Kuukausi: helmikuu 2022

Kuudennella viikolla pääsimme ulkoilemaan ja keräämään omaa dataa Epicollect5-sovelluksella. Keräsimme pistemuotoista dataa kampusta ympäröiviltä alueilta. Pohdimme muun muassa tiettyjen alueiden turvallisuutta ja viihtyvyyttä. Vaikka ulkona naamaan tuiskutti räntää ja lunta ja jotain siltä väliltä, saatiin kerättyä kattava ja monipuolinen aineisto. 

Kuva 1: pistekarttaharjoitusta

Tuotimme pisteainestolle myös rasterimuotoisen interpoloinnin, jossa havainnollistimme paikkojen turvallisuutta. Aineistoa oli mielenkiintoista analysoida. Havaittiin muun muassa, että suunnilleen samasta paikasta kaksi ihmistä oli tulkinnut sen turvallisuuden eri tavalla . Aineistosta korostui myös muutama paikka, jotka oltiin merkattu muita turvattomaksi. 

Itsenäistehtävässä jatkoimme pistekarttateemalla. Tutustuimme hasardeihin maailmalla, kuten maanjäristyksiin. Valitsin voimakkaiden maanjäristysten (vähintään 6 tai 7) ja kerrostulivuorten sekä toisessa kartassa vedenalaisten tulivuorten tarkastelun. Janne Turunen muistuttaa osuvasti blogissaan (https://blogs.helsinki.fi/janneturunen/), että “tämä magnitudin kasvu tarkoittaa aina 10-kertaista maanliikkeen muutosta ja noin 32-kertaista vapautuneen energian määrän nousua numeron noustessa yhdellä”. Tällä rajauksella voidaan siis havainnoida vakavasti maanjäristysriskialttiit alueet hyvin. 

Maanjäristysaineiston lataaminen ei ollut vaikeaa, piti vain muistaa lataa se CSV tiedostona. Tulivuoriaineiston lataaminen oli hieman erilainen prosessi, sillä se ladattiin TSV tiedostona. Se toimi kuitenkin aivan yhtä hyvin, kunhan klikkasi pari lisäkohtaa QGISissä. 

Kuva 2: Kerrostulivuoret ja yli 7 magnitudin maanjäristykset 2000-2022. 

Kuva 3: Vedenalaiset tulivuoret ja 6-9 magnitudin maanjäristykset 2000-2022. 

Kuvan 2 kartasta voi mielestäni tulkita hyvin kerrostulivuorten ja yli 7 magnitudin maanjäristyksien korrelaation sekä hahmoittaa litosfäärilaattojen saumakohtia. Kuvan 3 kartasta taas voidaan hahmoittaa vedenalaisten tulivuorten sijoittuminen suhteessa 6-9 magnitudin maanjäristyksiin. Näiden kahden kartan avulla pystyy pohtimaan muun muassa sitä, missä kerrostulivuoret tai vedenalaiset tulivuoret voivat suuremmalla todennäköisyydellä aiheuttaa maanjäristyksiä alueilla. Esimerkiksi Etelä-Amerikassa Etelä-Amerikan ja Nazcan laatan törmäyssaumassa on selkeästi enemmän kerrostulivuoria linjassa maanjäristysten kanssa, kun taas keskellä Tyyntä valtamerta vedenalaisia tulivuoria on hieman enemmän linjassa maanjäristysten kanssa. Ihan mielenkiinnosta tutkin myös yli 8 magnitudin maanjäristyksien sijoittumista. 

Kuva 4: Yli 8 magnitudin maanjäristysten sijoittuminen ajoilta 1900-2022. 

