Mitä tahansa eli jättipalsamin levinneisyys

Viimeisen kurssikerran tehtävänanto oli hyvin vapaa. Saimme valiota tekevämme käytännössä mitä tahansa halusimme, kunhan vaikeusaste ja työmäärä vastaisivat kurssin tasoa. Muutamia lähtökohtia oli annettu esimerkiksi. Päätin tehdä jotakin, jossa pääsisin kertaamaan niitä taitoja, jopista uskoin olevan minulle eniten hyötyä vaikkapa kesätöissä. Valitsin myös minua kiinnostavan aiheen. Löysin kansallisesta vieraslajiportaalista tiedoston, joka sisälsi kaikki sinne ilmoitetut havainnot jättipalsamista. Jättipalsami (Impatiens glandulifera) on luokiteltu erityisen haitalliseksi vieraslajiksi ja se uhkaa erityisesti kosteiden paikkojen kuten rantojen ja puronvarsien lajistoa. Jättipalsami leviää tehokkaasti ja on voimakas kilpailija.

Jättipalsami muodostaa helposti tiheitä kasvustoja, joissa muut lajit eivät pärjää. (Kuva: Aino Peltola)

Lähestymistavassani taitaa näkyä se, etten opiskele maantiedettä. Kartat ovat ihan kivoja, mutta oikeastaan vain väline. Paikkatietoja on käsiteltävä paikkatieto-ohjelmalla, mutta tulosten tulkinta, syiden ja seurausten pohdinta ja käytännön sovellukset vievät päähuomioni. Toki haluan, että tuottamani kartat ovat visuaalisesti mahdollisimman selkeitä, mutta pääpaino minulla on koko kurssin ajan ollut muualla. Olen yrittänyt kaivaa aineistoista esiin kiinnostavia näkökulmia.

Lähdin tutkimaan, mikä olisi paras tapa toteuttaa havainnollinen kartta jättipalsamin esiintymisestä Suomessa. Kuten yleensäkin, huomasin, että yhdellä kartalle ei pysty kertomaan kaikkea olennaista, vaan näkökulmasta ja käyttötarkoituksesta riippuen tarvitaan erilaisia karttoja. Minulle oli kuitenkin selvää heti alusta alkaen, että jättipalsamia kuvataan kartalla pinkillä värillä, koska kasvin kukat ovat vaaleanpunaiset.

Ihan ensiksi latasin vain havaintopisteet Suomen kartalle. Vieraslajiportaalin havainnot koostuvat kansalaisten portaaliin ilmoittamista havainnoista. Mitään systemaattista kartoitusta ei ole tehty. Näin ollen aineisto ei luultavasti ole kovin kattava, mutta se täydentyy jatkuvasti ihmisten vieraslajitietoisuuden kasvaessa. Karttoja onkin tulkittava siitä näkökulmasta, että tieto on puutteellista.

Pisteet kartalla ovat visuaalisesti periaatteessa hyvin yksinkertainen tapa esittää tietoa. On helppo hahmottaa, missä havaintoja on paljon ja missä vähän eikä katsojan juuri tarvitse perehtyä kartan selitteisiin tai vaivata päätään muutenkaan. Yksittäisten pisteiden näyttämisen ongelma on tässäkin, kuten monissa edellisissä kartoissa päällekkäisten pisteiden esittäminen.

Jättipalsamin esiintymispaikat asukkaiden ilmoitusten mukaan. Tiedot haettu 1.3.2019

Koko maan mittakaavassa havaintojen tarkalla sijainnilla ei ole niin suurta väliä, vaan tällaisesta esityksestä on tärkeämpää hahmottaa kokonaiskuva. Kuntataso ei kuitenkaan välttämättä ole paras esitystapa, koska kunnat keskenään erisuuruisia ja osa kunnista on epäkäytännöllisen isoja. Eroja ei täten saa näkyviin. Loin Etelä-Suomen kattavan ruudukon, jossa yksi ruutu edusti sataa neliökilometriä (10×10 km). Pohjois-Suomessa havaintoja oli melko vähän, enkä uskonut, että kartasta saisi mitään selvää, jos yrittäisin jakaa koko maan näin pieniin ruutuihin. Sainkin tällä tavoin esitettyä esiintymien alueellisen jakautumisen mielestäni ihan hyvin.

 

Jättipalsami ei ole alueellisesti tasaisesti levinnyt koko maahan. Kartalla näkyvät ruudut ovat selitteestä poiketen 10×10 kilometrin kokoisia.

Olen pohtinut kurssin aikana paljon erilisten asteikkojen käyttöä sekä värien käytön vaikutusta. Uskon, että näillä valinnoilla on huomattava merkitys kartan tulkinnassa. Tekemissäni kartassa asteikko ei ole tasavälinen. Päädyin ratkaisuun sen takia, että vieraslajien torjunnan kannalta jo pienikin määrä tehokkaasti leviävää lajia on suuri ongelma. Halusin siis näin korostaa tilanteen kiirellisyyttä. Lisäksi uskon, että lataamastani datasta puuttuu runsaasti lajin kasvupaikkoja, joilloin skaalaan havainnot kartalla mieluummin ylöspäin. Viestiäni tukemaan valitsin lisäksi tahallani väriskaalan, joka tummuu hyvin nopeasti. Visuaalisesti sain näin korostettua viestiäni. Reilua vai ei? No mitä sitä ei tärkeään asiaan vaikuttamiseksi teksisi. Sitäpaitsi ratkaisulleni on ekokologinen perustelu. Tavallaan kartta esittää samalla suurimpia riskialueita, joilla jättipalsami saattaisi lähteä leviämään lisää.  Viisas lukija huomaa temppuni, mutta tieto on kyllä kaikkien näkyvillä. Sallittakoon pieni vilunkipeli hyvän asian puolesta.

Kartalta huomasin, että esiintymät eivät ole tasaisesti jakautuneet, vaan havaintoja näytti olevan erityisen runsaasti suurten kaupunkien kohdilla. Varmistaakseni pohdintani toin karttaan vielä tiedot taajama-alueista. Alueet oli eroteltu kerrostalo- pientalo- ja harvaksi pientaloalueeksi. Silmämääräisesti näyttää siltä, että jättipalsamiesiintymiä todella on paljon siellä, missä on paljon asutusta. Selvitin myös, kuinka moni kaikkiaan 7023 esiintymästä on taajamissa. Havainnoista 547 eli 8 % on kerrostaloalueella, 1595 eli 23% pientaloalueella ja 616 eli 9 % harvalla pientaloalueella. Kaikkiaan siis 40 % asutuilla alueilla. Ilmiöllä voi olla kaksi selitystä: joko jättipalsamia on oikeasti runsaasti siellä, missä ihmiset asuvat tai sitten ihmiset ilmoittavat innokkaimmin havaintojaan sieltä, missä asuvat ja liikkuvat eniten. Olettaisin, että molemmat ilmiöt selittävät asuinalueiden ja esiintymien yhteyttä.

Jättipalamihavaintoja on ilmoitettu paljon taajama-alueilta. Vertaa ylempään karttaan.

Vaikka ruuduilla saa alueellisen jakautumisen näkymään paremmin, monia asioita hoidetaan käytännössä kuntatasolla. Vieraslajien torjunta on pitkälti kuntien ja yksityisten maanomistajien vastuulla. Siispä vieraslajiongelmaa on luonteva tarkastella kuntakohtaisesti. Vaikka periaatteessa meitä neuvottiin olemaan esittämättä absoluuttisia lukuarvoja koropleettikartalla, mielestäni esitystapa on tarkoituksenmukainen tässä kohtaa. Kartasta näkee nopeasti, missä kunnissa ongelma on suuri ja missä päästäisiin vielä vähällä vaivalla, jos ongelmaan tartuttaisiin heti.

Jättipalsamiesiintymien määrä kunnittain vaihtelee.

Jättipalsamin levinneisyyttä olisi mielenkiintoista tarkastella enemmänkin ja ottaa tarkastelun avuksi valama-alueet, sillä kasvi leviää usein puronvarsia pitkin. En kuitenkaan usko, että tietokannassa on tarpeeksi havaintoja, jotta tällaisessa analyysissa olisi järkeä. Vieraslajiportaalin tietomäärä kasvaa koko ajan ja näitä analyyseja olisikin kiinnostava tehdä muutaman vuoden päästä, kun aineisto toivottavasti on kattavampi. Tämän verran sain aineistosta irti tällä kertaa, kun tehtävänanto oli näin laaja. Rajatumpaan tehtävänantoon on helpompi vastata, kun siitä saa paremman käsityksen siitä, mitä odotetaan.

