Category: Uncategorized

Kurssikerta 7

Nyt on kurssi takana! Koen, että käteen on ehdottomasti jäänyt madaltunut kynnys lähteä käyttämään QGISsiä myös tulevaisuudesssa, sekä konkreettisia työkaluja sen käyttöön. On ollut palkitsevaa oppia uutta ja huomata, kuinka pikkuhiljaa ohjelman käyttö on alkanut avautumaan enemmän ja enemmän. 🙂

Seitsemännellä kurssikerralla haastavimmaksi osaksi vapaavalintaista työtä koin sopivan aineiston löytämisen. Loppujen lopuksi tuotin kartan Helsingistä, jossa on esitetty liikennevalojen määrät kaupunginosittain, sekä Kampin alueen autoliikennettä kuvaavan iterpolaatiokartan, jossa myös liikennevalot on esitettynä. Alun perin ajattelin, että olisi mielenkiintoista tutkia esimerkiksi liikennevalojen ja onnettomuuksien yhteyttä karttaesityksessä, mutta loppujen lopuksi käytin varmaan muutaman tunnin turhaan yrittäessäni löytää sopivaa aineistoa, joka olisi soveltunut esitykseen. Lopputuloksena päädyin siis kuvien 1 ja 2 karttoihin. Helsingin kaupungin ja väyläviraston rajapinnoista en löytänyt sopivaa aineistoa, mutta seuraavalla kerralla jos vastaavanlainen tehtävä tulee eteen, voisin kokeilla esimerkiksi uljas-tietokannan kahlausta, jonka pohjalta Lila oli tehnyt hienon ja selkeän karttaesityksen.

Kuva 1. Liikennevalojen määrä kaupunginosittain Helsingissä. Aineisto päivitetty 27.2.2023. Lähde: Helsingin kaupunki

 

Kuva 2. Autoliikenteen määrä Helsingin ydinkeskustan alueella, sekä liikennevalojen sijainnit. Lähde: Helsingin kaupunki

Autoliikenteen määrästä on vielä huomautettava, että kolusin Helsingin kaupungin sivustoja ja paikkatietohakemistoa, mutta en löytänyt kyseisestä rajapinnasta tietoa siitä missä aikayksikössä autoliikenteen määrä on mittauspisteissä mitattu.

Viimeisen kurssikerran aineistoon liittyvistä haasteista huolimatta oli kuitenkin palkitsevaa huomata, kuinka vaivatonta  ja jopa hauskaa esimerkiksi kuvan 1 kartan tuottaminen oli. Käteen on siis jäänyt työkaluja ja perustaitoja, joiden päälle on hyvä lähteä rakentamaan! Kaiken kaikkiaan kurssille on ollut aina mukava tulla ja tunnit ovat menneet mukavissa merkeissä. Tästä kurssista jäi oikein kiva fiilis. Kiitos! 🙂

 

Lähteet:

Salonen, L. (2023)  Seitsemäs kurssikerta, viimeinen näytös. Saatavissa: https://blogs.helsinki.fi/slila/2023/02/28/seitsemas-kurssikerta-viimeinen-naytos/. Viitattu 7.3.2023

Helsingin kaupungin rajapintapalvelu. WFS: http://kartta.hel.fi/ws/geoserver/avoindata/wfs. Viitattu 28.2.2021

 Kurssikerta 6

Kurssikerralla perehdyttiin erilaisten pisteaineistojen esittämiseen hartalla. Alun harjoitustehtävä, jossa saimme kerätä itse aineiston, oli itseasiassa todella hauska! Koin, että ymmärsin tehtävän tekniset asiat, minkä lisäksi oman datan visualisoiminen (kuva 1) oli palkitsevaa 🙂

Kuva 1 Koettu turvallisuus kumpulan alueella, opiskelijoiden keräämä data 24.2.2023

Alla on tunnin aikana tuottamani neljä hasardikarttaa. Ensimmäiseen karttaan merkitsin kaikki yli 5 magnitudin maanjäristykset vuosien 1900 ja 2013 väliltä, johon aineisto on tuotu Yhdysvaltain geologian tutkimuslaitoksen sivuilta. Maanjäristysten suuruuden luokitteluasteikko on puolestaan tuotettu Michiganin teknillisen yliopiston – sivuston pohjalta. Asteikon tuottaminen QGISissä manuaalisesti tuotti hieman hankaluuksia, minkä vuoksi jokaisen asteikkovälin suurin arvo näkyy seuraavan asteikkovälin pienimpänä arvona. Esimeriksi suurimpaan luokkaan olisin halunnut merkitä “8 magnitudia, tai suurempi”, mutta tekemissäni kartoissa asteikko on väännetty kartan arvojen pohjalta, jolloin tämän luokan suurimpana arvona näkyy 9,1 magnitudia.

