Toukon MAA-202 -blogi

Viimeisellä kurssikerralla tavoitteena oli nivoa kurssin oppeja yhteen. Tehtävänanto oli täysin vapaamuotoinen ja itseohjautuva, ja tuli nostaneeksi esiin yhden aiemmin kurssilla heikosti koetelluksi jääneen, mutta  kartantekijälle keskeisen ja välttämättömän taidon – tuotoksen tavoitteiden ja viestinnällisten keinojen hahmottamisen ja määräämisen. Se vaatii itsestäänselvästikin tosielämän kokemusta ja harjaannusta, jota tällä kurssiviikolla haluttiin tarjota. Näin vapaata työskentely tulee tuskin monesti työelämässä, tai opinnäytetöitä tehtäessäkään kuitenkaan olemaan. Oman aineiston ja näkökulman etsiminen oli piinallista ja siihen liittyvä epävarmuus kuluttavaa. Päädyin siksi lopulta toteuttamaan työni ikään kuin tilaustyönä koirien historiallisia jäänteitä tutkineelle ystävälleni. Kartta tuskin tulee tällaisenaan käyttöön, mutta hän koitti sanella minulle, mitä saattaisi työn alla olevassa tehtävässään haluta ilmentää kartalla, ja minä pääsin toteuttamaan omaa työtäni ainakin näennäiseen tarpeeseen.

Hyödynsin työssäni aineistoa, joka on tuotettu Helsingin yliopiston ekologishistoriallisessa työryhmässä.  Se käsittää eri-ikäisiä ja erilajisia fossiilihavaintoja kaikkialta maailmasta, ja pääsin työssäni käsittelemään aineistoa monella eri tavalla. Sen ajalliset mittakaavat olivat suunnattomia, joten jouduin laskemaan ja haarukoimaan niitä useaan otteeseen melko raskailla laskutoimituksilla. Lisäksi suodatin havaintokirjauksista vain murto-osan käyttööni varsinaista karttakuvaa varten. Karttani esittää ihmisten ja koirien rinnakkaiseloa miljoonien vuosien takaisessa Euroopassa, ja tarkastelee sitä muutaman eri muuttujan kautta.

Hyödynsin kartassa erilaisia oppeja kurssin varrelta. Tein sekä määrällistä että laadullista erottelua, ja liitin tietueita keskenään ristiin. Karttakuvan pohjana olevan maajakoaineiston hain internetistä erikseen. Halusin haastaa itsenäni, ja näpersin erityisesti fossiilien määriin ja esiintymistiheyteen liittyviä muuttujia omin käsin. Laskemistani uusista sarakkeista valtaosa jäi lopullisessa kartassa käyttämättä. Innostuin siis pakertamaan aineiston parissa vähän ylimääräistäkin.

Lopullisen kartan toteutus ja visualisointi tuotti minulle tässä työssä kaikista eniten haasteita. Tietokantojeni yhteensovittaminen vaati kikkailua, ja jouduin pyörittämään esimerkiksi karttapohjan geometriatietoja useankin erilaisen työkalun läpi ennen kuin sain kuvan piirtymään toivomallani tavalla. Pidin sitä kuitenkin ennen kaikkea rakentavana ja opettavaisena, kuten olen huomannut useiden kurssitoverienikin ajatelleen erilaisista vastoinkäymisistä kuluneiden viikkojen aikana.

Haluaisin sanoa, että pystyin tuomaan tähän kurssin viimeiseen karttaan kaiken osaamiseni. On kuitenkin selvää, ettei kaikkia taitojaan pääse jokaisessa kartassa hyödyntämään. Tietyt ydinasiat tuntuvat kuitenkin kurssin jäljiltä painuneen hahmotukseeni. Tiedän nyt, millaisia aineistoja kartan taustalla on, ja miten ne, tai oikeastaan niiden valitut osat, tehdään näkyviksi. Ymmärrän myös, kuinka karttatulkintaa johdatetaan ja rajoitetaan. Kartasta on tullut minulle entistä informatiivisempi ja ilmaisuvoimaisempi media.

Kurssi jättää minuun siis pysyvän jäljen. Tekninen osaamiseni ei ole vielä alkuunkaan sitä mitä se voisi parhaillaan olla, mutta ajattelussani tapahtuneet muutokset ovat olleet ratkaisevia. Haluan pitää karttatajustani ja -tuntemuksestani kiinni. Vain sen pohjalta voin sukeltaa yhä syvemmälle kartoille viestimisen maailmaan.

Kurssin toisiksi viimeisellä opetuskerralla pääsimme ulkoilemaan! Oli hauskaa kurkistaa paikkatiedon keruun maailmaan mobiilipohjaisen Epicollect-ohjelman ja oman havainnoinnin kautta. Tehtävänä oli koota aineisto ja sen pohjalta kartta erilaisten kampuksen läheisten ulkotilojen koetusta turvallisuudesta ja viihtyisyydestä. Menetelmä oli suoraviivainen ja helposti lähestyttävä, ja herätti paljon ajatuksia paikkatiedon luonteesta ja käytöstä.

