Epicollect

Kuudennella kurssikerralla olin kotona flunssassa. Tein kuitenkin kerran epicollect kävelyn pari vuotta sitten kun yritin kurssia ensimmäistä kertaa. Internettiä käytetään enemivissä määrin tiedon keruuseen niin eri tieteenaloilla. Esimerkiksi afrikassa on ollut käytössä pidemmän aikaa “EpiSurveyor” tekstityyppisen tiedon keruualusta joka toimii yksinkertaisilla nokia puhelimilla. Älypuhelimet on viimeisen viidentoista vuoden aikana luonut uusia mahdollisuuksia tiedonkeruuseen. Epicollect sovellus toimii niin että mobiililaitteilla voi luoda ja tallentaa merkitöjä gps sijainnista sekä eri muuttujista. Ohjelma lähettää tiedot verkkotietokantaan, tietokannan voi sitten ladata koneelle sovelluksen kautta (Aanensen et. al. 2009) .

Turvallisuuden interpolointi

Kurssin tehtävänä oli visualisoida keräämämme aineisto. Valitsin visualisoinnin teemaksi turvallisuuden koska olen monesti miettinyt asiaa itse kävellessäni yliopistolle talven pilkko pimeässä. Tein ensin pistekartan eri väreillä ja siirryin sitten interpolointitehtävään. Interpoloinnissa kesti hetki kotikoneella. Noin neljänkymmenen minuutin jälkeen sain esille mustavalkoisen interpoloidun turvallisuustason. Kokeilin vaihtaa värejä interpoloidulle tasolle mutta päädyin lopulta mustavalkoiseen versioon. Versiossa ei nää Mitkä alueet ovat saaneet arvosanan 2-4 mutta mielestäni kartassa korostuu selvästi vähiten turvalliset alueet.

Kartta 6.1 (Turvallisuus Kumpulan ja Arabian alueella, 1= vähiten turvallinen, 5= eniten turvallinen)

Aineiston tuonti netistä QGissiin

Csv (comma separated values) tiedosto valituista maanjäristyksistä oli mutkatonta

Tekstipätkän muuntaminen muotoon jonka saan liitettyä Qgissiin kesti monta tuntia ja googlehakuja

Lopuksi jokseenkin helppo ja nopea prosessi: excel, xml tiedosto csv ksi converterillä, asetukset Qgississä

Meinasin antaa periksi kun vihdoin ja viimein sain aineiston tuotua gissiin mutta pisteitä ei näkynyt

Kyse oli yhden ruudun ruksista ja pisteet näkyivät, projektion muutos

Loppuun

Lähteet

Aanensen DM, Huntley DM, Feil EJ, al-Own F, Spratt BG (2009) EpiCollect: Linking Smartphones to Web Applications for Epidemiology, Ecology and Community Data Collection. PLoS ONE 4(9): e6968. https://doi.org/10.1371/journal.pone.0006968

Buffer ja ensimmäinen tehtävä

Kurssikerralla teimme melkein koko tunnin tehtäviä itsenäisesti.

Buffer työkaluja on QGississä monta esim. “SAGA” ja “single sided buffer”.  Tällä kerralla harjoittelimme käyttämään “Buffer” nimistä työkalua. Ennen kun työkalussa voi painaa “run” on määriteltävä tiettyjä kenttiä. Joskus minusta tuntuu että on vaikeeta tietää mitä kenttiä täyttää ja miten. Ilman ohjeita en olisi esimerkiksi arvannut että “segments” kenttään meidän käyttämässä “buffer” toiminnossa pitäisi laittaa numero 36. Onneksi Qgissistä löytyy lyhyt info tominnoista ja googlaamalla löytää melkein aina vastauksen ongelmiin.