Kuvan 2 kartta oli mielestäni hieman haastavasti tulkittava sen suuresta informaatiomäärästä johtuen, joten pelkistin kuvan 3 karttaan vain kahden suurimman luokan maanjäristykset. Tämä esitys on mielestäni jo informatiivisempi kuin kuvan 2 kartta. Samaa informaatiota voisi kuitenkin esittää vielä pelkistetymmin esimerkiksi yhdistämällä maanjäristys pisteitä ja ilmoittamalla esimerkiksi maanjäristysten määrän ja keskimääräisen suuruuden alueittain. Kartoista voidaan kuitenkin nähdä, että maanjäristysrintamat myötäilevät mannerlaattojen muotoja, kuten myös Sarlotta totesi blogissaan.

Huomiona vielä tämän kurssikerran karttaesityksiin se, että niihin ei ole merkitty mittakaavaa, sillä tämä karttapohja ei ole oikeapituinen.

Kuva 2. Yli 5 magnitudin ylittävät maanjäristykset vuosien 1900-2013 ajalta. Lähde: https://earthquake.usgs.gov/earthquakes/search/ 

Kuva 3. Yli 6,9 magnitudin ylittävät maanjäristykset vuosien 1900-2013 ajalta. Lähde: https://earthquake.usgs.gov/earthquakes/search/ 

Kuvassa 4 on esitetty maanjäristysten suuruudet interpololoimalla. Kartassa maanjäristykset näkyvät kirkkaampina pisteinä kuin tausta. Maanjäristyspisteet voisivat mielestäni kuitenkin erottua myös enemmän taustastaan, kuin ne tässä karttaesityksessä erottuvat.  Kuvassa 5 on maanjäristys-interpolaatio karttaan vielä merkitty tulivuorten sijainnit. Karttoja vertailemalla voidaan silmämääräisesti nähdä, että tulivuoria sijaitsee erityisesti alueilla, joilla esiintyy myös voimakkaimpia maanjäristyksiä.  Opetuskäyttöön voisi käyttää myös esimerkiksi tämän sivuston karttaa, jossa on esitetty viimeaikaiset maanjäristykset ja aktiiviset tulivuoret

Kuva 4. Yli 5 magnitudin ylittävät maanjäristykset vuosien 1900-2013 ajalta. Lähde: https://earthquake.usgs.gov/earthquakes/search/ 

Kuva 6. Yli 5 magnitudin ylittävät maanjäristykset vuosien 1900-2013 ajalta, sekä tulivuoret. Lähteet: https://earthquake.usgs.gov/earthquakes/search/  ja https://catalog.data.gov/dataset/global-volcano-locations-database 

Tämmöistä tällä kertaa 🙂

Lähteet:

Laakkonen, S. (2023) 6. kurssikerta: ulkoilua ja hasardeja. Saatavissa: https://blogs.helsinki.fi/sarlotla/2023/02/24/6-kurssikerta/. Viitattu 7.3.2023

Yhdysvaltain geologian tutkimuslaitos. Saatavissa: https://earthquake.usgs.gov/earthquakes/search/. Viitattu 24.2.2023

NOOA. Saatavissa: https://catalog.data.gov/dataset/global-volcano-locations-database. VIitattu 24.2.2023

Michigan technological University. Saatavissa: ttps://www.mtu.edu/geo/community/seismology/learn/earthquake-measure/magnitude/ Viitattu 24.2.2023

Volcano Discovety. Saatavissa: https://earthquakes.volcanodiscovery.com/?terrain=1&preview=1&L=19. Viitattu 7.3.2023

Kurssikerta 5 

Tämän kurssikerran tehtävät veivät kurssilla eniten aikaa viikkotehtävistä, ja palasin niiden työstöön useampana päivänä. Bufferi-työkalun ja select by location-työkalujen käyttö helpottui huomattavasti tehtävien aikana ja ylipäätään koen että sain lisää itseluottamusta paikkatietoaineiston käsittelyyn, kun oppimaani piti soveltaa itsenäisesti, ja pysähtyä todella miettimään, mitä työkalut tekevät.

