Viimeinen kurssikerta

Viimeisellä kurssikerralla tehtävänä oli tuottaa oma kartta. Valitsin kolmesta vaihtoehdosta ensimmäisen, jossa ainoa ohje oli, että kartassa täytyy olla vähintään kaksi muuttujaa.

Opettajan varoitukset pitivät paikkaansa. Sopivien aineistojen etsimisessä kesti melkein enemmän aikaa, kuin kartan teossa. Tuntui, etten millään löydä sellaisia aineistoja joita osaisin käyttää Qgis:ssä, joten päätin kirjoittaa lukuja käsin Exceliin. Löysin datatiedot ja näpyttelin ne exceliin, jonka jälkeen sain ne helposti näkyviin Qgisiin. Taustakarttana päätin käyttää kurssikerralla kolme käytettyä Afrikka-karttaa. Tein oman karttani ajankohtaisesti aiheesta, Covid-19 tartunnoista ja kuolleiden määristä Afrikasta (kuva 1).

Kuva 1. Covid-19 tartunnat Afrikassa ja kuolleiden määrät prosennteina 5.3.2021 tietojen mukaan

Kartan tekemiseen kului paljon aikaa ja ongelmatilanteina tuli eteen monia. Prosenttilukuja liittäessäni huomasin, että yhden maan luvut tulivat monta kertaa näkyviin. Olin tämän ongelman hieman aavistanutkin tulevan, koska taustakartan attribuuttitaulukossa yhden maan rivi saattoi olla kymmeniäkin kertoja. Tämä muistaakseni liittyi kurssikerran kolme tehtävään. En löytänyt mitään muuta tapaa kuin varovasti poistaa attribuuttitaulukosta muut rivit paitsi se, jossa maa oli kartalla. Numeroiden sijaan olisin voinut hahmottaa kuolleiden määriä myös esimerkiksi palloina. Sanna on omassa blogissaan tehnyt kaksi samaa karttaa palloja että numeroita käyttäen, ja myös hänen mielestään hänen omassa kartassaan numerot ovat selkeämpi vaihtoehto. Hän oli myös kartassaan tehnyt ns. zoomauksen alueeseen, jossa numeroita oli paljon. Idea oli mielestäni hyvä ja olisin voinut tehdä sen itsekin omalle kartalle sellaisille alueille joissa numeroita on paljon ja niistä on vaikea saada selvää.

Koen kahden muuttujien kartat aika sekavina ja mielestäni niissä informaation esilletuonti on heikompaa kuin vain yhden muuttujan kartassa. Tämän vuoksi halusin yrittää tuottaa omasta kartastani mahdollisimman selkeän ja helposti ymmärrettävän. Niinkuin kurssillakin on tullut esille, on tärkeää, että kartan nähdessään kartan luku/ymmärtäminen on helppoa. Sain omasta kartastani selkeämmän, kun muokkasin kartan legendan lukumääriä hieman loogisemmiksi. Yritin pitää kartan värit pehmeinä ja luonnollisesti halusin tummemman värin tarkoittavan suurempaa tartuntamäärää, joten käänsin automaattisesti annetun väripaletin järjestyksen päinvastaiseksi. Ainut asia mikä jäi itseäni mietityttämään kartassani oli, että oisiko minun kannattanut kirjoittaa esimerkiksi suurimpien maiden nimet kartalle. Tämä auttaisi ehkä vielä entisestään havainnollistamaan karttaa, kun tietää suunnilleen mikä maa on kyseessä.

Tekemältäni kartalta havaitsin, että köyhimmissä Afrikan maissa tartuntojen määrä on vähäisin, mutta kuolleisuuden osuus suurin. En usko, että monista Afrikan maista varsinkaan köyhimmistä sellaisista todetaan läheskään kaikkia tartuntatapauksia. Tämän vuoksi uskon, että köyhimmissä maissa tartuntapauksia raportoidaan vähiten, koska suurin osa ihmisistä ei pääse testiin. Köyhyyden vertailua helpottamiseksi alla liitettynä karttakuva, josta voidaan nähdä keskimäärin köyhimmät ja rikkaimmat valtiot Afrikassa (kuva 2). Afrikan ihan eteläisimmässä kärjessä sijaitseva Etelä-Afrikka on kartassani (kuva 1) tummimpana värinä, eli siellä on eniten todettuja tartuntoja.

