Gis-blogi

Viimeisellä kurssikerralla oli tarkoitus hyödyntää kaikkea kurssin aikana kertynyttä osaamista ja luoda oma kartta vapaavalintaisesta aiheesta. Ideana oli siis mennä koko prosessin itsenäisesti läpi aineiston etsimisestä kartan toteuttamiseen. Kartan piti kuitenkin täyttää aineiston suhteen yhden kriteerin. Siinä piti olla esitettynä kaksi muuttujaa.

Oma kartta

Aloitin työn aineiston etsimisellä. Tämä ei ollut helppoa, sillä valikoima oli erittäin laaja ja kirjava. Olin suorastaan yllättynyt siitä, että maksutonta aineistoa on niin paljon saatavana. Käytin aineiston etsimisessä lähinnä Our World In Data -sivustoa, josta löytyy laajasti dataa eri tarkoituksiin. Päätin tehdä kartan Afrikan alueesta, sillä se on aina kiinnostanut minua. Lisäksi sain kartalleni hyvän pohjan kolmannelta kurssikerralta.

Aineiston valitseminen ei ollut helppo, mutta päätös oli tehtävä ja työn aloitettava. Olen selaillut aineiston kirjoa jo etukäteen kotona, mikä helpotti valitsemista merkittävästi. Pysähdyin huonosta sanitaatiosta johtuvia kuolemia esitettävään aineistoon ja sen pariksi valitsin aineiston, joka sisälsi prosenttilukuja väestöstä, jolla ei ole mahdollisuutta puhtaan veden saantiin. En ollut täysin varma oliko näiden välillä riittävästi yhteyttä yhteyttä, mutta päätin kokeilla niiden esittämistä samalla kartalla.

Kartanteko alkoi heti ongelmilla, sillä en ole millään saanut aineiston siirrettyä QGIS:iin tai oikeastaan toivotussa muodossa. Tämä ongelma ratkaisi yhteisvoimin kurssitoverini Liinan kanssa. Tämän jälkeen rajasimme aineiston vielä vuoden perusteella, mikä oli jo tuttua hommaa viime kurssikerroilta. Saimme aineiston linkitettyä Afrikan karttaan ja koropleettikartan laatiminen tuntui tämän jälkeen lasten leikiltä. Seuraavaksi kokeilin histogrammien tekoa käyttäen toista valitsemani aineistoa. Histogrammien kanssa sain vähän taistella, sillä niiden kokoa oli vaikeaa sommitella karttaan. Jotkut pylväistä olivat liian pieniä, kun taas toiset liian suuria.

Sain kartan yllättävän nopeasti tehtyä ja minulla jäi vielä yli tunti vapaata aikaa. Huomasin kuitenkin ärsyttävän virheen työn vasta lopetettua. Olen ottanut karttapohja-aineistoksi kartan, jossa ei ollut kolmannella kurssikerralla tehtyjä korjauksia. Tämän takia kartallani näkyi useita pylväsdiagrammeja joitakin valtioita kohtaan. Kartan oli siis korjattava ja päätin, että helpointa on aloittaa kartan teon alusta, sillä kaikki vaiheet olivat vielä tuoreessa muistissa. Kartan korjaamiseen kuului noin 20 minuuttia ja lopulta oli jo tuttua kartan viimeistelyä kuten legendan, mittakaavan ja pohjoisnuolen lisäämistä ja värien muokkaamista.

Kartan esitettävien ilmiöiden välillä näkyy kartassa positiivinen korrelaatio. Kaikkein pienimmät pylväät ovat niiden valtioiden kohdalla, joissa kuolleisuusluku on pienin. Korkeimmat pylväät ovat esimerkiksi Kongon demokraattisessa tasavallassa ja Madagaskarissa, vaikka ne kuuluvat valtioihin, joissa on suhteellisen pieni huonosta sanitaatiosta johtuva kuolleisuus. Tästä voi päätellä, että korrelaatio ei ole erityisen vahva.

Olen tyytyväinen tekemäni karttaan, vaikka se onkin ehkä vähän yksinkertainen. Jos ottaa kuitenkin huomioon, että tämä on ensimmäinen alusta loppuun laadittu tuotos, se on mielestäni riittävän hyvä. Karttaan olisi voinut  tehdä joitakin parannuksia. Muutamat pylväät ovat kartalla päällekkäin, mikä heijastuu luettavuuden tasoon. Ne peittävät myös joitakin pieniä valtioita kuten Lesothoa ja Togoa. Monet pylväistä eivät myöskään näy kauhean selkeästi, sillä prosenttiarvojen vaihtelu on valtioiden välillä erittäin suuri. Mielestäni olisi kannattanut myös lisätä prosenttiarvot karttaan selkeyttääkseen tilannetta, sillä pylväiden visualisointi kartalla on haasteellista. Luokkia on myös ehkä liian vähän. Jos niitä olisi kuusi tai seisemän, se voisi jopa parantaisi luettavuutta, sillä niiden välit eivät olisi niin suuret ja ne erottuisivat kuitenkin riittävän hyvin kartalla.

Muiden laatimia karttoja oli myös erittäin mielenkiintoista tutkiskella. Pidin erittäin mielenkiintoisena Laura Vitikan karttaa, joka käsittelee mustavalaita ja laivaliikennettä. Kartta oli ainakin toteutukseltaan muista selkeästi erottuva. Löysin myös pari Afrikan aluetta kuvaavaa karttaa. Saara Torvi on tehnyt kartan lapsikuolleisuudesta suhteessa rotaviruksesta tehtyihin rokotuksiin. Pidin siitä, että kartalla näkyivät valtioiden nimet ja kuolleisuusluvut. Olisi hyödyllistä lisätä omaankin karttaan valtioiden nimet. Toisaalta olen kärsinyt jo liikoja sommittelun kanssa.

Pohdintaa…

Minua jännitti viimeinen kurssikerta paljon, sillä olin epävarma omista GIS-taidoistani. Minusta tuntui siltä, että kaikki asiat olivat jo unohtuneet ja itsenäinen työ tuntui ylipäätään suurelta ja vaikealta. Lisäksi en ollut täysin varma, mitä aineistoja halusin käyttää kartan laadintaan, mikä lisäsi jännitystä entisestään.

Olin erittäin yllättynyt, että itsenäinen kartanteko ei ollutkaan niin haastavaa kuin aluksi ajattelin. Jäin useammassa kohdassa jumiin, mutta sain apua kurssikaveriltani ja pähkäilimme yhdessä useita kohtia. En huomannutkaan, että osaaminen kertyi näiden kurssikertojen aikana ja monet aluksi vaikealta tuntuneet asiat sujuivat jo nopeasti. Opin näiden kurssikertojen aikana paljon hyödyllisiä toimintoja ja työkaluja, mutta tärkein asia on kuitenkin ajattelu. Minusta tuntuu, että osaan löytää paljon helpommin ja nopeammin ratkaisuja QGIS:ssa vastaan tuleviin ongelmiin ja tämä on mielestäni jo aikamoinen saavutus. Muiden tekemiä karttoja oli myös erittäin mielenkiintoista nähdä ja blogien lukeminen osoittautui erittäin palkitsevaksi.