Tätä tekstiä kirjoittaessani itsenäistehtävän 1 tekemisestä on jo yli kaksi viikkoa, mutta muistan, että erityisesti ne menivät sujuvasti ja oli todella palkitsevaa löytää tehtäviin vastauksia suhteellisen vaivattomasti. Itsenäistehtävän 2 kohdalla kohtasin kuitenkin todellisia haasteita erityisesti ulkomaalaisten osuus-tehtävässä. Onneksi Joelin blogista löytyi ohjeita, joiden avulla sain lopulta tehtävät loppuun!

Yllä mainitsemista työkaluista bufferi-työkalun avulla voi rajata alueita erilaisten objektien ympärille, ja tämä yhdistettynä select by location – työkaluun näiltä rajatuilta alueilta voidaan valita esimerkiksi pisteaineistoa. Puskurivyöhykkeiden avulla voisi selvittää kurssikerran tehtävien lisäksi myös esim. eläinten reviireihin ja elintilan pinta-alaan liittyviä kysymyksiä. Omilla taidoillani todennäköisesti ohjelman käyttäjän (eli oma) osaamistaso vaikuttaa tällä hetkellä kuintenkin eniten siihen, millaisia ongelmia QGISin avulla voi ratkaista. Kurssikerran 7 työtä työstäessäni huomasin myös, että tiedostojen muoto ja aineiston kattavuus vaikuttaa myös merkittävästi siihen, miten QGIS aineistoa käsittelee, jos se on lainkaan mahdollista. Toki myös esimerkiksi viivamuotoinen aineisto on aina viivamuotoista, eikä pistemuotoista, vaikka kuinka haluaisi.

Edellä mainitsemieni select by location ja buffer-työkalujen käyttön lisäksi myös mm. laskimen käyttö on tullut tutuksi kurssin aikana ja siinä uusien sarakkeiden luominen on erityisen näppärää. Lisää harjoitusta kaipaisin mm. select by expression- työkalun käyttöön ja rasteriaineiston käsittelyyn ylipäätään (mm. interpolointiin), minkä lisäksi QGISissä on varmasti paljon muitakin työkaluja, joiden käyttö ei ole vielä minulle tuttua.

Alla on kurssikerran itsenäistehtävien vastaukset 🙂

Itsenäistehtävä 1
Kysymys	Vastaus
1. Lentokentät, Malmi
kuinka monta ihmistä asui Malmin lentokentän pahimmalla melualueella sen vielä toimiessa, jos mukaan lasketaan kaikki asukkaat 2 km säteellä kentästä?	58817
Kuinka monta ihmistä asui Malmin lentokentän pahimmalla melualueella sen vielä toimiessa, jos mukaan lasketaan kaikki asukkaat 1 km säteellä kentästä?	9104
Lisätehtävä
Kuinka moni 1 km etäisyydellä olevista rakennuksista on rakennettu alueelle Malmin lentokentän käyttöönoton jälkeen	762
Kuinka paljon edellä mainistuissa taloissa asuu asukkaita?	8884
Helsinki-Vantaa
Kuinka monta asukasta asuu Helsinki-Vantaan lentokentän välittömässä läheisyydessä, etäisyys kiitoratoihin linnuntietä alle 2 km.	11708
Kuinka monta prosenttia em. asukkaista asuu pahimmalla 65dB melualueella?	17 asukasta eli 0,15%
Kuinka monta ihmistä asuu vähintään 55dB melualueella?	11923
Kuinka monen ihmisen elämää vähintään 60dB lentomelu haittaisi Tikkurilassa, mikäli saapuva liikenne käännettäisiin jälleen laskeutumaan poikkeuksellisesta suunnasta?	13201
2. Asemat
Kuinka monta asukasta asuu kartan alueella alle 500m päässä lähimmästä juna-, tai metroasemasta?	110278
Kuinka monta prosenttia kaikista kartan alueen asukkaista (511069) asuu alle 500m päässä asemasta?	Asukkaita on yhteensä 511069 eli vastaus on 21,60 %
Kuinka monta prosenttia a-kohdan ihmisistä oli työikäisiä (15-64v)?	Työikäisten määrä a-kohdan ihmisistä on 73983 eli 67,10 %

