Artikkelit

Julkaistu

Viikko 3

Moikka!

Tervetuloa kolmosblogin pariin. Tällä viikolla käsittelimme tietokantoja, ja tuotimme karttatuloksia yhdistelemällä tietoja eri lähteistä. Tunnilla tehtiin afrikkatyö ja kotiläksyksi jäi Suomen vesistöjen tutkailu.

Afrikkatyö

Tuntitehtävänä laadittiin karttaesityksiä yhdistelemällä paikkatietoa Afrikan mantereen konflikteista, sekä arvokkaiden luonnonvarojen eli öljyn ja timanttien sijainneista. Yksinkertaiset karttavisualisoinnit toimivat hyvin paikallisten tapahtumien pohdinnan perustana.

Arvokkaiden luonnonvarojen kaivaminen tuo kaivajalle, ja pääosin myös kaivuualueelle vaurautta. Luonnonvarojen kaivaminen voidaan siis liittää parantuvaan elintasoon, ja paikallisten arkilämän helpottumiseen. Konfliktien tiedot taas toimivat negatiivisena vastinparina luonnovaroille. Alueella tapahtuva konlikti vie helposti paikalliselta alueelta paljon elämiseen vaadittavia resursseja, ja lisää ihmisten tuskaa. Konflikti kuvaa yleispiirteisesti elintason laskua, ja pelkotiloja muun muassa kuolemasta ja vallankaappauksista.

Sijaintitietojen lisäksi niihin liitetyillä attribuuttitiedoilla voidaan syventyä huomattavasti tietyn alueen tapahtumiin, vaikka pisteitä olisi sama määrä. Esimerkiksi pisteiden temporaalinen tieto on tärkeä historian järjestämiseen tapahtuminen samanaikaisuuksien havaitsemiseen. Konflikti voi olla tapahtunut huomattavasti ennen öljyesiintymän käyttöönottoa tai havaitsemista, jolloin konflikti ei ole voinut vaikuttaa öljy- ja luonnonvaratilanteeseen. Yhtä lailla pisteisiin liittyvä tehokkuustieto syventää huomattavasti pisteen ympärillä tehtävää analyysia. Esimerkiksi öljykentän tuottavuusluku paljastaa tärkeää tietoa öljykentästä, jota sen pelkkä pinta-ala ei kerro. Tuottavuus liittyy suoraan vaurauden suuruuteen, ja osittain ihmisten hyvinvointiin, mikäli paikallinen hallinto sattuu toimimana tasapuoleisesti. Toisaalta myös kentän porausvuosi vaikuttaa sen ehtymiseen eli siihen, kuinka pitkään tämä rahahana on vielä auki.

T. Häkkisen blogista huomasin myös, että luonnonvaroilla ja konflikteilla on vaikutuksia siihen, missä luonnonvaroja pystytään louhimaan. Luonnonvarojen kaivaminen kaivoksissa vaatii suuria alkuinvestointeja, eikä rahoittaja halua välttämättä ryhtyä tällaisiin, jos alueella on paljon konflikteja, jotka voisivat johtaa esimerkiksi vallankaappaukseen, ja kaivostoiminnan harjoittamisen vaikeutumiseen. Pahimmillaan uusi hallinto voisi johtaa mahdolliseen kaivostuotantoalueen haltuunottoon.

Kotiläksyt

Kuva 1. Suomen valuma-alueet ja tulvaindeksi sekä järvisyysprosentti

QGISin hallinta tuntui jo kohtuullisen sujuvalta. Vesistöjen erialisia tietoja kuvaavan kartan rakentelu eteni join-työkalua käyttämällä, ja attribuuttitietoja yhdistelemällä. Pääosassa tässä työssä oli Join attributes by field value työkalu, jolla vesistöjen attributitietoa saatiin tuotua oikeille taulukon riveille ulkopuolisista taulukoista. Field value -työkalu oli tällä kertaa kätevä, sillä liitettävissä attribuuttitauloissa oli vesistön nimitieto samalla tavalla merkittynä, kuin QGIS:ssä käsittelyssä olevassa karttatasossa. Näin ollen field value -tieto oli eri taulukoissa yhtenevä, ja tarvittu tieto saatiin liitettyä käsiteltävään tasoon helposti.

Aiemmilta työkerroilta jo harjaantuneemmalla karttavisuaalisilmällä päätin kuvata tulvaindeksiä punaisella väriskaalalla, ja tulvaindeksiä sinisillä palkeilla. Näin tulvaindeksi kuvaa tulvasta syntyvää hasardia, ja sininen järvisyys liittyy veden väriin. Harmaan sopiva sävy kuvasi mainiosti tyhjää taustaa, ja tarpeeksi vaaleansininen järvien ja merien sävy loi mukavasti kirkkautta kartan värivävyyn, meren ollessa hieman järviä ja jokia tummempi.

