Month: February 2024

Kuudennella kerralla…

Kuudes, eli toiseksi viimeinen, luentokerta piti sisällään oman aineiston keräämistä Kumpulan alueelta Epicollect5-sovelluksella, kerätyn aineiston tutkimista QGIS:ssä sekä luonnonhasardien kuvaamista maailmankartalla. Itse kerätyn aineiston esittäminen kartalla tuntui varsin inspiroivalta ja luonnonhasardikarttojen tekeminen oli pääosin tuttua ja turvallista. Luonnonhasardien esittämisessä oli tarpeen tuoda QGIS:iin aineistoa tekstimuodossa, mitä oli hyvä kerrata.

Oma aineisto

Omaa aineistoa kerättiin eri sijainneissa vastaamalla Epicollect5-sovelluksessa sijaintia koskeviin kysymyksiin. Kysymykset koskivat pääasiassa kunkin sijainnin turvallisuutta ja viihtyisyyttä. Lopuksi vastaukset ladattiin sovelluksessa olevaan Geoinformatiikan menetelmät 1 -kurssin kansioon, josta vastaukset pystyi puolestaan lataamaan QGIS:iin.
QGIS:ssä interpoloimme Epicollect5:stä saamamme pisteaineiston, jotta pystyimme yleistämään turvallisuuskokemukset laajemmalle alueelle. Kuva 1 on kartta Kumpulan kampuksen ympäristöstä, jonka alueelle sijoittuneiden n. 100 pisteen ryhmän arvojen perusteella interpolointi suoritettiin.

Kuva 1: Kartta Kumpulan ympäristön turvallisuuskokemuksista. Värikäs alue kuvaa interpoloitua pisteaineiston aluetta (pisteet on asetettu pois näkyvistä). Mitä punaisempi värisävy, sen turvattomampana koettu alue. Pääasiassa turvattomuutta lisäsi kulkuväylien liukkaus. Lähteet: Epicollect5 (itse kerätty data), QGIS

Interpoloitu kartta muistuttaa ulkoasultaan isopleettikarttaa, jossa kartalle merkityt arvot vaihtuvat suuruusjärjestyksessä. Esimerkiksi kuvan 1 kohdalla sinisten alueiden vieressä on aina ainakin kapea vihreä kaistale, ennen kuin väri muuttuu punaisemmaksi. Kuvan 1 interpoloinnilla pyritään yleistämään pistejoukon väliin jääviä turvallisuusarvoja. Interpolointi on kätevä työkalu laaja-alaisten ilmiöiden tulkitsemista varten, joskin sen järkevä hyödyntäminen vaatii nähdäkseni monessa tapauksessa varsin laajan aineiston. Mitä vähemmän arvopisteitä, sitä enemmän työkalulla nimenomaan oletetaan.

Luonnonhasardikartat

Tavoitteena oli luoda ainakin kolme teemakarttaa luonnonhasardeista (tässä tapauksessa joko maanjäristykset, tulivuoret, meteoriitit tai näitä sekoitellen). Valitsin esitettäviksi ilmiöiksi maanjäristysten ja tulivuorten esiintymisen/sijoittumisen maapallolla suhteessa litosfäärilaattojen saumakohtiin. Ajatuksena oli, että karttojani voisi käyttää yläasteen opetuksessa, sillä en pureudu hasardeihin erityisen syvällisesti näillä kartoilla. Tarkastelemani aihe ei ole välttämättä kiinnostavin, mutta näin tässä tapauksessa muutenkin tärkeämpänä QGIS:n käytön harjoittelun, kuin syväluotaavan karttaesityksen tekemisen. Ajattelin myös, että lukuisia opettajan sijaisuuksia tehneenä minulla voisi olla tulevaisuudessa mahdollisuus hyödyntää näitä karttoja yläastelaisten opettamisessa.

Kuva 2: Teemakartta maapallon maanjäristyksistä (magnitudi 6 tai suurempi) vuosien 1950-2024. Yhteensä tällaisia järistyksiä on ollut viimeisten 74 vuoden aikana reilu 10 000. Lähteet: USGS (2024), QGIS

Aloittaisin opettajana aihepiirin käsittelyn todennäköisesti näyttämällä alkuun pelkkää maailman karttaa, jonka jälkeen voisin esitellä kuvan 2 kartan maanjäristyksistä. Maanjäristyskartan jälkeen esittäisin kuvan 3 kartan tulivuorista ja sen jälkeen vielä kuvan 4 kartan litosfäärilaattojen saumakohdista. Tämän jälkeen varmaankin kysyisin huomaavatko oppilaat jotain yhteistä edellisissä kartoissa, minkä jälkeen näyttäisin vielä kaikki karttatasot yhdellä kartalla (kuva 5)

Kuva 3: Osa tulivuorista valtamerialueilla ja mantereilla. Pyrin esittämään tulivuoria vain niiltä alueilta, jotka ovat litosfäärilaattojen “ruuhkaisimmissa” saumakohdissa. Tämä vääristää hieman käsitystä maapallon tulivuorista, mikä olisi hyvä tuoda esiin mahdollisessa opetustilanteessa. Lähteet: NOAA (2024), QGIS

Kuva 4: Litosfäärilaattojen saumat esitettynä maapallolla. Lähteet: ArcGIS Hub (2023), QGIS