Infographic: The Richest and Poorest Countries in the World
Kuva 2. Mediaanipalkka Afrikan maissa. Lähde: https://www.visualcapitalist.com/richest-and-poorest-countries-in-the-world/

Loppuajatuksia kurssista:

Seitsämän viikkoa meni nopeasti Qgis:in ja karttojen parissa. Kurssin alussa minua huolestutti miten pärjään ja minkälaisia karttoja saan aikaiseksi. Opin paljon uutta kurssin varrella ja vaikka jotkut tehtävät tuntuivatkin vaikeammilta niin selvisin kuitenkin kaikista. Omaan blogiin kirjoittaminen ja omien karttojen jakaminen oli mielestäni mukavaa ja rentoa. Oli myös kiva nähdä, minkälaisia tuotoksia muut kurssilaiset ovat saaneet aikaan ja heidän ajatuksiaan kurssikerroista. Toivon, että pystyn tulevaisuudessa vielä entisestään vahvistamaan tähän asti opittuja taitoja Qgis:in parissa ja oppimaan myös uutta, koska siitä voi varmasti olla hyötyä työelämässä.

Kiitos ja heippa! 🙂

Lähteet:

https://www.arcgis.com/apps/opsdashboard/index.html#/b959be51c0014845ad44142bce1b68fe Viitattu 5.3.2021

Sanna Korpi blogi 7 (https://blogs.helsinki.fi/sakorpi/) Viitattu 12.3.2021

Kuudes kurssikerta

Toiseksi viimeisellä kurssikerralla saimme itse tuottaa aineistoa ulkoilun merkeissä. Tarkoituksena oli kerätä viihtyvyyteen ja turvattomuuteen liityvää dataa lähiympäristöstä. Tiedon keräämistä varten piti ladata Epicollect5-sovellus, josta en ollut koskaan aikaisemmin kuullutkaan. Sovellus oli helppokäyttöinen ja osoittautui erittäin hyödylliseksi. Olisi mielenkiintoista käyttää kyseistä tai samantyylistä sovellusta myös esimerkiksi kandityössä, koska nykyään teknologian ansiosta tiedonkerääminen on helppoa. Kävin muutaman kilometrin kävelyllä, mutta en asu kaupungissa joten paikkojen löytäminen osoittautui hieman hankalaksi peltojen keskellä.

Lopuksi oli itsenäisen työskentelyn aika. Tarkoituksena oli käyttää internetistä löytyvää dataa hasardeista ja muokata sitä, jotta se voidaan esittää kartalla. Ensimmäiseksi Qgis:iin tuotiin maailmankartta ja sen jälkeen loin kartan yli 5 magnitudin maanjäristyksistä vuosina 1900-2012 (kuva 1). Data saatiin tallenettua notepadiin Norther California Eartquake Date Center-sivustolta (https://ncedc.org/anss/catalog-search.html), jonka jälkeen Qgis:ssä “Add delimited text”-valikosta se saatiin näkyville karttalle. Erittäin helppoa ja yksinkertaista! Kuvan 1 kartasta voidaan huomata, että maanjärisysten määrä kartalla on valtava. Tarkistin, että kuinka monta maanjäristystä kartassa tarkalleen esiintyy ja lukumäärä on 78 339. Aikaväli kyseisessä kartassa on kuitenkin laaja, joten olisi ehkä järkevämpää tutkia pienemmältä aikaväliltä, jos haluaa tarkempaa tietoa. Tein vielä vertailun vuoksi toisen kartan, jossa kuvataan yli 4,5 magnitudin maanjäristyksiä viimeisten seitsämän päivän ajalta (kuva 2). Ero ensimmäiseen kuvaan onkin aika valtava pisteiden määrien suhteen. Kuvan 2 kartassa pisteitä on 91.

Kuva 1. Yli 5 magnitudin maanjäristykset vuosina 1900-2012.
Kuva 2. Yli 4,5 magnitudin maanjräistykset viimeisen 7 päivän ajalta.

