Viikko 7: Viimeinen taistelu

Itsenäisiä haasteita

Viimeisellä kurssikerralla saimme haastavan tehtävän luoda kartta itse valitusta aiheesta, jonka data pitäisi myös löytää itsenäisesti. Pienen pohdinnan jälkeen päätin tehdä kartan Yhdysvaltojen osavaltioiden tulotasosta ja niiden rikostilastoista. Kartan tavoitteena on selvittää, onko näillä kahdella muuttujilla korrelaatiota. Tilastoja etsiessäni päädyin valitsemaan henkirikostilastot ja kotitalouksien mediaanituloista. Dataa löytyi internetin syövereistä yllättävänkin helposti, mutta on tietysti tärkeää huomioida tilastojen luotettavuus ja ajantasaisuus. Datan löytäminen onkin varmaan ”oikeissa aikuisten paikkatietotöissä” olennaisen tärkeä ja aikaa vievä prosessi. Hypoteesina oli, että sosioekonomiset ongelmat jollakin alueella näkyisivät sekä taloustilastoissa kuin rikosten määrässäkin. Toisaalta henkirikokset ovat äärimmäisimpiä rikoksia, joiden taustalla vaikuttavat monet muutkin asiat kuin talousongelmat, eli on hyvin mahdollista, että korrelaatio ei ole kovin vahva.

Aloitin kartan tekemisen tuomalla internetistä löytämäni Yhdysvaltojen kartan QGISiin. Osavaltiorajat olivat tässä aineistossa jo valmiina. Aluksi yritin visualisoida kotitalouksien mediaanituloja koropleettikarttana ja rikostilastoja pylväillä osavaltioiden kohdalla. En saanut tätä esitysmuotoa näyttämään mitenkään selkeältä, vaikka kuinka yritin. Sitten koitin kaikenlaisia erilaisia piste- ja viivavisualisointeja, mutta niistäkään en millään saanut selkeitä ja informatiivisia. Lopulta jouduin tyytymään kahteen erilliseen koropleettikarttaan, jotka ovat kyllä toimivia mutta ehkä vähän liian yksinkertaisia tähän tehtävänantoon ja kurssin grande finale-blogipostaukseen. Masa Solonen oli onnistunut blogissaan luomaan Yhdysvaltojen kartan, jossa hän tarkasteli oikein sujuvasti kahta eri muuttujaa. Ehkä minun olisi pitänyt jotain vastaavanlaista esitystapaa, mutta ehkä tämä hieman epäonnistunutkin versio on riittävän informatiivinen.

Mediaanituloissa on melko paljon vaihtelua osavaltioiden välillä. Suurituloiset ovat keskittyneet erityisesti rannikon urbaaneimpiin osavaltioihin, kuten Massachusetts ja Kalifornia. Pienituloisena alueena erottuu erityisesti niin sanotun syvän etelän osavaltiot Alabama, Mississippi ja Arkansas. Yhdysvalloissa ei kuitenkaan ole aivan niin selkeää esimerkiksi pääkaupungin ja muiden alueiden välistä eroa kuin vaikkapa joissain Euroopan maissa. Osavaltioiden ja kaupunkien sisällä on tietenkin todella suurta vaihtelua yksilöiden taloustilanteessa, erityisesti Yhdysvaltojen suurilla tuloeroilla.

Henkirikostilastoissa etelävaltiot Alabama ja Mississippi erottuvat selkeästi jälleen negatiivisesti. Chicagon ja etelävaltioiden välisissä näyttää olevan jonkinlainen suhteellisen väkivaltainen vyöhyke ja tällä alueella on myös keskimääräistä matalammat tulot. Myös Uuden-Englannin eli Massachusettsin ja sen ympärillä olevien pienien osavaltioiden alue on suhteellisen hyvätuloinen ja rauhallinen henkirikostilastoista katsottuna. Kovin vahva korrelaatio mediaanitulojen ja henkirikosten välillä ei kuitenkaan ole, vaan rikostilastoihin vaikuttaa todella moni tekijä, esimerkiksi historialliset syyt kuten vähemmistöjen järjestelmällinen syrjintä etelävaltioissa.