Tämän viikon suurimman haasteen tuotti sopivien pylväsdiagrammien rakentaminen karttaan. QGIS:in visualisointipuoli ei ole kovin hyvästä päästä, ja tässä oli hyvä tilanne syventyä yhteen visualisoinnin heikkouksista. Diagrammien käsittelyalueella histogrammin muodostaminen karttaan käy suhteellisen vaivatta. Histogrammin tuunaaminen onkin sitten huomattavasti haasteellisempaa. Diagrammin visuaalisuuteen löytyy oudosti kahdesta erillisestä ikkunasta, ja histogrammi sisältää useasti oudot raamit, joita en miellä mitenkään hyödyllisiksi. Lisäksi QGIS mahdollistaa nollaviivan, mikä erottuu hyvin S.Rautamon blogin järvisyyskartasta. Mielestäni tämä ylimääräinen nollatason viiva sekoittaa tarkastelua ja luo kartasta vain kaaottisen. Päädyin siis histogrammissa pelkkään yksiväriseen pylvääseen, joka kuvasi alueen järvisyyttä. Pylvään sai kovan säätämisen jälkeen tyydyttävästi asettumaan karttaan. Digrammin olisi voinut tehdä kuitenkin myös toisin. L.Yonin blogissa esiteellään hyvin ympydäriagrammiin liitettyä tietoa, jonka kuvaa valuma-alueiden järvisyyttä. Järvisyysden havainollistaminen on mielestäni parempi ympyrädiagrammieissa, sillä ne osuvat paremmin valuma-alueille, kun histogrammin kurkottelevat kauas yli oman alueen, jos järvisyysarvo on ollut suuri.

Kuva 2. Kuvan 1 tulvaindeksin asettuminen histogrammina. Kartan väriarvojen vaihtuminen on pyritty asettamaan niin, että noin samankokoinen lohko olisi hyvin yhden varärialueen alaisuudessa.

 

Lähteet:

T. Häkkinen, #yhteisellämatkalla (QGIS:n parissa), viikko 3 [blogikirjoitus] 4.2.2023, Turkkaha’s blog. https://blogs.helsinki.fi/turkkaha/2023/02/04/yhteisellamatkalla-qgisn-parissa-viikko-3/ (luettu 11.10.2023)

S, Rautanen, Kurssikerta 3, [blogikirjoitus] 1.2.2023, Susanne’s blog.  https://blogs.helsinki.fi/rautamos/2023/02/01/kurssikerta-3/  (luettu 11.10.2023)

L.Yoni, Viikko 3: Ollaan vasta raapaistu pintaa, [blogikirjoitus] 9.2.2023, Gis-avautmiset,  https://blogs.helsinki.fi/luberger/2023/02/09/viikko-3-ollaan-vasta-raapaistu-timantin-pintaa/ (luettu 11.10.2023)

Julkaistu

Viikko 2

Viikon työt opettivat sen, ettei töitä kannatta viivyttää liikaa. Jouduin tekemään ja opettelemaankin koko pinta-ala toimintojen tuottamisen uudestaan, koska en tiedä miten uudelleenavattuun työhön saisi luodun attribuuttitiedot löydettyä uudestaan. No, ainakin kertaus on opintojen äiti.

Mittaeroja eri taulukointien välillä

Valitsin taulukoitavavaksi melko eksoottisia koordinaatistoja. Tämä näkyy myös pituus- ja pinta-ala arvoissa, jotka poikkeavat erityisesti taulukon viimeisessä kahdessa arvossa. Kuva 6.  kuvaa Australian antarctic koordinaatiston tapahtumia, jossa Suomeen sijoitetut mittausarvot siirtyivät jostain syystä kauas kohti etelää. Joissain tapauksissa Suomi myös kääntyi vaaka-asentoon, mutta en löytänyt selitettävää ja johdonmukaista syytä tapahtumalle. Toki on ymmärrettävää, että koordinaatisto on suunnattu eteläiselle pallonpuoliskolle.

Ellipsoidiset erot pysyivät koordinaattivertailuissa samoina, ja vain muuttuivat vai karteesisissa tarkasteluissa. Ellipsoidisessa tarkastelussa sijaintipistettä verrataan Ellipsoidin keskipisteeseen ja korkeusdatumiin. Karteesisessa esiintyy taas tasovertailua.

