Valamista tul!

Niin sitä vain saavutettiin viimeinen kurssikerta ja hengissä ollaan! Muutamalla sanalla kurssista, fiilis on oikein hyvä ja monet aikaisemmin vain teoriassa lukemani asiat saivat vihdoin kasvot ja käytännön merkityksen. Vaikken edelleenkään koe gis-asioiden olevan itselle se kaikista omin juttu, koin erittäin tarpeelliseksi ja aika ajoin jopa mielenkiintoiseksi oppia erilaisia karttojen tekoon, paikkatieto-ohjelman käyttöön sekä tiedon etsimiseen ja julkaisuun liittyviä prosesseja. Kurssitehtävissä noudatin aina melko helppoa (lue: helpointa…) linjaa, mutta kaikki tehtävät tulivat kuitenkin tehdyiksi ja joka harjoitteesta ja kurssikerrasta jäi jotain käteen yleisvaikutelman selkiytyessä ja ymmärryksen kasvaessa. Olen siis työskentelyyni tyytyväinen. Opin myös todella pitämään tästä blogin kirjoittamisesta ja toisten blogien seuraamisesta kurssin suoritustapana ja vertaistuki kurssin edetessä oli erittäin tärkeää! Oli myös tosi mukava nähdä toisten oivalluksia ja onnistumisia, ja toisaalta voimaantua siitä, etteivät kaikki muutkaan välttämättä ymmärrä ja opi kaikkea heti.

Loppujen lopuksi, ei siis mikään turha kurssi. 😉

 

Mukavaa etenevää kevättä ja aurinkoisia päiviä,

Martta

Harjoitus 7: Viimeinen kurssikerta karttoineen!

Viimeisenä tehtävänä meillä oli toimia hieman itsenäisemmin ja etsiä itse aineistot viimeisiin karttoihin, kokonaisuudessaan. Linkkejä oli toki tarjoiltu valmiiksikin. Olin jopa niin hurja, että kävin ensin ihan mielenkiinnosta ihmettelemässä muun muassa Eurooppaa ja Amerikkaa koskevia tilastoja, mutta realiteetit mielessäni palasin sen jälkeen tutun Tilastokeskuksen sivuille. Maakuntatasolla en ollut Suomesta yhtään karttaa tällä kurssilla tuottanut, joten ajattelin sen olevan toimiva idea (sekä riittävän yksinkertainen). Valitsin muuttujikseni kasvihuonepäästöt maakunnittain sekä teollisuuden energiankäytön maakunnittain. Molemmista oli saatavilla tietoa usealta vuodelta, mutta päätin ottaa tarkasteluvuodekseni vuoden 2018, sillä siitä löytyi dataa molemmista aiheista.

Hetken muistelun jälkeen datan lataaminen koneelle ei ollut homma eikä mikään, mutta taustakartan hankkiminen vaati jo pidempää pohdintaa. Lopulta mieleen muistuivat rajapinnat, jolloin sain suhteellisen vikkelästi Suomen maakuntien rajat näkyviin QGIS:siin. Sitten vielä tietojen yhdistäminen. Tämä vaihe tuotti jonkun verran ongelmia, kunnes tajusin että ladattua dataa voisi ehkä siivoilla hieman ennen yhdistämisyrityksiä. Sittenhän se alkoikin pelaamaan! Pääsin jo niinkin pitkälle, että ensimmäinen kartta oli jo väreineen ja luokituksineen edessäni, kunnes joku meni vikaan ja alkoi hirmuinen säätäminen. Taustakartta hävisi aina, kun yritin tietoa saada luokitelluksi kartalle. Loppujen lopuksi käynnistin QGIS:sin uudelleen lukuisia kertoja ja jopa tein ihan kaiken alusta, muttei sekään auttanut. No, loppujen lopuksi kyse olikin ilmeisesti siitä, etten ollut kaikessa innostuksessani huomannut tallentaa kyseistä layeria ennen luokittelua… Tekevälle sattuu.

Lopulta kartat tulivat kuntoon ja lopputulos on pitkälle niin kuin halusin. Siltikin näiden karttojen aikaansaaminen itsenäisesti oli ihan riittävän suuri ponnistus, enkä lähtisi vielä tappelemaan yhtään monimutkaisempien juttujen kanssa. Nyt ainakin tämän työn vaiheet ovat selvät ja monia kurssin asioita tuli samalla kerrattua.

Kuva 1. Teollisuuden energiankäyttö maakunnittain vuonna 2018. Lähde: Tilastokeskus

 

Karttoja tutkaillessa voi huomata, että samat maakunnat painottuvat pitkälle molemmissa, sillä teollisuuden energiankäyttö luonnollisesti lisää kasvihuonekaasupäästöjä. Energiankäyttö-kartassa (kuva 1) tummimmalla erottuvat Uusimaa ja Etelä-Karjala sekä Pohjois-Pohjanmaa ja Lappi. Uusimaa ei sinänsä yllätä, sinne kun painottuu huikea määrä Suomen teollisuudesta. Etelä-Karjalan tulos on mielenkiintoinen ja itselleni uusi. Hetken asiaa selviteltyäni asiat kuitenkin valkenivat ja tuli taas opittua uutta, Etelä-Karjala onkin merkittävä monipuolisen teollisuuden keskittymä. Etelä-Karjalan Liiton sivuilla Etelä-Karjalaa kuvataan ”vahvana teollisuus- ja innovaatiokeskittymänä” sekä ”kansainvälisenä suurteollisuuskeskittymänä”.  Pohjois-Pohjanmaa ja Lappi taas ovat jo alueina isompia (enemmän teollisuutta) ja Suomenkin mittakaavassa pohjoisen sijainnin vuoksi teollisuuden eri vaiheet vaativat eri tavalla energiaa.