Karttakuva rakennettiin interpoloimalla karttapinnalle kerättyjen pisteiden perusteella arvogradientteja. Tämä oli minulle teknisesti uusi työkalu, jonka haltuun ottaminen vaati hieman alueellisesti jakautuvien ilmiöiden aukiajattelua. Miten suoraviivaisesti tutkimuksessa mitatut muuttujat muuttuvat koordinaatistossa? Millaiset muut tilan ja paikan osat voivat vaikuttaa kokemuksiin? Miten niitä voisi havainnollistaa karttakuvassa. Interpoloidun karttakuvan visualisointiin paneutui ansiokkaasti esimerkiksi Emma Kolkka omassa blogissaan (2024).

Kenttätutkimuksen virkistämänä minun oli helppoa tarttua myös kurssiviikon muihin askareisiin. GIM-työskentely on pitkälti käsien multaan laittamista, mutta tällä viikolla se oli sitä aivan todella! Kurssi on pistänyt minut miettimään paikkatiedon roolia omassa mahdollisessa ammattilaisuudessani, ja tällaisten tehtävien äärellä saan huomata nauttivani myös käytännön tekemisestä verrattain paljon. Nyt tuntuu, että paikkatietotyökalut tulevat kulkemaan mukanani myös myöhemmin elämässä.

Muu viikkotyöskentely

Epicollect-kokeilun jälkeen antauduimme maailmanlaajuisille jättiaineistoille. Ne olivat avoimia hasardiaineistoja, jotka käsittivät kymmeniätuhansia pistemäisiä havaintotietueita. Minä valitsin työstettäväkseni kolmesta vaihtoehdosta itselleni kaikista vieraimman, maailmanlaajuisen meteoriittiaineiston. Tehtävänantona oli muodostaa tämän aineiston pohjalta mahdollisesti opetuskäyttöön sopivia karttoja. Näkökulman ja kartan tavoitteet sai siis vaihteeksi määrittää itse.

Työstin Yhdysvaltain kansallisen avaruushallinnon NASA:n koostaman kattavan aineiston pohjalta seuraavat kartat.

Halusin keskittyä suuren aineiston äärellä karttakuvan luettavuuteen, ja aloin hahmottelemaan sen ajallisten muuttujien pohjalta erilaisia jäsennyksiä. Tein nopeasti useita erilaisia havaintoja, joita halusinkin karttojeni yhteydessä vielä korostaa. Päädyin luokittelemaan meteoriittihavainnot laskeutumisvuoden mukaan kolmeen erilaiseen luokkaan. Luokista tuli hyvin epätasaiset niin suhteessa aikahaarukoihin kuin meteoriittihavaintojen määrääkin. Kiinnostava on kuitenkin, etteivät nämä kasvaneet aineistossa samassa suhteessa vaan itseasiassa aivan vastakkaisiin suuntiin. Lisäksi lopullisista karttakuvista silmääni pisti havaintojen epätasainen maantieteellinen jakautuminen varsinkin aineistoissa joissa havaintoja oli vähemmän.

Aikahaarukoista aikaisimmassa, ennen 1850-lukua tehtyjä havaintoja tarkastelevassa aineistossa havaintoja siis esiintyy kaikista vähiten, ja ne jakautuvat hyvin epätasaisesti maan pinnalle. Vaikuttaa siltä, että eniten havaintoja Yhdysvaltain kansallisen avaruushallinnon aineistoon on kirjattu varhain vaurastetuilta alueilta Euroopasta ja Pohjois-Amerikasta. Muut maanosat käsittävät aivan yksittäisiä havaintokirjauksia, jotka ovat kooltaan keskimäärin huomattavasti tiheämpien havaintojen alueita suurempia. Näiltä vähemmän tutkituilta alueilta havaintoja on tehty tai ainakin kirjattu siis vain erityisen merkittävien meteoriittien kohdalla. Tämän asetelman kautta muodostamani kartta asettaa sekä itsensä että muut oheiset karttani kyseenalaisiksi varsinaisten meteoriittihavaintojen tietolähteeksi. Varsinkin vuoden 1850 jälkeisissä havainnoissa Amerikan Yhdysvallat korostuvat kaikista tiheimpänä havaintosumana. Tämä tekee näkyväksi myös aineiston kerääjän ja koostajan roolin tiedon takana.

Päätin havainnollistaa meteoriittien kokoluokkia kartassani havaintopisteiden kokoja skaalaamalla. Tämä on minusta suoraviivainen ja varsin selkeä tapa kuvata muitakin vaihtelevia ilmiöitä. Tässä yhteydessä koolla tarkoitetaan nimenomaisesti meteoriittien massaa. Kokoskaaloja en halunnut yhtenäistää kolmen karttani kesken, sillä mittakaavat aineistoissa olivat hyvin erilaiset, ja olisin tullut hämmentäneeksi tulkintoja.

Maailmankartan työstäminen tuntui selkeämmältä kuin olin etukäteen ajatellut. Pistemäinen paikkatieto on siinä määrin yksinkertaista, ettei sen kanssa tule samanlaisia mittakaava- tai määrähaasteita kuin monimutkaisempien vektoriaineistojen kanssa. Suurimittakaavainen paikkatietotyöskentely on palkitsevaa ja sallivaa. Havaintoja ja päätelmiä voi tehdä suurpiirteisemmin kuin vaikkapa tuhat kertaa pienempimittakaavaisesta kartasta.

Nyt alan pohtimaan, millaisen työn parissa viettäisin kurssin viimeisen opetuskerran. Ensimmäinen GIS- kurssini lähestyy loppuaan ja tätä blogia on jo nyt ollut ilo palata selailemaan. Kurssin opetus ja työskentely ovat jättäneet teksteihini kasapäin ihania oppimisen merkkejä.

