Hiltular's blog

Viimeisellä kurssikerralla oli tarkoitus tuottaa itsenäisesti omavalintaisesta aiheesta kartta tai karttasarja.  Työssä käytettävä aineisto oli etsittävä itse. Aineiston etsimiseen ja avointa gis dataa tarjoavien sivustojen tutkimiseen käytin todella paljon aikaa ennen varsinaista kurssikertaa. Samoin kuin Pihla Haapalolla, myös minulla kului datan etsimiseen hurjasti suunniteltua kauemmin aikaa. Minun oli vaikeaa valita mistä aiheesta haluaisin kartan toteuttaa tai ylipäätään löytää sopivia aineistoja valitsemaani aiheeseen. Latasin koneelleni lukuisia eri tiedostoja ja testailin, kuinka saan ne QGIS:ssä toimimaan. Osa toimi ja osa ei. Lopulta päädyin tekemään karttasarjan väestön jakautumisesta maailmalla, Euroopassa ja Suomessa. Kartoissa on esitetty myös suuret kaupungit. Näiden lisäksi tuotin vielä kartan köyhyyden jakautumisesta (ostovoimalla kuvattuna) valtioittain maailmalla.

Ennen aineiston hankkimista tai varsinaisten karttojen tuottamista palasin aikaisempien kurssikertojen harjoituksiin. Kävin kotona harjoituksia läpi ja palauttelin opeteltuja asioita mieleen. Harjoituksia tehdessäni koin uusia oivalluksia ja ymmärsin joidenkin toimintojen tarkoituksen. QGIS:n käyttäminen muuttui heti astetta mielekkäämmäksi, kun koko ajan ei tarvinnut miettiä miten kaikki toimii.

Kuva 1. Väestön suhteellinen jakautuminen maailmalla sekä yli 8 miljoonan asukkaan kaupungit.

Kuten väestön suhteellista jakautumista kuvaavasta kartasta (Kuva 1.) nähdään, on maailman väestö jakautunut hyvin epätasaisesti ympäri maapalloa. Epätasaista jakautumista voidaan selittää mm. luonnontekijöillä. Harvan asutuksen syitä voivat olla mm. kylmyys, kuumuus, kuivuus, ikirouta, eroosioherkkyys tai saavutettavuuden kannalta vuoristot ja mannerten sisäosat. Tiheään asutukseen puolestaan vaikuttaa esim. riittävän pitkä kasvukausi, tasaiset ja alavat maastot, riittävä mahdollisuus kastella kuivia alueita, hedelmällinen maaperä, rannikot sekä luonnonvarojen esiintyminen. Esimerkiksi kylmä Perunvirta viilentää sekä kuivattaa perun ja chilen rannikoita, ja sinne onkin syntynyt yksi maailman kuvimmista alueista, Atacaman aavikko. Kiinassa puolestaan jokilaaksot hedelmöittävät maaperää ja niiden varrella sijaitsee myös satamakaupunkeja.

Kuva 2. Köyhyyden jakautuminen maailmalla ostovoimalla esitettynä, sekä väestön suhteellinen jakautuminen valtioittain.

Toisesta kartasta (kuva 2.) nähdään, että monin paikoin maailmaa ostovoima on parempaa mitä pienempi osa maailman väestöstä alueella asuu. Kaikkialla maailmassa, esim. Afrikassa, tämä yhteys ei toisaalta päde. Kehitysmaissa köyhyyden syynä on pidetty väestön kasvua. Toisaalta väestön kasvua voidaan pitää myös köyhyyden seurauksena (Junttila, K). Oli syy köyhyyteen mikä hyvänsä on selvää, että köyhyys näkyy selvimmin kehittyvissä maissa, kun taas ostovoima on parhaimmillaan teollisuusmaissa; Pohjois-Amerikassa, Euroopassa ja Australiassa. Kuvassa 2. ostovoimaltaan korkealle sijoittuvat myös muutama Lähi-Idän valtio. Niiden kohdalla valtion varallisuus koostuu pääasiassa öljyn tuotannosta, eikä jakaudu valtion sisällä tasaisesti. Näiden valtioiden varallisuus on siis hyvin polarisoitunutta. Valtion johto elää ylellisyydessä ja suurin osa kansasta köyhyydessä.

Kuva 3. Väestön suhteellinen jakautuminen Euroopassa sekä yli miljoonan asukkaan kaupungit. 