Kuvan 5 kartassa olisin voinut asettaa saumat korkeimman prioriteetin karttatasoksi, jolloin kartta olisi ehkä alleviivannut selkeämmin saumakohtien tärkeyttä hasardien ja saumojen välisessä yhteydessä. Nykyinen karttatasojen järjestys ajaa saman asian, mutta vain käänteisesti; mitä vähemmän saumaa on näkyvissä, sitä vahvempi yhteys hasardien esiintymispaikan ja saumojen sijainnin välillä vaikuttaisi olevan.
Miska Pihlajaniemi (2024) esitti mielestäni onnistuneesti voimakkaiden maanjäristysten sijoittumisen litosfäärilaattojen saumakohdille. Hänen kartoissaan voi verrata 6-8 magnitudisia järistyksiä yli 8 magnitudin järistyksiin, mistä käy selväksi, että kaikista voimakkaimmat järistykset tapahtuvat useimmiten aktiivisten törmäysvyöhykkeen saumojen läheisyydessä. Näillä kartoilla, toisin kuin omillani, pystyisi siis opettamaan minkälaisissa saumakohdissa voimakkaimmat järistykset tapahtuvat. Omista kartoistani muodostuu lähinnä käsitys siitä, mitkä ovat geologisesti aktiivisimpia alueita.

Kuva 5: Tulivuoret, maanjäristykset 1950-2024 (magnitudi 6 tai yli) ja laattojen saumat esitettynä yhdellä kartalla. Tulivuoria on tietysti sadoittain enemmän kuin mitä kartalla kyseisellä kartalla näkyy. Päätarkoituksena on kuitenkin luoda kuva hasardien ja saumakohtien yhteydestä. Lähteet: USGS (2024), NOAA (2024), ArcGIS Hub (2023), QGIS

Kuvan 5 kartassa huomio kiinnittyy mm. maanjäristysten suureen määrään verrattuna tulivuorten määrään, niihin tulivuoriin/maanjäristyksiin jotka eivät sijaitse saumakohtien vieressä ja tiheimpiin hasardikeskittymiin. Kartta voi mielestäni avata varsin hyvin keskusteluja maanjäristysten ja tulivuorten luonteesta ja näiden alueellisesti eroavasta sijoittumisesta. Kartan luettavuutta voisi kritisoida, sillä esimerkiksi Itä-Aasiassa maanjäristysten ja tulivuorten lukumääriä ja sijoittumista on hankala erottaa. Tähän vaikuttavat sekä symbolien koko että niiden runsas määrä pienellä alueella.

Tarkoituksenani oli kuitenkin luoda yksinkertaistettu ja kärjistäväkin esitys maanjäristysten ja tulivuorten sijoittumisesta suhteessa litosfäärilaattojen saumakohtiin. Halusin että kartasta käy nopeastikin katsottuna selväksi että esimerkiksi Aasiassa järistyksiä ja tulivuoria on reilusti enemmän kuin vaikkapa Euroopassa. Yläastelaisten keskittymiskyky oppitunneilla on ollut omien viimeisten muutamien vuosien havaintojeni perusteella varsin rajallista, minkä takia opetusmateriaalit olisi syytä suunnitella siten, että niistä saa nopeasti paljon irti.

Oppitunnilla kuvan 5 esittämien tulivuorten sijainnit saattaisivat aiheuttaa hämmennystä. Jos teemakartan on tarkoituksena osoittaa yksinkertaistetusti että tulivuoria ja maanjäristyksiä on nimenomaan litosfäärilaattojen saumakohdissa, joukosta erottuvat nopeasti tulivuoret, jotka sijaitsevatkin laattojen keskellä. Oppitunnilla olisikin hyvä ottaa puheeksi myös kuumat pisteet, joiden ymmärtämisen kautta karttaa on helpompi tulkita.

Kuvan 5 karttaa voisi nähdäkseni käyttää myös eri valtioiden taloustutkimuksessa. Statistalla (2024) on sivustoillaan pylväsdiagrammi valtioista, jotka sijoittivat eniten rahaa omasta bruttokansantuotteestaan sisämaan infrastruktuuriin vuonna 2021. Moni diagrammin listaamista valtioista, kuten kärkipaikkaa pitänyt Kiina, sijaitsee mm. maanjäristyksiltään aktiivisella alueella. Lisäksi luonnonkatastrofien aiheuttamia taloudellisia menetyksiä kuvaavalla ResearchGaten (2014) kartalla menetykset sijoittuvat monin paikoin litosfäärilaattojen saumojen ja siten järistysten ja tulivuorten mukaan. Valtioiden rahan käytön yhteyttä luonnonhasardeihin voisi todennäköisesti hahmotella kuvan 5 tyylisen kartan avulla.

– H.

