BLOGI ON VALMIS

GIRL BYE

Viimeinen kurssityö alkoi.

Kaiken kauniin on loputtava aikanaan..

Viimeiselle kurssityölle saimme täysin vapaat kädet. Kurssikerran luennolla pyöriteltiin hieman peukaloita, käytiin läpi kurssilla opittua, opeteltiin hieman tiedonhakua GIS-näkökulmasta, mutta tältä ennenaikaisesti lopetetulta luennolta meidän fuksiset heitettiin kylmään maailmaan tätä koitosta varten.

Tehtävänanto:
Tehkää kartta/karttasarja/jotakin kurssilla opittujen asioiden perusteella. The world is your oyster

“:D”

Jo luennon aikana mieleeni juolahti idea tehdä karttasarja merien saastumisesta eri näkökulmista. Etsin täysin yksinkertaista vektoritiedostoa, jossa maailman meret on jaoteltu erikseen, mutta satuin löytämään yksityiskohtaisemman vaihtoehdon. Maapallo on jaettu merialueisiin riippuen esimerkiksi siitä, minkä maan omistuksessa alue on. Sen koko voi myös määrittyä luonnollisin perustein ja ekosysteemien mukaan. (lähde) Tämä vaihtoehto osoittautui myös paremmaksi vaihtoehdoksi myöhempää tiedonhakua varten.

Maapallon merialueet – Lähde

Latasin ESRI shapefile -tiedoston EEA:n sivustolta (European Environment Agency)

Merialueita löytyy kuitenkin myös muilta alueilta, kuin niistä mihin halusin itse keskittyä. Lisäksi tiedostossa oli runsaasti kiisteltyjä (disputed) alueita. Halusin tietokantanu kattavan yksinkertaisesti vain rannikoilla olevat varmasti viralliset merialueet, sillä olen kurssin aikana kokenut myöhemmät tehtävät tietokantaliitokset osuvan näiden alueiden kanssa nappiin helpoiten.
Eli hupsispupsis parin hiirenklikkauksen avulla viskasin vex sisämaiden merialueet sekä kiistellut alueet, jotka osuivat esimerkiksi virallisten merialueiden sisälle.

Tajusin tässä vaiheessa vektoritiedoston olevan VALTAVA. Hienoa, että alue on digitoitu näin tarkasti, mutta koulun koneiden ja fuksiläppärini jatkuvan kaatuilun jälkeen päätin tehdä asialle jotain. Ohjelma pyöritti tuskallisen kauan Simplify geometries -työkalua läpi ja olin jo pari kertaa menettämässä toivoa ja heittämässä hanskoja tiskiin, mutta yksinkertaistaminen onnistui kuin onnistuikin. Jihuu!

(Tässä vaiheessa blogiani kirjoittaessa tuli mieleen myös, että olisi ehkä voinut ottaa muutaman välivaihescreenshotin tekemisistäni, mutta jälkiviisastelulle ei ole tässä blogissa tilaa!)

Osoitteesta marineregions.org löysin myös järkyttävän hyvää dataa siitä, miten eri tekijät vaikuttavat merialueisiin. Opin, että yleinen tapa mitata eri asioiden aiheuttamaa kuormitusta merialueisiin on Pressure Score -niminen mittari, joka ilmoitetaan arvolla 0-1. 0 tarkoittaa olematonta kuormitusta ja 1 tarkoittaa erittäin suurta kuormitusta. Simple as that!

Kaikki aineistoni olivat taulukkopohjaisia, joten ne piti muuntaa ensin CSV-muotoon. Samalla yksinkertaistin taulukoita, koska käsiteltävä projekti on jo valmiiksi niin suuri. Aineisto löytyi yllä mainitusta marineregions.org-sivustolta. Suora linkki

Seuraavat asiat pääsivät tässä tehtävässä suurennuslasini alle:
– Muovijätteen aiheuttama kuormitus
– Kemikaalien aiheuttama kuormitus
– Kaupallisen kalastuksen aiheuttama kuormitus

Yhdistin tietokantaliitosten avulla tiedot näistä kuormittavuuksista pohjakarttaani. Lisäksi käytin visualisointiin aikaisemman kurssikerran aikana käytetyä rasterimuotoista tiedostoa maailmankartasta.

Vaikka pohjana kartassani toimi koko maailma merialueineen, halusin keskittyä jokaisessa kolmessa aiheessa maailman eri kolkkaan sen perusteella, mitä itse tiedän näiden tekijöiden aiheuttamasta vaikutuksesta meriimme.

Aloitin muovijätteen aiheuttamalla kuormituksella ja suuntasin Väli-Amerikkaan, erityisesti Karibian saarille, tässä kartta:

 

Kuva 1 – Muovisaasteiden aiheuttama paine/kuormittavuus rantojen merialueilla – Väli-Amerikka – Paine ilmoitetaan painekertoimella, jonka ääripäät ovat 0 ja 1, 1 tarkoittaa erittäin suurta kuormitusta ja 0 miltei koskematonta aluetta.

Kartasta ilmenee, että muovisaasteet aiheuttavat Väli-Amerikan sekä sen Etelä- ja Pohjois-Amerikan puoleisille rannoille vähintään jonkinlaista kuormitusta. Kuitenkin katse kiinnittyy helposti Karibian rannoille sekä Iso-Britannian omistaman Bermudan alueelle Floridan itäpuolelle.
Erityisesti Karibia sijaitsee maantieteellisesti niin alueellisesti kuin sosiaalisestikin huonolla paikalla. Pohjois- ja Etelä-Amerikan väkirikkaiden osien läheisyydessä (Florida ja EA:n pohjoisrannikko) sen merialueet kärsivät helposti muiden saasteista.
Lisäksi Karibian alueen maat ovat hyvin köyhiä, joten kunnollista jätteidenlajittelua/kaatopaikkajärjestelmää ei kaikkialta vielä löydy. Saarivaltioina roskat päätyvät hyvin helposti mutkankin kautta mereen. Tutkimusten mukaan vuoteen 2050 mennessä meristämme löytyy painolta enemmän muoviroskaa, kuin kalaa.

(Caroline Power – Lähde)

 

Tärkein keino estää tämän tapahtuminen on tietenkin maailmanlaajuinen kierrätys ja muovinkäytön vähentäminen ja ajan myötä lopettaminen täysin. Kuitenkin yllämainituissa köyhissä maissa asioiden hoitaminen on helpommin sanottu kuin tehty. Vastaavissa mietelmissä päätyy yleensä lopputulokseen, että tämäkin ongelma selvitetään vain köyhyyden poistamisella.

Merten kuormitus ei tietenkään koske vain köyhiä maita, mutta myös me länsimaalaiset saisimme ottaa opiksi joistakin asioista. Seuraavaksi käsittelyyn pääsee kemikaalien aiheuttamat mahdolliset vauriot rannikoiden merialueisiin ja suurennuslasin alle pääsee oma rakas Eurooppamme. Tässä kartta:

Kuva 2 – Kemikaalisaasteiden aiheuttama paine/kuormitus rantojen merialueilla – Eurooppa

 

Euroopan rannikkoalueet näyttävät kauniin punaisilta kaikkialla.
Euroopassa maanviljely työllistää runsaasti asukkaita. Agrikulttuurille mantereellamme on varattuna hurjat 40%! Tämä kattaa kuitenkin kaiken agrikulttuuri-käsitteen sisälle kuuluvan ja myös mahdolliset alueiden sisällä sijaitsevat asuinalueet, mutta silti luku on suuri.

Maanviljelyn kääntöpuolena ovat juurikin siinä käytettävät kemikaalit, jotka juontuvat esimerkiksi hyönteistentorjunnasta, lannoituksesta sekä säilöntäaineista. Meriimme päätyvät kemikaalit ovat suurimmaksi osaksi juurikin peräisin maanviljelyalueilta esimerkiksi kasteluvesien mukana kulkeutuneena. Kemikaaleja meriimme päätyy myös sadevesien mukana haihtumisen seurauksena sekä kaupunki- ja tehdasalueilta.
Kaikki tämä yhdistettynä tuottaa valtavan määrän kemikaaleja ja ne aiheuttavat runsaasti ongelmia merissämme.

