Viikko 7. Kurssi olisi nyt paketis, kaipaamaan jään sinua GIS

Noniin, on aika pistää tämä kurssi pakettiin täysin vapaavalintaista aineistoa hyödyntävällä kartalla. Tällä viimeisellä kurssikerralla ei enää tullut opeteltua hirveämmin mitään uusia analysointi- tai visualisointimenetelmiä, mutta tiedonhakua sitäkin enemmän.

Lähtiessäni etsimään loppukarttaa varten paikkatietoa sisältävää aineistoa, hämmästelin aluksi kuinka paljon paikkatietoa sisältävää dataa oli tarjolla jo pelkästään Artun linkkaamilla sivustoilla! Mahdollisuudet kartan tekoon tuntuivat rajattomilta, mutta tarkastellessa saatavilla olevaa aineistoa hieman syvällisemmin tuli vastaan myös paljon rajoitteita ja puutteita. Ensinnäkin monet saatavilla olevat aineistot rajoittuivat jollekkin tietylle alueelle, kuten valtio-tai kaupunkitasolle ja laajempia alueita kattavat aineistot olivat usein puutteellisia tiettyjen valtioiden ja anoikumeenien alueiden osalta. Lisäksi useat aineistot olivat piilossa maksumuurin takana ja erilaisia tiedostomuotoja johon aineistot olivat tallennettuina löytyi lukemattomia, joista osa ei sopinut yhteen QGIS:n kanssa ainakaan ilman jonkinlaista tiedostonmuokkausta.

Pohdin pitkään mistä karttani laatisin. Pompottelin pitkään ideoita esimerkiksi hengityselinsairauksien yhteydestä tupakointiin ja ilmansaasteisiin, mutta riittävän tarkan datan löytäminen osoittautui hankalaksi. Lopulta löysin maailman kattavaa rasterimuotoista dataa peltoaloista ja halusin jotenkin tuoda tämän mukaan kartalle. Pohdin toiseksi muuttujaksi esimerkiksi pohjavesistön määrää ja laatua, sekä maaperän koostumusta, mutta puutteellisen aineiston vuoksi päädyin lopulta esittämään kartalla peltoalojen kanssa maailman pintavesistöt ja tarkastella kuinka yhteneväisiä nämä kaksi muuttujaa ovat. Näiden kahden välillä voi kartalla havaita yhteyden ainakin suurimpien jokien kuten Mississippin ja Yangtzen deltan osalta.

Myönnettäköön, että en ole erityisen tyytyväinen lopulliseen karttaani, sillä olisin halunnut käyttää enemmän erilaisia analysointityökaluja työssäni, mutta päätin että en jaksa kahlata tätä loputtomalta tuntuvaa datan etsinnän suota enää pidemmälle. Opin kuitenkin karttaa laatiessa hieman enemmän aineiston keruusta ja etsinnästä, sekä mistä sitä voisi tulevaisuudessa etsiä tehdessä vastaavanlaisia projekteja. Nyt on kuitenkin aika jättää hyvästit tälle erittäin mielenkiintoiselle kurssille ja rakkaille kurssiblogini seuraajille. Toivottavasti teillä ollut yhtä mukavia oppimiskokemuksia kurssilla kuin itselläni.

Kirjallisuus

Downloads

http://sedac.ciesin.columbia.edu/data/set/aglands-croplands-2000

 

Viikko 6. Itsenäistä paikkatiedon tuottamista ja visualisointia

Kuudennella viikolla pääsimme itse paikkatiedon tuottajan saappaisiin ja lähdimme rohkeina tutkimusmatkailijoina hyytävään aamupakkaseen arvioimaan Kumpulan eri alueiden viihtyisyyttä ja turvallisuutta  apunamme vain älypuhelin ja siihen ladattuna Epicollect-sovellus. Sovelluksen avulla pystyimme paikantamaan puhelimemme sijainnin koordinaatit GPS-signaalin avulla, sekä vastaamaan ennalta määrättyihin kysymyksiin valmiiksi annetulla arvosana-asteikolla, joiden vastaukset ohjelma osasi yhdistää sijaintiimme. Ohjelma osasi paikantaa sijainnin aina muutaman metrin tarkkuuteen asti, vaikkakin tietyillä katvealueilla, kuten rakennusten välittömässä läheisyydessä, sijanti ei täysin vastannut todellisuutta.

Saatuamme vastaukset ja niiden sijaintitiedot yhtenä tietokantana, oli aika tarkastella ja visualisoida tuloksia. Pienen kikkailun jälkeen, kun olimme poistaneet tietokannasta kaikki sijaintiedotta jääneet arvostelut pois, pystyimme visualisoimaan tuloksia kartalla käyttäen interpolointia. Interpoloinnissa määritellään tietyllä matemaattisella menetelmällä arvoja mitattujen arvojen väliin, jolloin saadaan koko kartta-alueen kattava visualisointi mitatulle muuttujalle. Interpoloinnin miellekkyys ja tarkkuus riippuu pitkälti siitä kuinka paljon mittauksia ja tuloksia on saatu eri alueilta ja kuinka hyvin tuloksia voidaan yleistää lähialueelle.