Kokonaisuutena Geoinformatiikan menetelmät 1 -kurssi on ollut jonkinlainen hyppy tuntemattomaan. Ennen kurssia en oikein tiennyt mitä odottaa, eikä minulla ollut erityisen negatiivisia tai positiivisia odotuksia kurssista. Nyt olen kuitenkin saanut aika hyvän ensipuraisun geoinformatiikan maailmasta ja nyt voin jo melkein sanoa tietäväni mitä kaikkea QGISilla voi saada aikaan. Oppimisprosessi ei todellakaan ole aina ollut helppo ja QGIS on tuottanut aika monta turhauttavaa hetkeä elämääni. Toisaalta onnistuneen kartan tuottaminen on parhaimmillaan todella palkitsevaa. Tulevia GIS-haasteita odotan sekä innolla että pienellä jännityksellä!

Lähteet

Centers for Disease Control and Prevention. Homicide mortality by state (2020). https://www.cdc.gov/nchs/pressroom/sosmap/homicide_mortality/homicide.htm

Median Household Income by State (2022). https://worldpopulationreview.com/state-rankings/median-household-income-by-state

Solonen, Masa (2022). Masan MAA-202 blogi. Lainattu 25.3.2022, saatavilla:

Kurssikerta 7 – Viimeiset datanrutistukset Yhdysvalloista

Viikko 6: Kumpulan loskaretki ja maapallon hasardit

Epicollect-aineistot ja koettu turvallisuus

Kuudes kurssikerta aloiteltiin poikkeuksellisesti reippaalla kävelyllä loskaisessa Kumpulassa. Lähdimme kartoittamaan Epicollect-sovelluksen avulla kampuksen ympäristön sattumanvaraisten paikkojen herättämiä tunteita ja mielikuvia. Kirjasimme sovellukseen esimerkiksi näkemyksemme paikan herättämästä turvallisuudentunteesta ja viihtyisyydestä. Palattuamme kampukselle meillä oli mielenkiintoinen paketti dataa, jota voisimme tutkia QGISin avulla. Jo näin pienen ihmisjoukon nopealla kävelyretkellä saatiin ihan relevanttia ja käyttökelpoista dataa. Pisteiden sijainnit eivät Epicollect-sovelluksen GPS-paikannuksella ole kuitenkaan kovin tarkat, vaan tarkkuus oli huonoimmillaan noin 20 metriä. Ali Ylikoski huomioi myös blogissaan, että Kumpulan ympäristössä on kovin vähän selkeästi rajattavissa olevia kohteita, jotka ovat bussipysäkkiä tai puistonpenkkiä merkittävämpiä. Tämä tekee pisteiden järkevästä sijoittelusta hieman hankalampaa. Mielestäni lopputuloksena syntynyt kartta on kuitenkin todella visuaalisesti miellyttävä ja informatiivinen (kuva 1).  Sovelluksen avulla luotiin taulukkotiedosto pisteistä ja pisteiden data visualisoitiin interpoloimalla. Turvalliseksi oli koettu hiljaisemmat ja ruuhkattomat paikat, kuten Kumpulan idyllinen puutalomiljöö. Kustaa Vaasan tien ja Arabian kauppakeskuksen ympäristöt oli puolestaan koettu epäturvallisina, johtuen todennäköisesti liikenteen melusta ja määrästä. Todellisuudessa Arabianrannan perjantainen aamu ei kuitenkaan ole erityisen turvaton, ehkä lukuun ottamatta tutkimuspäivän liukkaita kelejä.

Kuva 1. Koettu turvallisuus Kumpulan ympäristössä. Tutkittu Epicollect5-sovelluksen avulla.

Hasardikartat

Seuraavaksi siirryimme omavalintaisten hasardikarttojen pariin. Tavoitteena oli luoda opetuskäyttöön soveltuvat kolme karttaa, jotka selkeästi visualisoivat hasardien sijoittumista maapallolla. Päätin keskittyä maanjäristyksiin ja tulivuoriin. Ensimmäisessä hasardikartassa (kuva 2) näkyy kaikki yli kuuden magnitudin maanjäristykset vuosina 1899-2022. Kartta on ihan selkeä, toisaalta aika yksinkertainen mutta se ei opetustilanteessa välttämättä ole huono asia. Tulivuoria merkitsevät kolmiot voisivat kyllä olla vähän pienempiä, jotta kartta ei olisi niin sekalainen.

Kuva 2. Yli 6 magnitudin maanjäristykset 1899-2022

Toisessa hasardikartassa (kuva 3) kuvataan kaikki yli kahdeksan magnitudin maanjäristykset samalta ajalta kuin edellisessä kartassa. Kahdeksan magnitudin maanjäristys on huomattavasti voimakkaampi kuin kuuden, mutta onneksi ne ovat myös huomattavasti harvinaisempia. Näissä kartoissa olisi voinut näyttää litosfäärilaattojen rajat, sillä ne ovat tietenkin maanjäristyksistä puhuttaessa olennaisia.

