Kurssikerta 7

Viimeinen koitos! Tällä kertaa kädet olivat aikalailla vapaat luomaan mitä ikinä haluaa (tai mihin kykenee…). Onneksi joitakin valmiita lähteitä, joista etsiä dataa oli tarjolla alkua helpottamaan. Runsaudenpula meinasi iskeä, kun alkoi miettiä minkälaista karttaesitystä lähtisi tekemään. Päädyin kuitenkin siihen, että pysyisin Euroopan alueella ja koittaisin lähteä tekemään karttaa joka kuvaisi muutosta maakohtaisissa hiilidioksidipäästöissä.

Ensimmäiseksi aloin etsiä käyttökelpoista shapefile-tiedostoa, jossa olisi Euroopan maiden hallinnolliset rajat. Jo tässä vaiheessa kävi selväksi että googlaamalla dataa löytyy ihan älyttömiä määriä, ja iso osa saatavilla olevasta tiedosta on itselle käyttökelvotonta. Lopulta kuitenkin tarvittava tiedosto löytyi, minkä jälkeen hain eurostatin tilastoista tietoa maakohtaisista hiilidioksidipäästöistä. Löysinkin tarkoituksiani palvelevan tietokannan siitä miten eri maiden hiilidioksidipäästöt olivat muuttuneet verrattuna niiden lähtötasoon vuonna 1990. Tiedot on tuottanut EEA (European Economic Area) eli suomalaisittain ETA (Euroopan talousalue), tämän vuoksi maarajaus ulottunee myös EU-maiden yli sillä tietokannassa mukana on esimerkiksi Turkki. Itse karttojen tekeminen oli aika simppeliä ja olisinkin ehkä voinut oppimisen kannalta valita hieman kunnianhimoisemman projektin itselleni, mutta olen näihinkin tyytyväinen. Mielestäni kartoista tuli selkeät ja visuaaliselta ilmeeltään kivat, tosin lisäämällä sekä vihreisiin että punaisiin alueisiin yhdet tummemmat värisävyt kuvaamaan lähemäpänä ääripäitä olevia arvoja olisivat voineet vieläkin lisätä informatiivisuutta. Nyt maiden välisiä eroja korostavat lähinnä numeeriset lukuarvot.

 

https://ec.europa.eu/eurostat/web/climate-change/data/database

Kurssikerta 6

Kurssikerta 6 keskittyi pistemuotoisen paikkatiedon hyödyntämiseen. Kurssikerta alkoi ulkoilulla ja epicollect-sovelluksen lataamisella omaan puhelimeen. Sovelluksen avulla pystyi näppärästi keräämään oman sijaintitietonsa ja liittämään siihen ominaisuustietoa paikasta (esimerkiksi kuinka turvalliseksi kyseisen spotin kokee). Takaisin sisätiloihin päästyämme toimme keräämämme pistetiedon muutaman mutkan kautta QGISiin ja teimme pisteiden perusteella interpolointia, joka tosin näin pienellä aineistolla ei ollut erityisen informatiivista tai välittänyt realistista tietoa. Valitettavasti kuvaa interpoloinnista ja pisteistä en enää löydä, mutta tuotos oli sen näköinen kuin kuuluikin.

