Tiitun Gisreissu

Kirjotan tätä postausta junassa kotiin keskiviikko yönä kello 0.52 kuukausikokouksen jatkojen jäljiltä. Taustalla soi Last Christmas ja mietin muotoutuiko tämän kurssin myötä gissistä yhtä rakas asia kuin kyseinen koko vuoden kuulokkeissa soiva joululaulu. Vastaus: ei todellakaan, mutta potentiaalia tulisen parisuhteen rakentamiseen on.

Tutemukseni gissistä ja QGIS:stä ovat vielä hyvin ristiriitaiset ja aaltoilevat. Tuntuu, että QGIS:n peruskäyttö on jo aika hanskassa. Silti huomaan kaiken tekemisen vaativan hirveän paljon ajattelua, vaikka olisin tehnyt saman asian aiemmin. Ajattelin, että olisin ollut tämän kurssin jälkeen ihan erilailla valaistunut. Että yhtäkkiä päässäni olisi vain napsahtanut, ja sitten olisin tajunnut gissin. No eihän siinä ihan niin käynyt. Koen kuitenkin, että osaamiselle on lannoitettu ravinteikas pohja tulevaisuutta ajatellen. Olisi ollut mukava jo seuraavassa periodissa päästä käyttämään näitä opittuja taitoja, mutta se taitaakin venyä seuraavaan vuoteen.

Kartta asiaan

Kaikki lähti hypoteesista: Mietin olevan todennäköistä, että muunkielisissä ja maahanmuuttajataustaisissa perheissä olisi enemmän lapsia. Lähdin luomaan tämän oletuksen perusteella postinumeroalueiden mukaista karttaa, joka valaisisi asiaa.

Lähdin kuitenkin asenteella, että melkeinpä sama, mikä karttani tulos on, jos olen oppinut jotain. Käytin kuvan 1 kartan tekemiseen monia eri kurssin aikana opeteltuja työkaluja. Aluksi hyödynsin jo kurssilla aiemmin käytettyä kiinteistöjen tunnuslukuaineistoa. Latasin HRI:n kautta postinumeroalueiden mukaisen aluejaon. Kartan tekemisen jälkeen kuitenkin osa-aluejako tai jokin muu laajempi jako olisi voinut toimia paremmin. Viimeiseksi valitsin taustalle ESRI:n vaalean taustakartan.

Näiden pohjalta aloin hommiin. Ensin kiinteistö/väestöatribuutit täytyi saada liitettyä postinumeroalueiden mukaisiksi. Tein tämän rakkaan ystäväni Join attributes by location summaryn avulla (heti, kun olin käynyt muokkaamassa asetukset sopiviksi). Yhdistämisen jälkeen kiinteistöt olivat attribuutissa edelleen erikseen, vaikka niihin oli nyt liitetty postinumeroalue. Niimpä hyödynsin seuraavaksi Dissolve-toimintoa, joka yhdistää haluttuja kohteita, jonkin yhdistävän koodin mukaan. Laitoin koodiksi postinumeron, ja näin arvot laskeutuivat kaikista kiinteistöistä yhdeksi tiedoksi postinumeroalueille.

Karttaesitystä varten tarvitsin atribuuttitaulukkoon muunkielisten ja lapsien (0-18 vuotiaat) prosentuaalisen osuuden väestöstä. Muunkieliset vain jaoin kokonaisväestöllä ja lapsille piti ensin tehdä summasarake laskemalla ikäluokat yhteen. Sitten oltiinkin jo valmiita visualisointi puoleen. Koin, että pääsin hyödyntämään aika hyvin oppimiani taitoja tässä kartassa.

Tuloksien osalta selvää yhteyttä ei löytynyt. Mutta onhan sekin tulos. Pitää muistaa, ettei alueellinen tulos ole sama, kuin ihmisryhmän sisäinen tulos. Esimerkiksi alueilla, joilla on paljon muunkielisiä saattaa olla tasapinottamassa lapsettomia suomen- tai ruotsinkielisiä.

Aleta Friman kiteyttää hyvin blogissaan tämän kurssikerran opetuksen: ”Pääpaino kurssikerran tehtävissä oli siinä, että osasi etsiä ilmaista ja käyttökelpoista, sekä hyvin sovellettavissa olevaa dataa internetin loputtomasta valikoimasta.” Tässä koen onnistuneeni suhteellisen hyvin, vaikka hyödynsinkin jo aiemmin käytettyä aineistoa osittain. Puolustuksekseni voin myös mainita, että yritin alunperin väsäillä lataamillani HSL-aineistoilla juttuja, mutta loputon bufferointi ei inspiroinut.

Valaistuminen?

Tämän kurssin ensimmäisessä blogipostauksessa siteerasin mestari Kunfutsea seuraavasti:

Mestari sanoi: ”Opiskelu ilman omia ajatuksia johtaa petetyksi tulemiseen, ajatukset ilman opiskelua vievät vaaraan.” [Keskustelut I: 1]

Olenko valaistunut? Onko mietiskely ja gissin vääntäminen tehnyt minusta yli-ihmisen? Valitettavasti joudun sanomaan, että ei. Toisaalta realistisuuden nimissä ei entisaikojen suuret ajattelijatkaan valaistuneet yhden yliopistoperiodin aikana.

Positiivista tässä kurssissa:

-Olen oppinut asioita (Join attributes by location summary)

-Olen vielä järjissäni

-En vihaa gissiä

-Otan ehkä gissiä lisää

-Artulla on hyvä huumorin taju

Mutta nyt päästän teidät jaaritteluistani. Se on heipsuti hei!

Viittaukset:

Friman, A. (2022). Viikko 7: Luovuus valloilleen, Aletan GIS-blogi. Saatavilla: https://blogs.helsinki.fi/alfriman/, (Viitattu 10.3.2022)

Vau hei vau! Olen hengissä, en täysissä sielun voimissa, mutta en täysin kuollut. Tällä viikolla painoin gissiä keskiviikkona vain 8 tuntia: edistystä. Artun armosta tällä viikolla tehtävät olivat mielestäni melko kevyitä. Tuli tehdä paljon itse, mutta ei oikeastaan mitään sellaista, jota ei olisi jo opeteltu. Oli ihanaa hengähtää hieman ja oikeasti pohtia, mitäs sitä osaisikaan QGIS:llä kikkailla.

Nalle Puh, suuri idolini, on inspiroinut tämän viikon sitaatin. Olen todennut, että gissiä tehdessä on mahdotonta tuntea itsensä älykkääksi ihmiseksi. QGIS antaa tasaista vastusta, joten itseään ei voi tuntea missään vaiheessa mestariksi. On lohduttavaa tietää, että itse Nalle Puhkin kärsii samoista ongelmista ilman gissiäkin:

”Miten ihanaa olisi olla todella älykäs ja ymmärtää asioita.”