Kuva 3. Yli 8 magnitudin maanjäristykset 1899-2022

Kolmannessa hasardikartassa tarkastelin kahta ilmiötä, maanjäristyksiä ja tulivuoria (kuva 4). Ne sijoittuvat selkeästi litosfäärilaattojen rajavyöhykkeille. Maanjäristykset on visualisoitu heatmap-muodossa. Heatmapia olisi ehkä voinut hienosäätää enemmän näyttämään vähän nätimmältä, mutta kyllä tämäkin kartta aika hyvin kuvaa tulivuorten ja maanjäristysten välistä suhdetta. Tätä karttaa tehdessä eteen tuli muutamia melko haasteellisia säätöjä juuri heatmapin kanssa, mutta ystävämme Google oli jälleen avulias.

Kuva 4. Kaikki tulivuoret ja maanjäristykset 1899-2022

Näitä ilmiöitä olisi hyödyllistä tarkastella sellaisella kartalla, joka näyttää Tyynen valtameren kokonaisuudessaan. Näin Tyynenmeren tulirenkaan eli Tyyntä merta ympäröivä vulkaanisesti ja tektonisesti aktiivinen vyöhyke hahmottuisi selkeämmin. Löysinkin juuri tällaisen kartan netistä (kuva 5), joka on hyvin informatiivinen ja siten opetuskäyttöön soveltuva.

Kuva 5. Tyynenmeren tulirengas

Kokonaisuutena tämän kurssikerran tehtävät tuntuivat helposti lähestyttäviltä, eikä aivan tajuttoman vaikeisiin ongelmiin jouduttu. Kai se on pakko uskoa, että olen tällä kurssilla jotain oppinutkin!

Viittaukset

Ylikoski, Ali (2022). Alin geoinformatiikkablogi. Lainattu 24.3.2022, saatavilla: https://blogs.helsinki.fi/alingeoinformatiikka/2022/02/24/kurssikerta-6-saan-aari-ilmioita-ja-maanjaristyksia/

Tyynenmeren tulirengas (Pacific Ring of Fire).  Saatavilla: https://www.researchgate.net/figure/Subduction-zones-in-the-Pacific-ocean-the-Ring-of-Fire-or-the-circum-Pacific_fig1_327866962

Viikko 5: Vantaalla lentomelua, Helsingissä uima-altaita

Bufferoinnin kiehtovat mahdollisuudet

Kurssikerta aloitettiin harjoittelemalla bufferointia eli puskurointia Pornaisten kartalla. Tämä työkalu vaikuttaa todella hyödylliseltä ja sitä voi käyttää moneen erilaiseen tarpeeseen. Tehtävänä oli selvittää, kuinka monta asukasta asuu alle 500 metrin etäisyydellä tiestä. Bufferointi oli mielenkiintoista eikä edes erityisen vaikeaa. Tällaisilla työkaluilla on paljon käyttöä todellisen elämän paikkatietoanalyyseissa esimerkiksi uusien teiden tai rautateiden rakennusprojekteissa.

Seuraavaksi tutkimme lentomelualueita Malmin lentokentällä ja Helsinki-Vantaan lentoasemalla. Myös tässä vaiheessa Buffer-työkalu tuli hyvin tutuksi. Lopputuloksen yleistettynä voisi sanoa, että lentomelualueet on suunniteltu melko hyvin niin, että pahimmilla lentomelualueilla ei ole kovin paljon asukkaita. Tarkat vastaukset tehtävän kysymyksiin löytyvät taulukosta 1. Helsinki-Vantaan ympäristöön onkin rakennettu paljon toimisto- ja logistiikkarakennuksia. Vain poikkeustapauksissa, esimerkiksi kovien tuulien takia käytettävä eteläinen laskeutumissuunta lisää lentomelulle altistuvien määrää huomattavasti. Eteläisen laskeutumissuunnan lentomelu herättää närää jopa siinä määrin, että Helsingin Sanomien uutiskynnys ylittyy.

Taulukko 1.