Varsinaisena harjoitustyönä tälle kurssikerralle oli laatia omia karttaesityksiä esimerkiksi maanjäristys- tulivuori- tai meteoriittiaineistojen perusteella. Valmiiksi annetut lähteet tietokannoille tekivät tehtävän suorittamisen suhteellisen helpoksi, sillä ei tarvinnut itse arpoa että mistäköhän validia tietoa olisi saatavilla. Muutama potentiaalinen paikka virheiden tekoon oli tietokantojen exceliin siirtämisessä ja csv-tiedoston tuomisessa QGISiin. Kuten Kia Kautonen blogissaan toteaa tulivat muutamat toiminnot, kuten korvaa ja tekstin sijoittaminen sarakkeisiin. Näin sikinsokin olevat tietokannat alkoivat näyttää hieman järjestelmällisemmiltä, ja GQISsiinkin pamahti pisteitä näkyviin. Tämän jälkeen olikin sitten enää vuorossa karttojen visualisointi, johon tällä kertaa yritin hieman enemmän panostaa joskin ehkä vähän toivomaani heikommin lopputuloksin. Molemmissa kartoissa (vulkanismi ja maanjäristykset) on ehkäpä vähän turhan paljon asiaa, sillä monet pisteet menevät päällekkäin, tosin se antaa samalla yleiskuvan siitä missä näitä hasardeja kaikista eniten esiintyy. Lisäksi hain netin syövereistä mannerlaattojen rajoja kuvaavan tiedoston, joka auttaa hahmottamaan laattojen rajojen ja hasardien välistä yhteyttä. Jälkeepäin ajateltuna olisin voinut lisätä vielä laattojen liikesuuntia kuvaavat nuolet karttaan, mikä olisi tehnyt siitä vielä havainnollistavamman. Muuten olen ihan tyytyväinen töihini ja kurssikerran suorituksiin =)

 

Kuva 1. Litosfäärilaattojen rajat

 

Kuva 2. Tulivuoret jotka ovat purkautuneet 1900-luvulla

Kuva 3. Merkittävät maanjäristykset 1980-luvulta alkaen.

 

Kia Kautonen, Viikko 6. Hasardit https://blogs.helsinki.fi/kautkia/

Kurssikerta 5

Viides kurssikerta alkoi tuttuun tapaan yhteisillä harjoituksilla QGISsin parissa, uutena elementtinä oli buffervyöhykkeen luominen ja sen hyödyntäminen tietokannan tietojen jäsenetelyssä ja analysoinnissa. Bufferien luominen osoittautui varsin käteväksi ja suhteellisen helpoksi touhuksi, ja aiheeseen liittyvät itsenäistehtvätkin sujuivat hyvin! Mukavaa vaihtelua hampaiden kiristelyyn 🙂 Bufferien avulla voidaan selvittää esimerkiksi sitä kuinka monta ihmistä asuu tietyllä säteellä paikasta X tai kuinka monta kouluikäistä asuu peruskoulun kouluunotto alueen sisällä. Buffervyöhykkeitä voitaisiinkin esimerkiksi käyttää hyödyksi kun mietitään esimerkiksi uuden päiväkodin tai vaikkapa joukkoliikenteen pysäkin sijoittamista.

Bufferiharjoituksia seurasi litania vapaasti valittavia itsenäistehtäviä, ja koska palavasti haluaisin kehittää gis-taitojani päätin tehdä niistä kaikki. Koska word-tiedosto, johon tehtävien tuloksia kirjasin muistiin katosi jonnekin bittiavaruuteen ei minulla ole kaikkia esitettäväksi, mutta pääpointtina lienee kuitenkin ollut harjoittelu tehtävien teon avulla. Harjoitusta tosiaan tulikin ja monissa tehtävissä olivat taas hieman hermot koetuksella, kaiken sain kuitenkin kunnialla tehtyä paitsi aivan viimeistä “putkiremontti-ideksiä” kuvaavaa karttaa, johon varmaankin palaan vielä myöhemmin.

Kuva 1. esittää uima-altaiden sijoittumista pääkaupunkiseudun pienalueilla. Pakko myöntää etten kovin paljoa ehtinyt uhraamaan aikaa kartan visualisointiin, joten lopputuloskin on vähän sen näköinen. Toisaalta kartassa on kaikki oleellinen, joskin pylväät ovat jostain syystä harmillisesti lukuarvojen päällä. Kartan tekeminen oli kuitenkin opettavainen homma, sillä juuri pylväiden ja lukuarvojen lisääminen vaativat jonkin verran pohdintaa. Lisäksi opin enemmän esimerkiksi pylväiden värien ja sijainnin säätämisestä, vaikka se nyt ei ehkä lopputuloksesta kauheasti ilmene..

