Blogi valmis

En voinutkaan vielä unohtaa blogiani viimeisimmän postauksen jälkeen, vaan ilmoitan: ”Hei Arttu, mun blogi ois nyt valmis.”

Kiitos tästä turhauttavasta ja opettavaisesta kurssista, jossa oli paljon sisältöä otettavana haltuun.

—Reetta

Kurssikerta 7

Seitsemännellä kurssikerralla saimme täysin vapaat kädet sen suhteen, millaisen kartan haluamme tuottaa paikkatietoaineistoista. Olin  — myönnettäköön — aivan liian huonosti valmistautunut tuntia varten, sillä en ollut ajatellut tehtävän toteutusta aivan loppuun. Idea, jota lähdin toteuttamaan, oli sellainen, että olisin halunnut visualisoida koropleettikartalle suomalaisten  koulutustaustan ja vuoden 2018 presidentinvaalien yhteyksiä. Lyhykäisyydessään sanon, että se ei onnistunut ja vaivuin epätoivoon epäonnistuessani. Ajattelin avuttomana vilkaista hieman muiden kurssilaisten blogeja ja kävin katsomassa Nelli Junttilan blogia. Herranjestas.. meinasin pyörtyä, kun näin kaikki ne kartat, jotka hän oli tuottanut Brasiliaan keskittyvästä datastaan. Mielestäni Nelli oli saanut aikaan oikein kauniit ja ihanan erilaiset karttaesitykset (tykkäsin erityisesti kuvan 6 biomikartasta, vaikka Nelli itse ei pitänyt karttaa kovin kummoisena). Suorastaan mykistyin ja samalla tajusin, mikä omissa kartoissani oli ollut vikana: koordinaattitiedon puute. Helppo ratkaisu verrattuna minun karttaideaani.. Eli nukuin vihaisena ja surullisena yön yli, ja sitten seuraavana, kauniina päivänä ja mieli jo hiukan tuulettuneena uusia pettymyksiä kohti! Ei vaan, löysin kovan kaivelun jälkeen koordinaatteja sisältävää pisteaineistoa (nyt ymmärrän, miksi esimerkiksi Emmi Hagelberg blogissaan, monet muut kurssilaiset livenä ja blogeissaan, ja opettajamme Arttu kurssin tiedotusblogissaan sanoivat, että aineiston etsimiseen menee tai meni ikuisuus). Ensin yritin löytää sopivaa aineistoa Kanadasta, sillä vanhana Kummeli-fanina ajattelin Kanadan olevan oikea vastaus datapulmaani. Kaivelinkin kivan taulukon Kanadan asukkaiden kansallisuuksista, kunnes tajusin Excelissä tiedostoa muokkaillessani, että mitä minä sillä aineistolla muka tekisin kartalle. Löysin kuitenkin lopulta aineistoa Indonesian metsäpaloista ja muunkinlaisen tiedon kaivelun jälkeen osasin etsiä myös metsäpalojen syihin liittyvää aineistoa.

Indonesiassa metsäpaloista on tullut kausiluontoinen ongelma ja metsäpaloille herkistäviä tekijöitä on paljon. Metsäpaloista syytetään Indonesiassa niin julkista hallintoa, monikansallisia suuryrityksiä, yrityksiä, jotka valmistavat kuitupuuta ja palmuöljyä kuin köyhiä paikallaisia maanviljelijöitäkin. Julkinen hallinto on osoittanut toiminnallaan kyvyttömyytensä ehkäistä metsäpalojen syitä ja seurauksia; monikansalliset yritykset tekevät sitä mitä yleensä: riistävät valtiota ja eivät välitä aiheuttamistaan tuhoista; iso osa paloista tapahtuu kuitupuu ja öljypalmuviljelmillä; ja köyhät paikalliset maanviljelijät yrittävät laajentaa tiluksiaan ”kaskeamalla” metsää, mutta he eivät kaada puita vaan sytyttävät metsää palamaan.. Lisäksi metsää poltetaan laittomasti. Kirsikkana kakun päällä ovat turvemaat, joita esiintyy melkoisen paljon Indonesiassa erityisesti metsäpaloalueilla. Turvemaa on herkästi syttyvää ja edistävät siten paikallisten palojen leviämistä laajemmille alueille. Metsäpalot aiheuttavat melko vähän välittömiä kuolonuhreja, mutta välillisten uhrien määristä on vain arvioita. Metsäpaloista syntyvät kaasut ovat myrkyllisiä. Kaasut päätyvät paikallisten ihmisten hengitysteihin ja voivat aiheuttaa verenkiertoon päästessään ennenaikaisen kuoleman.

Tein karttoja, jotka esittävät muun muassa turvemaiden sijoittumista, asutettujen alueiden sijaintia ja kestävällä tavalla tuotetun palmuöljyn palmuplantaasien sijaintia. Lisäksi löysin kuvan Indonesian metsäpaloista vuosilta 2001-2015. Tässä sitten sitä materiaalia:

Kuva 1 Tämä kartta kuvaa asutuksen sijoittumista Indonesiassa.

Tein ensimmäisenä kartan, jossa näkyy koko Indonesian saaristo ja asutettuja alueita. Asutus on kuvattuna punaisilla palloilla (Kuva 1), kun taas mahdollisimman hyvän informaatioesityksen antamiseksi alemmassa kartassa (Kuva 2) asutus on kuvattuna punaisilla ympyrän kehillä.

Kuva 2 Tämä kartta esittää vuonna 2018 tapahtuneita metsäpaloja ja asutusta.

Tänä vuonna (2018) on Indonesiassa syttynyt jo 1657 metsäpaloa. Vajaa kolme kuukautta on vasta kulunut tästä vuodesta ja metsäpaloja on jo paljon, joten kuvitelkaapa millaisia lukuja on kokonaisen vuoden jälkeen.. Uskomatonta, mutta ymmärtääkseni totta, että Indonesiassa syttyy useita satoja tuhansia metsäpaloja vuodessa.. Nuo vihreät pallot kartalla (Kuva 2) kuvaavat syttyneitä metsäpaloja alkaen vuodesta 2013 vuoteen 2017, ja keltaiset pallot vuoden 2018 metsäpaloja. En tosin saanut hyvin aineistosta selvää, kuinka laajoja ja tuhoisia nämä palot ovat olleet, mutta monista on satelliittikuvahavaintoja. Aineisto oli myös niin laaja, että minulla oli ongelmia käsitellä sitä QGIS:sillä sen kaatumatta, siksi tästä aineistosta on vain ’Snipping Toolilla’ otettuja kuvia. Näiden karttojen (Kuvat 1 ja 2) on kuitenkin tarkoitus osin havainnollistaa sitä, kuinka asutuskeskittymät altistuvat palokaasuille. Palohavainnot peittävät lähes kaiken maa-alan Indonesian saaristossa, joten se jo itsessään näyttää, kuinka yleisiä metsäpalot ovat Indonesiassa ja siten myös myrkylliset kaasut ilmassa ovat yleisiä.