Kartoilla voi tehdä suuripiirteisiä tulkintoja, mutta koska valtioiden rajat peittyvät runsaiden pisteiden alle, on tarkempia tulkintoja hankala tehdä. Kartoilta myös puuttuu merkittäviäkin tietoja, kuten rajaus aktiivisista tulivuorista (tietääkseni aineistosta ei voinut tällaista rajausta ainakaan valmiiksi luokiteltuna saada?). Pedagogisesta näkökulmasta kartat toimivat mielestäni kuitenkin ihan hyvin. Ne ovat yksinkertaistettuja ja helppoja tulkita. Käytin Robinsonin projektiota, sillä se on jotenkin itselleni visuaalisesti selkeämpi ja miellyttävämpi. Karttoihin olisi voinut liittää vektoritietona litosfäärilaattojen rajat, mutta en ollut varma, mistä sellaisen saisi liitettyä. 

Loppumietteitä

Kuudes kurssikerta oli mielestäni tähän asti mukavin, koska jotkin toiminnot olivat jo jättäneet muistijäljet ja olin hivenen itsevarmempi klikkaillessani QGISissä. Koin myös aiheet hyvin mielenkiintoisiksi ja oli virkistävää päästä itse keräämään dataa. Paljon – erittäin paljon – opeteltavaa vielä on, mutta QGISin mystinen kieli ei enää tunnu niin mystiseltä, joten ilahduttavaa edistystäkin on tapahtunut! 🙂 

Viittaukset

Janne Turunen, https://blogs.helsinki.fi/janneturunen/ 

 

Viidennellä kurssikerralla tutustuimme vielä tarkemmin bufferointiin, pisteaineistoon ja yleiseen ongelmanratkaisuun. Vaikka tehtävien tekemisessä tuntui pieni kiire, oli tehtävien tekeminen mielekästä ja kiinnostavaa. 

Keskityimme aluksi dataan Malmin ja Helsinki-Vantaan lentokenttäalueista. Tässä vaiheessa bufferointi tuli tutuksi, sillä sitä toimintoa joutui toistamaan moneen kertaan. Myös select by location -toimintoa tuli käytettyä runsaasti, joten siitäkin varmaan jäi jonkin tasoinen muistijälki.

Keräsimme ja yhdistimme dataa. Itsenäisessä osiossa piti ratkaista omin päin, miten selvitetään tietyt luvut tietyiltä vyöhykkeiltä. Aluksi, kuten varmasti kuuluukin, jouduin pähkäilemään paljonkin. Mutta kuten Aino Pahkala blogissaan (https://blogs.helsinki.fi/pahkalaa/) hyvin toteaa, itsenäistehtävien tekeminen oli “opettavaista, ja pakotti luoviin ratkaisuihin, jos oikeita toimintoja ei muistanut”. Hän selittää, ettei kurssikerralla ehdi keskittyä toimintojen muistamiseen, mikä on minustakin totta. Mutta kun aikaa oli itse pohtia, kokeilemalla eri toimintoja ja yrittämällä tulkita QGISin mysteeristä kieltä onnistuin selvittämään yhden itselleni hankalammista kohdista -fiilis oli todella hyvä. 

Kotona sitten tuotin taulukon keräämistäni tiedoista. Tehtävä 2 jäi vähän kesken, enkä kotona onnistunut sitä kunnialla loppuun saattamaan. Olen itse kuitenkin ihan tarpeeksi tyytyväinen jo selvitettyihin kohtiin. 

Taulukko: tehtävien vastauksia

Malmin lentokenttä
2 km säteellä asuvat	58807
1 km säteellä asuvat	9111
Helsinki-Vantaan lentokenttä
2 km säteellä asuvat	11774
65 db melualueella asuvien osuus	2,5%
väh. 55 dB melualueella asuvat	11 923
väh. 60 dB melualueella asuvat uudella laskeutumissuunnalla	18837
Asemat
väh. 500m säteellä asuvat	11765
osuus kaikista alueen asukkaista	21,6%
työikäisten osuus asukkaista	67%
Taajamat
taajamissa asuvien osuus	96,2%
kouluikäisiä taajamien ulkopuolella	2 267
näiden osuus kaikista kouluikäisistä	3,9%
ulkomaalaistaustaisia asukkaita	50308

Toiseksi itsenäistehtäväksi valitsin aiheen koulut. Onneksi bufferointi oli jotenkin jäänyt mieleen ja sain kerättyä vastaukset (alla). 