 

Itsenäistehtävä 2
Kysymys	Vastaus	Huomio
Laske/selvitä kuinka monta prosenttia tämän tehtävän alueen asukkaista asuu taajamissa	73983 asukasta eli 14,48%	“Tämän tehtävän alue” näissä tehtävissä on määritetty rasterikartan alueen perusteella, eli rasterin ulkopuolella olevat väkipisteet on rajattu pois laskuista. Rasterin alueella asukkaita on yhteensä 511069
Kuinka monta kouluikäistä asuu taajamien ulkopuolella?	1791
Kuinka monta prosenttia luku on kaikista kouluikäisistä?	Kouluikäisiä (7-14v) on yhteensä kartan alueella 46733 eli vastaus on 3,83%
Kuinka monella alueella ulkomaalaisten osuus on yli 10%?	57

Kuinka monella alueella ulkomaalaisten osuus on yli 20%?	21 taajamassa
Kuinka monella alueella ulkomaalaisten osuus on yli 30%?	14 taajamassa

Kuva 1 – Taajamarajaus, mikä on käytetty itsenäistehtävissä 2 

 

Itsenäistehtävä 3 – Koulut
Kysymys	Vastaus	Selitys
Kuinka paljon Helsingin Yhtenäiskouluun on tulossa uusia koulutiensä aloittavia oppilaita aineiston keruuhetkestä seuraavana vuonna, sen omasta koulupiiristä?	14	6 vuotiaiden määrä alueella
Kuinka suurta määrää yläasteikäisiä oppilaita Helsingin yhtenäiskoulun pitää varautua opettamaan seuraavana vuonna (oma koulupiiri)?	62	12-14 vuotiaiden määrä alueella
Kuinka suuren osuuden koulupiirin alueella asuvista asukkaista muodostavat kouluikäiset lapset ja nuoret (ala-aste ja ylä-aste)?	8,40 %	Asukkaita alueella yhteensä 1894, joista talukon päivityshetkellä 7-15 vuotiaita 159
Kuinka monta muunkielistä kouluikäistä alueella asuu, jos oletetaan että muunkielisissä perheissä lasten ja aikuisten suhde on sama kuin edellisessä kohdassa laskettu?	9	Muun kielisten määrä alueella on 110, joista noin 8,4% on 9

Kaiken kaikkiaan koin tämän kurssikerran oppimistehtävät työläiksi, mutta loppujen lopuksi myös antoisiksi 🙂

Lähteet: 

Schule, J. (2023) Viikko 5. Saatavissa: https://blogs.helsinki.fi/jschule/. Viitattu 7.3.2023

Neljäs kurssikerta

Neljännellä kurssikerralla harjoittelimme ruutukarttojen sekä rasterikartan työstöä. Tähän postaukseen liitin tänään tiistaina luomani kartat ruotsinkielisten absoluuttisesta (kuva 1)  ja suhteellisesta osuudesta (kuva 2) 1km x 1km ruuduittain pääkaupunkiseudulla.

Kuva 1. Ruotsinkielisten absoluuttinen määrä pääkaupunkiseudulla (1x1km) alueittain

Kuva 2. Ruotsinkielisten suhteellinen osuus pääkaupunkiseudulla (1x1km) alueittain