Ensimmäinen tehtävä selvittää kuinka moni asuu Malmin kentän pahimmalla melualueella. Tehtävän suorittamiseksi on luotava bufferi 2km säteelle Malmin kiitoradoista. Alla olevassa (Kuva 5.1) ulompi bufferi on luomani 2km säteen bufferi. Sain vastaukseksi 59325 asukasta. Luokassa minun vieressä istuvalla oli hieman pienempi luku. Se johtui siitä että hän oli luonut viivat kiitoradoille kun itse loin polygonin jolla rajasin koko kiitoradan pinnan. Tieheästi asutulla alueella jo 50 metrin ero voi tarkoittaa monta sataa asukasta enemmän. Toisaalta koneet harvoin laskee kiitoradan rajalle vaan useimmiten keskelle kiitorataa. Onko väliä mistä melusaasteen mittaa?

Taulukko 5.2

Toisena kurssikerran tehtävä oli selvittää kuinka monta asukasta asuu taajamissa, kouluikäistä asuu taajamien ulkopuolella ja ulkomaalaisten osuus alueilla. Taajama on vähintään 200 asukkaan alue jonka etäisyys seuraavaan taloon on enintään 200m (Tilastokeskus). Selviydyin tehtävästä hyvin. Jatkoin tehtäviä kotoa.

Tehtävä 4. (Saunat ja Uima-altaat)

Lopuksi piti valita yksi isompi tehtävä kolmesta eri vaihtoehdosta. Valitsin hauskimman kuulosen, eli Uima-altaat ja saunat tehtävän. Tehtävä sujui paremmin kun mitä olisin koskaan voinut arvata. Pari vastoinkäymistä minulla kuitenkin oli. Poistin aineistoista turhat sarakkeet jotta aineist olisi kevyempi ohjelmalle suorittaa. Samalla poistin molempia (kaupunginosa ja pisteaineistoa) yhdistävät sarakkeet. En siis enään voinut yhdistää tasoja joten minun oli ladattava aineistot uudestaan ja aloitettava alusta.

Toinen ongelma jonka kanssa kamppailin monta päivää oli “error” joka ilmeni kun yritin suorittaa toimintoja “count points in polygon” tai “intersect”. Lopulta sain googlaamalla vastauksen ongelmiin. Helpolla muutoksella asetuksista ohjelma lopetti herjaamisen ja sain tehtyä tarvittavat toiminnot. Taas kerran kyse oli asetuksesta jota en itse olisi löytänyt. Suosittelen googlaamista, et todennäköisesti ole ainoa joka on kamppaillut ongelman kanssa.

Taulukko 5.3

Kartta 5.4 (Koropleettikartta saunoista ja pylväsdiagrammi uima-altaista pääkaupunkiseudulla)

Tein taulukon suorittamistani laskelmista uima-altaille sekä saunoille (5.3). Lopuksi tein kartan tehtävään liittyen (kartta 5.5). Nikolai Tuuri blogissaan(23.2.23) on tehnyt tehtävälle kartan jossa uima-altaiden määrä näkyy kartassa koropleettikartan tapaan väreinä sekä lisäksi myös pylväinä. Itse päädyin ratkaisuun jossa tein koropleettikartan saunojen määrästä ja pylväät uima-altaiden määrästä. Ajattelin että näin voi verrata saunojen ja uima-altaiden esiintyvyyttä toisiinsa. Lopputulos on mielestäni parempi kuin olisin osannut odottaa. Selitteestä puuttuu kuitenkin uima-altaat. Yritin myös lisätä pylväiden viereen uima-altaiden määrät numeroina mutta jostain syystä numerot eivät näkyneet kartassa.

Pohdintaa

Olen mielestäni kehittynyt valtavasti viimesten kahden kerran aikana. Tämän kerran tehtävät vahvisti luottamusta siihen että osaan hallita, käyttää Qgissiä itse ilman vaihe vaiheelta ohjeita opettajalta. Pelkään kuitenkin että jos en jatka kertausta, ohjalman käyttämistä niin unohdan nopeasti oppimani asiat.

Lähteet:

Nikolai Tuurin blogi(23.2.23): https://blogs.helsinki.fi/nikolait/

Tilastokeskus: https://www.stat.fi/meta/kas/taajama.html

Tehtävä 1.

