Tuukan GIS-blogi

 

Seitsemännellä kurssikerralla tarkoituksena oli tehdä omatoimisesti kartta itse valitsemastaan aiheesta. Tuotin kaksi karttaa liittyen Japanin kaupungistumiseen ja ikääntyvään väestöön. Ilmiö on aina tasaisin väliajoin esillä Suomessakin, ja varsinkin nyt vaalien alla maaseudun elinvoimaisuuden muodossa. Japani nousee usein esimerkkinä maasta, jossa kaupungistuminen ja kansan ikääntyminen on edennyt pitkälle.

Japanissa tyhjenevällä maaseudulla on paljon tyhjiä tai hylättyjä asuntoja ja taloja alueilla, joilta muutetaan suuriin kaupunkeihin ja metropoleihin. Ensimmäisessä kartassani (kuva 1) näkyykin suurimpien metropolien ja/tai alueellisten keskusten, kuten Tokion, Nagoyan, Osakan ja Fukuokan ympärillä olevissa prefektuureissa olevan keskimääräistä enemmän tyhjiä asuntoja. Pohjoisessa Japanissa ei kuitenkaan ole huomattavasti enemmän tyhjiä asuntoja vaikka seuraavasta kartastani (kuva 2) kävikin ilmi siellä olevan yli 65-vuotiaita suhteellisen suuri osa väestöstä.

Hypoteesini oli, että kaupungistuminen, eli maaseudun tyhjeneminen ja väestön vanheneminen näkyisi lähes samalla tavalla kartoillani, ja osalla alueista se toteutuukin, mutta Japanin pohjoisosissa on alueita, joissa ei ole huomattavasti tyhjiä asuntoja vaikka nuorten osuus onkin pienempää.

Joka tapauksessa suuret kaupungit sisältävät prefektuurit erottuvat molemmissa kartoissa vaaleimmilla sävyillä. Rakennettujen alueiden lisääminen kartalle havainnollistaa minkä kokoisia kaupunkien keskittymiä ja metropolialueita missäkin on, mutta tumma väri ei aina erotu siellä, missä taustan koropleettikartan värit ovat tummimpia.

Tähän harjoitukseen tuli siis tutkittua aika monipuolisesti paikkatiedon tarjontaa internetistä ja oli mukava huomata, kuinka helposti sitä löytyy ladattavaksi ilmaiseksi vaikka ei kohdemaan ns. virallisia datanjakokanavia tuntisikaan. Aleksi pohti blogissaan sitä, miten QGis avautui tällä viimeisellä kerralla ehkä vielä hieman paremmin, kun tehtävään ei kuulunut annettujen ohjeiden ja toimintojen toistamista. Olenkin tästä samaa mieltä; mielestäni tällä kerralla ehdottomasti vaikeinta oli päättää aihe mitä lähtee työstämään, mutta vauhtiin päästyä oli mukava huomata, kuinka tavallaan helposti datan etsiminen ja työstäminen luonnistui opitun avulla.

Lähteet:

https://www.stat.go.jp/english/data/shihyou/index.html (Viitattu 17.3.2023)

https://www.gsi.go.jp/kankyochiri/gm_japan_e.html (Viitattu 17.3.2023)

https://www.diva-gis.org/gdata (Viitattu 16.3.2023)

Aleksi bloggaa, Harkka 7 (Viitattu 17.3.2023)

 

Kuudennen kurssikerran blogitehtävässä tehtiin kuvitteelliselle maantieteen oppitunnille havainnollistavia karttoja hasardeista ja niiden sijoittumisesta maapallolla.

Kurssikerralle oli jo valmiina taustakartta ja valtiorajat, mutta itse aineistot haettiin annetuista linkeistä ja pienen säädön jälkeen tuotiin QGis:iin. Enimmäkseen harjoituksessa tulikin harjoiteltua aineiston rajaamista ja muokkaamista halutunlaiseksi, tai ainakin sellaiseksi että softa sen ymmärtää. Vielä kun laittoi koordinaatit täsmäämään, eikä tuo luotua csv:tä pelkkänä tekstitiedostona niin kuin allekirjoittanut aluksi, niin saatiin kartalle hasardit esitettyä pisteinä.

