Seitsemännellä kurssikerralla korona veti sängynpohjalle ja esti osallistumasta paikan päällä. Huonon vointini vuoksi kyselin Artulta armoa deadlineen ja sainkin reilusti armon aikaa viimeiseen blogitekstiin. Luonnollisesti lykkäsin tehtävää aivan viime hetkeen ja Artun varoitus QGIS – rutiinin katoamisesta kävi toteen. Katselin tehtävänantoa pitkän aikaa enkä todella tiennyt, kuinka lähteä liikkeelle.

Selailin muiden blogitekstejä inspiraatiota hakeakseni ja löysinkin esimerkiksi Ali Ylikosken 7. kurssikerran tekstin (Alin geoinformatiikkablogi), joka oli todella taidokas ja perusteellinen ja aiheutti suorastaan paineita. Kuitenkin huiskiessani sinne tänne internetin syövereissä ja saamatta mistään kiinni, tyydyin tekemään mahdollisimman yksinkertaisen esityksen mahdollisimman helposti saatavilla olevalla datalla.

Hain maailmankartan Natural Earth -sivustolta ja lähdin etsimään siihen yhdistettävää dataa. Lopulta päädyin hakemaan sitä The World Bankin sivuilta. Latasin suuria määriä Excel-tiedostoja koneelleni ja päädyin lopulta esittämään kartalla meren pinnan nousulle riskialttiita alueita ja sitä, miten suurta määrää väestöstä nousu uhkaa. Otin tarkastelun alle pahimman, 5 metrin meren pinnan nousun skenaarion. Hioin dataa Excelissä pitkään manuaalisesti saadakseni sen siihen muotoon, että uskalsin siirtää sen QGISin. Erityisesti huoletti se, että kaikista maista ei dataa löytynyt enkä oikein tiennyt miten ne maat käyttäytyisivät dataa liitettäessä. Sehän selvisi, kun sain tietokantaliitoksen tehtyä. Ilmeisesti maat joista dataa ei ollut, laskettiin automaattisesti korkeimpaan luokkaan. Vasta tässä kohdin lähdin tutkimaan alkuperäistä dataa tarkemmin ja huomasin, että tietokannassa oli mukana ainoastaan rannikolla sijaitsevat kehitysmaat. Väritin maat, joista dataa ei ollut neutraalilla keltaisella. (Kuva1).

 

 

Jostain syystä jouduin taistelemaan kartan legendan kanssa aivan älyttömän kauan. Säädön jälkeen päädyin sitten kuvan 2 ratkaisuun. Odotetusti kaakkois-Aasia pistää kartalla silmään. Erityisesti Vietnam ja Bangladesh ovat suuressa vaarassa merenpinnan nousemisen myötä.

 

 

 

 

 

 

Sain näihin yksinkertaisiin karttoihin uppoamaan niin kauan aikaa että aika yksinkertaisesti loppui kesken ja lähtö Lammin kenttäkurssille koitti. Ajatuksenani oli vielä esittää samalla kartalla ympyrädiagrammina niiden ihmisten määrä johon meren pinnan nousu vaikuttaa. Data oli jo valmiina yhdistettynä samaan attribuuttitauluun mutta en saanut diagrammeja näyttämään niin selkeiltä että niillä olisi ollut mitään lisäarvoa. Siksipä riskilläkin jätän tämän tähän ja lähden selvittämään mystisen kenttäkurssin antia.

 

 

Lähteet:

Ylikoski. A, (2022) Kurssikerta 7: Omavalintainen analyysi koronaepidemian vaikutuksesta metroasemien käyttäjämääriin

Kurssikerta 7: Omavalintainen analyysi koronaepidemian vaikutuksesta metroasemien käyttäjämääriin

Natural Earth, 1:50m Cultural Vectors

naturalearthdata.com (vierailtu 6.5.2022)

 

The World Bank, Open data

https://data.worldbank.org/ (vierailtu 6.5.2022)

 

 

 

Kurssikerralla 6 saimme aloittaa virkistävällä reippailulla Kumpulan kampuksen lähiympäristöstä. Keräsimme kohteita ja niiden koordinaatteja Epicollet5 – sovelluksella ja analysoimme niitä QGISillä. Mielestäni harjoitus toi mukavasti konkretiaa datan keräämiseen ja sen ymmärtämiseen. Sain tämän pohjalta myös idean hyödyntää sovellusta Maantieteen projektiharjoituskurssilla, jossa kartoitimme kirkon näkyvyyttä Pihlajamäen alueella sen avulla.

