Kategoria: Yleinen

Seitsemännen kurssikerran tehtävänanto vaikutti aluksi sekä haastavalta että helpolta; Aineistot täytyi nyt koota itse kasaan, ja aluevalinta tehdä sen mukaan, mikä kiinnostaa ja kuinka hyvin alueesta löytyy tietoa. Huojentavaa oli lähinnä se, että tehtävässä ei ollut pakko tehdä kurssilla aiemmin tehtyjä hankaliakin tehtäviä ja analyyseja.

Kävin läpi monia eri maita ja niiden alueita löytääkseni sopivan tähän tehtävään. Lopulta päädyin tutkimaan tarkemmin Meksikoa ja sen osavaltioita, sillä Meksikon kulttuuri ja luonto kiinnostaa, ja olisi mahtava päästä vaihto-opiskelemaan joko Meksikoon tai johonkin toiseen espanjankieliseen maahan Väli- tai Etelä-Amerikassa. Pääsin tehtävässä myös kartuttamaan espanjankielen taitoani, sillä löysin espanjankielisen sivuston INEGI:n (Instituto Nacional de Estadística y Geografía), josta löytyi paljon karttoja, tilastoja sekä muuta tietoa sekä valtion että osavaltioiden tasolla. Päädyin loppujen lopuksi tarkastelemaan Meksikon koulutus- ja työttömyystasoa.

Koulutus

Ensimmäisessä tekemässäni kartassa (kuva 1) kuvaan yli 15-vuotiaiden kouluttamattomuutta osavaltioittain suhteutettuna osavaltioiden väestöön. Yleinen trendi kartassa on pohjoisen ja etelän erot: mitä eteläisempi osavaltio, sitä suurempi osa yli 15-vuotiaista on kouluttamaton. Huonoin tilanne koulutuksen kannalta on Tyynenmeren rannikolla sijaitsevissa Guerreron, Oaxacan sekä Chiapasin osavaltioissa, joissa 9,2 – 14,6 prosenttia yli 15-vuotiaista on kouluttamattomia, kun taas paras koulutuksen taso on muun muassa Baja Californiassa, Federal Distrito de Mexicossa sekä Coahuilassa. Osavaltioiden sijainnin voi tarkastaa tästä kuvasta.

Koulutuksen ongelmana Meksikossa yleisesti The Guardianin artikkelin ’The help never lasts’: why has Mexico’s education revolution failed? (15.08.2017) mukaan on muun muassa turvattomuuden vaikutus koulunkäyntiin, opetuksen heikko laatu, yleinen köyhyys ja valtion leikkaukset koulutuksesta. Eteläisissä osavaltioissa syy kouluttamattomuuteen Educa Oaxacan kirjoituksen Indigenous Peoples’ Right to Education (09.08.2016) mukaan on kuitenkin pääasiassa alkuperäisväestön köyhyys ja kulttuuri, jossa etenkään naiset eivät useimmiten saa peruskoulutusta ollenkaan. Myös esimerkiksi maatalouden tärkeys elinkeinona (kuva 3) vaikuttaa kouluttamattomuuteen.

Työttömyys

Tutkittuani koulutuksen tasoa Meksikossa, päätin selvittää, vaikuttaako saamani tulokset jollakin tavalla työttömyyteen Meksikossa. Teinkin samantyyppisen koropleettikartan (kuva 2) Meksikon työttömyydestä kuin koulutuksesta, joka lopputuloksena saa minut pohtimaan, miksi työttömyyden määrä korreloi kouluttamattomuuden kanssa täysin päinvastoin kuin olin kuvitellut, eli siellä, missä on enemmän kouluttautuneita ihmisiä, onkin enemmän työttömyyttä. Eniten työttömyyttä, 6,3 – 7,3% väestöstä, on muun muassa Baja California Surissa, Sonorassa, Nayaritissa sekä Queretarossa.

Center For Economic and Policy Researchin kirjoituksen The Mexican Economy and 2012 Elections (Heinäkuu 2012) mukaan Meksikon työttömyyden pääsyynä on huono talouspolitiikka. Kirjoituksessa kuitenkin todetaan, että Meksikon työttömyys on todennäköisesti paljon korkeammalla tasolla miltä vaikuttaa, sillä työttömyyden luokittelu on maassa erilaista. Maan pääkaupunkialueen ulkopuolella ei ole minkäänlaista turvaverkkoa työttömille, esimerkiksi työttömyysvakuutusta, jolloin heidän täytyy hankkia elantonsa esimerkiksi katukauppiaina ja epävirallisella sektorilla. Näitä ihmisiä, jotka tienaavat huonosti ja työskentelevät vähän, ei lasketa työttömiksi, jolloin ongelman laajuus ei tule ilmi työttömyysluvuista. Tämä seikka voi myös olla syy sille, miksi vaikuttaa siltä, että eteläisimmissä osavaltioissa työttömyys on vähäisintä, sillä köyhyys on etelässä suurempaa ja työt esimerkiksi perheen yrityksissä ja epävirallisissa töissä ovat yleisempiä, jolloin varsinaista työttömyyttä ei voida nähdä Meksikon tavalla laskea työttömyyslukuja. Lisäksi koulutuksen puute (kuva 1) ajaa väestön tekemään vähätuloista työtä.

