3. Timantteja kartalla ja timanttista settiä GIS-labrassa

Kolmannella viikolla QGIS-ohjelman perusjutut alkoivat olemaan hallussa: aineiston lataaminen Moodlesta QGIS:iin asti tuntui helpolta ja visualisoimisen simppeleimmät jutut onnistuivat ilman suurempia ongelmia. 

Uutena asiana tällä viikolla oli eri aineistojen yhdistäminen samalle layerille. Tähän oli useita tapoja, joita käytiin yhdessä huolellisesti läpi. Osa niistä oli yksinkertaisia, mutta eivät niin toimivia ja monipuolisia ja osa taas haastavampia, mutta niissä mahdollisuuksia oli enemmän. Aggregate-työkalu osoittautui lopulta hyväksi työkaluksi tähän hommaan. 

Tällä viikolla kavereiden ja opettajan apu oli ehdottomasti tarpeen. Aina välillä QGIS kaatui, mutta edellisestä viikosta olin onneksi oppinut tallentamaan työn riittävän aikaisessa työvaiheessa ja näppäinkomento ctrl+s:sta muodostui rutiini, suosittelen muillekin.

Harjoitus

Kurssikerran harjoitustyössä tehtiin Afrikan kartta, jossa oli merkittynä erikseen timanttikaivokset, konfliktit ja öljykentät. Tiedot näistä asioista tuotiin Excelin kautta, muuttamalla tiedosto QGIS-ohjelmalle sopivaksi tiedostoksi. Siten polygonit saatiin lisättyä kartalle oikeisiin paikkoihin. Näiden polygonien liittämisen lisäksi haasteena oli datan yhdistäminen siten, että attribuuttitaulukkoa saatiin siivottua hieman yksinkertaisemmaksi. Tämä tapahtui saman nimisten valtioiden tietojen yhdistämisellä (yhdistimme esimerkiksi saarten tiedot manneralueen tietoihin), jotta taulukossa ei ollut enää useaa kymmentä samannimistä riviä. Oli hyvä, että tämä työvaihe toistettiin usean eri valtion kohdalla, jotta siihen sai edes hieman rutiinia ja harjoitusta.

Kuvassa 1 on kuvattuna Afrikan valtiot, sekä niissä olevat timanttikaivokset, öljy- ja maakaasukenttä esiintymät sekä alueilla tapahtuneet konfliktit. Tunnilla käsittelimme taulukkoa ja laskimme sinne lisää muuttujia, kuten ns. uniikit konfliktit, joiden avuilla pystyi selvittämään konfliktien määrää eri vuosina (kuinka monelle vuodelle ne olivat jakaantuneet).

 

Kuva 1: Kurssikerralla tehty kartta, jossa on kuvattuna Afrikan valtiot, sekä niissä olevat timanttikaivokset, öljy- ja maakaasukenttä esiintymät sekä alueilla tapahtuneet konfliktit. Aineisto vuosilta 1947-2008.

Kuten kartasta huomataan, joissakin valtioissa, joissa konflikteja on ollut, on myös timanttikaivoksia ja öljyesiintymiä. Esimerkiksi Norsunluurannikolla Länsi-Afrikassa on ollut samalla alueella sekä timanttikaivoksia, että konflikteja. Kerttu Mäcklin kirjoitti blogissaan, että kartan perusteella ei voida analysoida asioiden välillä olevan suoraa korrelaatiota, mutta niiden välillä on mahdollisesti yhteys. Myös itse tulkitsen asian niin, koska ne välillä sijoittuvat samoille alueille kartalla, mutta eivät aina. 

Konfliktien syitä näillä alueilla voi olla monia. Niihin voivat liittyä niin poliittiset, taloudelliset kuin esimerkiksi ihmisoikeuksiin liittyvät ristiriidat ja erimielisyydet. Timanttikaivokset ovat suuri rahanlähde alueilla, mutta maissa joissa on esimerkiksi korruptiota ja alueellista segregaatiota, raha voi jakaantua erittäin epätasa-arvoisesti ihmisten välillä ja tuottoja voidaan käyttää laittomiin asioihin.