Kuvasta 1 voidaan nähdä, että ruotsinkielisten absoluuttinen määrä pääsääntöisesti kasvaa liikuttaessa pääkaupunkiseudun laitamilta kohti Helsingin keskustaa. Verrattuna karttaan 2 nähdään, että ruotsinkielisten suhteellinen osuus ei kuitenkaan lisäänny saman trendin mukaisesti, voisi jopa sanoa, että pikemminkin päinvastoin. Uskon, että karttojen ero selittyy sillä, että liikuttaessa kohti Helsingin keskustaa, asukkaiden määrä yleisesti nousee. Samalla nousee myös ruotsinkielisten asukkaiden määrä. Pääkaupunkiseudun laitamilla asukkaita on puolestaan yleisesesti vähemmän ruutua kohden. Tällöin myös vain pieni määrä, tässä tapauksessa ruotsinkielisiä asukkaita, voi muodostaa merkittävänkin osan ruutujen väestöstä.  Aineiston attribuuttitaulukosta esimerkiksi voi nähdä, että eräällä neliöllä asuu vain 2 asukasta ja molemmat heistä ovat ruotsinkielisiä – tämä neliö siis näkyy tummimmalla värillä kartassa 2, mutta vaaleimmalla kartassa 1. Sillä, miten aineiston esittää on siis valtavasti merkitystä, Mietinpähän vain, että kuinka paljon vastaavia harhoja käytetään viestinnässä, jossa jokin ilmiö halutaan esittää tarkoituksenmukaiseseti tietyssä valossa… ?

Ensimmäisen kartan informatiivisuutta voisi siis nostaa lisäämällä tietoja joko samaan tai erilliseen karttaan ruutujen kokonaisasukasmäärästä. Ruututeemakartalla voidaan esittää kuitenkin myös absoluuttisia arvoja, sillä kaikki ruudut ovat pinta-alaltaan saman kokoisia ja sen vuoksi vertailukelpoisia pinta-alaan liittyvien muuttujen suhteen. Se, kannattaako ruututeemakartan avulla esittää absoluuttisia arvoja, riippuu puolestaan täysin tarkasteltavasta ilmiöstä ja tarkastelun luonteesta. Esimerkiksi metsän lajistoa kartoitettaessa absoluuttisten arvojen esittäminen voi olla hyvinkin kannattavaa ja informatiivista.

Visuaalisesti kartat 1 ja 2 ovat mielestäni ihan hyvin tulkittavia ja mielyttäviä katsoa. Muiden kurssilaisten blogeja selatessani huomasin, että Nikolai oli häivyttänyt pääkaupunkiseutua ympäröivän alueen kartasta, mikä on mielestäni tähän karttaan oikein sopiva ja nerokas idea. Eli jos tekisin samat kartat uudestan voisin parantaa visuaalista ilmettä esimerkiksi tällä tavoin 🙂 Yritin alunperin itseasiassa luoda karttoja 1 ja 2 ruudukkoon, joka oli 250×250 metriä, mutta ohjeita seuraamalla en onnistunut poistamaan kartasta niitä ruutuja, joissa ei ollut pisteinformaatiota, vaikka sainkin valittua ne ruudut, joissa pisteinformaatiota oli.

Ruututeemakartan informaatioarvo verrattuna pisteteemakarttaan on todennäköisesti usein hyvinkin korkea. Pisteiden sisältämää tietoa voidaan ruutujen avulla visualisoida helposti ja nopeasti tulkittavaksi. Olen samaa mieltä Tatun blogikirjoituksen  kanssa, että koropleettikartan etu on usein se, että alueet eivät ole jaettu täydellisen säntillisesti, vaan niissä on käytetty luonnollisia rajauksia, mikä sopii useihin aineistoihin.

Rasterikartan työstön koin hieman sekavaksi alkuun, mutta eiköhän tämä tästä, kun pääsee taas perjataina uudestaan niiden kimppuun 🙂

Ensi kertaan!

 

Lähteet: 

Tuuri, N. (2023). 4. Kurssikerta. Saatavissa: https://blogs.helsinki.fi/jentze/2023/02/09/viikko-4-ruudun-takaa/ Viitattu 14.2.2023

Jentze, T. (2023). Viikko 4 – Ruudun takaa. Saatavissa: https://blogs.helsinki.fi/jentze/2023/02/09/viikko-4-ruudun-takaa/ Viitattu 14.2.2023

Kurssikerta 3

Viime perjantain harjoitustöissä jatkoimme tietokantojen kanssa työskentelyä ja opettelimme mm. liittämään ulkoista tietoa tietokantaan muista ohjelmista. Ensimmäisen puoliskon aikana tuntui useamman kerran, että klikkailin vain sokkona perässä ymmärtämättä sen syvällisemmin, mitä edessäni pajattavalla ruudulla tapahtui. Useat eri välivaiheet tuntuivat hieman hankalilta hahmottaa, mutta palasin vielä illemmalla luokkaan työstämään Suomen valuma-alue karttaa ja siinä rauhassa hyvän musiikin siivittämänä myös tämän harjoituskerran asiat tuntuivat avautuvan paremmin.

