Homma purkkiin!

Viimeisellä kurssikerralla oli tarkoitus kiteyttää koko kurssi ja tuottaa omatoimisesti karttaesitys paikkatietoon perustuen. Tuli siis sekä kyetä itse hakemaan internetistä paikkatietodataa että osata tuottaa QGISillä esitys siitä. Oma luovuuteni ei tällä kertaa kukoistanut, eikä minulle suoranaisesti tullut mieleen mitään mielenkiintoista ilmiötä, jota olisin lähtenyt kuvaamaan. Tästä syystä päädyin ehkä tehtävistä strukturoiduimpaan ja lähdin toteuttamaan korkeusmalleja kuvaavaa karttalehteä. Kohteen valinta oli minulle selkeä: halusin mallintaa Kolin seutua, koska olin tutustunut siihen tarkasti jo geomorfologista karttatulkintaa tehdessäni. Pääsin siis vinovalovarjustusten kautta ihailemaan jälleen kerran lukuisia kallion murroslinjoja, kumpumoreeniketjuja sekä drumliiniparvia. Kyllä… huomaan, että olen hieman haksahtanut näihin! Lisäksi mielessä on joitain vuosia sitten tehty vaellusreissu Kolilla (kuva 1.) sekä haaveet päästä sinne uudestaan. Jos ei muutoin, niin ainakin nyt pystyn tekemään sen karttalehtien välityksellä.

Kuva 1. Maisemaa Ukko-Kolin huipulta (kesä 2013)

Datat tehtävään hain Maanmittauslaitoksen avoimien aineistojen tiedostopalvelusta, joka osottautui valtavaksi datasammioksi. Laajuutensa vuoksi, sieltä olikin vaikeaa löytää juuri haluamaansa dataa. Oli vaikea yksilöidä, mitä tarvitsee ja mitä ei. Näinhän se menee: helpompi valita jos ei ole lukuisia vaihtoehtoja, ja päinvastoin. Pahinta valitsemisessa on epävarmuus siitä, onko ottanut riittävästi, vaiko onko valinnut jotain sellaista, jolla ei kuitenkaan ole käyttöarvoa oman tehtävän suhteen. Valitsin lopulta taustakartan (1: 20 000) sekä korkeusmallit 2m tarkkuudella. Kutakin taustakartan lehteä yksilöi karttalehtitunnus, jota oli käytetty myös karttalehtien nimeämisessä. Jotta .png muotoinen karttalehti sijoittui QGISissä oikeaan paikkaan, tarvitsi se pgw-muotoisen tiedoston tueksi, jolla määritettiin karttalehden sijainti koordinaatistossa. Suomea käsittelevien taustakarttalehtien koordinaatisto oli luonnollisesti etrs-tm35fin. Näin ollen ennen kuin tiedot tuotiin QGISiin, tulikin varmistaa, että kyseinen projekti, jonne datoja oltiin tuomassa, oli myös tässä samaisessa projektiossa. Myös kahden metrin korkeusmalli oli luonnollisesti samassa projektiossa, mutta TIFF-muotoisena. Myös korkeusmallin metatiedoissa oli määritelty karttalehtitunnus. Tämän lisäksi oli määritelty ajantasaistusvuosi (2018) sekä korkeusjärjestelmä (N2000).

Korkeusmallien toteuttaminen kävi yllättävän vaivatta. Tätä helpotti kerrytetty QGIS osaaminen, vanhat ohjeet sekä kaverin tuki. Teimme vieruskaverini Flaminian kanssa kyseisen harjoituksen yhdessä omilla aineistoillamme (ks. Puranen, 2020). Kaikki tekeminen tuntui jopa liiankin helpolta. Virtuaalirasterin luominen, vinovalovarjosteet sekä korkeuskäyrät, kaikki sujui ongelmitta. Homma oli jopa niin helppoa, että päädyimme Flaminian kanssa tutkimaan, mitä muuta ja haastellisempaa voisimme mm. korkeuskäyrien avulla toteuttaa. Haimme youtubesta tukea ja löysimmekin varsin hyviä videoita, joissa neuvottiin ‘step-by-step’, kuinka säätää korkeuskäyriä halutunlaisiksi. Tämän kurssikerran paras anti, oivallus ja muistutus oli se, että pitäisi välttää huolestumista siitä, ettei jotain muista tai osaa. Ei tarvitsekaan. Riittää, kun tietää mistä avun sekä tarvitsemansa tiedon saa. Tämän muistaminen helpotti kummasti, koska juuri tunne omien taitojen riittämättömyydestä on ollut ehkä se vaikein tämän kurssin aikana vaivannut tunne.

Kaikkea ei siis tarvitse osata. Hyvä. Tämän yritän muistaa taas jatkossa. Toinen tämän kerran ehdoton positiivinen juttu oli yhdessätekeminen. Yleensä kaksi päätä tuo jotain lisää, mihin yksi pää ei pääse – tai jos pääseekin, vaatii se yhdeltä päältä paljon ponnistelua. Eli, oivallus nro 2: Kysy kaverilta tai tee kaverin kanssa. Oppiminen tehostuu ja voi saada mukavia uudenlaisia vinkkeleitä omaan ajatteluunsa. Sitähän kurssilla ollaankin hyödynnetty jo toisten blogien lukemisen kautta. Monet sanovat, että kertaus on opintojen äiti. Tästä voidaan olla montaa mieltä. Oppimisen näkökulmasta tuota sanontaa on nykykäsityksillä päivitetty yhä enemmän suuntaan “vaihtelu on opintojen äiti” (ks. mm. Kinnari, 2017). Tämänkin suhteen voidaan ajatella, että vaihtelu ryhmä tai parityön muodossa tuki oppimistani juuri oikealla tavalla ja sen kautta kokonaisajatukseni QGIS-taidoistani nousi astetta korkeammalle, minne ne olisivat päässeet ilman tämänkertaista kokemusta.

