Kurssikerta 7. Viimeinen kurssikerta.

Viimeisellä kurssikerralla päästiin näyttämään ja käyttämään omaa osaamista Qgis-ohjelmalla. Tein aluksi “helpomman”, tai ainakin nopeamman ja yksinkertaisemman tehtävän (kuva 2.), mutta päätin lopulta tehdä myös “vaikeamman” eli hitaammaan ja monimutkaisemman tehtävän (kuva 1).

Kuva 1. Rokuan kansallispuiston luoteisosaa.

 

Kuvassa 1 on siis esitettynä Rokuan luoteisosaa. Alue valikoitua siksi, koska se on niin uniikki luontokohde varsinkin ulkonäöltään Suomessa. Olisin halunnut koko Rokuan kansallispuiston alueen näkyviin, mutta alue jakautui jopa neljälle eri karttalehdelle, joten siitä tuli liian monimutkaista. Rokuan kansallispuiston reuna näkyy kuvassa 1 siis oikeassa alakulmassa.

Tietoja yhdistelin ja kaivelin paituli-latauspalvelun kautta, ja erityisen haasteellista ja hidasta oli selvittää mitä eri koodit tarkoittavat esimerkiksi vesistöjen kohdalla. Suo ja järvi olivat merkattu samalla värillä, mutta erilaisille soille, järville ja muille vesistöille oli kuitenkin omat koodinsa, jotka sitten sain purettua lopulta maanmittauslaitoksen maastotietokohde-pdf:n avulla. Kuvassa 1 käytin qgis:n rinnevarjostustekniikkaa, kun olin ensin yhdistänyt muutamat kuvat ja loin myös korkeuskäyrät, mutta, päädyin kuitenkin käyttämään maastotietokannan omia korkeuskäyriä, ne sopivat paljon paremmin. Rinnevarjostuksen avulla alueesta saa paljon paremmin käsityksen alueen hienoudesta ja erilaisuudesta.

Kuva 2. Alle 15 vuotiaiden osuudet kuntien väestömäärästä %.

Kuvassa 2 esitettynä alle 15vuotiaiden osuudet kuntien väestömäärästä. Tämä tehtävä oli suhteellisen helppo toteuttaa qgis-ohjelmalla, piti vain etsiä pohjakartta ja ladata tiedot statfin-palvelusta ja yhdistää. Samalla tavalla on menetelty kuvassa 3, missä on esitettynä kuntien taajamaprosentti. Näitä kahta karttaa olisi tietenkin voinut visualisoida jotenkin paremmin, kuten esimerkiksi Sini-Maaria:n blogissa on erittäin paljon visuaalisesti silmää miellyttäviä ratkaisuja.

Kuva 3. Kuntien taajama %.

Kurssista jäi hyvä fiilis, opin mielestäni hyvin käyttämään qgis-ohjelmaa ja visualisoimaan asioita. Lisäksi opin käyttämään eri tietolähteitä paikkatietoaineistoja varten.

Lähteet:

Ahtinen, Sini-Maaria. 2019. Kurssikerta 7. https://blogs.helsinki.fi/ahtisini/2019/02/26/kurssikerta-7/ Viitattu 21.3.2019.

CSC – Tieteen tietotekniikan keskus. 2019. PaITuli – Paikkatietoja tutkimukseen ja opetukseen. https://avaa.tdata.fi/web/paituli/latauspalvelu Viitattu 21.3.2019.

Tilastokeskus. 2019. Statfin-tilastotietokanta. http://www.stat.fi/tup/statfin/index.html Viitattu 21.3.2019.

Maanmittauslaitoksen maastotietokohteet. 2016. https://www.maanmittauslaitos.fi/sites/maanmittauslaitos.fi/files/old/maastotietokohteet.pdf Viitattu 21.3.2019.

Kurssikerta 6. Karttoja opetuskäyttöön

Kuudennella kurssikerralla päästiin ulkoilemaan ja kerämään paikkatietoaineistoa ihan itse kumpulan kampuksen lähialueilta. Puhelinsovelluksella kerättiin sijaintitieto ja kirjoitettiin havaintoja kyselylomakkeen perusteella. Lisäksi tuli räpsittyä muutamia kuvia lisätiedoiksi. Meidän keräämiä paikkatietoaineistoja ei juuri päästy visualisoimaan, koska qgis ei toiminut halutulla tavalla, tiedä sitten missä oli vika. Päästiin kuitenkin interpoloimaan Helsingin keskustan alueita google streetviewiä hyväksi käyttäen.