Lähteet:

USGS (2024), https://earthquake.usgs.gov/earthquakes/search/

NOAA (2024), https://data.noaa.gov/metaview/page?xml=NOAA/NESDIS/NGDC/MGG/Hazards//iso/xml/G02135.xml&view=getDataView&header=none

ArcGIS Hub (2023), https://hub.arcgis.com/datasets/d241a6da9c784519a42b9e9a5a5ad68d/explore

Pihlajaniemi, M. (2024). Pmiska’s blog: Kuudes luento. Lainattu 24.2.2024. Saatavilla: https://blogs.helsinki.fi/pmiska/2024/02/23/kuudes-luento/

Statista (2024) Pylväsdiagrammi, https://www.statista.com/statistics/566787/average-yearly-expenditure-on-economic-infrastructure-as-percent-of-gdp-worldwide-by-country/

ResearchGate (2014) Taloudelliset menetykset -kartta, https://www.researchgate.net/figure/World-map-and-distribution-of-economic-losses-caused-by-natural-hazards-that-were_fig1_270587215

Kurssikerran läpikäynti

Viidennellä kurssikerralla työstimme aikaisemmalla kerralla aloittamaamme Pornaisten QGIS-tiedostoa. Harjoittelimme Pornaisten alueelle piirtämillämme ja lataamillamme aineistoilla bufferointityökalun, sijaintiin perustuvan kohteenvalintatyökalun ja eräänlaisen vektoritason leikkaustyökalun käyttöä. Kurssikerta oli ehdottomasti vaikein tähän asti, mutta jälkeenpäin ajateltuna ehkä kiinnostavinkin. Tykkäsin tehdä QGIS:ssa jotain varsin erilaista ja hyödylliseltä tuntuvaa. Itse kurssikerralla ohjeiden seuraaminen ja tarvittavien toimenpiteiden tekeminen tuntui aika tuskalliselta. Kun jälkeenpäin harjoittelin kotona yhtä itsenäisistä tehtävistä, ymmärsin paremmin miksi joitain toimenpiteitä tehtiin kurssikerralla. Suuret aineistot eivät tunnu enää suoralta kädeltä niin pelottavilta kuin aikaisemmin.

Jutun juju

Viimeistään tässä vaiheessa on tullut selväksi, että se, mitä tehtävänantoon pitää vastata ja se, mitä QGIS:ssä pitää tehdä vastausten saamiseksi ovat kaksi eri ulottuvuutta. Jotta ohjelman käyttö sujuu helpommin, tämä on ensimmäinen asia joka on mielestäni hyvä tiedostaa. QGIS:n käytön kannalta keskeisin kysymys oli tämän kurssikerran osalta, miten saan pilkottua aineiston tarvittaviin osiin? Joskus kysyttyä muuttujaa pitää ymmärtää etsiä QGIS:ssä eri nimellä kuin tehtävänannossa on ilmoitettu ja joissain tapauksissa kahden muuttujan välisellä suhteella saadaan rajattua tarvittava kolmas muuttuja. Esimerkiksi yhdessä itsenäisistä tehtävistä kouluikäisten määriä piti ymmärtää laskea annetun aineiston ikäjakauman kautta ja toisessa asutusta rajaamalla suhteessa tiettyyn karttatasoon saatiin määritettyä koulupiirin alueella asuvien ihmisten määrä.

Lyhyimmät maaliin johtavat askeleet edellyttivät uuden aineiston luomista. Olemme luoneet jo useita kertoja itse aineistoa, mutta viidennellä kurssikerralla se tuntui tarpeellisemmalta kuin aikaisemmin. Aineiston rajaaminen ei siis tuntunut vain “siistiltä kikalta”, vaan myös hyödylliseltä, järkevältä ja sen takia oikeastaan siistimmältä kuin koskaan.

Tehtävien tuloksia

Taulukko 1: Alla on saamiani tuloksia kurssikerran 5 itsenäisiin tehtäviin. Sinisellä taustalla merkityt vastaukset liittyvät lentokenttätehtäviin, vihreällä taustalla merkityt juna-asema tehtäviin ja vaaleanpunaisella merkityt koulutehtävään (itsenäistehtävä 3).

Malmin lentokenttää koskevissa tehtävissä määritettiin lentokentän kiitoratojen ympärille kaksi puskurivyöhykettä eli bufferia. Ensimmäisessä tehtävässä määritettiin 1 km:n ja toisessa 2 km:n bufferi. Buffereiden määrittämisen jälkeen tutkittiin, kuinka monta asutettua rakennusta buffereiden alueilla oli. Tämä tehtiin valintatyökalulla, jolla valinta rajattiin ne pisteet (rakennukset) jotka sijaitsivat bufferitasojen sisällä.
Bufferointi- ja valintatyökalun käyttö alkoi sujua nopeasti, mikä johtuu todennäköisesti kyseisten työkalujen visuaalisesti helposti hahmotettavasta käyttötarkoituksesta. Bufferointityökalulla ja valintatyökaluilla voitaisiin näppärästi hahmotella esimerkiksi erilaisten luonnonhasardien vaikutusalueita.

Helsinki-Vantaan lentokentän tehtävissä hyödynnettiin edellä mainittujen työkalujen lisäksi intersection-työkalua (vektoritason leikkaustyökalu) ja piirtotyökaluja. Leikkaustyökalulla melutason karttatasosta leikattiin tarvitut alueet omiksi tutkittaviksi tasoikseen (65 dB:n alue ja 55-65 dB:n alue). Piirtotyökalulla piirrettiin silmämääräisesti uudelle melualueelle runko jota levennettiin bufferointityökalulla. Viimeisin silaus oli useimmissa tapauksissa rakennusten valitseminen bufferoiduilta tai valituilta alueilta, mitä kautta toivottuja lukuarvoja saatiin näkyviin.

