Lotan blogi

Nyt koitti viimeisen kurssikerran aika ja tällä kertaa tehtävänä olikin hieman testailla, mitä kaikkea on jäänyt käteen. Kurssikerran aikana työskenneltiin itsenäisesti ja tuotettiin jonkinlainen oman valinnan mukainen kartta. Kolmesta vaihtoehdosta valitsin ensimmäisen, jossa oli tarkoitus luoda kartta tai karttasarja ja lisätä vähintään kaksi muuttujaa.

Kurssin tiedotusblogissa varoiteltiin, että varsinkin tiedon etsiminen voi olla haastavaa ja aikaa vievää, joten aloitin tilastojen ja paikkatietokantojen tutkimisen jo hyvissä ajoin, jotta voisin käydä läpi mahdollisimman paljon erilaisia vaihtoehtoa. Mielestäni erilaisten tilastojen tutkiminen oli hyvin mielenkiintoista, mutta päädyin lopulta tekemään kartan Helsingin alueelta ja vielä toisen suunnilleen samasta aihealueesta koko Suomen alueelta.

Löysin erinomaisen WFS-rajapinnan Helsingin kaupungin nettisivuilta. Tällä reitillä löysin URL-osoitteen, jonka avulla sain QGIS:ssä Helsingin peruspiirijaolla tehdyn pohjan kartalleni: Liikenne ja kartat > Paikkatietoaineistot > Avoimet paikkatiedot. Tämän jälkeen etsin sopivaa tilastotietoa ja päädyin saman nettisivun kautta Helsinki region infoshare – Avoimen datan palveluun. Kyseiseltä sivulta voi löytää useita erilaisia tilastotietoja niin Helsingistä kuin sen ympäryskunnistakin. Lisäksi haettavaa tietoa voi rajata ja itse valitsin aluksi haettaviksi tilastoiksi vain csv-muodossa olevia. Löysin aineiston Helsingissä turvattomuuttaa kokevien osuuksista peruspiireittäin vuodelta 2009. Latasin csv-tiedoston ja toin sen QGIS:iin “Add delimited text layer” -toiminnon avulla. Tämän jälkeen hyödynsin “Joins” -toimintoa. Kun sitten yritin tehdä karttaa, en saanutkaan vuoden 2009 tietoja koropleettikarttaan, koska arvot eivät olleetkaan lukuja vaan jostain syystä ne oli tulkittu johonkin muuhun muotoon. Huomasin, että myös Pinja oli kohdannut saman ongelman karttaansa tehdessään. Pienen pohdinnan jälkeen sain kuitenkin kartan tehtyä ja lähdin metsästämään toista tilastotietoa.

Olisin halunnut liittää Helsingin karttaani turvattomuuden kokemuksen lisäksi jonkinlaista rikosaineistoa. Siitä olisi voinut mahdollisesti huomata jonkinlaisia yhtäläisyyksiä. En kuitenkaan löytänyt mistään kuntajakoa tarkempaa jaottelua aiheesta, joten päädyin etsimään jotain muuta. Lopulta valitsin työttömyyden myöskin vuodelta 2009, jonka löysin Tilastokeskuksen StatFin-palvelusta. Muokkasin hieman aineistoa Excelissä, jonka jälkeen toin työttömyysasteen tiedot QGIS:iin ja siellä liitin ne karttaani numeroina, jotta tieto olisi mahdollisimman informatiivista ja selkeää. Tämän jälkeen muokkasin vielä legendan sopivaksi ja lisäsin pohjoisnuolen sekä mittakaavan.

Lopputulos näkyy kuvassa 1. Turvattomuuden kokemuksessa ja työttömyysasteessa on huomattavissa joitain yhtäläisyyksiä. Alueilla, joissa turvattomuutta koetaan verrattain paljon, on myös työttömyysaste suhteellisen korkea. Turvallisemmiksi koetuilla alueilla myös työttömyysaste on matalammasta päästä.

Kun sain ensimmäisen kartan tehtyä, halusin vielä tehdä toisen kartan niin sanotusti samaan sarjaan. Päätin etsiä lisää rikostilastoja, joita yritin ensimmäiseenkin karttaan etsiä. Tällä kertaa tein kuitenkin jaon maakunnittain. Käytin Tilastokeskuksen rajapinnan maakunta-aineistoa pohjana ja lähdin etsimään mielenkiintoista esitettävää tietoa. Löysin Tilastokeskuksen sivuilta artikkeleita “Katsaus poliisin, tullin ja rajavartiolaitoksen tietoon tulleeseen rikollisuuteen” eri vuosilta. Etsin eri vuosilta yhteisiä tekijöitä ja päädyin tekemään itse Excel-taulukot tapahtuneista pahoinpitelyistä/100 000 asukasta kohden vuosilta 2011 ja 2019. QGIS:n puolella laskin vuosien välillä tapahtuneen muutoksen ja tein saaduista luvuista kartan (kuva 2). Kartasta voi huomata, että pahoinpitelyt ovat kansallisella tasolla laskeneet muualla paitsi Ahvenanmaalla ja Kymenlaaksossa ne ovat nousseet. Karttaa tulkitessa myös Lapissa, Keski-Suomessa ja Etelä-Pohjanmaalla on voinut tapahtua nousua. Attribuuttitaulukosta tarkastetut tarkat luvut ovat Lappi 19, Keski-Suomi 14 ja Etelä-Pohjanmaa -13. Eli myös Lapissa ja Keski-Suomessa pahoinpitelyt ovat lisääntyneet.

Viimeisen kurssikerran jälkeen oli todella kiinnostavaa tutkia muiden kurssilaisten blogeja, koska jokaisesta löytyi hyvin erilaisia, mielenkiintoisia ja oikein hienoja karttoja. Tähän asti olen ehtinyt katsomaan esimerkiksi Lotan, Helmin ja Sannan blogeja, joissa jokaisessa on hyviä esimerkkejä siitä, kuinka QGIS:iä voi hyödyntää monenlaisten karttojen luomiseen.

Nyt on siis kurssin viimeinenkin luento etäyhteyksin seurattu ja voin todeta, että olen oppinut paljon. Sainhan kuitenkin tehtyä nämäkin kaksi karttaa aivan omin voimin. Myös etäopetus on toiminut yllättävän hyvin, kun sain hiiren helpottamaan elämää ja kaksi konetta mahdollistivat ohjeiden tarkan seuraamisen Zoomin kautta.