Kuvassa 2 on tekemäni korkeusmallikartta vinovalovarjostuksella tuettuna. Jotta sain vinovalovarjostuksesta karttatulkintaa ja ihmissilmää tukevaa, lisäsin z-faktoria, eli vertaakaalista liiottelua arvoon 2,5. Tämän lisäksi säädin vinovalovarjosteeen läpinäkyvyyttä niin, että taustakartan nimitiedot tulivat riittävästi esille. Tämä kombinaatio tuotti mielestäni varsin kelvollisen kokonaisuuden, jolla pystytään kuvaamaan hyvin alueen pinnanmuotoja. Nimistön näkyminen auttaa lukijaa kohdentamaan esityksen haluttuun paikkaan. Huomiona tämänkaltaisesta kartasta voidaan pitää sitä, että se soveltuu parhaiten suhteellisen läheltä esitettäville kohteille. Mikäli kartta kuvaisi suurempaa aluetta, tekisivät lukuisat korkeuskäyrät kuvannosta suttuisen, eikä tämä palvelisi käyttötarkoitusta, eritoten alueilla, joilla korkeuden vaihtelut ovat varsin maltillisia.

Kuva 2. Karttakuvaa Kolin pinnanmuodoista korkeuskäyrin sekä vinovalovarjostein tuettuna.

Loppuyhteenveto

On ollut mukava seitsemän viikon matka, mutta vielä mukavampaa on se, että se loppuu! (Laisi, 2020)

Edellinen Tiia Laisin lausahdus, jolla hän päätti oman bloginsa tämän kurssin osalta, aiheutti minussa pienen sisäisen naurahduksen. Ehkä sen takia, että asia on juuri noin! Oli mukavaa, niin kauan kun se kesti, mutta on myös mukavaa, että savotta on ohi!

Kaikenkaikkiaan koen, että tämä kurssi oli melkoisen opettava monessa mielessä. Sisältöä oli PALJON ja tunteet kurssin aikana olivat hyvinkin vaihtelevat. Innostuksesta toivoon ja välillä myös epätoivoon, turhautumiseen, luovuttamiseen… uuteen yritykseen. Lopulta kuitenkin fiilis on ihan hyvä. Maksimaalisen ärsytyksen saavutin ehdottomasti projektioiden kanssa. Excel-jumpat sen sijaan olivat mukavia ja samoiten bufferoinnit sekä ruutu- ja rasterikarttaharjoitukset. Blogitekstien tuottamisesta jäi ehkä hieman ristiriitaiset tunteet – hyvässä ja pahassa. En missään vaiheessa innostunut kunnolla blogin kirjoittamisesta. Toisaalta, sillä tavoin tuli pureskeltua uudelleen kurssikerran sisällöt. Ajallisesti tunteja kului paljon, mutta uskon ja toivon, että käytetyt tunnit tulevat vielä tavalla tai toisella maksamaan itsensä takaisin!

Lähteet:

Kinnarinen, T. (3.2.2017). Kertaus ei olekaan opintojen äiti. Luettu: 28.2.2020. Saatavilla: https://www.tiede.fi/artikkeli/kertaus-ei-olekaan-opintojen-aiti

Laisi, T. (2020).  Kurssikerta 7. Omia karttaesityksia. Luettu: 28.2.2020. Saatavilla: https://blogs.helsinki.fi/tlaisi/2020/02/26/viimeinen-kurssikerta/

Maanmittauslaitos. Avoimien aineistojen tiedostopalvelu. Saatavilla: https://tiedostopalvelu.maanmittauslaitos.fi/tp/kartta

Puranen, F. (2020). Korkeusmalleja. Luettu: 28.2.2020. Saatavilla: https://blogs.helsinki.fi/flaminia/2020/02/26/korkeusmalleja/

 

Omaa ja muiden dataa

Tämä kurssikerta alkoi virkistävällä ulkoilulla. Onneksi tälle päivälle osui mainio keli. Tällainen tunnin ulkoilu keskelle päivää tekisi terää ihan muinakin päivinä. Keräsimme EpiCollect mobiilisovelluksella kohteiden turvallisuuteen ja viihtyvyyteen liittyvää tietoa. Tätä sovellusta voisi hyödyntää erittäin hyvin oppilasryhmien kanssa myös opetustarkoituksessa. Koin tällaisen kokeilun ehdottomasti hyödylliseksi! Pieneen kyselyyn vastaamisen lisäksi kuvasin jokaisen kohteen. Erityisesti opetuskäytössä uskoisin valokuvaamisen liittämisen tehtävänantoon motivoivan monia, koska se antaisi mahdollisuuden tuottaa myös omaa visuaalista tulkintaa paikasta. Tällainen oppilasryhmältä kerätty materiaali voisi myös olla kiinnostava tutkimuksen kohde, vaikka ihan graduun asti. Kuvassa 1. on suosikkikohteeni Toukolan rantapuistosta Vanhankaupunginlahden rannalta. Koin tämän kohteen erittäin turvalliseksi sekä viihtyisäksi.

Kuva 1. Vanhankaupunginlahden rantiviiva on kohonnut tielle asti runsaiden sateiden vuoksi. Kuva otettu 18.2.2020.

Tietokoneluokkaan palattua purimme keräämämme datan ja toimme sen QGISiin pienen excel-jumpan jälkeen. Excel on minulle erittäin tuttu työväline, joten tämä vaihe tuntui varsin luontevalta ja helpolta. Kuvassa 2. on kuvattu alueiden koettua turvallisuutta. Tässä esityksessä keräämämme pistedata on interpoloitu. Interpoloinnilla vertaillaan alueiden keskinäistä suhdetta ja luodaan helposti luettava yleiskuvaus tarkastellusta ilmiöstä. Sininen kuvaa tässä kartassa turvallista ja punainen turvattomaksi koettua aluetta.

Kuva 2. Alueiden koettu turvallisuus itse kerätyn datan pohjalta.

Kurssikerran itsenäiset tehtävät koskivat pistemäisen datan esittämistä kartalla. Lisäksi samalla harjoiteltiin erilaisen datan etsimistä internetistä. Paikkatietoa on tarjolla valtavat määrät, kyse onkin lähinnä siitä, osaako sitä hakea. Oma kokemukseni on, että mitä paremmin QGISin ominaisuudet ovat hallussa, sitä helpompaa on hakea ja soveltaa dataa, koska on ymmärrys siitä, mitä kaikkea datalla voikaan tehdä. Pelkkä data itsessään ei auta pitkälle, mikäli sitä ei osaa käyttää.

