Kategoriat
Uncategorised

Viimeinen kurssikerta

Viimeinen kurssikerta

No huhhuh… Tämä kurssi oli kyllä yksi seikkailu. Tai vuoristorata. Tai vuorikiipeily yhden vaijerin ja hieman epäkätevien valjaiden aiheuttaman huolestuneisuuden kera. Pääponttina siis se, etten olisi kuvitellut lopuksi päällimmäisen fiiliksen olevan näin positiivinen.

Viimeisen kerran tehtävänä oli tuottaa omaa kartta-aineistoa. Tarkoituksena oli soveltaa mitä tahansa kurssilla opittua, ja tehdä kaksi erilaista karttaa mistä vain alueesta. Itse päätin tehdä karttani Suomesta, sillä Suomen pohjakarttoja ja paikkatietoaineistoa on helppo löytää tutuiksi tulleilta sivustoilta, kuten Paitulista. Vasten ohjeita päätin kuitenkin tehdä kolme eriaiheista karttaa. Yksi kartoistani kertoo oppilaitoksista, ja kaksi muuta tieliikenneonnettomuuksista. Kaikki karttojeni aineistot on haettu Paitulista.

Kuva 1. Kartta eteläisen Suomen oppilaitoksista vuonna 2017, sekä kuntien väkiluvun muutoksista.

Kuvan 1 kartta kuvaa Suomen oppilaitoksia sekä väkiluvun muutosta kunnittain. Kartalta voi huomata, että muuttovoittokunnissa on keskimäärin enemmän kouluja, kuin muuttotappiokunnissa. Se ei kuitenkaan tarkoita sitä, etteikö myös muuttotappiokunnissa olisi etenkin peruskouluja, jopa lukioita.

Kuva 2. Kartta Suomessa ruuhka-aikaan tapahtuneista tieliikenneonnettomuuksista vuonna 2018.
Kuva 3. Pääkaupunkiseudun ruuhka-aikaan tapahtuneet tieliikenneonnettomuudet vuonna 2018.

Kuvan 2 kartalla on havainnollistettu ruuhka-aikoina tapahtuneita tieliikenneonnettomuuksia suhteessa muina aikoina tapahtuneisiin onnettomuuksiin. Kuvassa 2 näyttäisi siltä, että ruuhka-aikaan tapahtuneita onnettomuuksia olisi selvästi enemmän etenkin Etelä-Suomessa. Kuitenkin kun aluetta suurentaa pienemmälle alueelle (kuva 3), nähdään että ruuhka-aikoina sattuu aika lailla saman verran onnettomuuksia, kuin muinakin aikoina.

Kuvan 2 pienimittakaavainen kartta on harhaanjohtava, sillä onnettomuuksia näyttää tapahtuneen paljon tiheämmin, kuin mitä suurimittakaavaisesta kuvasta havaitaan. Lisäksi keltaiset pisteet jäivät QGis-ohjelmassa päällimmäiseksi tasoksi, ja siksi pistävät selkeämmin esiin.

Kuva 4. Tieliikenneonnettomuudet eteläisessä Suomessa vuonna 2018.

Viimeinen karttani (kuva 4) vertasi kesäkuukausina (touko-, kesä-, heinä-, elo-) tapahtuneita liikenneonnettomuuksia muina kuukausina tapahtuneisiin onnettomuuksiin. Kartalle on rajattu vain eteläinen Suomi, ensinnäkin edellisessä kappaleessa selittämäni pienen mittakaavan harhaanjohtavuuden vuoksi, ja toisekseen siksi, että onnettomuuksia tapahtuu enemmän Etelä- kuin Pohjois-Suomessa.

Onnettomuudet näyttävät keskittyvän suurimpiin kaupunkeihin. Tieliikenneonnettomuuksia tapahtuu paljon kaupungeissa, sillä siellä on todennäköisimmin paljon autoja samaan aikaan. On tutkittu, että suurin osa tehdyistä automatkoista ovat alle 10 kilometrin pituisia. Maanteitä käytetään vain siirryttäessä kaupungista toiseen, eikä niitä siksi käytetä yhtä tiheästi kuin teitä kaupungeissa.