Väesön suhteellinen jakautuminen Suomessa sekä yli 50 000 asukkaan kunnat.

Väestön jakautumista Euroopassa ja Suomessa kuvaavat kartat (kuvat 3 & 4) tuotin lähinnä harjoituksen vuoksi. Nyt kun vihdoin ymmärrän QGIS:n toimintoja paremmin, karttojen tuottamisesta on tullut kivaa.

Vaikka QGIS kurssin aikana tuottikin useaan otteeseen harmaita hiuksia, ja välillä tuntui, etten ymmärrä yhtään mitä olen tekemässä, voin sanoa, että opin QQIS:n perusominaisuudet. Asioiden oivaltaminen loi uutta intoa ja kiinnostukseni yleisesti paikkatietoa kohtaan kasvoi kurssin loppua kohden.

Lähteet:

Haapalo, P (26.2.2020). Onnellisuus, konfliktit ja viimeiset hetket [blogiteksti]. Luettu 26.2.2020. https://blogs.helsinki.fi/haapalop/2020/02/26/onnellisuus-konfliktit-ja-viimeiset-hetket/

Junttila, K (23.10.2006). Köyhyyden syitä [artikkeli]. Luettu 26.2.2020. https://www.maailma.net/uutiset/koyhyyden-syita

https://www.gfmag.com/global-data/economic-data/worlds-richest-and-poorest-countries

http://www.naturalearthdata.com/downloads/

Kuudennen kurssikerran tavoitteena oli oppia tuottamaan pistemuotoista aineistoa kartoille eri tavoin. Aluksi jalkauduimme yliopiston lähimaastoon keräämään eri kohteista pistetietoa Epicollect5-sovelluksen avulla. Keräämämme tiedot siirrettiin kartalle pistemuodossa ja opettelimme interpoloimaan pisteitä niiden ominaisuustietojen avulla. Kävimme yhdessä myös läpi, kuinka excelin avulla voimme muokata esim. internetistä löytyvää tietoa sellaiseen muotoon, että voimme esittää sen pistemuotoisena kartalla.

Yhteisten harjoitusten jälkeen oli taas aika harjoitella opittuja asioita itsenäisesti. Lopputunnista kaikki sujui vielä hyvin. Onnistuin muokkaamaan internetistä tuodun tiedon excelissä csv-tiedostoksi ja tuomaan sen pistemuodossa kartalle. Myöhemmin kotona kaikki ei sujunutkaan enää niin mutkattomasti. Csv-tiedosto tuli QGIS:iin aluksi vain ominaisuustietona, ja kun sain sen näkymään myös pisteinä, pisteet sijoittuivat kartan ulkopuolelle.

Myöhemmin selvisi, että csv-tiedostoa QGIS:iin tuodessani olin jättänyt jonkun ilmeisen merkittävän kohdan raksittamatta. Ongelman ratkettua pistemuotoisen aineiston tuominen QGIS:iin onnistui helposti. Tuotin 4 maailmankarttaa, joista ilmenee maapallolla sijaitsevat tulivuoret sekä eri voimakkuuksisia maanjäristyksiä.

Kuva 1. Tulivuorien esiintyminen maapallolla.

Ensimmäinen kartta (kuva 1) havainnollistaa missä päin maailmaa tulivuoria sijaitsee. Tulivuoret sijaitsevat litosfäärilaattojen saumakohdissa sekä kuumienpisteiden kohdilla. Seuraavista kartoista voidaan tulivuorten lisäksi nähdä vuosina 2002-2012 tapahtuneita maanjäristyksiä eri voimakkuuksilla. Yhdessä kartassa (kuva 2) maanjäristykset ovat olleet vähintään 8 magnitudia, toisessa (kuva 3) vähintään 6 magnitudia ja viimeisessä (kuva 4) vähintään 2 magnitudia. Mikko Kangasmaata lainaten: ” Ensinnäkin maanjäristyksistä puhuttaessa on tärkeä selittää, että yhdeksän magnitudin järistys on jopa miljoona kertaa voimakkaampi, kuin viiden magnitudin. Eli kyseessä ei todellakaan ole mikään tasavälinen asteikko.” Kartoista voidaan päätellä, että pienet maanjäristykset ovat huomattavasti suuria järistyksiä yleisempiä. Pieniä järistyksiä rekisteröidään päivittäin jopa useita satoja ympäri maailmaa (Heikinheimo, 2015). Tein saman havainnon kuin Elias Hirvikoski, suurin osa maanjäristyksistä tapahtuu niin ikään litosfäärilaattojen samakohdissa. Yleisimmin maanjäristykset syntyvätkin litosfäärilaattojen liikkuessa toistensa suhteen. Järistys voi syntyä myös esim. tulivuorenpurkauksen yhteydessä, maanvyöryn takia tai kun kallioperään kertyy jännitettä ja se purkautuu. Tulivuorten ja maanjäristysten sijaintia yhdistää siis sijainti litosfäärilaattojen saumakohdissa sekä tulivuorenpurkaukset yhtenä maanjäristysten aiheuttajista.

