Matias Sarajiston blogi

Seitsemäs ja viimeinen kurssikerta erosi edellisistä kerroista sillä tavalla, että tällä kertaa saimme tehdä kartan itse valitsemastamme aiheesta, itse löytämällämme aineistolla. Tehtävävaihtoehtoja oli kolme. Ensimmäisessä vaihtoehdossa sain tehdä kartan tai karttasarjan itse netistä löytämällään aineistolla. Toinen vaihtoehto oli samantyyppinen, mutta kartta sai liittyä jonkin toisen kurssin karttaan tai tehtävään, jos sellaisia oli. Kolmas vaihtoehto oli tehdä maamittauslaitoksen ilmaisista aineistoista karttakuva, jostain Suomen alueesta, ja liittää siihen korkeuskäyrät ja vinovalovarjostus.

Itse päädyin monien muiden lailla valitsemaan vaihtoehdon yksi, koska minua kiinnosti millaisia aineistoja netistä voisi löytää. Meinasin kuitenkin menettää aineistoja etsiessä toivoni, sillä löysin kyllä paljon aineistoa, mutta niiden käyttämiseksi olisi joutunut rekisteröitymään kyseisille sivuille, joka ei ollut minulle mielekästä sähköpostispämmien pelossa. Löysin myös paljon täysin vapaata aineistoa, josta ei kumminkaan ollut minulle mitään hyötyä, koska niissä ei ollut sellaisia muuttujia, joista olisi voinut rakentaa järkevän teemakartan. Nämä vaikeudet datan löytämisessä johtuivat varmaankin pääosin siitä, että yritin löytää dataa muista valtioista kuin Suomi. Kuitenkin monet kurssitoverini olivat löytäneet monia mielenkiintoisia aineistoja netistä, kuten Tiina Aalto maailmanpankin sivuilta, joten alan todella epäillä omaa älykkyyttäni. Luultavasti en ole oppinut jotain tiedonmurua, jolla tietäisin mitä aineistoa QGIS-ohjelmaan on mahdollista lisätä, sillä itse etsin oikeastaan vain shapefile-tiedostoja.

Noin kuuden tunnin etsimisen jälkeen, myös minä murruin ja käänsin katseeni kohti kotimaisia aineistoja, joista löysinkin pienen vinkin avulla www.paikkatietohakemisto.fi sivuston. Paikkatietohakemistosta löysin Helsingin WFS-rajapintapalvelun, jonka kautta tuotin kaksi erilaista karttaa Helsingin alueesta.

Ensimmäisessä kartassa (Kuva 1) kuvataan Helsingin alueen junaliikenteen, metron ja raitiovaunuliikenteen aiheuttamia melutasoja desibelimäärän mukaan. Mielestäni tämä kartta onnistui melko hyvin, mutta kartan olisi myös voinut jakaa kolmeen osaan, jolloin kaikki eri liikennemuodot olisivat eri kartoilla. Karttaan olisi myös voinut lisätä paikannimiä, jolloin esimerkiksi oman asuinpaikan löytäminen olisi ollut helpompaa. Kartta kuitenkin kuvaa muuttujaa tarpeeksi hyvin, ja siitä saatavaa informaatiota on mahdollista hyödyntää.

Toinen tekemäni kartta (Kuva 2) kuvaa Helsingin maisemakulttuurialueista rajattuja alueiden sijainteja. Maisemakulttuurialueita oli ainakin parikymmentä erilaista, joista päätin valita puistoalueet, puistokadut, hautausmaat, viheralueet ja liikuntapaikat. Kartta on mielestäni kohtalainen ja kuvaa melko yksinkertaisesti vain alueen käyttötarkoituksia. Tämänkin kartan olisi voinut tehdä paremmin kuvaamaan jotain lukumääriä sisältävää muuttujaa, kuten Anna Avellan on hienosti blogissaan tehnyt, mutta tällä kertaa tyydyin tähän ratkaisuun. Kartan avulla voi saada selville Helsingin puistoalueiden sijainnin, ja siten miten lähellä omaa asuntoa virkistysalueet sijaitsevat.

Viimeisenä haluaisin vielä kiittää hyvästä kurssista, jossa jopa opinkin jotain, vaikka useinkaan tähän paksuun kalloon ei tieto uppoa. Keskiviikon aamutunnit olivat raikkaan virkistäviä, muuten aivan sekaisin olevan unirytmin kierteessä. Ja vaikka vihaankin tietokoneita, onnistuin kuitenkin saamaan niitä jo monesti edellä mainittuja onnistumisen elämyksiä.