(Kuva käsittää yksinkertaisesti, miten kaikki saasteet kulkeutuvat paikasta toiseen ja lopulta vesistöihin. Tätä voimme kuitenkin soveltaa myös pelkkien kemikaalisaasteiden kanssa.) Lähde

Suurin vaikutus kemikaaleilla on rehevöityminen, joka näkyy esimerkiksi merilevän lisääntymisessä ja myös Suomessa jokakesäinen kiusa, sinilevä johtuu vesien runsaasta rehevöitymisestä.
Kemikaalit aiheuttavat myös kalakannoissa kuolemia sekä vähäistä syntyvyyttä sekä pahimmillaan juomaveden pilaantumista.

Tutkimustulokset Euroopan merien kemikaalimääristä ovat olleet odotettua pahempia ja uumoillaan, että todellinen laita asialle on vielä synkempi.  Pahin tilanne on Ranskan vesistöissä, mutta muut suurvaltiot eivät tule kaukana perässä. Ratkaisu ongelmaan on selvästi kasteluvesien uudelleensuuntaus ja puhdistus, ennen niiden laskemista merivesien joukkoon, mutta tämän vaatii etenkin EU:lta resursseja sekä myös jäsenvaltioiden osallistumista ongelmanratkaisuun.

Viimeisen kartan osalta siirryn vielä enemmän itään päin, kun vuorossa on Aasian manner. Halusin saasteiden lisäksi valita kolmannen aiheen, jota voimme myös mitata kuormittavuusmittarilla.
Aasian ruokakulttuurissa kala kattaa valtavan osan proteiininlähteistä. Kalastus tapahtuu suurimmissa osin kaupallisesti, eli kalastusyhtiöt hoitavat kalastuksen suurien troolareiden avulla. Pienemmissä saarivaltioissa myös yksityisellä kalastustoiminnalla on suuri vaikutuksensa.

Kalastustoiminta ei normaalissa määrin kuormita meriämme, mutta toiminnan ylittäessä kynnyksen, kärsivät merten kalakannat suuresti. Painekertoimella kalastuksen vaikutusta mitataan sillä, miten paljon kalastetuista kaloista on sivusaalista.
Liikakalastusta tapahtuu kaikissa maailman merissä ja erityisesti Aasiassa se on suuri ongelma. Kalan vienti muihin maihin, viime vuosina erityisesti myös Lähi-itään, kattaa myös suuren osan kalastuksesta.

Kiinan valtio omaa paljon rantaviivaa ja se on ulkoistanut kalastustoiminnan myös muiden maiden merialueille Aasiassa.
Alla olevassa kartassa valtion vaikutus merialueille näkyy selvästi tummanpunaisena. Myös yllämainittujen saarivaltioiden ympärillä kuormitus on nähtävissä. Kuormitus näiden valtioiden alueilla olisi luultavasti raskaampi, jos mukaan laskisi myös yksityisen kalastustoiminnan.

 

Kuva 3 – Kaupallisen kalastuksen aiheuttama paine rantojen merialueilla – Aasia/Oseania

 

Käyttämäni aineistot ovat hyvälaatuisia ja tarkkoja. Mittaustulokset eri kuormittavuuksin olivat tarkkoja ja niitä löytyi monelta eri vuosilta. Kaikki käyttämäni mittausaineistot ovat vuodelta 2015.

GIS-kurssin lähestyessä (vihdoin) omaltakin osaltani päätökseen, voin todeta oppineeni tämän parin kuukauden aikana runsaasti GIS-ohjelmistojen käytöstä. Opeteltavaa on toki vielä runsaasti, mutta lähtötaso on toden totta asetettu korkealle.

Muiden kurssilaisten tuki on ollut elintärkeää ja muutamaan otteeseen omaltakin osaltani olisi sormi luultavasti mennyt suuhun. Lisäksi suuri kiitos kuuluu vanhemmille opiskelijoille, jotka verestivät muistojaan tästä samaisesta kurssista useaan otteeseen.

Tulevaisuudessa GIS-kursseilla haluaisin harjoitella vielä enemmän eri työkalujen käyttöä ja tiedon visuaalista esittämistä kartalla. Olen tyytyväinen jokaisen gis-työni lopputulokseen, mutta ehkä pinkit kartat saavat jäädä tämän kurssin heiniksi.

Viimeistä blogikirjoitustani varten luin luultavasti jokaisen kurssitoverini viimeisen postauksen, koska juurikin jokaisen alusta loppuun itsetekemät kartat kiinnostivat. Shoutoutit Matille ja Salla-Sofialle New Yorkin koirista ja Yhdysvaltojen kuivuuskartoista. Nättejä karttoja I cry!
Toverini Varpun sanoja lainaten, nyt on itsensä voittanut olo, BYEEEEEEEEEEEEEEEE!!!!

 

GIS me you fool
XOXO
Antti

 

 

Lähteitä:

Marineregions.org
http://marineregions.org/about.php
Lainattu 10.4.2018

European Environment Agency - Data & Maps
https://www.eea.europa.eu/data-and-maps/data/msfd-regions-and-subregions-1
GIS-aineistoa käytetty kartoissa, lainattu 10.4.2018

Github data - Ocean health index statistics
https://github.com/OHI-Science
Lainattu 10.4.2018

Science Daily - "Chemical pollution of European Waters is worse than anticipated"
https://www.sciencedaily.com/releases/2014/06/140617093224.htm
Luotu 17.6.2014 - Lainattu 11.4.2018

Eurostat - Farm structure statistics
http://ec.europa.eu/eurostat/statistics-explained/index.php/Farm_structure_statistics
Data 2015 joulukuu - Muokattu viimeksi 2018 Tammikuu - Lainattu 11.4.2018

The National - Asia's fishind industry is all at sea
https://www.thenational.ae/business/asia-s-fishing-industry-is-all-at-sea-1.331228
Luotu 20.8.2013 - Lainattu 11.4.2018

Greenpeace - Problems in our oceans - Bycatch
http://www.greenpeace.org/eastasia/campaigns/oceans/problems/bycatch/
Lainattu 11.4.2018

GIS-asiaa á la Matti - Round VII
Kirjoitettu 12.3.2018 - Lainattu 10.4.2018

Salla-Sofian blogi - Seitsemäs kurssikerta, Oman kartan tuottaminen
Kirjoitettu 4.3.2018 - Lainattu 15.4.2018

Sadvarpu and the battle of GIS - Twitterin aarteita kartalla
Kirjoitettu 27.3.2018 - LAinattu 15.4.2018

Vaigisjuttuja-kuvan tausta:
https://ohsnapjenny.deviantart.com/art/Pastel-Nebula-325064402

Kuudes kurssikerta alkoi reippailulla kipakassa pakkassäässä fuksikollega Tuuli seuranani. Valitsimme Kumpulan lähialueilta julkisia paikkoja, joita merkkasimme ylös ja arvioimme tilojen viihtyisyyttä esimerkiksi hengailutarkoitukseen. Edellisen yön aikana Helsinkiin oli laskeutunut pakkasrintama ja 15 asteen pakkanen herätti varmasti jokaisen ryhmäläisen tällä aamuluennolla. Pakkasilma näkyi myös luultavasti ryhmäläistemme viihtyisyysarvioinneissa.
Reippailun päätteeksi opimme myös, että saman olisi voinut tehdä itse GIS-luokan syövereistä QGIS-ohjelmistoon saatavan Google maps -lisäosan avulla. Kiitos 2018.

Käytimme Google maps -lisäosaa vielä erikseen Helsingin katukuvan kaupallisuusasteen tutkimiseen. Tämä tuntui kivalta lisältä kurssin sisältöön, sillä ohjelmistojen käyttö on ollut runsaasti pelkkää kaksiulotteisten karttojen tutkimista sekä taulukoiden lukemista. Kaupallisuutta ilmoitimme kartoilla interpolointitekniikalla, jossa kartalla mitatut kaupallisuusasteet näkyvät sitä tummempina, mitä enemmän kauppoja alueella on. Liittäisin tähän kauniin tuotokseni, mutta QGIS kaatui luennon aikana lennättäen tuotokseni bittikaatopaikalle. “:)”

Varsinainen blogiin liitettävä tehtävämme koski internetistä löytyvää taulukkotietoa. Käytimme kolmesta eri lähteestä, maanjäristys-, tulivuori- sekä meteoriittitietokannoista saatavia tietoja. Opimme luennon aikana muuttamaan excel-taulukoit CSV-tiedostoiksi, jonka kautta taulukoidun tiedon avaaminen QGIS:ssä onnistuu. Itsenäistehtävän tarkoitus on luoda karttoja näiden kolmen tietokannan avulla siten, että niitä pystyy mahdollisesti käyttämään opetuksessa. Tuumasta toimeen!