 

Kuva 2. Tulivuoret ja vähintään kahdeksan magnitudin maanjäristykset vuosina 2002-2012.

Kuva 3. Tulivuoret ja vähintään kuuden magnitudin maanjäristykset vuosina 2002-2012.

  Kuva 4. Tulivuoret ja vähintään kahden magintudin maanjäristykset vuosina 2002-2012.

Kartta litosfäärilaattojen saumakohdista (kuva 5) havainnollistaa vielä paremmin maanjäristysten ja tulivuorten sijaintia merenalaisten saumakohtien päällä.

Kuva 5. Litosfäärilaattojen saumakohdat. Lähde: https://peda.net/valkeakoski/opetuspalvelut/pk/tyry/oppiaineet/maantieto/ge-rinne/maantieto2/eurooppa2/4ej/kuvitus/kuvitus/mlel

Lähteet:

Heikinheimo, M (11.8.2015). Maanjäristykset ovat todellisuutta myös Suomessa [artikkeli]. Luettu 20.2.2020. https://yle.fi/aihe/artikkeli/2015/08/11/maanjaristykset-ovat-todellisuutta-myos-suomessa

Hirvikoski, E (20.2.2020). Kuudes [blogipostaus]. Luettu 20.2.2020. https://blogs.helsinki.fi/eliashir/2020/02/20/kuudes/

Kangasmaa, M (19.2.2020). Kenttätöitä ja hasardeja (Kurssikerta 6) [blogipostaus]. Luettu  20.2.2020. https://blogs.helsinki.fi/kanmikko/2020/02/19/kenttatoita-ja-hasardeja-kurssikerta-6/

 

Viidennellä kurssikerralla koin pettymysten valtameren, kun emme sittenkään syventyneet rasteriaineistoihin. Edellisellä kerralla ehdin jo innostua rinnevarjostuksista ja muista jutuista, joita rasteriaineistoihin tuotimme. “Viidennellä kurssikerralla saimme paiskia todella tiukalla tahdilla hommia. Onneksi uutta asiaa tuli loppujen lopuksi melko vähän, joten pääsimme keskittymään myös aikaisemmin opittujen asioiden kertaamiseen” (Koljonen, 2020).  kävimme yhdessä läpi mm. bufferointia ja loppuaika olikin varattu itsenäistä harjoittelua varten. Olin aamulla niin väsynyt, että itsenäinen työskentely tuntui tuskalliselta enkä meinannut muistaa mitään jo opittuja asioita.

Tunnilla tuskastelu tuotti kuitenkin jonkinlaista tulosta ja sain muutamia harjoituksia tehtyä. Myöhemmin kotona jatkoin harjoituksia paremmalla energialla ja ehkä jopa opin jotain. Itsenäisiä harjoituksia tehdessäni yksi oleellisimmista toiminnoista oli select by location. Sen avulla voidaan valita esim. jonkin alueen sisälle jäävät toisen aineiston kohteet. Jos valittujen kohteiden tietoja halutaan tarkastella tarkemmin tai niitä tarvitaan muihin toimenpiteisiin, pitää valitut kohteet tallentaa omaksi tasokseen save selected features –toiminnon avulla. Toinen hyödylliseksi havaitsemani toiminto on select by value. Sen avulla on helppo valita kohteita attribuuttitiedon perusteella. Esim. tehtävässä, jossa selvitin lentokentän melualueella asuvien ihmisten määrää, sain helposti valittua tietyn meluvyöhykkeen select by value –toiminnon avulla.

