Viides kurssikerta oli oikein positiivinen yllätys, sillä olin varautunut kaikkein pahimpaan. Käsittelimme jälleen pääkaupunkiseudun aineistoja ja harjoittelimme buffereiden eli vyöhykkeiden laatimista ja niistä syntyvien tulosten analysoimista.

Ensin pelailimme hetken Pornaisten alueella, jossa teimme karttakohteiden avulla erilaisia laskutoimituksia sekä selvitimme pituuksia, lukumääriä ja pinta-aloja. Sitten pääsimme itsenäisten tehtävien pariin, joista ensimmäisessä tarkasteltiin Malmin ja Helsinki-Vantaan lentokenttiä, sekä niiden läheisyydessä asuvien ihmisten määrää. Aineistoihin kuului myös tietokanta lentomelusta, jonka avulla pystyttiin laskemaan esimerkiksi kuinka paljon ihmisiä asuu suurimman lentomelun alueella. Samaisessa tehtävässä tarkasteltiin vielä juna-ja metroasemia sekä niiden läheisyydessä asuvien ihmisten määrää ja prosenttiosuuksia heistä, esimerkiksi ikäryhmittäin. Samalla idealla jatkettiin myös toisessa tehtävässä, jossa tarkasteltiin ihmisten määriä taajamissa ja suoritettiin useita prosenttilaskutoimituksia. Erkki Järvinen oli koostanut mainitsemieni tehtävien vastauksista oikein näpäkän taulukon. Suurin osa vastauksistamme oli täysin samoja, mutta joissain kohdissa huomasin heittoja. Nämä heitot kohdistuivat vastauksiin, joissa oltiin itse piirretty alue, esimerkiksi lentokenttä-tehtävässä kiitoradat, jolloin kaikkien piirtämät alueet ovat luonnollisesti hieman erilaisia ja sen takia bufferit myös rajaavat eri määriä ihmisiä.

Kolmannessa kohdassa sai valita useasta eri tehtävästä ja siirryttiinkin uusiin aineistoihin. Valitsemassani tehtävässä kartoitettiin Helsingin Yhtenäiskoulun henkilökunta- ja tilatarpeita tarkastelemalla sen koulupiirien oppilaita eri ikäluokissa. Erkki oli tehnyt kyseisessä kohdassa tehtävän uima-altaiden määristä alueittain pääkaupunkiseudulla ja luonut siitä hienon kartan, kuten myös Lotta Mattila blogissaan. Mielenkiinnolla luin heidän mietteitään tehtävästä ja sen ratkaisusta ja jälkeenpäin jopa vähän kaduttaa, että jätin tämän tehtävän tekemättä suurien ennakkopelkojen vuoksi, mutta opiskelutovereista inspiroituneena voisin sitä vielä yrittää ratkaista. Se kun on ainoa keino oppia…

Periaatteessa kaikki tehtävät noudattelivat samaa ideaa, joka oli mielestäni melko helppo sisäistää. Luotiin tietynkokoisia vyöhykkeitä tietyille valmiille alueille tai kohteille tai tuotettiin itse uusi alue tai kohde (kiitoradat tehtävässä 1), jolle luotiin vyöhyke. Sen jälkeen tarkasteltiin vyöhykkeen sisään jääviä ja heidän ”ominaisuuksiaan” aineistosta. Aineistojen kanssa sai myös puljailla paljon, ja mieleen muistuikin muun muassa uusien tasojen ja sarakkeiden luominen. Myös prosenttilaskut olivat merkittävässä osassa. Tehtävät olivat mielenkiintoisia, mutta toki useat uudet komennot vaativat vieläkin paljon harjoittelua, ennen kuin ne tulevat selkärangasta.

Lopuksi, täytyy kyllä myöntää, että kerta kerran jälkeen pääkaupunkiseudun aineistojen kanssa vutjailu herättelee ikävää Helsinkiin… Sen verran ehti kuitenkin kaupunkiin (ihmisineen <3) jo kiintyä, että odottelee innolla siihen arkeen paluuta koronatilanteen toivottavasti jossain vaiheessa helpottaessa.  On mukava ajatus, miten paljon sieltä on vielä näkemättä ja kuinka paljon voikaan oppia uutta. Toisaalta on ollut ihan huippua nauttia kunnon talavesta maaseudun rauhassa, kun voi melko vapaasti liikkua ja mennä, hypätä milloin suksille, kelekan kyytiin tai hevosen selekään ja painua pitkästä aikaa oikein kunnolla lumiseen mehtään. Talvi on kyllä huikeaa aikaa. Kun palelluttaa itsensä päivittäin pihalla rymytessä, niin opiskelukin sisällä lämpimässä alkaa tuntua eri tavalla kiehtovalta vaihtoehdolta. 😀 Siinä on hyvä tasapaino. Mutta eihän tuolta malta tulla poiskaan, kun on niin kaunista, hengitys höyryää ja lumi narskuu. Kevätaurinkokin alkaa jo puskemaan pakkasten läpi.