Tein tylsän päätöksen ja tein yhden kartan jokaisesta tietokannasta.

Tulivuoritietokannassa oli eroteltuna eri vuorityyppejä, joten päätin suodattaa niistä näkymään vain maailman yleisimmät kolme tulivuorityyppiä: kilpitulivuoret, kerrostulivuoret sekä tuhkakartiot.
Luomani kartta soveltuu hyvin juurikin opettamaan maapallon vulkaanista toimintaa koululaisille, sillä eri vuorityyppien alueellinen sijoitus näkyy kartalla hyvin. Kuten esimerkiksi Matti blogiinsa tekemällä kartalla osoittaa, kerrostulivuoret sijoittuvat useimmiten juurikin litosfäärilaattojen törmäysvyöhykkeille. Kilpitulivuoret, jotka muodostuvat juoksevasta, kuumasta basalttisesta laavasta, sijoittuvat alueellisesti useimmiten laattojen erkanemisvyöhykkeille. Latasin netistä vielä karttaan liitettävän vektoritiedoston mannerlaattojen saumakohdista, arigatou gozaimasu sciencebase.gov-san

Kuva 1. – Yleisimmät tulivuorityypit ja niiden sijainnit kartalla.
Aineiston lähde: National Oceanic and Atmospheric Administration, Department of Commerce

Kartasta kuitenkin näkee myös, miten kaikkia kolmea tulivuorityyppejä löytyy samoilta alueilta. Tämä johtuu esimerkiksi niiden ikien vaihtelevuudesta sekä siitä, että tulivuorityypit syntyvät sen mukaan, kuinka syvältä maan uumenista tulivuoren laava on peräisin. Eli myös laattojen erkanemisvyöhykkeillä on sitkeän ryoliittisen laavan synnyttämiä kerrostulivuoria.

Pidän itse paljon kartan yksinkertaisesta ulkonäöstä. Sovitin karttaani myös vektorilayeriä, josta näkyy mannerlaattasaumojen liikesuunnat, jotta eri alueiden paikantaminen olisi helpompaa, mutta tiedon sovittaminen legendaan ja yleisilmeeseen osoittautuikin hankalaksi. Nyt kartassa täytyy käyttää hieman maantieteilijän hoksottimia ja muistella laattojen liikkeet, mutta kaikkihan ne varmasti muistaa. 🙂

Toinen karttani koski maahan pudonneita meteoriitteja. Lataamani meteoriittitietokanta oli valtava ja pisteiden määrä kartalla teki niiden tarkemman tutkiskelun hankalaksi. Rajasin tietokannan niihin meteoriitteihin, jotka ovat pudonneet 2000-luvun aikana maan pinnalle. Kartan laatimisen viimehetkinä tajusin myös, että aineistoon on rajattu erikseen, onko meteoriitti löydetty vai pudonnut kyseisenä vuonna, joten loppujen lopuksi pisteiden määrä rajoittui vielä vähäisemmäksi.
2000-luvun meteoriittien lisäksi rajain alkuperäisestä tietokannasta viisi massaltaan suurinta meteoriittia. Lisäsin myös pisteiden kohdille näille meteoriiteille niiden massan kiloina.

Kartta 2. – 2000-luvun aikana maan pinnalle pudonneet meteoriitit sekä maailmanhistorian viisi massaltaan suurinta meteoriittia.
Aineiston lähde: https://fusiontables.google.com/DataSource?docid=1vHSvjNgCIl6kRhFXPHhvESnnYx_ShToJWtWdjm8#rows:id=1

Tämä kartta voisi mielestäni jopa olla hieman informatiivisempi. Esimerkiksi olisi hyvä tietää, että suurin osa 2000 luvun aikana pudonneista kappaleista on näihin suurimpiin meteoriitteihin varsin pienikokoisia. Tämän vuosituhannen aikana pudonneet kappaleet ovat kooltaan välillä 20g ja 1,6kg painoisia. Näistä suurin, Huaxiin Kiinaan pudonnut kappale putosi vuonna 2010. Meteoriiteista löytyy varsin yksityiskohtaista tietoa LPI:n (Lunar & Planetary institute) verkkosivuilta, josta meteoriitteja voi hakea esimerkiksi nimen avulla.

Kolmas karttani koostuu useasta kuvasta, jotka yhdistin GIF-animaatioksi Adobe photoshopin avulla. Kartta-animaatiossa ilmenee kymmenen vuoden aikana (2004-2014) tapahtuneet maanjäristykset pistetietokantana. Erittelin eri layereiksi magnitudin tarkkuudella tapahtuneet järistykset ja muodostin animaation, jossa pisteet ilmestyvät kartalle voimakkaimmasta järistyksestä lähtien. Koin olevani original animaatioideani kanssa, mutta Lia blogissaan oli hyödyntänyt myös animaatiotaitojaan.

Lian kartta: Does yoga, got into Yale, vacations in Bora Bora
Antin kartta:  Steals dead people’s identity, alcoholic, wears Guess

Kuva 3. – 1.1.2004 – 1.1.2014 aikana mitatut maanjäristykset (5+ Richter), GIF-animaatio
Aineiston lähde: Northern California Earthquake Data Center

Kartta on oikeasti mielestäni selkeä sekä nätti ja olen siitä hyvin ylpeä. Tajusin tosin hieman myöhässä, että 7-7,9 ja 6-6,9 magnitudin pisteet ilmestyvät animaatiossa kartalla samaan aikaan. Toisaalta niiden ero on huomattava koon ja värin puolesta, joten tästä ei tarvinne tehdä suurinta numeroa. Vastaavanlainen animoitu oppimateriaali sopisi hyvin osoittamaan richterin järjestelmän logaritmisuutta, sillä esimerkiksi 5-5,9 richterin järistysten määrä (18331) on monituhatkertainen verrattuna yli 9 richterin järistysten määrään (2). Maanjäristystietokannat myös esittävät kauniisti mannerlaattojen muotoja, sillä järistykset tapahtuvat useimmiten näillä saumakohdilla.

Opetuskarttojen luominen oli mielestäni hauskaa ja opettavaista. Viimeistään näiden tehtävien aikana opin käyttämään aineistojen rajaamista halutulla tavalla ja eri tietokantojen yhdistämistä. Myös excel-tiedostojen siirtäminen sijaintitietoineen kaikkineen QGIS:iin oli varsin säväyttävä kokemus, terveisin Excel fanboy. Seuraavan postauksen aineisto onkin kokonaan netistä itsehaalittua shapefile- ja excel-tiedostoa!

You know you love me
XOXO
QGIS
Antti

 

 

Lähteitä:

Matin blogi, GIS & GUESS - 6. Maanvuoria ja tulijäristyksiä
Julkaistu 26.2.2018 - Lainattu 2.4.2018

Yhdysvaltain geologian tutkimuskeskus - Sciencebase.gov -tietokanta
https://www.sciencebase.gov/catalog/item/4f4e4a48e4b07f02db62303e
Lainattu 1.4.2018

Lunar and planetary institute -meteoriittitietokanta
https://www.lpi.usra.edu/meteor/metbull.php?code=54719
Aineisto tuotettu 13.7.2010, muokattu 9.4.2018, lainattu 2.4.2018

✧*:･ﾟ✧ LIAN BLOGI ･:*☆:･ﾟ - Kurssikerta VI
Julkaistu 4.3.2018, lainattu 2.4.2018

Kurssikerran taulukkotiedostojen lähteet:

Maanjäristystietokanta: http://quake.geo.berkeley.edu/anss/catalog-search.html
Tulivuoritietokanta: https://catalog.data.gov/dataset/global-volcano-locations-database
Meteoriittitietokanta: https://fusiontables.google.com/DataSource?docid=1vHSvjNgCIl6kRhFXPHhvESnnYx_ShToJWtWdjm8#rows:id=1

Jatketaan siitä mihin jäätiin.

Viidennellä kurssikerralla olikin jo tosi kyseessä. Tehtävänanto blogia varten oli yleisesti laajempi, kuin aikaisemmilla kerroilla ja on tullut aika kokeilla siipiämme GIS-maailmassa.

