Viimeiselle kurssikerralle saapuessa kello 8:15 edellisen päivän Laskiaisrieha on havaittavissa: kurssilaisia oli alkuun 5. Pikkuhiljaa porukkaa kuitenkin valui paikalle! Ilmassa on kuitenkin jo parin päivän päässä häämöttävän haalarikastajaisten odotus.
Viimeisen kurssikerran tehtävä oli luoda omavalintainen kartta tai karttasarja haluamastaan aiheesta. Tämän päivän neljästä tunnista kampuksella rehellisesti sanottuna melkein puolet meni siihen, kun tutkin erilaisia aineistoja ja kokeilin erilaisia pohjakarttoja. Eihän se kartta siinä oikein edistynyt, mutta tulipahan taas tutustuneeksi erilaisiin lähteisiin ja pohjakarttoihin!
Ensimmäinen haaste oli siis päättää, mistä tekisin kartan ja mistä olisi mielekästä esittää kaksi eri muuttujaa. Pohjakarttoja tein niin Afrikasta, Suomesta, Euroopasta, maailmasta ja Yhdysvalloista. Loppujen lopuksi erilaisen kokeilun päätteeksi päätin tehdä melko yksinkertaisen oloisen kartan Yhdysvaltojen väestöstä ja kaupunkien sijoittumisesta. Todellisuudessa haasteita löytyi näinkin yksinkertaiselta tuntuvasta aiheesta.
“No eikö se nyt muka ole numero??”
Toden totta, haasteita löytyi niin fieldien tyypeistä, oikeasta tiedostotyypistä kuin sopivan pohjakartan löytämisestäkin. Pohjakartan (maailmankartta) löysin Natural Earth -sivustolta. Osavaltioiden rajat -aineisto on Yhdysvaltain väestönlaskentaviraston sivustolta. Sivustojen kaivelun ja selailun jälkeen löysin samalta sivustolta myös sopivan aineiston, jossa oli väkiluku osavaltioittain. Tiedostoa piti muokata manuaalisesti, koska joku oli laittanut pisteen jokaisen osavaltion nimen eteen siten, ettei sitä saanut poistettua etsi ja korvaa -toiminnollakaan </3.
Seuraava haaste tuli US Census Bureau (Yhdysvaltain väestönlaskentavirasto) väkilukuaineiston sisällössä: QGIS luki numerot tekstinä! En tiedä, onko tätä käyty kurssikerroilla, mutta tämän haasteen edessä opin muuttamaan field typen properties-valikosta. Haaste ei haitannut, kun siitä hyötyikin jotain. Teksti muuttui numeroiksi noin vain.
Lopputuloksena on oikeastaan aika tylsän näköinen kartta, jonka tekeminen oli kuitenkin mukavaa ja opettavaista. Sitä tehdessä pääsin soveltamaan kaikenlaisia erilaisia toimintoja, joita tämän kurssin aikana olemme oppineet. Koska kartan teema on vapaavalintainen, on mielenkiintoista lukea muiden blogeja ja nähdä, millaisiin karttoihin he ovat päätyneet! Esimerkiksi Eeva Raki on tehnyt jopa 2 karttaa, joista toinen on animoitu, what! Hänen karttansa Etelä-Amerikan metsäkadosta on mielestäni todella vaikuttava ja hienosti toteutettu! Pidän myös hänen maailman hiilidioksidipäästöjä kuvaavan kartan ilmeestä. Raki myös kiteyttää kivasti keskiviikkoiset lähiopetustunnit; keskiviikkoaamuista tuli minullekin yksi viikon kohokohtia!
Ronja Sonninen on tehnyt blogiinsa useita erilaisia versioita 0-14 -vuotiaiden osuudesta väestössä Suomessa, ja samaistun hänen kokemukseen siitä, että GIS muistuttaa tällä kurssikerralla, ettei visuaalisen ja onnistuneen kartan luominen ole aina niin helppoa (nimim. USA:n kartan interpolointi näytti aika kuralta). Kuitenkin Sonnisen kartat ovat mielestäni onnistuneita, vaikkeivat ehkä visuaalisesti tyydyttävimpiä; jos kaiken tekee heti täydellisesti, ei voi oppia mitään.
Kuvassa 1 on siis tämän kurssikerran tulos. Siinä on esitetty Yhdysvaltain väestö osavalloittain, sekä maan kaupungit luokiteltuna väkiluvun mukaan. Kartan tulkinnassa on mielenkiintoista verrata isojen ja pienien kaupunkien sijoittumista kartalla, ja kuinka niiden lukumäärät vaihtelevat. Jos tekisin kartan nyt uudelleen, käyttäisin osavaltioiden väkiluvun tilalla esim. Yhdysvaltojen maaperän korkokuvaa. Voisi olla kiinnostavaa verrata kaupunkien sijoittumista suhteessa korkeimpiin ja matalimpiin kohtiin, tai vaihtoehtoisesti esim. kasvillisuusvyöhykkeen mukaan!
Kuva 1. Yhdysvaltojen kaupunkien sijoittuminen suhteessa osavaltioiden väkilukuun. (lähteet: kaupungit: v.2021 simplemaps.com, osavaltiot ja niiden väkluvut: v. 2019 US Census Bureau)
Luotu kartta ei ole mitenkään erityisen monimutkainen tai hieno, mutta itselleni tässä harjoituksessa oli tavoitteena soveltaa QGIS:ssä opittuja taitoja, ja onnistuin siinä ainakin hyvin! Kaiken kaikkiaan kurssi on sujunut mukavasti, ja olen oppinut ainakin soveltamaan edes sitä vähää, joka on jäänyt pidempään muistiin. Nyt voi hyvillä mielin suunnata kohti seuraavia pettymyksiä ja onnistumisen tunteita geoinformatiikan parissa 🙂
Onko minussa GIS-velhon aineksia? Todellakin! Osaanko kaiken mahdollisen QGIS:stä? En todellakaan!
Toiseksi viimeinen kurssikerta alkaa heikosti, kun selviää, etten pääse tällä kurssikerralla kampukselle. Tällä kertaa kävi nyt niin, että kurssikerran asiat jäävät itsenäisesti opiskeltaviksi. No, ei siinä sitte.
Onneksi viime vuoden zoom-videotallenteet auttavat selventämään word-ohjetta tehokkaasti, eikä aihe vaikuta ainakaan ylitsepääsemättömän vaikealta. Myös muiden kurssilaisten blogit johdattavat hyvin kurssikerran aiheisiin. Esimerkiksi Saara Aaltosen, Tuomas Hartikaisen ja Elida Peuhun blogit antoivat minulle hyvän kuvan kurssikerran ulkoilutehtävästä, jossa kerättiin aineistoa Kumpulan ympäristöstä mm. viihtyisyyteen ja turvallisuuteen liittyen. Kunkin blogeissa oli myös hienosti havainnollistavia kuvia heidän tuotoksistaan. Aineiston keruussa käytettiin Epicollect5-sovellusta, jonka käyttöön tutustun itse myöhemmin! Kiitos muille kurssilaisille hienoista blogeista tältä kurssikerralta, poissaolijakin pääsi hyvin kärryille! 😀
hasardit
Kurssin itsenäistehtävänä oli luoda kolme erilaista karttaa liittyen hasardeihin. Tavoitteena oli, että niitä voisi käyttää opettajana tuntiopetuksessa. Halusin kokeilla erilaisia tietokantoja ja aineistoja, joten kokeilin viedä QGIS:iin aineistot niin tulivuorista, maanjäristyksistä kuin meteoriiteista. Maanjäristykset ja meteoriitit sain kartalle näkymään melko vaivatta, mutta hankaluuksia aiheutti tulivuoriaineiston tiedostotyyppi, .tsv. Lopulta sain tiedoston muunnetuksi .csv -tyyppiseksi käyttämällä ilmaista muuntajaa. Varmasti sen olisi voinut tehdä itsekin, mutta tässä tilanteessa ilmainen muunnin internetissä toimi loistavasti! Haasteista oli myös saada oikea karttaprojektio toimimaan kartalla, mutta senkin sain selvitettyä pienen klikkailun jälkeen.
