Category: Uncategorized

Viimeistä viikkoa viedään. Tai no, vietiin joskus kuukausi sitten. Vähän on meinannut nämä viimeiset GIS-postaukset jäädä roikkumaan muiden kiireiden jalkoihin. Ehkä kuitenkin parempi erittäin myöhään kuin ei milloinkaan.

Koska oli kyse viimeisestä kurssikerrasta tehtävineen, oli tavoitteena osoittaa ja hahmottaa omia taitoja datan etsimisestä lähtien. Aluksi haaveilin tekeväni kartan, jossa olisin yhdistänyt Suomessa viime vuosina havaitut myrskyt ja metsiin kohdistuneet myrskytuhot. Omassa suvussani on pitkään huollettu ja kasvatettu metsää, joten asia kiinnostaa minua ja osuu omalla tavallaan aika lähelle. Ongelmaksi koitui se, etten löytänyt tähän työhön kelpaavaa dataa. Löysin tietoa ja taulukoita myrskyistä sekä jonkin verran tietoa myrskytuhoista, mutta paikkatiedot jäivät uupumaan.

Lopulta luovutin teeman suhteen ja lähdin seikkailemaan Tilastokeskuksen syövereihin Statfin -palveluun. Erääksi ei niin minua lähetä liippaavaksi aineistoksi löysin aineiston Kainuun alueen asukkaiden alkoholinkäytöstä (eli siitä, miten paljon alkoholia kainuulaiset ostavat). Tämä data oli helposti muokattavissa oikean muotoiseksi ja siten helppo liittää QGIS:in.

Ensimmäisessä kartassa on kuvattuna kainuulaisten alkoholinmyyntiä (kuva 1). Tässä kartassa hyödynsin sitä, että osasin muokata excelissä dataa csv-muotoon, sekä laskea QGIS-ohjelman avulla prosenttiosuuksia sekä tehdä niistä koropleettikartan.

Kuva 1: Alkoholijuomien myynti vuonna 2015 Kainuussa

Kartasta huomataan, että erityisesti Kainuun länsiosassa, kuten Paltamossa, alkoholia on myyty aika paljon aikuista kohden. Ristijärvestä dataa ei kyseiseltä vuodelta löytynyt.

Keskustelin aiheesta kuhmolaisen ystäväni kanssa, ja hän sanoi kainuulaisten menevän usein Venäjälle viinanhakureissuille. En tiedä, voisiko se selittää sen, miksi Kuhmossa prosenttiosuus on pienempi kuin muissa Kainuun kunnissa. Olisi mielenkiintoista nähdä onko asia toisin tämän vuoden tilastoissa, kun ihmiset eivät enää halua tukea Venäjän taloutta matkustamalla ja ostamalla tuotteita sen epäinhimillisten sotatoimien takia.

Alkoholinmyynnin lisäksi löysin dataa poliisille tietoon tulleista rattijuopuomustapauksista (kuva 2).

Kuva 2: Rattijuopumustapaukset Kainuussa

Hypoteesini oli, että alkoholin myynnillä ja rattijuopumustapauksilla voisi olla jokin yhteys. Sääli, ettei Kajaanin kohdalta löytynyt dataa alkoholinmyynnistä, mutta sen sijaan rattijuopumustapauksia oli siellä eniten tällä alueella.  Kainuussa on paljon periferianomaista aluetta ja luulen, etteivät kaikki rattijuopumustapaukset tule poliisin tietoon.

Lopuksi halusin vielä muistella miten teimme muutama viikko aiemmin diagrammeja kartan päälle.  Sen vuoksi tein kartan, jossa on esitettynä sekä alkoholinmyynti sekä poliisille tietoon tulleet rattijuopumutapaukset (kuva 3).

Kuva 3: Koropleettikartta, johon on yhdistetty diagrammit rattijuopumustapauksista

Hypoteesiani vastaan esimerkiksi Sotkamossa, jossa alkoholinmyynti oli aika korkea, rattijuopumustapauksia oli vähän suhteessa muihin kuntiin. Toisaalta Kuhmo, jossa alkoholia myytiin vähemmän, rattijuopumustapauksia on aika paljon. Tämänkin voisi selittää se, että ainakin tuolloin viinaa on käyty ostamassa myös rajan takaa.