Ensimmäisenä tehtävänä on luoda ruudukkokartta valitsemastamme aiheesta. Alkuun loimme työkalulla ruudukon (“create grid”) pääkaupunkiseudun alueelle. Taas jälleen huomasin miten tärkeetä on kaikkien kenttien oikein täyttäminen. Laitoin ruudukkoon vahingossa ihan liian pienen ruutukoon (5m) ja tuloksena oli hitaasti suurentuva musta alue ruudulla. Pelästyin, sammutin ohjelman ja aloitin alusta.

Onnistuneen 500 metrin ruudukon luomisesta valmiiseen karttaan (Kartta 4.1) on vielä jonkin verran matkaa. Käyttäen valmiiksi annettuja aineistoja rajasin, yhdistin ja laskin tietoja ruudukolle. Ensimmäinen kartta jonka tein näyttää nuorien 0-20 vuotiaiden osuuden väestöstä alueella. Jotta saisin tämän tuloksen oli minun laskettava yhteen kaikki ikäluokat 20 vuoteen  asti “field calculatorilla” ja sitten jaettava määrä kokonaisasukasmäärällä. Arvot ovat prosentteja. Tulos kartalla vaikuttaa mielestäni siltä että se voi olla totta. Reuna-alueilla on suurempi osuus nuoria kuin helsingin keskustassa.

Kartta 4.1

Karttaan olisi voinut ennen visualisointia kerrata kaikki luvut 100 jotta luvut olisi selitteessä prosentteina. Näin vähemmän tottunut kartanlukija ymmärtäisi heti mistä on kyse. Toinen karttaa selkeyttävä tekijä olisi jonkinlainen nimistö tai jotain paikkaan viittaavaa. Helsingin aluetta tuntevaa lukuun ottamatta ei ole välttämättä ollenkaan selvää missä suurkaupungin keskusta-alue on kartalla.

“Uusimaa” sijaan kartassa pitäisi lukea “pääkaupunkiseutu”. Olen huomannut aikaisemminkin että pienet yksityiskohdat selitteiden kohdalla jää huomaamatta visualisointivaiheessa sen jälkeen kun on tehnyt monimutkaisempia toimintoja ohjelmalla. Jos tasot ja sarakkeet nimeää ohjelmassa alunperin oikein virheitä sattuu huomattavasti vähemmän.

500m tarkkuus kartassa ei välttämättä anna hirveän tarkkaa kuvaa alueesta. Suurempien mittakaavojen kartoissa 500m voi kuitenkin olla hyvä koko. Ehkä ruutukartta olisi paras kasautumisen tarkasteluun esimerkiksi köyhyyden tai asuntohintojen tarkasteluun? Tarkkaan absoluuttisiin arvoihin kartta ei mielestäni ole hyvä koska ruudun runa saattaa jakaa esimerkiksi asutusryppään kahti joten tulos voisi olla ihan eri riippuen mihin kohtaan ruutu osuu.

Toisaalta ruutureemakartta voi olla parempi vaihtoehto kuvaamaan ilmaantuvuutta. Edellisen tehtävän (Kuva 3.1) pistekartta näyttää ehkä tarkemman paikan attribuuteille kartalla mutta kun pisteitä on paljon lähellä toisiaan tai jopa päällekkäin, on vaikeaa arvioida pisteiden määrää. Tällöin esimerkiksi ruututeemakartta on parempi vaihtoehto.

Tehtävä 2. (Itsenäinen tehtävä)

Toinen tehtävä tällä kurssikerralla on ladata peruskarttalehti Paitulista tietokoneelle ja luoda sille korkeuskäyrät 5m välein. Paituli on korkeakouluopiskelijoille ja ammattilaisille suunnattu latauspalvelu josta löytyy monen eri tahon paikkatietoja (paituli). Alla (Kartta 4.2) on QGississä luomani korkeuskäyrät. Valitsin käyrien väriksi ruskean koska musta näytti kovalta ja kartasta pomppaavalta.

