Lajinsa Viimeinen

Viimeinen kurssikerta toiselta nimeltään myös seitsemäs kurssikerta. Oli aika ottaa ohjat omiin käsiin ja kaivaa internetin ihmeellisestä maailmasta tietoa omatoimisesti. Päädyin itse käyttämään Eurostat -verkkosivua, joka kieltämättä yllätti jo datan paljoudella. Kuten nimestä on jo pääteltävissä, Eurostat -sivusto on käytännössä latauspalvelu Eurooppaa koskevaa dataa varten. Datan saaminen QGIS -sovellukseen oikeassa muodossa osoittautui harmillisen haastavaksi, en meinannut millään saada CSV tiedostoja muotoon, jossa lukuarvot näkyisivät lukuarvoina eikä tekstikenttinä. Loppujen lopuksi sain kuitenkin muutaman karttaesityksen tehtyä.

Kartat esittävät Euroopan valtioittain bruttokansantuotteen sekä hiilidioksidipäästöjen määrän. Näillä on hyvin ilmeinen korrelaatio eli rikkaus ja päästöt kulkevat käsikädessä. Silmään pistävää on molemmissa kartoissa luokittelun tähtitieteellisissä määrissä pyörivät luvut.

Koska bruttokansantuotetta (BKT) käytetään paljon kehityksen mittarina, otin kolmanneksi kartaksi luonnonsuojelualuiden kokonaisneliökilometrivertailun Euroopan valtioittain. Tulokset ovatkin yllättävät. Perinteisesti kehittyneimpinä pidetyt valtiot eivät olekaan niin hyvällä kannalla suojelualueiden suhteen. Tällä luokittelulla tuloksissa on paljon yllättäjiä, kuten Puola, jolla on myös suuret hiilidioksidipäästöt. Mielenkiintoista on myös monien valtioiden poisjääminen tilastoinnista, kuten Norja sekä Islanti.

Lopuksi vielä muutama sana yleisemmin kurssista. Kurssi oli erittäin mielenkiintoinen, miellyttävän haastava ja kokonaisuudessaan onnistunut.  Kuten Katja Pulkkinen blogissaan sanoi, jäi mielenkiinto tutustua enemmän QGIS -sovellukseen. Opin myös hyvin paljon geoinformatiikasta ja odotankin innolla tulevia koitoksia!

Lähteet:

Eurostat, http://appsso.eurostat.ec.europa.eu/nui/show.do?dataset=env_bio1&lang=en

Eurostat, http://appsso.eurostat.ec.europa.eu/nui/show.do?dataset=nama_10_gdp&lang=en

Eurostat, http://appsso.eurostat.ec.europa.eu/nui/show.do?dataset=env_ac_ainah_r2&lang=en

Eurostat, https://ec.europa.eu/eurostat/web/gisco/geodata/reference-data/administrative-units-statistical-units/countries

Katja Pulkkinen, Terveyttä ja sairautta EU:ssa (kurssikerta 7), <https://blogs.helsinki.fi/kzpulkki/2019/03/01/kurssikerta-7/>

Kuudes kerta

Kuudennella kurssikerralla paneuduttiin paljon aineiston tuomiseen QGIS sovellukseen. Toisin sanoen sen lataamiseen oikeassa tiedostomuodossa. Tuotettiin myös Kumpulan alueen kaupunkiympäristöstä omaa spatiaalista dataa Epicollect5 sovelluksella. Aineiston tuottaminen oli mielenkiintoista ja ulkoiluhan on tietysti aina varsin mukavaa. Tuotimme aineistosta interpoloimalla kartan Kumpulan alueen turvallisuuskokemuksista. Kuten aluksi jo epäilimme, kartasta ei ilmennyt poikkeuksellisia tuloksia.

