Josefinan GIS-blogi

Viimeisellä kurssikerralla hyödynnettiin kurssin aikana oppimiamme asioita, tehdessämme kartan kahdesta itse valitsemastamme muuttujasta. Päätin tehdä kartan hiilidioksidipäästöistä ja elinkeinorakenteesta Suomessa maakunnittain. Paitulista latasin vektorimuotoisena Maanmittauslaitoksen, Suomen maakuntia kuvaavan kartan vuodelta 2021. Latasin paitulista vektorimuotoisena myös Tilastokeskuksen aineiston kunnista ja kuntien avainluvuista vuodelta 2019. Halusin esittää kartallani tietoa maakunnittain, mutta tietoa maakunnittain oli vaikeaa löytää. Siksi hyödynsin kuntakohtaista tietoa, mutta yhdistin merge-toiminnolla jokaiseen maakuntaan kuuluvat kunnat kunta-aineistossa. Näin sain tiedot maakuntakohtaisesti ja tein ympyrädiagrammit maakuntien elinkeinorakenteesta.

Latasin Tilastokeskuksen StatFIN-tietokannasta aineiston vuoden 2019 hiilidioksidipäästöistä Suomessa maakunnittain. Muokkasin tiedostoa excelissä. Tallensin aineiston CVS-muotoisena ja lisäsin QGIS:iin. Lisäsin excelissä taulukkoon maakuntien kuntakoodit jo QGIS-ohjelmaan lataamastani maakuntien aineiston attribuuttitaulukosta, jotta samat tiedot löytyisivät molemmista.  Näin pystyin liittämään maakuntien aineiston attribuuttitaulukkoon tietoa hiilidioksidipäästöaineiston attribuuttitaulukosta join-toiminnolla. Categorized toiminnolla tiedot hiilidioksidipäästöistä tulivat näkyviin maakuntakartalle. Lopuksi viimeistelin kartan otsikolla, legendalla, mittakaavalla ja pohjoisnuolella.

Kartasta voimme nähdä, että palvelu on kaikissa Suomen maakunnissa elinkeinorakenteen suurin osuus. Kartta ei kuitenkaan anna oikein mitään selkeää tietoa. Kartasta voi tulkita, ettei elinkeinojen ja hiilidioksidipäästöjen välillä ole selkeää yhteyttä, vaan päästöt voivat riippua maakuntakohtaisesti, miten niitä säädellään elinkeinoissa juuri sillä alueella. Hiilidioksidipäästöjä kuvaavia arvoja on hyvin paljon, sillä joka maakunta on saanut oman värin omalle arvolle. Tämä ei kuitenkaan mielestäni ole huono asia, sillä näin jokainen maakunta saa pitää tarkan arvonsa, ja värisävy vaaleasta tummaan päästöjen lisääntyessä, näkyy kuitenkin hyvin kartalla. Diagrammi on liian suuren kokoinen Ahvenanmaalla, sillä se peittää melkein koko saaren, eikä siksi väriä, joka kuvaa hiilidioksidipäästöjä, näy kunnolla.

Elida Peuhu on tehnyt kartan Kasvihuonekaasujen kokonaismäärästä ja väestöntiheydestä maapallolla valtioittain vuonna 2018. Johanna Enströmin tekemä kartta kuvaa taajama-astetta ja ikäjakaumaa kunnittain vuonna 2022 Suomessa. Kun taas Roosa Kotilainen on tehnyt kartan Algerian asutuskeskittymistä suhteessa metsäpaloihin vuonna 2020. Paikkatieto on näin ollen monen ilmiön esittämisessä hyödyllistä ja paikkatieto-ohjelmien, kuten QGIS:in avulla, voidaan laajoistakin aineistoista muodostaa visuaalista materiaalia. Aina lopputulos ei kuitenkaan ole totuudenmukainen tai saattaa antaa väärän kuvan ilmiöstä, joten on muistettava tarkastella karttoja kriittisesti. Kartat kuitenkin auttavat selkeyttämään ja visualisoimaan sitä tietoa, mitä halutaan tuoda esille. Näihin sanoihin päättyy kurssi Geoinformatiikan menetelmät 2022!

