Iiriksen GIS-blogi

Hei viimeistä kertaa,

Huh, mikä urakka on takana. En ollut lainkaan valmistautunut työmäärään, joka oman gis-aineiston etsimisestä syntyi. Aloitin etsinnän eilen illalla kuuden maissa ajatellen, että en tee muuta kuin kaivan pari kivaa pohjakarttaa ja tilastoja siihen päälle – voi kuinka väärässä olinkaan. Datan määrä on aivan loputon! Aloitin selaamalla Artun tiedotusblogia, ja tilanne alkoi valjeta minulle. Niinpä sain viimeiset tiedonmuruset kasattua tuntia ennen kurssikerran alkua. Viimeinen kurssikerta ei tosiaan päästä helpolla.

Tunnelmaan virittäytyminen:

Palataan hetkeksi alkupisteeseen. Aloitan leppoisin mielin datan metsästämisen ja ei kulu kauaa, kun tajuan, että leppoisuus on kadoksissa. Kaikkein hankalinta oli löytää sopiva pohjakartta. Kokeilin ensin kurssilla jaettua karttaa, jossa näkyy Suomen kuntajako, mutta totesin, että tällä kertaa ei mennä siitä, missä aita on jo kaatunut. Sitten selvitin, löytyisikö Helsingin alueelta sopiva kartta. Vastaus on ei. Niinpä suuntaisin katseeni lopullisesti pois Suomesta, josta en saanut järkevän mallista pohjakarttaa irti. Seuraavana vuorossa oli koko Eurooppa, sillä Euroopan sisäiset tilastot kiinnostivat. Tähän hyödynsin Natural Earth:in karttaa, mutta en ollut tyytyväinen projektioon. Näin matka jatkui rapakon yli Yhdysvaltoihin, mistä löysin haluamani pohjakartan (toki tässä välissä kokeilin etsiä ainoastaan yksittäisistä osavaltioista tietoa, mutta tämä oli tuhoon tuomittu yritys).

Voin todeta, että kaikkia kurssilla käytettyjä tiedostomuotoja tuli kokeiltua: Vektori, rasteri, csv ja wfs. Lopulta voittajaksi selvisi vanha kunnon shapefile, mutta hyvää harjoitusta oli muistella etenkin rajapintojen käyttämistä.

Pohjakartta on kuitenkin vasta alkusoittoa, sillä kartalle on saatava jotain esitettävää. Ja sitäkös riitti, mutta aina väärässä muodossa, kuten valmiina karttana tai excel-taulukkona, jonka csv-muoto näytti ohjelmaan lisättynä hieroglyfeiltä. On tosiaan siunaus ja kirous, että avointa dataa on niin paljon saatavilla. Tämän takia oli järkevää rajata selvästi, mitä kartalla haluaa esittää, sillä kaiken tarjolla olevan lataaminen ja availu oli tietenkin ajanhukkaa. Päätin tarkastella Yhdysvaltojen väestöä, ja lentokenttien sijoittumista väestöön nähden. Internetin syövereistä löytyi QGIS-ystävällinen csv-tiedosto väestöstä sekä valmis pistetiedosto koko valtion lentokentistä.

Tuotokset:

Vihdoin pääsin käyttämään itse ohjelmaa. Tietoja piti muokata jonkin verran join-toiminnon ja select by location -toiminnon avulla. Kaikkiin karttoihin olisin halunnut valita esitettäväksi koko Yhdysvaltojen alueen, mutta vaakakupissa painoi nyt visuaalisuus ja hyödynnettävyys. Tein lopulta kolme karttaa, joista tuli rajaamalla oikein kelvollisia. Alaskan ja Havaijin osavaltiot kärsivät rajauksesta, mutta usein Yhdysvallat esitetään kartalla vain 50 osavaltion voimalla.

Kuva 1. Koropleettikartta Yhdysvaltojen väestöstä.

Ensimmäinen kartta on yksinkertaistettu teemakartta, jossa esitetään väkiluku osavaltioittain. Lisäksi kartassa on metropolialueet havainnollistamassa sitä, ettei suuri väkiluku automaattisesti tarkoita sitä, että metropolialueita syntyy. Esimerkiksi Seattlen alue maan luoteisosassa on tunnettu metropolialue, vaikka Washingtonin osavaltio on muuten suhteellisen pieni väkiluvultaan. Toisaalta itärannikolla Virginiassa ja Pohjois-Carolinassa on paljon ihmisiä, mutta ei lainkaan metropoleja.