Lähteet:

Aalto Tiina, kurssikerta 7 (luettu 02.03.2020)

https://blogs.helsinki.fi/tidaalto/

Avellan Anna, kurssikerta 7 (luettu 02.03.2020)

https://blogs.helsinki.fi/avellana/

Paikkatietohakemisto

https://www.paikkatietohakemisto.fi/geonetwork/srv/fin/catalog.search#/home

Kuudennella kurssikerralla oli luvassa mukavaa vaihtelua perinteiseen luokkatyöskentelyyn, kun lähdimme itse keräämään dataa EpiCollect- sovelluksen avulla. Teimme Juho Halosen ja Alex Nylanderin kanssa pienen, noin 45 minuutin mittaisen kävelylenkin Käpylän urheilupuiston ja Itä-Pasilan tienoilla. Tällä matkalla keräsimme sovellukseen dataa pisteaineistoa varten. Sovelluksella saatiin kerättyä sijaititiedon lisäksi havaintotietoa alueesta, kuten esimerkiksi, kuinka turvalliseksi käyttäjä alueen tuntee. Kävelykierroksen jälkeen palasimme luokkatiloihin, jossa kaikki data kerättiin yhdeksi tiedostoksi, jonka avulla saimme QGIS:iin pisteaineiston käytettäväksi.

Kun kaikki olivat saaneet pisteaineiston koneilleen, teimme aineistosta interpoloimalla teemakartan, joka kuvasi kuinka turvalliseksi alue miellettiin käyttäjien silmissä. Interpolointi kuvasi alueita eri väreillä, niin että punaisella olevat alueet koettiin kaikkein turvattomimmiksi, ja siniset alueet taas olivat kaikkein turvallisimmat. Interpoloinnin avulla voidaan siis tuottaa sulavasti yhteensopivia vyöhykkeisiä teemakarttoja, eri muuttujien intensiteetin kuvaamiseksi.

Kun olimme saaneet yhteisesti tuotetun teemakartan valmiiksi, siirryimme tekemään omatoimisesti karttoja, joiden tarkoituksena olisi olla sellaisia, että niitä voitaisiin käyttää opetustilanteissa hyödyksi. Käytettävissämme oli dataa maanjäristyksistä, tulivuorista sekä meteoriittitörmäyksistä. Näiden aineistojen avulla tein itse kolme karttaa, joista ensimmäisessä (Kuva 1) kuvataan Välimeren alueella tapahtuneita yli 6 magnitudin maanjäristyksiä.

 

Mielestäni tämä ensimmäinen karttani ei onnistunut hyvin, ja sen kuvaama aineisto antaa vain hyvin hajanaisen yleiskuvan käsiteltävästä aiheesta. Kartan avulla opettaja voisi kumminkin havainnollistaa sitä seikkaa, että yli 6 magnitudin maanjäristyksiä ei ole ollut muualla Euroopassa ollenkaan, vaan niiden esiintyminen on keskittynyt Välimeren alueelle. Kuten Flaminia Puranen blogissaan mainitsee, ei alle 6 magnitudin järistyksiä ollut järkevää kuvata, jotta kartasta saisi vielä jotenkin selvää.

Kartan avulla voitaisiin myös päästä pohtimaan, minkälaisia vaikutuksia järistyksillä on paikalliseen yhteisöön, ja mikä on niiden valtioiden kyky selviytyä järistyksistä, joiden alueilla niitä tapahtuu. Tässä kartassa sen laatua opetuskäytössä voisi parantaa, lisäämällä mannerlaattojen reunoja kuvaavat viiva sekä valtioiden rajat. Kartan tulkitsemisen tukena voitaisiin käyttää myös taulukkoa eri vahvuisten järistysten tuhovaikutuksista. (Kuva 2) Linkki sivulle: https://tieku.fi/luonto/luonnonkatastrofit/maanjaristys/richterin-asteikko-nain-mitataan-maanjaristyksen-voimakkuutta

