Kategoria: Uncategorized

Oman kartan tekoa

Tämä kurssikerta oli vapaamuotoinen, ja saimme koko tunnin tehdä omia karttojamme. Olin edellisenä päivänä tutustunut aineistoihin, ja valinnut kaksi. Hain aineistot Our world in data– sivustolta. Kiitos tästä kuuluu Laura Kaapulle, joka neuvoi, miltä sivustolta löytäisin dataa, kun en tiennyt, mistä etsiä. Sivustolla oli monia eri vaihtoehtoja, joista päädyin vedestä johtuviin kuolemiin ja lapsikuolleisuuteen (Alle 5-vuotiaana kuolleiden lasten määrä tuhatta elävänä syntynyttä lasta kohden). Alueeksi valitsin Afrikan.  

Heti aineiston viemisessä Qgis:iin tuli ongelmia. Yritin edellisenä iltana saada sitä, mutta jouduin luovuttamaan. Tallensin tiedot cvs-muodossa, ja sain ne kyllä Qgis:iin, mutta pelkkänä taulukkona. Tunnilla Arttu neuvoi, että se oli ihan oikein, ja että minun pitäisi vain yhdistää tiedot pohjakarttani kanssa. Pohjakarttana käytin kolmannella kurssikerralla muokkaamaamme Afrikan karttaa.  

Minusta tuntuu, että en oikein muistanut, mitä toimintoja olisin voinut käyttää, joten jouduin kysymään apua ja miettimään aika pitkään. Teimme karttoja yhdessä Julija Pylsyn kanssa, ja yhdessä niiden teko onnistui paljon paremmin. Teimme kartat hieman eri aiheista, mutta samalla periaatteella. Tietokanta oli suuri, ja siellä oli aineistoa monelta eri vuodelta. Halusin uusimman vuoden, eli vuoden 2019, joten käytin valintatyökalua Select features by expression. Senkin käyttöön kului hieman miettimisaikaa, mutta muutaman kokeilun jälkeen onnistuin. Sen jälkeen käytin join-toimintoa, ja otin siihen valitut ominaisuudet, eli vuoden 2019. Silloin sain onnistuneen kartan, ja pystyin muokkaamaan sen värejä sopiviksi.  

Seuraavana oli vuorossa toinen aineisto, ja tein sille vain samat toimet kuin edellisellekin. En kuitenkaan voinut esittää molempia aineistoja samaan aikaan samalla tavalla, joten tein aineistosta pylväsdiagrammeja. Sekin vaati hieman kokeiluja, mutta lopulta sain hyvät pylväät aikaiseksi. Olin ajatellut, että ympyrädiagrammitkin olisivat voineet olla kivoja, mutta arvoni olivat niin pieniä, että siitä ei olisi tullut hyvän näköinen. Lopuksi muutin tämän tason läpinäkyväksi niin, että vain pylväät näkyivät.  

Mielestäni kartasta tuli siisti ja selkeä. Se näkyy kuvassa 1. Pylväsdiagrammit ovat toki hieman hankalia, koska niissä ei näy mitään lukua, mutta vaihteluväli lukee kuitenkin legendassa. Lisäksi harmittaa, etten muuttanut niitä hieman kapeammiksi, jotta kaikki maat erottuisivat kunnolla. Maat, joista ei ollut dataa tarjolla, on merkitty viivoituksella. Kartasta nähdään, että lapsikuolleisuus on selkeästi suurempi niissä maissa, joissa on myös korkea vedestä aiheutunut kuolleisuus. Tällainen maa on esimerkiksi Niger. Tämä on tietenkin aivan loogista, mutta ei ihan kaikkialla ole niin, että jos on korkea vedestä aiheutunut kuolleisuus, on myös korkea lapsikuolleisuus. Köyhissä maissa yleisimpiä lasten kuolemien syitä ovat juurikin esimerkiksi vedestä saadut taudit. Our world in data –sivuston mukaan noin 6 miljoonaa alle 15-vuotiasta lasta kuolee joka vuosi. Se on käsittämättömän surullinen luku.  

Mielestäni tämä kurssikerta oli mukava, pienistä vaikeuksista huolimatta, kun sai tehdä itse, eikä enää opetella uusia asioita. Kokeilemalla moni asia onnistuu, mutta joskus aina jumiutuu johonkin, ja se ei ole kivaa. En ole edelleenkään mikään ekspertti Qgis:in käytössä, mutta asiaahan ei muutoin voi auttaa, kuin että jatkaa harjoittelua. Olen kuitenkin pääosin tyytyväinen koko blogiini ja iloinen siitä, että sain kaikki sen osat ajoissa valmiiksi.  

Lähteet:  

Kaapu, L. (2024) Lauran blogi. Viitattu 28.2.2024 

https://blogs.helsinki.fi/lakaapu/ 

Pylsy, J. (2024) Gis-blogi. Viitattu 28.2.2024 

https://blogs.helsinki.fi/julijapy/ 

Our world in data, Child and infant mortality (2019), data haettu 28.2.2024 https://ourworldindata.org/child-mortality 

Our world in data, Clean water (2019), data haettu 28.2.2024

https://ourworldindata.org/clean-water 

Aloitus

Kurssikerran alkajaisiksi kävimme ryhmissä keräämässä dataa lähiseudulta. Vietimme hieman alle tunnin kauheassa lumisateessa, ja kiersimme pienen lenkin pysähtyen aina välillä ottamaan paikan koordinaatit ja vastaamaan muutamaan kysymykseen paikasta. Sään takia olin iloinen, kun reissu oli ohi, mutta oli kyllä hauska nähdä, kuinka keräämämme data asettui kartalle. Harjoittelimme interpoloimista, joka oli mielestäni melko yksinkertainen toimenpide.  