Maatalous

Kuten koulutuksesta kertovassa kappaleessa mainitsin, alkuperäisväestön tavat ja kulttuuri vaikuttavat maatalouden asemaan elinkeinona eteläisissä osavaltioissa (kuva 3). Trooppinen ja subtrooppinen ilmasto mahdollistaa trooppistenkin kasvien viljelyn rannikon plantaaseilla, ja sisämaassa tärkeimpänä viljelykasvina on maissi. Esimerkiksi Oaxacan ja Guerreron vaihteleva topografia mahdollistaa kuitenkin monenlaisten viljelytuotteiden kasvatuksen. Vähiten puolestaan maatalous työllistää pohjoisessa, jossa ilmasto on hyvin kuiva. Meksiko on topografialtaan hyvin vaihteleva alue, ja suuressa osassa maata vuoristot, semiaridit ja aridit alueet määrittävät maataloustyypin. FAO:n (Food and Agriculture Organization of the United Nations) mukaan suurimmassa osassa Meksikoa maatalous on harvaa, mutta siellä täällä kasteluviljely mahdollistaa maatalouden.

Viimeisen kurssikerran tehtävä lähti käyntiin hieman hitaasti, kun en meinannut löytää hyviä lähteitä karttojen aineistoille. Olen muutenkin huono aloittamaan mitään tehtäviä, mutta kun ne aloitan, ne tekevät melkeinpä itse itsensä loppuun, sillä aloitettuani jotain en malta olla tekemättä sitä kerralla loppuun. Meksiko osoittautuikin hyväksi tutkimusalueeksi, ja sen tutkiminen osoitti minulle jälleen kerran, miten eri maiden erilainen rakentuminen ja esimerkiksi juuri politiikka vaikuttavat alueen kehitykseen.

Kurssilta olen saanut paljon taitoja qGis -ohjelman käyttöön, ja vaikka todennäköisesti olen menettänyt sen toimimattomuuden ja vaikeiden analyysien takia enemmän yöunia kuin tehtävätunteja on kertynyt, olen tyytyväinen niihin taitoihin joita olen kurssilla oppinut. QGissin alkeellisen käytön lisäksi olen oppinut muitakin hyviä taitoja, esimerkiksi juuri aineistojen etsimistä, lähdekriittisyyttä sekä ylipäätään lähteiden merkitsemistä tarkemmin kuin ennen. Vaikka kurssi oli välillä hyvinkin turhauttava, saatan jopa ottaa lisää gis-kursseja toisena opiskeluvuotena…

 

Lähteet:

INEGI (Instituto Nacional de Estadística y Geografía) http://www.inegi.org.mx/

The Guardian. ’The help never lasts’: why has Mexico’s education revolution failed? (15.08.2017)
https://www.theguardian.com/inequality/2017/aug/15/the-help-never-lasts-why-has-mexicos-education-revolution-failed (Luettu 25.03.2018)

Educa Oaxaca. Indigenous Peoples’ Right to Education. (09.08.2016)
https://www.educaoaxaca.org/english/2046-indigenous-peoples-right-to-education.html
(Luettu 25.03.2018)

Center For Economic and Policy Research. The Mexican Economy and 2012 Elections. s. 8-10 (Heinäkuu 2012)
http://cepr.net/documents/publications/mexico-2012-06.pdf
(Luettu 26.03.2018)

Food and Agriculture Organization of the United Nations. http://www.fao.org/countryprofiles/maps/map/en/?iso3=MEX&mapID=601
(Luettu 26.03.2018)

Kuudes kurssikerta lähti käyntiin reippaalla, vajaan tunnin mittaisella ulkoilulla. En aluksi ollut lainkaan innoissani lähtemään ulos kylmään ja kirpeään pakkaseen, vaikka olinkin pukeutunut lämpimästi. Aurinkoinen sää ja kävely Arabianrannan kauniissa ympäristössä oli kuitenkin loppujen lopuksi hauskaa ja erilaista verrattuna muiden kurssikertojen sisällä ruudun ääressä neljä tuntia istuskeluun. Tullessamme sisälle analysoimaan aineistoa koin tietysti kaikenlaisia itsestäni riippumattomia ongelmia qGissin parissa, mutta nekin sain loppujen lopuksi selätettyä, ja kurssikerta pääsi jatkumaan lähes vaivattomasti loppuun asti.

Tulivuoret

Tämän kerran itsenäistyönä tutkin aluksi vain tulivuoria, joista tuotin aluksi kartan niiden purkautumisten ajankohtien mukaan (kuva 1). Huomattava osa tulivuorista on purkautunut viimeksi vuoden 1964 jälkeen, joten kartasta voidaan ainakin päätellä, mitkä tulivuoret ovat yhä aktiivisia. Aktiivisten tulivuorten sijainnista voidaan myös päätellä, että niitä on paljon litosfäärilaattojen reunoilla, pääasiassa Tyynenmeren tulirenkaan alueella, jossa litosfäärilaatat törmäävät toisiinsa. Viimeksi yli 2000 vuotta sitten tai vuosina 1-1499 purkautuneita tulivuoria on puolestaan laattojen keskiosissa, esimerkiksi Afrikassa, Euroopassa, Pohjois-Amerikassa ja Aasiassa. Sijainti laattojen keskiosissa osoittaa, että tulivuoret ovat vähemmän aktiivisia muualla kuin kuumien pisteiden kohdalla tai litosfäärilaattojen reunoilla. Tässäkin tapauksessa tietysti on muutamia poikkeuksia. Suurin yllätys tulivuorikarttoja tehdessäni oli kartassakin näkyvä tulivuori Ruotsissa – käsittääkseni Ruotsissa kun ei ole tulivuoria, etenkään aktiivisia. Todennäköisesti tulivuoriaineistoon on jossain kohtaa tullut koordinaatteihin virhe, joten tulivuoren voi olla myöhemmissä kartoissa huomioimatta.