Kuva 2. Itärannikon lentokentät ja kaupunkialueet.

Toisessa ja kolmannessa kartassa päädyin rajaamaan vielä rankemmalla kädellä, jotta sain havainnollistettua haluamani. Toinen kartta esittää lentokenttien sijoittumista kaupunkialueiden suhteen. Kuten kartassa näkyy, suurin osa lentokentistä sijoittuu lähelle kaupunkialueita ja ne muodostavat ikään kuin säteitä niiden ympärille. Tässä on olennaista huomata kuitenkin se, että kartalla näkyy kaikki tiedoston mukaan lentokentiksi lasketut, ei siis vain suuret matkailulentokentät.

Kuva 3. Itärannikon lentokentät ja metropolialueet.

Kolmannessa kartassa pätee sama huomio. Tähän karttaan on lisätty metropolialueet ja niiden sisällä olevat lentokentät. Kartasta voi päätellä muun muassa sen, että New Yorkin osavaltiossa on paljon metropolialueita samoin kuin Marylandin osavaltiossa. Lisäksi tämän kartan ja väestöä kuvaavan kartan avulla voi todeta keskilännen todellakin olevan autiota aluetta verrattuna länsi- ja itärannikoihin.

Loppusanat:

Kaiken kaikkiaan QGIS:in käyttö on ollut aika mukavaa vaikkakin haastavaa. Toisaalta tämä oli ihan odotettavissa, sillä en ole koskaan ottanut täysin vierasta ohjelmaa käyttöön. Koen, että perustoiminnot ovat hallussa, ja osaan useimmiten löytää tarvitsemani toiminnon. Intuitiivinen käyttö jäi haaveeksi, mutta ohjelman käyttöä pääsee varmasti harjoittelemaan vielä tulevaisuudessa. Kurssikavereiden osaamista taasen on ollut hauska seurata, tämän viikon hienoin luomus löytyi Alexanderin blogista: mieletön interpoloitu kartta merirosvojen sijainnista vuosien varrella!

Kurssi oli ehdottomasti mukavaa vaihtelua perinteisille luentokursseille, ja loppujen lopuksi oli hauskaa päästä haastamaan itseään tuntitolkulla – ja joskus hakkaamaan päätä seinään. Vaikka gis-velhon sauva on vielä ajoittain kateissa, on tästä hyvä jatkaa tulevia paikkatietokursseja kohden.

Lähteet:

< https://www.census.gov/geographies/mapping-files/time-series/geo/cartographic-boundary.html>

< https://www.census.gov/programs-surveys/popest/data/data-sets.html>

< https://edg.epa.gov/metadata/catalog/search/resource/details.page?uuid=%7B725A55A8-A2AE-4F81-AE3A-139A037EFF94%7D>

< https://ais-faa.opendata.arcgis.com/datasets/e747ab91a11045e8b3f8a3efd093d3b5_0>

<https://blogs.helsinki.fi/alwengel/2021/03/03/lesson-7-the-end-of-the-beginning/>

Hei taas,

Tähän mennessä tuskallisin gis-kerta on takana päin. Osa ongelmista ratkesi ja osa ei.

Kurssikerta alkoi kolmen vartin reippailulla hyytävässä viimassa, kun keräsimme Epicollect5-ohjelmaan sijaintipisteitä lähiympäristöstä. Pisteet lisättiin pohjakartalle ja niiden avulla harjoiteltiin interpolointia. Tämä osuus sujui vielä mukavasti, ja lopputuloksena syntyi alla oleva kartta. Tätä olisin halunnut rajata huomattavasti lähemmäs, mutta se ei tällä kertaa onnistunut.

 

Kuva 1. Koettu turvallisuus Helsingin alueella.

Keräsimme vajaat 80 pistettä, joiden perusteella kartta syntyi. Muuttujana on käytetty opiskelijoiden kokemaa turvallisuuden tunnetta lähiympäristön pisteissä. Kartan perusteella voi muun muassa päätellä, että Sörnäisten alue on turvattomimmaksi koetuin, kun taas lähellä oleva Kalasatama koetaan turvalliseksi. Interpolointi tuntui olevan tietokoneelleni kuormittavaa, ja ohjelma potkaisi minut useamman kerran ulos. Muistakaa tallentaa, muuten tulee paha mieli!