Alla on perjantain tunnin aikana tuottamani Afrikan teemakartta (kuva 1), taulukko, jossa maat on järjestetty konfliktien lukumäärän mukaan laskevaan järjestykseen (kuva 2), ja iltapäivällä tuottamani Suomen valuma-aluekartta (kuva3), sekä pohdintaa näihin liittyen.

Kuva 1. Afrikan öljykentät, timanttikaivokset, sekä tapahtuneet konfliktit toisen maailmansodan jälkeen.

Kuva 2. Afrikan maat konfliktien määrän mukaan järjestettynä suurimmasta konfliktien määrästä pienimpään (kuvassa esitetty vain ensimmäiset 28 maata)

Kartasta (kuva 1) ja taulukosta (kuva 2) voidaan nähdä, että jossain määrin luonnonresurssien, öljyn ja timanttien, määrä korreloi konfliktien määrän kanssa. Tälle väitteelle olisi kuitenkin mielenkiintoista suorittaa vielä tilastollisia testejä, sillä joukossa on myös useampia poikkeuksia. Luulisin, että myös tilastollisesti korrelaatiota kuitenkin löytyisi.  Poikkeuksia tästä säännöstä ovat mm. Tansania, Gabon, Zambia, Botswana ja Mauritania, joissa jokaisessa on sekä useampia timanttikaivoksia tai öljykenttiä, tai molempia, mutta ei lainkaan konflikteja.  Konfliktien määrän kärjessä puolestaan on Etiopia, jossa on vain yksi öljykenttä. Toki laatu on kaivoksien ja öljykenttien vertailussa todennäköisesti määrää merkittävämpi tekijä konfliktien luojana. Aineiston perusteella voisi kuitenkin nähdä yhteyttä luonnonresurssien ja konfliktien määrien perusteella, ja se voisi käydä hyvin järkeenkin. Toki näin suppeasta otannasta ei voida tehdä laajoja päätelmiä, tai väittää että havaittu yhteys olisi kausaalista, mutta spekuloida toki voidaan.

väli PS. lue kuvan 2 viimeisten neljän sarakkeen nimet: “konfliktien lukumäärä”, “uniikit konfliktit”, “timanttikaivosten lukumäärä” ja “öljykenttien lukumäärä”.

Kuva 3. Suomen valuma-alueiden järvisyysprosentit ja tulvaindeksit 

Kuvassa 3 on esitetty Suomen valuma-alueiden järvisyysprosentit ja tulvaindeksit. Huomasin nyt muiden blogeja selaillessani että karttaa olisi voinyt tehdä vielä visuaalisesti selvemmäksi jättämällä vesistöt kartasta pois. Olen kuitenkin tyytyväinen lopputulokseen.

Aivan vaivatta kartan tekeminen ei kuitenkaan sujunut, ja jumituin hetkeksi muun muassa kohtaan, jossa tekstimuotoinen sarake piti tajuta vaihtaa numeeriseksi. Ongelmien ratkominen tuotti kuitenkin monta ahaa-elämystä, mikä oli palkitsevaa 🙂

Kartassa tulvaindeksi on laskettu jakamalla keskiylivirtaama keskialivirtaamalla. Tulvaindeksi kuvaa sitä, kuinka monta kertaa enemmän vettä virtaa keskimäärin jokiuoman poikkileukkauksen läpi sekunnissa tulvakautena verrattuna kuivaan kauteen. Tulvaindeksi on kuvattu tummenevan ruskea sävyillä, mitä suurempi indeksi on.  Suurimmillaan  indeksi on rannikoilla, jossa se on suurimmillaan 1100 kertainen muun muassa Turun seudulla.

