Month: February 2022

Tällä viikolla oli tarkoituksena tutustua pisteaineistojen esittämiseen kartalla, käyttämään Epicollect5 -sovellusta pisteiden keräämisessä ja siirtämään kerättyä dataa kartalle. Tavoitteena oli myös oppia muokkaamaan muualta tuotua dataa sellaiseen muotoon, että se voidaan esittää kartassa. Itse en päässyt osallistumaan kurssikerralle fyysisesti, mutta hommat hoitui hyvien ohjeiden siivittämänä kotoa käsinkin.

Kurssikerran ensimmäisenä harjoituksena oli käydä ulkoilemassa ja keräämässä Epicollect5-sovelluksella maastosta ohjeiden mukaisia kohteita ja niiden koordinaattitietoja, sekä vastata annettuihin kysymyksiin. Aineisto ladattiin luokassa koneille ja csv-muotoisena se saatiin QGis-ohjelmassa yhdeksi karttatasoksi. Itse sain harjoitella tätä muiden keräämän datan avulla. Visualisointiin sai taas uppoamaan aikaa enemmän kuin sitä olisi ollut! 🙂 Pisteaineiston perusteella harjoittelin vielä interpolointia, mikä onnistui mielestäni suht kivuttomasti Interpolation-työkalun avulla. Siinä pisteiden välille lasketaan myös arvio, mikä kertoo esimerkiksi turvallisuuden tunteen asteen eri mittauspisteiden välillä. Interpoloitu kartta oli mielestäni havainnollistava ja visuaaliinen.

Maanjäristyksiä

Varsinaisena itsenäisenä tehtävänä oli harjoitella tiedon etsintää internetistä ja sen tuomista pistemuotoisena tietona kartalle. Päätin heti keskittyä maanjäristyksiin, sillä ne ovat mielestäni mielenkiintoisia monesta eri näkökulmasta, ja ne koskettavat valtavan suurta osaa ihmiskunnasta. Järistyksiä syntyy muun muassa mannerlaattojen liikkuessa toistensa suhteen, sekä tulivuorenpurkauksissa ja asteroiditörmäysten, maanvyöryjen ja luolaromahdusten takia. Enisten maanjäristyksiä esintyy mannerlaattojen raja-alueilla, joissa on myös paljon tulivuoritoimintaa. (Wikipedia)

Tutkin ensin tehtävässä annetun linkin pohjalta, minkä verran ja missä päin maailmaa on vuosina 1980-2012 esiintynyt isoja, yli 8 magnitudin järistyksiä (kuva 1). Sivusto on NCEDC:n ylläpitämä maanjäristyksiä tutkivan Pohjois-Kalifornian seismologian laitoksen sivusto.

kuva 1. Isot, 8-10 magnitudin maanjäristykset vuosina 1980-2012. (NCEDC)

Sain kaipaamani datan helposti esiin ja siirrettyä taulukko-ohjelmaan muokattavaksi, mutta meinasin jo luovuttaa tehtävän kanssa, kun en saanut millään pisteitä näkyviin kartalla (attribuuttitulukko ja data muuten siirtyi moitteettomasti QGisiin). Vihdoin (siis valehtelematta ainakin 3h yrittämisen ja 100 yrityksen ja erehdyksen sekä opetusvideon kelailun jälkeen) löysin syyn; QGis vaati sijaintitietoihin pisteen, ja Excel pilkun (ettei se sekota lukuarvoja päivämääriin)! Voi että miten pienestä asia voi joskus olla kiinni!! Toisaalta niin turhauttavaa, mutta toisaalta opettavaistakin. Ensi kerralla luultavasti tajuan kokeilla aiemmin missä ohjelmassa toimii piste ja missä pilkku, jos data ei siirry toivotusti kartalle.