Kuva 1. Eriskummaillinen Suomen sijoittuminen kordinaatiston vaihtelussa

Kartan esittävyys

Sopivan väriskaalan löytäminen vääristymäkertoimen kuvaamiseen oli mielestäni hankalaa. Miellän vääristymäkertoimen metatiedoksi, joten kuvaisin tietoa mielelläni violetilla värillä. Näin kartan tarkastelija ymmärtäisi pelkällä vilkaisulla, että kartassa ei käsitellä esim. vesistöä (sininen) tai kasvistoa (vihreä), vaan että kyseessä on niin sanottu epäluonnollinen tieto. Tavoitteenani oli kuitenkin löytää myös väri, joka herättää asia on väärin -tuntemuksia. Punainen väri sopii tähän hyvin, mutta sillä kuvataan hyvin usein väestötietoa. Päädyin silti sisällyttämään punaisen skaalaan, kun vaihdon vähemmän väärin -värin keltaisen sävyyn. En ole ratkaisuun täysin tyytyväinen, mutta en enää keksinyt parempaa ratkaisua.

Jälkikäteen huomaan myös, että olisi merkinnöllistä saada kaikkien kolmen kartan väriskaalat samansuuntaisiksi, kun kartat esitetään nyt blogissa toistensa vieressä. Tosin Mercatorin huomattavasti poikkeava arvo ei mahdollista tätä järkevästi. Ratkaisu kysymykseenhän olisi manuaalinen säätö, mutta se on hyvin työlästä, jos karttoja on vielä enemmän kuin muutama. Ehkä jokin päivä opin miten tällainen komento voidaan hoitaa automaationa.

Kuvat 2, 3 ja 4. Projektioiden eroja visualisoituna Suomen kartalla.

Vääristymäkertoimet kartalla

Tehtävässä 2. Valitsin kartalla esitettäviksi koordinaattijärjestelmiksi Mercator-, Robinson-, ja Azimuthal equaldistant projektiot. Visuaalisessa esityksessa korostuu ensimmäisenä Azimuthal equaldistant-projektio vinosuuntaisen luokkaerottelun vuoksi. Suomalaiselta nimeltään oikeakeskipituinen tasoprojektio on ympyränmuotoinen projektio pohjoisnavan ympäriltä. Projektio siis vääristää koordinaatit muista eroavalla tavalla, koska projisoitu pinta on taso ja sen kosketuspinta pohjoisnapa, ja muissa kahdessa projektiossa kosketuspinta on taas koko päiväntasaaja, kun maapallo projisoidaan lieriölle.

Robinsonin ja Mercatorin projektiot luovat taas keskenään melko yhtäläisen kartan, kun virhesuhteet jaetaan Suomen päälle. Tämän taustalla vaikuttaa se, että myös projektiot ovat esittävät palloa melko yhtäläisin tavoin lieriöllä. Molemmilla näillä kosketuspinta on päiväntasaajalla.

Ero projektioiden välillä näkyy erityisesti karttojen legendassa. Mercatorin projektiossa vääristymäkertoimet ovat moninkertaisia Robinsonin projektioon nähden. Syy löytyy projektioiden kuvaustavoitteesta. Vuonna 1963 suunniteltu Robinsonin projektio pyrkii kuvaamaan maapalloa mahdollisimman pienin vääristymin. Mercatorin projektio on taas oikeakulmainen, ja luo suuria vääristymiä napa-alueiden lähistölle. Näin ollen Pohjoisessa sijaitseva Suomi kärsii paljon pahempia vahinkoja Mercatorin projektiossa, jossa vääristymiä ei pyritä korjaamaan yhtään.

Kuva 5 ja 6. Kordinaatistovertailussa käytetyt pituus- ja pinta-alapaikat.

 

Pituus [km]  
Karteesinen Ellipsoidinen
ETRS89 / TM35FIN(E,N) 207,896 207,967
World_Robinson 313,440 207,967
World_Winkel_Tripel_NGS 281,519 207,967
Australian Antarctic 207,863 490,276
Sphere_Equal_Earth_Greenwich 299,316 nan

Taulukko 1. Suomen yli kulkevan viivan pituudet eri koordinaatistoissa.

 

Pinta-ala [km²]
Karteesinen Ellipsoidinen
ETRS89 / TM35FIN(E,N) 6800,016 6805,586
World_Robinson 9423,168 6805,586
World_Winkel_Tripel_NGS 10363,717 6805,586
Australian Antarctic 6372,253 0,000
Sphere_Equal_Earth_Greenwich 6651,335 nan

Taulukko 2. Suomessa sijaitsevan kolmion pinta-alan koot eri koordinaatistoissa.

 

Julkaistu

Viikko 6

Moikka taas lukijat!

Viikon 6 hyvin toisenlainen tunnin aloitus toi mukavaa vaihtelua pelkkään istualtaan oppimiseen. Lyhyen briiffauksen jälkeen pääsimme ulos raittiiseen ilmaan reippailemaan (JJE!) ja keräämään paikkatietoa omien ympäristökäsitystemme perusteella. Kyselyhin vastaaminen ulkoympäristössä ei ole ensimmäinen asia, joka tulee mieleen geoinformatiikkaa pohtiessa, mutta kerättyä aineistoa käsitellessä sisäistää, millainen paikkatiedon matka kartalle on juuritekijöistä lähtien.

