Seitsemäs kurssikerta

Viimeisen kurssikerran aika! Tehtävänä oli tällä kertaa etsiä itse kaikki aineisto ja valmistaa niistä kartta tai karttasarja. Edellisillä kurssikerroilla olimme saaneet melkein kaiken aineiston valmiiksi eteemme tarjoiltuna, joten nyt jouduimme itse tekemään kaiken likaisen työn. Ja eihän se ihan helppoa ollutkaan! Alun perin suunnitelmanani oli tehdä kartta Australiasta tai jostain sen osavaltiosta, mutta tämä tehtävä osoittautui liian haasteelliseksi. Aineistoa olisi kyllä ollut saatavilla melko runsaasti, välillä jopa vähän liikaakin. Liian suuret aineistokoot olivat yksi ongelma, jonka kanssa taistelin monta tuntia. Toinen ongelma oli aineiston saaminen oikeaan muotoon, jotta sen pystyi tuoda QGIS:siin.

Monta tuntia kului yrittäessä, ensin itsenäisesti ennen kurssikertaa ja lopulta kurssikerralla Artun avustuksella. Australian manner kuitenkin koitui kohtalokseni, sillä a) aikani ei yksinkertaisesti olisi riittänyt b) taitoni eivät olisi riittäneet ja c) kärsivällisyyteni oli loppunut jo aikapäiviä sitten. Opin tästä ainakin sen, että vaikka paikkatietoa olisi tarjolla, se ei ole aina sellaisessa muodossa, josta olisi helppoa tai edes järkevää lähteä tekemään karttaa. Päätinkin vaihtaa suunnitelmaani ja hyväksyä sen, että en tule tekemään loistokasta karttaa lempimaastani Australiasta. Päätin sen sijaan siirtyä tuttuun ja turvalliseen Suomeen.

Ennen lopullista päämäärääni ja valmista karttaa harhauduin hetkeksi jälleen polulta ja tein kartan, joka käsitteli Suomen kuntien kesämökkien ja “normaalien” asuinrakennusten suhdetta. Tämä kartta ei kuitenkaan päätynyt tänne, sillä en ollut karttaan tyytyväinen ja halusin yrittää vielä jotain muuta.

Aluksi lähdettiin liikkeelle Australiasta, mutta lopulta päädyin Ouluun. Oulun kaupungilla on paljon ilmaista paikkatietoaineistoa, jota päätin hyödyntää.

Kuva 1. Kuvassa väestömäärä sekä terveysasemien sijainti Oulussa.

Valmis kartta ei ole täydellinen, sillä jostain syystä QGIS ei suostunut croppaamaan kunnanrajoja ja rantaviivaa. Vaikka molemmat aineistot olivat samassa koordinaatistossa, tuli jokaisen yrityksen jälkeen ilmoitus, että aineistot eivät ole samassa koordinaatistossa, minkä vuoksi toiminto ei toiminut. Lukuisten yristysten ja avustusten jälkeen toiminto ei siltikään toiminut, joten päätin tehdä kartan loppuun ilman croppaamista. Yksi terveysasemista myös näyttäisi olevan meressä, joten niiden sijainnit saattavat heittää hieman, ei kuitenkaan radikaalisti.

Kuvassa näkyy kaikki Oulun suuralueet, myös kuntaliitoksessa liittyneet Yli-Ii, Kiiminki, Yli-Kiiminki , Oulunsalo ha Haukipudas.  Valkoisella värillä näkyvät Yli-Ii ja Yli-Kiiminki ovat pinta-alaltaan valtavia verrattuna alkuperäisen Oulun pinta-alaan, mutta asukasluvultaan ne jäävät molemmat reilusti alle 4000 asukkaan. Nämä alueet ovatkin alunperin maaseutumaisia kuntia, joissa väestönkasvu ei ole suurta. Näillä alueilla vetovoimatekijöitä ei ole kovinkaan paljon. ja varsinkin nuoret muuttavat muualle koulutusten ja töiden perässä.

Eniten ihmisiä asuu Oulun keskustassa, Kaijonharjussa, Kaakkurissa ja Haukiputaalla. Keskustan suuri väestömäärä ei ole yllättävä, sillä siellä asutus on tiheintä ja pääosin kerrostaloasumista. Keskustan alueella on myös todella paljon tarjontaa ja uusia asuinalueita. Kaijonharjun suuralueella sijaitsee isoja, lapsiperhevoittosia asuinalueita kuten Ritaharju. Kaijonharjun suuralueella sijaitsee myös Oulun yliopisto, jonka läheisyydessä asuu paljon opiskelijoita. Alueelle myös rakennetaan jatkuvasti, ja se kasvaa kovaa vauhtia. Kaakkuri on myös lapsiperhevoittoinen asuinalue, lähialueen keskus.

Punaiset pisteet kartalla kertovat terveysasemien sijainnista. Kuntaliitoksessa liitettyjen alueiden sisällä on kaikissa yksi terveysasema. Esimerkiksi Yli-Iissa ja Ylikiimingissä välimatkat terveysasemille saattavat olla pitkät, mutta vähäisen väestömäärän vuoksi toista ei olisi mahdollista ylläpitää.

Keskustan alueella ja läheisyydessä, missä asuu muutenkin suurin osa koko Oulun asukkaista, terveysasemia on huomattavasti enemmän ja lähekkäin toisiaan. Tämä onkin melko yksinkertaista- siellä missä on enemmän asukkaita ja palveluja, on myös enemmän tässä tapauksessa terveysasemia ja -palveluita saatavilla.