Lähteet:

Korpi Sanna (2021) https://blogs.helsinki.fi/sakorpi/ (vierailtu 2.3.2021)

Lappalainen-Imbert Helmi (2021) https://blogs.helsinki.fi/laphelmi/ (vierailtu 2.3.2021)

Mattila Lotta (2021) https://blogs.helsinki.fi/lottmatt/ (vierailtu 2.3.2021)

Pikkarainen Pinja (2021) https://blogs.helsinki.fi/pinjapik/ (vierailtu 2.3.2021)

1.Katsaus poliisin, tullin ja rajavartiolaitoksen tietoon tulleeseen rikollisuuteen. Helsinki, Tilastokeskus (2020) http://tilastokeskus.fi/til/rpk/2019/13/rpk_2019_13_2020-05-14_kat_001_fi.html (vierailtu 2.3.2021)

1. Katsaus poliisin, tullin ja rajavartiolaitoksen tietoon tulleeseen rikollisuuteen . Helsinki, Tilastokeskus (2020) http://www.stat.fi/til/polrik/2011/polrik_2011_2012-04-02_kat_001_fi.html (vierailtu 2.3.2021)

Helsinki: Turvattomuutta kokevien osuudet peruspiireittäin 2003, 2006 ja 2009. Helsinki region infoshare (2020) https://hri.fi/data/fi/dataset/helsinki-turvattomuutta-kokevien-osuudet-peruspiireitt-2003-2006-ja-2009 (vierailtu 2.3.2021)

Paikkatietoaineistot, Helsinki (2020). https://www.hel.fi/helsinki/fi/kartat-ja-liikenne/kartat-ja-paikkatieto/Paikkatiedot+ja+-aineistot/avoimet+paikkatiedot/ (https://kartta.hel.fi/ws/geoserver/avoindata/wfs). (vierailtu 2.3.2021)

StatFin, Tilastokeskus. https://pxnet2.stat.fi/PXWeb/pxweb/fi/StatFin/StatFin__oik__rpk__tiet/ (vierailtu 2.3.2021)

Kuudes ja samalla toiseksi viimeinen kurssikerta aloitettiin lyhyellä teoriaosuudella, jonka jälkeen päästiinkin hyytävään säähän kävelemään ja keräämään pisteitä Epicollect5-sovelluksella. Ulkona liukastellessa keräsimme jokainen eri puolilta Helsinkiä (ja myös ympäri Suomea) sijainteja, joihin liitimme muutamien kysymysten avulla koordinaattien lisäksi myös muuta tietoa. En ollut aiemmin kuullut kyseisestä sovelluksesta, mutta se oli mielestäni hyvin kiehtova, ja sen avulla saa varmasti tuotettua paljon erilaista informaatiota. Sovellus toimisi myös varmasti todella hyvin opetuksessa eri-ikäisille koululaisille ja opiskelijoille, koska se tuo hieman konkretiaa siihen, mitä tehdään unohtamatta faktaa siitä, että se on myös hauskaa! Sopii siis hyvin myös itsenäisen tehtävän opetusteemaan, mutta palaan siihen myöhemmin.

Kerättyjen pisteiden avulla tuotimme interpoloitua tietoa kartalle QGIS:n avulla. Tämä kävi yllättävänkin yksinkertaisesti, koska tiedot sai ladattua sovelluksesta csv-muotoisena ja näin niitä pystyi hyödyntämään myös QGIS:n puolella kunhan muisti tarkistaa esimerkiksi koordinaattijärjestelmän ja muut “Add delimited text layer” -ikkunan asetukset. Sen jälkeen päästiinkin interpoloimaan. Kurssikerralla käytettiin IDW interpolation vaihtoehtoa, mutta QGIS:ssä on tarjolla myös TIN interpolation. Alla kartta lopputuloksesta, joka saatiin aikaan turvallisuuden tunnetta koskevan kysymyksen vastauksista (kuva 1).

Yhteisen tehtävän jälkeen siirryttiin itsenäiseen työskentelyyn ja hasardeihin. Tehtävänä oli tuoda itse aineistoa QGIS:iin visualisoitavaksi. Tarkoitus oli myös tuottaa sellaisia esityksiä, joita voisi hyödyntää opetuksessa. Riippuu tietysti opetettavien iästä, mitä he ymmärtävät, mutta halusin joka tapauksessa lähteä tuottamaan karttoja, jotka ovat mahdollisimman yksinkertaisia ja värien sekä muotojen avulla kuvastavat parhaiten haluttua aihetta. Esimerkiksi visuaalisille oppijille näistä pistekartoista voisi olla enemmän hyötyä kuin saman aiheen tekstimuotoisesta esittämisestä.

Yllätin itsenikin ja onnistuin miniohjeiden avulla ja seuraavaa karttaa tehdessä en tarvinnutkaan enää ollenkaan ohjeita. Päätin siis käyttää aineistoa maanjäristyksistä ja tulivuorista, koska koin, että niitä yhdistelemällä saa hyvin selitettyä maapallon seismistä toimintaa. Tein kolme karttaa, joista yhdessä näkyy kaikki yli yhden magnitudin järistykset vuosien 1950-2012 ajalta (kuva 2). Toisesta kartasta löytyy samaa tietoa, mutta yli kuuden magnitudin järistyksistä (kuva 3). Viimeisessä kartassa visualisoin tulivuorten sijaintia ja vielä yli kahdeksan magnitudin järistyksiä (kuva 4). Koitin pitää kartat mahdollisimman yksinkertaisina siten, että niissä ei ole kerralla liikaa tietoa, jotta ne olisivat mahdollisimman havainnollistavia. Käytin myös värejä havainnollistamisessa: vihreää (yli 1 magnitudia), oranssia (yli 6 magnitudia) ja punaista (yli 8 magnitudia). Tulivuoret tein kolmion muotoisiksi kuvastamaan vuoria. Halusin yhdistää voimakkaiden maanjäristysten ja tulivuorten pisteet samaan karttaan, koska siitä voi myös havainnoida, että suurimmat maanjäristykset ovat kyseisinä vuosina yhtä poikkeusta lukuun ottamatta tapahtuneet Tyynenmeren tulirenkaan alueella. Opetustilanteessa voisin myös näyttää magnitudiasteikkoa kuten tätä kuvaa Tieteen Kuvalehdestä, jossa värit kuvaavat järistyksen voimakkuutta kuten kartoissanikin.