Kysely on siis keskeinen keino attribuuttitiedon keräämiseen, ja sellaisen tekeminen osana oppimisprosessia avaa silmiä sille, millaisia ajatuksia ja käsityksiä attribuutitiedon tuottajalla on verrattuna pelkkään tietokannan käsittelijään. Vain yhdellä tiedon keräämisestä kartaksi -työllä ei saa kovin laajaa näkemystä näistä eroavista käsityksistä, mutta tämä työ avaa silti ymmärryksen, että tuottaja ja käsittelijä työskentelevät ainakin jollakin tapaa eri tavalla.

Interpolointityökalun pariin

Kerätyn aineiston käsittelyssä Epicollect 5 -sovelluksella kerätyt tiedot vietiin csv-tiedostolla QGISiin. Csv- tiedon tuonti avasi taas silmiä QGISin mahdollisuuksista, sillä taulukoidun attribuuttitiedon lisäksi QGIS pystyi suoraan lukemaan taulukoituja xy-koordinaatteja sijaintitiedoksi. Liikenneturvallisuuskyselyn pisteet sai siis nopeasti kartalle, mutta pelkkinä pisteinä ne eivät vielä kuvanneet tiedon yhteenvetoa kovinkaan hyvin.

Siispä tartuimme seuraavaksi interpolointityökaluun, ja loimme uuden rasteriaineiston pistetietojen liikenneturvallisuusarvoilla. Interpoloitua tuotosta sai viilata muutamaan otteeseen, sillä en sisäistä interpolointityökalun vaikutuksia selvästi, muuta kuin xy-pikselikoot, jotka määrittävät karttatuotoksen tarkkuutta. Distance coefficient P muokkasi jotenkin pisteiden arvojen vaikutusaluetta, mutta tarkkaa tietoa minulla ei siitä ollut. Karttatuotoksesta saatiin silti mukavan tyylikäs, kun rasteriaineiston liukuväri vaihdettiin spectraliin.

Epicollect 5 -kyselyaineistosta rakennettu liikenneturvallisuutta kuvaava interpolointikartta.

Omatoimiset tehtävät

 Karttapäivää jatkettiin luonnonhasardien parissa. Pienemmän kokotason meteoriitteja ja maanjäristyksiä löytyy maapallon historiankirjoista niin paljon, että niitä on hankala esittää kartalla. Pistekarttoja syntyi varsin helposti, ja keskityin lukuisissa pistekohteissa tekemään visualisoinnista mahdollisimman hyvän. Meteoriiteista tehty pisteaineisto oli vielä varsin selvä, sillä meteoriittikraatereita on vähemmän kuin maanjäristyksiä. Pisteiden koolla sai hyvin viestittyä meteoriittien kokotiedon.

Maapallon tunnetut meteoriitit pistekarttana.

Maanjäristyskartalla päädyin tuottamaan maanjäristyksistä aiemmin tunnilla opitun interpoloidun kartan. Interpoloinnilla yritin vastata ongelmaan, jossa maanjäristyisten pisteitä on hurjan paljon tiedossa.

Interpolointi olikin kuitenkin pientä arpapeliä, kun lopputuloksesta ei ollut kovin hyvää tietoa interpolointiasetuksia määritellessä. Sekoilin ensin interpoloinnin kanssa, koska olin laittanut liian tarkan resoluution tuotettavalle kartalle. Annoin QGISin työstää karttaa kuitenkin loppuun asti, ja tottakai tarkkaresoluutioinen kartta miellytti silmää. Halusin silti parantaa värien painotusaludein jakautumista, joten tuotin muutaman karkean kartan kokeiluluontoisesti, ennen kuin panin QGISin rakentamaan uudestaan tarkkaa karttaa. (Väripaletti nimi) teki interpoloidusta kartasta todella tyylikkään, ja lopputulokseen voi olla varsin tyytyväinen. Päätin kutienkin lisätä alkuperäiset maanjäristysten kokopallot vielä interpoloidun kartan päälle, jotta kartta sisältäisi enemmän eksaktia informaatiota.

Maanjäristyksiä kuvaava interpoloitu rasterikartta. Vaaleat pisteet kuvaavat voimakkaampia järistyksiä ja tummat pisteet heikompia. Rasterikartan taustalla on haaleat pallot, jotka kuvaavat tilaston yksittäisten järistysten voimakkuutta. Blogiesityksessä ne ovat kuitenkin liian haaleina.

Pohdintaa

Lukuisia pisteitä on kuitenkin hankala kuvata samalla kartalla samaan aikaan. Roopen kartoista huomasin, että suurta datamäärää on hyvä jakaa esimerkiksi aikasarjoihin, joista voi havaita temporaalisia muutoksia.  Tämä ajatus olisi sopinut hyvin maanjäristyskarttaani, jossa pistetietoja on hyvin paljon.

