Hihhulihei. Kurssi huipentui omaan työskentelyyn viimeisellä kurssikerralla. Aineiston sai valita itse, kuin myös aika vapaasti sen mitä sillä tekee. Tämä oli sekä kiva että rasittava juttu.

Aineistot

Kärsin aineiston takia tarpeettoman paljon. Meinasin ensin valita Yhdysvallat, joka jakautuu kivasti osavaltioihin, mutta päädyin ottamaan vain yksittäisen osavaltion – vanhan kunnon Kalifornian – joka jakautuu piirikuntiin. Huomasin, että erilaisten mahdollisten aineistojen runsaus on samaan aikaan hyvä että huono juttu. Toisaalta valinnanvaraa on paljon, mutta toisaalta sitä ei tiedä mitä valita.

Kiersin läpi erilaisia Yhdysvaltain valtion ylläpitämiä digitaalisia arkistoja tms., mm. USGS:n ScienceBase, data.gov ja California Open Data Portal, yrityksenäni löytää jotain innostavaa. Lopulta säädin U.S. Census Bureaun data.census.gov -sivustolla ihan liian pitkään aineistojen kanssa ja päädyin valitsemaan jonkun, ihan sama minkä, helposti karsittavissa olevan aineiston. Sivusto on helppokäyttöinen ja sieltä löytyy hyvinkin yksityiskohtaista dataa, mutta aineiston rajaus voisi kenties olla helpompaa.

Valitsemani U.S. Census Bureaun aineistot koskevat työllistymistä ja opiskelua. Karsin niitä koskemaan pääosin vain suoritettujen tutkintojen jakautumista aloittain ja koulutustasoa. Lisäksi käytin California Department of Technologyn (2019) aineistoa osavaltion piirikunnista. Huomiooni tuli valitsemaani aineistoani käsitellessä, että vaikka Kaliforniassa on 58 piirikuntaa, osasta ei jostain syystä ollut dataa.

Käyttämäni aineistot olivat laajempia kuin mitä tarvitsin, joten karsin niitä sekä itse U.S. Census Bureaun aineistopalvelussa että jälkikäteen Excelissä. Lisäksi laskeskelin aineistoon uusia sarakkeita, mm. prosenttiosuuksia. Aineiston käsittely vei tarpeettoman paljon aikaa. Hermoni olivat välillä kovilla erityisesti sen takia, että aineistoa ladattaessa tai muokatessa jossain vaiheessa lukujen viimeisiä nollia katosi useampi, joiden puuttumisen huomasin vasta visualisointivaiheessa, ja minun piti palata korjaamaan asiaa. Ei vissiin mikään kovin erikoinen ongelma, mutta oma osaamattomuus osaa ärsyttää.

En tiedä mitä aineistolähdettä Sini Saarela (2024) on blogissaan käyttänyt, mutta hän  mainitsee, että olisi ollut helpompaa ottaa aineisto Suomesta, koska aineisto olisi ollut helpompi löytää. Samaistun Sinin ajatukseen, koska sopivan ja kiinnostavan aineiston etsiminen ei-jo-esitellyiltä-sivustoilta vei itseltäkin jonkin verran aikaa, varsinkin kun olemme ehkä keskittyneet opinnoissamme Suomeen aika paljon. Samaan aikaan pidin aineistojen löytämisestä itse, koska se tarjosi mahdollisuuden laajentaa omaa osaamista oman kiinnostuksen mukaisesti.

Kaiken kaikkiaan oli ihan opettavaista ja kenties tulevaisuutta ajatellen ihan hyödyllistä koluta läpi oman maansa digitaalisia arkistoja ja hieman siinä sivussa tutustua tarjottuihin palveluihin ja käytäntöihin (tätä oli oikeastaan itselläni tarkoituksenakin tällä kurssikerralla). Aineiston kanssa leikkiessä oli välillä ikävä Artun valmiiksi annettuja aineistoja ja yksityiskohtaista opastusta, mutta toisaalta nautin myös luomisen tuskasta ja itse asioiden selvittämisen apua kysymättä tuomasta onnistumisen tunteesta.

Tuotokset

Kuva 1. Kalifornian työikäisten suosituimmat tutkintoalat ja koulutustaso (2022). Lähde: U.S. Census Bureau (2022a, 2022b), California Department of Technology (2019).

Ensimmäisessä kartassa (Kuva 1) kuvasin kunkin Kalifornian piirikunnan suosituimmat ensimmäisen tutkinnon alat. Lisäksi kartalla on kuvattu piirakkadiagrammina kunkin piirikunnan työikäisten (25-64 -vuotiaiden) koulutustaso (jako alemman kuin kandidaatin tutkinnon suorittaneiden ja kandidaatin tutkinnon tai ylemmän tutkinnon suorittaneiden kesken). Piirikunnat, joista ei ole dataa, on kuvattu harmailla viivoilla.

Kuvasta nähdään, että tiede ja tekniikka on suurimmassa osassa Kaliforniaa työikäisten suosituin ensimmäisen tutkinnon tutkintoala. San Francisco (keltaisella (Kuva 1)) on ainut piirikunta, jossa suosituin tutkintoala on kauppatieteet. Los Angelesissa yleisin on tieteeseen ja tekniikkaan liittyvät alat. Taiteet, humanistiset tieteet ja muut ovat paikoitellen yleisin tutkintoala.

Koulutustasona kandidaatintutkinto tai sitä korkeampi tutkinto on yleisempi lähellä San Franciscoa ja kandidaatintutkintoa matalampi tutkinto yleisempi kauempana San Franciscosta. Sama ilmiö toistuu Los Angelesin piirikunnan kohdalla. Koulutustaso on myös yleisesti hieman matalampi sisämaassa ja korkeampi rannikolla. Poikkeuksena tästä on Sacramenton ympäristö, jossa koulutustaso on korkeampi kuin yleisesti sisämaassa muuten.

Kalifornia on tunnettu mm. San Franciscon lahden ympäristössä ja erityisesti Piilaaksossa päämajailevista teknologiayrityksistä. Tämä saattanee ainakin osittain selittää tieteen ja tekniikan suosiota kautta osavaltion ja erityisesti San Franciscon lähettyvillä, jossa kyseisten suurten teknologiayhtiöiden työntekijöitä oletettavasti enemmän asuu. Suurten yritysten olemassaolo San Franciscossa selittänee osaltaan myös kauppatieteiden suosiota piirikunnassa. Sacramenton ympäristön korkeakouluttaneisuuden takana puolestaan lienee ainakin osavaltion pääkaupungin, Sacramenton, sijainti piirikunnassa. Los Angeles on myös suuri asutuskeskus ja tunnettu viihteestään, mikä saattanee ainakin osittain selittää lähialueen korkeamman koulutustason.

Kuva 2. Kandidaatintutkinnon suorittaneiden työikäisten osuus työikäisistä Kaliforniassa (2022). Lähde: U.S. Census Bureau (2022a, 2022b), California Department of Technology (2019).