Ensimmäiseksi toin kartalle tulivuoret pohjustamaan, missä tuliperäistä toimintaa maapallolla yleensä sijaitsee (kuva 1). Sen jälkeen lisäsin kartalle voimmakkaiden, yli 7.0 magnitudin maanjäristysten sijainnit (kuva 2). Oppitunnilla ehkä kysyisin miksi juuri näillä tietyillä alueilla esiintyy voimakkaampia järistyksiä, vaikka tulivuoria on muuallakin.

Viimeiseksi lisäsin karttaan yli 5.5 magnitudin maanjäristysten sijainnit (kuva 3), josta jo selvästi alkavat erottumaan mannerlaattojen väliset rajat. Kuitenkaan vielä ei selviä, miksi voimakkaimmat maanjäristykset sijaitsevat missä sijaitsevat.

Luomieni karttojen tueksi hainkin netistä kuvan, joka kuvaa mannerlaattoja ja niiden liikesuuntia ja aktiivisuutta. HS:n koostamasta kuvasta näkyy mitkä mannerlaatat ovat ”törmäämässä” toisiinsa, joka ehkä selventää miksi juuri niillä alueilla aktiivisuus on suurinta. Kartta on myös keskitetty Tyynen valtameren ”tulikehän” kannalta paremmin kuin oma karttani. Leo Mäklin oli blogissaan käyttänyt samankaltaista karttaa havainnollistamaan mannerlaattojen reunoja, ja onnistuinkin löytämään siitä vielä sellaisen version, jossa laattojen liikesuunnat ovat lisäksi havainnollistettuna.

Lähteet: 

lmaklin’s Blog, Harjoitus 6 (Viitattu 18.3.2023)

 

Viidennellä kurssikerralla jatkettiin aluksi neljännellä kerralla aloitettua Pornaisten keskusta-alueen tutkimista piirtotyökaluja ja bufferointitoimintoa käyttäen. Alkutehtävässä laskettiin muun muassa itse viime kerralla digitoitujen teiden yhteispituus, ja uusista aineistoista peltojen määrä neliökilometreinä. Sitten harjoiteltiin bufferivyöhykkeiden luomista kohteiden ympärille ja laskettiin niiden avulla esim. Pornaisten terveyskeskuksen tai koulun saavutettavuutta.

Näiden harjoittelusta olikin suuresti hyötyä kurssikerran itsenäistehtävissä, joita aloitettiin oikeasti aika omatoimisesti jo kurssikerralla. Niiden teossa pääsinkin jo harjoituksessa hyvään vauhtiin, mutta päätin kuitenkin jättää ne kotiin tehtäviksi. Jotenkin tuntui jo maanantaina paikan päällä tehdessä, että näistä tulisin selviämään hyvin.

Tehtävät 1 ja 2

Asukkaita Malmin lentokentältä 2 km säteellä on 56 882 ja 1 km säteellä 8822. Helsinki-Vantaan lentokentän välittömässä läheisyydessä alle 2 km päästä kiitoradoista asuu 9692 asukasta ja näistä pahimmalla melualueella asuu 11 eli vain noin 0,1 %. Vähintään 55 dB melualueella asuu 11923 ihmistä. Poikkeuksellisesta suunnasta laskeutuvien lentokoneiden melualueella asuisi 26 850 ihmistä.

500 metrin päässä lähimmästä juna- tai metroasemasta asui 111 280 ihmistä, joka on noin 21,6 % kaikista tietokannan kattamista asukkaista. Näistä työikäisiä, eli 15-64 vuotiaita oli 74 674, joka on noin 67,1 %.

Taajamissa tehtävän asukkaista asuu 96,2 %. Taajamien ulkopuolella asuu kouluikäisiä (7-18 vuotiaita) yhteensä 2675.