GIM luisti tällä viikolla ehkä mallikkaammin kuin pitkään aikaan. Emme tuottaneet varsinaisia karttakuvia, eikä siis ollut tarvetta painia esimerkiksi minua yhä vain vaivaavien visualisointikysymysten kanssa. Työskentely oli suoraviivaista, ja pääsimme tekemään viikon aiheena olleita bufferianalyyseja suurella volyymilla. Spatiaalisen puskuroinnin hahmottaminen ja hallitseminen vaati hieman harjaannusta, ja tätä viikko-ohjelma palveli loistavasti. Opin tekemään bufferin erilaisille kohteille erilaisilla tarkkuuksilla ja hyödyntämään niitä analyyseissa useilla eri tavoilla. Olen ymmärtänyt, että puskurianalyysi on keskeinen osa osaamista monelle maantieteen ammattilaiselle, ja niiden tuntemusta haluan syventää vielä myöhemminkin. Siitä tuli minulle taatusti keskeinen kurssityökalu.

En keskity tässä kirjoituksessakaan varsinaisesti viikon tehtävien tuloksiin. Analyysieni numeeriset tulokset ovat taulukoituna alla, mutta koitan seuraavaksi jäsentää lähinnä ajatuksiani liittyen geoinformatiiviseen analyysiin ja vaikkapa QGIS-ohjelmalla työskentelyyn yleisemmin.

Minulla oli enne kurssin alkua paha aavistus geoinformatiivisten opintojen suorittamisesta, ja ne ovat todella osoittautuneet todeksi. Paikkatieto-opinnot ovat juuri niin työläitä mutta innostavia kuin olin pelännyt. Haasteet saavat minut syttymään, ja tuntuu että luonteeltaan pitkälti teknisessä GIS:ssa purtavaksi sopivia haasteita tulee vastaan sopivan tasaisella jatkuvalla syötöllä. On todella palkitsevaa ratkoa aina yksi pulma enemmän – päästä näyttämään itselleen ettei osaaminen ja innostus vielä tuohon loppunut. Ja kaikesta tästä tulee koko ajan kivempaa ja jännittävämpää, kun oma osaaminen syvenee ja laajenee. Pelkäsin jääväni GIS-koukkuun, ja luulen että ainakin jossain mittakaavassa se on nyt päässyt tapahtumaan.

Olen ottanut haltuuni jo vinon pinon QGIS:n työkaluja. Niistä tärkeimmiltä juuri nyt tuntuvat vaikkapa erilaiset valintatyökalut, sarakkeenlaskentatyökalut, tietokantahallinan työkalut ja statistics-paneeli, jolla pääsin erityisesti tällä viikolla oikomaan monia mutkia. Näiden ominaisuuksien varaan rakentuvat analyysit voivat olla luonteeltaan hyvin monenlaisia, ja niitä yhdistelemällä pötkii monesti pitkälle. Toisaalta kurssi on tarjonnut minulle varmuutta ja luottamusta myös ennestään tuntemattomien työkalujen kokeiluun ja haltuunottoon. Minusta on tullut luova ja uudistava paikkatietoalokas.

Erilaiset tiedostotyypit eivät ole minulle toistaiseksi aivan päivänselviä. Haluan tutustua niiden lainalaisuuksiin vielä uudenlaisella tarkkuudella. Minusta on tuntunut että juuri tuollaisten seikkojen vuoksi paikkatietotyöskentely sitoo ja rajoittaa ilmaisuani. Nyt olen kuitenkin saanut ymmärtää, ettei sitä tarvitse nostaa oman työskentelynsä keskiöön, vaan että se palvelee asiantuntijaa nimenomaan työkaluna.

Kuluneella viikolla tutuiksi tulleet puskurianalyysit aion ottaa osaksi jokakertaista QGIS-työkaluvalikoimaani. Niiden avulla haluan tarkastella ihmisten ja ympäristöjen välisiä vorovaikutuksia, alueellista saavutettavuutta, maisemia ja mielikuvia vielä monet kerrat. Aloin heti pohtimaan esimerkiksi, millaisen puskurin avulla voisi tutkia uuden tornitalon näkyvyyttä ja muita vaikutuksia ympäröivässä kaupungissa.

Palaamisiin.

Geoinformatikkan menetelmät 1 -kurssin vaikeuskertoimet kiristyvät jatkuvasti! Kurssin opetussisältöjen perässä riittää pysymistä, ja tuntuu että ymmärryksen laajetessa myös omien taitojen puutteellisuus tulee koko ajan selvemmäksi. Tehtävät tuntuvat kuitenkin pääosin innostavilta, kannustavilta ja niissä onnistuminen verrattain palkitsevalta.

Grid-harjoitus

Opettajajohtoisesti rakensimme Pääkaupunkiseudun rakennustietokannan pohjalta erilaisia väestöteemakarttoja. Tarkoituksena oli harjoitella erilaisten tietokantojen yhdistämistä ja vertailua sekä säännöllisen gridin luomista ja visualisointia. Lisäksi tehtävän aineistot olivat suuria. Tämä tarjosi harjoitukseen omat haasteensa, joiden käsittelemiseen liittyi aivan omat erityiset haasteensa. Suurten tietokantojen perkaus ja lajittelu on osaamista, josta on taatusti paljon hyötyä myöhemmänkin kartoittamisen kohdalla.