Kuvassa 1 näkyy tuotos,  johon on interpoloitu keräämämme datapisteet. Turvallisuus on luokiteltu asteikolla 1–5 (1 turvattomin, 5 turvallisin). Valmiin aineiston kanssa oli helppo tehdä kartta. Interpoloinnissa ohjelma arvioi datapisteiden avulla, mitä sellaisiin kohtiin tulee, jotka ovat tyhjiä, eli muut kuin pisteiden alueet. Näin saadaan kokonainen esitys jostakin tietystä alueesta.  Kartasta nähdään, että alueen keskellä on pääosin melko turvallista, kun taas hyvin turvatonta näyttäisi olevan yhdessä tietyssä kohdassa, joka on ratikkapysäkin vieressä oleva tienristeys, kävimme siellä itsekin. Mielestäni interpolointi on hyvä menetelmä, ja sillä saa selkeitä karttoja aikaiseksi, mutta tuloksen luotettavuuden takia olisi hyvä, että dataa kerättäisiin paljon, ja tasaisesti eri paikoista.  

Itsenäistehtävä

Itsenäistehtävänä laadimme karttoja hasardeista maapallolla. Käytin aineistona uudempaa maanjäristystietokantaa sekä tulivuoritietokantaa. Kun kotona etsin projektiani, luulin ensin, että se oli hävinnyt. Löysin sen kuitenkin, väärällä nimellä. Harmittaa vain, että olin tallentanut väliaikaiset tasot kyllä, mutta sen sijaan suunnilleen kaikki muut tasot olivat käyttökelvottomia. Mutta eipä siinä, olinhan minä ehtinyt tunnilla tehdä kartat. Olin luullut, että interpolointia tulisi käyttää kartoissa, joten minulla oli kolme karttaa maanjäristyksien voimakkuudesta interpoloituna ja tulivuorista. En ole kuitenkaan varma, olivatko karttani niin selkeitä, jos mietitään opetusta. Siksi tein vielä neljä muuta tavallisempaa karttaa kahden tulivuorityypin sijoittumisesta maapallolla sekä maajäristyksien voimakkuuksista. En edes aio laittaa interpolointikarttojani blogiini, koska mielestäni ne eivät ole ollenkaan selkeitä. 

Aineiston tuonti Qgis:iin onnistui ihan hyvin ilman suurempia vaikeuksia. Minusta aiheet olivat todella kivoja, koska olen itse kiinnostunut eri hasardeista, ja varsinkin tulivuorista ja maanjäristyksistä. Tämän vuoksi oli hauskaa päästä työskentelemään niiden kanssa. Kurssikerta oli melko vapaa, koska saimme itse päättää, minkälaisia karttoja tekisimme. Kokeiltuani tunnilla interpoloimista, tein melko tavanomaisia karttoja, koska en vieläkään ole varma, olisiko interpolointia pitänyt käyttää. Ensimmäinen kartta näkyy kuvassa 2.  

Kuvan 2 kartta esittää kaksi tulivuorityyppiä, kerros- ja kilpitulivuorien sijainnit maapallolla. Erittelin kaksi erillistä tasoa tulivuorityypeistä, ja sen jälkeen kartta olikin oikeastaan valmis. Mielestäni kartta on selkeä ja sopisi hyvin opetukseen. Kartasta nähdään, että tulivuoret keskittyvät pääasiassa litosfäärilaattojen reunoille. Kun karttaan liittäisi laattojen rajat, voitaisiin tarkastella tulivuorten sijoittumista niille. Heikki Säntillä oli blogissaan karttoja, joissa olivat myös nämä rajat. Hänellä oli muutenkin todella upean näköisiä karttoja. Minunkin olisi kannattanut etsiä dataa rajoista ja liittää ne karttaani. Karttaa voitaisi myös käyttää opetukseen sellaisenaan, eli esimerkiksi tarkastelemaan, missä sijaitsevat kilpitulivuoret ja missä kerrostulivuoret. Kuten nähdään, kerrostulivuoria on aika paljon enemmän.  

Tein vielä kolmen kartan sarjan (kuvat 3–5) maanjäristysten voimakkuuksista 30 päivän ajalta. Kartoissa näkyvät myös tulivuoret. Kuvassa 3 nähdään kaikki maanjäristykset alkaen melko pienestä, 2,5 magnitudista. Kartasta nähdään, että maanjäristyksiä on keskittynyt varsinkin tulivuorten läheisyyteen. Afrikassa ei kuitenkaan ole montaa järistystä. Tulivuoret siellä sijaitsevat litosfäärilaatan keskellä.  

Kun katsotaan kuvaa 4, jossa näkyy maanjäristykset, jotka ovat vähän voimakkaampia, eli yli 4,5 magnitudin järistykset, niiden lukumäärä on jo huomattavasti pienempi kuin edellisessä kuvassa. Esimerkiksi Alaskan niemimaalla näytti kuvassa 2 olevan lukuisia järistyksiä, mutta ne eivät ilmeisesti ole olleet voimakkaita. Sen sijaan Japanin ja Indonesian alueen järistyksistä jäi vielä suuri osa kartalle, joten ne ovat olleet voimakkaampia.  