Kolmannen kartan tein tulivuorien esiintymisestä (kuva 3). Suurin osa (noin 75%) tulivuorista sijaitsee Tyynenmeren tulirenkaan alueella (kuva 4). Alueella tapahtuu myös 90% maailman maanjäristyksistä (kuva 1).

Kuva 3. Tulivuorten esiintyvyys

 

What Is The Ring Of Fire And Why Is It So Dangerous?
Kuva 4. Tyynenmeren tulirengas

Karttojen tietojen havainnolistamisessa esimerkiksi ala-asteikäisille oppilaille voisi käyttää myös jotakin muuta symbolia kuin pistettä. Esimerkiksi Liisa Ahokas on tehnyt kartan, jossa tulivuoria havainnolistetaan kolmiolla. Minunkin olisi ehkä kannattanut valita jokin toinen symboli eri hasardien kuvaamiseen, jotta ymmärrettävyys olisi helpompaa.

Toinen oiva idea maanjäristysten kuvaamiseen kartalla on mielestäni ympyrät (kuva 5). Netistä löytämässäni kartassa maanjäristyksiä merkitään ympyröillä. Mitä isompi ja tummempi ympyrä alueella on, sitä voimakkaampi maanjäristys on ollut kyseessä. Tällaisen kartan käyttäminen olisi mielestäni hyvää kouluopetuksessa, koska se on havainnollistava ja täten helpompi ymmärtää. Kartta antaa helposti ymmärretävän kuvan siitä, missä voimakkaimpia maanjäristyksiä esiintyy eniten.

File:Map of earthquakes 1900-.svg - Wikimedia Commons
Kuva 5. 6.0-9.0 magnitudin maanjäristykset vuosina 1900-2017. Lähde: https://commons.wikimedia.org/wiki/File:Map_of_earthquakes_1900-.svg

Kerrankin karttojen teko tuntui helpolta, joten päätin tehdä vielä yhden kartan tsunameista vuosina 1950-2020 (kuva 6). Kartalta voidaan huomata, että eniten tsunameja on esiintyvyt edellämainitulla Tyynenmeren tulirenkaan alueella, jossa suurin osa maanjäristyksistä ja tulivuoristakin esiintyy. Luonnollisesti tsunameja esiintyy eniten rannikoilla, kuten esimerkiksi Etelä-Amerikan länsipuolella ja Aasian itäpuolella.

Kuva 6. Tsunamit vuosina 1900-2020.

Lähteet:

Kurssimateriaali 6

NCEDC Earquakes. https://ncedc.org/anss/catalog-search.html (2.3.2021)

https://commons.wikimedia.org/wiki/File:Map_of_earthquakes_1900-.svg (2.3.2021)

Liisa Ahokas, kuudes kurssikerta. https://blogs.helsinki.fi/ahokliis/ Viitattu 2.3.2021

https://fi.wikipedia.org/wiki/Tyynenmeren_tulirengas (2.3.2021)

 

 

Viides kurssikerta

Tällä kurssikerralla alettiin heti työstämään viimeisellä kerralla aloitettua työtä Pornaisista. Tutustuimme bufferointi-työkaluun, jolla voitiin rajata tietty alue puskurivyöhykkeeksi ja tarkastella sen alueen sisälle jääviä tietoja. Bufferityökalulla laskimme, kuinka paljon ihmisiä asuu 100 metrin etäisyydellä teistä. Toinen hyvä työkalu, jota käytimme oli “sum line lenghts”. Sillä pytsyimme laskemaan esimerkiksi peltojen ja teiden lukumäärät kartalta.

Alun jälkeen saimme alkaa tekemään tehtäviä itsenäisesti. En koe, että osaisin käyttää QGIS:siä vielä kovinkaan hyvin, joten olin vähän huolissani miten tulisin selviämään tehtävistä. Alkuun kuitenkin pääsin ihan hyvin, mutta sitten bufferialueen luonnin jälkeen, kohdassa jossa tietoja olisi pitänyt näkyä, ei näkynyt minulla mitään. Yritin samaa muutaman kerran siinä onnistumatta. Anton on kuitenkin omassa blogissaan hyvin selittänyt, miten nämä laskutoimitukset tuli tehdä.