 

 

Viimeisen kurssikerran jälkeen fiilikset kurssista on hyvät! Tuntuu, että tästä sai hyvät lähtökohdat geoinformatiikkaan ja pääsi oikeasti tutustumaan ja opettelemaan uutta ohjelmaa. Jos ensimmäisellä kurssikerralla en tiennyt mistään mitää, nyt viimeisen kurssikerran jälkeen tunnen oppineeni edes jotain. Kivointa on ollut huomata oma kehittyminen ja varsinkin karttojen ulkonäön muokkaaminen ja paranteleminen. Lempikarttani koko kurssilta visuaalisessa mielessä on kurssikerran 5 putkiremonttikartta. Kaikki kurssin kartat eivät välttämättä ole visuaalisesti niin kivoja, mutta ainakin tuo yksi kartta on mielestäni täydellisesti onnistunut. Kurssista on siis jäänyt käteen paljon uutta tietoa, onnistumisia, monen monta gis-luokassa vietettyä tuntia, epäonnistumisia ja turhautumisia. Melkoista vuoristorataa siis!

 

LÄHTEET

https://data.ouka.fi/data/fi/dataset

https://www.ouka.fi/oulu/oulu-tietoa/tilastoja-oulusta

 

Kuudes kurssikerta

Kuudennella kurssikerralla pääsimme itse tuottamaan aineistoa ja tekemään sen pohjalta harjoituksia. Tiistain koleasta kelistä huolimatta suuntasimme innokkaina  ulos suorittamaan tehtävää, jossa käytimme apuna Epicollect5-sovellusta. Suuntasin itse parini kanssa sateiseen Sörnäiseen ja tallensimme 7 paikan tiedot sovellukseen. Kun palasimme takaisin Kumpulaan, oli mielenkiintoista nähdä, miten omista tiedoista oli saatu aikaiseksi pistemuotoista aineistoa kartalle.

Kun kaikkien kurssilaisten tiedoista eli tallennetuista pisteistä koottu aineisto oli valmis, alkoi sen muokkaaminen. Jokainen piste sisälsi informaatiota siitä, miten pisteen tallentaja oli paikan kokenut. Asteikko oli väliltä 1-5, 5 ollessa turvallinen ja visuaalisesti miellyttävä ja 1 taas merkitsi rauhatonta ja turvatonta paikkaa. Pisteiden tyyliä muutettiin niin, että luvut 1 olivat punaisia pisteitä ja luvut siltä väliltä viiteen vaihtuivat vihreiksi. Näin  saatiin aikaan kartta, mistä näki hyvin, mitkä paikat koettiin turvallisina ja mitkä ei. Tämän lisäksi tutustuimme interpolointiin, mikä tarkoittaa sitä, että myös kartan alueille, missä ei ole pisteitä, saadaan arvoja. Kartan tyhjiin kohtiin vaikuttaa lähimpänä olevat pisteet.

Yhdessä muiden kurssilaisten kanssa tuotetun aineiston muokkaamisen jälkeen alkoi itsenäinen työskentely, jonka tarkoituksena oli tuottaa karttoja opetuskäyttöön. Tehtävän tarkoituksena oli myös opetella tuomaan QGIS:siin erimuotoisia aineistoja, joita emme olleet vielä aiemmin kurssikerralla käsitelleet. Karttojen aiheina olivat kolme hasardia: Tulivuoret, maanjäristykset ja meteoriitit. Jokaisen hasardin kohdalla aineistoa piti ensin muokata, jotta se saatiin tuotua QGIS:siin. kaikkien hasardien aineistot olivat pistemuodossa. Aineistojen muokkaamisen jälkeen itse karttojen tekeminen ei ollut erityisen haastavaa, vaan kurssikerran haastavuudet olivat enemmänkin siinä, miten aineistot sai muokattua ja  tuotua ohjelmaan. Päätin tehdä kolme eri karttaa, jokaisesta hasardista yhden. Aiemmassa tehtävässä käytetty interpolointi ei omasta mielestäni sopinut näiden karttojen ilmeeseen.

  • Maanjäristykset
Kuva 1. Kuvassa on pistemuodossa esitetty kaikki 2000-luvun yli 6-magnitudin maanjäristykset ja niiden sijainnit.

Valmiista kartasta käy hyvin ilmi, missä päin maapalloa suurin osa isoista maanjäristyksistä syntyy. Koska pisteitä on niin paljon, voi muun muassa erisuuruisten maanjäristysten sijaintieroja olla vaikeaa havaita. Suuria maanjäristyskeskittymiä on luonnollisesti Tyynenmeren tulirenkaan alueella, sekä mannerlaattojen reunoilla, missä suurin osa maanjäristyksistä tapahtuu. Tyynenmeren tulirenkaan alueella tapahtuu noin 90% kaikista maapallon maanjäristyksistä ja siellä myös sijaitsee noin 75% maapallon tulivuorista. Tyynenmeren tulirenkaan lisäksi toinen selkeä keskittymä on Pohjois- ja Etelä-Amerikan länsirannikoilla, jossa menee mannerlaattojen reunat.

 

  • Meteoriitit
Kuva 2. Kuvassa pistemuodossa esitettynä vuosien 2000-2019 aikana pudonneiden meteoriittien putoamispaikat.