Lähteet:

Elida Peuhu, 2022, Geoinformatiikan Menetelmät, saatavilla: https://blogs.helsinki.fi/elida/

Johanna Enström, 2022, Geoinformatiikan menetelmien blogi, saatavilla: https://blogs.helsinki.fi/joen/

Roosa Kotilainen, 2022, Roosan blogi, saatavilla: https://blogs.helsinki.fi/rokoro/

Kuudennella kurssikerralla keräsimme tehtäviä varten itse aineistoa. Jokainen oppilas kiersi Kumpulan kampuksen ympäristössä keräämässä tietoa kymmenestä valitsemastaan kohteesta. Epicollect5 apissa olevaan kurssikerran projektiin, tallennettiin apin antamat koordinaatit kohteista. Vastasimme myös asteikolla 1-5 (1=huono, 5=hyvä) mm. kuinka turvalliselta alue tuntui, alueen soveltuvuus oleskeluun ja kuinka aktiivisesti aluetta käytetään.

Tiedot tallentuivat tekstiaineistona joka lisättiin QGIS-ohjelmaan pisteaineistona. Lisäksi QGIS-ohjelmassa käytimme teitä, rakennuksia ja vesialueita kuvaavia tiedostoja Pasilan ympäristöstä. Visualisoimme keräämämme aineistoa interpolointityökalun avulla. Interpolointi arvioi tyhjille kohdille arvoja hyödyntäen tiedossa olevien arvojen tietoja. Kuvasta 1 nähdään koettu turvallisuus ja turvattomuus eri alueilla Kumpulan kampuksen ympärillä. Punaisena näkyvät alueet, jotka koettiin vähiten turvallisiksi ja kuten kartasta nähdään, nämä alueet ovat sijoittuneet teiden ja suojateiden lähettyville.

Kurssikerran itsenäistehtävänä tarkasteltiin hasardeja ja niiden alueellista esiintymistä. Tämä tehtiin tallentamalla ensin tietoja eri hasardeista niitä esittäviltä nettisivuilta. Tiedot lisättiin pistemuotoisina QGIS-ohjelmaan ja sinne jo ladatun maailman kartan päälle. Tehtävänä oli tehdä kolme hasardeja kuvaavaa karttaa. Karttani kuvaavat maailman tulivuoria ja maanjäristyksiä vuosina 2000-2022 richterin asteikolla voimakkuuksilla alle 5 magnitudia, 6-8 magnitudia ja yli 8 magnitudia. Valitettavasti mitta-asteikon lisääminen ei jostain syystä onnistunut, joten ne jäivät kartoistani puuttumaan.

Kartat näyttävät onnistuneesti yhteyden tulivuorien purkauksien ja maanjäristyksien välillä. Karttoja voisi hyödyntää opetuksessa näyttääkseen kyseisen yhteyden ja endogeenisten prosessien levinneisyyden maailmalla. Kartoista voisi myös katsoa kuvioita, kuten Tyynenmeren tulirengasta (https://www.hs.fi/tiede/art-2000008577756.html), jossa monet litosfäärilaatat kohtaavat ja epävakaiden olosuhteiden takia esiintyy runsaasti tektonista ja vulkaanista toimintaa. Niin kuin Ronja Sonninen kirjoittaa blogissaan, ”[m]aanjäristys- ja tulivuorikarttojen avulla voisikin havainnollistaa ja opettaa myös litosfäärilaattojen toimintaa ja niiden vaikutusta maanjäristysten ja tulivuorten esiintymiseen.”.

Tämän lisäksi kartat näyttävät maanjäristyksiä Richterin asteikon mukaan ja niistä voisi katsoa maanjäristyksen levinneisyyttä maailmalla maanjäristyksen voimakkuuden mukaan.