Blogia lukiessa heräsi samalla ajatus siitä, että pistekarttoja voisi tehdä karttasarjan niin, että jokaisella kartalla on erikseen esitetty tietyn magnitudin järistykset. Yhdellä kartalla olisi siis esimerkiksi 3-4 magnitudin järistykset, seuraavassa 4-5 ja niin edelleen. Tällä sarjalla katselijalle havainnollistuisi helposti käsitys järistysten määristä, ja kartografisen esityksen ansiosta myös niiden sijainneista.

Hyödyllinen esitystapa on myös K.K.Mikkolan opetussarjan kartta, jossa maanjäristysten aluekeskittymät on merkitty vain alueina, eikä pisteinä. Tämä selventää karttakuvausta huomattavasti, kun pisteitä ei ole todella paljon kartalla. Samalla kartta antaa käsityksen maanjäristysten aluevaikutuksesta, jossa tietyt alueet ovat herkkiä järistyksille niin historian tilastoissa, mutta myös tulevaisuudessa samoihin alueisiin perustuen, sillä endogeenisesti aktiiviset alueet muuttuvat todella hitaasti. Tosin toisaalta tilastollinen kartografinen esitys esimerkiksi suurimpien ja merkittävimpien järistysten osalta katoaa.K.K.Mikkolan opetuskartta maanjärityksien sijoittumisesta

 

 

Lähteet:

K.K. Mikkola, Maanjäristykset GEOS3. Järistyksen synty? Maanjäristys syntyy, kun –A. mannerlaatat liikkuvat –B. mannerlaatat lukkiutuvat toisiinsa (kitka) –C. kasvava https://slideplayer.fi/slide/11377715/ [lainattu 27.3.2023]

R. Vainio, Viikko 6, Roopen blogi,  https://blogs.helsinki.fi/vroope/author/vroope/ [lainattu 27.3.2023]

 

Julkaistu

Viikko 5

Moikka taas arvon lukijat!

Viikon 5 tuntityöt etenivät tälläkertaa vauhdikkaasti. Sekoilin alussa aineistojen kanssa, ja tunnin alkupuolella kiinnikurottavaa riitti useamman vaiheen verran. Kiitos kuuluu loistaville luokkakavereille, että sain kurottua läpikäytävät asiat kiinni. Ilman vertaistukea matka kohti GIS-velhoutta ei ole mahdollinen. Pornaisiin liittyvät opettajajohtoiset tehtävät lämmittelivät ajatuksia uusia gis-oppeja varten, jota tällä viikkokeralla riitti aika paljon.

Tuntityöskentely jatkui omatoimisena varsin useita gis-työkaluja käyttäen kohti valmiita tuloksia. Karttaesityksiä tässä blogissa on vähän, koska tavoitteena oli ennemminkin selvittää tietoa lähdemateriaalista erilaisia gis-työkaluja käyttämällä. Tämän blogin keskeisen osan muodostaakin erilaiset taulukot, jotka esittävät työskentelyprosessin myötä tuotettua informaatiota.

Tuntitehtäviä

Lentokenttä- ja asematehtävissä harjoiteltiin Buffer-työkalun käyttöä. Se tuntui varsin sujuvalta, koska ensikosketukset bufferiin on otettu jo MAA-104-kurssilla. Työkalun sisäistämisessä oli tosin pientä alkukankeutta, mutta eteneminen lähti sutjakkaasti käyntiin. Suurimmat mankelit ovat onneksi vasta edessäpäin. Buffer-työkalulla tuotettiin ensin yksinkertaisempi työ luomalla Malmin lentokentän ympärille bufferit. Tämän jälkeen attributtitaulun kanssa työskentely Helsinki-Vantaan lentokentällä syvensi hieman opittua, kun työskentelyä tehtiin attribuuttitaulun kanssa. Buffer-työkalun lomassa käytetiin myös mittaustoimintoa ja uuteen layeriin piirtämistä. Näitä varten piti kaivaa muistista tietoa viikolta 4, jossa työkalut olivat käytössä Pornaisten alueella. Tuotetut tiedot ovat taulukoissa 1 ja 2.

Taulukko 1. Asukkaiden määrä Malmin lentokentän kiitoratojen Buffer-vyöhykkeellä.

Taulukko 2. Asukkaiden määrä Helsinki-Vantaan lentokentän melualueilla.

Taulukko 3. Asukastietoja asemien läheisyydestä.

 

Buffer-opit viimeisteltiin asematehtävässä, jossa tutkittiin asukkaita pääkaupunkiseudun raskaiden raideyhteyksien asemien läheisyydessä. Tämän tulokset löytyvät taulukosta 3.