Toinen tekemäni kartta (Kuva 3) kuvaa Kaakkois-Aasiassa vuoden 1900 jälkeen purkautuneita tulivuoria valtioittain. Tässäkin kartassa olisi hyvä, jos siinä näkyisi mannerlaattojen reunat, jolloin tulivuorten esiintymistä niiden yhteydessä olisi helpompi havainnollistaa. Kartan avulla voidaan kumminkin opetustilanteessa jälleen pohtia, minkälaisia vaikutuksia purkautuvilla tulivuorilla on esimerkiksi Indonesian valtioon, jossa purkauksia on ollut useita. Tämänkin kartan lisänä voisi hyvin käyttää kuvaa alityöntövyöhykkeen aiheuttamista maanpinnan muodoista, ja verrata sitä kyseiseen karttaan. Linkki esimerkkiin tällaisesta kuvasta: https://peda.net/forssa/forssan-yhteislyseo/oppiaineet/maantiede/vilkki/t2spoo/ge-uusi-22e/luku_15/la

 

Viimeinen kartta (Kuva 4) esittää Väli-Amerikan alueella purkautuneet tulivuoret vuodesta 1900 eteenpäin yhdistettynä interpoloituun maanjäristysten magnitudiaineistoon. Kartta on mielestäni melko sekava, enkä ole aivan varma menikö interpolointi oikein, mutta kartasta saa kumminkin selvää, ja se kuvaa hyvin ainakin osaltaan maanjäristysten ja tulivuorten esiintymistä samoilla alueilla. En osannut tehdä karttaa niin, että siitä olisi näkynyt paremmin rantaviivat ja valtioiden muodot, mutta tätäkin karttaa olisi mahdollista opetustilanteessa käyttää tulivuorten ja järistysten yhteyden kuvaamiseen.

Kuudes kurssikertaoli mielestäni oikein mukava ja itsenäinen datankeräys ulkona toi virkistävän muutoksen luokassa istumiseen. Harmillisesti kaikki ei tälläkään kertaa mennyt täysin ongelmitta, ja en onnistunut muuttamaan omatoimisesti NASA:n keräämää dataa meteoriiteista sellaiseen muotoon, että olisin onnistunut tekemään siitä toimivan CSV. tiedoston. Minun oli siis tyydyttävä yhdistämään maanjäristykset ja tulivuoret, ja tulos ei ollut mielestäni hyvä. Kiinnostuin myös vasta nyt jälkikäteen lisäosasta, jolla voi ohjelmaan lisätä maapallon. Tästä puhuu Juho Halonen kuudennen kurssikerran blogiartikkelissaan. Muuten kurssikerta jätti hyvän maun suuhun ja innolla odotan viimeistä kurssikertaa.

Lähteet:

Flaminia Puranen, Kurssikerta 6, (luettu 24.02.2020)

https://blogs.helsinki.fi/flaminia/

Halonen Juho, Kurssikerta 6, (luettu 24.02.2020)

https://blogs.helsinki.fi/hajuho/

Tieteen kuvalehti, Näin Richterin asteikko toimii, (luettu 24.02.2020)

https://tieku.fi/luonto/luonnonkatastrofit/maanjaristys/richterin-asteikko-nain-mitataan-maanjaristyksen-voimakkuutta

Peda.net, Litosfäärilaattojen törmäys- ja alityöntövyöhykket, (luettu 24.02.2020)

https://peda.net/forssa/forssan-yhteislyseo/oppiaineet/maantiede/vilkki/t2spoo/ge-uusi-22e/luku_15/la

Viidennellä kurssikerralla aloitimme työskentelyn palaamalla käsittelemään edellisen kurssikerran aineistoa. Harjoittelimme esimerkiksi laskemaan digitoitujen teiden pituuksia, sekä käytimme intersection työkalua, selvittääksemme peltojen pinta-alan rajaamallamme Pornaisten keskustan alueella. Tämän jälkeen pääsimme käsiksi yhteen kurssikerran päätavoitteista, ja opettelimme tekemään puskurivyöhykkeitä eli buffereita erilaisten kohteiden ympärille. Bufferit ovat kätevä työkalu erilaisten asioiden tai tapahtumien vaikutusalueiden mittaamiseen ja tutkimiseen. Tämän kurssikerran tehtävissä sitä käytetään esimerkiksi melualueiden mitoittamiseen, mutta sitä voidaan käyttää esimerkiksi tykkien tulialueiden peittävyyden kartoittamiseen, kuten puolustusvoimissa tehdään.