Haastavampi osuus tuli kurssikerran toisessa osiossa, jolloin teimme karttoja hasardeista. Tarkemmin sanottuna maanjäristyksistä, tulivuorista sekä meteoriiteistä. Dataa piti kopioida taulukoista, juoksuttaa lehtiön kautta, Excel -taulukkosovellukseen. Kartoista tuli kieltämättä mielenkiintoisia.

Yllä oleva kartta esittää Aasiassa ilmenneitä vähintään kuuden richterin maanjäristyksiä vuodesta 1950 vuoteen 2019. Kuten Kirsi Ylinen blogissaan esitti opetuskäytön parantamiseksi karttaan olisi hyvä lisätä litosfäärilaattojen rajat, jotta laattatektoniikan syy-seuraussuhteiden havainnollistaminen helpottuisi.

Toinen kartta koski tulivuoria ja tässä tutkittavana olikin koko maapallon alue. Opetuskäytössä kartta olisi hyvää jatkoa edeltävään maanjäristyskarttaan, mutta ehkäpä juuri laattojen rajat olisi hyvä olla mukana. Tulivuorikartta toimii myös kuumista pisteistä opetettaessa. Oheisen linkin takana voikin vertailla mannerlaattojen rajoja yllä oleviin karttoihin; <https://peda.net/oppimateriaalit/e-oppi/n%C3%A4ytekirjat/helsingin-kaupunki/e7h/emaantieto728/3eis2/teht%C3%A4v%C3%A4t/kuvamappi/kuvia/lr>

Viimeinen kartta kuvastaa meteoriittien tunnettuja osumia maan pinnalle. Luonnollisesti karttaa pystyisi hyvin käyttämään opetettaessa meteoriiteistä ja niiden määristä. Kartan avulla on mahdollista myös havainnollistaa tilastoinnin antamaa harhakuvaa, koska meteoriittejähän ei voi löytää käytännössä muualta kuin maalta.

 

Lähteet:

Kirsi Ylinen, Tulivuoria ja järistyksiä, https://blogs.helsinki.fi/yxkirsi/2019/02/25/tulivuoria-ja-jaristyksia/

https://peda.net/oppimateriaalit/e-oppi/n%C3%A4ytekirjat/helsingin-kaupunki/e7h/emaantieto728/3eis2/teht%C3%A4v%C3%A4t/kuvamappi/kuvia/lr

Kurssikerta 5

Kurssikerroista viidennellä pääsimme pureutumaan omatoimiseen ongelmanratkaisemiseen. Oheinen kartta on itsenäisharjoituksen tuotos ja esittää uima-altaan omaavien rakennusten jakautumista pääkaupunkiseudulla. Kuten kartasta käy ilmi, eniten uima-allasrakennuksia löytyy Helsingin kaupungin alueelta, mutta ei niinkään paljon Helsingin kantakaupungin alueelta.

Harjoitukset olivat mielenkiintoisia ja myös totta puhuen hyvin haastavia. Onnistumisen tunnetta loi muilla kurssikerroilla käytettyjen apuvälineiden liittäminen uusiin aineistoihin ja ongelmiin. Jos jokin tietty työkalu QGIS ohjelmistosta pitäisi nostaa esille, se olkoon Spatial Query. Sen käyttäminen tuntuu hyvin luontevalta ja se vaikuttaa erittäin käyttökelpoiselta moniin haasteisiin. Sen sijaan vaikealta tuntuu vielä koittaa muistaa, mitä kaikkia eri työkaluja on tullut käytettyä.

Tämä kurssikerta yleisemmin sisälsi, kuten Teemu Lindén blogissaan tiivisti, kohteiden bufferointia ja tietokantojen arvojen laskemista.  Näissä harjoituksissa perehdyttiin pitkälti Helsinki-Vantaan lentokentän ja Malmin lentokentän sekä rautatieasemien vaikutusalueen väestön eri tilastojen laskemiseen. Ja kuten Nestori Grönholm blogissaan sanoi, karttojen sijasta vastaukset ovat tällä kertaa pääosin numeraalisia.