Käytin tässä tehtävässä seuraavanlaisia aineistoja: tulivuoret ovat vuoden 1964 jälkeen räjähtäneitä, meteoriittitietokannassa ovat kaikki tunnetut meteoriitit ja maanjäristykset ovat vuoden 1964 jälkeen tapahtuneita yli 6 richterin suuruisia. Meteoriittitietokanta oli niin suuri (yli 45 tuhatta riviä), siinä oli muutamia inhimillisiä kesätyöläisen virheitä (tuorein meteoriitti oli pudonnut vuonna 2101), ja lisäksi osa meteoriiteista oli pudonnut tuntemattomana vuonna ja massa oli tuntematon/0, että päätin keskittyä enemmän maanjäristyksiin ja tulivuoriin, joissa on niissäkin jo paljon kuvattavaa.
Maanjäristyksiä
Seuraava haaste tuli, kun halusin lisätä kartalle litosfäärilaattojen rajat. Etsin ainakin puolisen tuntia eri lähteistä litosfäärilaattojen rajoja sopivassa tiedostomuodossa, mutta en kyllä löytänyt sellaista mistään! Muut kurssilaiset olivat kyllä löytäneet, esim. Roosa Kotilainen oli omassa blogissaan laittanut siististi litosfäärilaattojen rajat yhteen tulivuorten kanssa. En löytänyt sopivaa tiedostoa edes hänen mainitsemaltaan Natural Earth -sivustolta. Olenko vähän tyhmä.
Halusin kokeilla, miltä interpolointi näyttäisi maanjäristysten kanssa. Koko maapallon sijaan päätin jättää interpoloinnin ulkopuolelle Pohjois- ja Etelä-Amerikan ihan siitä syystä, että algoritmi suorittamisessa kesti todella kauan (ilman Amerikkojakin tässä meni melkein 15 minuuttia). Litosfäärilaattojen sijaan sain ladatuksi Natural Earth -sivustolta valtioiden rajat, jotka auttavat paljon tuloksen analysointia.
Kuvan 1 kartta on hyvinkin kokeellinen. Tutkin yli kuuden magnitudin maanjäristyksiä aikaväliltä 1964-2022. Katselin muiden kurssilaisten tekemiä karttoja ja halusin kokeilla, miltä interpolointi näyttäisi tässä yhteydessä. Tuotos on mielenkiintoinen. En käyttäisi tätä karttaa opetustilanteessa kuin ehkä korkeintaan havainnollistamaan maanjäristysten järjestyneisyyttä litosfäärilaattojen mukaan. Siinäkin tilanteessa lisäisin todellakin litosfäärilaattojen rajat näkymään kartalla. Itseäni häiritsee se, että suurin osa kartasta on samaa vihreää kuin interpoloinnin toinen luokka. Jos osaisin, vaihtaisin sen ehdottomasti hieman eriväriseksi. Aaltosen tekemä kartta näyttää paljon siistimmältä, ja tässä helpottaa luultavasti pienempi aineisto (hän on ottanut aikaväliksi yhden viikon). Pidänkin Aaltosen kartoista paljon enemmän kuin omistani, sillä hänen karttansa ovat selkeämpiä!
Kuuden magnitudin maanjäristyksiä on myös enemmän kuin yli seitsemän, joten tämännäköisenä kartta korostaa juurikin kuuden magnitudin maanjäristysalueita! Mielenkiintoista, mitä kaikkea värien valitseminen tekee.
Kuva 1. Euroopan, Aasian ja Afrikan alueella tapahtuneiden maanjäristysten magnitudit interpoloituna vuosien 1964-2022 väliltä. Maanjäristysdata USGS.
Kuvassa 2 tein kokeellisen version lisäksi hieman perinteisemmän kartan yli 6 magnitudin maanjäristyksistä koko maapallolla. Eri magnitudiluokat on myös esitetty erivärisinä, mikä helpottaa kuvan katsomista. Selkeyden lisäämiseksi lisäsin myös valtioiden rajat. Tällaista karttaa voisi käyttää opetustilanteessa esimerkiksi peruskoululaisen johdatuksessa litosfääriin ja laattatektoniikkateoriaan. Jos löytäisin, lisäisin tietysti varsinaiset litosfäärilaattojen rajat myös tähänkin karttaan. Tällainen kartta toimisi myös ihmismaantieteen puolella peruskoulussa ja lukiossa. Kartan yhteydessä voisi käydä esimerkiksi pahimpien maanjäristysalueiden taloutta ja hyvinvointia.
Kuva 2. Maapallon yli kuuden magnitudin maanjäristyksen vuosien 1964-2022 välillä. Data USGS.
Kuvaa 2 vastaavaa karttaa on käytetty esimerkiksi brittiläisen koulun kotitehtävässä liittyen laattatektoniikkaan. Tämän linkin takaa löytyy kyseinen kotitehtävä, jossa on esim. kuvan 3 kartta. Nopealla haulla internetistä löytyy todella suuri määrä vastaavanlaisia kuvia.
Maanjäristysten lisäksi tein todella perustasoisen kartan tulivuorista. Mielenkiinnosta valitsin kuvassa 4 vuosien 1964-2022 välillä aktiiviset tulivuoret, jotka ovat veden alla tai yli 5 kilometriä korkeita. Yhteensä kohteita on 48. Pelkän tulivuoriaineiston käyttämisestä ei saa paljoa irti kartan teossa, muuten kuin se suhteen mitä haluaa kartallaan esittää. Tulivuorien kuvaaminen sopisi tosi hyvin yhdistettynä muihin aineistoihin.
Kuva 4. Maapallon vuosien 1964-2022 välillä olleet aktiiviset tulivuoret, jotka ovat vedenpinnan alapuolella tai ovat yli 5 kilometriä korkeita. Lähde National Central for Environmental Information (NCEI).
Jälkipyykki
Mitä tämän blogipostauksen tekemisestä jäi käteen? Päällimmäisenä se, että pidän muiden kurssilaisten kartoista enemmän kuin omistani. Haastavimmalta tuntuu näiden hasardikarttojen tekemisessä se, että löytää oikeanlaisia aineistoja ja keksii sopivan teeman, josta kartan tekee. Yritin etsiä muutamia erilaisia aineistoja, mutta en loppujen lopuksi oikeastaan löytänyt kovin hyviä. Koen, että osaan tehdä ihan toimivia karttoja, mutta en oikein löydä motivaatiota tekemään niitä sellaisista aiheista, jotka vaativat enemmän aineistojen etsimistä. Toivottavasti ensi viikolla löytäisin hieman enemmän motivaatiota.
