Categories
Uncategorized

Seitsemäs kurssikerta

Viimeistä viedään! Tänään jokainen sai luoda kartan itse etsimänsä datan pohjalta. Löysin Tilastokeskuksen Kuntien avainluvut-sivulta tiedot siitä, kuinka paljon rahaa kunnat käyttivät opetus- ja kulttuuritoimintaan sekä sosiaali- ja terveystoimintaan per asukas vuonna 2020. Tämä oli itselleni uutta ja tuntematonta tietoa, ja lisäksi kuntakohtaisesti esitetty ja siten liitettävissä paikkatietoon. Tallensin tiedot csv-muotoon ja toin QGISiin. Lisäksi poimin samasta avainluvut-taulukosta myös kuntien taajama-asteen sekä väestön ikäjakauman. 

Alun perin ajatukseni oli verrata iän ja opetustoimintaan laitetun rahan yhteyttä, mutta kun ryhdyin hommiin, päädyinkin vähän eri suuntaan. Ensimmäinen ongelma oli saada kuntajako vastaamaan toisiaan pohjakartassa ja csv-tiedostossa. Tämä hoitui lataamalla Paitulista tuorein Maanmittauslaitoksen Hallintorajat teemakartoille –kartta, jolloin kuntajako oli samalta vuodelta molemmissa. 

Ensimmäinen tuotokseni on kuva 1, jossa näkyy kuntien taajama-aste ja väestön ikäjakauma. Taajama-asteen sain helposti näkymään liukuvärinä, mutta ympyrädiagrammin kanssa säädin aika kauan. Enhän meinannut saada järvisyysprosenttiakaan näkymään järkevästi kolmannella kurssikerralla! Kokeilin aikani, kunnes pääsin Googlen avustamana vihdoin eteenpäin. Tällä kertaa jäi parempi fiilis kuin kolmannelta kurssikerralta! Visuaalisesti haasteena oli löytää sopiva koko piirakoille, jotta ne eivät jäisi täysin toistensa alle piiloon mutta olisivat riittävän suuria, jotta niitä voi lukea. Tämän luettavuushaasteen takia päädyin lisäämään koko Suomen kartan vierelle myös tarkennetun kartan Etelä-Suomesta.  

Kuva 1: Taajama-aste ja ikäjakauma kunnittain (2020).

Tämän kartan käyttökelpoisuus koko Suomen tasolla on vähän kyseenalainen. Ympyrädiagrammit peittävät taajama-asteen alleen aika tehokkaasti, ja näin tiedon välitys lukijalle ei ole kovin tehokasta. Kartta toimii paremmin pienemmälle alueelle kohdennettuna. Olisin voinut vielä parantaa luettavuutta nimeämällä muutaman kunnan pienemmältä kartalta. 

Halusin edelleen käyttää dataa kuntien rahankäytöstä, joten tein toisen kartan (kuva 2), joka esittää sosiaali- ja terveystoiminnan sekä opetus- ja kulttuuritoiminnan kustannuksia per asukas. En ollut aiemmin laittanut kahta teemakarttaa päällekkäin, mutta Eliseltä tuli hyvä vinkki, että se onnistuu helposti kopioimalla kyseinen taso. Niinhän se onnistuikin! Jätin tähän karttaan vain neljä värikategoriaa per esitettävä tieto, jotta molemmat tiedot olisivat jotenkuten luettavissa. Jälleen lisäsin myös erillisen kartan Etelä-Suomesta. 

Kuva 2: Opetus- ja kulttuuritoimintaan ja sosiaali- ja terveystoimintaan käytetyt varat kunnittain per asukas (2020).

Kaiken kaikkiaan yllätyin, miten suhteellisen vaivattomasti nämä kartat syntyivät. Ainoastaan ympyrädiagrammien kanssa sai taistella, mutta olen kohtalaisen tyytyväinen lopputulokseen. Toki kuvaamani aiheet eivät vaatineet valtavan suuria operaatioita, joten jos olisin valinnut haastavamman aiheen, olisi tilanne voinut olla erilainen. Hauskinta oli ehkä huomata, että tulostusikkunan käyttö tuli jo selkärangasta. Kun vertaan tekemisiäni koko kurssin ajalta, tuntuvat kahden ensimmäisen kerran työt jo kovin pieniltä, vaikka silloin niiden tekeminen oli aika haastavaa. 