Kuva 3 Tämä kuva näyttää metsäpalot hälytysten tiheyden avulla visualisoituna.

Kuvassa 3 on aineistoa, joka on kasattu tällaiseksi esitykseksi paikantamalla palohälytykset Indonesiassa valopisteiksi kartalle. Palohälytykset ovat vuosilta 2001-2015. Kartta kuvaa metsäpalojen yleisyyttä.

Kuva 4 Turvemaat Indonesiassa.

Tällä kartalla (Kuva 4) näkyy tummansinisinä alueina Indonesiassa esiintyvät turvemaat, jotka osaltaan edistävät paikallisten palojen leviämistä laajemmille alueille.

Kuva 5 Turvemaat ja paikallisen väestön havaitsemat metsäpalot tai maastosta löytyvät ”paloarvet”.

Paikalliselta väestöltä pyydettiin havaintoja, vuosina 2014 ja 2015, sattuneista metsäpaloista ja niiden avulla kartoitettiin palojen syttymispaikkoja sekä ”paloarpia” maastosta. Havaitut palopaikat menevät osittain mukavasti turvemaiden kanssa päällekkäin ja erityisesti uusia paloarpia löydettiin paikallisten havaintojen avulla.

Kuva 6 Tällä kartalla kuvataan turvemaiden ja paikallisten tekemien havaintojen lisäksi plantaaseja, joilla tuotetaan kestävästi palmuöljyä.

Kuvassa 6 on kartta, jossa näkyvät edellisen kartan (Kuva 5) aiheet ja niiden lisäksi myös kestävästi palmuöljyä tuottavat öljypalmuplantaasit (löytyi niin näppärästi tietoa + kartan plantaasit on sertifioitu ennen toukokuuta vuonna 2014). Olisi ollut hauska vertailla, kuinka paljon löytyy kestävän kehityksen näkökulmasta kestävää palmuöljyä tuottavia plantaaseja ja kestämätöntä palmuöljyä tuottavia plantaaseja, mutta en löytänyt jälkimmäisistä dataa. Halusin kuitenkin tuottaa kartan (Kuva 6), jossa näkyy vielä öljypalmuplantaasien sijainteja, sillä metsäpalot riehuvat myös palmuplantaaseilla. Huomaa kuvan 6 karttaelementtien päällekkäisyys (turvemaat+plantaasit+metsäpalohavainnot).

Kaiken tämän jälkeen tuntuu, että Indonesiassa ei olisi metsää, joka ei olisi joskus kertaalleen palanut ja toisaalta epäilen yhä voiko metsäpaloja tapahtua satoja tuhansia yhden vuoden aikana (mutta kuten todettu en tiedä palojen laajuudesta ja aiheutuneista tuhoista). Metsää kuitenkin palaa se on saletti.

Yritin tehdä kartoista mahdollisimman helppolukuisia. Useampi kartta sisältää paljon päällekkäistä pistemuotoista dataa, minkä vuoksi tein erilaisia väri- ja symbolivalintoja luettavuuden parantamiseksi. Taustasta yritin tehdä myös mahdollisimman yksinkertaisen pistetiedon korostamiseksi. Kuvan 5 symboleja olisi toki voinut sävyttää hiukan eri sävyillä tai ainakin toista hieman vaaleammalla sävyllä, jotta symbolit erottuisivat vieläkin paremmin toisistaan..

Nyt, perustaidot GIS:sistä jotenkuten oppineena, on hyvä painaa ”julkaise” ja unohtaa tämä blogi.

Ps. Rajasin osan Indonesiasta pois (erityisesti Länsi-Papua jäi monesta kuvasta pois), sillä joiltain alueilta ei löytynyt jokaisesta aiheesta dataa, jolloin sain tarkemman kuvaesityksen Indonesian muista alueista. Kartat näköjään hieman kärsivät (resoluutio), kun niitä rajaa blogia varten blogityökaluilla.

 

Viittaukset blogeihin:

https://blogs.helsinki.fi/junelli/
https://blogs.helsinki.fi/hagemmi/

Lähteet:

NaturalEarthData: (pohjakarttaelementit)

Downloads


Luettu: 12.3.2018 klo 14.56

GlobalForestWatch: (metsädataa ja turvemaat)
– RSPO Palm Oil Mills
http://data.globalforestwatch.org/datasets/683f1bb1d88e4fe99df38e3e60b1d0d8_6?geometry=69.565%2C-14.909%2C-179.429%2C11.214&uiTab=table
Luettu: 12.3.2018 klo 17.25
– Archive Fires for Indonesia
http://data.globalforestwatch.org/datasets/de1fe5832831464cbd64aaa8f2d54781_0?uiTab=metadata
Luettu: 12.3.2018 klo 17.27
– Indonesia Fire History
http://data.globalforestwatch.org/datasets/eb97da78b44b43ef84e482193fdac461
Luettu: 12.3.2018 klo 17.29
– Crowdsourced Fires and Burn Scars
http://data.globalforestwatch.org/datasets/24788a0233b543dd86753d56aea95ba8_8
Luettu: 12.3.2018 klo 17.30
– Indonesia Peat Lands
http://data.globalforestwatch.org/datasets/d52e0e67ad21401cbf3a2c002599cf58_10
Luettu: 12.3.2018 klo 22.02

The Guardian: (yleistä tietoa metsäpaloista Indonesiassa)
https://www.theguardian.com/sustainable-business/2015/nov/11/indonesia-forest-fires-explained-haze-palm-oil-timber-burning
Luettu: 12.3.2018 klo 21.58

Kurssikerta 6

Kuudennella kurssikerralla keräsimme itse pisteaineistoa kännykkään ladattavan Epicollect5 -sovelluksen avulla, latasimme kerätyn pisteaineiston kartalle ja lopulta interpoloimme pisteaineistosta visuaalisen näkymän. Lisäksi saimme kotitehtäväksi tuottaa kartan tai useampia hasardiaineistoista.