Opin tunnilla lisää rinnevarjostuksesta. Rinnevarjostus näyttää ihmiselle eniten luontevalta kun valon suunta tulee luoteesta ja osuu kaakkoon. Vaikka aurinko harvoin ja vain osissa suomea koskaan paistaa kyseisestä suunnasta on suunnan käyttö kuitenkin hyväksyttävää. Muista suunnista tuleva valo näyttää ihmisen silmään siltä että koholla olevat muodot ovat kuoppia.

Korkeuskäyrien kanssa käytetty läpinäkyvä rinnevarjostus tuo paremmin esille maaston muodot (maanmittauslaitos). Huomasin että ainoastaan rinnevarjostuksen käyttö voi vääristää muotoja. Tietyssä kulmassa valoa vasten oleva muoto voi jääsä ilman varjoa vaikka korkeusero olisi suuri. Siksi väitän että yhdistelmä korkeuskäyrien kanssa on paras vaihtoehto.

Kartta 4.2 (Kartta meni yhtäkkiä tosi epätarkaksi täällä blogisivustolla?)

Toinen osa toista tehtävää oli piirtää QGissiä käyttäen teitä karttaan. Piirsimme suuret tiet Pornaisten alueelle kartassa (punaiset viivat Kartta 4.2). Tehtävä sujui hyvin mutta jo pienelle alueelle piiräminen kesti hetken. Jos joutuisi piirtää teitä suurempaan alueeseen ja myös muita kohteita, piirtämisessä voisi kestää hyvin kauan.

Pohdintaa

Tällä kerralla tuntui ensimmäistä kertaa siltä että hallitsen jossain määrin itse ohjelmaa. Osaan tuoda, rajata, liittää, laskea ja visualisoida paikkatietoa. Jossain määrin. Toivon ensi kerroilla saavani kertauksen kautta sujuvuutta tekemiseen. Minusta tuntuu että jos saan lisää varmuutta perusasioihin voisin nopeasti oppia paljon lisää.

Lähteet

Paitulin verkkosivu: https://paituli.csc.fi/

Maanmittauslaitoksen verkkosivu: https://www.maanmittauslaitos.fi/kartat-ja-paikkatieto/asiantuntevalle-kayttajalle/tuotekuvaukset/rinnevarjostus

Kurssikerran harjoitukset

Tällä kurssikerralla työskentelimme Afrikkaa esittävällä aineistolla (katso alla oleva (Kuva 3.1). Aloitimme eri valintatyökalujen harjoittelulla. Toiminto “select features by value” valitsee tiedot aineistoista jota toiminnossa määritellään. Käytimme “merge selected features”, “dissolve” ja “aggregate” työkaluja.  Tason muokkaamisen jälkeen lisäsimme csv muotoisen tietokannan aineistoon “joins” toiminnon kautta. Käytimme “count points in polygon”ja “join attributes in polygon” toimintoja. Lukijalle tämä ehkä ei ole kiinnostavaa mutta olen huomannut että kertaus auttaa minua muistamaan paremmin miten tehdä ja mitä.

Kurssikerran aineistoja (konflikti, timantti, öljy, internet) voi varmasti käyttää moneen. Esimerkiksi voitaisiin laskea miten konfliktit ovat vaikuttaneet internetin käyttöön eri vuosina, korreloiko konfliktit öljyn/timanttien löytämiseen tai mikä vaikuttaa eniten konfliktien syntyyn: öljyn löytäminen, poraus vai tuottavuus?

Onnistuin tunnilla tehdyissä tehtävissä ja lopputulos on mielestäni visuaalisesti miellyttävä. Otin kuvakaappauksen lopputuloksesta (Kuva 3.1). Vielä olisi ollut hyvä tehdä aineistosta kartta jossa näkyisi pohjoisnuoli, selitteet ja mittakaava.

