Sandran mantsablogi

Tällä viikolla oli vuorossa jo kurssin viimeinen kurssikerta. Tätä varten olimme itse etsineet ja ladanneet aineistoja, joita halusimme esittää kartan voimin. Tiedonetsimiseen meni yllättävän paljon aikaa. Vaikka aika nopeasti keksin minkätapaisia karttoja haluaisin tuottaa, oli oikeanlaisen aineiston löytäminen aika hankalaa. Löysin tieni Eurostatin sivuille, joista nopeasti löysin sopivia aineistoa joita vertailla. Minulle hankalimmaksi kuitenkin koitui sopivan taustakartan löytäminen. Selailin epätoivossa muiden blogeja, josko sieltä löytyisi vinkkejä hyviin karttoihin. Lopulta löysinkin Pinjan blogista, että hän oli löytänyt sopivan kartan juurikin Eurostatin sivuilta, joten jatkoi etsimistä täältä. Tajusin lopuksi että olinkin ladannut jo oikean TIF-paketin, mutta vain tarkastellut väärää aineistoa. Kun availin näitä aineistoja, joita paketista löytyi useampi kymmen, löysin lopulta sopivan, jota pystyin käyttämään töissä.

Itse karttojen tuottaminen onnistui tällä kerralla jopa yllättävän kivuttomasta. Työskentely eteni sujuvasti ja kun eteen tuli jokin ongelma,´niin löysin melkein heti ratkaisun. Oli kiva huomata kuinka omat taidot QGIS:n käytössä ovat kehittyneet kurssin saatossa, ja että näin sen loppuvaiheessa käyttö sujuu jo kohtalaisen sujuvasti. Kun työskentely sujui niin mukavasti jäi myös itselle tosi kiva kuva geoinformatiikasta ja jäi innostus sen lisäoppimiselle! 🙂 Alle olen liittänyt kaksi lopullista karttaani (kuvat 1 ja 2).

Valitsin tarkasteluun ensin aineistoa Euroopan kansallistuotteista ja o´keskimääräisestä eliniästä. Ajattelin että näillä voisi olla jonkinlainen yhteys, ja niin näyttää olevankin. Kartasta (kuva 1) huomaa että mitä tummemman sininen väri – sitä korkeampi keskielinikä. Esimerkiksi pohjoismailla on kohtalaisen tumma väri, eli suuri BNP/capita ja Euroopan korkeimpia elinikiä, kun taas kaakkoiseuroopan BNP ja eliniät ovat alhaisempia.

Seuraavaksi valitsin tarkasteluun saman maantieteellisen alueen, mutta aineistoiksi tyytyväisyyden omaan elämäänsä sekä osuuden valtioiden 20 – 24 vuotiasta jotka opiskelevat korkeakoulussa. Ajattelin että olisi mielenkiintoista katsoa voisiko nämä olla jotenkin yhteydessä toisiinsa. Minun olisi kuitenkin pitänyt tarkastella tyytyväisyysaineistoa hieman tarkemmin ennen sen valitsemista, sillä kuten kartasta huomaa, ei valtioiden välillä ole kovin huomattavia eroja tässä suhteessa, jolloin niiden vertailu käy hieman hankalaksi. Kartasta (kuva 2) voi kuitenkin todeta muutamia mielenkiintoisia seikkoja: esimerkiksi Turkissa on koko Euroopan suurin korkeakouluopiskelijaosuus valtion nuorista, mutta asukkaiden tyytyväisyys omaan elämäänsä on koko maanosan alhaisin. Myös Ruotsissa ja Isobritanniassa muuttujilla ei ole selkeää yhteyttä. Muualla Euroopassa voi puolestaan nähdä jonkinlaista yhteyttä näiden kahden muuttujan välillä.

