Kurssin viimeisellä kerralla tarkoituksena oli soveltaa aiemmilla kurssikerroilla oppimaamme ja laatia itsenäisesti toteutettu karttaesitys omavalintaisesti valitusta aiheesta. Tämä kerta kyllä jännitti jonkin verran, koska tuntuu, että QGis-taidoissani on vielä paljon petrattavaa ja kaikki harjoitellut toiminnot eivät vain kerta kaikkiaan jää mieleen.

Minulle oli selvää, että halusin tehdä jollain tavalla luonnonmaantieteeseen liittyvän kartan, koska se on aihealue, joka minua kiinnostaa ehdottomasti eniten. Tein hieman esityötä jo kotona ja katselin millaisia aineistoja aihetta sivuten on tarjolla ja päädyin siihen, että teen kartan, jossa esitän avohakkuiden osuuden kaikista metsähakkuista maakunnittain ja lisäksi jonkin lintulajin havainnot maakunnittain. Koska avohakkuut ja sopivien elinympäristöjen väheneminen on johtanut monen aiemmin yleisen lintulajin uhanalaistumiseen, ajattelin että tämä olisi hyvä aihe. Sopivan datan löysin pohjakartan osalta Tilastokeskuksen rajapinnasta, avohakkuiden tiedot Luonnonvarakeskukselta ja lintuhavaintoja etsin Suomen Lajitietokeskuksen Laji.fi-palvelusta.

Kurssikerralla pääsin ensin hyvin itsenäisesti alkuun sen osalta, että Tilastokeskuksen sivuilta haetun maakuntakartan lisääminen oli onneksi simppeli homma. Seuraavaksi tarkoitus oli tuoda avohakkuiden osuus maakunnittain ja liittää tämä join-toiminnolla tilastokeskuksen maakuntatietokantaan. Ongelmana oli, että Luonnonvarakeskuksen tietokannassa maakunta ja sen numero olivat yhdessä ja samassa sarakkeessa, esim. 01 Uusimaa, kun taas Tilastokeskuksen tietokannassa numero ja sitä vastaava maakunta oli merkitty kumpikin omiin sarakkeisiinsa, joten liitostoiminto ei tästä syystä tunnistanut Luken tietokannasta maakuntien nimiä.

Yhdessä Artun kanssa kokeilimme jos jonkinmoista tapaa, jolla liitoksen olisi saanut edes jossain määrin sujuvasti tehtyä mutta lopulta ei auttanut kuin manuaalisesti Excelissä poistaa Luken taulukosta kunkin maakunnan edestä numero ja tuoda sen jälkeen se muokattuna uudestaan QGisiin. Noin parin tunnin aherruksen jälkeen olikin suuri helpotus, kun liitos vihdoin onnistui ja sain esitettyä avohakkuiden osuuden kartalle.

Hieman kauhulla odotin, tuleeko lintuhavaintojen kanssa yhtä vaikeaa ja loppuuko aika kesken ja joudun selvittämään kotona itsekseni ongelmat mutta iloiseksi yllätykseksi sain lintuhavainnot tuotua suoraan pistemuotoisina havaintoina shapefile-tiedostona QGisiin ja kartalle. Alun perin minun oli tarkoitus esittää kartalla hömötiaishavaintoja, koska se on laji, jonka kanta on vähentynyt huomattavasti metsähakkuiden seurauksena (BirdLife Suomi, 2024). Havaintoja oli kuitenkin sen verran paljon ilmoitettu palveluun, että kartasta tuli melko epäselvä, kun havaintopisteitä oli niin paljon että ne peittivät maakuntien ääriviivoja liikaa. Päätin sitten valita jonkin toisen lajin ja otin palvelusta huuhkajahavainnot, joiden kanssa kartasta tulikin paljon selkeämpi. Valmis kartta näkyy kuvassa 1.