Vähän myös sellainen fiilis, että nämä blogipostaukset poukkoilevat sinne tänne, eikä tekstissä oikein ole selkeää rakennetta. Tuntuu myös, että “kulissien taakse” jää paljon sellaista, mitä en osaa kirjoittaa. Käytän eri tehtäviin aika paljon aikaa, mutta en oikein osaa sanoittaa tekemääni.
Tällä kerralla yritin tallentaa koko projektin, mutta eihän se taaskaan toiminut. Kertaus on kuitenkin ihan hyvää (eli toisin sanoen teen taas kaiken alusta).
Kurssikerralla 5 pääsimme jo soveltamaan osaa aikaisemmin opittua, kun tehtäviä ei näytettykään askel askeleelta, vaan piti käyttää myös omia aivoja. Pääteemana oli bufferivyöhykkeet ja niiden käyttö analyysissä. Bufferointi käsitteenä käytiin jo syksyllä geoinformatiikan johdatuskurssilla, mutta tämänkertainen käytännön harjoittelu selvensi ainakin omalla kohdalla bufferoinnin käyttämistä. Elsa Pakkanen kiteyttää blogissaan bufferi- eli puskurivyöhykkeen tavoitteen: “Tavoitteena on siis selvittää jotakin kohteen yhteydestä ja sijoittumisesta ympärillä oleviin kohteisiin nähden.”
Viime kerran johdatus Pornaisen karttaan helpotti tämänkertaista lämmittelytehtävää. Komppaan Roosa Kotilaista, joka kirjoittaa blogissaan Pornaisten alueen olevan mukavan kokoinen harjoitteluun (verrattuna Helsinki-Vantaan isoon tietokantaan). Selvitimme bufferivyöhykkeen avulla Pornaisten asukkaiden lukumäärät mm. kilometrin etäisyydellä koulusta ja terveysasemasta, sekä selvitimme suurimpien tiealueiden läheisyydessä asuvien asukkaiden määrät. Mielenkiintoista oli myös QGIS:n ominaisuus, jolla voi esim. luoda satunnaiset asukaslukumäärät asuinrakennuksille. Tämä voi olla hyödyllistä, jos on saatavilla hyvä aineisto rakennuksista, mutta ei tarkkaa asukaslukumäärää. Luomalla satunnaiset asukasmäärät voi melko hyvin tutkia rakennusten sijoittumista.
Kuva 1. Lämmittelytehtävä Pornaisten bufferointina. Kuvassa on esitetty asukkaat vihreän ympyrän sisällä kilometrin säteellä koulusta, ja vaalealla isommalla ympyrällä asukkaat terveyskeskuksesta kahden kilometrin säteellä. Kuvassa on tällä hetkellä korostettu keltaisella rakennukset, jotka ovat yli kahden kilometrin päässä terveyskeskuksesta. Tiet on bufferoitu harmaaksi. QGIS.
Kuvan 1 lämmittelytehtävä johdatteli bufferointiin. Kuvan 1 kartalla voisi valita esimerkiksi 100 metrin etäisyydellä isoimmista teistä olevat rakennukset (ja sekalaistetun asukasluvun avulla myös asukkaat). Bufferivyöhyke teistä on harmaa alue. Neljännellä kurssikerralla lämmiteltiin tätä kuvaa varten harjoittelemalla piirtämään tiet ja rakennukset.
Lentokenttiä, kiitoteitä, asemia ja saunoja
Jo kurssikerralla ehdimme aloittaa tämän kerran itsenäistehtäviä, joita on useampi. Huom! Tämän kohdan kuvat voivat olla hieman erinäköisiä keskenään, koska tein ne eri aikoihin (en osaa tallentaa). Aloitetaan Helsinki-Vantaan ja Malmin lentokenttien kiitoteistä ja lentomelusta.
Veljeni opiskelee lentäjäksi, ja tällä kurssikerralla särähti pahasti korvaan kiitorata-sanan käyttö. Oikea sana on kyl kiitotie eikä mikään rata 😀
-Minä, ei-lentäjä
Ensimmäinen tehtävä on tutkia Helsinki-Vantaan läheisyyden asukkaita (2 km säteellä). Se selviää helpolla bufferoinnilla.
Kuva 2. Bufferivyöhyke Helsinki-Vantaan kiitoteiden ympärillä. Vyöhykkeen sisään jäävät keltaiset pisteet ovat asukasrakennuksia. QGIS.
Bufferivyöhyke oli helppo tehdä ja sisään jäävien pisteiden valitseminen yksinkertaista select by location -komennon avulla. Helsinki-Vantaalla on teoriassa kolme kiitotietä ja käytännössä kuusi, sillä niitä voidaan laskea eri suunnista. Valittu kiitotie riippuu tuulen suunnasta. Kaikkea oppii, kun on veli on lentäjä!
Seuraava kohta vaati hieman enemmän ajattelua ja tästä saakin Siiri shout-outin avun jakamisesta! Tehtävänä oli selvittää pahimman melualueen (65dB) asukasmäärä. Se onnistui luomalla oman layerin tuon desibelimäärän alueelle, luomalla vielä toisen layerin alueen pisteille ja siitä edelleen select by location -komennolla. Kuvassa 3 on keltaisilla pisteillä sekä keltaisen polygonin korkeimman melun alueella että 2 kilometrin vyöhykkeelle kiitoteistä (punaiset viivat) sijoittuvat asuinrakennukset.
Kuva 3. Keltaisen polygonin ja bufferivyöhykkeen alueelle jäävät keltaiset pisteet ovat asuinrakennuksia, jotka ovat sekä 2 km päässä kiitoteistä että asettuvat korkeimman lentomelun alueelle. QGIS.
Haastavinta tässä tehtävässä oli osata improvisoida eri komentoja tarpeen mukaan. Onnistumisen tunne oli kuitenkin mahtava, kun monen yrityksen jälkeen saa lopulta halutut pisteet näkymään valittuina! Melko yksinkertaisessakin projektissa saa tehdä yllättävän monta layeriä, kuvassa 4 on näkymä, kun kaikki tarvittava on saatu kartalle.
Taulukossa 1 on lentokenttätehtävän kysymyksien vastauksia. Malmin lentokentän läheisyyden asukaslukumäärä yllätti. Malmin lentokentän tilalle ja ympäristöön kaavaillaan vielä lisää asuinalueita, vaikka lentokentän alue on heikkopohjaista savimaaperää. Malmin lentokenttäalue on ilmailukulttuurin kannalta todella tärkeää aluetta.
Seuraavat itsenäistehtävät liittyivät juna- ja metroasemiin. Tehtävät olivat melko samankaltaisia lentokenttätehtävien kanssa ja käytetty aineisto oli sama, joten taulukossa 2 on suoraan vastaukset.
Taulukko 2. Juna- ja metroasemiin liittyvien itsenäistehtävien vastaukset.