Tämä kurssikerta oli mielestäni oikein mukava lopetus koko kurssille ja minulle jäi koko tieteenalasta oikein kiinnostunut ja innostunut fiilis. Saa nähdä, ehkä eksyn vielä tulevaisuudessa muille geoinformatiikan kursseille jos vaan aikaa löytyy! Kiitos ja ihanaa kevättä! <3

Lähteet: 

Pinjan Pikkaraisen blogi. Luettu ja viitattu 5.3.2021 osoitteessa  https://blogs.helsinki.fi/pinjapik/.

Heippa! 🙂

Tämä kurssikerta alkoi yhteisellä aineistonkeruulla omasta lähiympäröstään. Tämä oli mielestäni oikein mukava aloitus perjantaiaamulle, ja mietin heti aineenopettajaopiskelijana että tämän kaltaista tehtävää olisi kiva kokeilla omien tulevien oppilaiden kanssa!! Siitä huomasi kuinka helppoa datankeruu voi olla ja innosti jopa enemmän kuin valmiin datan käsittely. Data tuotiin QGIS:iin jossa pisteet ja niiden tiedot interpoloitiin, ja lisättiin niille kuvaava väripaletti. Vaikka osallistujia ei ollut kovinkaan runsaslukuisesti, saimme kartalle aika kivasti pisteitä joista hyvin erottui turvattomiksi ja epäviihtyisiksi koetut paikat.

Myös toinen kurssikerran tehtävistä oli mieluisa opettajan näkökulmasta, koska siinä hyödynnettiin valmista ilmaista dataa verkosta, ja visualisoitiin sitä kartalle hyvin havainnoivasti, joka varmasti on kätevä taito tulevalle opettajalle. Itsenäistyönä tuli luoda kolme kouluopetuksessa hyödynnettävää karttaa, jotka olen liittänyt alle (kuvat 1-3).

Näitä karttoja avuksi käyttäen voisi kouluopetuksessa pohtia minkälainen suhde tulivuorten sijainnilla ja maanjäristyksien esiintyvyydellä on. Voitaisiin myös miettiä eri voimakkuuksien maanjäristysten yleisyyttä ja voimakkaimpien järistysten sijaintia maapallolla.

Etsin internetistä samankaltaisia karttoja kuin olin juuri tuottanut, tarkistaakseni niiden yhtäläisyyksiä. Alla olen liittänyt kuvan (kuva 4) jossa näkyy kuinka maanjäristykset ja tulivuoret muodostavat selkeitä kuvioita jotka seuraavat tektonisten laattojen reunoja.

Omissa kartoissani tämä trendi ei näy ihan yhtä selkeästi, mutta ainakin niistä ensimmäisessä (yli 6 magnitudin maanjäristykset) on huomattavissa aika samanlaista kuviota kun yllä olevassa kuvassa. Uskon siis että minun karttani ovat oikein tehtyä ja tulokset todenmukaisia 🙂

Jäin miettimään kuinka kyseisiä karttoja voisi muuten käyttää opetuksessa, joten suuntasin lueskelemaan kurssitovereideni blogikirjoituksia aiheesta. Jere pohti blogissaan oivaltavasti sitä, kuinka oppilaat herkästi voivat tulkita karttoja ja kuvia omalla tavallaan, jolloin kunkin oppilaan käsitys aiheesta voi jäädä erilaiseksi ja jopa vääräksi jos karttojen analysointi jätetään ainostaan tälle tasolle. Olisi siis hyvä jatkaa pohdiskelua yhdessä luokan kesken ja selvitellä syitä näille yhtäläisyyksille tektonisen toiminnan ja tulivuorten ja maanjäristysten välillä. Uskon että kartat ja niiden itsenäinen pohdinta voivat herättää kiinnostuksen aiheeseen, ja voisivat opetuksessa toimia ehkä lähinnä johdatuksena aiheeseen.

Tämä kurssikerta ja sen itsenäistehtävät tuntuivat helpoilta viime kurssikerran kuormittavuuden jälkeen. Varsinkin Epicollect -sovellus oli kiinnostava, itselleni uusi datankeruutapa, jota haluaisin koittaa joskus tulevaisuudessa omien oppilaiden kanssa. Uskon että oppilaiden aktivoiminen on aina hyvästä, ja tähän saisi helposti yhdistettyä juuri kenttätyöskentelyä ja omaan lähiympäristöön tutustumista ja sen analysointia.