Pisteaineistoina käytin itsenäisissä tehtävissä maanjäristysdataa vuosilta 1980-2013 sekä tulivuoritietokantaa. Näitä pistetietoja yhdistellen tein seuraavat kartat (kuvat 3, 4 ja 6). Kuvassa 3 on kuvattu Italiassa tapahtuneita maanjäristyksiä ja niiden voimakkuuksia sekä alueella sijaitsevia tulivuoria. Tämän esityksen perusteella maanjäristyksillä ja tulivuorilla ei mielestäni suoranaisesti voida tulkita olevan merkittävää yhteyttä. Kuitenkin kuvaa 4 tarkasteltaessa on havaittavissa, että Italia on Euroopan mittakaavalla selvästi monia muita maita seismologisesti aktiivisempi alue. Euroopan mittakaavalla Italiassa on sekä tulivuoria että maanjäristyksiä moninkertaisesti muihin verrattuna, joten tämän havainnon valossa puolestaan näillä voidaan nähdä olevan yhteys. Jälkiviisaana karttakuvaa katsellessa olisi tulivuorityyppien väritystä pitänyt muuttaa, jotta ne olisivat selkeämmin toisistaan erottuvia. Näillä oletusvärisävyillä ne ovat liian samankaltaisia.

Kuva 3. Italiassa tapahtuneet maanjäristykset vuosina 1980-2013 sekä alueella olevat tulivuoret tyypiteltyinä.

Kuvassa 4 on havainnollistettu tulivuorten ja maanjäristysten jakautumista. Kartalta on selvästi havaittavissa tulivuorten ja maanjäristysten keskittyminen samoille alueille. Samoin, jos vertaa kuvaa 4 kuvaan 5, jossa puolestaan on kuvattu mannerlaattojen sijainnit, voidaan maannerlaattojen rajoilla sekä tulivuori- ja maanjäristyskeskittymillä nähdä olevan selkeä yhteys. Näiden kuvien yhdistäminen paikkatietoon perustuen voisikin olla varsin mielenkiintoista sekä ilmiötä kuvaavaa. Muun muassa Tiia Laisi, Carita Aapro-Koski sekä Pihla Haapalo olivatkin tehneet näin ja etsineet internetistä itsenäisesti dataa mannerlaattojen sijainnista. He olivat näin ollen selvinneet yhdellä karttaesityksellä siinä, missä minä tyydyin esittämään saman asian kahden kartan avulla.

Kuva 4. Maailmalla vuosina 1980-2013 tapahtuneet maanjäristykset ja niiden voimakkuudet, sekä tulivuorten sijainnit.
Suurten mannerlaattojen rajat ja kulkusuunnat. (Kuva lainattu geologia.fi blogista, alkuperä: Harri Kutvonen/GTK)

Kuvassa 6 on valittu maanjäristyksistä esitettäväksi vain suurimmat, 7,1-9,1 Richterin asteikolla, tapahtuneet maanjäristykset. Myös nämä järistykset sijoittuvat kauttaaltaan mannerlaattojen rajoille, erityisesti laattojen törmäyskohtiin.

Kuva 6. Maailmalla vuosina 1980-2013 tapahtuneet voimakkaat (7,1-9,1 Richteriä) maanjäristykset.

Kurssikerta sujui varsin mukavasti eikä tehtävien kanssa ollut suurempia ongelmia. Olen ihan tyytyväinen omaan aikaansaannokseeni. Se ei mielestäni vedä vertoja niihin, jotka olivat nähneet selkeästi enemmän vaivaa etsimällä lisädataa, jota yhdistää annettuihin karttohin. Toisaalta uskon, että minulla on myös taito tehdä sama ja tarpeen tullen, mm. opetustarkoitukseen, tulen varmasti näin myös tekemään. Ajankäyttö on myös taito, jonka turvin päädyin itse noudattamaan tiukemmin rajattua tehtävänantoa.

Lähteet:

Aapro-Koski, C. (2020). Kurssikerta 6: karttoja opetustarkoitukseen. Luettu: 26.2.2020. Saatavilla: https://blogs.helsinki.fi/aacarita/

Brozinzki, A. (2018). Laattotektoniikka. Luettu: 26.2.2020. Saatavilla: http://www.geologia.fi/index.php/2018/05/20/laattatektoniikka/

Haapalo, P. (2020). Ylös, ulos ja ulkohommiin. Luettu: 26.2.2020. Saatavilla: https://blogs.helsinki.fi/haapalop/2020/02/20/ylos-ulos-ja-ulkohommiin/

Laisi, T. (2020). Interpolointia ja luonnonkatastrofeja. Luettu: 26.2.2020. Saatavilla: https://blogs.helsinki.fi/tlaisi/2020/02/20/91/

Missä mennään?

Kurssikerta sujui teknisesti varsin mallikkaasti. Väsymys ja tehtävien määrä aiheuttivat tosin ajoittain raskastakin puhaltelua. Viime viikosta oppineena, olin kuitenkin päättänyt työskennellä sitkeästi kurssikerran aikana, jotta tehtävät eivät jäisi roikkumaan ja saisin blogin ajallaan valmiiksi.

Tällä kurssikerralla harjoiteltiin uutena asiana bufferointia, eli määriteltiin puskurivyöhykkeitä erilaisille kohteille. Näillä voidaan tarkastella mm. tietyllä etäisyydellä jostain kohteesta asuvien määrää. Bufferoinnin avulla voitaisiin määrittää myös esimerkiksi tulvaherkän joen puskirivyöhyke. Bufferointi ja “select by location” -toiminnon käyttö tuntui sujuvan kohtuu mukavasti ja harjoitukset, niiden runsaudesta huolimatta, etenivät mukavasti eteenpäin. Kuvassa 1 on esitetty yksi kurssikerralla tekemistäni kartoista, jossa on bufferoinnilla selvitetty lentomelun vaikutusaluetta (Malmin lentokenttä) 2km säteellä.