Kuva 3.1

• Oranssi: onshore oil
• Vihreä: conflicts
• Pinkki: diamonds

Itsenäinen harjoitus

Itsenäisenä tehtävänä on laskea tulvaindeksi ja sen pohjalta tehdä teemakartta Suomelle. Yksi tapa laskea tulvaindeksi on jakamalla keskiylivirtaama keskialivirtaamalla. Tulvaindeksin laskemiseksi on yhdistettävä sarake yhdestä aineistosta toiseen. Tämä tehdään joins toiminnolla ja valitsemalla aineistoja yhdistävä attribuutti. Kun tiedot on yhdistetty samaan taulukkoon voi “field calculator” toimintoa käyttäen lakeakseni tulvaindeksin.

Lopuksi visualisoin aineiston ohjeiden mukaan niin että kartassa näkyy tulvaindeksi koropleettikarttana ja järvisyys vaaleanvihreällä pylväsdiagrammina. Järvisyys tarkoittaa järvien prosentuaalista määrää valuma-alueesta.

Ensin pylväsdiagrammi ei näkynyt kartassa. Jotta pylväsdiagrammi toimisi minun oli muutettava sarakkeessa tekstiversiona oleva järvisyys numeroiksi. Opin että kun tiedot näkyy sarakkeen vasemmassa reunassa kyse on tekstimuotoisesta tiedosta ja oikeassa numeroista. Kuvakaappaus itsenäisestä harjoituksesta(3.2).

Kuva 3.2

Tällä kertaa minulla jäi selitteet, pohjoisnuoli, mittakaava tekemättä. Kuvakaappauksesta hahmottaa ehkä suhteita värien kautta (suurempi tulvaindeksi tummemmilla alueilla) mutta varsinaisista määristä ei voi sanoa mitään ilman selitettä.  Myös kartan toisen muuttujan pylväsmuotoisen järvisyyden kohdalla numerot olisivat tarpeen. Huomaan että yliopiston koneella pylväät erottuivat hyvin kartasta kun taas kotikoneen ruudulta ei. Karttaa voisi käyttää ymmärtämään järvisyyden vaikutusta tulvaindeksiin, keväisten tulvien ennakointiin.

Pohdintoja

Selailin muiden kurssilaisten blogitekstejä kolmannelta kurssikerralta. Tuukka Katajamäen kartta tulvaindeksistä ja järvisyydestä on mielestä esimerkillisen hieno ja selkeä. Pylväsdiagrammin sijaan Katajamäki on käyttänyt kuplia joiden eri koot kuvaavat järvisyyttä. Haluaisin jatkossa onnistua tekemään yhtä hyviä karttoja kuin Katajamäki. Ehkä voisin tulevilla kurssikerroilla ajatella enemmän itse mikä toimisi hyvin kartan kannalta sen sijaan että noudatan sataprosenttisesti kerran ohjeita?

Opittuja

Opin tekemään aineistosta helpomman, pomimalla ja yhdistämällä vain tarvittavat sarakkeet. Opin myös lisäämään alun perin excel muotoisen taulukon ohjelmaan ja liittämään sen toisen tietokannan tietoihin. Luulen valitettavasti että vaikka onnistuin tehtävässä tunnilla en enään itsenäisesti välttämättä osaisi tehdä kaikkea tunnilla tehtyä uudestaan.

Lähteet

Tuukka Katajamäen blogi(20.2.2023): https://blogs.helsinki.fi/katuukka/2023/02/20/3-kurssikerta/

Valintatyökalut

Olen tottunut ArcGis ohjelmassa ensin valistemaan toiminnon/työkalun johon sitten lisätään attribuutit sen mukaan mitä haluaa saavuttaa toiminnolla. QGississä pitää (ainakin tähän asti) usein ensin valita tieto kartasta. Valintatyökaluja Qgississä ovat esimerkiksi “select features by value”, “select features by expression” tai “select features by polygon”.

Pakkatietojen tuonti QGissiin

Toimme yhdessä tunnilla paikkatietoja  “Add WFS Layer” toiminnolla eri palveluista Qgissiin. Tämä tuntui ihan liian helpolta. Onko tämä oikeasti kaikkien ihmisten saatavilla? Ilmainen ohjelma ja ilmaisia tietokantoja niin monesta eri kategoriasta. Löytyykä WFS palvelinosoitteita myös muun euroopan/maailman maille?