Lähde: Ronja Sonninen, 2022, Ronjan GIS-blogi, https://blogs.helsinki.fi/sronja/

Viidennen kurssikerran teemana oli QGIS-ohjelman työkalujen kertausta, laskutoimintojen suorittamista ja bufferointitoiminnon käyttöä. Harjoittelimme pinta-alojen laskemista clip ja intersection toiminnoilla, joilla leikataan valittujen määräyksien mukainen alue. Bufferointitoiminnon avulla voidaan määrittää halutun levyinen vyöhyke, jonka rajoissa olevia kohteita voidaan tarkkailla. Tutustuimme bufferointitoimintoon käyttäen Pornaista kuvaavia tietokantoja. Tämän jälkeen oli itsenäistehtävien vuoro. Tarkoitus oli hyödyntää opittuja toimintoja saadakseen vastauksia kurssikerran harjoituksissa oleviin kysymyksiin.

Ensimmäisessä itsenäistehtävässä aineistoina toimivat pääkaupunkiseudun lentokenttäalueisiin, sekä julkisen liikenteen asemiin liittyvät tiedot. Tarkasteltiin asukaslukua lentokenttien ympäröimillä melualueilla ja laskimme asukaslukuja juna- ja metroasemien läheisillä alueilla. Tehtäviä varten oli rajattava lentokenttien ja asemien ympärille erilaisia vyöhykkeitä, eli buffereita, sekä käyttää valintatyökaluja tarkastellakseen haluttua ominaisuutta alueilla. Kuvassa 1 on esimerkki bufferoinnista ja taulukossa 1 on kerätty tehtävien kysymykset ja vastaukset niihin.

Niin kuin Ronja Sonninen blogissaan kirjoittaa, puskurivyöhykkeiden avulla voidaan tehdä hyödyllisiä selvityksiä. Ronja mainitsee, että lentokenttien ympäröivää melualuetta voitaisiin puskurilla määrittää ennen alueelle rakentamista. Ronja antaa toisena esimerkkinä sen, että puskurilla voidaan hyödyntää uuden kauppakeskuksen sijainnin suunnittelussa, sillä puskurin rajoissa asuvia asukastietoja voidaan tarkastella.

Toisessa tehtävässä lisättiin taajamia kuvaavan tietokannan jo ennestään auki olevien tietokantojen lisäksi. Laskettiin taajamissa ja taajamien ulkopuolella asuvia. Kolmannessa tehtävässä valitsin koulutehtävän, jossa laskettiin kouluikäisiin ja koulupiireihin liittyviä tietoja. Laskin esimerkiksi montako uutta oppilasta Helsingin Yhtenäiskouluun on tulossa sen omasta koulupiiristä. Tämän tein merkitsemällä koulupiirikartalla kyseisen koulun, sitten tein koulun ympärille bufferin 2km säteellä, sillä Helsingin nettisivustoilla löytyi tämä tieto koulupiirin laajuudesta. Valitsin bufferin sisälle jäävät asukkaat ja tarkistin statistiikkapaneelista kuinka monta koulunsa aloittavia (7 vuotiaita) asuu vyöhykkeen rajoissa. Muita tehtäviä varten laskin myös tietoja asukkaista attribuuttitaulukkoon, esimerkiksi kun tarkastelin kaikkia kouluikäisiä koulupiirialueella, niin laskin ensin yhteen kaikki 7-15 vuotiaat.

En ymmärtänyt kaikkia tehtäviä, enkä osannut käyttää kaikkia tarvittavia työkaluja QGIS-ohjelmassa, joten yrityksistä huolimatta, en saanut kaikkia tehtäviä tehtyä ja parissa tehtävässä jouduin laskemaan haluttuja tietoja silmämääräisesti, mikä oli hankalaa ja aikaa vievää. En ollut yhtään varma olinko saanut oikeita vastuksia, mutta vertasin saamiani vastauksia Ronjan saamiin vastauksiin ja monessa tehtävässä vastaukseni oli suurin piirtein samat kuin Ronjalla. Niissä tehtävissä, joissa mietin olinko tehnyt oikean kokoisen vyöhykkeen melualueita ja koulupiiriä tarkkaillessa, olin myös saanut vastauksia joiden totuudenmukaisuutta epäilin ja vastaukseni erosivatkin huomattavasti Ronjan vastauksista. Ainakin ehkä ymmärsin ja osasin toteuttaa muutaman tehtävän ja niitä tehdessä tuli kerrattua QGIS-toimintoja.