Kuva 1. Malmin lentokentän vaikutusalue (2km)

Blogitekstin ohjaava tehtävänanto kannusti tällä kertaa pohtimaan kuljettua matkaa ja sen aikana karttunutta QGIS-osaamista. Tämän suhteen fiilikseni ovat aika ristiriitaiset. Periaatteessa homma sujuu, mutta monesti käytännössä se vielä tökkii ja pahasti. Tuntuu, että ajaudun kerta toisensa jälkeen tilanteeseen, josta en vain pääse eteenpäin. Hyvin turhauttavaa! Monesti myös tiedän, mitä haluaisin tehdä, mutten vaan muista tai keksi, että kuinka se käytännössä tehdään. Toiminnot ja logiikka ei selvästikään ole vielä niin automatisoitunutta, että löytäisin helposti ratkaisut, vaan ratkaisuja täytyy etsiä niin ohjeiden kuin lukuisten yritysten ja epäonnistumisien kautta.

Suhde QGIS:iin ei ole täysin aukoton. Myös tämän kerran tehtävä aiheutti määräänsä enemmän harmia toistuneen virheilmoituksen vuoksi. Ei auttanut muu, kuin turhautuneena nostaa kädet ilmaan tämän ongelman edessä. Selvisi kuitenkin, ettei vika ollut käyttäjässä, vaan QGISissä ja käytetyssä datassa. Huomaan, että nämä harmilliset takaiskut hieman vesittävät QGIS-intoani, mutta ehkä ne kasvattavat sentään hermojani, pettymyksen sietämistä sekä pitkäjänteisyyttä. Lisäksi huomaan, että kun en saa tehtävää tehtyä jonkun force majorin takia (tällä kertaa siis minusta johtumaton syy), ja kun palaan tehtävään seuraavan kerran viikon päästä, en muista sitäkään vähää enää toiminnoista. Kuvassa 2 omatoimisen harjoituksen aikaansaannos. Haasteiden vuoksi päädyin esittämään remonttia vaativien kerrostalojen osuudet visuaalisesti. En vaan muistanut, enkä edes aiempia ohjeita tutkimalla päässyt selvyyteen, kuinka olisin onnistunut laskemaan näiden suhteelliset osuudet. Tai lähinnä, kuinka saisin tämän tiedon taulukkoon omaksi sarakkeeksi, jotta laskeminen olisi mahdollista. Toisin sanoen, perustoimintojen taidot ovat vielä puutteelliset, ja vaikka tietäisin, mitä aineistolla voi tehdä, saattaa yksinkertaisten toimintojen kanssa olla vielä niin suuria puutteita, että jonkin asian loppuunsaattaminen ei onnistu jonkun pienen osa-alueen sakatessa.

Kuva 2. Putkiremonttikohteiden osuudet Helsingin rakennuskannasta. Mitä punaisempi kohde on, sitä akuutimpi on putkiremontin ajankohta.

Missä siis mennään? Sanoisin, että teoriassa “onnistuu kyllä”, käytännössä “ei mennyt kun Strömsössä”. Suunta on varmasti oikea, mutta perusasiat vaativat vielä harjoitusta. Lisäharjoitusta tarvitsisin ainakin taulukkotietojen hallinnan suhteen. Nämä tuntuvat olevan iloisesti sekaisin. On kuitenkin lohdullista lukea muiden kurssilaisten blogeista (ks. esim Carita Aapro-Koski) samankaltaisia fiiliksiä sekä epätoivon hetkistä että onnistumisista. On vaan kärsivällisesti jatkettava harjoituksia, matkahan on vielä kesken!

Ohessa vielä kurssikerralla tekemäni harjoitukset. Olin alunperin itse koostanut harjoituksista excel-taulukkoa, mutta Tiia Laisin blogiin lisäämä word-muotoinen tehtävien koonti oli mielestäni niin toimiva, että päätin itsekin tehdä vastaavan.

Lähteet:

Aapro-Koski, C. (2020). Kurssikerta 5: Buffereita ja itsenäistehtäviä. Luettu: 20.2.2020. Saatavilla: https://blogs.helsinki.fi/aacarita/

Laisi, T. (2020).  Kurssikerta 5. Tehtäviä ja puskurointivyöhykkeitä. Luettu: 20.2.2020. Saatavilla: https://blogs.helsinki.fi/tlaisi/2020/02/14/kurssikerta-5-tehtavia-ja-bufferointia/

Rasterit kehiin!

Tämä kurssikerta sujui ongelmitta. Nyt huomaan, että olen oppinut, milloin kannattaa olla tarkkana, jotta vältyn niiltä ongelmilta, mitä olen kohdannut aiempina kertoina. Huomasin myös, että minulla kesti kolme kurssikertaa hyväksyä se, että helpoin tapa saada tehtävät tehtyä ja blogi kirjoitettua, on tehdä se välittömästi kurssikerran jälkeen. Laiskuus vs. Tehtävänanto 0-1.

Tällä kertaa tarkastelimme rasteri- ja kartta-aineistoja. Kuvassa 1. on kurssikerran tehtävänä tekemäni kartta, jossa olen kuvannut ruutukartalla naisten määrää kutakin neliökilometria (yksi ruutu) kohden. Punaisella värjätyillä alueilla asuu naisia enemmän kuin miehiä. Mitä tummempi punaisen väri on, sitä enemmän suhteellisesti naisia on miehiin nähden. Keltaisella ovat ne alueet, joissa naisia ja miehiä on kutakuinkin (+/-5%) saman verran. Sinisellä ovat taas ne alueet, joissa miehiä on naisia enemmän.

Kuva 1. Naisten osuus (%) neliökilometreittain

Karttatulkinnan tueksi liitin aineistooni myös tiedon kuntarajoista (Tilastokeskus: kunnat 2019). Kuntarajojen avulla on helposti nähtävissä, että eritoten se, että Helsinki on kokonaisuudessaan sukupuolijakaumaltaan hyvin naisvoittoinen kaupunki. Sen sijaan naapurikaupungeissa Espoossa ja Vantaalla sukupuolijakauma on huomattavasti tasaisempi. Kartalta on karkeasti yleistettävissä, että pk-seudun pohjoisosat ovat miesvaltaisia etäläosien ollessa naisvaltaisia. Jos kartalle mallinnettaisiin valtaväylä Kehä III, voisi tämä myös toimia jonkinlaisena karkeana erottelevana tekijänä mies- ja naisenemmistöisille alueille.