Bufferien tekoa jatkettiin itsenäisten tehtävien parissa, joissa tarkoituksena oli laskea erilaisten muuttujien määrää, bufferoimalla sekä käyttäen erilaisia aineiston valintatyökaluja esimerkiksi select by location. Teimme puskurivyöhykkeet Malmin, sekä Helsinki-Vantaan lentokenttien ympärille, joiden avulla laskimme muun muassa niiden alueella asuvien ihmisten määriä. Tuloksia voi tarkastella taulukosta numero yksi (Taulukko 1). Tässä tehtävässä pientä pohdintaa aiheutti kohta, jossa oli laskettava vähintään 55dB melualueella asuvien määrä. Tämä osoittautuikin kumminkin helpoksi tehtäväksi, käyttäen select by value työkalua, jolla voitiin valita kaikki 55dB suuremmat tai yhtäsuuret osat. Tämän jälkeen voitiin käyttää select by location, ja saada tiedot ulos katsomalla statistic osiosta.

Tehtävän yksi yhtenä osiona oli myös selvittää kuinka moneen ihmiseen vaikuttaisi poikkeuksellinen laskeutumissuunta. Itse päädyin tekemään tehtävän niin, että mittasin mittaustyökalulla seitsemän kilometrin matkan kiitoradan päädystä poispäin, ja painoin päätepisteen kartalta mieleeni, jonka jälkeen piirsin piirtotyökalulla samanpituisen viivan, jonka ympärille tein bufferin. Tämä tehtävä, olisi ilmeisesti sujunut helpommallakin tavalla, kuten Roni Lindholm blogissaan kertoo: ”Myös Tikkurilan melualueen laskemista täytyi hetken miettiä ja googlailla. Nopeasti löytyi kuitenkin advanced digitizing panel, jolla sai luotua tasan 7km pitkän viivan haluttuun kohtaan ja suuntaan.”

Taulukko 1.  Tehtävän 1 ensimmäisen osion vastaukset.

Tehtävä 1.1
Asukkaat ML* 2km säde:	57237
Asukkaat ML 1km säde:	8699
Asukkaat HEL** 2km säde:	10314
Kuinka monta prosenttia edellisen kohdan asukkaista asuu 65dB melualueella	3,14 %
Asukkaat 65dB melualue ja 2km säde:	27
Asukkaat vähintään 55dB melualue ja 2km säde:	610
Asukkaat vähintän 55dB melualue:	11913
Poikkeuksellinen laskeutumissuunta, meluhaitasta kärsivien lukumäärä:	12578
ML*= Malmin lentokenttä
HEL**= Helsinki-Vantaan lentokenttä

 

Tehtävässä yksi oli myös toinen erillinen osio, jossa tehtiin buffereita juna- ja metroasemien ympärille, sekä laskettiin tällä tavalla muutama tilastotieto. Tämä tehtävä ei tuottanut mitään erityisiä ongelmia, ja laskutoimitukset olivat tavallisia prosenttilaskuja. Tulokset esitetty taulukossa kaksi (Taulukko 2).

Taulukko 2. Tehtävän 1 toisen osion vastaukset.

Tehtävä 1.2
Alueen asukkaat yhteensä:	490173
Asukkaat 500m säde metro- tai juna-asemista:	106691
Kuinka monta prosenttia asuu 500m päässä asemasta:	21,77 %
Alueen työikäisten prosenttiosuus 500m säteellä asemista:	68,52 %

 

Tehtävässä kaksi käytimme apunamme karttatasoa, jossa oli esitettynä pääkaupunkiseudun taajama-alueita. Tätä karttatasoa apuna käyttäen laskimme taajamissa ja sen ulkopuolella asuvien määriä, sekä kouluikäisten määrää taajamien ulkopuolella. Laskennan tulokset näkyvät taulukossa 3 (Taulukko 3). Tässä tehtävässä törmäsin myös päivän suurimpaan ongelmaan, koska en vain millään saanut laskettua ulkomaalaisten prosentuaalisia määriä taajamittain tai asuinalueittain. Tähän ei helpotuksekseni ollut myöskään pystynyt monikaan muu opiskelijatoveri, joten en ole täysin yksin häpeäni kanssa.

Viimeinen osuus itsenäisestä osuudesta oli valita yksi kolmesta tehtävästä, joista valitsin ensimmäisen vaihtoehdon. Tässä tehtävässä oli tarkoituksena laskea Helsingin yhtenäiskoulun koulupiirin oppilasmääriä. Kyseisen tehtävän vastaukset sai kaivettua suurimmalta osin statistics valikosta, eikä tehtävä muutenkaan tuottanut erityisiä ongelmia. Vastaukset nähtävissä taulukossa kolme (Taulukko 3).