Enempee ennee löpisemättä, on sitä lähettävä tuas pakkasesta naattimaan, tänä aamuna sitä olikin kirpsakat -32°C. Aurinkoisia talvipäiviä opiskelutovereille missä päin määttekään ja tsemppiä opintoihin!

Tässä vielä kuva upeasta pakkasaamusta, kun suuntana oli vankasti etelä, mutta ei tällä erää edetty Keski-Suomen rajoja pidemmälle.

 

Lähteet:

Järvinen, E: Kurssikerta 5, Geoinformatiikan menetelmät 2021, 21.2.2021 (viitattu 22.2.2021)

<https://blogs.helsinki.fi/erkkijar/2021/02/21/kurssikerta-5/>

 

Mattila, L: Itsenäiset tehtävät: Tunteiden vuoristorata, Lotta Mattilan blogi, 19.2.2021 (viitattu 22.2.2021)

<https://blogs.helsinki.fi/lottmatt/2021/02/19/itsenaiset-tehtavat-tunteiden-vuoristorata/>

 

Neljännellä kurssikerralla uppouduimme vaihteeksi rasteriaineistojen maailmaan. Yksinkertaisesti ideana oli tuoda tietoa, joka sitten esitettiin ruuduittain (ruutu=pikseli= tietynkokoinen alue). Alla oleva kuva (kuva 1) toimii havainnollistavana esimerkkinä kurssikerran harjoitteista. Meillä siis oli tietoa alueen asukkaista, jota pystyimme esittämään, vertailemaan ja analysoimaan luotuamme aineiston päälle ruudukon. Kuvassa 1 näkyvät vain ruudut, joiden alueella asuu ihmisiä. Värisymbolit tässä esimerkissä kertovat ruotsinkielisten määrästä pääkaupunkiseudulla ruuduittain (pienin arvo sininen, suurimmat punaisella, välissä muut arvot, legenda kun jäi tekemättä…) Kyseinen kartta siis ei ole millään muotoa viimeistelty, pääpointtina kuitenkin se, että myös rasterimuotoisella kartalla voidaan esittää tietoa ja kyseisellä kartalla tieto on esitetty siis myös ruotsinkielisten absoluuttisella määrällä ruuduittain, ei suhteellisilla arvoilla, jonka vuoksi muun muassa Helsinki runsaslukuisimpana erottuu…

Sitten asiaan. Kotitehtävänä oli siis luoda samalla aineistolla rasterimuotoinen kartta, jolla esitettäisiin itse valittua ilmiötä. Valitsin muuttujikseni rakennusten rakennusvuosien keskiarvon sekä muun kuin suomen- tai ruotsinkielisten osuudet. Nappasin kyseiset aiheet, koska niistä mieleeni ei ihan heti ponnahtanut ilmiselvää yhteyttä tai sen selittäjää, joten tuotoksia pääsee arvioimaan aika puhtaalta pöydältä.

Työn vaiheet olivat muuten samat kuin harjoituskartassakin, mutta tietokantoja ruutuihin yhdistäessä valitsin aineistoksi jo aiemmin mainitsemani muuttujat.  Yhteistyö QGIS:sin kanssa sujui vaihtelevasti, välillä ripeästikin, mutta välillä sai latauksia odotella aika pitkään. Yhden latailun seurauksena koko ohjelma sitten kaatua kellahti ja sekös otti päähän, mutta tulipahan kertailtua vielä alusta hommat siihen asti. Olin ensimmäisellä kerralla ottanut ruutukooksi 500m x 500m mutta muutin sen sitten suosiolla 1km x 1km, ihan vain jos ohjelma sen ansiosta pienemmällä todennäköisyydellä jumiutuisi uudestaan…