Lähde: Ronja Sonninen, 2022, Ronjan GIS-blogi https://blogs.helsinki.fi/sronja/

Neljännellä kurssikerralla tutustuimme piste- ja ruutuaineistoihin. Opin, että pisteaineistot ovat kaikkein tarkimpia paikkatietoaineistoja ja pistemäistä tietoa voidaan kerätä melkein mistä tahansa ja minkälaisista kohteista tahansa. Kaikkein tarkin pisteaineisto on laserkeilaus-aineisto, jossa mittauspisteestä lähetetään lasersäteitä ja osuvista kohteista takaisin heijastuvan säteen avulla saadaan kohteen etäisyys mittauspisteestä. Ruutuaineistoista opin, että alueellista tietoa voidaan kerätä ruutumuotoisina tehokkaasti, ilman valmista aluejakoa. Tunnilla opettelimme ruutukarttojen tekemistä, rasteriaineistojen käyttämistä ja tuottamaan kartta-aineistoa piirtäen QGIS-ohjelmassa, rasterikartan avulla.

Lisäsimme QGIS-ohjelmaan tiedostoja pääkaupunkiseudusta. Pääkaupunkiseudun kuntia kuvaavan kartan ylle luotiin ruudukko jossa jokainen ruutu on 1km x 1km. Tehtävänä oli sitten luoda omat ruututeemakartat. Tein ensimmäisen ruututeemakartan ruotsinkielisten  lukumäärästä pääkaupunkiseudun väestöstä ruuduittain ja toisen muunkielisten lukumäärästä pääkaupunkiseudun väestöstä ruuduittain. Kotona tajusin, että tunnilla tehdyt karttani eivät kuvaa suhteellista, eli prosenttiosuutta, vaan lukumäärää, eli absoluuttisia arvoja. Kartan legendaa en kuitenkaan enää kotona pystynyt muokkaamaan.

Sain Tuomas Hartikaisen blogista idean, että olisin voinut, niin kuin hän on tehnyt, yhdistää veteen liittyvät aiheet legendassa pelkällä ”vesistöt” termillä ja näin hieman selkeyttää kartan tulkintaa.

Tuomas Hartikainen on pohtinut blogissaan suhteellisten ja absoluuttisten arvojen vaikutusta kartan lopputulokseen ja sen tulkintaan. Absoluuttisten lukujen kohdalla hän pohtii, että muunkielisiä näyttää olevan paljon alueella jossa lukuun vaikuttaa se, että alueella asuu myös paljon ihmisiä. Tuomas Hartikainen tuo esille myös hyvän huomion siitä, että ruutualueen kokonaisväkiluvun ollessa hyvin pieni, ruudun suhteellinen luku antaa kuvan siitä, että alueella olisi paljon muunkielisiä jo silloinkin kun alueella on vain muutama muunkielinen asukas. Tämä voi antaa virheellisen kuvan tiedoista jota kartassa esitetään. Näitä huomioita hyödyntäen Tuomas Hartikainen oli laatinut kartan muunkielisten suuhteellisesta osuudesta pääkaupunkiseudulla, jättäen pois ruutualueet, joissa asukasluku on alle 100 asukasta. Tulos oli mielestäni onnistunut ja pienentää virheellisen ymmärryksen saamista.

Tunnin lopussa valmistelimme seuraavan tunnin tehtävää piirtämällä teitä ja merkitsemällä taloja Pornaista kuvaavalle karttapohjalle QGIS- ohjelmassa. Pornainen on kunta Uudellamaalla. Tästä tehtävästä lisää seuraavassa blogipostauksessa.