  1.  Malmin lentokentästä kilometrin päässä asuu 8838 ihmistä ja kahden kilometrin päässä 57 614 ihmistä.
  2. Helsinki-Vantaan lentokentästä kahden kilometrin säteellä asuu 11 406 ihmistä ja heistä pahimmalla melualueella (65 dB) asuu 29 ihmistä. 55 desibelin melualueella asuu sen sijaan 11 913 ihmistä.
  3.  Alle 500 metriä juna-asemasta asuu 106 691 ihmistä, joka on 21,77% kaikista alueen asukkaista.
  4. Työikäisiä näistä 106 691 ihmisestä on 83 988 eli 78,72%.

Edeltävien kaltaisiin analyyseihin bufferointi on aivan omaa luokkaansa. QGIS -sovelluksella se on kaiken lisäksi vielä varsin helppoa ja vaivatonta. Bufferoinnin avulla voisi myös esimerkiksi selvittää, miten kaukana palvelut ovat toisistaan, jotta niitä voidaan sijoittaa parhaiten saavutettavuuden kannalta. Kyseinen palvelu voisi kartan teeman mukaisesti olla esimerkiksi uimahalli.

Lähteet:

Teemu Lindén, Viikko 5, https://blogs.helsinki.fi/lindetee/2019/02/20/viikko-5/

Nestori Grönholm, Luku 5. Aivot käyttöön, https://blogs.helsinki.fi/nestorig/2019/02/26/luku-5-aivot-kayttoon/

Neljättä viikkoa viedään

Yllä oleva kartta on tuotos neljännestä kurssikerrasta ja se esittää naisten osuuden kokonaisväestöstä neliökilometreittäin pääkaupunkiseudulla. Lähtökohtaisesti voisi ajatella, että sukupuolijako on Suomessa luonnollisesti 50%-50%, mutta kartta kertoo tosin eri tarinaa. Helsingin kaupungin alueella suurin osa ruuduista lukeutuu luokkaan 50,6%-66,7% eli keskimääräisesti naisia on enemmän. Espoon ja Vantaan alueella naisia on sen sijaan useimmiten 40,7%-50,6%. Kartan perusteella näyttää siltä, että pääkaupunkiseudulla kokonaisuudessaan naisia on suhteellisesti enemmän kuin ympäröivissä kunnissa. Syy voi mahdollisesti olla asumismuoto tai opiskelijoiden suurempi määrä, mutta mitään konkreettista syytä on vaikea edes arvata.

Mitä tulee kartan ulkoasuun ehkä lukijaa helpottamaan voisi olla hyvä lisätä indeksikartta, joka näyttäisi pääkaupunkiseudun sijoittumisen Suomen alueella. Mielestäni ruutuaineistot ovat myös melko hyviä visualisointitapoja prosenttiosuuksien esittämiselle, mutta ei ehkäpä absoluuttisille lukuarvoille.  Tästä Amanda Ojasalo sanoi hyvin blogiartikkelissaan ”Ruutuja”, että ruututeemakartat ovat käteviä kuvaamaan alueellisia tiheysmuuttujia. Jos yllä olevan kartan kaikki ruudut esittäisivät vain absoluuttista lukuarvoa, kokonaisuuden hahmottaminen jäisi helposti vajavaiseksi. Ruutuainestoa käytettäessä on myös muistettava, että ruutujen sisällä oleva data on yhdistetty ja homogenisoitu, vaikka ruutujen sisällä vaihtelua voi olla paljonkin. Esimerkiksi tässä kartassa neliökilometrin kokoiset ruudut ovat kuitenkin melko isoja pinta-alaltaan. Pasi Okkonen sanoi hyvin blogissaan, että ruutukarttojen etu on juuri niiden vakiokokoinen ruudukko, ainakin verrattaessa pisteteemakarttaan tai koropleettikarttaan.