Kartat kuvaavat siis tarkalleen ottaen kahta erilaista hasardia ja seismistä toimintaa maapallolla, mutta sen voisi hyvin yhdistää myös litosfäärilaatoista opettamiseen. Nämä kaikki kuitenkin linkittyvät toisiinsa ja maanjäristysten selkeällä alueellisella jakautumisella voi hahmotella myös litosfäärilaattojen saumoja. Esimerkiksi tästä National Ocean Servicen nettisivuilta löytyvästä kuvasta voi hahmotella sekä litosfäärilaattojen saumoja että maanjäristysaktiivisuutta.

Karttoja tehdessä koitin laittaa niihin mittakaavat, mutta se ei jostain syystä onnistunut. Iiriksen blogista  löytyy myös samasta aiheesta pohdintaa ja myös mainiot askel askeleelta tehdyt ohjeet ongelmakohdissa. Kannattaa siis ihmeessä katsoa, jos on huomannut samanlaisia ongelmia (Turunen 2021). Jätin lopulta myös pohjoisnuolen laittamatta ja huomasin sen puuttuvan monelta muultakin. En tiedä oliko ratkaisu oikea, mutta tällaiset kartoista tällä kertaa tuli. Villen  ja Roosan blogeista löytyy aika lailla samanlaista ajatuksen juoksua kuin minultakin pohjoisnuoleen liittyen, joten en selkeästi ollut yksin pohtiessani sitä (Väisänen 2021, Harmonen 2021). 

Lähteet:

National Oceanic and Atmospheric Administration,  https://oceanservice.noaa.gov/facts/tectonics.html (vierailtu 25.2.2021)

Tieteen Kuvalehti, https://tieku.fi/luonto/luonnonkatastrofit/maanjaristys/miten-jaristysta-mitataan (vierailtu 25.2.2021)

Turunen Iiris (2021) https://blogs.helsinki.fi/iiristur/ (vierailtu 25.2.2021)

Väisänen Ville (2021) https://blogs.helsinki.fi/villvais/ (vierailtu 25.2.2021)

Harmonen Roosa https://blogs.helsinki.fi/harmoroo/ (vierailtu 25.2.2021)

 

Olemme nyt ehtineet yhdessä opetella QGIS:n käyttöä viisi viikkoa. Joka viikko on tullut suuret määrät aivan uutta tietoa sulateltavaksi, ja sen on myös huomannut. Välillä nimittäin tuntuu, että aivan yksinkertaisetkin tehtävät ajattelen vaikean kautta, vaikka todellisuudessa ratkaisu olisi muutaman klikkauksen päässä. Viikot ovat kuluneet nopeasti ja ehkä aivoni eivät vain oikein ole pysyneet vauhdissa mukana. Toisaalta tiedostan, että QGIS:n ja muiden sen kaltaisten ohjelmien oppiminen vaatii minulta vain toistoa ja opin tämän tyylisiä asioita vain käytännön harjoittelun avulla. Siksi onkin hyvä, että joka viikko on pakko tehdä edes jotain QGIS:n kanssa, vaikka se vaikeaa välillä onkin. Sisulla eteenpäin!

Tällä hetkellä tuoreimpana muistissani on bufferointi ja muut kurssikerralla käytetyt työkalut. Jokainen tähän asti opittu työkalu on mielestäni kuitenkin tärkeä kokonaisuuden kannalta. Aivan alussa opitut koropleettikartan tekotavat mahdollistavat erilaisten kokeilujen kautta mahdollisimman informatiivisia ja selkeitä tuotoksia vaikeidenkin komentojen avulla tehdyistä esityksistä. Olen oppinut hyödyntämään myös hyvin erilaisia “Select by” ja “join attributes by” -työkaluja, exporttaamaan layereita ja tuottamaan uusia scratch layereita, tuottamaan laskutoimituksia attribuuttitaulukossa ja digitoimaan viivoja, pisteitä ja polygoneja, mainitakseni vain muutaman. Sanoisin, että ihan hyvä määrä tietoa siihen nähden, että lähdin liikkeelle aivan nollasta tai jopa sen alapuolelta. Edellä mainittujen työkalujen avulla voin tarkastella esimerkiksi vain haluamiani alueen tietoja valitsemalla haluamani osat tietokannoista ja tuottaa uutta tietoa yhdistelemällä olemassa olevaa tietoa eri laskukaavoilla.

Huomaan kuitenkin edelleen pohtivani pitkään, mikä työkalu mihinkin sopisi. Soveltamisen jalo taito ei siis ole vielä kehittynyt kovin pitkälle, mutta koko ajan kuitenkin enemmän. Parhaiten osaan käyttää niitä työkaluja, joita opeteltiin alussa ja aivan viimeisimpänä, koska ne ovat hyvin muistissa. Kuten Sanna ja Juliana blogeissaan mainitsevat, työkalut, joita käyttää harvemmin pääsevät myös herkemmin unohtumaan (Korpi 2021, Häkkilä 2021). Eniten tässä vaiheessa kaipaa siis vielä toistoa ja toistoa.

Viidennellä kurssikerralla testailtiin siis bufferointia. Bufferoimme esimerkiksi vyöhykkeitä teiden ympärille sekä koulun ja terveyskeskuksen ympärille. Itsenäisissä harjoituksissa tutkittiin myös lentokenttien kiitoratojen aiheuttamia meluhaittoja bufferoinnin avulla. Niin voitiin selvittää alue, jossa melu saattaa olla haittaavaa. Itsenäistehtävät tuntuivat yllättävän helpoilta, kun niitä teki heti sen jälkeen, kun oli oppinut uusien tarvittavien työkalujen käytön. Kun sitten seuraavana päivänä koitin jatkaa, aivoni menivät jotenkin solmuun ja mietin tehtäviä aivan liian vaikeasti. Bufferoinnin koin muuten helpoksi ja loogiseksi ja esimerkiksi statistics-paneelin hyödyntäminen tuli tutuksi enemmän, ja se onkin hyvin hyödyllinen varmasti myös jatkossa.