Kartan perusteella ei mielestäni vielä voi vetää johtopäätöksiä, että huuhkaja olisi suoraan kärsinyt avohakkuista, sillä metsien lisäksi huuhkajia elää nykyisin myös kaupungeissa. Huuhkaja on Suomessa myös erittäin uhanalainen, joten havaintojakin on ilmoitettu melko vähän. (LuontoPortti.)

Tämän viimeisen kurssikerran jälkeen olo oli melko helpottunut, koska geoinformatiikka ei ole itselleni se helpoin aihealue maantieteessä vaikka kiistatta kovin hyödyllistä onkin. Myös QGisin kanssa on vielä paljon tekemistä, jotta voisin sanoa sen käyttö oikeasti sujuvaksi. Ehkä rohkaistun kuitenkin ensi vuodelle ottamaan jonkun ylimääräisen kurssin geoinformatiikkaa. Toisaalta pelkään samaa, mitä Jesperi Grönberg pohti myös omassa blogissaan, että puolen vuoden tauon aikana opitut asiat unohtuvat mielestä. Mutta ilman harjoitusta ei myöskään voi kehittyä paremmaksi, joten lisäkurssi varmasti on paikallaan.

 

Lähteet:

BirdLife Suomi. (2024). Hömötiainen. https://www.birdlife.fi/suojelu/lajit/uhanalaisuus/suomi/homotiainen/

Grönberg, J. (1.3.2024).  Seitsemäs luentokerta 29.2.2024 [blogikirjoitus]. Jesperin GIS Kärsimys. https://blogs.helsinki.fi/jesperi/

LuontoPortti. (julkaisuaika tuntematon). Huuhkaja. Haettu 12.3.2024 osoitteesta https://luontoportti.com/t/476/huuhkaja

 

Toiseksi viimeisen kurssikerran aloitimme tekemällä pienimuotoisia kenttätöitä ulkoilmassa. Latasimme puhelimiimme Epicollect5-sovelluksen, jonka avulla voi kerätä maastosta kohteita ja niiden koordinaattitietoja ja vastata niitä koskeviin kysymyksiin. Meidän aineistomme kysymykset koskivat kohteiden turvallisuutta ja viihtyisyyttä.

Noin tunnin ulkona reippailun jälkeen ryhmämme oli saanut kerättyä aineiston, joka sisälsi 100 kohdetta Kumpulan kampuksen lähiympäristössä. Latasimme aineiston koneelle ja tuotimme  kartalle pistemuotoista aineistoa sen pohjalta ja lisäksi interpoloimme sen. Lopputulos näkyy kuvassa 1, punaisella kaikkein turvattomimmiksi koetut alueet ja sinisellä turvallisimmat. Turvallisuuden tunteeseen vaikuttavat selkeästi myös vuodenajan olosuhteet, sillä Kumpulan kampukselta alas johtava mäki oli koettu hyvin turvattomaksi luultavasti sen liukkauden takia.

Seuraavassa tehtävässä harjoittelimme pistemuotoisen aineiston tuottamista kartalle itsenäisesti. Aiheena olivat hasardit ja niiden alueellinen esiintyminen maapallolla ja saimme oman mielenkiinnon mukaan tarkastella joko tulivuoria, maanjäristyksiä tai meteoriittien putoamispaikkoja. Tein ensin kaksi karttaa maanjäristyksistä United States Geological Surveyn aineiston pohjalta, jotka näkyvät kuvissa 2 ja 3.

Näin jälkeenpäin mietittynä, maanjäristykset olisi voinut vielä eritellä voimakkuuden mukaan niin, että 6 olisi ollut omalla värillään, 7 omallaan ja niin edelleen. Esimerkiksi Veera Matikainen oli tehnyt näin maanjäristyksiä havainnollistavalla kartallaan. Tällöin kartta olisi lukijalle havainnollisempi. Olin kuitenkin ilahtunut, kun monesta edellisestä kurssikerrasta poiketen näiden karttojen tekeminen sujui kerrankin jopa helpon tuntuisesti ja ilman suurempia ongelmia.