Kun sitten kokeilin tehdä itsenäisen version samalla aineistolla, QGis päätti olla tunnistamatta desimaalilukuja, ja väitti niiden olevan tekstiä. Näin ollen interpolointia (tai muutakaan oikeaa attribuuttitietoa vaativaa toimintoa) ei voinut tehdä. Tähän löytyi onneksi Artun avulla ratkaisu, jonka jaan mikäli jollain toisella on sama ongelma. Inspiroiduin ohjeen tekemiseen lukemalla tulevan gis-velhon, Ilarin, blogia. Sieltä löytyy hyviä ohjeita moniin pulmiin. Toisilta saatu apu ja vertaistuki on tällä kurssilla mahtava etu.

-Tarkista properties-välilehdeltä fields-osiosta, lukeeko sarakkeen type kohdalla text (tai string).

Jos vastaus on kyllä, seuraavan tempun pitäisi toimia:

-Hae processing toolbox:ista Refactor fields

-Tuplaklikkauksen jälkeen valitse taso, jonka tietoja haluat muuttaa (esimerkiksi magnitudi)

-Vaihda type tekstistä luvuiksi

-QGis tekee uuden väliaikaisen tason nimeltä Refactored

-Kokeile nyt interpoloida, homman pitäisi olla kunnossa

Kaiken kaikkiaan toivoisin interpolointiin vielä lisäharjoitusta, sillä olisi kiva osata tehdä esimerkiksi kartta, jossa interpolointitaso sulautuu muihin tasoihin, kuten itsetekemässäni kartassa.

Interpolointiharjoituksen jälkeen siirryttiin tekemään luonnonkatastrofeja kuvaavia karttoja, jotka ovat tarpeeksi havainnollistavia opetuskäyttöön. Tässä vaiheessa törmäsin ongelmiin, joista ensimmäinen ratkesi onneksi yllä olevan ohjeen avulla. Siten sain kuin sainkin tehtyä kolme valmista karttaa.

Kuva 2. Yli seitsemän magnitudin järistykset vuosien 1990-2011 välillä.

Mikä ongelmia sitten ilmeni? Kenties selkein on väärä mittakaava, joka näkyy ensimmäisessä kartassa. Tarkistin karttatasojen ja koko projektin projektion, joka on WGS84 EPSG:4326. Tämän pitäisi olla oikea, ja normaalisti QGis onkin tunnistanut projektion mainiosti. Väärä mittakaava saattaa olla kytköksissä siihen, että ohjelma herjasi karttatason olevan ”invalid data source.” Tämä on kiinnostavaa siinä mielessä, että olin jo kertaalleen (onneksi) saanut lisättyä karttatason projektiin.

Ensimmäisessä kartassa toimivaa on, että sen avulla näkee, mihin maanjäristykset useimmiten asettuvat ja näin voidaan selvittää litosfäärilaattojen rajakohtia. Vertailun vuoksi valitsin Googlen kuvahausta löytyvän kartan, jossa esitetään maanjäristykset vuosien 1900-2017 välillä. Suurin ero tähän ja omaan karttaani on se, että omaani olen valinnut lyhyemmän aikavälin ja suuremmat järistykset. Näin ollen kaikki järistyskohdat eivät erotu yhtä hyvin kuin Googlen tarjoamassa kartassa.

Kuva 3. Esimerkkikartta maanjäristyksistä vuosien 1900-2017 välillä. (Lähde: https://commons.wikimedia.org)

Jotta saisin tuotettua jotain hyödyllistä, päätin zoomata eri maanosiin, jolloin mittakaavakin muuttui. Toisessa kartassa näkyy tulivuorien sijainti ja yli kahdeksan magnitudin maanjäristyksen Tyynenmeren tulirenkaan Aasian puolella. Tästä kartasta tuli mielestäni varsin toimiva, koska se näyttää voimakkaiden maanjäristyksen yhteyden tulivuoriin ja toisaalta siitä näkee, mistä tulirengas juontaa nimensä.

Kuva 4. Tulivuoret ja voimakkaat maanjäristykset Tyynellämerellä.