Onneksi kurssikerralla ei ollut välttämätöntä tuottaa uutta karttaesitystä, vaan vaihtoehtoisesti sai pohtia QGIS:sin tärkeimpiä työkaluja. Ensimmäiseksi minulle tulee mieleen attributes table, jossa siis näkyy kaikki käytetyn aineiston tiedot. Joskus taulukosta häviää tietoja, jonka syytä en ole vielä oikeastaan ymmärtänyt. Mutta kannattaa aina tallentaa kartta-aineistoa, jotta tiedot eivät häviäsi. Toinen tärkeä työkalu on Field calculator, jolla pystyy yhdistämään eri tietoja toisiinsa. Select features-työkalu on hyvä käyttää silloin, kun haluaa tarkemmin tarkastella jotain tiettyä aluetta.

Qgisin ominaisuuksien ja työkalujen oppiminen vaatii ainakin minulta paljon harjoittelua. Työkaluja on niin paljon, että itselläni ainakin helposti ne menee sekaisin ja unohdan, mitä työkalua pitikään käyttää milloinkin. Toivon mukaan alan kuitenkin pikkuhiljaa oppimaan Qgis:sin käyttöä sujuvasti.

Lähteet:

Anton Grangvist blogi, https://blogs.helsinki.fi/antongra/ Viitattu. 3.3.2021

Neljäs kurssikerta

Neljännen kurssikerran alussa käytiin läpi teoriaa piste- ja ruutuaineistoihin liittyen. Ne ovat yleisiä aineistoja, joilla voidaan tuottaa tarkkaa dataa. Pisteaineistoilla voidaan kerätä tietoa melkein mistä vain ja ne ovat tarkimpia paikkatietoaineistoja.

Kurssikerralla tehtiin Qgisissä karttoja pääkaupunkiseudulla asuvista ihmisistä. Ensin luotiin ruutuaineisto, johon lisättiin asuinrakennetietokanta. Ruudun luomisessa oli tärkeää, että “create grid”-valikossa metrit vaihdettiin kilometreiksi. Muuten kartan laadinta olisi kestänyt paljon pidempään ja ruudukot olisivat olleet erittäin pieniä, mikä olisi puolestaan tehnyt kartan ymmärtämisestä haastavaa. Ensimmäisen teemakartan tein mediaani-iästä (kuva 1). Kartan perusteella voidaan todeta, että keskustassa eniten asuu 35-42 vuotiaita ja iäkkäämmät ihmiset ovat asuttuneet rauhallisemmille alueille.

Kuva 1. Mediaani-ikä pääkaupunkiseudulla

Tein myös toisen kartan, jossa käytin dataa ruotsinkielisten asukkaiden määristä (kuva 2). Kyseinen kartta näyttää paljon tasaisemmalta kuin ensimmäinen karttani, jossa värien vaihtelu on suurempi. Ronja on omassa blogissaan tehnyt kartan pienemmistä ruudukoista, jolla voidaan tuottaa entistä tarkempaa tietoa alueesta ja sen muuttujista.

Kuva 2. Ruotsinkielisten määrä pääkaupunkiseudulla

Toisessa harjoituksessa harjoittelimme rasteriaineistoilla Pornaisten alueen korkeuskäyrien kuvaamista. Digitoimme myös kyseiseltä alueelta talot ja suurimmat tiet, joita oli viisi. Päätin myös digitoida Pornaisten keskustan läpi kulkevan joen, koska ajattelin, että teiden ja asutusten sijoittuminen voi olla vaikuttanut siihen (kuva 3). Talot merkittiin piste- ja tiet viivatyökalulla. Joen piirsin myös viivatyökalulla ja sitten levensin sitä. Yritin testailla muitakin vaihtoehtoja, mutta tämä tuntui parhaimmalta vaihtoehdolta.