Karttaa tulkittaessa, voi hyvin päätellä, että kyseessä on oltava jonkinmoinen ilmiö. Naiset tuntuvat valitsevan selvästi miehiä useammin urbaanin kaupunkielämän. Kaupunki näin ollen asuinympäristönä tuntuu vetoavan miehiä useammin naisiin. Sen suurempia stereotypioita pursuaviin “Sinkkuelämä” tai “Eräjorma” tulkintoihin en tämän asian suhteen aio lähteä. On vain todettava, että selvästi jokin vilkkaassa ja nopeatempoisessa kaupunkilaisuudessa kiehtoo enemmän (prosentuaalisesti) naisia. Tulkintoja tehdessä ja puhuttaessa “naisista” tai “miehistä” tulisi mielestäni aina muistaa olla tarkkana. Nämä ovat hyvin karkeita yleistyksiä, joiden tarkoituksena ei missään nimessä ole tunkea jokaista Stadin friidua Carrie Bradshawn korkkareihin tai hesaäijää Pata Degermanin maihareihin. On ymmärrettävä, että kartalla esitetään yleistettyä tietoa, joilla kuvataan ilmiöitä. Vaatii asiantuntijuutta tulkita näitä yleistyksiä ja selittää näiden yleistettyjen ilmiöiden todellisia taustoja.

Mielestäni karttani onnistui varsin hyvin. Se onnistuu kuvaamaan miesten ja naisten suhteellisten osuuksien merkittäviä vaihteluita pääkaupunkiseudulla. Kuntarajat antavat mielestäni tarvittavan selkeyden tarkempia karttatulkintoja varten. Värien valinta myös helpottaa tulkinnan selkeyttä. Mielestäni neliökilometrin kokoinen ruutu on tämänkokoiseen alueeseen juuri sopivan tarkka, muttei liian tarkka, vaan tieto pysyy hyvin hallittavana. Annika Luoma oli valinnut rasterin kooksi 500mx500m. Myös tämä näytti toimivalta. Valitsisin kuitenkin itse neliökilometrin, koska ruudukon pieneneminen kasvattaa ruudukoitten kokonaismäärää kartalla. Mikäli haluttaisiin esittää tietoa pienemmältä alueelta, kuin koko pääkaupunkiseudulta, esim.  jos haluttaisiin kuvata pelkkää Itä-Helsinkiä, voisi pienempi rasterikoko toimia paremmin. Isommalle alueelle valitsisin isomman rasterin, jottei kartasta tulisi liiallisen viivoituksen vuoksi epäselvä.

Mielestäni ruutukartta on informatiivinen ja se toimii hyvin tämänkaltaisen tiedon esittämiseen. Leena Rantamaula vertailee omassa blogissaan tarkemmin koropleettikartan ja ruutukartan vahvuuksia keskinään ja nostaa esiin mielestäni ruutukartan keskeisenä ansiona sen mahdollisuuden esittää tarkemmin kuvatun ilmiön vaihtelua, sen sijaan, että tieto esitettäisiin koropleettikartalla mm. kuntarajojen mukaisesti.

Kurssikerran toisen puoliskon käytimme korkeustietoja sisältävän rasteriaineiston kanssa operoimiseen. Korkeiskäyrät ja vinovalovarjosteet toivan kivan lisän tilastojen pyörittelylle. Lisäksi harjoittelimme QGISillä karttaelementtien piirtämistä, joka toi mieleeni Corelista tutun meditatiivisen kliksuttelun. Tästä jatkamme seuraavalla kerralla!

Lähteet:

Luoma, A. (2020). 4. Kurssikerta: Ruututeemakarttojen laadintaa ja rasteriaineistoihin tutustumista. Luettu: 2.3.2020. Saatavilla: https://blogs.helsinki.fi/luomanni/2020/02/09/4-kurssikerta-ruututeemakarttojen-laadintaa-ja-rasteriaineistoihin-tutustumista/

Rantamaula, L. (2020). Kurssikerta 4: Piste- ja ruutuaineistot. Luettu: 2.3.2020. Saatavilla: https://blogs.helsinki.fi/rale/2020/02/13/kurssikerta-4-piste-ja-ruutuaineistot/ ja ruutuaineistot.

Kerralla kuntoon… vai miten se nyt menikään?

Tästä kurssikerrasta jäi hyvä maku. Pysyin helposti kärryillä ja homma sujui, vaikka tiettyjä toimintoja tulikin toistettua useaan otteeseen. Toistoja aiheutti erityisesti ääkkösten, excelin sekä .csv tiedostojen kombinaatio. Voitin kuitenkin tämän erän taistelussa ja löysin tien haluttuun lopputulokseen, vaikka järjestelmien keskinäisten toimien yhteensovittaminen ei ollutkaan aivan mutkatonta. Ja vaikka toistoja tuli useampi, mm. “J%rvisyyden” takia, olin kuitenkin lopulta ymmärtänyt ongelmien syiden lähteen ja oli helppo korjata virheet. Vaiheiden uudelleen toistaminenkaan ei lopulta vienyt juuri viittä minuuttia pidempää. Pystyin jopa neuvomaan muita ilman, että minun täytyi jatkuvasti tarkistaa jokaista steppiä ohjeista, mahtavaa! Merkki edistyksestä!

