Viimeistä viedään

Viimeinen kurssikerta potkaistin vihdoin käyntiin. Tunnille oli tultava oma aineisto mukana. Siispä saavuin tunnille kainalossani aineistot, jotka käsittelevät Italian rajoja, alueelle sijoittuneita tulivuoria ja väestöä. Halusin tarkastella tulivuorten läheisyydessä olevia mahdollisia asukaskeskittymiä muunmuassa erittäin hedelmällisen maaperän seurauksena.

Yritin aluksi tehdä karttaa pienempiä alueita koskien, mutta kartasta tuli täysin lukukelvoton. Siksi päätinkin valita vain isommat alueet tarkasteluuni.

En tiedä olinko tunnilla jotenkin erityisen väsynyt vai mikä mättäsi, mutta itselläni oli jatkuvasti olo, että aivan kuin olisin unohtanut kaikki kurssilla opitut asiat. Ongelmia tuntui olevan kokoajan, vaikkakin aika pieniä sellaisia.

Haasteista huolimatta sain tuotettua kartan… johon en ole lainkaan tyytyväinen. Mielestäni kartta on epäselvä, tylsä eikä ollenkaan oppimiani taitoja haastava… Päätin, ettei tämä olisi lopullinen karttani, vaan haluan haastaa itseäni lisää. Halusin kuitenkin lisätä tämänkin kartan blogiin (kuva 1).

Kuva 1: Italian asukkaiden sijoittuminen alueittain suhteessa tulivuorien sijaintiin.

Tyytymättömyyteni ensimmäiseen työhöni sai minut tekemään uutta karttaa, tällä kertaa rakkaasta kotikaupungistani Hyvinkäästä. Löysin tuskallisen etsinnän tuloksena paljon erilaista aineistoa, kuten tieverkoston, julkisen liikenteen pysäkit ja julkisen liikenteen reitit. Innoissani liitin kaikki tiedostot qgissiin ja tein kartan Hyvinkään alueen julkisen liikenteen mahdollisuuksista,  mutta se ei oikein onnistunut… Olisin halunnut liittää karttaan väestötiedot ja vertailla esimerkiksi asukkaiden etäisyyttä rautatieasemaan, sillä Hyvinkää on tunnettu pendelöinnistään, mutta en löytänyt pistemuotista (saatika mitään muutakaan) aineistoa väestöstä mistään! Päätin, että nyt riittää ja suljin qgissin. Tähän väliin minun oli pakko ottaa pikkuinen breikki ja antaa aivojen vähän tuulettua…

Viikon kuluttua palasin takaisin tietokoneen ja qgissin ääreen. Päätin aloittaa jälleen kerran alusta. Kolmas kerta toden sanoo…  Tällä kertaa alueeksi valikoitui Yhdysvallat. 

Oula oli aiemmin löytänyt paljon mielnekiintoista tietoa Yhdysvalloista ja avuliaisuuttaan vinkkasi minulle käyttämäänsä sivua. Intoa puhkuen suuntaisin uudelle sivulle ja latasin aineistoa merenpinnan nousun vaaravyöhykkeestä Yhdysvaltojen rannikkoalueilla. Aihe oli mielenkiintoinen ja olin iloinen. Mutta sitten…. Ladattuani aineiston Yhdysvaltojen asukastiedoista kävi jotain kummaa. Tiedostot eivät jotenkin sopineet yhteen. Asukastietojen kartta ilmestyi qgissiin normaalin kokoisena ja vaaravyöhykekartta oli aivan minimaalisen kokoinen. Ajattelin että noh ehkä näissä on eri projektiot, mutta ei. Kokeilin kaikkea mahdollista, mutta en saanut näitä kahta aineistoa sopimaan yhteen. Kokoniasen päivän taisteltuani oli aika heiluttaa valkoista lippua.

No jos neljäs kerta…. Tällä kertaa pysyttäydyin rakkaassa Suomessa. Hyödynsin jo aikaisemmin kurssikerroilla käytettyä aineistoa pääkaupunkiseudusta. “Lainasin” neljänneltä ja viidenneltä kurssikerralta käyttämiämme ainestoja pääkaupunkiseudun aluejaosta, vesistöistä sekä pistemuotoisen tiedoston väkiluvusta. Tämän jälkeen suuntasin Hyvinkään karttaa tekiessäni tutuksi tulleille liikenneviraston sivuille ja latasin kurssiaineistojen kaveriksi tiedot suurimmista väylistä ja kovimmasta liikenteestä, joka ei niin yllättäen osui juuri pääväylille.

Haluisin hyödyntää karttamateriaaleissani buffeorintia. Tästä vaiheesta halusin todisteen myös tänne blogin puolelle, joten tein nopean kartan tästä välivaiheesta. “Upea teos” löytyy alta. Se ei ole virallinen kartta, mutta halusin todistaa (myös itselleni) osaavani bufferoida.

 

Kuva 2: Pääväylät bufferoitu 500:n metrin alueelta.

Bufferoinnin avulla haluisin selvittää asukkaiden määrän suurimpien väylien välittömässä läheisyydessä, eli tuon valitsemani 500m haarukalla. Halusin myös verrata tätä lukua koko kunnan väkilukuun ja lopuksi vielä laskea välittömässä läheisyydessä asuvien prosentuaalisen määrän. Kokosin tulokset taulukkoon, joka liitin alle.

 

 

Bufferoinnin avulla sain myös tehtyä lopullisen karttani pääkaupunkiseudun pääväylien lähiympäristön asukkaista (kuva 3). Lisäsin karttaan toiseksi muuttujaksi asukastiheyden. Kartan ulkoasun selkeyttämiseksi asukastiheys on ilmoitettu hehtaareissa eikä neliökilometreissä. Jätin myös pääväylät näkyviin, jotta kartan lukeminen ja analysointi helpottuisivat.