Viimeisenä, kuvassa 5, näkyvät kaikki 6 magnitudia suuremmat järistykset. Niitä on vain muutama, ja moni niistä on tapahtunut merellä. Tällöin voi syntyä tsunameita, jotka ovat suuri uhka rannikkokaupunkien ihmisille. Mutta kuten kartoista havaitaan, tällaisia maanjäristyksiä tapahtuu onneksi harvemmin. Suurin osa on pienempiä, alle 4,5 magnitudin järistyksiä. 

Käytettyäni liikaa aikaa interpoloimisen pohtimiseen tunnilla, en ehtinyt enää tehdä kovin monimutkaisia karttoja kotona. Siksi nämä esittävät melko yksikertaisia asioita. Toisaalta siksi ne sopivatkin hyvin opetukseen, ehkä kuitenkin vähän alemman koulutason. Nyt kun ajattelen, olisi ollut kiinnostavaa tehdä sellainen kartta, jossa näkyvät kaikkein suurimmat järistykset. Viimeisessä kartassani suurin järistys oli muistaakseni 7 magnitudia. Olisi ollut hyvä idea hakea aineistoa suuremmalla aikarajauksella, nyt minulla oli vain viimeisen kuukauden aikana tapahtuneet maanjäristykset.  

Mitä muita ilmiöitä kartoilla voisi esittää? Ensimmäisenä mieleeni tulee, että karttoihin voisi yhdistää esimerkiksi muita karttoja maailman väkiluvusta tai asukastiheydestä valtioittain. Myös maiden varallisuus voisi olla hyvä aihe. Tällöin voitaisiin pohtia alueiden herkkyyttä ja haavoittuvuutta kyseisille hasardeille. Kuvassa 6 näkyy teemakartta varallisuudessa valtioittain. Tällöin voitaisiin vertailla, kuinka haavoittuvaisia tietyt valtiot ovat maanjäristyksille ja tulivuortenpurkauksille. Siihen toki vaikuttaa monta tekijää. Mielestäni tällainen sopisi hyvin opetettavaksi aiheeksi, ja olisi ollut hyvä kartta esimerkiksi edellisen jakson MAA-105 kurssilla. 

Lähteet:  

Säntti, H. (2024) Heiggi’s blog. Viitattu 26.2.2024 

https://blogs.helsinki.fi/hksantti/2024/02/20/kuudes-kurssikerta/ 

Kuva 6, Wikipedia (2019) https://fi.wikipedia.org/wiki/Varallisuus 

Tällä kurssikerralla pääsimme tekemään tehtäviä itsenäisesti. Keskityimme varsinkin bufferien luomiseen. Harjoittelimme ensin hieman yhdessä, minkä jälkeen saimme tehdä tehtäviä itse. En kylläkään saanut kaikkea tehtyä, vaikka tein niitä myös kotona. Mutta tärkeintä nyt oli vain harjoitella eri toimintoja, ja sanoisin, että perusasiat bufferoinnista ja muusta alkavat sujua. Liian usein minulle kyllä tulee vielä tilanteita, joissa en tiedä, mitä seuraavaksi pitäisi tehdä.  

Ensimmäisenä tehtävänä oli tutkia Malmin lentokentän aluetta. Piirsin kiitoradat, ja bufferoin alueen annetuilla mitoilla. Kysymyksenä oli, “Kuinka monta ihmistä asui Malmin lentokentän pahimmalla melualueella sen vielä toimiessa, jos mukaan lasketaan kaikki asukkaat 2 km säteellä kentästä? Entä 1 km säteellä asuvat?” Sain vastaukseksi, että 2 km säteellä asukkaita oli 57513 ja 1 km säteellä 8886. Tehtävä oli mukavan helppo ja hyvä alkuharjoitus. Kuvassa 1 näkyy tehtävää. 

Seuraavana kohtana oli Helsinki-Vantaan lentokenttä. Ensimmäisenä kysymyksenä oli “Tutki kuinka monta asukasta asuu Helsinki-Vantaan lentokentän välittömässä läheisyydessä, etäisyys kiitoratoihin linnuntietä alle 2 km.” Kiitoradat piirrettyäni, tein niille 2 km bufferin, ja select by location –toiminnolla oli helppo laskea asukkaiden määrä. Vastaukseksi sain 11216 asukasta. Seuraavassa kohdassa kysyttiin pahimman melualueen asukkaista ja sain siihen 303 asukasta, eli 2,7 % edellisen kohdan asukkaista. Meillä oli valmis aineisto melualueesta. Seuraavaan kohtaan vähintään 55dB:n melualueesta sain 11923 asukasta. Viimeinen kohta olikin aika hankala, kun piti itse piirtää viiva lentokentän jatkeeksi. Lopulta se onnistui Artun avulla ja sain vastaukseksi 13446 asukasta. Kuvassa 2 voi nähdä bufferin piirtämäni kiitoradan jatkeen päällä.  

