Viimeinen kurssikerta

Seitsemännellä, eli viimeisellä kurssikerralla tehtiin itse hankituista tiedoista karttaesityksiä. Yritin löytää tilastoja Yhdysvalloista, mutta en löytänyt mitään sopivaa ja Excelin kanssa tuli ongelmia, joten päädyin tuttuun ja turvalliseen Suomen karttaan. Pohjakartan sain Naturalearthdata-sivustolta ladatusta maailmankartasta (Natural Earth 2017), jossa oli maiden aluejakoja. Tilastotietoja Suomesta hain Tilastokeskuksen PX-Web -tietokannasta (Tilastokeskus 2017).

Ensimmäisellä kartalla on asuntojen keskimääräinen neliövuokra maakunnittain vuodelta 2015, sekä maakuntien nettomuuttolukemat samalta vuodelta (Kuva 1). Selkeästi eniten muuttovoittoa on Uudellamaalla. Uudellamaalla on myös korkeimmat vuokrat Suomessa. Asuntojen kova kysyntä onkin syynä korkeaan hintatasoon. Muuten mitään ihmeellistä korrelaatiota ei kartalta ole löydettävissä. Ahvenanmaa jätettiin pois esityksestä, koska karttaaineistossa se oltiin jaettu pienempiin alueisiin.

Kuva 1. Maakuntien nettomuuttolukemat ja keskivuokrat. Punaiset symbolit kuvaavat muuttotappiota ja vihreät symbolit muuttovoittoa. Symbolin koko kertoo muutoksen suuruudesta. Vertailtavana aineistona on asuntojen keskivuokrat koropleettikarttana.

Toisella kartalla (Kuva 2) vertaillaan maankuntien kasvihuonekaasupäästöjä (2013) maakuntien teollisuustuotannon bruttoarvoon (2008). Teollisuus kuluttaa paljon energiaa ja täten aiheuttaa merkittävät kasvihuonekaasupäästöt. Teollisuus on Suomen elinkeinorakenteessa edelleen tärkeässä osassa, ja kartalta onkin havaittavissa yhteys tuotannon arvon ja kasvihuonekaasupäästöjen välillä.

Kuva 2. Maakuntien kasvihuonekaasupäästöt ja teollisuustuotannon bruttoarvo.

Tuntuu, ettei aiemmasta Mapinfo-kokemuksesta ollut hyötyä tällä kurssilla. Ehkä se johti siihen, ettei opituista asioista tullut onnistumisen tunteita, vaan lähinnä sellaista “ehkä mä osasin tän jo silloin aiemmin?” -fiilistä. Tällä kurssilla kyllä työn määrä oli paljon suurempi kuin AMK:n GIS-kursseilla, mikä on ehdottomasti hyvä asia. Allerkirjoitan Eemi Saarisen toteamuksen kurssista “Kurssi on ollut melko työläs, mutta toisaalta erittäin opettavainen.” (Saarinen 2017). Kurssi antaa mahdollisuuden tehokkaaseen oppimiseen – loput on sitten itsestä kiinni. Itse olisin voinut kerrata asioita vapaa-ajalla ja teroittaa itselleni joitain Mapinfon toimintalogiikoita. Usein työskentely meni ulkoa opituiksi sarjoiksi työvaiheita, jolloin varsinainen ymmärrys ohjelman käytöstä saattoi jäädä puolitiehen. Kurssissa oli hyvää myös blogeihin työstettävä pohdinta karttojen toimivuudesta, ja mitä niistä voi päätellä.

