The final countdown

Koitti sekin tuomiopäivä, kun kaikkien piti osoittaa kyvykkyytensä ja tuottaa omatoimisesti alusta loppuun jokin kartta tai karttasarja – olimme valmiita siihen tai emme (lue: emme). Saimme hyvät ohjeet viimeiselle kurssikerralle valmistautumiseen sekä kattavan listan mahdollisista paikoista, joista tiedonhaun voisi aloittaa. Silti koko ajatus tuntui hirvittävältä. Ajattelin, että minun taidoillani ja tuurillani luvassa olisi fiasko.

Vaan eipä tullutkaan fiaskoa! Datan etsiminen etukäteen ja teeman ideointi kotona pelasti minut, samoin meille vinkatut datasivustot. Hylkäsin monta suunnitelmaa ennen lopullista ratkaisua, sillä pelkäsin haukata liian suurta palaa. Halusin mieluummin panostaa siihen, että aihe olisi realistinen ja oikeasti esimerkiksi opetusmateriaalina käytettävä, ja että saisin datan toimimaan ja kartat loppuun asti tehtyä. Testasin kotona jopa läppärilläni QGIS:ssä, että lataamani data varmasti toimi, mikä oli todella kannattavaa. Siispä toimivan datamateriaalin perusteella aiheekseni valikoitui karttapari, joissa esitetään satamien sijaintia sekä kalastusalusten määrää.

Ihan ensimmäiseksi etsin itselleni toimivan vektorimuotoisen maailmankartan [1], josta voisin tarvittaessa tarkastella myös pienempiä alueita. Latasin samalta sivustolta myös yhteensopivia yksityiskohtia, kuten valtiorajoja ja jokia. Lisäksi satuin löytämään sivustolta pistemuotoista dataa satamista ja niiden sijainnista, joten siinä vaiheessa päätin aiheeni liittyvän kalastukseen tai vesiliikenteeseen. Tarkoituksenamme oli tehdä useampi kartta ja esittää parin eri muuttujan tietoja samassa kartassa. Siispä ensimmäinen karttani (kuva 1) on aiheeseen johdatteleva maailmankartta, jossa suuria/tunnettuja/tilastoituja satamia esitetään punaisin palloin. Sivustolta ei käy ilmi, millä perusteella kyseiset satamat ovat valikoituneet aineistoon, mutta esitin kartalla ne kaikki. Epäilen myös, että satamia on todellisuudessa maailmassa paljon enemmän.

Kuva 1. Kansainvälisiä satamia maailmankartalla. (Kuva: Laura Ahola, QGIS)

Kuvasta 1 nähdään, että satamia on tiheästi etenkin Yhdysvaltojen itärannikolla ja Euroopassa. Tähän syynä lienee muun muassa Yhdysvaltojen ja Euroopan sisäinen vilkas laivaliikenne, sekä Atlantin ylittävä kaupankäynti.  Päätinkin etsiä tähän tueksi Euroopasta tarkempaa tietoa satamien käytöstä [2]. Eurostat -sivustolla on todella kattavasti dataa Euroopasta lähes mistä vaan aihepiiristä, ongelmaksi meinasikin muodostua valinnanvaikeus (tai datan yhteensopimattomuus). Yhteensopimattomuusongelmista saatan myös syyttää enemmän itseäni kuin todellisia virheitä, en vieläkään luota kovin hyvin kykyihini ymmärtää, hallita ja käsitellä dataa. Kuvassa 2 visualisoin lopulta Euroopan maiden kalastusaluksien määrää sekä satamien sijaintia. Tässä kartassa voi huomata vielä paremmin, että satamien määrää on syytä epäillä. Esimerkiksi Islannissa satamia ei ole näköjään olemassakaan, ja Suomessakin vain Helsingissä. Koska muissa maissa on kuitenkin useampiakin satamia, tulin siihen tulokseen, että tilastointiehtona on saattanut toimia käyttöaste tai sataman suuruus. Ikävä kyllä asian todellinen laita ei käy ilmi.

Kuva 2. Koropleettikartta kalastusaluksien määrästä eri EU-maissa. Satamat on merkitty punaisin palloin. (Kuva: Laura Ahola, QGIS)