Itsenäisenä tehtävänä tällä viikolla oli erilaisten hasardien sijainnin esittäminen kartalla niin, että kartoista olisi hyötyä myös opetustehtävissä. Saatavilla oli pistemäistä dataa kolmesta erilaisesta hasardista: meteoriiteista, tulivuorista sekä maanjäristyksistä. Koska oletin, että meteoriittien putomamissijainnit ovat pitkälti satunnaisia ja etsinnät keskittyneet tietyille alueille, päätin jättää ne pois tarkastelusta ja keskittyä vain tulivuorten ja maanjäristyksien esiintymisen visualisointiin.

Seurasin ensimmäisessä kartassani annettuja ohjeita, ja esitin kartalla vuoden 1980 jälkeiset yli 8 richterin maanjäristykset. Lisäsin kartalle kuitenkin tiedot myös tulivuorista, ja helpotin vielä tulivuorten esiintymisen hahmottamista Style-valikosta löytyvällä heatmap-visualisoinnilla, missä ohjelma värittää havaintojen ympärille sitä tummemman “hehkun”, mitä enemmän alueella on havaintoja. Tämä helpottaa tulivuorten määrän hahmottamista alueilla, missä yksittäisiä tulivuoria on vaikea erottaa kartalta niiden suuren esiintymistiheyden vuoksi.

Maailman tulivuoria ja vuoden 1980 jälkeen tapahtuneita maanjäristyksiä esittävä kartta.

Mielestäni kartta on käyttökelpoinen esittämään maanjäristyksien ja tulivuorten sijainnin korrelaatiota opetustarkoituksissa. Maanjäristykset osuvat suhteellisen selvästi tulivuorikeskittymien alueelle kaukoidässä ja Amerikoiden länsirannikolla. Viilauksena valtioiden rajat olisi voitu rajata kartasta pois selkeyden lisäämiseksi, sillä niilä ei ole kovinkaan suurta merkitystä esitettävän asian kanssa ja heatmapille olisi voinut tehdä legendaan jonkinlaisen selitteen.

Lähdin seuraavaksi Alex Naumasen blogissa esitellyiden todella hienojen ja monipuolisten karttojen innoittamana laatimaan vielä ylimääräisenä karttana maanjäristyksien ja mannerlaattojen reunojen sijaintia havainnollistavaa karttaa. Lopputulos oli melko yksinkertainen kartta, missä on esitettynä maanjäristykset edellä mainitulla heatmap-visualisoinnilla, sekä mannerlaattojen saumakohdat. Kartta voisi hyvinkin tulla tarpeeseen kouluopetuksessa opetettaessa mannerlaattojen saumakohtien ja maanjäristyksien esiintymisen yhteneväisyyttä.

Kirjallisuus

https://github.com/fraxen/tectonicplates

Mieluummi överit ku vajarit

Viikko 5. Buffereiden käyttöä ja QGIS-velhotasoni arviointia

Viikon karttatehtävistä ja puskuroinnin käytöstä

Kurssin viides viikko oli tehtävien määrän puolesta luultavasti työläin tähän mennessä. Runsas itsenäistehtävien määrä kuitenkin antoi mahdollisuuden tarkastella omaa osaamistaan ja puitteet hieman luovempaan työkalujen käyttöön. Oli mukavaa huomata itsenäistehtäviä tehdessä kuinka perustoiminnot QGIS:ssä luonnistuvat jo suhteellisen helposti ja ymmärrys ohjelmiston toiminnasta on jo mielestäni melko hyvällä tasolla.

Kurssikerran ensimmäisessä tehtävässä käytimme hyväksi edellisellä viikolla esiteltyä Pornaisten peruskarttaa, johon olimme digitoineet asunnot ja suurimmat tiet QGIS:in työkaluja käyttämällä. Käytimme näitä tietoja muunmuassa QGIS:in laskentatyökalujen opetteluun, ja selvitimme näiden avulla esimerkiksi yhteenlasketut teiden pituudet ja peltojen pinta-alat. Tämän lisäksi opettelimme puskurialueiden tekoa, sekä miten selvitämme kaikki sijaintitiedon omaavat solut, jotka osuvat puskurialueelle.

Puskurialueet ovat varmasti hyödyllisimpiä välineitä tutkiessa erilaisia maantieteellisiä ilmiöitä, ja niiden hyöty tulikin esille jo kurssikerran itsenäistehtävissä. Lisäksi puskurityökalun käyttö olisi voinut olla hyödyllinen kolmannen viikon Afrikan konflikteja ja timanttikaivoksia koskevassa tehtävässä, missä tarkastelimme oliko konfliktien ja timanttikaivosten sijoittumisella jonkinlaista korrelaatiota keskenään. Tehtävässä olisimme voineet luoda bufferin konfliktin vaikutusaluetta kuvaavan attribuutin perusteella, sekä tarkastella kuinka moni timanttikaivos osuu näiden alueiden sisälle. Tämän lisäksi puskurivyöhykkeitä voitaisiin käyttää erilaisten luonnonilmiöiden vaikutusalueiden, kuten esimerkiksi tulvauhan alla olevien asuntojen selvittämiseen, jos meillä on tarvittavat esitiedot tämän selvittämiseen, kuten esim. tiedot sadannasta, jokien virtaamasta ja maaperän kyvystä sitoa vettä, sekä alueen asuntojen sijaintitiedot.