Lentokenttien lisäksi bufferoitiin myös muita asemia ja tarkasteltiin esimerkiksi työikäisten määrää asemien läheisyydessä ja Helsingin Yhtenäiskoulun koulupiirin tulevia oppilaita. (Tuloksia lopun Excel-taulukossa, kuva 1)

Bufferointi on hyvin hyödyllinen taito, koska sitä voi hyödyntää niin moneen. Vyöhykkeiden avulla voi esimerkiksi tarkastella mahdollisia potentiaalisia asiakkaita uuden kaupan ympäristöstä tai vaikka tutkia ydinvoimalaonnettomuuden aiheuttamia radioaktiivisia saastumisvyöhykkeitä. Puskurivyöhykkeitä voi siis hyödyntää aivan arkipäiväisistä asioista laajoihin kysymyksiin esimerkiksi ympäristöstä tai kaupallisesta alasta. Melkeinpä vain mielikuvitus on rajana.

QGIS:n rajoitteita en vielä näillä tiedoilla oikein osaa pohtia. Kaikki, mitä tähän mennessä on tehty, on onnistunut QGIS:llä aina viimeistään pienen kamppailun jälkeen. Sanna totesi hyvin blogissaan, että jotkin käytettävyysratkaisut ovat erikoisia, mutta se ei kuitenkaan estä ohjelman käyttöä. Itse en osaisi sanoa, voisiko jonkin tehdä QGIS:llä paremmin, koska minulla ei ole oikein mitään mihin verrata.

Excel-taulukko:

Lähteet:

Korpi Sanna (2021) https://blogs.helsinki.fi/sakorpi/ (vierailtu 18.2.2021)

Häkkilä Juliana (2021) https://blogs.helsinki.fi/julihakk/ (vierailtu 18.2.2021)

Neljännellä kurssikerralla päästiin taas hieman syvemmälle QGIS:n ihmeelliseen maailmaan. Alkuun testailtiin, kuinka ruudukon luominen onnistuu ja tämän jälkeen ruudukkoon tuotiin dataa ja ruudukkoa myös karsittiin, jotta QGIS toimisi edes jotenkin siedettävässä ajassa. Kurssikerralla tuli myös painotettua tallentamisen tärkeyttä, jotta aikaa vieviä operaatioita ei tarvitsisi kovin montaa kertaa toistella turhan takia. Lopuksi luotiin vielä ruututeemakartta, kun oltiin saatu rajattua ja valittua esitettävä tieto. Kurssikerran aikana tuotettiin  1 km x 1 km ruudukolla esitettäväksi ruotsinkielisten lukumäärä (kuva 1).

Itsenäisenä tehtävänä oli tarkoitus tuottaa samalla tavalla ruututeemakartta, mutta käyttää havainnollistettavana tietona jotakin toista muuttujaa. Valitsin muuttujaksi naisten lukumäärän pienen Pks_vaki -tietokannan tutkiskelun jälkeen. Tehtävää tehdessä huomasin, että opittu tieto oli jäänyt todella pinnalliseksi enkä ollut sisäistänyt tietoa tarpeeksi, jotta soveltaminen onnistuisi hyvin. Jouduinkin lukemaan ohjeita hyvin tarkkaan, jotta ymmärsin, miksi olen mitäkin työvaihetta tekemessä. Muutamien mutkien jälkeen ja toistojen kertyessä alkoi myös ymmärrys kasvaa ja rutiinia syntyä. Lopulta sain tuotettua ruututeemakartan, joka kuvaa mielestäni sitä, mitä halusinkin.

Tarkoitus oli kokeilla erikokoisia ruudukkoja ja löytää mahdollisimman hyvä lopputulos. Ensimmäisen kartan tein 250 m x 250 m kokoisilla ruuduilla (kuva 2). Ruutukoko on tarkka ja näin kartasta on mahdollista saada suhteellisen tarkkaa tietoa. Koin kuitenkin, että ruutukoko on jopa liian pieni. Se sai kartan näyttämään hieman sekavalta. Seuraavaksi kokeilin esittää samaa tietoa 1 km x 1 km kokoisilla ruuduilla. Tällä ruudukolla tieto ei kuitenkaan ollut enää tarpeeksi informatiivista, joten pienempi ruudukko oli tässä tapauksessa mielestäni kuitenkin parempi. Jälkikäteen ajatellen olisi ollut hyvä kokeilla samaa vielä 500 m x 500 m ruudukolla. Esimerkiksi Annika Innanen on käyttänyt juuri tätä ruutukokoa muunkielisten osuuden kuvaamisessa ja ainakin omaan silmääni tuotos näyttää todella hyvältä (Innanen 2021). Huomasin tehneeni myös erään toisen merkittävän virheen karttoja laatiessa. Karttani ovat nimittäin punavihersokeiden painajaisia. Päätin siis muokata vielä väritystä (kuva 3).

Kartasta voi huomata, että naisten lukumäärä on pääkaupunkiseutua kuvaavassa kartassa painottunut varsinkin Helsingin alueelle. Vantaalla ja Espoossa luvut ovat pienempiä varsinkin kaupunkien raja-alueilla. Tämä johtuu kyseisten kaupunkien erilaisista asukasmääristä ja myös kaupunkien sisäisestä asutuksen jakautumisesta. Karttaa tulkitessa päätin, että se on hieman liian itsestäänselvä (suuri asukasluku = paljon niin naisia kuin miehiäkin), joten päätin mielenkiinnosta tuottaa vielä uuden kartan, jota voisin tarkastella enemmän. Viimeisenä tuotoksena syntyi ruututeemakartta 1 km x 1 km kokoisilla ruuduilla kuvaamaan asukkaiden keski-ikää (kuva 4). Siitä voi jo tehdä vähän enemmänkin tulkintaa eikä vain pelkästään todeta, että eri kaupungeissa on eri asukasluvut.

