2 kurssikerta, asiaa projektioista

 

Kurssikerran ideana oli saada käsitystä eri projektioiden käyttöön liittyvistä ominaisuuksista QGississä. On tärkeää ottaa huomioon projektioiden väliset muutokset pinta-aloissa. Tätä havainnollistettiinkin vertailemalla eri projektioiden pinta-alan muutoksia rajatulla alueella. Harjoituksessa piirsin QGississä Suomineidon päälle kolmion muotoisen hatun, jonka pinta-alan muutoksia taulukoin. Taulukoinnin avulla voi hyvin havainnoillistaa eri projektioiden välisiä eroja pinta-aloihin. Taulukoinnin lopputulokset ovat alla taulukossa 1. Taulukosta 1. voidaan huomata, että projektoiden välillä voi olla huomattaviakin eroja pinta-alojen koon muutoksissa esimerkiksi vertailtaessa Spehere Mercator projektiota ja Abersin projektiota.

Taulukko 1. Eri projektioiden pinta-alojen ja pituuksien vertailua QGissin avulla.

Toisessa kurssikeralla tehdyssä harjoituksessa ideana oli vertailla eri projektioiden välisiä pinta-alan muutoksia eri aluiella Suomessa. Projektiot vääristävät aina jotakin kartan ominaisuutta ja se taas vaikuttaa kartan informaation hahmottamiseen. Ulrika Ainasoja tekikin projektioiden käytöstä hyvän johtopäätöksen: “Johtopäätöksenä voidaankin sanoa, että käytetyillä projektioilla on merkitystä karttojen luettavuuteen sekä niistä muodostuviin mielikuviin. Siksi onkin tärkeää valita aineiston esittämiseen kulloinkin parhaiten soveltuva projektio.”

Kurssikerralla tehdyn tehtävän tekemisen hahmottaminen oli minulle ylitsepääsemättömän haastavaa ja yritin laatia kurssikerran karttaa useaan otteseen omatoimisesta, mutta homma tyssäsi aina samaan kohtaan, jossa QGissiin oli tarkoitu saada kaksi projektiota auki samanaikaisesti.  Saana Järvisen blogia lukiessa selvisi, etten ollut ainoa joka oli “aivan pihalla” QGissin kanssa. Sain kuitenkin apua avuliaalta kurssikaverilta, joka opasti kohta kohdalta mitä piti tehdä ja ilman apua en olisikaan tosiaan saanut karttaa valmiiksi. En ihan siltikään ymmärtänyt mitä harjoituksessa oikeasti tehtiin, mutta sain luotua yhden kartan (Kuva 1.), jossa on havainnollistettu Mercatorin projektion ja ETRS-TM35FIN -projektion välisiä eroja vertailuprosenttien avulla.

Kuva 1. Vertailuprosentit kunnittain Suomessa Mercatorin projektion ja ETRS-TM35FIN -projektion välillä.

 

Lähteet:

Ainasoja. U. Tietokantojen käsittelyä sekä eri projektioiden vertailua Käyty: 30.03.2020

https://blogs.helsinki.fi/ulrikain/

Järvinen. S. Geoinformatiikan menetelmät, 2. kurssikerta Käyty: 30.03.2020

https://blogs.helsinki.fi/jarvsaan/

 

5. kurssikerta, aktiivista bufferointia

Bufferointitehtävien vastauksia

Kurssikerralla tehtävissä harjoituksissa etsittiin aineistosta tietoja Helsinki-Vantaan lentokentän ja Malmin lentokentän eri melualueiden alueella asuvien ihmisten väkiluvuista. Taulukossa 1. on esitetty Helsinki-Vantaan lentokentän melualuiden vaikutusalueella asuvien ihmisten väkiluvut.

Taulukko 1. Helsinki-Vantaan melualuieden väkilukuja.

Taulukossa 2. on eriteltynä Malmin lentokentän melualueiden asukkaiden määriä 1 km ja 2km säteellä lentokentästä.

Taulukko 2. Malmin lentokentän melualueiden asukasmääriä.

Kurssikerralla tutkailtiin myös juna-ja metroasemien läheisyydessä asuvien ihmisten määriä. Kurssikerralla toivottavasti ainakin muutama toiminto jäi muistiin, koska niitä toistettiin monta kertaa. Juna-ja metroasemia käsittelevästä aineistosta poimittuja huomioita: 500 metrin säteellä juna-tai metroasemasta asuu 265 201 ihmistä Pääkaupunkiseudulla. Kaikista pääkaupunkiseudun alueen asukkaista noin 25% asuu  juna-tai metroasemasta 500 metrin säteellä.