Luennon alussa jatkoimme siitä, mihin neljännellä kurssikerralla jäimme. Käytimme aikaisemmin digitoimiamme Pornaisten talo- ja tieverkostotietokantoja piste- ja viivavektoreina. Tietojen avulla loimme tiealueiden ympärille rajat, joiden avulla selvitimme, miten moni Pornaisten alueen asunnoista on meluhaitta-alueen sisäpuolella. Kätevää! Vastaavista esimerkeistä on ollut kurssin aikana hauska huomata, miten monipuolisiin asioihin näinkin vähällä tietomäärällä paikkatietoa voimmekaan käyttää!

Pornaisista siirryimme piakkoin takaisin pääkaupunkiseudulle ja harjoittelimme juuri oppimaamme lentokenttäalueiden tutkimiseen. Loimme QGISiin oman tietokannan Malmin lentokentän kiitoradoille ja tutkimme asuntojen määrää kiitoratojen ympärille luotujen 1km ja 2km buffereiden sisällä. Buffereiden avulla tarkastelimme rakennusten ikiä, eli sitä, miten paljon rakennuksia alueille on syntynyt lentokentän rakentamisen jälkeen: Aika paljon!

Malmilta siirryttiin Helsinki-Vantaan lentokentälle tutkimaan melualueita ja niita talouksia, jotka joutuvat päivittäin kuuntelemaan pahimpia lentokonefanfaareja. Viitaten taulukkoon, voisin huomauttaa 65 desibelin vastaavan keskimääräistä liikennemelua. Kiitos Lohjan kaupungille tästä, myös taulukkomuotoisesta tietoiskusta. <3 (Sivustolla linkki “Esimerkkejä toimintojen melutasoista”). MUTTA, kuten Jannika huomauttaa blogissaan, meluhaitat ovat salakavalia ja “tavallisen liikennemelun” keskellä asuminen on hyvinkin riskialtista. Jannikan linkkaama viite meluhaittatietoihin on myös hyvin mielenkiintoista luettavaa!

 

Taulukko 1. Tietoa Helsingin lentokenttien ympärillä melualueiden sisällä sijaitsevien rakennusten määristä sekä niiden asukasmääristä.

Lentokentiltä siirryimme julkisen liikenteen asemiin ja tutkimme jälleen bufferialueiden avulla eri asemien saavutettavuutta. Tässä kohtaa täytyy nostaa hattua käyttämämme pistemuotoisen rakennustietokannan tarkkuudelle. On ällistyttävää, miten paljon tietoa on tallennettu käytettäväksi! Aikaisemmilla kerroilla käyttöön otettu spatial query tuli luennon aikana tutummaksi ja tuntuu, että olen nyttemmin myös masteroinut muuan “Join attributes By location” -työkalun. Suuri kiitos kuuluu GIS-guru Eemilille, joka ratkaisi viidessä sekunnissa ongelman, jonka kanssa hajoilin kirjastossa yli tunnin ajan. 🙂

 

Taulukko 2. Tietoa taajamien asukkaista sekä metro- tai juna-asemien läheisyydessä sijaitsevista rakennuksista sekä niiden asukaskannoista.

Näiden lastenleikkien jälkeen esitettiin blogiin lisättävät tehtävät, joita oli vielä muutama kappale. Tarkoitus on koota yllä olevien taulukoiden mukaisesti näiden aineistojen avulla tietoa alueista tehtävänantojen mukaan, helppoa? Nah. Tunnen kuitenkin onnistuneeni tehtävissä kiitettävästi ja loin lisäksi upean karttaesityksen, jonka meinasin julkaista täällä ilman pohjoisnuolta tai mittakaavaa, hyi!

Lyhykäisyydessään tehtävään annettujen tietokantojen avulla selvitin muun muassa Helsingin yhtenäiskoulun tulevien ekaluokkalaisten määrän, yleisen oppilasmäärän sekä vieraskielisten oppilaiden määrän parilla(sadalla) hiirenklikkauksella ja työkalulla. Lisäksi annetun taajama-aluetietokannan avulla selvitimme taajamissa asuvien työikäisten määrän sekä niiden taajamien lukumäärän, joissa on yli 10%, yli 20% tai yli 30% ulkomaalaisia. Sanoin sen jo kerran ja sanon uudestaan: Kätevää!

 

Taulukko 3. Tietoa pääkaupunkiseudun taajamista ja niiden asukaskannoista. Lisäksi tiedot Helsingin yhtenäiskoulun vaikutusalueen oppilasmääristä.

Taajamista siirryin yksityiskohtaisempiin aineistoihin: Uima-altaisiin. Kuinka moni tunteekaan henkilön Helsingissä, jonka asuinrakennuksessa on uima-allas? Itse en yhtäkään. Helsingissä asuinrakennuksia, joiden yhteydessä on uima-allas, on järisyttävät 856 kappaletta! Aika paljon! Suurin osa näistä on omakotitaloja, mutta kerrostalojakin lähemmäs parisataa. Täytynee tutustua oikeisiin ihmisiin. Uima-altaita rakennettiin runsaasti 60-luvulla erityisesti kalliimmille asuinalueille. Tämä selittää esimerkiksi Lauttasaaren suuren uima-allaskannan.
Muutin tammi-helmikuun vaihteessa Lauttasaareen mutta uima-altaattomaan taloon. Reaktioni tähän:

Kuva 1. Me emotional
Lähde

Uima-altaita enemmän Helsingissä on tietenkin saunoja! Kuinka monta? Noh, Helsingissä on yhteensä 21922 asuinrakennusta, joissa on sauna. Aika paljon! Tässä taulukko uima-altaista ja saunoista:

 

Taulukko 4. Helsingissä sijaitsevat asuinrakennukset, joissa uima-allas sekä ne rakennukset, joissa on sauna. Uima-altaallisten rakennusten rakennustyyppi eroteltu.

 

Mutta hei: The main event! Tietokantojen avulla pystymme myös selvittämään eri asuntojen putkiremonttitarpeen vain suodattamalla rakennustietokannasta näkymään kerrostalot, jotka on rakennettu vuosien 1965 ja 1970 välillä! Tämä tieto on tärkeää, sillä putkiremontit ovat järkyttävän kalliita taloyhtiöiden lisäksi yksityishenkilöille ja pienen googlettamisen jälkeen selviääkin, että putkiremontti 100 neliöisessä asunnossa voi maksaa jopa 150 000 euroa! Sos!
Long story short, lisäsin putkiremontti-infon exceliin, mutta loin myös seuraavan karttaesityksen.

Taulukko 5. Vuosien 1965 ja 1970 välillä rakennetut kerrostalot Helsingissä sekä niiden asuntojen sekä asukkaiden määrä. Toisinsanoen, kuinka monta asuntoa ja asukasta Helsingissä on rakennuksissa, joilla on mitä luultavimmin putkiremontti pian edessä.

 

Kuva 2. Putkiremontoitavien kerrostalojen määrä Helsingissä ilmoitettuna kartalla prosentuaalisesti pienalueittain. Hieno.

 

 

You’re a winner baby
XOGISXO
Antti

 

 

Lähteitä:

Lohjan kaupunki - Meluntorjunta
http://www.lohja.fi/default.asp?sivu=1&alasivu=476&kieli=246
Lainattu 15.3.2018

Jannikan blogi - "When you try your best but you don't succeed"
Julkaistu 22.2.2018 - Lainattu 15.3.2018

Meemilin blogi - "Homma rupee sujumaan..."

GIF: Latrice Royale crying
https://giphy.com/gifs/rupauls-drag-race-rupaul-6h8NVeit0v10k

Vaingisjuttuja-kuvan tausta:
http://photobucket.com/gallery/user/IceIP/media/bWVkaWFJZDo1MTAzNjA0/?ref=

Neljäs luentomme osoittautui omalla kohdallani tähän mennessä kurssimme tuskallisimmaksi.
Tämän neljän tunnin puserruksen aikana QGIS myös sattumoisin kaatui koneellani neljä kertaa. Lukuisien eri tietokantojen, karttatasojen sekä tietokantojen yhdistely ei siis välttämättä ollut kovin hyvä idea. Suurimman osan luennolla työstämistäni materiaaleista myös menetin, sillä en ollut oppinut edellisestä kerrastani ja jätin suhteellisen monivaiheisen työn myös suhteellisen moneen otteeseen tallentamatta.. 😀

(Myönnettäköön, että ensimmäinen kaatumiskerta johtui siitä, että yritin liian innokkaana edetä tehtävänannossa ja yritin piirtää kartalle Helsingin peittävää ruudukkoa 1×1 mikrometrin ruudukolla. Miksiköhän ei onnistunut?)