Viimeisenä tein kartan, joka esittää sekä kerrostulivuorten että voimakkaiden maanjäristysten sijainnin maapallolla. Tulivuoritietokannassa oli erilainen tiedostomuoto kuin maanjäristyksissä joten jotta pääsin siitä eteenpäin, tarvitsin hieman opettajan apua mutta lopulta sain myös tulivuorista kartan aikaiseksi, joka näkyy kuvassa 4.

Tehtävässä pyydettiin myös pohtimaan lopputuloksena syntyneiden karttojen käyttöä maantieteen opetuksessa. Kartoilla voisi ainakin havainnollistaa sitä, kuinka tulivuoria ja maanjäristyksiä esiintyy usein samoilla alueilla. Maanjäristyskarttoja voisi myös käyttää osoittamaan sitä, kuinka maanjäristykset painottuvat usein litosfäärilaattojen rajakohdissa (United States Geological Survey, 2024). USGS:n verkkosivuilta löytyy myös hyvä kartta, jossa laattojen rajat näkyvät selkeästi. Myös niin sanottu Tyynenmeren tulirengas erottuu kuvissa runsaina maanjäristyksinä ja kerrostulivuorten esiintyminä (National Geographic Society, 2023). Karttojen olisi paremmin opetuskäytössä toimiakseen hyvä kuitenkin sisältää aiemmin mainitsemani tarkempi erittely maanjäristysten magnitudeista.

 

Lähteet:

Matikainen, V. (21.2.2024). Kuudes kurssikerta [blogikirjoitus]. Veeran GIS-blogi. https://blogs.helsinki.fi/veematik/

National Geographic Society. (19.10.2023). Ring of Fire. https://education.nationalgeographic.org/resource/ring-fire/

United States Geological Survey. (julkaisuaika tuntematon). The Science of Earthquakes. Haettu 26.2.2024 osoitteesta The Science of Earthquakes | U.S. Geological Survey (usgs.gov)

 

Viidennellä kurssikerralla aiheena oli opetella tekemään bufferointia eli puskurointia. Toimenpiteen lopputuloksena syntyvän puskurivyöhykkeen avulla voidaan laskea esimerkiksi tietyn suuruisen säteen sisälle jäävien kohteiden lukumäärä.

Ensimmäisessä tehtävässä jatkoimme jo edelliseltä kerralta tutun, Pornaisten keskustaa esittävän aineiston parissa. Laskimme tietokannasta teiden pituuksia sum line lenghts-toiminnon avulla sekä peltojen pinta-aloja sekä kokeilimme peltojen pinta-alan laskemista clip-työkalulla. Tämän jälkeen harjoittelimme yhdessä bufferoinnin tekemistä puskuroimalla Pornaisten keskustan läpi kulkevat tiet ja tarkastelemalla kuinka paljon asutusta on niiden varrella. Tämä osio sujui vielä hyvin, koska teimme harjoituksen yhdessä opettajan johdolla mutta lopputunnin tehtävä oli tarkoitus tehdä itsenäisemmin jo opittua soveltaen, mikä osoittautui melko haasteelliseksi.

Itsenäistehtävä

Itsenäistehtävässä tarkoituksena oli ensin tarkastella Malmin lentokenttää ja sen pahinta melualuetta. Jotta melualueen ympärille pystyi luomaan puskurivyöhykkeen, täytyi kiitoratojen ääriviivat ensin piirtää aiemmalta kerralta tutuksi tullutta piirtotyökalua käyttäen. Aluksi oli tarkoitus luoda kahden kilometrin bufferivyöhyke ja katsoa, kuinka monta ihmistä sen sisällä asuu.  Vyöhyke näkyy kuvassa 1 ja sen sisällä asuu 57635 ihmistä. Seuraava puskurivyöhyke taas tehtiin yhden kilometrin säteellä (kuva 2) ja sen sisällä puolestaan asuu 8900 henkeä. Nämä osiot sujuivat minulta vielä jollain lailla itsenäisesti kun seurasin tarkkaan kirjallisia ohjeita.