Kuvassa 2 esitettynä pääkaupunkiseudun talojen rakentamisvuosien keskiarvo ruuduittain. Luokkarajana käytin Equal count (Quantile)-nimistä jakoa, jolla sai esiin parhaan hajonnan, joskin en ole varma mitä mieltä olla siitä, että ensimmäisessä luokassa väli vuosissa on niin huimasti muita luokkia isompi, mutta toisaalta niinä vuosina varmasti myös rakennettiin vähemmän ja tämä saattaa olla kyseisen jaon ideakin… Ehkä näitä oppii pikkuhiljaa. Joka tapauksessa, lopputulosta analysoitaessa huomaa ainakin sen, että vanhimmat rakennukset keskittyvät kovasti etelärannikolle (kantakaupunki, satamapaikan ja keskuksen merkitys) mutta myös sisämaata kohti siirryttäessä niitä löytyy, joskaan ei yhtä suurina ryppäinä. Uusimmat rakennukset taas selkeästi edustavat lähiörakentamista ja kaupungin laajentumista muualta kuin keskustastaan ja huomattavaa on nykyisen rakentamisen tehokkuus ja keskittyneisyys, sillä uusimmat rakennukset (tummalla) muodostavat huomattavia ryppäitä.

Kuvassa 3 on visualisointi muuta kuin suomea tai ruotsia puhuvien absoluuttisesta määrästä ruuduittain, ruutukokona edelleen 1km x 1km. Luokkajakona  Natural breaks. Kartan mukaan suurimmat muunkielisten määrät painottuvat pk-seudun itäisille alueille sekä eteläiseen Helsinkiin joitakin poikkeuksia lukuun ottamatta. Syitä tähän ovat varmasti muun muassa sopivien työ-ja opiskelupaikkojen sijoittuminen sekä (hinnaltaan ja sijainniltaan) potentiaaliset asuinalueet esimerkiksi maahanmuuttajille. Samasta aiheesta kartan on toteuttanut myös Juliana, joka pohtii blogissaan kattavasti syitä muunkielisten sijoittumiselle. Hän mainitsee juurikin Itä-Helsingin halvat vuokrat ja maahanmuuttajien luomat yhteisöt mahdollisiksi vetovoimatekijöiksi muunkieliselle väestölle sekä esimerkiksi Espoon Otaniemen korkeakoulun, joka houkuttelee myös ulkomaalaisia opiskelijoita.

Kartoista tarkasteltuna tai oman yleistiedon pohjalta ei rakennusten rakennusvuoden keskiarvoilla ja muunkielisen väestön sijoittumisella ole merkittävää yhteyttä. Toki uudemmat (lähiöt?) korostuvat siellä missä muunkielisiäkin merkittävästi asuu, mutta vaihtelu tämän suhteen on huomattavaa.

Mielestäni kyseisenlaiset rasterikartat eivät ole parhaita mahdollisia tiedon esittämiseen (ainakaan tällaisen tiedon), koska nimistön puuttuessa paikkojen hahmottaminen on hankalaa ja kartta on yleisilmeeltään melko sekava.  Absoluuttisten arvojen esittäminen onnistuu, mutta tällöin erottuvat (kyseisessä esimerkissä) usein lähinnä alueet, joilla on eniten asutusta. Kuten muussakin kartanteossa, visualisointivaiheessa saa olla tarkkana siinä, millaisia valintoja tekee, sillä se vaikuttaa ratkaisevasti kartan ilmeeseen ja mielikuvaan esitetyn ilmiön sijoittumisesta ja voimakkuudesta. Myös Maija teki kartan samasta aiheesta kanssani absoluuttisilla arvoilla ja pohtiikin blogitekstissään eroja oman karttansa ja toisen opiskelijan prosenttiosuuksina esitetyn kartan välillä. Hän toteaa oivallisesti, että valinta suhteellisten lukujen ja absoluuttisten lukujen väliltä on kiinni siitä, mihin käyttötarkoitukseen kartta on tehty.

Aivan kurssikerran lopuksi pyörittelimme vielä rasteriaineistoja harjoittelemalla niiden tuontia QGIS:siin. Käsittelimme korkeustietoja sisältäviä rasteriaineistoja, joiden avulla loimme Pornaisten aluetta kuvaavalle karttapohjalle vinovalovarjostetun korkeusmallin sekä korkeuskäyrät. Mielenkiintoista hommaa!