Kuvan 2 kartassa erottuvat lähes samat alueet kuin kuvan 1 kartassa, pääasiassa alueet joilla on paljon ihmisiä ja ihmistoimintaa, joka tuottaa kasvihuonekaasupäästöjä (Uusimaa) ja luonnollisesti pohjoiset alueet joissa pitkät välimatkat (autoilu) ja lämmitys tuottavat päästöjä. Mieleeni tuli, että myös hiilinielujen määrä on pienempi aivan etelässä (pellot, tiheä ihmisasutus   -> suuret kaupungit)  ja pohjoisessa (vaativat kasvuolosuhteet), kuin keskisen Suomen alueella.

 

Kuva 2. Kasvihuonekaasupäästöt maakunnittain vuonna 2018. Lähde: Tilastokeskus

 

Sitten vielä lopullinen tuotos, visualisointi kasvihuonekaasupäästöistä ja teollisuuden energiankäytöstä samalla kartalla (kuva 3).

Kuva 3. Kasvihuonekaasupäästöt maakunnittain sekä teollisuuden energiankäyttö ympyröinä. Lähde: Tilastokeskus

 

Kyseinen kartta on yhdistelmä molempia ja vaikka tarkkaa tietoa teollisuuden energiankäytöstä ei saakaan, kartalta voi kuitenkin hahmottaa missä energiankäyttö on suhteessa suurempaa ja missä pienempää sekä pohtia sen mahdollisia vaikutuksia kokonaispäästöihin.

Oli upeaa ihastella myös toisten kurssilaisten toteuttamia karttoja mitä monipuolisimmista aiheista ja ympäri maailmaa! Mielenkiintoisina poimintoina Suomen mittakaavassa mainitsen muun muassa Nellin tekemän kartan, jossa hän visualisoi maakuntien hedelmällisyyslukuja sekä prosentuaalista osuutta naisväestöstä ilman perusasteen jälkeistä tutkintoa. Saara oli toteuttanut karttansa kuntajaolla ja siinä käsiteltiin eniten ääniä saaneita puolueita vuoden 2017 kuntavaaleissa, sekä naisten osuutta valtuutetuista. Ida taas oli napannut aiheekseen Helsingissä vuosien 2016-2019 aikana valmistuneet asunnot sekä viherkatot!

 

 

Lähteet:

Etelä-Karjalan Liitto, Vahva teollisuus- ja innovaatiokeskittymä, rajan ja Saimaan mahdollisuudet – Etelä-Karjala on imagoaan ja kokoaan suurempi maakunta, 12.9.2018. (luettu 4.3.2021)

<https://www.ekarjala.fi/liitto/vahva-teollisuus-ja-innovaatiokeskittyma-rajan-ja-saimaan-mahdollisuudet-etela-karjala-on-imagoaan-ja-kokoaan-suurempi-maakunta/>

 

Kasvihuonekaasupäästöt maakunnittain, 2011-2018. Tilastokeskus, Helsinki. (haettu 3.3.2021)

Teollisuuden energiankäyttö maakunnittain, 2007-2019. Tilastokeskus, Helsinki. (haettu 3.3.2021)

<http://tilastokeskus.fi/til/index.html>

 

Vasse, N: Viikko 7, Nellin seikkailut GIS-maailmassa, 5.3.2021. (luettu 8.3.2021)

<https://blogs.helsinki.fi/nvasse/2021/03/05/viikko-7/>

 

Heikkinen, S: Viimeinen kurssikerta, Saaran GIS-blogi, 4.3.2021. (luettu 8.3.2021)

<https://blogs.helsinki.fi/heikkins/2021/03/04/viimeinen-kurssikerta/>

 

Adler, I: Opittujen taitojen testausta, Adlerida’s blog, 4.3.2021 (luettu 8.3.2021)

<https://blogs.helsinki.fi/adlerida/2021/03/04/opittujen-taitojen-testausta/>

 

Harjoitus 6: Interpolointia ja pistekarttoja

Kuudennen kurssikerran aloitimme reippailemalla ulkosalla keräten dataa lähiseuduistamme Epicollect5-sovelluksen avulla. Sovelluksen idea on mielestäni oikein mielenkiintoinen ja käyttökelpoinen. Osallistujat kirjautuivat sovelluksessa kurssikertaa varten luotuun projektiin, johon jokainen keräsi itse tietoa lähiseudustaan koordinaatein sekä vastaamalla kysymyksiin, jotka liittyivät muun muassa alueiden viihtyisyyteen sekä turvallisuuteen. Lisäksi oli mahdollista liittää mukaan kuva. Tämän jälkeen kaikki havaintopisteet ominaisuustietoineen siirrettiin visuaalisesti kartalle, josta niitä pystyi tulkitsemaan. Samaisessa harjoituksessa loimme interpoloimalla kartan lähinnä Helsingin alueen (jossa suurin osa pisteistä oli) pisteistä, aiheena koettu turvallisuus. Kiehtovaa nähdä kyseisiä toimia käytännössä, kuinka paikkatietoa syntyy!