Omasta oppimisesta ja kurssikerrasta

Tällä hetkellä koen QGissin hyödyllisimmiksi työkaluiksi ominaisuustaulukon ja helmitaulun käyttämisen sekä “processing toolboxista” löytyvät komennot.  Koen vielä melkein kaikki QGissin toiminnot vähän haastaviksi. Osaan kuitenkin vaihtaa eri tasojen väritystä oikein sujuvasti ja tehdä joitakin simppeleitä laskuja helmitaulun avulla aineistosta. Olen huomannut Miklas Kuoppalan kanssa saman asian toimintojen käytöstä, että “Joskus jokin onnistuu ensimmäisellä yrityksellä, mutta sen takia kyseinen toiminto unohtuu myös nopeasti, ellei ole tosi yksinkertainen.” QGissin toiminnot vaativat siis jonkin verran toistoa, että ne oikeasti jäävät pysyvästi muistiin.

Kurssikerroilla on tullut kuitenkin aika paljon kaikenlaista asiaa ja jotkin toiminnot ovat jäänet hyvin muistiin. Erilaisia toimintoja on kuitenki niin monia ja aina en ole ihan konkreettisesti ymmärtänyt mitä eri toimintojen käytöllä tapahtuu aineistoille ja se varmasti osaltaan hankaloittaa QGissin käytön hahmottamista. Bufferointiharjoituksessa kuitenkin oli helppo hahmottaa ja ymmärtää mitä eri komentojen avulla tekee.  Joona Hytti totesi hyvin bufferoinnin periaatteista “Bufferoinnin käyttö ja soveltaminen eri tehtäviin oli Artun ensimmäisen ohjeistuksen jälkeen varsin yksinkertaista, sillä sen käyttö toimi kohteesta riippumatta samoin periaattein ja parametrein”. Bufferointi on varsin hyödyllinen työkalu, koska sitä voi soveltaa moniin eri käyttötarkoituksiin kuten esimerkiksi siihen minne uusi ruokakauppa kannattaa asiakasmäärien puolesta sijoittaa.

Lähteet:

Miklas Kuoppala.  Jatkuu ensi numerossa… Viitattu: 18.03.2020 https://blogs.helsinki.fi/kmiklas/

Joona Hytti.  Bufferointi 10.02. Käyty 01.04.2020

https://blogs.helsinki.fi/jhytti/

6 kurssikerta, erinäisiä hasardeja ja pi(l)kkuvikoja

Valitettavasti en päässyt tälle kurssikerralle, joten suoritin kerran itseopiskeluna kotona. Luin muiden blogeista, että kurssikerralla oli päästy keräämään itse dataa sovelluksella nimeltä Epicollect5. Muun muassa Vilma Koljosen blogissa datan keräämistä oli kuvailtu näin “Sovellus paikansi sijaintimme ja kohteen merkinnän yhteydessä määrittelimme kohteen laatua. Kysymyksinä oli esimerkiksi kohteen turvallisuus sekä kohteen viihtyvyys. Arvioimme jokaisen kysymyksen asteikolla 1-5”.  Muiden blogeja lukemalla pääsi ihan hyvin jyvälle siitä, mitä kurssikerralla oli saatu sovelluksen avulla aikaiseksi.

Hasardeja kartalla

Kurssikerran itsenäistehtävän ideana oli luoda itse hasardeihin liittyviä karttoja QGissin avulla. Törmäsin tietysti taas heti alussa ongelmiin, kun latasin tietokoneelleni Moodlesta löytyvän 6 kurssikerran aineistopaketin. Lataamani aineistot latautuivat jonkin sortin error.exe -tiedostoina enkä saanut tarvittavaa taustakarttaa auki QGissillä. Muistinkin sitten, että kurssilla on joskus jossain yhteydessä näytetty NaturalEarthData.com -sivusto, josta löytyy ilmaisia paikkatietoaineistoja.  Ainakin sivustolta lataamani aineisto aukesi QGississä maailmankartaksi, joten se kelpasi.