Lähde: Tuomas Hartikainen, 2022, Maa-gis-ta menoa, https://blogs.helsinki.fi/tuomhart/

Kolmannella kurssikerralla huomasin, että joitakin QGIS-ohjelman toiminnoista olivat tulleet jo hieman tutuiksi. Tunnilla kuitenkin teimme taas uuden kartan, käyttäen uusia toimintoja. Oli jälleen haastava muistaa mitä toimintoa käytettiin mihinkin ja miksi. Kurssikerralla opettelimme valmistelemaan tietokantaa tehokkaaseen muotoon käyttöä varten. Latasimme QGIS-ohjelmaan Afrikan valtioita kuvaavan kartan sekä konflikteja, timanttikaivoksia ja maaöljyn porausta kuvaavia tiedostoja. Tietoja oli paljon ja siksi oli kätevää yhdistellä niitä. Karttakohteita oli paljon ja silloin on kätevää yhdistää tietoja kerralla kategorioittain, esimerkiksi valtioiden mukaan. Jostain syystä en onnistunut suorittamaan toimintoja ja jatkoin tehtävää käyttämällä ei siistittyä tiedostoa.

Harjoittelimme tunnilla myös ulkoisen tiedoston liittämistä jo QGIS-ohjelmaan ladattuihin tietokantoihin. Tehtävässä käytetty Excel tiedosto oli muutettava cvs muotoon jotta sitä pystyisi QGIS-ohjelmassa hyödyntämään. Valmis kartta kuvasi Afrikassa tapahtuneiden konfliktien sijainteja, timanttikaivoksien sijainteja ja öljyporausalueita. Afrikka-tietokantoihin on tallennettu tietoa myös esimerkiksi konfliktien tapahtumavuosista ja timanttikaivosten löytämisvuosista. Näitä tietoja voisi käyttää tutkiakseen, onko muuttujien välillä yhteyksiä ja voiko luonnonvaralöydöt olla syynä konfliktien syntymiseen. Kuten Eemil blogipostauksessaan kirjoittaa, on kuitenkin huomioitava, että asiaan voi vaikuttaa myös muita tekijöitä, kuten köyhyys.

Itsenäinen tehtävä oli tällä kertaa luoda kartta Suomen vesistöjen valuma-alueiden tulvaindekseistä ja järvisyydestä. Tuloksena oli teemakartta jossa yhdistyi koropleettikartta valuma-alueiden tulvaindekseistä ja diagrammeja valuma-alueiden järvisyydestä. Kartastani tuli epäselkeä. Valuma-alueiden järvisyyttä näyttävät ympyrädiagrammit ovat haastavia tulkita, sillä ne ovat pieniä ja osittain myös peittävät muun tiedon alleen. Väritys ei myöskään ole onnistunut eikä ole teeman mukainen. Jo karttaa tehdessäni mietin miten saisin ulkonäöstä selkeämmän. Nähtyäni Eemilin blogipostauksessa hänen hienon karttansa, sain kuvan siitä, miten olisin voinut itse tehdä kartasta selkeämmän. Värit ovat Eemilin kartassa teeman mukaisia ja kaikki kartan tiedot pääsevät selkeästi esille. Eemil on myös käyttänyt kartassaan ympyrädiagrammeja ja kirjoittaa, että diagrammien koko kasvaa, mitä suurempi järvisyysprosentti on. Tätä en itse ollut ymmärtänyt mutta tieto auttoi omankin karttani tulkinnassa. Kartastani (kuva 1) voi päätellä, että tulvat ovat yleisimpiä rannikkoalueilla eikä niinkään alueilla, missä järvisyysprosentti on suuri ja vedellä paikka kerääntyä.

Lähde: Eemil Sillankorva, 2022, Eemilin mantsa-blogi https://blogs.helsinki.fi/sillanko/