Kaatuminen Suomen talvessa on uhraus gissille

Kuulostaapa dramaattiselle. No onneksi nyt ei ole kyse talvisodasta, vaan leppoisasta tiedonkeruu reissusta Kumpulan laaksossa. Kuljimme ryhmissä lyhyen lenkin, jonka aikana paikkatietosovelluksilla vastasimme erilaisiin kysymyksiin tietyissä valitsemissamme sijainneissa. Koko ryhmän data ladattiin QGIS:iin ja sen perusteella tehtiin interpoloitu kartta.

Kuvan 1 kartta onnistui mielestäni melko hyvin. Se on selkeä siinä mielessä, että lukija näkee, missä sijainnessa on annettu minkäkin arvoisia vastauksia annettuun kysymykseen. Sijaintipisteiden väri jäi hieman mietityttämään: ne olisivat voineet olla erottuvamman väriset. Interpolointityökalu tuntuu bufferoinnin tapaan yksinkertaiselta työkalulta käyttää. En vain saa mieleeni kovimpaan laajasti  vaihtoehtoja sen käytölle. Niitä varmasti kuitenkin on.

Sinneppäin

Sitten itse tämän viikon itsenäiseen tehtävään. Oli mukavaa päästä toteuttamaan vapaavalintaisia hasardikarttoja avoimella datalla, vaikka niiden väsäilyyn menikin useampi tunti. Ensin ajattelin, että olisin käyttänyt interpolointityökalua, johon oli juuri tutustuttu. En kuitenkaan löytänyt sille sopivaa tehtävää kartoistani. Sen sijaan kokeilin Heat map luokittelua ensimmäistä kertaa. Kyseessä on kiva työkalu, jolla saa kartalla näkymään, missä on eniten haluttuja kohteita. Heat mapilla onkin hyvä kuvata eri hasardien, kuten tsunamien ja maanjäristyksien esiintyvyyttä.

Ensimmäinen karttani (kuva 2) on kyhäelmä yli 7,5 magnitudin maanjäristyksistä ja niiden esiintyvyydestä. Heat mapin heikkous on se, ettei sillä ole valmista legendaa layout tilassa. Näin ollen pään vaivaa tuotti hieman väriselitteen väsääminen erikseen. Kartta on mielestäni visuaalisesti kiva. Selitteen teksti on kuitenkin turhan pientä, sillä en hahmottanut sen kokoa todella suurella tietokoneen näytöllä.

Kiitos Alille oivaltavasta huomiostaan blogissaan kartan asettelusta suhteessa mannerlaattoihin: ”Pienenä sivuhuomiona haluan mainita, että useimmissa tapauksissa kun maailmankartta esitetään tasomuotoisena, on kartta luontevaa jakaa Tyynen valtameren kohdalta. Tämä hyvin yleinen esitys sopii kuitenkin hieman heikosti juuri tähän käyttötarkoitukseen, sillä noin 75 % tulivuorista ja jopa 90 % maanjäristyksistä sijoittuu Tyynenmeren tulirenkaan alueelle–” Olin miettinyt itsekin juuri tätä samaa asiaa mannerlaatoista erilaisia karttatulkintoja katsellessani. Omissakin kartoissani olisi toiminut paremmin esimerkiksi Atlantin kohdalta jaettu maailman kartta.

Tehtävänä oli luoda kolme karttaa. Seuraavaan kuvan 3 karttaan hain tsunami dataa kuolettavista tsunameista NOAA:sta eli Yhdysvaltain sää- ja valtamerentutkimusorganisaatiolta. Sivusto oli mielestäni helppokäyttöinen. Tsunamidataa hakiessani rajasin kuolemat niin että niitä oli vähintään yksi. Kartta oli muuten yksinkertainen tehdä, mutta luokittelu niin, että eroja näkyisi järkevästi oli hankalaa. Tämä johtui osittain siitä, että kaikkia datan kohteita ei pystynyt visualisoimaan kartalle, sillä datassa kaikille kohteille ei ollut sijaintitietoja. Tein kuitenkin kartan loppuun hävyttömästi sivuuttamalla tämän seikan.

Kuvan 4 kuvaan yhdistin nämä aiemmin hakemani aineistot. Pyrkimyksenä oli tarkastella, kuinka käsi kädessä isot tsunamit ja maanjäristykset kulkevat. Yhteys on melko selkeä. Amerikkojen länsipuolen ja Itä-Aasian törmäyskohtien riskialueet ovat selvästi näkyvissä. Tsunamien esiintyminen jäljittelee juuri isojen maanjäristysten esiintymistä.

Tapanin päivän Intian valtameren tuhoisan vuoden 2004 tsunamin lisäksi on kuvasta 3 havaittavissa Japanin suuren maanjäristyksen aiheuttama tsunami vuonna 2011. Tämä järistys on kiinnostanut minua aina erityisesti ja perehdyin siihen hieman. Kyseessä oli pahin maanjäristys tai seisminen tapahtuma Japanille yli tuhanteen vuoteen. Kun arvioi, kuinka paljon Japanissa tapahtuu vakavia maanjäristyksiä, oli kyseessä hyvin erikoislaatuinen tapaus. Paljon kertoo myös uhrimäärä: 15 829 kuollutta, tuhansia loukkaantuneita ja kadonneita. Tuhoisin seisminen tapahtuma ihmiskunnalle sitten vuoden 1923 jätti syvät henkiset arvet japanilaisiin. Tsunami, joka seurasi 9 magnitudin järistystä aiheutti vakavimman ydinonnettomuuden kylmän sodan jälkeen (Smits 2014). On todettava, että seismisillä alueilla voimakkaat liikunnot aiheuttavat hirvittävän suuria tuhoja. Ketju ikään kuin alkaa elää omaa elämäänsä.

Parhaat ideat tulevat aina tunnetusti sen jälkeen, kun ne olisi voinut toteuttaa. Aloin blogia kirjoittaessa miettimään, mitä kaikkia eri työkaluja sitä olisi voinutkaan käyttää. Yksi selkeä ja ehkäpä aika hyödyllinenkin olisi ollut ihan perinteinen bufferointi. Esimerkiksi tuomalla laajalla haarukalla maanjäristyksiä ja bufferoimalla mannerlaattojen rajat, olisi voinut tarkastella kuinka iso osa vaikkapa paljon vahinkoa aiheuttavista järistyksistä tapahtuu tietyllä etäisyydessä mannerlaatan reunasta.

Hienoista ideoista huolimatta ei minulla ole enää tässä vaiheessa minkäänlaista energiaa toteuttaa näitä visioita kartalle. Onneksi seuraavalla kerralla pääsen sooloilemaan visioiden kanssa ihan urakalla. Pois alta ja kohta mennään taas!