Kolmas kartta on lähinnä kuriositeettina meteoriittien iskukohdista Yhdysvalloissa 2000-luvulla. Kiinnostavaa on se, että länsirannikolla on meteoriittien ryväs, vaikka teoriassa iskukohdat ovat satunnaisia.

Kuva 5. Meteoriittien iskupaikat Yhdysvalloissa 2000-luvulla.

Opetuskarttojani parantaakseni olisin kaivannut sellaisia pisteitä, joissa sekä väri että koko muuttuvat, kun nyt sain valittua vain toisen. Ohjelma yritti tarjota tähän ratkaisua, mutta herjasi heti perään muuta (kuva alla). Niinpä tyydyin kartoissani muuttamaan vain pisteen kokoa.

Kuva 6. QGis kiukuttelee muutoksista.

Tällaista taistelua tällä viikolla, ensi viikolla onkin jo viimeinen kurssikerta, ja sitä varten tarvitaan omaa paikkatietomateriaalia. Eikun etsimispuuhiin ja uusia taisteluita kohti!

Lähteet:

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

<https://commons.wikimedia.org/wiki/File:Map_of_earthquakes_1900-.svg>

Neljännellä viikolla harjoiteltiin ruutukarttojen tekemistä eri ruutukoilla. Lopuksi otettiin käyttöön ensimmäinen rasteriaineisto, ja sen pohjalta piirrettiin korkeuskäyrät. Kotitehtävänä oli kokeilla eri ruutukokoja Pääkaupunkiseutua kuvaavan kartan päälle. Tehtävässä tuli piirtää ruudukko, määrittää sen ruutujen koko, ja sitten rajata ruudut niin, että kartalla näkyy vain rakennuksia sisältävät ruudut. Sen jälkeen valittiin ruuduissa esiintyvä muuttuja, ja tehtiin teemakartta, joka esittää muuttujan alueellista jakautumista ruuduilla. Muuttujaksi valikoitui 23-vuotiaiden määrä per ruutu. Tapion blogissa oli käytetty asukkaiden iän keskiarvoa, mikä näin jälkeen päin ajateltuna olisi ollut tehokkaampi tapa kuvata vaikka vain parikymppisten asumispaikkoja. Blogissa on noin muutenkin hyvää pohdintaa valmiista kartoista!

Ensimmäisessä kartassa ruutukoko on 500m x 500m. Tässä ruutukoossa select by location -toiminto kesti viitisen minuuttia, kun kurssikerralla tehdyssä yhden neliökilometrin ruutukoossa sama toiminto kesti noin minuutin. Pienen ruutukoon aiheuttama odottelu oli kuitenkin sen arvoista, sillä kartasta tuli visuaalisesti melko selkeä – ainakin verrattuna seuraavaksi tekemääni karttaan.

Toisessa kartassa käytin ruutukokoa 2km x 2km. Odottelua ei tämän ruutukoon toiminnoissa ollut lainkaan, mutta muuttujan jakautuminen jää turhan yleistetyksi. Suurempaan ruutukokoon lisäsin kolme luokkaa lisää, jotta erot olisivat hiukan selkeämmät.

Halusin kartoilla selvittää, missä parikymppiset ihmiset asuvat. Monipuolisemmat tulokset kartalle olisi toki saanut, jos valittavana olisi ollut kaikki ikäluokat viiden vuoden välein. Tulokset olivat kuitenkin yhdellä vuodellakin sellaiset kuin olin odottanut: Espoon Otaniemi loistaa punaisena.

Molempiin karttoihin tein samat muutokset: poistin järvet, joet ja kuntien rajat, koska niistä mikään ei näy ruudukon alta. Näin sain kartalle näkymään oleellisen, eli ruudukon, mihin huomiokin kiinnittyy. Ruutukartalla tietoa saa yksityiskohtaisemmin kuin esimerkiksi koropleettikartoilla, joissa on käytetty kuntarajoja. Tarkkuus tosin riippuu myös ruutukoosta. Koska ruudut ovat samankokoisia, on ruutukartan etuna se, että sillä voidaan esittää myös absoluuttisia arvoja.

Kaiken kaikkiaan voin silti todeta, että kahden tekemäni kartan perusteella pienempi ruutukoko ja siitä seuraava odottelu saavat aikaan paremman kartan, missä 23-vuotiaiden määrän jakautuminen näkyy suureen ruutukokoon verrattuna tarkemmin.