Keski-ikää kuvaavassa kartassa on nähtävissä pientä jakautumista iän suhteen. Korkeampi keski-ikä painottuu enemmän Helsingin ulkopuolelle Espooseen, Vantaalle ja Kauniaisiin. Myös nuorinta luokkaa näyttäisi esiintyvän eniten Helsingin ympäryskunnissa. Helsingissä keski-ikä taas on lähes kokonaan keskimmäiseen luokkaan kuuluva. Tämä voisi selittyä sillä, että perheet ja vanhemmat ikäluokat viihtyvät paremmin kauempana vilkkaasta kaupunkielämästä ja arvostavat enemmän luontoa, ja sen tarjoamaa rauhaa sekä suurempia asuntoja ahtaiden yksiöiden ja kaksioiden sijaan. Työikäiset taas usein asuvat mielellään hyvien yhteyksien ja palveluiden alueella.

Lukijaa ajatellen luomastani kartasta olisi saanut vielä paremman käyttämällä pienempää ruudukkoa. Esimerkiksi aiemmin mainitsemani 500 m x 500 m olisi toiminut varmasti hyvin. Näin olisi saatu vielä tarkempaa ja kuvailevampaa tietoa keski-iän jakautuneisuudesta. Myös kuntien rajat voisivat tuoda lisäarvoa sellaiselle, joka ei niitä ennestään osaa hahmottaa.

Ruututeemakartan hyvä puoli on siinä, että sillä voi esittää absoluuttisia arvoja, kuten kuvasin esimerkiksi naisten lukumäärää. Tasakokoiset ruudut mahdollistavat tämän. Pienillä ruuduilla voi myös saada tarkempaa tietoa verrattuna esimerkiksi kuntien mukaan jaettuun koropleettikarttaan, koska ruuduilla saadaan selville myös kuntien sisällä tapahtuvaa vaihtelua. Tämä toki riippuu ruutujen koosta.

Neljännellä kurssikerralla käsiteltiin myös rasterimuotoista aineistoa, jonka päälle luotiin esimerkiksi rinnevarjostuksia ja korkeuskäyriä. Lotta Mattilan blogista löytyy hyviä havainnollistavia kuvia korkeuskäyristä ja myös niiden vertailua Maanmittauslaitoksen sivuilta ladattuun vastaavaan karttaan, joka sisälsi jo valmiiksi korkeuskäyrät (Mattila 2021).

Aivan kurssikerran lopussa päästiin takaisin digitoinnin ihmeelliseen maailmaan, kun loimme teitä ja taloja kartalle seuraavaa kurssikertaa varten. Siinä tulikin sitten klikkailtua muutaman kerran (kuva 5). En tietenkään ollut vieläkään ostanut hiirtä, kun klikkailin taloja kartalle, mutta nyt se on onneksi ostettu ja koneella sekä QGIS:n parissa työskentely on hieman ergonomisempaa.

 

Lähteet:

Innanen Annika (2021) https://blogs.helsinki.fi/anninnan/ (vierailtu 11.2.2021)

Mattila Lotta (2021) https://blogs.helsinki.fi/lottmatt/2021/02/09/rasterikartat/ (vierailtu 11.2.2021)

Kolmannella kurssikerralla lähdettiin tutustumaan taas uusiin QGIS:n mahdollisuuksiin. Aineistona käytettiin aikaisemmista kerroista poiketen Afrikan karttaa, mikä toi mukavavaa vaihtelua Suomen kuntakartalle. Afrikan kartan sisältävään tietokantaan päästiin testaamaan esimerkiksi ulkoisen tiedon liittämistä Excelin avulla, kohteiden yhdistämistä parilla eri tavalla ja Processing toolboxin tarjoamia erilaisia työkaluja. Myös tietokantaliitoksen tekemistä tuli kerrattua kurssikerran aikana.

Kurssikerralla tutkimme Afrikassa tapahtuneita konflikteja sekä timantti- ja öljykenttien sijainteja (kuva 1, timanttikaivokset ja konfliktit). Tämän lisäksi ulkoisen tiedon liittämisen avulla selvitimme internetin ja Facebookin käyttöä maittain. Amanda Salmensuun blogista voi käydä katsomassa erittäin hyvän havainnollistavan kartan Afrikan maiden internetin käytöstä suhteessa väkilukuun (Salmensuu 2021). Näillä tietokannoista saatavilla tiedoilla voi tehdä monenlaisia päätelmiä, kun tutkii niitä tarkemmin. Esimerkiksi timanttikaivosten ja öljyn saatavuus voivat näkyä maassa vakautena, mutta toisaalta joissain maissa ne voivat olla osasyynä konfliktien alulle. Muun muassa timanttikavoksien löytämisvuosi, kaivausten aloitusvuosi ja samoin öljykenttien löytämis- ja poraamisvuosi voivat olla yksi selitys alkaneille konflikteille. Maan taloudellisesta tilanteesta voivat kertoa molempien luonnonvarojen tuottavuusluokittelu ja myös internetin käyttäjien lukumäärä heijastelee maan yhteiskunnallisesta tilasta.

Sanna Jantunen käsittelee blogissaan kolmannen kurssikerran asioita myös erittäin hyvin ja suosittelenkin lukemaan sieltä enemmän mielenkiintoisia pointteja liittyen Afrikan maiden timantti- ja öljykaivoksiin, joita tarkasteltiin yhdessä kurssikerralla attribuuttitaulukkoon tuotettujen tietojen avulla (Jantunen 2021).

Itsenäisessä harjoitustehtävässä palattiin kuitenkin takaisin tutuille kulmille ja käytettiin aineistona Suomen karttaa. Tällä kertaa ei kuitenkaan käsitelty kuntia vaan valuma-alueita. Ohjeet eivät tällä kertaa olleet aivan yhtä informatiiviset kuin aiemmin, joten tehtävää tehdessä tuli samalla hyvin testattua, miten tiedot on oikeasti omaksunut. Yllätyksekseni moni asia löytyi kuin löytyikin muistista jopa helposti ja tehtävän teko sujui ilman suurempia kipukohtia tai QGIS:n kiukkuilua. Vaikka jotain ei muistanut/osannut/tiennyt, sain tehtävän tehtyä puhtaasti testailemalla eri tapoja. Esimerkiksi järvisyysprosenttien lisäämisessä vastaan tuli ongelma ääkkösten kanssa. Googlen ja testailun avulla tästäkin selvittiin.