 

Lähteet:

Tilastokeskus (2017). PX-Web-tietokannat. <http://pxnet2.stat.fi/PXWeb/pxweb/fi/StatFin/#_ga=1.83759958.1978393692.1476187017> Luettu 17.3.2017

Natural Earth (2017). 1:10m Cultural Vectors. <http://www.naturalearthdata.com/downloads/10m-cultural-vectors/> Luettu 17.3.2017

Saarinen, Eemi (2017). 7. Kurssikerta. <https://blogs.helsinki.fi/eemisaar/2017/03/06/7-kurssikerta/>

Kuudes kurssikerta

Kuudennella kurssikerralla jalkauduttiin lähialueelle ottamaan GPS-laitteella joidenkin kohteiden koordinaatteja ylös. Ryhmämme merkkasi kampuksen lähialueen roskakorit listalle. Tunnilla sitten toimme kunkin ryhmän keräämät koordinaattitiedot kartalle.

Kun aineistossa ei ole sijaintitietoja suoraan koordinaatteina, on tietokannan kohteiden tuominen kartalle haastavampaa. Jos sijainnit on merkattu osoitteina, voidaan kohteet tuoda kartalle, jos toisessa tietokannassa on vastaavien osoitteiden sijainnit. Tällöin käytetään geokoodausta. Harjoituksessa oli yhdessä tietokannassa Helsingin tieverkosto ja toisessa rahapelikoneet merkittynä katuosoittein. Geokoodaamalla yhdistimme osoitteet niitä vastaaviin katuihin ja saimme peliautomaatit kartalle.

Itsenäisenä harjoituksena tein kolme karttakuvaa, jotka kuvaavat maanjäristysten globaalia levinneisyyttä. Tiedot maailman maanjäristysten ajankohdasta, sijainnista ja voimakkuudesta saatiin Kalifornian yliopiston hakupalvelusta (NCEDC 2017). Olisi ollut mielenkiintoista tehdä karttoja myös tulivuorista tai meteoriittitörmäyksistä. En kuitenkaan onnistunut niiden tietolähteiden hyödyntämisessä ja aika loppui kesken, joten päädyin tekemään vain maanjäristyksistä. Tehtävänä on pohtia, miten kuvia voisi soveltaa opetustilanteessa. Ensimmäisessä kuvassa on kaikki 6,0–7,4 magnitudin maanjäristykset vuodesta 1990 lähtien (Kuva 1). Kartasta erottuu hienosti Tyynenmeren tulirengas. Kuva havainnollistaa, miten voimakkaat ja erittäin voimakkaat järistykset sijoittuvat pääosin litosfäärilaattojen törmäysvyöhykkeille. Näin voimakkaita järistyksiä on ollut myös valtamerten keskiselänteiden erkanemisvyöhykkeillä ja muuallakin.

Kuva 1. Maailman 6,0-7,4 magnitudin maanjäristykset 1.1.1990 lähtien.

Kartan parina kulkee seuraava karttakuva, josta näemme kaikki vähintään 7,5 magnitudin järistykset samalta ajanjaksolta (Kuva 2). Erittäin voimakkaiden ja valtavien järistysten luokkaan kuuluvat maanjäristykset sijoittuvat lähes yksinomaan törmäysvyöhykkeille. Huomattavaa on myös, kuinka paljon vähemmän näitä voimakkaimpia järistyksiä on ollut. Opetustilanteessa parempi karttojen jaottelu olisi ollut Richterin asteikon rajojen mukaan, eli “kokonaisluvuittain”. Oppilaiden voi olla vaikea käsittää, kuinka paljon maanjäristyksen voimakkuus kasvaa esim. 7:stä 8 :aan. Tällä kartalla eron voi jo kuvitella, kun järistysten lukumäärä tippuu niin rajusti. Opetuksessa olisi hyvä olla taulukko Richterin asteikosta (Aroalho 2017).

Kuva 2. Vähintään 7,5 magnitudin maanjäristykset maailmassa vuodesta 1.1.1990 lähtien.

Viimeisellä kartalla on voimakkaimmat, yli 7,5 magnitudin maanjäristykset globaalisti vuosilta 1997–2006 ja 2007–2017 (Kuva 3). Ajallisesti tarkasteltuna erittäin voimakkaat järistykset eivät näyttäisi sijoittuvan aivan satunnaisesti. Toisin sanoen jonkinlaista klusteroitumista on havaittavissa. Opetuksessa tämä havainnollistaa sitä, kuinka tietyllä alueella voi sattua useita järistyksiä litosfäärilaattojen törmäyskohdan jännitteen purkautuessa.