Uima-allasharjoitus myös virkisti muistiin monien jo käytettyjen toimintojen hyödyntämistä, kuten spatial queryn sekä statistic panelin käyttöä. Taulukko 1 kuvaa saamiani arvoja.

Taulukko 1.

Rakennuksia joissa on uima-allas Asukkaita yhteensä
Kaikki rakennukset yht. 855 kpl 12 170
Omakotitalot 345 kpl
Rivitalot 113 kpl
Kerrostalot 181 kpl

Nyt kun ensimmäinen gis-kurssi alkaa lähentyä loppuaan, koen olevani edelleen hyvin hataralla pohjalla tietotaitoineni QGISsin edessä. Toisaalta koen myös oppineen paljon ja ehkä ymmärtäväni monia gisiin liittyviä asioita täysin uudella tavalla. Nykyään erot vektorien ja rasterien välillä, sekä tietokantoihin ja taulukoihin liittyvät seikat eivät tunnu enää niin irrallisilta kuin vaikka syksyllä. Mielestäni osaan nyt QGISsin perustoimintoja jonkin verran, esimerkiksi spatial query, join attributes by locatin sekä statistics panel tulivat varsinkin viimeisimpien harjoitusten avulla aika tutuiksi. Myös tietokantojen tarkastelu ja laskutoimitusten tekeminen tuntuvat jo hieman luontevammalta. QGIS itsessään vaikuttaa varsin pätevältä ohjelmalta, jolla voi saada aikaiseksi vaikka mitä kun tietää mitä tekee. Toisaalta paljon hampaiden kiristelyä on aiheuttanut ohjelman kaatuilu, jumittuminen ja yleinen epävakaus. Paljon on gistoiminnoista hämärän peitossa, tai täysin pimeässä yhä, mutta onneksi harjoitus kai tekee mestarin ja kanssaopiskelijoiden apu on korvaamattoman hyvää! (Erityiskiitokset menee Jollulle tehtävissä auttamisesta!!)

 

Kurssikerta 4

Neljäs kurssikerta pitkälti jatkoi siitä, mihin kolmannella oltiin päästy. Tehtävä piti sisällään tietokantoja ja niiden liitoksia, mutta uutena elementtinä mukaan tuli rasteriaineiston tuottaminen, tässä tapauksessa pääkaupunkiseudun väestötietoruudukon. Valmiista aineistopaketista oli taas helppoa löytää tarvittavat aineistot varsinaisen tehtävän tekemiseen. Ensimmäinen ongelma ilmeni kuitenkin jo tässä kohtaa… Jostain syystä en saanut aineistopaketista kaikkia tietoja QGISSiin asti, vaan edettyäni tarkastelemaan attribuuttitaulukoita ei siellä ollutkaan mitään tietoja. Tämä vaati hetken hengittelyä, ja sen jälkeen aineistojen uudelleen lataamista ja purkamista koneelle. Sormet ristissä avasin attribuuttitaulun uudestaan ja onneksi tiedot nyt löytyivätkin. Itse tehtävän tekeminen sujui yllättävän hyvin ja ilman sen suurempia vastoinkäymisiä.

 

Yllä olevissa kuvissa on kaksi aikaansannostani kurssikerran 4 aiheista. Vasemmanpuolinen ruututeemakartta kuvaa ruotsinkielisten määrää ja oikeanpuolimmainen muunkielisten kuin suomea tai ruotsia puhuvien määrää pääkaupunkiseudulla. Tässä oletin kuitenkin tietäväni enemmän kuin tiesinkään ja luettuani Ilonan blogia tajusin että muunkielinen tarkoittaa henkilöä jonka kieli on muu kuin suomi, ruotsi tai saame. Tämän olisi voinut korjata legendaan, ja ylipäänsä olettamansa mututuntuman jostain tarkistaa 🙂