Rasteriaineiston kokeileminen taasen oli mukavaa, mutta rinnevarjostuksen tekovaiheiden soveltaminen olisi varmasti hankalaa, koska sen style-välilehti oli täynnä uusia ominaisuuksia. Näitäkin pääsee varmasti vielä harjoittelemaan paremmin.

Onneksi aivan kurssikerran lopuksi sai laittaa aivot narikkaan, ja piirrellä tieviivoja ja taloja karttapohjalle ensi viikon kertaa varten. Luvassa on ilmeisesti tähän mennessä vaikein kurssikerta, joten saa nähdä, miten tässä käy.

Lähteet:

<https://blogs.helsinki.fi/tapiotur/2021/02/11/4-ruuduista-rastereihin/>

Moi gis-toverit,

Tällä viikolla harjoittelimme tietokantojen rakentamista eri yhdistelytoiminnoilla. Teimme Afrikan mannerta kuvaavan kartan attribuuttitaulukkoon lisäyksiä. Valtavan tietomäärän siistiminen on tärkeä taito, sillä usein aineistot eivät ole vain muutaman rivin ja sarakkeen kokoisia.

Tietokannasta löytyvillä konfliktien määrää sekä timanttien ja öljyn esiintyvyyttä kuvaavilla tiedoilla voitiin selvittää nämä tiedot valtiokohtaisesti. Count points in polygon toiminnolla saatiin selville, missä konflikteja esiintyy ja kuinka paljon. Voitiin myös selvittää, milloin konfliktit ovat tapahtuneet. Lisätiedoilla voisi selvittää, minä vuosina konflikteja on ollut eniten ja mille alueelle ne ovat levinneet, ja samalla pohtia, miksi näin on. Öljykenttiin liittyvistä tiedoista voi selvittää esimerkiksi, mitkä alueet ovat tuottavimpia ja esiintyy niiden alueella konflikteja tai muita luonnonvaroja kuten timantteja. Internet-käyttäjiin liittyvällä datalla voidaan tarkastella, muuttuuko käyttäjien määrä konfliktien myötä tai luoko luonnonvarojen mahdollistama varallisuus lisää käyttäjiä. Roosan blogista löytyi lisää hyvää pohdintaa siitä, millaisilla tavoilla aineistoja voi hyödyntää.

Itsenäisen osuuden alkaessa meinasi sormi mennä suuhun, kun juuri kokeiltuja toimintoja tuli käyttää itsenäisesti. QGis:in käytön oppimisessa tärkeää on, ettei ohjeita seuraa sokeasti, vaan uskaltaa kokeilla. Pahinta mitä voi tapahtua on tietenkin koko projektin pilalle meneminen, mutta sitten saa ainakin aloittaa alusta ja harjoitella lisää.

Harjoitustyön tekeminen alkoi kuin alkoikin sujuman, kun ymmärsi join-toiminnon tarkoituksen. Koitin ensin yhdistää taulukot sarakkeella, joka löytyi vain toisesta, eikä toiminto silloin luonnollisesti toiminut halutulla tavalla. Valaistumisen hetki tapahtui, kun ymmärsin, että toiminnon onnistumiseen tarvitaan vain molempia yhdistävä sarake kuten paikkakuntien nimet. Kas kummaa, tehtävän tekeminen lähti käyntiin.

Ei kuitenkaan kulunut kauaa, kun törmäsin uuteen ongelmaan, ja tätä en saanut enää ratkaistua: cvs-muodossa tuotu excel-taulukko siirtyi ohjelmaan niin, ettei QGis tunnistanut suurimpia ja pienimpiä arvoja oikein. Näin ollen järkevien diagrammien tekeminen tuli mahdottomaksi. Muiden blogeja selaamalla en nähnyt samanlaista ongelmaa ja outoa onkin, että Afrikka-tehtävän excel-taulukon liittäminen onnistui ongelmitta. Jään tarkkailemaan, onko joku löytänyt tähän ratkaisun. Monia hienoja karttoja sen sijaan löytyi paljon. Sannan blogissa oli mukavan yksinkertaistettu kartta, jossa esitetään selkeästi olennainen.