Kaiken kaikkiaan olen erittäin tyytyväinen kurssiin. Jaan täysin Vilma Kaukavuoren näkemyksen blogimuotoisen suorituksen hauskuudesta ja hyödyllisyydestä. Hänen mukaansa omat kartat tulee viimeistellyksi huolellisemmin, kun tietää jonkun lukevan niitä. Itse sanoisin myös oppineeni paljon muiden tekemistä ratkaisuista sekä saaden hyviä ideoita visualisoinneista että huomaten, mitä itse ei välttämättä kannata tehdä. Kaikkea ei aina tarvitse tehdä itse, kun muut ovat asioita jo kokeilleet. Koen päässeeni paljon pitemmälle kuin mihin ilman muiden kurssiblogeja olisin voinut yltää. Blogin kirjoittaminenkin oli motivoivaa, kun tiesi, että joku sitä ehkä lukeekin.

Olen ollut erittäin tyytyväinen kurssin opetukseen. Ilmapiiri kurssilla on ollut kannustava ja tahti sopiva. Siitä iso kiitos Arttu Paarlahdelle! Tuntuu, että kursin opit ovat tarttuneet päähän ja voivat siellä jopa pysyäkin. Vaatimustaso on noussut sopivasti pikkuhiljaa ja salakavalasti vastuuta on sysätty meille koko ajan enemmän. Pientä omaa ongelmanratkaisuakin pääsi harjoittelemaan. Siinä koen kuitenkin kaipaavani vielä harjoitusta. Kun kaikki menee hyvin, ohjelman käyttö sujuu vaivatta, mutta ongelmien ilmetessä onkin vaikeampaa. Aina ei raivokas googlaaminenkaan auta ja on mietittävä tehtävälle uusi suunta tai vähintäänkin kiertotie. Tätä ei kuitenkaan kai opi kuin harjoittelemalla.

Kurssin aikana ja sen jälkeen on tunnut myös kiinnitettyä aivan eri tavalla huomiota ympärillä oleviin karttoihin. Helsingin sanomissa karttoja on päivittäin ja ulkona tulevat vastaan joukkoliikennekartat, joissa yksinkertaistus on viety äärimmilleen silti olennaisen tiedon välityksestä tinkimättä. Näitä oppeja pääsen vielä toivottavasti myös hyödyntämään!

 

Lähteet:

vieraslajit.fi

Vilma Kaukavuoren kurssiblogi: Turun paluu (luettu 18.3.2019)

https://blogs.helsinki.fi/vilmakau/2019/03/10/turun-paluu/

 

 

Helppolukuisia karttoja?

Kurssikerta alkoi tiedonkeruulla maastosta. Arvioimme lähikohteiden viihtyisyyttä, turvallisuutta ja houkuttelevuutta kävelijöille. Tiedonkeruuseen käytettiin Epicollect-mobiilisovellusta. Kurssilaisten keräämät tiedot yhdistettiin ja saadusta aineistosta visualisoitiin kartta. valitsin aiheekseni houkuttelevuuden kävelijän näkökulmasta. Kartalle oli tarkoitus interpoloida arvoja kerättyjen pisteiden välille ja saada näin summittainen kuva koko alueesta. Tein visualisoinnin kotona, jossa minulla on asennettuna uudempi versio QGIS-ohjelmasta ja havaitsin, että kurssin ohjeet eivät toimineet uudella versiolla, koska tarvittavaa pluginia ei ole. Pääsin siis soveltamaan heti alkajaisiksi työkalulla, jonka toimintaa en edes oikein ymmärtänyt. Vaihtoehtoisen työkalun valinta oli vaikeaa. Kokeilin läpi kaikki ”intepolation”-haulla toolboxista löytyneet työkalut ja valitsin sen, jonka lopputulos muistutti eniten muiden kurssilaisten aikaansaannoksia. Ihan samaa lopputulokseen en kuitenkaan päässyt, vaan minulla esitystapa on kulmikkaampi.

Kartassani näkyy, kuinka houkuttelevaksi kävelijä kokee kartan kohteet. Ennalta-arvattavasti kartalla punaisena eli luotaantyöntävänä erottuu vilkasliikenteisen kadun ylittävä suojatie kun taas vihreällä eli houkuttelevuutta kuvastavalla värillä näkyy koko Kumpulan kasvitieteellisen puutarhan alue. Pisteitä olisi kuitenkin suonut olevan enemmän paremman kuvan saamiseksi.
Jos olen ymmärtänyt oikein, interpoloinnilla voi tavallaan paikkailla datan vähäisyyttä, mutta minun silmääni kartta näyttää kuitenkin siltä, että parempaan lopputulokseen olisi päästy hieman suuremmalla havaintomäärällä. Esimerkiksi puisto voidaan kokea houkuttelevaksi, mutta parinkymmenen metrin päässä jylisevä Kustaa Vaasan tie luotaantyöntäväksi. Jos puistosta puuttuu havaintopisteitä, analyysin tuloksena puistokin voi olla kartalla epämiellyttävä, vaikka ihmiset eivät näin kokisikaan. Tästä hyvä esimerkki on Kumtähden puisto kartan oikeassa laidassa.

Seuraavaan tehtävään saimme vielä edellistäkin vapaammat kädet. Tehtävänämme oli tuottaa havainnollisia karttoja, joita voisi käyttää maantieteen opetuksessa. Aiheena olivat maanjäristykset, tulivuoret tai meteoriitit. Tehtävä on varmasti oikein kiva, jos sattuu olemaan maantieteilijä. Mikäli onkin kurssilta omaan tieteenalaan soveltuvaa osaamista hakemaan tullut biologi, tehtävä muuttuu paljon vaikeammaksi. Olen viimeksi istunut lukion pakollisella maantieteen kurssilla seitsemän vuotta sitten, joten tästä aihepiiristä minulta ei välttämättä mitään kovin omaperäistä irtoa. Yritetään silti. Tässä kohtaa ei voi kuin ihailla Inka Kecskemetin paneutumista oppitunnin suunnitteluun. Näin minäkin sen tekisin, jos osaisin. Luultavasti hyödynnän kurssikerran visualisointien pohtimiseen ja harjoitteluun.

Aloitin tehtävän kurkkimalla muiden kurssilaisten karttoja saadakseni vähän tuntumaa. Aika pian lähdin toteuttamaan karttaa, jossa näkyisivät tällä vuosituhannella sattuneet yli 6 magnitudin maanjäristykset. Aineiston tätä varten löysin NOAA:n sivuilta. Ajattelin 2000-luvun olevan sopiva ajanjakso tarkasteluun, koska se on itselleni helpoin hahmottaa. Aloitin koulun vuonna 2000. Tarkemmin ajatellen olisin voinut valita lyhyemmän ajan, sillä yläkoulu- tai lukioikäiset ovat nuorempia ja 19 vuoden tarkastelujakso tuntuu heistä varmaan pitkältä. Inka pohdiskeli blogissaan, miten päällekkäiset pisteet saisi näkymään maailmankartalla paremmin, sillä järistysten valtava määrä jää hahmottumatta liian kaukaa katsoessa. Edellistä tehtävää toteuttaessani olin törmännyt heatmapeihin ja harkitsin, saisiko sellaisen avulla korostettua alueita, joilla järistyksiä on ollut eniten. Oula Inkeroisen blogista voi käydä katsomassa näin toteutettuja karttoja. Lopputulos ei kuitenkaan ollut sellainen kuin halusin, vaikka idea periaatteessa tuntuu hyvältä, joten etsin suuntani muualta.

Kokeilin ensin, ymmärtäisikö pisteiden paljouden, jos lisäisin pisteen värityksen läpinäkyvyyttä. Tällöin yksittäiset pisteet eivät näkyisi niin voimakkaasti, kun taas päällekkäin asettuvat pisteet muodostaisivat voimakkaamman värin. Lopputulos näyttää siltä, kuin punaisella, kuivahtaneella tussilla olisi epätoivoisesti koetettu korostaa järistysalueita. (Ja lopuksi kyllästytty ja piirretty Paintilla voimakkaimmat kohdat käsivaraisesti.) Ei ehkä näin. Jos kuitenkin lisäisi pisteiden reunaviivat? Lopputulos on heti vähän parempi. Mutta huomaan, ettei näin suuri määrä pisteitä vain tahdo mahtua näin pienelle maailmankartalle.