Jatkan ehkä pohdintoja vielä paremmalla ajalla!

Categories
Geoinformatiikan menetelmät

Kuudes kurssikerta

Aloitimme kurssikerran keräämällä omaa paikkatietoa Kumpulan lähistöltä. Tarkoituksena oli arvioida muun muassa paikkojen miellyttävyyttä oleskeluun ja turvallisuudentunnetta, mutta maanantainen lumipyry saattoi kyllä vaikuttaa ainakin omiin arvioihini negatiivisesti! Tuotimme itse kerätystä datasta interpoloiden muutamat kartat Kumpulan alueesta. Kuvassa 1 näkyy, kuinka houkuttelevaksi oleskeluun alueet koettiin. Kerätty data on pistemuotoista ja QGIS on ohjeiden mukaan interpoloinut niistä ulospäin lähialueiden miellyttävyyden. 

Kuva 1: Interpolointi Kumpulan alueen miellyttävyydestä.

Tämän jälkeen tuotettiin karttasarja, joka kuvaa jotain hasardia. Taka-ajatuksena oli, että karttoja voisi käyttää maantieteen opetukseen, eli tarkoitus olisi tuottaa selkeät kartat, jotka havainnollistavat ilmiötä. Valitsin esitettäväksi maanjäristysten sijoittumisen ja vertaan niitä tulivuorien purkauksien sijainteihin. Ensimmäiset kolme karttaa kuvaavat maanjäristyksiä. Ajattelin, että on parempi aloittaa vähiten sekavasta, joten kuvassa 2 näkyykin vain suurimmat maanjäristykset. Kuvassa 3 näkyy yli 6,5 magnitudin järistykset ja mannerlaattojen reunoja voi alkaa jo hahmottaa. Kuva 4 alkaa olla jo täydempi: siinä näkyvät kaikki vuoden 1980 jälkeen tapahtuneet vähintään 4,5 magnitudin järistykset.

Kuva 2: 8-10 magnitudin maanjäristykset.
Kuva 3: 6,5-10 magnitudin maanjäristykset.
Kuva 4: 4,5-10 magnitudin maanjäristykset.

Kartat havainnollistavat maanjäristysten sijoittumista usein mannerlaattojen reunoille, mutta myös niiden runsautta: pienempiä järistyksiä tapahtuu erittäin paljon useammin kuin suuria järistyksiä.  Sitten otetaan tulivuoret mukaan kuvioihin. Kuvassa 5 on verrattu kaikkia tunnettuja purkauksia vuoden 1964 jälkeen tapahtuneisiin. 

Kuva 5: Tulivuoret.

Ja lopuksi tiedot yhdistävä kartta (kuva 6). Päädyin ottamaan vain yhdet pisteet sekä järistyksistä että tulivuorista, jotta kuva säilyisi kohtalaisen helppolukuisena. Valitsin kuvattaviksi järistyksiksi 6,5-10 magnitudin suuruiset, koska niistä mielestäni näkee jo mannerlaattojen rajoja, mutta kartta ei tule yhtä täyteen kuin 4,5 magnitudin järistyksistä. Kun molemmat ilmiöt ovat samalla kartalla, voidaan havaita, että laattatektoniikka aiheuttaa sekä vulkaanista aktiviteettia että maanjäristyksiä, joten niitä löytyy usein samoilta alueilta. Toisaalta tulivuoria voi syntyä myös hot spotteihin, jotka eivät sijaitse mannerlaattojen reunoilla. 

Kuva 6: Maanjäristysten ja tulivuorten sijoittumisen vertailua.