 

 

 

 

 

 

 

 

 

Lähteet:

Smits, G. (2014). When the Earth Roars : Lessons from the History of Earthquakes in Japan. Rowman & Littlefield Publishers. Saatavilla: https://ebookcentral-proquest-com.libproxy.helsinki.fi/lib/helsinki-ebooks/reader.action?docID=1657092

Ylikoski, A. (2022). Kurssikerta 6: Sään ääri-ilmiöitä ja maanjäristyksiä, Alin geoinformatiikka blogi. Saatavilla: https://blogs.helsinki.fi/alingeoinformatiikka/, (Viitattu 24.2.2022)

 

 

 

Heipsuli hei. En tiedä enää mistään mitään. Viime viikko tuntui vielä valoisalta, mutta tällä viikolla itsenäiset tehtävät olivat kryptistä soppaa. Ilman ohjeita tuntui kuin lilluisi avomerellä ilman pelastusrengasta. Tuntuu ristiriitaiselta, että vaikka QGIS alkaa tuntua selkeämmältä, olen silti tasaisin väliajoin aivan hukassa. Erityisesti oikean työkalun löytäminen johonkin ongelmaan on haastavaa. En haluaisi luovuttaa, ja siksipä tukeuduin heikkona hetkenä uskolliseen ystävääni Muumipappaan. Muumipappa uhkuu itsevarmuutta karuimpinakin hetkinä. Kiitos siis hänelle seuraavasta sitaatista:

”Minun täytyy pysyä selväjärkisenä.”

Muumipappa: Suuri ajattelija, filosofi, nero, ikoni.

Viikon teemasana olkoon siis järki, vaikkei sitä ehkä olisikaan jäljellä.

 

Bufferit eivät tarjoa ilon buffettia

Viime viikolla valitin QGIS:n kököistä digitointi ominaisuuksista. En oikeastaan yllättynyt, kun Arttu kertoi ettei viime kerran omia digitointeja välttämättä tarvitse. Ei se mitään. Aloimme harjoitella buffereiden eli erilaisten vyöhykkeiden luontia. QGIS:n Buffered-työkalulla opettelimme tekemään eri suuruisia buffereita eri objekteille, kuten teille tai rakennuksille. Buffereiden avulla tarkastellaan, kuinka moni kohde jää vyöhykkeen sisälle tai ulkopuolelle. Tämä on hyvä työkalu kaikenlaisten vaikutusalueiden tarkasteluun, esimerkiksi meluvyöhykkeet, etäisyydet johonkin kohteeseen tai vaikkapa saasteiden vaikutusalue.

 

Bufferointi oli mielestäni melko yksinkertaista ja sitä oli helppo tehdä. Opettelimme myös itse digitoimillemme kohteille vyöhykkeiden tekemistä. Kaksi ylempää kuvaa (kuvat 1 ja 2) esittävät perusbufferointia, jota tein pornaisten eri rakennuksille ja malmin kiitoteille. Kun olimme toistaneet paljon mekaanista tekemistä, pääsin vauhtiin, kun tein meluvyöhykkeitä Helsingin lentokentälle. Alla olevassa kuvassa 3 on aikaansaannokseni. Pääsin luokittelemaan melualueita ja piirtämään omaa meluvyöhykettä. Mittasin melualueen jatkeen pituuden kiitotien toisesta päästä, jossa oli jo meluvyöhyke 60 desibeliin. Pituus oli 4 kilometriä ja tein jatkeestani 3,5 kilometriä, sillä desibelivyöhykkeen tulee olla 4 kilometriä ja puskuroinnilla siitä tulee tämän pituinen. Kuvan 3 kartasta tuli mielestäni mukava.

Tällä viikolla oli paljon itsenäisiä tehtäviä, joissa tuli vastata annettuihin kysymyksiin tai ongelmiin. En näe kuitenkaan tarpeellisena listata saamiani tuloksia tänne. Pääpointti on varmasti se, että opin itse ratkaisemaan annetun tehtävän ja sisäistän työkalut sen takana. En koe saavani tuloksien taulukoinnista mitään lisäarvoa oppimiseeni.

Tuherruksia, joita sain aikaan

Haluan siteerata tähän heti alkuun Katria blogissaan GIS-velhoksi. ”Tehtiin jotain, en muista mitä”, toteaa Katri. Tämä summaa melko hyvin fiilikseni 8 ja puolen tunnin gis uurastuksen jälkeen keskiviikkona. Hukassa oltiin, mutta saimme asioita aikaan lopulta. Kiitos Ilari ”Mineraalimies” Leinon pääsimme ennen kahdeksaa illalla lähtemään kotiin. Hän valaisi meitä asetuksella, jonka avulla saimme kriittisimmän osan suoritettua uima-allas ja putkiremonttitehtävistä. Join attributes by location (summary) ei tuntunut toimivan aineistollamme ilman sellaisen asetuksen kuin invalid features filtering muuttamista ignore-muotoon. Kryptistä asiaa vielä minulle, mutta onneksi kampuksella oli yksi pelastava gis-velho paikalla.

Kuvassa 4 on kartta vuosina 1965-1970 rakennettujen kerrostalojen osuudesta suhteessa kaikkiin rakennuksiin pääkaupunkiseudulla. Eniten näissä kahdessa viimeisessä tehtävässä harjaannuin käyttämään select by attribute -työkalua. Sillä sai valittua tiettyjä kohteita ja tehtyä niistä omia tasoja eli layereitä. Uusien layereiden avulla saatiin eroteltua juuri ne kohteet aineistosta, joita halutaan käsitellä. Join attributes by location (summary):lla yhdistimme molemmissa tehtävissä halutut tiedot alue- eli postinumerojakoon. Kuvassa 4 on yhdistetty 1965-1970 rakennetut kerrostalot alueisiin tällä työkalulla ja kuvassa 5 uima-altaalliset rakennukset aluejakoon.

Mielestäni uima-allaskartta oli helpompi tehdä, sillä työvaiheita ennen visuaalista hiomista oli vähemmän. Histogrammien liittäminen karttaan oli jo tuttua hommaa. Keksimme vielä yhdessä, miten numerot saa liitettyä histogrammien päälle kopioimalla layerin uudeksi ja valitsemalla diagrammiksi numeroinnin. Kiitos tästä vinkistä Nealle!

 

 

Pohdiskelua, puhdiskelua

Missä nyt sitten mennään? Mitä jäi käteen? No enpäs oikein tiiä. Ainakin Join attributes by location (summary) on tuttu. Ja valintatyökalun käyttö on jo todella sujuvaa. Tuntuu vielä haastavalta itse miettiä, mitä työkalua tulee kulloinkin käyttää. Onneksi QGIS:n peruskäyttö on hallinnassa. Positiivista on se, että koen kehittyväni koko ajan, vaikka turhautuminen ja väsymys varjostaisivatkin matkaa gis-guruksi.