Tein tulivuoriin liittyen myös kartan tunnetuimmista tulivuorityypeistä (kuva 2), jossa pyrin esittämään, millaisia tulivuoria on eripuolilla maailmaa. Harmikseni en löytänyt karttatasoa litosfäärilaattojen rajoista, mutta tästä linkistä voi muistella, miltä laattojen rajat näyttävätkään. Eniten kartassa on kerrostulivuoria, joita on pääasiassa litosfäärilaattojen törmäys- ja alityöntövyöhykkeillä. Sisämaassa, esimerkiksi Aasiassa ja Afrikassa, sekä laattojen sivuamisvyöhykkeellä, kuten Pohjois-Amerikan ja Tyynenmeren laatan rajoilla sekä Afrikan ja Arabian laattojen rajalla tulivuoret ovat suurimmaksi osaksi vulkaanisia kenttiä. Kilpitulivuoria puolestaan näkyy kartalla paljon saarien kohdilla, jotka ovat tai ovat olleet kuumien pisteiden kohdalla. Tein myös kartan, jossa erilaiset tulivuorityypit korostuvat erityisen hyvin sijaintinsa puolesta (kuva 3). Tiivistetysti, tulivuorityypit siis voivat kertoa, minkälaisia tulivuoria on tietyissä kohdissa litosfäärilaatoissa.

Maanjäristykset

Halusin kuitenkin tutkia kurssikerralla muutakin kuin tulivuoria, joten tarkastelin voimakkaita (yli kuuden magnitudin) maanjäristyksiä alueellisesti (kuva 4). Kartassa pallojen koot ja tummeneva väri kuvaavat magnitudin suuruutta. Tulivuorten lisäksi maanjäristysten sijainti korreloi litosfäärilaattojen saumojen kanssa, ja suurimmat järistykset ovatkin tapahtuneet laattojen törmäys- ja alityöntövyöhykkeillä. Laattojen erkanemissaumoilla ja muilla reuna-alueilla on tapahtunut pääasiassa 6 – 6.1 magnitudin maanjäristyksiä, ja niitäkin vähemmän kuin törmäys- ja alityöntövyöhykkeillä. Kuten Merikin bloginsa kuudennessa tekstissä toteaa: kun litosfäärilaatat törmäävät, maanjäristykset voimistuvat! Mielestäni tässä kartassa onnistuin visuaalisesti sekä luettavuuden kannalta parhaiten. Magnitudikartan lisäksi vertailin vielä maanjäristyksiä tulivuoriin (kuva 5), ja kartasta voi todeta myös niiden korreloivan keskenään sijainnin puolesta.

Meteoriitit

Koska karttoihin meni yllättävän vähän aikaa, halusin kokeilla myös, minkälaisen kartan saisin aikaan meteoriittiaineistosta. Yritin luoda karttaa maahan pudonneiden tai maasta löydettyjen meteoriittien massasta, jossa suurenevat pallosymbolit kuvaisivat meteoriitin suurempaa kokoa, mutta jo tehtyäni kartan huomasin, että kilogrammojen sijaan legendaan olisi pitänyt laittaa g, ja luvut menivät tyylittelyvaiheessa paikoin sekaisin. Kartasta tuli kuitenkin mielestäni visuaalisesti hieno (vaikkakin epätotuudenmukainen), joten päätin esitellä senkin blogissani (kuva 6). Ei onnistumisia ilman virheitä! Tämä internetistä löytämäni kuva löydetyistä meteoriiteista niiden massan mukaan kuvaa mielestäni hyvin niiden kokoa ja sijaintia, mutta myös maapallon alueiden saavutettavuutta; todennäköisesti esimerkiksi Amazonin alueelle, Siperiaan, ja Saharaankin on pudonnut paljon meteoriitteja, niitä ei vain ole löydetty vaikeakulkuisen maaston vuoksi. Myös esimerkiksi Eveliinan blogin kuudennen tekstin lomasta löytyy hyvä kartta meteoriiteista.

Vaikka luulin kuudennen kurssikerran vaikeustason olevan ihan omaa luokkaansa, yllätyin positiivisesti siitä, että GIS voi olla kivaa ja jopa helppoa! Lyhyt kenttätyö/reippailu ulkona tunnin aluksi ja karttojen tekeminen tällä kerralla olivat hauskaa vaihtelua edellisten kurssikertojen aiheuttamaan opiskeluinnon hetkelliseen laskemiseen. Tästä on suunta siis vain ylöspäin!

Lähteet:

Litosfäärilaattojen rajat: Bucknell University. Plate Tectonics. https://www.bucknell.edu/academics/arts-and-sciences-college-of/academic-departments-and-programs/geology-and-environmental-geosciences/location/geologic-history-of-central-pennsylvania/plate-tectonics (Luettu 27.02.2018)

Viittaus blogiin Merin blogi. 6. Kurssikerta – Mielenkiintoista hasardidataa. (23.02.2018) https://blogs.helsinki.fi/merisupp/2018/02/23/6-kurssikerta-mielenkiintoista-hasardidataa/ (Luettu 27.02.2018)

Kartta meteoriiteista: Infinite Musings. Map of All Known Meteorites Since the 15th Century. (19.09.2016) http://2centsapiece.blogspot.fi/2016/09/map-of-all-known-meteorites-since-15th.html (Luettu 27.02.2018)

Viittaus blogiin GIRL VS. GIS. Kurssikerta 6: Pakkassäässä reippailua ja pedagogisia karttasarjoja (26.02.2018) https://blogs.helsinki.fi/evsirola/2018/02/26/kurssikerta-6-pakkassaassa-reippailua-ja-pedagogisia-karttasarjoja/ (Luettu 27.02.2018)