Taulukko 3. Tehtävän kolme vastaukset.

Tehtävä 3
Yhtenäiskoulun aloittavien 7 vuotiaiden määrä:	14
Aloittavat yläasteikäiset:	62
Koulupiirin kouluikäisten prosenttiosuus:	8,10 %
Muunkielisten kouluikäisten määrä koulupiirin alueella:	9

Kuten harjoitusohjeessa kehotetaan, ajattelin hieman pohtia omaa osaamistani QGIS:n käytössä. Mielestäni kehitys ohjelman käytössä on ollut nopeaa, ja joidenkin työkalujen käyttö on jo melkein automaation tasolla. Kuitenkin sanoisin suurimmaksi ongelmaksi sen, että en muista mitä työkalua tulisi milloinkin käyttää. Kun nyt on viisi kurssikertaa takana, voisin todeta, että suurimmalla käytöllä ovat olleet attribute table, field calculator ja select by xxx työkalut. Parhaimmin mieleen ovat jääneet ne työskentelytavat, joita on joutunut käyttämään yksin gis-luokassa QGIS-ohjelmaa vastaan taistellen, eikä autuaana luokassa Arttu Paarlahden isällisessä ohjauksessa. Luokassa kyllä oppii, mutta asiat unohtuvat helpommin, kun työvaiheet joutuu tekemään vain kerran, ja jos jokin menee pieleen on joku heti auttamassa.

Tämän kurssikerran tehtävät sujuivat jälleen kerran melko mukavasti, ja pikkuhiljaa alkaa tuntua siltä kuin alkukankeudesta olisi päästy eroon. Ongelmaratkaisu QGIS:n avulla luonnistuu jo, ja tämä tuo jälleen niitä kuuluisia onnistumisen elämyksiä. En kuitenkaan lähde vielä tämän enempää rehvastelemaan, sillä aavistan, että vaikeat ajat tämän rakastettavat ohjelman kanssa ovat vielä edessä.

Lähteet:

Roni Lindholm, Kurssikerta 5, viitattu (18.02.2020)

https://blogs.helsinki.fi/lroni/

Neljännen kurssikerran tavoitteena oli tutustuttaa meidät pisteaineistoihin, ruutukartan tekoon sekä rasteriaineiston hyödyntämiseen. Tunnilla saatu aineisto ladattiin jälleen kerran moodlesta, ja työskentely aloitettiin lisäämällä karttatasojen päälle ruudukko käyttämällä vector grid työkalua, jonka avulla ruudukon ominaisuudet ja koko voitiin määritellä mieleisiksi. Tämä työkalu tuottaa kumminkin vain väliaikaisen tason, jonka muutimme pysyväksi tasoksi. Valitsimme pysyvän tason muodon niin, että jokainen ruutu voi sisältää ominaisuustietoja.

Ruudukon luonnin jälkeen lisäsimme projektiimme tietokannan, joka sisälsi hyvin yksityiskohtaisia tietoja pääkaupunkiseudun väestöstä sekä rakennuksista. Tiedosto oli suuri, ja Miklas Kuoppala pohtiikin blogissaan kattavasti suuren tiedostokoon käsittelyn hitautta:

Maanantai-illan aikana käytimme (tietokoneiden fiiliksestä riippuen) 30-60min näiden laskujen odotteluun. Nyt torstai-iltana odotin puoli tuntia, tuloksetta.

Seuraavaksi yhdistimme ruudukon ja väestötietokannan tietoja select by location työkalua käyttämällä. Sen avulla luotiin uusi karttataso, joka sisälsi väestötietoja, jotka oli jaettu ruutujen mukaan erillisiksi osiksi. Tästä kyseisestä ruudukosta, pystyimme muokkaamaan, jotain muuttujaa kuvaavan kartan, kuten esimerkissä: (Kuva 2).

Kurssikerran loppupuolella, siirryimme myös käsittelemään rasteriaineistoa QGIS:n avulla. Latasimme rasteriaineston moodlesta, ja aloitimme sen muokkaamisen. Ensin yhdistimme karttalehden neljä osaa, koska suuren tiedostokoon takia kartta oli osissa. Tämän jälkeen lisäsimme aineistoon korkeuskäyrät ja rinnevarjostuksen. Viimeisenä opettelimme vielä piirtämään kartalle objekteja, jota varten luotiin  New shapefile layer. Piirsimme kartalle (Kuva 1) muutaman tien viivoina sekä kaikki keskusalueen asutut rakennukset punaisina palloina. Tätä karttaa tullaan ilmeisesti käyttämään seuraavalla kurssikerralla myös.