Lähteet:

Amanda Ojasalo, https://blogs.helsinki.fi/amandaoj/2019/02/08/ruutuja/

Pasi Okkonen, https://blogs.helsinki.fi/pasiokko/2019/02/12/viikko-4-ruutukartan-laadintaa-ja-rasteriaineiston-kanssa-tyoskentelya/

Viikko numero kolme

Tällä kurssikerralla syvennyttiin pidemmälle aineistoihin ja niiden liittämiseen toisiinsa.  Justus Poutanen avasi blogissaan tarkemmin miten liittäminen tapahtuu, tarvitaan käytännössä jokin yhdistävä tekijä, kuten tunnistenimi tai -numero. Yllä oleva kartta on juuri yhdistämällä aineistoja tuotettu. Siinä pohjan koropleettikartta kuvastaa Suomen valuma-alueiden tulvaindeksiä ja sen päällä olevat pylväät jokaisen valuma-alueen järvisyysprosenttia. Kartasta on mahdollista päätellä ainakin se, että järvisyydellä ja tulvaindeksillä ei ole korrelaatiota. Sen sijaan rannikkoseudun valuma-alueilla tulvaindeksi on huomattavasti korkeampi kuin muualla. Se voisi johtua esimerkiksi vähäisistä pinnanvaihteluista tai jokiuomien kasvamisesta merta kohti. Edvin Väänänen tiivisti Suomen tulvariskeistä loistavasti blogissaan; ”Herkintä aluetta tulvimiselle ovat Oulun seutu, Pohjanmaa, Etelärannikko ja Turun seutu, joissa etenkin keväisin sattuu tulvimista jokien pinnan noustessa lumien ja jäiden sulamisen myötä.” Lainaus on otettu artikkelista KK3.

Tässä toinen kolmannella kurssikerralla tehdyistä kartoista. Vaikka aineistojen yhdistely olikin työn takana lopputulos on informatiivisuuden puolesta mielestäni mainio.  Valtiot on jaettu internetin käyttöasteen mukaan, mikä on yllättävän hyvä tapa tutkia valtioiden välisiä infrastruktuurin kehityseroja. Puanisilla pisteillä on merkitty konfliktit, turkooseilla pisteillä timanttikaivokset ja mustalla öljy- sekä maakaasunporauskohteet. Toisin sanoen kartassa on todella paljon tietoa. Aineistoja yhdistelemällä voidaan tehdä johtopäätöksiä konfliktien ja luonnonvarojen välillä sekä niiden vaikutusta infrastruktuurin kehitykseen. Temporaalista aspektia valtioiden kehitykseen voi tutkia, jos luonnonvarojen löytämisvuodetkin on tiedossa ja samoin konfliktien alkamisen suhteen.

Lähteet:

Edvin Väänänen, https://blogs.helsinki.fi/edvaanan/

Justus Poutanen, https://blogs.helsinki.fi/pjustus/2019/02/05/resursseja-ja-konflikteja-afrikassa-seka-atk-luokassa/

Toinen viikko

Yllä oleva kartta kertoo projektion vaikutuksesta pinta-alaan. Vertailtavana olleet projektiot ovat ETRS-TM35FIN ja Mercator. ETRS-TM35FIN on pinta-alan mukaan hyvin tarkka vain joidenkin kymmenien metrien toleranssilla ja kartan tarkoitus onkin osoittaa hyvin yleisen Mercator -projektion luoma virhe kartalla. Pohjoisimmissa osissa Suomea ero kasvaa jopa 700 prosenttiin, mikä on hyvin suuri muutos. Satojen prosenttien muutos pinta-aloissa vaikuttaa huomattavasti karttaesityksestä muodostuvaan mielikuvaan. Nestori Grönholm artikkelissaan Luku 2. QGIS, tuo ikuinen mysteeri kiteyttikin tämän kurssikerran tavoitteen mainiosti; ”Karttaharjoituksissa yhdistettiin rajapintojen käyttö ja projektioiden vääristymien havainnollistaminen.”