Asematehtävässä tutkittiin asukkaita, jotka asuvat lähellä juna- tai metroasemia. Ensimmäiset kaksi tehtävää sujuivat varsin tutulla kaavalla; bufferivyöhykkeitä tekemällä ja vyöhykkeiden sisälle rajautuvien rakennusten sisältämien asukkaiden määriä tutkimalla. Viimeiseen työikäisten osuuksia kysyvään tehtävään jäin kurssikerralla jumiin varsin pitkäksi aikaa. Sain tehtävän tehtyä kuuntelemalla muiden opiskelijoiden saamia ohjeita ja palauttamalla mieleen aiemmin opittuja menetelmiä. Tehtävässä tuli laskea uusi muuttuja, työikäisten määrä, ikäjakaumatiedoista. Kun tämä oli tehty, työikäisten absoluuttisen määrän sai näkyviin statistiikkapaneelista.
Statistiikkapaneeli oli kaikissa tehtävissä hyvin olennainen työkalu, koska sen avulla sai helposti selvitettyä rakennuksissa asuvien ihmisten lukumäärät.

Viimeisessä tekemässäni tehtävässäni tutkittiin Helsingin yhtenäiskoulun koulupiirin alueelle rajautuvien asukkaiden lukumääriä ja osuuksia. Ensimmäisessä tehtävässä tuli selvittää kuinka monta uutta alakoulun oppilasta yhtenäiskoulun piti olla valmis ottamaan vastaan seuraavana vuonna aineistonkeruuvuodesta. Laskin näin ollen koulupiirin alueelle rajautuvista ihmisistä 6-vuotiaiden määrän. Toisessa tehtävässä selvitin 12-14 -vuotiaiden määrän, saadakseni selville, kuinka monta yläasteikäistä koulun tuli pystyä opettamaan seuraavana vuonna. Kolmannessa ratkaisin kouluikäisten osuuden koulupiirin kaikista asukkaista. Viimeisessä hyödynsin edellisen tehtävän osuutta tulolaskussa, jossa tutkin kuinka monta muunkielistä kouluikäistä alueella asuu.
Ratkaisin kouluihin ja koulupiireihin liittyvät tehtävät luomalla jokaisesta pyydetystä ikäluokasta oman muuttujansa koulupiirin asukkaista tehtyyn uuteen karttatasoon. Tällä tavalla sain tietokoneen ja omankin suorituskykyni kannalta tehokkaimmin tarvitsemani arvot.

GIS-taitojen arviointia

Koen osaavani pääasiassa kaiken kurssilla tähän mennessä käydyn QGIS:iin liittyvän suhteellisen hyvin. Kaikkia toimintoja en tietenkään ole tehnyt yhtä paljon ja osa asioista on tämän takia vieraampia. Monia työkaluja operoidaan samalla tavalla, saman näköisistä valintaikkunoista, mikä on sekä hyvä että huono asia. Osaan arvata minkä näköinen ikkuna tuntemattomammasta työkalusta aukeaa ja millä tavalla työkalun toiminta kohdennetaan. Samaan aikaan kaikki työkalut eivät sisällä yhtä selkeitä ohjeistuksia tai niiden antamaa lopputulosta on vaikeampaa ennakoida. Tällöin saman näköiset valintaikkunat saattavat vain hämmentää.

Vähiten koen ymmärtäväni QGIS:n diagrammien käyttöä datan visualisoinnissa ja uusien karttatasojen luomista. Diagrammien käyttöä emme ole harjoitelleet mielestäni kovin paljon ja uusien karttatasojen luominen ei tunnu vielä kovin intuitiiviselta. Osaisin yrityksen ja erehdyksen kautta luoda vaikkapa viivamuotoisen vektorikarttatason, mutta en osaisi juuri nyt kuvitella minkä valikoiden kautta minun tulisi luoda kyseinen karttataso. Oletan useimmiten, että käytettävissä olevia karttatasoja esittävästä ikkunasta voisi hiiren oikealla klikkauksella tai jonkin ikkunan symbolin kautta helposti lisätä uuden karttatason. Näin ei kuitenkaan ole.
Totuttelen edelleen ymmärtämään, että QGIS:ssä pitää olla lähes aina oikea työkalu valittuna ennen kuin aineistolle alkaa tekemään jotain. Jos QGIS:ssä haluaa valita aktiiviseksi vaikka yksittäisen polygonin karttatasolta, ei riitä että polygonia klikkaa hiirellä. Karttaelementtien valitsemista varten on omat työkalunsa eikä hiiren kursori siis ole oletusarvoisesti monitoimityökalu vaikka tämä voisi tuntua intuitiiviselta.

Kolmas hieman vieraampi QGIS:n puoli on intersection-työkalu. En osaisi kovin luotettavasti vielä soveltaa itsenäisesti vektoritason leikkaamista. Ajallisista haasteista johtuen en ehtinyt harjoitella kovin paljon intersection-työkalun käyttämistä tämän viikon harjoitusten yhteydessä. Leikkaustyökalun valintaikkuna sisältää hieman tavallista enemmän säädettäviä asetuksia, joiden merkitystä voi olla alkuun haastavaa visualisoida itselleen.
Itsenäisestä QGIS-harjoittelusta minulla on vähän ristiriitaiset fiilikset. Toisaalta se on ollut ilman muuta itselleni parhainta antia oppimisen kannalta, mutta se vie useimmiten paljon aikaa muilta kurssitehtäviltä. Tämä trendi on kuitenkin nähdäkseni kääntymässä positiiviseksi, sillä kurssikertojen myötä QGIS-taitoni ovat kasvaneet ja näin ollen aikaa kuluu vähemmän ylimääräiseen säätämiseen.