Kotitehtävänä meillä oli luoda vähintään kolmen kartan sarja liittyen maanjäristyksiin, tulivuoriin, meteoriitteihin sekä esimerkiksi tsunameihin. Sivut, joilta tietoa voisimme etsiä ja kerätä, oli annettu valmiiksi, ja tarkoituksena oli valita itse aihekokonaisuus ja tiedot, joita halusi maailmankartalla esittää, kutenkin liittyen annettuihin aiheisiin. Ideana oli luoda karttoja, joita voisi käyttää kyseisten asioiden opettamisessa. Dataa oli saatavilla eri aiheista erilaisissa aikasarjoissa ja tallentamalla tiedon katalogeista tekstimuotoiseksi, sen pystyi liittämään QGIS:siin.

Kuva 1. Yli 8 magnitudin maanjäristykset vuosien 1950 ja 2020 välillä sekä tulivuoret esitettynä kartalla. Lähde: USGS, NOAA

 

Kuvassa 1 on esitettynä yli 8 magnitudin maanjäristykset vuosien 1950 ja 2020 välillä. Lisäsin kartalle myös tulivuoret havainnollistamaan niiden ja maanjäristysten sijoittumisen yhteyttä, joka selittyy laattatektoniikalla. Kartasta voidaan huomata, miten suurin osa tulivuorista ja erittäin voimakkaista maanjäristyksistä sijaitsevat Tyynenmeren ympärillä, niin sanotun Tyynenmeren tulirenkaan alueella. Huomattavaa on myös, kuinka merkittäviä yli 8 magnitudin maanjäristykset ovat, sillä niitä sattuu suhteessa paljon harvemmin kuin pieniä maanjäristyksiä. Kuvassa 2 on esitettynä alle 4 magnitudin maanjäristykset vuonna 2020. Kuten huomataan, niiden esiintyvyys vuoden aikana on huomattavasti suurempaa kuin yli 8 magnitudin järistysten esiintyvyys 70 vuoden aikana. Toki myös alle 4 ja yli 8 magnitudin maanjäristysten seuraukset ja vaikutukset ovat aivan täysin eri luokkaa.

Näiden kuvien tarkoituksena siis havainnollistaa eri momenttimagnitudiasteikon järistysten yleisyyttä ja sijaintia. Tulivuoret toimivat lisänä, jotta voidaan luoda yhteys tulivuoritoiminnan ja maanjäristysten sijoittumiseen, molemmat kun painottuvat mannerlaattojen reuna-alueille. Hyvänä lisänä voisikin toimia taustakartta, jossa on esitettynä mannerlaattojen rajat sekä mahdollisesti ainakin isoimpien laattojen nimet. Visuaalisesti kartat ovat mielestäni ihan kohtuullisen hyviä, eivät kaikista tarkimpia, mutta yleiskäsityksen antavia. Tulivuorista saa kyseisten karttojen avulla tietoon vain sijainnin, ei esimerkiksi onko tulivuori aktiivinen yms. Käytössämme olleesta tulivuoritietokannasta olisi voinut valita esitettäväksi vain tietynlaisia tulivuoria, mutta tulin siihen tulokseen, että omaan karttaani riittää nyt vain hieman epätarkempi tieto tulivuorista ylipäätään. Ilari on blogissaan valikoinut yhdelle kartoistaan vain aktiiviset kerrostulivuoret sekä yli kuuden magnitudin maanjäristykset tietyllä aikajänteellä. Lopputulos on oikein havainnollistava ja esitettäviksi valitut arvot sekä ominaisuudet kuvaavat ilmiötä erittäin hyvin. Muutkin hänen kartoistaan ovat visuaalisesti taidokkaita ja miellyttäviä katsoa.

Kuva 2. Alle 4 magnitudin maanjäristykset vuonna 2020. Lähde: USGS, NOAA

 

Tsunamit voivat syntyvät voimakkaiden maanjäristysten, maanvyörymien ja tulivuortenpurkausten  sekä muun vulkaanisen toiminnan yhteydessä tai esimerkiksi meteoriitin törmäyksessä. Tätä ilmiötä päätin yrittää havainnollistaa  parilla kartalla. Kuvassa 3 on esitettynä yli 8 magnitudin maanjäristyksiä sekä tsunamien sijoittumista vuosina 1950-2020 ja kuten huomataan, niillä on hyvin selkeä yhteys. Kuitenkin varsinkin Välimeren alueella on paljon tsunameja, muttei mittausaikana yhtään yli 8 magnitudin maanjäristystä. Tulivuoria kuitenkin löytyy.