Kiitos Eeva vielä ihanista terkuista: ”ps. sinä ja sinun karttasi riitätte.” Pyrin pitämään tämän mielessäni niinä hetkinä, kun edes Muumipapan voimasanat eivät riitä. Ja kiitos vielä kaikille mussukoille, jotka hikoilivat kanssani gis-luokassa <3

Lähteet:

Katri Hämäläinen (2022). QGIS – buffereita ja uima-altaita, GIS-Velhoksi, saatavilla: https://blogs.helsinki.fi/katriham/ ,(Viitattu 18.2.2022)

Eeva Raki (2022). Kurssikerta 5: Toistoja, Oppimassa geoinformatiikkaa, saatavilla: https://blogs.helsinki.fi/eevaraki/, (Viitattu 18.2.2022)

Hei taas. Nyt väsyttää niin paljon, että tuntuu kuin sulaisi maan alle. Yllättävää kyllä syy ei ole tämän tulisen tappavan gis-kurssin. Luulen, että tapumukseni innostua liian monesta asiasta samaan aikaan palavasti on iskenyt minua jälleen kerran kirveellä jalkaan. Onko valoa tunnelin päässä? Totta puhuakseni en tiedä, mutta ainakin gissin osalta elän tällä hetkellä aallon harjalla. Siitä lisää myöhemmin.

Ketään ei nyt varmaankaan yllätä, kun kerron viikon teemasanan olevan väsymys. Miten ihminen voikaan väsyä tehdessään ihania asioita. Mielestäni sen pitäisi olla laitonta. Suomalainen kirjailijalegenda Mika Waltari on ilmeisimmin keksinyt tähän lääkkeen. Nimittäin hänen seuraavan sitaattinsa perusteella uskon väsymyksen olevan Waltarin mielestä vain nykymaailman hömpötys, jonka voi heittää roskakoriin:

”Väsymykseni muuttuu hermostuneeksi, ylijännittyneeksi kirkkaudeksi.”

Ilmeisesti väsymys tekee Waltarista neron, tai sitten hän on ottanut jotain. En tiedä, mutta sen tiedän, että en ole vielä tässä väsymystilassa kirjoittanut 34 kielelle käännettyä yli pitkää mestariteosta. Empiirisen tutkimukseni perusteella voimme todeta, ettei Waltari ole ollut järjissään tuota sitaattia laukoessaan.

Ruutuja, jotka tajusin (ehkä)

Ja taas mennään. Viikon tunnin aiheena olivat piste- ja ruutuaineistot. Sormet ristissä jännitimme luento-osuuden jälkeen toimiiko Moodle huoltokatkon takia. Kaikkien yllätykseksi Artulla oli kerrankin onnea matkassa ja pääsimme tuumasta toimeen. Pisteaineisto on hyvin tarkkaa paikkatietoaineistoa, jolla voidaan kuvata yksittäisiä kohteita tai laajempaa kokonaisuutta. Laserkeilauksen luoma aineisto on näistä pisteaineistoista kaikista tarkin. Ruutuaineistossa hyödynnetään usein pisteaineistoa taustalla, kuten mekin tämän viikon tehtävässä. Ruutuaineisto on hyvä työkalu jaottelemaan aineistoa kartalle, kun käytössä ei ole valmista aluejakoa.

Ensimmäisen kartan (kuva 1) loin tunnin aikana muunkielisten osuudesta väestöstä kilometri kertaa kilometri kokoisilla ruudukoilla. Ensin tunnilla meinasi tulla pieni paniikki, sillä ruudukkoni näytti erilaiselta kuin muilla. Kuten Roosa Kotilainenkin on blogissaan maininnutkin, johtuen vapaalla kädellä rajatuista ruudukoista on kaikkien ruudukot hieman erilaisia. Tehtävä tuntui tällä kertaa yllättävän helpolta. Tuntui kuin layerit ja uudet sarakkeet atribuuttitauluun alkaisi loksahdella pikku hiljaa paikalleen.

Luonnollisesta luokkajaosta on tullut paras ystäväni. Miten se kuin taikaiskusta toimii aina. Kai luonnollinen luokkajako on sielultaan kympin tyttö: sitä hyvää tulosta vaan tulee. Ja hyvä niin minun kannaltani. Käytin siis molempiin kuvien 1 ja 2 karttoihin tätä luokkajakoa. Visuaalisesti kartat ovat mielestäni onnistuneita. On aina kivaa hurvitella eri värien kanssa, vaikka päädynkin yleensä aika samanlaiseen ulkoasuun. Mietin järvien sijoittamista ruudukon alle pitkään, mutta lopulta koin niiden tuovan jonkinlaista paikkasidonnaisuutta kartan lukijalle, joten jätin ne.

Kuvan 2 kartassa pääsin itse vähän soveltamaan ja loin oman muuttujan visualisoitavaksi ruudukkoon. Päätin laskea yli 60-vuotiaiden asukkaiden osuuden kokonaisväestöstä alueella. Laskin ensin yli 60-vuotiaiden ikäluokat yhteen ja jaoin tämän summan kokonaisasukasmäärällä. Sitten jaoin vielä saadun luvun sadalla, jotta esityksen yksikkö olisi prosentteina. Olen hieman ylpeä itsestäni, sillä en tarvinnut juurikaan apua tähän. Kai se osaaminen karttuu näistä vähän hävettävän pienistä onnistumisista.

Mitään maata mullistavia johtopäätöksiä en kartoistani osaa tehdä. Kuvan 1 kartasta voi päätellä, että muun kielisistä suurin osa ei asu kalleimmilla tai lähimpänä Helsingin keskustaa olevilla alueilla. Muunkielisten osuus näyttäisi olevan suurimmillaan Vantaalla ja Itä-Helsingissä. Tämä tuntuu loogiselta, sillä muunkielisiin kuuluu paljon sellaisia maahanmuuttajia, joilla on vaikeuksia saada tutkintoaan hyväksi luettua tai ylipäätään töitä. Vertaillaampa vaikkapa helsinkiläisten maahanmuuttajien vuosittaisia keskituloja suomalaistaustaisiin. Helsingin kaupungin Tulotaso kasvaa maassaolon myötä -artikkelin mukaan maahanmuuttajien keskitulot ovat 23 562 euroa vuodessa. Vastaava luku suomalaistaustaisilla henkilöillä on 40 212 euroa. Ero on hurja ja tuntuu vähintäänkin ymmärrettävältä, että suurimmalla osalla on varaa asua vain kauemmilla asuinalueilla. Ikävän lisän tuo se, että eri maalaiset maahanmuuttajat kokevat eri suuruisia haasteita elämästä selviämisessä.