Lähteet:

Leisola L. (2024) Seitsemäs kurssikerta. Viitattu 5.3.2024.

https://blogs.helsinki.fi/liinalei/

Vitikka L. (2024) Valaiden ja ihmisten valtatiet 28.2. Viitattu 5.3.2024.

https://blogs.helsinki.fi/viclaura/

Torvi S. (2024) Seitsemäs kurssikerta – itsenäistä pähkäilyä. Viitattu 5.3.2024.

https://blogs.helsinki.fi/saatorvi/

Our world in data (2019). Luettu 28.2.2024

https://ourworldindata.org/

Kuudennella kurssikerralla oli tarkoitus harjoitella datan keräämistä käytännössä Epicollect5 -sovelluksen avulla ja tarkastella sitä interpoloimalla. Kokeilimme myös datan tuomista QGIS-ohjelmaan eri lähteistä. Kurssikerralla keskityimme myös omien karttojen laatimiseen.

Ulkoilua ja datan keräämistä

Harjoituskerta alkoi virkistävällä aamulenkillä, jota edelsi kuitenkin pieni ohjetuokio. Käytimme datan keräämisessä Epicollect5 -sovellusta. Meidän piti siis käytännössä pysähtyä erilaisiin julkisiin tiloihin ja pohtia vastauksia tilaan liittyviin esimerkiksi paikan miellyttävyyttä ja turvallisuutta koskeviin kysymyksiin. Keräsimme myös paikan koordinaatit ja liitimme kuvia paikoista, joissa kävimme. Ulkoilu oli mukavaa alkulämmittelyä ennen varsinaista analysointityötä ja datan keruu osoittautui mukavan helpoksi.

Lenkin jälkeen palasimme tarkastelemaan saatuja tuloksia. Saimme siis ladattua yhteistyössä kerätyn aineiston koneillemme. Seuraavaksi siirryimme tekemään interpolointia jo tutuksi tulleessa QGIS:ssa. Interpoloinnin perusideana on siis saada täytettyä aukot aineistossa kokonaiskuvan saamiseksi. Käytimme interpoloinnissa turvallisuuteen liittyviä vastauksia eli pyrimme löytämään alueita, joita pidetään turvattomina ja turvallisina. Saimme interpolointityökalulla aikaiseksi värikkään kartan (kuva 1), jossa punainen väri kuvaa turvattomina ja sininen turvallisina koettuja alueita.

Kokeilin interpoloinnin tekoa myös maailmankarttaan. Päätin olla kuitenkin käyttämättä sitä omiin karttoihin, sillä en ole löytänyt järkeviä vertailtavia ilmiöitä.

Itsenäistä kartantekoa

Kumpulan kampuksen ympäröivän alueen tarkastelun jälkeen siirryimme harjoittelemaan datan tuomista QGIS:iin erilaisista lähteistä. Saimme valmiiksi kolme linkkiä pistemäisiin aineistoihin, joita piti tuoda QGISiin ja laatia niistä opetukseen soveltuvat kartat. Aineistot koskivat meteoriitteja, tulivuoria ja maanjäristyksiä ja niitä sai muokata vapaasti.

Ensimmäisen kartan (kuva 2) laadin kuvaamaan tulivuorien sijainteja. Tulivuoreja oli kuitenkin liian paljon, joten päätin rajata ne tyypin perusteella. Muistin, että koulussa olimme käyneet lähinnä kerros- ja kilpitulivuoria, joten päätin tehdä niitä kuvaavan kartan. Lisäsin myös karttaan litosfäärilaattojen reunakohdat, sillä tulivuoritoiminta on vahvasti sidoksissa niiden sijaintiin ja liikkeeseen. Olin miettinyt jonkin aikaa, mistä saisin ladattua litosfäärilaattojen reunakohtia sisältävän aineiston, mutta löysin onnekseni Pietun blogissa nettisivun, josta hän on itse ladannut tietokannan.

Mielestäni kartta on onnistunut, sillä se on selkeä ja yksinkertainen, mistä on opetuksessa pelkästään hyötyä. Kartta kuvaa myös hyvin ilmiötä ja litosfäärilaattojen ja tulivuorten sijainnilla näyttää olevan selkeä yhteys. Tulivuoria kuvaavat merkit ovat kartassa ehkä liian tiiviisti, mutten ole keksinyt tapaa, miten tämän saisi korjattua. Karttaan olisi mielestäni hyödyllistä lisätä litosfäärilaattojen liikkeen suuntaa kuvaavia nuolia, sillä ne selkeyttäisivät, miksi tulivuoret ovat jakautuneet epätasaisesti.

Toisella kartalla (kuva 3) päätin kuvata meteoriitteja. Päätin käyttää tässä kartassa myös QGIS:n tarjoaman satelliittitaustan. Ajattelin ensin kuvata kaikkia aineistossa olevia meteoriitteja, mutten ole ottanut huomioon niiden valtavaa määrää. Selkeyttääkseen karttaa päätin rajata meteoriitit niiden painon mukaan. Sopivammaksi osoittautui niiden painon rajaaminen 100 kilogrammaan. Rajasin aineiston myös meteoriittien törmäysvuoden perusteella, jotta kartta olisi vähän monipuolisempi. Minusta oppilaiden olisi myös mukavaa tietää, kuinka paljon meteoriitteja on törmännyt maapalloon 2000-vuoden jälkeen, sillä mitä lähempänä nykyaikaa ilmiö on tapahtunut, sitä enemmän huomiota se todennäköisesti saa.

Mielestäni kartta on onnistunut, sillä se on helposti luettava. Kartta ei kuitenkaan sovellu laaja-alaiseen käyttöön, sillä se ei kuvaa mitään syyseuraussuhteita ilmiöiden välillä. Toisaalta varsinkin pienten meteoriittien törmäykset ovat yllätyksellisiä, muista ilmiöistä riippumattomia tapahtumia, joten niitä ei edes voi yhdistää mihinkään. Kartta sopii mielestäni hyvin yleissivistyksen edistämiseksi ja on myös varsin mielenkiintoinen. En muista, että kukaan opettajista olisi puhunut meteoriiteista lukiossa ja peruskoulussa. Tämän takia ilmiö saattaa vaikuttaa kaukaiselta ja jopa yllättävältä.