Kurssin itsenäistehtävänä oli tuottaa kolme karttaa hasardeista. Koetin ensin suuruudenhullusti interpoloida maanjäristysaineiston jossa oli kaikki 6 ja 9 magnitudin välillä olevat järistykset aikavälillä 1900 – tänään (25.2.2022). QGis näytti interpolointiajaksi 22 minuuttia joten lopetin prosessin ja latasin saman voimakkuuden maanjäristykset ainoastaan 2000 – luvulta. Kuvittelin että näitä ei tulisi paljon mutta olipa niitäkin kaiken kaikkiaan 3 384 kappaletta. Interpolointi näillä sujui muutamassa minuutissa mutta en saanut esitystä näyttämään siltä miltä kuvittelin sen näyttävän. Siksipä palasin taas stepin taaksepäin ja päätin tehdä vain erilliset kartat kustakin hasardista.

 

Palaan tulivuoriin ja meteoriitteihin hieman myöhemmin.

Viikolla 5 tutkailtiin lisää QGIS:n piirtotyökaluja, laskentaa ja bufferointia. Ensimmäisessä tehtävässä bufferoitiin Helsinki-Vantaan ja Malmin lentokentän lentomelualueita.

Helsinki-Vantaan lentokentällä 2km:n säteellä kiitoradoista asuu 11 715 asukasta. Näistä 17 asukasta (6 rakennusta) osuu pahimman, 65 desibelin lentomelun alueelle. Vähintään 55dB melualueella asuu kaiken kaikkiaan 11 923 asukasta.

Jos lentokoneet ohjattaisiin laskeutumaan Tikkurilasta (kaakko-luode – suunnassa), vähintään 60dB:n lentomelualueelle jäisi 13 153 asukasta lisää. Alla olevassa kuvassa keltaisella korostetut pisteet (rakennukset) keltaisella pohjalla olisivat lentomelun alle jääviä. Piirsin Tikkurilaan päin osoittavan kiitoradan pätkän päähän 7km:n viivan jonka ympärille piirsin 500metrin vyöhykkeen suuntaansa.

 

 

 

 

 

 

 

 

Tämän kurssikerran myötä tuntui siltä että QGIS alkaa ohjelmana todella hahmottumaan ja jäsentymään loogiseksi kokonaisuudeksi aivojen syövereihin. Olen jo melko varma että minulta onnistuu useamman erilaisen aineiston tuonti ohjelmaan, liittää niitä yhteen, venkslailla rasteri-, ja vektoriainestojen kanssa sekä, no toki, bufferoida! Veikkaan kuitenkin että ilman aktiivista käyttöä tällaiset taidot unhoittuvat nopeasti. Siksi toivonkin että jatkossakin QGISille tulisi käyttöä tasaisin väliajoin ja opitut taidot vielä syventyisivät ja yksinkertaisista toimenpiteistä ja ongelmatilanteiden ratkomisista tulisi rutiinia. Vastaavia mietteitä oli myös Lotta Sainiolla (Mantsailua – Lotta Sainio).

 

 

Lähteet:

Sainio. L, (2022) Viikko 5: Buffereita ja tuskan hikeä

blogs.helsinki.fi/salotta/2022/02/18/viikko-5-buffereita-ja-tuskan-hikea/ (vierailtu 6.5.2022)

Neljännen kurssikerran ruutu- ja rasterikartat sekä pisteaineistot tuntuivat helposti lähestyttäviltä ja nopeasti omaksuttavilta.