Kuva 3. Digitoidut talot, tiet ja joki Pornaisten keskustan alueelta

Kuvan 3 työ piti olla valmis ensi kurssikertaa varten, jolloin tehtyä työstetään eteenpäin. Alussa tuntui, että taloja on paljon joita pitää merkitä. Niiden merkitseminen oli kuitenkin ihan mukavaa, eikä vaatinut liikaa aivotyötä. Jouduin myös merkitsemään talot kahteen kertaan, koska ensimmäisellä huomasin etten ollut osannut tallentaa scratch layeria oikein. Mutta myös sen opin. 🙂

Lähteet:

KK4-aineistot

Ronjan Siuruan blogi https://blogs.helsinki.fi/ronjasiu/ Viitattu 3.3.2021

Kolmas kurssikerta

Kolmannella kurssikerralla yhdistettiin QGIS:ssä tietoja ja tutkittiin miten tietoja voidaan havainnollistaa. Aineistona käytimme Afrikka-aineistoa ja tuotiin excelistä Qgisiin tietoja attribuuttitaulukkoon. Ensin piti yhdistää Afrikka mantereen kartalta löytyviä pieniä saarikohteita “Merge Features Attributes”-valikolla. Tämä tehtiin saarivaltiolle kuten Eritrealle ja Egyptille, jotta tietojen esittämisestä tulee helpompaa. “Dissolve”-valikolla saatiin yhdistettyä automaattisesti samaa maata olevat kohteet. Alussa attribuuttitaulukossa kohteita oli muistaakseni lähemmäs 170 ja lopussa vain noin 50 muuttujaa.

Afrikka-kartan attribuuttitaulukkoon lisäsimme kolme eri muuttujaa, jotka lisättiin karttaan havainnollistamaan, että onko muuttujilla esimerkiksi syy-seuraus suhdetta (kuva 1).

Kuva 1. Kartta konfliktien, timanttikaivosten ja ölynporausten sijoittumisesta Afrikassa

Kartasta voidaan päätellä, että muuttujilla ei välttämättä ainakaan kartan perusteella ole suoraa yhteyttä, mutta joissain paikoissa konflikeja esiintyy timanttikaivosten lähettyvillä.

Kurssikerran tehtävänä piti itsenäisesti tehdä koropleettikartta Suomen tulvaindeksistä ja järvisyysprosenteista (kuva 2). Olin jo melkein luovuttanut kartan teon suhteen, koska en edes tiennyt mistä pitäisi lähteä liikkeelle. Onneksi kurssikaverini Roosa osasi auttaa ja sain kartan valmiiksi. Hän on omassa blogissaan saanut hienon kartan samoista aineistoista aikaiseksi ja huomasin, että hän on myös kirjoittanut kartan legendaan järvisyysprosentit, joita minun kartalle en tajunnut kirjoittaa. Kartalla esiintyvistä järvisyysprosenttia esittävistä ympyröistä saa kuitenkin pääpirtein kuvan siitä, missä järvisyyttä on eniten ja missä vähiten. Tarkempia tietoja varten on hyvä idea kirjoittaa legendaan tarkat arvot.

Kuva 2. Valumaindeksi ja järvisyysprosentti Suomessa.

Karttaan valitsin vettä kuvaavan värin eli sinisen, niinkuin esimerkiksi myös Riku omassa kartassaan, joka on myös hyvin selittänyt miten valumaindeksi-kartta saatiin tehtyä ja minkälaisilla laskutoimituksilla.

Lähteet:

KK3-aineistot (5.2.2021)

Roosa Harmosen blogikirjoitus. Viittatu 10.2.201 (https://blogs.helsinki.fi/harmoroo/2021/02/03/kolmas-kurssikerta-konflikteja-ja-tulvaindekseja/)

Riku Hotin blogikirjoitus. Viitattu 10.2.2021

(https://rikuhotti.blogspot.com/2021/02/kurssikerta-afrikasta-allikkoon-taman.html)

 

Toinen kurssikerta

Tällä kurssikerralla käytiin läpi QGIS:issä miten eri koordinaatistot ja projektiot voivat muokata kartan esiintyvyydestä erinäköisen ja tuottaa mittakaavavääristymiä. Luennolla opeteltiin karttojen tekoa, jossa käytetään erilaisia koordinaattijärjestelmiä. Tarkoituksena oli saada selville, että moninkertaisena esimerkiksi Mercatorin pinta on suhteessa TM35FIN:iin (kuva 1).