Seuraavassa tehtävässä piti tarkastella Helsinki-Vantaan lentoaseman melualuetta. Ensin luotiin vastaava 2 kilometrin puskurivyöhyke kuin Malmin lentoasemalla (kuva 3) ja sen sisällä asuu 11280 ihmistä.

Seuraavassa vaiheessa puskureita oli tarkoitus luoda desibelien mukaan, jotka olivat erillisessä tietokannassa. Koska tämä tehtävä ei mennyt enää täysin saman kaavan mukaan kuin aiemmat vaan vaati enemmän soveltamista aluksi, tuntui että tipuin heti kärryiltä. Yritin aikani ähertää vaiheen parissa itsenäisesti mutta tästä ei kerta kaikkiaan tuntunut tulevan mitään joten opettajan avustuksella eteenpäin. Sain sitten lopulta luotua bufferin Helsinki-Vantaan pahimman melualueen eli 65 dB:n ympärille, tämän alueen sisällä asui vain 17 henkeä. Seuraavaksi tarkastelin, kuinka paljon ihmisiä asuu vähintään 55 dB:n alueella ja sain tulokseksi 647 henkeä.

Tämä kurssikerta oli varmaan itselleni hankalin tähän mennessä ja huomasin, että paljon on vielä tekemistä, jotta QGisin käyttö olisi oikeasti sujuvaa. Suurin kompastuskivi on se, että en aina täysin ymmärrä mitä olen tekemässä tai jos tulee jokin ongelma, en tiedä mistä kiikastaa ja sitä on hyvin vaikea yrittää itsenäisesti selvittää. Tämän takia on kyllä todella hyvä, että teemme paljon opettajan johdolla. Ongelmana tuntuu myös olevan, että erilaiset toiminnot ja se, mihin niitä käytetään unohtuvat itseltäni aika nopeasti. Muiden opiskelijoiden blogien lukeminen on kuitenkin hyvää vertaistukea, sillä huomasin, että esimerkiksi Heikki Säntti oli myös tuskaillut postauksessaan viidenneltä kurssikerralta, että ei koe suurimman osan QGisin toiminnoista olevan helppoja.

Tällä kerralla harjoiteltu bufferointi on kuitenkin varmasti erittäin hyödyllinen ja monipuolinen työkalu paikkatietoasioissa, jos sitä vain osaa sujuvasti käyttää. Luulen, että myös tietokantojen yhdistelyn osaaminen sekä select fields by value-toiminto ovat keskeisiä toimintoja, jotka olisi hyvä osata sujuvasti, sillä nämä ovat tulleet useammassakin tehtävässä esiin.

Lähteet:

Säntti, H. (15.2.2024). Viides kurssikerta [blogikirjoitus]. Heiggi’s Blog. https://blogs.helsinki.fi/hksantti/

Neljännellä kerralla aiheenamme olivat piste-, ruutu- sekä rasteriaineistot. Alussa kävimme läpi hieman teoriaa aiheesta ja sen jälkeen ryhdyimme käsittelemään aineistoja tuttuun tapaan QGISissä.

Tehtävä 1

Ensimmäisessä tehtävässä tarkoituksena oli tehdä pääkaupunkiseudun väestöntiheyskartta ruotsinkielisen väestön osalta. Aloitimme luomalla ruudukon valmiin pääkaupunkiseutua esittävän kartan päälle. Tämän jälkeen ruudukkoa piti vielä hieman karsia yksinkertaisempaan muotoon. Aineisto sisälsi pistemuotoista tietoa kaikista pääkaupunkiseudun rakennuksista ja niissä asuvista ihmisistä. Karsimme siis ruudukkoa niin, että siihen jäi jäljelle vain ne ruudut, joiden sisällä on rakennuksia.  Käytimme tähän jo aiemmilta kerroilta tuttua Select by location-työkalua. Myös pisteiden tietoja karsimme laskutoimitusten sujuvoittamiseksi ja jätimme jäljelle ainoastaan asukkaiden määrän yhteensä sekä ulkomaalaisten, ruotsinkielisten ja muunkielisten määrät.