 

Kuva 1. Pieni muistutus itselle: Eieieiei

Suurimman surun hälvettyä parin päivän jälkeen päätin ottaa itseäni niskasta kiinni ja palata takaisin satulaan. Oli aika siirtyä Kumpulan kampuskirjastoon rakas fuksiläppäri kainalossani ja antaa tehtävälle uusi mahdollisuus, it’s not you, it’s me, right?
Mutta mitä? Kaikkihan rullaa aivan loisteliaasti? Voiko olla? What kind of sorcery is this?
Viimeistään käyttäessäni spatial query työkalua mutkattomasti omalla läppärilläni, tulin siihen lopputulokseen, että luentopäivänä kampuksen pöytäkoneella on ollut vain huono päivä. Oh well!

Neljännen luentokerran pääpointtina oli tutustuminen Helsingin asukasrakenteeseen eri tietokantojen kautta. Opimme käyttämään grid-työkalua, jonka avulla karttatasolle pystyy luomaan ruudukon. Wow. Ruudukkoaineisto toimii paikkatiedossa oivallisena apuvälineenä tiedon esittämiseen myös vektoriaineistossa. Rasteriaineiston ollessa täysin ruudukkomuodossa, on vektorigrafiikassa mahdollista hyödyntää myös ruudukkoa esimerkiksi juurikin suurten aineistojen visualisoinnissa. Käytimme aineistona laserkeilauksella tuotettua pistetietokantaa Helsingin asuinrakennuksista. Asuinrakennuksia kuvaaviin pisteisiin on yhdistetty ominaisuustietona vaikka minkälaista tietoa rakennusten asukkaista. Näitä tietoja lähdettiin kaivelemaan ja luomaan karttoja.

Tehtävänanto on helppo: Tutkitaan erikokoisten ruudukoiden sisällä asuvien asukkaiden tietoja ja luodaan karttoja eri ilmiöistä. Ok. Mutta ensin siivotaan tämä QGISin luoma järkytys katseenkestäväksi:

Kuva 2. No words

Lopullista karttaani varten tein jos jonkinlaisia muutoksia ja yhdistelmiä valmiisiin tietokantoihin. Ruudukko yhdistettiin pistetietokannan kanssa siten, että ruutujen sisälle jäävät tiedot pystytään esittää omanaan. Halusin esittää kartan avulla työvoiman ulkopuolella olevien asukkaiden määrää 1x1km ruudukon sisällä verrattuna ruutujen asukaslukuun. Tietokannan aineistossa ikäjakauma on eritelty tarkasti ja yhdistin 0-15- sekä 64+-vuotiaat omaksi sarakkeekseen attribuuttitaulukkoon. Laskin tämän sekä ruutujen kokonaisasukasluvun avulla ruudukon asukkaista osuuden 0-15- sekä yli 64-vuotiaille. Tätä kutsutaan Väestölliseksi huoltosuhteeksi, jolla ilmoitetaan, kuinka monta työvoima ulkopuolella olevaa alueella on verrattuna työikäisiin. Väestöllistä huoltosuhdetta enemmän käytetään taloudellista huoltosuhdetta, johon lasketaan mukaan esimerkiksi työttömät sekä opiskelijat. Huoltosuhteesta näin nätisti kerrotaan mm. Wikipedian lisäksi Väestöliiton väestöennusteanalyysissä vuodelta 2015. Huoltosuhde ilmoitetaan usein desimaali- tai kokonaislukuna, mutta päätin pitää kartan yksinkertaisena (unohdin ilmoitustavan) ja kartassani ”huoltosuhde” on merkitty prosentteina.

 

Kuva 3. Myös nimeltään “ensiräpellys”, jonka kuitenkin jätin sikseen kartan epätarkkuuden vuoksi. Wee need to go not-that-deep. Kuvassa käytetty ruutuja, joissa asukkaita on vähintään 10 kappaletta.

 

Loin aluksi karttagrafiikan niille ruuduille, joissa asuu 10+ ihmistä, mutta totesin vielä suuremman suodatuksen olevan tarpeen ja käytin kartassani vain ruutuja, joissa asuu vähintään 50 asukasta. Tällöin kartta pysyy helpommin luettavissa ja eri luokat ovat paremmin edustettuina.
Karoliina Laine käyttää blogissaan tietoja eläkeläisistä, eli yli 65-vuotiaista. Karo selventää blogissaan, että eläkeläiset selvästi sijoittuvat hyvien kulkuyhteyksien sekä palveluiden läheisyyteen ja esimerkiksi Helsingin keskustan kupeessa stockamummojen määrä näkyy jo kartalla. Kun yhdistetään eläkeläisten määrään toinen ääripää, muuttuu kartta hieman vähemmän dramaattisesti, ikään kuin nuoriso ja vanhukset kumoavat toistensa vaikutuksen kartoilla. Tummimmat pisteet sijoittuvatkin nyt kehäalueiden läheisyyteen ja lähemmäs Helsingin rajoja muiden kuntien kanssa. What is happening?

 

Kuva 4. Lopputulos. Työvoiman ulkopuolella olevien määrä suhteessa asukasmääriin Helsingissä. Aineistossa käytetty 1x1km kokoista ruudukkoa ja niitä ruutuja, joiden sisällä asuu vähintään 50 ihmistä.

 

Helppo juttu! Helsingin junayhteyksien kehittyessä pääkaupunkiseudulla 1970-luvulta lähtien, alkoi radanvarsille kehittyä ns. pienkeskustoja. Nämä alueet myöhemmin ovat kasvattaneet oman nodaalialueensa ympärille perheiden suosimia asuinalueita. Kun nämä perhekeskittymät yhdistää sijaintiin junaratojen läheisyydessä, saadaan kelpo syy sille, miksi alueilla asuu sekä nuorisoa että eläkeläisiä! Simple as that! Tuli täysin puun takaa itsellenikin, että kaivoin tämän tiedon aikaisemman periodin ’Yhteiskunnat ja kaupungit maantieteessä -kurssin 11-sivuisesta luentopäiväkirjastani. Vannon! Eli lähteen voi ehkä merkata sekä Antti Nevalaisen että Sami Moision tuottamaksi? Olenko tehnyt juuri laitoksemme professorin kanssa yhteistyötä?

Aikaisemmin mainitsemani QGISin kaatumisongelma on myös syy sille, miksi tälle postaukselle yllä oleva kartta on ainoa, jota teille lukijoilleni esitän. Sori!
Kartta on hieno, mutta ei kurssin aikana tehdyistä töistä suosikkini. Toki huoltosuhdetta on kätevä osoittaa näin, mutta todellisuudessa huoltosuhde ilmoitetaan aikalailla kunta- tai maakuntakohtaisesti. Vasta työn valmistuttua kuvatiedostoksi tajusin myös, että ruudukko olisi voinut olla hieman tiheämpi. Ehkä 500m? mikrometri?

Tässä vaiheessa voin kuitenkin ilmoittaa, että pidän yhä aivan kamalasti QGIS-ohjelmistosta ja pyrin sen käytön masterointiin. Ugh, I have spoken. Tää oli nyt vähän tällänen.

 

If you can’t love GIS
then how the hell you gonna
love anything else
CAN I GET AN AMEN UP IN HIAA?

xoxo Antti

 

 

Lähteitä:

Karoliinan blogi - "Kävelykeppien kopinaa"
Julkaistu 6.2.2018 - Lainattu 18.2.2018

Tilastokeskus, Väestöennuste.
Helsinki: Tilastokeskus
http://www.stat.fi/til/vaenn/2015/vaenn_2015_2015-10-30_tie_001_fi.html
Julkaistu 30.10.2015 - Lainattu 19.2.2018

Antti Nevalainen
Luentopäiväkirja 'Yhteiskunnat ja kaupungit maantieteessä' -kurssilta
Kirjoitettu aivan liian lähellä deadlinea - Lainattu 19.2.2018

Vaingisjuttuja-kuvan tausta:
https://www.muralswallpaper.co.uk/shop-murals/pink-world-map-wall-mural/

Hei, rakas lukija!
Ennen kuin jatkat tämän julkaisun lukemista yhtään eteenpäin, voisitko vilkaista aivan hetkisen ajan tätä karttaa:

Kuva 1. Konfliktivuosien lukumäärä sekä timanttikaivos- ja öljynporausalueiden sijainnit Afrikassa

EIKÖ OLE HIENO! En ole koskaan pitänyt itseäni kovin taiteellisena ihmisenä, mutta tämän voisin vaikka kehystää ja laittaa seinälleni repimäni sisustustarrakartan tilalle. (Ei siitä sen enempää, still hating Mercator 4ever.)