Usein käytettyjä ominaisuuksia ovat myös join by attribute –toiminto sekä uusien attributtitietojen laskeminen. Join by attribute –toiminto mahdollistaa kahden eri tason yhdistämisen uudeksi tasoksi attribuuttitietojen perusteella. Uusia attribuuttitietoja on puolestaan helppo laskea olemassa olevien tietojen avulla. Jos attribuutti -tiedoissa on esim. lueteltu alueen asukkaat eri ikäryhmiin jaettuina, voidaan laske uusi sarake, jossa on kaikki kouluikäiset. Yhdyn Vilma Koljoseen, joka blogissaa toteaa attribuuttitaulukkoa käsittelevien työkalujen olevan QGIS:n tärkeimpiä ominaisuuksia.

Bufferointia käytettään, kun halutaan luoda kohteen ympärille tietyn kokoinen vyöhyke. Haapalon sanoin: Bufferointi on looginen ja selkeä keino selvittää kohteen vaikutusalueita.  Sen avulla voidaan luoda esim. joen ympärille suojavyöhyke tai laskea kuinka monta kaupunkipyörä asemaa sijaitsee 500m säteellä rautatieasemasta.

Harjoituksia itsenäisesti tehdessäni ymmärsin edellä mainittujen toimintojen tarkoituksen. Aiemmin olen tehnyt tehtävien ohjeiden avulla, enkä oikeastaan ole sen syvemmin miettinyt miksi mitäkin toimintoa käytetään tietyissä vaiheissa. Nyt koen, että ymmärrän paremmin eri toimintojen tarkoituksen ja QGIS:n käyttäminenkin alkaa olla mielekkäämpää. Harjoituksetkin alkavat tuntua kiinnostavimmilta, kun oikeasti ymmärtää mitä tekee ja huomaa kuinka pystyy itse tuottamaan ”uutta” tietoa.

Kaikenkaikkiaan monet QGIS:n ominaisuudet ja toiminnot ovat alkaneet tulla tutuiksi. Alusta asti esim. karttojen visualisointiin liittyvät työkalut ovat tuntuneet helpoilta käyttää. Samoin kuin Koljonen, kaipaan lisää harjoittelua tietokantojen yhdistämisessä. Lisäksi undo -toiminnon puuttuminen tuottaa edelleen hämmennystä ja harmaita hiuksia. Väärien valintojen korjaamiseen kaipaisinkin siis lisää osaamista. Haapalon ajatuksia lainaten, odotan sitä päivää kun QGIS:n käyttö tuntuu yksinkertaiselta.

Loppuun vielä taulukko (taulukko 1) itsenäisten harjoitusten vastauksista sekä kuva (kuva 1) kolmannen tehtävän kartasta.

Taulukko 1. Itsenäistehtävien vastauksia.

Kuva 1. Tehtävän 3 kartta Helsingin yhteinäiskoulun koulupiiristä.

Lähteet:

Haapalo, P. (12.2.2020). Kädet ilmaan [blogipostaus]. Luettu 13.2.2020. https://blogs.helsinki.fi/haapalop/2020/02/12/kadet-ilmaan/

Koljonen, V. (12.2.2020). Bufferointia & analysointia [blogipostaus]. Luettu 13.2.2020. https://blogs.helsinki.fi/vilmakol/2020/02/12/bufferointia-analysointia/

Neljännen tunnin tavoitteena oli oppia tuottamaan ruutukarttoja sekä esittämään niillä tietoa. Opimme myös tuottamaan tietoa maantieteellisiä kohteita hyödyntämällä. Lopputunnista tutustuimme rasteriaineistojen kanssa toimimiseen ja opimme kuinka QGIS:ssä piirretään.

Tunnin tavoitteena oli oppia tuottamaan ruutukarttoja sekä esittämään niillä tietoa. Matti Katajiston sanoin: ” Kurssikerran aikana käytimme monenlaisia uusia työkaluja ja toimintoja, joten henkilökohtaisen velhoustieteen taitotaso nousi heti muutamalla nopalla.”

Tietyn kokoisista ruuduista koostuvat tietokannat ovat yksi tiedonkeruuyksikkö. Tiedon keruun lisäksi ruudukoilla voidaan visualisoida niihin kerättyä tietoa teemakartan tapaan. Tiedon visualisointi ruudukkona vaatii kuitenkin alkuvalmisteluja, jota harjoittelimme tunnilla. Ensin on mm. tuotettava sopivan kokoinen ruudukko, jossa on halutun kokoiset ruudut. Ruudukko toimii kuin mikä tahansa muukin vekrtoritietokanta, jolloin valmis ruudukko soveltuu tiedon keräämiseen sekä esittämiseen.