Teemakartan ruudut ovat kooltaan 1 km², mikä mielestäni on sopiva näin laajalle alueelle. Valitsin tässä tehtävässä luokkarajat kvantiileiksi, jotta aineiston ääripäätkin tulisivat selkeästi esille. Tämän vuoksi on hyvä huomata, että varsinkin ylimmän luokan arvot voivat vaihdella periaatteessa saman väristen ruutujen välillä jopa muutamalla tuhannella. Kartat siis voivat antaa vääristyneen kuvan tiedosta, mikäli tätä ei huomioida niitä tulkittaessa. Muutoin kartat ovat mielestäni visuaalisesti onnituneita, joskin esimerkiksi kuntien nimet olisivat voineet olla paikallaan oleva lisäinformaation. Noh olettaen että lukijani tuntevat pääkaupunkiseudun kunnat ja niiden sijainnin suhteessa toisiinsa, voidaan karttoja vertailemalla havainnoida, että varsinkin Espoossa rannikon tuntumassa sekä Kauniaisissa ruotsinkielisten määrä on suuri ja muunkielisten suhteessa pienempi. Lisäksi Koillis-Helsingissä muunkielisten määrä on korkea ja ruotsinkielisten matala. Tästä voisi helposti vetää johtopäätöksiä eri väestöryhmien tulotasoon ja asuinalueiden eriytymiseen liittyen, mutta eipä niistä nyt kuitenkaan sen enempää.

 

 

Ilona Tuovinen, viikko 4 – rasteriruuturuuturasteri?!, 7.2.2019, https://blogs.helsinki.fi/tuoilona/2019/02/07/viikko-4/ (10.2.2019)

Kurssikerta 3

Kolmannen kurssikerran varsinaisena tehtävänä oli tulvaindeksilukuja kuvaavan koropleettikartan luominen, sekä samalla kartalla järvisyysprosentin kuvaaminen esimerkiksi pylväsdiagrammeilla. Tehtävän perimmäisenä tarkoituksena oli luultavasti oppia peruasioita eri tietokannoissa olevien tietojen tuomisesta samaan tietokantaan, sekä näiden yhdistettyjen tietojen hyödyntäminen erilaisten laskutoimitusten ja kyselyiden avulla.

Kuva 1

Karttaesitykseen tarvittavia tietoja olivat esimerkiksi Suomen päävaluma-alueet ja niiden perustiedot kuten pinta-ala sekä keskiylivirtaama ja keskialivirtaama. Lisäksi tiedosto joka sisälsi kaikkien järvien pinta-alat mahdollisti valuma-alueiden järvisyysprosentin laskemisen. Päätin jättää valmiiseen karttaesitykseeni näkyviin sekä järvet, että joet vaikka se jossain määrin heikentääkin kartan visuaalista ilmettä. Toisaalta mielestäni järvien ja jokien sijoittuminen liittyy kiinteästi alueen tulvaindeksiin, kuten kartasta voi huomata niin niillä alueilla joilla järvipinta-ala suhteessa valuma-alueen pinta-alaan on suuri, on tulvaindeksi pieni. Vastaavasti alueilla joilla ei ole juurikaan järviä, mutta alueella on kuitenkin jokia (esim Pohjanmaalla) on tulvaindeksi korkea. Valitsin luokkarajoiksi kvantiilit (kussakin luokassa on yhtä monta aluetta), sillä näin eri luokat tulivat parhaiten näkyville.

Mielestäni karttani oli teknisesti ihan hyvin onnistunut, mutta visuaalisesti se jättää hieman toivomisen varaa. Värisävyjen valinnassa olisi voinut kenties käyttää enemmän aikaa, mutta toisaalta mielestäni kartta kuitenkin ajaa asiansa tästä huolimatta.