Päätin rakentaa ruuturasterikartat, jotka tarkastelevat ruotsinkielisten absoluuttisia ja suhteellisia määriä Helsingin seudulla. Liitin ne rinnakkain tarkastelun helpottamiseksi. Selkeitä havaintoja syntyikin hyvin nopeasti: ruotsinkieliset ovat asettuneet asumaan tiiviisti keskusta-alueille siinä missä muutkin helsinkiläiset, mutta suhdeosuuskartan valossa ruotsinkielinen väestö painottuu kuitenkin nimenomaan harvemmin asutuille, jopa maaseutumaisille alueille Pääkaupunkiseudun ulkolaidoilla.

Näiden kahden rinnakkainen tarkasteleminen tuntui mielekkäältä juuri tämän havainnon esiin tuomiseksi. Pidän lähtökohtaisesti hankalana rinnastaa näin suoraan erimuuttujaiset kartat, mutta ilmiöiden kiinteän yhteyden vuoksi rinnastus oli tässä yhteydessä perusteltu. karttojen visualisoinnista tuli mielestäni selkeä, ja niiden keskenäinen samalaisuus tukee edellä mainitun havainnon välittymistä. Luokkajaot jäivät raaoiksi ja tietokoneen tekemiksi, mutta palvellevat tarkoitusta verrattain hyvin.

Ruutugridin muodostaminen oli minulle uutta, mutta lähti nopeasti sujumaan. Erilaisten ruutukokojen erot ja koon rooli suhteessa havaintoihin jäi minulle vielä vähän epäselväksi. Sitä tarkastelisin mieluusti lisää myöhemmin. Tein nopean havainnon, että hyvin pieniruutuisen rasterin laskeminen on tietokoneelle raskas tehtävä, jonka suorittamiseen kannattaa vähintään varata reippaasti aikaa. Rasterin visualisointia haluan niin ikään harjoitella lisää: miten karttakuvat kerrotuvat, ja millainen luokittelu ruutuaineistoon sopii? Pohdin, voisiko rasterissa hyödyntää muitakin monikulmioita, ja milloin se olisi perusteltua. Kartan tekeminen tuntuu juuri nyt mukavalta, ja olisin valmis sukeltamaan syvälle moniin sen erityiskysymyksiin.

Rasteriaineistojen tuominen ja yhdistäminen QGIS:ssä

Tunnin jäkipuoliskolla pureuduttiin rasteriaineistojen käsittelyyn. Opimme sovittamaan aineistoja koordinaatistoon ja laskemaan eriskaalaisten aineistojen pohjalta virtuaalisesti yhtenevän kartan. Aineistomme sijoittuivat Pornaisten seudulle, ja korkeusrasterikartan pohjalta tarkastelimme esimerkiksi korkeuskäyrien asettumista kartalle. Piirsin laskennallisesti korkeuskäyrät QGIS:llä rasteriaineiston pohjalta alla esitetyllä tavalla. Niitä vasten voidaan tarkastella Maanmittauslaitoksen tuottamaa korkeuskäyräaineistoa, joka poikkeaa omasta tuotoksestani vain hienoisesti. Kartat ovat todennäköisesti eri menetelmin laadittuja, mutta suurpiirteisesti hyvinkin yhteneviä. Samallaista paikkatietoa ja karttavisualisointeja voidaan siis tuottaa monilla eri metodilla.

Yksittäiset käyrät vaikuttavat monin paikoin olevan tuotoksessani hyvin samanmuotoisia kuin Maanmittauslaitoksen vastaavassa kartassa. Tämä viittaa käytössäni olleen rasteriaineiston verrattain korkeaan resoluutioon. Karttakuvien suurimmat erot johtuvat eripaksuisten ja -sävyisten korkeuskäyräviivojen käytöstä. Tyylittelin oman karttani korostamaan konventionaaliseen tyyliin kahdenkymmenen metrin korkeuserorajapyykkejä hieman muita viiden metrin isoritmeja paksumpina viivoina.

Karttojen tasaisimmissa kohdissa korkeuskäyräkarttojen erot hahmottuvat kaikista selvimmin. Käyrät kulkevat karttapinnalla hieman eri tavoin, ja yksittäisiä kehämäisiä käyriä esiintyy minun kartassani enemmän. Jotkin satunnaiset pistemäiset korkeuserot ovat siis tarttuneet karttojen erilaisissa kartoitusmenettelyissä karttoihin eri tavoin.

Piirtämistä ja digitointia

Lopuksi paneuduimme vielä Pornaisten keskustan digitoimiseen. Oli kiva tutustua QGIS:siin piirtotyökaluna, sillä keksin aiemmissakin kurssitöissä monta erilaista kohtaa, joissa lisäkuvannuksesta olisi voinut olla iloa. Valmiin kartta-aineiston pohjalta piirtäminen on suoraviivaista, ja QGIS:ssä eri aineistotyyppien hallinnointi sujuu kätevästi. Käyttökokemus oli mielyttävä, ja tehtävä varsin palkitseva. Palaan mieluusti vastaavien haasteiden pariin myös myöhemmin.