Kuvan 2 kartan analyysin tueksi en jaksanut toivottamasta laiskuudestani johtuen etsiä tukevaa aineistoa. Luulen kuitenkin vanhuksien painottumisen kaukaisemmille alueille pääkaupunkiseudulla johtuvan ehkä luonnon rauhasta, omakotitaloista, vanhainkodeista ja siitä, ettei työpaikan läheisyys ole enää edellytys eläkkeellä.

Hikistä digitointia

Aloittelimme tunnilla seuraavan kerran projektia. Ensin yhdistelimme neljästä kryptisestä kuvasta taiteellisen otoksen Pornaisista, joka mielestäni näyttää vahvasti silmän pohjan kuvalta. Onneksi Ilari valotti asiaa minulle ja kertoi kuvan olevan johdettu Maanmittauslaitoksen laserkeilausaineistosta. Kuvaa 3 käytettiin pohjana rinnevarjostuksen ja korkeuskäyrien luontiin.

Tunnin huipensi huikea napsuttelu, kun pääsimme taas digitoinnin pariin QGIS:llä. Totesin heti pitäväni Corelista enemmän digitointihommissa. Digitoinnissa QGIS tuntui kököltä ja kömpelöltä. Kuvan 4 digitoitua materiaalia tullaan kuulemma käyttämään seuraavalla kerralla.

Morpsu ja ens kerralla mennään taas.

Lähteet:

Helsingin kaupunki (31.3.2021). Tulotaso kasvaa maassaoloajan myötä. (luettu 11.2.2022), saatavilla: https://ulkomaalaistaustaisethelsingissa.fi/fi/tulot

Kotilainen R. (2022). Viikko 4: Ruutuaineistoihin perehtymistä, Roosan blogi. (luettu 11.2.2022), saatavilla: https://blogs.helsinki.fi/rokoro/

Viikon teemasana on talvi. Valintaani inspiroi Kerttu, jonka kanssa kävin runollisen keskustelun talvesta kavutessamme Kumpulan mäelle eräs luminen aamu (siis tänään). Pohdimme kuinka tänä vuonna on siunaantunut hyvä talvi. Voisinpa sanoa samaa gis-osaamiseni suhteen. Tällä viikolla kuitenkin en vaipunut epätoivoon, vaan imin energiaa talvisesta kauneudesta. Työnteon määrää pilvissä leijailu ei vähentänyt. Viikko oli työntäyteinen, mutta henkinen valmistautuminen kasvattaa omia kykyjä kahlata siitä läpi.

Viikon sitaatissa loistaa realismin ja melankolisten tunteiden mestari Eino Leino:

”Talvella lauluja tehdä ei, / talvella tehdään työtä.”

Työn raskaan raatajat täällä Kumpulan kampuksella. Talvi on pitkä, mutta ainakin se on hetken kaunis.

Minä ja AggregatedAfrica emme ole (vielä) ystäviä

Keskiviikko aamuna ajattelin, että taas mennään. Samanlainen fiilinki olikin tunnin alussa, kun QGIS ei halunnut tehdä saumatonta yhteistyötä. Yhdistetty Afrikka tasoni (kuva 1) oli suurentunut potenssiin sata kokoiseksi ja ohjelmani oli kuin ysäridisko, kun zoomailin projektia. Onneksi kävimme rakentavaa keskustelua QGIS:n kanssa tuntemuksistamme ja lähdimme rakentamaan yhteyttä kompromissien kautta.

Itse aiheena siis oli eri aineistojen tuominen ohjelmaan ja niiden yhdistäminen mahdollisimman tarkoituksenmukaisesti. Toimme ensin aineiston Afrikan eri alueista. Opettelimme yhdistelemään alueita valtioiksi ja liitimme valtioiden tietoihin atribuuttitaulukkoon muunmuassa konfliktien määriä, kaivostoimintarikkauksia ja internetin käyttäjien määriä. Osa asiasta meni ohi, mutta yksinkertaiset yhdistelyt uskon jo hallitsevani.

 

Kuvan 2 kartastani tuli syötävän söpö. Etenkin aamun tunteina, kun aamupala oli jäänyt väliin, haaveilin silmät suurina Afrikka-karttaani tuijotellen karkista jos toisesta. Tämä on hieman ironista, sillä herkullisen väriset pisteet kartalla eivät kuvasta erityisen positiivisia asioita. Kartan avulla yritimme havaita jonkinlaista yhteyttä konfliktien ja rahakkaiden luonnonvarojen välillä. Mielestäni Jessika Isomeri kiteyttää hyvin omatkin pohdintani aiheesta blogissaan: ”Timanttikaivostoiminta on kiistatta johtanut väkivaltaisiin yhteydenottoihin monissa Afrikan valtioissa, mutta kaivostoiminnan vaikutukset paikallisiin yhteiskuntarakenteisiin ovat kuitenkin moniulotteiset.” On siis hankala vetää aivan suoria johtopäätöksiä kartta-aineiston pohjalta.

Hain kuitenkin tukea ajatuksen juoksulleni siitä, että esimerkiksi kaivostoiminta voi olla merkittävä konfliktin aiheuttaja joillain alueilla. Löysin artikkelin, joka juurikin käsittelee tätä yhteyttä (Engels 2016). Artikkelissa todetaan, että kaivostoimintaa ei enää juurikaan tapahdu ”uusilla alueilla”, vaan tuottavimmat paikat ovat jo tiedossa. Tämä luo kilpailua samoista resursseista. Mukana on myös korruptio, joka on yksi epätasaisesti jakautuvien kaivosrikkauksien seurauksista.

Kaivostoiminta aiheuttaa monien tahojen välille ristiriitoja: ”The typology suggested in this chapter distinguishes three types of mining conflicts along the lines of actor constellations: conflicts between civil society organisations on the one hand and the state and mining companies on the other; conflicts between trade unions and mining companies; and conflicts between artisanal miners and mining companies.” Heikoimmassa asemassa näistä on luonnollisesti paikalliset maanomistajat ja työntekijät kaivoksilla. Artikkelissa kuitenkin muistutetaan ettei mikään ole homogeenistä edes näistä yleisimmistä konfliktin osallistujapuolista. Esimerkiksi paikallisyhteisössä voi hyvin olla sellaisia, jotka hyötyvät isomman yrityksen kaivoksesta alueella ja sellaisia jotka kokevat sen vuoksi tappiota. Useimmiten maissa, joissa teollisella kaivostoiminnalla on pitkät perinteet, konfliktit ovat yleensä kaivosyhtiöiden ja valtion välisiä. Taas maissa, joissa ala on ollut pitkälti yksittäisten pientoimijoiden varassa, syntyvät konfliktit kaivosyrittäjien ja isojen yhtiöiden välille.

Ongelman ja sen osapuolien monisyisyys on hillittömän mielenkiintoista. Tähän olisi kovasti intoa perehtyä vielä lisää ja nyt taisinkin jo hurahtaa sivuraiteille. Pahoittelut siitä!