Ensimmäinen yritys. Selitteet puuttuvat, koska totesin kartan jatkotyöstämisen turhaksi sen epäselvyyden vuoksi. Ylhäällä oleva artikkelikuva on suurennos tästä kartasta.

Jospa siis korostaisi uusia järistyksiä eniten ja vanhempia vähemmän? Valitsen väreiksi punaisen ja keltaisen sävyt kuvaamaan vaaraa. Ajattelen, että tuoreimmat tapaukset kiinnostaisivat oppilaita eniten, sillä niissä on ehkä eniten kosketuspinta-alaa omaan elämään. Lopputulos näyttää siltä, että järistysten määrät ovat lisääntyneet huomattavasti, sillä vanhimmat pisteet eivät erotu uusien alta lainkaan. Tämäkään ei ehkä ole viesti, jonka haluan antaa.
Kokeilen vielä pisteiden pienentämistä, ja ajanjakson lyhentämistä, mutta lopulta tosiasiat on myönnettävä. Liika on liikaa. Samojen vaikeuksien kanssa taitavat painia kaikki muutkin. Mielenkiintoista pohdintaa aiheesta esittää Vilma Kaukavuori omassa blogissaan. Yksinkertainen ei aina tarkoita helppoa!

 

Toinen yritys. Tummimmalla punaisella uusimmet järistykset, vaaleammalla vanhimmat eli vuosituhannen alku.
Kolmas yritys
Neljäs kartta. Voimakkaimpia, yli 8 magnitudin maanjäristyksiä on melko harvoin

Päätin harjoitella vielä itse etsittyjen aineistojen tuomista ohjelmaan ja lisään karttaani pohdinnan, surffailun ja pähkäilyn jälkeen mannerlaatat. Sinänsä odotetusti mannerlaattojen reunaviivat pujahtavat piiloon maanjäristysten alle. Ihan kiva, mutta viesti ei välity. Oppitunnilla ongelman voisi ratkaista karttaparilla, jotka voisi näyttää näppärästi ensin erikseen ja sitten tuoda yhdellä klikkauksella järistykset näkyviin, mutta yhdellä kartalla tämä ei onnistu.

Mannerlaatat ja maanjäristykset samalla kartalla

Tuntuu, että jonkinlainen esittelypläjäys erilaisista mahdollisuuksista esittää tietoa kartalla olisi ainakin itselleni hyödyllinen. Monia ulkoasuvalintoja toistan rutiininomaisesti ajattelematta asiaa sen enempää, ja kartoista tulee toistensa toisintoja. Ehkä näitä asioita käsitellään jollakin toisella kurssilla, jota en vain itse ole käynyt. Tällaisia kysymyksiä minulla kuitenkin heräsi:

Tarvitseeko niiden reunaviivojen aina olla tunkkaisen mustia?
Minkälaisilla symboleilla pisteitä kannattaisi kuvata? (Ja miten kuvata pisteitä, jotka asettuvat voimakkaasti toistensa päälle?)
Minkälaiset värit tukevat kartan viestiä?
Mitä kaikkea kartasta kannattaa karsia pois ja mitä sinne selvyyden vuoksi pitäisi lisätä?
Milloin kannattaa käyttää koropleettikarttaa?
Mitä tehdä kun muuttujien arvot eivät ole jakautuneet tasaisesti?
Tekeekö niillä diagrammeilla koskaan mitään? (Ja miten ihmeessä pylväsdiagrammin selite saadaan järkeväksi niin että pylväitä voi suhteuttaa johonkin?)
Miten kartan otsikko saadaan rivittymään kahdelle tai useammalle riville?

Maanjäristyksistä saisi varmasti paljon lisääkin irti opetuksessa. Esimerkiksi maanjäristyksen voimakkuuden asteikko olisi syytä käydä läpi. Myös vaikutuksia paljon järistyksistä kärsivien alueiden ihmisiin ja yhteiskuntaan olisi hyvä pohtia, mutta minulla on tässä nyt vain pari karttaa. Eiköhän se ole tämän tehtävän pääasia.

 

Lähteet:

Oula Inkeroisen kurssiblogi: Maastohommista maanjäristyksiin (luettu 13.3.2019)
https://blogs.helsinki.fi/inkeroul/

Vilma Kaukavuoren kurssiblogi: Tie maantieteilijän sydämeen (luettu 13.3.2019)
https://blogs.helsinki.fi/vilmakau/

Inka Kecskemetin kurssiblogi: Ulkoilua ja maanjäristyksiä (luettu 13.3.2019)
https://blogs.helsinki.fi/inke/

Mannerlaatat:
https://www.sciencebase.gov/catalog/item/4f4e4a48e4b07f02db62303e

Maanjäristykset:
https://earthquake.usgs.gov/earthquakes/search/

Mietitään ja tehdään ihan itse

Meitä kehotettiin tulemaan tälle kurssikerralle hyvin nukkuneina ja valmiina vaivaamaan aivojamme vaikeasti ymmärrettävillä asioilla. Möröt kasvoivat mielessäni suuriksi, mutta todellisuus oli melko lailla linjassa alkukurssin kanssa. Ylitsepääsemättömiä tehtäviä ei tullut vaan aiheet olivat täysin ymmärrettävissä opetusta kuuntelemalla ja itse tekemällä. Meitä varten oli varattu kasa tehtäviä, joissa pääsimme itse kokeilemaan opittuja asioita. Harjoitukset olivat hyödyllisiä. Ne jäivät vaivaamaan mieltä, kun uuden oivaltamisen näki olevan tulossa, mutta jotain olennaista vielä puuttui. Pikkuhiljaa ohjelman logiikka kuitenkin tuntuu asettuvan aloilleen ja omiin taitoihin alkaa luottaa enemmän. Taidot alkavat olla sillä tasolla, että monia asioita osaa tehdä ainakin vaikeimman kautta, mutta päänvaivaa aiheuttaa purkkavirityksien välttely. Haluan oppia tässä vaiheessa kätevät tavat toteuttaa asioita.

Harjoituksissa laskimme Helsinki-Vantaan lentokentän aiheuttamasta melusta kärsivien määrää. Oivallus eri tasoilla valittujen kohteiden pyörittelyn kätevyydestä on loksahtamaisillaan paikoilleen. Tätä kun vielä pääsisi käyttämään itse johonkin tarpeeseen, niin asia tarttuisi varmasti kunnolla mieleen. Puskurityökalun käyttö tuli tutuksi.

Tutustuimme myös taajamissa asuvien osuuteen pääkaupunkiseudulla. Oikeastaan olisi pitänyt tutkia pelkästään vantaalla asuvia, mutta en tajunnut heti, että kartalla oli mukana koko pääkaupunkiseudun asukkaat. Jos asian olisi tajunnut ajoissa, Vantaan asukkaat olisi ollut helppo tallentaa omalle tasolleen, mutta laskin nyt sitten koko aineistosta. Pääkaupunkiseudulla taajamissa asuu analyysini mukaan 70,89 %, mikä kuulostaa mielestäni yllättävän pieneltä osuudelta. Koululaisista taajamissa asuu käytännössä yhtä suuri prosentti. Laskemme myös ulkomaalaisten osuuksia taajamissa.

Mieli tekisi laskea asiat vain vähän vaikeamman kautta käsin, mutta haluan oppia käyttämään ohjelmaa. Pieni epäilys on kuitenkin koko ajan, onko ok kerätä iso kasa lukuarvoja esimerkiksi select features by value -toiminnolla ja statistical summarysta ja hoitaa kaikki laskeminen laskimella? Välillä, ainakin pienempien tietokantojen kanssa, kiusaus kopioida taulukko Exceliin ja hoitaa laskeminen siellä on suuri. Mutta hankaloitanko vain myöhempää elämää käyttämällä tällaisia oikoteitä?

Minulle ei aina ole ihan selvää, mitä ohjelma oikein laskee. Alueiden summaa, alueiden sisältävien pisteiden summaa vai pisteissä olevien asukkaiden summaa. Tässä kohtaa tulee tärkeäksi saatujen vastausten järkevyyden miettiminen. Kun aineisto on melko vieras, vastauksen puntaroiminen on välillä vaikeaa. Pikkuhiljaa aivojumpan seurauksena asia kirkastuu, mutta tarkkana saa olla, ettei vahingossa laske jotain ihan muuta kuin oli tarkoitus.

