Blogi on valmis

Näin kurssin päätyttyä ja viimeisenkin työn viimeinkin tehtyäni voin ilmoittaa, että tämä blogi on valmis, eikä tänne tulee enää muutoksia.

Kiitos kurssista!

Viimeinen kurssikerta

Kurssin lopetus

Kevät on ollut pitkä, mutta silti tämä kurssi tuntui lyhyeltä. Tähän varmasti vaikuttaa se, että oppimista ja tehtävää on ollut paljon, ja olo tuntuu edelleen siltä, että voisin oppia lisää. Viimeisellä kurssikerralla käytimme ajan tekemällä itsevalitusta aineistosta karttoja. Kriteerinä oli se, että siinä pitää olla ainakin kaksi muuttujaa, joita tarkastelee.

Aiheen päättäminen ja aineiston etsintä

Kuvittelin ensin tekeväni kartan Brasilian kaivoksista, ja niiden sijainnin yhteydessä metsäkatoon. Latasin jopa aineistot, mutta aineisto oli niin iso ja raskas, etten pystynyt käsittelemään sitä mitenkään, ilmasn että QGIS-ohjelma kaatui joka välissä. Hylkäsin tämän turvatakseni  naapurustorauhan..

Pitkän ja tuskallisen miettimisen jälkeen päädyin lopulta tutkastelemaan Suomessa liikenneonnetomuuksien sijoittumissa suhteessa eri väestöntietoihin. Tiedostan kyllä, että hyppy edeltävästä aiheesta on iso, mutta itse ainakin kuulun ihmisiin, joita kiinnostavat todella monet asiat. Muiden blogeja lukiessa huomasin, että Maija oli myös tehnyt Suomesta kartan (vaikkakin aivan eri aiheesta mistä itse tein), mutta oli kiva huomata, etten ollut ainoa, joka oli päätynyt Suomeen.

Kuva 1. Pohjois-Suomen kartta, jossa kuvattuna väestöntiheys vuonna 2012 (Tilastokeskus, 27.3.2021), sekä tieliikenneonnettomuudet vuonna 2018 (Tilastokeskus, 27.3.2021).
Kuva 2. Eteläisempi osa Suomea, jossa samat aineistot kuin edellä mainitussa. 

Kuvista 1 ja 2 voi nähdä, miten tieliikenneonnettomuudet (sekä kuolmaan johtaneet että loukkaantumiseen johtaneet) sijoittuvat Suomessa. Tieähimmin asuituilla alueilla onnettomuuksia on tapahtunut huomattavasti enemmän. Varsinkin kuolemaan johtaneita onnettomuuksia on tapahtunut enemmän tiheämmin asutuilla alueilla. Tämä toki voi olla aika itsestään selvää: alueilla joissa on tiheä asutus, todennäköisyys onnettomuuksille, joissa loukkaannutaan tai kuollaan, on suurempi.
Tämän jälkeen tein toisen kartan, jossa näkyvät jalankulkijoille sattuneet onnettomuudet, jonka pohjalla on väestötiheyskartta (kuva 3).

Kuva 3. Väestötiheyskartta (Tilastokeskus, 27.3.2021), sekä jalankulkijoille tapahtuneet tieliikenneonnettomuudet (Tilastokeskus, 27.3.2021).

Tässä (kuva 3) on todella selkeä ero tiheämmän asutuksen alueiden ja harvemman asutuksen alueiden välillä. Olisi ollut mielenkiintoista saada tähän lisäksi tie-kartta, mutta ainakaan itse en löytänyt (tai osannut etsiä). Näiden lisäksi halusin nähdä Suomen kartalla kaikki eri tieliikenneonnettomuuksien tyypit, jotka oli saatavilla aineistossa. Ongelmaksi kartan kohdalla mudostui se, että alueilla joissa on todella paljon pisteitä, eivät eri tyypit enää erotu. Tästä syystä tein kartan Pohjois-Suomesta (kuva 4) sekä pääkaupungin alueelta (kuva 5).

Kuva 4. Tieliikenneonnettomuuksien tyypit Pohjois-Suomessa.

Pohjoisessa Suomessa tapahtuneista liikenneonnettomuuksia valtaosa on ”muiden” lisäksi tieltä suistumiset. Tässä voisi miettiä, onko syy esimerkiksi liukkaat tiet ja pimeys pitkän ajan vuodesta.