Toisella kurssikerralla tutustuimme tietokantoihin ja QGIS-ohjelman valintatyökaluihin, joilla esimerkiksi voi valita tarkasteluun vain osan QGIS-ohjelmaan lisätyn tiedoston tiedoista. Lisäksi tehtävänä oli tarkastella eri projektioiden vaikutusta ETRS-TM35FIN koordinaateissa olevaan Suomen kunnat karttaan ja sen mittoihin. Luin Jennan blogipostauksen kurssikerrasta ja hänen informatiivinen ja huolellisesti kirjoitettu teksti auttoi minua ymmärtämään viikon tehtävän paremmin. Jenna kertoo, että projektioilla muodostetaan maapallon 3D pinta 2D tasolle. Projektiot vääristävät maapallon oikeaa pintaa, minkä takia erilaisia projektioita voidaan valita riippuen siitä, mitä tutkitaan tai mitä ominaisuutta halutaan kuvata eniten totuudenmukaisena. Tehtävässä siis vertailtiin eri projektioiden luomat pinta-alat Suomen kuntakartasta siihen, miten paljon ne prosentuaalisesti eroavat ETRS-TM35FIN koordinaattien avulla mitatuista Suomen kuntakartan pinta-aloista. ETRS-TM35FIN on Suomessa käytettävä koordinaattijärjestelmä.

Tehtävä suoritettiin lataamalla QGIS-ohjelmaan Suomen kunnat-tiedosto vuodelta 2020. Tiedoston attribuuttitaulukkoon lisäsimme ETRS-TM35FIN koordinaattijärjestelmän avulla mitattujen pinta-alojen lisäksi eri projektioiden pinta-aloja samasta Suomen kuntakartasta. Laskimme projektioiden pinta-ala arvojen osuuden ETRS-TM35FIN pinta-ala arvoista. Tulokset visualisoitiin luokittelulla, joka näyttää väärennykset eri puolilla Suomea prosenttilukuina. Tunnilla yhdessä tehty kartta Mercatorin projektiosta (kuva 1) on iloisen värikäs mutta mielestäni karttaa olisi helpompi lukea jos käytettäisiin vain yhden värin eri nyansseja. Tähän karttaan olisin myös voinut tehdä selkeämmän kuvauksen legendaan siitä, mitä kartta visualisoi. Legendan värit voisivat myös olla samassa järjestyksessä kuin itse kartassa. Näitä asioita paransin tehtävän seuraavissa kartoissa.

Tehtyämme yhdessä ensimmäisen projektioita vertailevan kartan oli tarkoitus tehdä muutama karttaa lisää. Minulle ei kuitenkaan ollut jäänyt mieleen mitä kaikkia toimintoja ja työkaluja käytettiin ja missä järjestyksessä. Moodle-alustalta löysin aiemmin nauhoitetun videon joka kävi uudestaan läpi kartan teon ja pystyin seuraamaan sitä taas tasan tarkkaan tehdäkseni lisää projektioiden vääristymiä vertailevia karttoja. Kartoista tuli visuaalisesti aivan saman näköisiä ja mietin olinko tehnyt oikein mutta prosenttiluvut ainakin eroavat toisistaan.

Blogipostauksessani olevista kuvista voi nähdä, että kuvassa 1 prosenttiarvot ovat suurimpia, joten Mercator projektio väärentää pinta-aloja eniten käyttämistäni projektioista. Toisena tulee Robinsonin projektio (kuva 2), kolmantena Winkel Tripel projektio (kuva 3) ja neljäntenä, eli vähiten vääristävä, Millerin sylinterimäinen projektio (kuva 4). ArcGIS Pro kuvauksen mukaan Millerin sylinterimäinen projektio on muokattu versio Mercatorin projektiosta. Molemmat projektiot aiheuttavat samankaltaiset vääristymät päiväntasaajan läheisyydessä mutta Millerin projektio ei vääristä pinta-aloja napapiirien läheisyydessä yhtä paljon kuin Mercator. Koska Suomi sijaitsee Pohjoisnavan läheisyydessä, kertoo tämä syyn siihen, että Millerin sylinterimäinen projektio väärentää pinta-aloja paljon vähemmän kuin Mercatorin projektio Suomen kuntakartassa.