Miki Leino (2024) kuvaili blogissaan, kuinka hän todennäköisesti unohtaa parin viikon sisällä bufferointityökalun käytön, mikä oli mielestäni osuvasti ilmaistu. Vaikka koen osaavani tällä hetkellä bufferoinnin, tilanne saattaa olla toinen jo kahdenkin viikon päästä. Tätä voi paikata itsenäisellä harjoittelulla kurssin jälkeenkin kunhan on motivaatiota palata QGIS:n äärelle. Toisaalta koen että omista blogikirjoituksistakin voi saada hyödyllisiä vinkkejä myöhemmin, jos on tarvetta palauttaa QGIS:n käyttöä mieleen. Koska blogia kirjoittaessa on ajatellut kunkin viikon tehtyjä tehtäviä, blogitekstejä lukemalla voi palata aikaisempiin tehtäviin ja ehkä muistaa paremmin miten QGIS:ä operoitiinkaan.

-H.

Lähteet:

Leino, M. (2024). Mikin blogi: Viides kurssikerta. Lainattu 17.2.2024. Saatavilla: https://blogs.helsinki.fi/leinmiki/2024/02/14/viides-kurssikerta/

Tiivistystä

Kurssikerralla neljä teimme ruututeemakarttoja ja alustimme seuraavan kurssikerran työtä, jota varten digitoimme valmiiseen QGIS-projektiin pistein ja viivoin Pornaisten autoteitä ja asuintaloja. Ruututeemakarttojen tekeminen QGIS:ssä oli pitkälti samanlaista kuin koropleettikartan tekeminen, minkä takia ruutukartan tuottaminen oli suhteellisen helppoa. Digitoimista en varsinaisesti ollut ikävöinyt, mutta yllätyin kuinka helppoa QGIS:n digitointityökaluja oli käyttää.

Ruututeemakartta

Lähdimme tekemään ruututeemakarttaa piirtämällä GRID-työkalulla käsin ruudukon valmiiseen Helsingin, Espoon, Kauniaisten ja Vantaan kuntia esittävään QGIS-projektiin. Koska minä ja muut kurssilaiset piirsimme ruudukot itse, sai jokainen luonnollisesti hieman erilaisia tuloksia omaan teemakarttaansa. Yksi ruutu vastaa yhtä neliökilometriä. Valmiissa projektissa kuntien alueelle oli merkitty kymmeniä tuhansia pisteitä sellaisille paikoille, joilla asui vähintään yksi henkilö. Pisteisiin oli liitetty valtava määrä dataa asukkaista, jota meidän oli tarkoitus esittää ruututeemakartassa. Muodostimme oman karttatason niistä ruuduista joiden alueelle jäi näitä asutuspisteitä.

Päätin esittää teemakartassa ruudussa asuvien muunkielisten (oletettavasti muu kuin suomi, saattaa tarkoittaa myös muuta kuin valtion virallista kieltä) ihmisten osuuden suhteessa ruudun kokonaisväkilukuun (kuva 1). Kuvassa 1 muunkielisten osuus ruudun asukkaista on sitä suurempi, mitä keltaisempi ruudun väri on. Merkittävin pienelle alueelle sijoittuva eli ns. “mikrotason” muunkielisten keskittymä on Vantaan kunnan keskellä. Merkittävimpänä suurelle alueelle levittyvänä ns. “makrotason” muunkielisten keskittymänä pidän Itä-Helsingissä olevaa ja Itä-Vantaallekin ulottuvaa haaleakeltaista ruudukkoaluetta.

Kuva 1: Ruututeemakartta muunkielisten asukkaiden osuudesta. Jokaisen ruudun (1 km x 1 km) arvo on laskettu kyseisen ruudun väkiluvun tiedoilla. Lähteet: Aineiston alkuperäinen lähde ei tiedossa, QGIS

Pidin ruututeemakarttaa aluksi epätarkkana tiedon esittämismuotona, mutta jälkeenpäin ajateltuna koen, että kyse on tietynlaisesta visuaalisesta harhasta. Ruudut näyttävät kattavan kuntien alueet kömpelösti ja/tai yksinkertaistetusti, mikä saa helposti ajattelemaan, että myös esitetty informaatio olisi “kömpelöä”. Koropleettikartta näyttäisi mielestäni nätimmältä kuin kuvan 1 ruututeemakartta, vaikka koropleettikartalla muunkielisten levittymisestä saisi tosiasiassa laveamman kuvan. Ruututeemakartalla on mahdollista tarkastella miten muunkieliset sijoittuvat tosiasiassa maantieteellisesti eri kuntien välille. Stella Syrjänen tuo blogissaan (2024) mielestäni hyvin esille ruututeemakarttaan liittyviä ongelmia. Syrjänen kirjoittaa, että ruututeemakartan visuaalinen ilme ja kartasta tehtävä tulkinta määrittyvät valittujen luokkavälien lisäksi myös valitun ruutukoon perusteella.

Huomattavimmat erot muunkielisten ihmisten kuntien välisissä määrissä näyttäytyvät keltaisimpien ruutujen lukumäärissä kuntaa kohden. Helsingissä keltaisimpia ruutuja, joiden alueella muunkielisten osuus on vajaa 44 % tai suurempi, on kolme. Vantaalla vastaavia ruutuja on neljä ja Espoossa vain yksi. Espoossa näyttää muutenkin olevan vähiten muunkielisiä suhteutettuna koko kunnan asukasmäärään. Toisaalta Espoossa näyttää olevan myös eniten ruutuja, jotka eivät saa arvoja lainkaan. Kauniaisten kunnan kohdalla vertailua on hankalaa tehdä silmämääräisesti kunnan pienen koon takia.