Kuva 3. Yli 8 magnitudin maanjäristykset sekä tsunamit vuosina 1950-2020. Lähde: USGS, NOAA

 

Seuraavaksi tarkastelinkin tulivuorenpurkauksia 1950-2020 suhteessa tsunameihin (kuva 4) ja niitäpä löytyi Välimeren alueeltakin. Ja yhtälailla yhteyttä on huomattavissa.

Kuva 4. Tulivuorenpurkaukset ja tsunamit 1950-2020. Lähde: NOAA

Tein lisäksi vielä yhden kartan meteoriittien törmäyskohdista ja tsunameista, mutta valitettavasti en saanut rajattua (aineistosivulla tai QGIS:sissä) meteoriittien törmäysvuosien aikajännettä yhtään järkevämmäksi selittämään haluamaani asiaa ja ainoa lopputulokseni olikin meteoriittien törmäyskraatterit kartalla kautta aikain, jolloin se ei sopinut enää tähän aiheeseen. Tsunamien ominaisuustietotaulukkoa selatessani huomasin, että valitsemallani aikajänteellä on sattunut muutamia todennäköisesti meteoriitin iskusta aiheutuneita tsunameja, mutta valtaosa aiheuttajista oli maanjäristyksiä, maanvyöryjä tai tulivuorenpurkauksia.

Pari sanaa lopputuloksesta sanoakseni (huom!!), tekemäni kartat sopivat hyvin yleiseen, melko epätarkkaan havainnollistamiseen, jossa tsunamit ja voimakkaat maanjäristykset sekä tulivuorenpurkaukset (mahdolliset syntytekijät) sijoittuvat samoille alueille, joskin pääasiassa jo mainitsemani laattatektoniikan vuoksi. Kartalla näkyviä tsunameja ei ole kuitenkaan millään tavoin filtteröity, eikä niiden syntytapa tai voimakkuus käy kartalta ilmi, jolloin karttaa katsoessa voidaan lähinnä vain arvailla ovatko samoilla alueilla tapahtuneet tulivuortenpurkaukset tai voimakkaat maanjäristykset aiheuttaneet tsunamia, vaikkakin niillä todistetusti yhteys on. Myöskään tulivuorenpurkauksia ei ole eritelty ja kartalla näkyvätkin kaikki valitulla ajanjaksolla tapahtuneet tulivuorenpurkauksiksi laskettavat tapahtumat. Myös valintani esittää vain yli 8 magnitudin maanjäristykset suhteessa tsunameihin oli tietoinen, koska mitä suurempi maanjäristys, sitä suurempi riski (suureen) tsunamiin. Nämä mainitsemani epätarkkuudet alkoivat vaivaamaan minua, mutta päätin kuitenkin toteuttaa karttasarjani alun perin valitsemallani tavalla, koska oletin että ideana on juuri enemmänkin harjoitella kyseisten karttojen teon prosesseja ja luomaan edes jollain tavalla havainnollistavia ja selkeitä karttoja, kuin tässä vaiheessa suoltaa timantinkovaa tieteellistä analyysiä…

Lopuksi tahdon mainita vielä Sirkun blogin, sillä hänen postauksessaan on oikein hyvältä näyttäviä karttoja maanjäristyksiin ja tulivuorenpurkauksiin sekä niiden yhteyteen liittyen, jälkimmäisestä vieläpä pitkältä aikaväliltä, lisänä hyvää pohdintaa aiheesta!

PS. Selaillessani myöhemmin muiden kurssilaisten blogeja päädyin ihailemaan Paolan hienoja karttoja, jolloin muistin, että hankkimiamme tietokantoja pystyisi tarkastelemaan myös Google Earth-palvelussa! Tästä intoutuneena päätin itsekin kokeilla katsella meteoriittikraatterien sijoittumista maapallolla ja Paolan hyvien ohjeiden avulla se onnistuikin, kiitos avusta! 🙂

Kuva 5. Meteoriittikraattereita Google Earth- palvelussa
Kuva 6. Meteoriittikraattereita Google Earth- palvelussa
Kuva 7. Meteoriittikraattereita Google Earth- palvelussa

 

Lähteet:

Leino, I: Kuudes kurssikerta, Ilarin Maantiedostusblogi, 25.2.2021. (luettu 1.3.2021)

<https://blogs.helsinki.fi/ilarilei/2021/02/25/kuudes-kurssikerta/>

 

Pieniniemi, S: Viikko 6 – aamu-ulkoilua ja interpolointia, Sirkun kurssiblogi, 26.2.2021. (luettu 1.3.2021)

<https://blogs.helsinki.fi/sipisi/2021/02/26/viikko-6-aamu-ulkoilua-ja-interpolointia/>

 

Stenvall, P: Friskluft, nära död och iver, Geoinformatikens djungel, 6.3.2021 (luettu 8.3.2021)

<https://blogs.helsinki.fi/paolastenvall/2021/03/06/friskluft-nara-dod-och-iver/>

 

Harjoitus 5: Bufferointia (ja kaupunki-ikävää)

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/>

 

Harjoitus 4: Rasterirokkia

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…

Kuva 1. Kurssikerran ensimmäinen harjoituskartta rasteridatan kanssa. Ruotsinkielisiä pääkaupunkiseudulla ruuduittain. Lähde: kurssimateriaali

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…

Kuva 2. Pääkaupunkiseudun talojen rakentamisvuosien keskiarvo 1km x 1km-kokoisilla ruuduilla. Lähde: kurssimateriaali

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.