Koska aihe oli oikeastaan ihan mielenkiintoinen ja voin, päädyin myös tekemään toisen kartan aiheen viereltä (Kuva 2). Siinä kuvasin kandidaatintutkinnon suorittaneiden prosentuaalista osuutta työikäisistä. Havainnot vastaavat ja vahvistavat jo ensimmäisestä kartasta saatua kuvaa tilanteesta; Sacramento ja Los Angeles löyhemmin mutta erityisesti San Francisco ovat eräänlaisia korkeammin koulutettujen keskittymiä. Myös Humboldt vaikuttaa olevan hieman ympäristöään korkeammin kouluttautunut.

Koska dataa puuttuu osasta piirikuntia, ei koko osavaltiosta saa täydellistä kuvaa. Olisi mielenkiintoista nähdä vastaavaa tietoa esimerkiksi Humboldtin pohjoispuolella olevasta Del Norten tai sen viereisen Siskiyoun piirikunnasta sekä sisimmästä Kalifornian sisämaasta (esim. Inyon, Monon ja Lassenin piirikunnista). Nämä ovat hieman vähemmän asuttua seutua, ja siellä luulisi olevan kenties hieman matalampi koulutustaso. Olisi myös voinut ottaa selvää, miksi dataa ei kaikista piirikunnista ole.

Karttoja tehdessä tulee itkettyä valintojen edessä, mikä on välillä rasittavaa. Tässä kartassa (kandidaatintutkinnoista) mietin esimerkiksi pitkään, otanko mukaan myös niiden piirikuntien nimet, joista ei ole dataa, mutta päätin kuitenkin nimetä vain ne joista on dataa, koska toisaalta kyseisen aineiston esittämisen kannalta en pitänyt datattomia piirikuntia nimistöineen täysin välttämättömänä tietona kartalla (päinvastoin; mielestäni se olisi tehnyt kartasta sekavamman ja vaikeamman tulkita). Toisaalta nimistön mukaan ottaminen voisi täydentää annettua kuvaa koko osavaltiosta ja hyödyttää esimerkiksi niitä kartan lukijoita, jotka haluaisivat paneutua aiheeseen lisää.

Itse pidän jälkimmäisestä kartasta enemmän. Se on visuaalisesti onnistuneempi ja selkeämpi. Siinä on myös piirikuntien nimet, joita en ensimmäiseen karttaan järkevästi saanut mukaan, koska piirakkadiagrammit veivät tilaa piirikuntien päältä.

Lopuksi

Kurssi oli sitten pääosin tässä, ilmeisesti. Koen oppineeni kurssilla paljon niin itse asiaa kuin epämääräistä nippelitietoa ja epämääräisempiä taitoja. Yhdessä kurssitovereiden kanssa työskenteleminen sekä vahvisti opittua että opetti yhteistyötaitoja ja vahvisti sosiaalisia suhteita. En myöskään enää stressaa sitä, kuka näitä postauksia lukee (hei vaan sinä siellä), joten kai kurssi opetti myös eräänlaista itsevarmuutta ja loi tiedeyhteisöä, ja/tai opetti olemaan välittämättä asioista (miten ikinä haluaakaan asian ilmaista).

Kadun eräitä asioita kurssilla. Olisin voinut tehdä asioita huolellisemmin, tarkemmin ja systemaattisemmalla otteella. Lisätehtävien enempi tekeminen olisi ollut hauskaa. Jos olisin jäänyt jumittamaan yksittäisiä asioita vähemmäksi aikaa, olisi niitäkin voinut ehtiä tehdä.

Muiden blogeja lukiessa on läpi kurssin ollut helppo tuntea olonsa pieneksi ja mitättömäksi. Toisaalta toisten blogit ovat myös tukeneet omaa oppimista ja käsitystä siitä, miten paljon itse pystyy tai haluaa panostaa. Eräät kurssitoverit (mm. Saara Torvi) ovat blogeissaan onnistuneet pitämään hyvän tasapainon pohdinnan ja tehdyn asian kuvailun kanssa, mikä on vaikuttanut toimivalta. Samoin olen ihaillut läpi kurssin mm. Laura Vitikan blogin tasokkuutta. Hyvistä blogeista olisi voinut kurssin aikana ottaa enemmän opikseen. Pitäisi vissiin pitää tällaiset asiat muistissa, niin ehkä oman työn ja oppimisen laatu silloin nousisi.

Lähteet

California Department of Technology. (2019.) CA Geographic Boundaries. California Open Data Portal. https://data.ca.gov/dataset/ca-geographic-boundaries

Saarela, S. (2024). Viimeistä viedään. Sinin GIS-matka. https://blogs.helsinki.fi/sinsaare/2024/02/28/viimeista-viedaan/

U.S. Census Bureau. (2022a). Employment Status. American Community Survey, ACS 1-Year Estimates Subject Tables, Table S2301. https://data.census.gov/table/ACSST1Y2022.S2301?t=Employment&g=040XX00US06$0500000&moe=false

U.S. Census Bureau. (2022b). Field of Bachelor’s Degree for First Major. American Community Survey, ACS 1-Year Estimates Subject Tables, Table S1502. https://data.census.gov/table/ACSST1Y2022.S1502?t=Educational%20Attainment&g=040XX00US06$0500000

Oh yeah baby, lisää karttoja taas tällä viikolla. Tämä tuskin yllättää ketään.

Jää on liukasta

Aamun aluksi pienen alustuksen jälkeen Arttu heitti meidät pihalle leikkimään. Ilokseni sain todeta sileän hiekoittamattoman peilikirkkaan jään totta tosiaan olevan liukasta ja päädyin myös tekemään lähempää tuttavuutta maan kanssa.

Aineiston kerääminen Epicollect5-sovelluksella oli helppoa ja kätevää ja sovelluksen UI ihan kiva, mutta tulin siihen tulokseen että mittauspisteiden arviointi on yllättävän subjektiivista. Jokainen varmaan vastaa eri kysymyksiin eri kriteerein. Esimerkiksi koettu turvallisuus, visuaalinen miellyttävyys tai oleskelun houkuttelevuus voivat paljonkin vaihdella ihmisten välillä riippuen esimerkiksi vastaajan sukupuolesta, siitä mitä vastaaja pitää kauniina tai siitä onko vastaaja mittauspaikan kohdeyleisöä.

Kuva 1. Kumpulan turvallisuuden interpolointi

Interpoloidusta kartasta (Kuva 1) sai paljon järkevämmän muuttamalla legendan oletusasetuksia. Kartasta tuli ihan jees, mutta ainakin omassa ryhmässä useampi ihminen otti samoista mittauspisteistä dataa ylös, minkä pelkään vaikuttaneen aineistosta saatuihin tuloksiin.