Tehtävänä oli siis laatia tulvaindeksikartta ja hyödyntää kurssikerralla saatuja oppeja. Tehtävän teko alkoi tiedoston avaamisella, joka oli jo valmis projekti sisältäen joet, järvet, valuma-alueet, rantaviivan ja keskiylivirtaamat. Jotta tulvaindeksin sai laskettua täytyi hyödyntää tietokantaliitosta. Näin saatiin samaan attribuuttitaulukkoon sekä MNQ (keskialivirtaama) ja MHQ (keskiylivirtaama), joiden avulla tulvaindeksin sai laskettua. Lopputulokseen oli saatava näkyville myös järvisyysprosentti. Tähän hyödynnettiin ulkoisen tiedon liittämisestä opittuja tietoja. Kun järvisyysprosenttikin löytyi attribuuttitaulukosta (kuva 2), sain luotua lopputuloksen koropleettiteemakartan, josta löytyy valuma-alueittain jaettu tulvaindeksi ja järvisyysprosentti pylväillä esitettynä myöskin valuma-alueittain (kuva 3).

Päätin jättää lopputuloksesta pois joet ja järvet, mutta jätin rantaviivan, josta voi hieman hahmottaa valuma-alueisiin liittyvää kontekstia, jos alue ei muuten olisi kovin tuttu. Järvisyysprosentin informaation lisääminen kartalle tapahtui uudenlaisen työkalun avulla, joka oli lopulta suhteellisen yksinkertainen käyttää, mutta pylväät eivät välttämättä kuvaa tietoa parhaalla mahdollisella tavalla. Esimerkiksi Annika Innasen ja Ville Väisäsen blogeissa on käyty läpi samaa asiaa, ja he ovat mielestäni molemmat havainnollistaneet järvisyysprosenttia mainioilla tavoilla. Varsinkin Annikan ympyrädiagrammi, josta näkyi järvien pinta-alojen suhden valuma-alueen maapinta-alaan oli hyvin informatiivinen (Innanen 2021). Oman karttani legenda on myös ehkä hieman puutteellinen ja aiheesta vähän tietävälle selitteet eivät välttämättä aukea. Varsinkaan järvisyysprosenttia kuvaava legendan osa ei ole kovinkaan selvä. Korvasin puutteita kuitenkin hieman kuvatekstissä.

Luodusta kartasta oli tarkoitus myös pohtia sen tarjoamaa tietoa ja tulkitsemistapoja. Karttaa tulkitessa voi huomata, että suurimmat tulvariskit löytyvät Etelä-Suomesta ja Pohjanmaalta. Myös Pohjois-Suomessa tulvaindeksi on joillain alueilla korkea. Korkea tulvaindeksi seurailee selkeästi rannikkoseutua. Tulvia aiheuttaa näillä alueille esimerkiksi lumien voimakas sulaminen keväällä. Kartalta voi myös huomata, että tulvaindeksi on korkea alueilla, joissa järvisyysprosentti on alhainen. Tätä voi selittää se, että joet tulvivat herkemmin, ja niitä on runsaasti juuri Suomen rannikkoalueilla.  Sisämaassa taas tulvaindeksi näyttäisi olevan paljon alhaisempi ja samalla järviä on paljon. Järvisyysprosentti kertoo siis järvien pinta-alan suhteessa valuma-alueen pinta-alaan. Helmi Lappalainen-Imbert käsittelee blogissaan erittäin kattavasti tulvaindeksin lukujen syitä, joita on mielenkiintoista lukea varsinkin, kun omat tiedot aiheesta ovat selvästi vielä hieman puutteelliset (Lappalainen-Imbert 2021).

Lähteet:

Salmensuu Amanda (2021) https://blogs.helsinki.fi/salmeama/ (vierailtu 5.2.2021)

Jantunen Sanna (2021) https://blogs.helsinki.fi/smjantun/ (vierailtu 4.2.2021)

Innanen Annika (2021) https://blogs.helsinki.fi/anninnan/ (vierailtu 4.2.2021)

Väisänen Ville (2021) https://blogs.helsinki.fi/villvais/ (vierailtu 4.2.2021)

Lappalainen-Imbert Helmi (2021) https://blogs.helsinki.fi/laphelmi/ (vierailtu 5.2.2021)

Toinen kurssikerta pyhitettiin suurelta osalta QGIS:n perustoimintojen kertaukseen. Kertaus toteutettiin kuitenkin tuottamalla jotain uudenlaista, mutta aikaisemmin käytetyillä työkaluilla. Kurssikerran aikana pysyinkin mielestäni hyvin mukana ja tekeminen tuntui selvästi helpommalta kuin ensimmäisellä kerralla. Ohjelmisto ei ollutkaan enää täysin tuntematon, mikä helpotti uuden tiedon vastaanottamista.

Uusia käsiteltyjä asioita kurssikerralla olivat muun muassa rajapinnat, eli esimerkiksi WFS-, WMS- ja WMTS-datan hyödyntäminen. Rajapintojen lisäksi tarkasteltiin erilaisten projektioiden ominaisuuksia ja harjoiteltiin mittatietojen lisäämistä attribuuttitaulukkoon, ja niiden hyödyntämistä esimerkiksi erilaisten pinta-alojen suhteellisuuden laskemisessa. Kurssikerran aikana en kohdannut kuin yhden ongelman aivan lopussa, mutta senkin sain korjattua, kun tajusin, että nettiyhteyteni oli katkennut – ei ihme, ettei QGIS toiminut kuten piti. Itsenäisiä harjoituksia tehdessä tulikin sitten enemmän haasteita vastaan.

Kurssikerran aikana tehtyjä eri projektioiden pinta-alojen vertailuja tehtiin ETRS-TM35FIN -projektion pohjalta. Kyseinen projektio on Suomessa yleisesti käytössä ja se kuvaakin suhteellisen hyvin Suomen pinta-alaa ja muotoa. Kuvassa 1 vertailussa on Mercatorin projektio. Karttaa tulkitessa voi huomata, että oikeakulmainen Mercatorin projektio vääristää vahvasti ja varsinkin pohjoiseen siirryttäessä erot todellisiin kuntien pinta-aloihin kasvavat todella suuriksi. Sama trendi on huomattavissa Gall-Petersin oikeapintaisessa projektiossa (kuva 2), mutta erot eivät ole niin moninkertaiset kuin Mercatorin projektiossa.