Kuva 5. Tieliikenneonnettomuuksien tyypit pääkaupunkiseudulla.

Pääkaupunkiseudun tieliikenneonnettomuuksista suurin osa on saman ajosuunnan onnettomuuksia. Voiko kyseessä olla ohitukset?
Vaikka aihe on aika yksinkertainen, ja tuntuu, että tein liian vähän (verrattuna muihin kurssilaisiin), aihe on kiinnostava ja siitä saa mielenkiintoisia jatkokysymyksiä joita voisi selvittää.


Ajatuksia ja terkkuja

Itsehän en itse kurssikerralla saanut melkein mitään aikaiseksi, lähinnä koska QGIS-ohjelma kaatuili koko ajan. Seuraavaksi huomasin myös kalenterini täyttyneen monenlaisista töistä, ja tämä työ vain siirtyi siirtymistään myöhempään ajankohtaan. Itse pidän geoinformatiikasta, ja oikeastaan olisin halunnut jaksaa paremmin tehdä, varsinkin tämän viimeisen työn. Toivon kuitenkin, että tämä on riittävä kurssin suorittamiseen hyväksyttävästi.

Kaiken kaikkiaan opin paljon, ja sain kasaan hyvän määrän muistiinpanoja, joihin voin palata kun (toivottavasti) jaksan tehdä taas QGIS-ohjelmalla karttoja. Nyt myös olen nähnyt monilla eri aineistoilla, miten helposti kartoilla saa visualisoitua erilaista tietoa.

Lähteet

Jalonen, M. (2021). Kurssikerta 7.
http://https://blogs.helsinki.fi/mmjalone/
Viitattu: 27.3.2021

Tilastokeskus. Tieliikenneonnettomuudet. (2018).
Väestöntiheys alueittain. (2012).
Kuntien avainluvut. (2019).
Haettu: http://https://paituli.csc.fi/download.html
27.3.2021

6. kurssikerta

Itsekerättyä pistedataa

Aloitimme kurssikerran ulkoilulla kukin omalla lähialueellaan. Ulkoilun aikana keräsimme eri pisteistä tietoa Epicollect5-sovelluksella. Kun jostain kohdasta päätti lisätä pisteen sovellukseen, avautui sovelluksessa muutama kysymys liittyen alueen turvallisuuteen ja viihtyisyyteen. Näitä arvioitiin asteikolla 1 – 5. Aikaa ulkoiluun oli varattu noin 45 minuuttia. Maanantai-iltana maa oli todella liukas, sillä lumen päälle oli satanut sunnuntaina alijäähtynyttä vettä, joka oli jäätynyt maahan. Tämän vuoksi ainakin oma reittini jäi lyhyemmäksi, mitä olin alun perin suunnitellut. Sain kerättyä vain muutaman pisteen, koska tuntui hölmöltä kerätä pisteitä muutaman metrin välein. En tosin tiedä, olisiko sillä ollut merkitystä tämän tehtävän kanssa, sillä tässä lähinnä harjoittelimme Epicollect-sovelluksen, ja siitä tuodun datan työstöä sekä interpolointia.
Kun kaikki olivat palanneet koteihinsa, ladattiin kaikkien keräämät pisteet QGIS-ohjelmaan. Interpoloimme karttaa, josta näkyy eri värein, kuinka viihtyisäksi tai turvalliseksi alue koettiin (kuva 1).

kuva1
Kuva 1. Turvallisuuden tunne Helsingin eri osissa.

Hasardikartta

Kurssikerran toisena tehtävänä teimme hasardeja havainnollistavia karttoja, joita voisi käyttää tuntiopetuksen tukena. Kurssin Moodle-alueella oli linkkejä, joista saimme tulivuoria, maanjäristyksiä ja meteoriitteja kuvaaviin aineistoihin. Itse valitsin kuvata maanjäristyksiä ja tulivuoria.

kuva2
Kuva 2. Vuoden 2012 maanjäristykset, joiden voimakkuus välillä 3-4 magnitudia (Northern California Earthquake Data Center; National Oceanic and Atmospheric Administration, 22.2.2021).
kuva3
Kuva 3. Vuoden 2012 maanjäristykset, joiden voimakkuus välillä 5-6 magnitudia (Northern California Earthquake Data Center; National Oceanic and Atmospheric Administration, 22.2.2021).
kuva4
Kuva 4. Vuoden 2012 maanjäristykset, joiden voimakkuus vähintään 7 magnitudia (Northern California Earthquake Data Center; National Oceanic and Atmospheric Administration, 22.2.2021).