Kartalta voidaan havaita asukkaiden keskittyminen liikenteen saumakohtiin. Tämän lisäksi kehien ympärykset on asutettu melko lähelle ajoväylää. Kehä 1 varrella on tasaisesti melko paljon asukkaita ja siksi se erottuu selkeänä tumman vihreänä kaarena. Kehä 3 erottuu myös kartasta melko hyvin, vaikkakin ei niin selkeästi kuin kehä 1. Suurimmat pääväylien lähellä olevien asukkaiden keskittymät ovat Konalassa, Lauttasaaressa, Meilahdessa ja Mustasaaressa. Näillä alueilla asukastiheys on 21-29 väliltä, mikä ei ole niin suuri  verrattuna muiden kaupunginosien asukastiheyksiin.

 

 

Kuva 3: Pääkaupunkiseudun pääväyline välittömässä läheisyydessä (500m) asuvien asukkaiden lukumäärä. Kartalle on myös lisätty alueiden asukastiheys hehtaaria kohden.

 

Aineiston etsiminen todella työlästä ja turhauttavaa.  Käytin etsimiseen täysin valehtelematta tai liioittelematta yli 15 tuntia. Aineistojen löydyttyä kaikki sujui kuitenkin melko sutjakkaasti. Suurempia ongelmia ei vastaani tullutenää viimeisen kartan teossa (kiitos Johanna Lehtisen)  ja lopputulokseenkin olen tyytyväinen. Olisin asukastiheyden sijasta halunnut alunperin käyttää toisena muuttujana kartalla määrää henkilöautojen omistuksesta, mutten löytänyt aineistoa, jota olisin osannut hyödyntää.

 

Haikein mutta helpottunein mielin on aika jättää geoinformatiikan menetelmät 1- kurssi taakse. Bloggaajan urani voi siis vihdoin myös jäädä unholaan. Koin kurssin erittäin mielenkiintoiseksi ja opettavaiseksi. Olen itsekin hieman hämmästynyt taidoistani, vaikken ole (ainakaan vielä) läheskään mikään gis-velho. On kuitenkin hauska verrata ensimmäistä (oranssi pohja ja musta “tuhkapilvi”) ja viimeistä karttaani. Kehitystä on tapahtunut vaikkei se aina siltä tuntunutkaan vastoinkäymisten rinnalla.

 

Lähteet:

Oula Inkeröinen: Viimeinen vastaisku, luettu 18.3.2019 https://blogs.helsinki.fi/inkeroul/

Johanna Lehtinen: https://blogs.helsinki.fi/johanleh/

Ulkoilua ja intohimoa

 

Kuudes tiistaiaamu alkoi poikkeuksellisesti ihanan aamureippailun parissa, kun suuntasimme pareittain harmaaseen ulkoilmaan keräämään tietoa Kumpulan lähialueesta. Jäisen vesisateen valuessa päällemme kuljeskelimme ympäriinsä samalla hyödyntäen Epicollect 5-sovellusta, johon keräsimme pistemuotoista dataa paikoista, joissa kävimme. Sovellus oli erittäin helppokäyttöinen ja selkeä. Vastasimme muutamaan kysymykseen kokemuksestamme alueesta esimerkiksi alueen viihtyvyydestä ja turvallisuudesta asteikolla 1-5. Tämän lisäksi sovellus tallensi sijaintimme koordinaatit ja pystyimme vielä halutessamme ottamaan kuvan kyseisestä paikasta.

Alla muutama otos minun ja Vilman seikkailusta 🙂

Kuva 1: Varmasti monelle opiskelijalle tutuksi tullut illanviettopaikka, Oljenkorsi.
Kuva 2: Hieno lainehtiva talo Arabiassa.
Kuva 3: Kauppakeskus Arabian aula.
Kuva 4: Upea A.I. Virtasen aukio.

 

Palattuamme seikkailultamme  kokosimme kaikkien ryhmien keräämät tiedot yhteen ja saimme muodostettua hienon pistekartan, jota rupeaisimme seuraavaksi interpoloimaan. Interpoloinnilla tarkoitetaan yksinkertaistettuna pisteiden välistä kaavaa. Kaavan avulla voidaan esimerkiksi kyseisessä tehtävässä ennustaa jonkin alueen saamaa arvoa, vaikka kukaan ei olisi käynyt kyseisellä alueella merkaamassa sinne pistettä. Interpolointia voidaan myös hyödyntää tässä tehtävässä kokemusten analysoinnissa. Analysointiprosessi helpottuu ja nopeutuu huomattavasti, kun on kartta, johon on selkeillä väreillä kuvattu kokemusta eikä tarvitse silmät ristissä tuijottaa vain läjää pisteitä.

Saimme tulokseksi hienon kartan Kumpulan lähialueella koetusta viihtyvyydestä ja turvallisuudesta, jonka tietenkin epähuomiossa unohdin tallentaa… Täytyy heti huomenna kampuksella etsiä, jospa vielä löytäisin kartan tietokoneen syövereistä, sillä mielestäni kartta oli erittäin onnistunut ja kuvasi erinomaisesti vaihtelevia kokemuksia eri sijaintien välillä.

Minua jäi kuitenkin mietityttämään sovellksen luotettavuus, sillä parilla kurssilaisellamme pisteiden sijainti heitti jopa kilometrejä oikeasta sijainnista. Väärin sijoitettu pisteet voivat vääristää tutkimuksen lopputulosta huomattavasti, etenkin jos heitto on näin suuri…

Interpolointiharjoituksen jälkeen kurssikerran varinaisena tehtävänä oli kolmen pistemuotoisen kartan tuottaminen opetustarkoitukseen. Kuten Eemil sanoo blogissaan, tiedonhakuun ja rajaamiseen oli tällä kertaa  melko vapaat kädet. Päätin itse kuvata koko maapallolla sijaitsevat tulivuoret, kaikki 2000-luvulla tapahtuneet yli kuuden magnitudin maanjäristykset  sekä maahan iskeiytyneet meteoriitit aikaväliltä 2000-2019. Olin aivan innoissani, sillä kyseinen aihe kiinnostaa minua hurjasti. Tuli elementtinä ja tulivuoret ilmiönä sytyttävät minussa jotakin ihmeellistä ja selittämätöntä palavaa intohimoa!!