 

 

https://www.maanmittauslaitos.fi/asioi-verkossa/palveluiden-kayttoohjeet/paikkatietoikkuna/teemakartat

 

Kurssikerta 2

Toisen kurssikerran tehtävänä oli QGIS:sin toimintoihin sekä ominaisuustietotaulukoiden saloihin tarkemmin perehtyminen. Ensimmäisessä harjoitustehtävässä tarkoituksena oli havainnollistaa Suomen kartan ja kuntarajojen avulla eri projektioiden käytön aiheuttamia eroavaisuuksia lopputulokseen. Kuten Sini Ahtinen blogissaan ilmaisi oli projektioiden ominaisuuksien ja vaikutusten kertaaminen hyödyllistä, vaikka niistä on jo aiemmin tullutkin paljon opiskeltua. Koska viikon aikana oli jo ehtinyt hyvin unohtamaan QGIS:sin käytön ensimmäiset opit oli kerratava uudestaan valtaosa asioista. Vaikka hyvien ohjeiden ja opastuksen avulla tehtävän tekemisen perusperiaate oli selkeähkö, tuli itse toteutuksen kanssa jonkin verran ongelmia. Alla oleva taulukko havainnollistaa jonkin verran eri projektioiden välisiä eroja mittasuhteissa samalla alueella. Kaikki mittaustulokset ovat samankokoiselta alueelta tai samanpituisen janan mukaan mitattuja, mutta kartan projektion vaihtaminen aiheuttaa mittaustulosten erot. Esimerkiksi Mercatorin projektion käyttäminen vääristää mittaustuloksia huomattavasti verrattuna Suomessa useinmiten käytettyyn ETRS-TM35FIN projektioon verrattuna.

Projektio Pinta-ala Pituus
ETRS-TM35 FIN 6888,316km2 470,724km
Sphere Mercator 57 177,64km2 1037,789km
Sphere Robinson 9796,999km2 690,045km
Albers,Europe,Equal 6892,086km2 470,748km
Sphere Winkel 13394,387km2 763,543km
Abidjan 1987 6891,360km2 470,753km

 

Aloitin tehtävän muuttamalla valmiiksi saadun Suomen kuntakartan Lambertin projektiosta Mercatorin projektioon ja tämän jälkeen laskin kuntien pinta-alat ominaisuustietotaulukkoon tämän uuden projektion mukaisesti. Suhteellisen selkeä vaihe, mutta oli huomioitava että pinta-ala piti jakaa 1000 000, jotta vastauksena olisi halutusti neliökilometrejä ja vältyttäisiin yksiköiden erojen aiheuttamilta virheiltä. Kun pinta-alat oli saatu määritettyä, voitiinkin siirtyä laskemaan prosentuaalisia eroja kuntien pinta-aloille eri projektioissa. Tässä kohtaa oli lopputuloksen kannalta kriittinen vaihe, eli oli tallennettava karttaesitys halutussa projektiossa (tässä tapauksessa Mercatorin), jotta seuraavassa vaiheessa tiedot olisivat varmasti oikeita, mikäli tämän tallennusvaiheen vahingossa jätti väliin oli tiedossa varmasti ongelmia 🙂 Seuraavaksi päästiinkin sitten itse prosenttierojen laskemiseen, taas luotiin ensin uusi sarake ominaisuustietotaulukkoon johon laskettiin field calculator -työkalulla johon syötettiin hieno laskutoimitus (pinta-ala mercator – pinta-ala lambert) / pinta_ala lambert x 100 = lopptulos eli jokaisen kunnan vertailuprosentti ! Tämän jälkeen olikin vielä visualisointi, eli saatujen tietojen tuominen näkyviin. Itse päätin että tekemässäni koropleettikartassa olisi 6 luokkaa, jotta sävyerot olisivat tarpeeksi näkyviä ja luokkarajat suht pieniä. Mitä vaaleampi on kunnan värisävy sitä pienemmän suhteellisen pinta-alaeron Mercatorin projektio aiheuttaa. (Kuva 1)

Kuva 1.

Kun tämä ensimmäinen karttaesitys oli saatu valmiiksi oli vuorossa verrata samaa Lambertin projektiota ja kuntakarttaa pinta-aloineen Robinsonin projektioon. Käytännössä työvaiheet ongelmineen ja mahdollisuuksineen olivat täysin samoja, joten niiden kertaaminen edellisestä kappaleesta ei liene tarpeen. Kuva 2 esittää tätä toista vertausta.