Loppuhöpinöitä

Nyt alkaa olla kurssi aika lailla taputeltu loppuun. Kurssilla oli paljon hyviä hetkiä, mutta myös lievän epätoivon rippeitä aina ajoittain. Tuntuu, että olen aivan untuvikko vielä paikkatiedon maailmassa, mutta uskon, että olen oppinut tällä kurssilla paljon. Luultavasti sen tajuaa vasta myöhemmin, kun alkaa harjoittelemaan ja tekemään hommia lisää. Vielä en itseäni kutsu GIS-velhoksi, mutta ehkä tämänkin kurssin ansiosta oma kehitys jatkuu GIS-maailman Tylypahkassa; Physicumin GIS-labroissa.

Kiitos Artulle hyvästä ja kannustavasta opetuksesta ja kurssikavereille vertaistuesta, avusta sekä mahtavista aamukahveista ja UNO-peleistä sohvilla <3

 

Tämä viikko aloitettiin reippailulla ihanassa auringonpaisteessa. Latasimme kännyköihin Epicollect -sovellukset ja suuntasimme kohti lähimaastoa. Oli ihanaa käppäillä kavereiden kanssa ihanassa talvisäässä, herätti kummasti.
Olipa meidän kävelyllä jokin tarkoitus: keräsimme dataa Kumpulasta ja muista lähialueista sovellukseen. Tarkoituksena oli arvioida eri ominaisuuksia, kuten viihtyisyyttä ja turvallisuutta, eri paikoista ja lopulta luoda kaikkien tuloksista karttoja.

Kun aloimme tekemään yhteisestä datasta karttaa, pääsimme harjoittelemaan interpolointia. Sen avulla pisteistä saatiin luotua suurempia klustereita ja siten erilaisia karttoja. Kuvassa 1 on kävelyreissulla kerättyä dataa hyödyntämällä tehty kartta.

Kuva 1: Kumpulan ja lähialueen koettu turvallisuus

Kartta kuvastaa sitä, miten turvalliseksi alueen eri kohdat koetaan (meidän arvion perusteella). Huomataan, että erityisesti ruuhkaisen liikenteen alueet koetaan turvattomampina kuin esimerkiksi puistoalueet. Huomionarvoista on myös se, että havainnointipisteitä on eniten Kumpulan kampuksen läheisyydessä, joten niissä näkyy useamman ihmisen mielikuva alueesta kuin sellaisilla alueilla, joissa on vain muutamia havaintoja.

Interpoloinnin ja muiden taitojen harjoittelemista jatkettiin kurssikerran itsenäisissä tehtävissä, joissa tehtiin karttoja hasardeista. Ensimmäiseksi tein kartan, jossa on kuvattuna vuosina 1900-2022 havaitut 3-9 magnitudin maanjäristykset (kuva 2).

Kuva 2: Maanjäristykset

Kuten Mikke kertoo blogissaan, tämä kartta olisi selkeämpi, jos siinä näkyisi Tyyni valtameri kokonaisena. Tällöin Tyynen tulirengas olisi helpompi hahmottaa. Sääli, että Miken ryhmälle oli sattunut blogitekstin nimen mukainen “loskaretki”  meidän aurinkoisen reippailun sijaan.

Toisena karttana tein kartan, jossa maanjäristyksien lisäksi on kuvattuna litosfäärilaattojen rajat sekä tulivuoret (kuva 3).

Kuva 3: Maanjäristykset, tulivuoret ja litosfäärilaattojen rajat

Tämä kartta havainnollistaa mielestäni aika hyvin näiden kolmen elementin yhteyttä: eniten tulivuoria sijaitsee ja maanjäristyksiä havaitaan litosfäärilaattojen saumakohdissa. Tässäkin kartassa Tyynenmeren tulirengas erottuu erittäin aktiivisena alueena. Maanjäristyksiä syntyy, kun konvektiovirtaukset liikuttavat, erkauttavat ja törmäyttävät litosfäärilaattoja. Tämä saa aikaan maan pinnan värähtelyä eli maanjäristyksiä. Tulivuoria muodostuu yleisimmin litosfäärilaattojen saumakohtiin.