Erika Lindblom kirjoitti blogissaan vesi.fi pohjalta, että järvisyysprosentilla tarkoitetaan puolestaan tietyllä valuma-alueella sijaitsevien järvien yhteispinta-alan osuutta valuma-alueen koko pinta-alasta. Kartasta voidaan nähdä, että järvisyysprosentti on suurin Keski-Suomessa, sekä Suomen itäpuolella. Intuitiivisesti olisin voinut ajatella, että juurikin alueilla, jossa järviä on paljon, myös tulva-indeksi olisi suurempi. Saattaa kuitenkin olla juuri toisinpäin, että tulva-aikoina vesi virtaa järviin ja varastoituu sinne, minkä vuoksi joet eivät tulvikaan. Mielessä kävi hetkellisesti myös se, että valuisivatko mm. Keski-Suomen järvet juurikin rannikon tulva-alueiden kautta mereen, mutta sitten tajusin, että nämä alueethan ovat nimenomaan eri valuma-alueilla, joten tämä ei voi olla selitys. Pitäisin siis maallikkona varastoitumis-hypoteesia parhaana selityksenä tälle aineistolle.

Tällaista tällä kertaa, palataan taas pian 🙂

Lähteet:

Lindblom, E. (2022) 3. kurssikerta. Erika’s blog. Saatavissa: https://blogs.helsinki.fi/lierika/2023/02/06/3-kurssikerta/ . Viitattu 6.2.2023.

QGIS-treenausta Kumpulassa 27.1.

Perjantain harjoitustyösessio meni itseasiassa todella mukavissa merkeissä! Ohjeen mukaan kurssikerran oppimistavoitteena oli tehdä toistoja, jotta tietokantojen kanssa toimiminen tulisi tutummaksi. Koen, että tämä tavoite toteutui hyvin kohdallani. Oli palkitsevaa huomata, kuinka ensimmäisen koropleettikartan tekemiseen meni yhdessä koko luokan kanssa ehkä noin tunti, mutta kolmannen kartan pyörittelyyn vain viitisentoista minuuttia, jos ei vähemmän. Sain siis konkreettisesti huomata, kuinka asiat iskostuivat mieleen, mikä oli motivoivaa. 🙂

Kurssikerralla tehtävänä oli verrata TM35FIN karttaa muihin, vapaavalintaisiin karttaprojektioihin, kuten Kiia Korpinen tiivisti blogissaan “Tarkoituksena kaikissa teemakartoissa oli verrata projektiota TM35FIN-projektioon, koska tämä koordinaatistojärjestelmä kuvaa Suomen valtion aluetta yhdellä projektiokaistalla” (2023). Valitsin vertailuuni Robinson-, Mercator-, sekä Winkel Tripel- karttaprojektiot

Alle olen liittänyt kolme kurssikerran aikana tuottamaani karttaa. Niistä mielestäni myös huomaa kehityksen, mikä harjoitustöiden aikana tapahtui: itse pidän kolmatta karttaa (kuva 3) visuaalisesti mielyttävimpänä, sekä huolitelluimpana. Ensimmäisen kartan (Kuva 1) jätin vielä Robinson projektion mukaisen muodon, mutta vaihdoin tämän jälkeen jälkimmäisiin karttoihin TM35FIN projektion karttojen välisen vertailun helpottamiseksi. Lisäksi tutun näköistä karttaa on usein mukavin katsella. En enää palannut kohentelemaan Robinson (kuva 1) ja Mercator (kuva 2) karttoja jälkeenpäin, sillä mielestäni on mielenkiintoista nähdä konkreettisesti kehitys, mikä karttojen visualisoinnin suhteen tapahtui. Valitsin karttoihin myös samat värit, jotta vertailu niiden välillä helpottuisi. On kuitenkin huomattavaa että luokkavälit vaihtelevat samoista väreistä huolimatta.

 

Kuva 1. Robinson karttaprojektio verrattuna TM35FIN karttaprojektioon. Luvut kertovat, kuinka moninkertainen vääristymä Robinsonin projektiossa on verrattuna TM35FIN projektioon. 

Kuva 2. Mercator-karttaprojektion vääristymä verrattuna TM35FIN karttaprojektioon. 

 

Kuva 3. Winkel Tripel projektion vääristymä TM35FIN projektioon verrattuna. 