Moni kurssitoveri on jakanut blogeissaan huoliaan ja murheitaan tehtävien kanssa. Huomaan, että esimerkiksi lisähaastetta tarjoavat tehtävät ovat minulle yhtenään melko vaativia, mutta usein eri syistä kuin kanssaopiskelijoilleni. Minun pitää siis paneutua hieman omaan osaamiseeni ja sen luonteeseen suhteessa toisten tietoihin ja taitoihin. Vertaisoppiminen on kurssilla mukavaa, toivon että minun kirjoituksistani on vastaavalla tavalla iloa toisille.

Tämän viikkoiset tehtävät tuottivat minulle kiperiä haasteita. Oli inhottavaa ja ärsyttävää, toisaalta myös ihan jännittävää ja palkitsevaa joutua pohtimaan useita asioita hartaasti, ja erehtymään moneen otteeseen. Välillä minua vaani jopa epätoivo. Haasteeni liittyivät sekä tehtävänantojen tiedolliseen täyttämiseen – viestinnän ja visualisoinnin pulmiin – että ehdottomasti ja erityisesti myös työkalujen tarkoituksenmukaiseen käyttämiseen. Sain jälleen huomata ymmärtäväni kurssin QGIS-laitteistoa kohtalaisesti, mutta kompastuvani usein erilaisten kankeiden kiertoteiden armoille. Ymmärrän siis miten esimerkiksi tilastolliset tapahtumat käytännössä tapahtuvat, mutta pystyn toteuttamaan monet niistä vain esimerkiksi manuaalisesti taulukkoaineiston solu solulta.

Luokkahuoneessa työstimme alkuviikosta yhdessä päällekkäisiä aineistoja, jotka kuvasivat Afrikan mantereen luonnonvarojen ja kahakoiden paikallistumia. Tavoitteena oli yhdistellä näitä paikkatietoja ja löytää niiden alueelliselle esiintymiselle yhteyksiä. Asetelma oli minusta kiinnostava. Maanosan laajuinen päällekkäisanalyysi tuntui kutkuttavalta ajatuksena, ja osoittikin niin hedelmällisyytensä kuin heikkoutensa moneen otteeseen työskentelyn aikana. Toisaalta aineistojen työstö sujui opettajavetoisesti myös melko mallikkaasti. Yhdessä kurssikerralla tekeminen on tuntunut toistaiseksi hyvin kehittävältä. Huomaan, että työkalun ääreen rauhassa asettuminen edistää ajatteluani ja ymmärrystäni paikkatiedosta aivan huomaamattani. Oppiminen tällä kurssilla on ollut hauskaa!

Kurssikerralla käsitelty Afrikka-aineisto sisälsi esiintymien sijaintitietojen lisäksi myös paljon erilaisia laadullisia paikkatietomuuttujia. Esimerkiksi luonnonvarojen hyödyntämiseen ja toisaalta konfliktien vaiheisiin liittyvien vuosilukujen avulla paikkatietoanalyysin pohjalta voitaisiin rakentaa myös ajallisia johtopäätöksiä. Voitaisiin pyrkiä ymmärtämään esimerkiksi, millä alueilla tietyt luonnonvarahankkeet kerrostuvat ja millaista dynaamisuutta niiden välille ollaan rakennettu. Toisaalta relevantteja kysymyksiä voisivat olla esimerkiksi, että millaisia, ja kuinka pitkäkestoisia vaikutuksia paikallisilla konflikteilla on alueen (ja kuinka suuren alueen) luonnonvarojen käyttöön. Onko luonnonvaratuotannon arvokkuudella ja tuottavuudella yhteyttä konfliktiin, entä miten globalisaatio ja internet ovat muuttaneet luonnonvarojen kulutusta ja niihin alueellisesti kytkytyviä kiistoja.

Valuma-aluetehtävä

Opin kurssikerran aikana paljon aineistonkäsittelystä ja erilaisista paikkatietoaineistoista ja huomasin asioiden myös jääneen päähäni, kun useaan otteeseen palailin kotitehtäviin viikon kuluessa. Jouduin yrittämään laskentataulukoiden tekemistä uudestaan ja uudestaan ja vaikutti vahvasti siltä, etteivät laskelmani tulisi asettumaan paikoilleen. Piinallinen puurtaminen kuitenkin palkittiin, ja sain kuin sainkin oikeat arvot kasaan. Niiden pohjalta minun oli helppo lähteä kokeilemaan kartan kuvantamista, jonka työkalut ovat minulle jo verrattain tuttuja. Itse visualisointi tuntuu kuitenkin yhä tuottavan minulle haasteita. Aion syventyä karttaviestintään joidenkin lähdeaineistojen avulla, ja kirjoittaa ajatuksiani sitten vaikka tännekin. Kuten olen jo aiemmin kirjoittanut, olisi toiveenani kehittää tämän kurssin aikana vahvat ja toimivat omat karttavisualisoinnin peruspilarit, joiden varaan nojata kartan kuin kartan kohdalla. Nyt juuri se tuntuu kaukaiselta, mutta aion pitää silmän tiukasti tähtäimessä loppuun asti.