Lopuksi palasimme vielä muistelemaan TEM-kurssin aikoja piirtämällä kartalle tiet (viivoilla) ja talot (pisteillä). Täytyy myöntää etten lähtökohtaisesti ollut tästä asiasta yhtään innoissani, kaikki piirtämisjutut kun tuottavat minulle suurta päänvaivaa ja TEM kurssina oli kyllä melkoista pinnistelyä kerrasta toiseen. No, siitäkin selvittiin, joten ehkä tästäkin. Tai näin ajattelin siihen asti, kunnes Arttu kertoi että jatkamme samaisilla aineistoilla ensi kerralla ja käski varautumaan henkisesti ja fyysisesti kuluttavaan kurssikertaan… Jään siis odottamaan seuraavaa kurssikertaa entistäkin pelonsekaisemmalla kauhulla. 🙂

 

Lähteet:

Häkkilä, J: Harjoitus 4: Eri aineistot käsittelyyn, Juliana Häkkilä, 15.2.2021 (viitattu 16.2.2021)

<https://blogs.helsinki.fi/julihakk/2021/02/15/harjoitus-4-eri-aineistot-kasittelyyn-paivittyy/>

 

 

Jalonen, M: Kurssikerta 4, Maijan blogi, 15.2.2021 (viitattu 16.2.2021)

<https://blogs.helsinki.fi/mmjalone/2021/02/15/kurssikerta-4/>

Kolmannella kurssikerralla ei paljon peukaloita pyöritelty, vaan ryhdyimme heti alusta lähtien töihin. Harjoittelimme aineistotiedon ”siistimistä” ja yhdistelyä, sekä ulkopuolisten tietokantojen tuontia sekä liittämistä olemassa oleviin. Pysyin yllättävän hyvin mukana koko luennon ajan, mutta valtaosa nähdystä ja opitusta oli kuitenkin kadonnut taivaan tuuliin seuraavana päivänä alkaessani tehtäviä tekemään. Alkukankeuden (lähinnä henkisen) jälkeen homma alkoi kuitenkin jotenkuten sujua!

Kurssikerran harjoitteita

Itse kurssikerran aikana teimme harjoituskartan Afrikasta (kuva 1), jossa kuvataan öljykenttien ja timanttikaivosten sijaintia sekä tapahtuneita konflikteja kartalla. Lopputulos ei ole kummoinen visuaalisuudeltaan tai edes informatiivisuudeltaan, mutta tavoitteena olikin harjoitella pelaamaan tietokantojen kanssa. Kartta on kuitenkin hyvä esimerkki siitä, kuinka eri aiheista kartalle yhdistelty tieto voi antaa aivan eri tavalla havainnollistavan kuvan ja tietoa tietyistä aiheista, kuten tässä tapauksessa siitä, millainen yhteys öljykentillä ja timanttikaivoksilla on konflikteihin ympäri Afrikkaa. On kuitenkin oleellista olla perillä tiedosta, josta osa on valikoitu kartalle ja siitä, mitä siihen on tarpeellista valita, mitä on valittu ja miksi.

Kyseisestä aiheesta käytössämme olevan tiedon avulla voisi päätellä paljon muutakin. Kun tiedossa ovat timanttikaivosten ja öljykenttien löytämisvuodet sekä niiden käyttöönottovuodet ja konfliktien tapahtumavuodet ja laajuus, voitaisiin tarkemminkin päätellä millainen yhteys näillä mahdollisesti on. Ovatko konfliktit alkaneet esiintymien löytyessä vai jo ennen sitä (onko joku taho esimerkiksi varjellut niitä) vai vasta käyttöönoton yhteydessä? Vai onko kaivoksen tai öljykentän käyttöönotto mahdollisesti lopettanut jonkin konfliktin? Kuinka kauan aikaa kaivoksen tai öljykentän toiminnan alkamisesta on kulunut konfliktien alkamiseen, voisiko syynä olla varantojen ehtyminen tai vaikka monikansallisen yhtiön väliintulo, jos esiintymä on ensin ollut paikallisten hallussa? Internetkäyttäjien määrästä vuosittain voitaisiin muun muassa päätellä, onko kaivos tai öljyesiintymä mahdollisesti tuonut paikallista vaurautta ja näin mahdollistanut internetin käytön vai ovatko ne juuri painottuneet alueille, joilla jo ennestään on suhteessa toimivampaa infrastruktuuria ja esimerkiksi internetyhteydet. Myös konfliktien määrä suhteessa internetin käyttäjiin olisi mielenkiintoinen tarkasteltava aihe (hyödyttääkö internet konflikteja, esimerkiksi asekauppaa tms vai voisiko mahdollisella internetkäyttäjien lisääntymisellä ja konfliktien vähenemisellä olla yhteys, muun muassa internet tietoisuuden lisääjänä ja vaihtoehtojen esittäjänä…?).

Ja kotiläksyjen kimppuun…

Seuraavaksi harjoittelimme kurssikerralla läpikäytyjä asioita uuden aineiston parissa, kun tavoitteena oli luoda koropleettikartta tulvaherkistä alueista valuma-alueittain tulvaindeksin avulla (kuva 2) sekä toinen samanmoinen kartta, jolla esitettäisiin myös alueiden järvisyys diagrammein (kuva 3). Ensimmäinen kartta sujuikin (hehheh) kuin vettä vain, mutta seuraavan kanssa sainkin painia hetken, jotta diagrammitkin alkoivat totella.