Tuotimme ensin kartan, jossa näkyvät ruotsinkielisten absoluuttiset lukumäärät pääkaupunkiseudulla yhden neliökilometrin kokoisissa ruuduissa. Tästä kartasta tosin unohdin tallentaa kuvan tunnilla joten lisään sen alle myöhemmin. Tämä tapa ei kuitenkaan ole välttämättä se järkevin tapa esittää ruotsinkielisten määrää, sillä tiheimmin asutuilla alueilla myös ruotsinkielisten määrä on suurempi kuin haja-asutusalueella. Siksi tein itsenäisesti kartan, jossa ruotsinkielisten määrä on esitetty suhteessa muuhun pääkaupunkiseudun väestöön, joka näkyy kuvassa 1.

Tällainen ruututeemakartta ei kuitenkaan ole lukijan kannalta paras vaihtoehto, sillä kartassa ei näy kuntarajoja, kaupunginosia tai teitä jotka helpottaisivat kartan tulkintaa. Stella Syrjänen esitti myös blogissaan hyvän huomion siitä, että ruutujen kokoa muokkaamalla asioita voidaan joko kärjistää tai neutralisoida (Syrjänen 2024).

Tehtävä 2

Tehtävässä käytimme ensimmäistä kertaa tällä kurssilla rasterimuotoista aineistoa. Tarkoituksena oli tuoda korkeuskäyrät Pornaisten kuntaa esittävälle karttalehdelle. Rasteriaineisto oli kuitenkin neljässä osassa, joten ensiksi ne täytyi saada liitettyä yhteen. Tähän käytimme Build virtual raster-toimintoa. Lisäksi teimme rinnevarjosteen käyttäen Hillshade-työkalua. Rinnevarjoste luo kolmiulotteisen vaikutelman, jonka avulla alueen korkeuserot saa paremmin näkyviin.

Lopputunnista digitoimme vielä seuraavaa kurssikertaa varten Pornaisten keskusta-alueen karttalehteä. Piirsimme manuaalisesti suurimmat tiet sekä merkitsimme pisteiden avulla rakennukset. Rakennuksia karttalehdellä oli yllättävän paljon, joten niiden merkitseminen yksitellen iltapäivällä viimeisenä hommana oli melko raastavaa mutta toisaalta myös palkitsevaa kun urakan sai valmiiksi.

 

Lähteet:

Syrjänen, S. (6.2.2024). 4. viikko, Ruututeemakartta [blogikirjoitus]. Stella’s blog. https://blogs.helsinki.fi/stellasy/

 

 

Kolmannella kurssikerralla aiheenamme olivat tietokannat. Opettelimme esimerkiksi valmistelemaan Excelissä tietokantoja sellaiseen muotoon, että niiden tietoja voi hyödyntää QGIS:issä, ulkoisen tiedon liittämistä tietokantaan sekä tietokantojen yhdistämistä kyselyiden avulla.

Tehtävä 1

Ensimmäisessä tehtävässä meillä oli lähtöaineistona kaikki Afrikan valtiot sisältävä tietokanta. Aluksi aineistoa piti muokata hieman yksinkertaisemmaksi, sillä lähtötilanteessa esimerkiksi valtioilla, joihin kuuluu runsaasti saaria nämä saaret olivat tietokannassa omina riveinään. Tämä olisi tehnyt valtiokohtaisen tiedon liittämisen vaikeaksi joten tehtävää helpottaaksemme yhdistimme näitä rivejä. Kokeilimme yhdistämistä ensin merge selected features-työkalun avulla mutta tämä ei jostain syystä onnistunut. Seuraavana yritimme dissolve-toiminnon kautta ja tämä tuottikin halutun tuloksen ja pääsimme tehtävässä eteenpäin.

Seuraavassa vaiheessa Afrikka-tietokantaan piti liittää myös Excel-tiedostosta tietoa esimerkiksi väestömääristä ja internetin käyttäjämääristä.  Tiedosto täytyi ensin tallentaa oikeassa csv-tiedostomuodossa ja tämän jälkeen vielä muokata oikeanlaiseksi. Tämän jälkeen se liitettiin tietokantaan join-toiminnon avulla.