Itsenäistehtävänä oli tehdä muutama hasardikartta, ja valitsin teemaksi maanjäristykset. Karttoja tehtiin sillä ajatuksella, että niitä voisi käyttää opetuksessa esimerkiksi yläasteikäisille. Tekemissäni kartoissa on esitetty tietoa maanjäristysten sijainnista eri voimakkuuksilla ja eri vuosina. Otin mukaan myös tulivuoret ja niiden sijoittumisen suhteessa maanjäristyksiin.

Kuva 1. Yli 8 magnitudin maanjäristykset vuosina 1900-2012.
Kuva 2. Eri kokoisia maanjäristyksiä eri vuosilta.

Tarkoituksena on havainnollistaa maanjäristysten sijoittuminen, ja nimenomaan se, että isoja maanjäristyksiä tapahtuu tietyllä alueella ja erittäin harvoin, kuten kuvasta 1 on nähtävissä, mutta, pienempiä maanjäristyksiä tapahtuu ympäri maapallon ja todella usein (kuva 2.). Kuvassa 2 tosiaan 4-7 magnitudin järistykset on otettu vain Joulukuulta 2012, eli erittäin pieneltä aikaväliltä ja silti näitä järistyksiä on suhteellisen paljon. Lisäksi ideana oli havainnollistaa tulivuorten ja maanjäristysten samankaltaiset sijainnit kuvassa 3.

 

Kuva 3. Tulivuorten ja maanjäristysten yhteneväiset sijainnit.

Tässä on wikipediasta löytyvä kuva samasta aiheesta kuin omani, eli kuvassa näyetetään eri voimakkuusluokan maanjäristysten sijoittumista ympäri maapallon. https://upload.wikimedia.org/wikipedia/commons/1/11/Map_of_earthquakes_in_2017.svg

Se mitä olisi voinut vielä tuoda esillä näillä kartoilla, olisi ollut litosfäärilaattojen sijainnit ja saumakohdat, mitkä liittyvät olennaisesti maanjäristysten sijaintiin. Tästä aiheesta Alex oli tehnyt loistavan karttaesityksen

Lähteet:

Naumanen, Alex. 2019. Mieluummi överit ku vajarit. https://blogs.helsinki.fi/alexnaum/ Viitattu 21.3.2019.

National centers for environmental information. 2019. Volcano Location Database Search. http://catalog.data.gov/dataset/global-volcano-locations-database Viitattu 21.3.2019.

Northern california earthquake data center. 2019. ANSS Composite Catalog Search. http://quake.geo.berkeley.edu/anss/catalog-search.html Viitattu 21.3.2019.

Wikipedia. 2017. https://upload.wikimedia.org/wikipedia/commons/1/11/Map_of_earthquakes_in_2017.svg Viitattu 21.3.2019

Kurssikerta 5, bufferoidaan.

Viidennellä kurssikerralla päästiin bufferoimaan, eli rakentamaan puskurivyöhykkeitä eri asioiden ympärille. Itsenäistehtävässä tarkasteltiin mm. Malmin ja Helsinki-Vantaan lentokenttien meluhaittoja sekä muita pk-seutuun liittyviä puskurointeja. Itsenäistehtävään saatiin hyvät ohjeet, ja aiemmin niitä oli sen verran harjoiteltu, että itsenäistehtävän tekeminen nimensä mukaisesti itsenäisesti, oli sujuvaa. Postaukseni lopussa on taulukko (Taulukko 1) tehtävien vastauksista, toivottavasti menivät edes sinne päin, tuntui ainakin siltä että osasin. Tämä kurssikerta oli yksi opettavaisimmista, kuten Eemil omassa blogissaan myös mainitsi, mutta oppimisen eteen piti tehdä paljon hommia.

Puskurivyöhykkeet yhdistetään nykyisin usein juuri mm. melutasojen mittaamiseen, ja siihen se sopiikin erinomaisesti. Muita voisi olla esimerkiksi pienhiukkasten mittaus teiden varsilta, ja rakentaa likainen puskurivyöhyke.

Helpointa tehtävissä oli rakentaa buffereita, mutta esimerkiksi oikeiden kohdehenkilöiden tarkastelu juuri kyseisellä alueella oli haastavinta. Suurimmat haasteet qgis-taidoissani ovatkin juuri attribuuttitaulukon käytössä. Välillä on vaikeaa päästä valitsemaan ja filteröimään oikeat kohteet taulukosta ja liittää ne kartan kohteisiin. Monesti ajattelen tekeväni oikein, mutta qgis on eri mieltä, eikä hyväksy tapaani. Attribuuttitaulukon käyttöön pitää kiinnittää jatkossa selvästi enemmän huomiota.