Laskin aineiston attribuuttitietojen perusteella, että vuonna 2018 tapahtuneista tieliikenneonnettomuuksista n. 44% tapahtui kesäkuukausina. Aloin tätäkin pohtimaan, ja päädyin sellaiseen johtopäätökseen, että ihmiset ovat juuri kesäisin eniten liikkeellä. Aivan kuin suomalaiset heräisivät luolassa vietetyiltä talviuniltaan, ja turistitkin unohtaisivat teoriansa Suomen olemattomuudesta. Kaupungit ovat kiinnostavia kohteita ulkopaikkakuntalaisille, kun taas paikalliset halajavat luonnon rauhaan kesämökeilleen nauttimaan lämmöstä. Tämän takia liikettä tapahtuu niin kaupunkeihin, kuin myös sieltä pois, jolloin paljon autoja on liikkeellä samaan aikaan molempiin suuntiin, ja tapahtuu kolareita.

Kurssi oli toden totta opettavainen. Alkuun tuntui, ettei ole minkäänlaista mahdollisuutta koskaan oppia GIS:in saloja. On ollut haastavia termejä, ja sitten on ollut myös oikein helppoja termejä, joiden toteuttaminen QGIS:ssä osoittautui kuitenkin erityisen haastavaksi. Yhdyn silti Laura Hynysen sanoihin ”Jostain sairaasta syystä silti väitän pitäväni kovasti tästä puuhasta.” 

 

Kategoriat
Uncategorised

Kävellen kuntoon (KK6)

Tänään lähdettiinkin tunnin aluksi kävelylle. Tarkoituksena oli käydä lähialueen kohteissa, ja Epicollect-applikaatiota hyväksi käyttäen liittää sijaintitietoihin ominaisuustietoa. Siis ihan konkreettista paikkatiedon tekemistä. Luokassa kaikki käydyt paikat, joista paikkatieto oli kerätty, näkyivät kartalla pisteinä. Jos lukiossa ensimmäinen GIS-tunti oltaisiin aloitettu tällaisella harjoituksella, oltaisiin vältytty niin paljolta turhalta ihmettelyltä ja pähkäilyltä…

Luokassa sitten opeteltiin karttatasojen interpolointia. Matematiikassa termillä tarkoitetaan uusien arvojen laskemista tunnettujen arvojen väliin. Myös GIS käyttää samoja matematiikan sääntöjä, kuin koko muukin maailma (vaikka välillä ei millään uskoisi), joten laskimme pisteitä sinne, missä niitä ei aiemmin ollut, ja loimme näin alueille yleistyksiä. Tarkastelimme alueiden turvallisuudesta antamiamme arvioita asteikkolla 1-5. Loimme siis kartan, jossa alueet näkyivät eri värisinä sen mukaan, millaisia arvioita sen turvallisuudesta oli annettu.

Seuraavaksi saimme itse soveltaa opittua. Tehtävänä oli luoda kolme karttaa, joita voisi soveltaa esimerkiksi opetuskäyttöön. Karttojen visuaalinen ilme tulisi siis olla kohtuullisen selkeä kartalla esitetyn asian suhteen. Päätin luoda kaksi erilaista karttaa maapallolla tapahtuneista maanjäristyksistä (kuvat 1 ja 2), sekä yhden kartan kaikista maapallon tulivuorista (kuva 3).