Kartat (kuva 2- kuva 4) kuvaavat tulivuorten sijoittumista ja maanjäristysten esiintymistä eri alueilla. Pisteiden sijainnit kuvaavat melko hyvin litosfäärilaattojen reunoja. Tosin on huomioitava, että kartoissa korostuvat isoimmat litosfäärilaatat, eikä pienempiä laattoja näy juuri ollenkaan. Tämän vuoksi tein myös kartan, johon lisäsin litosfäärilaattojen reunat (kuva 5). Aineistoin löysin googlauksen tuloksena GitHub-sivustolta. Tekemäni kartat, joissa ei ole lisättynä litosfäärilaattojen reunoja, sopivat tästä huolimatta osaksi opetusta, jossa halutaan havainnollistaa litosfäärilaattojen, laattatektoniikan sekä maanjäristysten ja tulivuorten yhteyksiä.

kuva5
Kuva 5. Litosfäärilaattojen rajat sekä tulivuorten sijoittuminen (GitHub; National Oceanic and Atmospheric Administration, 23.2.2021).

Pienempiä järistyksiä on huomattavasti useammin kuin voimakkaampia järistyksiä. Seismologian instituutin sivuilla on esimerkiksi taulukko josta näkee, että pienimpiä maanjäristyksiä on tuhansia vuosittain, kun taas voimakkaampia on huomattavasti vähemmän. Tämä näkyy myös tekemissäni kartoissa.

Tätä aihetta voi kuvata kartoilla monin eri tavoin. Itse esimerkiksi keskityin maanjäristyksiä esittäessä niiden eri voimakkuuksiin, ja kuinka paljon niitä on vuodessa. Mutta esimerkiksi Oona teki mielenkiintoiset kartat pidemmällä aikavälillä tapahtuneista maanjäristyksistä. Antti puolestaan eritteli kerros- ja kilpitulivuoret eri kartoille.

Ongelmia ja oppimista

Kun latasi aineistoja maanjäristyksistä, tuli aineisto csv.-tiedostona. Itselläni Excel ei ollut yhteistyöhaluinen, ja kysyi, haluanko laskea kaavan, tai jotain sen tapaista. Tämä tapahtui siinä vaiheessa, kun olin vaihtamassa pilkkuja ja pisteitä. Ongelma ratkesi viimein sillä, että kopioikin tiedoston Notepad- sovellukseen, tallensi, ja vei sitten QGIS:in. Tämä on hyvä tietää tulevaisuuden varalle, jos Excel ei jostain syystä tahdo tehdä niin kuin sanon.

Lähteet

Bird, P. (2003). An updated digital model of plate boundaries. Geochemistry Geophysics Geosystems, 4(3), 1027. doi:10.1029/2001GC000252.
(haettu data: tectonicplates
http://https://github.com/fraxen/tectonicplates
23.2.2021)

Jalkanen, O. (2021). Kuudes viikko: Datan tuottamista & hasardeja.
http://https://blogs.helsinki.fi/jaoona/
Viitattu 2.3.2021

Kurssimateriaali: KK6, harjoitus 6

National Oceanic and Atmospheric Administration. Natural hazards. Search Volcano Locations.
http://https://www.ngdc.noaa.gov/hazel/view/hazards/volcano/loc-search
Viitattu: 22.2.2021

Northern California Earthquake Data Center. Historic ANSS Composite Catalog Search.
http://https://ncedc.org/anss/catalog-search.html
Viitattu 22.2.2021

Paakkari, A. (2021). Viikko 6. Luento ja harjoitukset.
http://https://blogs.helsinki.fi/anttipaa/
Viitattu 2.3.2021

Seismologian instituutti. (2020). Perustietoa maanjäristyksistä.
http://https://www2.helsinki.fi/fi/seismologian-instituutti/maanjaristykset/perustietoa-maanjaristyksista-0
Viitattu 2.3.2021