Seuraavaksi ajattelin hakea samoilla raja-arvoilla pienempiä järistyksiä, joiden perusteella visualisoin seuraavat kartat (kuva 2 ja kuva 3), joissa kuvataan kaikki yli 7 magnitudin järisykset (kuva 2) ja kaikki yli 6,5 magnitudin järisykset (kuva 3). Alle 6,5 magnitudin järisyksiä oli tilastossa jo niin paljon, että kartan visuaalisuus ja informatiivisuus olisi kärsinyt, joten en ottanut tähän tarkasteluun mukaan alle 6,5 magnitudin järisyksiä.

kuva 2. Yli 7 magnitudin maanjärisykset vuosina 1980-2012. (NCEDC)

kuva 3. Yli 6,5 magnitudin järisykset 1980-2012. (NCEDC)

Kuvien perusteella on selkeästi nähtävissä paikat, joissa isoja järisyksiä tapahtuu suhteessa eniten. Ne keskittyvät niin kutsutun Tyynenmeren tulirenkaan alueelle, joka on Tyynellä valtamerellä sijaitseva vyöhyke (kuva 4). Vyöhykkeellä tapahtuu 90% maailman maanjäristyksistä ja siellä on myös paljon tulivuoritoimintaa. Erityisesti kuvassa 3 vyöhyke alkaa selkeästi hahmottua.

kuva 4. Tyynenmeren tulirengas. (Yle Uutiset)

Näitä karttoja voisi hyödyntää esimerkiksi luonnon- ja hasardimaantieteen opettamisessa. Itselläni heräsi vielä ajatus, että olisin halunnut lisätä tähän karttaan seuraavaksi myös muita luonnon hasardeja, kuten tulivuoria ja meteoriitteja. Tähän ei kuitenkaan tällä kertaa oma aikani riittänyt, sillä vietin tehtävän alkupuolella liian kauan pilkun ja pisteen parissa kallisarvoista opiskeluaikaani.. Kuten Janne blogissaan kirjoittaa, hasasrdimaantieteen kurssit ovat monesti kouluissa yksiä niistä mielenkiintoisimmista, ehkä juuri niiden pelottavuuden, julmuuden, poikkeuksellisuduen ja mahtavuuden vuoksi. Mielestäni erityisesti siksi kursseilla näytettäviin karttoihin ja kuviin kannattaisi käyttää tovi aikaa, sillä voimakkaat kuvat ja kartan kautta saatu informaatio jää jo pienillä lapsilla usein lähtemättömästi mieleen. Puhumattakaan nuorista ja teineistä, jotka eivät ehkä jaksa kuunnella opetusta taikka lukea kirjoja, mutta kastelevat kuvat ja kartat läpi. En edelleenkään voi lakata pohtimasta miten paljon karttojen visualisoinnilla voi vaikuttaa sen antamaan informaatioon, ja miten eri visuaalisilla ilmeillä voi saada täysin erilaisia ensivaikutelmia aikaan. Alan jo hieman laidasta aavistaa, miksi kuulin lukiossa niin usein opettajani sanovan: “en löytänyt tästä oikein mitään kuvaavaa karttaa, joten tein sen itse..” 🙂

 

LÄHTEET:

Turunen Janne, (2022), Lumimyrskyjä ja maanjäristyksiä. Geoinformatiikan mystiset menetelmät. Luettu 26.2.2022. [https://blogs.helsinki.fi/janneturunen/]

Yle Uutiset. Luettu 27.2.2022. [https://yle.fi/uutiset/3-9841716]

Wikipedia, luettu 27.2.2022. [https://fi.wikipedia.org/wiki/Maanj%C3%A4ristys]

Wikipedia, luettu 27.2.2022. [https://fi.wikipedia.org/wiki/Tyynenmeren_tulirengas]

Tällä viikolla harjoiteltiin erityisesti laskemista karttakohteiden avulla sekä bufferoimaan. Harjoittelimme aluksi edellisen kurssikerran aineiston avulla muun muassa laskemaan Pornaisten taajama-alueen teiden pituuksia ja peltojen aloja. Mielestäni Sum line lenghts- ja Clip-toiminnot olivat tähän tarkoitukseen melko loogisia ja selkeitä käyttää. Harjoittelimme myös bufferointia tutkimalla miten paljon asuttuja rakennuksia Pornaisissa on tietyn etäisyyden päässä teistä.