Poliittiset ristiriidat voivat johtaa pahimmassa tapauksessa sotiin.  Esimerkiksi Norsunluurannikolla käytiin sisällissotaa vuosina 2002-2003 ja jälleen vuonna 2011 (Wallius Annika, Yle, 2014). Tämän kartan aineisto osuu juurikin 2000-luvun alkupuolelle, joten osa näistä konflikteista on voinut liittyä juurikin sisällissotaan. Yleisradion artikkelin mukaan Norsunluurannikko oli saanut vuonna 2014 uudestaan luvan timanttien viennille. Kielto oli asetettu Norsunluurannikolle vuonna 2005 tuottojen tarkoitusperän ollessa kapinallisliikeen aseellisen toiminnan rahoittamisessa. Niin sanottujen veritimanttien kaupan rahoittamista on pyritty estämään kansainvälisellä valvontajärjestelmällä, Kimberleyn prosessilla vuodesta 2000 lähtien. Norsunluurannikolla 42% ihmisistä asuu köyhyysrajan alapuolella ja nyt syntyvä lapsi elää keskimäärin 58-vuotiaaksi, joka on huomattavasti nuorempi ikä, mitä esimerkiksi länsimaissa.

Itsenäinen tehtävä

Viikon itsenäisenä tehtävänä oli luoda kartta, jossa olisi kuvattuna valuma-alueiden tulvaindeksi Suomessa sekä järvisyysprosentti (kuva 2). Tulvaindeksi muodostetaan jakamalla keskiylivirtaama keskialivirtaamalla.

 

Kuva 2: Tulvaindeksi valuma-alueittain ja järvisyysprosentti Suomessa.

Kartasta voidaan tulkita, että niillä alueilla joissa järvisyysprosentti on pieni, tulvaindeksi on korkea suhteessa järvisempiin alueisiin. Esimerkiksi Järvi-Suomessa tulvaindeksi on matala, mutta järvisyysprosentti korkea suhteessa muuhun Suomeen. 

Suurin tulvaindeksi on Suomen rannikkoalueilla. Keväisin saamme lukea uutisista esimerkiksi Pohjanmaan tulvista. Ilmastonmuutoksen kiihtyessä myös tulvien määrä tulee kasvamaan. Hydrologi Noora Veijalaisen (Suomen ympäristökeskus, SYKE) mukaan ilmastonmuutos vaikuttaa tulvien suuruuteen, vuodenaikaiseen rytmiin sekä tulviin liittyviin riskeihin. On arvioitu, että tulvariski tulee nousemaan myös niillä alueilla, joissa tulvat kertyvät pitkän sateisen jakson aikana. Tällaisia alueita ovat muun muassa suurten vesistöjen keskusjärvet, esimerkiksi Saimaa. Toisaalta pienemmissä järvissä tulvat voivat pienetä ilmastonmuutoksen seurauksena, koska aiemmin ne ovat aiheutuneet lumensulamisen vaikutuksesta.

Hieman teknisestä suorituksesta:

Tämän tehtävän tekeminen oli alkuun aika helppoa ja ei joutunut kauheasti miettimään mitä pitäisi tehdä. Mutta sitten kehiin astui järvisyysprosentti, joka olikin aika monen mutkan takana. Lopulta muiden antamien vinkkien avulla sain kuin sainkin pylväät näkymään kartalla, mutta en osannut visualisoida niitä eri värisiksi. Ehkä jokin hieman neutraalimpi väri kuin kirkas limenvihreä olisi ollut hyvä tähän, mutta en kerta kaikkiaan keksinyt miten se pitäisi tehdä. Pylväiden korkeutta ja leveyttä osasin muokata, mutta siihen loppuivat minun taitoni.

Muiden blogeja lukiessani kiinnitin huomiota Tuomas Hartikaisen blogipostaukseen. Hän oli tehnyt tehtävän erittäin huolellisesti ja oli todella hyvä lisä, että kartat olivat kahdessa eri mittakaavassa. Tämä havainnollisti asiaa hyvin ja helpotti karttojen tulkitsemista, hyvä Tuomas!