Näiden karttojen avulla olisi helppo alkaa puhua myös mannerlaatoista, litosfääristä ja vaikka sitä kautta Maan rakenteesta. Vaihtoehtoisesti voisi myös näyttää, miten meteoriittien putoamispaikat eivät korreloi mannerlaattojen rajojen kanssa, vaan iskukohdat ovat sattumanvaraisia. Myös tulivuorenpurkauksiin ja maanjäristyksiin varautumisesta voisi puhua, jotta luonnon kaoottisuus ei vie keltään yöunia. Peda.net-sivuilta löytyykin kartta mannerlaatoista, jota voi verrata maanjäristysten ja tulivuorten sijoittumiseen (kohdasta 6.3).

Lähde:

Rantanen, Salminen, Tomukorpi, Veistola. eMaantieto 7: Muuttuva maapallo. Luettu 28.2.2022 osoitteesta https://peda.net/p/RiikkaKotiranta/emaantieto-7/emaantieto7/3eis2

Categories
Geoinformatiikan menetelmät

Viides kurssikerta

Tällä kertaa bufferoitiin. Tunnilla harjoiteltiin Pornaisten alueen teiden bufferointia opettajan johdolla, minkä jälkeen tehtiin itsenäisesti harjoituksia. Tunnilta jäi mieleen sellainen tekemisen meininki, ongelmia tuli vastaan, mutta niistä myös selvittiin joko pohtimalla yhdessä Elisen kanssa tai sitten kysymällä vinkkejä. Kuitenkin onnistumisen hetkiäkin löytyi, ja meinasin jo miettiä, että jotain on sittenkin tullut opittua! Tässä vastauksia tehtävän yksi lentokenttätehtäviin ja asemakysymyksiin: Kakkostehtävässä tutkittiin taajamien asukkaita, tässä vastauksia näihin kysymyksiin:

Tähänastiset tehtävät ehdin tehdä jo luokassa, ja kotiin jäi vain viimeinen osa. ”Ei hätää, vain yksi tehtävä”, ajattelin naivisti. Valitsin aiheekseni uima-altaat ja saunat, ja pienen mieleen palauttelun jälkeen aloin saada vastauksia selvitettyä. Tässä taulukko:

Kuitenkin kun aloin luoda karttaa, jolla näkyisi uima-altaiden sijoittuminen pääkaupunkiseudulla, asia ei meinannut millään valjeta. Muutaman tunnin tuskailtuani kävin kurkkimassa toisten blogeja vinkkien ja vertaistuen toivossa, ja ainakin Jessika Isomeri, Ronja Sonninen ja Nea Tiainen kokivat vastaavia haasteita. Tästä tutkimusmatkasta sain vertaistuen lisäksi mukavan demon siitä, miten muiden tekemiä viittauksia seuraamalla voi päästä eteenpäin!

Nea kertoi blogissaan, että vaikeinta oli ”laskea taulukosta saman alueen arvoja yhteen”, ja että tuutorin avulla hän pääsi vihdoin eteenpäin. Enpä edes tiennyt, että tällä kurssilla on tuutoreita! Olin kuitenkin itsekin ollut jumissa tässä kohdassa jo vaikka kuinka pitkään. Tiesin mitä halusin laskea, mutten millään keksinyt, mistä se tehdään. Lopulta kysyin poikaystävältäni aivosoluja lainaan ja silmäparia katsomaan, ja hän mutisikin puoliääneen: ”eli haluat siis ikään kuin aggregoida nämä.” Ja sieltähän se sitten muistui mieleen! Processing Toolboxista Aggregate tulille ja eteenpäin!

Kuva 1: Uima-altaiden määrä pääkaupunkiseudulla

Kartassa on kuitenkin vielä joitain ongelmia: en saanut alueita värjättyä, vaan pelkät uima-altaiden sijainteja ilmoittavat pisteet värjäytyivät. Lisäksi osa tiedoista muuttui NULLiksi tietokantaliitoksen yhteydessä, enkä keksi miten tältä vältyttäisiin. Kuvassa 2 olen valinnut ne pisteet, jotka jäivät NULLiksi. Eli jostain syystä esimerkiksi Lauttasaaren uima-altaat eivät rekisteröityneet kunnolla. Tämä todellakin vaikuttaa kartan tiedon todenmukaisuuteen, joten oikeassa käytössä kartta olisi täysin käyttökelvoton. Päätin kuitenkin julkaista sen, koska en aio antaa viiden tunnin työn valua täysin hukkaan ilman mitään näytettävää.