Näiden kahden kartan lisäksi halusin harjoitella lisää interpolointia ja siten tein samaisesta teemasta interpoloidun kartan (kuva 4).

Kuva 4: Maanjäristykset interpoloituna klustereiksi

Karttaa tehdessä pääsi leikkimään väreillä ja valoilla. Tässä halusin valita värimaailmaksi hieman erilaisen sävyn kuin mitä yleensä olen kurssitöissä tehnyt. Kartan klusterit muistuttavat sellaisia karttoja, joissa on kuvattuna keinotekoista valonlähteitä hyödyntämällä maailman kaupunkeja ja väestön sijoittumista. Mielestäni tässä tulirenkaan alue näyttää riviltä pieniä kaupunkeja. En siis ole ihan täysin vakuuttunut siitä, että ajaako tämä värimaailma varsinaisesti asiaansa kuvaamaan hasardeja. Noh, tulipahan nyt tehtyä.

Mietteitä kurssikerrasta

Tämä kurssikerta oli minulle oikein mieleinen. Asiat tuntuivat kerrankin suhteellisen helpoilta tai ainakin nopeasti opittavilta. Oli mukavaa, kun hasarditehtävissä joutui etsimään dataa itse, eikä kaikki ollut valmiina pilvipalveluissa. Erityistä oli myös se, että käsiteltiin itsenäisissä tehtävissä koko maapallon karttaa. Usein aiemmissa tehtävissä on keksitytty pienempiin alueisiin, kuten kaupunginosiin ja maakuntiin. Tässä joutui visualisoimisessa ajattelemaan hieman eri tavalla ja leikkimään QGIS:n laajalla kirjolla eri mahdollisuuksia.

Lähteet:

Plattonen M. (2022). Viikko 6: Kumpulan loskaretki ja maapallon hasardit. GIS-tampiosta GIS-taituriksi. (viitattu 10.4.2022)

Viikot vähenee, GIS-jekut syvenee. Tällä viikolla päästiin tutustumaan buffereiden tekoon ja muistelemaan samalla aiemmin opittuja taitoja. Siinäpä vasta hommaa olikin, koska kaikki miljoonat (no ehkä pari nollaa pois) työkalut, joita olimme aiemmin käyttäneet tuntuivat unohtuneen alta aikayksikön. Onneksi GIS-luokassa oli jälleen kerran mahtavia kurssikavereita, joilta saa aina apua, kun omat taidot loppuvat. Tämän viikon sankariksi osoittautui Ali Ylikoski, suuret kiitokset hänelle auttamisesta. 

Harjoituksista

Ensimmäisessä itsenäisessä harjoituksessa pääsimme mittaamaan Malmin ja Helsinki-Vantaan lentokentän melualueita. Harjoituksessa harjoiteltiin bufferointia ja esimerkiksi mittaustyökalun käyttöä. Tehtävässä pyydetyt tulokset on esitetty taulukoissa 1, 2 ja 3.

Taulukko 1.  Malmin lentokentän melualueista:

Taulukko 2. Helsinki-Vantaan lentokentän melualueista:

Taulukko 3: Asemat:

Mielestäni nämä luvut olivat aika pieniä. Oletin, että sekä niiden ihmisten määrä, jotka asuvat lähemmä asemia tai niiden, jotka ovat työikäisiä olisi suurempi. Julkinen liikenne on helppo ja nopea tapa liikkua Pääkaupunkiseudulla, joten tämän perusteella oletin, että suurempi osa työikäisistä asuisi julkisen liikenteen palveluiden lähellä.

Nämä harjoitukset olivat minulle suhteellisen ymmärrettävissä, mutta vaativat kavereiden apua ja vanhojen tehtävien kaivelemista. Kun bufferointia harjoitteli Malmin lentokenttää koskevassa tehtävässä, Helsinki-Vantaan lentokenttätehtävä ja asematehtävä oli helpompi tehdä. Oli kiva huomata, että useasta tehtävän vaiheesta minulla oli edes pieni käsitys mitä pitäisi tehdä, mutta sitten kaipasin apua siinä miten ja millä työkalulla ne konkreettisesti tehdään.