Ensi perjantaina on viimein vuorossa koko kurssin päätösluento, saa nähdä mitä se tuo tullessaan! Onpa taas mennyt jakso nopeasti, kohta on jo kesä 😀

Lähteet:

National Oceanic and Atmospheric Administration, haettu osoitteesta https://www.ngdc.noaa.gov/hazel/view/hazards/volcano/loc-search

Heipähei taas 🙂

Tämä viides kurssikerta oli helposti vaikein ja työläin tähän mennessä, sillä se koostui lähes kokonaan itsenäisesti tehtävistä harjoituksista. Luennolla pähkäilimme break-out roomeissa miten niitä lähdettäisiin selvittämään, ja pienen alkuhämmennyksen jälkeen pääsimme työparini kanssa ihan kivasti eteenpäin, kunnes huomasimme muiden blogikirjoitusten kautta että useimpien vastaukset poikkesivat omistamme vähän liikaa että ne pystyisi selittämään eroavaisilla rajauksilla tms. Kurssikerran lopussa pyysimme Artulta apua, joka sitten huomautti että olimme työskennelleet väärän lentokentän parissa koko kolmisen tuntia… 😀 Noh, työ ei kuitenkaan mennyt ihan hukkaan, sillä olimme jo löytäneet pariin kysymykseen oikean oloiset suoritustavat, ja kun myöhemmin aloitin tehtävät alusta oikean lentokentän parissa, pääsin jo helpommin liikkeelle kun olimme tehneet ensimmäiset tehtävät jo kertaalleen. Virheistä oppii 🙂

Kuten jo mainitsin, olivat tämän kurssikerran itsenäistehtävät todella aikaavieviä, mutta olin onneksi viime kurssikerran itsenäistehtävistä oppineena varannut näille useammalta päivältä aikaa, jolloin pienten vastoinkäymisten ylitsepääseminen myös tuntui huomattavasti helpommalta. 😀 Alla olevaan taulokkoon olen koostanut saamani vastaukset.

Opin tällä kertaa paljon uutta, mikä tuntui kivalta kun tehtävät tehtiin pitkälti yksin. Opin mm. käyttämään select by value -toimintoa meluasteiden määrittämiseen, bufferin käyttöä eri tarkoituksiin ja yleisesti minusta tuntuu että vihdoin ymmärsin oikeasti mitä tein, enkä vain tehnyt Artun / ohjeiden perässä. 😀 Sain kaikki tehtävät hyvin tehtyä, paitsi tehtävän 2 (taajamat), koska attribuuttitaulukko ei suostunut aukeamaan, ja kaatoi pariin otteeseen koollaan QGIS:n joten jätin tämän tehtävän suosiolla tekemättä. Tuntuu kuitenkin etten jäänyt tässä paljosta paitsi, sillä luulen kuitenkin että ymmärsin miten se olisi pitänyt tehdä jos olisin saanut kaiken toiminaan.

Vaikka viikon tehtävät olivat haastavia, koen siis että ne olivat todella hyödyllisiä. Niitä tekiessä sai hyvän käsityksen siitä, mitä osasi ja mitä ei. Oli myös mukava huomata kuinka komennot luonnistuivat samalla kun niitä käytti usemmassa tehtävistä. Tein tehtäviä järjestyksessä, joten vapaavalintaisista tehtävistä tein ensimmäisen. Kun luin muiden blogitekstejä, olisi vielä melkein tehnyt mieli kokeilla jompaa kumpaa kartantekotehtävistä, mutta tässä kohtaa oma energia näiden tehtävien suhteen oli jo sen verran lopussa että tyydyin tähän. Esimerkiksi Jonathan oli tehnyt  kartan Helsingin uima-altaista, joka vaikutti aika kivalta tehtävältä! Yllätyin hänen karttaa tarkastellessa siitä, kuinka paljon altaita Helsingissä, sillä en ollut itse ajatellut että ne olisivat näinkin yleisiä 😀

Lähteet:

Jonathan Loon blogi. Luettu ja viitattu 25.2.2021 osoitteessa https://blogs.helsinki.fi/joloo/2021/02/25/de-sjalvstandiga-uppgifterna/.