Seuraavaksi tarkastelin asemia. Tämän tehtävän tein kotona, kun en ollut tunnilla ehtinyt tehdä enempää. Katsoin vähän mallia Pietu Nuortimon blogista. Hän puhuu tehtävässä rajauksesta, joka tietenkin minunkin olisi pitänyt tehdä, mutta ajattelin, että koska asukkaat jäävät kuitenkin melko hyvin alueen sisään, ainakin asemiin nähden, en tehnyt sitten mitään. Ensimmäiseen tehtävään sain vastaukseksi, että alle 500 m päässä asemista asukkaita elää yhteensä 110805. Prosentteina se kaikista alueen asukkaista on 21,5 %. Viimeisessä kohdassa laskin ensin tutulla field calculatorilla työikäisten määrän. Yritin sen jälkeen käyttää join attributes by location –toimintoa, mutta muutaman yrityksen jälkeen katsoin työikäisten määrän select by location –toiminnon avulla. En ole edelleenkään varma, mitä sillä join-toiminnolla olisi pitänyt tehdä. Vastaukseksi sain, että työikäisiä on 74313 eli yhteensä 67,1 %. Olen niin iloinen, että kerrankin sain tehtyä kotona itsenäisesti Qgis:in tehtävän, koska yleensä en pärjää ilman apua. Vastauksenikin ovat ainakin vähän samansuuntaisia kuin esimerkiksi Pietulla.  

Kun olin kerran saanut kotona tehtyä yhden tehtävän, otin itseäni niskasta kiinni ja tein vielä taajama-tehtävän. Sain ensimmäiseen kohtaan vastaukseksi 96 %. Pietu kertoo blogissaan, että oli käyttänyt tehtävään Clip-toimintoa. Käytin sitä myös, koska en ollut varma, miten saisin ylimääräiset taajamat ja asukkaat pois alueen reunoilta. Työkalua käytettyäni näkymä parani vähän, mutta reunoille jäi kuitenkin vielä jotain. Parempaan en joka tapauksessa pystynyt, joten katsoin vastauksen clipped-tasoni tiedoista. Tehtävään on varmaan joku yksinkertainen ratkaisu, mutta olen unohtanut sen. Kuvassa 3 näkyy, kuinka pisteet ja alueet menevät kartan yli, enkä tiedä, mitä tekisin. Deselect features by freehand olisi ollut loistava työkalu, mutta valitettavasti sellaista ei ollut.  

Toisessa kohdassa kysyttiin kouluikäisten määrää taajamien ulkopuolella. Laskin ohjeiden mukaisesti ensin kouluikäisten määrän ja sen jälkeen käytin taas select by location –toimintoa. Nyt en edes voinut käyttää clipped-tasoani, joten tulos ei kyllä ole aivan oikein. Sain kouluikäisten määräksi 2468. Kaikista kouluikäisistä luku on 3,8 %. Viimeistä kohtaa yritin, mutta en oikein ymmärtänyt sitä. Ajattelin vielä kokeilla uima-altaat ja saunat -tehtävää, mutta ladattuani aineistot ja pohtiessani tehtäviä jonkun verran, tajusin, että on niin myöhä, etten jaksa enempää. Sen vuoksi tässä olivat nyt kaikki tehtävät. Tuloksista on vielä taulukko alapuolella.  

Taulukko 1. Vastaukset tehtäviin

Tämä kurssikerta oli samaan aikaan haastava, koska tekemistä oli aika paljon, mutta myös hyvä, koska saimme kokeilla tehdä itse paikkatietoanalyysejä ja muita tehtäviä. Sanoisin kyllä, että olen kehittynyt Qgis:in käytössä, mutta samaan aikaan tuntuu, että jään vain jälkeen, koska muistettavia asioita on niin paljon. Lisäksi jään liian usein jumiin johonkin kohtaan, mutta kai tämä tästä. Bufferointi tuntuu tämän kerran jälkeen kyllä olevan melko yksinkertaista. Bufferointi soveltuu hyvin, kun halutaan selvittää, mitä tietyn kokoisen alueen sisään jää. Toivon nyt vain, että nämä asiat jäävät mieleeni, mutta ei kai se muuten kuin kertaamalla onnistu.  

Lähteet:

Nuortimo, P. (2024) Pietun gis-seikkailu. Viitattu 20.2.2024 

https://blogs.helsinki.fi/pietunuo/

Ensimmäinen harjoitus

Aloitimme kurssikerran käymällä läpi perustietoa piste- ja ruutuaineistoista. QGIS:ia käyttäessämme teimme itse ruutukartan ja harjoittelimme rasterikarttojen kanssa toimimista. Saimme esimerkiksi lisättyä korkeuskäyrät peruskarttaan, eikä se ollut kovin vaikeaa. Lopuksi digitoimme samaan karttaan teitä ja taloja tietyltä alueelta seuraavaa kurssikertaa varten. 

Ensimmäisenä aineistona meillä oli kartta pääkaupunkiseudusta. Tietokanta väestöstä oli hyvin suuri, joten teimme uuden tietotaulukon meitä kiinnostavista muuttujista. Alkuperäisessä tietokannassa oli hyvin yksityiskohtaista tietoa esimerkiksi rakennuksien asukkaista, joten taulukko oli hyvin suuri ja kuormittava. Teimme kartan ruotsinkielisten absoluuttisesta määrästä pääkaupunkiseudulla, joka näkyy kuvassa 1. Saimme kotitehtäväksi tehdä kartan myös suhteellisilla luvuilla. Se näkyy kuvassa 2. Muistaakseni molemmissa kartoissa käytin ruutukokona 1 km x 1 km. Tein kartat vain yhden ruutukoon mukaan, mutta lukiessani Stella Syrjäsen blogia, huomasin hänen valinneen kaksi eri kokoa sekä pohtivan aihetta tarkemmin. Ruutujen kokoa muuttamalla voidaan muokata myös sitä, kuinka tuloksia tulkitaan.  