Varsinaiset harjoitukset teimme tutkimalla Helsinki-Vantaan sekä Malmin lentokenttien ympäristöjä. Näihin tehtäviin emme saaneet niin yksityiskohtaisia oheita kuin aiemmin, vaan tarkoituksena oli käyttää omaa pohdintaa. Päädyimme muutaman kurssikaverin kanssa yhdessä tekemään nämä tehtävät, sillä yhdessä tehdessä aina joku hoksaa jonkin toiminnon ja toinen toisen.  Saadut arvot meillä heitti paikoin muutamalla henkilöllä, minkä arvioimme johtuvan vapaalla kädellä piirrettyjen kiitoteiden rajaamisesta.

Lähinnä Bufferointia ja Select by location-toimintoja hyväksikäyttäen tutkimme, että Malmin lentokentän pahimmalla lentomelualueella (2km lentokentästä) asuu  58 179 ihmistä ja 1km säteellä 8892. Kirjasin saadut tulokset  ylös taulukkoon (taulukko 1).

 

taulukko 1. Tulokset kurssikerran 5 itsenäisistä tehtävistä koottuna yhteen.

Helsinki-Vantaan lentokentästä 2km säteellä asuu 10 680 henkilöä, joista pahimmalla lentomelualueella (vähintään 65 dB) asuu 17 henkilöä. Prosentuaalisesti osuus on 0,16%.  Vähintään 55 dB alueella asuu 647 henkilöä, joka on 6,11% 2 km etäisyydellä asuneista ihmisistä.

Seuraavaksi tutkimme miten paljon asukkaita asuu metro- tai juna-asemien läheisyydessä. Enintään 500 m päässä lähimmästä asemasta asuu saamamme aineiston mukaan 111765 henkilöä, mikä on 21,7% koko alueen asukkaista (516193). Työikäisten osuus on 67,1%.

Valitsimme itsenäisistä tehtävistä tehtävän, jossa tutkimme kouluja ja Helsingin yhtenäiskoulun koulualuetta. Uusia ekaluokkalaisia on alueella aineistonkeruuvuodesta seuraavana vuonna aloittamassa 14 ja yläkouluikäisiä 62. Kouluikäisiä suhteessa aikuisiin on 8,4% (159/1894)x100. Muunkielisiä kouluikäisiä on noin 10.

Mitä jäi käteen tältä kurssikerralta?

Tätä tehtävää tehdessä joduimme todella pohtimaan mitä työkaluja kannattaa käyttää missäkin tehtävässä, jotta saimme halutun tuloksen järkevässä muodossa. Aika pian huomasimme, että hallitsemalla erilaiset valintatyökalut moni tehtävä hoitui helpommin. Bufferointia voisi harjoituksen kaltaisten tehtävien lisäksi hyödyntää esimerkiksi tutkittaessa asutusta julkisen liikenteen tai koulukyytien järjestelyssä, tai esimerkiksi terveyskeskusten kapasiteettiä pohdittaessa.

Oma QGisin käyttäminen alkaa pikkuhiljaa helpottua, kun uskaltaa jo rohkeammin kokeilla eri vaihtoehtoja, mutta kyllä edelleen sain huomata miten mittaamattoman arvokasta kurssikavereiden tuki tehtävien ratkaisussa on. Yhteistyössä on voimaa! 🙂 Kuten Eemil blogissaan kirjoittaa, usein vielä QGisiä pyöritellessä huomaa päätyvänsä lopulta oikeaan tulokseen, vaikka ei täysin ymmärrä prosessia mitä on tullut tehtyä. Tämän uskon helpottavan vasta kun ohjelma (ja ylipäätään paikkatietoohjelmat) tulevat itselle vielä tutummiksi. On kuitenkin äärimmäisen palkitsevaa kun pitkällisen podinnan ja monen yrityksen ja erehdyksen jälkeen saa jonkin tehtävän onnistumaan ja oikea vastaus näkyy silmien edessä. Harjoitukset siis jatkukoon.

 

Lähteet:

Sillankorva Eemil, (2022). KK5: Buffereita ja altaita. Eemilin mantsablogi – GIM 2022 seikkailut. Luettu 21.2.2022 [https://blogs.helsinki.fi/sillanko/].