Kurssikerta 5
Kysymys	Asukkaita 1 km Malmi	Asukkaita 2 km Malmi	Asukkaita 2 km Helsinki-Vantaa	65 dB melualueella	Väh. 55 dB melualueella
Vastaus	8822	56 882	9692	11, noin 0,1 %	11923
Kysymys	Eri suunnasta laskeutuvien melualueella	500 m lähimmästä juna-asemasta	Joista työikäisiä (15-64 v.)	Taajamissa	Taajamien ulkopuolella kouluikäisiä (7-18 v.)
Vastaus	26 850	111 280	74 674, noin 67,1 %	noin 96,2%	2675

En taaskaan jaksanut kummemmin säätää enää taulukon kanssa vaan kopioin sen suoraan Excelistä blogiin.

Tehtävä 3

Uima-altaalla varusteltuja rakennuksia on pääkaupunkiseudulla yhteensä 855 ja niissä asuu yhteensä 12170 ihmistä. Näistä rakennuksista omakotitaloja on 345, paritaloja 158, rivitaloja 113 ja kerrostaloja 181.

Sauna on yhteensä 21 922 asutussa rakennuksessa pääkaupunkiseudulla, joka on noin 24,2 % kaikista rakennuksista.

Uima-allaskarttaani en ole juurikaan tyytyväinen. En millään saanut lukumäärää ja pylväsdiagrammia näkyviin samaan aikaan, enkä sitten edes kärsimättömyyttäni juuri jaksanut tehdä diagrammistakaan sen paremman näköistä. Jonkinlaisen kuvan uima-altaiden sijoittumisesta siitä nyt kuitenkin saa.

Kärsimättömyyteeni vaikutti myös parin asuinalueen geometriavika, jonka takia päädyin poistamaan ne toteutuksestani kokonaan. Luulin aiemmin mokanneeni tässäkin jotenkin, mutta huomasin muun muassa Lucas Yonin blogia lukiessani, etten ollut ainoana ongelman kanssa. Poistamillani alueilla olisi muutama uima-allaskin ollut, mutta kartallani alueet ovat nyt harmaina.

Tämän hetkisellä paikkatieto-osaamisellani sanottuna ja tekemieni tehtävien kannalta olennaisimmilta paikkatietotyökaluilta tuntuvat olevan erinäiset annettua aineistoa rajaavat työkalut ja sellaiset, joilla luodaan olemassa olevasta uutta tietoa laskemalla. Kärsivällisyyttä kaipaisin ehkä eniten, mutta toki ymmärrän ettei tässä vaiheessa mikään mestari paikkatiedon kanssa voi ollakaan.

Lähteet:

Geoinformagic, Viikko 5: Bufferointia & reflektointia (Viitattu 18.3.2023)

 

Neljännen kurssikerran tehtävässä yhdistettiin pistemuotoisesta aineistosta tietoa luomaamme ruudukkoon. Ruudukkoa rajattiin ensin koskemaan vain niitä alueita, joilta havaintoja oli ja sen jälkeen rajattiin vielä itse aineistoa, joka oli käyttöömme ehkä vähän turhan laaja. Tämä kaikki onnistui jo harjoituskeralla hyvin vaikka olinkin muutaman viime lähiopetuskerran missannutkin.

Itse tehtävän jatkotyöstäminen kotona olikin sitten hieman vaikeampaa ja tein mieluummin koko harjoituksen alusta hieman pienemmällä, 250 m kertaa 250 m ruutukoolla tällä kertaa. Tein ruututeemakarttani muunkielisten lukumääristä määrittelemieni ruutujen mukaan pääkaupunkiseudun alueella.

Kartalta on nähtävissä muunkielisten lukumäärällinen sijoittuminen pääkaupunkiseudulla. Karttaani ehdottomasti täydentäisi toinen kartta, jossa muunkielisten määrä esitettäisiin suhteellisena ruudun kokonaisväkilukuun.

Varsinaisista keskittymistä karttani ei siis kerro, se kun esittää lukumäärät absoluuttisina ja näin tasapäistää keskenään esimerkiksi korkean asukastiheyden kantakaupungin väljempien lähiöiden kanssa. Tämä ainakin voisi olla tällaisen vastaavan ruututeemakartan ongelmana.

Olen samaa mieltä Helinä Teittisen kanssa ettei ruututeemakartta ole visuaalisesti kovin selkeä tapa esittää tietoa esimerkiksi koropleettikarttaan verrattuna. Ruutujen peittämät alueet eivät aina välttämättä ole tarpeeksi tuttuja kartanlukijoille, eikä alueiden nimien lisääminen kartalle ainakaan selkeyttäisi sen lukemista.