Epicollect5 -sovelluksen käyttäminen oli ihan hauskaa. Opettaja oli luonut ryhmällemme alustan, jonne kaikkien pistetiedot lopulta ladattiin. Tällaisen alustan voi kuka tahansa luoda tähän sovellukseen ja keksiä kysymyksiä tai muita tehtäviä käyttäjälle tallennettavasta sijaintikohteesta. Meidän ryhmämme alustalle tallentui käyttäjien sijainnit koordinaattien perusteella ja käyttäjät saattoivat arvostella tallentamansa sijainnin ominaisuuksia esimerkiksi miellyttävyyden tai turvallisuuden perusteella. Sijaintitiedon lisäksi sovelluksen käyttäjät voivat ottaa kuvan paikasta, josta aikoo tallentaa sijaintitiedon sovellukseen.

Itse keräämämme pisteaineiston avulla tehdyn harjoituksen jälkeen harjoittelimme interpolointia. Haimme QGIS:iin Google Mapsin ja loimme kartalle pisteitä noin 20 kappaletta. Minun pisteeni kulkivat jotakuinkin Annankatua, Eerikinkatua ja vissiinkin Simonkatua pitkin Helsingin keskustassa. Minulle ei valitettavasti jäänyt kuvamateriaalia über-hienosta interpoloidusta kartastani, mutta se näytti pääpiirteissään hyvin samanlaiselta kuin opettajan tekemä malli.

Kotitehtäväksi saimme tehdä hasardikarttoja. Hasardivoimina toimivat maanjäristykset, tulivuoret ja meteoriitit. Minä astuin siis kuvitteelliseen opettajan rooliin ja ajattelin esitellä pikku pilteilleni tai vanhemmille opiskelijoilleni maanjäristyskohteiden ja tulivuorten sijaintia.
Karttani näyttää tältä:

Kuva 1 Tältä kartalta näkee maailmalla sijaitsevien tulivuorten ja vuodesta 2000 tähän päivään mitattujen maanjäristysten sijainnin.

Tällainen kartta (Kuva 1) sopisi mielestäni nuoremmille opiskelijoille tai ensimmäisiä maantieteen opintojaan aloitteleville, sillä kartta kertoo maailman tulivuorten ja maanjäristysten sijainnin. Tähän karttaan olisi helppo myös liittää opetusmateriaalia litosfäärilaatoista, kun monet tulivuoret sijaitsevat litosfäärilaattojen reuna-alueilla. Tekemäni kartan rinnalla voisi esittää esimerkiksi tällaisia kuvia (Kuva 2 ja 3):

Kuva 2 Litosfäärilaattojen rajat näyttävä kuva selventäisi, miten maankuori liikkuu ja millaisista osista se koostuu. (Peda.net)
Kuva 3 Tyynenmeren tulirengas muodostuu tulivuorista, jotka ovat litosfäärilaattojen reunoilla. (Yle.fi)

Nämä kuvat (Kuva 2 ja Kuva 3) sekä tuottamani kartta (Kuva 1) antaisivat hyvät perustiedot oppilaille maankuoresta ja sen toiminnasta. Kuten Mira listaa blogissaan, että tämän kaltaisilla maanjäristyksistä kertovilla kartoilla voi havainnollistaa oppilaille mannerlaattojen sijaintia, muotoja, liikkeitä ja järistysten vaikutuksia esimerkiksi suuriin kaupunkeihin, jotka sijoittuvat laattasaumojen lähimaastoon. Vanhemmille opiskelijoille voisi opettaa hieman soveltavampia asioita tai esittää yksityiskohtia tulivuorista ja maanjäristyksistä. Ensimmäisessä karttavaihtoehdossa päädyin esittämään tulivuoria luokiteltuna niiden korkeuden merenpinnasta suhteen. Kartasta tuli tämän näköinen:

Kuva 4 Tällä kartalla esitetään tulivuorten sijaintitiedon lisäksi tietoa niiden olinpaikan korkeudesta merenpintaan nähden.

Legendan luvut ovat siis korkeutta merenpinnasta ja kartalla näkyykin muutamia vedenpinnan alaisia tulivuoria sekä korkealla vuoristossa esiintyviä tulivuoria. Pelkkää tulivuoriaineistoa voisi myös sellaisenaan verrata Tyynenmeren tulirenkaaseen ja litosfäärilaattojen laattasaumoihin, jotta opiskelijat näkevät niiden välisen yhteyden. Vanhempia opiskelijoita voi myös kehottaa tarkastelemaan niitä tulivuoria, jotka eivät sijaitse laattasaumojen kohdalla vaan vaikkapa keskellä laattaa ja pyytää heitä pohtimaan, miksi tulivuori on syntynyt kauas laatan saumakohdasta. Toinen karttavaihtoehto on kahden maanjäristysaineistoa sisältävän kartan vertailu keskenään. Maanjäristykset on luokiteltu eri luokkarajoilla: luonnollisilla ja tasavälisillä. Tämä vertailu auttaisi opiskelijoita huomaamaan, kuinka kartan tekijä voi vaikuttaa kartan kuvaamaan ilmiöön ja ihmisten käsitykseen ilmiöstä. Kartat näyttävät tällaisilta:

Kuva 5 Tälle kartalle maanjäristykset on luokiteltu magnitudin mukaan luonnollisilla luokkarajoilla.
Kuva 6 Tälle kartalle maanjäristykset on luokiteltu tasavälisillä luokkarajoilla magnitudin mukaan.