Kuva 2: Pisteet, joihin en saanut dataa (keltaisella).

Loppupohdintana todettakoon, että oma varmuus osaamisestani vaihtelee tunnin välein. Selvästi jotkin toiminnot alkavat jo onnistua, kuten Join Layer tai valittujen attribuuttien tallentaminen omalle tasolleen. Sen sijaan toiset komennot ovat vielä hakusessa, kuten aiempi Aggregaten olemassaolon totaalinen unohtaminen. Lisäksi uudet tiedot ja taidot unohtuvat nopeasti, jos niitä ei toista riittävän usein. Esimerkiksi viidennen kurssikerran jälkeen bufferointi tuntui melko suoraviivaiselta, mutta näin kaksi viikkoa myöhemmin senkin mieleen palauttaminen vaati jo työtä.

Lähteet:

Isomeri, J. (2022). Jessikan GIS-hurvittelut. Luettu 27.02.2022 osoitteesta https://blogs-test.it.helsinki.fi/jessikangishurvittelut/

Sonninen, R. (2022). Ronjan GIS-blogi. Luettu 27.02.2022 osoitteesta https://blogs.helsinki.fi/sronja/tiedon-analysointia/

Tiainen, N. (2022). Melkein GIS-guru siis itsekin. Luettu 27.02.2022 osoitteesta https://blogs.helsinki.fi/tiainea/

Categories
Uncategorized

Neljäs kurssikerta

Tunnin alussa käsiteltiin ruututeemakarttoja, jotka kuvaavat tutkittavia ilmiöitä tasakokoisin ruuduin. Vakiintuneita karttaruutukokoja ovat 250 m x 250 m, 1 km x 1km ja 5 km x 5 km (Tilastokeskus 2022). Kurssikerrasta ehti vierähtää tovi ennen kuin ehdin kirjoittaa tätä blogitekstiä, joten en enää muista, minkä ruutukokoon päädyin valitsemaan omiin karttoihini. Tästä voidaan päätellä, että ruutukoko olisi ehkä hyödyllistä tai kiinnostavaa tietoa muillekin kartan lukijoille ja sen voisi ehkä merkitä näkyviin kartalle tai sen viereen. Myös kuntarajojen näkyminen parantaisi kartan luettavuutta ja auttaisi hahmottamaan, missä päin Suomea ollaan.

 

Kuva 1. Ruotsinkielisten asukkaiden määrä (hlö) per ruutu.
Kuva 2. Ruotsinkielisten osuus (%) väestöstä per ruutu.

Valitsin kartalle esitettäväksi ruotsinkielisen väestön osuuden ruuduittain. Ensimmäisessä kartassa (kuva 1) näkyy absoluuttiset määrät eli kuinka monta ruotsinkielistä asukasta ruudussa asuu. Toisessa kartassa (kuva 2) näkyy suhteelliset osuudet, eli ruotsinkielisten osuus koko ruudun asukkaista. Ruututeemakartalla voi näyttää absoluuttisia lukuja, koska ruudut ovat keskenään samankokoiset ja näin vertailukelpoiset. Absoluuttisilla määrillä pelattaessa kuitenkin näkyy, että Helsingin keskusta on kaikista tummin eli siellä asuu eniten ruotsinkielisiä, mutta se johtuu siitä, että asukastiheys on siellä muutenkin suurin. Kartassa kaksi sen sijaan on muutama ruutu, joissa ruotsinkielisten osuus on 66,7-100%. Näissä ruuduissa asuu luultavasti vain muutamia ihmisiä, jolloin pienikin määrä ruotsinkielisiä voi olla prosentuaalisesti suuri osuus kokonaisuudesta.