5. kurssikerta

Bufferointia

Tällä viikolla kävimme läpi, miten QGIS-ohjelmalla luodaan buffer-analyyseja. Tämän lisäksi valtaosa kurssikerrasta käytettiin itsenäisten tehtävien tekemiseen, jossa pääsi kokeilemaan, että miten hyvin QGIS-ohjelma on hallussa. Itsenäinen työskentely ahdisti alkuun aika paljon, mutta se on pääasiallisesti sitä, etten luota itseeni tai taitoihini. Tämä kurssikerta oli aika vaikea, ja aikaa kului paljon (lähinnä miettimisen ja epävarmuuden, sekä muutaman tuloksettoman kokeilun takia), mutta näistä huolimatta tämä kurssikerta opetti paljon omasta osaamisestani. Työkalut, joita olemme käyttäneet paljon kurssilla, ovat jo suhteellisen tuttuja, mutta kyllä aina välillä sai miettiä aika pitkään, että mistä se työkalu nyt löytyikään. Kertaus on opintojen äiti, ja sen huomasin varsinkin tällä kurssikerralla.

Olen tehnyt buffer-analyysin joskus GIS 2- kurssilla, joten ajatuksen tasolla tämä on tuttu. Kurssista on tosin muutama vuosi aikaa, joten en muistanut miten tämä todella tapahtuu.
Buffer-toiminnolla voidaan määrittää kohteen ympärille halutun kokoinen vyöhyke. Buffer-toimintoa voidaan käyttää esimerkiksi laskemaan kuinka monta puuta kasvaa vähintään 300 metrin päässä joesta. Kokosin taulukkoon kurssikerran tehtävistä saamiani tuloksia (taulukko 1). En ole ollenkaan varma, että ovatko ne edes lähellä oikeaa. Mietin myös, että kurssilaisten tulokset voivat hieman vaihdella, riippuen miten esimerkiksi lentokenttien kiitoradat on piirretty kartalle. Tätä samaa pohti Iiris blogissaan.

Taulukko 1. Saamani tulokset kurssikerran tehtävistä.

Helsinki-Vantaa lentokenttä:
2 km säteellä asuvia 9941
Näistä 65 dB:n alueella asuvia 303
Väh. 55 dB:N alueella asuvia 9303
Väh. 60 dB:n alueella, jos laskeutuminen kaakosta 2317
Asemat
500 m asemasta asuvia 110805
Koko alueen asukkaista (%) 21
Näistä työikäisiä 67
Taajamat
Koko alueella taajamissa asuvia (%) 96
Kouluikäisiä taajamien ulkopuolella (%) 4
Yhtenäiskoulu
6v koulupiirissä 14
12-14v 62
Kouluikäisten osuus koko alueen asukkaista (%) 8,3
Muunkielisiä kouluikäisiä asukkaita 9

 

Mitä opin?

Kun olin piirtänyt toisen kiitoradoista, ja olin tekemässä sille bufferia, huomasin, että bufferi näkyi sivupalkissa, muttei kartalla. Selvisi, että siinä oli väärät koordinaatit ja se oli mennyt aivan muualle, mitä piti. Tästä opinkin, että muista aina tarkistaa aineiston koordinaattijärjestelmä. Aina. Toinen asia, mikä korostui, ja josta Kasper myös mainitsee blogissaan on tallentaminen: muista AINA tallentaa. Jokaisessa välissä. Tallentamisesta on tullut jo enemmän automaattinen toiminto, mutta maanantai-illat tekevät silti välillä temppunsa aivoille.

Mitä osaan nyt?