Kuvasta 2 käy mielestäni selkeästi ilmi, minne kaikkialle meteoriitteja on 2000-luvulla pudonnut. Afrikassa Saharan autiomaan alue ja Yhdysvalloissa etenkin länsirannikko on selvästi meteoriittien suosittuja putoamispaikkoja. Meteoriittien määrä saattaa näyttää virheellisen suurelta kartalla, sillä aineisto on rajattu vain ajan mukaan, ei esimerkiksi massan mukaan. Todellisuudessa suurimassaisia meteoriitteja putoaa maahan melko harvakseltaan. Maan ilmakehään kulkeutuu kuitenkin päivittäin noin 100 tonnia meteoroideja (meteoriitti= Maan pinnalle kulkeutunut, meteoroidi= liikkuu avaruudessa), joista melkein kaikki kuitenkin tuhoutuvat, eivätkä siis saavuta Maan pintaa.

  • Tulivuoret
Kuva 3. Kuvassa on pistemuodossa esitettynä tulivuorten sijainti maapallolla.

Viimeisessä kartassa tulivuoria kuvaavat pisteet ovat jostain syystä epäselvempiä kuin edellisten karttojen pisteet, mutta kartasta käy kuitenkin selkeästi ilmi, missä tulivuoria sijaitsee. Kuten maanjäristystenkin kanssa, myös tulivuorten kohdalla voidaan selkeästi havaita Tyynenmeren tulirenkaan alue, samoin kuin Pohjois- ja Etelä-Amerikan länsirannikoiden alueet. Runsaasti tulivuoria sijaitsee myös muun muassa Indonesiassa, Afrikassa ja Islannissa. Keskellä merta sijaitsevat pisteet ovat mitä luultavimmin tulivuoriasaaria, joita on pitkin valtameriä. Vasta Emilian blogia lukiessani huomasin Ruotsissa kartan mukaan sijaitsevan tulivuoren. En ollut huomannut tätä itse aikaisemmin, mutta Emilia kirjoitti blogissaan, että uskoo tämän olevan vain epäonnekas sattuma. “Ruotsin tulivuori” on nimeltään Lakagigar ja se sijaitsee oikeasti Islannissa.

Kartasta käy ilmi ainostaan tulivuorten sijainnit, ei muun muassa tulivuorten aktiivisuus tai koko. Tästä syystä olisi voinut olla hyvä tehdä vielä pari karttaa, joissa näkyisi äsken lueteltuja asioita. Mutta tämä kartta saa nyt luvan pärjätä yksinään!

Kuudennen kurssikerran hasardikartat onnistuivat mielestäni hyvin. Kaikki kolme karttaa on melko simppeleitä, eikä niissä ole ns. mitään erikoista. Eli siis pitäisi näiden perusteella soveltua myös jonkinlaiseen opetuskäyttöön. Sanoisin siis, että kurssikerran tehtävä on suoritettu suhteellisen mallikkaasti!

 

LÄHTEET

Emilia Ihalainen, Viikko 6- Hasardit, luettu 22.3.2019 <https://blogs.helsinki.fi/ihem/>

https://www.nationalgeographic.org/encyclopedia/ring-fire/, luettu 22.3.2019

Viides kurssikerta

Viidennellä kurssikerralla pääsimme hyödyntämään edellisellä kurssikerralla tuotettua aineistoa Pornaisten kunnasta. Harjoituksessa tutustuttiin jälleen uusiin toimintoihin, esimerkkinä Intersection-toiminto. Alkuharjoitusten jälkeen päästiin kurssikerran tärkeimmän toiminnon pariin, nimittäin bufferointiin eli puskurointiin. Artun ohjeiden mukaan ensimmäiset puskurointiharjoitukset onnistuivat hyvin, mutta kun siirryimme tekemään harjoituksia itsenäisesti, olikin heti toinen ääni kellossa (kuten yleensäkin).

Puskurityökalua käytettiin itsenäisharjoituksissa selvittämään muun muassa sitä, kuinka monta ihmistä asuu Helsinki-Vantaan ja Malmin lentokenttien melualueilla. Selvitimme myös, kuinka moni kartan alueen asukas asuu alle 500 metrin päässä juna- tai metroasemasta, sekä kuinka monta prosenttia tästä luvusta on työikäisiä.

Kuva 2. Helsinki-Vantaan lentokentän melualueen asukkaat (yli 55 dB ja 65 dB alueilla).
Kuva 1. Malmin lentokentän pahimman melualueen asukkaat (1 km ja 2 km säteellä).

 

Muiden kurssilaisten blogeja lukiessa huomasin, että asukkaiden määrät vaihtelevat melko radikaalistikin muiden blogeissa. On täysin mahdollista, että omat tulokseni ovat erittäin väärässä, sen verran säätämistä bufferointi oli. Vaikkakin harjoitusten tulokset eivät välttämättä ole ihan totuudenmukaisia, harjoitusta tehdessä ymmärsin kyllä, mitä piti tehdä. Vastoinkäymisistä huolimatta bufferointi sujui kuitenkin ihan hyvin. Itsenäistehtävä 2 kohdalla vastoinkäymiset alkoivat nostaa päätään. Saimme laskettua harjoituksen mukaan taajamassa asuvat ihmiset (vastaukseksi saimme 478 371) sekä kouluikäisten lasten osuudet niin taajamissa kuin niiden ulkopuolellakin. Harjoituksen viimeinen kohta kuitenkin koetteli hermoja ja vei aikaani monta tuntia. Parinkin eri kurssikaverin kanssa yritimme saada selvitettyä, kuinka monella kartan alueella ulkomaalaisten osuus on yli 10%, 20% ja 30%. Vastaus jääköön selvittämättä, sillä me kaikki luovutimme ja jatkoimme muiden harjoitusten tekemistä.