Tehtävä itsessään oli kuitenkin minusta kiinnostavan tuntuinen. Rakentamani karttavisualisointi esittää suomen valuma-alueiden ylivirtaamaherkkyyden eli niin sanotun tulvaindeksin ja sen kanssa päällekkäin samojen valuma-alueiden järvisyysprosentin, eli järvien osuuden pinta-alasta alueella. Latasin nämä aineistot valmiiksi annettuna, sillä en onnistunut määrittämään kaikkia tarvittuja pinta-aloja graafisesti. Visualisointi oli haastavaa erityisesti alueiden pinta-alojen ja tulvaindeksilukujen suuren vaihtelun ja epätasaisen jakauman vuoksi. Pyörittelin paljon, miten saisin erot selkeästi ja totuudenmukaisesti esitettyä, ja sain jälleen todeta ettei kartanpiirtoprosesseissa useinkaan ole olemassa yhtä tiettyä ja oikeaa ratkaisua vaan kompromisseja joutuu joka tapauksessa tekemään aina omista henkilökohtaisista lähtökohdistaan.

Lopullinen visualisointini on esitetty yllä. Olen tyytyväinen moniin asioihin. Erityisesti kartta tuntuu minusta iskevältä ja houkuttavalta, eivätkä värivalinnat silti hämmennä tulkintaa tai luettavuutta. Erityisesti tulvaindeksi-muuttujan luokkajakoa ja sävyjä olisin kuitenkin voinut miettiä vielä muutaman kerran uudestaan. Järvisyys-pallot jouduin kutistamaan harmillisen pieniksi, sillä ne olisivat muuten peittäneet karttakuvasta laajoja alueita erityisesti pienimpien valuma-alueiden länsirannikolla. Mietin, olisiko osan valuma-alueista voinut jättää tyystin pallottomaksi hyvin pienen järvisyyden merkkaamiseksi, ja muita sitten vapaammin kasvattaa. Selitteen hiomista haluan vielä harjoitella. En ole esimerkiksi varma, miten olisin havainnollistanut edellä esittelemäni idean, ja lopputuotokseenkin jäi monta minua vaivannutta asiaa. Kolmas kurssiviikko oli haastava ja työläs, mutta opin paljon sekä kurssin aiheista että itsestäni työskentelijänä. Toivon samaa sopivissa määrin lisää myös tulevilta viikoilta. Kirjoittelemisiin!

 

 

Geoinformatiikan menetelmät 1 -kurssi vakiinnutti viikkorytminsä ja sukelsi jo syvälle karttojen ja niiden tekemisen maailmaan kuluvalla viikolla. Karttaviestintä on ollut yhtenään mielessäni. Jo nämä kaksi kurssikertaa tuntuvat herkistäneen minut maantieteellisen tiedon erityispiirteiden ja esimerkiksi visuaalisen saavutettavuuden tarkastelulle ennennäkemättömällä tavalla. Tuntuu hyvältä huomata konkreettisesti omien epävarmuuksien ja -selkeyksien hahmottuvan yhä kattavammin tiedon ja kysymysten parissa pyöriskelyn myötä.

Viikon kartantekotehtävät syvensivät merkittävästi QGIS-osaamistani. Opin tuntemaan esimerkiksi graafisen laskennan työkalun ja datalla tehtävien laskutoimitusten mahdollisuudet. Lisäksi kurssikerta johdatti Web Feature Service– eli WFS-palveluiden maailmaan. Interaktiivisten rajapintojen haltuunotto laajensi ymmärrystäni paikkatietodatasta merkittävästi.

Viikon tehtävät kytkivät maantieteen opinnoissa jo aiemmin tarkkaan syynätyt karttaprojektiot paikkatietoanalyysiin hyvällä, uutta rakentavalla tavalla. Teimme Suomen alueellisen kuntajaon pohjalta analyysia erilaisten maailmankarttaprojektioiden pinta-alavääristymistä. Teknisesti tietokanta-analyysi oli suoraviivaista, mutta paikkatietoaineiston käsittelyyn on varmasti syytäkin tutustua aluksi yksinkertaisten toimintojen kautta. Kokeilin työn aikana ohjelman monia muitakin ominaisuuksia. Minusta tuntuu vahvasti, että QGIS-ohjelman kaltaisiin työkaluihin pääsee todella sisälle vain viettämällä aikaa niiden parissa.

Paikkatietoanalyysi ja sen tulokset

Kurssikerran kartoissa esitetyt pohjautuvat Maanmittauslaitoksen kunta-aineistoihin. Paikkatiedon pohjalta muodostettiin kunkin karttaprojektion kohdalla uusi pinta-ala-atribuutti graafisen pinta-alalaskennan avulla. Nämä datat suhteutettiin eri projektioiden suhteen keskenään ja niiden erojen pohjalta laskettiin suhteelliset vääristymät. ETRS-TM35FIN-projektiota pidettiin maailankarttaprojektioiden vertailukohtana, mahdollisimman oikeiden pinta-alatietojen lähteenä.

Valitsin tehtävässä tarkasteltaviksi kolme laajasti tunnettua maailmankarttaprojektiota, joissa pinta-alat tapaavat vääristyä kohti napoja kasvavalla trendillä. Tarkastelemani karttaprojektiot ovat oheisten kuvien mukaiset Winkel Tripel, Robinsonin ja Mercatorin projektiot. Näiden projektioiden tarkastelu osoittautui mielekkääksi niiden laajojen yhteneväisyyksien vuoksi. Niissä kaikissa vääristymän suuruus kasvaa karkean suoraviivaisesti kohti napaa liikuttaessa, ja Winkelissä ja Robinsonissa myös verrattain samassa mittaluokassa. Tämä tarjosi minulle mahdollisuuden esittää näiden kahden projektion kunnittaiset vääristymät rinnakkain samassa kuvassa (ks. kuva 1).