Kuva 1. Yli 6 magnitudin maanjäristykset vuosina 1950-2012
Kuva 2. Interpoloitu versio yli 6 magnitudin maanjäristyksistä vuosina 1950-2013

Kuvien 1 ja 2 kartat esittävät samaa ilmiötä eri tavoin. Kartoista selkeämpi on ehdottomasti tavallinen pistekartta, sillä kuvan 2 interpoloitu kartta on kyllä yks joulukuusi… Mutta kartan tekeminen ei ollut helppoa. Aluksi pikselit olivat liian suuria, joten jouduin tekemään pisteiden interpoloinnin uudestaan 300 pikselin sijasta 1000 pikselillä per sivu. Toisessa (eli kuvassa näkyvässä) versiossa pallot jäivät liian pieniksi. En lisäksi vieläkään ymmärrä, miksi alle 6,3 magnitudin järistykset näkyvät sinisenä, vaikka niiden pitäisi legendan mukaan näkyä haalean keltaisella. Sama ongelma oli punaisten värisävyjen kanssa. Yritin myös laittaa kaikkia arvoja niin, ettei väreistä mikään olisi haalea, mutta sitten koko kartta muuttui vain niin tummanpunaiseksi, ettei taustakarttaa erottanut ollenkaan. Päädyin täten valitsemaan kyseiset värisävyt, jotta jokainen maanjäristys erottuisi kartalta edes jotenkin.

Kuva 3. Maapallolta löydetyt tulivuoret

Kuvan 3 kartta onnistui omasta mielestäni visuaalisesti kaikkein parhaiten. Värisävyt ovat selkeitä, mutta erottuvat toisistaan, eivätkä sekoitu liikaa taustaan. Kartta kuvaa suhteellisen hyvin sitä, kuinka paljon maapallolla on nuoria tai muita yhä aktiivisia tulivuoria, ja missä ne sijaitsevat. Kartta selventää myös sitä, että maapallolla on yllättävän paljon tulivuoria, joiden viimeisimmästä purkauksesta ei ole tietoa. Tiedon vähyyden syitä voi olla, että purkauksesta on niin kauan (Yhdysvallat), tai sitten siksi koska kyseisille alueille ei helposti rahoiteta tutkimukia (Antarktis).

 

Kategoriat
Uncategorised

Josko sitä jo alkais oppimahan

Viides kurssikerta lähtee käyntiin bufferoinnilla. Bufferointi tarkoittaa puskurianalyysiä, eli kohteen ympäristön tutkimista. Aihe on jo pääsykokeista tuttua, joten perusajatuksen käsittämiseen ei tällä kertaa mene turhaa aivokapasiteettiä. Olin Anna Nuutisen tavoin hyvin tyytyväinen, että olin kerrankin helt ”messis hela tiden”.

Ratakset ovat kuitenkin aina aamusta niin ruosteessa että ihan naurattaa. Tehtävä oli yksinkertainen: piirrä Malmin lentokentän kiitoradat karttalehdelle. ”Tästähän on helppo aloittaa,” tuumi Saana aavistamatta lainkaan, miten väärässä oli…

Heti alkuun tehtävä osoittautui maantieteilijälle turhan haastavaksi, kun pelkästään lentokentän etsimiseen peruskarttalehdeltä kului valehtelematta lähemmäs 10 minuuttia. Sitten oli vuorossa sellaisen tason luominen, jolle voi piirtää. Tässä ei päästy millään eteenpäin, vaikka kaikki namiskat ja valikot käytiin yksitellen läpi. Oli jälleen turvauduttava opettajan apuun. Nappula oli ihan loogisessa paikassa, mutta se ei näyttänyt ollenkaan siltä, miltä tasonluomisnappulan kuuluisi minun mielestäni näyttää. Noniin mutta hienoa, kiitos opettaja – ja opettaja lähtee. Oispa vaan tajunnut kysyä että miten sitä sitten sais jotain piirrettyäkin… Ja taas meni 10 minuuttia etsiä helpoksi oletettua toimintoa. Eikä siitäkään eteenpäin yksin päästy…

Mieleen tuli aivan vanhat lukioajat ja pitkän matikan kurssit. Tehtävät näyttivät aina helpoilta ja lyhyiltä, mutta kun niitä alkoi tekemään, ei tuntunut luonnistuvan millään. Aina välillä oli pakko ymmärtääkseen turvautua takakannen vinkkeihin. Samalta tuntuu toisinaan GIS, mutta tällä kertaa ei ole mitään vinkkisivuja tai edes vastausvaihtoehtoja. Pitkässä matikassa oli myös silloin tällöin mahdollisuus päästä pienellä pohdinnalla eteenpäin, kun taas GIS:in kanssa ei ole minkäänlaista tietämystä, saatika mahdollisuutta edetä  ilman apua.