Lopuksi

Kurssikerta oli aika haastava, mutta mielenkiintoinen. Oli jännittävää tehdä kartta näinkin konkreettisista asioista ja alkaa pikkuhiljaa ymmärtää, mihin kaikkeen geoinformatiikkaa voidaan hyödyntää ja millaista dataa sen avulla voidaan tuottaa. 

Lähteet:

Hartikainen T. (2022). Maa-gis-ta menoa. 3. Kurssikerta. Viitattu 1.3.2022

Mäcklin, K. (2022). GIS ja Kerttu. Viikko 3 – oppi kantapäiden kautta. Viitattu 8.2.2022

Veijalainen N. (2020) Ilmastonmuutos ja tulvat. Suomen ympäristökeskus. Viitattu 1.3.2022

Wallius A. (2014). Norsunluurannikko saa jälleen myydä timanttejaan. Yle. Viitattu 8.2.2022

 

2. Projektioita ja probleemeja

Uusi viikko, uudet GIS-kujeet 🙂

Toisella kurssikerralla jatkettiin QGIS-ohjelmaan tutustumista. Harjoittelimme muun muassa laskemista, alueiden rajaamista ja erilaisten mittausten tekemistä, kuten pinta-alan laskemista. Uutena hommana oli myös datalähteisiin (ja rajapintoihin) tutustuminen ja datan liittäminen QGIS-ohjelmaan.

Harjoitukset

Varsinaisessa kurssikerran työssä teimme karttoja, joissa vertailimme eri projektioiden aiheuttamia eroja pinta-aloissa. Kuten Rosa Selenius kertoi blogissaan, karttaprojektiot alkavat olemaan suhteellisen tuttu asia tässä vaiheessa opintoja, koska niitä ollaan käsitelty usealla kurssilla jo tähänkin mennessä. Maapallo on geoidi ja projektioiden avulla pyritään esittämään sen alueita kaksiulotteisella tasolla. Kaikki projektiot aiheuttavat vääristymiä eri alueille ja siksi projektio kuuluu valita kartan käyttötarkoituksen ja kuvattavan alueen mukaan.

Tarkoituksena oli laatia kolme erilaista karttaa, jossa olisi kuvattuna Suomessa yleisesti käytetyn TM35-projektion pinta-alojen suhde eri projektioiden pinta-aloihin. Harjoituksessa pääsi jälleen harjoittelemaan yksinkertaisia laskutoimituksia sekä visualisoimaan niistä karttoja edellisellä kerralla opitulla tavalla. 

Tässä vaiheessa blogitekstin tekemistä huomasin, että karttani näyttävät erilaiselta, miltä niiden pitäisi. Olen siis luultavasti tehnyt jonkun perustavanlaatuisen virheen aiemmin ja siksi kartat näyttävät väärältä, vaikka legendan arvot ovat oikein. Minulle kävi myös yhdessä vaiheessa klassinen temppu, eli en ollut jossain välissä tallentanut ja kas vain, ohjelma kaatui. Jouduin siis tekemään monta vaihetta uudestaan ilman apua, joten on täysin mahdollista, että olen tehnyt jotain väärin. 

Kun vertasin karttaani muiden tekemiin karttoihin huomasin, että laskut ovat menneet oikein, koska legendaan olen saanut samoja arvoja kuin muut. Esimerkiksi Katri Hämäläisen blogissa Mercatorin projektion eroja kuvaavassa kartassa arvot ovat samat, mutta Katrin tekemä kartta näyttää siltä miltä sen pitäisi; projektio venyttää karttaa pituussuunnassa mitä pohjoisempaan mennään.