Ensimmäinen itsenäistehtävä käsitteli pääkaupunkiseudun kahden lentokentän, Malmin ja Helsinki-Vantaan lentokenttien melualueiden ja niiden vaikutusalueen tutkimista käyttäen hyväksi edellisessä tehtävässä opeteltua puskurointityökalua. Oli mukava huomata, kuinka yksinkertaisilla toimenpiteillä pystyttiin laatimaan luultavasti melko hyvin lentokentän melualuetta kuvaava alue, sekä laskea kuinka moni ihminen on sen vaikutuksen alaisena. Laatiessa Helsinki-Vantaan poikkeuksellista melualuetta vuodelta 2002, jolloin lentokoneet laskeutuivat kentälle Tikkurilan puolelta, olisin toivonut ohjelmaan parempia mittaustyökaluja tehdessä melualuetta kuvaavaa apuviivaa. Nyt oli ensin pakko mitata janan pituus ohjelman mittaustyökaluja käyttämällä, ja sen jälkeen digitoida sen päälle viiva, jonka perusteella bufferivyöhyke laskettiin. Tehtävän toinen osa oli taasen yksinkertaisempi pistemäisen bufferialueen sisälle sijoittuvien tietojen laskemista, ja toinen itsenäistehtävä valmiiksi annettujen taajama-alueiden asukastietojen selvittämistä.

Valitsin kolmanneksi itsenäistehtäväkseni tehtävä 5:n, jossa tarkoituksena oli selvittää putkiremonttiuhan alla olevat asuinkerrostalot, sekä missä kaupunginosissa on todennäköisesti tulossa paljon putkiremontteja lähivuosina. Putkiremonttitarpeen indikaattorina käytettiin rakennusvuotta, missä 1965-1970 vuosina rakennetut talot luokiteltiin todennäköisesti putkiremonttiin joutuvaksi rakennukseksi. Karttaesityksessä on nähtävillä värikoodattuna putkiremonttiuhan alla olevien rakennusten suhde kaikkiin alueen rakennuksiin, sekä absoluuttisena arvona kaikki alueen putkiremonttiuhan alla olevat rakennukset. Kartalla havaittavat tulokset vastasivat pitkälti sitä mitä odotinkin. Niin kuin Vilma Kaukavuorikin huomasi blogipostauksessaan “Talojen suuret ikäluokat lähestyvät putkiremontti-ikää“, hyvin edustettuina ovat Itä-Helsingin kerrostalolähiöt. Näille alueille rakennettiin kyseisinä vuosina runsaasti kerrostaloja keskustan ruuhkien helpottamiseksi ja muualta Suomesta muuttavien tarpeisiin maatalouden merkityksen heikentyessä ja teollisuuden työpaikkojen lisääntyessä kaupunkiseudulla.

Suhteellisia ja absoluuttisia arvoja kuvaava koropleettikartta putkiremonttiuhan alla olevista rakennuksista pääkaupunkiseudulla.

En lähtenyt analysoimaan tehtävistä saatuja vastauksia sen tarkemmin, mutta keräsin ne kuitenkin yhteen taulukkoon, jos saadut luvut sattuvat kiinnostamaan.

Mitä on jäänyt GIS:stä käteen? Arviointia ohjelman käyttötaidostani ja ominaisuuksista.

Nyt kun kurssin viides kerta on takana, on mukavaa huomata kuinka ohjelman käyttö on muuttunut melko rutiininomaiseksi ja kuinka uusien toimintojen oppiminen on kokoajan helpompaa, kun ohjelman perustoiminnot alkavat olemaan jo hyvin selkärangassa. Erilaiset alueiden rajaukset ja erottelut sujuvat jo käytyjen työkalujen, kuten bufferointi- ja Join-työkalujen avulla aikalailla ilman ongelmia. Työstämistä on kuitenkin vielä visualisoinnin opettelussa, ja ohjelman monimutkaisempien toimintojen hyödyntäminen vaatii varmasti lukuisten Plug-In:ien käyttämistä, sekä ohjelmointiosaamista ja scriptien käyttämistä. Vaikka tällä hetkellä ohjelman käyttö tuntuu sujuvan annettujen tehtävien puitteissa hyvin, on minulla varmasti matkaa pelkästä oppipojasta todelliseksi GIS-velhoksi.