Blogitehtävän mukaisesti vertailin QGIS:n piirtämiä korkeuskäyriä maanmittauslaitoksen maastokartan korkeuskäyriin, ja huomasin, että maastokarttojen käyrät ovat pyöreäpiirteisempiä, ja korkeuskäyrät kuvaavat korkeuseroja hieman yleistetymmin, kuin tietokoneen piirtämät. Matti Katajisto antaa blogissaan hyvää pohdintaa korkeuskäyrien eroavaisuuksista:

Kuten kuvasta voidaan huomata alkuperäiset peruskartan korkeuskäyrät ovat huomattavasti pehmennettyjä ja yleistettyjä. Tämä prosessi helpottaa huomattavasti luettavuutta. Informatiivisesti ajateltuna piirtämäni korkeuskäyrät antavat tarkemman kuvan, mutta esimerkiksi retkeilijälle luettavuus on korkeammassa arvossa kuin absoluuttinen tieto.

Ensimmäisen kartan (Kuva 2) lisäksi, tein myös toisen ruutukartan, joka kuvaa miesten prosenttiosuutta koko väestöstä. (Kuva 3) Tämän kartan tekeminen ei ollut mitenkään monimutkaista, ja uuden sarakkeen luominen karttatason atribuuttitaulukkoon sujui helpolla laskutoimituksella. Tätä ennen yritin kumminkin tehdä hieman monimutkaisemman kartan, joka olisi esittänyt vain sellaisten talojen määrän, jotka on rakennettu vuoden 1990 jälkeen. En kumminkaan saanut päähäni miten yhdestä sarakkeesta saatiin valittua vain osa tiedosta uuteen sarakkeeseen, ja onnistuin kaatamaan QGIS:n pariin otteeseen.

Kuvan 2 & 3 kartoissa on muutama ongelma, jotka tahdon tuoda esille. Koska kartta kuvaa miesten prosenttiosuutta koko väestöstä 1km x 1km ruuduilla, on mahdollista, että joissain ruuduissa väestöä on yhteensä 2 ihmistä, jotka ovat kummatkin miehiä. Tällöin miesten osuus on 100% ja ruutu on kuvattu tummana. Tämä taas saattaa antaa katsojalle nopealla vilkaisulla sen kuvan, että miehiä on kyseisellä alueella erityisen paljon. Karttaa tulisikin tarkastella niin, että vieressä on kartta miesten absoluuttisista määristä, samoilla ruutujen sijainneilla. Samu Vilenius on kanssani samoilla linjoilla, ja toteaa blogissaan, että ruutukartoilla on vaikeaa esittää kahta muuttujaa selkeästi.

Absoluuttisten määrien esittäminen ruututeemakartalla on myös hieman ongelmallista. Se ei esimerkiksi kuvan 2 tapauksessa kerro, kuinka paljon väestöä alueella muuten asuu, ja onko siis muunkielisten suhteellinen määrä alueella erityisen suuri. Ruututeemakartan ruudut tekevät sen esittämästä tiedosta myös epätarkempaa, kuin perinteisen koropleettikartan tiedot. Tämä johtuu siitä, että tietoa käsitellään vain ruutujen kautta, ja jos jonkin muuttujan arvon raja kulkee ruudun keskeltä, ei asia tule esiin yhtä suurella tarkkuudella. Arvojen muutos näkyy siis vasta seuraavassa ruudussa.

Yleisesti jos lähden tulkitsemaan kuvan 3 kartan onnistumista visuaalisesti, olen sitä mieltä, että kartta kuvastaa laajalla mittakaavalla pääkaupunkiseudun asukkaiden alueellista jakautumista sukupuolen mukaan hyvin. Sen avulla voidaan nähdä, kuinka Helsingin keskustassa asuu enemmän naisia kuin miehiä, kun taas Otaniemessä miesten osuus on suurempi. Tämä johtuu ainakin osaksi siitä, että Helsingin yliopiston keskuskampuksella opiskellaan sellaisia aloja, joissa naisopiskelijoiden määrä on suuri, kun taas Otaniemessä opiskellaan miesvaltaisiin ammatteihin. Kartassa on kumminkin yhä jo aikaisemmin mainitsemani ongelma, joka liittyy pohjoisosissa näkyviin 75-100% ruutuihin.