Absoluuttisten arvojen esittäminen ruututeemakartalla on kuitenkin melko mielekästä kun ruudut ovat kokonsa puolesta vertailtavissa keskenään. Koropleettikarttaan verrattuna yksityiskohtaisempaa alueellista tietoa on mahdollista esittää paremmin ruutukartalla, mutta sen visuaalisuus ja samalla luettavuus ei ehkä ole samalla tasolla.

Harjoituskerran loppupuolella harjoiteltiin vielä rasterikuvan tuomista QGis:iin ja siinä olevien kohteiden digitoimista. Piirsimme esim. teitä ja taloja Pornaisten keskustasta, mitkä sitten tallensimme omiksi tasoikseen. Lisäksi korkeusmallin pohjalta tehtiin muun muassa korkeuskäyrät alueelle. Vertasin työkalun piirtämiä käyriä maastokartan korkeuskäyriin ja mielestäni ne vastaavat melko hyvin toisiaan. Maastokartan teossa on yleistetty käyriä hieman, mikä helpottaa kartan lukemista.

Lähteet:

Helinän blogi, Kurssikerta 4 – 6.2.2023 (Viitattu 18.3.2023)

 

Kolmannenkin harjoituskerran lähiopetuksen jouduin jättämään väliin, mutta viikon harjoitukset sujuivatkin jokseenkin paremmin kuin viikolla 2. Projektioiden kanssa sählääminen yleisesti tuppasi olemaan projektia eniten sekoittava tekijä, joten ehkä viime viikon säädöstä olin oppinut ongelmien ilmentyessä tarkistamaan, että onhan projektioiden kanssa kaikki ok.

Esimerkiksi timantti- ja konfliktiaineistojen sijoittamisessa kartalla, eivät pisteet levittäytyneet aikaisempien tasojen mukaisesti. Hetken ihmeteltyäni tajusin projektioiden eroavan toisistaan ja sen korjattuani sijoittuivat pisteet aikaisempien tasojen mukaisesti.

Tein myös yhdistetyn tietokannan kaikista harjoitustehtävän aineistoista, mistä käy ilmi luonnonvarojen ja konfliktien havaintojen lukumäärien lisäksi väkiluku sekä Facebookin ja internetin käyttäjät maittain.

Alkuperäisiin tietokantoihin konflikteista ja luonnonvaroista sisältyy myös sellaisia tietoja, kuten esiintymien löytymisvuosi, hyödyntämisen aloitusvuosi ja tuottavuus. Nämä tiedot yhdistettynä konfliktien tapahtumavuosiin ja laajuuteen sekä internetin käyttäjien määrän nousuun antavat perspektiiviä konfliktien ilmentymiseen.

Ihmettelinkin miksi esimerkiksi Libyassa ei ollut konflikteja lainkaan, kunnes huomasin aineiston loppuvan vuoteen 2008. Arabikevään laajaalle leviämiseen vuonna 2011 vaikutti suuresti Facebookin ja sen kaltaisten sosiaalisten medioiden käyttö.

Kotitehtävään tekemältäni kartalta voidaan havaita Suomen valuma-alueiden tulvaindeksit sekä alueiden järvisyys prosentteina. Intuitiiviselta tuntuisi tulkita karttaa niin, että mitä suurempaa järvisyys on valuma alueella, sitä pienempi on tulvaindeksi. Itse tehtävän teko luonnistui hyvin. Diagrammien lisääminen tasolle ja legendaan onnistui pienen säätämisen jälkeen ja mielestäni tekemästäni kartasta tulikin melko hyvä.

Aida Palmgren oli omassa kotitehtävän tuotoksessaan rajannut diagrammit, jotta ne erottuivat vielä selkeämmin karttatasosta. Olisin itsekin voinut harkita värien muuttamista, jotta sinisellä värjäämistäni alueiden tulvaindekseistä eroaisi alueen järvisyysprosentti selkeämmin. Toisaalta Aidankin blogissa Vaasan alueen diagrammit olivat melko pieniä kuten itsellänikin.

