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/