Viimeisen tehtävän sai valita itse kolmesta vaihtoehdosta. Minä aloin tutkia saunojen ja uima-altaiden määrää pääkaupunkiseudulla, koska tehtävä on hieman erilainen kuin edelliset, ja uskon, että tarvitsen sen opettamia juttuja tulevaisuudessa.

Pääkaupunkiseudulla on 855 taloa tai taloyhtiötä, jossa on oma uima-allas ja näissä taloissa asuu jopa 12170 asukasta. Nopeasti laskien noin yhdellä sadasta pääkaupunkiseudun asukkaasta on pääsy oman talon uima-altaaseen. Tiedot oli yllättävän helppo hakea tietokannasta pienen pähkäilyn jälkeen. Pääsin hyödyntämään kurssikerroilla käteväksi mainostettua ”Selected features only” -valintaa, jonka ansiosta riitti, että sain oikeat talot valittua. Ohjelma osasi hakea tietoja näistä kohteista ilman tietokantaan kajoamista. Onnekseni keksin kokeilla, voiko samaan aikaan suodattaa tuloksia usealla hakuehdolla. Onnistuihan se ja sain selville että uima-altaallisista taloista 345 on omakotitaloja. Samalla logiikalla laskettuna 158 taloista on paritaloja, 113 rivitaloja ja 181 kerrostaloja.

Tehtävänä oli tuottaa kartta, jossa näkyy uima-altaiden määrä alueittain numeroarvona. Selvyyden vuoksi poistin vielä näkyvistä nollat, koska ne tekivät kartan sekavaksi tuomatta mitään lisäarvoa. Nollien poistamisen jälkeen kartta näytti vähän vähemmän lasten väritystehtävältä. Aiemmin kurssilla oli kuitenkin ollut puhetta absoluuttisten arvojen käytön ongelmista. Siksi halusin ohjeiden (”liitä mukaan lukuarvoa kuvaavat pylväät”) vastaisesti esittää mieluummin uima-altaiden suhteellista osuutta alueilla. Mielessäni oli myös edellisen pylväsesityksen ongelmat. Muillakin kurssilaisilla kuuluu olevan ongelmia saada diagrammeista visuaalisesti hyviä. Jaan epävarmuuden niiden käytöstä Johanna Lehtisen kanssa.  Etenkin tässä tapauksessa pelkäsin kartan menevän ihan tukkoon pylväiden lisäämisestä. Sen sijaan esitin uima-altaallisten talojen osuudet koropleettikarttana.

Olin karttaani tässä vaiheessa melko tyytyväinen. Se oli mielestäni suhteellisen selkeä, mutta mitään käyttöä sille ei sellaisenaan ollut, koska kartasta oli mahdoton tietää, mitä alueet ovat tai edes minkä kunnan puolella ne ovat. Siksi lisäsin karttaan kuntarajat sekä meren. Aluejaot olisi ilmeisesti kannattanut vielä leikata merellä ennen kartan laatimista, niin rannikkoalueiden uima-allasmäärät eivät olisi meressä uiskentelemassa. Aluejaossa merta ei ole huomioitu, vaan koko alue saarineen on ilmeisesti piirretty yhdeksi alueeksi. Kuntarajat ja rantaviiva selkiyttävät karttaa huomattavasti. Pääkaupunkiseutulainen voi jo todennäköisesti tulkita karttaa paremmin, mutta mikäli alue ei ole tuttu, kartassa on yhä toivomisen varaa. En kuitenkaan usko, että tähän karttaan mahtuisi enää alueiden nimiä, koska alueita on niin monta ja suurimman osan niistä keskellä nököttää numero. Enemmän ei ole enemmän tässäkään tapauksessa. Pienemmän alueen tarkastelussa tarkemmista paikannimistä olisi varmasti apua.

Uima-altaita on eniten Helsingissä. (Klikkaa kuva suuremmaksi)

Tapoja käyttää QGIS:ä on varmasti monia. Samatkin asiat voinee laskea useilla eri työkaluilla. Me kurssilaiset olemme luultavasti oppineet erityisen hyvin opettajan suosikkimenetelmät, mitkä kieltämättä ovat yleensä varsin toimivia, mutta tuskin ainoita tapoja ratkaista tehtävät tässä ohjelmassa. Tällä hetkellä suosikkitoimintoni ohjelmassa ovat:

Field calculator -> Create new field (ja tähän lasketaan sitten summa tai prosentti)
Select features by value (ja sitten tallennetaan valitut uuteen tietokantaan tai tutkitaan valittujen kohteiden statistical summarya tai muuten jatketaan uuden tietokannan kanssa)
Join attributes by location
Select features by area
Deselect all features
Layer prepertiesin Joins (toimii hyvin viimeistään kolmannella yrittämällä)
Buffer
Statistical summary
Lisäksi attribuuttitaulukon kanssa olen aika hyvä kaveri

Moni kurssilainen, esimerkiksi Edvin Väänänen ja Johanna Lehtinen mainitsi Spatial queryn yhdeksi keskeisimmistä työkalauista. Tämä täytynee kerrata, sillä teksiä kirjoittaessani kurssikerran ensimmäiset työkalut olivat jo haihtuneet mielestä, enkä edes löytänyt kyseistä työkalua kotikoneellani olevan uusimman QGIS:n asennettavista plugineista. Tämä taytyy siis kerrata vielä.

Lähteet:
Edvin Väänäsen kurssiblogi: Puskurointia (KK5) (viitattu 2.3.2019)
https://blogs.helsinki.fi/johanleh/2019/02/14/itsenaista-saheltamista/

Johanna Lehtisen kurssiblogi: Itsenäistä säheltämistä (viitattu2.3.2019) https://blogs.helsinki.fi/johanleh/2019/02/14/itsenaista-saheltamista/

 

Ruutuja ja tosi pieniä ruutuja (rastereita)

Neljäs kurssikerta alkoi ruutupohjaiseen tiedon esittämiseen tutustumisella. Kävimme pääkaupunkiseudun kartta-aineiston kimppuun. Tutkimme pistemuotoista väestötietokantaa, jossa oli esitetty tietoa pääkaupunkiseudun asukkaista talokohtaisesti. Kuinka ollakaan, aika moni lähti heti tutkimaan oman talonsa tietoja. (Minäkin löysin itseni ja neljä ikätoveriani kotitaloni kohdalta.) Tarkoitus oli kuitenkin saada tietoja niputettua yhteen sen verran, että aineiston esittäminen kartalla on mielekästä. Siispä loimme QGIS:llä ruudukon pääkaupunkiseudun ylle Vector Grid –työkalulla. Poistimme vielä ne ruudut, joissa ei ollut yhtään asukasta keventääksemme tulevia prosesseja, mikä tuntuikin erittäin järkevältä ottaen huomioon ohjelman alituisen kaatuilun. Rami Heikkilä pohtiikin blogissaan, mahtaako kukaan käyttää näin epävakaata ohjelmaa oikeasti työelämässä. Sama kysymys on pyörinyt itselläkin mielessä, mutta vastauksena todettakoon, että olen itse käyttänyt ohjelmaa Espoon kaupungilla työskennellessäni. Ja tämä oli kahdesta tarjolla olevasta ohjelmasta ymmärtääkseni parempi ja helpompi käyttää. Ohjelma ei töissä kaatunut – uskokaa tai älkää – kertaakaan! Syynä varmaan melko lailla kevyemmät prosessit ja pienemmät tietokannat.