Toinen kartta (kuva 2) onnistui mielestäni hyvin ja visualisoi selkeästi haluamiani asioita. Jouduin käsin poimimaan EU-valtioita alkuperäisestä kartasta, koska en saanut muita valintatyökaluja toimimaan oikein. Lisäksi tajusin alkuvaiheessa, että jotta informaatio on yhdenmukaista, minun tulee noudattaa alkuperäisen maailmankartan ja satamadatan kartan sääntöjä. Kalastusaluksien määrä piti ensin muokata notepadissa ja excelissä oikeaan muotoon, jotta QGIS ymmärsi sitä. Kerrankin sekin sujui mutkitta, couldn’t believe it! Sen jälkeen sain yhdistettyä kalastusalusdatan satamadataa join -työkalulla, ja tein koropleettikartan esittämään kalastusaluksien määrän eroja. Halusin säilyttää tarkan numerotiedon legendassa yksityiskohtaisempaa vertailua varten, mutten halunnut esittää numerotietoa kaavioina tai pylväinä kartalla. Mielestäni lopputuloksesta näkee näin nopeammin suurimmat erot, jonka jälkeen asiaa voi tarkastella vielä lähemmin. Itse asiassa, olen tyytyväinen molempiin karttoihini! Tuloksista käy ilmi, että Atlantin reunalla olevat valtiot sekä Välimerenvaltiot, joissa oletettavasti on hyvät kalastusalueet ja kalastus on edelleen tärkeä elinkeino, on enemmän kalastusaluksia kuin muualla.

Näin jälkikäteen kurssia ajatellen, ei se ollutkaan niin paha kuin oletin. Työt sai esimerkiksi paljon nopeammin tehtyä kuin vaikka Corel -kursseilla. Aihepiiri ei ollut kuitenkaan itselleni se mieluisin, mutta tästäkin on nyt selvitty! Toisin kuin Juho, joka kertoo blogissaan mielenkiinnon syttyneen QGIS:iä kohtaan, voin itse todeta, että osaltani QGIS jää tähän, ellei jotain erittäin hyvää ja pakollista syytä tulevaisuudessa ilmene. Ymmärrän sen hyödyllisyyden, mutta minua kutsuvat tästä eteenpäin labra ja hiirimallit!

Kiitos kurssikavereille vertaistuesta, Kristalle vieressä istumisesta ja yhteisistä tuskailuista, sekä Arttu Paarlahdelle maailman kärsivällisimmästä, ystävällisimmästä ja selkeimmästä opetuksesta ja ohjauksesta!

LÄHTEET
[1] https://www.naturalearthdata.com/downloads/ (ladattu 27.2.2019)
[2] https://ec.europa.eu/eurostat/tgm/table.do?tab=table&init=1&language=en&pcode=tag00116&plugin=1 (ladattu 27.2.2019)
[3] https://blogs.helsinki.fi/juhokaup/ (luettu 3.3.2019)

 

Hermot koetuksella

Kurssilla aletaan selvästi lähestyä sellaisia harjoituksia, joissa tahti kovenee, komennot ja tavoitteet monimutkaistuvat ja aina ei enää ymmärretä, miksi asioita tehdään kyseisellä tavalla. Olen edelleen sitä mieltä, että QGIS olisi oikea kultakaivos karttojen tuottamiseen tulevaisuudessa esimerkiksi opetusta varten, mutta vaatisi todella säännöllistä käyttöä ja paljon harjoittelua. Aika näyttää mille tasolle tämän kurssin jälkeen ollaan päästy.

Kolmannella kurssikerralla selkein tarkoituksemme oli oppia yhdistelemään eri tietokantoja, mikä oli hyödyllistä mutta pienen tuskan takana. Muistamista oli paljon, tarkkana sai olla koko ajan, eikä ohjelma välttämättä silti heti toiminut halutulla tavalla. Tai sitten se ei toiminut, koska itse menin ja sössin huomaamattani sitä sun tätä. Onneksi on kärsivällinen opettaja ja kurssikaverit apuna!

Konkreettisina harjoituksina saimme ensin eteemme Afrikan mantereen tietokannan ja tietoa siellä esiintyvistä öljy- ja timanttialueista sekä konflikteista [1]. Oli erittäin hyvä, että harjoittelimme tietokantojen yhdistämistä ennen lopullista karttaharjoitusta, sillä komentojen ja niiden järjestysten muistamisessa oli silti ongelmia. Sitten paneuduimme Suomen tulvaindeksin laskemiseen ja järvisyysprosentin esittämiseen (Kuva 1).

Kuva 1. Tulvaindeksi ja järvisyysprosentti esitettynä Suomen valuma-aluekartalla. Tulvaindeksi on saatu laskemalla keskiylivirtaama (MHQ) jaettuna keskialivirtaamalla (MNQ). Järvisyysprosentti havainnollistaa eri alueiden järvien määrää. (Kuva: Laura Ahola, QGIS).