Tämän viikon itsenäisten tehtävien tarkoitus oli siis toistaa opittuja asioita, jotta ne alkaisivat tulemaan jo lihasmuistista. Se toteutui ainakin itseni kohdalla, sillä jo valmiiksi paljon toistoa sisältävät tehtävät piti muutaman kerran toistaa ihan vain sen takia, että QGIS ei halunnut tehdä yhteistyötä. Onneksi ongelmat eivät olleet ylitsepääsemättömiä, mutta jonkin verran tuli kuitenkin klikkailtua ylimääräistä. Tutkin tehtäviä yhdessä kurssikaverini Amanda Salmensuun kanssa, jolloin oli hyvä vertailla minkälaisia tuloksia saamme, vaikka ohjeet ja QGIS ovat molemmille samat. Kohtasimme myös samantyylisiä ongelmia tehtävien teon aikana.

Ensimmäinen tehtävä meni kuitenkin suhteellisen sujuvasti. Tarkoitus oli vertailla eri projektioiden mittoja sekä karteesisella tasolla että ellipsoiditasolla. Taulukosta 1 voi huomata, kuinka suuret erot ovat pinta-alassa ja pituudessa ETRS-TM35FIN -projektioon verrattuna, kun tarkastellaan karteesista pintaa Mercatorin ja Gall-Petersin projektioissa, vaikka mitattavat kohteet pysyvät koko ajan samoina (kuva 3). Taulukosta selviää myös, kuinka prosenttierot ovat moninkertaiset (laskuissa käytetty pinta-alaa). Lambertin projektiossa taas erot ovat ETRS-TM35FIN -projektioon hyvin huomaamattomia ja pinta-ala onkin vain 0,1 % suurempi.

Koin tehtävän tekemisen hyvin tärkeäksi, sillä tulevaisuutta ajatellen siitä sai hyvän kuvan erilaisten projektioiden pinta-alavääristymistä. Annika Innanen totesikin erinomaisesti blogissaan: “Pinta-aloja analysoidessa ja määrittäessä saakin olla tarkkana projektioiden kanssa, tai voi mennä aika pahastikin pieleen. Erityisesti koska kartoissa muita muuttujia suhteutetaan usein juuri pinta-alaan, tulee pinta-ala osata laskea oikein”, (Innanen 2021).

Taulukko 1. Pinta-alojen ja kahden pisteen välisten etäisyyksien vertailua erilaisilla projektioilla. 

Seuraavaksi tein samanlaista harjoittelua QGIS:llä kuin kurssikerrankin aikana. Vertailukohteena oleva projektio oli tällä kertaa kuitenkin Lambertin projektio. ETRS-TM35FIN -projektiolla ja Lambertin projektiolla ei kuitenkaan ole kovin suuria eroja, kun tarkastellaan Suomea, kuten aiemmasta taulukosta selviää. Kurssikerrasta poiketen tutkin kuitenkin enemmän erilaisia projektioita ja koitin löytää jonkun itsellenikin tuntemattoman projektion. Kokeilin myös useampia erilaisia värityksiä erojen havainnollistamiseen. Päädyin QGIS:n valmiista vaihtoehdoista suhteellisen värikkääseen lopputulokseen, vaikka se ei ehkä visuaalista silmääni kovinkaan hyvin miellytä. Eri väreillä sai kuitenkin hyvin esille rajat, jos käytti useampaa luokkaa (8). Värityksiä on siis syytä vielä harjoitella.

Tulokset ovat itsenäisten harjoitusten tehtävissä hyvin samankaltaiset kuin tunnilla tehdyt. Varsinkin Mercatorin projektiota käytettäessä (kuva 4) luvut ovat hyvin samanlaiset vaikka tällä kertaa verrataan Lambertin projektioon. Van der Grintenin projektio ei ole Wikipedian mukaan oikeakulmainen eikä oikeapintainen projektio (kuva 5). Se näyttää nopealla vilkaisulla hyvin samanlaiselta kuin Mercatorin projektiolla tehty vertaus, mutta Etelä-Suomessa voi kuitenkin huomata hieman voimakkaampaa vinoumaa värien muodossa.

Olisin toivonut saavani huomattavasti erilaisempia tuloksia, mutta esimerkiksi Tapio Turpeisen blogista löytyy  Mollweiden projektion aiheuttamia vääristymia kuvaava kartta ja Innasen blogista Cassini-projektion aiheuttamia vääristymiä kuvaava kartta (Turpeinen 2021, Innanen 2021). Nämä eroavat täysin saamistani tuloksista, ja niitä on mielenkiintoista tutkia.

Viimeisessä tehtävässä jatkettiin vielä projektioiden aiheuttamien vääristymien parissa, mutta nyt niitä vertailtiin jonkin pinta-alaan suhteutetun muuttujan avulla. Valitsin käytettäväksi muuttujaksi yli 65-vuotiaiden lukumäärän kunnittain, jonka suhteutin kunnan pinta-alaan. Vertailin tehtävässä Lambertin (kuva 6) ja Mercatorin (kuva 7) projektioita. Jälleen kerran kartat näyttävät hyvin samanlaisilta, jos niihin ei kiinnitä tarkkaa huomiota. Erot voi huomata legendasta. Mercatorin projektiolla yli 65-vuotiaita näyttäisi asuvan paljon harvemmassa kuin Lambertin projektiolla. Tämä johtuu siitä, että Mercatorin projektio vääristää pinta-aloja vahvasti yläkanttiin.

Sitten kohtaamiini ongelmiin. Kun viimeistelin karttoja tulosteikkunassa, kaikki sujui vielä hyvin. Kun sitten palasin takaisin projektin pariin ja kokeilin vielä eri värejä ja muuten testailin QGIS:n toimintoja, projektista alkoi periaatteessa häviämään tietoa, vaikka se kuitenkin näytti edelleen useita layereita aktiivisina. Niitä ei kuitenkaan näkynyt enää kartassa. Tehtävien välissä päätin sammuttaa ohjelmiston ja koko koneen ja lopulta aloittaa uuden projektin, jos se vaikka auttaisi (ei auttanut). Samoista ongelmista voi lukea Amandan blogista (Salmensuu 2021). Sain kuitenkin kaiken onneksi tehtyä, mutta ongelma, jonka syytä en tiennyt aiheutti hieman turhaa jännitystä tehtävien tekoon. Nyt on kuitenkin jo selvästi ensimmäistä kurssikertaa paremmat pohjatiedot ja -taidot QGIS:n käytölle ja tästä on hyvä jatkaa.