Tunnilla käytettiin ilmeisesti Join attributes by location (summary) toimitoa, koska jälkikäteen pohtiessani tajuan, että näitä kohtia ei olisi pystynyt rakentamaan ilman tätä työkalua. Syväluotaukseni join-työkalun syövereihin koin oppitunnin jälkeisenä iltana, kun kahden tunnin ajan pohdin, miksi hommani eivät etene. Tästä lisää alempana.

Kuva 1. Laskuissa käytetyt Malmin kentän kiitoratojen buffer-vyöhykkeiden alueet.

 

Join- ja Join(summary) työkalujen erot

Omatoimisissa tehtävissä ulkomaalaisten osuuden määrittäminen taajama-alueille oli tuntien tuskan takana. Yritin tuottaa uutta tasoa join attributes -työkalulla, mutta tämä aiheutti vain QGISin kaatumisen. Ymmärsin tässä vaiheessa kuitenkin rajata valitut taajamat sekä käyttää laskinta oikein. Tiesin siis, että jotain oli vialla, kun kohteita taajamia oli noin 90 000, mutta en mielikuvitukseni ei enää riittänyt tuottamaan ideaa tilanteen korjaamiseen. Selvisin vihdoin tilanteesta, kun pelastava enkeli ja todellinen emeritus gis-velho Sakari (shoutout) eksyi luokkaan ja kertoi, että minulla on yhden taajaman paikalla tuhansia taajamia. No, tämän saatoin jo arvatakin, mutta ratkaisu tilanteeseen ohjelmiston syövereistä oli Join attributes by location (summary) -toiminto, jolla talopisteet saatiin muunnettua yhdeksi. Toiminto oli kylläkin recently used-osiossa, joten ihan tuntemattomasta tässä ei ollut kyse. Jokin asia tunneilla on siis mennyt ohitse, mutta taas on todettava, että kertaus on opintojen äiti.

Sitten enään vain laskimella uusi sarake prosenttiosuuksille, ja volá, tulokset on olemassa attribuuttitaulussa! Kohteiden määrän laskeminen olikin helppo työ, koska osuin ensimmäisellä oikeaan – select by expression -työkaluun.

Taulukko 4. Ulkomaalaisten osuus taajamissa

 

 

Näiden kokemusten kautta ymmärsin Join-toiminnon salat, ja tätä blogia kirjoitellessa olenkin jo siinä asemassa, että saan kirjottelun lomassa jakaa tätä arvokasta oppia eteenpäin, ja helpottaa muiden tuskaa. Samalla tässä opetusroolissa ymmärrän, että tiedon prosessointi join-toiminnolla on jo yllättävän tasokas oivallus gis-hommia prosessoidessa, sillä toiminnon käyttäminen ei ollut kaikille itsestäänselvyys. Voinkin siis todeta, että matka gis-velhoksi on jo hyvässä vauhdissa.

Kuva 2. Karttatuotos viimein onnistuneesta ulkomaalaisten osuuden käsittelystä.

Opetustyö oli kuitenkin hyödyllinen myös itselleni. En ollut huomannut poistaa Kauniaisten haamuarvoa attribuuttitaulusta tehtävää tehdessäni, joten taulukossa olleet arvot muuttuivat myös itselläni tämän yhteistyöprosessin päätteeksi. Samalla voin todeta, että kuvaan 2 on myös lipsahtanut huolimattomuusvirhe prosenttien kohdalle.

Oppien kautta eteenpäin

Kun join työkalun oli kerran perinpohjin oivaltanut, sujui uusien asioiden ymmärtäminen jo melko vaivatta. Tein kolmantena tehtävänä koulualue-tehtävän, ja tietojen prosessointi toimi jo sen verran vaivatta, että mieleni teki jatkaa nelostehtävään blogin kirjoittelun sijaan. Päätin kuitenkin siirtyä tässä kohtaa blogin kirjoittamiseen, ja jättää uima-altaiden sijainnin mysteeriksi. Toisin kävi, kun opettavainen ryhmätyöskentely innosti minua haastamaan itseäni sittenkin uima-altaiden parissa. Olihan kysymysten vaatimassa päättelyssä kuitenkin selviä eroja kolmostehtävään, eli jotain uutta oli aivosoluille luvassa.

Taulukko 5. Koululaisten osuudet Helsingin yhtenäiskoulun koulualueella Käpylässä. 

 

Nelostehtävän teko lähti vauhdikkaasti liikkeelle. Kysymyksiin vastaaminen oli sujuvaa kerätyn kokemuksen ansiosta. Tenkkapoo iski kuitenkin mukavasti summary-toimintoa käyttäessä. Työkalu ei suostunut suorittamaan toimintoa ja ratkaisu, ja samalla työaskel eteenpäin jäi saavuttamatta. Hain toiminnon kiertämiseen ratkaisua Join by attribute -toiminnolla, mutta tulos jäi oudoksi.

