pisteisiin. Ilonan kartoissa on myös hyvä oivallus, että maanjäristyksiä kuvaavan pallon kokoa muuttamalla voi viestittää katsojalle järistyksen voimakkuuden muutosta.

Ensimmäinen karttani (kuva 2) esittää tulivuorten sijaintia maapallolla. Mielestäni tällainen yksinkertainen kartta voi havainnollistaa hyvin tulivuorten runsaan lukumäärän ja sijoittumisen tiettyihin kohtiin maapallolla. Tulivuoret sijaitsevat useimmiten alintyöntövyöhykkeillä, valtamerten keskiselänteillä, merellisillä saarilla ja mantereisillä repeämävyöhykkeillä.

Kuva 2. Tulivuorten sijainti maapallolla.

Tyynenmeren tulirenkaan alueella (kuva 3) tapahtuu noin 90 prosenttia kaikista maanjäristyksistä ja alueella on 75 prosenttia kaikista maailman aktiivisista tulivuorista. Tulivuoritoiminta johtuu laattatektoniikasta (kuva 4). Laatat voivat erkaantua toisistaan, törmätä toisiinsa tai liukua toisiaan vasten. (National Geographic).

Kuva 3. Tyynenmeren tulirengas. (lähde: National Geographic)
Kuva 4. Litosfäärilaatat ja niiden liikesuunnat. (lähde: peda.net)

Seuraavilla kahdella kartalla tarkoitukseni on esittää tulivuorten ja maanjäristysten välistä yhteyttä, joka käy niistä selkeästi ilmi. Ensimmäisessä kartassa (kuva 5) tarkastelen tulivuorten purkausten ja yli 6:n magnitudin maanjäristysten välistä yhteyttä. Kartasta huomaa jo pienessä koossa, kuinka Tyynenmeren tulirenkaan alue loistaa punaisista tulivuorenpurkauksia indikoivista merkeistä ja keltaisista reilun 6 magnitudin maanjäristysten merkeistä. Alueella on toki suurempiakin maanjäristyksiä, mutta varsin paljon pienempiä. Tosin pisteitä on paljon ja suurin osa päällekkäin, joten yritin valita värit niin, että isoimmat erot näkyisivät paremmin. Tyynenmeren alue on todellakin seismisesti hyvin aktiivinen ja siellä on paljon vulkaanista toimintaa.

Kuva 5. Tulivuorten purkausten ja yli 6:n magnitudin maanjäristysten välinen yhteys.

Toisella kartalla (kuva 6) tarkastelen samaa yhteyttä, mutta vähintään 8 magnitudin maanjäristyksillä, joita on jo huomattavasti vähemmän. Käyttämäni aineisto on molemmissa kartoissa tulivuorten purkausten osalta vuodesta 1964 alkaen ja maanjäristysten osalta vuosilta 1980 -2012. Siitä johtuen kartalla ei näy esimerkiksi Nepalissa vuonna 2015 sattunutta tuhoisaa 7,9 magnitudin maanjäristystä.

Kuva 6. Tulivuorten purkausten ja yli 8:n magnitudin välinen yhteys.

En tiedä miten hyvin karttani toimisivat opetuksellisessa mielessä, mutta mielestäni niistä käy kuitenkin ilmi, se että maailmassa on hurja määrä tulivuoria ja ne ovat sijoittuneet lähinnä mannerlaattojen saumakohtiin. Niistä myös huomaa kuinka tulivuorten purkausten ja maanjäristysten välillä on selkeä yhteys ja että 6:n magnitudin maanjäristykset ovat huomattavasti yleisempiä kuin 8 magnitudin.

Ensi kurssikertaan, joka onkin jo viimeinen!

 

Lähteet:

Tuovinen, Ilona: Viikko 6 – itse tuotettua paikkatietoa, https://blogs.helsinki.fi/tuoilona/, luettu 1.3.2019.

National Geographic, https://www.nationalgeographic.org/encyclopedia/ring-fire/, luettu 1.3.2019.