Visualisointi kahdeksaan eri luokkaan helpottaa havaitsemaan muutoksen tasaisen kasvun pohjoisempaan katsoessa kartalla. Muutoksen kasvun syy on Mercatorin projektion tekotavassa, jossa leikkauspiste maanpintaan on päiväntasaaja. Toki on aina karttoja katsottaessa muistettava, että kaikki kartat ovat vääristyneitä jollakin tavalla, koska pallon pintaa ei ole mahdollista kuvata täysin oikein tasolla. Kartan tekeminen tuntui vielä hieman haastavalta etenkin tausta-aineistojen pyörittelyn osalta. QGIS -ohjelmiston logiikan oppimisessa ilmeisesti kestää hieman, mutta toistojen kautta  sekin varmasti avautuu. Visualisointi ja viimeistely sen sijaan tuntui jo sujuvan melko näppärästi, mikä oli varsin miellyttävä yllätys.

Lähteet:

Nestori Grönholm, https://blogs.helsinki.fi/nestorig/2019/01/26/luku-2-qgis-tuo-ikuinen-mysteeri/

https://fi.wikipedia.org/wiki/Karttaprojektio

Ensimmäisestä kurssikerrasta

Yli 65 -vuotiaiden prosentuaalinen osuus väestöstä kunnittain.

Ensimmäinen kurssikerta alkoi suoraan uuteen ohjelmistoon tutustumisella. Kyseinen ohjelmisto on QGIS, joka on avoimen lähdekoodin geoinformatiikkasofta. Alku tuntui, kuten aina, haastavalta, mutta ohjelmisto osoittautui hyvin loogiseksi. Mitään erityistä ”Heureka!” hetkeä en kokenut, vaikka QGIS:n muokkailtavuus yllättikin varsinkin kohdistuen itse aineistoon. Visualisointi QGIS:lla oli miellyttävän helppoa ja eri mahdollisuuksien lukumäärästä ei varsinkaan jäänyt valittamista.

Ohessa oleva kartta olkoon todiste, että jotain ohjelmasta opin sekä sisäistin ja sitä tehdessä avartuikin itselleni uudella tavalla luokittelun merkitys ulkoasuun. Käytin luokittelussa luonnollisia välejä, joka on hyvin yleinen luokittelutapa, mutta silti kartta vaikuttaa hyvin dramaattiselta ja hyökkäävältä. Toki syy voi myös olla punaisen värimaailman valinta. Mitä itse sisältöön tulee, kartassa on esitetty yli 65 -vuotiaiden suhteellinen osuus väestöstä kunnittain, mikä on ajankohtainen aihe politiikassa. Väestön huoltosuhde kärsii mitä enemmän yli 65 -vuotiaita on suhteessa muuhun väestöön ja tästä näkökulmasta punaisen sävyt voisivatkin olla juuri sopiva valinta. Tämä avartaa myös kartan pääviestiä eli missä kunnissa on ikäjakauman ja huoltosuhteen puolesta aihetta huolestua. Vastaus löytyy selkeästi kartalta, kaupungeissa vähemmän ja idässä enemmän. Aihe itsessään on melko yksinkertainen ja helposti ymmärrettävissä ja juuri siksi koitin pitää visualisoinninkin mahdollisimman suoraviivaisena.

Kurssikerralla paneuduttiin myös Itämeren alueen typpipäästöihin ja harjoiteltiin kartan tuottamista. Aineistona siitä oli, kuten Vesa Eskelinen blogissaan kertoi, Itämerta ympäröivien valtioiden typpipäästöt, järvet sekä itämeren syvyys. Itseäni paljonkin kiinnostavan aiheen myötä koin harjoituksen erittäin mielenkiintoiseksi ja avaavaksi.

Lähteet:

Vesa Eskelinen, https://blogs.helsinki.fi/veesvees/2019/01/15/itameren-valtioiden-typpipaastot/