 

 

 

Tämän viikon geoinformatiikkaharjoitukset eivät menneetkään ihan suunnitellusti, kun korona astui kuvaan mukaan. En siis päässyt osallistumaan fyysisesti kurssikerralle, mutta onneksi ohjeet ja tehtävänannot viimevuoden luoentotallenteineen Moodlessa oli kattavat, ja niin vain tästäkin harjoituksesta selvittiin! 🙂

Tällä viikolla oli tarkoitus tutustua eristyisesti rasterikarttoihin ja pistemuotoisiin aineistoihin.  Tutustuin myös kartan piirtämsieen QGisissä.

Ruututeemakartta ja ruotsinkieliset pääkaupunkiseudulla

Ensimmäinen tehtävä oli ladata Moodlesta pääkaupunkiseudun asukkaita ja rakennuksia koskeva hyvin laaja tiedosto. Tiedostossa oli hyvin paljon erilaista dataa, joten sen käsitteleminen olisi ollut äärimmäisen raskasta ja hidasta. Tämän vuoksi tein heti alkuun muutamia rajauksia tietokantaan ja karsin käsiteltäväksi vain tehtävän kannalta mielenkiintoiset tiedot. Lisäsin karttaan 1000m x 1000m ruudukon.

Keskityin tarkastelemaan ruotsinkielisten osuutta ja heidän sijoittumistaan pääkaupunkiseudulla. Luotuani ruudukon karttaan sitä oli mielestäni suhteellisen helppo visualisoida ja muuttaa ulkonäköä mahdollisimman informatiivikseksi. Kartassa (kuva 1) on kuvattu ruotsinkielisten suhteellista osuutta pääkaupunkiseudulla.

kuva 1. Pääkaupunkiseudun ruotsinkielisten asukkaiden määrä kuvattuna ruutukartalla.

Mielestäni kartasta tuli melko informatiivinen ja siitä näkee selkeästi, että ruotsinkielisiä on selkeästi eniten Helsingin(ja Espoon) eteläosissa sekä Kauniaisissa. Toisaalta nähdään myös, että ruotsinkielisten määrä suurissa osissa pääkaupunkiseutua on hyvin pieni. Nyt jälkikäteen ajateltuna, ja muiden blogeja luettuani olen kuitenkin sitä miteltä, että minun olisi kannattanut lisätä karttaan jotain nimistöä tai kuntarajoja, jotta lukijan olisi helpompi hahmottaa alueiden sijoittumista, kuten Jessika blogissaan kirjoittaa.

Ruututeemakartan etu on siinä, että kun ruudut ovat yhdenkokoisia, siinä voidaan esittää absoluuttisia määriä. Ruutukartassa voidaan myös tarkastella ilmiötä ilman hallinnollisia- tai teemarajoja, kuten Tilastokeskuksen Tilastokoulun sivuilla kerrotaan. Mielestäni ruututeemakartassa ei kuitenkaan välttämättä aina ole järkevää kuvata absoluuttisia määriä, jos halutaan välttää lukijan väärinkäsitykset. Tuomas pohtii mielestäni hyvin blogissaan, että absoluttisia määriä kuvaavassa ruutukartassa voi myös herkästi tulla väärinkäsitys ruotsinkielisten asukkaiden suhteellisesta osuudesta. Esimerkiksi Helsingin keskustassa ruotsinkielisten suuri määrä ei nimittäin alueen väkilukuun suhteuttettuna ole suuri. Ruututeemakartta kuvaa kuitenkin selkeästi ruotsinkielisten sijoittumista pääkaupunkiseudulla.

Pornaisten korkeusmalli

Kurssikerran toinen tehtävä liittyi Pornaisten alueen laserkeilauksella tuotetun korkeusmallin ja peruskarttalehden kanssa toimimiseen. Tarkoituksena oli tuottaa peruskarttalehdelle korkeuskäyrät ja -malli. Tämä onnistui mielestäni ennakkoluuloistani huolimatta yllättävän kivuttomasti (kuva 2). Pelkkien Word-tiedostoon kirjattujen ohjeiden avulla tuskin olisin saanut tuotettua minkäänlaista karttaa, mutta tässä kohtaa viime vuoden luentotallenne toimi luottopelaajana ja homma toimi. Sain kuin sainkin piirrettyä Pornaisten alueen peruskarttalehdelle korkeuskäyrät, jotka tuotettiin nyt siis laserkeilausmateriaalin perusteella.

kuva 2. Pornaisten alueen peruskarttalehti korkeuskäyrineen.