Kuva 3. Muuta kuin suomea tai ruotsia äidinkielenään puhuvien määrä ruuduittain pääkaupunkiseudulla. Lähde: kurssimateriaali

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/>

Harjoitus 3: Tiedon tuonnin tulvaa

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.

Kuva 1. Öljykenttien, timanttikaivosten ja konfliktien sijoittuminen Afrikassa. Lähde: kurssimateriaali

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.

Kuva 2. Tulvaindeksi valuma-alueittain kuvattuna. Lähde: kurssimateriaali

 

Kuva 3. Tulvaindeksit sekä järvisyys prosentteina valuma-alueittain. Lähde: kurssimateriaali

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/>

 

 

 

 

Harjoitus 2: Projektioita ja pinta-aloja

Toisella kurssikerralla jatkoimme QGIS-ohjelmaan tutustumista. Pyörittelimme erilaisia projektioita ja katsoimme, kuinka projektion vaihtaminen vaikuttaa pinta-aloihin käyttäen mittatyökaluja (viiva, alue) sekä laskemalla field calculator-toiminnolla kuntien pinta-aloja ja vertaamalla niitä keskenään. Pikkuhiljaa jotkut komennot alkoivat jäämään mieleenkin ja ohjelman käytöstä tuli rennompaa varmuuden kasvaessa.

Harjoituskerran lopussa teimme visualisoinnin Mercator-projektion vääristävyydestä suhteessa TM35FIN- projektioon (kuva 1). Mercator on laajalti tunnettu oikeakulmainen lieriöprojektio, jonka merkittävin ongelma on sen toteutustavasta johtuva vääristymä, joka kasvaa mentäessä päiväntasaajalta kohti napoja, jolloin se suurentaa alueita huomattavasti porhoiseen ja etelään mentäessä. ETRS-TM35FIN on suomalaisissa maastokartoissa käytetty koordinaattijärjestelmä, jonka projektiona toimii poikittainen Mercator. Tapio kirjoittaa oivallisesti projektioista omassa blogipostauksessaan, joka sisältää paljon informatiivista tietoa, omia pohdintoja sekä useammankin havainnollistavan kartan. Suosittelen todella vilkaisemaan.

Joka tapauksessa, vertaamani TM35FIN-projektion kartta on luonnollisesti huomattavasti Mercatoria tarkempi ja näyttää asiat ainakin lähempänä oikeaa. Tätä visualisoimme kartalla.

Kuva 1. Visualisointi Mercatorin luomasta vääristymästä ja sen voimakkuudesta pohjoiseen siirryttäessä suhteessa TM35FIN-projektioon. Lähde: QGIS

Kuten kartasta näkyy, Mercatorin luoma vääristymä kasvaa selkeästi siirryttäessä pohjoiseen. Kyseinen ilmiö nähdään selkeästi myös kuvassa 2, jossa Suomen kartta näkyy Mercatorin projektiolla kuvattuna QGIS:sissä. Kuvassa pohjoiset alueet ovat huomattavan venyneitä ja suuria suhteessa eteläisempiin alueisiin, ainakin kun karttaa osaa katsoa kriittisellä silmällä.

Kuva 2. Suomi Mercatorin projektiolla. Lähde: QGIS

Kuten kurssikerrallamme todettiin, Mercator on vääristävyyden suhteen pahimmasta päästä (jopa yli kahdeksankertainen vääristävyys tietyillä alueilla Suomessa) ja useimmissakaan muissa projektioissa tilanne ei ole yhtä paha. Kokeilin paria muutakin projektiota, joiden suhteen vääristävyys oli yleensä 1-2-kertaista. Yksi kokeiluistani oli Plate Carrée, tasavälinen lieriöprojektio, jonka perusleveyspiirinä toimii päiväntasaaja ja se muodostaa maapallon ympärille neliöiden verkon, jonka vuoksi sitä myös neliökartaksi kutsutaan (Wikipedia). Pituus- ja leveyspiirit ovat siis suoria. Kyseinen kartta on oikeapituinen, eli etäisyydet päiväntasaajalta ovat jotakuinkin oikein kuvattu. Vääristävyyttä ajatellen vääristymä kasvaa mitä kauemmas päiväntasaajalta siirrytään, kuten Mercatorissa, mutta kyseinen projektio ei niin rajusti suurenna kauempana sijaitsevia alueita vaan venyttää niitä itä-länsi-suunnassa. (kuva 3)

Kuva 3. Plate Carrée- projektiolla kuvattu venynyt Suomi. Lähde: QGIS

Kuvassa 4 visualisointini Plate Carrée-projektion vääristävyydestä. Kuten legendasta huomataan, vääristävyys on huomattavasti pienempää kuin Mercatorissa. Itä-länsi-suuntainen leveneminenkin on niin pientä, ettei sitä kartalta kuitenkaan erota. (vrt. kuva 3) Lopputuloksestani en ole ihan varma, ajattelin että vaihtelun ollessa suhteellisen pientä, yksi väri ja pienempi määrä luokkia riittäisivät tuomaan esille sen mitä tuotavissa on, eli lähinnä kuitenkin sen, että pohjoista kohti mentäessä vääristymä kasvaa.