Seuraavaksi tutustuttiin rasterimuotoiseen aineistoon. Pornaisten alueelle laadittiin rasteriaineistojen avulla vinovalovarjoste ja korkeuskäyrät aineiston korkeustietojen perusteella. En tajunnut tallentaa projektia kotona jatkamista varten, joten tein nämä askeleet uudestaan kotona. Latasin paitulista peruskarttalehden L4322L, jossa on valmiina korkeuskäyrät, ja sovittelin tämän kartan omatekoisten korkeuskäyrien päälle. Lopputuloksessa (kuvat 3 ja 4) itse luodut korkeuskäyrät ovat vaaleanpunaiset ja valmiin kartan korkeuskäyrät ovat ruskeat.

Kuva 3. Itseluodut korkeuskäyrät ja peruskarttalehden korkeuskäyrät (Peruskarttalehden lähde: paituli.csc.fi).
Kuva 4. Korkeuskäyrät lähempää (Peruskarttalehden lähde: paituli.csc.fi).

Nopealla vilkaisulla korkeuskäyrät näyttävät osuvan hyvin lähekkäin (kuva 3)! Lähempi tarkastelu paljastaa, että QGISin piirtämät käyrät ovat yksityiskohtaisempia kuin peruskarttalehdellä olevat: vaaleanpunaiset käyrät mutkittelevat ja ovat rosoisempia reunoilta. Kartan tekijä on varmaankin yksinkertaistanut kaikkein pienimmät mutkittelut pois, jotta kartan luettavuus pysyisi parempana. QGISin korkeuskäyrät eivät myöskään osu täydellisesti yksiin peruskarttalehden käyrien kanssa. Kenties niiden tiedot ovat eri vuosilta tai tietojen keräysmenetelmä on ollut hieman erilainen?

Lähde:

Tilastokeskus. (2022) Tilastoteemakartat. Luettu 16.2.2022 osoitteessa https://tilastokoulu.stat.fi/verkkokoulu_v2.xql?page_type=sisalto&course_id=tkoulu_teemak&lesson_id=4&subject_id=3

 

Categories
Geoinformatiikan menetelmät

Kolmas kurssikerta

Kolmannella kurssikerralla tutustuttiin tietokantoihin ja niiden yhdistämiseen. Yhdistelimme Afrikka-tietokantaan lisätietoa tuomalla Excelin dataa CSV-muodossa QGISiin.

Lisäksi tutkimme, onko timanttikaivoksilla tai öljyllä yhteyttä konflikteihin Afrikassa. Silmämääräisesti suoraa yhteyttä ei voinut päätellä: vaikka osalla maista oli paljon timantteja ja paljon konflikteja, osalla myös oli paljon timantteja ja vähän konflikteja, tai vähän timantteja ja paljon konflikteja. Konfliktit eivät siis liity ainoastaan timantteihin. En tajunnut tulostaa tästä vaiheesta varsinaista karttaa, mutta otin kuitenkin näyttökuvan QGIS-näkymästäni (kuva 1).

Kuva 1. Kuvakaappaus QGISistä. Timanttikaivokset näkyvät vihreinä, konfliktit violetteina ja öljy pinkkinä.

Tietokantojen tiedoista voisi tehdä enemmänkin analyysiä: esimerkiksi konfliktien tapahtumavuosia voisi verrata luonnonmullistusten ajoittumiseen. Jos tulviminen tai kuivuus heikentävät ruokaturvaa, saattaa konflikteja syttyä herkemmin, kun resursseista on pulaa. Timanttikaivosten ja öljykenttien löytämisvuosia ja tuotannon aloittamisvuosia vertaamalla voisi tutkia, pääsevätkö jotkin valtiot nopeammin alkuun isoissa teollisuusprojekteissa kuin toiset. Korreloisiko tämä kenties esimerkiksi BKT:n kanssa? Tosin en tiedä saisiko tästä selville, onko tuotannon aloittamisnopeudessa kyse rahasta tai poliittisesta tahtotilasta; tai onko työn takana ylikansalliset yhtiöt vai valtiot.