Itsenäinen harjoitus

Itsenäisessä harjoituksessa luonnollisesti jatkoimme tunnilla ja edellisillä kurssikerroilla opeteltujen taitojen harjoittelemista ja soveltamista. Valitsin tehtäväksi putkiremontteihin liittyvän tehtävän. Tässä tehtävässä omat taidot meinasivat loppua kesken. Onneksi kurssikavereilta sai taas jälleen apua. Taulukossa 4 on eriteltynä vastaukset tehtävänannon kysymyksiin.

Taulukko 4: Putkiremontit

Pääkaupunkiseudulle rakennettiin paljon asuinrakennuksia 60-70 -luvulla, joten putkiremontteja on ollut ja tulee olemaan lähitulevaisuudessa paljon. Oman käsitykseni mukaan tämä koskee muitakin kaupunkeja Suomessa.

Kuvassa 1 on kartta, jossa on kuvattu putkiremontti-indeksi, osuus vuonna 1965-70 rakennetuista taloista. Näinä vuosina rakennetut kerrostalot näkyvät kartassa vaalean punaisina pisteinä.

Kuva 1: Putkiremontti-indeksi

Kartasta huomataan, että erityisesti Pääkaupunkiseudun etelä- ja itäosissa on suurin putkiremontti-indeksi. Sen sijaan lännessä on yleisesti pienempi putkiremontti-indeksi. Toki yksittäisissä kaupunginosissa on naapurialueita korkeampi indeksi, muun muassa Espoon luoteisosassa Lakistossa ja eteläosassa Suur-Pellossa. Satuin huomaamaan kaupunginosajakoa etsiessäni, että näissä kahdessa kaupunginosassa 50-93% asunnoista on vapaarahoitteisia vuokra-asuntoja (eli yksityisen henkilön tai instituutin omistuksessa) (Bäckgren & Laitinen. HS. 2019.). 

Pohdintaa omasta osaamisesta

Monet QGIS -ohjelman toiminnot alkavat muistumaan jo mieleen oikealla hetkellä, mutta tarvitsen ehdottomasti lisää harjoitusta, jotta työkalujen käyttö rutinoituisi ja tietäisin mitä milläkin työkalulla tehdään. En myöskään koskaan tunnu muistavan mitä työkalujen valikkoihin kuuluu valita, että asiat menisivät oikein. Esimerkiksi “input -” ja “join layer” menevät joka kerta sekaisin, koska en täysin ymmärrä mitä niillä haetaan. Kurssikerralla harjoiteltu puskurivyöhykkeiden käyttö alkoi tuntumaan loppua kohden helpommalta, mutta en osaa vielä soveltaa niiden käyttöä omissa töissä. Jospa tulevaisuudessa sekin taito kehittyy.

Pikku hiljaa alan oppimaan, millaisia asioita QGIS:llä voi tehdä ja minkä tyyppisiin asioihin sitä voi hyödyntää. Ennen kurssia käsitykseni QGIS:stä rajoittui aika lailla pelkkään karttojen digitoimiseen ja visualisointiin, mutta nyt QGIS-maailmani on huomattavasti laajempi ja moniulotteisempi.

Haluan oppia lisää hyödyntämään eri muotoista dataa. Osaan jo hieman hyödyntää erilaisia taulukoita, mutta haluan oppia tulevilla kurssikerroilla lisää eri datan lähteistä ja eri muotoisesta datasta.

Lähteet:

Bäckgren & Laitinen. 2019.  Kartta näyttää, miltä Helsingin alueilta sijoittajat himoitsevat asuntoja. Helsingin Sanomat.

Neljännellä viikolla tutustuimme hieman laserkeilaukseen ja ruutuaineistoihin. Harjoitustehtävissä jatkettiin QGIS-ohjelman työkaluihin tutustumista tekemällä ruudukoita ja lisäämällä niihin dataa. Taas jälleen osan asioista osasin tehdä itsenäisesti, mutta uusissa asioissa joutui keskittymään erittäin tarkasti, jotta pysyi mukana. Aikainen aamutunti ei ehkä ole minulle optimaalisin työskentelyaika, mutta onneksi kavereiden tuki auttaa jaksamaan. Unohtamatta taukojen jännittäviä Uno- ja läpsypelejä.