Kuvassa 1 näyttäisi, että ruotsinkielisiä olisi eniten Helsingin keskustassa, josta kauemmaksi etäännyttäessä määrä vähenisi. Karttaa tarkasteltaessa täytyy kuitenkin ottaa huomioon, että koska määrät ovat absoluuttisia, niihin vaikuttaa myös se, kuinka paljon kyseisellä alueella on asukkaita yhteensä. Keskustassa on tietenkin paljon väkeä, joten siksi kartasta voi saada vääristyneen kuvan ruotsinkielisten jakautumisesta. Toki jos muuttujaa halutaan tarkastella yksittäin, kartta antaa kuvan ruotsinkielisten määrästä eri alueilla, mutta juuri muuta se ei kerrokaan. Mielestäni karttaan pitäisi jotenkin lisätä myös muiden asukkaiden määrät, jotta asioita pystyttäisiin vertailemaan.

Kuvan 2 kartassa luvut ovat suhteellisia, joka on mielestäni järkevämpi tapa esittää muuttuja kartalla, vaikka ei toki kumpikaan tapa ole väärä. Suhteellista karttaa katsoessa, se näyttää täysin erilaiselta. Suurimmat ruotsinkielisten osuudet eivät suinkaan keskity keskustaan, vaan sitä vastoin muille alueilla, ehkä painottuen alueen länsipuolelle. Suhteellisten lukujen avulla saadaan käsitys siitä, millä alueilla ruotsinkielisiä on eniten verrattuna muuhun väestöön, ja se on mielestäni olennaisempi tieto, kuin pelkkä ruotsinkielisten määrä. Tietysti kartta ja sen esitystapa tulee valita tilanteen mukaan. Ruutukartta on muutenkin mielestäni hankalampi tapa esittää asia kuin esimerkiksi koropleettikartta. Mielestäni on mielekkäämpää luokitella jonkin tietyn alueen mukaan eikä ruutujen, eli siis tehdä koropleettikartta. Toisaalta kummassakin on hyviä ja huonoja puolia. Ruutukartta on karkea, mutta melko yksinkertainen. Koropleettikartta saattaisi vääristää tuloksia, jos esimerkiksi alueet ovat kovin eri kokoisia, jolloin sisäinen vaihtelu ei näy. 

Mielestäni kumpikin kartta on ihan onnistunut, en tosin muokannut niitä itse enempää kuin mitä tunnilla tehtiin. Värimaailma ja ruutukoko ovat kuitenkin mielestäni hyvät, ja kartoista pystyy hyvin vertailla keskenään niiden sanomaa, joka on tietysti periaatteessa sama, mutta nyt voidaan nähdä, kuinka eri tavalla asioita pystytään esittämään. Kuten Miki Leino mainitsee blogissaan, aineiston esitystavalla on suuri merkitys ja sillä voidaan jopa johtaa lukijaa harhaan.  

Toinen harjoitus

 Seuraavana asiana toimme QGIS:iin aineistoksi neljä rasterikartan palaa, jotka esittivät korkeusmallia. Lisäksi aineistona oli peruskarttalehti Pornaisten alueesta. Teimme karttaan korkeuskäyrät, se oli melko yksinkertaista. Lopuksi aloimme vielä digitoida teitä ja taloja valmiiksi rajatulta alueelta, joka näkyy kuvassa 3. Kuvassa näkyvät myös korkeuskäyrät. Talojen digitoiminen oli kaikkea muuta kuin rentouttavaa, kun tein sen aikamoisessa kiireessä. Teitä digitoimme vain kuusi kappaletta muistaakseni. Ne eivät oikeastaan näy kuvassa 3, koska viivat ovat niin haaleita. Sen sijaan siitä pystyy näkemään talojen määrän, jotka sain digitoitua. Käytämme kuulemma tätä aikaansaannosta seuraavalla kurssikerralla.  

Lähteet:  

Syrjänen, S. (2024) Stella’s blog. Viitattu 12.2.2024 

https://blogs.helsinki.fi/stellasy/ 

Leino, M. (2024) Mikin blogi. Viitattu 12.2.2024 

https://blogs.helsinki.fi/leinmiki/ 

Afrikan kartta

Kolmannen kurssikerran käytimme kokonaan QGIS:in parissa ja teimme kaksi karttaa. Tällä kurssikerralla harjoittelimme esimerkiksi tietokantojen yhdistämistä, uuden tiedon tuottamista ja muuta sellaista. Keskityimme aika paljon ominaisuustietotaulukoihin ja niiden muokkaamiseen ja tulkitsemiseen. Ensimmäisenä aineistona oli melko yksityiskohtainen Afrikan kartta. Kuvassa 1 näkyy tuottamani kartta, mutta se oli oikeastaan sivuseikka, koska keskityimme enemmän taulukoiden tietoihin, kuten selitin. Kartassa konfliktit, timantit ja öljykentät nähdään vain pisteinä ja alueina, eivätkä ne oikeastaan kerro mitään.  

Tehtävänä oli pohtia, mitä eri tiedoilla, kuten konfliktien tapahtumavuosilla, voi tehdä tai mitä niistä voi päätellä. QGIS:sissa meillä oli monta tasoa, joita teimme myös itse, joista jokaisessa on oma tietotaulukkonsa. Tietoa oli helppo tarkastella ja vertailla toisiinsa, vaikka piti avata monia taulukoita, koska kaikkia tietoja emme olleet yhdistäneet yhteen taulukkoon. Yhdessä oli helppoa tehdä ja yhdistellä näitä tietoja, mutta en ole varma, muistaisinko enää.  