Alle 500 metrin päässä juna- ja metroasemilta asuu noin 22 % koko väestötietokannan asukkaista. Se on suhteellisen suuri luku, kun ottaa huomioon kuinka laaja alue on kyseessä. Prosentti voisi olla tietysti olla suurempikin, jos rakentamista ohjataan riittävästi asemien läheisyyteen. Ali Ylikoski huomiokin blogissaan, että väestöaineisto on vuodelta 2015, jonka jälkeen on rakennettu huomattavan paljon rakennuksia esimerkiksi Vantaan Kivistöön, Leinelään ja Koivukylään. Muut tehtävien vastaukset löytyvät taulukosta 2.

Taulukko 2.

 

Uima-altaita ja saunoja

Rakennus- ja väestötietokannasta löytyy paljon hyvin yksityiskohtaista dataa, esimerkiksi uima-altaiden ja saunojen määrästä. Vastaukset tehtävän kysymyksiin löytyvät taulukosta 3.

Taulukko 3.
Kuva 1. Uima-altaiden määrä pääkaupunkiseudun osa-alueilla.

Eniten uima-altaita on vähemmän yllättäen varakkailla alueilla, kuten Lauttasaaressa (eniten uima-altaita, 53 kpl), Munkkiniemessä ja Kulosaaressa (kuva 1). Huomiota herättää kuitenkin uima-altaiden suuri määrä Helsingissä verrattuna naapurikuntiin. Luulisin, että esimerkiksi Kauniaisissa tai Espoon varakkailla ranta-alueilla olisi enemmän uima-altaita. Siksi olettaisin, että uima-altaita on tilastoitu Helsingissä kattavammin kuin Espoossa tai Vantaalla. Paikkatietoaineistoissa, kuten muissakin tilastoissa, onkin syytä olla tarkkana tilaston luotettavuudessa.

QGISin käytöstä olen tässä vaiheessa kurssia oppinut ihan perusasiat melko hyvin, mutta tehtävissä käytettyjen ominaisuuksien syvällinen ymmärtäminen on vielä kaukainen haave. Ongelmana tuntuu usein olevan joku pienen pieni väärin säädetty asetus ja ongelman paikallistamiseen voi pahimmillaan kulua tunteja, tosin näin se taitaa yleisesti teknologian maailmassa olevan. Onneksi netistä löytyy hyvin kaikenlaisia ohjeita, jotka parhaimmillaan ovat todella avuliaita. Parhaiten tutuksi ovat tulleet toistaiseksi eniten käytetyt työkalut, kuten Join attributes by location ja erilaiset symboliikan ja visualisoinnin säädöt. Juuri QGISin karttojen visualisoinnin ominaisuuksien käyttö on ehkä eniten kehittynyt taitoni tämän kurssin aikana.

Viittaukset

Ylikoski, Ali (2022). Alin geoinformatiikkablogi. Lainattu 22.3.2022, saatavilla: https://blogs.helsinki.fi/alingeoinformatiikka/2022/02/23/kurssikerta-5-lentomelua-ja-bufferointia/

Viikko 4: Ruudut ja rasterit

Tällä kurssikerralla pääsimme tutustumaan ruutukarttojen ja rasteriaineistojen maailmaan. Jo aikaisemmilta viikoilta tutuksi tullut QGISin ajoittainen hankaluus tuli taas ilmi, mutta myös näistä tehtävistä selvittiin lopulta kunnialla ja uutta on taas opittu reippaaseen tahtiin.

Ruutukartat

Nämä ruutukartat perustavat pääkaupunkiseudun kunnat kattavaan seutudata-aineistoon, jossa on hyvin yksityiskohtaista tietoa alueen rakennuksista ja niiden asukkaista. Esimerkiksi asukkaiden määrä tietyssä rakennuksessa sekä heidän ikänsä ja äidinkielet ovat tarkasti tilastoitu. Tein ruutukartan ruotsinkielisten suhteellisesta määrästä pääkaupunkiseudulla. Ruutukarttaa voidaan käyttää esittämään absoluuttisia arvoja, mutta päädyin kuitenkin karttaan suhteellisista osuuksista, koska absoluuttisilla määrillä kartta muistuttaisi pitkälti asumistiheyskarttaa – ruotsinkielisiä asuu määrällisesti paljon siellä missä muutenkin on paljon asukkaita.

Kuva 1. Ruotsinkielisten osuus väestöstä 1 km x 1 km ruuduilla. Vain ruudut joissa asuu vähintään yksi asukas.