Oon huomannut useassakin tilanteessa, että saan kartoille oikeita asioita, mutta en välttämättä juuri sillä “suositellulla” ja “yksinkertaisimmalla” tavalla, vaan kikkailen, kokeilen ja teen usein paljon manuaalisesti työtä oikeiden vastausten ja ratkaisujen eteen. Tästä voisi ainakin päätellä sen, että aivan perusasiat on hallinnassa jokseenkin hyvin, sillä käytän niitä paljon hyödyksi vaikeammissa ja uusissa asioissa. Varsinkin viimeisellä kurssikerralla tajusin tämän, kun tein karttaa useista eri aineiston rippeistä. Mutta siitä kirjoitan sitten tuonnempana lisää!

Taulukko 1. Kuvakaappaus word-taulukosta, johon kerätty itsenäistehtävien vastaukset

Lähteet:

Haapanen, Eemil. 2019. Kurssikerta 5 – buffereita ja putkiremontteja. https://blogs.helsinki.fi/hceemil/2019/02/21/kurssikerta-5-buffereita-ja-putkiremontteja/ Luettu 26.2.2019

 

Kurssikerta 4

Tulipas pitkä tauko tässä kirjoittamisessa, on ollut niin paljon muutakin tehtävää!

Neljännellä kurssikerralla oltiin mm. pääkaupunkiseudun väestötietojen kimpussa. Valittavana oli eri vaihtoehtoja, joista tuottaa kartta, ja kuten alla olevasta kuvasta 1 huomataan, päädyin esittämään pääkaupunkiseudun väestömäärää 250m x 250m ruudukolla.

Kuva 1. Pääkaupunkiseudun väestön keskittyminen.

Kartasta näkee mielestäni selkeästi sen, minne väestö on painottunut. Helsingin kantakaupungin alue on tiiviisti asuttu, sekä isot asutuskeskittymät esimerkiksi Espoossa: Matinkylä, Espoonlahti ja Leppävaara. Vihdintien ja tie nro 3 välinen alue on tiiviisti asuttua sekä Lahden suuntaan lähtevän junaradan varsi kokonaisuudessaan. Tieverkko antaa kyllä selkeän kuvan asutuskeskittymistä.

Olisi ehkä voinut lisätä pohjakartan, vaikka google mapsin tyylisen tai vaikka maastokartankin tyylisen, niin olisi voinut saada selkeämmin selville ruutujen tarkemmat sijainnit. Erittäin toimivasta pohjakartan käytöstä löytyy esimerkiksi Nestori Grönholmin blogista, upea toteutus kuvassa 2. Omassa kartassani kokonaisuudesta saa  kyllä selvää, mutta yksittäisten ruutujen sijoittumisen hahmottaminen on vaikeaa, vaikka siellä apuna onkin meri ja tieverkosto (lähinnä kylläkin vain isommat tiet).

Ruututeemakartta sopii mielestäni esim. tähän esittämääni väestömäärän esittämiseen hyvin, varsinkin mitä isompaa aluetta kuvataan. Absoluuttisten arvojen esittäminen ruututeemakartassa on hyväksyttävää, mikäli ruutujen koko on tarpeeksi pieni, eli pikselikoko tarkka. Muuten ruudut yleistävät ja vääristävät helposti paljon ja pilaavat koko homman. Myös luokkajaoissa pitää olla tarkka, ettei se pääse vääristämään tuloksia.

Kuva 2. Maanmittauslaitoksen ja Qgis:n tekemät korkeuskäyrät.

Lopuksi vertailtiin QGIS ohjelman tekemien korkeuskäyrien eroavaisuuksia suhteessa Maanmittauslaitoksen antamiin korkeuskäyriin ja kuten kuvasta 2 nähdään, on qgis:n 5 metrin korkeuskäyrät (ruskeat) selkeästi eri kohdissa, kun kuvaa suurennetaan jonkin verran. Maanmittauslaitoksen korkeuskäyrissä hyvää on kyllä tuo 20metrin välein paksunnettu viiva (60metrin viiva kuvassa 2), selkeyttää niin paljon.

Ensi kerran blogin pitäisi tulla tässä loppuviikon aikana!

