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/