Kuvan 1 perusteella keltaisimpia ruutuja haaleammat ja sinisemmät ruudut levittäytyvät kuitenkin melko tasaisesti kaikkiin kuntiin. Mikäli olisin piirtänyt ruudukkoni piirun verran pitemmälle mihin tahansa suuntaan, tulokset näyttäisivät tietysti hieman erilaisilta. Muunkielisten asettumiselle kartan esittämällä tavalla on haastavaa antaa selkeää selitystä ilman kunnollista taustatutkimusta. Stereotyyppisesti ensimmäinen ajatukseni oli yhdistää muunkielisyys maahanmuuttajataustaiseen väestöön, jolla ei ehkä ole mahdollisen turvapaikanhakijataustan takia (esim. ei valmista varallisuutta tai haasteita työnsaannissa) varaa asua esim. Helsingin keskustassa. Tarkastelin tätä ajatusta Helsingin näkökulmasta tutkimalla Helsingin kaupungin asuntojen saatavuutta ja keskimääräisiä vuokrahintoja (hekaoy.fi).

Kuva 2: Saatavilla olevat Heka-asunnot Helsingin alueella. Itä-Helsingissä asuntoja näyttää olevan heittämällä eniten. Lähde: Helsingin kaupungin asunnot Oy

Kuvan 2 perusteella vaikuttaisi siltä, että Itä-Helsingissä on merkittävästi eniten saatavilla olevia asuntoja (Heka:n sivut luettu 10.2.2024). Tarkasteltuani vuokrien keskimääräisiä neliökohtaisia hintoja, jäivät rahalliset erot Itä-Helsingin ja Helsingin keskustan välillä pääasiassa niin pieniksi ettei kyse vaikuta olevan Itä-Helsingin Heka-asuntojen edullisuudesta. Vaikka monessa Itä-Helsingin asunnossa oli Heka:n sivujen perusteella olevan alempi vuokra, oli samaa vuokratasoa löydettävissä läheltä Helsingin keskustaakin.

Tämän hyvin lyhyen ja pienen katsauksen perusteella luulisin, että mikäli asunnot selittävät muunkielisyyden maantieteellisen sijoittumisen, kyse on ennemmin asuntojen saatavuudesta kuin niiden edullisuudesta alueella X. Tulkintani on kuitenkin rakennettu varsin heiveröiselle pohjalle, minkä johdosta en pidä sitä muuna kuin harjoituksen tuotoksena. Muunkielisten absoluuttinen lukumäärä on todennäköisesti monessa Helsingin keskustan ruudussa suurempi kuin Vantaan tai Itä-Helsingin muunkielisten keskittymissä väestöntiheyserojen takia.

Pornaisten autoteitä ja taloja

Kuvassa 3 on esitettynä Pornaisten kartta, jolle piirrettiin kuusi pääautotietä sekä kaikki asuintalot. Sekä autotiet että pisteet oli yksinkertaista piirtää. Koska QGIS on paikkatieto-ohjelma eikä piirto-ohjelma, voi olla, että ensi kerralla kartan kaunistaminen saattaa koitua haasteeksi. Seuraavalla kerralla piirtämiämme karttaelementtejä on käsittääkseni tarkoitus hyödyntää ainakin bufferivyöhykkeiden määrittämisessä.

Kuva 3: Pornaisten alue kuvattuna kartalla QGIS:ssä. Vihreät pisteet ovat asuntoja ja heikosti näkyvät ruskeat viivat ovat autoteitä. Vaaleanpunaisella kehyksellä reunustettu alue käsittää Pornaisten “keskustan” ja on suurennuslasin alla ensi kurssikerralla.

– H.

Lähteet:

Helsingin kaupungin asunnot Oy:n sivut (luettu/selattu 10.2.2024): https://www.hekaoy.fi/kohteet/tutustu-kohteisiimme/

Syrjänen, S. (2024). Stella’s Blog: 4 viikko, Ruututeemakartta. Lainattu 10.2.2024. Saatavilla: https://blogs.helsinki.fi/stellasy/2024/02/06/4-viikko-ruututeemakartta/

Kurssikerran tiivistystä

Kolmannella kurssikerralla työskentelimme koko luennon ajan QGIS-harjoitusten parissa. Varsinaista luennointiosuutta ei ollut, mikä oli tavallaan hyvä asia, koska pidän ohjelmistojen harjoittelua kurssin kiinnostavimpana osana. Toisaalta kurssikerralla piti olla mielestäni aikaisempaa valppaampana, sillä kärryiltä putoamisen riski oli varsin suuri. Onneksi työvaiheita kerrataan pyydettäessä, eikä ohjelmistojen opettelu vaikuta tässä mielessä olevan erityisen stressaavaa.