Neljännen kurssikerran aiheena oli rasteriaineistot. Teoriaosuuden jälkeen siirryttiin itse tarkastelemaan ja tuottamaan aineistoa QGIS:ssa, eikä mennyt kauankaan ennenkuin ohjelmistoni päätti taas kaatua. Yritin hetken avata ohjelmaa uudelleen, mutta kun siinä kesti sen verran kauan, ja kun sen viimein sain auki oli kurssikerralla ehditty edetä jo sen verran pitkälle, että en olisi ehtinyt enää kiritä tahtiin mukaan – joten päätin että poistun kurssikerralta ja katson loput siitä luentotallenteelta. Jatkuvasta kaatumisesta oppineena, tästedes muistan ainakin tallentaa etenemiseni tasaisin väliajoin, jolloin säästyisin turhalta aineistonkatoamiselta.

Onneksi minulle ei luentotallennetta katsoessani  tullut vastaan sen suurempia ongelmia, vaan sain tehtävät tehtyä suhteellisen sujuvasti. Ensimmäisessä tehtävässä tarkasteltiin pääkaupunkiseudun rakennustietoja. Alueelle luotiin ruudukko, johon lisättiin aineistosta halutut tiedot, joista ensimmäisenä visualisoitiin ruotsinkielisten määrä pääkaupukiseudulla. Lopputuloksen olen lisännyt alle (Kuva 1).

Kurssikerralta kotitehtäväksi tuli oman vastaavanlaisen kartan luominen, käyttäen jotain muuta aineistoa.

Kurssikerran toinen tehtävä liittyi rasteriaineistojen yhdistämiseen, jossa lisättiin rinnevarjostus ja korkeuskäyrät Pornaisten seudun taustakarttaan. Lopputuloksen olen liittänyt alle (Kuva 2). Ylläytin, kuinka vähällä vaivalla pystyy saamaan näinkin selkeän kartan jossa näkyy sekä alueen perustietoja, että rinnevarjostusta.

Anton oli oivaltavasti blogissaan verrannut omaa karttaansa Maanmittauslaitoksen karttaan samasta alueesta, ja huomannut että MML on korkeuskäyrissään käyttänyt tarkempaa rajausta, jolloin lopputuloksesta tulee tarkempi. Halusin itsekin verrata omaa karttaani MML:n vastaavaan karttaan, ja huomasin niistä samaiset erot.

Kurssikerran valmisteltiin vielä uutta aineistoa ensi kurssikertaa varten. Pornaisten alueelta rajattiin valmiiksi määritely alue, johon lisättiin kaksi uutta tietokantaa: alueen pääväylät uuteen tietietokantaan, sekä asutusrakennukset uuteen rakennustietokantaan. Näiden lisäämiseen minulla meni aika paljon aikaa, sillä onnistuin muutamaan otteeseen poistamaan jo luomani tiet ja aloittamaan alusta. Rakennuksia oli myös alueella aika kattavasti, joka vei oman aikansa, mutta varmasti säästää aikaa ensi kurssikerran alusta huomattavasti.

Lähteet:

Anton Granqvistin blogi. Luettu ja viitattu 18.2.2021 osoitteessa https://blogs.helsinki.fi/antongra/.