 

Viides kurssikerta oli ehkä haasteellisin kurssikerta tähän asti koko yliopiston alkamisen jälkeen; en päässyt kummallekaan korvaavalle kurssikerralle päällekkäisten luentojen takia, joten jouduin alusta saakka selviytymään yksin annetuista tehtävistä pelkkien ohjeiden varassa. Huomasinkin, että suurin haaste oli selvittää erilaiset toiminnot ja laskutehtävät qGississä ensimmäistä kertaa ilman opastettua kurssikertaa, jossa olen vain voinut luoda kartat ja tehdä tehtävät seuraamalla yksityiskohtaisesti samojen tehtävien tekemistä ja kysymällä kurssikavereilta neuvoa tarpeen tullen. Uskonkin, että siitä syystä erilaiset toiminnot eivät olleet jääneet muistiini, ja jouduin käyttämään tehtävien tekemiseen aikaa enemmän kuin olisin ikinä uskonut.

Itsenäistehtävissä tutkimme muun muassa Malmin ja Helsinki-Vantaan lentokenttien aiheuttamaa lentomelua buffereiden eli puskurivyöhykkeiden avulla. Bufferin luominen on oiva tapa analysoida sen sisä- tai ulkopuolelle jäävää aineistoa muusta aineistosta erikseen, ja sen luomista varten olevaa työkalua olikin helppo käyttää. Ongelmia tehtävässä aiheuttikin lähinnä oikeiden valintatyökalujen käyttö, mikä lopulta useiden kokeilujen ja pohdintojen jälkeen onnistui (kuva 1). Esimerkiksi Malmin lentokenttään liittyvässä lisätehtävässä tuli pohtia asuntojen ikää ja niissä asuvien asukkaiden määrää 1 kilometrin säteellä lentokentästä, mikä vaati erilaisia valintoja ja laskutoimituksia. Lentokenttää käsittelevien tehtävien vastaukset kirjoitin erikseen  taulukkoon 1  ja vastauksista voin huomata, että lentomelu on molempien lentokenttien läheisyydessä suuri haitta monelle henkilölle. Kuten Tuuli Lahinkin pohtii blogissaan, syitä lentomelun yleistymiselle ovat juurikin esimerkiksi kaupungistuminen ja lentoliikenteen vilkastuminen matkailun yleistyessä entisestään. Haittoja tulisikin pyrkiä vähentämään keskittämällä rakentamista kauemmas lentokentistä.

Toinen itsenäistehtävä olikin lähinnä nopea kertaus ensimmäisestä, sillä siinäkin luotiin buffereita, joiden sisälle jääviä aineistoja analysoitiin ja laskettiin. Tarkastelun kohteena oli tässä tehtävässä asukkaat 500 metrin säteellä pääkaupunkiseudun juna- ja metroasemista, ja kuten taulukon 1 vastausten viimeisestä kohdasta voi huomata, erityisesti työikäinen väestö suosii asumista juna- ja metroasemien läheisyydessä. Pääkaupunkiseudulla julkisen liikenteen käyttö työmatkoihin onkin hyvin yleistä, mikä selittää asumisen asemien läheisyydessä. Viimeisen pakollisen itsenäistehtävän vastaukset ovat taulukossa 2.

Kaksi ensimmäistä itsenäistehtävää veivät yhteensä huomattavan paljon aikaa, mutta toisaalta huomasin oppineeni käyttämään tiettyjä toimintoja täysin itsenäisesti ja paljon nopeammin, kuin alussa niitä käytin. Seuraava itsenäistehtävä sujuikin paljon nopeammin, kun ymmärsin, mitä toimintoja missäkin vaiheessa kannattaa käyttää. Myös edellisten kurssikertojen asioita tuli kerrattua. Valitsin vielä viimeiseksi itsenäistehtäväksi tehtävän 4, jossa piti tarkastella uima-altaiden ja saunojen määriä ja sijaintia pääkaupunkiseudulla. Kirjasin tehtävänannon kysymysten vastaukset taulukkoon 3, ja loin sekä koropleettikartan, että pylväsdiagrammikartan pääkaupunkiseudulla olevien uima-altaiden määristä (kuva 2 ja 3). Täytyy tässä vaiheessa myöntää, etten aluksi onnistunut luomaan karttaa, jossa kuvaisin uima-altaiden määrää diagrammilla, joten yritin korvata kartan koropleettikartalla. Muistin kuitenkin, että kolmannella kurssikerrallahan juuri teimme koropleetti- ja teemakartan yhdistelmän, joten kävin kurkkaamassa kyseiset ohjeet läpi ja onnistuin tehtävässä. Lopputuloksesta jäikin uupumaan ainoastaan uima-altaiden määrien luvut teksteinä, mutta muuten olen tyytyväinen (ja vielä ainakin toistaiseksi hengissä).

Aluksi niin tuiki tuntematon qGis on tähän mennessä aiheuttanut niin onnistumisen tunteita kuin hermoromahduksiakin, mutta itsenäisten tehtävien tekeminen opetti paljon enemmän kuin mikään muu kurssikerta – ainakin siten, että erilaiset toiminnot jäävät mieleen paremmin ja toivottavasti pysyvämminkin. Parhaiten luonnistuu tällä hetkellä luonnollisesti bufferit ja valintojen tekeminen niiden perusteella, niitä kun on ihan ”muutama” tunti muutaman viikon sisällä tehty… Suurimpana heikkouksena ohjelman käytössä on tehtävät, joissa täytyy itse päätellä, miten saan laskettua halutun luvun, sillä matikkaa viimeksi lukiossa laskeneena laskutoimitukset eivät ole enää ihan päällimmäisenä mielessä. Mutta kuten Emmikin bloginsa viidennessä tekstissä toteaa, tekemällä oppii, ja positiivisin sekä väsynein fiiliksin uskon (tai ainakin toivon) olevani nyt edes hieman parempi paikkatieto-osaaja.