Konfliktien tapahtumavuosista voidaan päätellä esimerkiksi konfliktien kestoa. Esimerkiksi Etiopiasta on kirjattu paljon konflikteja, ja niitä on ollut lähes joka vuosi, ja useita yhden vuoden aikana. Ne siis voivat olla lyhytkestoisia, mutta lähes koko ajan vaikuttaisi olleen jokin konflikti valloillaan. Toisaalta taas jotkin konfliktit saattavat kestää pitkän aikaa. Vuosia tarkastellessa voidaan myös nähdä, missä valtioissa on eniten epävakautta. Näitä tietoja voidaan käyttää esimerkiksi silloin, kun määritetään, kuinka turvallinen maa on.  

Konfliktien laajuus/säde kertoo, kuinka suurella alueella konflikti on tapahtunut. Tästä voidaan päätellä, kuinka moneen ihmiseen konflikti on vaikuttanut, ja toisaalta se voi myös kertoa konfliktin kestosta; jos konflikti tapahtuu kovin pienellä alueella, ei ole kovin luultavaa, että se kestäisi kauaa, vaikka voi toki olla myös niin.  

Timanttikaivosten löytämisvuosi ja öljykenttien löytämisvuosi yhdessä konfliktien alkamisvuoden kanssa voisivat kertoa jotain toisistaan. Nämä arvokkaat luonnonvarat voivat olla syy moniin konflikteihin. Karttaa nopealla vilkaisulla katsoessaan näyttää kuitenkin siltä, että useimmat konfliktit sijoittuvat melko kauaksi kaivoksista ja öljykentistä. Kuten Taika Jaakkola toteaa blogissaan, tällaisella kartalla ja tiedoilla ei oikeastaan voida analysoida syy-yhteyksiä. Vaikka jotkin konflikteista ovat epäilemättä voineet alkaa luonnonvarojen omistuskiistoista, useimpien konfliktien syytä aineiston perusteella ei millään voi tietää.  

Stella Syrjänen on kirjoittanut blogissaan siitä, kuinka kaivosten kaivausten aloitusvuosi tai öljykenttien poraamisvuosi voi olla apuna määrittämään ympäristövahinkoja alueella. Jos esimerkiksi kaivos on toiminut vain vähän aikaa, tuhot ovat luultavasti pienemmät kuin kauan toimineen kaivoksen. Tämä oli mielestäni hyvä näkökohta, kuten sekin, että aloitusvuodet voivat selittää konfliktien kestoa ja valtion kehitystä.  

Timanttikaivosten tuottavuusluokittelusta voidaan päätellä esimerkiksi sitä, miten ne liittyvät konflikteihin. Jos jokin timanttikaivos on erittäin tuottava, sellaisesta voi syntyä konflikti, kun kaikki haluavat varat omaan käyttöönsä. Sama asia on öljykenttien tuottavuusluokittelun kanssa. 

Internetin käyttäjien lukumäärä eri vuosina kertoo siitä, kuinka valtio on kehittynyt vuosien saatossa. Vertaillessa lukuja vuosilta 2000 ja 2020 internetin käyttäjien määrä on lisääntynyt huimasti, mutta on myös helppo sanoa, mitkä maat ovat kehittyneet tässä asiassa nopeammin ja enemmän. Toisaalta on myös huomioitava väkiluku ja sen kasvu vuosien aikana. Käyttäjien lukumäärä voi myös kertoa maan varallisuudesta, ja siitä, kuinka monella on varaa hankkia jokin älylaite.  

Tulvaindeksi ja järvisyys

Kuvan 2 kartta esittää tulvaindeksiä sekä järvisyyttä Suomessa. Teimme sitä itsenäisesti tunnilla, ja ehdin saamaan sen sopivasti valmiiksi. Aina välillä jumituin johonkin kohtaan, mutta muuten kartta oli melko yksinkertainen tehdä. En ole kylläkään kovin tyytyväinen järvisyyttä kuvaaviin ympyrädiagrammeihin, koska en saanut niitä pienemmiksi, jolloin ne peittävät paljon. Muutoin olen karttaani tyytyväinen. Lisäsin ympyrädiagrammehin maapinta-alan osuuden, joka selkeyttää järvisyyden tulkitsemista. Suurimmat ympyrät kertovat verrattain suuresta järvisyyden osuudesta.  

Punaisen eri sävyillä näkyvät valuma-alueet ja tulvaindeksi kullakin alueella, joka kertoo alueen tulvaherkkyydestä. Laskin tulvaindeksin kaavalla MHQ/MNQ, joka tarkoittaa keskiylivirtaamaa jaettuna keskialivirtaamalla. Punaisimmat alueet löytyvät rannikkoalueilta. Näyttäisi siis siltä, että meren läheisyys vaikuttaisi tulvaindeksiin. Esimerkiksi Keski-Suomessa alueilla, joilla näkyy suuri järvisyysprosentti, tulvaindeksi on kuitenkin pieni. Suomen ympäristökeskuksen sivuilla (2021) kerrotaan, että tulvat ovat yleisempiä niillä alueilla, joilla on vain vähän järviä, koska järvet varastoivat vettä ja tasaavat virtaamia. Rannikoilla taas esiintyy merivesitulvia, joita voivat aiheuttaa esimerkiksi myrskyt.  