Tilastoaineiston esittämistä varten luotiin ruudukko, jonka avulla tiedon visualisointi on helpompaa. Ruututeemakartta ulkomaan kansalaisten absoluuttisesta määrästä (kuva 1) näytti noudattelevan pääkaupunkiseudun asukaslukuja ylipäätään, eikä absoluuttinen määrä siksi onnistu kuvaamaan varsinaisesti ilmiötä. Suhteellinen määrä (kuva 2) taas kuvannee paremmin tilannetta.

 

 

 

 

 

 

 

 

 

 

 

Kartan tulkinta kuitenkin etenkin näin jpg – muotoisesta kuvasta on melkoisen haasteellista kun kartassa ei ole muita kiinnekohtia kuin pääkaupunkiseudun ulkorajat ja Kauniainen, ja nekin hieman sekavasti kun ruutuaineiston ruudut sotkevat niitä. On siis haastavaa pohtia esimerkiksi syitä yksittäisen ruudun lukemaan kun sen sijaintia joutuu ensin määrittelemään toisen, rinnakkaisen kartan avulla. Toki karttaa olisi voinut vielä hioa sen tulkintaa helpottaakseen. Kävin tutkailemassa muiden kurssilaisten blogeja ja vertailemassa heidän aikaansaannoksiaan omiin karttoihini. Esimerkiksi Meri Lehto (Vielä yksi kysymys geoinformatiikasta) oli onnistunut mielestäni karttojen ulkoasussa huomattavasti paremmin. Karttoja selkeytti näkyvät kuntarajat ja ruudukon läpinäkyvyys.

 

Lähteet:

Lehto. M, (2022) Ruotsinkielisiä ruututeemakartalla

blogs.helsinki.fi/lehtomer/2022/02/19/ruotsinkielisia-ruututeemakartalla/ (vierailtu 2.5.2022)

 

Kolmannen viikon luento eteni mukavan hitaasti ja pysyin hyvin kyydissä koko luennon ajan ja luennon jälkeen oli kaikkivoipainen olo siitäkin huolimatta että QGis kaatui kahdesti itsenäisen tehtävän aikana ja hävitti tallentamattoman työni taivaan tuuliin. Itse luennolla tehty Afrikka-projektikin tuotti pettymyksen, kun lähdin availemaan sitä kotikoneellani. En onnistunut saamaan projektia auki vaikka olin purkanut kaikki työhön tarvittavat tiedostot myös omalle koneelleni enkä kerta kaikkiaan ymmärrä missä meni pieleen. Yritin myös aloittaa tehtävää kokonaan alusta mutta lauantai-moodiin rentoutuneet aivoni eivät vain jaksaneet raksuttaa riittävällä nopeudella ja QGisin jatkuvat herjat alkoivat syödä motivaatiota.

Siksipä päätin skipata Afrikan ja paneutua itsenäisen tehtävän kimppuun. Suomen jokien tulvaindeksin laskeminen onnistui onneksi helposti jakamalla keskiylivirtaaman keskialivirtaamalla. Haastavaksi osuudeksi osoittautui järvisyydestä kertovan histogrammin lisääminen. En alkuun saanut palkkeja näkyviin kartalle ja säädin niitä aivan loputtoman kauan. Lopulta ihan tuurisäädöillä kaikkia mahdollisia kenttiä kliksuttelemalla sain palkit näkyviin. Sen jälkeen koko toiminto alkoikin tuntua loogisemmalta ja sain palkkeja muokattua selkeämmiksi.

 

 

 

Kuva 1.

Kartan (kuva 1) perusteella näyttäisi siltä että tulva indeksi on korkein niillä alueilla joilla järvisyys on pienempää. Vähäjärvisillä alueilla sadevedet kerääntyvät nopeasti jokiin ja näin aiheutuu herkemmin tulvia. Järvisillä alueilla järvet tasaavat tulvia. Miia Mattila oli tehnyt saman havainnon blogissaan (Geoinformatiikan menetelmiä harjoittelemassa) ja avannut ilmiötä vielä hiukan tarkemmin.