Lähteet:

Viittaus Tuuli Lahinin blogiin Gislove; Kerta 5: Itsenäistehtävät ovat liikaa QGIS:lle. (19.02.2018)
https://blogs.helsinki.fi/lahintuu/2018/02/19/kerta-5-itsenaistehtavat-ovat-liikaa-qgislle/
(Luettu 25.2.2018)

Tekniikkatalous. Suomalaisen työmatkaan kuluu 23 minuuttia. (09.01.2013)
https://www.tekniikkatalous.fi/tyoelama/2013-01-09/Suomalaisen-työmatkaan-kuluu-23-minuuttia-3312219.html
(Luettu 25.2.2018)

Viittaus Emmi Hagelbergin blogiin Emmin blogi; Viides kurssikerta: bufferointia ja taulukoiden laadintaa. (20.02.2018)
https://blogs.helsinki.fi/hagemmi/2018/02/20/viides-kurssikerta-bufferointia-ja-taulukoiden-laadintaa/
(Luettu 25.2.2018)

Muokattu 25.2.2018 klo 21:55

Tätä blogitekstiä kirjoittaessani alan jo olla väsynyt vuoden ensimmäiseen periodiin, joka on vasta puolessa välissä. Lisäksi alkaa kaduttaa, että otin periodiin kuusi kurssia: deadlinet alkavat uhkaavasti saavuttaa, ja erilaiset raportit, kirjoitelmat ja muut tekstit sekä qgis-työt kasaantuvat korkeaksi tehtäväpinoksi, josta ei edes tiedä mistä aloittaa. Lähdimme siis  kurssikavereideni kanssa Tiedekulman sohville, jos vaikka innostuneita (tai vähemmän innostuneita) opiskelijoita täynnä oleva ilmapiiri auttaisi keskittymään edes hetken verran.

Neljännellä kurssikerralla tehtävänä oli tutustua ruututeemakartan luomiseen, ja pohjaksi kartalle annettiin erilaista väestötietoa sisältäviä aineistoja. Tutkimusalueena kartalla on pääkaupunkiseutu, ja päätin luoda ruututeemakartan alueen eläkeikäisten (yli 65-vuotiaiden), suhteellisista määristä 500 neliömetrin kokoisin ruuduin esitettynä (kuva 1).

Kuvassa 1 näyttäisi siltä, että 80-100% yhden 500 neliömetrin ruudusta asukkaita on yli 65-vuotiaita ympäri pääkaupunkiseutua. Tällaisia alueita on esimerkiksi Espoon länsi- ja keskiosissa, Vantaan länsi-, pohjois- ja kaakkoisosissa ja Itä-Helsingissä. Yksi alue, jossa asuu selkeästi paljon yli 65-vuotiaita, sijoittuu Itä-Helsingin ja Kaakkois-Vantaan rajalle.

Mielestäni ruutukartassa ei kannata aiheesta riippuen esittää absoluuttisia arvoja, sillä esimerkiksi pääkaupunkiseudun väestökartassa väestöä on eniten Helsingissä ja muissa väestökeskittymissä, jonka vuoksi myös vanhuksia on eniten näillä alueilla. Se ei kuitenkaan kerro sitä, millä alueilla on suhteellisesti eniten yli 65-vuotiaita, ja siitä syystä päätin tehdä kartan yli 65-vuotiaiden suhteellisesta sijoittumisesta alueelle. Jos kuitenkin ruutukartalla haluaisi esittää vaikkapa jonkin lintulajin levinneisyyttä, sen voisi mielestäni esittää absoluuttisilla arvoilla.

Ruututeemakartta on mielestäni luettavuudeltaan hyvä tapa esittää informaatiota, sillä sen avulla voidaan kuvata esimerkiksi joidenkin ilmiöiden klusteroitumista, esimerkiksi juuri eläkeläisten suhteellista määrää tietyillä alueilla. Kartan luettavuuteen vaikuttaa merkittävästi ruudun koko, sillä luonnollisesti kartta näyttäisi erilaiselta, jos olisin kuvannut valitsemaani aihetta esimerkiksi 1 neliökilometrin tai 5 neliökilometrin alueina. Valitsinkin ruudun kooksi juuri 500 neliömetriä, sillä mielestäni se sopii hyvin juuri tämän kokoiselle alueelle.

Pidän karttani ilmeestä muuten, mutta esimerkiksi legendassa virheenä on prosenttien esittäminen: Jos ensimmäisen värin kohdalla on prosentit 0-20, seuraavassa tulisi olla 21-40, ei 20-40%. Lisäksi huomasin turhan myöhään, että kuntien rajat olisi kannattanut asettaa päällimmäiseksi, sillä nyt järvet ja joet rikkovat kuntarajoja. Muutoin olen kyllä tyytyväinen väreihin ja muuhun visuaaliseen ilmeeseen!