Yritin saada hommaa toimimaan kotikoneella, mutta useasta yrityksestä huolimatta en saanut mitään arvoja attribuuttitaulukkoon asti. On siis aika laittaa luovuus kehiin ja keksiä toinen tapa tehdä tehtävä loppuun asti. Sain QGIS:ssä kuntakartan auki eri projektioilla, joten liitän tänne blogiini kuvat niistä tekemieni koropleetti karttojen lisäksi. Toivottavasti niiden avulla saan havainnollistettua asiaa kohtalaisesti ilma, että joudun tekemään koko tehtävän alusta asti uudestaan yhtä kurssiharjoitusta varten 🙂 

Ensimmäisenä vertailin TM35FIN-projektion pinta-aloja World Mercator -projektion pinta-aloihin (kuvat 1 ja 2). Mercatorin projektio on oikeakulmainen lieriöprojektio ja se venyttää alueiden kokoa pituussuunnassa sitä enemmän, mitä kauemman päiväntasaajasta mennään. Science Direct -sivustolla oli mainittu Mercatorin projektion vääristymistä klassinen esimerkki: Grönlanti ja Etelämanner näyttävät huomattavasti suuremmilta alueilta suhteessa alueisiin päiväntasaajalla.

Kuva 1:  TM35FIN-projektion ja Mercatorin projektion pinta-alojen eroavaisuudet (%)

Kuva 2: Avasin kuntakartan uudestaan QGIS-ohjelmassa ja Mercatorin projektiolla kartta näytti tältä

Toisessa kartassa TM35FIN-projektion kanssa vertailussa on Robinsonin projektio, joka on niin sanottu kompromissiprojektio (kuvat 3 ja 4). Siinä pyritään korjaamaan virheitä niin oikeakulmaisuuden kuin -pituisuuden suhteen. Tässä projektiossa vääristymät ovat suhteellisen pieniä verrattuna kahteen muuhun harjoituksessa käytettyyn projektioon.

Kuva 3: TM35FIN-projektion ja Robinsonin projektion pinta-alojen eroavaisuudet (%)

Kuva 4: Robinsonin projektiolla avattu kuntakartta

Viimeiseksi yritin käyttää World Miller Cylindrical -projektiota (kuvat 5 ja 6). Sen aiheuttamat vääristymät suhteessa TM35FIN -projektioon ovat aika suuria, mutta eivät kuitenkaan niin suuria kuin Mercator -projektion kanssa. Tässä erot eivät ole niin suuria alueesta riippuen kuin Mercator-projektiossa, jossa erot olivat vajaan neljän ja reilu kahdeksan prosentin tuntumilla. Tässä eroavaisuudet liikkuvat vajaan kolmen ja reilu viiden prosentin tuntumilla.

Kuva 5: TM35FIN-projektion ja World Miller Cylindrical – projektion pinta-alojen eroavaisuudet (%)

Kuva 6: Kartta QGIS-ohjelmassa World Miller Cylindrical -projektiota käyttämällä

Lopuksi

Oman osaamattomuuteni vuoksi viikon tehtävät tuottivat enemmän harmaita hiuksia mitä ajattelin etukäteen. Tunnilla asiat onnistuivat mukavasti ja pysyin hyvin mukana, mutta jostain syystä joku juttu oli kuitenkin mennyt väärin enkä siten saanut tehtyä tehtävää kunnialla loppuun.  Vieläkään en ole aivan varma sainko kartat avattua oikein QGIS-ohjelmassa kotona, mutta näillä mennään. Jospa kokemus karttuu ja taitoa tulee lisää, jotta tulevaisuudessa osaisin tehdä karttoja paremmin ja jatkaa työskentelyä kotona. Oppimista vartenhan näitä tehtäviä tehdään ja kurssilla ollaan eikä aina voi onnistua 🙂

Lähteet:

Fletcher S. (2020). Semi-Langrian Advection Methods and Their Applications in Geoscience. Semi-Langrian methods on a sphere. ScienceDirect. Viitattu 7.2.2022

Hämäläinen K. (2022).  GIS-velhoksi. QGIS ja projektiot. Viitattu 7.2.2022

Selenius R. (2022). Rosan blogi. Viikko 2. Viitattu 7.2.2022

 

 

 

1. Ensimmäinen askel GIS:n ihmeelliseen maailmaan

Ensimmäisellä kerralla Geoinformatiikan menetelmät -kurssilla päästiin aloittamaan QGIS- ohjelman käyttöä. Minulle ainakin ohjelma oli suhteellisen uusi, lukuunottamatta muutamaa kertaa Johdatus geoinformatiikkaan -kurssilla, jossa päästiin hieman harjoittelemaan ohjelman käyttöä.