Tässä kartassa (kuva 1) on visualisoitu kaikki 1 km x 1 km ruudut, joissa asuu vähintään yksi ihminen.  Ruotsinkielisten osuus väestöstä on suurin Espoon Suvisaaristossa ja Nuuksiossa, Kauniaisissa ja Helsingin Östersundomissa. Koillis-Helsingissä ja suurimmassa osassa Vantaat on puolestaan hyvin vähän ruotsinkielisiä. Ruotsinkielisten alueiden muodostumiseen ovat vaikuttaneet monet eri tekijät vuosisatojen aikana. Elida Peuhu kirjoittaa blogissaan ruotsalaisten alkaneen asuttaa nykyistä Espoon aluetta jo 1200-luvulla ja Sipoon aluetta 1300-luvulla. Espoossa onkin vielä nykyäänkin melko tasaisesti ruotsinkielisiä ympäri kaupunkia.

Kartalle olisi voinut lisätä esimerkiksi isoimpia teitä, jotta eri alueiden sijainnin hahmottaminen olisi helpompaa. Tällä kartalla kuntarajat helpottavat kuitenkin alueen hahmottamista. Huomio kuitenkin kiinnittyy muutamaan punaiseen ruutuun Vantaalla, jossa muuten on kovin vähän ruotsinkielisiä. Tarkemmin tarkasteltuna huomasin, että näissä ruuduissa asuu kovin vähän asukkaita, eli jo yksi tai kaksi ruotsinkielistä perhettä aiheuttaa suuria muutoksia ruutukartalla.

Kuva 2. Ruotsinkielisten osuus väestöstä 1 km x 1 km ruuduilla. Vain ruudut joissa asuu vähintään 20 asukasta.

Tähän karttaan olen valinnut vain ruudut, joiden alueella on 20 tai enemmän asukasta (kuva 2). Olen myös säätänyt luokittelua hieman, jotta alueiden erot olisivat selkeämmät. Yksittäiset punaiset pisteet ovat kadonneet ja kartta visualisoi hieman paremmin esimerkiksi Ullanlinnan ja Kaivopuiston alueen suhteellisen suurta ruotsinkielisten osuutta. Toisaalta harvemmin asutuilta alueilta ei tässä kartassa ole mitään informaatiota. Kokonaisuutena tämä kartta kuitenkin mielestäni visualisoi olennaisimman paremmin. Ruutukartta on luonteeltaan melko yleistävä kartta, mutta järkevä yleistäminen on usein yksi kartan tärkeimpiä ominaisuuksia. Kuten Jessika Isomeri kirjoittaa blogissaan, yleistävyys onkin yksi ruututeemakartan parhaimpia puolia. On tietysti oltava tarkkana, että ei tule yleistäneeksi aivan liikaa.

Rasteriaineistot

Seuraavaksi vertaillaan QGISin korkeusmallista tehtyjä korkeuskäyriä Maanmittauslaitoksen peruskartan korkeuskäyriin. Itse laaditut korkeuskäyrät ovat viiden metrin välein.

Kuva 3. Maanmittauslaitoksen peruskartta korkeuskäyrineen
Kuva 4. QGISilla itse laaditut korkeuskäyrät

Kuten kuvista 3 ja 4 näkyy, korkeuskäyrät ovat paljon yksityiskohtaisempia QGISilla tuotettuina kuin peruskartan omat korkeuskäyrät. Peruskartan yleistetyt käyrät ovat kuitenkin aivan riittävän tarkat lähes kaikkiin tarkoituksiin ja ne ovat jonkun verran selkeämpiä lukea. Korkeuskäyrien tekeminen itse oli yllättävän vaivatonta ja ne tuntuivat syntyvän kuin itsestään.

Lopuksi kokeilin myös Hillshade-toimintoa, jolla voi nimensä mukaisesti tehdä rinnevarjostusvisualisointeja korkeusmallin datasta. Sekin on oikein mukava ja yhteistyöhaluinen työkalu visualisoimaan korkeusmallia kartalla. Rinnevarjostusta olisi ehkä voinut säätää hieman paremman näköiseksi, mutta kyllä se näinkin toimii. Rinnevarjostus voisi olla hyödyllisempi silloin, kun korkeuserot ovat suuremmat kuin tällä alueella.