Koin ensimmäisen onnistumisen tunteen, kun rupesimme laskemaan ruuduissa olevien asukkaiden määrää. Toiminto oli minulle tuttu, koska olin viitsinyt tehdä vähän ylimääräistä työtä edellisen kurssikerran itsenäisten tehtävien kanssa laskiessani itse järvisyysprosenttia. Jes! Tuotimme kurssilla kartan, jossa näkyy ruotsinkielisten osuus kussakin neliökilometrin kokoisessa ruudussa. Jos absoluuttiset määrät kiinnostavat, voi käydä kurkkaamassa kurssitoverini Saaga Laapotin blogia. Aika oletettavasti eniten ruotsinkielisiä asui siellä, missä ihmisiä muutenkin on eniten eli kantakaupungissa. Tekemässäni kartassa huomion kiinnittävät yksittäiset ruudut siellä täällä, joissa ruotsinkielisten osuus on huomattavan suuri, jopa 100%. Lähempi tarkastelu paljastaa, että suuressa osassa näitä ruutuja asukasmäärä jää vain muutamaan ihmiseen. Tämäkään tarkastelutapa ei siten oikeastaan tuo paljon kiinnostavaa tietoa. Pienemmillä ruuduilla ja keskittymällä pienempään alueeseen aiheesta voisi saada hauskan kartan, jossa ruotsinkielisten osuus vaihtelisi enemmän. Uskoisin, että esimerkiksi ruotsinkielisille suunnatut opiskelijatalot Toukolassa voisivat näkyä tällaisessa kartassa.

Ruotsinkielisten osuus pääkaupunkiseudulla on suurimmaksi osaksi pieni. Niissä ruuduissa, joissa osuus näyttää olevan suuri, asuu useimmiten vain muutama asukas, mikä vääristää tulkintaa

Uusien karttojen kanssa joutuu aina vähän pohtimaan, minkälaisia visuaalisia ratkaisuja kannattaa tehdä, jotta kartta on mahdollisimman helppolukuinen. QGIS tarjoaa paljon vaihtoehtoja, mutta toisaalta minulla on vain vähän taitoa osata kaivata erilaisia ratkaisuja ja toisaalta myös taitoni käyttää niitä ovat vasta kehittymässä. Onneksi ovat muut kurssilaiset. Heidän kurssiblogejaan lukiessa silmä kehittyy havaitsemaan onnistuneita ratkaisuja ja käyttämään itse niistä parhaita.  Iida Ahavan blogista nappasin idean esittää ruudukon väliviivat valkoisella värillä. Se rauhoittaa kartan informaatiotulvaa ja saa huomion pysymään paremmin olennaisessa.

Kurssikerran itsenäisenä tehtävänä oli tuottaa oma kartta jostakin aineistossa annetusta muuttujasta Pääkaupunkiseudulla samaan tapaan kuin yhdessä tehty tehtävä. Päätin kuitenkin itse toteuttaa toisenlaisen kartan, mikä vaati hieman esivalmisteluja. Samalla kurssikerran aiheet tulivat kerrattua. Päätin tutkia lasten lukumäärää eri puolilla Espoota. Valitsin tarkoituksella pienemmän ruutukoon 250m x 250m, jotta saan enemmän eroja näkyviin. Samalla rajasin alueen vain Espooseen valitsemalla vain ne talot, joiden kuntakoodi oli 049 ja tallentamalla ne omaksi tietokannakseen. Ajattelin, ettei näin pienellä ruutukoolla kartasta saa mitään selvää, jos jätän mukaan koko pääkaupunkiseudun ja toisaalta uskoin osaavani tulkita kotikuntani karttaa paremmin kuin naapurikuntia. Minulle aiheutti pientä päänvaivaa keksiä, miten saan laskettua yhteen eri ikäluokat, sillä attribuuttitaulukossa oli erikseen lueteltuna jokaisen ikäluokan tiedot. Lopulta sain summan yhteen sarakkeeseen ja pääsin toteuttamaan karttani. Rehellisyyden nimissä täytyy tunnustaa, että onnistuminen vaatii vielä jonkin verran kokeilemista ja uusia yrityksiä, kun en hahmota aina, mitä, minne ja miten päin ohjelma laskee asioita.

Yllätyin siitä, kuinka paljon Espoossa on alueita, joilla ei asu kukaan. Vielä enemmän oli tietysti alueita, joilla ei ole yhtään lapsia. Näitä, melko suuriakin alueita on myös ”tiheään asutussa” Etelä-Espoossa. Kartasta saisi enemmän irti kun siihen asettaisi taustalle jonkinlaisen Espoon pohjakartan, josta näkisi, asuvatko lapset keskusta-alueilla vai niiden ulkopuolella. Vaihtoehtoisesti lasten jakautumista voisi verrata vastaavaan, kaikista asukkaista tehtyyn karttaan, mutta sitäkään en nyt tässä tehnyt.

Lapsia asuu ympäri Espoota, mutta eniten Etelä-Espoossa muutamassa keskittymässä

Sen sijaan tein vielä vertailun vuoksi vastaavan kartan vanhusten sijoittumisesta Espooseen. Vanhukset/eläkeläiset, joiksi tässä määrittelin yli 65-vuotiaat, (vaikka kaikki eivät ole eläkkeellä) ovat voimakkaammin keskittyneet vain muutamaan paikkaan. Kartan ruutukoko on sen verran pieni, että yksittäiset ikääntyneille suunnatut asumisratkaisut näkyvät varmaankin kartalla. Suuri osa Espoosta on harvaan asuttua omakotitalovaltaista aluetta ja on oletettavaa, että ihmiset muuttavat näiltä alueilta pois ikääntyessään. Se selittää varmasti ainakin osaksi vanhusten keskittymistä tietyille alueille.

Olen melko tyytyväinen tuotoksiini. Sain karsittua varsinkin Espoon kartoista aika hyvin kaiken epäolennaisen tiedon niin että jäljelle jäin harmoninen kokonaisuus. Kätevintä olisi, jos päällekkäin saisi ruutukartat kaikkien espoolaisten, vanhusten ja lasten sijoittumisesta ja pohjalle taustakartan, jossa näkyisi vaikkapa suuralueet. QGIS:ssä näin voikin tehdä, mutta en tiedä mikä olisi paras tapa toteuttaa ajatus lukijalle.

 

Yli 65-vuotiaat ovat asettuneet Espooseen keskitetymmin kuin lapset

Rasterikartat

Toinen tehtävämme liittyi rasteriaineistoihin. Saimme korkeustietoa sisältävän rasteriaineiston, josta muokkasimme visuaalisesti paremman ja helppolukuisemman. Käytimme rinnevarjostusta saadaksemme korkeuserot näkymään paremmin, koska alkuperäisestä mustavalkokuvasta niitä ei hahmottanut.

Rinnevarjostus piirtää maiseman muodot esiin
Rinnevarjostus yhdistettynä korkeuskäyriin ja peruskarttaan

Lisäksi haimme saman alueen peruskarttalehden ilman korkeuskäyriä ja laskimme itse korkeuskäyrät. Vertasimme saamaamme tulosta peruskarttaan, jossa korkeuskäyrät olivat valmiina. Ohjelman laskemat korkeuskäyrät poikkesivat jonkin verran peruskarttaan piirretyistä. Pääpiirteet olivat tietysti samat, mikä näkyi erityisen hyvin isojen mäkien kohdalla, mutta osa maiseman hienopiirteisyydestä puuttui peruskartasta. Käyttäjän kannalta se on tietysti useimmiten hyvä, koska pieniä korkeusmuutoksia ei maastossa aina ole helppo havaita. Korkeuskäyrien asettuminen eri kohtaa voi riippua myös siitä, mistä korkeudesta laskeminen aloitetaan. pahimmillaan meidän laskemamme kartan käyrät asettuvat juuri peruskartan korkeuskäyrien väliin, jolloin heittoa olisi 2,5 metriä. En kuitenkaan tiedä, onko asia kartassani näin.

Aineistosta laskettuihin korkeuskäyriin verrattuna peruskartan käyrät ovat yksinkertaistettuja
Pääpiirteissään peruskartan korkeuskäyrät osuvat kuitenkin hyvin yhteen aineistosta laskettujen korkeuskäyrien kanssa.

 

Lähteet:

Iida Ahavan kurssiblogi, ..koska mun oli pakko saada se toimimaan… (luettu 11.2.2019)

https://blogs.helsinki.fi/iidahava/2019/02/10/koska-mun-oli-pakko-saada-se-toimimaan/

Rami heikkilän kurssiblogi: Kolmas kerta… (luettu 11.2.2019)

https://blogs.helsinki.fi/heirami/2019/02/08/kolmas-kerta/

Saaga Laapotin kurssiblogi, Rastereita ja taikuutta (luettu 11.2.2019)

https://blogs.helsinki.fi/saagalaa/2019/02/09/rastereita-ja-taikuutta/

Kuinka saada kaikki samaan paikkaan?