 

Lähteet:  

Jaakkola, T. (2024) Taikamatkalla gis-velhoksi. Viitattu 4.2.2024 

https://blogs.helsinki.fi/jztaika/

Syrjänen, S. (2024) Stella’s blog. Viitattu 4.2.2024 

https://blogs.helsinki.fi/stellasy/

Suomen ympäristökeskus. (4.6.2021, luettu 4.2.2024) Tulvariskialueet https://www.vesi.fi/vesitieto/tulvariskialueet/ 

 

Lisää harjoittelua QGIS:illä

Tällä kurssikerralla tarkastelimme yhdessä erilaisia datan lähteitä ja rajapintapalveluita. Sitten QGIS:in kanssa harjoittelu jatkui, käytimme rajapintapalveluita sekä tarkastelimme erilaisia karttaprojektioita ja niiden eroja. Teimme yhden taulukon sekä useita karttoja kuvaamaan projektioiden eroja.  

Harjoittelimme tuomaan eri lähteitä QGIS:iin, ja mittailimme pituuksia ja pinta-aloja yksinkertaisilla työkaluilla. Valitsin tietyn kohdan Suomen pohjoisosasta, ja piirsin viivan ja alueen sinne. Kokosimme niiden eroista taulukon (taulukko 1), jossa minulla näkyy ETRS-TM35FIN –projektio, Robinsonin projektio, Mercatorin projektio, Equal earth –projektio sekä Gall-Petersin projektio. Kun katsotaan esimerkiksi Mercatorin projektiota, erot ovat todella suuret, varsinkin pinta-alan kanssa.  

Taulukko 1. Eri projektioiden pituuksien ja pinta-alojen vertailua.

 

Kuvassa 1 nähdään Robinsonin projektio verrattuna ETRS-TM35FIN-projektioon. Valitsin karttaan 8 luokkaa ja luonnolliset luokkavälit. Mielestäni väritys sekä luokkien määrä sopii melko hyvin karttaan, ja se on muutenkin selkeä. Toisaalta tein sen vähän huolimattomasti, ja unohdin esimerkiksi kirjoittaa ETRS-TM35FIN-projektion koko nimen, enkä muutenkaan miettinyt sommittelua niin paljoa, vaikka ei se nyt niin huono ole. Lisäksi legendassa ei ole kunnon selitystä luokille, siinä pitäisi lukea jotakin projektioiden vääristymistä.

Seuraavana kuvassa 2 näkyy Mercatorin projektion vertailua. Tähän muutin vähän kartan ulkonäköä, koska halusin kokeilla, miltä täysin erilainen kartta näyttäisi. Vähensin luokkia viiteen, ja valitsin tumman väriskaalan kuvaamaan projektioiden eroja. Kartasta tuli aika mielenkiintoisen näköinen, mutta ei se ole yhtä informatiivinen kuin kuvan 1 kartta. Tähän laitoin tasaväliset luokat, ja viimeisessä luokassa on aika suuri vääristymäskaala. Nämä värit sopivat mielestäni hyvin kuvamaan kartan esittämää aiheitta, mutta luokkia voisi olla enemmän, ja luonnolliset luokkavälit voisivat sopia tähänkin.

Kolmas tekemäni kartta sai vertailtavakseen Equal earth –projektion, josta tulikin aika eri näköinen kuin aiemmista kartoista. Kuvassa 3 nähdään, että vääristymät menevät tällä kertaa melko pystysuorassa. Tähän valitsin taas luonnolliset luokkavälit ja viisi luokkaa. Valitsin väristykseksi tällä kertaa punaisen sävyt. Niistä näkee kyllä erot ihan hyvin, mutta mielestäni kuvan 1 kartta oli paras kaikista kolmesta. Ei siis olisi kannattanut muuttaa kaikkea niin paljon, mutta tulipahan kokeiltua. Tekemässäni taulukossa oli lisäksi vielä yksi projektio, josta yritin kotona tehdä karttaa, mutta useiden yritysten jälkeen jouduin luovuttamaan, sillä en muistanut enää yhtä vaihetta, mikä pilasi kaiken.

Kuvista nähdään, että Mercatorin projektiossa on kaikkein suurimmat vääristymät, kun luokkien arvot ovat niin suuria. Equal earth –kartassa vääristymä ETRS-TM35FIN –projektioon näyttäisi olevan vähäisintä, eikä Robinsonin projektiokaan kovin kaukana ole. Nämä projektiot olivat minulle tuttuja aiemmilta kursseilta. En ole varma, olisiko minun pitänyt vaihtaa karttoihin pohjaksi ETRS-TM35FIN-projektio, sillä nyt se on kunkin verrattavan projektion mukaan. Monilla tuntui olevan pelkästään tämä yksi projektio kaikissa kartoissa. Esimerkiksi Laura Kaapu on tehnyt blogissaan kaikki kartat tämän projektion ollessa näkyvillä. Luulen kuitenkin, että molemmat tavat ovat oikein, koska luokkien ja värien perusteella niitä karttoja tulkitaan.  

Kävin myös lukemassa lisää muiden blogeja ja katsomassa, minkälaisia karttoja heillä oli. Esimerkiksi Taika Jaakkolan blogissa kartat olivat miellyttävän näköisiä, ja hän oli lisäksi liittänyt mukaan kuvia Tissotin indikaattoreista, joiden avulla vääristymät on helpompi hahmottaa. Itselläni on vähän vaikeuksia muistaa, mitä asioita tietyt projektiot vääristävät, koska niitä on niin monia. Oli mielenkiintoista tehtävän avulla nähdä, kuinka paljon projektiot vääristävät verrattuna ETRS-TM35FIN –projektioon, joka tässä tapauksessa on mahdollisimman vähän vääristävä projektio.  