Tunnilla oli tarkoitus tuottaa ruudukosta pääkaupunkiseudun väestöntiheyttä kuvaava kartta. Sitä varten ruutuihin oli liitettävä tietoa, josta käy ilmi asukkaiden sijainti pääkaupunkiseudulla. Ruudut ja asukkaiden sijaintitieto yhdistettiin toisiinsa maantieteellisen sijainnin avulla. Alkuperäistä ruudukkoa oli tarpeen myös karsia, jotta työskenteleminen olisi helpompaa. Ruudukosta suodatettiin pois ruudut, joissa asutusta ei ollut. Mitä vähemmän käsiteltävää dataa ohjelmistolla on sitä nopeammin ja vakaammin se toimii.

Seuraavaksi oli vuorossa datan yhdistäminen ruutuihin. Rakennuskohtaisesta tietokannasta oli tarpeen aluksi karsia sellaiset sarakkeet, jotka eivät sisältäneet laskemisen (asukkaiden summa/ruutu) kannalta oleellisia muuttujia. Ruutujen arvon (asukkaiden lukumäärän) laskemisen jälkeen aineisto visualisoitiin kuten olemme aiemmin jo oppineet. Lopputuloksena oli teemakartta pääkaupunkiseudun asukastiheydestä (kuva 1).

Kuva 1. Pääkaupunkiseudun asukastiehys.

Myöhemmin kotona kertasin tunnilla opittuja asioita, ja halusin tuottaa ruudukon avulla teemakartan muunkielisten jakautumisesta pääkaupunkiseudulla (kuva 2). Valitsin muunkielisten jakautumisen tarkasteluun, sillä jokainen ruutu sisälsi tietoa muunkielisten lukumäärästä. Jos jokin ruuduista olisi ollut ilman kyseistä tietoa, se olisi pitänyt poistaa. Tunnilla tuotimme 1kmx1km kokoisia ruutuja pääkaupunkiseudun alueelle. Kotona harjoitellessani yritin tuottaa pienempiä ruutuja, mutta niiden prosessoiminen vei niin kauan aikaa, että luovutin ja päätin palata 1kmx1km ruutuihin. Mitä pienempiä ruutuja haluaa, sitä enemmän aikaa on siis varattava.

Tuottamastani teemakartasta, joka havainnollistaa muunkielisten jakautumista pääkaupunkiseudulla voidaan havaita, että vieraskielisiä on eniten rannikolla sekä Itä-Helsingissä. Niin kuin Venla Moisiokin blogissaan on todennut, niin Itä-Helsingin runsasta vieraskielisten määrää selittää pienituloiset maahanmuuttaja, jotka ovat asettuneet sinne halvemman vuokratason perässä. Mitä pohjoisempaan tarkasteltavalla alueella mennään, sitä vähemmän muunkielisiä on. Minun olisi kannattanut laskea vieraskielisten suhteelliset osuudet asukasmääristä, niin kuin Moisio oli tehnyt, mutta en saanut laskutoimitusta toimimaan kotona. Suhteellinen esitystapa olisi havainnollistanut jakautumista totuudenmukaisemmin.

Katajisto oli blogipostauksessaan Varsinaista velhoilua pohtinut hyvin ruututeemakartan vahvuuksia. Niiksi hän listaa mm. ilmiöiden kuvaamisen suhteellisesta näkökulmasta sekä ruutujen tasakokoisuuden ja säännöllisyyden. Ruututeemakartoilla onkin helppo yleistää ilmiöiden esiintyvyyttä.

Lopputunnista pääsimme tutustumaan rasteriaineistojen kanssa toimimiseen QGIS:ssa. Korkeuskäyrien ja vinovalovarjosteiden tuottaminen oli mielestäni mielenkiintoista ja odotankin innolla seuraavaa kertaa, jolloin pääsemme (toivottavasti) syventymään rasteriaineistoilla operoimiseen paremmin.