Kolmannen kurssikerran tavoitteet ja harjoitukset kuulostivat minusta äärimmäisen hyödyllisiltä: mitä tehdä, kun aineisto ei alun perin olekaan juuri sellainen kuin olisi tarkoitus? Tähän ongelmaan törmää jatkuvasti taiteillessaan eri ohjelmien ja tiedostomuotojen välillä ja olen erittäin iloinen, että aihetta käsiteltiin kurssilla. Tällä kertaa aineistona oli vähän vieraampi Afrikan kartta. On mielenkiintoista tuijotella välillä myös muita alueita kuin Suomea tai Eurooppaa. Aasian kartta olisi minulle vielä vieraampi, joten laitan sen toivelistalle odottamaan loppukurssia.

Innostus Afrikan kartasta vaihtui kuitenkin pieneen pettymykseen aika pian. Aineistoissa oli tilastotietoa Afrikan valtioista. Löytyi tietoa muun muassa valtioiden Internetin ja Facebookin käyttäjämääristä, konfliktien määristä, ajankohdista ja sijainneista sekä öljyvarannot ja timanttikaivokset ja näitä tietoja aloimme sitten yhdistellä ja vertailla. Voisiko Afrikan nähdä muittenkin ominaisuuksien kautta kuin epävakaana, kehittymättömänä (”eivät edes nettiä/facebookia käytä”) aarreaittana, jossa konfliktit jylläävät? Eikö voitaisi vahvistaa monipuolisempaa kuvaa Afrikasta, joka ainakin itselleni on vieras? Rakentavampia tai neutraalimpia lähestymistapoja voisivat olla esimerkiksi luontoaiheet (esimerkiksi endeemisten eläinlajien määrät, biomit tai ilmasto) tai kulttuurilliset aiheet (vaikkapa puhutut kielet). Tuntuu väärältä lähestyä aihetta konfliktien kautta, kun nämä aiheet ovat muutenkin paljon esillä.

Keräilimme attribuuttitaulukkoon erilaisia arvoja, joita työstimme harjoituksessa. Tutkimme ensin Facebookin ja internetin käytön läpäisevyyttä, eli kuinka suuri osuus ihmisistä käyttää niitä. Laskimme valtiokohtaiset konfliktimäärät sekä sen jälkeen, kuinka moni konflikteista tapahtui eri vuosina. Vertasimme saatuja lukuja silmämääräisesti timanttikaivosten lukumäärään ja öljykenttien määrään, mutta korrelaation laskemiseen jokin tilasto-ohjelma olisi varmaan parempi. Ehkä en ole vielä ihan saanut aivoja käännettyä oikeaan asentoon, koska kaiken kaikkiaan moniin analyyseihin tilastolliset menetelmät tuntuisivat sopivan paremmin. Olisi esimerkiksi kiinnostava nähdä, ovatko konfliktit yleisempiä juuri varantojen löytämisen jälkeen. Kartalla voisi kuvata esimerkiksi koropleettikartalla konfliktien määrää. En vain ole varma mihin se kannattaisi suhteuttaa. Asukaslukuun? Pinta-alaan? konfliktien kokonaismäärään? Kartalla kuitenkin näkyy ihan vain timanttikaivokset, öljykentät ja konfliktit läntättynä samaan karttaan. Ei kovin informatiivista, kun aikajänne on sen verran pitkä, mutta silti kaikki konfliktit ovat samalla välillä. Tästä voisikin tehdä ehkä kartan jossa eri vuosikymmenten konfliktit olisivat eri väreillä?

Konfliktit vuosina 1947-2008, timanttikaivokset ja öljykentät Afrikassa. (Klikkaa kuva suuremmaksi.)

Kokeilin eri vuosikymmenten konfliktien esittämistä eri väreillä, koska tajusin että sellainen on helppo ja nopea toteuttaa. (Edelleenkin tosin asteikon säätämisessä on pientä häiriötä eikä asteikko siksi ole aivan niin järkevä kuin kaavailin, mutta idea kartasta selviää silti.) Suuri osa konflikteista näyttää tapahtuneen viime vuosikymmenten aikana.

Silmämääräisesti katsoen konfliktit näyttäisivät yleistyneen viime vuosikymmeninä

Kartasta on mielenkiintoista huomata, että konflikteja ei silmämääräisesti näytä olevan eniten siellä, missä on paljon luonnonvaroja, vaikka niin olisi voinut olettaa. Alex Naumanen käy samaa pohdintaa kurssiblogissaan tehtävän äärellä ja ehdottaa, että monet konfliktit liittyvät muihin asioihin, kuten esimerkiksi Somaliassa rajakiistoihin ja klaanien välisiin erimielisyyksiin.

Tallentaminen?

Ihanteellisinta olisi tietysti tehdä aina vähintään yksi tehtäväkokonaisuus kerralla eikä orientoitua samaan tehtävään monena eri hetkenä. Aina se ei ole mahdollista. Erityisen ikävää tehtävien kesken jättäminen on silloin, kun ei oikein ymmärrä mitä, minne ja milloin pitäisi tallentaa niin että aloittaminen seuraavalla kerralla olisi mahdollisimman vaivatonta. QGIS:ssä tallennusvaihtoehtoja riittää. Koko projektin voi tallentaa ylävalikosta uudella nimellä tai ihan vain tallentaa. Ilmeisesti näille toiminnoille on myös omat nappulansa ylemmässä työkalupalkissa. Muutoksia voi tallentaa myös alemman työkalupalkin tallennuskuvakkeella. Lisäksi tasoja voi tallentaa nimellä, jolloin ne saa (kätevästi?) tuplaantumaan ja vanhat kannattaisi ottaa pois, mutta ei ennen, kun on tarkistanut, ettei tullut tehneeksi mitään tyhmää eikä varsinkaan silloin, jos ei ole ihan varma kumpi nyt kuuluikaan säilyttää. Lopuksi kun kaikkia mahdollisia tallennusnappuloita on hakattu varmasti ainakin kerran, on suljettava ohjelma ja toivottava, että vastassa on seuraavalla kerralla jotain muuta kuin kaaos. (Vaihtoehtoisesti voi vain siirtyä seuraavan kerran tehtäviin ja uuteen aineistoon, luoda uuden kansion ja jättää edellisen kerran sekamelskan oman onnensa nojaan…) Mutta tämä vaihtoehto onnistuu valitettavasti vain silloin kun valmista tulee kerralla.

Tulvaindeksi tutuksi

Itsenäinen kotitehtävä käsitteli Suomen valuma-alueita. Päätin tarttua härkää sarvista ja yrittää vaikeammaksi luokiteltua vaihtoehtoa. Valuma-alueiden järvisyysprosentit olivat tarjolla valmiina taulukkona, mutta ne pystyi myös itse laskemaan yhdistelemällä QGIS:n toimintoja ja eri tietokantoja. Selvitin sekä valuma-alueiden että järvien yhteenlasketun pinta-alan ja laskin reippaasti järvisyysprosentin. Ei ollut edes niin vaikeaa kuin pelkäsin! Viereen toin vertailun vuoksi valmiiksi lasketut prosentit. Heittoa oli jonkin verran, suurimmaksi osaksi korkeintaan pari prosenttiyksikköä. Jotain outoa prosenteissa silti oli. Muutamissa valuma-alueissa heittoa oli toistakymmentä prosenttiyksikköä, ja kahden valuma-alueen järvisyys näytti negatiivisia lukuja. En oikein ymmärrä, miten ohjelma on onnistunut laskemaan järvien yhteispinta-alaksi negatiivisen luvun… Periaatteessa tulokset näyttivät siis aika hyviltä, mutta katsoin paremmaksi toteuttaa kartan hyödyntäen valmista aineistoa.

Kaikeksi ”onneksi” ohjelma kaatui taas ja, taitava kun olen tallentamaan, menetin kaikki omituiset negatiiviset pinta-alat. Taulukkojen liittämisen yhteen alan sitä vastoin osata jo oikeasti aika taitavasti. Yritin vielä kerran järvisyyden laskemista itse ja se kävikin aika näppärästi. Mutta. Lähes kaikki täsmää melko hyvin paitsi Jänisjoen valuma-alueen järvisyys. Kai siellä sitten on yli nelikerroksiset järvet, kun järvisyysprosentti on yli 400. Myös Juustilanjoki ja Urpalanjoki ovat laskujeni mukaan yli kymmenen prosenttiyksikköä järvisempiä kuin valmiissa taulukossa. Kaikki edellä mainitut näyttävät yltävän Venäjän puolelle, joten selitys voisi liittyä siihen.