Kuva 4. https://peda.net/oppimateriaalit/e-oppi/lukiot/oulainen/oulaisten-lukio/maantiede2/ops-2003/tellus-3/tellus3-1501152/mjt

 

 

 

 

 

Kurssikerta 5

Itsenäisen työskentelyn tuskanhikeä ja onnen hetkiä

Edellisellä kurssikerralla oli jo mainittu, että tälle kurssikerralle kannattaa ottaa hyvät aivot mukaan, joten olin jo valmiiksi jännittynyt mitä kurssikerta tuokaan tullessaan. Aluksi tutustuimme, jo edelliseltä kurssikerralta tutulta Pornaisten kartalta, viiva- ja alueaineistojen mittaamiseen työkaluilla Sum line lengths, Intersection ja Clip. Sen jälkeen aloimme puskuroinnin eli bufferoinnin harjoittelun käyttämällä Fixed distance buffer -työkalua. Loppuaika tuli tehdä itsenäisiä tehtäviä, jotka tuntuivat heti haasteellisilta enkä saanut niitä tehtyä vielä silloin. Minulla itsenäistehtävät ovat muutenkin ikävä kyllä laahanneet kurssikertojen perässä ja siitä johtuen nämäkin tehtävät saivat odottaa tekijäänsä jonkin aikaa. Ja tästä johtuen asioiden muistamisen kanssa oli taas haastetta.

Tämän kurssikerran tarkoituksena oli testata omaa oppimistaan ja rehellisyyden nimissä on myönnettävä, että itselläni matka sujuvaksi QGis:in taitajaksi on vielä pitkä ja todennäköisesti myös kivikkoinen. Olin jo melkein luopunut toivosta saada aikaan mitään järkevää tuotosta tästä kurssikerrasta ilman, että olin edes kunnolla aloittanut tekemään mitään, mutta pystyin kuitenkin yllättämään itseni sillä, että sain melkein kaikki laskut laskettua ja tehtyä jopa kartankin viimeisiin itsenäistehtäviin liittyen!

Joitakin tehtävien osuuksia en saanut tehtyä, koska ohjelma kaatui koko ajan laskutehtäviä tehdessä ja toisia en vaan osannut tehdä, oheisessa linkissä Itsenäistehtävien vastaukset. Minua myös hämäsi, kun katsoin muiden tuloksia ja niissä oli isoja eroja. Onneksi luin Susannan blogista hänen johtopäätöksensä asiasta: “Tulosten tulisi kuitenkin suurin piirtein olla saman arvoisia, jos on toteuttanut tehtävän oikein ja laskenut oikeita muuttujia. Itse ensimmäisellä kerralla katsoin Spatial Query-taulukosta aivan väärää saraketta (count, eli määrä, vaikka olisi pitänyt seurata saraketta sum, summa), jolloin saamani tulokset olivat aivan puuta heinää.”. Onneksi sain taas vertaistukea (kiitos taas tuhannesti Kia!)  joihinkin ongelmiin liittyen, kuten myös Artulta toisen kurssikerran yhteydessä. Erilaisten karttojen tekeminen QGis:ssä on kuitenkin mielenkiintoista ja haluaisin ymmärtää miksi mitäkin työkalua tulee käyttää ja missä tilanteessa, jotta niiden tekeminen olisi sujuvampaa.

Mielestäni QGis on kuitenkin täynnä erilaisia työkaluja ja menen niistä helposti sekaisin. Kertaus on todellakin opintojen äiti ja vähitellen asiat alkoivat selkiytymään, kun tein samaa tehtävää monta kertaa esimerkiksi siitä johtuen, että ohjelma kaatui enkä ollut tallentanut kaikkea. Bufferointi sujui ainakin ihan hyvin ja sen käyttötarkoituskin tuntui aika selkeältä. Bufferoinnin käyttötarkoituksista Rami kertoo blogikirjoituksessa monipuolisesti ja lisäksi voisin mainita esimerkiksi arkeologiset kohteet tai muuten kulttuurihistoriallisesti arvokkaat kohteet.

Spatial query, Select features by value ja Count points in polygon tulivat ainakin, jos ei ihan tutuiksi niin ainakin tutummiksi, varsinkin uima-altaisiin liittyvää tehtävää tehdessä. Uima-altaisiin liittyvästä kuvasta (kuva 1) unohdin kokonaan pylväiden osuuden, mutta mielestäni kartta ei niitä välttämättä tarvitsekaan.