Keräsin vertailevia pinta-alatuloksia projektioiden välillä ensiksi oheiseen taulukkoon (ks. taulukko 1) mielivaltaisilta alueilta Pohjois-Suomessa. Nämä tiedot auttoivat projektioiden valinnassa ja projektiin asennoitumisessa, vaikka ovat muuten tiedollisesti hieman epäoleellisia. Analyysi tehtiin QGIS:n polygonin pinta-alan laskentatyökalulla.

Winkelin ja Robinsonin rinnastaminen sujui ohjelmalla kohtalaisen hyvin, ja sidoin niiden visualisoinnit samaan asteikkoon kartanluvun helpottamiseksi. Mietin pitkään miten niiden pieniä keskinäisiä eroja saisi mahdollisimman tehokkaasti alleviivattua, ja kokeilin esimerkiksi satunnaisten värien sekoittamista numeerisessa asteikossani. Päädyin kuitenkin lopulta kartanluvun intuitiivisuuden nimissä oheisten karttojen liukuvaan värikarttaan.

Jätin kartat nimiöimättä selkeyden vuoksi. En tiedä, miten olisin nostanut esimerkiksi kuntakohtaisia vääristysprosentteja esiin häiritsemättä kokonaisuuden lukemista, ja toisaalta pidin esimerkiksi paikannimistöä epäolennaisena. On syytä muistaa, että datan jäsentely tapahtuu kunnittain vain tutun ja vakiintuneen aluejaon vuoksi. Kunnilla itsellään ei ole, eikä oikeastaan edes niiden rajoilla, mitään yhteyttä vääristymän suuruuteen. Niiden muodon suhdetta vääristymägradienttien suuntaan olisi voinut olla mielekästä tarkastella samassa yhteydessä, mutta siihen rahkeeni ja resurssini eivät tämän kurssin puitteissa olisi riittäneet.

Kolmanneksi tarkastelemani maailmankarttaprojektio oli Mercatorin paljon käytetty, mutta juuri vääristyneiden pinta-alatietojen väärinkäytöstä surullisen kuuluisa projektio. Sen suhteellisten vääristymien jäsentäminen pienessä suomalaisessa mittakaavassa avarsi varmasti yhä avarammaksi käsitystäni projektion pinta-alallisista epäkohdista. Mercatorin projektion vääristymät ovat esimerkiksi edellä esitettyihin verrattuina suunnattomia, ja pitkien pohdintojen jälkeen sain tyytyä siihen, ettei sitä voinut asettaa samoihin asteikoihin toisten tutkimieni projektioiden kanssa.

Mietin Mercator-kartan kohdalla luokkien määrää tarkkaan. Päätin, etteivät valtavat erot tule näkyviksi esimerkiksi viiden luokan jaolla, vaan halusin nostaa luokkamäärää selkeästi ja korostaa niitä vahvasti toisistaan eroavilla värisävyillä (ks. kuva 2). Mercator-projektio oli hedelmällinen työskentelykohde, kuten monet kurssitoverinikin (esim. Nuortimo, 2024) toteavat. On ollut mieleistä lukea ja tulkita muiden aiheesta tekemiä havaintoja blogiteksteissä.

Geoinformatiikan menetelmät 1 -kurssin puitteissa ylläpidän alkuvuoden 2024 ajan tätä blogia. Tulen käsittelemään kurssin harjoitustöitä ja niiden herättämiä ajatuksia. Peilailen tuntemuksiani ja oivalluksiani myös aihetta koskettavaa kirjallisuutta ja kurssitovereiden vastaavia blogeja vasten.

Ensimmäisen viikon tunnelmia ja tehtäviä

Ensimmäisellä kurssiviikolla perehdyimme kurssin toteutukseen ja suorittamiseen ja herättelimme geoinformatiikkataitojamme. Luentokerralla kerrattiin paikkatiedon peruselementtejä ja sukellettiin paikkatietoaineistojen tiedostotyyppeihin. Nämä muodostavat hyvän pohjan GIS-työskentelylle ja pääsivätkin jo heti ensimmäisen kurssitehtävän kohdalla käyttöön. Kurssin aloitus lupasi hyvää, kiva päästä syventämään paikkatieto-osaamistaan myös teknisesti.

Tehtävä 1

Ensimmäistä kurssitehtävää työstettiin yhdessä luokassa. Työkaluna oli vapaan lähdekoodin QGIS-ohjelma, jonka käyttäminen alkaa opintojen edetessä jo iskostumaan selkärankaani. Oli hauskaa huomata osaavansa päätelläkin monta aikaisemmin monimutkaisen tuntuiseen ohjelmistoon kätkeytyvää toimintoa ja niiden hienosäätöä.

Tehtävä oli hyvä harjoitus erityisesti erilaisiin tiedostotyyppeihin tutustumiseksi. Se vaikutti olevan useille kurssitovereille ja myös minulle itselleni tehtävässä 2 QGIS-työskentelyn suurimpia haasteita. Oikean tasonluontivalikon löytäminen ja tiedostotyypeistä varmistuminen tulevat varmasti juurtumaan mieleeni vielä useampienkin erehdysten myötä.