Omien taitojen tuomien rajoitteiden lisäksi olen myös huomannut, mitkä tekijät rajoittavat erilaisten analysointien tekemistä ohjelman sisällä eniten. Se mitä ohjelmalla voidaan analysoida on pitkälti riippuvainen siitä, mitä tietoja meillä on esitettynä tarkasteltavalla kartalla, sekä mitä ominaisuustietoa meillä on tarjolla saatavilla olevissa tietokannoissa. Jotta ominaisuustietoja voidaan käyttää hyödyksi, täytyy niiden luonnollisesti sisältää myös jonkinlaista sijaintitietoa, jotta niiden alueellista jakautumista voidaan analysoida. Kun tarvittavat tiedot ovat tallennettuna, vaikuttavat mahdolliset analysointimahdollisuudet ohjelmalla olevan lähes rajattomat. Rajoituksia on ainakin tähän mennessä aiheuttanut vain tietokoneen laskentatehon puute suuren aineiston sisältäviä analyyseja tehdessä, sekä oman mielikuvituksen riittämättömyys aineiston valinnassa. Lisäksi visualisoinnissa on aina rajoitteena kuinka paljon tietoa mahtuu esitettäväksi yhdellä kartalla, ja usein on karsittava esitettyä tietoa tai laadittava useampi teemakartta.

Kirjallisuus

Talojen suuret ikäluokat lähestyvät putkiremontti-ikää

Viikko 4. Ruutukartan laadintaa ja rasteriaineiston kanssa työskentelyä

Ensimmäisten ruutukarttojen laadintaa

Kurssin neljännen viikon ensimmäisenä aiheena oli ruutukartan laatiminen, ja sen mahdollistavien QGIS-työkalujen opettelu. Harjoituksessa pohjakarttanamme oli pääkaupunkiseudun alue, ja käytössämme oli lisäksi kattava sijaintitiedot sisältävä väestötietokanta. Harjoitustunnilla laadimme ensin kartalle neliökilometrin tarkkuuden omaavan ruudukon, jonka jälkeen käytimme edellisillä harjoitustunneilla tutuiksi tulleita analysointityökaluja yhdistääksemme väestötietokannan tiedot sijainnin perusteella ruudukolle.

Tehtävän toisessa osassa saimme tehtäväksemme laatia oman vastaavanlaisen ruututeemakartan halutulla tarkkuudella ja tilastotiedolla. Lähdin aluksi tekemään ruudukkoa yli 65-vuotiaiden määrästä suhteessa alueen muuhun väestöön, mutta en havainnut huomattavia alueellisia eroja erilaisilla tarkkuuksilla tai luokituksilla, joten päätin tehdä jonkin mielenkiintoisemman karttaesityksen. Päädyin tekemään kartan omakotitaloasukkaiden suhteellisesta osuudesta ruudun muuhun väestöön verrattuna, sillä osasin arvata tässä olevan huomattavia alueellisia eroja. Ei niin selkeästi pääteltäviä alueellisia eroja huomasi Juho Kauppi blogikirjoituksessaan “Neljättä viikkoa viedään“, missä hän huomasi ettei pääkaupunkiseudun sukupuolijakauma ole niin tasaisesti jakautunut kuin voisi olettaa.

Tehtävä vaati jonkin verran tietokantojen muokkausta ja prosenttilaskujen tekemistä, mutta ei kuitenkaan vaatinut loppupeleissä suurempia ponnisteluja. QGIS:in outo kaatuilu laskuja ja visualisointia tehdessä kuitenkin hidasti työntekoa jonkin verran. Visuaaliselta ilmeeltään kartta on mielestäni toimiva, joskaan ei kovin erikoinen tai näyttävä. Valitsin ruutukooksi kartalle 500x500m tarkkuuden, mutta näin jälkikäteen tarkasteltuna suurempi ruutukoko olisi voinut tehdä kartasta hieman luettavamman, mutta silti informatiivisen. Lisäksi nätimmän kartasta olisi voinut tehdä ruutujen mustien reunojen poistaminen, minkä Vilma Pylkkö on tehnyt omassa karttaesityksessään blogikirjoituksessa “Rasterikarttoja ja ruudukoita“.

Omakotitaloasukkaiden määrä alueittain suhteessa muuhun väestöön.

Kartalta voi huomata kaupunkien reuna-alueiden olevan selvästi yliedustettuina omakotitaloasukkaiden osalta, mikä oli toisaalta odotettavissakin rakennuskannan ollessa suurilta osin kerrostalovaltaista lähempänä kaupunkien keskustoja. Lisäksi omakotitalovaltaisten alueiden lähistöllä on runsaasti myös asumattomia ruutuja, mikä kertoo alueiden yleisesti vaatimattomasta asuinrakennuskannasta. Kartan informatiivisuuden lisäämiseksi kartalle voisi lisätä tiedot ruudun asuintiheydestä, sillä omakotitaloja esiintyy yleensä vähäisen asumistiheyden omaavilla alueilla. Nyt kartasta voi saada mielikuvan suuresta määrästä omakotitaloasukkaita pääkaupunkiseudun reuna-alueilla, mikä ei välttämättä vastaa totuutta kaikilla ruuduilla. Omakotitaloissa asuu kuitenkin vain 142 tuhatta asukasta pääkaupunkiseudulla koko asukasluvun yltäessä 1,1 miljoonaan aineiston perusteella.