Kuva 1. Uima-altaat pääkaupunkiseudulla.

Tämä kurssikerta oli todellakin haastava ja tehtävät tuntuivat aluksi vaikeilta, mutta onneksi suurin osa niistä ei ollut ylitsepääsemättömän vaikeita.

 

Lähteet:

Heikkilä, Rami: Kurssikerta viisi, omia polkuja., https://blogs.helsinki.fi/heirami/2019/02/27/kurssikerta-viisi-omia-polkuja/, luettu 28.2.2019.

Kukkavuori, Susanna: Spatiaalisesta kyselystä, https://blogs.helsinki.fi/kukkasus/, luettu 28.2.2019.

 

 

 

Kurssikerta 4

Ruutuja, rasterikarttoja ja lähestyvä hermoromahdus…

Kurssikerta 4 koostui mm. ruutukarttojen tekemisestä, Spatial Query -työkalusta, Join attributes by location -toiminnosta, rasteriaineistoista ja korkeuskäyrien tutkimisesta. Jälleen kerran opetuksen seuraaminen sujui hyvin, mutta itsenäinen tekeminen oli minulle haasteellista ja en syystä tai toisesta saanut kurssikerralla aikaiseksi minkäänlaista muuta karttaa kuin sen mitä teimme yhdessä ja en ollut siihen tuotokseen tyytyväinen. Ja kun vihdoin aloin tekemään erilaisia ruutukarttoja omalla ajallani, edessäni oli kivikkoinen tie, koska aika oli tehnyt tehtävänsä eikä muistiini ollut jäänyt kovin tarkasti, miten mitäkin tehtiin kurssikerran aikana.

Tein erilaisia karttoja ja kokeilin eri ruutukokoja, mutta tähän esiteltäväksi valitsin karttojeni teemoiksi muun kielisten osuuden pääkaupunki-seudulla (kuva 1) ja yli 85-vuotiaiden osuuden pääkaupunkiseudun väestöstä (kuva 2). Valitsin molempiin ruudukon kooksi 1 km X 1 km, koska mielestäni se oli selkeämpi kuin pienempi ruutukoko. Minua kuitenkin hämäsi erot luvuissa, kun vertasin niitä muiden samasta aiheesta tekemiin karttoihin. Johanna Mölsä kirjoittaa blogissaan: “Valitsin tässä tehtävässä luokkarajat kvantiileiksi, jotta aineiston ääripäätkin tulisivat selkeästi esille. Tämän vuoksi on hyvä huomata, että varsinkin ylimmän luokan arvot voivat vaihdella periaatteessa saman väristen ruutujen välillä jopa muutamalla tuhannella. Kartat siis voivat antaa vääristyneen kuvan tiedosta, mikäli tätä ei huomioida niitä tulkittaessa.” Ehkäpä tässä löytyy selitystä miettimääni asiaan.

Kuva 1. Muun kielisten osuudet pääkaupunkiseudulla.

Muun kielisten osuutta pääkaupunkiseudulla käsittelevästä kartasta minulta on jäänyt mainitsematta mitä muun kielisyys tarkoittaa. Asia ei välttämättä ole itsestään selvyys, koska Suomessa virallisia kieliä ovat vain suomi ja ruotsi, mutta väestössä on kuitenkin myös saamea äidinkielenään puhuvia. Kia Kautonen mainitsee blogissaan asiasta ja hän oli myös selvittänyt Tilastokeskuksen sivuilta, että: “Muunkieliseksi henkilöksi katsotaan henkilö, jonka äidinkieli on jokin muu kuin suomi, ruotsi tai saame.”. Olisin voinut muutenkin muokata kartan ulkonäköä niin, että se keskittyisi enemmän ruudukon alueelle. Nyt siinä on mielestäni näkyvissä liikaa tarkasteltavana olevan alueen ympäristöä ja kuntarajat menevät liian pitkälle ja näyttävät siitä johtuen vähän hassuilta.

Helsingin sanomien sivuilta löytyy työkalu, jolla voi tarkistaa kuinka paljon vieraskielisiä on prosentuaalisesti eri alueilla pääkaupunkiseudulla, mikä on kunkin alueen suurin kieliryhmä ja kuinka paljon ko. kielen puhujia on prosentuaalisesti alueen väestöstä. Esimerkiksi Kumpulassa vieraskielisiä on 11%, venäjää puhuvat ovat suurin ryhmä ja heitä on 2 prosenttia.