Kuva 3. Voimakkaimmat maanjäristykset vuosina 1997-2006 ja 2007-2017.

Lähteet:

NCEDC (2017), Northern California Earthquake Data Center. ANSS Composite Catalog Search. <http://quake.geo.berkeley.edu/anss/catalog-search.html> Luettu 22.2.2017

Aroalho, Sari (2017). 3xMaanjäristykset, kurssikerta 6. <https://blogs.helsinki.fi/aroalho/2017/02/23/3xmaanjaristykset-kurssikerta-6/> Luettu 17.3.2017

Viides kurssikerta

Viidennellä kurssikerralla – josta on nyt jo useampi viikko* – tehtiin lisää bufferointia. Perusteellisten työohjeiden avittamina puursimme läpi tehtävien, jotka tuottivat ajoittain päänvaivaa. Bufferoinnilla tutkiskeltiin Helsingin Malmin lentokentän ja Helsinki-Vantaan lentokentän melun vaikutusalueita. Melu leviää joka suuntaan ja vaimenee tasaisesti etäisyyden kasvaessa, joten bufferointi on oiva työkalu melun vaikutusalueiden selvittämiseen. Toki maastonmuodot vaikuttavat meluhaittoihin, mutta noin niin kuin yleensä. Tunnin tehtävien vastaukset löytyvät taulukosta 1.

Taulukko 1. Tehtävien vastaukset.

Sain tehtyä melkein valmiiksi itsenäistehtävän, joka koski putkiremontteja Helsingissä. Melkein. Tähän tehtävään ei ollut työohjeita, jolloin saatiin selville todellinen osaamisen taso. Sitten sain kuulla, ettei itsenäistehtäviä 3-5 edes ollut pakko tehdä. Esimerkillisenä opiskelijana jätin asian sikseen.

Blogitehtävänä oli pohtia mielestään MapInfon tärkeimpiä työkaluja, minkä käyttö sujuu jo ja missä kaipaisi lisäharjoitusta. Tärkeimpiä työkaluja erilaisten maantieteellisten kysymysten selvittämisessä on ainakin teemakarttojen luominen ja tietokantojen muokkaamisen välineet. Grid-teemakartta on myös hyödyllinen, ja käsittääkseni paljon käytetty tutkimuksissa. Aina ei haluta ennalta rajattujen alueiden tietoja kartalle, jolloin gridi tarjoaa vaihtoehdon, missä ilmiön esiintymisen alueelliset vaihtelut voidaan esittää melko tarkallakin sijainnilla. Nämä työkalut taitavat olla jo aika hyvin hallussa. Tietokantojen tietojen yhdistämisen hahmottamisessa on ongelmia. En jotenkaan ilman ohjeita hahmota milloin sitä Join-nappia tulisi käyttää – tai en nyt ainakaan muista. Oleellista olisi myös osata liittää karttakuva koordinaatistojärjestelmään. Tämän harjoittelimme kertaalleen, mutta asia kaipaisi kertausta.

MapInfo ei ole ohjelmana täydellinen. Jotkin toiminnot on toteutettu niin, että niiden toimintalogiikka on vaikea muistaa, ihan vain siksi että työkalut ja valintaikkunat ovat kömpelöjä ja ehkä ”epä-intuitiivisia”. Olen samaa mieltä rajoittamattomien Undo- ja Redo -nappien tarpeellisuudesta kuin esim. Sonja ja Tanja (Koivisto 2017; Palomäki 2017).  Monet ovat blogeissaan tuskailleet ohjelman hankaluutta. Itselläni oli aiempaa kokemusta ohjelmasta, joten sen ominainen tönkköys oli jo tuttua. Aiemmasta kokemuksesta ei kyllä tunnu olleen hyötyä, sillä olen ohjelman kanssa aika jäissä. Voisiko olla, että ohjelman käytön opettelu puhtaalta pöydältä on helpompaa…? QGIS:in käyttöä mielenkiinnolla odotellen…