 

 

Lähteet:

Mattila. M, (2022) Myöhäiset muistelmat kolmannesta kurssikerrasta

https://blogs.helsinki.fi/mcmiia/category/diagrammit/ (vierailtu 8.4.2022)

Toisella kurssikerralla käytiin läpi muun muassa valintatyökaluja ja erilaisten projektioiden vaikutusta karttojen mittasuhteisiin.

Suomen karttaan Suomineidon päälaelle piirretyn kolmion pinta-ala vertailussa konkretisoitui se, miten paljon projektio vaikuttaa alueiden mittoihin. Esimerkiksi Mercatorin koko maapallon kattava projektio antoi kolmiolle lähes kymmenkertaiset mitat verrattuna Transverse Mercatorin Suomen kaistaan (ETRS89 / TM35FIN). (Taulukko 1). Minut yllätti se, että ellipsoidiset mitat eivät muuttuneet projektorien vaihtuessa. Wikipedian (Wikipedia, Mercatorin projektio) mukaan on niin että ellipsoidiset mitat lasketaan integroidulla differentiaaliyhtälöllä tasolla saaduista (cartesian) mitoista. Olisin halunnut vielä ymmärtää yhtälön ja hukkasin sen pohdiskeluun kohtuuttoman paljon aikaa mutta totesin että lukion matematiikan tunneista on aivan liikaa aikaa ja asiaan perehtyminen veisi tuntitolkulla aikaa. Eikä minulla toisaalta edes ole tietoa siitä riittäisikö lukion matikat tuohon.

 

 

 

Seuraavaksi vertailin Suomen leveyden muutoksia samoilla projektioilla. Lähdin liikkeelle Maalahden läntisimmästä saaresta ja jatkoin siitä Ilomantsin itäisimpään nurkkaan. Myös tässä mittauksessa ellipsoidinen, korjattu mitta oli kaikissa projektioissa sama, mutta tasolla tehdyt korjaamattomat mitat vaihtelivat huomattavasti. (Taulukko 1).

Vertasin vielä ETRS / TM35FIN – projektiolla saatuja lukuja muilla saatuihin lukuihin ja kuvasin niitä prosentuaalisella vertailuluvulla sekä lukujen erotuksella. (Taulukko 1).

 

Aloitin eri projektioiden pinta-alavertailut koronaisilla aivoillani ja sain kaiken niin totaaliseen solmuun että olisi varmaan ollut parasta pyyhkiä kaikki tehty ja aloittaa kaikki alusta. Nyt koronan jo hellittäessä katson arvoja taulukossa ja aivot meinaa sulaa. Mm. Mercatorin projektorille merkkaamani arvot näyttävät hyvin vääriltä. Näinpä jätän siihen tekemäni vertailut pois täältä blogista ja esittelen ainoastaan sen jossa se ei ollut osallisena. Alla (kuva 1) kuvaan oikeapituisen Gallin projektiota (World Gall Stereographic) Lambertin projektiolla tuotettuun karttaan. Suurin pinta-alan vääristymä löytyy Utsjoelta; 63,38 %.

Suuren ihailun vallassa lueskelin muiden kurssilaisten blogeja. Esimerkiksi Topias Vanhatalo (TKV MAA202 blogi) oli onnistunut esittämään eri projektioiden vääristymiä selkeästi ja kauniisti. Tämä kurssikerta olkoon nyt tällä käsitelty, jospa seuraavan saisi käsiteltyä täydellä aivokapasiteetilla, vähän vähemmän flunssaisin tunnelmin ja kauniimmin lopputuloksin.