Ainakin omalla kartallani muun kieliset painottuvat ehkä vähän enemmän idän suuntaan mikä vaikuttaa ihan realistiselta, mutta kieliryhmissä on todennäköisesti paljon eroa riippuen kaupunginosasta johtuen esimerkiksi maahanmuuton syistä. Luulisin, että työperäisen maahanmuuton takia Suomeen tulleet asuvat todennäköisemmin enemmän kantakaupungin alueella kuin pakolaisina maahan muuttaneet, jotka suuremmalta osin asuvat lähiöissä.

Kuva 2. Yli 85-vuotiaiden osuus väestöstä pääkaupunkiseudulla.

Tilastokeskuksen sivuilla väestörakenteen erottelussa käy ilmi, että yli 85-vuotiaiden määrä on kasvanut vuosien 1900 – 2017 välillä 0,1% prosentista 2,7% prosenttiin. Mikä ei tietenkään ole yllätys, koska ihmiset elävät nykyään pidempään. Helsingin kaupungin sivuillakin mainitaan: “Selkeimpänä linjana ikäluokkien kehityksessä on entistä pidempään eläminen, joten 85-89 vuotiaiden ja 90 vuotta täyttäneiden ikäryhmät kasvavat koko ennustekauden ajan.” Samalla sivulla mainitaan myös äidinkielen ja ikääntymisen yhteydestä: “Helsingin ikäihmisistä 88,5 prosenttia oli suomen- tai saamenkielisiä, 7,7 prosenttia ruotsinkielisiä ja 3,8 prosentilla oli jokin muu äidinkieli vuoden 2018 alussa. Ikääntyneissä on koko väestöä jonkin verran enemmän ruotsinkielisiä mutta selvästi vähemmän vieraskielisiä.”

Ruutukartalla yli 85-vuotiaiden osuudet ovat sitä suurempia mitä etelämmäksi mennään ja varsinkin Helsingin kantakaupungin alueella. Toki joitakin suurempia keskittymiä on myös kauempana keskustasta.

Joissakin tapauksissa ruutukartat voivat toimia hyvin ainakin alueellisen jakautuman osalta, mutta aivan tarkkaa kuvaa niistä ei saa mitkä alueet ovat kyseessä. Ainakin omista kartoistani voin tehdä tällaisen tulkinnan.

Samalla kurssikerralla perehdyimme myös rasteriaineistoon, jota latasimme QGIS:iin useammassa osassa ja sen jälkeen yhdistimme ne. Tarkastelimme korkeuskäyriä ja rinnevarjostusta. Kokeilimme myös ensimmäisen kerran piirtämistä QGIS:ssä, piirtämällä Pornaisten kartan päälle tietyn rajauksen alueella olevat talot ja tiet. Talojen piirtäminen kävi ranteeseen melko lailla ja aloin jo pelkäämään viime kesänä vaivanneen rannekanavan pinteen uusiutumista…  Ja kuinkas sitten kävikään, olin tyytyväinen itseeni, että olin vihdoinkin saanut sen valtavan talomäärän piirrettyä ja tallennusvaiheessa tein jonkun mokan eikä talot tallentuneet ollenkaan! Oli hieman tuskaista tehdä sama juttu uudestaan, koska Arttu oli kuitenkin maininnut, että kyseistä karttaa käytetään seuraavalla kurssikerralla.

Kotitehtävänä oli ladata peruskarttalehti samalta Pornaisten alueelta ja laatia korkeusmallin perusteella korkeuskäyrät 5 metrin välein ja verrata niitä peruskarttalehden käyriin. Tarkensin aluetta kartalla Kirkkokallion ja Tapiolan väliselle alueelle (kuva 3). Peruskarttalehden korkeuskäyrät näkyvät kartalla mustilla ja itse rasteriaineistosta tuottamani korkeuskäyrät punaisella. Peruskarttalehden käyrät ovat pelkistetympiä kuin rasteriaineiston, jossa joihinkin kohtiin korkeuskäyrät muuttuivat melkoiseksi “syheröksi” (kuva 4).