Löysin meteoriitteihin liittyen myös koropleettikartan, joka kuvaa törmänneiden meteoriittien määrän valtiota kohti. Mielestäni oma karttani on kuitenkin havainnollisempi varsinkin opetusta miettien, sillä se näyttää meteoriittien sijainnit ja esittää myös meidän vuosisadallamme tapahtuneet meteoriittien iskut. Sen avulla voi myös nähdä, missä on suurempien meteoriittikraattereiden keskittymät. Toisaalta oma karttani ei havainnollista pieniä meteoriitteja koskevaa tietoa, minkä takia kuva meteoriittirikkaimmista alueista vääristyy. Mielestäni on kuitenkin luontevampaa käyttää meteoriittien kuvaamisessa pisteaineistoa, sillä meteoriitit ovat helposti paikantavia ilmiöitä. Lisäksi käytin omassa kartassani Robinsonin projektiota, joka on kompromissiprojektio ja löytämässäni kartassa on todennäköisesti käytetty Mercatorin projektiota. Projektiolla ei ole paljon väliä meteoriittien kuvaamisessa, mutta opetusta ajatellen asian kannattaa ottaa huomioon, sillä se antaa todenmukaisemman kuvan maapallosta ja alueiden koosta.

Kolmas tekemäni kartta (kuva 4) esittää yli 7 magnitudin maanjäristyksiä vuosina 2000-2013. Maanjäristysten määrää oli myös tarpeen rajata, sillä niitä oli erittäin paljon. Varsinkin alle viiden magnitudin maanjäristykset ovat yleisiä ja niiden kaikkien sovittaminen kartalle olisi mahdotonta. Päätin ottaa suuremman tarkasteluvälin, sillä kolmentoista vuoden aikana löytyi useampia merkittäviä maanjäristyksiä.

Mielestäni karttaa voi käyttää myös kuvaamaan maanjäristysten sijainnin suhdetta litosfäärilaattojen sijaintiin. Ne ovat vahvasti yhteydessä toisiinsa ja kartalla näkyy myös selkeä yhteys niiden välillä. Karttaan olisi voinut kuitenkin lisätä litosfäärilaattojen liikettä kuvaavia nuolia, koska se selkeyttäisi erityisen voimakkaiden maanjäristysten esiintymistä. Aineisto voisi myös olla ajankohtaisempi, sillä vuodesta 2013 on kulunut jo yli 10 vuotta. Valtioiden rajojen lisääminen kartalle voisi osoittautua myös hyödylliseksi, sillä tällöin voisi tarkastella myös valtioita, joita maanjäristykset ovat koskeneet.

Olen tyytyväinen tekemiini karttoihin, mutta ne ovat ehkä vähän samantyyppisiä. Lauran blogia tarkastellessani huomasin, että hän on tehnyt karttoja pienemmistä alueista ja vaihtelun vuoksi olisi kannattanut kokeilla tekemään myös esimerkiksi Euroopan aluetta kuvaavaa karttaa.

Lähteet

Nuortimo P. (2024). Kuudes kurssikerta. Viitattu 28.2.2024.

https://blogs.helsinki.fi/pietunuo/

Vitikka L. (2024). Reipas aamukävely ja karttojen tekoa. Viitattu 28.2.2024.

https://blogs.helsinki.fi/viclaura/

Viidennellä kurssikerralla oli tarkoitus tutustua bufferianalyysin toimintaperiaatteisiin ja ottaa haltuun siihen liittyvät työkalut, eli muun muassa buffer-työkalun. Bufferi tarkoittaa siis puskurialuetta/suoja-aluetta jonkin kohteen tai alueen ympärillä. Tämän lisäksi tarkoituksena oli myös kokeilla edellisillä kurssikerroilla käytyjen asioiden soveltamista käytännössä ja oppia löytämään teitä ongelmanratkaisuun.

Yhteinen tehtävä

Yhteisen tehtävän tarkoituksena oli kokeilla käytännössä bufferianalyysin laatimista. Hyödynsimme viime kurssikerralla tehtyä karttaa Pornaisten alueesta tai valmista karttapohjaa, jos oman kanssa oli joitakin ongelmia. Käytin valmista karttaa välttääkseen epätoivottuja ongelmia analyysin laadinnan yhteydessä. Ohjeistuksen kanssa tekeminen oli mukavaa ja helppoa eikä vaatinut sen kummempaa aivojumppaa, mikä osoittautui loppujen lopuksi aika huonoksi asiaksi. Yli puolet kurssikerrasta oli tarkoitettu itsenäisten tehtävien tekoon ja tämän jälkeen siirryttiin testaamaan taitojaan käytännössä.

Itsenäiset tehtävät

Itsenäisiä tehtäviä oli useampia ja niiden pohtimista aloitettiin jo tunnilla. Niiden tarkoituksena oli kehottaa käyttämään ongelmanratkaisutaitoa ja soveltaa kaikkea opittua käytännössä. Tehtäviä suorittaessa aiempien luentojen asiat oli myös syytä muistaa. Ensimmäiset lentokenttiin, asemiin ja taajamiin liittyvät tehtävät sujuivat varsin hyvin. Ensimmäiset kaksi koskivat enimmäkseen bufferianalyysin laadintaa.

Alussa olin ihan pulassa, vaikka ymmärsin ohjeistuksen. Kaikki selitykset tuntuivat loogisilta, mutta asioiden itsenäinen pohdinta on erilaista verrattuna ohjeiden seuraamiseen ja välivaiheiden mekaaniseen toistamiseen omalla koneella. Kun tehtäviä alkoi kunnolla pohtimaan, sai kuitenkin joitakin ideoita niiden tekoon liittyen ja pääsi jopa vauhtiin. Kurssikavereilta sai myös apua, mistä olen erityisen kiitollinen.

Sain tehtyä useita tehtäviä kurssikerran aikana, mutta yksi useamman kohdan tehtävä jäi kuitenkin kotiin pohdittavaksi. Sen kanssa jäin useamman kerran jumiin. Tämä johtui siitä, että siinä ei tarvinnut tehdä puskurianalyysia, joka oli vielä tuoreessa muistissa. Siinä piti käyttää edellisillä kurssikerroilla opittuja työkaluja. Tämän takia jouduin palaamaan edellisten kurssikertojen harjoituksiin ja palauttamaan mieleen muutamia asioita. Eniten vaikeuksia tuotti kuitenkin kysymysten hahmottaminen. Ne eivät olleet vaikeasti muotoiltuja, mutta välillä oli haastavaa keksiä, millä keinolla vastauksen saisi nopeitten.