 

Lähteet:

Vanhatalo. T, (2022) MAA-202 harjoitukset kurssikerta 2

https://blogs.helsinki.fi/topiasva/2022/01/ (vierailtu 6.4.2022)

QGis Ohjelmaa taidettiin käyttää jo kurssilla Johdatus geoinformatiikkaan mutta uuden version latauksen ja avauksen jälkeen ei edellisistä käyttökerroista juuri ollut apua. Vaikka ohjelma tuntuukin pääosin melko intuitiiviselta, on sen käyttö hidasta aloittelijalle, kun toimintoja on niin paljon. Vaatii vielä runsaasti käyttökokemusta, jotta ohjelman toimintalogiikka jäsentyisi itselle niin että käyttö olisi vaivatonta. Viimeistään tämä kurssi pakottaa minut investoimaan erilliseen suurempaan näyttöön. GQis – ohjelman tihrustelu fuksiläppäriltä käy turhauttavaksi melko pian. Kahden näytön taktiikka myös helpottaisi huomattavasti tehtävien tekemistä.

Tunnilla kaikki tuntui selkeältä ja pysyin hyvin menossa mukana mutta kotosalla samoja toimintoja kaivellessa on todettava, että monen namiskan sijainti ja tarkoitus on unohtunut. Siksipä teinkin koko tunnilla tehdyn harjoituksen uudelleen vielä kotona. (Kuva 1).

Itsenäisessä tehtävässä oli kaksi vaikeustasoa. Epävarmana käyttäjänä päätin aloittaa helpommasta ja tehdä vielä haastavamman version, jos ensimmäinen sujuu mukavasti. Yllättäen jo helpompikin tehtävä osoittautui haastavaksi. Taistelin pitkään aivan yksinkertaisen ongelman kanssa. Yritin epähuomiossa nimetä attribuuttitaulukkoon lisäämäni uuden sarakkeen samalla tavalla kuin yksi jo olemassa olevista sarakkeista. Ohjelma herjasi, että uuden sarakkeen luominen epäonnistui mutta ei tarkentanut syytä. Toistin saman virheen useita kertoja ennen kuin hoksasin mikä on ongelma.

Päätin havainnollistaa kuntakartalla sitä miten saamenkieliset jakautuvat Suomen kuntiin. (Kuva 2). Odotetusti suurin osa saamenkielisistä osoittautui asuvan Lapin kunnissa. Hiukan yllätyksenä mukaan nousi Helsinki, jossa asuu 2,8 % Suomen saamenkielisistä. Saamenkielisten määrän vähyys yllätti myös. Tilaston mukaan saamenkielisiä on Suomessa ainoastaan 1 828. Oikeusministeriön verkkosivuilla kerrotaan kuitenkin, että saamelaisia on Saamelaiskäräjien mukaan Suomessa 10 500 henkilöä. Sivustolla kerrotaan myös että saamenkielen puhujien määrän arviointi on haastavaa koska kaikki puhujat eivät ilmoita saamenkieltä äidinkielekseen.

Olin tämän ensimmäisen tehtävän ja blogitekstin kanssa niin myöhässä että toisen viikon tehtävät painoivat jo päälle. Ennen työhön ryhtymistä ajatus blogin kirjoittamisesta tuntui sen verran vaivaannuttavalta että tehtävä lykkääntyi. Nyt kuitenkin huomaan että oppimisprosessina blogin kirjoittaminen ja etenkin muiden blogien lukeminen toimii loistavasti. Oli myös helpottavaa huomata muiden blogeja lukiessa että ei ole ainoa jolla on ollut haasteita tehtävän kanssa.

Otan tavoitteekseni Viktoria Rumbinin tavoin ”Kurssikerta 1 – Ehkä tuleva QGIS-guru?” (luettu 3.2.2022) aloittaa tehtävät aikaisemmin ja keskittyä intensiivisemmin.

Hyvä tästä vielä tulee!

 

Lähteet: Saamen kielet, Oikeusministeriö, https://oikeusministerio.fi/saamenkielet

Victoria Rumbin, Kurssikerta 1 – Ehkä tuleva QGIS-guru?, Victoria Rumbin’s blog, luettu 3.2.2022, https://blogs.helsinki.fi/vrumbin/