Seuraavassa itsenäisharjoituksessa päätin tehdä kartan putkiremonteista. Tehtävä saattaa näyttää yksinkertaiselta, mutta sitä se ei ollut. Tässäkään tapauksessa en ole aivan varma, onko lopputulos 100% oikean, mutta ainakin sain jonkinlaisia arvoja ja kartan tehtyä. Kartan olisi voinut tehdä myös muulla tavoin, esimerkiksi koropleettikarttana. Olen kuitenkin tyytyväinen kartan visuaaliseen ilmeeseen, joka on hieman edellisistä kartoistani poikkeava. Prosenttien vaihteluväli on kuitenkin hieman harhaanjohtava, sillä tummin väri kattaa prosentit 12-22, joka saattaa olla harhaanjohtava. Jossakin päin tummin väri voi tarkoittaa 22% ja jossakin 12%.

Kuva 3. Pääkaupunkiseudun kerrostalojen putkiremonttien tarve (%).

Eniten putkiremonttien tarvetta näyttäisi olevan lähiöissä. Putkiremontteja joudutaan tekemään kerrostaloihin, jotka on rakennettu 1960- ja 1970-lukujen vaihteessa, joten lähiöt sopivat tähän ikähaarukkaan parhaiten. Korkeimmat prosentit löytyvät muun muassa Vuosaaresta, Mellunkylästä, Koivukylästä ja Myyrmäestä. Myös Lauttasaaressa ja Laajasalossa on paljon putkiremontin tarpeessa olevia kerrostaloja.

Työskentely QGIS: sin parissa on ollut tähän mennessä yhtä vuoristorataa. Kurssikerroille olen tulut aina innostuneena ja valmiina oppimaan uutta, mutta monesti usean tunnin työskentelyn jälkeen olen lähtenyt kotiin ärsyyntyneenä siitä, että omat taidot eivät ole riittäneet. Vaikka QGIS koetteleekin hermoja tuon tuosta, on silti palkitsevaa, kun karttaa tehdessä tietää, mitä pitää tehdä ja vielä onnistuukin tekemisissään. Vastoinkäymisten sattuessa muiden kurssikavereiden apu ja neuvot ovat olleet tärkeitä.

Vaikka päällisin puolin QGIS:sin käyttö sujuu ihan hyvin, suurin ongelma taitaa olla siinä, että uusiin toimintoihin tutustuessa vanhat, jo opitut toiminnot saattavat unohtua. Iina Rusanen pohtii blogissaan samaa. Kertaus onkin opintojen äiti!

 

LÄHTEET

Iina Rusanen, Ongelmanratkaisua ja onnistumisia, luettu 21.2.2019 <https://blogs.helsinki.fi/iinarusa/>

 

Neljäs kurssikerta

Neljännen kurssikerran aiheena olivat ruudukot, rasterit ja kartta-aineiston tuottaminen piirtämällä. Aiemmilla kurssikerroilla olimme käyttäneet vain vektoriaineistoja, joten oli korkea aika tutustua myös rasteriin.

Kurssikerran ensimmäinen tehtävä oli ruudukon luominen.  Ruudukon avulla oli tarkoitus tehdä väestöntiheyskartta. Aineistona käytimme pääkaupunkiseudun väestötietokantaa, joka näyttää muun muassa kaikki pääkaupunkiseudun rakennukset sekä rakennuksen väestötiedot. Aineisto oli pistemuodossa, ja jokainen piste vastasi yhtä rakennusta, jossa asuu ainakin yksi ihminen. Kuten Iina Rusanen kirjoittaa blogissaan, pistatietoainesto on tarkinta mahdollista aineistoa, sillä jokaisen pisteen sijainti voidaan määrittää tarkasti. Iina kirjoittaa blogissaan myös, että ruutuaineostot soveltuvat etenkin absoluuttisten arvojen esittämiseen. Pääsimme siis heti kurssikerran alussa tutustumaan kahteen erilaiseen tiedonesittämistapaan.

Harjoituksen kaksi tärkeintä toimintoa olivat Spatial Query ja vanha tuttu Join attributes by location. Edellisellä kurssikerralla käytimme myös Join atttibutes by location– toimintoa, mutta tällä kertaa sitä käytettiin hieman eri tavalla. Tällä kerralla muun muassa karsimme pois sellaisia sarakkeita, jotka sisälsivät tarpeettomia muuttujia. Harjoituksesta syntyi ruutukartta ruotsinkielisen väestön sijoittumisesta pääkaupunkiseudulla.

Kuva 1. Ruututeemakartta ruotsinkielisen väestön sijoittumisesta pääkaupunkiseudulla.