Seuraavaksi karttaan oli lisättävä tulvaindeksi, joka kertoo tulvahuippujen virtaaman keskiarvon suhteen kuivien kausien virtaaman keskiarvoon. Se siis kuvastaa virtaaman eroa kuivan kauden ja tulva-ajan välillä. Tässä vaiheessa tulvaindeksin laskeminen ei ollut enää vaikeaa. Pistelin menemään visuaalisen toteutuksen oletusasetuksilla ja hämmennyin. Arvot vaihtelivat kyllä nollasta yli tuhanteen, mutta koropleettikartta oli omituisen yksivärinen. Tarkemmalla tutkiskelulla pieniä eroavaisuuksia löytyi, kun vaihdoin väriskaalaa. Visuaalisesti ensimmäinen kartta ei ole erityisen informatiivinen, mutta halusin laittaa sen tähän vertailun vuoksi. Kartassa skaala on tasavälinen niin että jokainen väri esittää yhtä suurta tulvaindeksin vaihteluväliä. Eurajoen valuma-alue nousee tässä vertailussa ylivoimaiseksi ykköseksi 1100 tulvaindeksillään. Olin itse mieltänyt Pohjanmaan tulvaherkäksi alueeksi, mutta tässä kartassa se ei nouse esille etelärannikkoa pahemmaksi. Onko vika aineiston käsittelyssä vai ennakkokäsityksissäni? Kävin kurkkaamassa muiden kurssilaisten blogeja, ja samansuuntaisia tuloksia näkyi muillakin. Iida Ahava ja Elisa Aho näyttivät saaneen saman tyyppisiä tuloksia.

On aina hieman kyseenalaista muokata karttaa näyttämään asioita, joita haluaisi nähdä. Siksi pohdinkin, haluanko muokata luokkarajoja jotenkin. Sini-Maaria Ahtinen kertoo blogissaan käyttäneensä kvantiileja luokkarajoja, jolloin jokaisessa luokassa on yhtä monta aluetta. Tällä tavoin karttaan saa kivasti näkymään eri värejä. En kuitenkaan halunnut tehdä niin, joten tyydyin lisäämään luokkien määrän kymmeneen ja ottamaan käyttöön laajemman väriskaalan. Mutta kun ei niin ei. En mahda mitään sille, että tulvaindeksin vaihtelu on suurimmaksi osaksi pientä eikä siitä saa raflaavia karttoja valehtelematta kauheasti.

Olen sitä mieltä, että samaan karttaan ei enää mahtuisi enempää informaatiota, mutta jatkoin tehtävänannon mukaisesti kartan työstämistä. Kartasta tuli aivan liian sekava ja vaikka järvisyysprosentit ovat sinänsä ihan vertailukelpoisia keskenään, niin pylväsdiagrammien esittäminen ilman asteikkoa epäilyttää. kun vertailukohtana ovat vain toiset pylväät, katsojan on mahdotonta tietää, esittävätkö pylväät arvoja nollan ja yhden prosentin välillä vai esittävätkö suurimmat pylväät lähemmäs sadan prosentin järvisyyttä. Nähtävästi selitteeseen olisi saatavissa vertailupylväs, koska Sanni Laakso oli sellaisen saanut toteutettua, mutta minä en keksinyt miten. Mietityttää myös, kuinka järkevää näin erisuuruisia alueita on vertailla.  En haluaisi julkaista koko kuvaa täällä, mutta täytyyhän minun näyttää, että olen sen tehnyt. Saattaisi olla parempi tehdä järvisyydestä ihan oma karttansa, jonka asettaisi tulvakartan viereen.

Tuloksia voisin esitellä sen verran, että niillä valuma-alueilla, joilla on hyvin vähän järviä, tulvaindeksi on suurempi, kun taas runsasjärvisillä alueilla tulvaindeksi vaikuttaa olevan pienempi.

(Tekstiä muokattu 7.2. ja 8.12 ja kuvia lisätty 19.3. alkuperäisen postauksen jälkeen)

Elisa Ahon kurssiblogi, Suomessa ja ulkomailla (luettu 8.2.2019) https://blogs.helsinki.fi/elqaho/2019/02/06/36/

Iida Ahavan kurssiblogi, Eri tietokantojen yhdistely vektoritietokannan kylkeen. (luettu 8.2.2019) https://blogs.helsinki.fi/iidahava/2019/02/04/eri-tietokantojen-yhdistely-vektoritietokannan-kylkeen/

Sini-Maaria Ahtisen kurssiblogi, Kurssikerta 3 – tulvia ja järviä (luettu 8.2.2019) https://blogs.helsinki.fi/ahtisini/2019/01/30/kurssikerta-3/

Sanni Laaksosen kurssiblogi, kurssikerta 3 (luettu 8.2.)
https://blogs.helsinki.fi/sanlaaks/2019/02/03/kurssikerta-3/

Alex Naumasen kurssiblogi, vettä ja metallimusiikkia (luettu 8.2.2019)
https://blogs.helsinki.fi/alexnaum/2019/01/29/vetta-ja-metallimusiikkia/

Projektioita tutkailemassa

Jatkoimme työskentelyä Suomen kuntakartan parissa. Tarkoituksena oli tutustua ja havaita konkreettisesti, miksi oikean projektion valinta on tärkeää. Minulla on selvästikin petrattavaa kurssikerran aikaisten muistiinpanojen tekemisessä. Kurssiharjoituksia tehdessä on monesti vähän kiire, eikä kaikkia muistiinpanoja tule nimettyä kovin järkevästi. Tässäkin taulukossa oli alun perin viisi saraketta, mutta jätin näkyviin vain nämä, joiden nimet olin muistanut kirjoittaa ylös. Olennaisin varmasti tulee ilmi jo tässä. Projektion valinnalla on väliä! Jos erehtyy seikkailemaan Uranukselle, voi 1600 neliökilometristä tulla yhtäkkiä yli 800 000 neliökilometriä. Sephre mercator –projektiollakin Suomen summittainen leveys ”lantion” tienoilta kaksinkertaistuu.

epgs3067 sephre mercator uranus nort pole tereographic
Alue Suomen ”päässä”
km2
1601 13176 813789
Suomen ”lantion” leveys
km
537 1171 8095

 

Opin, että projektion valinta täytyy huolehtia jo aineistoa avatessa ja että QGIS luulee tietävänsä aikeistani enemmän kuin oikeastaan tarvitsisi. Oikukkaan ohjelman kanssa pitää olla tarkkana, että ohjelma oikeasti käyttää haluttua projektiota.

Tehtävänämme oli verrata pinta-alan eroja kahden eri projektion välillä ja katsoa, onko Suomen eri osissa eri suuruisia eroja projektioiden välillä. Kurssikerralla vertasimme LAEA-projektiota mercatoriin. Loimme attribuuttitaulukkoon sarakkeen, joka kertoi pinta-alojen prosentuaalisen eron kuntakohtaisesti, minkä jälkeen esitimme tiedon kartalla. Näiden kahden projektion tuottamat pinta-alat olivat varsin erisuuruisia. Tarkistan yleensä saamani tulokset silmämääräisesti ja pohdin, näyttävätkö tulokset järkeviltä. nyt piti hetki harkita, kunnes muistin, miten projektiot vetävät Grönlannin helposti lähes Afrikan kokoiseksi ja ajattelin, ettei 300 prosentin ero ehkä olekaan niin mahdoton. Alla kartta, jossa erot on havainnollistettu.

Suurimmat prosentuaaliset erot pinta-aloissa projektioiden välillä ovat Pohjois-Suomessa, mutta etelässäkin erot ovat huomattavat.

Minulla on muutamia vaikeuksia karttojen teossa. Ensinnäkin tuntuu vaikealta keksiä napakoita, mutta informatiivisia otsikoita kartalle. Saman ongelman kanssa painii blogissaan myös Amelia Cardwell. Hän valittelee pitkiä ja epäselvästi muotoituja otsikkojaan. Ehkä keksimme vielä kurssin aikana kätevän tavan muodostaa tiiviitä otsikkoja? Toinen ongelma koskee legendojen sijoittelua. Saan aikaiseksi valtavan valkoisen laatikon, jonka sisältö sinänsä on hyvä, mutta joka peittää alleen kartan, jos sen sijoittaa liian lähelle. Sama ongelma kartan kanssa. En vielä keksinyt, mistä taustan saa läpinäkyväksi, jotta kartan objektit saa lähemmäksi toisiaan. Pinja Levosella näyttää blogissaan ainakin olevan kartta, jossa legendalaatikko on onnistuttu asettamaan kartan päälle, joten ongelmaan on olemassa ratkaisu. Hän tosin kaipasi juuri päinvastaista ratkaisua ja pohti yksiväristä taustaa legendoilleen. Välimuoto näistä lienee paras, mutta kartastani hahmottuu varmasti ongelmani.