Sitten siirryimme takaisin Suomeen.

Kotitehtävänä oli tällä kertaa luoda kartta, jossa näkyy tulvaindeksi ja järvisyys eri puolilla Suomea. Jäimme Elisen kanssa päättäväisinä luomaan karttojamme heti maanantai-illan luennon päätteeksi, koska olimme ”niin lähellä valmista”. Kiitos siis pähkäilyseurasta! Aluksi kaikki etenikin mukavasti, mitä nyt ääkkösten näkyminen ja pilkku desimaalierottimena täytyi ensin tehdä väärin ennen kuin ne osasi korjata.

Kuvassa 2 näkyy Suomen alueiden tulvaindeksit, jotka on laskettu jakamalla keskiylivirtaama keskialivirtaamalla. Keskiylivirtaamalla tarkoitetaan ylimpien mitattujen arvojen keskiarvoja tietyllä ajanjaksolla, ja keskialivirtaama on vastaavasti alimpien mitattujen arvojen keskiarvo ajanjaksolla. Tulvaindeksi kertoo, kuinka moninkertainen tulvahuippu on verrattuna kuivimpaan aikaan. Tämä kartta onnistui mielestäni nätisti ja on informatiivinen.

Kuva 2. Tulvaherkkyys ympäri Suomen.

Mutta sitten se järvisyysprosentin lisääminen diagrammina. Pitkän kädenväännön jälkeen saimme vihdoin pylväsdiagrammit näyttämään suunnilleen oikeilta kartalla, mutta legenda jäi silti mysteeriksi. En millään saanut muokattua sitä fiksuksi. Kyllähän kartasta voi päätellä, että suurempi palkki kuvastaa suurempaa järvien osuutta, mutta tarkkojen lukujen tulkitseminen legendan perusteella on melkein mahdotonta. Tämän kartan informatiivisuus ei ole mielestäni kovin hyvä. Kello kuitenkin lähestyi yhdeksää maanantai-iltana, ja melkein viiden tunnin QGIS-session jälkeen päädyimme lokeroimaan tämän kartan luokkaan Riittävän Hyvä. (Elise, jos sait myöhemmin selvitettyä legendan, minua kiinnostaa kuulla!)

Kuva 3: Järvisyys, eli kuinka monta prosenttia alueen pinta-alasta on järviä.

Tein tarkoituksella kaksi eri karttaa tulvaindeksistä ja järvisyydestä, koska ajattelin, että yhdessä niistä saattaisi tulla liian sekava kokonaisuus. Kuitenkin luettuani paria muuta blogia koen, että tulvaherkkyyden ja järvisyyden keskinäistä riippuvuutta voisi arvioida selkeämmin, jos molemmat ovat samalla kartalla. Ainakin Tuomas Hartikainen ja Janne Turunen tekivät hienot kartat, joista voi nähdä, kuinka järvisyys vähentää tulvaherkkyyttä. Olisin itsekin veikannut, että järvet tasoittavat virtaaman vuosittaista vaihtelua, mutta Tuomas avasi syitä vielä lisää blogissaan: Niitä oli tosi kiinnostavaa lukea! Janne päätyi tekemään piirakkadiagrammit järvisyydestä, ja mielestäni ne ovat mukavan visuaaliset! Niistä näkee järvien osuuden yhdellä silmäyksellä, joten saattaisin itsekin tulevaisuudessa valita piirakat pylväiden sijasta.

Lähteet:

Hartikainen, T. (2022). Maa-gis-ta menoa. Luettu 6.2.2022 osoitteessa https://blogs.helsinki.fi/tuomhart/

Tammela, E. (2022). Geoinformatiikan menetelmiä Elisen tapaan. Luettu 6.2.2022 osoitteessa https://blogs.helsinki.fi/tammelael/

Turunen, J. (2022). Geoinformatiikan mystiset menetelmät. Luettu 6.2.2022 osoitteessa https://blogs.helsinki.fi/janneturunen/