Ruotsinkielinen väestö on kartan mukaan keskittynyt rannikon tuntumaan. Helsingin kantakaupungissa näyttäisi olevan korkeimmat ruotsinkielisten asukkaiden lukumäärät. Myös Espoossa ja Kauniaisissa on paljon ruotsinkielistä väestöä. Helsingissä ruotsinkielisiä on eniten läntisissä ja eteläisissä kaupunginosissa. Esimerkiksi Ullanlinnassa joka kuudes alueen asukas on ruotsinkielinen. Lauttasaaressa asuu myös huomattavan paljon ruotsinkielistä väestöä.  Myös esimerkiksi Töölön, Meilahden ja Kallion alueella asuu paljon ruotsinkielisiä. Itäisen Helsingin puolella Kulosaaren ja Vuosaaren alueilla on myös suhteellisen paljon ruotsinkielistä väestöä.

Monet alueet, joilla on paljon ruotsinkielistä väestöä (mm. Ullanlinna, Lauttasaari) sijaitsevat hyvien kulkuyhteyksien varrella ja ovat muutenkin arvostettuja asuinalueita. Varsinkin Ullanlinna Helsingin kantakaupungissa on todella arvostettu asuinalue, ja asuntojen hinnat ovat siellä korkeita. Myös alueen arkkitehtuuri on vertaansa vailla.

Kuva 2. Ruututeemakartta muunkielisen väestön sijoittumisesta pääkaupunkiseudulla.

Tein ruututeemakartan myös muunkielisen väestön sijoittumisesta pääkaupunkiseudulla. Suurimmat keskittymät Helsingissä sijoittuvat kantakaupunkiin ja itä-Helsinkiin, muun muassa Vuosaareen ja Mellunmäkeen. Myös Pohjois-Haagan ja Kaarelan alueilla on paljon muunkielistä väestöä. Espoossa muunkielinen väestö on keskittynyt muun muassa Espoon keskukseen ja  Matinkylään, Vantaalla Koivukylään, Matinlaaksoon, Myyrmäkeen ja Hakunilaan. Ilona Tuovinen pohtii blogissaan, että muunkielinen väestö näyttäisi sekoittuvan muun väestön sekaan, eikä valtavan suuria muunkielisen väestön keskittymiä ole vielä päässyt muodostumaan, vaikkakin pääkaupunkiseudulla segregaatiota ilmeneekin. Toki pystytään erottamaan tietyt alueet, muun muassa lähiöt, joissa asuntojen hinnat ovat halvempia, joihin muunkielistä väestöä on keskittynyt. Muunkielinen väestö koostuu monesti maahanmuuttajataustaisista ihmisistä ja pakolaisista, mutta myös ulkomaisista huippuosaajista ja kaikesta siltä väliltä.

Molemmat kartat ovat mielestäni onnistuneet hyvin ja ovat selkeitä ja helposti luettavia. Ensimmäisen kartan ruutukoko 1 km x 1km on mielestäni parempi kuin toisen kartan ruutukoko 500m x 500m. Kun ruutuja on vähemmän, on kartta jotenkin helppolukuisempi. Ruututeemakartta sopii kyllä kuvaamaan alueellisia tiheysmuuttujia tai suhteellisia prosenttiosuuksia, kuten Amanda Ojasalo kirjoittaa blogissaan. Koropleettikartta voisi olla myös hyvä vaihtoehto.

Kurssikerran loppuaika kului rasteriaineistojen parissa ja tuottamalla omaa kartta-aineistoa piirtämällä. Valmistelimme seuraavaa kurssikertaa varten oman pistetietoaineiston sekä piirsimme teitä, joita tarvittaisiin seuraavalla kurssikerralla.

Kartta ruotsinkielisten sijoittumisesta pääkaupunkiseudulla onnistui Artun ohjeiden mukaan vaivattomasti kurssilla, mutta toisen kartan kanssa sai taistella liian kauan, ennenkuin se lopulta onnistui. Vaikka molemmat kartat tehtiin samalla tavalla, jostain syystä itsenäisesti tehty kartta muunkielisen väestön sijoittumisesta pääkaupunkiseudulla ei suostunut tekemään yhteistyötä. Lopulta kartta kuitenkin onnistui, vaikkakin huomasin jälkikäteen, että punaiset kuntarajat jatkuvat myös meressä. Aina ei voi voittaa! QGIS:sin kanssa työskentelyssä (varsinkin yksin) haastavinta on se, että vaikka periaatteessa tietäisi, mitä pitää tehdä, ei se käytännössä aina onnistu tai muistu mieleen.

 

LÄHTEET

Iina Rusanen, Ruututietokantoja ja rastereita, luettu 19.2.2019 <https://blogs.helsinki.fi/iinarusa/>

Ilona Tuovinen, Viikko 4- Rasteriruuturuuturasteri?, luettu 19.2.2019 <https://blogs.helsinki.fi/tuoilona/>

Amanda Ojasalo, Ruutuja, luettu 19.2.2019 <https://blogs.helsinki.fi/amandaoj/>

Helsingin kaupungin tietokeskus, <https://tilajakehitys.hel.fi/ikaantuva_vaesto>

 

 

 

 

 

Kolmas kurssikerta

Kolmannella kurssikerralla lähdettiin suoraa päätä uusien QGIS-harjoitusten pariin. Koska ohjelmaa oli tullut käytettyä edellisten kurssikertojen lisäksi myös itsenäisesti harjoittelemalla, tuntui QGIS:sin käyttäminen ensimmäistä kertaa jo vähän helpommalta. Vieruskaverin tietokoneongelmat kuitenkin verottivat ohjeiden seuraamista, joten alku meni muilta kurssilaisille ohjeita kysellessä. Aika pian olinkin jo muiden kanssa samassa tahdissa, ja pääsin kunnolla keskittymään päivän aiheeseen.

