Kurssikerta 7

Viimeinen kurssikerta ja viimeiset karttatyöt ovat nyt tehtynä. Kurssikerralle oli tarkoituksena etsiä itse dataa ja tehdä siitä karttaesitys. Ilona Tuovinen toteaa kuvaavasti blogissaan datan suuren määrän vaikutuksen työhön ”työnmäärä kymmenkertaistuu, kun on niin paljon mistä valita.”(Tuovinen 2019). Se kiteyttää hyvin sen, että aikaa kuluu paljon kun yrittää päättää mistä kaikesta saatavilla olevasta aineistosta haluaisi karttaesityksen tehdä.

Itse valitsin tutkittavaksi alueekseni Suomen ja Tilastokeskuksen sivuilta aineistokseni kunnittain työttömyyden sekä korkeakoulutetun työikäisen väestön. Halusin tietää onko näillä asioilla yhteyttä.

Kuva 1. Korkeakoulutettujen osuus kuntien väestöstä (18-64-vuotiaat).

 

 

Kuva 2. Työttömien prosentuaalinen osuus kuntien työikäisestä väestöstä (15-64-vuotiaat).

Kuvassa yksi on kuvattu korkeakoulutettujen osuutta kuntien 18-64-vuotiaista vuonna 2015 ja kuvassa kaksi on kuvattu työttömien osuus kunnan 15-64-vuotiaista vuonna 2015. Työttömyyden ja korkeakoulutettujen määrällä on havaittavissa yhteys toisiinsa, koska itäisessä Suomessa on korkeaa työttömyyttä sekä vähemmän korkeakoulutettuja. Myös alueilla läntisessä ja eteläisessä Suomessa, joissa korkeakoulutettuja on paljon, on vähemmän työttömyyttä. Korkeakoulutettujen suuri prosentuaalinen osuus kuntien väestöstä sijoittuu kaupunkien lähistölle, joissa on korkeakoulu. Näistä esimerkkinä Oulun ja Vaasan seutu. Pääkaupunkiseudun väestö on hyvin korkeakoulutettua ja suurin prosentuaalinen osuus korkeakoulutetuista kunnan asukkaista sijoittuu juuri sinne, Kauniaisilla se on jopa 46%.

Sekä työttömyyteen että korkeakoulutettujen määrän vaikuttavat alueen työmahdollisuudet ja tällä hetkellä Suomessa maaseudun kunnat kärsivät työttömyydestä ja koulutetut ihmiset muuttavat kaupunkeihin. Tämä trendi tulee hyvin todennäköisesti jatkumaan myös tulevaisuudessa.

Tämä oli kurssikerran viimeinen työ ja aineiston laskeminen käyttötarkoitukseeni sopivaksi olikin aika työläs prosessi, mutta se opetti ainakin sen, että pitää varata hyvin aikaa aineiston valinnalle ja sen läpikäymiseen. Kaiken kaikkiiaan olen tyytyväinen siihen, että sain kaikki kurssitehtävät suoritettua ja bloginkin pitäminen on nyt tullut tutuksi.

Lähteet:

Tilastokeskus http://www.stat.fi/tup/statfin/index.html, luettu 25.02.2019

Tuovinen I, 2019, https://blogs.helsinki.fi/tuoilona/2019/02/25/viikko-7/, luettu 27.02.2019

Kurssikerta 6

 

Tällä kurssikerralla oli tarkoitus oppia erilaisten lähteiden käyttämistä ja niiden muokkaamista ennen siirtoa kartalle.

Kurssikerralla tehty harjoitus, jossa interpoloitiin meidän itse tuottamaa aineistoa oli yllättävä yksinkertainen ja sen tekeminen ei tuottanut vaikeuksia.

Itsenäisenä tehtävänä oli tehdä kolme karttaa hasardeista, jotka sopisivat opetukseen.

Kuva 1. Vuoden 1964 jälkeen purkautuneet tulivuoret.

Ensimmäinen karttani kuvaa vuoden 1964 jälkeen purkautuneita tulivuoria. Tulivuoret ja maanjäristykset liittyvät kiinteästi toisiinsa, joten valitsin aiheekseni sekä tulivuoret että maanjäristykset. Toisena karttana on 6.0-7.9 magnitudin maanjäristykset vuosina 2000-2009.  Kartoista on huomattavissa, että tulivuoret ja maanjäristykset esiintyvät samoilla alueilla, etenkin Tyynenmeren tulirenkaaksi kutsutulla alueella.

Kuva 2. Vuosina 2000-2009 tapahtuneet maanjäristykset voimakkuudeltaan 6.0-7.9 magnitudia.