Lähdin siis varsin hyvillä mielin kirjoittamaan tätä blogia… noin viikko kurssikerran jälkeen. Olin käytännössä saanut tehtyä kaiken QGISiä vaatineen työskentelyn kurssikerran aikana, joten ajattelin, että nyt olisi edessä vain pienet hienosäädöt ja homma olisi valmis! Noh, toisin taas kävi…

Aloitin blogikirjoituksen valmistelut lukemalla tehtävänannon sekä toisten blogeja. Kiinnitin erityisesti huomiota eri blogejen koropleettikarttojen väri- sekä tyyli valintoihin. Useassa kartassa oli käytetty hyvin luovia ja visuaalisia ratkaisuja valittujen ilmiöiden esittämisessä. Muun muassa Matti Katajisto oli kolmannen kurssikerran blogissaan Haaveet kaatuu kokeillut rohkeasti erilaisia visuaalisia ratkaisuja tiedon esittämiseksi kartalla. Toinen seikka, johon huomioni kiinnittyi kurssikollegoideni kartoissa, oli jokien esittäminen kartalla. Näissä kartoissa oli esitetty usein myös ympäröiviä valtioita. Esimerkiksi Elias Hirvikoski oli päätynyt tähän ratkaisuun Suomen valuma-aluiden tulvaindeksikartassaan. Miklas Kuoppalan kolmas blogipostaus puolestaan havahdutti minut todellisuuteen. Hänen sanojaan lainaten:

älä aloita kartan tekemistä, jos et saa varmasti sillä istumalla sitä valmiiksi.” Do as I say, not as I do. Epätoivo täyttää jälleen sydämeni, ja aloitan alusta. (Kuoppala, 2020.)

…joten, palatakseni blogissani jokusen riviä ylös, kohtaan “Noh, toisin taas kävi…” Voitte ehkä tämän alustuksen jälkeen jo arvata cupletin juonen. Siis, että miten kävi…

Aloitin siis jälleen kerran alusta. Ehkä opin seuraavalla kerralla, ehkä en? Osa syy alusta aloittamiseen voi olla myös epätäydellisyyttä kaihtava luonteeni, enkä yksinkertaisesti voinut jäädä lopputulemaan, että postaan harjoituskerralla tekemäni työn ja jään epävarmuuteen yksityiskohdista. Kertaus toimikoon jälleen kerran siis opetuksen äitinä. Ehkä minusta vielä kuortiutuu jonkinsortin GIS-velho epäonnistuneen laiskuuteni vuoksi.

Afrikka-tehtävän osilta pyrin hyödyntämään jo luotuja taulukkoja. Ikäväkseni huomasin valikkoni sisältävän useita “mittarimatoja” (kuva 1.), toisin sanoen, taulukkoni olivat nyt tyhjät, koska en ollut tallentanut tekemiäni uusia tasoja sillon, kun olin ne kurssikerralla luonut. Eli tästäkin syystä, tuli toistettua jo tunnilla kertaalleen tehdyt tehtävät. Seuraavalla kerralla -> Export -> Save Features as!

Kuva 1. Mittarimato aka temporary scratch layer

Työvaiheiden toistamisen lisäksi kurssikerralla opettelimme excel-datan liittämistä QGISiin, tietokantaliitosten tekemistä sekä laskemista tuoduilla datoilla. Kuvassa 2 on Afrikkaharjoituksesta tehty kartta. Kartalla on esitetty Facebookin käyttöaste valtion asukasmäärään suhteutettuna  sekä vuosien 1947-2008 välillä sattuneet konfliktit. Vihertävät pisteet ilmaisevat puolestaan timanttilöydösten paikkaa. Konfliktit näyttävät olevan yleisempiä alueilla, joissa Facebookin käytön määrä on vähäisempää. Facebookin käyttö sen sijaan liittyy alueen teknologiseen kehitykseen, eli teknologisesti kehittymättömämmät alueet ovat näin ollen konfliktiherkempiä alueita. Konfliktit näyttävät olevan usein myös keskittyneitä tietyille aluielle, eli samalle alueelle on merkitty useita konflikteja. Timanttilöydökset ja konfliktit eivät suoranaisesti seuraa toisiaan, mutta useassa tapauksessa timanttilöydösten lähellä on myös ollut konflikteja. Tähän todennäköinen syy on timanttilöydöksien aiheuttamat taloudelliset ristariidat.

Kuva 2. Sosiaalisen median kättöaste koko väestöön suhteutettuna. Lisäksi kartalle on merkitty timanttiesiintymät sekä alueella ilmenneet konfliktit.

Itsenäisen harjoitustehtävän aiheena oli tulvaindeksikartan tekeminen. Tämä onnistui kohtuu vaivatta. Tehtävässä tuli harjoiteltu lisää Join-ominaisuuden käyttöä tietokantojen välillä, uuden datan tuomista tietokantaan sekä kartan visuaalisen ilmeen säätämistä sekä pylvädiagrammitiedon lisäämistä koropleettikarttaan. Kuvassa 3. on harjoitustehtävä tuottamani kartta. Valitsin punaisen värin kuvaamaan runsaasti tulvivia alueita, koska punainen värinä on huomioväri. Järvisyysprosenttia kuvaa hyvin sininen väri, joka assosioituu helposti runsaisiin vesialueisiin.

Kuva 3. Valuma-alueiden tulvaindeksit sekä alueiden järvisyys (%)

Kartalta on erotettavissa valuma-alueiden tulvaherkkyyden sekä järvisyyden osuuksien jaottuminen. Rannikkoseudut ovat alttiimpia tulville. Järvi-Suomi, joka nimensä mukaisesti on järvirikasta seutua, ei sen sijaan ole niin tulvaherkkää aluetta. Järvet toimivatkin vesivarastoina. Tilavuutensa vuoksi ne eivät ole kovin alttiita tulvimaan. Joet sen sijaan täyttyvät nopeammin ja näin ollen myös tulvivat useammin. Vesien virratessa kohti suurempia vesiä, alueella virtaavan veden määrä on suurempi rannikkoseuduilla, joissa vesi laskee kohti merta. Runsaiden sateiden aikaan tai sulamisvesien aikaan voi näin ollen syntyä tulvia vesien pyrkiessä kohti merta.