Lähteet:

Annika Innasen blogi: https://blogs.helsinki.fi/anninnan/ (vierailtu 30.1.2021)

Tapio Turpeisen blogi: https://blogs.helsinki.fi/tapiotur/ (vierailtu 30.1.2021)

Amanda Salmensuun blogi: https://blogs.helsinki.fi/salmeama/ (vierailtu 30.1.2021)

Petersin projektio: https://fi.wikipedia.org/wiki/Petersin_projektio (vierailtu 30.1.2021)

Van der Grintenin projektio: https://fi.wikipedia.org/wiki/Van_der_Grintenin_projektio (vierailtu 30.1.2021)

 

Ensimmäisellä kurssikerralla aloitettiin lähes saman tien QGIS-ohjelmaan tutustuminen. Alku tuntui hieman haastavalta, koska etäopiskelun yhdistäminen tietokoneella tehtävien harjoitusten kanssa saattaa mennä helposti säätämiseksi. Myös hiiren puute aiheutti pään vaivaa, mutta se onkin jo ostoslistalla, jotta tulevat harjoitusluennot onnistuvat paremmin. Kaiken lisäksi Zoom ei ollut puolellani luennon aikana ja heitti minut kolme kertaa ulos. Tämän jälkeen oli välillä vaikeaa päästä takaisin rytmiin mukaan.

Kaikista vaikeuksista huolimatta sain tuotettua ensimmäisellä kurssikerralla ohjeiden mukaisen kartan Itämeren typpipäästöistä. Karttaa tuottaessa tutuksi tulivat useat erilaiset QGIS:n työkalut. Koko ohjelma on kuitenkin niin uusi, että monet työkalut ja komennot meinasivat myöhemmin unohtua. Ohjelman oppiminen vaatii siis vielä monia käyttökertoja, paljon kertausta ja todella tarkkaa ohjeiden seuraamista.

Ensimmäisellä kurssikerralla tuotettiin siis kartta Itämerta ympäröivien valtioiden typpipäästöistä (kuva 1). Harjoitusta tehdessä käytiin läpi kaikkea työn tallentamisesta työkalujen järjestämiseen ja erilaisten värivaihtoehtojen selvittämiseen ja huomasin, että QGIS tarjoaa ilmaiseksi ohjelmaksi todella monipuolisesti mahdollisuuksia aineistojen luomiseen.

Aloitin ensimmäisen itsenäisen harjoitustehtävän kertailemalla ensimmäisen kurssikerran asioita, jotta tehtävän teko onnistuisi ilman suurempia ongelmia. Päätin myös aloittaa helpoimmasta tehtävästä, jotta tekemiseen tulisi rutiinia. Kuntakartan tekeminen oli suhteellisen yksinkertaista, mutta muutamissa kohdissa olin täysin unohtanut, mitä pitää tehdä. Esimerkiksi tulostusikkunan luominen ei ollut aivan tuoreessa muistissa. Huomasin, että parhaiten tehtävän teossa pääsi etenemään, kunhan kysyi apua. Nimittäin se, mitä ei itse osaa, onkin toiselle helppoa ja toisin päin.

Valitsin käytettäväksi aineistoksi koropleettikartan tekoon työttömyyden. Valinnan jälkeen ei tarvinnutkaan enää kuin valita miellyttävät värit kuvaamaan prosenttiosuuksia, jotta ilmiö näkyy selkeästi ilman taustatietoa, ja lisätä legenda, pohjoisnuoli sekä mittakaava. Legendan ja pohjoisnuolen siistimisen jälkeen olikin valmiina koropleettikartta, joka kuvaa Suomen kuntien työttömyysprosentteja vuonna 2015 (kuva 2). Seuraavaksi pohdin, mikä tallennusmuoto sopii parhaiten blogin kanssa yhteen ja päädyin PNG-formaattiin.

Karttaa tarkastellessa voi huomata selkeää jakautumista työttömyyden suhteen. Etelä- ja Länsi-Suomessa sekä Ahvenanmaalla värit ovat vaaleita ja kuvaavat siis alhaista työttömyyttä. Itä-Suomessa ja Pohjois-Suomessa on kuitenkin huomattavissa päinvastainen trendi. Muutamia poikkeuksia kuitenkin löytyy myös. Esimerkiksi Saarijärvi, Kuhmoinen ja Kaskinen ovat selvästi tummempia kuin niitä ympäröivät kunnat, eli työttömyys on vuonna 2015 ollut naapurikuntiin verrattuna suurta. Huomasin myöhemmin, että Ville Väisänen on käyttänyt omassa kartassaan myös samaa aineistoa ja tuotokset ovat värejä lukuun ottamatta suhteellisen samanlaiset. Ville on myös blogissaan löytänyt hyvin tietoa Kaskisen työttömyyden syistä. Kunnassa on nimittäin lakkautettu paperitehdas vuonna 2009, joka voi hyvin heijastaa vielä vuoden 2015 työttömyyteen (Väisänen 2021).

Loppujen lopuksi QGIS alkaa jo hieman aukeamaan, vaikka alkuun se tuntui todella sekavalta. Tämä on tietysti ymmärrettävää, koska minulla ei ole aikaisempaa kokemusta vastaavista ohjelmista, joten lähden liikkeelle aivan puhtaalta pöydältä. Eniten pidän ohjelmassa siitä, kuinka yhdellä klikkauksella saa esimerkiksi legendan ja muita ominaisuuksia tuotettua, kunhan vain tietää mistä klikata. Tarkalla ohjeiden seuraamisella pääsee siis jo pitkälle!

Lähteet:

Ville Väisäsen blogi: https://blogs.helsinki.fi/villvais/ (vierailtu 25.1.2021)