Oman teemakartani tekeminen onneksi luonnistui, ja sen perusteella voi tehdä päätelmiä alueiden tulvaherkkyydestä. Tulvaindeksin yksittäinen korkein kohta on Lounais-Suomessa ja Länsi-Suomeen rannikolla se on muuten suurimmillaan. Pohjanmaan kevättulvat ovatkin monille tuttuja ja siellä liikkuessaan huomaa nopeasti, miksi tulvaindeksi on korkea. Maasto on tasaista, ja pieniä jokia ja puroja on paljon.

 

Tämän viikon harjoituksista jäi epämääräinen olo, kun osa tehtävistä sujui mukavasti ja osa ei niinkään. Näinä hetkinä kaipaa lähiopetuksen tarjoamaa vertaistukea.

Ensi viikkoon ja (toivottavasti) sujuvampaan harjoitteluun!

Lähteet:

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

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

 

Hejsan,

Toisella kurssikerralla jatkettiin QGis:in perustoimintojen harjoittelua, ja se tapahtui eri projektioita vertailemalla. Ohjelman käyttö alkaa sujua hiukan helpommin, tosin hölmöjen ajatuskatkojen säestämänä. Projektioiden pinta-alojen vertailussa unohdin useaan otteeseen muuttaa kokonaisluvut desimaaleiksi, ja pohdin, miksi laskutoimituksen tulokset eivät näytä oikealta.

Annikan gis-blogista löytyi huikean huolellisesti tehdyt harjoitukset, jotka avaavat projektioiden vertailua selkeästi. Hänen testaamistaan projektioista Cassinin projektion vääristymä oli kiinnostava: sen vääristymä kasvaa kohti kaakkoa, kun kaikissa itse testaamissani projektioissa vääristymä kasvaa pohjoiseen mentäessä.

Kokeilinkin Mercatorin projektiota, Winkel tripel-projektiota ja Gallin projektiota. Vertailun vuoksi alla on Suomen kartta, jossa on käytetty ETRS-TM35FIN -projektiota eli sitä, mihin muita verrataan. Tässä kartassa Suomi näyttää juuri siltä, millaisena olemme sen totunneet näkemään.

Aloitin vertailun helpoimmasta päästä, eli pahamaineisesta Mercatorin oikeakulmaisesta projektiosta. Se on tunnettu siitä, että pohjoiseen mentäessä valtiot kasvavat suuremmiksi kuin ne todellisuudessa ovatkaan. Näin ollen esimerkiksi Grönlanti ja Suomi näyttävät valtavilta verrattuna Afrikkan mantereeseen.

Jo nopealla vilkaisulla kartta näyttää erilaiselta kuin mihin olemme tottuneet: Suomi on pidentynyt ja hoikistunut. Projektion vääristymät ovatkin pahimmillaan yli kahdeksan prosenttia ETRS-TM35FIN -projektioon verrattuna.

Muutamissa selailemissani blogeissa oltiin vertailtu  Mercatorin lisäksi Winkel tripel-projektiota. Ainakin Juliana  ja Liisa olivat käyttäneet tätä projektiota vertailluissaan. Minäkin valtisin Winkel tripelin vertailuun, ja onnekseni omassa kartassani oli samat vääristymät kuin heidän.

Projektio on siitä kiinnostava, että sen pinta-alat, suunnat ja etäisyydet vääristävät kaikki hiukan. Tällä pyritään kompromissiin, jossa mikään virhe ei korostu liikaa. Mercatorin projektioon verrattuna vääristymät ovatkin suhteellisen pienet. Suomen kartta tosin näyttää erikoiselta, sillä se on leveä ja vasemmalle kallellaan. Täydellinen Winkel tripel-projektio ei siis ole.

Viimeisenä testiin pääsi Gallin lieriöprojektio. ArcGis:in nettisivuilla projektiosta sanotaan, ettei sitä suositella napa-alueiden kuvaamiseen suuren vääristymän takia. Sen tarkoitus on kuitenkin samankaltainen kuin Winkel tripelillä.

Suomen kartta näyttää tälläkin projektiolla erikoisen malliselta. Kartta on leveä ja typistetty. Toisaalta totesin, että mitä kauemman käyttämäänsä projektiota tuijottaa, sitä normaalimmalta se alkaa näyttää. Tässä kartassa käytin harjoituksen vuoksi eri väriskaalaa kuin muissa kartoissa, ja se tuo informaation riittävän hyvin esiin.