Projektiot

Kävimme yhdessä läpi perus toimintoja projektioihin liittyen. Sivupalkista tason kohdalta voi muuttaa yksittäisen tason projektota ja ohjelman alavasemmalta koko projektin projektiota. Sitten kokeilimme itsenäisesti luoda uusia tasoja eri projektioilla. Lopuksi laskimme pintaalojen vääristymän “Field Calculator” toiminnolla. Tein myös visualisoinnin siitä miten paljon Robinssonin projektio eroaa Merchator projektiosta (kartta 2.1).

Kartta 2.1

Kartassa värien arvot 2,53-3,34 on prosentteja pinta-alan eroavaisuudesta. Arvot viittaavat yhden projektion eri alueiden eri eroavaisuuksiin. Vaikka pienin luokka on valkoinen se eroaa kuitenkin yli 2,53% toisesta projektiosta. Prosentit eivät kuitenkaan kerro kumpi projektio (Robinson/Merchator) on suurempi/pienempi kuin toinen. Ero on prosentteina hyvin pieni mutta ero näkyy kuitenkin selvästi valittujen värien takia.

Itsenäinen harjoitus

Kuva 2.2 ja kuva 2.3 ovat kuvakaappauksia suomesta eri projektioita käyttäen. Jotkut projektiot muuttavat pinta-alaa hyvin paljon. Itsenäisesti loin uusia tasoja eri projektioilla, lisäsin pinta-ala tietoja sarakkeisiin samaan attribuuttitauluun ja laskin prosentteja. Suurin ero pinta-alassa tähän asti projektioissa on ollut Merchator ja Albanian 1987 / Gauss-Kruger zone 4 välillä(tämä näkyy alla kuva 2.2).

Kuva 2.2                                                                  2.3

(Albanian 1987 / Gauss-Kruger zone 4) (Indian 1975 / UTM zone 48N)

Pohdintoja

Toisen kurssikerran neljässä tunnissa ei oikeastaan saatu mitään valmista karttaa tehtyä tai vaikeeta laskelmaa visualkisoitua. Kurssikerran tärkein opetus tuntuikin olevan karttaprojektioiden ymmärtäminen ja niiden hallitseminen QGississä. Opin että jos QGissin oikeasta alakulmasta muuttaa ohjelman projektion samaksi kun tason projektion niin silloin kyseinen suomi näyttää taas “oikealta”. Muut projektiot vääntyy taas erillasiksi. Alla olevassa kuvassa (kuva 2.4) näkyy suomi neljää eri projektioa käyttäen.

Milja Mäkinen kirjottaa blogissaan kappaleessa “Projektioilla on väliä!” (8.2.2023) että viikon tehtävässä muodostui ongelmaksi se että suorittaa ohjeiden mukaan tehtäviä ymmärtämättä itse mitä oikeastaan tekee.  Olen huomannut tämän myös itse. Käymme nopeeseen tahtiin läpi tehtäviä tunnilla ja yritän seurata opettajaa niin että ei vahingossa jää joku vaihe tekemättä. Sitten kun itsenäiset tehtävät alkavat ei ole mitään hajua siitä miten tehtävässä kannattaisi edetä.

Kuva 2.4

Lähteet

Milja Mäkisen blogi (8.2.2023): https://blogs.helsinki.fi/mxmilja/2022/02/08/projektioilla-on-valia/

QGis

Tällä kursilla käytämme QGis paikkatietojärjestelmää. QGis on avoimen lähdekoodin paikkatietojärjestelmä. Ohjelma on ilmanen  ja avoimesti netissä kaikkien ladattavissa. Paikkatietojärjestelmä (geographic information system/gis) tarkoittaa maantieteellisen aineiston hallitsemiseen, luomiseen, tutkimiseen ja visualisoimiseen tarkoitettua ohjelmistoa(Steininger, Hunter 2013). QGis järjestelmän vahvuus on sen helppokäyttöisyys sekä saavutettavuus.