Laadin kartan, jossa näkyvät vuosien 1980-2012 aikana tapahtuneet yli 8 magnitudin maanjäristykset. Ongelmia ilmeni tässäkin vaiheessa, kun Excel halusi tunkea pilkkuja outoihin paikkoihin. Tajusin ongelman kuitenkin jo noin parin tunnin (:D) tuskailun jälkeen ja sain sitten ongelman korjattua. Kun aloin tekemään seuraavaa karttaa huomasin, että olin hakenut tiedot väärin maanjäristystietokannasta. Eli olinkin vahingossa ottanut tiedot vain 1/4 maapallosta…no hain sitten tiedot uudestaan ja sain järkevän kartan laadittua.

Tulivuoria 

Laadin kartan pyroklastisten kerrostulivuorten sijainnista maapallolla (kuva 1.).  Kuvasta 1. nähdään pyroklastisten tulivuorten sijainti pääpiirteisesti koko maapallolla. Tulivuoret sijoittuvat litosfäärilaattojen saumakohtiin, mutta tätä ei voi Kuvan 1. kartasta suoraan havaita, sillä litosfäärilaattojen ääriviivoja ei ole esitetty kartalla. Kuvan 1. kartan avulla voi siis enemmän havainnollistaa tämän tyyppisten tulivuorten määrää ja sijaintia maapallolla, mutta muuta yksityiskohtaisempaa kartan avulla ei oikein voi havainnoida.

Kuva 1. Pyroklastisten tulivuorten sijainti maapalolla.
Kuva 2. Vuosien 1980-2012 aikana tapahtuneet yli 8 magnitudin maanjäristykset.
Kuva 3. Vuosina 1980-2012 tapahtuneet yli 6,5 magnitudin maanjäristykset.

Aikaansaannosten analysointia

Kurssikerralla luotuja karttojen opetuspotenttiaalia tuli pohtia opettajan näkökulmasta. Tästä Mikko Kangasmaa totesi blogissaan hyvin:  “Astuessa opettajan saappaisiin saa hyvän uuden näkökulman kartan tarkasteluun.”

Kuvien 2. ja 3.  karttojen avulla voi opetusnäkökulmasta havainnollistaa hyvin voimakkuuksiltaan erilaisten maanjäristysten esiintyvyyttä ja sijaintia (kts. vertailukartta). Hyvän lisän opetusmielessä karttoihin toisi litosfäärilaattojen ääriviivojen esittäminen kartalla. Tällöin yhteys voimakkaiden maanjäristysten ja litosfäärilaattojen liikkumisen välillä olisi helpompi havaita.

Kuvassa 2.. näkyvät maanjäristykset sijoittuva Tyynenmeren tulirenkaaksi kutsutulle alueelle. Koko maapalloa kuvaava kartta auttaa myös hahmottamaan kyseisten maanjäristysten sijaintia alueellisesti koko maapallolla. Lisäksi kuvan 1. kartasta nähdään, että yli  8,4 magnitudin maanjäristyksiä tapahtuu verrattain harvoin.

Kuvassa 3. on kartta vuosina 1980-2012 tapahtuneista yli 6,5 magnitudin maanjäristyksistä. Kuvan 3. kartasta voi huomata, että suurin osa maanjäristyksistä sijoittuu Tyynenmeren tulirenkaan alueelle sekä litosfäärilaattojen saumakohtiin, vaikkakin maanjäristyksiä tapahtuu myös muuallakin. Kartoistani ei kuitenkaan löydy mittakaavaa, sillä QGis jostain syystä ei millään suostunut luomaan mittakaavaa oikein. Muiden blogeja lukiessa huomasin, että samaa ongelmaa oli ollut muillakin.

Lähteet:

Koljonen. V. Raikasta ulkoilmaa!  Käyty: 01.04.2020

https://blogs.helsinki.fi/vilmakol/2020/02/19/raikasta-ulkoilmaa/

Kangasmaa. M. Kenttätöitä ja hasardeja (Kurssikerta 6) Käyty: 01.04.2020

https://blogs.helsinki.fi/kanmikko/

Taustakartat:

https://www.naturalearthdata.com/

(kts. vertailukartta) Vertailua varten linkki wikipediasta löytyvään maanjäristyskarttaan:

https://upload.wikimedia.org/wikipedia/commons/2/29/Map_of_earthquakes_1900-.svg

 

7. ja viimeinen kurssikerta, Ongelmia ja pientä kehitystä

Kurssikerran tarkoituksena oli soveltaa kurssilla opittuja taitoja oman vapaavalintaisen kartan laatimiseen. Kartan laadintaan tarvittavat aineistot tuli itse etsiä netistä ja muokata niitä sopiviksi, jotta ne soveltuivat oman kartan käyttötarkoituksiin. Juho Leskinen totesi blogissaan “Vapaus ei ole helppoa.”, koska oman kartan sai laatia mistä aiheesta tahansa oli vaikeaa valita järkevä aihe, josta kartan nyt laatisikaan. Päädyin kuitenkin itse luomaan teemakartan Suomen kuntien nettomuuton mahdollisista vaikutuksista kuntien talouden yli-ja alijäämiin.