The land of the free and the home of the brave

Tarkoituksena oli seuraavaksi ilmeisesti tehdä kartta opetuskäyttöön. Koska annetut aineistot olivat Yhdysvaltain tuottamia (Nasa, USGS), avaruus on cool, meteoriitit on cool, ja Nasa on cool, inspiroiduin tekemään kartan Yhdysvaltain alueelle pudonneista meteoriiteista (Kuva 2). Opin, että kannattaa tosiaan filtteröidä aineistoa ennen kuin sitä lähtee latailemaan tai visualisoimaan kartalla. 100kg meteoriitit ovat jo ihan kivan kokoisia ja pienempiä oli liikaa; 100kg rajauksessani ei sinänsä ollut muuta logiikkaa. Rajasin myös viimeiseen sataan vuoteen ihan vain huvikseni, koska voin. 100 vuotta on tavallaan sopiva lähihistorian rajaus, ja sen ajan tapahtumat joku elossa oleva voi vielä muistaakin henkilökohtaisesti.

USA:n kaikkia territorioita, mukaanlukien mm. Hawaii ja Alaska, ei ole kartalla koska huomasin, että havaintoja on vain nyt kartalla näkyvältä alueelta (contiguous United States). Lisäksi hain lisäksi kartalle Yhdysvaltain osavaltioiden rajat selkeyttämään karttaa (USGS, n.d.).

Kuva 2. Yli 100 kg meteoriitit USA:ssa viimeisen sadan vuoden aikana

Tuloksena syntyi kartta, jossa koitin ottaa ulkonäköön inspiraatiota vanhoista USA:ssa tehdyistä oppikirjoistani. Kieli on tämän vuoksi englanti ja kartta mitä on, tarkoituksena kun oli sulautua joukkoon. Toisaalta vältin käyttämästä yhdysvaltalaisia mittayksiköitä, toisaalta koska aineisto antoi massan grammoissa ja toisaalta koska metrisissä yksiköissä on mielestäni yksinkertaisesti enemmän järkeä. Mahdollisia parannuksia ajatellen olisin esimerkiksi voinut jättää Yhdysvaltain ulkopuoliset alueet näymästä kartalla ja olisin voinut ottaa Yhdysvalloissa opetuskäytössä usein käytetyn Mercatorin projektion käyttöön (jotta kartta sulautuisi paremmin joukkoon, ei että Mercator olisi parempi). Itseä myös häiritsee mittakaavan puute, mutta Arttu sanoi että sen voi jättää pois (ihan ymmärrettävästi, koska käytössä oleva Robinsonin projektio ei maailman mittakaavassa ole tarkin mahdollinen).

Tulos on lähellä haluttua ja sopinee esimerkiksi opetuskäyttöön Yhdysvalloissa tai ylipäätänsäkin englanninkieliseen opetukseen missä tahansa missä kyseinen aihe nähdään tarpeeksi tärkeäksi. Lasten mielestä oletettavasti meteoriitit ovat siistejä ja mielenkiintoisia joten nyt heille on kiinnostava kartta meteoriiteista jota he voivat pällistellä.

Kartalta näkee, että yli 100 kg meteoriitteja viimeisen sadan vuoden aikana on pudonnut erityisesti Texasiin. Texas on iso osavaltio, joten tämä tuskin yllättää ketään. Toisaalta mielestäni erityisen mielenkiintoista on, että meteoriitteja on aineiston mukaan pudonnut juuri Yhdysvaltain harvemmin asutettuihin keskiosiin eniten. Toisaalta onni, koska kukaan tuskin haluaisi 100 kg meteoriittien putoavan oman talonsa päälle. Olisi mielenkiintoista paneutua syihin enemmän (miksi esim. Great Lakes Regionilla tai (pohjoisella) itärannikolla ei ole juuri yhtään meteoriitteja? onko se vain sattumaa?).

Maanjäristyksiä

Seuraavan kartan tein Väli-Amerikan maanjäristyksistä (Kuva 3). Alkuperäinen suunnitelma oli tehdä samasta aiheesta mutta Euroopasta, mutta vaihoin koska Eurooppaa käsitellään muutenkin jo ihan tarpeeksi.

Maanjäristysten kanssa vaihdoin taustakarttaa, koska voin. Rajaus 7.5 magnitudiin oli mielestäni sopiva, koska sen kokoinen järistys aiheuttaa jo vähän tuhoa, mutta niitä on vielä aika paljon verrattuna esimerkiksi magnitudin 8 järistyksiin, jolloin niitä on kartalla enemmän ja karttaa on kivempi katsella (ehkä?). 100 vuoden rajaus pysyi koska edellisessä kartassakin oli sama ajallinen rajaus.

Kuva 3. Väli-Amerikan yli 7.5 magnitudin maanjäristykset viimeisen sadan vuoden aikana

Kartalta näkee, että maanjäristyksiä on tapahtunut paljon länsirannikolla. Siellä on useiden eri litosfäärilaatan saumakohta, jonka takia se on seismisesti hyvin aktiivista aluetta (Guillermo et al., 2017). Tämäkin kartta sopisi opetuskäyttöön esimerkiksi korostamaan maanjäristysten aiheuttamia riskejä Väli-Amerikassa ja/tai havainnollistamaan maanjäristysten esiintymistä litosfärilaattojen saumakohdissa.

Ryminääjyminää buumpoks kräsh

Kuva 4. Tulivuoria, maanjäristyksiä ja meteoriitteja

Neljäs kartta jonka tein on maailmanlaajuinen kartta tulivuorista, maanjäristyksistä ja meteoriiteista (Kuva 4). Kartasta saa nopeasti kuvan siitä, missä esiintyy mitäkin hasardia, mutta sitä tarkempaan tarkasteluun siitä tuskin on hyötyä. Esimerkiksi tulivuoret ja meteoriitit ovat melko pahasti itsensä/toistensa päällä.

Rajaukset tässä perustuvat ajallisesti lähihistoriaan 100 vuoden ajalle, lukuun ottamatta tulivuoria aineiston lukittelusta johtuvien rajoitusten takia. Järistyksistä on otettu vain yli 8 magnitudin järistykset, koska se on raja milloin maanjäristykset ovat oikeasti vakavia, episentrumin kohdalla äärimmäisen tuhoisia (“Earthquake Magnitude Scale”, n.d.). Meteoriiteista on otettu lisäksi vain massaltaan yli 10 000 g yksilöt, sillä 10 kg alkaa olla jo jonkin kokoinen ja se alkaa ilmeisesti olla jo massaltaan epätyypillisen suurta luokkaa (“Frequently asked questions”, n.d.).

Hasardikarttaa voisi käyttää tuntiopetuksessa esimerkiksi havainnollistamaan hasardien alueellista jakautumista. Kartan avulla voitaisiin myös pohtia hasardien välisiä yhteyksiä ja parantaa oppilaiden kokonaiskuvaa maailmasta.

Ajatuksia?