Kuva 5. Rinnevarjostus

Viittaukset

Peuhu, Elida (2022). Geoinformatiikan menetelmät. Lainattu 20.3.2022, saatavilla: https://blogs.helsinki.fi/elida/?p=176

Isomeri, Jessika (2022). Jessikan GIS-hurvittelut. Lainattu 20.3.2022, saatavilla: https://blogs-test.it.helsinki.fi/jessikangishurvittelut/2022/02/09/viikko-4-rasti-ruutuun/

 

 

Viikko 3: Timantteja tulvii

Kolmannen kurssikerran keskeinen teema oli tietokantojen sisältämän datan yhdistäminen erilaisista lähteistä saatuun muuhun dataan. Attribuuttitaulukon eli ominaisuustietotaulukon sisältämän tiedon yhdistämiseen on useita eri tapoja. Taulukon eri luokkia voidaan yhdistää esimerkiksi silloin, kun valtion eri osat on luokiteltu erikseen. Myös kahden eri tietokannan sisältämiä attribuutteja voidaan yhdistää Join-toiminnolla. Tämä ominaisuus on QGIS:issa harmillisen buginen, mutta onneksi tällä kertaa se juuri ja juuri toimi. Excel-taulukoita voidaan myös tuoda suhteellisen vaivattomasti osaksi attribuuttitaulukoita.

Afrikan luonnonvarat ja konfliktit

Lähiopetuksessa näitä toimintoja harjoiteltiin Afrikan kartalla, jossa maiden rannikoilla sijaitsevat saaret oli mallinnettu hyvin tarkasti. Näiden saarten ominaisuustiedot, kuten pinta-ala, yhdistettiin valtion manneralueen dataan. Harjoittelimme myös muita uusia asioita, kuten Excel-taulukon tuomista QGIS:iin. Tunnin päätteeksi olimme saaneet aikaiseksi kartan, joka kuvaa vuosina 1947-2008 Afrikassa tapahtuneita konflikteja ja timanttikaivosten sekä öljykenttien sijainteja. Ominaisuustietotaulukossa oli paljon tietoa, jota tässä kartassa ei hyödynnetty, kuten öljykenttien tuottavuusluokittelu ja niiden löytämisvuosi. Näiden tietojen perusteella voisi kartalla tutkia, että onko näillä muuttujilla yhteyttä toisiinsa.

Kartalla huomataan, että monissa luonnonvaroiltaan rikkaissa, erityisesti timantteja runsaasti tuottavissa maissa on ollut paljon konflikteja, mutta korrelaatio timanttikaivostoiminnan ja konfliktien sijaintien välillä ei ole kovin vahva. Tämän kartta-aineiston perusteella ei voi siis vetää liian pitkälle meneviä johtopäätöksiä konfliktien synnystä Afrikassa tai kaivannaistalouden vaikutuksesta paikallisiin yhteiskuntiin. Toisaalta luonnonvarojen hyödyntäminen tuo eittämättä vaurautta paikalliseen talouteen, mutta harmillisen usein varallisuus päätyy vain ylimmän eliitin kassakaappeihin. Monikansallisten kaivosjättien, Afrikan valtioiden ja niiden johtajien sekä paikallisten asukkaiden intressit ovat usein eriävät, joten erimielisyydet luonnonvaroista voivat olla yksi osatekijä konfliktien monisäikeisissä syntyprosesseissa.

Tulvaindeksi ja järvisyys

Itsenäisesti tehtävä harjoituksen lopputulos oli kartta Suomen valuma-alueiden tulvaindekseistä ja järvisyysprosenteista. Tulvaindeksi laskettiin jakamalla keskiylivirtaama keskialivirtaamalla. Keskiylivirtaama tarkoittaa tulvahuippujen keskiarvoa ja keskialivirtaama kuivien kausien alimpien arvojen keskiarvoa. Näin laskemalla tulvaindeksi kertoo kuinka moninkertainen virtaaman huippu on verrattuna kaikkein kuivimpaan aikaan.

Kartta näyttää tässä muodossa hieman sekavalta, erityisesti järvet haittaavat järvisyyspylväiden näkyvyyttä. Jessika Isomeri oli blogissaan päätynyt samanlaiseen johtopäätökseen ja hän teki kartan ilman järviä tai jokia, itse kuitenkin tyydyin jättämään joet paikoilleen. Ilman järviä kartta on paljon selkeämpi, toisaalta järvet ovat relevantteja tällaisessa vesistökartassa, kuten Tia-Maria Liljeroos kirjoittaa blogissaan.

Tulvaindeksi on selkeästi korkeampi matalilla rannikkoseuduilla kuin sisämaassa, kun taas järvisyys on suurinta sisämaassa.  Järvet pystyvät säilömään niin paljon vettä, että ne ehkäisevät tulvien syntyä. Alueen alavuus puolestaan altistaa tulville.