• Kuinka paljon Helsingin Yhtenäiskouluun on tulossa uusia koulutiensä aloittavia oppilaita aineiston keruuhetkestä seuraavana vuonna, sen omasta koulupiiristä?

14 ekaluokkalaista

• Kuinka suurta määrää yläasteikäisiä oppilaita Helsingin yhtenäiskoulun pitää varautua opettamaan seuraavana vuonna (oma koulupiiri)?

62 yläkoululaista

• Kuinka suuren osuuden koulupiirin alueella asuvista asukkaista muodostavat kouluikäiset lapset ja nuoret (ala-aste ja ylä-aste)?

~8,5%

• Kuinka monta muunkielistä kouluikäistä alueella asuu, jos oletetaan että muunkielisissä perheissä lasten ja aikuisten suhde on sama kuin edellisessä kohdassa laskettu? Luku on vain arvio, ei siis tarkka lukumäärä.

~10

Loppumietteitä

QGIS osaa yhä olla ajoittain aggressiivinen ja vaikea. Mutta joka kurssikerta tuntuu, että jotain pientä on kuitenkin jäänyt mieleen viimekerrasta. Se, miten se pieni muistettu asia saataisin etenemään on sitten eri asia. Jokatapauksessa odotan mielenkiinnolla ensikertaa ja sitä, mitä taikuuksia saamme ryhmässä mahdollisesti tuotettua. 🙂 

Viittaukset

Aino Pahkala, https://blogs.helsinki.fi/pahkalaa/

Neljännellä viikolla tutustuimme tarkemmin rasteriaineistoon. Aluksi teimme kartan pääkaupunkiseudulta. QGISiin tuodussa datassa oli monia muuttujia mistä valita kartalla esitettävän. 

Esimerkiksi blogissaan Anna Makkonen (https://blogs.helsinki.fi/annmakko/?lang=en) käytti muuttujana ruotsinkielisten osuutta pääkaupunkiseudulla ja tuotti siitä kartan. Karttaa on mielenkiintoista analysoida, sillä se on selkeä ja monella tapaa erilainen kuin vektoriaineisto. Muita muuttujia oli muun muassa ulkomaalaistaustaustaisten osuus pääkaupunkiseudulla. Tehtävä oli mielenkiintoinen, mutta tämänkin tehtävän vaiheiden muistaminen kotona on todella vaikeaa. 

Toinen tehtävä keskittyi yksittäiseen pieneen kuntaan (Pornainen) ja siitä kerättyyn laserkeilausaineistoon. Tämä tehtävä oli minusta kiinnostava, sillä karttaa tarkastellessa huomasin, kuinka mielekästä on tarkastella pinnanmuotoja rinnevarjoituksella verrattuna ns. tasaiseen karttapohjaan. Blogiin liittämässäni kuvassa (tekstin alla) on sekä rinnevarjostus että korkeuskäyrät peruskarttalehdellä. Kuva on sen verran pieni ja korkeuskäyrät suhteellisen paksuviivaiset, että sitä on kokonaisena hankalahko tarkastella. Zoomatessa sitä on kuitenkin hyvin mielenkiintoista analysoida, sillä alueen pinnanmuodot näkyvät korkeuskäyrien ja rinnevarjostuksen yhteiskartassa paljon selkeämpinä.

Laserkeilaus on kiinnostanut minua pitkään ja on siksi mielekästä nähdä, kuinka sitä ohjelmistolla analysoidaan. Käsittääkseni tehtävää jatketaan pidemmälle seuraavalla viikolla (viikko 5), joten aineisto QGISillä piti tallentaa huolellisesti. Tallentaminen siten, että aineisto pysyy vahingoittumattomana ei kuitenkaan ole ollenkaan niin yksinkertaista kuin se kuulostaa. Jokainen taso kuului tallentaa jotenkin erikseen tietyssä muodossa. Toivotaan siis, että työtä tosiaan pystyn jatkamaan siitä, mihin lopetin.