Kuva 3. Peruskarttalehti Pornaisista, jossa tarkennus Kirkkokallion ja Tapiolan väliselle alueelle.
Kuva 4. Korkeuskäyrät Kirkkokallion ja Tapiolan väliseltä alueelta.

Seuraavan kurssikerran prosessointi onkin vielä haastavampaa, mutta palaan siihen myöhemmin, koska viikonloppuna pitää myös levätä!

 

Lähteet:

Mölsä, Johanna: Kurssikerta 4, https://blogs.helsinki.fi/johannmo/, luettu 23.2.2019.

Kautonen, Kia: Viikko 4. Ruutuja ja rasteita, https://blogs.helsinki.fi/kautkia/, luettu 23.2.2019.

Helsingin sanomat, Paljonko vieraskielisiä on eri alueilla? -työkalu, https://dynamic.hs.fi/2014/kieliryhmat/, luettu 23.2.2019.

Tilastokeskus, Väestörakenne 31.12., https://www.tilastokeskus.fi/tup/suoluk/suoluk_vaesto.html, luettu 23.2.2019.

Helsingin kaupunki, Ikääntyneet Helsingissä, https://ikaantyneethelsingissa.fi/vaesto_rakenne, luettu 23.2.2019.

 

Kurssikerta 3

Konflikteja Afrikassa ja tulvaindeksejä Suomessa

No jo on, kun ei ihminen tähän ikään mennessä opi virheistään eli täytyy taas muistuttaa itseäni, ettei näitä kirjoituksia kannata pantata oman mielensä perukoilla liian kauan. Tällä kertaa asiaan liittyi myös teknisiä ongelmia järvisyysprosentin suhteen. Rehellisesti sanottuna minulla on nyt ollut sellainen tunne, ettei minun ja QGis:n lupaavasti alkanut yhteistyö olekaan niin auvoista, vaan kivikot ovat tulleet jo tutuksi. Syvä huokaus. Mutta asiaan…

Kurssikerran 3 aluksi aloimme heti toimeen ja tutkimme Afrikkaan liittyvää tietokantaa.  Yhdistelimme aluksi tietokannan tietoja niin että yhtä maata kohti oli lopulta yksi tietokanta useiden tietokantojen sijaan. Toimme myös tietokantaan uutta dataa, tallentamalla ensin kyseisen tiedoston excel-taulukon csv-taulukoksi, jotta liitos on mahdollinen. Tietojen tutkiminen oli mielenkiintoista ja samalla näki konkreettisesti, miten Afrikan arvokkaat luonnonvarat, esimerkiksi tutkimuskohteena olleet maalla olevat öljylähteet ja timantit, vaikuttavat konfliktien määrään. Veritimantit ovat varmasti monelle tuttu esimerkki tällaisesta konfliktista ja aihetta on käsitelty myös viihdeteollisuudessa – ainakin Blood Diamond -elokuva kertoo sisällissodan runtelemasta Sierra Leonesta ja veritimanttibisneksestä.  Timanttikaivosten ja konfliktien välillä on selkeä yhteys. Tosin Etelä-Afrikassa on paljon timanttikaivoksia, mutta ei juurikaan konflikteja verrattuna muihin maihin, johon vaikuttaa epäilemättä Etelä-Afrikan kehittyneisyys. Onhan Etelä-Afrikkaa kutsuttu Afrikan eurooppalaisemmaksi maaksi, eikä varmaan turhaa. Internetkäyttäjien määrät ovat kasvaneet monissa maissa todella paljon tarkasteltavana olevien vuoden 2000 ja 2017 tiedostojen aikana, mutta monilla ei varmasti edelleenkään ole mahdollisuuksia käyttää internetiä. Toivottavasti mahdollisuus käyttää internettiä kuitenkin tuo parannusta asioihin, kuten Sarakin mainitsee blogissaan: “Kun erilaisia ominaisuustietoja vertaili keskenään, oli huomattavissa, että yleisesti timanttikaivosten öljylähteiden määrä oli yhteydessä konflikteihin muutamaa poikkeusta lukuun ottamatta. Internetin suuri käyttömäärä oli yhteydessä konfliktien vähäiseen määrään. Näiden ominaisuustietojen perusteella voidaan siis päätellä, että alueella olevat rikkaudet aiheuttavat konflikteja. Kuitenkin pääsy internetiin tuntuu vähentävän konflikteja.”