Valitsin siis tehtäväksi uima-altaisiin ja saunoihin liittyvän tehtävän. Sain ensimmäiset kohdat nopeasti tehtyä ja käytin lähinnä Select Features by -työkaluja sekä Statistics -taulukkoa. Näiden kanssa ei ilmennyt hankaluuksia paitsi, että unohdin laittaa pari kertaa Selected features only -painikkeen päälle ja ihmettelin tuloksia. Jäin myös vähän jumiin kohdassa, jossa oli tarkoitus laskea erilaisten rakennustyyppien määrän niistä rakennuksista, joissa on uima-allas. En ole ensin tajunnut, että Select Features -toiminnon avulla saadut valinnat voi tallentaa erilliseksi tasoksi. Saatuani tämän tehtyä mietin, millä tavalla rakennusten määrät saa näkymään Statistics -taulukossa.

Two hours later…

Keksin vihdoinkin, että tämän saa tehtyä Select Features by value -työkalun avulla kirjoittamalla tarkasteltavan rakennustyypin kohdalle sen numeron (esim. kerrostalo =39). Tämän ymmärrettyäni sain tehtyä loput tehtävät vaivatta.

Helpompien tehtävien jälkeen jäljelle jäi kartta, jota en osannutkaan laatia loppuun asti. Olin jäänyt jumiin aineiston luokittelun vaiheessa, osittain sen takia, että kolmannen kurssikerran asiat ovat päässeet unohtumaan ja ohjeita lukemalla en ole päässyt kiinni jutun juoneen. Olen kuitenkin saanut harjoitella aineistojen linkittämistä (join attributes by location) sekä Dissolve ja Agreggate -työkaluja, joten koen tästä olevan paljon hyötyä. Tämän lisäksi olen oppinut aineiston rajaamista, sillä en halunnut odottaa kymmeniä minuutteja saadakseen tuloksia. Taulukossa (taulukko 1) näkyvät kaikki vastaukset tekemiini tehtäviin.

Taulukko 1. Vastaukset tehtäviin.

Pohdintaa…

Olen oppinut edellisten kurssikertojen aikana erittäin paljon ja tällä hetkellä minusta tuntuu, että monet perustyökalut ovat minulla hallussa. Ymmärrän Join attributes by location -työkalun toimintaperiaatetta, sillä olen saanut käyttää sitä erittäin paljon ja buffer -työkalu on myös tuoreessa muistissa. Osaan myös käyttää hyvin erilaisia Select features -työkaluja. Niiden kanssa minulla ei ollut läheskään mitään ongelmia. Aggregate -työkalun hallitsen puolestaan auttavasti. Olen saanut sillä toivottuja tuloksia, mutta ei aina ensimmäisellä yrityksellä. Minusta tuntuu tällä hetkellä, että useiden oppimamme työkalujen toimintaperiaatteet ovat aika samankaltaisia ja jopa arvattavia. Kokemuksen kertyessä on helpompaa tulkita avautuvia työkaluikkunoiden tarjoamia mahdollisuuksia. Pärjään työkalujen kanssa perusasioissa suhteellisen hyvin ja välillä esiin tulevat ongelmat johtuvat pääosin huolimattomuudesta. Kaipaisin ehdottomasti lisäselityksiä tietokantojen muokkaamiseen liittyen, sillä tämä ei ole vielä todellakaan hallussa.

Puskurivyöhykkeiden laadinta oli mielestäni erittäin mielenkiintoista ja opettavaista. Bufferianalyysin käyttötarkoitukset ovat myös erittäin laajat, jos sen perusperiaatteet saa kerrankin haltuun. Se soveltuu esimerkiksi kaikennäköisten onnettomuuksien tarkastelemiseen. Esimerkiksi voimakkaan tulipalon seurauksena savua leviää laajalle alueelle ja analyysin avulla voidaan selvittää, kuinka monia ihmisiä ja millä alueella tämä tulee haittaamaan. Pietu on maininnut blogissaan, että puskurivyöhykkeitä voi käyttää laajasti kaupunkien suunnitteluun ja tutkimukseen. Mielestäni tämä on erittäin hyvä pointti, sillä uusien kohteiden rakentamista kaupunkiympäristöön on hyvä tutkia esimerkiksi saatavuuden kannalta.

QGIS on erittäin monipuolinen työkalu erilaisten ongelmien ratkaisemiseen. Ohjelman tarjoamien mahdollisuuksien käyttöön vaikuttavat kuitenkin monet tekijät. Ensinnäkin käyttäjän kokemus vaikuttaa siihen, mitä ohjelmasta saa irti. Kokematon käyttäjä voi siis jäädä paljosta vaille, jos ei esimerkiksi osaa käsitellä riittävän hyvin aineistoa QGIS-ohjelmassa tai ei tiedä joitakin työkaluja. Mahdollisuuksiin vaikuttaa myös aineiston laatu, saatavuus ja muoto. Laadultaan huonosta aineistosta ei saa kauhean hyviä tulkintoja aikaiseksi ja kaikki aineistotyypit eivät toimi QGIS-ohjelmassa.

 

Lähteet:

Nuortimo P. (2024) Viides kurssikerta. Viitattu 20.2.2024.

https://blogs.helsinki.fi/pietunuo/

Tämän kurssikerran tavoitteena oli tutustua ruututeemakarttoihin ja oppimaan laatimaan niitä. Kokeilimme myös ensimmäisen kerran rasteriaineiston käsittelyä ja muokkaamista QGIS-ohjelmassa. Tämän lisäksi tutustuimme useisiin hyödyllisiin toimintoihin ja työkaluihin eli esimerkiksi rinnevalovarjostustyökaluun ja pääsimme laatimaan korkeuskäyriä. valmistelimme myös aineistoa seuraavaa kurssikertaa varten.

Ruututeemakartta

Ensimmäisen tehtävän tarkoituksena oli saada tehtyä ruututeemakartta tai oikeastaan kaksi vähän erilaista, mutta samaan aineistoon pohjautuvaa karttaa. Ensimmäisenä teimme ruotsalaisten määrää Helsingin seudun alueella kuvaavan kartan (kuva 1). Kartan tekeminen sujui ongelmitta, varsinkin ohjeistuksen kanssa. Uusi asia kartan laadinnassa oli ruudukon luominen, mikä osoittautui varsin yksinkertaiseksi prosessiksi. Loimme siis 1km x 1km ruudukon, joka oli alueen pinta-alaan nähden parhaimpia mahdollisia. Toinen kartta (kuva 2) kuvaa ruotsinkielisten osuutta väestöstä jokaisen ruudun kohdalla. Sen kanssa ei ollut mitään ihmeellistä, sillä QGIS.n tarjoaman laskimen käyttöä olemme saaneet harjoitella jo useita kertoja.