Lyhyesti sanottuna: aika ajoin tuntuu, että kaiken sen kurssikerran asiat, välillä taas tuntuu, että en mitään. QGIS-ohjelman käyttö on sujunut vaihdellen, mutta minkä uuden ohjelman käyttö nyt ei menisi kuin vuoristorata? Tai ainakin omalla kohdalla se menee näin aika usein. QGIS-ohjelmassa on monia työkaluja, ja uskon, että olemme opetelleet niistä vain murto-osan. Kurssin alussa kaikkeen QGIS-ohjelmalla tehtävään toimintoon piti saada tarkat ohjeet, nyt pystyn toimimaan itsenäisemmin, ainakin jo tuttujen työkalujen osalta. Osaan tuoda ohjelmaan eri muotoisia aineistoja, bufferoida, tarkastella aineistoja sekä tuottaa karttoja. Tämän kerran jälkeen, koen hallitsevani esimerkiksi select-toiminnot sekä join attributes by location (summary).
Koen, että tarvitsen paljon toistoa, jotta tuntisin hallitsevani ohjelman eri työkalut hyvin, ja tuntisin itseni varmaksi sen kanssa. Tämän lisäksi, en koe vielä tietäväni varmaksi, mitä työkalua tai toimintoa kussakin tilanteessa tulisi käyttää, mutta uskon tämänkin taidon kertyvän ajan kanssa.

Lähteet

Kurssimateriaali: KK5, Harjoitus 5

Mickos, K. (2021). Kurssiviikko 5: ongelmanratkaisua ja reflektointia.
http://https://blogs.helsinki.fi/kmickos/
Viitattu: 22.2.2021

Turunen, I. (2021). 5. kurssikerta.
http://https://blogs.helsinki.fi/iiristur/
Viitattu: 22.2.2021

 

4. kurssikerta

Neljännen kurssikerran aihe ja tavoitteet

Tällä viikolla tutustuimme piste- ja ruutuaineistoihin. Pisteaineistot ovat kaikkein tarkimpia paikkatietoaineistoja, ja niillä voidaan kerätä tietoa melkein mistä tahansa ja minkälaisista kohteista tahansa. Ruutuaineisto puolestaan on tehokas tapa kerätä alueellista tietoa ilman valmista aluejakoa ja esimerkiksi monet Suomea käsittelevät laajat tietoaineistot ovat ruutumuotoisia. Ruutuaineistot pohjautuvat usein pisteinä tallennettuun aineistoon.
Ruututeemakartta on näppärä siinä, että sillä pystyy esittämään tietoa absoluuttisin arvoin, sillä ruudut ovat samankokoisia koko aineiston alalla. Toisaalta rasteriaineistojen tarkastelu on riippuvainen tarkasteluetäisyydeltä. Tätä ongelmaa ei ole vektoriaineistossa. Rasteriaineisto on myös vektoriaineistoa raskaampaa, jonka saikin huomata harjoituksia tehdessä. Itsellä ainakin osa toimituksista kesti aika kauan, ja QGIS-ohjelmakin kaatui ensimmäistä kertaa tämän kurssin aikana.

Tavoitteena oli oppia ruutukarttojen tekeminen ja tiedon esittäminen niiden avulla. Käytimme myös muistaakseni ensimmäistä kertaa tällä kurssilla rasteriaineistoja.

Ruudukon luominen ja teemakartan luominen

Ensimmäisessä tehtävässä aloitimme ruudukon luomisella, ja toimme sinne dataa. Alueena oli pääkaupunkiseutu, ja ruudukon ja sinne tuodun datan avulla oli tarkoitus tehdä teemakartta. Kurssikerralla teimme teemakartan ruotsinkielisten osuudesta, mutta tämän jälkeen teimme itsevalitusta aiheesta teemakartan. Itse valitsin muunkielisten määrän pääkaupunkiseudulla, ja ruutukokona on 1 km x 1 km (kuva 1). Karttakuvastani näkee, miten muunkielisten osuus vaihtelee huomattavasti eri puolilla pääkaupunkiseutua. Itäiset sijainnit kutienkin korostuvat karttakuvassa.

Kuva 1. Muunkielisen väestön jakautuminen pääkaupunkiseudulla 1km x 1km ruudukolla.

Inka Järvelä teki puolestaan kartan pienemmällä ruutukoolla, ja tämän lisäksi teki kartan suomenkielisten asujien määrien sijoittumisesta pääkaupunkiseudulla. Tämä luo mielestäni hyviä mahdollisuuksia esimerkiksi tarkastella tarkemmin muunkielisten jakautumista pääkaupunkiseudulla.