Kolmannella kurssikerralla päästiin havainnollistamaan aluetietoja QGIS:n avulla. Ohjelmistoon tuotiin dataa Afrikan timanttikaivoksista, konflikteista ja öljynporausalueista. Luennolla tutustuttiin “merge” ja “dissolve” -toimintoihin, joiden toiminnat olivat jo kirjoittamishetkellä jääneet unholaan. Saara Nurmisen blogia lukiessani, näiden tarkoitukset kuitenkin nopeasti muistuivat mieleen. Hän oli ytimekkäästi tiivistänyt niiden tarkoituksen, eli näillä yhdistettiin kaikki pienet saarikohteet niin ettei ohjelma tarkastelisi jokaista saarta omana valtionaan, vaikka ne kuuluisivat oikeasti jollekin toiselle valtiolle. Lopputuloksen olen liittänyt alle (Kuva 1).

Kurssikerralla minulle hieman vaikeuksia tuotti se, että jotkut toiminnot vaikuttivat toimivan hieman eri tavalla Mac-koneella, kuin Windowsilla. QGIS-ohjelmani päätti myös kaatua kesken kurssikerran, jolloin tipuin hieman kärryiltä ohjeistuksessa, ja jouduin nopeasti kirimään takaisin jotta pysyisin vauhdissa mukana. Missasin ehkä jonkun askeleen, mutta olen kuitenkin suhteellisen tyytyväinen lopputulokseeni (vaikka nyt huomaankin siinä ärsyttävät kirjoitusvirheet :D).

Kuva 1: Konfliktien, timanttikaivosten ja öljynporausten sijainnit Afrikassa. 

Karttaa tarkastellessa voidaan todeta etteivät konfliktit suoraan ole yhteydessä öljynporaukseen tai timanttikaivoksiin, vaikka näin voisi kuvitella. Osa konflikteista sijoittuu alueille, joissa näitä toimintoja harjoitetaan, mutta suuri osa konflikteista kertyy myös esim. mantereen itäosiin, joissa ei ole juuri ollenkaan timantti- tai öljynporaustoimintaa.

Itsenäinen harjoitus

Itsenäinen harjoitus oli tällä kertaa tulvaindeksikartan laatiminen, josta siis näkisi valuma-alueiden tulvaherkkyydet. Kun koitin yhdistää tasojen tietoja join-komennolla, minulle koitui hieman ongelmia siitä, että QGIS-ohjelmani oli englanninkielinen, ja sen takia kaikki ääkköset valuma-aluiden nimissä näkyivät toisessa aineistossa kysymysmerkkeinä, jolloin niiden sisältämät tiedot eivät täsmänneet eikä yhdistäminen onnistunut. Muutin ensiksi käsin yhden tason kaikki nimet niin että ääkköset näkyivät, kunnes huomasin etten päässyt muokkaamaan toista yhdistettävää aineistoa (järvisyys) ollenkaan, sillä toggle editing -toiminta ei ollut käytössä. Koitin googlailla tähän selitystä, mutta tuloksetta. Päädyin lopulta muuttamaan Excelissä järvisyystaulukon kaikki ääkköset aakkosiksi ja tuomaan aineiston uudestaan QGIS:iin, ja tekemään saman QGIS-ohjelmassa muille aineistolle. Tämän pienen säätämisen avulla opin kuitenkin uuden QGIS-toiminnon, jonka avulla pystyy helposti muuttamaan esim. kaikki aineiston Ä:t A:ksi. Käytin apuna tätä videota. 🙂

Kun lopulta sain aineistoiden sisällöt täsmäämään ja yhdistettyä, loin uuden sarakkeen johon laskin tulvaindeksin. Loin koropleettikartan tulvaindeksiä hyväksikäyttäen, ja poistin näkyvistä järvet ja joet, sillä ne söivät mielestäni hieman kartan selkeyttä.

Karttaan piti vielä liittää ympyrädiagrammit valuma-alueiden järvisyysprosentista. Tämä oli uusi toiminto jota ei vielä oltu kurssikerroilla opeteltu. En millään meinannut ymmärtää enää tässä kohtaa miten näkyville saisi oikeita diagrammeja, kun ne minulle tahtoivat näkyä vain samanvärisinä palloina kartalla. Onneksi löysin Emilia Halmesin blogista tähän vastauksen! Eli attribuuttitaulukkoon piti vielä liittää maapinta-ala, jonka avulla diagrammeihin saatiin sekä järvien osuudet että maapinnan osuudet. Alle olen liittänyt lopputuloksen (Kuva 2).