Kurssikerta aloitettiin Afrikan karttaa tarkastelemalla ja muokkaamalla. Harjoittelimme muun muassa ulkoisen tiedon liittämistä tietokantaan muista ohjelmista ja uuden tiedon tuottamista sekä sen lisäämistä jo olemassa olevaan tietoon. Aluksi yhdistettiin Afrikka-tietokannan kohteet, että sitä olisi helpompi käsitellä ja muokata.  Ensimmäisten harjoitusten aikana käytettiin taas uusia työkaluja ja toimintoja, mutta ohjeiden avulla tekeminen onnistui hyvin. Tutustuimme myös Joins-toimintoon, kun Excelistä lisättiin tiedosto QGIS:siin. Kuten Anttoni Tumanoffin blogissa lukee, harjoittelimme myös tiedon tuottamista tietokantaan sijainnin perusteella käyttäen toimintoja “pisteitä polygonissa” ja “polygoneja polygonissa”. Kun kaikki uudet tietokannat oli lisätty ja yhdistetty vanhoihin tietoihin ja laskutoimitusten avulla oli saatu uusia tietoja, oli Afrikan karttaharjoitus valmis. Afrikan kartalla oli siis timanttikaivosten, öljylöydösten ja konfliktien sijainnit. Attribuuttitaulusta pystyi saamaan vielä selville esimerkiksi konfliktien tarkemmat tiedot.

Koska tietokannasta löytyi harjoituksen lopussa niin paljon tietoa, sitä pystyisi hyödyntämään monella tavalla. Saaga Laapotin blogissa on pari hyvää esimerkkiä, mihin tietoja voisi hyödyntää. Kahden eri tilaston korrelaatiosta voidaan tehdä analyysejä, esimerkiksi internetin käyttäjien lukumäärä alueella korreloituna alueen konfliktien lukumääriin. Toinen Saagan mainitsema esimerkki oli aluekehityksen seuranta konfliktien määrän muutosta seuraamalla. Tietokannan avulla pystytään tekemään siis monenlaisia havaintoja ja tutkimuksia.

 

Seuraava harjoitus keskittyikin Afrikan sijaan Suomen. Harjoituksen tavoitteena oli vertailla Suomen valuma-alueominaisuuksia ja tulvaherkkyyttä. Harjoitus tehtiin ilman Artun yhteisiä ohjeita, mutta juuri tehtyjen harjoitusten takia uusi tehtävä ei tuntunut niin vaikealta. Kirjallisia ohjeita seuraamalla uusi tehtävä alkoi sujua vallan mallikkaasti. Kaikki sujuikin hyvin, kunnes huomasimme vieruskaverini kanssa, että olimme tuoneet Excelistä vääränlaisen tiedoston. Ei muuta kuin oikea tiedosto QGIS:siin ja eteenpäin! Yksinkertainen tehtävä muuttui kuitenkin tämän jälkeen haastavammaksi QGIS:sin kaatuilemisen takia. Vaikka ohjelman kaatuileminen olikin hermoja raastavaa, loppujen lopuksi kartta oli valmis.

Kuva 1. Tulvaindeksikartta Suomesta sekä järvisyysprosentteja kuvaavat pylväät.

Koropleettikartasta voi nähdä selvästi, että tulvaherkimmät alueet sijoittuvat rannikon läheisyyteen. Lapissa tulvii Järvi-Suomeen verrattuna enemmän. Järvi-Suomessa on niin paljon järviä, että tulvia ei ehdi syntyä, sillä vedellä on paikka minne valua. Tämä näkyy myös Suomen päälaella, sillä Inarijärven lähettyvillä ei myöskään ole korkea tulvaindeksi. Muualla Lapissa on toki järviä, mutta ne ovat jakautuneet epätasaisesti pitkin Lappia. Lapissa keväisin sulava lumimäärä on todella suuri, joka vaikuttaa tulvaherkkyyteen.

Alavalla Pohjanmaalla tulvat ovat jokavuotisia jäiden sulamisen aikaan keväällä. Pohjanmaata halkovat useat tulvaherkät joet ja alueelta puuttuvat lisäksi virtaamaa tasaavat  järvet, joihin vesi voisi valua tulvan aikana. Tulvaherkimmät alueet kiertävät rannikkoa aina Torniosta Oulun seudulle (Oulu best), läpi Pohjanmaan, Vaasan kautta Turun seudulle ja pääkaupunkialueelle. Matkan varrella on monta tulvaherkkää jokea,  esimerkkeinä pohjoisessa Iijoki ja Pohjanmaalla Pyhäjoki.

Kartan ulkonäkö on mielestäni onnistunut hyvin. Kartasta erottuu selkeästi, missä on paljon järviä. Järvisyysprosentteja kuvaavat pylväät ovat selkeät, mutta eivät vie kuitenkaan kaikkea huomiota. Ensimmäisellä viikolla karttojen tekemiseen meni huomattavasti enemmän aikaa, mitä tämän kartan tekemiseen meni. Nyt myös alkoasun ymmärtää tehdä heti kerralla itseä miellyttäväksi, niin sitä ei enää jälkikäteen tarvitse muuttaa. Edistymistä on siis havaittavissa!