Kurssikerran tehtävistä sai valita itse, mitä haluaa tehdä. Valitsin uima-altaiden ja saunojen tarkastelun pk-seudulla, koska sen esittäminen kartalla voisi olla mielenkiintoista. Tosi isosta aineistosta pk-seudun väestöstä löytyykin kaikenlaista tietoa asuinrakennuksista, myös mm. uima-altaiden määrät! Kuvassa 5 on esitetty pk-seudun kaikki sellaiset rakennukset, joissa on uima-allas. Yhteensä rakennuksia on 855. Kuvassa 6 puolestaan on pk-seudun saunalliset rakennukset. Häiritsevää kuvissa on PK-seutu -tietokanta, joka jatkuu jostain syystä liian etelään. En tiedä, miten sen voisi korjata niin, ettei se näkyisi layoutissa. Taulukossa 3 on kootusti vastauksia uima-altaisiin ja saunoihin.
Kuva 5. Uima-altaat pk-seudulla. Yhteensä uima-altaallisia rakennuksia on 855. QGIS
Mielenkiintoista QGIS:ssin kanssa on se, että kun on ymmärtänyt, miten select features -käskyt toimivat ja miten niiden kanssa kannattaa tehdä uusia layereitä, on haluttujen tietojen poimiminen yllättävän helppoa! Yllätin ihan itsenikin, kun tiesin heti, miten asukkaiden määrän uima-altaallisissa taloissa saa todella helposti selville. Muutenkin erilaisten attribuuttien perusteella kohteiden valitseminen tuntuu paljon helpommalta kuina aikaisemmin.
Kuva 6. Pääkaupunkiseudun rakennukset, joissa on sauna. Yhteensä saunallisia rakennuksia on 21 922. QGISTaulukko 3. Vastauksia itsenäistehtäviin saunoista ja uima-altaista pk-seudulla.
Pohdintaa!
Muistellen kurssin alkupuolelle, voin nyt rohkeasti sanoa, että olen tullut kokeneemmaksi ja rohkeammaksi QGIS:n käyttäjäksi! Kaikkea en tietenkään vielä osaa, mutta toistojen tekeminen ja eri ominaisuuksilla leikkiminen on ehdottomasti kasvattanut kykyjäni käyttää ohjelmaa. Välillä tuntuu ehkä siltä, että en käytä sitä varsinaista “tarkoitettua menetelmää” vastauksen saamiseksi ja voi olla, että teen jotakin jotenkin vaikean kautta, mutta teen sen ainakin itselleni mukavalla tavalla. Anna Makkonen kirjoittaa blogissaan suurimman esteen QGIS:n kanssa olleen hän itse itselleen. Samaistun ajatukseen, sillä (ainakin omalla kohdalla) tämä ohjelma vaatii kokeilemista ja yrittämistä ja toistoja. Tsemppiä Anna, kyl se siitä!
Eri työkalujen käyttö alkaa luonnistua, mutta pitää kyllä vielä kokeilla erilaisia tilanteita ja soveltaa eri työkaluja niihin. En ajoittain osaa käyttää oikeaa työkalua oikeassa paikassa, mutta ainakin select features ja bufferivyöhykkeet ovat melko ok kohdallani! Hyvin rajoittavaksi tekijäksi QGIS:n kanssa olen huomannut aineiston. Jos aineisto ei ole luotettava tai riittävän laaja, voi esimerkiksi erilaisten funktioiden tekeminen ja tarvittavien elementtien esittäminen kartalla olla hankalaa. Ohjelma myös vaatii aineiston olevan tietyntyyppistä, edelleen funktioiden ja käskyjen suorittamiseksi.
Myös yksi asia on tullut tosi hyvin selväksi: uusi layer kannattaa nimetä heti! Muuten menee tosi nopeasti sekaisin esim. “Buffered” layereiden kanssa, jotka tulevat aina samalla nimellä bufferivyöhykettä luodessa. Layereitä tulee myös nopeasti aika paljon. Tämä ajatus juolahti mieleen Aleta Frimanin blogia lukiessa, erityisesti yhdestä lauseesta, joka kuuluu: “En pysynyt laskuissa mukana, kun muodostin buffereita yksi toisensa perään.” Truer words have never been spoken.
Vaikka se on ärsyttänyt, etten osaa tallentaa kokonaisia projekteja oikein, on siitä ollut myös hyötyä. Alusta alkaen kaiken tekeminen itsenäisesti omalla koneella on ollut hyödyksi, koska siinä on päässyt kertaamaan ja palauttamaan mieleen tunnilla käydyt asiat, ja lisäksi kokeilemaan omia juttuja eri toimintojen kanssa. Paljon on kuitenkin vielä tutustumista QGIS:n kanssa, esim. laskutoimitukset prosenttilukujen kanssa olen tehnyt manuaalisesti. Tästä ei kyllä ole juurikaan vaivaa, mutta kai se varmaan onnistuu myös ohjelmalla.
Tallennuksen vaikeuksien seurauksena olen todennut, että kurssilla käytävät asiat ymmärtää parhaiten, kun ne tekee uudestaan itsekseen. Tällä kertaa tein tietoisen päätöksen tallennuksen suhteen ja leikin kotikoneella QGIS:ssillä. Eri toiminnot ovat itsessään selkeitä, mutta aina ei muista, mistä löytyy mikäkin komento ja mitä komentoa käytettiin missäkin tilanteessa. Kun oikea komento löytyy, sen käyttö on melko ymmärrettävää.
Tällä viikolla tutustuttiin ruutukarttojen tekemiseen ja esittämiseen. Aineistona käytettiin pääkaupunkiseudun väestötietokantaa vuodelta 2015. Ensimmäisessä harjoituksessa luotiin ruudukko aineistoon PKS-alueiden kuntien päälle. Ruudukon tekeminen oli yllättävän helppoa draw on canvas -komennolla. Aluksi ajattelin, että ruudukon piirtäminen itse olisi vaikeaa, mutta se olikin todella yksinkertaista.
Kuvissa 1, 2 ja 3 on esitetty ruotsinkielisten osuuksia pääkaupunkiseudulla. Kuvien ruudukon yhden ruudun koko on yksi neliökilometri, ja ruutuja on ainoastaan alueilla, joilla on asukkaita.. Punaisella näkyy alueet, joilla on eniten ruotsinkielisiä ja sinisillä vähiten. Kartan tekeminen oli melko helppoa, ja vertailun ja mielenkiinnon vuoksi tein 3 erilaista tulkintaa ruotsinkielisistä pääkaupunkiseudulla.
Kuva 1. Ruotsinkielisten lukumäärä neliökilometrin alueella pääkaupunkiseudulla. Punaisella alueella on eniten ruotsinkielisiä ja sinisellä vähiten tai ei yhtään. Suurin ruotsinkielisten keskittymä on Helsingin keskustan alueella. QGIS.
Kuvassa 1 on esitetty ruotsinkielisten absoluuttinen lukumäärä, eli ruotsinkielisten laskettu lukumäärä ruudun alueella. On hyvä huomioida luokkien pienet koot: vertailun vuoksi vuonna 2015 Helsingissä oli 620 715 asukasta (Mäki & Vuori). Vaikka kuvaa 1 tarkasteltaessa ruotsinkielisten osuus siis näyttää suurelta joillain alueilla, saattaa ruotsinkielisten osuus olla hyvinkin pieni.
Kuva 2. Ruotsinkielisten osuus alueen väestöstä pääkaupunkiseudun alueella. QGIS.