Kuva 1. Mercatorin projektio suhteessa TM35-projektioon

Tuotetusta kartasta voidaan huomata, että pinta-ala vääristymät voimistuvat mitä pohjoisemmaksi mennään. Lähellä napa-alueita vääristymä voi olla jopa 8-kertainen. Myös Sandra tuo omassa blogissaan esille, että mercatorin projektio ei sovellu Suomen projisointiin kartalla.

Qgis:sissä tehtäviä tehdessäni vastaani tuli myös muutama ongelma, mitkä hidastivat tehtävien tekemistä. Kun olin vaihtamassa käyttäämääni koordinaattijärjestelmää, koko kartta muuttui yksiväriseksi ja myös attribuuttitaulukosta poistui kaikki tiedot. En osannut tämän jälkeen enää korjata asiaa, joten tein kartan uudestaan. Onneksi se oli aika helppoa ja nopeaa.

Kuva 2. Mercatorin projektion vääristymä

Kuvassa kaksi voidaan huomata minkälaisen eron toisen projektion käyttäminen voi karttaan tehdä. Tämän vuoksi on tärkeää olla tarkkana siitä, että käyttää oikeaa koordinaattijärjestelmää.

Lähteet:

Kurssikerta 2-aineistot

Sandra Nyströmin blogi, toinen kurssikerta. Viitattu 8.2.2021 (https://blogs.helsinki.fi/nystroms/2021/02/01/toinen-kurssikerta/)

Ensimmäinen kurssikerta

Geoinformatiikan menelmät 1-kurssi alkoi ja alkufiilikset ovat vähän sekavat. Kurssi vaikuttaa työläältä ja karttojen teko vaikeahkolta.  Etäyhteyden välityksellä toteutettava kurssi tekee entistä vaikeammaksi kurssilla tehtävien karttojen ja muiden tehtävien tekemisen. Helpompaa olisi QGIS-ohjelmalla karttoja tehdä yliopiston koneilla kuin omalla läppärin pienellä näytöllä, mutta yritetään ainakin jonkinlaisia karttoja saada aikaiseksi!

Ensimmäisellä kurssikerralla käytiin läpi QGIS:in perusominaisuuksia ja käyttöä. Onneksi olin jo aikaisemmin käyttänyt kyseistä ohjelmaa, joten kaikki ei ollut ihan uutta. Tehtiin kurssikerralla koropleettikartta typen päästöjen osuuksista valtioittain (kuva1). Livenä en kuitenkaan pysynyt kartanteossa mukana, joten jouduin katsomaan tallenteen myöhemmin uudestaan, joten kartan teko onnistui rauhassa ja oikein. Syvyyskäyrät olisin mielestäni voinut jättää pois legendasta, koska se ei ole olennaisin asia kyseisen kartan tiedon ymmärtämisessä.

Kuva 1. Typen päästöjen osuus valtioittain

Toinen koropleettikartta saatiin tehtäväksi itsenäisesti. Minulla kesti hetken, että onnistuin kartan teossa. Valitsin vaikeustasoltaan helpoimman, koska en halunnut koko viikkoa yrittää tehdä liian monimutkaista karttaa. Valitsin tiedoiksi työttömyyden Suomen kunnissa (kuva 2). Jälkeenpäin aloin kuitenkin pohtimaan, että oliko käyttämäni aineisto juuri sellainen, jota ei olisi saanut käyttää. Muistaakseni absoluuttisia arvoja pitäisi tällaisessa kartassa välttää. Koropleettikartan teko onnistui kuitenkin aika helposti ja sitä oli kiva tehdä! Kartasta voidaan huomata, että vähiten työttömyyttä esiintyy Etelä-Suomessa ja eniten Itä-Suomessa.

Kuva 2. Koropleettikartta työttömyydestä Suomen kunnissa.

Emilia on omassa kurssiblogissaan tehnyt koropleettikartan sekä absoluuttisina että suhteellisina arvoina. Tämän perusteella tekemässäni kartassa (kuva 2) on siis oikeita suhteellisia arvoja käytetty.

Lähteet:

KK1_Harjoitus 1 materiaalit (28.1.2021)

Emilia Halmesin kurssiblogi, ensimmäinen kurssikerta. Viitattu 8.2.2021 (https://blogs.helsinki.fi/emhalmes/2021/01/28/harjoitus-1-tutustumista-qgis-ohjelmaan/)