Tällä viikolla erilaiset csv-tiedostot ja niillä leikkiminen oli isossa osassa. Ihan hyvä oppia muokkaamaan niitä ja ymmärtämään vähän itsekin, mitä niille pitää tehdä että ne toimii niin kuin on haluttu. Ei sinänsä vaikeaa, mutta vaatii edes jonkun verran ajatuksella tekemistä.

Oleellista opittua tämän viikon hommien parissa oli myös virkistää muistia siitä, miten riviä vaihdetaan QGIS:n legendassa. Kiitokset tästä Lauralle (tässä linkki hänen blogiinsa).

Tein kaikki opetuskäyttöön tarkoitetut kartat tylsästi esittäen informaation pisteinä kartalla. Esimerkiksi Laura Vitikka (2024) ja Liina Leisola (2024) ovat blogeissaan julkaisseet myös erityyppisiä karttoja, mikä on ihan virkistävää. Olisi voinut itsekin inspiroitua sellaiseen. Ehkä ensi kerralla.

Lähteet

Earthquake Magnitude Scale. (n.d.) Michigan Technological University. https://www.mtu.edu/geo/community/seismology/learn/earthquake-measure/magnitude/

Frequently asked questions. (n.d.) The UCLA Meteorite Collection. https://meteorites.ucla.edu/faq/#:~:text=Meteorites%20may%20vary%20in%20weight,about%203%20to%2030%20cm.

Guillermo et al. (2017). The new Central American seismic hazard zonation: Mutual consensus based on up to day seismotectonic framework. Tectonophysics 721(6). http://dx.doi.org/10.1016/j.tecto.2017.10.013

Leisola, L. (2024). Kuudes kurssikerta. Liinan blogi. https://blogs.helsinki.fi/liinalei/2024/02/26/kuudes-kurssikerta/

USGS. (n.d.) State boundaries (generalized for mapping). USGS. https://www.sciencebase.gov/catalog/item/52c78623e4b060b9ebca5be5

Vitikka, L. (2024). Reipas aamukävely ja karttojen tekoa 21.2. Lauran opiskelublogi. https://blogs.helsinki.fi/viclaura/2024/02/23/reipas-aamukavely-ja-karttojen-tekoa-21-2/

Paras kurssikerta tähän mennessä! Pornainen, lentokentät ja asemat olivat tämän päivän juttu. Opitun soveltaminen yhdessä kurssitovereiden kanssa oli parasta (vaikka toki Artun juttujen kuunteleminen ja seuraaminen oli myös mielenkiintoista). Huomasin jälleen kerran, että ongelmanratkaisussa, joksi arvatenkin tällaista QGIS:llä leikkimistä voitaisiin kutsua, onnistuminen on palkitsevaa.

Lentokentät

Pahimmalla melualueella (2 km sisällä lentokentästä) Malmin lentokentän vielä toimiessa asui 58 851 ihmistä ja kilometrin säteellä 9 055 ihmistä. Tämän selvittäminen oli yksinkertaista bufferin avulla.

Helsinki-Vantaan lentokentän välittömässä läheisyydessä (2 km säteellä kiitoradoista) asuu 11 753 ihmistä ja heistä 65 dB alueella asuu 19 ihmistä eli 0.16%. Tämän selvittämiseen olisi ehkä ollut helpompikin tapa kuin itse nopeasti keksimäni, mutta QGIS:n kanssa oppinee käyttämään nopeimpia, yksinkertaisimpia tapoja parhaiten kokemuksen kautta.

Vähintään 55 dB alueella Helsinki-Vantaan lentokentän lähistöllä asuu 11 923 asukasta. Tämä on mielestäni huolestuttavaa, koska asun itse jonkun matkan päässä itse lentomelualueelta, mutta silti kuulen lentokoneet ja muun ihmistoiminnan kohinan ja hurinan ja metelin ulkona ollessani mielestäni turhan hyvin. Hiljaisuus lienee katoava luonnonvara.

Jos Helsinki-Vantaan lentokentän saapuva liikenne käännettäisiin laskeutumaan poikkeuksellisesta suunnasta (kaakosta), ja oletus on että 60 dB lentomelu syntyisi silloin 7 km pitkälle ja 1 km leveälle alueelle kaakko-luode suuntaisen kiitoradan kaakkoispuolelle, lentomelu haittaisi 13 266 ihmistä Tikkurilassa. Alla nopeasti tehty huono kuva havainnollistamassa tilannetta (Kuva 1). Tämä oli mielestäni mielenkiintoinen tehtävä, vaikka aivoni tekivät tehtävänannon ymmärtämisen itselleni tunnilla turhan vaikeaksi (jostain syystä jälkikäteen asiat tuppaavat kuulostamaan paljon yksinkertaisemmilta).

Kuva 1. Poikkeustilanteen lentomelualue Tikkurilassa

Asemat

Kartan alueella 500 m säteellä lähimmästä juna- tai metroasemasta asuu 112 175 ihmistä. Kaikista alueen 511 097 asukkaasta 21.95% asuu alle 500 m päässä asemasta. Luvut tuntuivat aluksi turhan suurilta, mutta tarkemmin ajateltuna käyvät järkeen.

Työikäisiä kartan alueella 500 m säteellä lähimmästä juna- tai metroasemasta on 74 989 eli 66.85% asukkaista. Ohjeista poiketen en käyttänyt tässä Join attributes by location -toimintoa, vaan muistaakseni Select by locationia, koska Join ei toiminut itselläni kuten olisin halunnut. Vaihtoehtoisia keinoja onneksi QGIS:ssä löytyy kun etsii, ilmeisesti. Jäänee mysteeriksi, olisiko prosenttiosuudet pitänyt (tai ollut mahdollista) laskea QGIS:ssä; itse laskin ne ulkoisella laskimella.

Ajatuksia

Vaikka aineisto on kaikilla sama, huomasin tänäänkin saatujen tulosten eroavan hieman ihmisten välillä pienten erojen työskentelytavoissa takia. Lienee siis hyvä muistaa pyöristämisen jalo taito ja hyväksyä, ettei analyyseissä saadut arvot tai vastaukset aina ole absoluuttinen totuus.

Itse säätäessä oppii paremmin kuin seuraamalla Arttua. Itse säätäminen on myös hauskempaa. Tämä onkin paras mahdollinen kombo opiskelussa. Lisäksi itse ymmärrettyä jotain, on mukava auttaa muita, ja asia jää mieleen entistäkin paremmin. Siitä huolimatta itse työskentelyssä on omat ongelmansa, varsinkin monivaiheisissa analyysimenetelmissä. Kuten Jon Hägerfelth (2024) on blogissaan maininnut, yhdenkin yksityiskohdan unohtaminen prosessissa voi johtaa siihen, että seuraavatkaan asiat ei onnistu niin kuin olisi halunnut tai pitänyt. Tämä saattaa johtaa esimerkiksi turhautumiseen. Toisaalta se myös saattaa, ainakin itsellä, innostaa halutun pämäärän saavuttamiseen entistä enemmän.