Tästä kurssikerrasta jäi hyvä fiilis, vaikka kaikki en saanut läheskään kaikkea toimimaan ensimmäisellä yrityksellä. Yrityksen ja erehdyksen kautta tunnen kuitenkin osaamiseni kehittyvän koko ajan eikä GIS-maailma tunnu enää ulkoavaruuden ufotieteeltä.

Lähteet

Isomeri, Jessika. (2022). Jessikan gis-hurvittelut. Lainattu 8.2.2022, saatavilla: https://blogs-test.it.helsinki.fi/jessikangishurvittelut/

Liljeroos, Tia-Maria. (2022). Tiitun GISreissu. Lainattu 8.2.2022, saatavilla: https://blogs.helsinki.fi/litili/

 

Viikko 2: Päräyttävät projektiot

Toisen kurssikerran opetus eteni vähän nopeammin kuin ensimmäisellä kerralla ja tehtävätkin osoittautuivat haastavammiksi. Tämän perjantai-aamun aiheena oli karttaprojektiot ja niiden aiheuttamat vääristymät. Karttaprojektioita tarvitaan, jotta maapallo kolmiulotteisena kappaleena saadaan esitettyä kaksiulotteisella kartalla. Projektioiden erot liittyvät siihen, mitä maapallon ominaisuuksia ne vääristävät. Esimerkiksi oikeapintaiset projektiot näyttävät pinta-alat suhteellisen oikein, kun taas oikeakulmaiset keskittyvät ilmansuuntien välisten kulmien tarkkuuteen.

Ensimmäisenä tehtävänä oli mitata QGIS:in työkaluilla karttaprojektion vaikutusta pinta-alaan. Tässä taulukossa laskettiin Pohjois-Lapissa sijaitsevan sattumanvaraisen alueen pinta-ala.

Pinta-alat on laskettu tältä alueelta

Projektiot vaikuttavat selkeästi pinta-alaan, erityisesti Mercatorin projektio on tunnettu siitä, että se vääristää napoja lähellä olevien alueiden pinta-aloja liian suuriksi. Tälläkin alueella se kasvattaa pinta-alan moninkertaiseksi verrattuna todellisuuteen. Eckert IV on puolestaan oikeapintainen projektio, mikä tarkoittaa sen pyrkivän mahdollisimman tarkkaan pinta-alojen esittämiseen. Robinsonin projektio on tietynlainen kompromissi, se on tehty vääristämään kaikkia ominaisuuksia hieman, jotta maailmankartta näyttäisi mahdollisimman luonnolliselta.

Seuraavaksi oli tarkoituksena visualisoida Suomen kartalle projektioiden vaikutusta Suomen eri alueiden pinta-aloihin. Tehtävän toteuttaminen tuotti suuria hankaluuksia oppitunnilla, mutta kotona ohjeiden pilkuntarkalla seuraamisella tästäkin haasteesta selvittiin.

Tässä kartassa vertailin Mercatorin projektiota ja TM35FIN-projektiota. Kartasta huomaa selkeästi, että Mercator vääristää pinta-aloja enemmän pohjoisessa Suomessa eli lähempänä pohjoisnapaa. Vääristymä kasvaa tasaisesti etelä-pohjoissuunnassa. Toisaalta Etelä-Suomessa Mercatorin projektion pinta-ala on nelinkertainen verrattuna todellisuuteen eli ero on todella merkittävä sielläkin. Tämä kartta ehkä vähän korostaa etelä-pohjoissuunnassa tapahtuvaa pinta-alojen kasvua, vaikka vääristymä on merkittävä myös etelässä.

Toisessa kartassa vertailin Robinsonin projektiota ja TM35FIN-projektiota. Ensivaikutelmaltaan kartta näyttää kovin samanlaiselta kuin edellinen kartta. Karttaselitettä lukiessa huomaa kuitenkin, että vääristymä pinta-aloissa on huomattavasti pienempi Robinsonin projektiossa kuin Mercatorin. Etelä-pohjoissuunnassa tapahtuva muutoskin on selkeästi pienempi, vaikka näillä väreillä ja luokkajaoilla se helposti näyttääkin yhtä voimakkaalta. Tällaisten asioiden takia on tärkeä muistaa lukea karttaselite huolella, jotta varmasti ymmärtää mitä kartta kuvaa.

Kaikissa projektiossa pinta-alojen vääristymät eivät ole etelä-pohjoissuuntaisia. Rosa Selenius tarkasteli blogissaan Bonnen projektiota, joka on oikeapintainen, kartioprojektioita muistuttava projektio. Tässä projektiossa erot pinta-aloissa ovat itä-länsisuunnassa ja oikeapintaisuudesta johtuen vääristymät pinta-aloissa pieniä.