Laatimistani ruututeemakartoista huomaa, että ne näyttävät aika erilaisilta, vaikka pohjautuvatkin samaan aineistoon. Ensimmäinen kartta kuvaa absoluuttisia lukuarvoja ja toinen prosentuaalisia. Mielestäni kahdesta kartasta prosentuaalisia arvoja kuvaava on käytännöllisempi kuin absoluuttisia arvoja esittävä, sillä se kuvaa ruotsinkielisten määrää suhteessa alueella asuviin ihmisiin. Sen avulla voi esimerkiksi tutkia ruotsinkielisten suosimia asuinalueita. Absoluuttisia arvoja esittävän kartan käyttötarkoitukset ovat erittäin rajalliset, sillä sen kuvaamat arvot eivät ole mihinkään verrattavia. Tekemäni karttojen erilainen ulkonäkö johtuu juuri tästä. Helsingin keskustassa asuu määrällisesti enemmän ruotsalaisia, mutta suhteutettuna muuhun väestöön heitä ei ole niin paljon kuin kunnan länsiosissa, missä asuu määrällisesti vähemmän ihmisiä kuin pääkaupunkiseudulla.

En ole törmännyt ennen ruututeemakarttoihin kauhean paljon, joten laatimani karttojen ominaisuuksia ja informatiivisuutta oli mielenkiintoista pohtia. Mielestäni ruututeemakarttojen informatiivisuus riippuu erittäin paljon siitä, mitä ruutukokoa niissä käytetään. Sopivan ruutukoon valitseminen ei aina ole helppoa, mutta erittäin tärkeää kuten myös luokkien rajojen valitseminen jo tutuksi tulleessa koropleettikartassa. Pienen ruutukoon soveltaminen karttaan antaa jossain määrin täsmällisemmän kuvan tilanteesta, mutta vaikuttaa myös usein negatiivisesti luettavuuteen. Suuri ruutukoko antaa liian yleistetyt kokonaiskuvan, jonka informatiivisuus on kyseenalainen.

Karttaa laatiessani tunnilla huomasin, että kaikilla oli vähän erinäköiset kartat, mikä johtui ruudukon sijoittumisesta hiukan eri tavalla. Tämä on mielestäni ruututeemakartan heikkouksia, sillä jopa vähäinen ruudukon siirtyminen voi johtaa erilaisiin tuloksiin, varsinkin absoluuttisia arvoja esittäessä. Tämän takia esimerkiksi pisteteemakartta saattaa tarjota hiukan luotettavampia tuloksia, sillä pisteiden määrä on kohdennettu tiettyyn paikkaan. Varsinkin asutuksen jakautumista on mukavaa tutkia pisteteemakarttaa käyttäen. Mielestäni ruututeemakartta sopii paremmin pienten alueiden kuvaamiseen, sillä esimerkiksi koropleettikarttaa käyttäessä alueiden rajat olisivat tällöin liian epäkohdennettuja. Koropleettikartta voittaa ruututeemakartan luettavuudeltaan silloin, kun kyseessä on esimerkiksi koko Suomi tarkasteltavana alueena, sillä se näyttää yksinkertaisemmalta ja selkeimmältä.

Olen tyytyväinen tekemiini ruututeemakarttoihin ja mielestäni niiden luettavuus on varsin hyvä. Niiden ruutukoko on mielestäni juuri sopiva, sillä pienemmän eli 500m x 500m ruudukon sovittaminen näyttäisi jo liian sekavalta. Olen kokeillut sen soveltamista aineistoon, mutta se ei näyttänyt mielestäni 1km x 1km ruudukkoa paremmalta. Laura Siltala kirjoittaa blogissaan rannikkoalueen ruutujen repaleisuudesta ja, että tämä vaikuttaa osaltaan luettavuuteen. Olen samaa mieltä tämän kanssa, mutta en ole keksinyt tapaa tämän korjaamiseksi. Kokeilin tasojen siirtämistä, jotta rannikkoalueen ruudut näkyisivät kokonaisina, mutta tällöin rannikkoalueen raja on erittäin epäselvä.

Pornaisten alueen kartta

Ennen varsinaista tehtävää tutkiskelimme vähän rasteriaineistoa, jonka tuotiin QGIS:iin. Kokeilimme rasteriaineistojen yhdistämistä toisiinsa ja saatuamme tämän tehtyä siirryimme rinnevalovarjostustyökalun testaamiseen. Saimme siis tehtyä rinnevalovarjostuksen Pornaisten aluetta kuvaavaan karttaan. Aineisto alkoi näyttämään kolmiulotteiselta ja korkeuserot ilmeisiltä. Sain selville sen, että valon tulosuuntaa rinnevalovarjostusta laatiessa voi muokata. Meille kerrottiin tähän liittyen, että valon kannattaa asettaa kulkemaan luoteesta, sillä tulokulman ollessa toisesta suunnasta kohoumat saattavat näyttää painaumina. Pidin tätä erittäin mielenkiintoisena. Havainnollistaakseen korkeuseroja paremmin loimme myös korkeuskäyrät viiden metrin välein.

Toisena tehtävänä oli valmistaa Pornaisten aluetta kuvaavaa karttaa viidennettä kurssikertaa varten. Tarkoituksena oli tehdä uudet tietokannat alueella sijaitsevista elementeistä. Merkitsimme siis kaikki alueella sijaitsevat tiet ja talot ja loimme niistä tietokannat. Tietokantoja tuli tehdä kaksi, sillä yksi tietokanta voi sisältää vain yhdennäköistä tietoa eli tässä tapauksessa joko pisteitä (taloja) tai viivoja (teitä). Kohteiden merkitseminen kartalle oli yksinkertainen, mutta hieman turhauttava prosessi. Sain sen onneksi varsin nopeasti tehtyä. Tämän vaiheen tulisi siis mahdollistaa bufferianalyysin harjoittelua viidennellä kurssikerralla.

Lähteet:

Siltala L. (2024) Neljäs kurssikerta. Lauran blogi. Viitattu 14.2.2024.

https://blogs.helsinki.fi/lesiltal/

Tällä kurssikerralla syvensin ymmärrystäni QGIS-ohjelman toimintaperiaatteista. Harjoittelujen aikana keskityimme aineiston muokkaamiseen liittyviin asioihin eli opimme muun muassa valmiin aineiston uudelleenluokittelua. Saimme myös harjoitella riittävästi eri tietokantojen linkittämistä ja tiedon siirtämistä niiden välillä. Teimme myös muun muassa pienimuotoisia analyyseja tutkimalla aineistojen käsittelemien ilmiöiden yhteyttä. Lisäksi saimme tutustua ohjelman tarjoamiin diagrammivaihtoehtoihin, jotka osoittautuivat varsin mielenkiintoisiksi.