Kuva 2: Suomen valuma-alueiden tulvaindeksit ja niiden järvisyydet ympyrädiagrammein esitettynä. 

Suurimmat tulvaindeksit löytyvät rannikkoseuduilta, ja etenkin pienemmiltä valuma-alueilta joissa myös järvisyysosuudet ovat pieniä. Järvet siis vähentävät tulvien riskiä sillä ylimääräinen vesi voi kertyä niihin. Tämän huomaa myös katsoessa järvisuomen valuma-alueita, joissa järvisyys on suurempaa, ja tulvaindeksi pienempi. Rannikoiden suurempi tulvaindeksi voisi myös osaltaan selittyä merten läheisyydestä.

Tämän kerran kurssityötä tehdessä huomasin taas miksi ei kannata varata näiden tehtävien tekemiseen vain yhtä päivää aikaa 😀 Tähän meni kaikkine kommelluksineen aika paljon aikaa, mutta onneksi sain tehtävät kuitenkin vielä päiväsaikaan valmiiksi 🙂

Lähteet:

Saara Nurmisen blogi. Luettu ja viitattu 10.2.2021 osoitteessa https://blogs.helsinki.fi/saaranur/.

Emilia Halmesin blogi. Luettu ja viitattu 10.2.2021 osoitteessa https://blogs.helsinki.fi/emhalmes/.

Anthony Blackham, QGIS 3.2: Find and Replace. Katsottu 10.2.2021 osoitteessa https://www.youtube.com/watch?v=aO10REnr_Eg.

Hei taas!

Toisella kurssikerralla käytiin läpi tiedonhakua sekä tarkasteltiin eri projektioista johtuvia pinta-alavääristymiä. Eri projektioiden käyttö voi muuttaa kartan ulkoasua huomattavasti ja muokata siinä näkyviä pinta-aloja kunnolla. Kurssikerralla tarkasteltiin Suomea, ja sen kuntia, ja kuinka eri projektiot vääristävät/muokkavaat sen pinta-alaa ja muotoa.

Alle olen liittänyt kaksi lopputulostani (Kuva 1 ja 2). Ensin vertasin Mercatorin projektiota ETRS-TM35FIN-projektioon, jota suositellaan käyttämään Suomea projisoidessa (Kuva 1). Huomataan että mercatorin projektio vääristää suuresti maan pohjoisia alueita, jossa pinta-alat jossa projektioiden välinen suhdeluku voi olla jopa 8.

Kuva 1: Mercatorin projektion pinta-alaväärentymä suhteessa ETRS-TM35FIN-projektioon.

Seuraavaksi vertailin Robinsonin projektiota Mercator-projektioon (Kuva 2). Huomataan, että robinsonin projektio vääristää maan eteläisiä osia eniten suhteessa mercatoriin.

Kuva 2: Robinsonin projektion pinta-alavääristymä suhteessa Mercator-projektioon.

Tuloksiin palatessani muutamaa päivää kurssikerran jälkeen, huomasin että Santeri oli valinnut tarkasteltavaksi samat projektiot kuin minä, ja hänen blogiaan lukiessani ihmettelin miksi minun Robinson-projektioni näytti niin erilaiselta kuin hänen. Minun karttani oli kaventanut valtion eteläosaa niin kuin sen pitäisikin, mutta silti sen värit olivat päinvastaiset. Tajusin kuitenkin pian että olin jostain syystä valinnut verrata robinsonin projektiota mercatorin projektioon, vaikka muistaakseni ajatuksenani oli verrata sitä juurikin samaan projektioon kuin mihin aiemmin olin mercatorin projektiota verrannut, eli ETRS-TM35FIN-projektioon. Päätin siis vielä itsenäisesti tehdä tämän vertauksen, jotta saisin paremman kuvan näiden kahden projektioiden eroista. Oli taas hieman hankalaa yksin väkertää QGIS:n kanssa, mutta kai harjoittelu tekee mestarin ja tämäkin helpottuu kurssin edetessä 🙂