Ruutukartan vahvuudet ja heikkoudet. Minkälaista tietoa sillä kannattaa ylipäätänsä esittää?

Ruutukartalla on nähdäkseni joissakin tapauksissa suotavaa esittää aineistoa absoluuttisilla arvoilla, riippuen minkälaista tietoa halutaan esittää. Pitää kuitenkin muistaa, että vaikka pinta-ala on ruutukartalla kaikissa ruuduissa sama, voi aineiston tiheys ruutujen välillä vaihdella paljonkin. Esimerkiksi jos halutaan tutkia vaikkapa eläkeläisten sijoittumista kaupungin eri osiin, täytyy miettiä onko olennaista esittää eläkeläisten absoluuttista määrää ruuduilla, jolloin yliedustettuina ovat alueet, missä asukastiheys on muutenkin suuri. Toinen vaihtoehto on esittää eläkeläisten määrä suhteessa ruudun muuhun väestöön, jolloin saadaan paremmin esille heidän yleisyytensä ruudun sisällä. Esimerkiksi tutkittaessa mihin kannattaa perustaa lisää vanhustenhoitopalveluita, on olennaisempaa tietää eläkeläisten ja jo saatavilla olevien hoivapalveluiden absoluuttinen määrä, kun taas tutkittaessa alueiden väestörakennetta, on suhteellisia lukuja esittävä ruutukartta tarkoituksenmukaisempi.

Ruutukartan etu verrattuna koropleetti-, tai pisteteemakarttaan on sen  jakautuminen pinta-alaltaan samankokoisiin alueisiin. Näin on helppoa esittää tutkittavan aineiston alueellista jakautumista halutulla tarkkuudella huolehtimatta minkä kokoista aluetta ollaan tarkastelemassa. Tällöin aineiston erilaiseen jakautumiseen ruutukartalla vaikuttaa ainoastaan sen esiintymistiheys. Ruutukartan laatiminen on myöskin yksinkertaisempaa kuin esimerkiksi koropleettikartan, ja siitä on yleensä helpompi tulkita ilmiön esiintyvyyttä kuin esimerkiksi pistekartalta. Samalla kuitenkin ruutukartalla on myös heikkoutensa. Tutkittaessa jonkin ilmiön alueellista esiintyvyyttä olemme usein kiinnostuneita ilmiön esiintyvyydestä jollakin muunlaisella alueella kuin tietyn neliöalan omaavalla ruudulla. Esimerkiksi kaupunkia tutkittaessa jonkin ilmiön esiintyminen kaupunginosittain tai postinumeroittain voi olla paljon informatiivisempaa, kuin miten se esiintyy vakiokokoisilla ruuduilla.

Kirjallisuus

Neljättä viikkoa viedään

Rasterikarttoja ja ruudukoita

Viikko 3. Tilastotiedon esittämistä kartalla ja muuta kivaa

Kolmas viikko lähti käyntiin harjoituksella, missä yhdistelimme tilasto- ja sijaintitietoa Afrikasta sisältäviä taulukoita toisiinsa kyselyiden avulla. Harjoituksessa opimme muunmuassa miten saman uniikin tunnuksen omaavat solut tietokannassa saa liitettyä toisiinsa, sekä kuinka yhdistellä ja verrata eri taulukoiden tietoja toisiinsa niiden sijaintitiedon perusteella.

Itsenäiseksi tehtäväksi jäi miettiä, mihin eri tarkoituksiin tunnilla käytettyjen tietokantojen tilastotietoa voi käyttää hyödyksi ja mitä niistä voidaan päätellä. Tietokannat sisälsivät yksityiskohtaisesti tietoa Afrikan maiden väestöstä ja internetin käyttöasteista, konflikteista, timanttikaivoksista, sekä öljyesiintymistä. Yksi tunnilla esilletulleista ideoista oli vertailla onko maakohtaisella internetin läpäisyvyydellä, sekä konfliktien määrällä jonkinlainen yhteys. Sijainti-, sekä ajankohtatietoa hyödyntämällä voitaisiin myös tarkastella, onko timanttikaivosten perustamisella korrelaatiota konfliktien syttymiseen tietyllä alueella. Voitaisiin myös tarkastella minkälainen korrelaatio on väestötiheydellä ja konfliktien määrällä tietyssä maassa, sekä minä vuosina ja missä on otettu tuotantoon timanttikaivoksia sekä öljyesiintymiä.

Laadin konfliktien ja timanttikaivosten sijoittumisen havainnollistamiseen teemakartan, missä on näkyvillä tietokantoihin tallennetut konfliktit skaalattuna niiden alueellisen laajuuden mukaan, sekä timanttiesiintymät. Tietokannoissa oli jonkin verran puuttuvia tietoja esimerkiksi timanttiesiintymien ja -kaivosten löytämisajankohdan ja tuotannon aloittamisajankohdan osalta, mutta sisällytin kaikki tietokannasta löytyvät solut silti karttaan. Kartasta voisi päätellä, että timanttiesiintymillä ja konflikteilla ei ole ainakaan suurta korrelaatiota keskenään, mutta sitä on vaikea vahvistaa ilman syvällisempää analyysiä maiden muista ominaisuuksista, sekä konfliktien ja timanttikaivosten toiminnan ajankohdista. Esteettisesti kartasta tuli ainakin omaan silmääni miellyttävän näköinen.