Yhteinen harjoitus

Yhteisen harjoituksen tavoitteena oli oppia aineiston muokkaamisen periaatteita. Tutkimme ensin Afrikan alueiden pinta-aloja sisältävää aineistoa, jonka luokittelu osoittautui epämukavaksi seuraavaa käsittelyä varten. Tästä syystä aloitimme sen uudelleenluokittelua erilaisia ohjelman tarjoamia toimintoja käyttäen, kuten dissolve ja aggregate. Onnistuimme luokittelemaan aineisto niin, että jokaisen valtion kohdalla oli nyt yksi pinta-alaa ilmaiseva arvo. Saimme tämän vaiheen kautta supistettua rivien määrää enemmän kuin kaksi kertaa. Ennen pidin aineiston muokkaamista erittäin monimutkaisena, mutta se ei kuitenkaan tuntunut käytännössä vaikealta. Tärkeintä on olla valppaana ja tietää varmasti, mitä on tekemässä.

Aineiston muokkauksen jälkeen siirryimme tuomaan QGIS:iin muitakin Afrikkaa koskevia tietokantoja. Ne sisälsivät muun muassa timanttikaivosten, konfliktien ja öljykenttien määrää valtioittain. Yhdistimme kaikki edellä mainitut yhteen tietokantaan harjoittelemalla samalla niiden muokkaamista lennossa. Tämän jälkeen vertailimme saatuamme tuloksia.

Jos pohtii konfliktien esiintymistä ja luonnonvaroja kartan (kuva 1) perusteella, voi havaita jonkin näköistä korrelaatiota niiden välillä. Esimerkiksi Länsi-Afrikassa, Sierra Leonen ja Liberian alueella, näkyy konfliktien keskittymä useiden timanttikaivosten läheisyydessä. Luonnonvarojen sijainti ei kuitenkaan selitä läheskään kaikkien konfliktien esiintymistä, ainakin tässä kartassa. Afrikka on täynnä muitakin luonnonrikkauksia kuin öljy ja timantit, joten niidenkin sijainnilla on merkityksensä. Stella on esittänyt mielenkiintoisia pohdintoja omassa blogissaan siitä, että konfliktien määrä ja esiintyminen tietyillä alueilla voi olla myös seurausta ajankohdasta, jolloin luonnonvaroja on löydetty ja otettu käyttöön. Luonnonvarojen löytyminen epävakaan taloudellisen tilanteen aikana voi laukaista merkittävimpiä konflikteja ja lisätä niiden määrää. Lisäksi konfliktien sijaintiin saattaa vaikuttaa alueen infrastruktuuri. Luonnonvaroja ei läheskään aina käsitellä löytämässään paikassa vaan niitä viedään teitä pitkin jatkokäsittelyä varten. Tällaisten paikkojen läheisyydessä konflikteja voi myös syttyä.

Mietin tämän harjoituksen yhteydessä myös muita tarjolla olevia muuttujia, joiden suhdetta voisi tutkia. Saatavilla on myös tietoa internetkäyttäjien määrästä eri vuosina. Tätä tietoa voi käyttää eräänlaisena kehitysmittarina, sillä kehittyvissä maissa pääsy internettiin ei ole itsestäänselvyys. Konfliktien laajuudesta saatavana olevaa tietoa voi verrata timanttikaivosten ja öljykenttien tuottavuuteen, jolloin voisi tutkia niiden välistä korrelaatiota. Tämä auttaisi ymmärtämään paremmin sitä, miten paljon luonnonrikkauksien määrä tietyllä alueella vaikuttaa konfliktin laajuuteen. Tietoa konfliktin tapahtumavuodesta voisi verrata luonnonrikkauksien löytämis- ja porausvuoteen ja tutkia, millainen dynamiikka konfliktien kehityksessä on ollut kuluneiden vuosien aikana.

Itsenäinen tehtävä

Itsenäisen tehtävän tavoitteena oli kerrata yhteisen tehtävän aikana käytyjä aineiston muokkaustapoja ja oppia diagrammielementtien laatimista. Minun oli taas vähän vaikeaa aloittaa manipuloimaan datalla, sillä työvaiheet ehtivät jo osittain unohtua itsenäiseen tehtävään siirtyessä. Päästyäni alkuvaikeuksien yli tehtävä alkoi tuntua selkeältä. Liitin tarvittavat aineistot yhteen ja laskin valumaindeksit ja järvisyysprosentit jokaiselle kunnalle. Visualisoin samalle kartalle kaksi muuttujaa, mikä osoittautui myös yksinkertaiseksi. Kartan visualisointi innosti minua edelleenkin eniten ja se tuntui jo mutkattomalta hommalta edellisten harjoitusten aikana suoritetun urakan ansiosta.

Kuvassa 2 näkyy valmis koropleettikartta, joka on laadittu valuma-alueindeksin pohjalta. Laskin valuma-alueindeksit jakamalla keskiylivirtaamaa (MHQ) keskialivirtaamalla (MNQ). Ympyrädiagrammeina näkyvät järvisyys- ja maan pinta-ala prosentit. Kartasta voi huomata, että valumaindeksi on suurin rannikkoalueilla. Tämä on luultavasti yhteydessä vesistöjen määrään, sillä pienimmät valuma-alueindeksit sijaitsevat alueilla, joilla järvisyysprosentti on suuri.

Mielestäni idea tämänkaltaisten muuttujien esittämisestä samalla kartalla on erittäin mielenkiintoinen, mutta vaikeasti toteutettava. Ongelmia on siis ilmennyt visualisointiosuudessa. On vaikeaa saada kaiken tiedon näyttämään järkevältä ja selkeältä samalla kartalla. Välillä diagrammit peittivät tietoa valuma-alueista ja välillä ne olivat liian pieniä, ja niistä ei saanut oikein mitään tolkkua. Tämän tehtävän jälkeen aloin ymmärtämään paremmin sommittelun haasteita ja sen merkitystä.

En ole täysin tyytyväinen tekemäni toisen kartan (kartta 2) sommitteluun, mutta voi rehellisesti sanoa yrittäväni parhaani. Opin tämän kurssikerran aikana eniten suhteessa edellisiin. Varsinkin tiedon muokkaamisen taitoja tulen tarvitsemaan jatkossa, joten panostan niiden haltuun ottamiseen.

Lähteet:

Syrjänen S. (2024) 3 viikko, Afrikka. Viitattu 6.2.2024

https://blogs.helsinki.fi/stellasy/2024/01/30/3-viikko-afrikka/

Toisen kurssikerran tavoitteena oli syventää QGIS-ohjelman taitoja. Kävimme perusteellisesti läpi aineiston siirtämistä ja käsittelemistä ohjelmassa. Keskityimme erilaisiin datan lähteisiin ja opimme käyttämään palvelinosoitteita. Tavoitteena oli myös harjoitella attribuuttitaulukoiden lukemista ja muokkaamista. Opimme tämän kurssikerran aikana paljon hyödyllisiä toimintoja kuten mittaustyökaluja, joiden avulla tietokantojen tarkastelu ja visualisointi onnistuvat jatkossa helpommin. Kertasimme myös aikaisemmilla kursseilla käytyjä projektioihin liittyviä asioita ja tarkastelimme niiden merkitystä visuaalisten analyysien kautta.