Molemmissa kartoissa (Kuva 5 ja 6) on yhtä paljon maanjäristyksiä esitettynä, mutta kartoissa on eroja, jotka syntyvät luokkarajoituksista. Kuvan 5 kartta esittää maanjäristykset vaarallisempana ilmiönä, sillä maanjäristyksiä kuvaavista pallukoista suurempi osa on tummemman punaisia kuin kuvan 6 kartassa. Ilman kartan tarkempaa syynäystä saattaisi lukijalta kuitenkin mennä ohi tällaiset pienet yksityiskohdat, jolloin kartan tekijän on katsottava, ettei ilmiö paisu suuremmaksi kuin esimerkiksi vaikutuksiltaan oikeasti on. Opiskelijoita voisi lisäksi kuitenkin muistuttaa, että jo 6 magnitudin maanjäristykset aiheuttavat merkittävää tuhoa ja omaisuusvahinkoja sopivissa olosuhteissa, joten eivät ne mitättömiä ole. Kuvassa 6 korostuu suurten (magnitudin mukaan) maanjäristysten  harvinaisuus (eli paljon vähemmän tummanpunaisia pallukoita verrattuna kuvaan 5) ja pienempien maanjäristysten yleisyys (paljon vaaleankeltaisia pallukoita verrattuna kuvaan 5). Oli hauskaa huomata, että Marita oli tehnyt kartan, joka kuvasi yli 8 magnitudin maanjäristyksiä vuodesta 1980 eteenpäin. Vaikka Marita halusi havainnollistaa, missä kaikkein tuhoisimmat järistykset ovat tapahtuneet, kartalta näkee myös, kuinka harvinaisia yli 8 magnitudin järistykset ovat. Maritan kartalta voi laskea, että vuodesta 1980 tähän päivään on tapahtunut hiukan vajaa 30 yli 8 magnitudin maanjäristystä, kun taas Miran blogista löytyvä 4-7 magnitudin maanjäristyksiä (vuodesta 2000 tähän päivään) kuvaava kartta on tiheänä pisteistä erityisesti litosfäärilaattojen saumakohdissa. Näitä Maritan ja Miran karttoja vertailemalla voisi havainnollistaa opiskelijoille, kuinka yleisiä pienen magnitudin maanjäristykset ovat ja kuinka harvinaisia suuren magnitudin maanjäristykset ovat.

Sitten voinkin avautua hankaluuksistani tältä kerralta: Koulussa tunnin aikana ja sen jälkeen minulla oli hyvä fiilis tämän karttakotitehtävän suhteen, että näiden karttojen tekeminen olisi helppoa ja nopeasti hoidettu alta pois. Toisin kävi, mutta ongelma ei ollut niinkään kartan tekemisessä vaan siitä tulostetta tehdessä.. QGIS bugasi sen verran pahasti, että heitteli tulosteelle kauniisti asettelemiani selitteitä, pohjoisnuolia, mittakaavaa ja jopa itse karttaa ympäriinsä tallentamisen jälkeen. Lopputulos oli kaameaa katseltavaa, sillä esimerkiksi joistain tulosteista puuttui melkein koko pohjoinen pallonpuoli tai puolikas Australian manner. Usean tulosteen jälkeen ja kärsivällisyyteni äärirajan lähestyttyä sain lopulta ihan nätit hasardikartat ulostettua. Valitsin sijaintikartan (Kuva 1) maanjäristysten selitemerkin väriksi tummansinisen ja muodoksi pallon sekä tulivuorten selitemerkin väriksi oranssin ja muodoksi kolmion, jotta ne erottuisivat hyvin toisistaan, koska ne ovat kartalla myös hieman päällekkäin. Mielestäni tulivuoria kuvaa parhaiten tämä oranssinpunainen väritys ja kolmion muoto, joten jatkoin niiden käyttöä kuvassa 4. Maanjäristyksiä kuvasin vain varoittavalla sävyllä (keltaisesta punaiseen, kuvat 5 ja 6). Kaikki kartat näyttävät mielestäni melko selkeiltä ja pohjakartan ollessa sama niitä on helppo vertailla keskenään.
Olihan minulla hieman ongelmia tulivuoritaulukkoaineiston siistimisen kanssa, koska Excel ja päivämäärät.. mutta sitkeän käsityön jälkeen kaikki oli taas täydellistä.

Enää yksi blogipostaus uunista ulos ja sitten blogini on valmis.

 

 

Viittaukset blogeihin:
https://blogs.helsinki.fi/michemmi/

The world is a hazardous place eli Kuudes kurssikerta

Lähteet:

Litosfäärilaatta-kuva:
https://peda.net/oppimateriaalit/e-oppi/lukiot/vantaa2/martinlaakson-lukio/maantiede/karhu/t1mmoo2/ge-uusi-1f/mjt/s/l
(Luettu: 1.3.2018 klo 21.20)

Tyynenmeren tulirengas-kuva:
https://yle.fi/uutiset/3-9841716 (Luettu: 1.3.2018 klo 21.23)

Kurssikerta 5

Viidennellä kurssikerralla piirsimme lisää QGIS -ohjelmaa käyttäen ja saimme itsenäistehtäviä suoritettavaksi. Piirtäminen jatkui viime kurssikerran Pornais-aineistossa ja kokeilimme ensi kertaa bufferointia.

Tunnin aikana tehdyt bufferointiharjoitukset Pornaisten keskusta-alueella sujuivat melko kivuttomasti. Mitään kuvamateriaalia minulle ei jäänyt näistä harjoitustehtävistä, mutta parista itsenäistehtävistä jäi bufferikuvia:

Kuva 1 Kartalla näkyy tummanpunainen bufferialue, joka kuvaa Helsinki-Vantaan lentokentän kiitoradoilta kuuluvan melun vaikutusaluetta.

Ensimmäisessä itsenäistehtävässä visualisoimme lentokenttäaineistoja. Tutkimme, kuinka Malmin ja Helsinki-Vantaan lentoasemien lentomelu tavoittaa lähimmät asuinrakennukset ja niiden asukkaat. Kuvassa 1 keltaiset pisteet kuvaavat taloja, jotka ovat bufferin sisällä eli ne ovat 2 kilometrin etäisyydellä Helsinki-Vantaa lentoaseman kiitoradoista. Malmin lentokentän läheisyydessä bufferista tuli tämän näköinen:

Kuva 2 Bufferi Malmin lentokentän läheisyydessä asuvien ihmisten altistumisesta lentomelulle.

Myös kuvassa 2 keltaiset pisteet kuvaavat taloja, jotka altistuvat lentomelulle joko 2 km tai 1 km (en muista kumpi bufferi kyseessä) etäisyydellä Malmin lentokentästä.
Bufferointi oli mielestäni ihan hauskaa ja helppoa, mutta en kiinnittänyt kovasti huomiota karttojen väreihin tai muihin ominaisuuksiin, sillä keräsin kaikkien itsenäistehtävien vastaukset vain erilliseen word-tiedostoon.