 

LÄHTEET

Anttoni Tumanoff, luettu 30.1.2019 <https://blogs.helsinki.fi/gis-1-anttoni/>

Saaga Laapotti, luettu 30.1.2019 <https://blogs.helsinki.fi/saagalaa/>

 

 

 

Toinen kurssikerta

Toisella kurssikerralla QGIS:sin parissa työskentely jatkui taas. Kurssikerran aiheena olivat erilaiset projektiot ja niistä aiheutuvat pinta-alamuutokset. Kävimme läpi myös datan erilaisia lähteitä, muun muassa lyhenteet WMS, WMTS, WCS ja WFS olivat minulle ennestään täysin uusia. Teoriapläjäyksen jälkeen lähdettiin kokeilemaan erilaisia projektioita QGIS-ohjelmassa.

Aluksi kaikki tuntui taas uudelta ja vaikealta, koska ensimmäisen kurssikerran jälkeen jo opitutkin asiat olivat unohtuneet. Onneksi jälleen kerran hyvien ohjeiden avulla ohjelman kanssa pääsi taas vauhtiin. Kuten Saaga Laapotti blogissaan kirjoittaa, ensiksi harjoittelimme muun muassa tietokantojen muokkaamista, teimme erilaisia laskutoimituksia, joiden tuloksia tarvitsimme sekä tutustuimme taas uusiin valintatyökalujen käyttöön.

Harjoitusten jälkeen ryhdyimme hyödyntämään  uusia taitoja kartan valmistukseen. Tarkoituksena oli verrata erilaisia projektioita keskenään ja katsoa niiden pinta-alavääristymiä. Ensiksi vertasimme oikeapintaista Lambertin projektiota vääristävään Mercatorin projektioon. Tuloksena syntyi koropleettikartta (kuva 1).

Kuva 1. Suomen kartan pinta-alavääristymät, jotka syntyvät verrattaessa Labertin projektiota Mercatorin projektioon.

Kuten kuvasta 1 voi nähdä, vääristymäprosentit ovat todella suuria. Etelä-Suomessakin lukemat ovat suuria ja ne vain kasvavat, mitä pohjoisemmaksi mennään. Suomen päälaella lukemat ovat suurimmillaan. Projektioita valitessa kannattaa siis todellakin miettiä, minkä valitsee. Väärin tehty valinta voi antaa täysin väärää informaatiota.

 

Seuraavaksi tarkoituksena oli jatkaa erilaisten projektioiden vertailua keskenään.  Päätin vertailla Lambertin ja Winkel 1-projektioita, mutta QGIS päätti toisin. Toinen kurssikerta oli tähän asti selvitty ilman ohjelman kaatumista ja oikuttelua. Winkelin projektio oli kuitenkin QGIS:sille liikaa, sillä ohjelma ei suostunut lukuisien yritysten jälkeen toimimaan Winkelin projektion kanssa. Tästä syystä pääduin lopulta valitsemaan seuraavaksi projektioksi Eckertin projektion.

Kuva 2. Suomen kartan pinta-alavääristymät Lambertin ja Eckertin projektioita verrattaessa.

Kuvassa 2 vertaillaan Lambertin ja Eckertin projektioita. Kuten kuvassa 1, myös tässä kartassa vääristymät ovat etelä-pohjoissuuntaisia. Toisin kuin kuvassa 1, vääristymälukemat ovat kuitenkin melko maltillisia. Lukemat kasvavat taas pohjoista kohti, jossa päälaella vääristymäprosentti on noin välillä 38-50.

 

Toisin kuin ensimmäisellä kurssikerralla, olen tyytyväinen tehtyihin karttoihin. Värit ovat selkeät ja helposti luettavissa. Legendaan olisi tosin voinut kirjoittaa suoraan, mitä projektioita vertaillaan. Muuten olen tyytyväinen. QGIS:sikään ei enää Winkelin proketion vaihdon jälkeen kaatuillut vaan toimi moitteettomasti. Kurssikerran lopussa oli onnistunut olo, sillä olin taas oppinnut uutta ja saanut pari uutta karttaa aikaiseksi.

Seuraavaan kurssikertaan!

 

 

LÄHTEET

Saaga Laapotti,  luettu 30.1.2019 <https://blogs.helsinki.fi/saagalaa/>

 

 

 

 

Ensimmäinen kurssikerta

Ennen Geoinformatiikan menetelmät 1- kurssin ensimmäistä kurssikertaa en osannut aavistaa, mitä kurssi toisi tullessaan.  Heti ensimmäisellä kerralla lähdettiin tutustumaan ja opettelemaan QGIS-ohjelman käyttöä, sillä se tulisi olemaan avainasemassa kurssilla.  QGIS- paikkatieto-ohjelma oli minulle ennestään tuntematon, joten opeteltavaa tulisi olemaan paljon.

 

Ensimmäiset vaiheet QGIS: sin parissa sujuivat melko vaivattomasti seuraamalla annettuja ohjeita tarkasti. Mutta kuten Emilia Ihalainen blogissaan sanoi, vaikka  perustoimintojen ymmärtäminen oli melko helppoa, uusi ohjelma vaati kuitenkin harjoittelua ja tarkempaa perehtymistä.  Ilman yksityiskohtaisia ohjeita ohjelman käyttäminen olisi tuottanut vaikeuksia heti kättelyssä. Teoriassa jotkut asiat olivat muistissa geoinformatiikan johdantokurssilta, kuten Iina Rusanen mainitsi blogissaan. Attribuuttitaulu oli tuttu käsite, mutta käytännössä kuitenkin vielä uusi tuttavuus.