Datalähteisiin tutustuminen  

Aloitimme kurssikerran tutustumalla erilaisiin datalähteisiin. Olin yllättynyt tässä kohtaa siitä, että ilmaisia aineistoja on paljon saatavilla. Keskityimme tarkastelemaan erityisesti rajapinta-aineistoja, joista en ole aikaisemmin kuullutkaan. Rajapinta-aineistot ovat siis aineistoja, jotka ovat yhteydessä palveluntarjoajaan eli niitä ei tarvitse ladata erikseen tietokoneelle. Niitä on olemassa useita erilaisia kuten WFS, WMS, WMTS ja WCS, mutta käytimme harjoituksissa vain WFS-muotoa. Kokeilimme heti WFS-tietokannan linkittämistä QGIS:iin ja tämä onnistui yllättävän helposti. Tarkastelimme muun muassa Väyläviraston aineistoja visualisoimalla datan Suomen kartalle.

Projektiot

Projektioihin olen törmännyt jo useamman kerran aiemmilla kursseilla, joten niiden erot ja perusominaisuudet olivat minulle tuttuja. Projektioihin liittyy aina vääristymiä, joiden mittasuhteita on vaikeaa kuvitella mielessä. Näiden erojen tekemiseksi näkyviksi teimme pari projektioihin liittyvää tehtävää. Vertasimme erilaiset projektiot kuten esimerkiksi Mercator, Robinson ja Patterson oikeapintaiseen ETRS-TM35FIN-koordinaatistoon, joka on Suomessa yleisesti käytetty tasokoordinaatisto. Tämän koordinaatiston vääristymät ovat erittäin pieniä verrattuna muihin.

Ensimmäisen tehtävän tarkoituksena oli vertailla välimatkoja ja pinta-aloja eri koordinaattijärjestelmiä vaihtaen. Mittasimme kartalla välimatkan ja pinta-alan ja kirjasimme tulokset taulukkoon. Vaihdettuamme projektioita huomasimme, että tulokset muuttuivat paljonkin. Taulukossa 1 voi huomata, että esimerkiksi Pattersonin projektion alla oleva matkan pituuslukema on enemmän kuin kaksinkertainen ETRS-TM35FIN-projektion kohdalla olevaan arvoon. Pinta-alaa koskevien arvojen välillä on vielä suurempia eroja.

Taulukko 1. Projektioiden vertailua.

Mittausten jälkeen siirryimme pinta-alavääristymien visualisointiin. Projektioita oli vaikeaa valita tarkasteluun, sillä niitä oli tolkuttoman paljon. Aura mainitsee myös blogissaan projektioiden laajasta kirjosta ja valinnan teon vaikeudesta. Laadin itse kolme karttaa, jotka kuvaavat Mercatorin, Robinsonin ja Pattersonin projektioita verrattuina ETRS-TM35FIN:iin. Kartat visualisoivat siis projektioiden pinta-alojen suhdetta. Tämä tarkoittaa käytännössä sitä, että tarkasteltavien projektioiden pinta-alat ovat jaettuja ETRS-TM35FIN:n pinta-aloilla.

Laatimistani kartoista huomaa vääristymät selkeästi. Mercatorin (kuva 1) kohdalla erot ovat kaikkein suurimpia, jopa 7–8 kertaisia. Robinsonin (kuva 2) lukemat ovat taas Mercatoria jopa kuusi kertaa pienempiä. Tällaiset suuret erot korostavat projektion valinnan merkitystä.

Karttojen visuaaliseen puoleen olen tyytyväinen, mutta olisin voinut valita karttoihin erilaiset väriskaalat, sillä erot niiden esitettävissä vääristymissä ovat  suuret. Tämä olisi tarpeen varsinkin, jos miettii niiden vertailua keskenään. Esimerkiksi kartat 2 ja 3 näyttävät melkein samanlaisilta, vaikka niiden esitettävät vääristymät ovat eri luokkaa. Olen poiminut tämän huomion Rosan blogista. Lisäksi olen huomannut unohtaneeni laittaa legendaan mittayksiköt, mikä vaikuttaa karttojen luettavuuteen merkittävästi.

Ajatuksia…

Ensimmäisen kartan laatiminen sujui ongelmitta, sillä teimme kaiken yhdessä ohjeistuksella. Kahden muun kartan laatimista on ollut vaikeaa aloittaa omatoimisesti, sillä huomasin kartan laatimisen periaatteen jääneen minulle epäselväksi. Sain kuitenkin ajatuksesta kiinni kotona luentoon liittyvää zoom-videota katsottaessa. Tämän jälkeen vertailujen teko alkoi tuntua yksinkertaiselta. Hyvä etten ole ainoa, joka kohtasi tässä kohtaa vaikeuksia ja useasta kurssilaisteni laatimista blogeista olen löytänyt tähän todisteita. Heikki kirjoittaa omassa blogissaan samankaltaisesta kokemuksesta.

Lähteet:

Niskanen A. (2024) Toinen kurssikerta – valintojen maailmaan. Viitattu 5.2.2024.

https://blogs.helsinki.fi/niskanau/

Elomaa R. (2024) Viikko 2 – projektiot ja pinta-alat. Viitattu 5.2.2024

https://blogs.helsinki.fi/elomrosa/

Säntti H. (2024) Toinen kurssikerta. Viitattu 5.2.2024.

https://blogs.helsinki.fi/hksantti/

QGIS – hirviön kesyttäminen

Ensimmäisellä kurssikerralla aloitimme QGIS-nimisen ohjelmaan tutustumista Arttu Paarlahden johdolla. Kävimme ensin läpi kaikki oleellisimmat toiminnot ja jatkoimme ensimmäisen harjoituksen pariin. Sukelsimme siis lähes heti QGIS:n maailmaan. Ohjelma on minulle entuudestaan jonkin verran tuttu. Olen saanut siitä ensimakua Johdatus Geoinformatiikkaan – kurssilla, mutta lähes kaikki oppimaani on päässyt yllätykseksi unohtumaan. Tästä syystä olin erityisen kiitollinen yksityiskohtaisesta ohjeistuksesta, joka on selkeyttänyt monia hämäriä juttuja.

Itämereen joutuvat typpipäästöt valtioittain

Ensimmäisenä harjoituksena laadimme yhdessä harjoituskartan (kuva 1), joka esittää Itämereen joutuvia typpipäästöjä valtioittain. Kartta siis visualisoi yksinkertaisesti Itämeren saastuttajavaltioita. Tarkasteltavana ovat Itämeren rannikkovaltiot kuten Suomi, Ruotsi, Tanska, Puola, Viro Latvia, Liettua, Saksa ja Venäjä. Kartalla erottuu selkeästi Puola suurimpana saastuttajana. Viron typpipäästöt ovat puolestaan kaikkein pienempiä. Merkittäviksi saastuttajiksi nousevat myös Venäjä, Ruotsi ja Liettua. Aineisto, johon karttani perustuu, on peräisin The Baltic Marine Environment Protection Commission eli HELCOM-raportista vuodelta 2013. En ole kuullut HELCOM:sta aiemmin, mutta sen sivustolta selkeni, että se on Itämeren suojelukomissio, joka tutkii meren tilaa jo useiden vuosien ajan.