Toisaalta molemmissa oppiaineissa on myös se puoli, että kun on tiettyä kaavaa (tai toimintoa) käyttänyt jo muutamaan kertaan, alkaa toiminta luistamaan kuin tanssi. Silloin on jopa ihan mukavaa skriivailla (tai naputella) menemään.

Kotiläksyksi tuli suorittaa joukko tehtäviä, jotka sovelsivat tunnilla opittua. Osa tehtävistä osoittautui hyvinkin haastaviksi. Tehtävissä tutkittiin pääosin Vantaan alueen asukkaita ja heidän sijoittumistaan alueelle. Lisäksi tutkittiin Helsingin Yhtenäiskoulun aluetta ja sen kouluikäisten määriä. Tehtävien vastaukset löytyvät kaikki Taulukosta 1.

Taulukko 1. Tunnilla suoritettujen tehtävien vastaukset

Lähteet:

Anna Nuutinen: EN BRA DAG(5) https://blogs.helsinki.fi/annanuut/ (Luettu 18.2.2020)

 

Kategoriat
Uncategorised

Kurssikerta 4

Toivoa (ja väsymystä) ilmassa

Neljännelle tunnille tullessa mielessä ei pyörinyt ihmeemmin mikään. Syy tähän kuitenkin johtui lähinnä herätyskellosta, joka oli kesken maistuvan unisyklin tullut pilaamaan unen sekä samalla tuhoamaan koko aamupäivän aivotoiminnan. Noh, eikun vaan töihin.

Kuva 1. Pääkaupunkiseudun asukkaiden jakautuminen.

Onneksi QGIS toimi kiltimmin tällä kerralla. Kuva 1. kartan luominen onnistui ongelmitta, ja lopputulos näytti haluamaltani. Luomani kartta antaa yleisilmeen pääkaupunkiseudun asukkaiden jakautumisesta eri alueille. Ruudut ovat neliökilometrin kokoisia. Jos alueella ei ole ruutua, se tarkoittaa ettei siellä asu ihmisiä (mm. vesistö- tai teollisuusalueet.) Jokaisessa valkoisessa ruudussa asuu vähintään 1 ihminen. Ruuduista tummimmat, eli eniten asutetut löytyvät Helsingistä keskustan liepeiltä. Muut suuret asutuskeskukset erottuvat tummina vihreinä läikkinä. Unisilla silmilläni saatoin erottaa muutamassa ruudussa jopa useampia kymmeniä tuhansia asukkaita.

Meemi 1. Ideakreditit Joonatan Reunaselle (https://blogs.helsinki.fi/reunajoo/)

Kahvit vedetty naamariin, jatkuu…

Kuvan 1 kartalla asutus on keskittynyt lähelle mm. rannikkoa. Kartalta voi lisäksi erottaa suurimmat liikenneväylät, sillä asutus keskittyy usein lähelle hyviä liikenneyhteyksiä. Alueen rajaseudut sen sijaan ovat hyvin vähän asutettuja.

Kuva 2. Pääkaupunkiseudun yli 85-vuotiaiden asukkaiden jakautuminen.