Tiedekulman sohvilla kuitenkin huomasimme kurssikaverini Varpun kanssa, että samasta aiheesta (eli eläkeläisten suhteellisesta jakautumisesta pääkaupunkiseudulla) tekemämme kartat näyttivät hyvin erilaisilta. Pohdimme kuumeisesti syytä, ja tulimme lopputulokseen, että todennäköisesti molempien kartat olivat menneet niiden jossakin luomisvaiheessa pieleen, joten joudun odottelemaan seuraavaan viikkoon varmistaakseni, mikä meni pieleen. Sillä välin kannattaa käydä katsomassa Senni Luodon blogiteksti ”Kurssikerta 4; Ruudukoita ja vieraskielisten jakautumisen tarkastelua PK-seudulla”, jossa esitellään hyvin työvaiheita ja erilaisia lopputuloksia. Virheitä kuitenkin sattuu, ja pääsen toivon mukaan ensi viikolla lisäämään oikein tehdyn kartan blogiini. Sitä siis odotellessa! 🙂

Lähteet:

Viittaus blogiin Sennin blogi; Kurssikerta 4;Ruudukoita ja vieraskielisten jakautumisen tarkastelua PK-seudulla (07.02.2018) https://blogs.helsinki.fi/luotosen/2018/02/07/kurssikerta-4-ruudukoita-ja-vieraskielisten-jakautumisen-tarkastelua-pk-seudulla/ (Luettu: 08.02.2018)

 

Saavuin kolmannelle kurssikerralle virkeänä ja positiivisin mielin, vaikka edellisen kurssikerran harjoitukset olivat vieläkin synkkänä muistona mielessäni. Totesin kuitenkin jo ensimmäisen harjoituksen aikana, että hei, aika monet toiminnot qGis:llä sujuvat yhtäkkiä kuin vettä vaan! Lukuisat toistot olivat sittenkin tuottaneet tuloksia ja jääneet — ihmeellistä kyllä — mieleeni.

Kurssikerran ensimmäisessä harjoituksessa harjoittelimme ensimmäiseksi yhdistelemään aineiston metatietoa. Latasimme ohjelmaan Afrikan kartan, jossa kaikkien valtioiden erilliset alueet, kuten saaret, olivat erillisinä riveinä. Koska halusimme tutkia aluetta valtioittain, meidän täytyi siis yhdistää nämä alueet jonkin yhdistävän tiedon — tässä tapauksessa valtion nimen — avulla. Niinpä yhdistimme tiedot valtioittain, ja pääsimme jatkamaan harjoituksen toiseen vaiheeseen, jossa liitimme karttaan tiedostot Afrikan öljykentistä, timanttikaivoksista ja konflikteista.

Kuten Vivi Tarkka totesikin bloginsa kolmannessa tekstissä ”Haloo — Tulvariski”, luonnonvarojen ja konfliktien välillä on havaittavissa selkeä korrelaatio. Kiistat luonnonvaroista ovat yleinen konfliktien aiheuttaja ympäri maailmaa, mutta myös niiden aiheuttamat ympäristön muutokset ja ympäristöongelmat ovat osasyy konflikteihin, todetaan Ulkoministeriön uutisessa ”UNEP: Ympäristöongelmat ja konfliktit ruokkivat toisiaan” (29.05.2009). Lisäksi monet valtiot rahoittavat konflikteja juuri luonnonvaroista saamillaan rahoilla, jolloin konfliktit jatkuvat kauan tai niitä puhkeaa alueella useasti. Valitettavasti minulle kävi samoin kuin monelle muullekin kurssikerralla, eli karttani pohja katosi yhtäkkiä jonkin toiminnon jälkeen, joten minulla ei ole näyttää karttaa luonnonvarojen ja konfliktien korrelaatiosta alueella.

Toisessa harjoituksessa pyrimme tarkastelemaan Suomen tulvaindeksiä eri valuma-alueilla. Kokosimme kartan eri tasoista, kuten valuma-alueista, rantaviivasta, joista ja järvistä, ja koropleettikarttana esitetyn tulvaindeksin lisäksi karttaan lisättiin pylväsdiagrammit jokaiselle valuma-alueelle niiden suhteellisen järvisyyden perusteella. Valmiista kartasta (kuva 1) voimme huomata jo pelkästään vilkaisemalla, että valuma-alueiden järvisyys ja tulvaindeksi korreloivat keskenään.

Kuten Elli toteaakin kolmannessa blogitekstissään ”3. kurssikerta: Edistymistä ja suuria tunteita” (01.02.2018), tulvaherkkyydellä ja järvisyydellä on yhteys toisiinsa; mitä enemmän valuma-alueella on järviä, sitä vähemmän siellä on tulvia. Tämä johtuu siitä, että järvet varastoivat tehokkaasti vettä. Alueilla joilla puolestaan järviä ei ole, esimerkiksi kevätsateet ja lumen sulaminen aiheuttaa jokien tulvimisen keväisin. Kartasta voimme huomata, että alueellisesti tulvia on eniten Pohjanmaalla, Etelä- ja Lounais-Suomessa, toisin sanoen alueilla, joilla joet laskevat Itämereen.

Harjoitus tuntui ensimmäistä kertaa yllättävän helpolta, ja ymmärsin annetut ohjeet hyvin. En kuitenkaan muista enää tasan tarkkaan, miten toteutimme kaikki työvaiheet, joten saa nähdä, miten seuraavalla kurssikerralla pärjään!