Kurssikerran harjoituksia tehdessä tuli tunne, että ohjelman käytön taitamiseen tulee kuulumaan kantapään kautta oppimista. Tämänkin asian harjoittelussa tärkeintä lienee toistot, toistot ja toistot – myös vapaa-ajalla. Mitä projektioihin tulee,  Liisalla oli hyvää pohdintaa projektioiden vaikutuksesta maailmankuvaan ja sitä kautta päätöksen tekoon. Vähintään Mercatorin projektion aiheuttamat vääristymät tulisikin saada kaikkien tietoisuuteen.

Se siitä, ensi kertaan!

Lähteet:

<https://blogs.helsinki.fi/anninnan/2021/01/27/harjoitus-2-pinta-alojen-vertailu-eri-projektioissa/>

<https://blogs.helsinki.fi/julihakk/2021/01/29/projektioita-ja-tietokantoja-harjoitus-2/>

<https://blogs.helsinki.fi/ahokliis/2021/01/29/kurssikerta-2/>

<https://pro.arcgis.com/en/pro-app/latest/help/mapping/properties/gall-stereographic.htm>

Hei, ja tervetuloa geoinformatiikkapohdintojeni pariin.

Tätä kurssia olen odottanut, sillä paikkatietojärjestelmien hallinta tuntuu olevan monien työpaikkojen osaamisvaatimuksissa. Ensimmäisen kurssikerran harjoitus sujui kohtuullisen hyvin, kunnes netti alkoi pätkiä ja putosin kärryiltä. Koropleettikarttani jäi vajaaksi, kun osa kartan valtioista katosi. Muiden blogeja selatessani huomasin, että sama ongelma oli myös Heidi Syrjäläisellä (Syrjäläinen 2021).

Päätin aloittaa koko tehtävän alusta ja tällä kertaa hyödyntää zoom-tallennetta. Ohjeiden tarkalla seuraamisella sain tehtyä halutun kartan. Jotta ensimmäisellä yrityksellä kadonneet valtiot sai näkyviin, piti valtioiden rajat sisältämä karttakerros kopioida. On siis syytä olla luotettavassa nettiyhteydessä, ja yrittää uudestaan, vaikka se tuntuisikin raskaalta.

Loppujen lopuksi kartasta tuli kohtuullisen selkeä, mutta visuaalisuuden nimissä värejä olisi voinut säätää hiukan vaaleammiksi. Kartalta näkee kuitenkin, miten typpipäästöt jakaantuvat Itämeren ympäristössä.

Ensimmäisen kurssikerran jälkeen päällimmäiseksi jäi mieleen se, että ensi kerralla kannattaa aloittaa ajoissa: haastavan  kurssikerran jälkeen kaiketi jännitti aloittaa tehtävien tekeminen. Päätin aloittaa helpoimman vaikeustason tehtävästä, jossa tuotin koropleettikartan eläkeläisten suhteesta kunnan väkilukuun.

Ohjelman peruskäytön harjoittelu tuntui äärimmäisen tärkeältä, joten yksinkertaisella tehtävällä pääsi mukavasti alkuun. Karttaa tehdessä joutui hiukan kokeilemaan asteikkoja ja luokkien määrää löytääkseen sopivan näköisen.

Törmäsin kuitenkin samaan ongelmaan monta kertaa. Kun style-välilehdeltä halusi muuttaa kartan värin kohtaan graduated, koko kartta katosi. Monien kokeilujen tuloksena päädyin siihen, että ensin tulee ladata arvot histogrammiin ja sitten valita sopiva asteikko ja luokkaväli.

Lopputuloksena syntyi alla oleva tuotos:

Yleissilmäyksellä kartasta näkee, että kaiken kaikkiaan eläkeläisten osuus on suhteellisen suuri koko Suomessa. Pääkaupunkiseudulla väestö on nuorinta, kun taas suurimmat eläkeläisten osuudet löytyvät Itä-Suomesta. Luokkia on useampi, jotta osuuksien jakautuminen näkyy selkeästi. Kartasta tuli tarpeeksi selkeä kuvattavan ilmiön ymmärtämiseksi.

Ensi kerralla uskallan ehkä tehdä jo haastavamman tehtävän, kun ohjelman käyttäminen tulee yhä tutummaksi!