Verrattuani korkeuskäyriä Maanmittauslaitoksen tuottamiin korkeuskäyriin alueelta huomasin, että itse tuottamani käyrät ovat hieman liiankin tarkkoja ja herkkiä häiriöille, kuten korkeuskäyrät alueen keidassuolla (kuva 3) osoittaa. Pieniä yleistyksiä siis täytyisi tehdä, jotta kartan yleisilme pysyisi siistinä ja helppolukuisena.

kuva 3. Keidassuon korkeuskäyrä pohjautuen laserkeilauksen tuottamaan aineistoon.

Lopuksi harjoittelin vielä vähän piirtämistä QGisissä. Piirsin valitulla alueella (Pornaisten keskustaajama, rajattu punaisella nelilöllä) olevat tiet ja asuinrakennukset karttaan tekemällä molemmille omat tietokannat (kuva 4). Itse piirtotyökalut olivat hyvin simppeleitä käyttää, mutta kieltämättä niiden jättämä jälki ei mielestäni ollut yhtä visuaalinen kuin Corelissa.

Tästä on kuitenkin hyvä jatkaa ensi viikolla!

kuva 4. Pornaisten keskustaajaman asuinrakennukset ja tiet.

Lähteet:

Hartikainen Tuomas, (2022), 4. kurssikerta. Maa-gis-ta menoa. Luettu 13.2.2022 [https://blogs.helsinki.fi/tuomhart/]

Isomeri Jessika, (2022), Viikko 4 – Rasti ruutuun.  Jessikan GIS-hurvittelut – Matka geoinformatiikan saloihin. Haettu 13.2.2022. [https://blogs-test.it.helsinki.fi/jessikangishurvittelut/]

Tilastokeskus. Tilastokoulu. Luettu 13.2.2022. [https://tilastokoulu.stat.fi/verkkokoulu_v2.xql/data/tt/02/10/www.stat.fi/org/yhteystiedot/www.stat.fi/org/yhteystiedot/data/tkoulu_tutki/verkkokoulu_v2.xql?page_type=sisalto&course_id=tkoulu_teemak&lesson_id=4&subject_id=3]

Kolmatta kurssikertaa vietettiin tänään jälleen tiivisti QGisin äärellä istuen.

Aloitimme kurssikerran tutustumalla hyvin laajaan tietokantaan, joka koski Afrikan valtioita. Tämä oli jaettu meille kurssin Moodle-alueella. Ladattuamme tiedoston ja avattuamme QGisin aloimme harjoitella aineiston avulla erilaisia toimenpiteitä muun muassa yhdistämällä eri datarivejä. Yhdistimme harjoitusmielessä parin valtion osalta erilliset tiedot digitalisointityökalun avulla niin, että kunkin valtion tiedot löytyvät yheltä riviltä. Tämän toimenpiteen avulla saa selkeästi siistittyä taulukkoa, mutta se vaikutti melko työläältä tavalta, jos tarkastelussa on suuri aineisto. Sama efekti saadaan aikaan myös Processin toolboxista löytyvän Dissolve-työkalun avulla kaikille valtioille yhtäaikaa. Tämän työkalun avulla ei kuitenkaan päässyt vaikuttamaan siihen, miten hyvin alkuperäisen aineiston tiedot (tässä tapauksessa pinta-alatiedot) säilyvät. Myös aggregate-työkalun avulla voi sulauttaa eri alueiden tietoja yhteen niin, että valintoja eri luokitteluun on hieman enemmän.

Afrikka-tietokannan siivoamisen jälkeen harjoittelimme liittämään tietoa muista ohjelmista. Toimme annetuista materiaaleista Excel-muotoista tietoa taulukkona QGisiin. “Muutaman” pienen (hyvin opastetun) välivaiheen jälkeen saimme lisättyä Afrikan kartta-aineistoon lisää dataa. Voi miten pienestä sitä voikaan kokea onnistuneensa! 😉