Karttoja varten tarvittavat aineistot tuli muuttaa cvs muotoisiksi, mikä omaan korvaani kuulostaa vähintäänin heprealta ja yipäänsä super vaikealta tehtävältä. Onnekseni tämä prosessi osoittautuikin loppujen lopuksi melko helpoksi. Pisteet tuli muuttaa pilkuiksi ja meteoriittikannan pystyi suoraan tallentamaan cvs muotoisena! Jee!

Ensimmäinen karttani tulivuorten sijoittumisesta maapallolla on mielestäni hyvin simppeli ja onnistunut. Litosfäärilaattojen suamakohdat näkyvät kartalla hyvin tulivuorten jonomaisina keskittyminä esimerkiksi Indonesian, Japanin ja Kalifornian alueilla. Tyynenmeren tulirengas näkyy myös mielestäni hyvin, vaikka se jakautuukin kahtia karttaprojektion leikkauksen takia. 

 

Toinen karttani, 2000-luvulla tapahtuneet yli 6:n magnitudin maanjäristykset. Magnitudin kertovan asteikon jakautumisella voidaan havaita yli 7 magnitudin järistyksiä tapahtuneen vähän suhteessa kuuden magnitudin järistyksiin. Kaikkia maanjäristyksiä on eniten tapahtunut Tyynenemeren tulirenkaan alueella, etenkin Australian, Indonesian ja Nazcan laattojen reunoilla subduktiovyöhykkeillä. Voimakkaimpia järistyksiä on tapahtunut eniten Aasian alueella. Verrattaessa näitä kahta ensimmäistä karttaani, voidaan tulivuorten sijoittumisen ja maanjäristysten välillä nähädä selkeä korrelaatio.

Kolmantena karttana tuotin meteoriittien putoamispaikkojen sijoittumisen maapallolla aikavälillä 2000-2019. Kartasta pistää ainakin minulla ensimmäisenä kolme keskittymää: Yhdysvallat, Luoteis-Afrikka ja Oman. Voidaan mys huomata, ettei Suomeen ole 2000-luvulla tähän mennessä pudonnut ainuttakaan meteoriittia.

Karttoja tehdessä yritin tiukasti pitämään mielessäni tehtävänannon opetustarkoituksesta. Sain flashbackejä lukioon ja toisen mantsan opettajani itsepiirtämiin karttoihin, jotka olivat täynnä suhruisia viivoja, tekstinpätkiä merkkejä ja epämääräisiä suherruksia. Halusin välttää nämä kauhuskenariot ja pyrinkin mahdollisimman simppeleihin ja helppolukuisiin karttoihin, joista kaikki mahdollinen ylimääräinen on otettu pois. Tarkastellessani taas kerran toisten opiskelijoiden blogeja huomasin esimerkiksi Edvinin lisänneen karttoihinsa litosfäärilaattojen rajat. Tämä oli mielestäni mahtava idea, joka olisi varmasti ollut hyödyllinen myös opetustarkoitukseen käytettävissä kartoissa, sillä tulivuorten sijainteja olisi helppo selittää ja opiskelijoiden ymmärtää näiden välinen korrelaatio.

Karttojen teko tuntui tällä kertaa äärimmäisen helpolta, joka kieltämättä hitusen epäilyttää…

Yli kuuden magnitudin maanjäristysten karttaan en ole tyytyväinen. Vaikka kartta on mielestäni helppolukuinen, se ei mielestäni ole visuaalisesti kovinkaan kaunis. Järistyksiä on myös todella paljon, mutta valitsin tämän rajauksen magnitudeihin, koska se oli mielestäni looginen raja, sillä 6 magnitudia on  jo luokaltaan voimakas maanjäristys. Kokeilin myös tehdä karttaa yli 7 ja 8 magnitudin järistyksistä, mutta mielestäni näistä kartoista ei tullut yhtä kuvaavia, sillä näin voimakkaista järistyksiä oli vain muutama. Toki olisin voinut vaihtaa maanjäristysten ajankohtaa, mutta halusin välttämättä juuri 2000-luvulla tapahtuneet järistykset.

Kuten Susannakin mainitsee, olisin minäkin halunnut hyödyntää uutta interpolointitekniikkaa kartoissani. Kuitenkin kokeiltuani tätä menetelmää, koin kartat helppolukuisemmiksi ja selkeämmiksi ilman interpolointia, koska kuten Amanda mainitsee Kumpulan alueelta tehdystä harjoituksestaan, interpolointi muodostui koko kartan alueelle eikä vain pisteiden lähialuelle. 

Päälimmäiseksi tunteeksi jäi tällä kertaa innostus ja onnistuminen. Nautin aidosti tästä kurssikerrasta ja tuntui kuin aika olisi vain lentänyt! Ensi viikolla häämöttääkin jo viimeinen kurssikerta. MITÄH?!

 

 

Lähteet:

Edvin Väänänen: Kurssikerta 6: Hasardikarttoja, luettu 3.3.2019   https://blogs.helsinki.fi/edvaanan/

Eemil Haapanen: Kurssikerta 6 – Interpolointi, uhka vai mahdollisuus?,  luettu 3.3.2019 https://blogs.helsinki.fi/hceemil/

Susanna Kukkavuori:  Paikkatiedon luomisesta ja hyödyntämisestä, luettu 3.3.2019https://blogs.helsinki.fi/kukkasus/

Amanda Ojasalo: Interpolointi, luettu 3.3.2019  https://blogs.helsinki.fi/amandaoj/

 

 

 

Kammottu itsenäistyminen

 

Viides kurssikerta poikkesi huomattavasti aikaisemmista, sillä työskentely pyrittiin tekemään täysin itsenäisesti. Tunnin tavoitteena oli kurssilla opittujen taitojen testaaminen ja soveltaminen. Jännitin etukäteen melko paljon, sillä en luottanut omiin taitoihini lainkaan. Onneksi yhteistyö oli sallittua, sillä vierustoverini kanssa löimme tapamme mukaan visaat päämme yhteen auttaen toinen toistamme.