Kuvassa 2 on esitetty ruotsinkielisten osuus prosentteina kunkin ruudun alueen väestöstä. Ensimmäisen kuvan tekemisen jälkeen piti ihan hieraista silmiä, että voiko kuva 2 pitää todella paikkaansa. Hetken pohdinnan jälkeen mietin mm. mittakaavaa, pk-seudun asukaslukua ja kuvien luokkien kokoja. Yhden ruudun koko on 1 neliökilometri, joten jos lähialueella asuu useampi ruotsinkielinen, nousee yksi alue nopeasti muiden ylitse. Myös pk-seudun suuri väkiluku ja väestöntiheyden pieneneminen rajoja kohti mentäessä näkyvät, kun tarkastellaan prosenttiosuuksia. Luonnollisesti alueilla, joilla asuu enemmän ihmisiä on myös enemmän ruotsinkielisiä (kuva 1), mutta se ei tarkoita, että ruotsinkielisten osuus kasvaisi. Päinvastoin, alueilla joilla on pieni väestöntiheys korostuu ruotsinkielisten osuus.
En heti myöskään tajunnut, että pienin luokka ei ole 0%. Kuvien 1 ja 2 välillä jäi häiritsemään kuitenkin pienin ja suurin luokka. Attribuuttitaulun mukaan on ruutuja, joilla ei ole yhtään ruotsinkielistä tai toisaalta on pelkästään ruotsinkielisiä asukkaita.
Kuva 3. Ruotsinkielisten osuus (%) pääkaupunkiseudun alueella siten, että on huomioitu alueet, joilla ruotsinkielisiä on 0% tai 100%. QGIS.
Kuvassa 3 olen siis hieman leikkinyt luokkien kanssa ja erotellut erikseen alueet, joilla ei ole yhtäkään ruotsinkielistä tai toisaalta on pelkästään ruotsinkielisiä. Tästä syystä myös luokkia on kuvien 1 ja 2 kartoista poiketen seitsemän viiden sijaan. Kuvan 3 kaltainen tulkinta korostaa ainakin minulle sitä, kuinka suurimmalla osalla pääkaupunkiseudun ruudukolla asutetusta alueesta asuu ainakin 1 ruotsinkielinen. Eri luokkien lisääntyminen keskusalueesta pois mentäessä selittyy sillä, että väestöntiheys pienenee ja näin kokonaisväkiluku vähenee.
Karttojen luettavuudesta: olen samaa mieltä Elida Peuhun kanssa siitä, että karttaa on vaikea tulkita, kun maan muodot jäävät ruudukon alle. Peuhu lisäsi omaan karttaansa pääkaupunkiseudun pienalueet, jotka ainakin minusta selkeyttivät karttaa! QGIS:n “spectral” color ramp ei välttämättä ole paras sen puna-vihreyden vuoksi. Jeanette Hatanpää valitsi minusta omassa kartassaan tosi sopivat värit. Kuvassa 1 on myös käytetty eri pohjaa kuin kuvissa 2 ja 3, joten mm. värit eroavat hieman. Mittakaava on kuitenkin sama.
Ruututeemakartta voi olla hyvin havainnollistava ja mielenkiintoinen. Kolmen hyvin erilaisen kuvan tuottamisen ja kokeilun jälkeen voin kuitenkin todeta, että jos ruututeemakarttaa halutaan käyttää, kannattaa siinä käytetyt esitystyylit miettiä tosi tarkkaan halutun teeman mukaan. Esimerkiksi ruotsinkielisten suhteen voisi miettiä mm. halutaanko esittää pelkästään ruotsinkielisten määriä, verrata niitä johonkin ja miettiä ruotsinkielisten sijoittumista alueellisesti. Milla Sigg myös huomauttaa hyvin tunnillakin esille tulleen pointin: draw on canvas -komennolla kaikkien ruudukosta tuli hieman erilainen, joten eri ruudukoille tehtyjä teemakarttoja ei voi vertailla keskenään.
Perinteiseen koropleettikarttaan verrattuna ruututeemakartan hyöty/haitta voi olla se, että ruututeemakartalla on mahdollista vertailla samankokoisia alueita keskenään symmetrisesti. Tämä voi johtaa ikäviin yleistyksiin ja väärinkäsityksiin. Nea Tiainen kirjoittaa blogissaan osuvasti: “Ruututeemakartta halkoo väkivaltaisesti alueen nätteihin ruutuihin ottamatta huomioon asuinalueiden sijaintia tai asutusten keskittymiä. Se vääristää ja pelkistää mielestäni liikaa aineistoa, kun yksittäinen asuinalue voi pahimmassa tapauksessa jakautua 4 eri osaan.” Erittäin osuva havainto! Valitusta teemasta riippuen väitän kuitenkin, että symmetrisyys voi olla joissain tilanteissa myös etu.
Pornaisten kunta, valmistelua ensi kerralle
Kurssikerran lopuksi valmistelimme hieman ensi kerran aineistoa. Tähän kuului Pornaisten ydinalueen rajaaminen sekä tärkeimpien teiden ja asuinrakennusten digitoiminen. Monelle tuli varmasti tässä kohdassa pienet flashbackit Tiedon esittäminen maantieteessä -kurssille. QGIS:n digitoimisominaisuudet eivät tosin ole yhtä hyvät kuin CorelDraw:n, ja sen huomasi. Onneksi digitoitavia kohteita ei ollut kovin paljoa, mutta kyllä se klikkailujen ääni raikasi tietokoneluokassa!
Kuvassa 4 on valmis tuotettu aineisto ensi kertaa varten. Toivottavasti opin lopulta tallentamaan QGIS:n projektit oikein, mutta onneksi kuva 4 ei ole liian työläs tehdä uudelleen tarvittaessa. Tiedoston tallentaminen ahdistaa myös Kerttu Mäckiliniä, kuten hän blogissaan kirjoittaa.
Kuva 4. Pornaisten alue rajattuna ja tärkeimmät tiet sekä asuinrakennukset digitoituna. QGIS
Teemana tietokantojen liittäminen ja yhdisteleminen
Tällä viikolla käytiin viikon teeman pariin todella tarkan aineiston parissa. Afrikan valtiot sisältävä tietokanta sisältää erittäin tarkasti valtioiden rajat. Itse olin jopa yllättynyt, kuinka tarkka ilmainen paikkatietoaineisto voi olla. Ennen maantieteen opiskelua käytin paljon erilaisia paikkatieto-ohjelmia, mutta joko ne maksuttomat versiot joita olen käyttänyt ovat melko keskinkertaisia, tai sitten hyvälaatuiset ovat maksullisia. Tämä käytetty maksuton paikkatietoaineisto on kuitenkin tosi hyvälaatuinen. Alkuperäisessä aineistossa on kuitenkin vain valtioiden rajat ja pinta-alat melkoisen sekavasti, joten sitä täytyy muokata ennen kuin siihen voi liittää muita aineistoja!
Käytetyssä aineistossa oli jokaisen valtion erillinen polygoni itsekseen, joten esim. Guinea-Bissaun saaria oli taulukossa useita kymmeniä. Tietokannan yhdistäminen oli yllättävän helppoa. Manuaalinen yhdistäminen on hyödyllistä pienemmän aineiston kanssa, mutta tässä aineistossa rivejä oli yli 700. Dissolve-komennolla pystyy kuitenkin yhdistämään kohteita kerralla saraketietojen pohjalta, ja tietojen yhdistäminen onnistuu helposti, kun tietää mitä tekee.