Lähteet:

Katajisto, M. (5.2.2020). Varsinaista velhoilua [Blogipostaus]. Luettu 6.2.2020. https://blogs.helsinki.fi/mattikat/2020/02/05/varsinaista-velhoilua/

Moisio, V. (5.2.2020). Viikko 4 – Ruudukoiden hyödyntämistä ja rasteriaineistoihin tutustumista [Blogipostaus]. Luettu 6.2.2020. https://blogs.helsinki.fi/moivenla/2020/02/05/viikko-4-ruudukoiden-hyodyntamista-ja-rasteriaineistoihin-tutustumista/

 

Kolmannella kurssikerralla pääsimme yhä syvemmälle QGIS:n ihmeelliseen maailmaan. Uusien toimintojen opettelun ohella kerrattiin ja syvennettiin edellisten kertojen oppeja. Uusina asioina opittiin mm. liittämään tietokantaan tietoa muista ohjelmista, hakemaan tietoa ja yhdistämään erilaisia aineistoja sekä tuottamaan uutta tietoa olemassa oleviin aineistoihin vanhojen tietojen perusteella.

Harjoittelimme yhdessä tietokannalla, joka sisälsi mm. Afrikan valtiot nimineen ja rajoineen. Aineistoa oli ensin yleistettävä, tietoa menettämättä, jotta voisimme helposti liittää valtiokohtaista tietoa tietokantaan. Koska aineistosta löytyi tieto siitä mihin kokonaisuuksiin eri osat kuuluvat, pystytiin ne yhdistämään tehokkaampaa käyttöä varten. Käytännössä tämä tarkoittaa sitä, että yhdistimme valtiokohtaiset tiedonosat yhdeksi valtiota koskevaksi kokonaisuudeksi.

Kun Afrikka-aineisto oli saatu yksinkertaisempaan muotoon, liitimme siihen toisella ohjelmalla (Excelillä) tuotettua tietoa. Toisella ohjelmalla tuotettua tietoa tuodessa QGIS:iin on oltava tarkkana tiedostomuodon kanssa. Jos tiedosto ei ole sopivassa muodossa, on se ensin muokattava esimerkiksi .csv-tiedostoksi. Datan yhdistämisessä on otettava huomioon myös se, että molemmissa yhdistettävissä taulukoissa on vähintään yksi mahdollisimman samanlainen pystysarake. Sama sääntö pätee tietokantojen yhdistämisessä. Uutta tietoa voidaan tuoda tietokantaan myös sijainnin perusteella sekä laskemalla jo olemassa olevista tiedoista, niin kuin olemme aiemmilla kerroilla oppineet.

Afrikka-tietokantaa koskevassa harjoituksessa käsittelimme dataa mm. valtioiden väkiluvuista, timanttikaivoksista, konflikteista sekä internetin käyttäjistä valtioittain. Tämän kaltaista dataa yhdistelemällä tietokannoiksi voidaan tehdä erilaisia päätelmiä ja havaintoja. Esim. internetin käyttäjien kasvu vuosi vuodelta kertoo valtion muustakin kehityksestä. Kun valtiolla on perusasiat kunnossa, on todennäköisemmin resursseja käytettävissä internetverkon hankkimiseen. Jos tietokantaan lisäisi esim. Öljykenttien löytämisvuoden, tuottavuusluokittelun ja konfliktin tapahtumavuoden sekä laajuuden, olisi mahdollista tehdä yhä laajempia päätelmiä. Silloin olisi mahdollista päätellä mm. kuinka moni valtio on osallisena konfliktiin tai onko tuotannon kasvu vaikuttanut konfliktin syntyyn yms.

Afrikka-aineistoa käsiteltyämme oli aika siirtyä itsenäisen harjoituksen pariin testaamaan uusia oppeja. Tarkoituksena oli tuottaa koropleettikartta (kuva 1), joka kuvaa Suomen valuma-alueiden tulvaherkkyyttä (Hirvikoski, 2020), sekä liitää karttaan järvisyyttä kuvaavia diagrammeja.

Tulvaindeksejä ja järvisyyttä esittävän kartan (kuva 1) avulla tulkitsin, että järvisyys ja tulvaindeksi eivät kulje käsi kädessä. Järviä on eniten siellä missä tulvia vähiten, sillä niin kuin Venla Moisiokin blogissaan Venlan blogi toteaa, järvet tasaavat jokien virtausta. Tulvaindeksi on suurin länsi- ja etelärannikolla, siellä missä on suuria jokia. Yhdyn täysin Elias Hirvikoskeen, joka blogissaan Hirvi-GIS toteaa: ”Maamme on tuhansien järvien maa ja kautta rannikkojen mereen virtaa useita jokia, jotka erityisesti keväisin voivat tulvia.”   Tulvaindeksi kertoo joen keskiylivirtaaman ja keskialivirtaaman välisen suhteen, eli kuinka suuri virtaaman huippu kuivimpaan ajanjaksoon verrattuna on. Mitä suurempi tulvaindeksi sitä suuremmat erot tulva-ajan virtaaman ja kuivimman kauden virtaaman välillä on.