Armida Wanström (2024) on blogissaan hyvin samaistuttavasti pohtinut, olisiko ikäluokkien yhteen laskemiselle yksinkertaisempaa tapaa. Armidan sanoin, “tuntuu siltä kuin jokaisen asian voisi tehdä helpommalla tavalla toisella työkalulla”. QGIS:n harjoittelu lieneekin meillä vasta oikeasti aivan alkutaipaleella; en toistaiseksi tosin osaa sanoa onko tämä innostava vai lannistava tieto.

Lähteet

Hägerfelth, J. (2024). Vecka 5. joqhager’s blog. https://blogs.helsinki.fi/joqhager/2024/02/19/vecka-5/

Wanström, A. (2024). Bufferointi ja reflektointi viikko 5. Gissful thinking. https://blogs.helsinki.fi/armida/2024/02/15/bufferointi-ja-reflektointi-viikko-5/

Tämän kurssikerran olennaisimmat osat olivat ruutukartan tekeminen ja aineiston valmistelu ensi kertaa varten. Opimme myös yleisen tason asiaa piste- ja ruutuaineistoista. Eräs mielenkiintoinen asia oli huomata se, miten mielenkiintoisia ja yksityiskohtaisiakin tietoja tietokannoissa voi olla. Toisaalta mieleen tuli, että esimerkiksi demografisen tiedon yksityiskohtaisuus voi väärissä käsissä olla varsin vaarallinenkin juttu.

Ruutukartan tekeminen onnistui helposti Artun johdatuksella, ja vaikein asia oli värien valitseminen, niin kuin yleensäkin. Ruutukartat ovat ainakin itselle hieman vähemmän tunnettu karttatyyppi, mutta ilmeisesti ihan toimiva ja hyvä osata tehdä. Ensi viikon aineiston valmistelu puolestaan toi mieleen viime syksyisen kurssin MAA-201 Tiedon esittäminen maantieteessä, jossa myös digitoitiin rajattua aluetta, mukaanlukien sen teitä ja asuntoja, ja peltoja… ja… ha…

Ruututeemakartta

Kuva 1. Ruotsinkielisten osuus Helsingin, Espoon, Vantaan ja Kauniaisten asukkaista 1 km x 1 km ruuduilla esitettynä (%)

Tehdyllä ruutukartalla (Kuva 1) voidaan nähdä ruotsinkielisten prosentuaalinen osuus asukkaista pääkaupunkiseudulla 1km x 1km ruuduittain. Lukijaa ajatellen kartta voisi olla parempi ainakin siten, että kuntarajat voisivat olla siinä näkyvillä. Tämä tekisi siitä selkeämmän ja kartan informatiivisuus paranisi huomattavasti, kun lukija osaisi paremmin mielessään sijoittaa kartalla näkyvän alueen reaalimaailmaan. Tämä toisi kartalle paremmin kontekstia. Tällaisenaan ruutukartta on hieman irrallisen oloinen ja siitä tehdyt tulkinnat kenties hieman rajoitettuja.

Ruututeemakartalla ei mielestäni ainakaan tällaisen aineiston kanssa ole kovin onnistunut valinta esittää absoluuttisia arvoja. Asukkaiden määrä ruuduissa vaihtelee alueella paljon. Esimerkiksi tiiviisti asutuilla Helsingin kerrostaloalueilla on huomattavasti enemmän asukkaita ruudulla kuin Vantaan peltoisilla syrjäseuduilla. Toisin sanottuna ruotsinkielisten absoluuttiset arvot riippuvat suuresti ruudun kokonaisasukasmäärästä, joka vaihtelee paljon ruutujen välillä. Jos kyseessä olisi tilanne, jossa ruuduittaiset asukasmäärät olisivat vakio, voisi absoluuttisten arvojen esittäminen olla perusteltu ratkaisu. Suhteelliset arvot olisivat kuitenkin siinäkin tilanteessa kenties keskenään paremmin vertailtavissa ja sen takia todennäköisesti suosisin niitä ainakin itse, ellei  absoluuttisten arvojen esittämiselle olisi muuten perusteltua syytä. Tällainen voisi olla esimerkiksi tilanne, jos nimenomaan oltaisiin kiinnostuneita itse absoluuttisesta arvosta eikä niinkään siitä suhteessa arvoihin muissa ruuduissa.

Ruututeemakartan informaatioarvo verrattuna esimerkiksi perinteiseen koropleettiteemakarttaan tai pisteteemakarttaan riippunee käyttötarkoituksesta. Koropleettiteemakartta tuonee esiin alueiden väliset vähittäiset erot ruututeemakarttaa paremmin. Pisteteemakartta taas esittänee tiedon näistä kolmesta yksityiskohtaisimmin ja nimensä mukaan pistemäisesti. Ruututeemakartta lienee puolestaan hyvä valinta karkeahkoon, suhteelliseen vertailuun.

Ruututeemakartan luettavuus on mielestäni samaa tasoa verrattuna muihin teemakarttoihin. Hyödyllistä varmaankin on, jos lukijalla on aikaisempaa kokemusta ruututeemakartoista, jolloin sitä ihmettelee vähemmän ja lukee enemmän. Koska ruudut ovat saman kokoisia ja muodostavat siistin ruudukon, on ruututeemakartta jokseenkin suoraviivaisempi ja yksinkertaisepi kuin jotkut muut teemakartat, minkä voisi tavallaan nähdä parantavan luettavuutta.

Valmis ruutukartta on mielestäni ihan ok näköinen. Värit ovat mielestäni neutraaleja ja selkeästi erottuvia. Tulkintaa vaikeuttaa se, että suurimpia arvoja saavat ruudut ovat pääosin rannikolla ja sen takia pieniä ja repaleisia, minkä vuoksi niiden erottaminen on hankalaa. Otsikossa myös itse kuvassa olisi voinut mainita myös alueen, aineistolähteen ja vuoden.

Huomasin tunnilla vierustoverini kartan, samoista aineistoista koostuvan ja samalla tavalla tehdyn, olevan erilainen kuin omani. Hänellä oli huomattavasti näkyvämmin kaikista suurimpia arvoja saavia ruutuja; esimerkiksi eräs hänen ja lähes samassa kohdassa sijaitseva oma ruutuni saivat aivan erilaisia arvoja (hänellä ruutu sai korkeimman arvon, minulla keskimmäisen). Ruudukon sijoitus, jossa meillä oli silmämääräisesti varsin pieni ero, muodostui yllättävän olennaiseksi asiaksi lopullisen kartan perusteella alueesta muodostuvan käsityksen kannalta.