Lähteet: 

Olen QGIS-tietoinen, Kolmas kurssikerta (Viitattu 18.3.2023)

 

Sairastelun takia missasin toisen kurssikerran lähiopetuksen ja jäin melko jälkeen kurssin aikataulusta. Kuitenkin ensimmäisen viikon perusteella ajattelin selviäväni tästäkin viikosta vaikka sitten itsenäisemmin. 

Ensimmäisen tehtävän projektioiden tutkiminen ja niiden keskenäinen vertailu sujuikin hyvin kun vain pääsin vauhtiin. Yllättävän kauan aikaa meni eri projektioiden valkkaamiseen ja mitatun alueen säilyttämiseen projektioita vaihdellessa. Muutaman kerran jouduin tekemään mittaukset uusiksi, kun epähuomiossa flow’n ollessa päällä klikkasin mittaamani pinta-alan pois. Snap-toimintoa en jostain syystä millään saanut toimimaan, joten tyydyin jonkinmoiseen paperihattuun, jonka alaa sitten mittasin.

Projektio	Pinta-ala, ellipsoidi (km²)	Pinta-ala, taso (km²)	Mitattu etäisyys, ellipsoidi (km)	Mitattu etäisyys, taso (km)
ETRS89 / TM35FIN (UTM)	7726,234	7720,33	510,532	510,466
WGS 84 / Equal Earth Greenwich	7726,234	7836,834	510,532	711,089
World Winkel Tripel NGS	7726,234	12212,82	510,532	673,407
World Gall Stereographic	7726,234	20310,414	510,532	794,014
World Robinson	7726,234	11108,795	510,532	743,391

Blogia kirjoittaessani kauhistelin jo valmiiksi miten taulukkojen lisääminen onnistuu ja luovutinkin nopeasti ”oikean” keinon etsimisen ja vain kopioin taulukkoni Excelistä. Yllättäen se onnistuikin hyvin, eikä formaatti mennyt aivan sekaisin. Kaikkia hienouksia siihen ei saa, mutta vähän muuttujia boldaamalla jne. senkin sai näyttämään ihan kelvolta.

Projektio	Erotus TM35FIN:stä, taso (km²)	Pinta-alan prosentuaalinen ero (%)	Erotus TM35FIN:stä, taso (km)	Prosentuaalinen ero (%)
ETRS89 / TM35FIN (UTM)	–	–	–	–
WGS 84 / Equal Earth Greenwich	116,504	1,509054665	200,623	39,30193196
World Winkel Tripel NGS	4492,49	58,19038823	162,941	31,92004952
World Gall Stereographic	12590,084	163,0770187	283,548	55,54689245
World Robinson	3388,465	43,89015755	232,925	45,62987545

Valitsemani itselleni tutut tai tutun kuuloiset projektiot vääristivät tasolla kuvattuna pinta-aloja ja etäisyyksiä suurestikin – projektiosta riippuen – Suomen alueen mittaamiseen hyvin soveltuvaan TM35FIN-projektioon verrattuna. Ellipsoidilla mitatessa vääristymiä ei juuri ollut, maapalloa kun on hieman helpompi mitata ja ilmaista ellipsoidina kuin tasona.

Kakkostehtävän mittauksissa olikin sitten suurempia haasteita. Oikeahkon oloiset pinta-alat sain mitattua aineistosta komission suosittelemalla oikeapintaisella EPSG:3035:lla, mutta valitsemallani Mercatorin projektiolla laskemani pinta-alat oli minulle paitsi aikaa vievää lisätä samaan aineistoon oikeapintaisten kanssa, niin myös melko omituisia arvoiltaan. Tarkistin mittayksiköiden vastaavan toisiaan ja prosenttilaskuni oikeudellisuuden, mutta silti sain käytännössä hypoteesin vastakohtaisen näköisen kartan laskemistani prosenteista. Projektioiden väliset erot olivat siis suurimpia aivan eteläisessä Suomessa.