Omalle logiikalleni on luonnollisemapaa käyttää ArcGis paikkatietojärjestelmää jota käytin viime jaksossa. QGissistä on mielestäni välillä vaikea löytää mistä mitäkin toimintoja tehdään. Toiminnoille on kuvakkeet yläpaneelissa. Kuvakkeet ei mielestäni kuitenkaan visuaalisesti kuvaa mitä toimintoja ne suorittavat kuvakkeita on klikkailtava erikseen vuorotellen kunnes löytää oikean.

Viikon tehtävä

Ensimmäisen kerran tunnilla teimme yhdessä koropleettikartan itämerta ympäröivien maiden typpipäästöistä. Koska oli kyseessä ensimmäinen kerta ohjelmiston parissa tehtävä ei ollut mielestäni helppo. Olen kuitenkin tyytyväinen lopputulokseeni (kartta 1.1). Uskalsin leikkiä asetuksilla ja löydettyäni asetukset esimerksiksi ääriviivoille kartan ilme muuttui paremmaksi. Luulen että QGissillä leikkiminen saattaa olla tehokas tapa oppia tunnilla opitun tiedon lisäksi.

Kartta 1.1

Itsenäinen tehtävä, mitä opin?

Kurssin ensimmäinen itsenäinen tehtävä on luoda koropleettikartta käyttäen tietokantaa suomen kunnista. Jaoin yli 64 vuotiaat kokonaisväkiluvulla jonka myötä sain prosentuaalisesti yli 64 vuotiaiden määrän kunnittain. Lopputulos visualisoinnin jälkeen alla (kartta 1.2). Käytin ensimmäosestä tektävästä tasoja vesistöistä sekä rajoista. Sain mielestäni karttaan kaiken olennaisen tämän tehtävän kannalta. Parannuksia jota voisin vielä itse tehdä on koropleettikartan värien erottuminen sekä pohjoisnuoli johon olisi voinut lisätä kirjaimen “N” esimerkiksi. Voi myös miettiä onko ympäröivät maat/vesistöt olennaisia kartassa vai olisiko pitänyt jättää lisäämättä niitä ollenkaan.

Mietin myös että vaikka tummimmat sekä vaaleimmat alueet koropleettikartassa vaikuttaa olevan oikealla kohdillaan; miten todennäköistä on että näin suuressa osassa suomea on prosentuaalisesti alle 0,8% yli 64 vuotiaita? Voiko olla että laskin jotain väärin? Voiko lopputulokseen luottaa?

Vertasin tulostani Joanna Nuuttisen blogiin lisäämään koropleettikarttaan. Nuuttisen koropleettikartta esitti kuntien kokonaisväkilukua. Kartassa päinvastaiset kunnat olivat tummalla sävyllä kuin minun. Kun legendoja vertaa ja tulkitsee huomaa että melkein poikkeuksetta suurimpien väkilukujen kunnissa on pienempi prosentti yli 64% kun pienemmän väkiluvun kunnissa. Esimerkiksi suurissa kunnissa kuten Vaasa ja Helsinki vanhusten määrä prosentuaalisesti on pien kun taas väkiluku on suuri. Turun/Ahvenanmaan saaristo on taas väkiluvultaan pientä mutta yli 64 vuotiaita on prosentuaalisesti saaristossa paljon.

Kartta 1.2 (yli 64 vuotiaat prosentteina kunnittain Suomessa)

Opin tuomaan tiedostoja ohjelmaan, opin laskemaan ja luomaan uusia sarakkeita. Opin myös visualisoimaan karttoja sekä luomaan lopullisen “layoutin” pohjoisnuolineen, mittakaavoineen sekä selitteineen.

Yleisesti opin tällä kurssikerralla QGissin perustoimintoja. Toistamalla perustoimintoja itsenäisesti yhteisten tehtävien jälkeen toimi hyvänä toistona sekä näyttönä siitä että opin käyttämään toimintoja itsenäisesti. Toivottavasti opitut asiat jää muistiin ensi viikkoon asti.