Kartta antaakin hyvää yleiskuvaa mitattavasta asiasta, mutta yksityiskohtainen tieto on vaikeammin saavutettavissa. Karttaan olisi myös voinut lisätä näkymään kuntarajat, jolloin näkymästä olisi tullut informatiivisempi, ja kuntien vertailu, sekä alueen hahmottaminen olisi ollut helpompaa.

Tällä kurssikerralla asiat sujuivat jälleen melko mallikkaasti, ja sain tehtävät tehtyä ilman suurempia ongelmia. En kumminkaan onnistunut kaikessa mitä yritin, ja talojen iän mukaan rajattu ruututeemakartta ei ilmestynyt valmiina tietokoneeni ruudulle. Tämä johtui varmaankin siitä, että en muista kaikkea mitä olemme kurssilla tähän mennessä opetelleet. Eli minun tarvitsisi kerrata oppimani asiat, ja tehdä toistoja toistojen perään, jotta saavuttaisin syvän oppimisen tason. Opin kurssikerralla kumminkin taas jotain uutta, ja koin myös onnistumisen euforiaa, kun muistin miten jokin työvaihe tehtiin ilman apua.

Lähteet:

Miklas Kuoppala, kurssikerta 4 (luettu 11.2.2020)

https://blogs.helsinki.fi/kmiklas/

Matti Katajisto, kurssikerta 4 (luettu 11.2.2020)

https://blogs.helsinki.fi/mattikat/

Samu Vilenius, kurssikerta 4 (luettu 11.2.2020)

https://blogs.helsinki.fi/vilesamu/

 

Kolmannella kurssikerralla aloitimme QGIS-ohjelman kanssa työskentelyn heti tunnin alussa. Ensimmäisenä latasimme uuden karttatason, johon tarvittavat tiedostot löytyivät kurssikerran moodle kansiosta. Tällä kertaa tarkasteltavana alueena oli Afrikka, ja tiedosto sisälsi myös tietoja Afrikan valtioista, kuten esimerkiksi väkiluvun, internetin käyttäjien määrän vuosina 2000 ja 2019, sekä Facebookin käyttäjien määrän 2018. Tunnilla tarkastelimme myös tietoja siitä, kuinka paljon konflikteja minkäkin valtion alueella on ollut, ja onko niiden määrällä yhteyttä timanttikaivosten tai öljykenttien määrään.

Tämän harjoituskerran tarkoituksena oli oppia käyttämään uusia ohjelman työkaluja, jotka liittyivät enimmäkseen tietojen yhdistämiseen, ja siten luettavuuden parantamiseen. Aloitimme käyttämällä työkalua select features by value, jonka avulla voidaan aktivoida valituiksi kaikki sellaiset kohteet, joilla on sama muuttuja. Tästä esimerkkinä vaikka Egypti, josta valitsimme kaikki Egyptin nimellä varustetut osat, käyttäen Egyptin nimeä rajaavana muuttujana. Tämä oli tarpeen, sillä aineistossa valtion alueet olivat monessa eri osassa, esimerkiksi kaikki saaret omana osanaan.

Tämän jälkeen tasojen tietoja yhdistettiin käyttämällä dissolve työkalua, joka myös hämäävästä nimestään huolimatta yhdistää tason tietoja, kun valitsee oikean muuttujan rajaajaksi. Tämän työkalun avulla yhdistimme kaikki Afrikan valtioita koskevat tiedot niin, että tiedot olivat valtioittain luettavissa. Dissolve on kätevä työkalu silloin, kun muuttujia on paljon, jolloin esimerkiksi jokaista valtiota ei tarvitse erikseen yhdistää.

Yhtenä tunnin opetuksena, oli myös oppia siirtämään exel-tiedostomuodossa oleva tiedosto sellaiseen tiedostomuotoon, jota pystytään käyttämään myös QGIS-ohjelmalla. Sonja Nylund kiteyttää tämän vaiheen hyvin blogissaan toteamalla:

“Oli mukava (*lue sarkastisesti*) huomata, että taulukoiden tuominen ohjelmistoon on kaukana helposta, sillä pienetkin kirjoitusvirheet estävät ohjelmistoa tunnistamasta ominaisuustietoa samaksi, jolloin tietokantojen yhdistäminen ei onnistu.”