Saimme tehtäväksemme kolme harjoitusta, joista ensimmäinen ja toinen käsittelivät lentomelun sekä metro- ja juna-aseminen sijaintien vaikutusta asuinalueella olevien asukkaiden sijoittumiseen (Taulukko 1). Tehtävässä käytimme bufferointi-työkalua, jonka avulla saimme muodostettua vyöhykkeen halutun etäisyyden päähän alueesta/pisteestä. Bufferoinnilla voidaan myös karotittaa parhaat mahdolliset sijainnit esimerkiki palveluille, muunmuassa bussipysäkeille ja ruokakaupoille, kuten Sini ja Emilia blogeissaan mainitsevat. Näiden lisäksi esimerkiksi tulvavyöhykkeelle sijoittuneet asunnot voidaan kartoittaa  bufferoinnin avulla ja näin alueen asukkaita voidaan varoittaa tai vaihtoehtoisesti kieltää alueelle rakennusten rakentaminen.

Kuten Lottakin mainitsee blogissaan, verratessani  tuloksiani muiden kurssilaisten blogeihin huomasin tulosteni eroavan muiden tuloksista ajoittain todella paljonkin. En tiedä olenko minä vai joku muu tehnyt virheen vai mistä eri tulokset kumpuavat, mutta sen tiedän, että parhaani yritin, vaikka tulokset olisivatkin vääriä.

Taulukko 1: Asukkaiden sijoittuminen taajama-alueella ja asemien läheisyydessä Vantaalla.

Kolmannessa tehtävässä saimme itse valita yhdestä kolmeen tehtävää, jotka tiemme itsenäisesti. Valitsin pääkaupunkiseudun pienalueiden saunojen ja uima-altaiden tutkimisen (Taulukko 2 ja kuva 1). Tehtävä onnistui helposti ja nopeasti Johannan ollessa apuna ja henkisenä tukenani.

Taulukko 2: Saunojen ja uima-altaiden määrä pääkaupunkiseudun asunnoissa.
Kuva 1: Pääkaupunkiseudun pienalueiden uima-altaiden lukumäärä.

Kuten aikaisemmin jo mainitsinkin, jännitin kyseistä kurssikertaa etukäteen melko paljon. Alussa jännitys ja aamun väsymys näkyivät ja tuntuivat vahvemmin kuin aikaisemmilla viikoilla. En meinannut tietää mistä aloittaa tehtävien teko, mutta päästessäni flow-mielentilaan, kaikki sujui lopulta pääosin hyvin. Tarkkuutta ja kovaa keskittymistä tehtävänteko vaati kuitenkin rutkasti. Huomasin toisten opiskelijoiden blogeja lukiessani, että en ollut ainoa, jolla itsevarmuus kasvoi tehtävien myötä rielusti. Koin, että aloin jo hieman ymmärtämään miksi joitain valintoja ohjelmistossa tehdään, enkä vain kylmästi ja armottomasti suorittanut ohjeita.

 

 

Lähteet:

Sini-Maaria Ahtinen – Kurssikerta 5- Ongelman ratkaisua, luettu 1.3.2019 https://blogs.helsinki.fi/ahtisini/

Emilia Ihalainen – Viides kurssikerta, luettu 1.3.2019 https://blogs.helsinki.fi/ihem/

Julia Salmi – Osa 5: Bufferointia ja melusaastetta, luettu 1.3.2019 https://blogs.helsinki.fi/jhsalmi/

Johanna Lehtinen – Itsenäistä sähläämistä, luettu 1.3.2019 https://blogs.helsinki.fi/johanleh/

Lotta Lehtola – Viides kurssikerta, luettu 1.3.2019 https://blogs.helsinki.fi/lelotta/

 

Rastereita ja taikuutta

Viime viikon turhautumiset on karistettu harteilta ja kurssikerta 4 voitiin aloittaa puhtaalta pöydältä toiveikkaana ja hyvillä mielin. Tällä kertaa perehdyimme ruututietokantoihin ja rasterimuotoisiin aineistoihin. 

Ruudukon avulla voidaan tarkastella esimerkiksi asukastiheyttä ja ylipäätänsä väestön sijoittumista valitulla alueella. On kuitenkin oltava erittäin huolellinen ruutukoon valinnassa. Liian suuren ruudukon valitsemalla suuri tietomäärä hukkuu, sillä yksi ruutu kuvaa vain yhtä arvoa. Liian pienen ruutukoon valitsemalla taas datamäärä on valtava. Ruutuverkkoa käyttämällä voidaan myös rajata dataa niin, että kaikki ylimääräinen tieto saadaan poistettua.

Tällä kurssikerralla teimme harjoituksen pääkaupunkiseudun asukkiasta. Kartalle oltiin merkattu pisteenä jokainen talo, jossa asukkiata oli vähintään yksi. Tämän erittäin tarkan pistemuotoisen kartan avulla voitiin erottaa selkeästi kortteleiden rakenne ja suurimmat asuinkeskittymät. Kuten Iina Rusanen blogissaan mainitsee, “jokaisen pisteen sijainti koordinaatistossa voidaan määrittää äärimmäisen tarkasti. Sitä käytetään usein lähtöaineistona muun muassa erilaisille aluejaoille ja vyöhykeanalyyseille.” Tämän pistekartan pohjalta teimme rasterimuotisen kartan pääkaupunkiseudun asukkaiden sijoittumisesta.

Valitsimme tutkittavaksi ryhmäksi ruotsinkielisen väestön. Ruutukokona käytimme 1km x 1km kokoisia ruutuja. Tarkastellessa karttaa (kuva 1) voidaan huomata ruotsinkielisen väestön suurimpien keskittymien sijoittuminen Espoon ja Helsingin alueille. Suurimmiksi keskittymiksi osoittautuu Helsingin Etu-Töölö sekä Ullanlinna. Kartasta erottuu myös selkeästi Kauniaisten kunnan suuri ruotsinkielisten osuus. Näiden asuinalueiden maine on erittäin hyvä ja Helsingin keskittymät sijaitsevat lähellä keskustaa. Korkeatuloisia on runsaasti ja asuntojen hinnat ovat korkeita.