Oman kartan laadintaprosessia

Oman teemakartan luomiseksi latasin ensin paITulista Suomen vuoden 2020 hallinnollisten alueiden aineiston, josta sain tarvitsemani maakuntien alueellisen jaon QGissiin. Seuraavaksi etsin Tilastokeskuksen StatFin-tietokannasta taulukkomuodossa tietoa maakuntien nettomuutosta ja tilinpäätöksistä, joiden ulkoasua parantelin sitten itse excelissä, jotta sain ne kätevästi QGissiin csv-tiedostoina. Tämän jälkeen alkoivat ongelmat, kun en saanut tietokantoja yhdistettyä enkä ymmärtänyt mikä oli vikana 🙁  Sain onneksi opettajalta apua moneen otteeseen ja saimme ongelman vihdoin ratkaistua ja tietokannat yhdistettyä.

No sain vihdoin jonkinnäköisen teemakartan aikaan, mutta siitä ei tullut hirveän informatiivinen. Koitin muuttaa nettomuuton tietoja prosenteiksi, jotta kartta olisi vähän selkeämpi enkä onnistunut, vaikka yritin googlen avulla moneen otteeseen erilaisia toimintoja.  Nyt kartassa (kuva 1.) näkyvät pylväsdiagrammit näyttävät vain muuttovoittokunnat ja tilinpäätöksetkin ovat vähän haastavat hahmottaa.  Kuvan 1. kartasta ei voi hirveästi päätellä mitään vedenpitäviä päätelmiä tilipäätösten ja nettomuuton välillä.

Kuva 1. Suomen maakuntien tilinpäätösten ali-ja ylijäämät ja muuttovoittokunnat 2018

Mietteitä kurssista

QGis tuntuu kyllä itselleni kaiken kaikkiaan aika haastavalta ja toimintojen hahmottaminen on tosi vaikeaa. QGissin näpertäminen on kuitenkin ihan kivaa puuhaa silloin kun karttojen ja analyysien tekeminen sujuu toivotulla tavalla. Muiden blogeja selatessa huomasin, että jotkut kurssitoverit olivat saaneet aikaan todella hienoja ja informatiivisia karttoja. Itse olen oppinut nyt kurssilla käyttämään vasta ihan perustoimintoja. Toivottavasti opintojen edetessä QGissin käyttö harjaantuu ja ihan niiden simppeleimpienkin analyysien tekeminen ei enää tuota ongelmia, aika näyttää 🙂

Lähteet:

Juho Leskinen. Viimeinen näytös: Yhdysvaltojen koulutustaso ja äänestyskäyttäytyminen. Viitattu 18.03.2020 https://blogs.helsinki.fi/juhongem1/

kartan tuottamisessa käytetyt aineistot:

Paituli paikkatietopalvelu: https://avaa.tdata.fi/web/paituli/latauspalvelu

StatFin-tilastotietokanta: https://www.stat.fi/tup/statfin/index.html

 

4. kurssikerta ja Ensikosketus rasteriaineistoihin

 

Neljännellä kurssikerralla tarkoituksena oli opetella ensin muuttamaan pisteaineistoa ruutuaineistoksi. Ensin laadittiin halutun kokoinen ruudukkopohja (tässä tapauksessa 1km x 1km), jonka avulla tieto voidaan esittää. Ruudukkopohjaa hyödynnettiin tunnilla väestöaineiston esittämisessä.  Kurssikerralla luodussa kartassa (kuva 1.) tarkasteltiin ruudukon rajaaman alueen vanhinta taloa. Kartan laatiminen onnistui tällä kertaa ilman mitään ongelmia ja pysyin lähes koko tunnin kärryillä. Osasyynä tähän oli varmasti ennen aikaista aamutuntia nukutut hyvät yöunet ja rauhallisen pessimistiset odotukset kurssikerran kulusta. “QGis olisikin hyvä avata todellisessa zen-tilassa parhaiden tulosten saamiseksi” Janina Vikman toteaa blogissaan, ja olen täysin samaa mieltä.