Lähteet:

Hirvikoski, E. (2020). Kolmas. Luettu: 4.2.2020. Saatavilla: https://blogs.helsinki.fi/eliashir/2020/01/28/kolmas/

Katajisto, M. (2020). Haaveet kaatuu. Luettu: 4.2.2020. Saatavilla: https://blogs.helsinki.fi/mattikat/2020/02/03/haaveet-kaatuu/

Kuoppala, M. (2020). Mihin tää voikaan vielä johtaa. Luettu 4.2.2020. Saatavilla: https://blogs.helsinki.fi/kmiklas/2020/01/28/mihin-taa-voikaan-viela-johtaa/

Taisteluni Suomineidon kanssa

Tämä kurssikerta osoittautui astetta haasteellisemmaksi. Tai no, itse kurssikerralla kaikki sujui oikein mallikkaasti… ainakin melkein loppuun asti. Lopussa huomasin, etteivät pinta-alalaskut meinanneet mitenkään taipua halutunlaisiksi. Ne tuntuivat sitkeästi jäävän ensiksi valitun projektion mukaisiksi. Noh… aloitetaan alusta, miten tähän päädyttiin.

Tällä kerralla siis harjoiteltiin rajapinnan sekä eri projektioiden käyttöä. Rajapinnan toiminta itsessään tuntui verrattaen helpolta ja kätevältä. Kartalla esitettävä tieto saatiin haettua suoraan WFS-rajapinnan kautta Tilastokeskuksen latauspalvelusta, jolloin käytettävissä oli tuorein mahdollinen data. Itse päädyin käyttämään harjoituksissa Kunnat 2019 tietokantaa 1:4500000 mittakaavassa.

Sain kurssikerralla aikaiseksi projektioiden vertailun, jossa vertailin TM35FIN projektiota Mercatorin projektioon. Kuten kartalta on tulkittavissa (kuva 1.), vääristää Mercatorin projektio tuntuvasti pinta-aloja. Erityisen paljon se vääristää pohjoiseen päin mentäessä.

Kuva 1. Mercatorin projektion pinta-alavääristymä (%) TM35FIN projektioon nähden

Sitten ongelmiin… Eri koordinaattiasteikkojen kanssa työskenneltäessä päänvaivaa aiheutti se, että QGIS tuintui muistavan liiankin hyvin alkuperäisen koordinaattijärjestelmän, jossa aineisto oli avattu. Eli vaikka näennäisesti vaihtoi koordinaattijärjestelmää ja kartta jopa muuttui ulkonäöllisesti erilaiseksi, ei todellisuudessa  tapahtunut todellista projektiota  vastaavaa vääristymää, vaan ohjelma peilasi aina uutta projektiota taustalla olevan projektion mukaan. Tämä herätti hieman epäuskoisuutta saatuja tuloksia kohtaan. Epäusko syveni entisestään, kun kerta toisen jälkeen ongelma ei tuntunut ratkenevan. Syy on varmasti myös käyttäjässä, mutta jokin muukin ongelma tässä tuntui olevan tai jokin hyvin kriittinen nappi jäi painamatta tai vaihe jäi tekemättä. Tätä vaihtoehtoa on vaikea uskoa siihen nähden, kuinka seikkaperäiset ohjeemme olivat ja kuinka seikkaperäisesti ja moneen otteeseen näitä ohjeita seurasin. En siis usko, että kirjaimellisesti ohjaita noudattamalla ja yli kolme tuntia tahkoamalla, QGISiä käynnistäen ja sammuttaen, en sittenkään pääse haluttuun lopputulemaan. En sitten tiedä, vaikuttaako käyttämäni versio näihin ongelmiin, vai mikä lopulta olikaan vikana.

Tein siis harjoitukset vielä uudestaan kotona. Kuvassa 2. on harjoituksen vaihe, jossa TM35FIN projektio on tallennettu uudestaan ETRS89/LAEA Europe projektioon. Tässä vaiheessa kaikki oli vielä näennäisen hyvin ja homma tuntui etenevän halutunlaisesti.

Kuva 2. TM35FIN projektion ja LAEA Europe projektion vertailua

Noh… homma ei mennyt aivan kuin siellä kuuluisassa Strömsössä. Toisaalta opin hyvin tehokkaasti rajapinnan käytöstä, projektioiden vaihtamisesta, laskutoimitusten tekemisestä… ja itseasiassa kaikista työvaiheista, mitä tähän harjoitukseen kuului. Tulinhan toistaneeksi ne kymmiä kertoja sitkeästi yrittäessä, josko tällä kertaa onnistuisi. En voinut kun kadehtien katsoa mm. Tiia Laisin blogia, jossa projektioiden vertailu oli suoritettu mallikkaasti tai Tiina Aallon blogia, jossa oli tämän lisäksi pohdittu projektiokeskuksen vaikutusta suhteelliseen vääristymään. Varsin vakuuttavia suorituksia!

Vaikka tämä kurssikerta jättikin jokseenkin voipuneen ja tuskastuneen yleisfiiliksen, tuli monet toiminnot entistä tutummiksi ja opin varmasti niitä asioita, joita tällä kurssikerralla oli tarkoituskin. Eli ei varmasti mennyt kaikki työ hukkaan. Projektioiden epäonnistuminen jäi painamaan sen verran paljon mieltä, että luulen, että joudun ottamaan vielä uuden erän ja väsytystaistelun Suomineitoa vastaan!

Lähteet:

Aalto, T. (2020). Rajapinnalta pinta-alaksi. Luettu: 31.1.2020. Saatavilla: https://blogs.helsinki.fi/tidaalto/2020/01/26/rajapinnalta-pinta-alaksi/

Laisi, T. (2020). Kurssikerta 2. Tietokannat ja karttaprojektiot. Luettu 31.1.2020. Saatavilla: https://blogs.helsinki.fi/tlaisi/2020/01/22/kurssikerta-2-tietokannat-ja-karttaprojektiot/

QGIS haltuun!

Ensimmäinen kurssikerta alkoi hieman kertauksenomaisesti käydän läpi paikkatiedon tunnuspiirteitä ja perusominaisuuksia. Samalla käytiin läpi myös kurssin rakenne sekä suoritus- ja arviointiperusteet. Alun “pakollisen osuuden” jälkeen pääsimme kuitenkin nopeasti myös itse hommiin.