Harjoitus

Ensimmäinen harjoitus aloitettiin tällä kertaa valmiista projektista, jota lähdimme työstämään eteenpäin. Aloitimme tekemällä ruudukkotason, johon lisättiin tietoa väestöstä. Valitsin omiksi muuttujikseni ruotsinkieliset asukkaat ja kaikki asukkaat. Näistä muuttujista laskin ruotsinkielisten osuuden alueen koko väestöstä (kuva 1)

Kuva 1: Ruotsinkielisten osuus (%) koko väestöstä Pääkaupunkiseudulla.

Kartasta huomataan, että suuressa osassa pääkaupunkiseutua on ruotsinkielisiä alle 5,1% väestöstä. Erityisesti Itä-Helsingissä on laaja alue, jossa ei ole juurikaan ruotsinkielistä väestöä. Tällä alueella on sen sijaan muun kuin suomen- ja ruotsinkielistä väestöä suhteellisen paljon suurella alueella (kuva 2).

Kuva 2: Muun kuin suomen-, ruotsin- ja saamenkielisen väestön osuus (%) koko väestöstä. 

QGIS-taitoni loppuivat tämän kartan tekemiseen, sillä en osannut lisätä peruskarttaa työhön mukaan, vaan sain lisättyä pelkästään kuvassa 1 olleen ruudukon ja Pääkaupunkiseudun väestötiedot. Kuitenkin ruudukko on jotenkuten vertailtavissa edellisen kartan kanssa.

Jos verrataan kuvan 1 kartan ruudukkoa ja kuvan 2 ruudukkoa huomataan, että joillakin alueilla, joilla on paljon ruotsinkielistä väestöä, on vähemmän muun kielistä väestöä kuin niillä alueilla, joilla on vähemmän ruotsinkielisiä. Esimerkiksi Soukanniemessä ja Suvisaaristossa lounaishelsingissä on ruotsinkielistä väestöä 22,9 prosentista jopa 66,7 prosenttiin ja muun kielisiä hyvin vähän (noin 0-12,6%). Toki on huomioitava, että nämä osuudet on laskettu absoluuttisista luvuista, joten yksikin tietyn kielinen asukas yhden ruudun alueella voi nostaa prosenttiluvun korkeaksi, mikäli alueella on vähän asukkaita. Siten se voi vääristää mielikuvaa suuremman alueen asukkaiden ominaisuuksista, jos ruutujen asukastiheys poikkeaa voimakkaasti toisistaan. 

Miia Mattila sanoi mielestäni hyvin blogissaan, että ruutujen käytön mielekkyyttä kannattaa pohtia tapauskohtaisesti. Hän kirjoittaa: “Esimerkiksi kokonaisväestön kuvaaminen absoluuttisilla lukuarvoilla olisi järkevää, mutta jonkin alakategorian, kuten juuri ulkomaan kansalaisten määrän kuvaaminen vastaavalla tavalla vaatii jo kartan lukijalta jonkin verran taustatietoa alueen väestöntiheydestä, jottei ilmiöstä synny vinoutunutta kuvaa.”

Lopputunnilla aloitettiiin valmistelemaan seuraavan viikon juttuja. Tutkailimme hieman Pornaisten karttaa ja hiirenklikkailuiden orkesteri toi mieleen joulukuiset päivät Tiedon esittäminen maantieteessä -kurssilla. Joku voisi sanoa jopa meditatiiviseksi kokemukseksi.

Lopuksi

QGIS alkaa perusomaisuuksiltaan tuntumaan helpolta, mutta mitä enemmän uusia asioita tulee, sitä enemmän pää menee solmuun. Välillä tuntuu, että vaikka osaan tehdä jonkun asian tietyllä tavalla, en ole silti aivan varma että miksi mitäkin teen. Uusia työkaluja on paljon, ja ne menevät helposti sekaisin. Myös esimerkiksi sen muistaminen, että mikä taso pitää mihinkin asetukseen lisätä tuottaa paljon päänvaivaa toistaiseksi. Jospa nämä tästä selkityisivät.

 

Lähteet:

Mattila M. (2022). Geoinfromatiikan menetelmiä harjoittelemassa. Ruudut ja rasterit.  Viitattu 9.3.2022

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

 

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

 

 

 

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