*note to self: opintopäiväkirjat ja blogit pitää jatkossa tehdä mahd. pian kurssikerran jälkeen -> säästyy paljolta tuskalta

Lähteet:

Koivisto, S. (2017). Bufferoinnin alkeet ja itsenäistä analyysiä. https://blogs.helsinki.fi/kosokoso/2017/02/20/bufferoinnin-alkeet-ja-itsenaista-analyysia/ Luettu 16.3. 2017

Palomäki, T. (2017). 5. Kurssikerta. https://blogs.helsinki.fi/ptanja/2017/02/15/5-kurssikerta/ Luettu 16.3.2017

Neljäs kurssikerta

Ensimmäisenä aiheena oli ruudukon ja ruutukarttojen tekeminen. Grid Maker -työkalulla saa piirrettyä haluamansa kokoisen ja haluamallaan ruutukoolla olevan ruudukon. Rajasimme tehtävää varten pääkaupunkiseudun 500 metrin ruutukoolla. Luotuun Grid-tietokantaan sitten tehtiin uusi sarake (Table Structure> Add Field), johon haettiin toisesta tietokannasta tiedot jokaisen pääkaupunkiseudun rakennuksen asukkaiden lukumäärästä (Update Column). Join -toiminnolla saatiin liitettyä kuhunkin ruutuobjektiin sen sisällä olevat asukkaat. Kun vielä Select-kohdassa valittiin vain ne ruudut joissa asuu ihmisiä, saatiin tehtyä teemakartta väestöntiheydestä (Kuva 1).

Kuva 1. Väestöntiheys pääkaupunkiseudulla. Väestön lukumääräinen sijoittuminen 500 metrin ruutuihin.

Varsinaisena blogitehtävänä valitsin Pks-vaki -tietokannan (suppeasta) valikoimasta aiheeksi ulkomaalaisten sijoittumisen. Tiedot sai kartalle seuraamalla samoja askeleita kuin ensimmäisessä harjoituksessa. Kartalla näkyy ulkomaan kansalaisten sijoittuminen pääkaupunkiseudulla 500 metrin ruutuihin (Kuva 2). 500 metrin ruutukoko vaikutti sopivalta, ja opin kurssitoverien kokemuksista, että 250 metrin ruudukko on liian pienipiirteinen ja vaikeasti luettava. Esimerkiksi Saara Varis perusteli omaa päätymistään 500 metrin ruutukokoon sillä, että 800 metrin ruudut olivat informaatioarvoltaan heikkoja ja 250 metrin ruudut tuottavat liian yksityiskohtaisen kuvan, mikä haittasi luettavuutta (Varis 2017).

Kuva 2. Ulkomaalaisten asutustiheys pääkaupunkiseudulla. Asukkaiden lukumäärä 500 metrin ruudukossa.

Yksinään tämä kartta jättää hieman kylmäksi. Ulkomaalaisia näyttäisi olevan siellä missä ennestään tietää asuvan muutenkin paljon ihmisiä. Vertailu väestöntiheyskarttaan osoittaakin, että ulkomaalaisia on pääsääntöisesti enemmän juuri siellä, missä on suurempi väestöntiheys. Karttoja vertaamalla on vaikea nähdä pieniä eroja alueiden välillä. Kauniainen ja Pohjois-Helsinki, sekä osat Espoon ja Vantaan toiseksi harvimmin asutuilta alueilta näyttäisivät olevan vähäisen ulkomaalaisasutuksen alueita. Itä-Helsingissä on ennakkokäsitykseni mukaan keskimääräistä enemmän maahanmuuttajia, mutta tässä vertailussa mitään dramaattista eroa ei näy.

