Month: February 2024

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/