Koittaa sukellus uuteen tehtävään. Toteutin itse samoilla 1x1km ruuduilla esityksen, jossa on kuvattu  yli 85-vuotiaiden asukkaiden jakautumista pääkaupunkiseudulla (Kuva 2.) Pääsääntöisesti vanhempi ikäpolvi on levittäytynyt samoille alueille, kuin muukin väestö. Suurissa asutuskeskittymissä, jossa on paljon ihmisiä, on myös paljon vanhempia ihmisiä. Niitä on kuitenkin luonnollisesti huomattavasti vähemmän. Esimerkiksi Helsingin keskustan alue on koko muun väestön lisäksi myös vanhusten suosiossa. Kuitenkaan juuri ne kyseiset ruudut, jotka ovat asutetuimpia koko seudun väestön kartalla, eivät ole vanhemman väestön asutetuimpia.

Kolmas tunnin tehtävistä oli verrata Pornaisten kartalla QGIS:llä tehtyjä korkeuskäyriä alkuperäisen kartantekijän rajaamiin korkeuskäyriin. Jälleen voimme todeta, että Saana ja tietokoneet eivät ole luodut toisilleen. Paituli ei suostunut lataamaan peruskarttalehtiä latauspalveluunsa, joten en koskaan päässyt käsiksi kyseiseen karttalehteen. Voimme kuitenkin olettaa, että tämän päivän tietokoneohjelmat ovat tarkempia ja tehokkaampia, kuin ihmiset. Siispä viittaan nyt toiseen blogiin, nimittäin Laura Hynysen, jolle Paituli ei ilmeisesti ollut temppuillut. Lauran tutkimusten mukaan ” – vaikka poikkeavuuksia on, täsmäävät korkeuskäyrät pääsääntöisesti hyvin.” Toisinaan käyrät kuitenkin kulkivat erilaisia reittejä.

 

Teknologian kanssa olisi siis hyvä tulla toimeen. Nämä ohjelmat ovat viisaampia kuin ihminen – ja sen saakin jokaisen kurssikerran päätteeksi todeta. Olisi otollista, jos tietokoneohjelmasta saisi mukavan kaverin, vähän kuin lemmikin. Tämän unelman toimivuuden takaamiseksi vaaditaan kuitenkin luottamus, jota ei ainakaan vielä ole löytynyt. Tällä hetkellä kyse on pikemminkin isäntä-renki-suhteesta, jossa minä saan kyllä päättää kaikesta, mutta vain silloin, kun kone niin haluaa.

Lähteet:

Laura Hynynen: https://blogs.helsinki.fi/lauravel/ (Luettu 11.2.2020)

Joonatan Reunanen: https://blogs.helsinki.fi/reunajoo/ (Luettu 11.2.2020)

Kategoriat
Uncategorised

Kurssikerta 3

QGIS:in kootut metkut

 

Tämän päiväinen kurssikerta oli kaikin puolin turhauttava, mutta tällä kerralla vikaa oli huomattavasti enemmän koneessa ja vähemmän tekijässä. Pysyin perässä paljon paremmin, kuin edellisillä kerroilla – vaikkakaan tasojen liittäminen toisiinsa, kuitenkaan oikeasti tasoja toisiinsa liittämättä, ei auennut. Sekin alkoi kuitenkin rutiinilla hoitua, kun ohjelma oli jo kerran välissä kaatunut, ja kaiken joutui tekemään uudelleen. 🙂

Koneen kanssa ei ole koskaan ollut näin paljon ongelmia. Välillä syy oli tekijässä, joka on unohtanut täpätä yhden väkäsen valikosta, mutta välillä vika oli täysin koneessa. Erään tason kanssa olin tehnyt täysin samalla tavalla, kuin taululla oli näytetty, ja silti tehty sarake ei ilmestynyt taulukkoon. QGIS oli sitä mieltä, että tarvitsee nyt opettajan erityishuomiota toimiakseen. Onneksi ohjelma kuitenkin tykkää opettajasta enemmän, kuin oppilaasta ja myöntyi yhteistyöhön. Vähäksi aikaa…

Juuri kun luulin välimme lämpeneen, päätti ohjelma kaatua juuri Kuvan 1. kartan valmistuttua. En tietenkään ehtinyt tekelettä tallentaa, saatika avata sitä layoutille. Koko homma jälleen uusiksi siis. Ja QGis myhäilee tyytyväisenä.