Tietojen tuominen olikin tarkkaa puuhaa, ja vaati tiedostojen muokkaamista ennen varsinaista yhdistämistä, joka voi olla hyvinkin rankka työvaihe, jos tiedostoissa on paljon eroavaisuuksia.

Afrikan karttaa (Kuva 1) tehdessä opettelimme myös luomaan uusia sarakkeita tason atribuuttitaulukkoon, käyttäen työkaluja count points in polygon ja join attributes by location, joilla voitiin valita muuttujia niiden sijainnin tai alueen mukaan. Työkalulla voitiin esimerkiksi luoda sarake, jossa näkyi valtioiden sisällä olevien öljykenttien määrä.

Afrikan tietokannasta, löytyy monenlaisia muuttujia, joita tarkastelemalla voidaan tehdä monimuotoisia analyysejä. Esimerkiksi vertailemalla timanttikaivosten perustamisvuosia, kyseisessä valtiossa tapahtuneiden konfliktien tapahtumavuosiin, on mahdollista löytää yhdistävä tekijä. Tällöin voidaan tehdä johtopäätöksiä siitä, että kaivosten perustaminen luo erimielisyyksiä esimerkiksi siitä kenellä on oikeus kaivoksen tuottoihin, ja millaisia vaikutuksia kaivoksella on alueen ympäristöön, ja sitä kautta ihmisten muihin elinkeinoihin. Kaivosten tuottavuutta taas voitaisiin verrata esimerkiksi internetin käyttäjien määrään, jolloin voidaan tutkia millaisia vaikutuksia kaivoksella on ihmisten elintason kehitykseen.

Tietokanta sisältää myös tietoja alueen konfliktien laajuudesta, jolloin voidaan kerätä tietoa siitä, kuinka laajoja konflikteja eri valtioissa on tapahtunut. Mutta koska käsiteltävänä ei ole tietoa konfliktien laadusta tai syystä, on konfliktien vertailu tällöin vaikeaa. Pihla Haapasalo on kanssani samoilla linjoilla, ja toteaa blogissaan, että monipuolisemman datan lisääminen auttaisi alueellisten syy-seuraus-suhteiden tulkitsemisessa.

Tunnin viimeisenä osuutena testasimme jälleen mitä olimme oppineet. Teimme samantyylisen tehtävän kuin oppitunnilla, jossa tällä kertaa rakennettiin kartta (Kuva 2) joka kuvaa Suomen tulvaherkkyyttä koropleettikarttana, ja järvisyyttä pylväsdiagrammeina. Samaistuin siihen, mitä Aino Sainius kirjoittaa blogissaan, jossa hän kertoo kuinka itsenäisen työskentelyn aloittaminen toi kasvoille hämmentyneen ilmeen, koska muistettavaa oli niin paljon.

Kuten kuvassa 2 nähdään, ovat Suomen tulvaherkimmät alueet sijoittuneet pääasiassa rannikoille. Karttaa tarkastelemalla voidaan myös huomata, että tulvaherkillä alueilla järvisyys on pieni. Tämä johtunee pääsiasiassa siitä, että järvet toimivat luonnossa vesivarastoina, jotka estävät tehokkaasti tulvia.

Kritiikkinä omalle kartalle sanoisin, että legenda on liian pieni, ja legendassa esiintyvät tulvaindeksin luvut ovat epäselvät eivätkä kerro katsojalle mitään konkreettista, jos hän ei ole perehtynyt tulvaindeksin lukuarvoihin. Myös järvisyyden pylväsdiagrammit ovat liian samankokoisia, jotta järvisyyden tarkastelu olisi nopeaa ja helppoa.

Kolmas kurssikerta oli mielestäni antoisa ja tällä kertaa sain onnistumisen elämyksiä. Pysyin koko oppitunnin mukana siinä mitä piti tehdä, ja en kohdannut mitään erityisiä ongelmia, kuten QGIS:n kaatumista. Kurssikerta oli siis osaltani onnistunut, enkä joutunut tuskailemaan aivan älyttömiä määriä.

Lähteet:

Sonja Nylund, kurssikerta 3 (luettu 4.2.2020)

https://blogs.helsinki.fi/sonysony/

Aino Sainius, kurssikerta 3 (luettu 4.2.2020)

https://blogs.helsinki.fi/sainius/

Pihla Haapasalo, kurssikerta 3 (luettu 4.2.2020)

https://blogs.helsinki.fi/haapalop/