Kun pohdiskelen hetken opittuja taitojani QGIS:in parissa, voin sanoa, että ne ovat vielä melko hataralla pohjalla. Karttatehtävät onnistuvat helposti ja nopeasti tarkkojen ohjeiden avulla, jotka löytyvät kurssikertojen materiaaleista word-tiedostoina, mutta itsenäinen työskentely ilman ohjeita osoittautui turhauttavaksi. Aloitin toisen itsenäistehtävän jossain kummallisessa mielentilassa, sillä en saanut mitään aikaiseksi ja turhauduin, kun en saanut vastauksia tehtäviin. Lopulta selvisi, etten ollut tehnyt mitään muuta väärin kuin katsonut väärää attribuuttien yhdistelmää taulukosta. Kaiken säätämisen jälkeen löysin kuin löysinkin oikeat vastaukset suurimpaan osaan tehtävistä, jotka osoittautuivat melko helpoiksi. Kokosin lopulta vastaukset myös taulukkoon:

Taulukko 1 Vastaukset, jotka sain itsenäistehtävistä.

En osannut tehtävää, jossa piti etsiä taajamista ulkomaalaisten osuus, kun se on yli 10, 20 tai 30%. En myöskään osannut tuottaa karttaa uima-allasrikkaimmista alueista pääkaupunkiseudulla, vaikka etsin apuja Vivin, Merin ja Eemilin blogeista. Soveltavammat tehtävät vaativat hiukan pohtimista, kokeilemista ja erehtymistä. Kaiken kaikkiaan kokemus olikin turhauttava. Lisäksi en voi sanoa ymmärtäneeni kaikkea sitä mitä tein.. xD Minusta tuntuu, että mitä pidempään tappelen QGIS:n kanssa sitä paremmin opin sen toiminnot ja niiden merkityksen sekä käyttömahdollisuudet. Toistaiseksi kuitenkin tietoni ovat turhan laihat täydelliseen ymmärtämykseen. Tähän kaikkeen saattaa kuitenkin vaikuttaa se, ettei muista vielä tarpeeksi hyvin toimintojen ominaisuuksia eli lähinnä oppiminen vaatisi vain toistoja. Tunnen kuitenkin, että esimerkiksi koropleettikarttojen tekeminen on yleensä helppoa ja arvojen valitseminen valintatyökaluilla sujuu melko hyvin. Perus toiminnot, kuten tallentaminen ja karttalayereiden käsittely (värit/läpinäkyvyys/zoomaus/jne.) ovat tietenkin hallussa. Myös kartan viimeistely esitettävään muotoon (legenda, pohjoisnuoli, mittakaava, kartan säätely) onnistuu vaivatta ja nämä toiminnot ovat hyvässä muistissa. Joissakin QGIS:in toiminnoissa tuntuu olevan välillä häikkää, sillä kuten Merikin mainitsi blogissaan, että hänellä on usein ongelmia ’join attributes by location’-toiminnon kanssa, kuten on minullakin, enkä tiedä miksi en saa tätä toimintoa aina toimimaan. (Uskon, etten tämän toiminnon toimimattomuuden takia saa uima-allasrikkaimmista alueista kertovaa karttaa tehtyä).

Bufferointia käytetään hyödyksi etäisyyksien määrittämisessä ja bufferin sisään jääneiden kohteiden laskemisessa. Minulle tuli tässä kohtaa blogikirjoitusta hyvin väsynyt ja minimaalisen luova olo, joten onneksi karttatyöhön apua etsiessäni löysin Eemilin blogista hyviä ideoita, mihin bufferointia eli puskurointia käytetään hyväksi. Eemil listaa blogissaan muun muassa saavutettavuuden, tiestön melu- ja ilmansaasteiden sekä jokialueiden maanviljelymahdollisuuksien tarkastelun puskurivyöhykkeiden avulla.

Tämän kurssikerran jälkeen minulle tuli ihan hyvä olo siitä, että on mahdollista lukea muiden blogeista heidän tuntemuksiaan näistä tehtävistä ja muistakin tämän kurssin harjoituksista. Jotkut onnistuvat, jotkut eivät tai joillain on myös samanlaisia tuntemuksia näitä tehtäviä kohtaan kuin minulla, joten en tunne olevani yksin tai niin vihainen itselleni, jos en osaa jotain.. Esimerkiksi oli lohdullista lukea Vivin blogista, että hänelläkin on epätoivon tunteita QGIS:in suhteen, kuten minullakin. Onneksi olemme jo loppusuoralla tällä kurssilla.

Viittaukset blogeihin:

https://blogs.helsinki.fi/merisupp/
https://blogs.helsinki.fi/beemil/
https://blogs.helsinki.fi/vivitark/

Kurssikerta 4

Neljännellä kurssikerralla harjoittelimme tiedon esittämistä ruututeemakartan avulla. Tutustuimme lisäksi pistemuotoisiin aineistoihin ja harjoittelimme piirtämistä QGIS-ohjelmalla.
Ruututeemakartta on samankaltainen kuin koropleetikartta, mutta ruututeemakartassa alueiden sijaan, yllätys yllätys, onkin ruutuja. Saimme itse valita aiheen, josta tuotimme ruututeemakartan, ja minä valitsin 65-69
-vuotiaat pääkaupunkiseudun väestöstä. Ruututeemakartastani tuli tämän näköinen:

Kuva 1 Kartalla näkyy, minne 65-69 -vuotiaat pääkaupunkiseudun asukkaat sijoittuvat eli missä he asuvat.

Kartassa (Kuva 1) kuvataan, missä 65-69 -vuotiaat asuvat pääkaupunkiseudulla. Mitä tummempi purppura ruutu, sitä enemmän ruudussa asuu 65-69 -vuotiaita. Meinasin ensin visualisoida karttani esittämän tiedon purppuran eri sävyjen sijaan sinisen eri sävyillä, kunnes tajusin vaaleimpien sinisen sävyjen olevan lähellä vesistöjen värejä. Kun vaihdoin väritystä, kartasta tuli mielestäni helpommin luettava ja melko neutraali esitys. 65-69 -vuotiaiden sijoittuminen pääkaupunkiseudulle ei mielestäni näytä nyt negatiiviselta eikä positiiviselta asialta. Kun kartasta tekee tulosteen QGIS:sillä, pitäisi ehkä huomioida se, että tekisi kartasta hieman pienemmän, jotta legenda mahtuisi nätisti kartan viereen, eikä tuonne alanurkkaan. Toisaalta, jos legendalla on pitkä otsikko se olisi mukava saada kahdelle riville, jotta legendasta ei tulisi niin kookas..