Kuva 4. Plate Carrée pinta-ala suhteessa TM35FIN-projektioon. Lähde: QGIS

Annikan blogiartikkelista löytyy useita onnistuneita karttoja, joista yhdessä verrataan Cassini-nimisen projektion pinta-aloja TM35FIN-projektion pinta-aloihin. Täytyy myöntää, etten ollut kyseisestä projektiosta aikaisemmin kuullutkaan ja siksi se herätti mielenkiinnon! Kuten Annikakin toteaa, vääristymät kyseisellä projektiolla eivät ole juuri mitään ainakaan Mercatoriin verrattuna, mutta vääristymien kasvun trendi on mielenkiintoisesti kohti kaakkoa eikä pohjoista, kuten useimmissa näkemissäni.

Pääpointtina kurssikerran annista on mielestäni juuri se, miten tavattoman tärkeää onkaan tuntea eri projektioita ja ymmärtää niiden vaikutus kartan visualisoinnissa. Kuitenkin tärkeämpää kuin epäluonnollisen ja jopa ruman näköiset vääristyneet kartat esimerkiksi Suomesta, on se, mitä epäsopiva projektio voi saada aikaan, kun kartalla esitetään pinta-alaan suhteutettuja muuttujia (mm. väestöntiheys). Tästä loistava esimerkki löytyy Lotan blogista, jossa hän vertaa muun muassa yli 65-vuotiaiden osuutta neliökilometreittäin niin Lambertin kuin Mercatorinkin projektioilla, ensin luotuaan visualisoinnin kyseisten projektioiden keskinäisistä pinta-alaeroista. Kuten Lotta itsekin toteaa, pelkästään karttoja vilkaisemalla ei eroa huomaa, vaan on katsottava tarkasti legendaa. Tässä tulee edelleen hyvin esille myös esitystavan valinnan merkitys, jolla voidaan halutessa saada, projektiostakin huolimatta, tulokset kartalla näyttämään tietynlaisilta. Oikein mielenkiintoista ja opettavaista!

Kaiken kaikkiaan fiilikset toisen kurssikerran jälkeen ovat positiiviset. En edelleenkään voi allekirjoittaa olevani erityisen innoissani QGIS:sin käytöstä, mutta se helpottuu hetki hetkeltä ja koen ymmärtäväni asioiden ytimet, vaikken mikään karttamestari olekaan. Ja kuten jo aiemmin sanoin, minusta on ihanaa päästä lukemaan taitavien kurssikavereideni blogeja ja inspiroitumaan heistä. Olen myös todella oppinut itsekin uutta blogeja lukemalla ja samalla se on erittäin tärkeä vertaistuen lähde, varsinkin kun hommat välillä tökkivät oikein kunnolla.

Seuraavaa kurssikertaa odotellessa!

 

LÄHTEET:

Turpeinen, T: Kurssikerta 2: Projektioita ja Pohjois-Karjalaa, Tapion kurssiblogi, 28.1.2021 (viitattu 31.1.2021)

<https://blogs.helsinki.fi/tapiotur/>

 

Innanen, A: Harjoitus 2: Pinta-alojen vertailu eri projektioissa, Annikan GIS-blogi, 27.1.2021 (viitattu 31.1.2021)

<https://blogs.helsinki.fi/anninnan/> 

 

Puodinketo, L: 2. kurssikerta: Toimintojen kertausta, Lotan blogi, 27.1.2021 (viitattu 31.1.2021)

<https://blogs.helsinki.fi/lottapuo/>

 

Wikipedia. Tasavälinen lieriöprojektio, 29.12.2014 (viitattu 31.1.2021)

<https://fi.wikipedia.org/wiki/Tasav%C3%A4linen_lieri%C3%B6projektio>

 

Harjoitus 1: Koropleettikartan tekoa

Ensimmäisessä harjoituksessa aineistona toimivat Suomen kuntiin liittyvät muuttujat vuodelta 2015. Näistä aihealueista (väestö, elinkeinot, kielet yms) oli tarkoitus valita yksi muuttuja ja visualisoida siitä koropleettikartta QGIS-ohjelmaa käyttäen. Vaikeustasoja tehtävässä oli kolme, joista valitsin ensimmäisen, jotta saisi rauhassa vielä perehtyä uuden ohjelman käyttöön ja saada siinä varmuutta.

Aihealueekseni valitsin saamen kielten esiintyvyyden Suomen kunnissa, koska kyseinen teema kiinnostaa minua. Latasin siis valitsemani tason ohjelmaan ja perehdyin sen ominaisuustietotaulukkoon, jonka jälkeen muutin absoluuttiset arvot prosenttiarvoiksi ja lopulta visualisoin kartan valitsemalla haluamani värit ja järkevän luokkajaon. Lopuksi lisäsin muut karttaan tarvittavat elementit kuten pohjoisnuolen ja mittakaavan. Lopputulos kuvassa 1.