Absoluuttisten arvojen sijaan paremmin ulkomaalaisten sijoittumista kuvaisi suhteelliset arvot, eli kuinka monta prosenttia kunkin ruudun asukkaista ei ole Suomen kansalaisia. Karttakuvista ja luokkien kokoja vertaamalla näkee kuitenkin, että ulkomaalaiset ovat sijoittuneet pienemmälle pinta-alalle kuin koko väestö.

Lähteet:

Varis, Saara (2017). Ruututeemakarttoja joka lähtöön. <https://blogs.helsinki.fi/saavaris/> Luettu 14.3.2017

 

Kolmas kurssikerta

Kolmannella kerralla käsittelimme tietokantoja. Ensin harjoittelimme Afrikan tietokannalla. Valmiina tietokantana oli Afrikan maiden rajat esittävä karttakuva. Aluksi taulukossa oli valtion sisäisiä alueita omina riveinään (esim. saaria), joten tietokantaa piti siivota näyttämään vain valtiot. Sitten oli tarkoitus liittää Afrikan sijaintitietoihin ominaisuustietoja: toisista tietokannoista liitettiin sarakkeita Afrikan taulukkoon. Taulukkoon saatiin tiedot Afrikan maiden väkiluvuista, internetin käyttäjistä, Facebookin käyttäjistä, sekä timanttikaivosten, öljykenttien ja konfliktialueiden sijainnit.

Konfliktien sijainnin ja ajankohdan perusteella voisi luoda karttaesityksiä, joissa näytetään konfliktit eri vuosikymmeninä. Näin tilanteen kehittyminen koko Afrikan mittakaavassa tulisi esille. Timanttikaivosten hyödyntämisen aloitusvuoden ja niiden tuottavuusluokittelun välistä korrelaatiota voisi tutkia kahden muuttujan teemakartalla. Saman tempun voisi tehdä öljykentille. Internetkäyttäjien lukumäärästä eri vuosina voisi tehdä koropleettiteemakarttoja, jossa tummempi väri tarkoittaa isompaa osaa väestöstä internetin käyttäjinä.

Tehtävä 1:ssä tehtiin tulvaindeksikartta Suomesta (Kuva 1). Kartta esittää valuma-alueiden tulvaindeksit, eli keskiylivirtaama jaettuna keskialivirtaamalla. Suuren tulvaindeksin valuma-alueilla jokien virtaamassa on enemmän vaihtelua ja ne tulvivat enemmän. Tulva-indeksit ovat neljässä luokassa luonnollisilla luokkaväleillä. Kartalla on myös kunkin valuma-alueen järvisyysprosentti, eli järvien pinta-alan osuus alueen pinta-alasta. Huomaamme, että suuren tulva-indeksin alueilla on vähän järviä. Tässä näkyy järvien merkitys vesivarastoina, jotka tasaavat virtaaman vuosittaista vaihtelua ja ehkäisevät näin tulvia. Tulvaisimmat alueet ovat rannikoilla, pääosin Pohjanmaalla, Varsinais-Suomessa ja Uudellamaalla. Pyry Lehtosen tietojen mukaan Pohjanmaalla merkittävä tulvien aiheuttaja on keväisen lumien sulamisen aikaan syntyvät jääpadot. Uudellamaalla taas asfalttipinnoitteen suuri määrä voi edistää tulvimista (Lehtonen 2017).

 

Kuva 1. Suomen valuma-alueiden tulvaindeksit ja järvisyysprosentit.

Valuma-alueen koko näyttää myös vaikuttavan virtaaman äärevyyksiin. Suuren tulva-indeksin valuma-alueet ovat kaikki pieniä tai melko pieniä. Suuren tulvariskin alueet ovat tasaisia ja vähäjärvisiä rannikkoalueita, jossa kevään sulamisvedet pääsevät herkästi tulvimaan laajoillekin alueille.

Lähteet:

Lehtonen, Pyry (2017). Kurssikerta III Lagin kosto. <https://blogs.helsinki.fi/lepylepy/> Luettu 8.3.2017