Tein huvin vuoksi ruutukartan myös 5km x 5km ruuduilla, mutta tuo ruutukoko oli yksinkertaisesti liian suuri ja yleistävä. Stella Syrjänen blogissaan (2024) onkin mielestäni osuvasti tuonut esille sen, kuinka ruutukoon valinnalla voidaan oleellisesti vaikuttaa tuloksiin. Päädyin itse ruutukoolla leikkiessäni siihen tulokseen, että ainakin tässä harjoituksessa 1km x 1km on tarpeeksi karkea ruutukoko mahdollistaakseen alueellisen yleistyksen, mutta samaan aikaan tarpeeksi hieno tuodakseen vaihtelun järkevästi esiin. Myös esimerkiksi 500m x 500m olisi myös ollut ihan hyvä vaihtoehto – tavallaan jopa parempi, koska siinä alueelliset erot olisivat näkyneet entistä paremmin. Esimerkiksi Taika Jaakkola on blogissaan (2024) ollut 500m x 500m ruudukosta eri mieltä, mutta, kuten hänkin tuumii, asia lienee luppujen lopuksi pitkälti makukysymys.

Itse ilmiön puolesta ruotsinkielisiä vaikuttaa olevan keskimääräistä enemmän sekä Helsingin keskustassa että yleisesti rannikolla (etenkin Espoon rannikolla), ja lisäksi niin idässä kuin lännessäkin kohtalaisen matkan päässä keskustasta (esimerkiksi Pohjois-Espoo ja Itä-Helsinki). Ilmiön syyt lienevät pääosin historiallisia. Luultavasti myös esimerkiksi ruotsinkielisten ihmisten asema vähemmistönä Suomessa, jossa valtaväestö puhuu suomea, ja heidän oletettu keskinäinen yhteisöllisyytensä aiheuttanee sen, että he saattavat haluta asua lähellä toisiaan ja näin ollen on olemassa ruotsinkielisten keskittymiä (ruututeemakartan sinisemmät osat). Ilmiölle on varmasti muitakin selityksiä.

Lähteet

Jaakkola, T. (2024). Tiedon esittäminen ruututeemakartalla. Taikamatkalla GIS-velhoksi. https://blogs.helsinki.fi/jztaika/2024/02/06/tiedon-esittaminen-ruututeemakartalla/

Syrjänen, S. (2024). 4 viikko, Ruututeemakartta. Stella’s blog. https://blogs.helsinki.fi/stellasy/2024/02/06/4-viikko-ruututeemakartta/

Tällä kurssikerralla jatkoimme siis jälleen vanhan kunnon QGIS:n kanssa (mitäpä muutakaan). Keskityimme tietokantojen valmistelemiseen, muualta tuomiseen ja yhdistämiseen sekä uuden tiedon tuottamiseen vanhasta. Itsenäisharjoituksessa tuli tehtyä myös teemakartta. Kaiken kaikkiaan siis varsin mielenkiintoista hommaa. Huomaan, että osaamiseni QGIS:n kanssa todellakin kehittyy joka kurssikerran myötä, mikä on jokseenkin palkitsevaa.

GIS-luokan koneeni ei halunnut aukaista QGIS-ohjelmaa, joten tein kaikki harjoitukset läppärillä, jonka minulla onneksi oli mukana. Säädin ohjelmiston ja läppäriin vaihtamisen kanssa sen verran, että putosin useamman kerran kyydistä. Lisäksi QGIS myös päätti kaatua kesken harjoituskertaa; sain kiittää onneani siitä, etten ollut saanut kovin paljoa aikaan edellisen tallennuskerran jälkeen. Vielä lisäksi, jotta asiat eivät olisi liian helppoja, QGIS näytti muutamassa kohdassa itselläni hieman erilaiselta kuin miltä piti (asia selittynee QGIS:n eri versioilla). Kaiken kaikkiaan, kaikki kunnia kärryille takaisin pääsemisestäni kuuluu kurssitoverilleni Saaralle (hänen blogiinsa pääsee tästä).

Joka tapauksessa, tällä kurssikerralla tuli käytettyä useampaa uutta työkalua, mm. Count Points in Polygon. Niiden käytössä ei sinänsä ollut ongelmia, ja itsenäisessä harjoituksessa opitun soveltaminen oli mukavaa vaihtelua yhdessä tekemiselle, vaikka siinä törmäsikin pieniin onglemiin (joiden ratkaiseminen oli hauskaa!).

Afrikka

Kuva 1. Timanttikaivokset, öljykentät ja konfliktit Afrikassa

Tiivistettynä saimme harjoitusaineistosta aikaan jonkinlaista (paikkaan sidottua) tietoa Afrikan timanttikaivoksista, öljykentistä, konflikteista ja internetinkäyttäjistä (Kuva 1). Laskimme taulukkoon mm. timanttikaivosten ja öljykenttien valtiokohtaisia esiintymismääriä ja konfliktien valtioittaista ajallista kestoa vuosissa. Huomasimme esimerkiksi, että Angola tuppasi olemaan listojen kärjessä: mm. eniten timanttikaivoksia (43, yhdessä Etelä-Afrikan kanssa) ja konflikteja enimpänä määränä vuosia (42 vuotta). Tiedoista voisi päätellä vaikka mitä, mm. kuinka luonnonrikkaudet ja konfliktit vaikuttavat esiintyvän usein paljon samoissa valtioissa (eli niillä on mitä luultavimmin yhteys). Toisaalta todellisuus on paljon monimutkaisempi, ja kuten Antti Pihlavistokin blogissaan (2024) on maininnut, konfliktien syntyyn voi olla paljon muitakin syitä.

Tietokantoihin tallennetuilla tiedoilla voisi myös esimerkiksi tutkia timanttikaivosten ja öljyhavaintojen ikää suhteessa konfliktien määrään ja siitä päätellä lisää luonnonrikkauksien ja konfliktien yhteydestä. Muita esimerkkejä voisi olla vaikka konfliktien runasuden tai laajuuden vaikutus internetkäyttäjien lukumäärään eri vuosina, öljykenttien tai timanttikaivosten iän vaikutusta tuottavuusluokitteluun tai timanttikaivosten ja öljykenttien tuottavuusluokittelun suhdetta konfliktien kestoon. Näistä voisi vaikkapa päätellä lisää luonnonrikkauksien olemassaolon vaikutuksista ympäröivään yhteiskuntaan tai siitä, miten tuottavuusluokittelu vaihtelee eri ikäisissä öljykentissä ja timanttikaivoksissa.

Valuma-alueet

Itsenäisessä harjoituksessa tuli tehdä teemakartta Suomen tulvaherkkyydestä ja järvisyydestä. Tehtävä oli melko suoraviivainen ja oli hauskaa kokeilla omia siipiään. Valmis koropleettiteemakartta, tulvaherkkyyskartta, näkyy alla (Kuva 2). Tein myös toisen kartan, jossa näkyy lisäksi valuma-alueiden järvisyyden ja maapinta-alan suhde ympyrädiagrammeina (Kuva 3).