Pornainen ja korkeuskäyrät

Kurssikerran toisessa harjoituksessa harjoittelimme käsittelemään rasteriaineistoja, jotka sisältävät korkeustietoja ja laatimaan niistä vinovalovarjostettu korkeusmalli (Hillshade) peruskarttalehden taustalle. Tämän lisäksi teimme karttalehdelle korkeuskäyrät. Korkeuskäyrät ovat normaalisti 5 metrin välein, yritin tätä neljästi, ja joka kerta QGIS-ohjelma kaatui. Päädyin tekemään korkeuskäyrät siis 10 metrin välein. Tehtävänä oli myös ladata Paitulista peruskarttalehti (kuva 2), ja vertailla tämän ja itsetuotettuja korkeuskäyriä (kuva 3). Vertailu on hieman vaikeaa, koska omani ovat 10 metrin välein.

Kuva 2. Pornaisen maastokartta (Maanmittauslaitos).
Kuva 3. QGIS-ohjelmalla luodut korkeuskäyrät 10 metrin välein.

 

Tuttu ja turvallinen digitointi

Pornaisten keskustan alueelta digitoimme muutamalla eri työkalulla kaikki rakennukset ja suurimmat tiet. Tein rakennusten digitoimista varten uuden Scratch Layerin, sillä siinä ei tarvitse jokaisen pisteen jälkeen nimetä tätä kyseistä pistettä. Säästi siis ajan lisäksi järjen. Teitä digitoidessa nimesin ne kaikki, sillä tarvittavia teitä oli alle kymmenen. Tämä piti olla tehtynä ennen viidettä kurssikertaa, ja odotankin mielenkiinnolla, että miten tätä työstetään eteenpäin. Toivon myös, että olen onnistunut digitoimaan rakennuksista kaikki oikein, eikä siellä ole virheitä, ainakaan paljoa. Havahduin nimittäin digitoinnin pääteeksi tarkistaessani karttaani, että piti oikein keskittymällä keskittyä katsomaan sitä karttaa ja omaa jälkeä, sillä silmät olivat väsyneet aika lailla työntouhussa

Lähteet

Järvelä, I. (2021). Neljäs viikko: Pisteaineiston käyttö ruudukossa.
http://https://blogs.helsinki.fi/inxinx/
Viitattu 16.2.2021

Kurssimateriaali: KK4 Harjoitus 4

Maanmittauslaitos. (2020). Peruskartta Pornainen L4322L. painoväri, 1:20 000.

3. Kurssikerta

Kurssikerran aihe

Kurssin kolmannella kerralla harjoittelimme eri tietokantojen yhdistelemistä, sekä alkuperäisten aineistojen muokkausta ennen yhdistämistä, jos sille on tarvetta. Alkuperäistä aineistoa voi joutua muokkaamaan esimerkiksi silloin, jos aineisto on liian yksityiskohtaista, kuten harjoitteluaineistomme Afrikka, jossa jokainen yksittäinen saari oli merkattu erilleen. Tämän vuoksi yhdistimme jokaiseen valtioon sille kuuluvat saaret niin, että valtion kaikki tiedot olivat yhtenä rivinä atribuuttitaulukossa.

Tämän lisäksi harjoittelimme datan tuomista Excelistä QGIS-ohjelmaan. Tällöin data täyttyy tallentaa Excelissä csv. -muotoon, jotta sen saa avattua QGIS-ohjelmassa.

Afrikka-aineisto

Pysyin kurssikerralla hyvin mukana, kun yhdistimme Afrikka-aineistossa valtioiden tietoja yhdeksi sarakkeeksi, ja kun toimme QGIS-ohjelmaan kartan lisäksi Timantit-, konfliktit- sekä öljyn tuotto aineistot. Näiden aineistojen avulla katsoimme minne päin Afrikkaa mikäkin näistä sijoittuu. Tein tästä myös yhden kartan (kuva 1).

Kuva 1. Timanttikaivokset, öljykentät ja konfliktialueet Afrikassa.