Kiitos mahtavalle työtiimille Sarlotta, Lila ja Kaisla, joka löysi netistä ratkaisun virhetiedon ohittamiseen. QGISin asetuksista löytyi kohta, jonka myötä QGIS jättää virheilmoituksen huomiotta. Ohittamisen vuoksi muutama uima-allas Puistolassa sekä Tammistossa jäivät huomiotta, mutta vaikus lopputulokseen on vähäinen.

Taulukko 6. Uima-altaiden jakautuminen rakennustyyppeihin pk-seudulla.

 

 

Kuva 3. Virheilmoitus Join (summary) -työkalua käyttäessä.

Kuva 4. Asetuksista löytynyt kohta virhetiedon ohittamiseen.

Kuva 5. Uima-altaiden jakautuminen kaupunginosittain pk-seudulla.

Uima-allas -tehtävässä kuvaus pylväsdiagrammeilla on mielestäni jokseenkin heikko. Ajatus olisi mielestäni toimiva, jos kaupunginosa-alueissa olisi lisäksi koropleettikarttana esimerkiksi saunojen määrä ilmoitettuna. Tällöin pylvästieto olisi hyvä ratkaisu, sillä se täydentäisi hyvin koropleettikartan tietoa. Yksinään pylväsdiagrammikartta rajatuilla alueilla on heikko ja huonosti kuvaava karttaratkaisu. Lisäksi sain vaikutelman kartan viimeistelyä tuottaessa, että erityisesti pylvästietoihin liitetty numero ei kovin toimiva järjestelmätoiminnan osalta, sillä numerotieto liikkui hyvin sattumanvaraisesti eri zoomaustasoilla sekä viimeistelyvaiheessa. Hyvän ja siistin lopputuloksen saavuttaminen oli siis käytännössä mahdotonta.

Yhteenvetona

QGIS taitoni ovat siis tulleet huomattavasti eteenpäin, ja hyvä niin. Onhan kurssi jo vähitellen kääntynyt loppupuolelleen. Tietokoneenkin edessä viihtyy jo paremmin, kun QGIS ei ole mörkö, vaan enää peikko. Ei paha peikko, vaan sellainen hyvä työtoveri muumipeikko. Eiköhän minustakin joskus GIS-velho tule. 😀

Ei muuta kuin ensi blogiin, jatketaan hyvällä mallilla!

 

 

Päivitys 24.2.2023: 

Tarkennettu työskentelytapahtumia ulkomaalaisten asukkaiden osuuden laskennassa.

Julkaistu

Viikko 1

Moikka lukijat!

QGISin käyttäminen kurssin ensimmäisellä työkerralla tuntui yllättävän sujuvalta. Aiemmalla johdatus geoinformatiikkaan -kurssilla tuotettu puskurivyöhykkeiden onnettomuusanalyysi sisälsi yllättävän monia samanpiirteisiä työvaiheita nyt tuotetun kartan kanssa, mikä teki kartan tuottamisesta itselleni helpompaa.

Työskentelin tällä kertaa myös vakaalla 3.22 version ohjelmistolla, kun sisäistin vihdoin, miksi uusin versio ei perustyöskentelyyn ole välttämättä se paras. Tiheään vaihtuva ohjelmistoversio sekä kokeiluluontoiset QGIS-työkalut eivät ole oleellisia vielä perussisältöä opetellessa. Nopeaan tahtiin muuttuva ohjelmistosisältö ei ole hyödyksi, kun ajatukset hahmottelevat vasta järjestelmän runkoa. Kolmas syy on se, etten jaksa päivitellä jatkuvasti ohjelmistoa.

Tehtävä 1.  Itämeri

Kuva 1. Lähdemaiden osuudet Itämeren typpipäästöihin.

Itämeren kartta oli ensimmäinen QGIS työ moneen kuukauteen. Työn tekeminen alkoi sujuvasti, ja sain muutettua typpipäästöt attribuuttitaulun päästöluvuista prosenttiosuuksiksi ensimmäisellä yrittämällä. Properties-näkymän värimäärittely oli MAA-104 jo tuttua, ja sekin onnistui sujuvasti. Ongelmat alkoivat, kun yritin vaihtaa määrittävien lukujen määrää kahdesta yhteen. Paras vaitoehto oli tehdä kartan alusta alkaen. Tällä kerralla properties-näkymä ei kuitenkaan tehnyt yhteistyötä, ja liukuva värijako luokkiin ei onnistunut. Yritin paikkailla tilannetta, mutta lopputulos kartalla ei ollut edelleen sitä mitä tavoiteltiin. Päätinkin siis tehdä kartan kolmannen kerran, tällä kertaa läppärillä enkä GIS-luokan tietokoneella. Yritys tuotti tulosta, ja kartta oli sellainen mitä tavoittelin.