Kuva 2. Suomen tulvaherkkyys valuma-alueittain

Kuva 3. Suomen tulvaherkkyys ja järvisyys valuma-alueittain

Tulvaindeksi eli virtaamavaihtelujen indeksi on tulvahuippujen keskiarvojen (MHQ) ja kuivien kausien alimpien arvojen keskiarvojen (MNQ) suhde (”Harjoitus3”, n.d.). Tulvaherkkyyskartta esittää siis sitä, miten tuvaherkkiä Suomen eri valuma-alueet ovat. Siitä voidaan tulkita, että rannoikoilla tulvariski on yleisesti tavallista korkeampi. Kartasta voi myös yleisesti tehdä sellaisen huomion, että valuma-alueet rannikolla ovat huomattavasti sisämaan valuma-alueita pienempiä. Järvisyydestä voidaan tulkita, että Suomen tulvaisimmilla valuma-alueilla järvisyys on yleisesti pienempää kuin vähemmän tulvaisilla valuma-alueilla. Matala järvisyys ei kuitenkaan automaattisesti tarkoita suurta tulvaindeksiä.

Olen jokseenkin tyytyväinen valmiisiin karttoihin (paitsi nopeasti tehtyyn Afrikka-karttaan, jonka tarkoituksena ei ollut näyttää hyvältä, vaan olla nopea visualisointi käsitellystä asiasta). Aluksi minua häiritsi ympyrädiagrammien väri, jonka valitsemisen tein itselleni turhan vaikeaksi kun tasapainoa estetiikan ja luettavuuden helppouden kanssa ei meinannut löytyä, mutta tyydyin nykyiseen valintaan. Ympyrädiagrammien pikkuiset Pac-Manit ovat oikeastaan aika sööttejä. Ainakin ympyrädiagrammi aiheesta on paljon selkeämpi kuin tehtävänannon vaihtoehtoinen pylväsdiagrammi.

Lähteet

”Harjoitus3”. (n.d.) Geoinformatiikan menetelmät 1. https://moodle.helsinki.fi/pluginfile.php/5558969/mod_folder/content/0/Harjoitus3.docx?forcedownload=1

Pihlavisto, A. (2024). 3. kurssikerta. Antin blogi. https://blogs.helsinki.fi/anttipih/2024/02/03/3-kurssikerta/

Tämän viikon kurssikerralla käsiteltiin aineistoja ja projektioita. Tarkemmin sanottuna opimme aineistojen runsaudenpulasta sekä tarkastelimme eri projektioiden välisiä eroja sekä erityisesti mittakaavavirheitä. Pakko sanoa, että itselle ei ainakaan heti jäänyt mieleen WFS-, WMS-, WMTS- ja WCS-palveluiden erot ja erityispiirteet, mutta nimien samankaltaisuus huomioon ottaen sekaantuminen lienee ymmärrettävää.

Huomasimme muun muassa kuinka mittakaava vaihtelee eri projektioiden välillä, joidenkin projektioiden välillä paljon ja joidenkin kohdalla vähemmän. Avasimme jälleen kerran QGIS:n ja teimme Paarlahden johdolla pituus- ja pinta-alamittauksia kartalla. Leikkasimme viivalla Suomi-neidon kurkun halki ja teimme sen päähän hienon kolmion. Tosiasiassa siis valitsimme mittauskohteet ja annoimme QGIS:n laskea mitä laskeman piti. Toimme muutaman muunkin projektion mittauksiin ja kokosimme taulukkoon (Taulukko 1) eri projektioista saadut samojen mittauskohteiden tulokset.

Taulukko 1. PItuuden ja pinta-alan eroja eri projektioiden välillä

Selkeästi projektiolla on suuri vaikutus esitettävään tietoon ja sen luotettavuuteen, kuten taulukosta näkyy. Arvot heittelevät eri projektioiden välillä kuin judokat toisiaan. ETRS-TM35FIN ei ole täydellinen todellisuutta vastaava projektio, sillä palloa ei koskaan saada täydellisesti projisoitua pinnalle, mutta Suomen alueella se lienee parhaita mahdollisia kompromisseja. Robinsonin projektiosta saadut arvot ovat jonkun verran ETRS-TM35FIN:iä suurempia, ja Mercator… on Mercator. Mercatorin arvot eroavat muiden projektioiden arvoista niin paljon, että viimeistään näillä main luottamus Mercatoriin ainakin näiden lukujen kanssa on vähinkäänkin koetuksella. Equal Earth on jotain ETRS-TM35FIN:n ja Robinsonin väliltä. Winkel Tripel heittää pituudessa yllättävän vähän, mutta pinta-alassa sitäkin enemmän.

Projektio vaikuttaa siis todella paljon esitettävään tietoon, ja koska kaikki projektiot näyttävät eri arvoja, on vaikea luottaa mistään projektiosta saatuihin tietoihin. Lyhyesti sanottuna siis projektio kannattaa valita todella tarkasti ja vasta sitten kun on tarkasti pohtinut, mihin sitä aikoo käyttää ja mitä sillä aikoo tehdä.

Vertailimme projektioita kartoin, visualisoiden kahden eri projektion välisiä alueellisia eroja prosentteina. Otin vertailtavaksi ETRS-TM35FIN:n kanssa Robinsonin, Mercatorin ja Winkel Tripelin projektiot (Kuvat 1-3).

Kuva 1. Pinta-ala Robinsonin projektiossa suhteessa ETRS-TM35FIN -projektioon

Robinsonin projektiossa vääristymät ETRS-TM35FIN:iin ovat noin 1.2% – 1.4% (Kuva 1). Vääristymä kasvaa pohjoista kohti. Alueellisen jakautumisen kartalla selittänee se, että Robinsonin projektiossa napojen lähellä mittakaavavirhe on suurinta. Robinsonin projektiossa ei ole pyritty täydellisyyteen pinta-alan eikä oikeakulmaisuuden kanssa, mutta se on kompromissi. Erot pinta-alassa eivät kuitenkaan ole yhtä pahat kuin esimerkiksi Mercatorin projektion kanssa.

Kuva 2. Pinta-ala Mercatorin projektiossa suhteessa ETRS-TM35FIN -projektioon

Mercatorin projektiossa vääristymät ETRS-TM35FIN:iin ovat noin 4% – 8.3% eli merkittävästi suurempia kuin Robinsonin projektiossa (Kuva 2). Mercatorissa vääristymä myös pahenee pohjoista kohti lähes samalla tavalla kuin Robinsonin projektion tapauksessa. Alueellisen jakautuman selittää Mercatorin projektiossa se, että oikeakulmainen Mercatorin projektio vääristää pinta-aloja napojen lähellä aika pahasti.

Kuva 3. Pinta-ala Winkel Tripel -projektiossa suhteessa ETRS-TM35FIN -projektioon

Winkel Tripel on hyvin lähellä Robinsonin projektiota pinta-alan vääristymän suhteen (Kuva 3). Siinä prosentuaaliset pinta-alan erot ETRS-TM35FIN:iin ovat noin 1.2% – 1.5%. Winkel Tripel on myös kompromissiprojektio, jossa pinta-alan, etäisyyden ja suunan vääristymät on pyritty minimoimaan mutta ei eliminoimaan. Winkel Tripel on sentään pinta-alojen suhteen parempi kuin Mercator.