Olin ehtinyt jo kiintyä edellisen kurssin jäljiltä Corelin kliksutteluun, joten tuntui jopa hieman vastahakoiselta ottaa uusi ohjelma käyttöön. Tämä tunne tosin lienee tuttu melkein kaikille. Vanha ja tuttu on usein mielekkäämpi vaihtoehto, kuin uusi ja vieras. Seikkaperäiset ohjeet ja opettajan työskentelyn seuraaminen vei kuitenkin nopeasti mukanaan, enkä ehtinyt näin ollen jäädä jumiin tähän tuskastuttavaan uutuuden kammoon. Lisäksi QGIS:in maksuttomuus OpenSource-ohjelmistona sai minulta suuren plussan, joten olin valmis antamaan myös tälle ohjelmistolle mahdollisuuden.

Alkuun työskentely perustui hyvin pitkälti kaavamaiseen toistamiseen. Jos hetkeksi erehtyi tekemään jotain muuta kuin seuraamaan opettajan ohjeistusta, oli auttamattoman ulkona. Nämä tilanteet toisaalta myös opettivat, sillä samat “työvaiheet” tuli toistettua useaan otteeseen, jolloin aloin itsekin ymmärtää, mitä olin tekemässä. Kopioimalla tekeminen lienee tämänkaltaisissa monivaiheisissa hommissa alkuun jopa välttämätöntä, mutta siitä olisi hyvä päästä mahdollisimman nopeasti myös eroon, jotta pystyy ja uskaltaa aktivoida myös omaa ajatteluaan tekemisessä. Uusien ohjelmistojen kanssa toimiessa onkin mielestäni monesti kyse puhtaasti uskalluksesta. Täytyy uskoa itseensä ja uskaltaa kokeilla, vaikkei aina olisikaan aivan varma (tämä lienee sitäpaitsi hyvin tavallista). Sitä kautta niin tominnot kuin ohjelmiston logiikkakin alkaa aueta ja lopulta saattaa jopa omien oivallusten myötä innostua hommasta! Tuskailu ja pään seinään hakkaaminen ovat siis lopulta vaan hyvästä, kunhan sitä ei kestä loputtomiin.

Harjoituksena teimme aluksi opettajan johdolla karttaharjoituksen Itämeren alueelta (HELICOM). Testasimme erilaisia työkaluja sekä harjoittelimme attribuuttidatan käyttöä tarkastelemalla mm. typen päästöarvoa valitulla alueilla. Lähtökohtaisesti QGISin käyttö tuntui luonnistuvan kohtuu mutkattomasti ja käyttöliittymä osoittautui varsin selkeäksi. Zoomauksen kanssa oli alkuun hieman haasteita. Värien valikoiminen sen sijaan onnistui mielestäni näppärästi. Muutoinkin visuaalista ilmettä oli mielestäni kätevä säätää. Visuaalisuus onkin keskeinen seikka, kun tietoa esitetään kartalla. Tässä suhteessa  tuntuu, että ohjelma on varsin hyvin onnistunut.

Itsenäisenä harjoituksena teimme koropleettikartan Suomen kuntatietokantaa hyödyntäen. Jokainen valitsi haluamansa attribuuttitiedon, josta tuotti esityksen koropleettikartalla. Kuvassa 1 on tekemäni kartta, jossa esitetään lasten ja nuorten, tässä tapauksessa 0-14 vuotiaiden, osuus kunnan asukkaista vuonna 2015.  Prosenttiosuus siis ilmaisee, kuinka suuri osa kunnan asukkaista on alle 15-vuotiaita. Toisin kuin esimerkiksi väestön suurutta kuvatessa, ei pääkaupunkiseutu erotu tässä kuvauksessa muita korostuneempana. Itseasiassa Helsinki kuuluu tässä jäsennyksessä toisiksi alhaisimpaan luokitukseen, eli Helsingissä on kunnan väkimäärään suhteutettuna suhteessa yhtä paljon alle 15-vuotiaita, kun vaikkapa pohjoisimmassa Utsjoen kunnassa tai itäisimpiin kuntiin kuuluvassa Tohmajärvellä. Suhteellisesti eniten alle 15-vuotiaita näyttää olevan Perämeren alueella Keski- ja Pohjoispohjanmaan maakunnissa.

Kuva 1. 0-14 -vuotiaiden lasten ja nuorten osuus kunnittain vuonna 2015

Flaminia Puranen teki oman koropleettikarttaesityksensä niin ikään väestön suhteellisesta jakautumisesta ikäperustaisesti. Hän oli valinnut tarkastelun kohteeksi eläkeläiset. Silmämääräisesti minun karttaani verrattuna kartassani vaaleiksi jääneet kunnat ovat Flaminian kartassa tummia. Tällä silmämääräisellä arvioilla voisi todeta, että kunnan suhteellisessa ikäjakaumassa painottuvat joko nuoret tai eläkeläiset. Sitä, miten ikäjakauma vaikuttaa mm. kunnan talouteen tai palveluihin, täytyisi tarkastella laajemmin ja yksityiskohtaisemmin muiden attribuuttitietojen sekä tutkimuksen avulla.

Mielestäni pääsin tämän kurssikerran aikana hyvin sisälle QGISiin. Myös karttatehtävät onnistuivat kohtuullisesti. Visuaalisen ilmeen tuottaminen lienee taito, joka vaatii paljon harjoitusta. Optimit värisävyt sekä asettelut hioutuvat ajan kanssa, joten täydellisyyteen lienee tarpeetonta tässä vaiheessa harjoittelua pyrkiäkään. Yritysten ja erehdysten sekä tekemisen ja uudelleen tekemisen kautta hiotaan todelliset mestarit. Niinkuin Paavo Kettunen omassa blogissaan toteaan, virheistä oppii! Virheet lienevätkin yhtiä parhaimpia opettajia, joten niitä ei pitäisi pelätä. Moka on lahja!

Lähteet:

Kettunen, P. (2020). Kurssikerta 1. Luettu: 29.1.2020. Saatavilla: https://blogs.helsinki.fi/paavoket/

Puranen, F. (2020). Ensimmäinen kurssikerta. Luettu: 27.1.2020. Saatavilla: https://blogs.helsinki.fi/flaminia/