Tehtävässä 1 rakennettiin Itämeren alueen valtioita koskevaa typpipäästökarttaa. Itämereen päätyvät typpipäästöt jäsennettiin suhteellisiksi osuuksiksi sitä ympäröivien valtioiden kesken, ja tämän datan perusteella luotiin oheinen luokiteltu päästöteemakartta (ks. kuva 1).

Kartan rakentaminen opetti minulle paljon erityisesti erilaisten luokkajakojen tekemisestä yksidataisessa alueteemakartassa. Haluan miettiä vielä paljon lisää luokiteltaessa tehtäviä valintoja ja niiden vaikutuksia välitettävään tietoon. Tehtävässä 2 pyrin tietoisesti toimimaan toisin kuin tämän kartan kohdalla, ja se herätti uusia aivan omia oivalluksiaan. Luokittelun tekeminen QGIS:llä oli suoraviivaista ja joustavaa. Vastuu luokkien tarkoituksenmukaisuudesta jää täysin kartan laatijalle. Valitsemani luokat nostavat Itämeren ympäryksen valtioista esiin vain suurimman typpipäästäjän Puolan ja pienimmille suhteellisille päästöille kirjatun Viron. Luokitteluni ei esimerkiksi jätä kaikille muille, keskimmäiseen luokkaan päästöosuuksiltaan, sijoittuville maille päästöosuudellisia eroja, eikä toisaalta kerro täsmällisesti myöskään Puolan tai Viron päästöosuuksien suuruuksista. Kartassani siis sekä luokittelu että arvojen ilmaisu ovat epätäsmällisiä.

Lähdin karttaa tehdessäni kokeilemaan visualisointiin liittyviä mahdollisuuksia QGIS-ohjelmassa. Se on seikka jossa haluan tämän kurssin puitteissa kehittyä ja päätyä esimerkiksi yhä lähemmäs jotakin tiettyä ja perusteltua standardimenettelyä. Toivon siis, että löydän oman tuntuisen ja laadukkaan karaktäärin kartallisena ilmaisijana pian. Ohjelmiston tarjoamat mahdollisuudet ovat laajat, ja leikkimään on helppo innostua. Pyrin kuitenkin välttämään sitä, ja pitämään luettavuuden ja saavutettavuuden yleisemminkin tiukasti mielessäni. Tämän kartan kanssa sattuneita virheitä ovat erityisesti hieman epäjohdinmukainen ja sävyttynyt symboliikka, vaikeaselkoinen nimiöinti ja perusteeton englanninkielisyys. Olen kuitenkin iloinen, että lähdin kokeilemaan esimerkiksi eri muotoisia karttamerkkejä ja nimiöinnin mahdollisuuksia. Jo tehtävän 2 kohdalla onnistuin tuottamaan informatiivisemmat paikannimet karttaani.

Tehtävä 2

Toisen kurssitehtävän aineistona oli Suomen kuntia koskevaa väestötietoa vuodelta 2022. Päätin toteuttaa kartan ruotsinkielisten väestöllisistä osuuksista Suomen kunnissa. Tiesin tämän sisältävän useita kiinnostavia kartografisia haasteita, sillä ruotsinkieliset painottuvat hyvin harvoihin Suomen etelä- ja länsirannikon sekä Ahvenanmaan kuntiin, eikä esimerkiksi luokittelussa voi noudattaa likimainkaan luonnollisia tai kiinteitä välejä tai normaalijakaumaa.

Päätin rajata kartastani (ks. kuva 2) ulos laajan osan Suomea, sillä Itä- ja Pohjois-Suomen alueilla ruotsinkielisten osuudet ovat järjestäen kaikissa kunnissa lähellä nollaa. Halusin siis korostaa Pohjanmaan, Varsinais-Suomen ja Uudenmaan alueita, joissa kuntien välistä vaihtelua esiintyy. Tällä kertaa koitin tehdä valitsemistani luokista helpommin miellettäviä, ja pyöristin ne pääsääntöisesti tasalukuihin. Mitä isommaksi luokkavälit menivät, sitä karkeammin niiden päätepisteitä pyöristin. Valitsemani luokat toivat kartalle mielestäni esiin varsin hyvin alueellista vaihtelua. Tämäkään kartta ei kuitenkaan ole mielekkäimmillään ilman pohja-aineiston tukeavaa tarkastelua vaan sen lukeminen vaatii todennäköisesti myös taulukkotiedon tarkastelua.

Tässä kartassa päätin korostaa vain kaikista ruotsinkielisimpiä, luokistani ylimpään lukeutuvia kuntia nimiöinnillä. Nimiöinnin hienosäätäminen oli innostavaa ja kiinnostavaa. Ohjelmiston ominaisuudet sen osalta tulivat minulle tässä yhteydessä varsin tutuiksi.

Moni asia kartanteossa jää lopputuloksessa näkymättömiin. Minusta on kiinnostavaa, että syytä on koko ajan pyrkiä korostettuun yksinkertaistukseen, ja todennäköisesti suurin osa työstä onkin juuri esiin haluttavan tiedon rajaamista ja ylimääräisten asioiden karsimista. Haluan kokeilla tällä kurssilla sekä äärimmäisen suoraviivaisen, mutta ytimekkään että koruilevan ja tietointensiivisen kartan laatimista.

Palaamisiin.