Kun aineistoa saatiin hieman siistityksi, liitettiin Excelin avulla CSV-muotoinen lisäaineisto. Aineiston liittämisestä jäi tunnilta muistiinpanoihin se, että se on oikeastaan aika helppoa, kunhan vain tekee muutaman toiston. QGIS tuntuu hetki hetkeltä enemmän sellaiselta ohjelmalta, jonka käytön oppii kokeilemalla ja klikkailemalla eri toimintoja sekä toistamalla niitä. Toisaalta tämän huono puoli on se, että en ole ainakaan itse löytänyt undo-nappulaa, jonka seurauksena virheen tekemisen peruuttaminen tuntuu vaikealta.
Hyvin vahvasti mieleen on myös jäänyt se, kuinka hankalaa on tallentaa kokonainen projekti QGISssä. Jotenkin tuntuu vähän siltä, että teen saman tehtävän uudestaan toisella koneella, koska en osaa tallentaa oikein. No, kerrataan.
Konflikteja ja timantteja
Kuva 1. Afrikan valtiot ja niissä kirjatut konfliktit, timanttikaivokset ja öljylähteet vuosien 1947 ja 2008 välillä. Kuvasta näkee, että konfliktit ovat osittain samoilla alueilla kuin timanttikaivokset ja öljy. QGIS
Kuvan tekeminen on yllättävän helppoa, kun sen on kerran jo tehnyt. Blogialusta ärsyttävästi huonontaa kuvanlaatua, mutta kuvassa 1 on Afrikan valtiot ja niissä kirjatut konfliktit (pun.), timanttikaivokset (sin.) ja öljylähteet (vaal. pun.). Ensimmäinen kirjattu konflikti on vuodelta 1947 ja viimeisin vuodelta 2008. Kuvaa 1 ja kuvaa 2 (taulukkomuotoinen tieto kuvasta 1) tarkastellessa konfliktien ja timanttikaivosten sekä öljyn sijoittuminen eri maihin ovat vertailtavissa toisiinsa.
Kuva 2. Afrikan valtioiden tietoja. Taulukkomuotoinen esitys kuvasta 1. Kuvan maat on järjestyksessä korkeimmasta pienimpään uniikkien konfliktivuosien perusteella. Angola on kärjessä 69:llä konfliktilla, joista eri vuosina on tapahtunut 42. Taulukosta voi tutkia erilaisia asioita esim. timanttikaivosten, internetin käyttäjien ja konfliktien perusteella. QGIS
Kun taulukon on saanut kasattua, voi siitä tutkia erilaisia asioita. Maallikon silmin timanttien ja öljyn määrä on selkeästi yhteydessä konfliktien määrään. Mielenkiintoista on, että konflikteja on, vaikka timanttien ja öljyn ajattelisi tuovan varallisuutta alueelle. Syynä voisi olla se, että varallisuus jakautuu huonosti eri ihmisryhmien välille. Afrikan maat ovat vanhoja siirtolaismaita, ja se on jättänyt jälkensä niiden yhteiskuntiin.
Yhteen taulukkoon yhdistettäessä internetin käyttäjien määrä, timanttikaivosten määrä, öljyn sijoittuminen ja konfliktit avaavat mielenkiintoisia mahdollisia tutkimuskohtia. Pelkästään timanttikaivosten ja konfliktien yhteyden tutkiminen on mielenkiintoista. Timanttikaivosten löytämisvuosi voi vaikuttaa konfliktien syntymiseen suuresti, sillä esimerkiksi 1960-luku oli monille Afrikan maille itsenäistymisvuosi. Samoin vaikuttaa myös öljyn löytymisvuosi. Yhteyden konflikteihin ja varallisuuteen kiteyttää hyvin Jenna Mettälä blogissaan: “Konflikteja syntyy kun toisilla on jotain ja toisilla ei”. Vaikka maallikon silmin konflikteilla ja varallisuudella on yhteys, päättelee Taru Tornikoski hyvin blogissaan, että konflikteista päätelmiä tehtäessä täytyy muistaa ottaa huomioon muitakin tekijöitä kuin pelkästään timantit ja öljy. Hän kertoo muita tärkeitä taustamuuttujia olevan esimerkiksi köyhyysaste ja kaivostoiminnan tuottavuus.
Internetkäyttäjien kohdalla oli mielenkiintoista, miten eri määrä voi olla arvioidulla käyttäjämäärän kohdalla kahden vuoden erolla eri arviointikeinoillakin. Esimerkiksi Angolan kohdalla vuonna 2018 Facebookin arvion mukaan internetin käyttäjiä oli 3,8 miljoonaa, ja vuonna 2020 jollain toisella keinolla arvioituna (jäi ainakin minulle epäselväksi miten) käyttäjiä oli miltei 6 miljoonaa. Voiko 2 vuotta vaikuttaa internetin käyttäjämäärän näin paljon?
Tämä tehtävä konkretisoi hyvin sitä, kuinka on mahdollista hyödyntää paikkatieto-ohjelmia tutkimuksessa. Se vaatii toki hyvän aineiston, mutta jos sellainen on saatavilla, on esimerkiksi konfliktien syntymistä ja vaikutuksia helppo tulkita kartalla.
Tulvaindeksikartan tekeminen
Afrikka-tehtävä tehtiin kokonaisuudessaan yhdessä tunnilla, mutta Suomen alueen tulvaindeksikartan tekeminen jäi omaksi hommaksi. Minusta tämän kartan tekeminen oli loppujen lopuksi tosi helppoa, eikä minulla mennyt siinä juuri 20 minuuttia kauempaa. Eniten vaikeuksia tuli saada tulvaindeksi näkymään koropleettikartalla, kun koko layer vaan katosi aina, kun sen symbolin vaihtoi single fillistä muotoon graduated. Jotenkin lopulta klikkasin jotain oikeaa nappia, ja sain layerin näkymään koropleettimuodossa!
Kuvassa 3 on siis esitetty Suomen vesistöalueiden valuma-alueiden tulvaherkkyys. Tehtävä oli mielenkiintoinen, sillä ohjeet olivat hyvät, mutta eivät täysin kattavat, vaan jotain jäi omaksi ajateltavaksikin. Kuten jo todettu, QGIS:ssä toimivaksi olen huomannut kokeilemisen ja klikkailun. Näin selvisi tuo layer-mysteerikin.
Kuva 3. Suomen vesistöalueiden tulvariskialueet. Tulvaindeksi on laskettu keskiylivirtaaman (tulvahuippujen keskiarvo) ja keskialivirtaaman (kuivien kausien alimpien arvojen keskiarvo) välinen suhde. Se siis kuvaa hyvin virtaaman vaihtelua ja ottaa huomioon sekä kuivimmat kaudet että tulvaisimmat ajat. QGIS
Kuva 3 esittää siis alueet, joilla on suurin riski tulvia. Kuten kuvasta näkee, suurimmat tulvien riskit sijoittuvat rannikkoisille alueille tai isompien jokien varteen. Esimerkkejä tällaisista alueista ovat esimerkiksi Lounais-Suomi ja Tornionjoen suistoalue. Janne Turunen tuo esiin mielenkiintoisen ajatuksen blogissaan tulkitessaan tekemäänsä karttaa: “Toisaalta olisi ollut mielenkiintoista tilastoida myös Ruotsin itärannikko, mutta valuma-alueet meren sillä rannalla ovat toisaalta profiililtaan ja luonteeltaan niin toisenlaisia, että vertailun mielekkyys kärsii.” Tarkastelussa on Suomi, mutta minustakin olisi mielenkiintoista tutkia esimerkiksi Itämeren ympäristön tulvaindeksiä. Blogissa myös ihan hyvä Kouvola-vitsi, no offence taken :D.