Ohjelman käytössä oli vielä hieman haasteita, ennen kuin oppii eri vaiheet ja komennot ulkoa muistamaan, mutta ohjeiden avulla sain kartan tehtyä. Ja juurikin tuo eri vaiheiden kanssa painiminen takaa yleensä sen, että sen jälkeen asiat jäävät mieleen. Loppujen lopuksi prosessi ei ollut lainkaan monimutkainen, mutta aluksi on tietenkin mentävä hankalimman kautta.

Kuva 1. Saamenkielisen väestön prosenttiosuudet kunnittain vuonna 2015. Lähde: kurssimateriaali

Ensin hieman lopputuloksen onnistumisesta. Aihetta valitessani olisin voinut toki ottaa kartalle visualisoitavaksi aiheen, jossa muuttujia ja joukkoja olisi enemmän ja kuvattava ilmiö olisi enemmän koko maan laajuinen, mutta toisaalta tahdoin valita itseäni kiinnostavan ilmiön. Itse lopputulos on erittäin yksinkertainen ja selkeä.

Sitten aiheesta. Saamelaiset ovat ainoa alkuperäiskansa Euroopan unionin alueella ja heitä asuu Suomen lisäksi myös Ruotsin, Norjan ja Venäjän valtioiden alueella. Saamen kieliä on lukuisia ja Suomen alueella niistä puhutaan kolmea; inarinsaamea, pohjoissaamea ja koltansaamea. Suomessa saamelaisia asuu noin 10 000, mutta vain noin puolet heistä puhuu äidinkielenään saamea.

Kuvaamani ilmiö ja sen levinneisyys olivat minulle ennestäänkin tuttuja, mutta oli mielenkiintoista luoda siitä itse kartta. Saamen kielten puhujat painottuvat luonnollisesti Pohjois-Suomeen, Lappiin, missä viralliset saamelaisalueet sijaitsevat. Kartalla näkyvät kunnat, joissa saamen kielten puhujia on enemmän kuin yksi prosentti väestöstä ovat pohjoisesta etelään Utsjoki, Inari, Enontekiö, Sodankylä, Rovaniemi, Oulu ja Helsinki. Näistä saamen kielillä on virallinen asema (vuodesta 1992 alkaen) Utsjoen, Inarin ja Enontekiön kunnissa, sekä Sodankylän pohjoisosissa, kerrotaan Kotimaisten kielten keskuksen nettisivuilla. Tämä tarkoittaa, että saamelaisilla on oikeus asioida äidinkielellään virastoissa ja sairaaloissa kyseisillä alueilla.

Mielenkiintoinen huomio kartalla on Helsinki, jossa saamen kielten puhujia on 1-4 prosenttia, ainoana kuntana Oulun eteläpuolella. Tämä selittyy pitkälti Helsingin ja pääkaupunkiseudun suurella asukasmäärällä, sillä kuten mainitsemallani nettisivulla kerrotaan, jopa puolet Suomen saamelaisväestöstä asuu kotiseutunsa ulkopuolella ja heistä noin 1000 pääkaupunkiseudulla. Helsingin yliopisto on myös yksi kolmesta Suomessa toimivasta yliopistosta, jossa voi opiskella saameksi tai saamea Oulun ja Lapin yliopistojen lisäksi. Helsingissä toimii City-Sámit ry, joka kokoaa alueen saamelaisia yhteen ja edistää saamelaisen kulttuurin ja kielten asemaa kotiseutualueen ulkopuolellakin.

Muiden kurssilaisten blogeja selatessani löysin oikein mielenkiintoisen aiheen Antti Paakkarin blogista.  Hän oli kuvannut kartalla hotelliyön keskihintaa eräissä Suomen kunnissa (Paakkari 2021). Syy, miksi tartuin kyseiseen aiheeseen on, että kuten Antin kartasta voi huomata, monet ympäristöään kalliimmat hotelliyöt painottuvat juuri Itä- ja Pohjois-Suomeen ja kartalta erottuvat monet samat kunnat kuin omassa kartassani (Inari, Rovaniemi, Oulu ja etelästä Helsinki). Tästä ei tietenkään voi vetää johtopäätöstä, että hotelliyön keskihinnalla olisi yhteyttä saamen kielten levinneisyyteen, vaan Suomessa Lappi on yksi matkailun pääkeskittymiä tuntureineen, poroineen ja laskettelurinteineen ja se vetää matkailijoita niin muualta kotimaasta kuin ulkomailtakin. Helsinki erottuu luonnollisesti Suomen isoimpana kaupunkina sekä pääkaupunkina, jossa myös kansainvälisiä turisteja riittää.

Toisen blogin mainitakseni Ville Vilkki oli tehnyt onnistuneen kartan ruotsinkielisten prosentuaalisista osuuksista kunnittain (Vilkki 2021). Kuten kartasta näkyy, ruotsinkielisyys painottuu Suomessa läntiselle ja eteläiselle rannikolle ja saaristoon, eli siis luonnollisesti aivan eri alueille saamen kielten kanssa. Poikkeuksena tietenkin Helsinki, joka erottui molempien kartoilta.