Tieto tulvii yli, muttei pahasti

Viikon itsenäisenä tehtävänä oli luoda tulvaindeksiä ja järvisyyttä Suomen valuma-alueilla kuvaava kartta (kuva 3). Tehtävän aikana minusta tuntui kuin QGIS olisi vielä jonain päivänä ymmärrettävä järjestelmä. Aloin nimittäin jo hahmottamaan, missä ikkunoissa tehdään mitäkin ja miten lähdeaineisto käyttäytyy ohjelmistossa. Olen lähes kehityksen aallonharjalla. Hieman päänvaivaa loi se, etten ollut aivan varma, miten tulvaindeksi toimii. Onneksi selvitin asian. Tulvaindeksi kuvaa sitä, kuinka moninkertainen vesimäärä tulvahuipussa on joen keskimääräiseen keskivirtaamaan verrattuna. (En vieläkään täysin hahmota tätä.)

Kävin kiivasta debattia itseni kanssa siitä, tekeekö vesistöjen paljous ja tarkkuus (erityisesti joet) kartasta liian sotkuisen tai vaikeasti luettavan. Kokeilin siis kuvan neljä karttaan visualisointia ilman vesistöjä. Saatoin hankkia inspiraation tähän Jessikan blogista. Ristiriitaa sisälläni nostattaa se, kuinka koen vesistöjen olevan olennainen osa veden käyttäytymistä kuvaavaa karttaa. Toisaalta kuvan 4 versio on varsinkin pylväiden selkeyden kannalta helpommin luettava. En ole varma kummasta pidän enemmän, mutta tämä osoittaa taas karttojen luonninkin olevan täynnä makuasioita.

Näin lopuksi haluan kompata Siiriä siinä, että joukossa on todella voimaa! Gis-luokassa oli tällä viikolla todella hyvä meno. Väänsimme yhdessä diagrammeja tulvakarttaan ja hetken tuntui, että haasteet on tehty selätettäviksi. Yhteishenki kasvaa viikko viikolta. Saa nähdä mitkä pirskeet näistä oikein tulee tällä menolla :3

 

Lähteet:

Leino, E. (1900). Sydämeni talvi. Hiihtäjän virsiä, Kustannusosakeyhtiö Otava. Saatavilla: https://runosto.net/eino-leino/hiihtajan-virsia/sydameni-talvi/

Isomeri, J. (2022). Jessikan gis-hurvittelut. (Luettu: 3.2.2022), saatavilla: ttps://blogs-test.it.helsinki.fi/jessikangishurvittelut/

Engels, B. (2016). Mining conflicts in sub-Saharan Africa: Actors and
repertoires of contention. GLOCON Working Paper, (2). Berlin. (Luettu 3.2.2022), saatavilla: https://www.econstor.eu/bitstream/10419/199095/1/GLOCON-WP-02.pdf

Kokkonen, S. (2022). leipä. (Luettu 3.2.2022), saatavilla: https://blogs.helsinki.fi/siirikok/

Hei taas! Elämä jatkuu, niin myös gis.

Pähkäilyjä tunnilta

Tämän viikkoisella tunnilla päätin olla tarkkaavainen opetuksen aikana, jotta en joutuisi jälkikäteen valittamaan blogiini siitä, kuinka olen ulapalla ja turhautunut. Voin myöntää onnistuneeni seuraamaan opetusta koko tunnin ajan. Tunnilla käydyt harjoitteet QGIS:ssä tuntuivat melko selkeitä aluksi, kun keskittyi oikeasti seuraamaan mitä tehtiin. Sitten todellisuus iski vasten kasvojani. Kerron romahduksesta myöhemmin tässä blogissa. Joka tapauksessa viikon teemasana on vaikeudet. Haluan siteerata aikansa suurta ajattelijaa Hemulia:

”Toiset purjehtivat hitaasti ja toiset nopeasti ja jotkut keikahtavat kumoon.”

Elämä antaa mitä on antaakseen. Välillä mennään hitaammin ja välillä nopeammin. Yksi asia pysyy samana: kurssista on selvittävä kunnialla. Toivottavasti ei keikahdeta totaalisesti kumoon.

 

Aluksi keskityimme erityisesti aineistoihin ja niiden hyödyntämiseen. Toimme tietokantoja esimerkiksi väylävirastolta ja tilastokeskukseltan ohjelmaan. Alla olevassa kuvassa 1 vertailimme eri mittakaavan vaikutusta tarkkuuteen kartalla. Sijoitimme väyläviraston majakoita (siniset pisteet) ja katsoimme osuvatko ne mantereelle tarkemmassa ja epätarkassa mittakaavassa. Ero oli todella iso. Yleistetyssä mittakaavassa oli myös suoranaisia virheitä, kun esimekriksi saarten ääriviivat saattoivat olla täysin väärässä paikassa suhteessa todellisiin rajoihin. Tietenkään mikään karttavisualisointi ei ole yleistyksen takia täysin oikeassa, mutta tämä selkeytti käytännössä karttojen yleistä luonnetta.

Hetki ennen romahdusta

Aluksi teimme mittauksia QGIS:n mittaustyökalulla Suomen päälaelta eri projektioilla. Listasimme eroja eri projektioiden pinta-alojen ja  kolmion alimman sivun pituutta eri projektioiden välillä (kuva 2). Kirjasimme tuloksia ylös ja mietimme, missä on suurimmat erot. Tämä oli lämmittelevää harjoittelua viimeistä tehtävää varten, jossa oli tarkoitus luoda koropleettikarttoja juurikin pinta-alojen suhteellisista eroista eri karttaprojektioiden välillä.

Väännön tulokset

Kuvissa 4, 5 ja 6 on tehtävän tuotokset. Niiden tekoon kului kevyet neljä tuntia aamuisen tunnin jälkeen. Toisto on opin äiti ja nyt osaankin tehdä jo unissani projektioiden pinta-aloja vertailevan kartan. Tai en ehkä, mutta ainakin uskottelen itselleni niin. Miksi tämä sitten oli niin vaikeaa? Ensinäkin siksi, etten ole vielä gismestari, vaikka niin voisi moni kuvitella. Minun on vielä hankala hahmottaa logiikkaa, jolla paikkatieto käyttäytyy QGIS:ssä. Ehkä kyse on laskennallisesta puolesta, sillä karttojen visuaalinen pyörittely tuntuu enemmän omalta. Koenkin, että kartoista tuli selkeitä ja silmää miellyttäviä.

Joka tapauksessa nyt asiaan. Karttaprojektiot ovat välineitä kolmiulotteiden Maan siirtämiseen kaksiulotteiselle pinnalle. Tämä on mahdotonta tehdä ilman, että syntyy vääristymiä. Vääristymien laatu riippuu täysin projektion laadusta. Projektiot jaetaan taso-, kartio- ja lieriöprojektioihin. Aikaansaatu kartta voi olla voin yhtä seuraavista kerrallaan: oikeapintainen, oikeakulmainen tai oikeapituinen. Lisäksi kyseessä voi olla kompromissiprojektio. Oli mielenkiintoista nähdä visualisoinneissa, miten vääristymät jakautuvat eri projektioissa Suomen kartalle.