Kuva 1: Ruotsinkielisen väestön keskittyminen pääkaupunkiseudun alueella.

Itsenäisenä suoritettavaksi työksi saimme samanlaisen kartan teon, eri muuttujilla ja ruutukoolla. Valitsin tähän tehtävään muunkielisen väestön määrän ja sijoittumisen tarkastelemisen 500m x 500m kokoisilla ruuduilla. Tällä kartalla voidaan havaita muunkielisen väestön sijoittuminen pääosin Helsinkiin (kuva 2). Helsingin sisäisesti kyseinen ryhmä keskittyy Itä-Helsinkiin Vuosaaren ja Mellunkylän kaupunginosiin. Tämän lisäksi suuri keskittymä Helsingissä on Pohjois-Haagan ja Kaarelan rajalla. Espoossa suurimmat muunkielisten keskitytmät ovat Espoon keskuksessa, Matinkylässä sekä Sellon kauppakeskuksen läheisyydessä. Vantaalla keskittymiä ovat Koivukylä, Matinlaakso, Myyrmäki ja Hakunila.

Näiden kaikkien suurien  keskittymien mukaan voidaan havaita muunkielisen väestön hajanainen sijoittuminen. Ilona Tuovinen tutkii blogissaan samaa ilmiötä ja hän vertaa muunkilisten ja koko väestön sijoittumista. Hän mainitsee molempien ryhmien keskittymisen samoille alueille. Nämä alueet ovat hyvien kulkuyhteyksien varrella, kuten metro ja lähijunien kulkureitit. Alueet ovat melko halpoja ja halveksuttuja.

Kuva 2: Muunkielisen väestön sijoittuminen pääkaupunkiseudulla.

 

Verrattaessa näitä kahta karttaa keskenään, voidaan huomata yhtälö, joka mukaan arvostetulla ja korkeahintaisilla alueilla asuu runsaasti suomenruotsalaisia ja halveksutuilla köyhillä alueilla paljon muunkielisiä. Ruotsinkieliset ovat keskittyneet tarkemmin selkeille alueille, kun taas muunkieliset ovat sijoittuneet laajemmalle alueella hajanaisesti. Voidaan myös havaita molempien ryhmien sijoittuminen pääasiassa lähelle rannikkoa. Siirrtyttäessä pohjoiseen, molepien ryhmien esiintyminen harvenee.

Tämän viikon päällimmäiseksi tunteeksi jäi hämmennys. Muunkielisten määrää kuvaavan kartan teossa minulla oli ongelmia, vaikka luin ja seurasin oheita erittäin tarkasti. Itkun ja raivon partaalla, yritin ainakin 5 kertaa saada karttaa onnistumaan, mutta ei… Monen raastavan yrityksen, tauon ja työtunnin jälkeen viimeisillä voimillani raahauduin ulos GIS-luokasta sohville pyytämään apua mahdollisilta sohvilla hengailevilta GIS-velhoilta. Avukseni tarjoutuneen velhon (Teemu Lindén) magic touch saikin lopulta karttani onnistumaan. JES! Hämmennyin kuitenkin suuresti, sillä hänen neuvoin tekemäni kartta oli vaiheiltaan TISMALLEEN samanlainen, kuin mitä olin itse aikaisemmin kokeillut! MITÄH?! En ymmärrä, mutta pääasia on, että sain kartan tehtyä.

Visuaalisesti kartat ovat mielestäni muuten ihan ok, mutta huomasin vasta jälkikäteen kuntarajan ylettyvän mereen asti muunkielisten lukumäärä kuvaavassa kartassa… Mielestäni tämä pilaa kartan, mutta en siltikään jaksanut enää mennä muuttamaan, koska olin niin uupunut ja raivoissani aikaisemmista epäonnistumisistani. Jos vain mitenkään ehdin, voisin yrittää tehdä kyseisen kartan vielä uudelleen. Näin voisin korjata virheeni ja yrittää jospa minäkin saisin kartan onnistumaan omin avuin ilman GIS-velhojen apua.

Ensi viikkoon! 🙂

 

 

Kukkuu!

Tulevaisuuden Saaga täällä taas kirjoittelee. Sain vihdoin tehtyä uuden kartan muunkielisen väestön sijoittumisesta pääkaupunkiseudulla, jossa poistin minua niin kovasti häirinneet mereen asti ulottuvat kuntarajat (kuva 3).  Mielestäni kartta on nyt paljon  paremman näköinen ja voin vihdoin nukkua yöni rauhassa. Eipä minulla muuta. Heippa.

Kuva 3: Uusi kartta muunkielisen väestön sijoittumisesta pääkaupunkiseudulla.

 

Lähteet:

Iina Rusanen – Ruututietokantoja ja rastereita, luettu 9.2.2019,https://blogs.helsinki.fi/iinarusa/

Ilona Tuovinen – Viikko 4 – Rasteriruuturuuturasteri?!, luettu 9.2.2019 https://blogs.helsinki.fi/tuoilona/2019/02/07/viikko-4/

 

Muokattu 3.3.2019, lisätty kuva 3 uudistetusta muunkielisen väestön sijoittumisen kartasta kartta. Lisätty myös pieni selitys kartasta.

Kovaa hermojen koettelua

Kurssikerta 3 on nyt ohi. Päällimmäisenä tunteena tällä kertaa on turhautuminen. Heti kurssikerran alussa jäin pahasti jälkeen, sillä sain käyttööni rikkinäisen tietokoneen. Kurssikerran ensimmäiset 15 minuuttia kului koodien kirjoittamiseen, odottamiseen ja jännittämiseen siitä, kuinka saisin Artun ja muut opiskelijat kiinni tehtävänteossa. Yritin kasvavan turhautumiseni alta kuunnella ja seurata extra tarkasti ohjeita, mutta pieni paniikkini alkoi vähitellen kasvaa, kun koneeni ”please wait” teksti ei 15minuutin jälkeenkään poistunut…

Lopulta pääsin kirjautumaan koneelleni ja yllätyksekseni sain Artun ja muut opiskleijat kiinni aivan hetkessä. HUH!