Sain lopulta aika vähällä vaivalla tehtyä uuden miellyttävämmän kartan (Kuva 3). Nyt siitä huomaa, että myös Robinsonin projektio väärentää maan pohjoisosia suhteessa ETRS-TM35FIN projektioon, mutta ei ollenkaan samalla mittakaavalla kuin mercatorin projektio. Robinsonin projektio vääristää  lapin pohjoisimpia korkeimillaan suhdeluvulla 1,4.

Kuva 3: Robinsonin projektio suhteessa ETRS-TM35FIN-projektioon. 

Lopputuloksista voi todeta että mercatorin projektio ei sovellu Suomen projisointiin, vaikka se onkin ehkä yleisin globaalisti käytetty projektio. Oli kiinnostava konkreettisesti huomata se ero jonka kyseinen projektio todellakin luo kun sitä käyttää sille soveltumattoman alueen tarkasteluun.

Lähteet:

Kurssikerran 2 aineistot

Santeri Saarisen blogi: “2 kurssikerta”, luettu 3.2.2021 osoitteessa https://saarinengeoinformatiikka.blogspot.com/2021/02/2-kurssikerta.html.

Heippa kamut!

MAA-202 kurssille ilmoittauduin avoimin ja innostunein mielin, sillä en entuudeestaan biologian opiskelijana juurikaan geoinformatiikkaan ollut tutustunut. Toki sen perustat oltiin jo käyty läpi maantieteen peruskursseilla, joita olen käynyt tämän lukuvuoden aikana sivuaineen merkeissä, mutta varsinainen itse tekeminen on jäänyt vähälle. Tämä kurssi tuntuu myös kivalta vaihtelulta kandin kirjoittamisen ohelle. Saa nähdä mitä tästä tulee 🙂

Kurssin ensimmäisellä kurssikerralla päästiin jo heti tositoimiin kun laadittiin yksinkertainen kartta Itämerta ympäröivien valtioiden typpipäästöistä. Alle olen liittänyt lopputuloksen (Kuva 1). Olen aika tyytyväinen siihen mitä sain aikaan, vaikkakin melkein koko työprosessi ohjeistettiin meille kädestä pitäen zoomissa. Tämä harjoitus oli kuitenkin sopiva kiva johdatus geoinformatiikan maailmaan, ja uskon että sain hyvät ohjat oman itsenäisen harjoituksen tekemiseen. QGIS oli ohjelmana myös oikein mukava ja selkeä, ja sen toiminnan pystynee omaksua suhteellisen nopeasti.

Kuva 1: Itämerta ympäröivien valtioiden osuudet typpipäästöistä. 

Itsenäinen harjoitus

Seuraavaksi vuorossa oli siis itsenäinen harjoitus QGIS ohjelmaa käyttäen. Tässä luotiin koropleettikartta jostakin itse valitsemasta aineistosta. Vaikeustasoja oli valittavana kolme erilaista, joista valitsin ensimmäisen. Uskon että tämä olisi minulle riittävän haastava tähän kohtaan.

Selasin aineistoa, ja valitsin sieltä tarkasteltavaksi muunkielisten (ei suomi, ruotsi tai saame) lukumäärät kunnittain. Lopputuloksesta (Kuva 2) näkyy muunkielisten osuudet kunkin kunnat väestöstä.

Kuva 2: Muunkielisten (ei suomi, ruotsi tai saame) osuudet kuntien väestöistä, 2015.