Kuva 1. Afrikan mantereella olevat öljykentät, timantit ja konfliktit.

 

Toinen tehtävä oli tehdä tulvaindeksikartta, jolla vertaillaan Suomen vesistöalueiden valuma-alueominaisuuksia ja tulvaherkkyyttä. Sain tehtyä kartan muilta osin kyseisellä kurssikerralla, mutta en ennättänyt tehdä järvisyysprosentin osuutta. Voi ei, siitä aiheutuikin sitten paljon päänsärkyä ja v*******a… Käytin tunteja siihen, että saisin järvisyysprosentin lisättyä, mutta en onnistunut enkä keksinyt missä on vika, vaikka kuinka rasitin asialla hyvää ystävääni googlea. Lopulta oli turvauduttava muuhun apuun ja onneksi kurssikaverini Kia auttoi minua asiassa. Suurkiitokset vielä Kialle!

Pohjanmaan jokien tulvimisesta puhutaan keväisin ja ne johtuvat yleensä lumen sulamisesta ja jään patoutumisesta. Toki maaston muodoilla on myös vaikutusta asiaan, onhan se hyvin alavaa seutua. Keski-Euroopassa tulvat taitavat enemmän johtua rankkasateista, toisin kuin Suomessa. Tekemältäni kartalta (kuva 2) myös huomaa, että tulvaindeksi on suurempi alueilla, joilla järvisyysprosentti on pienempi. Kartan perusteella tulvimista esiintyy rannikkoalueilla, muuallakin kuin Pohjanmaalla. Keski-Suomessa on ainakin paljon järviä, joihin vesi voi varastoitua tulvimisen sijaan.

Kuva 2. Suomen tulvaindeksi ja järvisyysprosentti.

 

Pasi tiivistää asian blogissaan hyvin: “Valuma-alueilla, joissa järvien osuus kokonaispinta-alasta on suuri, on tulvaindeksi vastaavasti pieni, ja päinvastoin. Näin mututuntumalla voisin arvella tämän johtuvan siitä, että pintavesillä on näillä alueilla enemmän tulvavarastoja ja virtaamissuuntia, eivätkä tulvavedet keskity voimakkaasti tiettyihin uomiin. Rannikolla, jossa tulvaindeksi on suurimmillaan, ei järviä esiinny kovin paljon, ja lisäksi suurin osa alueen tulvavesistä valuu samaan suuntaan merelle, mikä lisää uomien virtaamaa tulvimiskausina.”

 

Lähteet:

Saastamoinen, Sara: Harjoituskerta 3, https://blogs.helsinki.fi/saasara/, luettu 15.2.2019.

Okkonen, Pasi: Viikko 3. Tilastotiedon esittämistä kartalla ja muuta kivaa, https://blogs.helsinki.fi/pasiokko/, luettu 15.2.2019.

Kurssikerta 2

Projektioita, lisää projektioita…

Note to self… jos olen jotain toivottavasti oppinut, on se, että blogitekstit kannattaa kirjoittaa mahdollisimman pian kyseisen kurssikerran jälkeen. Näin lähes kaksi viikkoa kurssikerta 2:sen jälkeen täytyy jo muistella hartaasti mitä sillä kerralla teimme. Tässä asiassa apua onneksi löytyy tietenkin Moodlesta ja muiden kurssilaisten blogeista.

Kurssikerta 2:sen aluksi tutustuimme erilaisiin datan lähteisiin, joista lähinnä on jäänyt muistiin se, että aiemmin data oli yleensä maksullista, mutta nykyään se on muuttunut avoimeksi. Ja tietenkin jo kohtalaisen tutuksi tulleet vektori- ja rasteriaineistot (ainakin nimitykseltään, jos ei muuten). Muulta osin minulla ei ollutkaan kyseisistä datan lähteistä mitään tietoa. Aineiston tuottajista ainakin Paituli ja Maanmittauslaitos oli tuttuja jo aiemmilta kursseilta.