Onneksi tällä kurssikerralla tehtävä tehtiin yhdessä askel kerrallaan, joten tällainenkin tyyppi, joka on hieman kömpelö tietokoneiden kanssa, pysyi hyvin vauhdissa mukana.

Tunnilla tehtiin koropleettikartta, joka kuvastaa typpipäästöjen määrää HELCOM-alueella valtioittain. Pienten yksityiskohtien viilaaminen oli mukavaa, kun oppi miten mikäkin värivalikko toimii.

Kuva 1: Koropleettikartta typpipäästöistä HELCOM-alueella

Mielestäni tämä kartta on aiempaan osaamiseeni nähden visuaalisesti ihan hyvä. Jos lähtisin parantelemaan tätä, muokkaisin HELCOM-merialueen väriä hieman haaleammaksi, koska nyt se mielestäni pomppaa hieman silmille. 

Kartasta voidaan tulkita, että tällä alueella suurin typpipäästöjen aiheuttaja on Puola. Myös Venäjä, Latvia ja Ruotsi aiheuttavat typpipäästöjä enemmän suhteessa muihin alueen valtioihin.

Eeva Raki kirjoitti blogissaan Oppimassa geoinformatiikkaa, että typpipäästöt ovat uhka Itämeren ekosysteemille. Typpipäästöt nopeuttavat Itämeren rehevöitymistä ja aiheuttavat happamoitumista. 

Airi Kulmalan mukaan (Maa- ja metsätaloustuottajain Keskusliiton julkaisu) Suomessa vuosina 2010-2019 ihmistoiminnan osuus typpi- ja fosforipäästöistä on karkeasti noin 50-75%.  Näistä typpipäästöistä maatalouden osuus oli keskimäärin 50%. 

Harjoitustehtävä

Itsenäisesti suoritettavassa tehtävässä päästiin harjoittelemaan QGIS:n perusteita vielä lisää. Tavoitteena oli luoda valmiista kuntien tietokannasta koropleettikartta valitsemasta muuttujasta.

Päädyin tekemään kartan väestöntiheydestä, koska se tuntui suhteellisen helpolta ymmärtää. En täysin luottanut vielä karttojen visualisoimisen taitoihini, joten päätin, että itse aineiston kannattaa olla sen verran tuttu, että tunnistan, jos teen suuren virheen.

Kuva 2: Väestöntiheys kunnittan

Luokittelutavaksi valitsin kvantiilit välit, jotta eroja kuntien välille saataisiin. Tein aluksi kartan luonnollisilla väleillä, mutta silloin lähestulkoon kaikki kunnat kuuluivat samaan kategoriaan, eikä eroja siten saatu visualisoitua.

Tein saman havainnon kuin Heta Suutari blogissaan Heta VS GIS. Hän oli tulkinnut, että väestö on keskittynyt eniten Etelä-Suomeen ja yliopistokaupunkien luokse. Kuopion ja Siilinjärven kohdalla väestöntiheyden voisi selittää Itä-Suomen yliopiston lisäksi Kuopion yliopistollinen sairaala. Moni haluaa asua lähellä yliopistollisia sairaaloita, koska niissä saa hoitoa lähes mihin vaan terveydelliseen ongelmaan ja sairauteen. On mielenkiintoista nähdä, miten uudet hyvinvointialueet vaikuttavat tulevaisuudessa väestöntiheyteen ja väkilukuun eri kunnissa.

Lopuksi

Näiden harjoitusten perusteella uskon, että jopa minulla on mahdollisuus oppia käyttämään QGIS-ohjelmaa.  Ohjeistus oli selkeää ja opiskelukavereilta sai hyvin vertaistukea. Kivaa nähdä, mitä kurssi tuo tullessaan.

Lähteet:

Kulmala A. (2021). Itämeren ravinnekuormitus. Viitattu 1.2.2022

Raki E. (2022). Oppimassa geoinformatiikkaa. 1. kurssikerta: Ensiaskeleet geoinformatiikan maailmaan. Viitattu 1.2.2022

Suutari H. (2022). Heta VS GIS. 1. viikko: tutustuminen. Viitattu 1.2.2022