Kolmannella luennollamme siirryimme kaukomatkan tavoin Suomesta aivan toiselle mantereelle. Tehtävä muistuttaa ihanasta parin vuoden takaisesta lomamatkastani Kap Verdelle. <3
Afrikka pääsi suurennuslasin alle ja mikä väri olisikaan parempi kuvaamaan kyseisen mantereen konfliktimääriä verrattuna timanttikaivos- ja öljynporausalueisiin kuin herkulliset pinkit, lilat ja keltaiset!

Konfliktivuosien määrillä ei kartassa varsinaista selvää kytköstä ole esimerkiksi timanttikaivoksiin tai öljynporausalueisiin muutamia poikkeusalueita lukuun ottamatta. Timanttikaivosalueille konflikteja kuitenkin esiintyy selvästi enemmän. Annetussa aineistossa myös esimerkiksi timanttikaivosten perustamisvuodet ja konfliktien tapahtumavuodet kulkevat varsin hyvin käsi kädessä. Öljynporausalueilla konfliktien määrä on vähäisempi.
Kuitenkaan, koska lopullisessa kartassa kaivosten tai konfliktien vuosia ei ole merkitty erikseen, emme voi suoraan päätellä konfliktien liittyvän kaivostoimintaan, kuten Salla-Sofia bloginsa kolmannessa julkaisussa huomauttaakin. Oh well, kartasta tuli silti kaunis.

Luennolla käytiin läpi niin paljon uusia asioita, että koin tarpeelliseksi tutustua aivan alusta asti niihin myöhemmin itsenäisesti. Pääpointti luennolla tehdyissä tehtävissä oli oppia noin 500 eri tapaa yhdistää tietokantoja toisiinsa ja luoda uutta tietoa karttapohjien ominaisuus- ja sijaintitietoja apunaan käyttäen.

Yllä olevan söpön kartan lisäksi väsäsin alla olevan, jossa perehdytään Facebookin läpäisevyyteen (eng. Penetration – Penetraatio) Afrikassa. Kartassa näkyy, että Facebookin käyttäjiä kaikista internetin käyttäjistä on esimerkiksi Eurooppaa lähinnä olevissa maissa, sekä niiden lähettyvillä.
Pienellä taustatutkimuksella selviää afrikkalaisen uutismedia Quartzin artikkelin myötä, että suurin osa Facebookin käyttämisestä Afrikassa tapahtuu puhelimitse ja mantereen väkirikkaimmassa maassa Nigeriassa Facebook-käyttäjien määrä on myös suurempi kuin missään muussa Afrikan maassa. Artikkelissa on myös erikseen oma diagramminsa kuvastamaan, missä maissa matkapuhelinten läpäisevyys on suurinta Afrikassa. Kuitenkin, Afrikassa Facebookin käyttäjämäärät verrattuna internetin käyttäjiin on valtavat!

Myös Somaliassa ja esimerkiksi Madagaskarissa aineiston mukaan 100% internetin käyttäjistä on Facebookissa. En tiedä uskonko aineistoon 100%.
Annetuissa aineistossa kiistelty Länsi-Sahara on muuten merkattu erikseen omaksi valtiokseen, respect!

Kuva 2. Facebookin läpäisevyys Afrikassa v. 2017 – Aineistona on käytetty tilastotietoa internetin ja Facebookin käyttäjistä vuodelta 2017

Afrikkakarttasethan eivät kuuluneet varsinaisesti edes blogiin laitettaviin aineistoihin mutta the things we do for GIS, am I right?
Mennään suoraan itse tehtävään. On aika palata Suomeen.

Itsenäisen tehtävän aikana opin toden teolla, mikä QGIS:iä käyttäessä on tärkeintä: Tallentaminen, tallentaminen ja tallentaminen. Ohjelman kaaduttua n. kymmenennen kerran läppärilläni, ymmärsin tallentaa projektin miltei jokaisen eri työvaiheen jälkeen. Tämähän on nerokasta! Noh, projekteja tallentaessa ymmärsin myös ainakin osittain, mitkä toiminnot saattavat aiheuttaa ohjelman kaatumisen välillä ja opin tekemään työvaiheita siinä järjestyksessä, että komennot ei olisi välttämättä niin raskaita pyöritettäväksi(?) Ohjelman kaatumisen vuoksi jouduin työstämään karttoja uudelleen ja uudelleen niin moneen kertaan, että opin varmasti työvaiheet, täydellistä!

Tutkimme itsenäisharjoittelussa Suomen valuma-alueita ja opimme runsaasti uusia termejä, kuten MQ, MNQ, MHQ. Tavoitteena on saada kartalle näkyviin jokaisen valuma-alueen tulvaindeksi, jota pystyy osoittamaan kahdella eri tavalla, sekä järvisyysprosentti.
Tehtävänantoja oli kahdenlaisia, joista valitsin kunnianhimoisena ilmeisesti haastavamman. Tämä osoittautui kyseenalaiseksi päätökseksi, sillä avunpyytämisestä muilta kurssilaisilta tuli hetkessä vaikeampaa.

Aloitin kuitenkin kartan työstämisen laskemalla itse valuma-alueille sekä järville pinta-alat ja laskemalla, kuinka paljon järvien pinta-alasta osuu kullekin valuma-alueelle, näiden laskutoimitusten työstämiseen kului luultavasti eniten aikaa ja Join attributes by location -työkalu osoittautui suurimmaksi vihollisekseni.
Onneksi löysin luotettavaakin luotettavammasta Wikipediasta artikkelin ”Luettelo Suomen vesistöistä”, jossa vesistöille on myös laskettu järvisyysprosenttinsa. Artikkelin tietojen avulla pystyin tarkistamaan laskujeni paikkansapitävyyden.

Lopullisessa ominaisuustaulukossani oli omat sarakkeet valuma-alueiden sekä järvien pinta-aloille, eri virtaamille (Keskivirtaama MQ, keskiylivirtaama MHQ sekä keskialivirtaama MNQ), valuma-alueiden järvisyydelle ja maa-alalle prosentteina sekä valuma-alueiden laskettu tulvaindeksi. Laskin tulvaindeksin kaavalla MHQ/MQ, eli keskiylivirtaaman ja keskivirtaaman suhteella. Tällöin saadaan luku, joka kertoo kuinka monikertainen vesimäärä alueella virtaa tulva-aikana.

Kuva 3. Lopullinen attribuuttitaulukko valuma-alueeni karttalayerille. Laskin itse taulukkoon järvialueiden pinta-alat valuma-alueilla, prosentit järvisyydelle sekä maa-alalle sekä valuma-alueiden tulvaindeksit.

Lopullinen karttaesitykseni näyttää tältä, voilá!

Kuva 4. Tulvaindeksi sekä järvisyyden ja maa-alueiden määrä Suomessa valuma-alueittain. Kartalla tummimpana näkyvät ne alueet, joilla tulvat ovat yleisimpiä ja voimakkaimpia. Korkeat tulvaindeksit sijaitsevat Pohjanmaan sekä muiden rannikkoalueiden valuma-alueilla.

Olen lopputulokseen tyytyväinen. Käyttämäni ympyrädiagrammit ovat toki varsin pieniä pienimpien valuma-alueiden osalta, mutta niiden lukeminen on silti helpompaa, kuin pylväsdiagrammien, joilla ei ole minkäänlaista vertailukohdetta. Ympyrädiagrammi kuitenkin on 100% jaettuna eri osioihin, joten pienimmistäkin ympyröistä suurpiirteinen luku on helppo nähdä.

Kartalta näkee, että tulvaindeksi on korkeimmillaan rannikolla sekä alueilla, joissa järvisyys on pienimmillään, sillä vesien varastoituminen järviin vähentää tulariskiä. Lisäksi opin Vivi Tarkan blogista ehkä jopa itsestäänselvyyden, joka itseltäni jäi täysin huomiotta. Suurimmilla valuma-alueilla tulvaindeksi on pienempi, sillä vesien valuma-aika jokia pitkin on pidempi kuin pienillä valuma-alueilla, mielenkiintoista!