Tämä kurssikerta tuntui sisältävän erittäin hyödyllistä informaatiota. Harjoittelimme kohteiden ryhmittämistä ja eri tietokantojen tuomista QGIS-ohjelmistoon. Harjoituksessa käytimme Afrikan mannerta ja sen valtioita. Lisäsimme kartalle myös tiedot timanttikaivoksista, öljylöydöksistä ja konflikteista. Tehtävään kuului myös analysointi omassa blogissa tietokantaan tallennettujen tietojen, kuten konfliktien tapahtumavuosien, timanttikaivosten ja öljykenttien löytämis- ja  kaivausten aloitusvuosien ja internetin käyttäjien lukumäärän, hyödyntämisestä. Näitä tietoja voidaan hyödyntää monella tavalla. Voidaan tehdä analyysejä kahden eri tilaston korrelaatiosta esimerkkinä internetin käyttäjien lukumäärä ja konfliktien lukumäärä tietyllä alueella. Toinen käyttötarkoitus voisi olla jonkin alueenkehityksen seuranta esimerkiksi konfliktien määrän muutosta tutkimalla.

Viimeinen tehtävä kurssikerralla oli tuottaa itse kartta Suomen järvisyydestä ja tulvaindeksistä valuma-alueilla (kuva 1). Järvisyys tarkoittaa järvien osuutta koko valuma-alueen pinta-alasta. Tulvaindeksin laskeminen onnistuu monella tavalla, mutta kyseisen  kartan teossa käytimme kaavaa MHQ/MNQ, eli jaettiin keskiylivirtaama keskialivirtaamalla. Kaavalla lasketaan tulvahuppujen ja kuivien kausien pienimpien arvojen keskiarvon suhde.

Suomessa tulvia esiintyy pääosin rannikkoalueilla etenkin Pohjanmaalla (Ympöristö.fi – Tulvien esiintyminen). Tekemältäni kartalta voidaankin havaita alueiden suuri tulvaindeksi. Suuren indeksin omaavat alueet ovat alavia, valuma-alueina pieniä, pinnanmuodoiltaan vain pientä vaihtelua omaavia eikä alueilla ole suuria järvialtaita. Tällöin vedellä ei ole mahdollisuutta virrata esimerkiksi mereen, vaan se tulvii joen reunojen yli pelloille. 

Toista indeksin ääripäätä pitää Keski- ja Itä-Suomi. Nämä pienen tulvaindeksin alueet ovat monien järvien alueita, jotka kuuluvat suuriin valuma-alueisiin, ovat korkeammallajoiden pinnanmuodot ovat vaihtelevampia. Vedellä on siis mahdollisuus virrata pois alueilta ja kasautua suuriin järvialtaisiin, jolloin tulvien syntyminen on vähäistä.

Järvisyyden ja tulvaindeksin välillä voidaan myös nähdä selkeä korrelaatio. Alueet, joiden järvisyys on suuri ovat pienen tulvaindeksin omaavia. Päinvastainen ilmiö on havaittavissa pienen järvisyyden ja suuren tulvaindeksin alueiden välillä. Tämä johtuu juurikin jo aikaisemmin mainitsemastani veden varastoitumisen mahdollisuudesta.

Kuva 1: Suomen valuma-alueiden tulvaindeksi ja järvisyysprosentti.

Anttoni Tumanoff on mielstäni blogissaan kuvannut erittäin onnistuneesti järvisyysprosenttia kaavion avulla. Mielestäni kaavio tukee ja helpottaa kartan lukemista huomattavasti. Jos vain aikaa riittää, saatan itsekin tehdä vastaavan kaavion blogiini.

Kartan visuaalisuuteen olen myös melko tyytyväinen. Mielestäni kartta on helppolukuinen ja harmooninen. Osa järvisyysprosentteja kuvaavista pylväistä jää kuitenkin hieman huomaamattomiin etenkin Etelä-Suomessa. Saatan vielä tehdä kaavion kartan tueksi, kuten jo aikaisemmin mainitsinkin, jotta kartasta tulisi vielä helppolukuisempi.

Kohteiden ryhmittäminen ja tietokannan tuominen QGIS-ohjelmistoon on varmasti erittäin hyödyllistä myös tulevia projekteja ajatellen. Aluksi tämä tuntui minusta hieman haastavalta, mutta kun harjoittelimme itsenäisesti sujui se yllättävän helposti useista ohjelmiston kaatumisista huolimatta.

Tämä kurssikerta opetti minulle erittäin paljon hyödyllistä tietoa. Tietojen yhditäminen, tietokantojen tuominen, kärsivällisyys ja tallentamisen tärkeys olivat päivän suuret teemat. QGIS-ohjelmisto kaatui noin 5 kertaa, enkä tietenkään ollut muistanut tallentaa kertaakaan…  ”Kertaus on opintojen äiti”-mentaliteetilla jatkoin sisukkaasti kartan parissa ja huomasin, kuinka jokaisen kaatumisen jälkeen työnteko nopeutui huomattavasti. Työvaihe, joka vei aluksi vartin sujui lopulta jo parissa hassussa minuutissa!

 

 

Lähteet:

Anttoni Tumanoff – Tietokantaliitoksia ynnä muuta, luettu 30.1.2019,  https://blogs.helsinki.fi/gis-1-anttoni/

Ympäristö.fi – Tulvien esiintyminen, luettu 30.1.2019 https://www.ymparisto.fi/fi-FI/Vesi/Tulviin_varautuminen/Olenko_tulvariskialueella/Tulvien_esiintyminen?f=Lapin_ELYkeskus&f=Lapin_ELYkeskus

Mikä projektio?