Havainnoimme mm. konfliktien sekä öljy- ja timanttilöydösten esiintymiä Afrikassa. Kartan tekeminen oli suhteellisen helppoa valmiin aineiston pohjalta. Huomasimme, että konflikteja esiintyy paljon alueilla, joilta on löytynyt öljyä tai timanttia.

Vai olisiko kuitenkin niin, että öljyt ja timantit tupsahtavat kaikkein mieluiten konfliktialueille?

Kuva 1. Konfliktit sekä öljy- ja timanttiesiintymät Afrikassa

Kuvan 2 kartalla on esitetty Suomen päävaluma-alueet. Valuma-alueet eivät tietenkään noudattele valtioiden rajoja, vaan esimerkiksi Kilpisjärven valuma-alue ulottuu pitkälle Ruotsiin luoteessa, ja kaakossa suurin valuma-alue kattaa myös Venäjän alueita. Kartalla on myös esitetty valuma-alueiden virtausta, eri sävyisillä sinisillä. Tummimmat, eli virtaukseltaan suurimmat alueet ovat kaikki rannikoilla. Myös järvisyysprosentti on esitetty kartalla eri pituisina pylväinä. Suurimmat järvisyysprosentit ovat Suomen etelärannikolta.

Kuvan 2 kartan laatiminen vaati jo taitoa. Luokittelua on ehditty tekemään jo useaan otteeseen, joten valuma-alueiden visualisointi onnistui luontevasti. Ohjeeksi annettiin luoda lisäksi diagrammi järvisyysprosenttien tiedoista. Olin jo iloisesti tallentamassa Excelissä luomaani pylväsdiagrammia, kun kuulen takaatani äänen:

”Nii siis ei tolleen.”

En aluksi ollenkaan hahmottanut, miten diagrammin voi muka liittää kartalle ja miltä sen kuuluisi näyttää. Onneksi luokaan jää aina edellisen tunnin oppilaista noin puolet ahkeroimaan. Lisää porukkaa siirtyy sohvilta pähkäiltyään neljä tuntia, että miten asentaa Corel fuksiläppäriin. Auttavia käsiä ja aivoja siis on tarjolla, ja diagrammin luominen kartalle kävikin summan mutikassa.

 

Kuva 2. Suomen suurimmat valuma-alueet sekä järvisyysprosentti

Tunnin aikana saimme kaikista vastoinkäymisistä huolimatta hoidettua kaikki tehtävät. Kurssikerta oli osaltaan myös opettavaisen mielenkiintoinen. Tämän blogitekstin opetus olkoon:

  • Älä koskaan luota QGIS-ohjelmaan.
  • Tallenna aina jokainen välivaihe.
  • Varmista, että voit avata karttatason uudelleen, ennen kuin suljet sen kokonaan.
  • Tee TÄSMÄLLEEN, kuten opettaja. Tai, kuten kuuluisa Evoluutiomies sanoo: ”Muuten ei hyvä heilu.”

Lähteet:

https://www.youtube.com/watch?v=vYKv75qee3w 2:09 (Luettu 5.2.2020)

 

 

Kategoriat
Uncategorised

Geoinformatiikan menetelmät, 2. kurssikerta

Toiselle kurssikerralle marssittiin hieman pettyneissä mielin. Edellisellä kerralla oli käsitelty niin paljon täysin uutta ja tuntematonta. Heräsi pelko, ettei sitä välttämättä tule pysymään kärryillä lainkaan koko kurssin aikana.

Useista kanssaopiskelijoiden blogeista olen kuitenkin lukenut vastaavia tuntemuksia. Muun muassa Aapo Keinäsen ensimmäisen tunnin blogikirjoituksesta paistaa läpi pelon aiheuttama viha (ja jokseenkin myös vihan aiheuttama pelko.) Tämä herättää kuitenkin helpotusta siitä, ettei ainakaan ole ainoa, joka on aivan pihalla.