Ruututeemakarttoja

 

Kuva 1. Pääkaupunkiseutu 1 km x 1km ruudukossa. Luokiteltuna kunkin ruudun vanhimman talon mukaan.

Omassa itsenäisesti luodussa kartassa (Kuva 2.) tarkastelin ruotsinkielisten osuutta pääkaupunkiseudulla prosentteina neliökilometrin kokoisten ruutujen  rajaamilla alueilla. Ruututeemakartan avulla on helppo vertailla alueita keskenään, sillä kaikki alueet ovat saman kokoisia. Kuvasta 2. voidaan havaita ruotsinkielisten suurimmat prosenttiosuudet Helsingin kantakaupungin alueella sekä kaksikielisyydestä tunnetun Kauniaisten kunnan alueella. Michaela Söderholm tarkasteli myös omassa blogissaan ruotsinkielisten osuuksia pääkaupunkiseudulla ja totesi  ruotsinkielisten usein asettuvan asumaan lähekkäin toisiaan. Ruotsinkielisten osuuksia voidaan osittain siis selittää kulttuurisilla syillä. Myös erilaisten ruotsinkielisten palveluiden kuten koulujen sijainti osaltaan vaikuttaa ruotsinkielisten osuuteen alueella. 

Kuva 2. Ruotsinkieliesten osuus prosentteina pääkaupunkiseudulla.

Rasteriainestojen pariin

“Välkän” jälkeen pääsimme käsittelemään ensimmäistä kertaa rasteriaineistoja QGIS:sissä. Mikko Kangasmaa teki hyvän havainnon omassa blogissaan vektori- ja rasteriaineistojen käytöstä: “Käytimme ensimmäistä kertaa rasteriaineistoja ja eron huomasi heti ohjelman nopeudessa ja yleisessä käytettävyydessä.”

Loimme Pornaisten kylää ja sen lähiympäristöä kuvaavan karttalehden alueelle korkeuskäyrät vinovalovarjostekuvien avulla. Jotkin kohdat kartalla muuttuivat epäselkeiksi ja korkeuskäyrät eivät olleet suoria vaan täynnä pientä sykeröä. Korkeuskäyrien luominen havainnollisti millaisia ongelmia hyvin tarkan ja yksityiskohtaisen aineiston käyttämisessä voi olla.

Vinovalovarjosteen avulla voidaan hahmottaa hyvin alueen pinnanmuotoja. QGIS:sillä voidaan kuitenkin liioitella pinnanmuotojen vaihteluja ja jyrkkyyttä hyvin paljon. Selkeän ja totuudenmukaisen kartan laatimiseksi pitää kiinnittää huomiota, ettei QGIS:sin asetuksia lähde muuttamaan liikaa alkuperäisestä, ainakaan aluksi. Kuvassa 3. nähdään minkälaista jälkeä on mahdollista saada, kun vinovalorjosteella pelleilee. Kuvassa 4. on haluttu lopputulos, jossa pinnanmuodot erottuvat lievästi kartalta eikä niitä ole liioiteltu.

Kuva 3. Vinovalovarjosteella leikkimistä.
Kuva 4. Pornaisten pinnamuotoja.

Lähteet:

Janina Vikman. Pieniä voittoja. Käyty 12.2.2020 https://blogs.helsinki.fi/jagvikma/

Michaela Söderholm. Mot ljusare (GIS)tider. Käyty 12.2.2020.  https://blogs.helsinki.fi/micsoder/

Mikko Kangasmaa. Sisäinen GIS-nörttini on virallisesti herännyt  (Kurssikerta 4).  Käyty 12.2.2020 https://blogs.helsinki.fi/kanmikko/                                                         

 

 

3. kurssikerta ja tietokantojen tuunausta

Kolmannen kurssikerran ideana oli oppia tuomaan uusi tietokanta QGIS:siin sekä oppia yhdistämään tietokantoja toisiinsa. Opimme myös miten taulukkolaskentaohjelma Excelillä tuotettua tietoa voidaan siirtää QGIS:siin. Tietokantojen yhdistämistä harjoittelimme yhdessä Afrikan mantereen tietoja sisältävällä aineistolla, jonka avulla laadimme kurssilla opittujen asioiden kautta teemakartan. Kohteiden yhdistämisen ideana oli helpottaa työskentelyä jatkossa, sillä tarpeettomien yksityiskohtien määrä väheni huomattavasti kuten Annika Reijonen oivalsi omassa blogitekstissään.