Pinta-alojen laskemisessa oli aluksi suuria vaikeuksia, mutta kun sain ohjelman toimimaan niin kuin halusin, ei tämäkään tehtävä osoittautunut ylitsepääsemättömäksi!

Lähteet

Selenius, Rosa. (2022). Rosan blogi. Lainattu 7.2.2022, saatavilla: https://blogs.helsinki.fi/ramlasel/2022/02/04/viikko-2/

 

Viikko 1: Hiljaa hyvä tulee

Kurssin alkaessa paikkatieto-osaamiseni on hyvin pintapuolista. QGIS-ohjelmistoa en ole käyttänyt juuri yhtään, mutta onneksi ensimmäinen oppitunti lähti liikkeelle yksinkertaisista perusjutuista. Opetus eteni melko rauhalliseen tahtiin, jonka ansiosta pysyin hyvin mukana opetuksessa. QGIS ja yleisemminkin paikkatiedon hyödyntäminen vaikuttaa mielenkiintoiselta, mutta rehellisesti sanottuna myös hyvin haastavalta.

Itämeren typpipäästöt 

Ensimmäisellä kurssikerralla tehtävänä oli tehdä kartta Itämeren typpipäästöistä. Tätä tehtävää tehtiin opettajan ohjauksessa yksityiskohtaisesti lähiopetuksessa.  Tehtävää helpotti se, että aineistot olivat jo pitkälti valmiita. Typpipäästökartan tekeminen olikin enemmän kartan visuaalisen ilmeen säätämistä ja datan visualisointia. Tätä tehtävää tehdessäni ymmärsin, että paikkatietoaineiston sisältämä data on todella olennainen osa QGIS:ia ja kartta on lähinnä vain sen datan visualisointia selkeäksi ja informatiiviseksi kokonaisuudeksi. Haasteellisinta oli eri luokkien säätäminen oikeille kohdille niin, että eri maiden typpipäästöt erottuvat selkeäksi. Myös värit ovat olennainen osa datan visualisointia. Järvien väri ei ole ihan kohdallaan ja ne jotenkin hallitsevat koko karttaa. En välttämättä saanut karttaa niiltä osin aivan täydelliseksi, mutta eihän sitä ensimmäisillä kerroilla tarvitse vielä ihan huippuammattilainen olla.

Kuntakartta

Seuraava karttatehtävä tehtiin itsenäisesti. Päätin tehdä kartan korkeakoulutettujen osuudesta väestä eri Suomen kunnissa. Tässäkin vaiheessa olennaista oli valmiina olevan datan visualisoiminen kartalle. Tämän kartan tekeminen ei ollut kovin vaikeaa, koska data oli jo selkeästi olemassa taulukossa. Tässäkin vaiheessa haasteellisinta oli oikeiden luokkajakojen ja värien löytäminen. Niitä piti etsiä melko pitkään, mutta lopulta sain kuntien erot selkeästi näkyville.

Kartassa yliopistokaupungit erottuvat selkeästi edukseen korkeakoulutettujen määrässä. Näihin kaupunkeihin on keskittynyt paitsi yliopistot ja korkeakoulut, myös suurin osa valtion virastoista ja korkean osaamisen yritykset. Etelä- ja Länsi-Suomessa on myös selkeästi enemmän korkeakoulutettuja kuin Itä- ja Pohjois-Suomessa. Esimerkiksi Joensuu, Kuopio ja Rovaniemi yliopistokaupunkeina erottuvat niitä ympäröivistä maaseutupainotteisista kunnista.  Kuten Vili Rauhala blogissaan huomioi, tämä kartta ei informatiivisuudestaan huolimatta kerro korkeakoulutettujen jakautumisesta kuntien sisällä. Erityisesti suurissa kaupungeissa korkeakoulutus on jakautunut eri alueille epätasaisesti.

Yhteenvetona ensimmäisestä kurssikerrasta jäi positiivinen tunne siitä, että myös minä kykenen oppimaan QGIS-ohjelman salat. Luennoitsijasta huokuu kokemus ja osaaminen, mukavan rentoa opetustyyliä unohtamatta!

 

Lähteet

Rauhala, Vili (2022). Viikko 1: Takaisin QGIS:n pariin. Lainattu 30.1.2022, saatavilla: https://blogs.helsinki.fi/radvili/2022/01/27/viikko-1-takaisin-qgisn-pariin/