Lähteet:

Jenna Mettälä, 2022 Geoinformatiikan menetelmät – JMettala https://blogs.helsinki.fi/jmettala/

ESRI ArcGIS Pro Miller cylindrical https://pro.arcgis.com/en/pro-app/latest/help/mapping/properties/miller-cylindrical.htm

Kurssin “Geoinformatiikan menetelmät” ensimmäisellä kurssikerralla tutustuimme kartan luomiseen QGIS-ohjelmassa. Tietokoneohjelmat ja toiminnot eivät ylipäätänsä ole minulle kovin tuttuja ja viikon tehtävät olivatkin mielestäni haastavia. Tunnilla seurasimme tasan tarkkaan opettajan näyttämiä ohjeita kartan luomiseen ja tehtävä sujui hyvin kunnes tunnin lopussa jäin vähän jälkeen. Tämän takia kartastani jäi puuttumaan kehys ja legendan viimeistely. En myöskään onnistunut tallentamaan karttaa pilvipalveluun jotta se näkyisi myös kotona käyttämälläni koneella. Päätin siksi tulla yliopistolle hyvissä ajoin ennen seuraavan tunnin alkua, pystyäkseni lisäämään tekemämme kartan tähän blogipostaukseen.

Tunnilla tehty kartta visualisoi typen päästöjen osuutta valtioittain HELCOM:n valvoman meri-alueen ympärillä. Jeanette kertoi hyvin blogissaan, että HELCOM on Itämeren merellisen ympäristön suojelukomissio joka valvoo toimintaa Itämeren alueella. Tunnilla tehdyn kartan avulla typen päästöihin liittyvää toimintaa voidaan visualisoida ja karttaa katsomalla saadaan kuva siitä, missä valtioissa tarvittaisiin eniten toimenpiteitä Itämeren suojeluksessa typpipäästöiltä.

Kotitehtävänä oli tarkoitus luoda QGIS-ohjelmassa koropleettikartta jostakin Suomen kuntien eroa kuvaavasta muuttujasta. Tehtävää tehdessäni pääsin kertaamaan QGIS-ohjelman toimintoja sekä käyttämään enemmän aikaa viimeistelytyökalujen tutustumiseen kuin mitä tunnilla kerkesin. Kotitehtävän teko tyssäsi kuitenkin heti alkuun kun en onnistunut saamaan tehtävässä käytettävää aineistoa näkymään QGIS-ohjelmassa. Ongelma johtui siitä, että zip-kansio, jossa aineisto oli, ei jostain syystä ollut purkautunut oikein eikä aineistossa siksi ollut olleenkaan sisältöä. Tästä opin myös tulevia tehtäviä varten, että kannattaa tarkistaa onko käytettävässä aineistossa sisältöä vai ei jos karttaohjelmaan ei tule mitään näkyviin.

Lisättyäni Suomen kunnat-aineiston QGIS-ohjelmaan, avasin aineiston attribuuttitaulukon josta valitsin muuttujaksi ruotsinkielisten osuus kunnittain Suomessa. Muokkasin kartan ulkonäköä ja lisäsin otsikon, legendan, mittakaavan ja pohjoisnuolen. Haasteita tuli monia vastaan, mutta sain kartan tehtyä ja mielestäni kartasta tuli kokonaisuudessaan selkeä ja onnistunut. Katariina pohtii blogissaan aineiston luokittelutapaa ja sen vaikutusta kartan totuudenmukaisuuteen. Aineiston luokittelu oli myös itselleni mietityttävä aihe ja oli mielestäni vaikeaa valita luokittelu joka kuvaisi muuttujaa totuudenmukaisesti. Onnistuin kuitenkin muuttamaan luokkia niin, että kartta mielestäni näyttää uskottavalta. Tehtävässä oli mahdollisuus edetä haastavimpiin osuuksiin, mutta tämä tuntui itselleni riittävän haastavalta tältä kertaa.

Viikon tehtävissä oli kiinnostavaa nähdä, miten eri aineistoja voi liittää yhteen ja miten numeerisesta tiedosta voi visualisoida selkeän, havaintoja kuvaavan, kartan.

Lähteet:
Katariina Karvinen, 2022. Katariinan blogi https://blogs.helsinki.fi/karvkata/
Jeanette Hatanpää, 2022. Fiilis on gis – Rakkaudesta geoinformatiikkaan https://blogs.helsinki.fi/hatanjea/

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