Lähteet:

Grönholm, Nestori. 2019. Luku 4. Ruudut ja rasterit. https://blogs.helsinki.fi/nestorig/2019/02/16/luku-4-ruudut-ja-rasterit/ Luettu 19.2.2019

 

Tietokantojen yhdistelyä QGIS-ohjelmalla viikko 3

Kolmannella kurssikerralla harjoittelimme qgis:ssä tietokantojen yhdistelyä join-toiminnolla. Alkuun piti olla tarkkana miten asiat tehtiin, mutta sujui lopulta sujuvasti.

Ensimmäisenä käytiin läpi Afrikkaan liittyviä tietokantoja ja yhdisteltiin niitä. Aineistoa oli mm. Afrikan konflikteista, timanttikaivoksista ja öljykentistä. Afrikka tietokantaan liitettiin myös excel-taulukko, missä oli aineistoa Afrikan maiden internetin ja facebookin käyttäjämääristä.

Afrikassa monet konfliktit liittyvät rahaan, joihin liittyy oleellisesti öljyesiintymät ja timanttikaivokset. Tämä näkyi myös qgis:ssä tuotetusta kartasta selkeästi. Ei ole tuulesta temmattua, kun puhutaan “veritimanteista”. Konfliktien taustoilla voi myös olla toki esimerkiksi uskontoon liittyvät seikat, hallinnolliset seikat, kieli, heimot jne.

Kuva 1. Jokien tulvaindeksit valuma-alueittain ja jokien järvisyysprosentit.

Seuraavana aiheena oli Suomen tulvat. Tulokseksi saatiin kartta, missä näkyy sinisen sävyllä tulvaindeksi, mitä suurempi tulvaindeksi, sitä tummempi sinisen sävy. Kuvan 1 perusteella pahimmat tulvat näyttävät sijoittuvan rannikkoalueille. Vihreät pylväät kuvaavat jokien järvisyyttä, eli kuinka paljon valuma-alueen pinta-alasta on järviä. Kuvasta 1 on havaittavissa, että rannikolla olevilla valuma-alueilla on pienimmät järvisyysprosentit. Mitä kauemmas rannikosta mennään, niin sitä järvisempiä ja vähätulvaisempia valuma-alueet ovat.  Näillä asioilla on todennäköisesti jokin yhteys, mistä samalla kurssilla oleva Ilona Tuovinen oli tehnyt samanlaisia havaintoja, kuin minä ja kiteyttänyt asian erittäin hyvin yhteen virkkeeseen:  “Järvet toimivat luonnon omina tulvatasaajina, jolloin esimerkiksi äärimmäisten sateiden aikaan vesi kerääntyy järviin ja lampiin ja näin estää tulvimisen.”

Tulviin vaikuttavat myös talvisin jäästä syntyvät padot ja rannikkoalueiden mitättömät korkeuserot, etenkin länsirannikolla, jolloin vedenpinnan esimerkiksi noustessa 15cm yli tulvarajan, pääsee vesi leviämään kilometrien päähän tasaisilla rannikkoalueilla, kun taas muualla, missä on korkeuseroja enemmän tulvarajan ylittyminen ei aiheuta näin laajoja ongelmia.

QGIS aiheutti jälleen jonkin verran ongelmia, mutta nyt ymmärrän jo paremmin miten koko ohjelma toimii. Ensi viikkoon!

Lähteet:

Tuovinen, Ilona. 2019. Viikko 3 – Ahaa -elämyksiä ja kaatuva QGIS https://blogs.helsinki.fi/tuoilona/2019/01/31/viikko-3-ahaa-elamyksia-ja-kaatuva-qgis/ (luettu 4.2.2019)

 

QGIS-ohjelman harjoittelua

Toisella kurssikerralla Geoinformatiikan menetelmissä jatkettiin QGIS-ohjelman kanssa kikkailua. Tarkoituksena oli vertailla eri projektioiden aiheuttamia vääristymiä pinta-aloihihin ja pituuksiin. Kuulostaa yksinkertaiselta, mutta atribuuttitaulukoiden muokkaaminen eri projektioita käyttäen osoittautui vaikeaksi. Sen sijaan exceliin syötetyt luvut ja näiden vertailu onnistui helposti, mikä on nähtävissä kuvassa 1. Eroja on havaittavissa ja varsinkin Mercator-projektio näyttäisi vääristävän etenkin pohjoisen pinta-aloja.

Kuva 1, projektioiden vertailua

Ohjaajan kanssa yhdessä tehty ensimmäinen visuaalinen vertailu onnistui, mutta kun piti itse alkaa väsäämään, tuli ongelmia. Lopputulos tästä ensimmäisestä onnistuneesta tuotoksesta on nähtävissä alla (kuva 2).