 

Toinen viikko QGIS:n parissa potkaistiin käyntiin projektiovalinnan tärkeyden tarkastelun avulla. Aivan kurssikerran alussa tutustuimme datan lähteisiin. Nämä asiat olivat minulle ennen Artun selityksiä aivan täyttä hepreaa. Nyt minulla on ainakin pieni tieto WMS, WMTS, WCS ja WFS lyhenteiden tarkoituksista.

Alkubrieffin jälkeen pääsimme jälleen kerran hyvien ohjeiden saattelemina tekemään yhdessä harjoituksia. Vertailimme eri projektioiden aiheuttamia eroja pinta-aloissa. Harjoittelimme muunmuassa tietokantojen muokkaamista, eri laskutoimintoja tulosten saamikseksi sekä erilaisia valintatyökalujen käyttöä.

Tuloksena harjoituksille syntyi tällä kertaa  visuaalinen esitys pinta-alojen prosentuaalisista vääristymistä Mercatorin- ja Lambertin projektioiden välillä kooropleettikarttan muodossa (Kuva 1). Kuten kartasta voidaan huomata, vääristymäprosentti on valtava ja se kasvaa pohjoisnapaa kohden mentäessä. Sama tapahtuu myös eteläisellä pallonpuoliskolla. 

Kuva 1: Pinta-alavääristymät Suomen alueella verrattaessa Mercatorin ja Lambertin projektioita.

Toinen kartta olikin jo sitten tarkoitus pyrkiä tekemään ilman Artun auttavaa kättä. Yllätyksekseni työskentely QGIS:n kanssa kartan tekemisen parissa sujui jälleen kerran ongelmitta.

Valitsin toiseksi Lambertin projektion vertailukohteeksi Eckertin 1 projektion. En ollut aikaisemmin tutustunut tähän karttaprojektioon ja yllätyksekseni kartta oli timantin mallinen. Leveyspiirit on kuvattu vaakasuorina viivoina, joiden pituus lyhenee napoja kohti mentäessä. Kartan keskipisteen kautta kulkeva pituuspiiri on pystysuorassa. Wikipedian mukaan tämä jana on puolet kartalla esitetystä päiväntasaajan pituudesta. Muut pituuspiirit ovat suoria janoja, jotka taittuvat eri kulmissa. Kulma pienenee mentäessä kauemmas kesipisteestä, aiheuttaen kartalle sen timantinmuotoisen ulkomuodon.

Tämä kartta (kuva 2) kuvaa Eckertin 1 projektion ja Lambertin projektioiden välillä syntyvää pinta-alavääristymää prosentuaalisesti. Kuten voidaan kartalta havaita, samoin kuin kuvassa 1, vääristymä kasvaa Pohjoiseen mentäessä. Vääristymien suuruus on kuitenkin huomattavasti pienempi kuin Mercatorin ja Lambertin projektion vertailussa.

Kuva 2: Suomen alueella tapahtuvat pinta-alavääristymät Eckertin 1 ja Lambertin projektioiden välillä.

Laskin mielenkiinnostani kuinka moni kertaisia projektioiden ääriarvot ovat toisiinsa verrattuna. Erot ovat valtavia! Mercatorin projektion suurimmat vääristymät (730%) ovat yli 14,5 kertaa suuremmat kuin Eckertin 1 projektion suurimmat arvot(50,1%) . Pienimpien vääristymien välinen ero on huimat 22,8 kertainen (Mercator 297% ja Eckert 1 13%). Yleisesti ottaen muihinkin projektioihin verrattuna Mercatorin projektion vääristymät ovat moninkertaisia.

Tämä tehtävä opetti minulle, kuinka tärkeää projektion valinta todellisuudessa on. Kuten Elina ja Julia blogeissaan mainitsevat, on projektion valinnassa oltava erittäin huolellinen. Projektio on valittava tarkoin esitettävään informaatioon sopivaksi.

Mielestäni tällä viikolla onnistuin karttojen teossa erinomaisesti. Kartat miellyttävät omaa silmääni, ainakin enemmän kuin viime viikon ensimmäinen kartta… hyi! Mielestäni kartta on myös hyvin selkeä ja helppolukuinen. Ainoa asia, joka häiritsee omaa silmääni, on karttojen välinen pieni kokoero. Olenkohan vähän liian tarkka…

Hyvillä mielin voin taas jatkaa kohti seuravaa kurssikertaa QGIS:n parissa! 🙂

 

Lähteet:

Wikipedia, Eckertin projektio, luettu 25.1.2019  https://fi.wikipedia.org/wiki/Eckertin_projektio

Julia Salmi – Osa 2: Projektiovalintojen pohdintaa, luettu 25.1.2019 https://blogs.helsinki.fi/jhsalmi/

Elina Huhtinen – Viikko 2-projektion vaikutus karttaan, luettu 25.1.2019 https://blogs.helsinki.fi/huhelina/

Hyppy QGIS:in syövereihin

Noniin, nyt on ensimmäinen Geoinfromatiikan menetelmät 1 kurssikerta takana. Hyppäsimme heti kättelyssä paikkatiedon syövereihin käymällä läpi paikkatiedon perusteita sekä tutustumalla ainakin minulle aivan uuteen paikkatieto-ohjelmistoon QGISiin.  

Oletin QGis-ohjelmiston olevan haasteellinen, sillä olen kuullut kauhutarinoita muunmuasssa ohjelmiston kaatumisesta ja jäätymisestä. Onnekseni näin ei kuitenkaan käynyt ja sain alustavasti erittäin hyvän kuvan ohjelmiston toimivuudesta ja käytöstä ylipäänsä. Tietenkin uuden ohjelmiston käyttö on aluksi haastavaa, mutta käytyämme yhdessä läpi tarvittavat toiminnot, sujui käyttö vaivattomasti. Lukiessani toisten kurssilaisten blogeja heidän ajatuksistaan, hämmästyinkin kuinka moni kertoi ohjelmiston aiheuttaneen heille harmaita hiuksia.