Hypoteesina voisi olla, että konfliktit lisääntyvät, jos valtion alueella on paljon luonnonvaroja. Lisätiedot ovat kuitenkin tarpeen. Esimerkiksi, syntyykö konflikti kutienkin vasta sitten, kun luonnonvarojen louhinta käynnistyy, tai on suunnitteilla? Aiheuttaako laajempi toiminta enemmän konflikteja alueella? Ja ainakaan ainoastaan kartan perusteella ei voida päätellä, että onko asioiden välillä suoraa yhteyttä. Kartasta nähdään myös, että Sudanissa esiintyy paljon konflikteja, mutta alueella ei kuitenkaan löydy timantteja eikä öljyä. Raportissa ( Breidlid ja Arensen, 2014, ”Anyone wjho can carry a gun can go” – The role of the White Army in the current conflict in South Sudan) käy ilmi, että vuoden 2013 itsenäistymisen jälkeen Etelä Sudan on kohdannut uudet sisällissodan, joka selittäisi kartallakin näkyvät konfliktit. Myös Saara n blogissa on hyvää pohdintaa Afrikka-aiheesta.
Afrikka-aineiston avulla harjoittelimme käyttämään niitä toimintoja (kuten tietokantojen yhdistäminen), joita tarvitsimme itsenäisessä harjoitustyössä, jonka teimme Suomen tulvaindeksikartan.

Tulvaindeksikartta

Tehtävänä oli liittää valuma-aluetietokantaan keskiylivirtaamatietokanta, eli MHQ-tietokanta, sekä järvisyystietokanta käyttämällä QGIS-ohjelman Joins-työkalua.
Tulvaindeksikartta saatiin laskemalla keskiylivirtaama (MHQ) / keskivirtaama (MNQ). Lopullisessa kartassa näkyy tulvaindeksi Suomen eri valuma-alueille sekä valuma-alueiden järvisyysprosentti (kuva 2). Valitsin karttaani siniset sävyt, sillä aiheena on vesi. Mietin ensin kyllä punaisia sävyjä, sillä tulva on kuitenkin vaara. Järvisyysprosentti on aineistossa tekstimuodossa, jonka vuoksi diagrammia ei saa tehtyä, ellei itse määrittele arvoja. Tein järvisyysprosentista pylväsdiagrammin.

Kuva 2.

Lähteet

Breidlid, I. M. ja Arensen. M.J. (2014). ”Anyone who can carry a gun can go” The role of the White Army in the current conflict in South Sudan. Peace Research Institute Oslo (PRIO). ISBN:
www.prio.org
978-82-7288-548-8 (print)
978-82-7288-549-5 (online)

Heikkinen, S. (2021). Kolmas kurssikerta.
http://https://blogs.helsinki.fi/heikkins/2021/02/09/kolmas-kurssikerta/
Viitattu 16.2.2021

Kurssimateriaali: KK3 Harjoitus 3

 

2. Kurssikerta

Toisen kurssikerran aihe ja tavoiteet

Tällä kurssikerralla kävimme läpi erilaisia rajapintojen kautta haettava aineistoja. Niin rasteri- kuin vektoriaineistolle on omanlaisensa, rasteriaineistolle on WMS-palvelut ja vektoriaineistolle WFS-palvelut.
Luennon aikana visualisoimme eri projektioiden vaikutusta pinta-alaan. Tästä oli helppo huomata, miten projektio saattoi vääristää pinta-alaa paljonkin. Siitä aiheesta teimme myös seuraavan harjoituksen.

Projektioiden luomat vääristymät

Toisen kurssikerran harjoituksen tarkoituksena oli vertailla, miten eri projektiot vääristävät Suomen pinta-alaa. Itse vertasin ETRSTM-TM35FIN-projektiota ensin oikeakulmaiseen Mercatorin projektioon (kuva 1) ja sitten Robinsonin projektioon (kuva 2). Mercatorin projektio säilyttää alueiden muodot oikeina, mutta vääristää mittasuhteet. Robinsonin projektio ei säilytä alueiden muotoja tai mittasuhteita täysin, vaan pyrkii kompromissiin näiden välillä. ETRS-projektio näyttää Suomen hyvin pienillä virheillä, kun taas Mercator-projektiossa virhe kasvaa aina suuremmaksi, mitä kauempana päiväntasaajasta ollaan.

Kuva 1. Mercator projektion pinta-alan vääristymä suhteessa ETRSTM-TM35FIN (%).

Robinsonin projektiolla laskettu pinta-alan vääristymä ei ole ollenkaan niin dramaattinen kuin Mercatorin projektiolla. Siitä huolimatta virhe on näkyvä, ja aivan kuten Mercatorin projektiossa, myös Robinsonin projektiossakin virhe kasvaa napoja kohti mentäessä.