Omat kommentit 

Kävin tämän kurssin ensimmäisen kerran vuonna 2019 jolloin tipuin kelkasta jo alkumetreillä. Kaikki QGissiin ja harjoitustehtäviin liittyvä tuntui silloin niin vaikealta. Pelkäsin ja lopuksi vihasin kurssia. Kolmen kuukauden ponnisteluiden jälkeen kurssi jäi omalta osaltani ilman suoritusta.

Viime jaksossa suoritin kurssin geoinformatiikan menetelmät 2. Huomasin yllätksekseni että olin jopa aika hyvä. Suoritin kaikki kurssin tehtävät ilman apuja ja sain hyvän arvosanan tentistä. Innostuin. Ehkä ottaisinkin lisää valinnaisia gis kursseja? Gis vihaajasta on tullut gis lover. Toivon että onnistun tällä kertaa paremmin tällä geoinformatiikan menetelmät 1 kurssilla.

Kerran viittaukset

Steiniger, S., Hunter, A., (2013). The 2012 free and open source GIS software map – A guide to facilitate research, development, and adoption,
Computers, Environment and Urban Systems
https://doi.org/10.1016/j.compenvurbsys.2012.10.003.

Joanna Nuuttisen blogi (23.1.2023): https://blogs.helsinki.fi/joznuuti/2023/01/23/qgis-ohjelmistoon-tutustuminen/

Tein viittauksista vielä oman blogijulkaisun alkuun joka löytyy myös sivuvalikosta nimellä lähteet ja viittaukset.

Steiniger, S., Hunter, A., (2013). The 2012 free and open source GIS software map – A guide to facilitate research, development, and adoption,
Computers, Environment and Urban Systems
https://doi.org/10.1016/j.compenvurbsys.2012.10.003.

Blogit:

Viitattu viikko 1:

Joanna Nuuttisen blogi (23.1.2023): https://blogs.helsinki.fi/joznuuti/2023/01/23/qgis-ohjelmistoon-tutustuminen/

Milja Mäkisen blogi (8.2.2023): https://blogs.helsinki.fi/mxmilja/2022/02/08/projektioilla-on-valia/

Tuukka Katajamäen blogi(20.2.2023): https://blogs.helsinki.fi/katuukka/2023/02/20/3-kurssikerta/

Nikolai Tuurin blogi(23.2.23): https://blogs.helsinki.fi/nikolait/

Tilastokeskuksen verkkosivu: https://www.stat.fi/meta/kas/taajama.html

Paitulin verkkosivu: https://paituli.csc.fi/

Maanmittauslaitoksen verkkosivu: https://www.maanmittauslaitos.fi/kartat-ja-paikkatieto/asiantuntevalle-kayttajalle/tuotekuvaukset/rinnevarjostus

Tämä blogi on perustettu maantieteen kandiohjelman ensimmäisen opiskeluvuoden “geoinformatiikan menetelmät 1” kurssia varten. Kurssi joka käydään vuoden pimeimpään aikaan tammikuusta maaliskuuhun on viiden opintopisteen kurssi, eli noin 135 tunnin työ (teaching.helsinki.fi).

Kurssin oppimistavoitteet on paikkatiedon perusteiden hallitseminen sekä paikkatiedon käytön perusteet. Kurssin jälkeen on ymmärrettävä paikkatiedon käyttömahdollisuudet maantieteellisen tiedon esittämisessä, tutkimuksessa (studies.helsinki.fi).

“Opiskelija osaa etsiä, tuottaa, hyödyntää ja analysoida paikkatietoaineistoja sekä visualisoida sitä helpommin luotettavaan muotoon. Opiskelija oppii kriittisyyttä paikkatiedon avulla tuotettujen esitysten lukemisessa ja vastuullisuutta niiden tuottamisessa” (studies.helsinki.fi).

Arviointiperusteet: 

• tekstin sisältö kielellisesti
• kartan, tulosten, oppimisen analysointi
• kartan sisällölliset ansiot
• kartan yleisilme, peruselementit

(luodut kartat, kirjoitettu analyysi 50/50)