Yhteisen tehtävän jälkeen meidän tuli itse valita jokin projektion ja tutkia pinta-alaeroa sen ja Lambertin projektion välillä. Tulokset havainnollistettiin kartalla edellisen tehtävän tavoin. Lähdimme tekemään tehtävää Pinja Levosen kanssa yhdessä ja pohdimme, että saadakseen mahdollisimman suuret erot kannattaa ehkä ottaa sellainen projektio, joka on tehty kuvaamaan jotakin mahdollisimman kaukana Suomesta olevaa paikkaa. Ensin silmiin sattui projektio, jonka nimessä oli Argentiina, mutta emme jostakin syystä saaneet karttaa auki ja vaihdoimme suunnitelmaa. Etelä-Afrikkakin on aika kaukana, joten valitsimme listan ensimmäisen projektion. Hieman tarkemmin olisi kyllä ollut syytä lukea projektion nimi, sillä totuus valkeni saatuamme uudet pinta-alat laskettua: eroa Lambertiin oli suureksi osaksi vain alle prosentti.

(Lisäys 19.3.2019) Projektiot ovat Africa Albers Equal Area ja Lambert. Projektioiden välinen ero on hyvin pieni, mutta näkyvissä on silti sama ero kuin edellisessä kuvassa eli Pohjois-Suomi vääristyy Etelä-Suomea enemmän.

Sain pinta-alat laskettua heti kurssikerran jälkeen, mutta jatkoin kartan tekoa myöhemmin. Tässä vaiheessa tieto käyttämästäni projektiosta oli haihtunut jonnekin enkä enää muista tarkkaa nimeä. Sen kuitenkin muistan, mistä pienet erot johtuvat. Projektion nimessä olivat avainsanat equal area. vaikka kartta näytti tosi hassulta, pinta-aloissa ei ollut moittimista. Olkoon tämä oppituntina siitä, että keskitytään tarkemmin projektion valintaan. Kartasta voi kuitenkin havaita, että löysin kuin löysinkin nappulan, josta legendalaatikon taustavärin saa pois.

Erilaisia projektioita on valtavasti eikä ole ihan helppoa tietää, mihin tarkoitukseen mikäkin on tarkoitettu. Lienee helpointa opetella käyttämään muutamaa tavallista kotikulmille soveltuvaa projektiota näin alkuun ja laajentaa näkökulmaa projektio kerrallaan tarvittaessa.

 

Lähteet:

Pinja Levosen kurssiblogi, Kursgång 1: Introduktion till QGIS (luettu 31.1.2019)

https://blogs.helsinki.fi/plevonen/2019/01/24/introduktion-till-qgig/

Amelia Cardwellin kurssiblogi, Viikko 2: Projektioita ja QGis:in kanssa kamppailua (luettu 31.1.2019)

Viikko 2: Projektioita ja QGIS:in kanssa kamppailua

Ensimmäiset kartat

Jokaisen maastokelpoisen biologin lienee osattava perustaidot myös kerätyn datan käsittelystä. Huomasin tarpeen jo viime kesänä, kun yritin selviytyä kesätöistäni lähes olemattomilla taidoilla. Onnekseni löysin kädestä pitäen apua ohjelman käyttöön, mutta ymmärsin, että minun on kyettävä edes alkeellisiin toimintoihin jatkossa itsekin. Suuntasin siis kurssille, jossa toivottavasti saan lisää varmuutta sekä mahdollisimman kattavan katsauksen perustoiminnoista.

Jouduin harmikseni olemaan poissa osan ensimmäisestä kurssikerrasta ja sen materiaaleissa oli aikamoinen rämpiminen itsekseen. Yrityksen, erehdyksen ja aika monen ylimääräisen aineiston uudelleen lataamisen jälkeen pääsin lähes maaliin. Ehkei siitä sen enempää.

Ensimmäisen kerran varsinainen tehtävä sujui sen sijaan jo astetta paremmin. Tartuin ykköstehtävään, koska arvelin osaavani tehdä ainakin sen. Haasteet kasvanevat matkan varrella. Tehtävänä oli tarkastella Suomen kuntakarttaa, jossa oli runsas määrä kuntakohtaista dataa mukana ja visualisoida aineistosta mieleinen koropleettikartta. Eniten vaikeuksia aiheutti sopivien muuttujien valinta. Olisi hauskaa saada aikaan mielenkiintoinen ja ajatuksia herättävä kartta yhdistämällä kaksi muuttujaa. Runsaudenpula iski eikä mikään tuntunut sopivalta.

Mietin, kuinka voisin saada aikaiseksi kartan, jossa ei välttämättä korostuisi perinteiset aluejaot (maaseutu-kaupunki, pohjoinen-etelä, ruotsinkielinen rannikko ja niin edelleen). Valitsin lopulta uhrikseni yritystoiminnan. Päätin tarkastella yritysten määrää (Näin ainakin tulkitsin otsikolla ”yritystoim” olevan sarakkeen sisällön, jossa arvotkin olivat sellaisia, joita pidin mahdollisina) suhteessa kunnan asukaslukuun.

Annoin luokittelun mennä ensin ihan ohjelman ehdotuksen mukaan. Lopputulos yllätti. Mitään selvää trendiä en nopealla silmäilyllä löytänyt, mutta saamani arvot vaihtelivat kuitenkin mukavan paljon neljästä prosentista 18 prosenttiin. Aineiston perusteella asukaslukuun suhteutettuna yrityksiä on eniten Sottungassa, pienessä kunnassa Ahvenanmaan saaristossa. Perää pitää Valkeakoski. Ohjelman ehdotus luokitteluksi sisälsi kuitenkin epäkäytännöllisiä desimaaliarvoja ja ajattelin siistiä luokittelun helpommin hahmotettavaksi. Kokeilin valikosta vaihtoehtoa ”pretty breaks” koska se kuulosti lupaavalta. Ohjelma siirsikin luokkien rajat siististi kahden prosenttiyksikön välein. Minulle jäi arvoitukseksi, kumpaan luokkaan luokkien rajalla olevat arvot lasketaan, mutta en osannut korjata tilannetta. Tähän on varmaan joku kätevä tapa, jonka toivottavasti opin myöhemmin.

Viimeiseksi pohdinnaksi jäi kartan värimaailma. Minusta on ehdottoman tärkeää, että värimaailma tukee parhaalla mahdollisella tavalla kartan viestiä, joten sen miettimiseen kannattaa käyttää aikaa, vaikka teknisesti se onkin pikkujuttu. Samoja pohdintoja kävi läpi myös Emilia Kostamo blogissaan kertoessaan typpipäästöjen määrän havainnollistamisesta. Valitsin väriksi sinisen, sillä se on melko neutraali väri ja tuntui sopivan hyvin yritystoimintaan.

Lähteet:

Emilia Kostamon kurssiblogi: Itämeren typpipäästöt, lasten osuus Suomen kunnissa ja ensikosketus QGIS:iin (kurssikerta 1), (luettu 29.1.2019)
https://blogs.helsinki.fi/emilikos/

 

 

 

Tervetuloa GIS-kurssiblogiini!

Tämä on kurssiblogi Geoinformatiikan menetelmät 1 -kurssilla. Määrittelisin blogin sijoittuvan jonnekin oppimispäiväkirjan, blogin ja portfolion välimaastoon.

Olen Aino, biologianopiskelija Helsingin yliopistosta. Erityisenä mielenkiinnonkohteenani ovat kasvit. Tulin kurssille hakemaan paikkatieto-osaamista maasto-osaamiseni kylkeen, koska tarvitsen tietoja työelämässä. Toivon kurssin käytyäni selviytyväni itsenäisesti ohjelman kanssa tavallisissa työtehtävissä. Odotukset ja motivaatio ovat siis korkealla! Tervetuloa seuraamaan, miten taitoni kehittyvät kurssin aikana.