Jätin legendassa mainitsematta, että kyse on nimenomaan HELCOM-maista. Havahduin tietopuutteeseen vasta A. Liljeforsin blogista, sillä kyseessä onkin keskeinen Itämeren suojelukomissio. Jätin tällä kertaa asian mainitsematta,  mutta kyseessä voi olla todellinen asia- tai lähdevirhe. Kommentoi blogiini, mikäli asia oli mielestäsi oleellinen ja maininnan arvoinen!

Tehtävä 2.  Suomen kunnat

Kuva 2. Suomen kuntien asukasluvut vuonna 2021

Kuntakartan luominen oli sujuvaa Itämerikartan tuottamisen jälkeen, sillä käytetyt työkalut olivat samoja. Tiedon esittäminen kuntakartalla aiheuttaa itselleni kuitenkin harmaita hiuksia, sillä kuntien hallinnolliset rajat sekä koot vaikuttavat tiedon esittämiseen merkittävästi. Tämä voi johtaa kartan viestin vääristymiseen. Seuraavissa kappaleissa on analyysiä siitä, miksi asukaslukua ei kannata esittää kuntakartalla.

Kuntakartta kuvaa mielestäni heikosti kaupunkien asukaslukuja. Kartta antaa harjaantumattomalle kartan tarkastelijalle helposti vääränlaisen kuvan kaupunkien asukkaisen määristä, sillä kunnan pinta-ala yhdistyy helposti asukasluvun suuruuteen. Näin ollen kartta antaa vaikutelman hyvin suuresta asukasluvusta erityisesti Jyväskylän, Kuopion ja Oulun kohdalla, vaikka merkittävä asutuskeskittymä sijaitsee vain pienellä alueella kunnan koko pinta-alasta. Samalla pääkaupunkiseutu näyttäytyy Lahden kokokoisena, vaikka asukasluku noin kymmenkertainen Lahteen nähden. Tähän vaikuttaa toki myös asukasluvun skaala, joka pyrkii yhdistämään kooltaan poikkeuksellisen suuren Helsingin ja suurimmalta osalta melko pienet Suomen kunnat ja kaupungit.

Tarkastelijan on siis huomattava, ettei kartan tarkoitus ole kuvata yksinomaan Suomen asukkaiden sijoittumista, vaan osoittaa tämän ohella myös kuntien hallinnolliset alueet. Kuntien koko ja asukasmäärä kertoo siis erityisesti kunnan paikallisesta vaikutusvaltaisuudesta.

Parhaiten kartta kuvaa mielestäni sitä, miten asutus keskittyy maaseudulla koko Suomen mittakaavassa. Maaseutu on kartan mukaan tiheintä Länsi-Suomessa, ja Itä- ja Pohjois-Suomi ovat tyhjempiä. Maaseutu muodostuu useista kunnista, ja tarkastelija voi havaita erityisesti Suomen luoteisosassa keskimäärin tummemman yleissävyn muuhun Suomeen nähden.

Tiedon esittäminen pääsee mielestäni paremmin esiin, kun esitetään useampi kuntakartta samaan aikaan. Tällöin syntyy tietoa juuri laajempien kokonaisuuksien keskittymisestä. J. Niemisen blogissa kuntakartalla esitetään alle 15-vuotiaiden sijoittumista Suomessa. Kartalta on hyvin havaittavissa nuorten merkittävät osuudet Pohjanmaan alueella. Vierekkäin asetetut kuntakartat avaavat tarkastelijalle karttojen vertailumahdollisuuden, ja antaa siten huomattavasti laajemman kuvan johtopäätösten vetämiselle. Suomen kuntakartta sopii hyvin tietojen yhdistelemiselle ja vertailulle, sillä kuntatason tilastoaineistoja on saatavilla todella kattavasti eri aihealueilta.

Blogi venyi tällä viikolla yllättävän pitkäksi. Suurkiitokset, jos maltoit pysyä mukana loppuun asti! Kommentoi ihmeessä alle, mikäli sinulla on mielipide HELCOM-asiaan. Voit myös mainita, mikäli olit jostakin muusta asiasta samaa tai eri mieltä.

Ei muuta kuin näkemiin ja ensi blogiin! 😀

 

Lähteet:

A. Liljefors, Harjoitus 1, [blogikirjoitus] 20.1.2023, Anna’s blog.  https://blogs.helsinki.fi/annalilj/2023/01/20/harjoitus-1/ (luettu 23.1.2023)

J. Nieminen, Viikko 1, [blogikirjoitus] 23.1.2023, Jennan blogi.  https://blogs.helsinki.fi/nieminje/ (luettu 23.1.2023)

 

Julkaistu

Testiblogi

Moi,

Tervetuloa mun blogiini!

Jos ihmettelet mikä tämä postaus on, niin tämä on ihan testailua varten, eli ei mitään kovin kummoisia. Tämä blogi päättyykin tähän, mukavaa että luit tähän asti. 🙂

Nähdään taas ensi blogissani!