Kuva 2, Mercator-projektion aiheuttamat vääristymät

Kuten kuvasta 2 näkyy, vääristää Mercatorin projektio paljon pinta-aloja suhteessa TM35FIN projektioon. Suurimpia muutokset ovat Pohjois-Suomessa, mutta kuten myös Nestori Grönholm havannoi blogissaan, on myös Etelä-Suomen vääristymät huomattavan suuret. Kuvassa suurimmat pinta-ala vääristymät on merkitty tummemmalla värillä ja pienimmät vaalemmalla värillä. Väriskaalaksi valiutui volcanic, ihan kokeilumielessä. Värivalinta ei varmastikaan kaikkia miellytä, mutta ei se kaikista huonoinkaan ole omasta mielestäni, onpahan ainakin selkeä.

QGIS osoittautui erittäin vaikeaksi käyttää (nimenomaan itsenäisesti) seuraavassa tehtävässä, missä piti valita toinen projektio ja verrata sen eroja TM35FIN-projektioon. Yritin verrata natura-alueiden pinta-aloja toisiinsa, mutta en keksinyt millään miten olisin saanut asian tehtyä, asia jäi täysin puolitiehen, joten siitä ei mitään kuvaa ole.

 

Kuten aikaisemmassa postauksessani mainitsin, pitää tehdä entistä enemmän toistoja QGIS-ohjelmalla, jotta asiat alkaa luonnistua helpommin. Veikkaan, että tätä kyseistä ohjelmaa tullaan käyttämään jatkossakin opintojen edetessä, joten on yksinkertaisesti pakko tehdä lisäharjotteita.

Ensi viikkoon!

Lähteet :

Grönholm, Nestori. 2019. Luku 2. QGIS, tuo ikuinen mysteeri. https://blogs.helsinki.fi/nestorig/2019/01/26/luku-2-qgis-tuo-ikuinen-mysteeri/ (luettu 27.1.2019)

Ensiaskeleet QGIS-ohjelman parissa

Geoinformatiikan menetelmät 2019-kurssi on siis alkanut ja sen yhteydessä kirjoitellaan minulle täysin vierasta asiaa, blogia. Sellaista en ole koskaan kirjoittanut enkä liiemmin semmoisia lukenutkaan, mutta kyllä se tästä.

Ensimmäisellä kurssikerralla paneuduttiin QGIS ohjelmaan, jota käytin ensimmäistä kertaa. En ole aikaisemmin käyttänyt mitään muutakaan vastaavaa ohjelmaa. Perusteet käytiin klikkaus kerrallaan ohjatusti, eikä turhaan, ohjelma vaikutti aluksi erittäin monimutkaiselta. Lopputuloksena tältä kurssikerralta oli kartta Itämeren typpipäästöistä valtioittain. Mitä tummempi sinisen sävy valtiolla, sitte isommat typpipäästöt Itämereen. Värivalinnat olivat huonot, kartan kokonaisuus on heikko, mutta kyllä siitä asiat saa selville. Syvyyskäyrät jäivät roikkumaan mukaan tuntemattomasta syystä, itämeren väritys ei sovi ja muiden valtioiden mukana olo ehkä turhaa.

Kuva 1. Kartta Itämeren valtioiden typpipäästöistä vuonna 2016.

 

 

 

 

 

 

 

 

 

Kotiin jäi harjoitukseksi itsenäisesti tehty yksinkertainen kartta Suomen kunnista, jonka materiaali ladattiin valmiiksi moodlesta. Viikko ehti vierähtää ennen tätä seuraavaa kertaa QGIS:n parissa, ja sen huomasi. En muistanut ensimmäiseltä kerralta juuri mitään, joten näinkin yksinkertainen tehtävä vei pari tuntia. Ohjeita piti googletella kymmeniä kertoja, ja ei niistä apua juuri ollut. Lopulta tehtävän sai suoritettua loppuun kokeilemalla asioita tarpeeksi monta kertaa. Parhaiten ohjelmasta taitaa oppia toistelemalla itse, kuten oli myös Alex Naumanen todennut blogissaan.

Kartassa tummempi sininen kertoo isommasta eläkeläisten määrästä kunnassa ja eläkeläisrikkaimmat kunnat näyttävät löytyvän kasvukeskusten ulkopuolelta.

 

Kuva 2. Eläkeläisten osuus kunnan väestöstä 2015

Seuraavaan kertaan!

 

Lähteet :

Naumanen, Alex. 2019. Ekat faceplantit. https://blogs.helsinki.fi/alexnaum/ (luettu 20.1.2019)