Kurssikerran työvaiheet sisälsivät merkittävissä määrin tietokantojen ja/tai karttatasojen muodostamista erilaisia aineistoja yhdistämällä. Jotta haluttuja asioita saatiin esitettyä kartalla, edellytyksenä oli, että annetuista aineistoista loi itse uuden tietokannan. Tietokantojen muodostaminen ei ole loppujen lopuksi monimutkaista. Monet QGIS:n valintaikkunat kuitenkin näyttävät hyvin samanlaisilta, mikä tekee vaadittujen valintapolkujen muistamisesta haastavaa. Itselleni erilaisten toimintojen merkityksen ymmärtäminen helpottaa kyseisten toimintojen löytämistä ja toteuttamista. Jos en ymmärrä mitä jokin työkalu tekee, minun täytyy opetella ulkoa miten oikeaan lopputulokseen päästään. Ulkoa opettelu ei aina ole helppoa tai motivoivaa, mutta välillä tarpeellista.

Afrikan kartta

Suurin osa kurssikerran ajasta kului Afrikan kartan tuottamiseen, jossa tarkoituksena oli esittää Afrikan manner ja siellä olevat timanttikaivokset, maanpinnan öljyvarannot sekä konfliktit (kuva 1). Lisäksi lisäsimme karttatason attribuuttitaulukkoon paljon uutta informaatiota, jonka avulla olisi voinut halutessaan esittää esimerkiksi Afrikan eri valtioiden Facebook-käyttäjien määriä kartalla. Attribuuttitaulukon muokkaaminen oli kuitenkin oma harjoituksensa, jolla ei tähdätty uuden lisätyn tiedon esittämiseen. Näin ollen kuvan 1 kartassa esitettävänä ovat vain edellä jo mainitsemani timanttikaivokset, öljy sekä konfliktit.

Kuva 1: Afrikan kartta, jossa on esitettynä öljyn, timanttikaivosten ja konfliktien sijoittuminen mantereella. Unohdin päivittää osan teksteistä suomeksi kartan legendaan. Lähteet: Kurssikerta 3:n Afrikka-aineisto (2010), QGIS

Afrikan kartan tuottaminen onnistui varsin helposti koska työvaiheet ohjeistettiin järjestelmällisesti. Merkittävä osa aineistosta ei kuitenkaan näy kuvan 1 kartasta, koska kartassa on esitettynä vain muutama aineiston muuttuja. Attribuuttitaulukkoon lisäsimme mm. valtiokohtaisen konfliktien määrän tapahtumavuoden mukaan. Mikäli käytössämme olisi ollut dataa esimerkiksi öljykenttien löytämisvuosista tai timanttikaivosten perustamisvuosista, olisi aineistosta voinut etsiä muuttujien välisiä yhteisvaihteluita. Aineistosta olisi tällöin voinut tutkia vaikkapa sitä, syntyikö jossakin maassa aikaisempaa enemmän konflikteja esimerkiksi uuden timanttikaivoksen perustamisen jälkeen.

Valuma-alueet

Kurssikerran viimeisellä neljänneksellä aloitimme itsenäistä tehtävää, jossa tarkoituksena oli luoda yksi teemakartta Suomen valuma-alueiden tulvaindekseistä ja järvisyysasteesta (kuva 2). Samassa kartassa piti esittää sekä tulvaindeksit, että järvisyyttä esittävät diagrammit. Tämä tehtävä osoittautui varsin haastavaksi osittain siksi, ettei diagrammien esittämistä QGIS:ssä ohjeistettu lainkaan. Tehtävä edellytti myös kurssikerralla opeteltua aineistojen yhdistämistä ja uusien muuttujien tuottamista, joka toimi pääasiassa siten kuin olimme aikaisemmin harjoitelleet.

Kuva 2: Kartta Suomen valuma-alueiden tulvaindekseistä ja järvisyydestä. Ympyrädiagrammien sininen väri tarkoittaa järvisyyttä, ruskea väri puolestaan sen vastakohtaa. Lähteet: Kurssikerta 3:n valuma-alueet- ja järvisyysaineistot (vuosi ei tiedossa), QGIS

Laskin tulvaindeksin kuvan 2 karttaan jakamalla joen keskiylivirtaama sen keskialivirtaamalla (MHQ/MNQ). Tuloksena saatu luku on ymmärtääkseni kerroin joen veden määrälle tulva-aikaan. Kuvan 2 kartan perusteella suurimmassa osassa Suomea jokien veden määrä on pienimmällä skaalalla tulva-aikaan keskimäärin n. 1-66-kertainen. Vastaavasti suurimmalla skaalalla joen vesimäärä on peräti n. 500-1100-kertainen. Kartan perusteella tulvaindeksi on merkittävä vain Suomen rannikkoalueilla, joilla jokien tulvat voivat aiheuttaa suurimpia vahinkoja esim. asutukseen. Järvisyysaste puolestaan seuraa järvikeskittymiä ja on suurimmillaan sisämaassa Järvi-Suomessa.

Sitten valitetaan!

En ole karttaani erityisen tyytyväinen. Ensinnäkin, valmiissa aineistossa annetut muuttujat vaikuttivat epäselviltä. Kuvan 2 kartassa näkyvä tummanharmaa alue merkitsee alkuperäisen aineiston mukaan rantaviivaa, mutta silti sama värialue kattaa Fennoskandian merialueet. Jätin alueen pois kartan legendasta hämmennyksen vähentämiseksi. Toiseksi, en ymmärtänyt diagrammien toimintaperiaatetta, minkä takia lopputulos ei ollut tai ole sitä mitä toivoin. Yritin asettaa diagrammein esitettävälle järvisyysmuuttujalle ehtolauseita, mutta tästä huolimatta QGIS halusi jatkuvasti esittää kaikkien valuma-alueiden järvisyyksien diagrammit.