Päästyämme itse asiaan eli QGis:n ihmeelliseen maailmaan tutustuimme aluksi erilaisiin valintatyökaluihin, joilla voi esimerkiksi valita kohteita suoraan kartalta tai valita kohteita niiden ominaisuuksien perusteella. Seuraavaksi teimme erilaisia mittauksia, joissa oli tarkoitus tarkastella kuinka projektion valinta vaikuttaa tuloksiin. Mikään projektiohan ei kuvaa maapalloa sellaisena kuin se oikeasti on, vaan niissä on aina vääristymää. Jostain syystä aluksi mittaustyökalujen käyttö oli minulle hankalaa ja vaihtaessani projektiota olin onnistunut hävittämään kartalle aiemmin piirtämäni “hatun” tai viivan. Lopulta sain kuitenkin laskelmat tehtyä (taulukko 1).

Projektio Hatun pinta-ala Erotus % Viivan pituus Erotus %
ETRS89/ETRS-TM35 5266,062 km² 517,919 km
Mollweide 5281,131 km² 0,28 % 628,031 km 21,26
Robinson 7497,069 km² 42,36 % 750,981 km 45,00
Eckert III 8867,627 km² 68,39 % 824,542 km 59,20
Van der Grinten I 23279,564 km² 342,07 % 952,859 km 83,98

Taulukko 1. Eri projektioiden eroja tietyn alueen pinta-alassa ja välimatkassa verrattuna ETRS89/ETRS-TM35 -koordinaatistoon.

Melkoisia eroja samalla pinta-alalla ja välimatkalla riippuen mitä projektiota on käytetty. Iida Lehtonen kertoo blogissaan löytäneensä Tilastokeskuksen sivulta seuraavan tiedon: “Karttaprojektioiden valinta riippuu siitä, mitä kartalla halutaan kuvata. Esimerkiksi WGS84-projektio sopii koko maapalloa kuvaaviin karttaesityksiin, kun taas Suomen tarkasteluun sopii yleiseurooppalaisesta koordinaattijärjestelmästä johdettua kansallista ETRS-TM35FIN-tasokoordinaatisto.” Tämä selvittää asiaa hyvin tiivistetysti.

Tein myös kartan, jolla näkyy pinta-alojen vääristymä Mercatorin ja Lambertin projektioiden välillä (kuva 1), josta käy ilmi hyvin Mercatorin projektion vääristymä mitä pohjoisemmaksi mennään. Olen ihan tyytyväinen kartan ulkonäköön ja väritys on mielestäni silmille lempeä.

Kuva 1. Prosentuaalinen pinta-alojen vääristymä Mercatorin ja Lambertin projektioiden välillä.

 

Olen tiennyt, että projektioita on useita, mutta tällä kurssikerralla asia selkiytyi vielä enemmän. Tai toisaalta aiheutti enemmän hämmennystä, koska erilaisia projektioita on niin järjettömän paljon. Kuten Alex Naumanenkin blogissaan kirjoittaa niin oikean projektion valitseminen on tärkeää, jotta ei aiheuta väärällä projektiolla virheellisiä tietoja.

Huomasin onnekseni jo toisella kurssikerralla muistavani jotain komentoja edelliseltä kerralta, mutta QGis:n käyttö on niin vähäistä, että toistoa tarvitaan vielä paljon. Toivottavasti taito karttuu sekä QGis:n että blogin kirjoittamisen suhteen kurssikertojen edetessä.

Lähteet:

Lehtonen, Iida. Blogi 2 – QGis ja karttaprojektiot, https://blogs.helsinki.fi/lida/, luettu 4.2.2019

Naumanen, Alex. Vahvoja huokauksia, https://blogs.helsinki.fi/alexnaum/, luettu 4.2.2019.

 

Kurssikerta 1

Ensikosketus QGis:n maailmaan!