Yhdessä tehty vertailu oli kuvan 3 Robinsonin projektion ja ETRS-TM35FIN projektion välillä. Virheellisesti merkkasin selitteeseen, että vertailun luvut olisivat prosentteina, vaikka ne eivät ole. Kartasta voidaan päätellä, että suurimmat vääristymät pinta-alassa ovat Pohjois-Suomessa ja vääristymät kasvavat pohjoiseen päin mentäessä.

Ensimmäinen täysin itsenäinen vertailu oli Mercatorin projektiosta (kuva 4), joka on tunnetusti hyvin paljon pinta-aloja vääristävä, sillä kyseessä on oikeakulmainen projektio. Muihin tällä viikolla tehtyihin karttoihin verrattuna kuvan 4 kartassa on suurimmat pinta-alavääristymät. ”Vääristymän kasvu johtuu siitä, että projektio on lieriöprojektio ja sen vääristymät ovat pienimpiä lähellä päiväntasaajaa. Tällöin siis ei olekaan ihme, että napoja lähellä olevien alueiden pinta-alat vääristyvät merkittävästi”, kertoo Lotta tarkentavasti blogissaan. Pidän kuvan 4 kartan värityksestä paljon, vaikka se ei ehkä olekaan ideaali dramaattista erojen esittämistapaa ajatellen.

Winkel1 (kuva 5) on sinusoidaalinen projektio ja oikeapintainen. Sen pinta-alojen vääristymät ovat huomattavasti pienemmät kuin Mercatorin, vaikka kartan muoto on kallellaan vasemmalle. Suhteelliset vääristymät ovat esimerkiksi juuri Mercatoriin yli puolet pienemmät. Edellistenkin tapaan vääristymät kulkevat etelä-pohjoissuunnassa.

 

Viimeisimpänä tein karttavisualisoinnin Bonnen projektiosta (kuva 6). Muihin karttoihin verrattuna tämä kartta poikkeaa siinä, että erot pinta-alojen kasvavat itä-länsi suunnassa. Isoimmat vääristymät ovat keskellä Suomea pituussuunnassa ja pienimmät erityisesti lännessä: esimerkiksi Ahvenanmaalla. Bonnen projektio asettaa Suomen kartan kallelleen länteen päin, mutta pinta-alaerot on melko pieniä. Tähän karttaan oli hankala valita luokkien määrää ja väritystä, koska Suomen keskellä menevä pitkittäinen alue on niin hallitseva. Mielestäni kuitenkin esitys on niin onnistunut kuin se voi olla.

 

Opittuja jutskuja

Luin artikkelia mielenkiintoisesta tutkimuksesta, jossa haastateltiin ihmisiä ja tutkittiin heidän maailmankuvaansa verrattuna eri karttaprojektioiden tuottamaan käsitykseen (The Influence of Map Projections on People’s Global-Scale Cognitive Map: A Worldwide Study International Journal of Geo-Information). Julkisesti on puhuttu paljon siitä, vääristääkö Mercatorin projektion laaja käyttö turhan paljon ihmisten maailmankuvaa. Tutkimuksessa haluttiin löytää vastaus juuri tähän. Vertailussa oli Mercatorin ja Robinsonin projektiot. Päädyttiin tulokseen, että sellaiset joille Robinsonin projektio oli tutumpi arvoivat maiden ja muiden alueiden koon lähemmäs todellisuutta. Tähän kuitenkin vaikutti myös se, missä henkilö asuu. Vaikka asuisi Mercatorin projektion mukaan paljon pinta-alaltaan vääristyneessä maassa, voi silti hahmottaa kotimaansa pinta-alan melko oikein.

Projektioilla on siis vaikutusta ihmisten mielikuviin, mutta ei ehkä aina niin paljon kuin ajatellaan. Olisi silti hyvä, jos esimerkiksi somessa käytettäisiin enemmän vaikkapa kompromissiprojektioita. Tuntuu hieman etuoikeutetulta olla maantieteen opiskelija ja ymmärtää maailmaa melko todenmukaisesti verrattuna moniin muihin ihmisiin. Ehkä valinnoilla voidaan muokata ihmisten maailmankatsomusta yhdenvertaisemmaksi.

Tämän viikon henkisestä tuesta saan kiittää melko upeaa tytsyporukkaa: Pata seiska, Koutsi, Lotta, Rosa ja Hetsi, olet sydämmessäni ja ajatuksissani. Ilman teitä en tiedä, missä olisin.

Päivän toinen sitaatti:

”Mä voisin olla atk-tukihenkilö.” -Heta Suutari 2022

Lähteet:

Lapon, L.,  Ooms, K., & De Maeyer, P.  (2020) The Influence of Map Projections on People’s Global-Scale Cognitive Map: A Worldwide Study International Journal of Geo-Information. (Luettu 30.1.) Saatavilla: https://www.mdpi.com/2220-9964/9/4/196/htm

Sainio, L. (2022) Mantsailua-Lotta Sainio Viitattu: 30.1.2022, saatavilla: https://blogs.helsinki.fi/salotta/

Hei ystävä, toveri, kanssaopiskelija tai todella eksynyt lukijani! Olen Tia-Maria Liljeroos tai tuttavallisemmin Tiitu.

Gis on minulle mielenkiintoinen ja hieman pelottava aluevaltaus. Yleensä vahvuuteni kohdistuu maailman kritisointiin ja pohdiskeluun laajassa mittakaavassa. Pidän ihmisistä, heidän elämistään ja niihin vaikuttavista tekijöistä, ihmisen ja ympäristön suhteesta. Kaikkea tätä voi tutkia ja käsitellä geoinformatiikan kautta. Se tuntuu kuitenkin vielä vieraan kaukaiselta. Koen sanojen olevan helpoin väline kuvata maailmaa. Tämä juontuu varmasti rakkauteeni kirjallisuutta ja yleistä kielellistä ilmaisua kohtaan. Siksi tietokoneilla näpyttely, outojen komentojen muodostaminen ja ohjelmien kanssa väsääminen nostattaa mieleeni tummia pilviä. Ei sen takia, että olisin erityisen vihainen gis:n opiskelua kohtaan, vaan yleisestä usvasta joka leijuu mielessäni aiheen ympärillä. Toivon suhteeni geoinformatiikkaan kehittyvän positiiviseen suuntaan. Uskon ennakkoluulottomuuden olevan avain kehitykseen.