Mielestäni laatimani kartta (kuva 1) on ulkonäöltään hyvä, vaikken ole ehtinyt viimeistellä sitä viimeiseen saakka. Ulkonäköön suhteen on todettava, että valtioiden ääriviivat jäivät vahingossa tummanvihreiksi ja Itämeren aluetta ympäröi silmää häiritsevä musta reunus, jonka olen unohtanut poistaa. Olen tyytyväinen valitsemaani väreihin, sillä mielestäni ne näyttävät luontevilta ja sopivat toisiinsa hyvin. Syvyyskäyrät olisin tosin voinut jättää pois, sillä niillä ei ole mitään tekemistä aineiston kanssa. Bongasin tämän pointin tarkastellessani Taikan blogia. Lisäksi olisin voinut merkitä valtioiden nimiä kartalle, mitä moni kurssilaisistani teki. Tämä helpottaisi kartan lukemista jonkin verran. Varsinkin tavallinen kartanlukija hyötyisi tästä, sillä nojauduin karttaa tehdessäni omaan valtiontuntemukseen.

Kartan informatiivisuus on mielestäni riittävän hyvä. Siitä huomaa helposti suurimmat ja pienimmät saastuttajat. Kyseessä olevan alueen eli Itämeren rajat erottuvat myös selkeästi kartalla. Tuotokseni on myös melko yksinkertainen ja tästä syystä helposti luettava. Sen lukeminen ei vaadi sen kummempia kartanlukutaitoja. Karttaan ei kuitenkaan kannata luottaa täysin aineistoon tutustumatta ja tekemäni kartta ei ole siitä poikkeus. Esimerkiksi luokkien väliset rajat eivät ole tasaisia, mikä vääristää kuvan saasteiden määrästä suhteessa toisiin valtioihin. Muun muassa samaan luokkaan kuuluvien Liettuan ja Venäjän päästöjen erot ovat aika suuria. Kartta ei myöskään kerro sitä, mikä on esimerkiksi valtioiden rantaviivojen pituuden suhde päästöjen määrään, mikä rajoittaa vertausmahdollisuuksia. Kaikista epäkohdista huolimatta asiaan perehtymätön kartanlukija saa kartasta suhteellisen luotettavan kuvan.

Kuva 1. Itämereen joutuvat typpipäästöt valtioittain.

Koropleettikartan laatiminen

Kotona oli tarkoitus kerrata kurssikerralla opitut asiat ja tehdä vielä koropleettikartan vapaavalintaisesta aineistosta. Ajattelin ensin toisen tehtävävaihtoehdon tekoa, mutta päädyin ensimmäiseen tehtävävaihtoehtoon useiden epäonnistuneiden yritysten jälkeen. En ole nimittäin saanut toimimaan Tilastokeskuksesta lataamani aineistoa toivotulla tavalla QGIS-ohjelmassa. Rauhoitin itseäni sillä, että olen vasta aloittelija GIS:n kentällä ja alkumetreillä riittää, jos teen helpomman tehtävän.

Koropleettikartan (kuva 2) teko sujui lähes ongelmitta ja sain sen laadittua varsin nopeasti. Valitsin valmiin aineiston, joka kuvaa ulkomaalaisten määrää Suomen kunnissa prosenteissa. Aineiston sommittelun parissa vietin hiukan enemmän aikaa, sillä yritin saada sen näyttämään mahdollisimman luotettavalta. Laitoin ensin aineiston sommitteluksi tasaiset välit, mutta suurin osa kartasta näytti näin olevan tyhjä. Päädyin Natural Breaks-vaihtoehtoon, joka osoittautui visuaalisesti miellyttävämmäksi. Mietin myös luokkien määrää ja päädyin lopulta kuuteen luokkaan. Värit erottuvat toisistaan vielä melko helposti kuutta luokkaa käytettäessä ja arvojen välit eivät ole tolkuttoman suuria.

Kartan (kuva 2) ulkonäön muokkaamisesta olen nauttinut eniten ja sain myös hyviä ideoita siihen kurssilaisiltani. Pietun blogissa olen bongannut, että mittakaavan ja pohjoisnuolen värejä voi myös muokata ja hyödynsinkin sitä kartassani. Värejä olen muokannut valmiita väripaletteja käyttäen. Olen päätynyt vaaleanpunaiseen/violettiin väripalettiin, koska sen sisältämät värit erottuvat toisistaan riittävän hyvin ja vaalein väri ei ole valkoinen, joka näyttäisi valkoisella taustalla tylsältä.

Olen myös löytänyt samasta aiheesta tehtyjä koropleettikarttoja kurssilaisteni blogeista. Mielenkiintoista on, että kaikkien kartat ovat erilaisia eli kaikki ovat tehneet erilaisia ratkaisuja luokkien määrän ja luokittelutapaan suhteen. Tämä todistaa vielä kerran sen, että esitystavan valitseminen karttaa laatiessa on erityisen tärkeää ja vastuullista. Katsellessani saman aiheisia karttoja pohdin sitä, että olisin saanut täysin erilaisen kuvan ulkomaalaisten jakautumisesta Suomen alueella jokaisen kohdalla. Kaikki kartat vääristävät informaatiota ja sen on vain hyväksyttävä. Jotkut asiat näkyvät kuitenkin selkeinä kaikissa kartoissa. Helsingin seudulla, Vaasan eteläpuoleisilla alueilla ja Ahvenanmaalla ulkomaalaisten prosentti on suurin.

Kuva 2. Ulkomaan kansalaiset prosentteina kunnittain.

Ylipäätään olen tyytyväinen molempien karttojen ulkonäön ja aineiston sommittelun suhteen, varsinkin kun miettii sitä, että olen vasta aloittelija QGIS-ohjelman käytössä. Nähdään sitten, mitä opin jatkossa😊

 

Lähteet:

HELCOM, Baltic Marine Environment Protection Commission. Viitattu 23.1.2024.

https://helcom.fi/

Jaakkola, T. (2024). QGIS for dummies ja karttojen laatimisen perusteita. Viitattu 23.1.2024.

https://blogs.helsinki.fi/jztaika/

Nuortimo, P. (2024). Ensimmäinen kurssikerta. Viitattu 23.1.2024.

https://blogs.helsinki.fi/pietunuo/