Jälkikäteen ajatellen olisin voinut käyttää parempaa väriä maanpinnan värinä kuvassa 3. Nyt ainakin omaan silmään se on ehkä hieman liian lähellä alimman tulvaindeksin luokan väriä. Väri häiritsee kyllä jonkin verran.
Tehtävässä oli mahdollisuus myös lisätä järvisyysprosentti teemakarttaan. Saatan tehdä sen myöhemmin kertauksena ja toistona tietokantojen liittämisestä ja yhdistelemisestä!
QGIS alkaa jo pikkuhiljaa tuntua luontevammalta, ja se vaatii vaan lisää harjoittelemista ja samojen toimintojen käyttämistä useaan kertaan, jotta oppii käyttämään erilaisia työkaluja ja toimintoja.
Toisella viikolla jatketaan QGIS:n käyttöön totuttautumisessa. Tunnilla harjoiteltiin erilaisia toistoja QGIS:n tiettyjen ominaisuuksien kanssa. Kävimme erilaisia työkaluja läpi. Erilaiset keinot valita valita haluttuja kohteita aineistosta löytyvät kätevästi yhdestä palkista ja niiden käyttö tuntui helpolta. QGIS tuntuu sellaiselta ohjelmalta, jossa on paljon erilaisia toimintoja, joita ei osaa käyttää, jos niistä ei tiedä. Erilaisia toimintoja on paljon ja ne vaativat osittain hyvin spesifin kaavan.
Käytännön harjoitteiden lisäksi kävimme sujuvasti lävitse mistä, miten ja millaisia erilaisia aineistoja voi hankkia ilmaiseksi. WFS-linkit olivat mielestäni erittäin käytännöllisiä ja teorian käyminen aiheesta selkeytti aineiston käyttämistä ja hankkimista.
Kuvassa 1 on suoritettu yksinkertainen komento, jolla on saatu aineistosta esille kaikki Kymenlaakson kunnat. Vastaavasti olisi yksinkertaista saada aineistosta näkyviin esimerkiksi kaikki kunnat, joissa on yli 50 000 asukasta. QGIS:n kaltaiset paikkatieto-ohjelmat voivat helpottaa ison datamäärän ymmärtämistä ja auttaa hahmottamaan sitä.
Kuva 1. Kymenlaakso maalattuna kuntien joukosta. Kymenlaaksoon kuuluvat kunnat oli helppo valita ‘Select by Expression’ -työkalulla, jolla voi käskyjen avulla helposti määrittää halutut valinnat. QGIS
Projektion vaikutus pinta-alaan, kuvana
Valintatyökalujen lisäksi kävimme läpi QGIS:n mittaustyökaluja. QGIS kertoo koko ajan käyttäjälleen valitun projektion ja mittakaavan. Muiden paikkatieto-ohjelmien ja karttojen tavoin QGIS:n kuva ei täysin vastaa todellisuutta, sillä maapalloa on mahdoton kuvata täysin kaksiulotteisena. Erilaiset projektiot kuitenkin auttavat hahmottamaan pinta-aloja, etäisyyksiä ja kulmia. Tässä harjoituksessa käsiteltiin pinta-aloja. Tavoitteena on havainnollistaa miten valittu projektio vaikuttaa pinta-alaan.
QGIS käyttää aineiston avatessa Suomen pinta-alalle sopivaa ETRS-TM35FIN-projektiota, joka on Gauss-Krüger-projektio, eli niin sanottu käänteinen Mercatorin projektio (Transverse Mercator Projection, TM) Suomen alueelta kaistalla 35. Kuvissa 2, 3 ja 4 on vertailtu kuntien pinta-aloja TM35-projektiossa suhteessa Van der Grintenin projektioon (kuva 2), oikeakeskipituiseen tasoprojektioon (kuva 3) ja Winkel Tripel projektioon (kuva 4).
Mielestäni alkuun on hyvin huomionarvoista muistaa, että vääristymät on kuvattu juurikin TM35-projektiossa, mikä mielestäni vaikuttaa vääristymän visuaaliseen tulkintaan. Jos tulkinta olisi tehty toisin päin, eli TM35-projektion virhe olisi laskettu muiden projektioiden päälle, korostuisi siinä juuri TM35-projektion heikkous. Kun vertailu on esitetty TM35-projektiolla, korostuu juuri se, että se on Suomea tarkasteltaessa toimiva projektio. Myös Juulia Salakka perustelee TM35-projektion käyttöä: tällöin niitä on helpompi vertailla keskenään.
Kuvien 2, 3 ja 4 yleinen ilme näyttää yhtenevältä. Projektiot vääristävät pinta-aloja juurikin pohjoiseteläsuunnassa, oikeakeskipituinen tasoprojektio ehkä enemmän lounaskoillissuunnassa. Moni muukin kokeilemani projektio aiheutti vääristymisen juuri pohjois-eteläsuunnassa. Tämä voi johtua siitä, että Suomi on melko pitkä maa juuri tässä suunnassa, ja etelässä on enemmän pieniä kuntia, joiden pinta-ala ei vääristy niin paljon kuin suurempien kuntien.
Kuva 2. Van der Grinten projektion aiheuttama pinta-alan vääristymä suhteessa ETRS-TM35FIN-projektioon. Vääristymä on kuvassa esitetty jälkimmäisellä projektiolla. Pinta-ala vääristyy enemmän pohjoiseen mentäessä, ja koko Suomen alueella se on vähintään kaksinkertainen ETRS-TM35FIN-projektioon verrattuna, korkeimmillaan pinta-ala on jopa nelinkertainen. QGISKuva 3. Oikeakeskipituisen projektion aiheuttama pinta-alan vääristymä suhteessa pinta-alaan ETRS-TM35FIN-projektiolla. Esitetty ETRS-TM35FIN-projektiolla. Pienin vääristymä on lounaisrannikolla ja suurin pohjoisessa. Pinta-ala vääristyy eniten kohti koillista liikuttaessa. QGISKuva 4. Winkel Tripel -projektion aiheuttama pinta-alan vääristymä suhteessa ETRS-TM35FIN-projektioon. Esitetty kuvassa ETRS-TM35-projektiolla. Winkel Tripel -projektion pinta-ala suhteessa TM35-projektioon kasvaa kohti pohjoista, eli se vääristää pinta-alaa eniten pohjoisessa. QGIS
Yhteneväisyyksistään huolimatta on hyvä huomata kuvien 2, 3 ja 4 erot etenkin legendoissa; kuvassa 4 luokkia on 6 ja kuvissa 2 ja 3 jopa 10. Yleensä koropleettikartoissa on luokkia enintään 5, mutta tässä tilanteessa useampi luokka auttaa havainnollistamaan vääristymän liukumisen tiettyyn suuntaan. On myös hyvä huomata, että vaikka Van der Grinten projektio näyttää hyvin samalta kuin Winkel Tripel -projektio, on sen aiheuttama vääristymä jopa kaksinkertainen. Valittu sininen väri on myös paljon vähemmän dramaattinen kuin esimerkiksi punainen olisi, ja tällaiset visuaaliset seikat vaikuttavat myös lopputuloksen tulkintaan. Myös pienempi luokkamäärä vaikuttaisi oleellisesti tulkintaan; pienimmän vääristymän alue ei vaikuttaisi lainkaan vääristyneeltä ja suurin vääristymä korostuisi.