Ajattelin aloittaa blogitekstini viikoittain hieman kliseisillä ja mieltä enemmän tai vähemmän lämmittävillä wikisitaateilla. Tämän viikon sitaatin teema on opiskelu. Haluankin siteerata näin alkuun suurta ajattelijaa 500-luvulla ennen ajanlaskun alkua elänyttä Kunfutsea:

Mestari sanoi: ”Opiskelu ilman omia ajatuksia johtaa petetyksi tulemiseen, ajatukset ilman opiskelua vievät vaaraan.” [Keskustelut I: 1]

Koen tämän sitaatin kuvaavan hyvin ensimmäisen kurssikerran hämmentymistä ja melko totaalista hukassa oloa. Tunnilla ohjeet menivät ohi ymmärrykseni pitkälti sen takia, etten asettanut mieltäni ja keskittymistäni opiskeluun. Ei siis ihme, jos etenkin laskukaavojen asettaminen tuotti melkoista ulapalla oloa. Tämän viikon opetuksena olkoon, että tietoinen ajattelu ja opiskelu kulkevat symbioosissa.

Ensimmäinen harjoitus: ensimmäinen hämmennys

Keskiviikon opetusryhmän tunnilla loihdimme yllä olevan kartan (kuva 1) Itämeren typpipäästöistä jaettuna prosentuaalisesti maittain. Laskimme yhteen kokonaispäästöt ja valitsimme sopivan luokituksen visualisoidaksemme päästöjen jakautumista. Ensikosketus QGIS-ohjelmaan tuli jo ensimmäisen periodin Johdatus geoinformatiikkaan -kurssilla. Totta puhuakseni en ensimmäisessä periodissa ymmärtänyt vielä mitään. Ilokseni voin siis todeta oppineeni jo jotain. Tunnilla käytiin kartanteon vaiheita läpi yksitellen. Ainakin elementtien värien vaihto ja muu muotoilu sujuu nyt leikiten. Oppiminen on vasta alussa ja itselleen täytyy olla armollinen. Asioiden soveltaminen ja itsenäinen tekeminen tuottavat haastetta. Ohjelman käyttö varmasti selkeytyy, kun se tulee tutuksi. Odotan innolla, että pääsen kokemaan selviä oppimisen ja ymmärryksen hetkiä.

Mitä laadittuun koropleettikarttaan tulee, koen onnistuneeni siinä melko hyvin. Esitystapa on selkeän helposti ymmärrettävä. Kritiikkiä antaisin siitä, että järvien ulkorajat olisi voinut ottaa pois, jotta niiden koko ei olisi suhteettoman suuri. Nyt järvet tuntuvat valtaavan turhan paljon alaa kartalta. En ole myöskään merkannut merialuetta HELCOM-merialueeksi, mutta tämä taitaa jo olla hienosäätöä. Värimaailma on miellyttävä.

 

Itsenäinen työskentely luo ympäristön turhautumiselle

Toisena tehtävänä tällä viikolla oli luoda itsenäisesti koropleettikartta jonkin itse valitun muuttujan mukaan kunnittain. Valitsin atribuuttitaulun muuttujista ruotsinkielisten osuuden kunnan väestöstä, sillä se on mielestäni kiinnostava aihe kaksikielisessä maassa. Halusin aluksi tehdä haastavammat versiot annetuista tehtävävaihtoehdoista, joissa olisi pitänyt itse tuoda kunta-aineistoa ja/tai karttapohja QGIS:iin. Yritin opetella Join-toiminnon käyttöä YouTube-videoiden avulla, mutta kärsivällisyyteni loppui kesken, kun mielestäni oikeassa muodossa tuotu data näytti tyhjää atribuuttitaulussa. Päädyin siis tekemään suosiolla helpoimman tehtävävaihtoehdon, mutta en ole vihainen itselleni. Tämä kuuluu oppimisprosessiin. Ainakin yritin.

Aikaansaamani tuotos löytyy yllä olevasta kuvasta (kuva 2). Olen siihen tyytyväinen, sillä se ilmaisee hyvin juuri sitä, mitä pitääkin. Suomessa ruotsinkielinen väestö on keskittynyt hyvin voimakkaasti tiettyihin kuntiin, joissa jopa selkeä enemmistä puhuu äidinkielenään ruotsia. Oma lukunsa on myös Ahvenanmaa, joka tuntuu hieman erilliseltä manner-Suomeen. Pohjanmaan rannikon selkeän ydinalueen lisäksi etelärannikolla, erityisesti Hangon ja Raaseporin seudulla on paljon ruotsinkielisiä. Asetelma on maantieteellisesti ja historiallisesti luonnollinen. Etelä- ja länsirannikko on Ruotsia lähimpänä olevaa seutua Suomessa.

Laitoin lopulliseen esitykseen tasaisen luokkajaon, tai kuten ohjelmassa lukee: sievän luokkajaon. Mielestäni se selkeyttää parhaiten sitä, kuinka jakautunutta alueellisesti ruotsinkielisten sijoittuminen Suomessa on. Kokeilin myös alla olevassa kuvassa (kuva 3) olevaa kvantiililuokkajakoa, joka jakaa luokat niin, että kussakin on yhtä paljon kohteita. Tällainen jako tuo selkeämmin esille pieniä eroja, mutta varsinkin kokemattomampi kartanlukija saa helposti sellaisen kuvan, että ruotsinkielisiä olisi todellisuutta enemmän sisäisessä Suomessa. Toisaalta sisä-Suomen erot selkeytyvät, sillä sievässä luokkajaossa valkoisen alueen laajuus luo hyvin yksitoikkoisen kuvan. Olen kuitenkin tyytyväinen luokitteluvalintaani. Tässä selkenee itsellekin, kuinka suuri merkitys luokkarajoilla on kartan antaman kuvan kannalta. Pahimmassa tapauksessa ihmisten mielipiteitä voidaan muokata hyvinkin paljon kyseenalaisesti ilmaistujen karttojen avulla.

Heta Suutari ilmaisee blogissaan seuraavasti: ”Lisäksi alan hahmottamaan paremmin paikkatiedon rakennetta ja sen tilastollisia lähteitä.” Hän kuvaa erinomaisesti sitä kehitystä, joka on alkanut päässäni kohti syvempää paikkatiedon ymmärrystä. Se on nimenomaan tietoa tiedon tuottamisesta ja siitä prosessista, jolla data muuttuu visuaalisiksi kokonaisuuksiksi. Tästä on hyvä jatkaa pieni askel kerrallaan.

Lähteet:

Kungfutse (noin 475–221 eaa.)  Mestari Kongin keskustelut. Kungfutselaisuuden ydinolemus. Lúnyǔ. Lainattu: 24.1.2022, saatavilla: https://fi.wikiquote.org/wiki/Kungfutse#cite_note-1

Suutari H. (2022) Heta VS GIS Viitattu: 24.1.2022, saatavilla: https://blogs.helsinki.fi/suutarih/