Kuten edellä kerroin, Afrikka-aineisto oli hyvin laaja ja jäin pohtimaan mitä kaikkea sen tarjoaman datan avulla voisi visualisoida. Ainakin timanttikaivosten ja öljykenttien tuottavuusluokittelua voisi verrata konfliktien määrään ja tarkastella korrelloiko ne keskenään. Olisi myös mielenkiintoista nähdä miten internetin käyttö on Afrikassa levinnyt ja yleistynyt aineistossa esitettyjen vuosien aikana. Toisaalta voisi tarkastella myös öljykenttien vaikutusta alueen talouteen, mitä voisi ilmentää esimerkiksi internetin käyttöaste eri alueilla. Eemil oli blogissaan pohtinut Afrikan luonnonvarojen ja äärimmäisen köyhyyden välistä korrelaatiota ja visualisoinut tästä hienon ja informatiivisen kartan. Kuten hän toteaa blogissaan, “luonnonvarat eivät  ole  oikotie onneen”.

Afrikka-harjoittelun jälkeen saimme alkaa itsenäisesti tekemään tämän viikon harjoitustehtävää, jonka tavoitteena oli ensinnäkin tietokannan siistiminen omaa käyttöä vastaavaksi, ulkoisen tiedon liittäminen tietokantaan, uuden tiedon tuottaminen olemassa olevaan tietokantaan ja lopulta teemakartan tekeminen. Tarkastelimme tässä Suomen vesistöalueiden valuma-alueominaisuuksia ja tulvaherkkyyttä, ja tuotimme lopulta kartan laskemamme tulvaindeksin avulla. Kuvassa 1 olen visualisoinut Suomen vesistöjen tulvaherkkyyttä tulvaindeksin avulla.

Kartan tuottaminen ei käynyt niinsanotusti kivutta, vaikka lähes kaikkia tarvitsemiamme ominaisuuksia harjoittelimme ensin yhdessä Afrikka-tietokannan avulla. Kun siirryimme itsenäiseen harjoitukseen ja sain ensimmäisen tehtävän hyvin alkuun, minun käyttämä tietokone ilmoitti työpäivänsä päättyneen ja QGis kaatui. Sama toistui vielä uudelleen myöhemmässä vaiheessa, jolloin tajusin luovuttaa ja heittää repun selkääni ja häipyä paikalta. Näin paremmaksi jatkaa harjoitusta kotona yön pimeinä tunteina. Kotona harjoitusta yksin, ilman kurssikavereiden apua, jatkaessani voin kuitenkin hyvin allekirjoittaa Jessikan sanat: “vastavuoroinen auttaminen on best”. Kyllä luokassa harjoitusta yhdessä tehden se sujui huomattavasti helppommin!

Lopulta sain tuotettua tehtävässä pyydetyn teemakartan. Kartasta (kuva 1) näkee selvästi, että tulvaherkät alueet painottuvat Suomen rannikkoalueille. Ajattelen tämän johtuvan erityisesti merestä kohonneen maan tasaisuudesta. Lisäksi erityisesti Pohjanmaalla joet virtaavat laakeilla alueilla, jolloin ne altistuvat tulville herkemmin. Myös virtausta tasaavien järvien vähyys heijastuu usein alueiden tulvaherkkyytenä, kuten tästäkin kartasta voimme päätellä. Järvisuomen alueella ei tulvaindeksi ole kuvan 1 mukaan lainkaan merkittävä. Koitin lisätä karttaan vielä järvisyyttä kuvaavat diagrammit, mutta vaikka näinä yön pimeinä tunteina kokeilin kaikkia vaihtoehtoja ja koitin parhaani, en saanut diagrammeista mitenkään järkevän näköisiä ja kokoisia. Siispä jätin ne pois kartasta. Sen verran kuitenkin perfektionistia on minussakin, että luultavasti palaan tähän haasteeseen vielä viikonlopun aikana…

Kaikenkaikkiaan kolmannella kurssikerralla opin paljon eri aineisojen yhdistämisestä ja tietokantojen muokkaamisesta. Paljon jäi taas käteen uusia työkaluja QGisin ääressä toimimiseen. Toivon vain että nämä tänään hankkimani työkalut pysyisivät edes hetken aikaa tallessa 🙂

LÄHTEET:

Eemilin mantsablogi. Haettu 2.2.2022 [https://blogs.helsinki.fi/sillanko/]

Jessikan GIS hurvittelut. Haettu 2.2.2022. [https://blogs-test.it.helsinki.fi/jessikangishurvittelut/]