 

Tulvaindeksillä kuvataan alueiden tulvaherkkyyttä ja sen voi laskea useammallakin tapaa. Itse käytin mallia MHQ/MNQ eli keskiylivirtaama jaettuna keskialivirtaamalla. Kyseistä mallia kutsutaan myös ”virtaamavaihtelujen indeksiksi”. (Paarlahti, 2021) Keskiylivirtaamalla tarkoitetaan siis ylimpien mitattujen arvojen keskiarvoa tietyllä ajanjaksolla ja keskialivirtaamalla vastaavasti alimpien mitattujen arvojen keskiarvoa tietyllä ajanjaksolla.

Visuaalisesti olen karttoihin suhteellisen tyytyväinen. Ensimmäinen tulvaindeksikartta on selkeä ja yksinkertainen ja kertoo tarvittavat asiat. Toinen on luonnollisesti täydempi diagrammien vuoksi, ehkä hieman sekavakin, mutta minun taidoillani ihan siedettävä. Diagrammit eivät anna kovin tarkkaa tietoa, mutta ihan hyvän kuvan siitä miten tulvaindeksi suhteutuu kullakin alueella järvisyyteen. Toisaalta erot eivät diagrammeja tarkastelemalla ole hurjan suuria, jolloin jokin selkeämpi ja havainnollistavampi esitystapa olisi voinut toimia paremmin. Liisa ja Rasmus ovat toteuttaneet järvisyyden esittämisen ympyröiden sijaan pylväillä ja mielestäni tämä on oikein toimivan näköinen ratkaisu. Heidän kartoillaan pylväiden koko kuvaa järvisyyttä ja tämä tekee lopputuloksesta selkeän näköisen. Ville taas on käyttänyt ympyröitä, joiden vaihteleva koko kuvaa järvisyyttä ja myös tällä tavoin kartta on mielestäni helposti tulkittavan näköinen ja jo nopealla vilkaisulla informatiivinen.

Joka tapauksessa, karttaa analysoitaessa voidaan heti huomata, kuinka tulvaherkimmät alueet painottuvat Suomen eteläisille ja läntisille rannikkoalueille. Myös Perämereen laskevien jokien ympärysalueet erottuvat kartalta, kuten myös yksi alue aivan pohjoisessa Suomessa. Yhteisiä selittäviä tekijöitä lähes kaikille tulvaherkille alueille ovat tasaiset pinnanmuodot ja/tai vähäjärvisyys. Pohjoisessa syvemmälle ulottuva ja pidempään keväälle säilyvä maan routakerros estää keväisten sulamisvesien imeytymistä ja aiheuttaa näin tulvimista. (myös suurempi lumen -> sulamisvesien määrä!)  Myös maankäytöllä on osuutensa asiaan ja niin pinnoitettu kaupunkiympäristö kuin muokattu maatalousmaakin lisäävät todennäköisesti jokien virtaamia, samoin kuin luonnollisten kosteikkojen (soiden) käyttöönotto ojittamalla. Lisäksi itse valuma-alueen koko määrittää pitkälti sitä, kuinka paljon se pystyy virtaamia tasaaman, pieni alue vähemmän. Kaikilla tulvaindeksikartalta väreillä erottuvilla alueilla myös (tiheän) metsäpinta-alan osuus on suhteellisien pieni ja vähäinen kasvillisuus selittää monin paikoin tulvaherkkyyttä.

 

LÄHTEET:

Paarlahti, A. (2021). Harjoitus 3 (Word-tiedosto Moodlessa)

 

Ahokas, L: 50 shades of blue, Liisan kurssiblogi, 5.2.2021 (viitattu 6.2.2021)

<https://blogs.helsinki.fi/ahokliis/2021/02/05/50-shades-of-blue/>

 

Sohlman, R: Kolmas kurssikerta: aineistojen liittämistä ja valuma-alueita, Rasmuksen GEM-kurssiblogi, 5.2.2021 (viitattu 6.2.2021)

<https://blogs.helsinki.fi/sohlrasm/2021/02/05/kolmas-kurssikerta-aineistojen-liittamista-ja-valuma-alueita/>

 

Väisänen, V: Valuma-alueiden tulvaindeksikartta, Villen GIS-blogi, 2.2.2021 (viitattu 6.2.2021)

<https://blogs.helsinki.fi/villvais/2021/02/02/valuma-alueiden-tulvaindeksikartta/>