Lopputuloksista huomaa, että satuin valitsemaan projektioita, joissa vääristymä on melko samantyyppinen. Valitsin projektiot sen mukaan, mitä QGIS:n projektiolistalta sattui silmiin osumaan. Olisi voinut tarkoituksella ottaa enemmän erityyppisiä projektioita, jotta erot olisivat myös olleet mahdollisimman mielenkiintoisia. Visuaalisista esityksistä olisi voinut myös tehdä mielenkiintoisemman, ja olisin voinut koettaa tehdä dramaattisempia visualisointeja. Paarlahden aloittama 7 luokan systeemi oli mielestäni ihan hyvä, joten käytin sitä kaikissa visualisoinneissa. Vähempi luokkamäärä ei tuo vähittäistä vääristymän vaihtelua tarpeeksi hyvin esiin, kun taas liian suurella luokkamäärällä eroja on ainakin tietyillä värityksillä kenties hieman vaikeampi hahmottaa. Riippuu varmaankin, mihin käyttöön tällaisia visualisointeja tulisi oikeasti käyttöön, että miten niitä voisi parantaa ja mihin suuntaan. Kaikki kaikessaan, mielestäni QGIS:llä leikkiminen oli jälleen ihan hauskaa. Toistojen tekeminen lienee ollutkin tavoitteena, jotta ote QGIS:stä lujenisi, mutta aika ajoin toisto osasi ottaa päähänkin. Onni onnettomuudessa, sillä onnistuin tekemieni toistojen ansiosta jopa ilmeisesti olemaan avuksi eräälle kurssitoverilleni (Torvi, 2024).

Lähteet:

Torvi, S. (2024). Toinen kurssikerta – projektioiden vertailua. Saara’s blog. https://blogs.helsinki.fi/saatorvi/2024/01/29/toinen-kurssikerta-projektioiden-vertailua/

Geoinformatiikka tekee paluun opintoihimme kurssin MAA-202 Geoinformatiikan menetelmät 1 muodossa. Ensimmäinen kurssikerta oli suurelta osin vanhan kertaamista etenkin kursseilta MAA-104 Johdatus geoinformatiikkaan maantieteessä sekä MAA-201 Tiedon esittäminen maantieteessä, mutta opimme myös uutta.

Henkilökohtaisesti olin, ja olen, varsin innoissani tästä kurssista, sillä ainakin tässä vaiheessa opintojani miellän sekä itse geoinformatiikan että tuntikausia kestävän koneella työskentelemisen GIS-luokissa varsin hauskaksi.

Käyttöön tuli jälleen vanha kunnon QGIS, jolla teimme kartan (alla, Kuva 1). Ohjelma oli ennestään tuttu, koska leikimme sillä jo kurssilla MAA-104 viime syksynä. QGIS on varsin intuitiivinen ja helppokäyttöinen ohjelma, vaikka sen lukemattomat silmissä vilisevät toiminnot osaavatkin aika ajoin sekavoittaa aivoja jonkin verran.

Arttu Paarlahti, joka vetää kurssia, ohjasi kartan tekemisessä erittäin perusteellisesti, minkä lisäksi Moodlesta löytyi hyvät ohjeet, joten kartan tekeminen oli helppo nakki. Koin, että olisin saanut ohjeiden avulla harjoituksen tehtyä hyvinkin paljon nopeammin kuin mitä tahtia sitä Paarlahden johdolla luokassa tehtiin, mutta toisaalta hidas vauhti salli sen, että ehdin siinä sivussa hieman leikkiä GQIS:llä ja sen toiminnoilla itsenäisesti, mikä mielestäni on ihan hyvä juttu. Ohjelmilla, tai millä tahansa muulla, leikkiminen on mielestäni ainakin itselleni sopiva tapa syventää omaa ymmärrystäni siitä, miten se toimii, mitä kaikkea sillä voi tehdä, ja muutenkin tutustuttaa ja totuttaa itseäni käyttämään sitä ja tuntemaan itseni itsevarmemmaksi ja mukavammaksi sen kanssa.

Lyhyesti sanottuna siis, vaikka harjoitus ei sinänsä ollut kovin haastava, palautti se hyvin mieleen QGIS:n toimintoja ja karttojen tekemisen perusperiaatteita. Tämä onkin suurin takeaway itselleni ensimmäiseltä kurssikerralta.

Kuva 1. Itämeren typpipäästöt valtioittain

Valmiista kartasta (Kuva 1) näkyy Itämeren typpipäästöjen osuudet valtioittain. Esille tulevat Itämeren rannikkovaltiot Ruotsi, Suomi, Venäjä, Viro, Latvia, Liettua, Puola, Saksa sekä Tanska. Kartalla Viro sekä Puola näyttäytyvät yksinäisinä ääripäinä typpipäästöjen tuottamisessa Itämerelle. Tähän vaikuttaa se, miten aineisto on luokiteltu.

Kanssaopiskelijani Laura Vitikka (2024) oli ilmeisesti löytänyt kartassa käytetyn typpipäästöaineiston lähteeksi HELCOM:n (The Baltic Marine Environment Protection Commission) raportin vuodelta 2013.

Olisin voinut miettiä kartan värejä paremmin. Ne erottuvat toisistaan ja ovat sinänsä selkeät, mutta vihaan erityisesti typpipäästöjen keskiluokan korallinsävyä. En kuitenkaan karttaa tehdessäni ollut niin motivoitunut, että olisin löytänyt täydelliset värit enkä pitänyt QGIS:n värigradientin luomistyökalusta sitä hetken kokeiltuani, joten lopputulos on mitä on.

Toinen asia jossa voisi parantaa on kielellinen yhtenäisyys. Kartalla valtioiden nimet ovat englanniksi, muu suomeksi. Ne voisivat olla samalla kielellä. Sekin olisi tosin vaatinut ilmeisesti liikaa panostusta kartantekohetkisille aivoilleni. Yksi tapa miten asian olisi voinut tehdä toisin on tehdä aineistoon uusi sarake suomennetuilla valtioiden nimillä ja tuoda nimet kartalle siitä, tehden kartasta täysin suomenkielisen. Toinen, kenties helpompi, vaihtoehto olisi voinut olla tehdä koko kartta englanniksi.

Harjoitusohjeissa oli lisääkin tehtäviä, jota en ainakaan toistaiseksi ole vielä tehnyt. Syynä se, että Paarlahden mukaan niiden tekeminen ei ole pakollista, sekä se, että muutakin hommaa löytyy. Hohoho. Postaus päivittynee mikäli lisää tehtäviä tulee tehtyä.

Lähteet

Vitikka, L. (2024). Oppimispäiväkirja ja tehtävät 17.1. Lauran opiskelublogi. https://blogs.helsinki.fi/viclaura/2024/01/17/oppimispaivakirja-ja-tehtavat-17-1/