Ehkä tämän itsestäänselvyyden missaaminen tarkoittaa, ettei minusta ole lumalaiseksi.
Harmin paikka.

Follor your GIS-dreams!
XOXO
Antti

Opitut asiat kolmannen luennon tehtävistä:
– Tallenna
– Tallenna
– “Save as..”
– Karttojen uudelleentekeminen on tapa oppia, stay positive <3

 

Lähteitä:

Salla-Sofian blogi - "Kolmas kurssikerta: Afrikan konflikteja ja Suomen tulvaindeksejä"
Julkaistu 6.2.2018 - Lainattu 10.2.2018

Quartz Media LLC - "More people use Facebook in Nigeria than anywhere else in Africa"
Julkaistu 6.2.2016 - Lainattu 10.2.2018

Wikipedia - "Luettelo Suomen vesistöistä"
Lainattu 11.2.2018

Vivi - "Haloo! Tulvariski!"
Julkaistu 31.1.2018 - Lainattu 10.2.2018


Vaingisjuttuja-kuvan tausta:
https://fsmedia.imgix.net/e3/65/af/fe/f8db/4252/8dec/c3f9f06d72ee/lifeinspacejpeg.jpeg

 

Hei kaikki rakkaat lukijat! <3

Toisella GIS-kurssimme luennolla käsittelyssämme oli jälleen Suomen kartta kuntarajoineen. Oli aika keskustella vakavia karttaprojektioista.
Jo ensimmäisen harjoituksen aikana sai selvän kuvan siitä, miten paljon eroja tuntemissamme projektioissa on. Valehtelisin jos väittäisin ettei osa luvuista tullut yllätyksenä. Ehkä Mercatorin projektiota ei tosiaan tulisi käyttää missään muussa, kuin sisustustarroissa?

Ensitöiksemme mittasimme Suomen pohjoisimmasta osasta alueen, jonka pinta-alaeroja vertailimme eri projektioiden välillä. Tämän lisäksi vertailuun otettiin myös Suomen levein kohta, jonka pituus vaihteli projektioiden välillä myös runsaasti. Alla olevasta taulukosta näkeekin oivallisesti projektioiden väliset vaihtuvuudet.

Kuva 1. Taulukon 1 laatimiseen mitatut alue ja pituusmatka. Kartassa käytetty Lambertin oikeapintaista projektiota. Kartan on tarkoitus olla vain käsityksen antava, joten pohjoisnuolta tai mittakaavaa ei ole lisätty. Sori!

Taulukko 1. Suomen pohjoiskärjessä mitatun alueen pinta-ala sekä Suomen leveimmän kohdan pituus (Kuva 1.) mitattuna eri projektioiden avulla.

Mercatorin projektio vääristää alueita sitä enemmän, mitä kauemmas liikutaan päiväntasaajalta. Koska iki-ihana Suomemme sijaitsee pitkällä pohjolassa, on vääristymän suuruus niin merkittävä. Kuten Reetta Lehto bloginsa toisessa julkaisussa mainitsee, Euroopan komissio suosittelee käytettäväksi Lambertin oikeapintaista projektiota juurikin väärinkäsitysten minimoimiseksi.

Asiaan! Mitä kurssikerta olisi ilman QGIS:in karttaesityksiä? Toinen kurssikertamme oli pitkälti yhä ohjelmistoon tutustumista sekä toistoa, toistoa ja toistoa. Koin erityisen hankalaksi tiedostojen tallentamisen tiettyyn projektioon, mutta uskoisin muutamatuntisen istunnon jälkeen masteroineen tämän upean taidon. Luennon aikana myös selveni moni asia, jotka olivat ensimmäisen luentomme jälkeen jäänyt hieman pimentoonsa.
QGIS:in avulla muun muassa loin tämän karttaesityksen, jossa Lambertin oikeapintaisen ja Mercator -projektion välinen ero pääsee todella kunniaansa:

Kuva 2. Mercator -projektion aiheuttama vääristymä Suomen kuntien pinta-aloihin verrattuna Lambertin oikeapintaiseen projektioon. Kuvassa tummimman alueet ovat niitä, jotka vääristyvät Mercator -projektiossa eniten.

Tämähän laittaa aivan sanattomaksi. Vääristymä on pahimmillaan 429%?! Suomen pohjoisosat ovat miltei 4,5 kertaiset todelliseen verrattuna Mercatorin projektiossa! Kuka haluaa käyttää moista valheiden karttaprojektiota? En minä ainakaan! Toki olisi Chanelia jos Suomi olisi todella moninkertainen nykyiseen verrattuna mutta näin ei ole.
Koin kuuden luokan riittäväksi karttaesitystä luodessa, sillä vastaavassa liukuvasti vaihtelevassa luokittelussa värit erottavat toisistaan hyvin. Kuitenkin jo seitsemän luokan kanssa erityisesti vaaleiden sävyjen ero alkoi olla jo hieman liian hienovarainen.

Mercatorin projektiossa on kuitenkin paljon hyvääkin. Se on tunnetuin karttaprojektioistamme ja sen avulla maapallon kartta on helposti nähtävissä kokonaisuudessaan, joskin ei oikeassa muodossaan. Projektiota on myös käytetty runsain määrin navigoimiseen, sillä sen avulla suoraan kulkevien reittien (Esimerkiksi laivareitit) mittaaminen on mahdollista suuren mittakaavan kartoissa ilman vääristymiä. Myös päiväntasaajan alueiden kartoittaminen Mercatorin projektion avulla on täysin suotavaa. Kiitos Britannica.com tästä tietoiskusta!

We need to go deeper! Kurssikerran aineistossa on myös tiedot eri kuntien natura-alueiden pinta-aloista. Aineiston avulla muunsin kampuksemme kirjastossa kupillisen kahvia oheiseksi karttaesitykseksi. Voilá!

Kuva 3. Natura-alueiden prosentuaalinen osuus kuntien pinta-aloista Lambertin oikeapintaisessa ja Mercator -projektiossa. Huomioi eri janamittakaavat!

Halusin käyttää aluksi molemmissa kartoissa samaa legendaa, jotta ero olisi oikeasti huomattava. Loin myös erillisen karttaesityksen, jossa hyödynsin aikaisemmassa julkaisussa mainitsemaani Jenksin luokittelumenetelmää myös Mercatorin projektioon.

Viittasinko juuri omaan blogiini? Kyllä viittasin.

 

Kuva 4. Natura-alueiden prosentuaalinen osuus kuntien pinta-aloista Mercator -projektiossa. (Jenksin luokittelu)

Mercator -projektiossa Natura 2000 -alueiden osuus osuu 15 prosenttiyksikön sisään koko Suomessa. Todellisuudessa esimerkiksi Lapissa on kuntia, joissa Natura-aluetta on miltei koko kunnan ala. Jenksin luokittelua käytettäessä laskemaan Natura-alueiden määrää Lambertin oikeapintaisessa projektiossa, on vaihtelevuus nollasta 98.9 prosenttiin! Pöyristyttävää!

Tämän kurssikerran opetus on selvästi se, ettei Mercator -projektiota tulisi käyttää koskaan. Kotiin päästyäni revin aiemmin mainitsemani sisustustarrakarttani seinältä alas.

You know you love GIS
XOXO
Antti

Lähteitä:
Reetta Lehto, Reetan blogi - Kurssikerta 2
Julkaistu 28.1.2018 - Viitattu 2.2.2018

Encyclopedia Britannica - Mercator Projection
Julkaistu 20.7.1998 - Viitattu 2.2.2018

Tina Fey giving herself a high five -GIF

Vaingisjuttuja -kuvan tausta:
https://cdn.notonthehighstreet.com/system/product_images/images/001/954/992/original_antique-map-of-the-world-poster.jpg

Suorastaan kihisin innosta saadessani kuulla, että kolmannellakin periodilla olisi geoinformatiikkaa käsittelevä kurssikokonaisuus! Joululoma tuntui tuskastuttavan pitkältä, kun tiesi mitä edessäpäin odottaa. Vihdoin kuitenkin tammikuun 17. päivä saapui kuin saapuikin ja pääsimme kurssitoverieni kanssa astumaan GIS -luokkan lämpöön malttamattomina oppimaan uutta.
Aamukahvista latautuneena olin valmis muutaman tunnin kestävään tutustumiseen geoinformatiikan maailmaan.