Tietokantojen yhdistelyn jälkeen tarkoituksena oli tuottaa kartalle tietoa Afrikan mantereen konflikteista, timanttikaivoksista sekä öljyesiintymistä count points in polygon-toiminnon avulla. Konfliktien osalta halusimme määrittää vielä tarkemmin uniikit yksilölliset konfliktit, joten laskimme me ne samaa toimintoa apuna käyttäen tapahtumavuoden perusteella. Näistä toimista tuloksena syntyi alla oleva kartta (kuva 1).

Attribuuttitaulukkoa tarkastellessani huomasin, että usein timanttikaivosten ja öljyesiintymien määrä kulki käsi kädessä konfliktien määrän kanssa. Niissä valtioissa, joissa oli enemmän kyseisiä luonnonvaraesiintymiä, oli myös enemmän konflikteja. Samankaltaisen havainnon on blogissaan esittänyt myös Aura Niskanen (Niskanen 2024). Toki löytyi myös sellaisia valtioita, joissa ei ollut timantti- tai öljyesiintymiä mutta niissä oli silti paljon konflikteja. Esimerkiksi Afrikan sarven alueella runsaita konfliktimääriä voivat selittää myös alueella pitkään jatkuneet pahat kuivuuskaudet (Valtioneuvosto 2022).

Tehtävänannossa pyydettiin myös pohtimaan, mitä muuta tietokantoihin tallennettujen tietojen, kuten esimerkiksi öljykenttien tai timanttikaivosten löytämisvuoden ja konfliktien laajuuden avulla voisi päätellä. Luonnonvarojen ja konfliktien välistä yhteyttä voisi  tutkia tarkemmin vertaamalla konfliktien tapahtumavuotta kaivosten ja öljykenttien löytämisvuoteen. Tämän avulla voisi mahdollisesti päätellä, kuinka moni konflikti on saanut alkunsa luonnonvaroihin liittyvistä kiistoista. Tehtävässä mainittiin myös kaivosten ja öljykenttien tuottavuusprosentti, jolloin vertaamalla tätä konfliktien määrään voisi tarkastella vaikuttaako heikko tuottavuus siihen, esiintyykö alueella enemmän  konflikteja.

Tehtävä 2

Tehtävässä numero 2 piti sitten soveltaa juuri opeteltua itsenäisesti. Tarkoituksena oli laatia Suomen valuma-alueille tulvaindeksikartta sekä esittää alueiden järvisyysprosentti joko pylväs- tai ympyrädiagrammina. Tulvaindeksiä varten piti ensin jakaa keskiylivirtaama keskialivirtaamalla ja päivittää tämä tulos valuma-aluetietokantaan uuteen sarakkeeseen. Tämä osio sujui minulta vielä melko hyvin ja onnistuin tekemään sen aiemman tehtävän ohjeita soveltamalla. Järvisyysprosentin liittäminen tietokantaan Excelistä sen sijaan tuotti itselleni haasteita enkä jostain syystä saanut sitä onnistumaan. Opettajan avustuksella sitten hioimme joitakin asetuksia ja parin mutkan kautta tämänkin tiedon lisääminen tietokantaan lopulta onnistui. Jäljellä oli siis tulvaindeksin visualisointi kartalle jonka ensimmäinen vaihe sujui ihan hyvin ja alla siitä todisteena kuva 2.

Jostain syystä en onnistunut kuitenkaan saamaan karttaan näkyville järvisyysprosenttien ympyrädiagrammeja. Katsotaan jos tämä onnistuisi vielä seuraavalla kurssikerralla opettajan avustuksella, niin saisin blogiin päivitettyä kartan, jossa tämäkin tieto on mukana. Pelkän tulvaindeksikartan perusteella kuitenkin voi myös nähdä, että Suomen tulvaherkimmät alueet sijaitsevat Pohjanmaalla sekä lounais- ja etelärannikolla. Pohjanmaan alueella tulvaherkkyyttä selittävät alava maasto sekä järvien vähäisyys, sillä järvet tasaavat virtaamia (Vesi.fi). Rannikolla tulvariskiä selittää varmasti esimerkiksi myrskyjen yhteydessä tapahtuva meriveden nousu.