Mielestäni ruututeemakartta on toisaalta hyvin aihettaan kuvaava ja toisaalta ei, sillä ruudut eivät suoraan kuvaa tiettyjä alueita, esimerkiksi Helsingin kaupungin eri alueita, jotka olisivat tunnistettavissa kartalta helposti. Ruudut eivät kerro tarkkaan aluetta, jolla 65-69 -vuotiaat vanhukset tässä tapauksessa asuvat. Siksi on esimerkiksi hyväksyttävämpää esittää absoluuttisia arvoja ruututeemakartalla kuin koropleettikartalla. Jos tämä sama aihe olisi esitettynä koropleettikartalla, jotkin alueet leimautuisivat helpommin tietynlaisiksi, esimerkiksi vanhusten asuttamiksi alueiksi, sillä katsoja näkisi kartalta suoraan tarkan aluerajauksen. Ruututeemakartta tuo tietynlaista anonymiteettiä esittämälleen aiheelle, sillä se näyttää lähinnä tutkittavan aiheen väljät keskittymät. Tekemältäni kartalta voi lähinnä päätellä helposti, että suuri osa 65-69 -vuotiaista asuu esimerkiksi Helsingin keskustassa ja ylipäätään suurten palvelukeskusten tuntumassa. Ihmiset todennäköisesti muuttavat vanhetessaan lähemmäs suuria keskuksia, jotta kaikki palvelut, mitä he tarvitsevat löytyisivät läheltä ja ne olisivat myös helposti saavutettavissa. Mielestäni Laura Hoikkala esitti blogissaan erittäin hyvän pointin karttaan lisättävän informaation näkökulmasta. Laura teki ruututeemakarttansa ’muun kuin suomen- ja ruotsinkielisten asukkaiden lukumäärästä pääkaupunkiseudulla’ ja sanoo blogissaan: ”Kartta olisi ehkä kiinnostavampi, jos siinä esitettäisiin muunkielisten osuus väestöstä. Nyt kartta todennäköisesti osoittaa pitkälti alueet joilla asutus ylipäätään on tiheintä.” Eli kartan informaatio muuttuisi, jos siinä olisi mukana, minun karttani tapauksessa, kaikki ikäluokat, jolloin 65-69 -vuotiaat eivät olisi välttämättä edes missään ruuduista suurikokoisin esiintyvä ikäluokka eli edes näkyvänä kartalla. Jos minun kartallani esitettäisiin alkuperäisen tiedon lisäksi 65-69
-vuotiaiden osuus väestöstä, kartalta saisi myös käsityksen siitä, kuinka suuri osa kunkin ruudun asukkaista on 65-69 -vuotiaita.
Mielestäni absoluuttisia arvoja voi hyvin käyttää, jos kyseessä ei ole herkkä aihe, tieto toimii kontekstissaan tai jos tieto on tarkkaan tuotettua. Esimerkiksi Bangladeshissa voisi olla hankala kuvata, vaikka lasten osuutta absoluuttisilla luvuilla tietyillä alueilla, koska lasten lukumäärästä ei olisi kovin tarkkaa dataa olemassa väestön valtavan määrän ja väestönlaskennan haasteiden vuoksi.
Mielestäni ruututeemakartta sijoittuu pisteteemakartan ja koropleettikartan välimaastoon, kun verrataan niiden informaatioarvoa. Pisteteemakartta on ehdottomasti kaikkein tarkin kuvaamaan esittämäänsä aihetta, mutta koropleettikartalla ei esitetä absoluuttisia lukuja, joita taas voi esittää ruututeemakartalla vaivattomammin. Toisaalta, kun halutaan tarkkaa tietoa esimerkiksi jokaisesta kaupunginosasta erikseen, tieto on helpommin luettavissa koropleettikartalta kuin ruututeemakartalta. Tämän vuoksi koropleettikartta on todennäköisesti käytetympi tiedon visualisoinnin muoto kuin ruututeemakartta. Eemil Becker kiinnitti huomiota ruutujen ominaisuuksiin ja niihin liitettävien tietojen käsittelyyn vertaillessaan teemakarttojen informaatioarvoja. ”Ruutukarttaa on helppo lukea ja ymmärtää, kun esitetty alue on jaettu yhtä suuriin ruutuihin, jotka on taas jaoteltu omiin luokkiinsa. ” — ” Ruudut ovat samankokoisia, mutta otannan suuruus tutkittavaan ilmiöön saattaa vaihdella todella paljon. Ruututeemakartta ei siis aina sovellu jokaisen ilmiön kuvaamiseen. Esitettävyys saattaa kärsiä hyvinkin paljon, jos dataa ei käsitellä esitykselle edullisella tavalla.” Eemilin blogissa esitettyjen karttaesimerkkien avulla tämä lainaus on helpommin ymmärrettävissä.

Lopputunnista harjoittelimme piirtämistä QGIS:sillä  rasterikartan avulla. Piirsimme Pornaisten keskusta-alueelle piste- ja viivakohteita seuraavan kurssikerran bufferointiharjoitusta varten. Pistekohteet olivat taloja ja viivat teitä. Mielestäni piirtäminen oli yllättävän helppoa ja vaivatonta, mutta jos sattui vahingossa hairahtamaan ja klikkaamaan hiirellä väärään paikkaan, täytyi piirtäminen aloittaa alusta, sillä ”undo”-nappi ei näytä olevan se pelastava enkeli tässä yhteydessä.. Piirtämistä varten oli useita erilaisia työkaluja, joiden ominaisuudet vaihtelivat ja niiden käyttö oli helposti opittavissa.

Ensi kertaan. Yli puolet kurssista takana!

 

Viittaukset blogeihin:

https://blogs.helsinki.fi/7k110736/ (Laura Hoikkala)
https://blogs.helsinki.fi/beemil/

Kurssikerta 3

Kolmannella kurssikerralla valmistelimme itse tietokannan kartan tekoa varten. Haimme tietoa, joka myöhemmin yhdistettiin tietokantaliitoksella erilaisten kyselyjen avulla. Lisäksi tuotimme yhdistettyjen tietokantojen avulla uutta tietoa, joka lopulta visualisoitiin kartalle.

Ensimmäinen harjoitus sisälsi näitä tiedon ja tietokantojen kanssa kikkailua. Lopputuloksena syntyi tällainen kartta Afrikasta:

Kuva 1 Kartalla näkyy useita eri pistekohteita, joista toiset kertovat timanttikaivosten sijainnin ja toiset konfliktien sijainnin Afrikassa. Aluemaisena tietona näkyy myös öljykenttien sijainti Afrikassa.