Ennen kurssin alkua minua jännitti varsinkin kaksi asiaa – ­QGis-ohjelman käyttö sekä blogin kirjoittaminen. Viime viikolla olleen ensimmäisen kurssikerran jälkeen tulin siihen tulokseen, että blogin kirjoittaminen on minulle todennäköisesti haasteellisempaa kuin QGis. Haasteellista ei ole niinkään kirjoittaminen itsessään kuin oppia käyttämään tätä blogialustaa ja saada aikaan kokonaisuudessaan hyvä blogikirjoitus. Hyvä lukija, kuten varmaan jo arvasit, tämä on elämäni ensimmäinen blogikirjoitukseni. En pidä itseäni kovinkaan teknisenä ihmisenä,  vaikka olen joutunut pitkän työhistoriani aikana käyttämään yhtä sun toista ohjelmaa tietokoneella. Olen kuitenkin pitänyt itseäni aina nopeana oppimaan uusia asioita. Geoinformatiikka on kuitenkin itselleni suhteellisen uusi  ja myöskin hieman pelottava asia, johon tutustuin tarkemmin vasta viime syksynä Johdatus geoinformatiikkaan -kurssilla.

Typen osuus kokonaispäästöistä Itämerellä

Ensimmäisen kurssikerran paikkatietoon liittyvän teoriaosuuden jälkeen tutustuimme QGis-ohjelman käyttöön opettajamme Artun kanssa. QGis-ohjelma tuntui melko selkeältä ja loogiselta, vaikka minulla ei ole ollut aikaisempaan kokemusta tällaisen paikkatieto-ohjelman käytöstä. Latasimme ohjelmaan aineiston, jossa oli Pohjois-Euroopan karttapohja ja tietoja typen päästöistä valtioittain Itämerellä.  Harjoituksessa pysyi mukana, kun keskittyi kuuntelemaan Artun opetusta. Moodlesta löytyy myös hyvät käyttöohjeet, mutta kesken opetuksen niiden lukeminen tuntui melko haasteelliselta, joten keskityin kuuntelemiseen. Hieman kyllä jännittää mitä muistan näistä asioista seuraavalla kerralla, kun käytän QGis-ohjelmaa.

Ensimmäinen kartta käsitteli typen osuutta kokonaispäästöistä Itämerellä valtioittain. Valmis karttani (Kuva 1) alla.

Kuva 1. Typen osuus kokonaispäästöistä Itämerellä.

Mielestäni kartastani käy ilmi tarvittavat asiat, mutta se ei ole täydellinen. Sain kartan valmiiksi ensimmäisellä kurssikerralla, mutta en ollutkaan tyytyväinen lopputulokseeni, koska alkuperäisessä kartassa tekstiä oli sekä suomeksi että englanniksi, joten kävin korjaamassa sitä joitakin päiviä myöhemmin. Karttaa korjatessani olen epähuomiossa tehnyt jotain muutakin, koska nyt päästöjen osuus valtioittain -lukuihin on ilmestynyt enemmän desimaaleja kuin niissä oli aiemmin. Mittakaava olisi voinut olla pienempi, esimerkiksi 0 – 500 km. Väreihin olen sinänsä tyytyväinen, koska mielestäni tummat sävyt luovat dramaattisempaa kuvaa ns. pahiksista. Typpipäästöjen osuus siis suurenee värin tummetessa. Kartan mukaan pahin pahis on Puola. Viro näyttää kartalla puhtoiselta naapurimaihinsa verrattuna, mutta kartta ei voi pitää paikkaansa eli todennäköisesti alkuperäisessä aineistoissa ei ollut ollenkaan typen päästöjen osuutta Viron kohdalla. WWF:n Itämeren rehevöitymistä käsittelevällä nettisivulla käy ilmi, että Suomen osalta yli puolet Itämereen päätyvästä typestä on peräisin maataloudesta. WWF myös mainitsee, että typestä noin neljännes kulkeutuu Itämereen ilman kautta. Suurimmat lähteet ovat meri- ja tieliikenne, maatalous ja energiantuotanto.

Olin jo hyvin tyytyväinen itseeni ja luulin olevani viittauksia vailla valmis ensimmäisen kurssikerran osalta, kunnes huomasin Elisa Ahon blogista, että minulta on jäänyt kokonaan huomaamatta tehtävänanto toiseen karttatehtävään liittyen. Latasin siis QGis-ohjelman omalle läppärilleni ja aloin hommiin, mutta en lopulta onnistunut tekemään kyseistä karttaa itsenäisesti. No höh, ehkä olen seuraavan kurssikerran jälkeen kyvykkäämpi toimimaan itsenäisesti QGis:n kanssa. Continue reading “Kurssikerta 1”