 

Lähteet:

Niskanen, A. (31.1.2024). Kolmas kurssikerta [blogikirjoitus]. Auran blogi geoinformatiikan menetelmistä. https://blogs.helsinki.fi/niskanau

Valtioneuvosto. (7.10.2022). Afrikan sarven kuivuudessa kisataan kelloa vastaan – ”Auttakaa meitä nyt”, vetoavat humanitaarisen avun johtajat. Afrikan sarven kuivuudessa kisataan kelloa vastaan – ”Auttakaa meitä nyt”, vetoavat humanitaarisen avun johtajat (valtioneuvosto.fi) 

Vesi.fi. (julkaisuaika tuntematon). Tulvat Pohjalaismaakunnissa. Haettu 31.1.2024 osoitteesta https://www.vesi.fi/tulvat-pohjalaismaakunnissa/

Toisella kurssikerralla tutustuimme QGIS:in valintatyökalujen ja projektioiden ihmeelliseen maailmaan. Lisäksi opettelimme tuomaan QGIS:iin dataa eri lähteistä. Erilaisia aineistoja vaikuttaa olevan tarjolla suorastaan hengästyttävä määrä. Etenkin rajapintojen datatyyppien monenlaiset kirjainyhdistelmät kuten WFS ja WMS aiheuttivat itsessäni melko paljon hämmennystä ja pohdintaa, kuinka nämä kaikki erilaiset vaihtoehdot voi oppia ja vieläpä muistaa, mitä milloinkin pitäisi käyttää. Toisaalta on todella hienoa, että erilaisia aineistoja on nykyään täysin ilmaiseksi saatavilla niin runsain mitoin.

Varsinaisessa tehtävässä harjoittelimme ensin käyttämään erilaisia select-työkaluja.  Tämä vaikuttikin todella kätevältä toiminnolta, jonka avulla voi valita alueita joko suoraan kartalta tai haluamiensa ominaisuuksien mukaan, esimerkiksi kaikki tiettyyn Suomen maakuntaan kuuluvat kunnat.

Tehtävän seuraavassa osiossa tarkastelimme erilaisia karttaprojektioita ja sitä, miten ne vaikuttavat pinta-aloihin ja kartalla tehtäviin mittauksiin. Alla olevassa taulukossa (Taulukko 1.) näkyy miten neljä erilaista projektiota näyttävät kartalla mitatun pituuden pinta-alan verrattuna suomalaisissa maastokartoissa käytettävään ETRS35FIN-projektioon. Pinta-aloissa etenkin tasavälisen lieriöprojektio Plate-Carreen ero ETRS-TM35FIN-projektioon on huomattava, sillä siinä pinta-alat vääristyvät sitä enemmän, mitä kauemmas päiväntasaajalta mennään.

Viimeisessä harjoituksessa havainnollistimme eri projektioiden aiheuttamia eroja pinta-alaan karttojen avulla. Loimme 3 erilaista alueluokitus- eli koropleettikarttaa. Ensimmäisen kartan kohdalla olin vielä luottavaisin mielin ja ajattelin, että tämähän käy helposti mutta tämä oli luultavasti vain siksi, että teimme sitä kaikki yhdessä opettajan kanssa. Kahdessa seuraavassa olikin sitten kuitenkin vaikeuksia muistaa kaikkia vaiheita ja niihinkin tarvitsi melko paljon apua opettajalta. Lopulta sain kuitenkin tulosta syntymään, josta todisteena alla kolme karttaa. Kuvassa 1 oleva kartta siis tehty yhdessä tunnilla ja kuvien 2 ja 3 kartat omatoimisesti tehtyjä.