 

Lähteet:

Viittaus blogiin Vivi; Haloo — Tulvariski (31.01.2018); https://blogs.helsinki.fi/vivitark/2018/01/31/haloo-tulvariski/ (Luettu 02.02.2018)

Ulkoministeriö; ”UNEP: Ympäristöongelmat ja konfliktit ruokkivat toisiaan” (29.05.2009); http://formin.finland.fi/public/default.aspx?contentid=165059 (Luettu 02.02.2018)

Viittaus blogiin Elkaelka’s adventures with Gis; 3. kurssikerta: Edistymistä ja suuria tunteita (01.02.2018): https://blogs.helsinki.fi/elkaelka/2018/02/01/3-kurssikerta-edistymista-ja-suuria-tunteita/ (Luettu 02.02.2018)

Toiselle kurssikerralle mennessäni olo oli vielä epätoivoinen edellisen kurssikerran ja -työn jälkeen; lisäksi olin noin 2 tuntia myöhässä nukuttuani pommiin, joten pelkäsin mitä tuleva tunti toisi tullessaan, ja olisinko pahasti jäänyt jälkeen. Saapuessani Kumpulaan huomasin suurimman osan kurssilaisista pitävän taukoa, joten käytin tilaisuuteni hyväksi ja yritin ehtiä päästä kärryille kurssikerran tehtävistä.

Kurssikerran tarkoituksena oli tutkia erilaisten tehtävien avulla, miten erilaiset projektiot vaikuttavat lopputulokseen QGis:ssä. Yhtenä tehtävänä oli luoda taulukko välimatkan ja pinta-alan muutoksista (taulukko 1) eri projektioita käytettäessä. Taulukossani ensimmäinen sarake kuvaa valitsemiani projektioita; koska käytämme pääasiassa Lambertin projektiota (EPSG3035), vertailin muita projektioita (Gall-Peters, Robinson, World Winkel I ja Mercator) siihen. Välimatka on mitattu suurin piirtein Suomen itäisimmästä pisteestä läntisimpään, ja pinta-ala Pohjois-Suomesta.

Taulukko 1. Pinta-alan ja välimatkan eroavaisuudet eri projektioissa. Taulukko avautuu oheisesta linkistä kuvaksi omalle sivulleen.

Taulukko GM1 kurssikerta 2 vertailu

Kuten voimme taulukosta huomata, Suomen leveys muuttuu eniten Lambertin projektioon verrattuna World Winkel I -projektiossa; välimatkan ero on jopa 310,782 metriä. Tämä johtuu siitä, että Winkelin projektio pyrkii tasaamaan kaikkia kartan vääristymiä tasapuolisesti, eli juurikin pinta-alaa, välimatkaa sekä suuntaa. Tämän vuoksi kaikki nämä ominaisuudet vääristyvät aina jonkin verran. Vähiten välimatka vääristyy Lambertin projektioon verrattuna Mercatorin projektiossa.

Suurin ero pinta-aloissa on Gall-Petersin ja Mercatorin projektion välillä, 27 947,397 km², sillä Mercatorin projektio korostaa pohjoista pallonpuoliskoa, kun taas Gall-Petersin projektio korostaa päiväntasaajan alueiden oikeaa pinta-alaa. Pienin pinta-alaero puolestaan on jälleen Lambertin ja Mercatorin projektioiden välillä.

Seuraavaksi tein kahdesta annetusta tehtävästä ensimmäisen, jossa piti tarkastella pinta-alaeroja LAEA-projektion ja muiden, itse valitsemieni projektioiden välillä koropleettikartan muodossa suhteellisesti esitettynä. Valitsin projektioiksi kolme tunnettua projektiota: Mercatorin (kuva 1), Winkelin (kuva 2) ja Gall-Petersin projektion (kuva 3). Prosentuaaliset erot on kartoissa kuvattu tummenevilla väreillä ja LAEA:n projektiossa olevalla kartalla.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Mercatorin projektio vääristää karttaa sitä enemmän, mitä kauempana päiväntasaajasta ollaan, joten prosentuaalinen ero Lambertin karttaan on suurin Suomen pohjoisosissa (kuva 1). Myös Winkelin projektiossa (kuva 2) ero on suurin pohjoisessa, sillä se vääristää kaikkia ominaisuuksia, mutta eron Mercatorin projektion eroihin on kuitenkin huomattavissa. Gall-Petersin projektio (kuva 3) näyttää eroavan kunnittain LAEA-projektiosta pääsääntöisesti samanlailla kuin edellisetkin projektiot, mutta myös yksittäisten kuntien pinta-alat vaikuttavat eroavaisuuteen. Tämä johtuu siitä, että eri alueiden pinta-alat ovat siinä toisiinsa nähden oikeassa suhteessa. Hyvä esimerkki erilaisten karttojen tarkoituksista ja sen myötä vääristymistä löytyy myös Varpun kurssiblogin kirjoituksesta 2 (kuva 2), jossa vertaillaan LAEA-projektiota Gauss-Laborde Reunionin poikittaisen Mercatorin projektion kanssa. Pohjoisten osien suurimpien pinta-alavääristymien sijaan vääristymät ovat kyseisessä kartassa suurimmat Lounais-Suomessa.

Harjoitus oli jälleen kerran haastava, sillä jostain syystä yritän tehdä kaiken aina ensin vaikeimman kautta. Muutaman harjoituksen ja toiston jälkeen kuitenkin onnistuin yhä nopeammin luomaan projektioita vertailevat kartat, ja karttojen visuaalinen puoli alkaa sujua kuin vettä vaan.