Viittaukset

Anna Makkonen, https://blogs.helsinki.fi/annmakko/?lang=en

Kolmannella viikolla perehdyimme ulkokautta tuotuun dataan Afrikasta ja Suomesta.

Ensin keskityimme Afrikkaan ja Afrikan valtiokohtaisiin konflikteihin suhteessa mm. timanttikaivoksiin. Tämä tehtävä oli mielenkiintoinen, sillä konfliktien ja kaivosten määrän välillä voitiin havaita yhteys. Yhteys ei silti viittaa kausaatioon. Esimerkiksi Etiopiassa, jossa on suhteellisen vähän arvokkaita kaivannaisia, konflikteja on hyvin runsaasti. 

Joitakin vaikeuksia koitui ensimmäistä harjoitusta tehdessä. Yksi näistä oli, ettei tietyt työkalut olleet saatavilla johtuen ongelmista datan tuonnissa (pakattu kansio on purettava ennen lataamista -vaikka QGIS aluksi tunnistaa aineiston, se ei toimi täydellisesti). Ongelmia tuli myös matkaan kun erikseen tallennettua tasoa ei pystynyt zoomaamaan. Se taas johtui siitä, että taso oli tallennettu Geopackage:na, joka ilmeisesti ei kaikissa tietokoneissa toimi kovin hyvin. Tiedosto oli muutettava shapefileksi, joka on mahdollisesti yleisin QGIS:issä käytettävä tiedostomuoto. 

Toinen tehtävä oli Suomen tulvaindeksistä ja järvisyydestä. Piti tuottaa koropleettikartta tulvaindeksistä. Aloitus oli minulle hieman hankalaa, sillä Afrikan harjoitusta tehdessä tuntui olevan niin paljon välivaiheita, etten muistanut, mistä lähdettiinkään liikkeelle -siis mistä pitikään klikata ja mikä muuttaa miksi? Onneksi lähiopetuksessa ehti selvitä moni kysymyksistä. Kuten se, että aluksi ei muuteta itse datan muuttujaa, vaan sitä, missä muodossa se halutaan lisätä taulukkoon. 

Kuva 1: Koropleettikartta tulvaindekseistä Suomessa.

Näin jälkeenpäin kun karttaa katselee, tulee mieleen, että olisi voinut tehdä kartasta selkeämmän jollakin tavoin. Muutoin olen ihan tyytyväinen siihen, mitä sain aikaan. Kartasta voidaan havaita tulvaindeksin olevan suurinta rannikkoalueilla ja ilmeisen vähäistä lapissa sekä itä-Suomessa (järvisuomessa). Roosa Kotilainen pohtii hyvin blogissaan (https://blogs.helsinki.fi/rokoro/), että tulvariski on kasvanut tiheään asutuilla seuduilla, eli ihminen voi myös omalla toiminnallaan lisätä tulvariskiä.

Yhä tuntuu, että datan käsittelyssä QGIS:issä on niin monia välivaihteita ja joitakin epäselviä prosesseja, ettei se etäältä kotoa vielä oikeastaan onnistu. Haastavammat (vapaaehtoiset) tehtävät jätän suosiolla toistaiseksi pois etänä tehtävistä harjoituksista, että pystyisin keskittymään päätoimintojen muistamiseen ja oppimiseen. Yksi näistä haasteista oli järvisyyttä kuvaava hirstogrammi, jota en onnistunut luomaan -pääni oli jo liian täynnä QGISin monimutkaisuuksia. Olen kuitenkin yhä toiveikas, että voin lähitulevaisuudessa siirtyä ns. “QGISin haasteisiin”. 

Viittaukset

Roosa Kotilainen, https://blogs.helsinki.fi/rokoro/