Kuva 2.

Ongelmia tehtävien tekemisessä kuitenkin muodostui. Ensinnäkin tallennuksessa käytetty väärä projektio aiheutti harmaita hiuksia, sillä lukuarvot joita sain olivat oikeasta laskutoimituksesta huolimatta perin kummallisia. Tässä ei auttanut muu kuin palata muutama askel taaksepäin ja tehdä uudestaan, mistä on tietysti hyötyä koska kertaus on opintojen äiti! Jokatapauksessa lopullisissa tässä postauksessa esitetyissä kartoissakin (tai niiden ominaisuustietotaulukoissa) on varmasti edelleen jokin väärin, sillä niiden väliset erot ovat luultavasti liian pieniä. Perustan tämän päätelmän viisaiden kurssitovereideni Sini Ahtisen ja Oula Inkeröisen ansiokkaisiin karttaesityksiin, joissa on verrattu samojen projektioiden välisiä eroja ja saatu tuloksena erinäköiset kartat. Tämä herätti minussa vielä lisähämmennystä sillä vertailimme Sinin kanssa samaan aikaan tehtyjen töidemme ominaisuustietotaulukoita, missä kaikki kriittiset lukuarvot täsmäsivät, luokkarajat ja luokkien määrät täsmäsivät, mutta silti lopputulokset olivat erilaiset. Tätä mysteeriä en osannut ratkaista, mutta ehkä se vielä joskus selviää.

 

Ahtinen Sini, “QGIS ja hermoromahduksen ensiaskeleet” (22.1.2019) https://blogs.helsinki.fi/ahtisini/

Inkeröinen Oula, “Ken kuuseen kurkottaa se projektioon pamahtaa” (29.1.2019) https://blogs.helsinki.fi/inkeroul/

Kurssikerta 1

Ensimmäinen kurssikerta alkoi hyödyllisellä paikkatiedon perusasioiden kertaamisella, sekä kurssin tulevan sisällön läpikäymisellä. Tämän jälkeen aloimme tutustua QGIS-ohjelmistoon ja sen perustoimintoihin yleisesti. Kaikki oppimani oli käytännössä uutta, sillä minulla ei ole ennestään kokemusta tästä tai mistään muustakaan vastaavasta ohjelmasta. Varsinkin aluksi QGIS tuntui ja näytti hieman epäselvältä, mutta pian kun perustoimintojen logiikasta alkoi saada selvää, kävi myös ilmi ohjelmiston hyödyllisyys ja kätevyys (verrattuna esimekiksi edellisellä kurssilla käytettyyn corel drawilla piirtämiseen). Esimerkiksi legendan ja mittakaavan tekeminen QGISsillä vei murto-osan ajasta joka niihin kuluu itse piirtämällä ja mittailemalla. Ohjelma perustoiminnoiltaan ja rakenteeltaan on suhteellisen selkeän oloinen ensimmäisen tunnin jälkeen, mutta se vaikuttaa hyvin laajalta ja monia lisättäviä toimintoja sisältävältä. Sujuvan käytön oppiminen vie varmaan suhteellisen kauan aikaa.

Ensimmäisen kurssikerran tehtävä oli Itämeren typpipäästöjä kuvaavan kartan ja sen selitteen laatiminen annetuista aineistoista. Kartta on mielestäni ihan onnistunut ja ajaa asiansa, lisäksi vihreän värisävyt sopivat mielestäni kuvaamaan päästöjen määrää (mitä tummemman vihreä sitä pienempi osuuis päästöistä). Luokkarajat ovat suhteellisen hyvät, mutta esimerkiksi suurimassa päästöluokassa hajonta on aika suuri (13,3% vs. 33,7%). Aineistoa tai aihealutteakaan sen enempää tuntematta voi karttaesityksen perusteella luoda yleiskäsityksen Itämereen eniten ja vähiten typpeä päästävistä valtioista. Ehkä hieman turhaa tietoa kartassa ovat syvyyskäyrät ja niiden tarkka ilmaiseminen legendassa.