LÄHTEET:

Kielitieto, Saame (2021) Kotimaisten kielten keskus, Helsinki. 22.1.2021.

<https://www.kotus.fi/kielitieto/kielet/saame>

 

Antti Paakkarin blogi (2021), viitattu 26.1.2021

<https://blogs.helsinki.fi/anttipaa/2021/01/23/viikko-1-ensimmainen-luento-ja-harjoitukset/>

 

Ville Vilkin blogi (2021), viitattu 26.1.2021

<https://blogs.helsinki.fi/vvvilkki/2021/01/25/maa-202-tyo-1/>

Tästä se lähtee!

Ensimmäinen luentokerta takana ja ensimmäinen postaus edessä! Kuten nimikin jo kertoo, tällä kurssilla perehdymme geoinformatiikan menetelmiin QGIS:siä käyttäen sekä tuottaen erilaisia karttoja ja harjoituksia, jotka julkaistaan täällä blogissa. Blogitekstien tavoitteena on omien tuotosten julkaisun lisäksi pyrkiä arvioimaan omaa työskentelyä, sekä muiden blogitekstejä lukemalla ja niihin viittaamalla harjoitella ikään kuin vuorovaikutteista tiedeyhteisön toimintaa ja oppia ymmärtämään sen tuomia mahdollisuuksia ja etuja.

Hienoa päästä näkemään, kuinka tällainen opiskelutyyli itselle sopii ja kuinka se palvelee omaa oppimista. Pidän kirjoittamisesta, sekä myös muiden tekstien lukemisesta, joten ainakin etukäteen tuntemukset ovat hyvät. Blogeja ei ole tullut kirjoiteltua vuosikausiin (valitettavasti pikku-Martan heppablogia ei enää löydy…), mutta seurattua kylläkin, useista eri aiheista.

Mielestäni olen aika perinteinen, jopa hieman kapea-alainen oppija ja saan parhaiten asioista irti itsekseni lukemalla ja luentoja kuuntelemalla. Monet ”vaihtoehtoisemmat” oppimismenetelmät aiheuttavat lähinnä stressiä, kun on tottunut niin yksinkertaiseen opiskelutyyliin, mutta tämän tiedostamalla pyrin pikkuhiljaa siedättämään itseäni muuhunkin. Ei tietenkään kannata jumiutua vain yhteen tyyliin, siinä voi menettää paljon! Toisaalta pidän myös vahvuutena sitä, että olen löytänyt myös itselle hyvin istuvan oppimistyylin.

Geoinformatiikka-aiheisiin olen tutustunut parin yliopistokurssin verran, kunnolla viime periodin Tiedon esittäminen maantieteessä-kurssin puitteissa. Lähtökohtaisesti muun muassa karttojen tekeminen ei kuulu erityisiin kiinnostuksen kohteisiini tai taitoihini, mutta tahdon oppia perusasioita, jotka tukevat kokonaiskuvaa liittyen muihin maantieteen osa-alueisiin. Odotukseni kurssin suorittamisesta ovat, että saisin tehtyä kaikki annetut työt ja oppisin ainakin pääpiirteittäin ymmärtämään QGIS:in käyttöä. Odotan myös innolla näkeväni muiden kurssilaisten suorituksia ja minua ehdottomasti inspiroi muiden palo kyseistä aihetta kohtaan, kun se ei itselle kaikista läheisin ole.

Lopuksi liitän mukaan vielä ensimmäisellä kurssikerralla tehdyn harjoituskartan (kuva 1), lähinnä todistusaineistoksi oppimisprosessin alkamisesta ja siitä, että oppimista tulee riittämään… Kyseinen kartta kuvaa typen päästöjen osuutta valtioittain Itämeren ympäristössä. Muutaman sanan lopputuloksesta sanoakseni, visuaalisesti eniten kuvassa pistää silmään turhan rajut, mustat valtioiden ääriviivat, jotka korostavat kuvasta melko räikeän, sekä mustalla näkyvät, ilmeisesti typen päästöt mantereella. Yrityksistä huolimatta en saanut kyseisiä ominaisuuksia muutettua. Legenda voisi myös tarkemmin kertoa esimerkiksi mistä luvuista on kyse typen päästöissä ja juurikin selittää mustat pisteet kartalla. Syvyyskäyrät ovat ehkä hieman turhat.

Kuva 1. Ensimmäisen kurssikerran harjoituskartta QGIS:sillä Itämeren ympärysvaltioiden typpipäästöistä (osuudet kokonaispäästöistä)

Tästä harjoittelu kuitenkin lähtee ja yleistunnelma QGIS:sin käytöstä on ihan odottavainen, vaikka tosi kankeaa se vielä olikin. Tietoteknisissä asioissa ja visuaalisissa valinnoissa on itselle paljon opittavaa, mutta siksihän täällä ollaan.

Mukavaa kurssia ja tsemppiä kanssaopiskelijoille!

Martta