Perustoimintoihin tutustumisen jälkeen oli kartan laatimisen vuoro (Kuva 1).  Vaikka ohjeet olivatkin hyvät, itse ohjelma ei toiminut aivan moitteettomasti. Alussa ongelmia ei ollut, mutta jonkin  aikaa ohjelmaa käytettynä toiminnot latautuivat todella hitaasti. Tämä hankaloitti hieman ohjeiden perässä pysymistä, kun omaa karttaa ei saanut tehtyä samassa tahdissa muiden kanssa. Onneksi tätä ei kestänyt koko aikaa, vaan puskurointien jälkeen ohjelma toimi taas normaalisti ja muilta kurssilaisilta sai neuvoja, joilla pääsi taas vauhtiin.

Kuva 1. Kartta Itämeren alueen valtioiden typpipäästöosuuksista.

Ensimmäisellä kurssikerralla valmistunut kartta kuvaa Itämeren valtioiden typpipäästöjen osuuksia. Huomasin vasta jälkeenpäin, että legenda on jäänyt vähän puolitiehen, joten tulen luultavasti vielä muokkaamaan karttaa.  Myöskin kartan värejä olisi voinut muokata, sillä nyt alin typpipäästöväri on saman värinen kuin muut kartan valtioit. Vaikka kartta ei täydellinen olekkaan, on se kuitenkin hyvä alku, josta voi aina parantaa. Harjoitus tekee mestarin!

Kartasta voidaan nähdä, että suurin saastuttajamaa on Puola. Se näkyy kartalla mustana.  Sitä seuraavat Ruotsi, Venäjä ja Valko-Venäjä.  Kuten Emilia Ihalainen kirjoitti omassa blogissaan, syitä Puolan korkeisiin päästöosuuksiin on useita. Puolan väkiluku on on suuri ja muun muassa maataloutta harjoitetaan paljon.  Maatalous on yksi merkittävimmistä typen päästöjen aiheuttajista. Muita syitä ovat esimerkiksi teollisuus ja metsätalous. Muita syitä Puolan ja itse asiassa Venäjänkin korkeisiin päästölukemiin on esimerkiksi jätevesien kehno puhdistus. Puolassa ongelmallinen on myös Veiksel-joki, joka kuljettaa Itämereen saasteita.

Yllättävää on se, että Saksa tuottaa niin vähän typpipäästöjä. Saksassakin on suuri väkiluku ja paljon teollisuutta. Iina Rusasen blogista löytyi pohdintaa aiheesta. Koillis-Saksaa lukuun ottamatta iso osa Saksasta Itämeren valuma-alueen ulkopuolella, jolloin vedet virtaavat Itämeren sijasta Atlantin Valtamereen.

Kuva 2. Kartta Itämeren alueen valtioiden typpipäästöosuuksista, paranneltu versio.

Kuten aiemmin mainitsin, en ollut tyytyväinen ensimmäiseen karttaani, joten päätin muokata sitä mieleisekseni. Vaihdoin kartan värit neutraalimmaksi ja muokkasin myös legendan. Ensimmäisessä kartassa Itämeren alueen järvet hallitsevat karttanäkymää ja ovat sotkuisen näköisiä, joten muokkasin järviä niin, että ne eivät ole pääroolissa. Koska välissä oli kerennyt olla jo toinenkin kurssikerta, kartan muokkaaminen tuntui jo paljon helpommalta ja luontevammalta. Edistystä on siis havaittavissa!

Kuva 3. Suomen kuntien työttömyysprosentit vuonna 2015.

Kartta kuntien työttömyysasteista onnistui ilman suurempia ongelmia. Tein kartan hieman myöhemmin, vasta toisen kurssikerran jälkeen, joten sekin vaikutti tehtävän tekemiseen. Koska QGIS-ohjelmaa oli käyttänyt jo hetken, tuntui kartan tekeminen helpolta.

Työttömyyttä on eniten Pohjois- ja Itä-Suomessa, vähiten Itämeren rannikolla. Poikkeuksen Lapin korkeisiin työttömyyslukuihin tekevät Sodankylän, Kittilän ja Muonion kunnat. Yksi tähän johtavista syistä on muun muassa turismi. Oulun työttömyysaste on muihin suuriin kaupunkeihin verrattuna korkea. Parhaimmat työllisyysasteet löytyvät pääkaupunkiseudulta, Ahvenanmaalta ja länsirannikolta Vaasan seudulta.

Ensimmäinen kurssikerta sisälsi paljon uutta tietoa ja uusia asioita. Vaikka QGIS-ohjelman käyttö alkoi jo loppua kohden sujumaan, on siinä vielä paljon opeteltavaa, että sen käyttö olisi sujuvaa myös itsenäisesti. Vielä on siis paljon opeteltavaa ja muistettavaa!

LÄHTEET

Emilia Ihalaisen blogi. Luettu 21.1.2019 <https://blogs.helsinki.fi/ihem/>

Iina Rusasen blogi. Luettu 21.1.2019 <https://blogs.helsinki.fi/iinarusa/>

Muokattu 24.1.2019, lisätty uusi kartta Itämeren typpipitoisuuksista ja analysoitu uutta karttaa. Lisätty myös kuva työttömyysasteista Suomessa vuonna 2015.