Kuten kahdella aiemmallakin GIS -kurssilla, myös GEM1 alkoi pienellä kertauksella jo aiemmin opitusta. Kävimme läpi paikkatiedon peruskäsitteitä sekä erilaisia esitystapoja, joita alalla käytetään. Johdannossa selostettiin myös kurssin suoritustapa, joka koostuu näistä luentojen pohjilta tehtävistä kirjoituksista ja kartoista laaditista blogiteksteistä. Blogin kirjoittaminen on täysin uutta itselleni, mutta vaikuttaa mielekkäältä, onhan myös mukavaa lukea samassa jamassa olevien kurssitovereiden aherruksesta samojen tehtävien parissa. Otan siis haasteen ilomielin vastaan!

Kurssilla käytämme ohjelmistoa nimeltä QGIS, jonka tunnistin heti lukuisista maantiedeaiheisista meemeistä, joita löytyy esimerkiksi Facebookista Geography memes for edgy teens-sivustolta, jota myös suosikkibloggaajani Eveliina Sirola bloginsa aloitusjulkaisussa mainostaa.
Jo ensiaskelista lähtien tiesin pitäväni ohjelmistosta. Aineistot ovat valmista dataa ja opeteltavaa on se, miten itse käyttäjä tätä massiivista tietomäärää hyödyntää.

En toki väitä, etteikö tehtävien kanssa sormi olisi mennyt suuhun pariinkin otteeseen, mutta vaikeuksien kautta voittoon sain kuin sainkin tarvittavat, mielestäni varsin kauniit kartat valmiiksi.
Ensimmäinen, typpipäästökartta valmistui luennon aikana, mutta viimeistelin sen lopulliseen muotoonsa myöhemmin kahvin voimalla mantsalaisten omalla Valopihalla.

Luennon aikana käytimme aineistoa, jonka avulla laadimme koropleettikartan Itämeren valtioiden typpipäästöistä. Aineistoina kartassa toimi HELCOM:in (Itämeren merellisen ympäristön suojelukomissio) kautta saadut tiedot valtioiden typpipäästöistä, Itämerta ympäröivien maiden rajat, Itämeren syvyystiedot sekä visuaalisena lisänä muun aineiston taustalla myös muiden Euroopan maiden rajat.
Tässä vaiheessa haluaisin moittia, miten QGIS tiedostot avatessaan antaa niille sattumanvaraiset väriyhdistelmät, luoden esimerkiksi tälläisiä hirvityksiä:

“Valmis! What’s next?”

Kartan työstäminen alkoikin siis rajulla väriopin kertauksella. Luennolla tehdyn työn sekä pienen hienosäädön jälkeen oma karttani lopulta näyttää tältä:

Karttahan  on… kaunis. Valikoimani värit tuovat koropleettikartalle omaisen vaihtelun hyvin esille. Kartasta näkee, että Puolan vaikutus typpipäästöihin on muihin maihin verrattuna suurin. Suosittelen myös huomioimaan Venäjän tumma väritys verrattuna sen minimaaliseen rantaviivaan Itämeren kanssa.

Kuten fuksikollegani Elli-Nora Kaarto mainitsee bloginsa ensimmäisessä tekstissä ”1. kurssikerta: QGIS-ohjelmaan tutustumista”, QGIS-ohjelmassa, kuten muissakin vastaavissa lukemattomia toimintoja sisältävässä kokonaisuudessa, toisto ja virheistä oppiminen on luultavasti yksi merkittävimmistä oppimisen keinoista. Elli-Nora on luonut ensimmäisen tehtävän koropleettikarttansa samasta aiheesta kuin allekirjoittanut, eli Suomen kuntien eläkeläisten prosentuaalisista määristä. Olemme valinneet karttoihimme kuitenkin eri luokittelutavat eläkeläisten määrille.
Valitsin ohjelmiston tarjoaman Jenksin natural breaks -luokittelun, josta pienen taustatutkimuksen jälkeen opin myös käytettävän nimeä Jenks natural breaks classification method. Jenksin menetelmän avulla luokittelussa pyritään siihen, että verrattavia luokkia on yhtä suuri määrä ja luokkien väliset vaihtelut ovat mahdollisimman samansuuruisia. Karttani Suomen kuntien eläkeläisten määristä näyttää tältä:

Lopputuloksena syntyneessä kauniin pinkissä kartassa tummalla värjätyissä kunnissa eläkeprosentti on suurimmillaan.
Kartasta paljastuu eläkeprosentin olevan pienimmillään Uudellamaalla, Varsinais-Suomessa sekä Pohjois-Pohjanmaalla, erityisesti suurten kaupunkien läheisyydessä. Suuret eläkeläismäärät sijoittuvat erityisesti Itä-Suomen alueisiin sekä esimerkiksi Kainuuseen.
Kartan ulkoasu on mielestäni siisti ja helposti luettavissa. Johtopäätöksinä koropleettikartasta voi vetää esimerkiksi juurikin sen, että eläkeläisprosentti on pienempi suurten kaupunkien läheisyydessä sijaitsevissa kunnissa (Esimerkiksi kartassa selvästi vaaleampina erottuvat Helsinki, Tampere, Jyväskylä ja Oulu). Eläkeläisten suureen määrän tietyillä alueilla voi vastaavasti perustella kunnan etäisyydestä suuriin kaupunkeihin.

Tehtyäni aiheesta pientä taustatutkimusta, löysin Tilastokeskuksen julkaisun Suomen huoltosuhteesta vuodelta 2011. Artikkeliin sijoitetussa diagrammissa korkeimmilla väestöllisen huoltosuhteen saralla ovat juurikin ne alueet, jotkä värjäytyvät kartassani tummimmiksi. Väestöllinen huoltosuhde tarkoittaa työiän ulkopuolella olevien asukkaiden määrää verrattuna 18-67-vuotiaisiin, eli työikäisiin asukkaisiin.

Lähde: Tilastokeskus

Luennosta jäi itselleni mahtava fiilis. Opeteltavaa on paljon, mutta QGIS:n käyttö lähti hyvin käyntiin. GEM1 -kurssi tuntuu tähän mennessä mielekkäimmältä geoinfokurssilta!

XOXO
You know you love GIS
Antti

Lähteitä:

Eveliina Sirola, Girl vs. GIS -blogi - May the best girl win., 
julkaistu 15.1.2018 - Viitattu 26.1.2018

Elli-Nora Kaarto, Ellin blogi - 1. kurssikerta: QGIS-ohjelmaan tutustumista,
julkaistu 21.1.2018 - Viitattu 26.1.2018

ESRI GIS-dictionary, Natural breaks classification - https://support.esri.com/en/other-resources/gis-dictionary/term/natural%20breaks%20classification
Viitattu 26.1.2018

Kaija Ruotsalainen, "Väestö vanhenee – heikkeneekö huoltosuhde?" - Tilastokeskus - www.stat.fi/tup/vl2010/art_2013-02-21_001.html
julkaistu 2012, päivitetty 13.2.2013 - Viitattu 26.1.2018 

Vaingisjuttuja -kuvan tausta:
www.prettylovelypaper.co.uk/wp-content/uploads/2014/03/pink-pencils.jpg

GIS is not a school subject, it is a way of life!

Better late than never, haha!
Päätin alottaa blogin kirjoittamisen pitkän harkinnan jälkeen koska musta tuntuu vahvasti, että mulla olisi paljon mielenkiintoista kerrottavaa tämänhetkisestä elämäntilanteestani. Reilu viikko sitten alkoi GEM1 -kurssi ja tarkoituksena on raportoida joka viikko askareista, joita työstetään iki-ihanan geoinformatiikan parissa!

Tästä blogista ei jännitystä puutu ja sen tulette näkemään! Nyt pitää kuitenkin rientää, sillä olen menossa ystäväni järjestämälle perjantaibrunssille! Ensimmäinen varsinainen raporttimuotoinen kirjoitus julkaistaan tässä blogissa myöhemmin tänään!

See u later, follow your GIS-dreams!
You know you love me
XOXO, Antti

 

Lähteitä:

 Blogin header:
 Kuva: http://www.baltana.com/files/wallpapers-5/Pink-Bokeh-HQ-Desktop-Wallpaper-18220.jpg
 Fontti: https://www.dafont.com/watermelon-script.font
 

Vaingisjuttuja -kuvan tausta: https://png.pngtree.com/thumb_back/fw800/back_pic/03/97/62/8457f11d6911a92.jpg