Kuva 2. Robinsonin projektion pinta-alan vääristymä suhteessa ETRSTM-TM35FIN.

Mitä opin?

Viimeviikkoon verrattuna olemme edenneet aikalailla, ja QGIS-ohjelmana tuntuu tutummalta, vaikka kertausta kyllä tarvitsen edelleen. Blogin puolesta alkaa myös sujua, esimerkiksi kuvien lisääminen sujui tällä viikolla ongelmitta.
Harjoituksia tehdessäni kokeilin visualisoida karttaa vaihdellen muuttujien luokkamääriä. Yleensä suositellaan käytettäväksi viittä eri luokkaa, mutta Mercatorin projektiossa kartta ei näyttänyt tarpeeksi informatiiviselta silloin (kuva 3). Tämän vuoksi päädyin eri kokeilujen jälkeen kahdeksaan luokkaan Mercatorin projektiossa, sillä 10 luokkaa vaikutti jo liian sekavalta. Annikka Innanen puolestaan mainitsi blogissaan, miten joihinkin esityksiin vähempi luokkien määrä oli sopivampi. Onkin siis tärkeää kokeilla, ja miettiä mikä sopii sen hetkiseen esitykseen parhaiten.

Kuva 3. Mercator projektion pinta-alan vääristymä visualisoituna viidellä luokalla.

Lähteet

Innanen, A. (2021). Harjoitus 2: Pinta-alojen vertailu eri projektioissa.

http://https://blogs.helsinki.fi/anninnan/2021/01/27/harjoitus-2-pinta-alojen-vertailu-eri-projektioissa/
Viitattu 1.2.2021

Kurssimateriaali: KK2_Harjoitus 2

 

1. kurssikerta

Tämä blogi käsittelee oppimistani, ja tekemiäni töitä Geoinformatiikan menetelmät 1-kurssilla. Kuten kaikki kurssit tällä hetkellä Helsingin yliopistolla, tämäkin kurssi pidetään etäyhteyksin Zoomin välityksellä. Tällä kurssilla käytetään QGIS-ohjelmaa paikkatiedon käsittelyyn. QGIS-ohjelman saa ladattua ilmaiseksi verkosta.

1. kurssikerta

Maanantaina 18.1. oli Geoinformatiikan menetelmät 1-kurssin ensimmäinen kurssikerta. Aluksi tutustuttiin muihin ryhmäläisiin, kurssin ohjelmaan sekä tavoitteisiin. Tämän jälkeen päästiin käymään läpi paikkatiedon ja QGIS-ohjelman perusominaisuuksia. Itse olen käyttänyt QGIS-ohjelmaa ennen, mutta vain kerran, ja tästäkin on aikaa pari vuotta. Ohjelman perustyökalut muistuivat tästä huolimatta melko nopeasti mieleen. Varsinkin, kun teimme kurssikerralla teemakartan typen päästöistä Itämeren HELBUS-merialueella (kuva1).

 

Kuva 1.

Mitä opin?

Kurssikerralla palautui, ainakin suurimmaksi osaksi, QGIS-ohjelman perustyökalut mieleen, vaikka karttaa (kuva1) tehdessä tulikin muutama ongelma vastaan. Esimerkiksi kadotin muiden valtioiden rajat näkyvistä.

Kotitehtävä

Tehtävänä oli tehdä koropleettikertta valmiista Suomen kunnat 2015-aineistosta. Aineistossa oli paljon erilaisia muuttujia, kuten ikäjakaumasta, ruotsinkielisten määrästä, syntyvyydestä ja niin edelleen. Valitsin oman karttani muuttujaksi työttömyyden, ja kartalle 2 suurin työttömien osuus työvoimasta on kirkkaan punaisella, ja pienempi osuus aina vaaleammalla värillä. Tämän aineiston perusteella työttömyyttä on eniten itärajalla pohjoisessa, sekä aivan käsivarressa. Huomioitavaa mielestäni on myös se, että alueilla joissa on korkeampi työttömyys, väkiluku on suurimmaksi osaksi pienempi kuin muiden alueiden.

Kuva 1
Kuva 2.

Lähteet:
Kurrismateriaali: KK1_Harjoitus 1

Tilastokeskus, väkiluku 2015 haettu: https://kartta.paikkatietoikkuna.fi/
22.1.2021