Kuvista voi nähdä, kuinka etenkin kuvassa 2 esiintyvä Mercatorin projektio vääristää pinta-aloja pohjoisilla leveyksillä ja Suomen sisälläkin pohjoisimmassa Lapissa kaikista eniten. Esimerkkien avulla huomaa, että projektion valintaan on syytä kiinnittää huomiota karttoja tehdessä, sillä sen avulla on mahdollista saada aikaan suuriakin vääristymiä.

Karttojen ulkonäön hiomiseen olisin voinut käyttää vielä enemmän aikaa, esimerkiksi tehdä tyylikkäämmät pohjoisnuolet ja kuvassa 3. kirjoittaa legendaan kokonaan projektion nimen Azi.Equi-lyhenteen sijaan jotta se olisi selkeämpi myös ulkopuoliselle lukijalle. Kaiken kaikkiaan olen kuitenkin tyytyväinen, että sain kolme suhteellisen kelvollista karttaa aikaiseksi. Lisäksi, kuten Heikki Sänttikin blogissaan pohti, pinta-alakertoimien kolme desimaalia on ehkä turhan yksityiskohtaista ja niitä olisi voinut vähentää.

 

Lähteet:

Säntti, H. (24.1.2024). Toinen kurssikerta [blogikirjoitus]. Heiggi’s blog. https://blogs.helsinki.fi/hksantti/

 

 

Ensimmäinen kurssikerta alkoi kertaamalla lyhyesti paikkatiedon teoriaa. Tämän jälkeen ryhdyimmekin sitten tositoimiin QGIS-ohjelmiston parissa. Vaikka olin käyttänyt ohjelmaa aiemminkin, kaikki tieto tuntui kyllä unohtuneen päästä hyvin tehokkaasti. Onneksi ensimmäinen tehtävä tehtiin yhdessä opettajan johdolla.

Tarkoituksenamme oli tuoda HELCOMin tuottamaa dataa Itämeren rannikkovaltioista ja tehdä niiden pohjalta koropleettikartta Itämeren alueen typpipäästöistä. Ensimmäisen kerran asiat olivat vielä melko perustoimintoja, kuten vektorimuotoisen aineiston lisääminen QGISiin sekä field calculator-laskimen käyttö, jonka avulla laskimme uusia tietoja tietokantaan. Alla kuvassa 1 näkyy lopputuloksena tehty kartta.

Karttaan olen muuten melko tyytyväinen ensimmäisen kurssikerran kartaksi, mutta legendan tekstit olisi voinut vielä vaihtaa suomeksi.

Yhdessä tehdyn kartan jälkeen meille jäi kotitehtäväksi tehdä vapaavalintainen kartta, jossa pohja-aineistona oli Suomen kuntia koskeva aineisto. Tehtävässä oli eri vaikeusasteita mutta koen GIS-taitojeni olevan vielä sen verran puutteelliset että päätin tehdä yksinkertaisimman version. Olin melko yllättynyt, kun tämä tehtävä sujui itsenäisesti melko hyvin enkä kohdannut mitään suurempia vaikeuksia. Selkeästi siis jotain jäi mieleen ensimmäiseltä kerralta. Kuvassa 2 näkyy lopputuloksena syntynyt kartta, jossa esitetään ulkomaankansalaisten osuus Suomen kunnissa.

Tämä kartta on mielestäni parempi kuin ensimmäinen, koska legendan tiedot ovat suomeksi esitetty. Siitä löytyvät myös mittakaava ja pohjoisnuoli. Tosin huomasin, että esimerkiksi Miki Leino (2024) oli muokannut samassa tehtävässä tuottamassaan kartassa itse luokkajaot sopiviksi, joten tämä olisi mahdollisesti ollut omaankin karttaan järkevämpi vaihtoehto.

Lähteet:

Leino, M. (17.1.2024). Ensimmäinen kurssikerta [blogikirjoitus]. Mikin blogi. https://blogs.helsinki.fi/leinmiki/

 

Welcome to Blogipalvelut. This is your first post. Edit or delete it, then start blogging!