Kartan elementit erottuvat mielestäni hyvin toisistaan. Tällä kertaa sain myös legendan hienosäädettyä ja kokonaisuus näyttää mielestäni jo siedettävältä. Kartalla (Kuva 1) konfliktit peittävät osan muusta informaatiosta, sillä konflikteja saattaa esiintyä joillain alueilla hyvin paljon. Timanttien ja öljyn esiintyminen alueella synnyttää konflikteja, sillä luonnonvaroista tietenkin kiistellään.
Käsittelemiimme tietokantoihin on tallennettu tietoa konfliktien tapahtumavuosista, konfliktien laajuudesta/säteestä kilometreinä, timanttikaivosten ja öljykenttien löytämisvuodesta, kaivausten/poraamisen aloitusvuodesta sekä tuottavuusluokittelusta ja internetkäyttäjien lukumäärästä eri vuosina. Näillä tiedoilla voisi visualisoida karttoja muun muassa siitä, mitkä konfliktit ovat puhjenneet timantti- tai öljyesiintymän löydyttyä, tai mitkä konfliktit ovat puhjenneet kaivausten/poraamisen aloitusvuonna ja kuinka laajoja nämä konfliktit ovat olleet tai kuinka usein saman esiintymän lähellä on kiistelty. Internetkäyttäjien lukumäärän perusteella voitaisiin päätellä, kuinka kehittyneitä eri alueet ovat ja toisaalta kartalla näkyisi, kuinka tiheässä internetin käyttäjiä on eli minne käyttäjät klusteroituvat. Lisäksi eri vuosilta olevasta internetkäyttäjien lukumäärätiedosta nähtäisiin missä Afrikan valtioissa on menty kehityksessä eteenpäin ja kuinka nopeasti. Voitaisiin myös tarkastella keskittyvätkö internetinkäyttäjät kaikkein kehittyneimpiin Afrikan valtioihin vai löytyykö heikommin kehittyneistä valtioista paljonkin internetin käyttäjiä.

Toisessa karttaharjoituksessa tuotimme itsenäisesti teemakartan valuma-alueista Suomessa. Itsenäinen tuotokseni näyttää tältä:

Kuva 2 Kartalla näkyy Suomen valuma-alueet tulvaindeksin väreillä kuvattuna ja pylväinä järvisyys.

Kartalla (Kuva 2) tulvaherkkyys on nähtävissä väreissä. Mitä tulvaherkempi alue, sitä tummemman punaiseksi alue on värittynyt. Valuma-alueita tarkasteltaessa on kartalla nähtävissä selkeästi lounaasta koilliseen suuntaava vedenjakaja, joka on todennäköisesti syntynyt jääkauden aikaan. Vedenjakajasta länteen laskevat joet Pohjanlahteen ja kartalta erottuu selvästi tämä punaisen ja oranssin värittämä Suomen länsirannikko, joka on tiedetysti Suomenmaan tulvaherkintä aluetta Pohjanmaata. Suomen etelä- ja lounaisrannikko on myös värjäytynyt punaisenkirjavaksi (korkea tulvaindeksi) ja on myös tiedetysti tulvaherkkää aluetta. Tulvaherkkyyteen vaikuttaa siis todennäköisesti kartalle pylväillä kuvattu järvisyys. Pohjanmaa ja Etelä-Suomi sekä lounaisrannikko näyttävät pylväiden perusteella olevan melko vähäjärvisiä alueita (muutamaa korkeampaa pylvästä lukuun ottamatta). Kun taas Järvi-Suomessa vesi valuu järviin ja veden pinta pysyy niiden olemassaolon vuoksi matalampana. Pohjois-Suomessa sama näyttää toistuvan: vaalean oransseilla alueilla (korkeampi tulvaindeksi) järvisyyttä kuvaavat pylväät ovat matalampia kuin keltaisilla alueilla (matalampi tulvaindeksi), joilla järvisyyttä kuvaavat pylväät ovat korkeita. Hieman hienommin yhteenvetona: korkean tulvaindeksin ja suuren järvisyyden välillä on selvä negatiivinen korrelaatio eli mitä järvisempi valuma-alue, sitä pienempi tulvaherkkyys valuma-alueella näyttäisi olevan, kuten Minna Soittila toteaa blogissaan. Kartta siis esittää tulvaindeksin arvojen avulla Suomen valuma-alueita. Toki esimerkiksi rakennettu ympäristö vaikuttaa veden imeytymispinta-alaan, jota on esimerkiksi pääkaupunkiseudun keskusten alueella siten vähemmän kuin vaikkapa harvaan asutuilla alueilla. Lisäksi, kuten Eveliina Sirola blogissaan kirjoittaa, myös muilla seikoilla on merkitystä: Pohjanmaalla on hyvin alavaa ja Etelä- ja Lounais-Suomi ovat jokien ja vesistöjen kirjavoittamaa maata, mitkä lisäävät näiden alueiden tulvaherkkyyttä. Lapissa – kuten koko Suomessakin – keväisin sulava runsas lumipeite, jää ja jääpadot lisäävät entisestään syntyvää vesimassaa ja herkistävät entisestään alueita tulville.
Visuaalisesti kartta näyttää mielestäni kelvolliselta: värit eivät pompi silmille ja järvisyyspylväitä on helppo tuijotella kartalta. Legendankin sain hiottua kivannäköiseksi.

Kiitos ja kumarrus.

 

Viittaukset blogeihin:

https://blogs.helsinki.fi/soittila/
https://blogs.helsinki.fi/evsirola/

Kurssikerta 2

Toisella kurssikerralla tehtyjen karttaharjoitusten tarkoituksena oli näyttää konkreettisesti, kuinka kartan projektio vaikuttaa esitettäviin kohteisiin. Ensimmäiseksi teimme mittausharjoituksen, jossa mitattiin Suomineidolle piirretyn hatun pinta-ala ja Suomineidon lantion leveys vähintään kolmella eri projektiolla. Tiedot taulukoitiin (taulukko 1) ja katsottiin, kuinka projektio vaikuttaa pinta-aloihin ja pituuteen.

Taulukko 1 Käytin mittauksessa Mercatorin ja Lambertin projektioita sekä kolmatta hieman vieraampaa projektiota.

Lambertin projektiolla saatuihin mittoihin verrattuna Mercatorin projektion mitat ovat reippaasti suuremmat. Kolmas projektio taas hieman kutistaa mittoja. Mercatorin projektion pinta-ala on noin 738,7% suurempi kuin Lambertin pinta-ala ja pituus noin 120,6% pidempi. Kolmannen projektion pinta-ala on vain noin 2,2% pienempi kuin Lambertin projektion pinta-ala ja pituus noin 1,0% lyhyempi. Luvuista näkee, miksi Euroopan komissio suosittelee käytettävän vain yhtä projektiota pinta-aloja käsittelevän datan yhteydessä, sillä vääristymä voisi olla hyvinkin suuri (esimerkiksi Mercator). Lambertin projektiota käyttämällä säilytetään luotettavuus mittaustuloksiin.