Paikalla tunnilla oli kuitenkin onneksi opettajamme Arttu Paarlahti, joka vastaa kaikkiin mieltä askarruttaviin kysymyksiini. Tämä auttoi positiivisempaan asennoitumiseen QGIS-ohjelmaa kohtaan. Ja kuten Miklas Kuoppanen blogissaan sanoo, ” – tekeminen ilman apua maistuu puulta.”

Tunnin tehtävänä oli vertailla sitä, kuinka paljon Robinsonin ja Mercatorin projektioiden vääristymät eroavat toisistaan. Kuvan 1. koropleettikartta havainnollistaa sitä, kuinka paljon suurempia pinta-alat ovat Mercatorin projektiossa, kuin Robinsonin. Mitä punaisempi alue, sitä suurempi on pinta-alojen erotus.

Itse en ole koskaan ajatellut, kuinka paljon Mercatorin ja Robinsonin projektiot eroavat toisistaan niinkin pienellä, kuin Suomen kokoisella alueella. Luonnollisesti eroja on sitä enemmän, mitä pohjoisemmaksi mennään. Tässä taulukossa on kyse kuitenkin jopa 4-kertaisista eroista Utsjoen ja Inarin kunnissa. Etelässäkin erot ovat n. 2-kertaisia.

Kuvassa 1 yleisilme on selkeä sen suhteen, että projektioiden eroja on paljon ja koko Suomen alueelta. Siitä ei kuitenkaan välity välttämättä tarpeeksi selkeästi, mitkä kunnista ovat kaikkein punaisimpia. Lisäksi arvot olisi tullut muuttaa prosenteiksi, mutta rakas QGis ei enää antanut avata alkuperäistä tiedostoa. Voitte siis mielessänne siirtää pilkkua kaksi askelmaa taaksepäin.

Kuva 1. Pinta-alojen eroavaisuus projektioiden välillä.

Kaiken kaikkiaan kurssikerta jätti positiivisellekin mielelle. Kaikki edellisen kerran ongelmat saatiin ratkaistua loppuun ja aiheestakin jäi parempi ymmärrys.

”Tämä rauha ei ole luonnollista. Se merkitsee, että jotain kauheaa on tulossa.” -Vilijonkka

 

Lähteet:

Aapo Keinänen https://blogs.helsinki.fi/kebaapo/ (Luettu 27.1.2020 )

Miklas Kuoppala https://blogs.helsinki.fi/kmiklas/ (Luettu 27.1.2020)

T. Jansson: Näkymätön lapsi ja muita kertomuksia (1942)

Kategoriat
Uncategorised

Geoinformatiikan menetelmät -kurssi, 1. kurssikerta

Geoinformatiikan menetelmät -kurssi alkaa uuden käytettävän ohjelman esittelyllä: QGIS. Ohjelma vaikutti ensisilmäyksellä paljolti yhtä yksinkertaiselta, kuin edellisellä kurssilla käytetty CorelDraw:ta, kunnes tunnin tehtävien kunnianhimoisuus alkaa valjeta. Pärjäillä pitäisi vielä ilman minkäänlaista undo-nappia. Kääk!

 

Työskentely alkoi Pohjois-Euroopan kartan, sekä tehtävään liittyvien attribuuttitietojen tuomisella zip-tiedostosta QGIS-ohjelmaan. Karttojen vieminen onnistuu luontevasti, kuten muutkin yleiset perusperiaatteet, jotka ovat tulleet tutuiksi aiempien kurssien karttaohjelmista. Erilaisia välilehtiä on kuitenkin aivan valtavasti: mistä säädetään värejä, missä tehdään laskutoimitukset ja missä luodaan uudet karttatasot. Kuitenkin kun itse alkoi toistamaan valkokankaalla tehtyä perässä, alkoivat uudet toiminnotkin tulla tutuiksi.