Karttoja vertailemalla voidaan nähdä, että jokaisessa vääristymä kasvaa liikuttaessa pohjoiseen. Suurin vääristymä näiden kolmen projektion ja TM35FIN projektion välillä on oikeakulmaisessa Mercatorin projektiossa, jossa vääristymä on suurimmillaan jopa noin kahdeksankertainen. Tämän sijaan Winkel Tripel ja Robinson ovat keskenään huomattavasti samankaltaisempia ja molempien vääristymät jäävät alle kaksinkertaisen verattuna TM35FIN projektioon.

Kaiken kaikkiaan pidin tätä harjoitustyötä oikein kivana, ensi kertaan! 🙂

Lähteet: 

Korpinen, K. Kurssikerta 2. Kiia Korpinen – Geoinformatiikan menetelmät 1, 2023. Saatavissa: https://blogs.helsinki.fi/kiiakorp/2023/01/27/kurssikerta-2/. Viitattu 30.1.2023

Kurssitehtävä 1

Ensimmäisellä kurssikerralla tuotetun typpikartan (kuva 1) tekeminen tuntui suhteellisen vaivattomalta. Kynnys ehdottomasti madaltui lähteä työstämään myös itsenäisesti kurssitehtäviä. Kuvan 1 resoluutio saattaa olla hieman epätarkka, sillä tallensin kartan alunperin pdf muodossa ja etäältä käsin en enää päässyt alkuperäiseen QGIS-tiedostoon käsiksi, jotta olisin voinut tallentaa sen uudestaan kuvatiedostona.

Kuva 1, Typpipäästöt valtioittain

 

Kurssitehtävä 2

Jatkoin kuntakartan työstämistä tänään maanantaina 23.1  ja loppujen lopuksi sen työstäminen olikin helpompaa mitä ajattelin! Jumituin ensin teematiedon löytämiseen kunnista, mutta sitten tajusin, että tarvittavat tiedot löytyivätkin kuntatiedostosta attribuuttitaulukosta. Kuvassa 2 on esitettynä ulkomaan kansalaisten osuus väestöstä kunnittain vuonna 2021.

Kuva 2 Ulkomaan kansalaisten osuus väestöstä kunnittain vuonna 2021

Kartasta 2 voidaan mielestäni nähdä suhteellisen helposti, että ulkomaalaisia asuu etenkin rannikolla, kun taas keskellä Suomea ulkomaalaisten osuus väestöstä on hyvin pieni, jos ei olematon. Tämä voidaan päätellä kartasta helpohkosti, sillä tummentuvan värityksen käyttö tiheyden kuvaajana on vakiintunut käytänne kartografiassa. Mielestäni kartta on informatiivinen lukijalle, joka ei tunne alkuperäistä aineistoa, sillä se kuvittaa muuten ehkä hankalasti hahmotettavan aineiston tiiviisti. Ilman karttaa olisi hyvin haastavaa hahmottaa väestön jakautumista nopeasti noin 300 kunnan listasta, jossa kyseinen tietoaines on ilmaistu desimaalein. Mielestäni kartta on myös visuaalisesti mielyttävä.

Tuottamani kartta on kuitenkin vain eräs tapa ilmaista väestön jakautuminen, ja ehkä joissain tapauksissa kartan tummin väri voi olla jopa hieman harhaanjohtava; siinä missä vaaleammat värit skaalautuvat yhden sadasosan välein, viimeinen kategoria on laajempi: 0,4-2,7. Samaan ratkaisuun oli päätynyt myös Anni Lindegren, joka kirjoitti blogipostauksessaan (2023) “Luokkia olisi ehkä voinut hioa silti paremmiksi, sillä viimeinen luokka on välillisesti todella suuri lopputuloksessa. Toisaalta kartassa erottuu selkeästi ruotsinkieliset alueet kyseisillä väleillä”.

Tämän postauksen työstössä viimeinen kohtaamani haaste liittyi viittaustekniikkaan. En löytänyt ohjeistusta siitä, millä tavalla toisten teksteihin tulisi viitata blogiteksteissä. Käytin siis yllä olevaa viittaustekniikkaa tässä postauksessa, mutta päivitän käytäntöäni, jos siihen on olemassa täsmällisempiä ohjeita.

Mukavia harjoituksia myös muille 🙂

 

Lähteet:

Lingren, A. QGIS ja Projektiot. Anni Lindegren -Geoinformatiikan menetelmät. Saatavissa: https://blogs.helsinki.fi/ablindeg/. Viitattu 23.1.2023