Tarkoituksenani oli esittää kymmenen järvisyydeltään merkittävintä valuma-aluetta. Loin ehtolauseen jossa määritin mikä on pienin sallittu järvisyysprosentti ja suurin sallittu maaprosentti. Tästä huolimatta jokaiselle valuma-alueelle piirtyi diagrammi, mikä häiritsi suuresti kartan lukemista. En onnistunut ratkaisemaan monen tunnin pähkäilynkään jälkeen kunnollista tapaa, jolla olisin saanut vain tietyt järvisyysasteet esitettyä. Koska luomani ehtolause sai diagrammien arvot näkymään vain kymmenellä valuma-alueella, sain muiden valuma-alueiden tyhjät ympyrädiagrammit lopulta pois näkyvistä laittamalla diagrammien ääriviiva-asetuksen pois päältä. Tosiasiassa kuvan 2 kartassa siis on liian monta diagrammia. Epätoivotut diagrammit vain eivät sisällä mitään arvoja (värejä) eivätkä ne sen takia näy ilman ääriviivaa.

Toinen ärsyttävä puoli diagrammeissa on se, että ne ikään kuin sulautuvat yhteen jos karttaa zoomaa liian kauas tai jos diagrammeja muuttaa suuremmaksi. Tämän takia diagrammit piti jättää kooltaan pieneksi. Olisin myös halunnut asettaa järvisyysdiagrammeja vastaavien valuma-alueiden nimet näkyviin, mutta nimilaatikot ja diagrammit joko peittivät toisiaan tai katosivat kokonaan näkyvistä. Sekä nimilaatikoiden että diagrammien prioriteetteja voi muuttaa helposti niiden omista asetuksista, mutta tästä ei ollut itselleni mitään iloa. Voi olla että kartassa alkoi olla liikaa esitettäviä palasia, jotka eivät yksinkertaisesti mahtuneet halutuille paikoille.

Kaiken kaikkiaan pidän kuvan 2 karttaa varsin hankalasti luettavana. Jos kartan lukija ei tiedä mitä tulvaindeksi tarkoittaa, ei kartasta ole käytännössä paljoakaan iloa. Järvisyysdiagrammeja on hankala yhdistää niitä vastaaviin alueisiin, koska alueita tai diagrammeja ei ole nimetty ja diagrammit peittävät itsessään niitä vastaavien valuma-alueiden rajoja. Karttaa oli turhauttavaa tehdä, koska kartantekoprosessi tai lopputulos eivät kumpikaan tuntuneet erityisen palkitsevilta. Aikaisemmin luettelemiini ongelmiin on todennäköisesti olemassa ratkaisuja, joita en joko voinut tekohetkellä tietää tai joita minulla ei ollut aikaa etsiä.

Uusi yritys

Luettuani Taika Jaakkolan (2024) blogi-julkaisua “Tietokantojen tunnelmissa – Konflikteja Afrikassa ja tulvia Suomessa”, inspiroiduin yrittämään valuma-alueiden teemakarttaa uudestaan. Vaikutuin Jaakkolan teemakartan selkeydestä, jonka aikaansaa/-sai pääasiassa valittu värimaailma ja ympyrädiagrammien kokoon perustuva järvisyyden esitystapa. Halusin, että myös oman karttani valuma-alueet erottuisivat selkeämmin, joten muokkasin valuma-aluekarttatason reunaviivojen paksuutta. Laskin tulvaindeksin vaihtelun vuoksi Jaakkolan käyttämällä kaavalla MHQ/MQ, jossa keskiylivirtaama jaetaan keskivirtaamalla. Tällä tavoin tulvaindeksi määrittyy hieman eri tavalla mikä näkyy selkeästi kuvan 3 kartassa. Sain lisäksi ympyrädiagrammien legendan näkymään kuvan 3 karttaan.

Kuva 3: Suomen valuma-alueiden tulvaindeksit ja järvisyys. Tulvaindeksi on laskettu jakamalla keskiylivirtaama keskivirtaamalla, minkä takia kartta eroaa kuvan 2 kartasta. Lähteet: Kurssikerta 3:n valuma-alueet- ja järvisyysaineistot (vuosi ei tiedossa), QGIS

Olen kuvan 3 karttaan tyytyväisempi kuin kuvan 2 vastaavaan. Diagrammeja koskevat ongelmat ovat läsnä myös kuvassa 3, mutta toivon mukaan opettelemme diagrammien käyttöä enemmän tulevilla kurssikerroilla. Tämän kertaisissa harjoituksissa visualisointiin liittyvillä asioilla oli erityisen suuri rooli, mikä kävi ilmi Jaakkolan (2024) blogista. Esitettävää tietoa voi olla teemakartoissa paljon, minkä johdosta tiedon viestittäminen riippuu varsin tiukasti esimerkiksi valituista väreistä, diagrammeista ja karttatasojen järjestyksestä. Tämä helposti unohtuu, kun keskittyy vain tietokantojen kanssa pelaamiseen.

H.

Lähteet:

Jaakkola, T. (2024). Taikamatkalla GIS-velhoksi: Tietokantojen tunnelmissa – Konflikteja Afrikassa ja tulvia Suomessa. Lainattu 2.2.2024. Saatavilla: https://blogs.helsinki.fi/jztaika/2024/02/01/tietokantojen-tunnelmissa-konflikteja-afrikassa-ja-tulvia-suomessa/