Lähteet:

Hirvikoski, E. (28.1.2020). Kolmas [Blogipostaus]. Luettu 31.1.2020. https://blogs.helsinki.fi/eliashir/2020/01/28/kolmas/

Moisio, V. (29.1.2020). Viikko 3 – Tietokantojen yhdistämistä ja laskutoimitusten tekemistä [Blogipostaus]. Luettu 29.1.2020. https://blogs.helsinki.fi/moivenla/2020/01/29/viikko-3-tietokantojen-yhdistamista-ja-laskutoimitusten-tekemista/

Toisen kurssikerran tarkoituksena oli harjoitella valintojen tekemistä ja tietokantojen hallintaa QGIS-ohjelmistolla. Lisäksi tarkastelimme, millaisia vaikutuksia projektion valinnalla on karttaan ja sen mittakaavaan. Niin kuin Vilma Koljonen blogissaan totesi, tarkoituksena oli havainnollistaa eri projektioiden pinta-alojen vääristymää koropleettikartan muodossa. Harjoituksissa myös osittain kerrattiin edellisellä kerralla opittuja asioita.

Valintatyökalujen avulla on mahdollista käsitellä ja analysoida vain osaa tietokannasta. QGIS tarjoaa useita erilaisia valintatyökaluja, joiden avulla voidaan mm. rajata kartalta tietty alue tai etsiä tietyt ehdot täyttäviä alueita. Työskentely helpottuu, kun ns. turha osa tietokannasta saadaan rajattua pois.

Karttojen kanssa työskennellessä on syytä kiinnittää huomiota kartan projektioon. Projektiosta riippuen sama alue saattaa näyttäytyä aivan erilaisena eri kartoilla. Projektion valinnassa on otettava huomioon minkälaista informaatiota halutaan välittää ja miten se voidaan esittää luotettavasti.

Kuva 1. Pinta-alojen koon suhteellinen muutos vaihdettaessa projektio TM35-FIN:stä Mercatoriin

Tarkastelin Suomen kuntien pinta-aloja eri karttaprojektioilla esitettyinä. Tehtävä aloitettiin yhdessä tunnilla, mutta aloitin sen kotona alusta harjoitellakseni lisää QGIS:n käyttöä. Jokaiselle tarkastelemalleni projektiolle oli ensin laskettava kuntien pinta-alat. Pinta-alojen laskemisen jälkeen oli mahdollista verrata projektioiden eroja. TM35-FIN -projektion pinta-alat olivat hyvin lähellä todellisia pinta-aloja, joita tarkistin Wikipediasta. Vertasin TM35-FIN -projektiota Mercatorin projektioon sekä Winkel Tripel -projektioon. Mercatorin projektio on oikeakulmainen, ja se väärensi kuntien pinta-aloja 74,7-87,8% TM35-FIN -projektioon nähden (kuva 1). Winkel Tripel -projektio on sovellettu projektio, joka pyrkii minimoimaan pinta-alan, suunnan ja etäisyyden vääristymät, mutta yksikään niistä ei kuvaudu oikein. Mercatorin projektioon verrattuna pinta-alat vääristyivät siinä huomattavasti vähemmän. Kuntien pinta-alat erosivat TM35-FIN -projektion pinta-aloista 18,7-35,3% (kuva 2). Koljonen oli blogissaan tehnyt havainnon että, isoimmat vääristymät pinta-aloissa ovat Pohjois-Suomessa. Tätä havaintoa tukee myös tuottamani koropleettikartat (kuva 1&2), joista nähdään että suhteelliset vääristymät kasvavat mitä lähemmäs napa-aluetta mennään. Olen samaa mieltä Sonja Nylundin kanssa siitä että tämä harjoitus havainnollistaa sen, kuinka tärkeää on miettiä projektion valintaa, jotta esitettävä data olisi luotettavaa.

Kuva 2. Pinta-alojen suhteellinen muutos TM35-FIN -projektion ja Winkle Triple -projektion  välillä. 