Afrikan konflikteja ja timanttiesiintymiä kuvaava kartta.

Viikon toisessa harjoituksessa tarkasteltiin Suomen eri valuma-alueiden tulvariskiä, sekä järvien osuutta niiden pinta-alasta. Tarkoituksena oli tehdä koropleetti-kartta, jossa olisi näkyvillä tiedot valuma-alueen tulvariskistä, sekä järvisyydestä diagrammina, sekä tulkita mitä kyseisestä kartasta voidaan päätellä. Yritin aluksi toteuttaa haastavampaa tehtävänantoa, missä valuma-alueiden järvien pinta-ala olisi pitänyt laskea itse niiden sijaintitietoja yhdistämällä, mutta QGIS kaatuili jatkuvasti järvien pinta-alan osuutta laskettaessa, joten jätin homman sikseen.

Diagrammien liittäminen oli uusi opittava asia tehtävässä, mikä kuitenkin onnistui suhteellisen yksinkertaisesti ohjelmasta löytyvän työkalun avulla. Koska pylväsdiagrammit veivät turhan paljon tilaa kartalta, eivätkä näyttäneet kovin hyvältä kartalla, päädyin esittämään niiden sijaan valuma-alueiden järvisyyden ympyrädiagrammilla. Ympyrädiagrammienkin sovittaminen karttaan oli kuitenkin suhteellisen haastavaa, ja jouduin jättämään joiltakin valuma-alueilta diagrammin kokonaan pois kartan luettavuuden takaamiseksi.

Yritin myös saada lukuarvoja näkyviin diagrammeihin, mutta en löytänyt ohjelmasta tähän mahdollisuutta, joten jätin tämän toteuttamatta niin kuin Oula Inkeröinenkin joutui tekemään oman karttansa kanssa. Jätin kartalta pois myös joet ja järvet luettavuuden vuoksi, vaikkakin ne toisivat jonkin verran lisäarvoa kartan eri ominaisuuksien tarkasteluun.

Suomen valuma-alueiden tulvariskiä, sekä järvien osuutta pinta-alasta kuvaava kartta.

Vertailtaessa tietokannan eri attribuuttitietoja keskenään, sekä karttaa tarkasteltaessa, voidaan huomata käänteistä korrelaatiota alueen järvisyyden, ja tulvaindeksin välillä. Valuma-alueilla, joissa järvien osuus kokonaispinta-alasta on suuri, on tulvaindeksi vastaavasti pieni, ja päinvastoin. Näin mututuntumalla voisin arvella tämän johtuvan siitä, että pintavesillä on näillä alueilla enemmän tulvavarastoja ja virtaamissuuntia, eivätkä tulvavedet keskity voimakkaasti tiettyihin uomiin. Rannikolla, jossa tulvaindeksi on suurimmillaan, ei järviä esiinny kovin paljon, ja lisäksi suurin osa alueen tulvavesistä valuu samaan suuntaan merelle, mikä lisää uomien virtaamaa tulvimiskausina. Lisäksi Johanna huomasi blogissaan, että jokien esiintyminen valuma-alueilla, missä ei ole järviä, korreloi suuremman tulvaindeksin kanssa, minkä voisi arvella johtuvan myöskin siitä, että alueen vesillä ei ole muita virtaamispaikkoja kuin vähän vettä kerralla varastoiva joki.

Kirjallisuus

Kolmas kerta konfliktit kertoo

Kurssikerta 3

Viikko 2. Projektioiden kanssa leikkimistä

Kurssin toinen tunti käsitteli erilaisten projektioiden vääristymien tarkastelua. Tarkastelimme, miten projektion vaihto ohjelmassa tapahtuu, sekä miten verrata niiden suhteita kartan mittaustyökalujen, sekä tietokannan laskentamenetelmien avulla. Tarkastelimme eroja tunnilla ensin karttatyökalujen avulla mittaamalla janoja ja alueita, sekä vertailemalla niiden pituuksia ja pinta-aloja eri projektioissa. Tämän jälkeen tarkastelimme kuntien pinta-alojen eroja Lambertin ja Mercatorin projektioiden välillä käyttämällä tietokannan laskentatyökaluja.