 

Lähteet:

Moodle; MAA-104; Johdatus geoinformatiikkaan maantieteessä; luento 6 (11.10.2017): https://moodle.helsinki.fi/pluginfile.php/1784388/mod_resource/content/1/JGM2017_Luento6.pdf
(Luettu: 25.01.2018)

Viittaus blogiin Sadvarpu and the battle of gis: Projektiovertailua (24.01.2018)https://blogs.helsinki.fi/sadvarpu/2018/01/24/projektiovertailua/
(Luettu: 25.01.2018)

Muokattu 08.02.2018 klo 19:55

Hellou! Tämä on kurssiblogini kurssille Geoinformatiikan menetelmät 1, jossa pyrin kuvailemaan kurssilla aikaansaatuja töitä ja arvioimaan omaa osaamistani ja kehitystä GIS-ohjelmistojen parissa parhaani mukaan. Tervetuloa!

Ensimmäiselle kurssikerralle mennessäni olin vielä iloisissa lomatunnelmissa – kunnes karu todellisuus tuli ilmi QGis -ohjelmiston muodossa. Aluksi ajattelin, ettei ohjelmiston käyttäminen voisi niin vaikeaa olla, olinhan onnistunut käyttämään edellisillä kursseilla PaikkaOppia ja muita internetin ”hankalia” paikkatietosovelluksia. Ohjelmiston käyttöönotto ja yleisten asetusten asettaminen kuitenkin tuotti hankaluuksia jo niillä sekunneilla, kun jäin jälkeen jostakin annettujen ohjeiden vaiheesta. Loppujen lopuksi onnistuin kuin onnistuinkin asettamaan ohjelmistolle oikeat koordinaatit ja lisäämään tarvittavat pluginit, ja aloitimme ensimmäisen harjoituksen QGis:in parissa.

Ensimmäisessä harjoituksessa yhdistimme aluksi erilaisia karttatasoja, jotka muodostivat karttakuvan Itämerta ympäröivistä valtioista, Itämerestä sekä alueen järvistä. Kuvassa näkyi myös Itämeren syvyyskäyrät, joiden värit asetettiin porrastetusti, sekä Nitrogen Inputs -karttataso, jonka metatiedoista kävi ilmi kunkin valtion typpipäästöt absoluuttisina lukuina. Harjoituksessa luvut täytyi kuitenkin muuttaa suhteellisiksi luvuiksi, jotta typpipäästöjen osuutta pystyttiin kuvaamaan valtioittain suhteessa koko alueen päästöihin. Koska harjoitus tehtiin koululla ja kirjoitan tekstiä kotona omalla koneellani, itselläni ei valitettavasti ole karttakuvaa näytettävänä lopputuloksesta, mutta esimerkiksi kuva 1 Olivia Halmeen artikkelissa 1. Kurssikerta: Räpiköintiä QGis-meressä toimii hyvänä esimerkkinä. Kuvasta voi huomata, että suhteessa muihin maihin Puola tuottaa selkeästi eniten typpipäästöjä, kun taas Viro vähiten.

Harjoitus oli helppo tehdä koululla, sillä se tehtiin seuraamalla opettajan klikkauksia näytöltä, ja kärryiltä pudotessa kanssaopiskelijoilta sai neuvoja. Muutaman päivän kuluttua kun latasin QGis -ohjelmiston omalle koneelleni, kaikki tunnilla käydyt asiat olivat mystisesti pyyhkiytyneet mielestäni. Onnistuin kuitenkin Moodlen ohjeiden avulla liittämään karttatasoksi Suomen kunnat, ja pääsin aloittamaan toisen harjoituksen ohjelmiston parissa. Suurin haasteeni oli saada metatietoja näkymään kartalla visuaalisesti; kerta toisensa jälkeen onnistuin liittämään karttaan metatiedon numeerisesti, tai sitten useiden toimintojen summana kartalla ei näkynyt edes pohjakarttaa. Useiden tuntien uurastuksen ja jokapäiväisen ”jospa sitten huomenna” -toteamuksien jälkeen oivalsin, kuinka helppo vaikeustaso 1:n tehtävä olisikaan ollut, jos en olisi yrittänyt tehdä sitä vaikeimman kautta; Tuloksena syntyi kartta Suomen kesämökeistä kunnittain.

Kartasta (kuva 1) huomaa, että kesämökkejä on Suomessa vähiten (0-2000 ja 2001-4000/kunta) esimerkiksi Pohjanmaalla, Pohjois-Karjalassa sekä Lapissa, kun taas yli 8000 mökkiä on ainoastaan Paraisissa Etelä-Suomessa. 6001-8000 mökkiä puolestaan on Pohjois-Pohjanmaalla sijaitsevassa Kuusamossa, Pohjois-Savossa sijaitsevassa Kuopiossa, ja Etelä-Suomessa sijaitsevassa Kouvolassa, Hämeenlinnassa, Salossa ja Raaseporissa. Alueellisesti kesämökkejä on eniten Järvi-Suomen alueella, jossa maisema on kaunis ja ympäröivä luonto rauhaisa ja hiljainen.

Olen erittäin tyytyväinen ensimmäiseen QGis -aikaansaannokseeni, jonka tein täysin itsenäisesti muutamia opiskelutovereideni neuvoja lukuun ottamatta. Kartta onnistui mielestäni visuaalisesti hyvin, mutta olisin muuttanut legendan vertailulukuja jos vain olisin osannut… Ehkäpä kurssin aikana opin käyttämään QGis -ohjelmistoa tarpeeksi hyvin sen tehdäkseni!

Lähteet:

Viittaus blogiin Olivian kurssiblogi: 1. kurssikerta: Räpiköintiä QGis-meressä (19.01.2018) https://blogs.helsinki.fi/halmeoli/2018/01/19/1-kurssikerta-rapikointia-qgis-meressa/ (Luettu 22.01.2018)

Muokattu 08.02.2018 klo 19:52

 

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