 

Sitten rupesi ilmaantumaan ongelmia. Tehtävässä oli tarkoitus luokitella kartan maat niiden typpipäästöjen mukaan. Alkuun vahingossa luotu vääränlainen attribuutti ei toiminutkaan laskutoimituksissa, joten typpipäästöjen mukaan luokiteltujen maiden taso ei ollut näkyvissä lainkaan. Tämän sai opettaja lopulta korjattua, mutta korjattua versiota ei kone ollutkaan jostain syystä tallentanut. Jälleen tekijä on siis pulassa, eikä pääse eteenpäin. No, typen kokonaissumman jouduin sitten uudelleen kaivamaan jostain, ja lopputulos näyttää nyt jotakuinkin samalta, kuin opettajan korjaamakin. Lopuksi kartalle lisättiin enää vain pohjoisnuoli, attribuuttitaulu sekä mittakaava. Kaksi viimeistä tulivat kätevästi suoraan tietokannasta käsin. Valmis versio näkyy kuvassa 1.

 

Suora tietojen kopiointi tietokannasta oli tässä huono valinta. Ensimmäisen kuvan attribuuttitaulukko on nimittäin hyvin epäselvä, sillä siinä ei näy yksiköitä lainkaan, ja otsikointi on tehty karttatasojen nimien mukaan. Myös esimerkiksi “administrative boundaries” -nimellä varustetun asteikon rajat ovat sekavat. Lisäksi typen päästöjä merkitsevien pisteiden karttataso olisi tullut laittaa tasoista päällimmäiseksi. Pohjoisnuolessakaan ei ole p-kirjainta.

 

Osa kartan ongelmista olisi ollut helppo korjata, mutta ajateltuani päätin säästää kartan sellaisena, kuin sen ensimmäisenä tallensin. Se jääköön muistutukseksi siitä, miltä teemakartan EI kuuluisi näyttää. Siihen on mukava tulevaisuudessa verrata omaa edistystä. Siksi se jääköön tuollaiseksi.

 

Tunnilla annettiin myös lisätehtävä, jonka tarkoitus oli soveltaa samankaltaisia toimintoja Suomen kuntien aineistoon. Tällä kerralla ohjelman käyttö luonnistui jo sutjakkaammin. Kuvassa 2 on havainnollistettu Suomen koko väestön prosentuaalista sijoittumista niin, että tummemman punaisilla kunnilla on suurempi prosenttiosuus Suomen asukkaista, kuin vaaleammilla.

 

Toinen kartta näyttää jo visuaalisesti paremmalta, kuin ensimmäinen. Tällä kartalla tarkastellaan vain yhtä ilmiön muuttujaa, mikä yksinkertaistaa näkymää. Kartalta näkee nopeasti ja helposti, missä sijaitsevat ne kunnat, joissa on eniten ihmisiä. Voidaan myös havaita, että väestö keskittyy enemmän Etelä- ja Keski-Suomeen, kuin pohjoiseen. Taulukossa on lisäksi yksiköt, vaikkakin otsikointi olisi voinut olla kuvaavampi. 

 

Ohjelmassa on valtavasti erilaisia toimintoja, joista kaikista ei oikein ymmärrä, mitä niillä tehdään. Toiminnoissa on paljon pikkuseikkoja, joiden unohtuminen johtaa täysin vääränlaiseen karttanäkymään. QGIS:llä voi tehdä niin paljon erilaisia asioita, mikä juurikin tekee siitä hankalakäyttöisen. Käytön opetteluun tulee siis menemään valtavasti aikaa. Tämän ymmärtää heti ensimmäisellä tunnilla. Kuitenkin käsitys on hieman selvempi, ja tietyt yksinkertaiset toiminnot ovat kuitenkin jääneet mieleen.

Kuva 1. Typen suhteellinen osuus valtioittain
Kuva 2. Suomen väestön sijoittuminen 2015 (%)
Kategoriat
Uncategorised

Hello world!

Welcome to Blogipalvelut. This is your first post. Edit or delete it, then start blogging!