Koen, että mittaustyökaluilla ja eri projektioilla leikkiminen auttoi minua paremmin hahmottamaan eri projektioiden vaikutuksen karttakuvaan. Eri projektioiden pinta-alojen vääristymän laskeminen oli myös hyvää toistoa. Se myös opetti, että on hyvä olla tietoinen käytetystä projektiosta ja valinnan merkityksestä projektille.
QGIS:n käyttöliittymä alkaa pikkuhiljaa selkeytymään, ja minusta sen käyttö alkaa pikkuhiljaa avautumaan. Silti eri komentojen ja käskyjen tekemisen rutiinien syntyminen vaatii harjoittelua ja toistoja. Kuten sanottu, QGIS on melko yksityiskohtainen ja tunneilla voi olla helppo tippua kärryiltä. Anni Leppä kirjoittaa osuvasti, kuinka oppiminen siirtyy helposti taka-alalle joltakin vaiheelta tipahtaessa. Koen kuitenkin tässä olevan hieno mahdollisuus vertaisoppimiselle jo sen kannalta, että mukana kärryillä säilyneen opiskelijan on helppo kerrata käydyt vaiheet näyttäessä ne niille, jotka eivät pysyneet mukana :).
Vuoden 2022 opinnot ja 3. periodi alkoivat jouhevasti, kun saimme viikkoa kohden yhden lähiopetuspäivän. Koronatilanne on huonontunut, mutta siitä huolimatta on mukavaa, että viikossa on yksikin päivä, jolloin näkee varmasti muita ihmisiä yliopistolla. Lähiluento ja kampukselle meneminen luovat arkeen hieman rytmiä!
Kolmannessa periodissa on kaksi menetelmäkurssia; maantieteen menetelmät ja geoinformatiikan menetelmät. Geoinformatiikan menetelmät -kurssilta odotan geoinformatiikan ohjelmien parissa toimimiseen totuttelua, ja kurssilla käytettävän QGIS-ohjelman käyttämisen oppimista. QGISsiä käytettiin jo syksyllä yhdellä kurssilla, mutta se oli etäopetuksena, enkä muista oppineeni ohjelman käyttöä mitenkään täydellisesti.
Ensimmäisellä kurssikerralla latasimme sopivat QGIS-version koneelle ja aloittelimme palauttelemalla mieleen johdatuskurssilta opittuja käsitteitä paikkatiedosta ja geoinformatiikasta. Harjoittelimme myös QGISsin käyttämistä HELCOM-maiden typpipäästöistä kertovalla kartalla. Muokkasimme kuvaa ja suoritimme peruskomentoja. Mieleen jäi päällimmäisenä se, kuinka paljon yhden kurssikerran aikana ehdittiin käydä ohjelman komentoja! Myös ohjeet olivat todella selkeät ja niiden avulla oli helppo päästä takaisin mukaan, vaikka olisikin tipahtanut kyydistä. Näin ajatteli myös Pilvi Toijonen, joka kurssiblogissaankin sanoo kartan tekemisen olevan yllättävän helppoa hyvillä ohjeilla.
HELCOM ja typpipäästöt, ajatuksia
Kuva 1. HELCOM-maiden suhteelliset typpipäästöt. Tummimmalla punaisella eli eniten päästöjä tuottaa Puola, ja vähiten vaalein Viro. QGIS
Kuvassa 1 on esitettynä HELCOM-maiden typpipäästöjen osuudet Itämereen päätyvästä typestä. HELCOM on järjestö, jonka jäsenet ovat allekirjoittaneet yhteisen sopimuksen Itämeren merielämän suojelemiseksi. Kuten Senja Mäkiaho kirjoittaa blogissaan, karttakuva visualisoi hyvin kunkin typpipäästön lähdemaan osallisuutta. Mäkiaho kirjoittaa oivallisesti myös, ettei kartasta ole erotettu jokia, jotka myös tuovat typpeä Itämereen.
Kartasta ei myöskään käy ilmi, onko typpipäästöt kultakin maalta koko maan alalta, vai ovatko päästöjen lähteet pistemäisiä ja lähempänä rannikkoa. Esimerkiksi Puola on suuri maa, ja myös sen typpipäästöt ovat HELCOM-maista suurimmat, kuten kartasta näkee, mutta johtuvatko Puolan suuret päästömäärät pelkästään maan koosta, vai onko Puolalla Itämeren rannalla joitakin merkittäviä pistemäisiä typpilähteitä? Kartta ei kerro tätä.
Samaistun suuresti Heta Suutarin blogikirjoituksen loppusanoihin ensimmäisen viikon hyvästä pohjustuksesta kurssille. Olen Suutarin tavoin motivoitunut oppimaan käyttämään paikkatieto-ohjelmia. Kaiken kaikkiaan ensimmäiseltä kurssikerralta jäi hyvä maku suuhun, ja mielestäni tällainen oppimispäiväkirja-tyyppinen ratkaisu kurssin toteutuksena on mielenkiintoinen. Koen tämän jo nyt hieman työlääksi, mutta toisaalta mielestäni kirjoittaminen on aina hyödyllistä, eikä kirjoittamaan oikein opi muuten kuin kirjoittamalla.
EDIT: Viidennen kurssikerran jälkeen tähän palattuani totean, että koin tuolloin ensimmäisellä kurssikerralla HELCOM-kartan tekemisen aivan liian vaikeaksi. En myöskään saanut oikein aikaiseksi sen tekemistä, ja nyt kun sen sain tehtyä tasan kuukautta myöhemmin, tuntui kuin olisi taas oppinut jotain uutta. Bufferivyöhykkeiden luomisen harjoittelun jälkeen oli mukava harjoitella taas attribuuttitaulukon muokkaamista! Jaa, jäi siitä kartasta näköjään pois Euroopan muut maat. No, ei se ainakaan omaan silmään näytä noinkaan liian pahalta 🙂 Muut maathan saa helposti näkyviin lisäämällä uuden ‘administrative boundaries’- layerin näkyviin HELCOM-maiden alle.
Kertauksen iloksi sain viiiimeinkin tehtyä kurssikerran toisen harjoituksen Suomen kunnista. Kuvassa 2 on esitetty ruotsinkielisten suhteellinen osuus väestöstä vuonna 2015. Näillä tiedoilla tämän kartan tekemiseen ei mennyt juurikaan aikaa, vaikeinta oli löytää asetus, jolla layoutin saa käännettyä vaakatasosta pystyyn.
Kuva 2. Ruotsinkielisten suhteellinen osuus kunnittain vuonna 2015. QGIS.