QGIS-ohjelmiston harjoittelun tuloksena syntyi ensimmäinen kyseisellä ohjelmistolla tekemäni kartta (kuva 1). Se kuvaa Itämeren typpipitoisuuteen vaikuttavia valtioita. Kyseiset valtiot on luokiteltu prosentuaalisten päästöjen mukaan viiteen eri luokkaan käyttämällä eri oranssin sävyjä. Sävy tummenee päästöjen kasvaessa. Täten voidaan kartasta havaita Puolan olevan prosentuaalisesti suurin Itämeren suuriin typpipäästöjen osuuksiin vaikuttava valtio. Pienimmäksi päästöjen nousuun vaikuttavaksi voidaan havaita Viro.

Suuri typpipitoisuus rehevöittää vesistöjä lisäämättä ravinteiden määrää. Tästä seuraa muunmuassa leväkasvien lisääntyminen, monien eliölajien vaarantuminen ja merenpohjan happikato. Syitä suureen typpipitoisuuteen ovat muunmuassa jätevesien puuttellinen puhdistus, suuri väestömäärä, teollisuus, metsätalous ja maatalous. Näiden lisäksi WWF listaa sivullaan 1/4 veden typpipäästöistä tulevan ilmasta esimerkiksi meri- ja ilmaliikenteen kautta.

Kuva 1: Kartta Itämeren typpipitoisuuteen vaikuttavista valtioista päästöjen prosentuaalisen määrän avulla.

Kartan ulkonäköön en ole lainkaan tyytyväinen. Karttaa katsoesssa silmiin osuu ensimmäisenä karmea musta massiivista tuhkapilveä muistuttava rykelmä alueita, etenkin Suomen ja Ruotsin päällä. Ne ovat järviä. Kiireessä en huomannut unohtaneeni vaihtaa järvien väriä sinisiksi ja siksi karttaani koristaa nyt tämä hirvitys… hupsista. Kartan värien valinnassakin koen  epäonnistuneeni, sillä Viro ja Euroopan maat, jotka eivät vaikuta Itämeren typpipitoisuuteen, ovat liian samanvärisiä ja voivat helposti antaa tietämättömälle lukijalle väärää informaatiota.

Värityksen lisäksi legendan typpipitoisuuden prosentiaalisen osuuden havainnollistava luokitteluskaala on hyvin epätasainen. Tätä olisin voinut vielä muuttaa esimerkiksi merkkaamalla luvut puolikkaan prosentin tarkkuudella.

Väriseikoista huolimatta onnistui kartta mielestäni kuitenkin ensimmäiseksi QGIS-ohjelmistolla tehdyksi kartaksi melko hyvin. Mielestäni se on selkeä ja helppolukuinen vasemman reunan legendan avulla.

Otin kartanteon pääasiassa ohjelmistonkäytön oppimisen kannalta ja ensi kerralla osaan olla huolellisempi ja tuottaa kartan paremmin. Kuten Iina Rusanen blogissaan kirjoittaa: ”Aloittelijatason virheiden teko lienee kuitenkin sallittua vielä harjoitusvaiheen kartoissa, ja virheistä on tarkoitus oppia.”

Huh, nyt on ensimmäinen postaus kirjoitettu!

Palataan ensi viikolla!  🙂

 

 

 

Psst!

Tulevaisuuden Saaga täällä terve. Koska olin niin tyytymätön ensimmäiseen karttaan Itämeren typpipitoisuuksiin vaikuttavista valtoista, päätin tehdä kartan kokonaan uudestaan (kuva 2). Muutin kartan värityksen mielekkäämmäksi, legendan sijantia ja sisältöä. Nyt Viron väri ei myöskään sekaannu muihin Euroopan maihin, jotka eivät vaikuta Itämeren typpipitoisuuksiin. Muistin myös vaihtaa järvien värit, jes!! Kartan uudelleentekeminen sujui erittäin nopeasti ja vaivattomasti. Samalla sain hyvää kertausta kurssikerralla opituista asioista.

Kuva 2: Paranneltu kartta Itämeren typpipitoisuuksiin vaikuttavista valtoista.

Kuvassa 3 on kuvattu kartalla Suomen kuntien työttömyysprosentti vuodelta 2015. Kartalta voidaan havaita etenkin länsirannikon vähäinen työttömyys. Pääkaupunkiseudullakaan ei juurikaan ole työttömyyttä. Eniten työttömyyttä esiintyy käsivarressa, Pohjois- sekä Itä-Suomessa. Pohjois-Suomen kunnista Sodankylä, Kittilä ja Muonio ovat vähiten työttömiä verrattuna muuhun Lappiin. Syy tähän voi olla esimerkiksi suuri turismi. Muihin suuriin kaupunkeihin verrattuna Oulun työttömyysprosentti on yllättävän suuri.

Kuva 3: Suomen kuntien työttömyysprosentti vuodelta 2015.

 

Lähteet:

Alex Naumanen – Ekat faceplantit, luettu 21.1.2019  https://blogs.helsinki.fi/alexnaum/

Elina Huhtinen – Viikko 1 – QGIS ja siihen perehtyminen, luettu 21.1.2019 https://blogs.helsinki.fi/huhelina/

Ida Lehtonen – Blogi 1 -QGIS:n käytön harjoittelua, luettu 21.1.2019 https://blogs.helsinki.fi/lida/

Iina Rusanen – QGIS tutuksi, luettu 21.1.2019  https://blogs.helsinki.fi/iinarusa/

WWF – Itämeren rehevöityminen, luettu 21.1.2019 https://wwf.fi/alueet/itameri/rehevoityminen/

 

Muokattu 24.1.2019, lisätty uusi kartta Itämeren typpipitoisuuksista (kuva 2) ja kirjoitettu analyysi kyseisestä kartasta. Lisätty myös kartta Suomen kuntien työttömyysprosenteista vuodelta 2015 (kuva 3) sekä analyysi kartan sisällöstä.

Muokattu 3.3.2019, muutettu tekstin asettelua.