Ensin meidän tuli yhdistää eri järvisyys-, valuma-alue- ja virtaamatietokantojen tietoja samaan tietokantaan ja laskea attribuuttitaulukkoon tulvaindeksi. Saaga selittää asian ytimekkäästi blogissaan: ”Tulvaindeksin laskeminen onnistuu monella tavalla, mutta kyseisen  kartan teossa käytimme kaavaa MHQ/MNQ, eli jaettiin keskiylivirtaama keskialivirtaamalla. Kaavalla lasketaan tulvahuppujen ja kuivien kausien pienimpien arvojen keskiarvon suhde. Järvisyys tarkoittaa järvien osuutta koko valuma-alueen pinta-alasta.” [2]

Lopputuloksesta tehtävä kartta oli tähänastisista kartoista vaikein visualisoida sen useiden tasojen vuoksi. Kaikkia tasoja, kuten esimerkiksi jokia, en edes ottanut mukaan lopulliseen karttaan selvemmän lopputuloksen saamiseksi – tietoa kun piti esittää niin paljon samassa kartassa. Samoin kapinoin järvisyysprosentin esittämistä pylväsdiagrammeina, koska kartan luettavuus kärsi siitä todella paljon. Siksi järvisyysprosentti on kartassani esitettynä vaaleanpunaisin palloin. Pallot on myös pyritty sijoittamaan selvyyden vuoksi esiintymisalueen keskelle, ei alueen järvisyyden painopisteen mukaan, mikä saattaisi muussa tapauksessa olla hyödyllisempää.

Kuten Emilia toteaa, alueilla, joissa järvisyysprosentti on suuri, tulvaindeksi on matala [3]. Syy ilmiöön on esimerkiksi pinnanmuodoissa. Mitä tasaisempi maasto, sitä pienempi tai vähäisempi virtaama. Lisäksi jos alueilla on enemmän järviä, virtavedet varastoituvat niihin eikä tulvaindeksi ole korkea. Länsi-Suomessa Pohjanmaalla myös maankohoaminen, meren läheisyys ja suuremmat joet yhdessä tasaisten pinnanmuotojen kanssa vaikuttavat tulvaindeksin olevan keskimäärin korkeampi kuin muualla Suomessa.

lähteet
[1] https://www.prio.org/ (luettu 30.1.2019)
[2] https://blogs.helsinki.fi/saagalaa/ (luettu 31.1.2019)
[3] https://blogs.helsinki.fi/ihem/ (luettu 31.1.2019)

Ensikosketus QGIS:iin

Näin maantieteen sivuaineopiskelijana olen odottanut tiettyjä kursseja kauhulla, sillä huhuja käytetyistä tietokoneohjelmista ja niiden monimutkaisuudesta liikkuu paljon. Tiedon esittäminen maantieteessä -kurssin jälkeen huomasin kuitenkin ilokseni, että ohjelmia tosiaan oppii käyttämään kurssin aikana, vaikka ne olisivat entuudestaan olleet täysin vieraita. Lisäksi totesin, että perusasiat opittuani ohjelmilla pystyy tuottamaan jo todella upeita karttaesityksiä. Siksi lähdin tälle kurssille jo paremmilla fiiliksillä ja odotan mielenkiinnolla, millaisia tuotoksia QGIS-ohjelmalla saadaan aikaan.

QGIS on avoimen ja vapaan lähdekoodin paikkatieto-ohjelmisto ja vielä ilmaiseksi ladattavissa omalle koneelle [1]. Eräs ohjelman hyvistä ominaisuuksista on se, että se tukee ja käsittelee monipuolisesti erilaista dataa, kuten vektori-, rasteri- ja tietokantaformaatteja, joissa paikkatietoaineistoa usein esitetään. Ohjelmalla saadaan tuotettua helposti erilaisia karttoja ja kuvia.

Jo ensimmäisellä kurssikerralla pääsimme kokeilemaan QGIS:iä käytännössä, kun teimme HELCOM:n aineiston [3] pohjalta koropleettikartan (Kuva 1). Kartassa esitetään Itämeren valtioiden typpipäästöjen osuuksia. Mitä tummempi väri on, sitä suurempi on valtion osuus kokonaistyppipäästöistä. Kuten Elisa omassa blogissaan pohtii, syinä Itämeren typpipäästöihin ja rehevöitymiseen ovat muun muassa teollisuuden ja maatalouden, sekä väestön määrä Itämeren valuma-alueella.

Kuva 1. QGIS-ohjelmalla tuotettu kartta, jossa esitetään Itämeren kehysvaltioiden typpipäästöjä vuonna 2016. (Kuva: Laura Ahola, QGIS)

Ensimmäiseksi QGIS:llä tuotetuksi kartaksi olen melko tyytyväinen lopputulokseen. Värejä oppii varmasti vielä kurssin edetessä säätämään silmälle miellyttävämmiksi ja visuaalisesti kauniimmiksi, mutta ainakin esitettävä ilmiö erottuu muusta pohjakartasta, eivätkä esimerkiksi valtioiden tai järvien ääriviivat pomppaa liikaa silmään. Legendan avulla ulkopuolisenkin on mahdollista tulkita karttaa ja esitettävää ilmiötä.

Tästä seuraavaksi helpottuneilla ja jopa toiveikkailla fiiliksillä kohti seuraavaa kurssikertaa!

lähteet
[1] https://qgis.org/fi/site/about/index.html
[2] https://blogs.helsinki.fi/elqaho/
[3] http://www.helcom.fi/