Tässä vaiheessa kärsivällisyys alkoi muutenkin jo pettää, ja huomasin, etten oikein ajatellut tekemistäni. Selvästi hyödyllisempää olisi ajatella mitä on tekemässä, eikä vain toistaa ohjeiden perässä komentoja. Siinä olisikin jonkin verran parannettavaa, mutta toisaalta tekemistä helpottaisi myös itse harjoituskerralla läsnä oleminen.

Lisähuomiona: Anni Kåhre oli tämän kurssikerran blogitekstinsä alussa kuvaillut harjoituskerran alussa läpikäytyjen toimintojen hyödyllisyyttä ja projektioiden perustoimintojen läpikäyntiä. Näistä olisi varmasti ollut minullekin hyötyä kurssikertaa tehdessä, nyt kun en saanut oikeastaan mitään visualisointia aikaiseksi. Milja Mäkinen, jonka blogiin Annikin viittaa, oli kirjoittanut samaistuttavasti kurssikertojen etenemisvauhdista, joka vaikuttaa minullakin tiettyyn tekemiseni ymmärtämättömyyteen. Samassa veneessä ollaan siis.

Lähteet:

Anni Kåhren blogi, Viikko 2. (projektio, visualisointi) (Viitattu 18.3.2023)

Miljan matkassa GIS, Projektioilla on väliä! (Viitattu 18.3.2023)

 

Ensimmäisellä kurssikerralla palasin viime lukuvuonna suorittamani MAA-104 kurssin jälkeen ensimmäistä kertaa QGis:n pariin. Fakta, joka siis tuli itselleni jostain syystä yllätyksenä. Olin unohtanut kokonaan tehneeni QGis:llä jotain jo opintojeni aikana ennen tätä kurssia. Jotain on kuitenkin varmasti takaraivossa tästäkin järjestelmästä. Toivottavasti.

Kävin viime periodissa kylläkin jo Geoinformatiikan menetelmät 2 -kurssin, jossa toki käytetään eri ArcGis:ä, mutta uskoisin siitä silti ehdottomasti olevan hyötyä tämän kurssin edetessä.

Harjoitus maanantai-iltana meni yllättävänkin nopeasti, mutta kulki välillä hieman vauhdikkaasti asiasta toiseen, mihin onneksi tottui kun vain jaksoi keskittyä koko ajan. Harjoituksessa QGis:n käytäntöjä opetellessa saatiin aikaiseksi Itämeren rannikkovaltioiden suhteellisia typpipäästöjä Itämereen kuvaava koropleettikartta.

Päädyin visualisoinnissa samanlaiseen ratkaisuun eri karttatasojen ääriviivojen hyödyllisyydestä kuin Nicklas Ferreira, ja kavensinkin niitä joko huomaamattomiksi tai poistin kokonaan. Järvien tasolta olisin ehkä voinut Nicklaksen tavoin poistaa ääriviivat kokonaan, sillä ne luovat turhaa epäselkeyttä esimerkiksi Järvi-Suomen alueelle.

Ensimmäisen kurssikerran kotitehtävänä tuli tuottaa koropleettikartta valitsemastaan aineistosta. Itse hyödynsin Suomen kunnat -karttaa ja visualisoin ulkomaan kansalaisten osuuksia kunnittain vuonna 2015.

Kotitehtäväni kartasta olisi mielenkiintoista tehdä toinen versio uudemmalla datalla, johon olisi ehtinyt vuoden 2015 ”pakolaiskriisin” tuomat uudet kuntien asukkaat. Olisiko punaisempia alueita muuallakin, kuin pääkaupunkiseudulla ja historiallisesti ruotsinkielisillä alueilla? Mielestäni kartastani tuli melko onnistunut. Tein sen melko nopeasti ja haluaisinkin tulevilla kurssikerroilla ehkä tehdä tehtäviä korkeammalla vaatimustasolla ja haastaa itseäni enemmän.

Ensimmäisellä kurssikerralla pääsin ylipäätänsä takaisin kärryille QGis:n käytössä ja uskoisin, että näillä eväillä selviän seuraavienkin viikkojen harjoituksista, vaikka sairastelun takia pari lähiopetuskertaa nyt jo missasinkin.

Lähteet: 

Nicklas Ferreiran blogi, Alku – QGIS -ohjelmistoon tutustumista (Viitattu 18.3.2023)