Tietokantojen yhdistämisen jälkeen kurssikerralla opeteltiin suodattamaan tietokannasta haluttua informaatiota vektorianalyysin avulla. Tekemämme analyysit olivat vielä aika simppeleitä ja niissä suodatettiin muutaman tekijän perusteella haluttua tietoa ominaisuustaulukkoon uudeksi sarakkeeksi.

Kurssikerralla kerrottiin myös toiminnoista, jotka on hyvä opetella merkitsemään jo alusta asti, jotta ne jäävät niin sanotusti lihasmuistiin. Kun tuodaan uusi tiedosto ja luodaan uusi tietokanta QGIS:siin, on tärkeää muistaa vaihtaa tiedoston tyypiksi “system”, jolloin ohjelma osaa muuttaa erikoiskirjaimet oikein. Tietokantojen muuttaminen vaikuttaa itsessään helpolta, mutta hommassa pitää kuitenkin olla tarkkana, jotta tietokanta saadaan näkymään oikein.

Pistemäistä tietoa kartalla

Kurssikerralla laaditusta Afrikan timanttiesiintymiä, öljykenttiä ja konflikteja kuvaavasta kartasta (kuva 1.)  voidaan päätellä monia asioita. Itse tietokantaan, jonka avulla kartta laadittiin kurssikerralla on tallennettu vielä enemmän tietoa kyseisistä kohteista. Tietokannasta löytyivien tietojen avulla voidaan tarkastella esimerkiksi onko öljykenttien poraamisvuosilla vaikutusta kenttien tuottavuuteen. Tai onko valtiossa tapahtuneilla konflikteilla vaikutusta timanttikaivosten ja öljykenttien tuottavuuteen.

Kuva 1. Afrikassa sijaitsevat timanttiesiintymät ja öljykentät sekä valitoissa tapahtuneet konfliktit. Mittakaava unohtui 🙁

Koropleettikartan laadinta

Kurssikerralla opitun perusteella laadittiin itsenäisesti koropleettikarttaa Suomen päävaluma-alueiden tulvaindekseistä ja karttaan lisättiin vielä pylväsdiagrammeina alueiden järvisyysprosentit.

Kuvan 2. kartta esittää siis valuma-alueiden tulvimisherkkyyttä tulvaindeksin kautta. Mitä tummempi valuma-alueen väri sitä tulvaherkempi alue on. Pylväsdiagrammeina kuvattu järvisyysprosentti havainnollistaa kunkin valuma-alueen järvien pinta-alan suhdetta valuma-alueen pinta-alasta.

Alueen tulvimisherkkyyteen vaikuttavat suuresti esimerkiksi pinnanmuodot. Voidaan huomata, että Pohjanmaan alueella tulvaherkkyys on korkeaa, sillä alue on pinnanmuodoiltaa hyvin tasaista eikä se ole kovinkaan korkealla merenpinnasta. Alueilla, joiden järvisyys on vähäistä on tulvaindeksi suuri. Emma Ward pohti omassa blogitekstissään fiksusti tämän johtuvan siitä, “että järvet tasoittavat jokien virtausta keräämällä jokien vedet itseensä.”

Kuva 2. Suomen valuma-aluiden tulvaindeksi ja järvisyysprosentti.

mietteitä kurssikerrasta

Tämän kurssikerran jälkeen jäi fiilis, että oikeasti opin jonkin verran uutta asiaa myös niin, että se oikeasti jäi muistiin. Kurssikerran jälkeen itsenäisesti tuotettavan kartan laatiminen sujui suhteellisen helposti kurssikaverin kanssa pähkäilessä. Aiemmilla kerroilla oman kartan laatiminen ei ole onnistunut omin avuin oikeastaan ollenkaan, joten kehitystä QGIS:sin käytössä on selkeästi jo vähän tapahtunut. Kurssikerran jälkeen tuntui siltä, että ehkä selviänkin kurssista jotenkin 🙂

Lähteet:

Annika Reijonen. Syventymistä tietokantoihin. Käyty: 6.2.2020

Emma K Ward. Kolmas kerta toden sanoo? Tuuletustanssi ja hälyttävän tyhjä teekuppi. Käyty: 6.2.2020