Pinta-aloissa oli huomattavia eroja tiettyjen projektioiden välillä, etenkin tehtäessä mittaukset Pohjois-Suomen leveysasteilla. Erityisesti Mercatorin projektion vääristymät olivat suuret, niin kuin on havaittavissa Elina Huhtisen havainnollistavassa pylväsdiagrammissa erilaisten projektioiden vaikutuksesta mitattuihin pinta-alaan ja pituuteen. En itse lähtenyt tekemään diagrammia projektioiden välisistä mittauseroista, mutta otin lisämausteena tarkasteluun eriksen vaakasuorat ja pystysuorat pituudet, sekä laskin alojen ja pituuksien suhdeluvun TM35FIN-projektioon nähden. Kuten allaolevasta kaaviosta voi huomata, leveyssuunnan myötäiset erot pituussuunnan myötäisiin eroihin on huomattava etenkin Albersin projektiossa. Myös Julia Salmi huomasi omassa blogissaan, kuinka projektioiden vääristymät voivat olla sekä leveys-, että pituussuuntaisia tarkastellessaan pinta-alojen vääristymää kuntatasolla.

Kaavio eri projektioiden vääristymistä pinta-alan ja pituuksien suhteen

Kurssikerran toisessa tehtävässä piti verrata Mercatorin projektion tuottamaa pinta-alojen vääristymää suhteellisen tarkasti Suomea kuvaavan Lambertin oikeapintaisen tasoprojektion kanssa. Tehtävä piti toteuttaa tekemällä kartta-aineiston tietokantaan uudet sarakkeet kuntien pinta-aloista molemmille projektioille, ja sen jälkeen laskea suhdeluku tavallisella prosenttilaskulla uuteen sarakkeeseen. Mercatorin projektiossa on havaittavissa selkeä pohjoissuuntainen vääristymä, mitä osasin odottaakkin aiemmilla kursseilla saadun tietopohjan perusteella.

Mercatorin projektion kuntakohtainen pinta-alojen vääristymä suhteessa Lambertin projektioon

Viimeisenä tehtävänantona oli vielä tehdä pinta-alojen vertailu Lambertin projektion, sekä jonkun muun kuin Mercatorin projektion välillä. Valitsin projektioksi Albersin kartioprojektion, sillä halusin nähdä kuinka suuri vääristymä on jotakin kartioprojektiota käytettäessä. Albersin projektio pärjäsi vertailussa yllättävän hyvin, ja projektio vastaa Lambertin projektion pinta-aloja suhteellisen tarkasti etenkin Keski- ja Pohjois-Suomessa. Tässäkin projektiossa pinta-alojen vääristymä kasvaa pohjoissuuntaisesti, mutta paljon maltillisemmin verrattuna Mercatorin projektioon.

Albersin projektion kuntakohtainen vääristymä suhteessa Lambertin projektioon

Kirjallisuus

Osa 2: Projektiovalintojen pohdintaa

Viikko 2 – projektion vaikutus karttaan

https://fi.wikipedia.org/wiki/Albersin_projektio

https://fi.wikipedia.org/wiki/Lambertin_oikeapintainen_tasoprojektio

Viikko 1. QGIS-ohjelmaan tutustumista ja tietokantojen muokkausta

Noniin, ehkä se olisi aika tehdä ensimmäinen blogipäivitys tänne, kun ensimmäisestä tunnista kulunut jo melkein viikko. Hieman tässä ehtinyt jo unohtaa mitä ensimmäisellä kurssikerralla tarkalleen ottaen mielessä liikkui, mutta enköhän pääpiirteittäin saa tähän koottua keskeiset ajatukseni. Kurssilla käytetty QGIS ohjelma on minulle täysin uusi tuttavuus niin kuin varmasti useimmalle, mutta ohjelman peruskäyttö tuntui ensivaikutelman perusteella olevan yllättävänkin suoraviivaista. Jonkin verran harmaita hiuksia aiheutti jotkin printtaustyötilan puutteet ja ei niin intuitiiviset työkalut, sekä toisessa kartassa tietokantojen yhdistely.

Ensimmäisen, Itämeren maiden typpipäästöjä kuvaavan koropleettikartan laatiminen sujui pitkälti opettajan, sekä ohjeet sisältävän tekstitiedoston neuvoja noudattamalla. Ensimmäisenä vaikuttavana ominaisuutena ohjelmassa tuli esille mahdollisuus vaihtaa kartan projektiota lennossa, mikä varmasti helpottaa erilaisten kartta-aineistojen kanssa työskentelyä ja niiden tietojen yhdistämistä. Tulevissa tehtävissä täytyy myös muistaa hallita näytillä datan määrää työtilassa ollessa, sillä ainakin omalla koneellani työtila hidastui merkittävästi kaikkien saatavilla olevien tietojen ollessa näkyvillä. Printtaustyötilassa yllätti positiivisesti, miten helposti kartan peruselementit saa implementoitua printtausnäkymään.

Ensimmäisen karttatyön aikana opin hyvin ohjelman perustyökalujen käytön datan hallinnan ja visualisoinnin osalta. Teettämäni kartta ei mielestäni ole ehkä visuaalisesti nätein mahdollinen, mutta olen siihen kuitenkin tyytyväinen ensimmäisenä tuotoksena.

Ensimmäisen tehtävän Itämeren valtioiden typpipäästöjä kuvaava kartta.