Lähteet:  

Kaapu, L. (2024). Lauran blogi. Viitattu 30.1.2024 

https://blogs.helsinki.fi/lakaapu/

Jaakkola, T. (2024) Taikamatkalla gis-velhoksi. Viitattu 30.1.2024 

https://blogs.helsinki.fi/jztaika/

 

QGIS-harjoittelua

Ensimmäinen kurssikerta aloitettiin käymällä läpi perustietoa paikkatiedosta. Se olikin jo aika tuttua edellisiltä kursseilta. Tämän jälkeen siirryttiin yhdessä tekemään ensimmäistä karttaa QGIS-ohjelmalla. Olen käyttänyt sitä ennenkin, mutta suurin osa oli jo päässyt unohtumaan. Kävimme onneksi vaihe vaiheelta läpi kartan teon, ja siinä oppi jo paljon, ja lisäksi Moodlessa on yksityiskohtaiset ohjeet ohjelman käyttämiseksi.  

Harjoituskartta oli typen päästöistä valtioittain Itämerellä, joka näkyy kuvassa 1. Avasimme siis aineistot ohjelmassa, ja aloimme muokkaamaan karttaa. Muiden toimintojen jälkeen piti itse valita värit karttaan. En löytänyt toimintoa, jolla voisin saada saman värin mereen ja järviin, joten muokkasin värejä vain käsin niin tarkasti kuin osasin. Kokeilin eri vaihtoehtoja ja valitsin punaisen kuvamaan typen päästöjä. Ohjelmassa pystyi myös valitsemaan valmiita luokituksia päästöille tai muokkaamaan niitä itse. En enää muista tarkkaan, minkä luokituksen mukaan karttani on tehty. Minua jäi kartassani vaivaamaan, etten saanut laitettua kehystä sen ympärille, koska en ollut asetellut kuvaa niin, että kehys olisi näkynyt kokonaan, eikä minulla ollut enempää aikaa jäädä pohtimaan sitä.  

Kartasta nähdään, että Puola tuottaisi eniten typen päästöjä. Armida Wanström kertoo blogissaan, että Puola tuottaa yli kolmasosan päästöistä esimerkiksi hiiliteollisuudellaan sekä maataloudellaan. Nyt kun katson värejä, niitä olisi voinut vielä muokata, koska omaan silmään ero pienimmän ja toiseksi pienimmän luokan välillä on melko haalea, ja Viro ei erotu tarpeeksi selkeänä ollakseen pienin päästöjen tuottaja. Muutoin punainen itsessään sopii mielestäni hyvin kartan väriksi. Karttani on mielestäni ihan hyvä, mutta ei tarpeeksi huoliteltu.  

Kotona tehtävä harjoitus

Kotitehtävänä tein vaikeustason 1 tehtävän, eli valitsin yhden muuttujan, jonka esitin kartalla. Tein koropleettikartan Suomen kuntien väkiluvusta vuonna 2021, kuten kuvassa 2 näkyy. Pienten alkuvaikeuksien jälkeen totesin, että kartan tekeminen olikin yksinkertaisempaa kuin ensin ajattelin. Olin vain ajatellut liian monimutkaisesti, mutta sen jälkeen kartan teossa ei mennyt kauaa.  

Pohdin, minkä värin ottaisin kartalleni, ensimmäisenä oli punainen, mutta se ei oikeastaan miellyttänyt silmää, joten valitsin vihreän ja sinisen väliltä ja päädyin vihreään. Siinä eri sävyt erottuvat selkeinä. Tämän jälkeen oli aika päättää luokkarajat, mutta valmiit vaihtoehdot eivät olleet niin hyviä, joten muokkasin niitä käsin, jotta ne olisivat siistit. Lukiessani Emma Kolkan blogia, jolla oli sama muuttuja valittuna, huomasin, että hän pohtii ylimmän luokan ylärajan pyöristämistä, joten käytin tätä ideaa omassa kartassani. Näin luokkarajoista tuli hieman siistimmät. 

Mielestäni kartta onnistui ihan hyvin, ja näyttää siistiltä. Luokkarajat olisivat ehkä voineet olla paremmat; muutin niitä monta kertaa, kun en osannut päättää, mitkä olisivat hyvät. Tässäkään kartassa ei nyt ole kehystä, mutta en tiedä, onko se niin välttämätön. Mielestäni lukijan, joka ei tunne aineistoa, on melko helppoa tulkita tekemääni karttaa, koska värimaailma on miellyttävä ja selkeä ja aihekin on yksinkertainen. Kartalta nähdään, että suuria kuntia löytyy ympäri Suomea, mutta eniten niitä on keskittynyt etelään. Pienimpiä kuntia taas näkyy olevan Keski-Suomessa sekä Lapissa. Keskisuuria kuntia näkyy vähän joka puolella.  

Lähteet:

Wanström, A. (2024). Gissful thinking. Viitattu 23.1.2024

https://blogs.helsinki.fi/armida/ 

Kolkka, E. (2024). Emman gis blogi. Viitattu 23.1.2024

https://blogs.helsinki.fi/emkolkka/ 

Welcome to Blogipalvelut. This is your first post. Edit or delete it, then start blogging!