Taulukkotehtävän jälkeen lähdimme tuottamaan karttoja, jotta näkisimme, kuinka projektio vaikuttaa tiedon esitykseen alueellisesti. Tarkastelimme karttojen avulla erityisesti pinta-aloja. Tarkoitus oli vertailla keskenään Lambertin ja Mercatorin projektioita ja niillä tuotettuja pinta-aloja Suomen kunnista.

Kuva 1 Kartassa pinta-alojen ero on sitä suurempi, mitä pohjoisemmaksi mennään ja mitä tummemmaksi kartan väritys muuttuu.
Kuva 2 Alueellinen kuvio on Winkel-Tripeliä ja Lambertia vertailtaessa hyvin samanlainen kuin Mercatoria ja Lambertia vertailtaessa.

Kartalla (kuva 1) näkyy Suomi Mercatorin projektiossa. Alueiden väritys syntyy Lambertin projektiossa olevien Suomen kuntien pinta-alojen ja Mercatorin projektiossa olevien Suomen kuntien pinta-alojen vertailusta. Mitä tummempi väri, sitä enemmän pinta-alat eroavat toisistaan eri projektioissa. Mitä vaaleampi väri, sitä lähempänä toisiaan pinta-alat ovat eri projektioissa. Viimeisenä tehtävänä sai itse valita, minkälaisen kartan tuottaa ja minä halusin verrata Lambertin projektion pinta-aloja johonkin toiseen maailmankarttaprojektioon. Valitsin toiseksi projektioksi Winkel-Tripel -projektion. Kuvassa 2 näkyy kartalla Suomi Winkel-Tripel
-projektiossa ja pinta-aloja vertailin Lambertin projektion pinta-aloihin. Myös näitä kahta projektiota vertailtaessa pinta-alojen erot kasvavat kohti pohjoista. Alueellinen kuvio on hyvin samankaltainen kuvassa 1 ja 2, mutta prosenttiosuudet ovat paljon suuremmat kuvan 2 kartalla kuin kuvan 1 kartalla. Eri projektioiden ominaisuudet muovaavat visuaalista lopputulosta, mitä Roope Heinonen on puinut blogissaan fiksusti Tissot’n indikaattoreilla.

Taulukkooni olisin voinut panostaa hieman enemmän, että siitä olisi tullut yhtä selkeä ja hieno kuin Meri Suppulan tekemä taulukko. Karttojen tekeminen ei sinällään tuntunut enää vaikealta, mutta lähinnä hienosäätö ja legendojen säätäminen ovat vielä jääneet vähäisemmälle huomiolle. Kuvassa 2 olevaan karttaan minun piti vaihtaa väriteemaksi ”Inferno” tai vastaava, jotta alueet erottuisivat kartalla paremmin toisistaan. Nyt kuvan 2 kartan vaaleat värit ovat vaikeammin erotettavissa. Legendoissa ”prosenttiosuudet” näyttävät vähän miltä sattuu.. mutta tekemällä oppii.

Mitä olen oppinut muiden blogeja lukemalla: en ole lainkaan luova omaa blogia kirjoittaessa vaan täysin jähmeä ja kaavoihin kangistunut.. Pahoitteluni, jos joku ehkä joskus lukee mielikuvituksetonta blogiani xD

Viittaukset blogeihin:

22-01-2018 | Vääristynyt todellisuus


https://blogs.helsinki.fi/merisupp/

Karttaharjoitus 1

Ensimmäisellä kurssikerralla tehtiin karttaharjoitus, jonka tarkoituksena oli opetella QGIS -ohjelman perustoimintoja ja käyttöä. Lopputuloksena syntyi Itämeren reunavaltioiden typpipäästöjä kuvaava koropleettikartta. Lopputunnin sähellyksen vuoksi tuli kiire viimeistellä kartta, joten pohjoisnuoli ja legenda jäivät hienosäätöä vaille.

Kartasta on tulkittavissa, että Itämeren suurin kuormittaja typpipäästöjen näkökulmasta on Puola. Venäjä ja Ruotsi ovat toiseksi suurimmat kuormittajat. Kaikkein vähiten Itämerta kuormittaa Viro.
Muut Euroopan mantereen valtiot, jotka eivät kuormita Itämerta typpipäästöillä, on merkitty karttaan vaaleankeltaisina.
Mielestäni Mira Kylliäinen kiinnitti huomionsa kekseliäästi blogissaan siihen, kuinka tunnilla tekemäämme karttaan on kuvattu vain Itämeren reunavaltiot, jolloin kaikki Itämerta typellä kuormittavat valtiot eli Itämeren valuma-alueeseen kuuluvat valtiot eivät näy kartassa.

Kartta on mielestäni selkeä ja värit kuvaavat ilmiötä melko hyvin. Olisin kuitenkin voinut harkita muokkaavani vesistöjä ja toiseksi matalinta typpipäästöarvoa kuvaavia värejä paremmin toisistaan erottuviksi. Huomasin värien turhan läheisen samankaltaisuuden lukiessani Kia Kivisillan blogia, jossa hän puhui olevansa tyytyväinen karttansa värivalintoihin ja eri kohteiden erotettavuuteen. Legenda on hieman epäselvä, sillä siitä voisi poistaa tarpeettomat tasojen kuvaukset. Tasojen nimet voisivat myös kuvata tasojaan osuvammin, jos olisin muokannut niitä. Syvyyskäyrät kuvaisivat tehokkaammin merialueiden syvyyttä, jos ne olisivat samaa väriä, eivätkä liukuvärjätyt syvyyden mukaan. Halusin kuitenkin jättää tämän version karttaani osoitukseksi onnistumisestani syvyyskäyrien värityksen suhteen (eli tein ohjeiden mukaan).

Ensimmäinen kurssikerta ei suonut minulle suuria oivalluksia, mutta ainakin QGIS-ohjelma tuli hieman tutummaksi.

Kartassa kuvataan Itämereen päätyvien typpipäästöjen määrää merta ympäröivistä valtioista.

Viittaukset blogeihin:

https://blogs.helsinki.fi/kiakivis/
https://blogs.helsinki.fi/michemmi/