Huomasin karttaa laatiessa nopeasti, ettei se sujunutkaan yhtä sulavasti kuin zoom-sessiossa… Jouduin aika pitkään lukemaan ohjeita uudelleen ja uudelleen kunnes minulle uudestaan muistui mieleen mitä viime luennolla olikaan tehty. Kun hahmotin miten ohjelma toimikaan, lähti kuitekin työskentely helpohkosti käyntiin. Pian olin saanut jo valmiiksi suhteellisen nätin näköisen kartan, mutta huomasin sitten että olin liian sokeasti seurannut ohjeita, ja että minulla nyt näkyi kartalla kuntien osuudet koko Suomen muunkielisestä väestöstä, eikä kunkin kunnan kohtaisia osuuksia omasta väestöstään, niin kuin olin ajatellut. Pienen pähkäilyn jälkeen sain kuitenkin komentoa muutettua niin että kartta ajoi sitä asiaa kuin olin tarkoittanut.

Nelli Korhosen blogia lukiessani tajusin myös seikan joka minunkin kannattaisi kartassani muuttaa. Olin nimittäin jättänyt sen väriskaalaksi punaisen, jonka hieman liian hälyttävän värinsä ansiosta helposti syntyy mielikuva jostain negatiivisesta. Muutin siksi kartan väriskaalan hieman neutraalisemmaksi siniseksi.

Lopputulostani tarkastellessani ja Suomen ja Helsingin muunkielistilastoja googlalessani, jäin kuitenkin ihmettelemään oliko kaikki sittenkään mennyt oikein. Ensinnäkin tilastokeskuksen taulukon mukaan Suomessa olisi vuonna 2015 ollut noin 325 000 vieraskielistä, kuin aineiston yhteenlaskettu summa on vain 231 431. Myös Helsingin vieraskielisten osuus oli Helsingin kaupungin raportin mukaan vuoden 2015 alussa 83 549, kun se aineiston perusteella oli vain 68 323 – toki tämä voi johtua vain toisenlaisesta rajauksesta. Ihmettelin myös miksi aineistossa Helsingin kohdalla sarakkeen “väestö” arvo on suurempi kuin sarakkeen “väkiluku” arvo, kun arvojen suuruudet lähes jokaisen muun kunnan kohdalla on toisinpäin. Olin siksi tulkinnut sarakkeen “väkiluku” arvon seutukuntien väkiluvuksi, jolloin se luonnollisesti olisi isompi kuin pelkän kunnan väkiluku. “Väkiluku”-sarakkeen arvot eivät kuitenkaan ole samoja esim. Helsingin ja Espoon kohdilla vaikka ne kuuluvatksin samaan seutukuntaan, joten tiedon on oltava peräisin muualta.

En kuitenkaan keksinyt näille mitään loogisia selitteitä, joten tyydyin luomaani karttaan, sillä se kuitenkin mielestäni ajaa asiansa tarpeeksi hyvin tässä kohtaa, vaikka en ole täysin varma valitsinko tarkasteltavakseni oikeaa väkilukusaraketta. Kartasta huomataan että suurin osa muunkielisistä sijoittuu pääkaupunkiseudulle ja muihin suuriin kaupunkeihin, ja valtion rajamaille. Suurimmassa osassa Suomea muunkielisten osuudet ovat vain 0-2,2 % kunnan väestöstä. Tulokset olivat aika odotettavissa.

Karttaa oli mukava väsätä, ja innostuin taas siitä miten paljon dataa on saatavilla ja kuinka näppärästi ja vaivattomasti niitä pystyy esittämään kartan voimin. Olen tyytyväinen saamaani lopputulokseen ottaen huomioon aiemman osaamiseni, ja odotan innolla mitä kurssi tuo tullessaan 🙂

Heippa 🙂

Lähteet:

KK1_Harjoitus 1 -materiaalit.

Nelli Korhosen blogi, luettu 25.1.2021 osoitteessa https://blogs.helsinki.fi/nekone/.

Helsingin ulkomaalaistaustainen väestö vuonna 2015. Helsingin kaupunki, Tietokeskus, 2015.

Tilastokeskus, vieraskieliset. Luettu 25.1.2021 osoitteessa https://www.stat.fi/tup/maahanmuutto/maahanmuuttajat-vaestossa/vieraskieliset.html.