Lähteet:

Koljonen, V. (25.1.2020). Projektioita ja prosenttilaskuja [Blogipostaus]. Luettu 25.1.2020. https://blogs.helsinki.fi/vilmakol/2020/01/25/projektioita-ja-prosenttilaskuja/

Nylund, S. (23.1.2020). Level 2: Projektio projekti [Blogipostaus]. Luettu 25.1.2020. https://blogs.helsinki.fi/sonysony/2020/01/23/level-2-ensimmainen-luento/

 

Ensimmäisellä kurssikerralla saimme ensikosketuksen QGIS-ohjelmaan. Aluksi, ja oikeastaan edelleen, QGIS vaikuttaa hieman sekavalta. Se tosin varmasti johtuu vain alkukankeudesta, sillä ohjelmisto ei ole itselleni entuudestaan lainkaan tuttu. Samanlaisia tuntemuksia koin alkuun myös CorelDraw:in kanssa viime periodissa, kurssilla Tiedon esittäminen maantieteessä. Harjoituksen myötä CorelDraw tuli tutuksi, joten eiköhän QGIS:kin tule.

Kurssikerran tarkoituksena oli tutustua QGIS-ohjelmistoon ja ottaa perusasiat haltuun. Harjoittelimme mm. vektoritietokannan tuomista ohjelmistoon sekä sen käsittelyä. Vektoritietokannassa vektorit on eroteltu eri tasoille kohteiden tyyppien mukaan. Käytännössä niin että esim. valtiot ovat yhdellä tasolla, merialueet toisella ja järvet kolmannella. QGIS-ohjelmistossa vektoritasot asettuvat päällekkäin ja niiden näkyvyyttä sekä järjestystä on helppo itse muokata. Jokaisella kartalla esiintyvällä vektorikohteella on myös oma rivinsä ominaisuustietotaulukossa.

QGIS-ohjelmiston perusasioita ja -ominaisuuksia läpikäydessä huomioni kiinnittyi muutamaan asiaan. Ohjelmistosta puuttuu kokonaan ”undo”-toiminto sekä ohjelmistoon tuoduissa tasoissa kohteiden värit esiintyvät sattumanvaraisesti. Värejä toki voi itse muokata mieleisikseen ja ”undo”-toiminnon puuttumiseen varmasti tottuu.

Harjoittelimme aluksi ohjatusti aineiston muuttujien luokittelua ja niiden esittämistä kartalla. Kurssikerralla käytetty aineisto sisälsi dataa valtioiden typpipäästöjen osuuksista. Ominaisuustiedoista ei löytynyt valmiiksi tietoa päästöjen suhteellisista osuuksista, joten tuotimme tämän tiedon itse. Lisäsimme atribuuttitaulukkoon uuden sarakkeen, johon laskimme typen päästöjen prosentuaalisen osuuden valtioittain. Lopputulokseksi tuotimme kartan (kuva 1), jossa typen päästöjen suhteelliset osuudet esitettiin visuaalisesti väreillä.

Kuva 1. Typen suhteellinen osuus valtioittain kartalla esitettynä.

Lopuksi saimme tehtäväksemme tuottaa jonkinlaisen teemakartan tai -karttoja Suomen kuntien avainlukuja aineiston avulla. Tilastokeskukselta peräisin olevassa vuoden 2015 aineistossa oli runsaasti valinnanvaraa, ja kuten Tomi Kiviluomakin blogissaan totesi, oli haastavaa navigoida useiden avainlukujen läpi ja löytää joukosta itseään kiinnostava kohde. Päädyin tuottamaan kartan (kuva 2), jossa Suomen kunnat on jaoteltu maakunnittain. Kartasta olisi tullut selkeämpi, jos kaikkien maakuntien värit eroaisivat toisistaan selkeästi. Nyt vierekkäin on maakuntia, joiden värisävyt ovat hyvin lähellä toisiaan. Oman teemakartan tuottaminen toimi hyvänä kertauksena kurssikerralla opittuihin asioihin.

Kuva 2. Suomen kunnat jaoteltuna maakunnittain.

QGIS vaikuttaa kiinnostavalta ohjelmistolta, ja odotankin jo mitä pääsemme seuraavaksi harjoittelemaan. Sillä välin täytynee jatkaa jo opittujen asioiden harjoittelua itsenäisesti kotona.

Lähteet:

Kiviluoma, T. (16.1.2020). Johdanto kurssille ja QGIS:n peruominaisuudet [Blogi postaus]. Luettu 16.1.2020. https://blogs.helsinki.fi/tomingeoblogi/2020/01/16/johdanto-kurssille-ja-qgisin-perusominaisuudet/

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