Ensimmäisen viikon toinen harjoitus liittyi Suomen kuntiin ja niiden tilastoja kuvaavan koropleettikartan laatimiseen. GIS:sistä kiinnostuneena ja yhden kurssin tietokantoja opiskelleena päätin hypätä heti syvään altaaseen, ja tehdä tehtävän vaikeamman toteutuksen, jossa piti itse etsiä netistä kuntien tilastotietoja ja liittää ne osaksi tehtävässä valmiiksi annettua kuntien tilastotietokantaa. Mieleeni tuli välittömästi etsiä tilastotietoa Tiedon esittäminen maantieteessä -kurssilla käytetystä, Tilastokeskuksen ylläpitämästä StatFin-sivustosta, jossa on tarjolla lähes kaikkea mahdollista Suomen tilastotietoa aina kuntatasolle asti. Hetken aineistoa selattuani päätin laatia koropleettikartan vuoden 2015 eduskuntavaalien äänestysaktiivisuuden perusteella.

Olin aluksi epätietoinen, miten ladatun aineiston liittäminen valmiiksi annettuun kuntien tietokantaan onnistuu, mutta pienen tuskailun ja googlailun jälkeen homma kuitenkin valkeni. Ensimmäinen haaste oli saada ladattu tietokanta haluttuun muotoon, missä eri sarakkeet on eroteltu määritellyillä merkeillä, ja tietokannasta on siistitty pois kaikki ylimääräinen sen lukua häiritsevä tieto. Latasinkin tilastotiedot aluksi Excel-tiedostona niin kuin ohjeissa neuvottiin, jonka jälkeen siistin tiedoista kaiken ylimääräisen metadatan pois, kunnes tietokanta koostui vain kuntien nimistä ja niiden äänestysprosenteista. Tämän jälkeen tallensin tiedoston ohjeiden mukaan csv-tiedostona ja avasin sen suoraan QGIS:ssin Browser-valikosta.

Äänestystilastojen muoto Excelissä.

Matkantekoon tuli kuitenkin tässä vaiheessa pieni ongelma. Ladattuani tiedoston QGIS:ssiin, ei ohjelma osannut erotella kunnolla eri sarakkeita toisistaan. Ohjelma erotteli automaattisesti pilkun perusteella eri sarakkeet toisistaan, kun taas csv-tiedostossa erottimena on hämäävästi puolipiste (tiedostonimi tulee lyhenteestä “comma separated values”, eli “pilkulla erotetut arvot”, joten puolipisteen käyttö arvojen erottelemiseen ei kuulosta kovin intuitiiviselta). Lopputuloksena minulla oli ohjelmassa sarakkeet, jossa toisessa oli kunnan nimi ja sen äänestysprosenttien kokonaisluvut, ja toisessa äänestysprosenttien desimaalit. Lopulta valikkojen ja foorumien parissa surffailu tuotti tulosta, ja löysin sivun yläreunan Layer-valikosta komennon ”Add Delimited Text Layer” – toiminnon, jossa pystyin määrittelemään tietokannan sarakkeiden erotusmerkin, millä sain lopulta äänestysprosentit ja kuntien nimet omille sarakkeilleen.

Add delimited text layer -valikko, ja siinä käytetyt asetukset, joilla sain tiedot tuotua ohjelmaan halutussa muodossa. (Tab-täpän arvojen erottelussa voisi laittaa pois, mutta se ei tässä tilanteessa haitannut tiedoston lukemista).

Seuraava haaste tulikin tietokantojen liittämisessä toisiinsa. Tämä oli suhteellisen suoraviivaista internetin ohjeiden avustuksella, joskin niiden löytämiseen meni jonkin verran aikaa. Yhdistämiseen käytettiin ohjelmasta löytyvää JOIN-työkalua, jolla pystyy tuomaan suoraan yhden tietokannan sarakkeiden tiedot osaksi toista tietokantaa. Työkaluun syötetään yksinkertaisesti eri tietokantoja yhdistävät uniikit sarakkeet, mitkä tässä tehtävässä olivat kuntien nimet, ja valitaan mitkä sarakkeet halutaan toiseen tietokantaan tuoda, mitkä olivat tässä tapauksessa äänestysprosentit sisältävä sarake.

Näiden toimenpiteiden jälkeen kartan tekeminen sujui samalla tavalla kuin ensimmäisessä tehtävässä. Liitin huvin vuoksi ylimääräisenä tilastotietona karttanäkymään tiedot eniten ja vähiten äänestäneistä kunnista, mikä onnistui printtausnäkymän ”Add Attribute Table” -työkalulla.

Valmis kartta kuntien äänestysaktiivisuudesta.

Kirjallisuus

Tilastokeskus, StaFin-tilastotietokanta, Vaalikartta-aineisto kunnittain – Eduskuntavaalit 2015, 21.1
http://pxnet2.stat.fi/PXWeb/pxweb/fi/StatFin/

Ujaval Gandhi, Importing spreadsheets or CSV files, 21.1 https://www.qgistutorials.com/en/docs/importing_spreadsheets_csv.html

Ujaval Gandhi, Performing Table Joins, 21.1 https://www.qgistutorials.com/en/docs/performing_table_joins.html