 

1. kurssikerta ja QGis-ohjelmistoon tutustumista

 

Ensimmäisellä kurssikerralla tutustuttiin paikkatieto-ohjelma QGis:siin.  Ennen sitä muistelimme kuitenkin paikkatietoon liittyviä perusseikkoja Minerva Laitinen mainitsi fiksusti omassa blogissaan. Perusseikkojen kertaaminen ja ymmärtäminen onkin tärkeää, jotta itse QGis:sin toimintaa on helpompi ymmärtää. Kurssikerran ideana oli oppia käyttämään QGis:sin perustoimintoja suodattamalla haluttua tietoa kartta-aineistosta. Kurssikerralla aineistoa käsiteltiin opettajan ohjeistuksen mukaan perusteellisesti kohta kohdalta. Ensimmäisellä kurssikerralla tehty analyysi ja sen tekemisessä opitut asiat toimivat pohjana itsenäisesti kurssinkerran jälkeen suoritettavalle tehtävälle. Kurssikerralla opitun tiedon avulla oli tarkoitus tuottaa itse samanlainen suoritus kuin kurssikerralla, mutta eri aineistoa soveltamalla.

Kurssikerralla opin perustan siitä millainen sovellus QGis on ja vähän sitä, minkä tyyppistä informaatiota sillä on mahdollista tuottaa. Kurssikerrallani oppimat asiat olivat ihan yksinkertaisia perusasioita kyseisen sovelluksen käyttämisestä, kuten voi aluksi olettaakin. Opin kuinka QGis:siin tuodaan aineistoja ja kuinka aineistoissa oleva numeraalinen sekä kirjallinen tieto saadaan esiin taulukkomuodossa eli niin sanotusta ominaisuustaulukossa. Taulukossa näkyvät sinne tallennetut aineistot ja niiden tiedot. Kurssikerralla opetettiin myös, miten aineistoon voi itse lisätä tietoa uuteen sarakkeeseen ominaisuustaulukossa ja näin itse muokata aineistoa. Lisäksi opin millaisia erilaisia työkaluja QGis:sistä löytyy ja kuinka joitakin niistä käytetään.

oma kartta

Itse suoritettavassa karttatehtävässä tietoa haettiin vuoden 2015 Suomen kuntia koskevasta tietokannasta. Omassa analyysissäni tarkastelin työttömyysprosentin jakautumista kunnittain. Laadin aiheesta koropleettikartan, jonka avulla tätä muuttujaa on helppo tarkastella. Tuottamani kartta on informatiivinen ja suhteellisen selkeä, mutta väritys ja luokkajako kuitenkin korostavat työttömyyden määrää hieman rajusti.

Kuvasta 1. voidaan havaita työttömyyprosentin olevan suurin Itä-ja Pohjois-Suomessa.  Syitä työttymyysprosentin suuruuden alueellista sijoittumista selittää osin työvoiman eläköityminen, jolloin työikäisten määrä alueella vähentyy. Myös ongelmat yritystoiminnassa ja sen kannattavuudessa näkyvät työttämyysprosentissa Itä-Suomessa (1).  Tiina Aalto oli omassa blogissaan tarkastellut työttömyyttä ja totesikin hyvin kartan avulla tehtävistä päätelmistä: “Vaikka kartasta voi tehdä monenlaisia päätelmiä, ei se itsessään anna tietoa kuin työttömyysprosentista yhdellä hallinnollisella alueella. Työttömyyden todelliset syyt onkin liian monitahoinen yksinkertaistettavaksi kartalle.”

Kuva 1. Työttömyysprosentti kunnittain Suomessa vuonna 2015.

Lähteet:

Minerva Laitinen. Sukeltaminen QGis:in maailmaan! Käyty: 12.2.2020  https://blogs.helsinki.fi/minerval/2020/01/21/sukeltaminen-qgisin-maailmaan/

(1) Itä-Suomi.fi. Itä-Suomen rakennerahastoportaali                                                                   http://www.ita-suomi.fi/alueportaali/www/fi/suuraluekuvaus/index.php

Tiina Aalto. Tutustuminen QGIS-ohjelmistoon. Käyty: 12.2.2020 https://blogs.helsinki.fi/tidaalto/2020/01/23/tutustuminen-qgis-ohjelmistoon/