 

 

Kuva 3. Vuosina 2000-2009 tapahtuneet yli kahdeksan magnitudin maanjäristykset.

Kolmas karttani kuvaa vuosina 2000-2009 tapahtuneita yli kahdeksan magnitudin maanjäristyksiä. Kuvissa kaksi ja kolme olevia karttoja vertailemalla voidaan huomata, että voimakkaampia maanjäristyksiä tapahtuu paljon harvemmin kuin pienempiä järistyksiä. Helsingin Yliopiston Seismologian laitoksen internet sivuilla on havainnollistava taulukko maanjäristysten esiintymisestä, jossa todetaan, että yli 8,0 magnitudin järistyksiä tapahtuu noin yksi vuodessa. 6,0-6,9 magnitudin järistyksiä tapahtuu noin 120 vuodessa ja 7,0-7,9 magnitudin järistyksiä 18. Se selittää eroa kuvien yksi ja kaksi kartoissa.

Vertailin omia maanjäristyksiä kuvaavia karttojani Elina Huhtisen tekemiin maanjäristyskarttoihin. Vaikka vuodet, joilta analyysiä oli tehty olivat aivan erilaiset, on silti havaittavissa samoilla alueilla tapahtuvan paljon maanjäristyksiä. Tämä saa miettimään, kuinka onnellisessa asemassa olemme Suomessa maanjäristysten suhteen.

Lähteet:

https://catalog.data.gov/dataset/global-volcano-locations-database, luettu 22.2.2019

http://www.seismo.helsinki.fi/fi/maanjtietoa/perustietoa/magnitudi.html, luettu 22.2.2019

https://earthquake.usgs.gov/earthquakes/search/, luettu 22.2.2019

E. Huhtisen blogi https://blogs.helsinki.fi/huhelina/, luettu 22.2.2019

Kurssikerta 5

 

Tällä kurssikerralla ei tuotettu itse karttaesityksiä, vaan pyrittiin löytämään tietoja aineistoista. Myös aineistojen tietoja yhdisteleminen opittiin ja niiden tietojen avulla aineistoista saadaan paljon enemmän selville. On helpompi tehdä päätelmiä erilaisten asioiden yhteyksistä.

Tämänhetkisen paikkatieto-osaamiseni perusteella tärkeimpiä työkaluja on ominaisuustietojen käsittely. Tällä viikolla olen kokenut monia epätoivon hetkiä, koska nämä tehtävät ovat olleet hyvin vaikeita minulle. Toivon nyt, että olen oppinut miten eri tasojen välillä olevia ominaisuustietoja haetaan ja miten tietoja yhdistetään. Tällä hetkellä tuntuu siltä, että tarvitsisin vielä paljon harjoitusta monissa asioissa QGISin kanssa, mutta perusasiat on jo hyvin hallussa. Tarvitsisi paljon harjoitusta ja toistoja, jotta asiat jäisi paremmin mieleen. Se on myös tärkeää, että ymmärtää mitä tekee eikä vain noudata ohjeita ymmärtämättä tekemiään asioita. Kuten Julia Salmi sanoo blogissaan, on vielä paljon toimintoja mitä ei ole kurssilla käytetty ja se kertoo ohjelman laajuudesta.

Puskurivyöhykkeillä voidaan tutkia jonkin asian vaikutusalaa eli kuinka suurelle alueelle tietyn asian tai ilmiön vaikutus ulottuu. Puskurivyöhykkeellä voidaan tutkia myös erilaisten luonnonkatastrofien vaikutusalueen suuruutta ja sitä, kuinka paljon ihmisiä asuu alueella. Esimerkiksi tulivuoren ympärille voidaan luoda puskurivyöhyke ja sen jälkeen tutkia kuinka paljon ihmisiä asuu tulivuoren välittömässä läheisyydessä.

QGISin avulla ratkaistavat ongelmat riippuvat siitä, millaista aineistoa käyttäjällä on käytössään. Jos paikkatietoaineistot ovat rajattomassa käytössä, myös tutkittavien ongelmien määrä on hyvin laaja. Ohjelman käyttäjästä riippuvat rajoitteet ovat käyttäjän osaaminen ja myös käyttäjän omat mielenkiinnon kohteet. Paikkatietoaineistojen osalta tiedon saatavuus ja sen luotettavuus vaikuttavat sen käytettävyyteen. Suomessa on tarjolla paljon ilmaista ja luotettavista lähteistä saatavaa tietoa, joten on mahdollista ratkaista monenlaisia ongelmia luotettavilla tiedoilla.  Itse QGISin käytössä voi tulla eteen ongelmia ohjelman käytettävyyden kanssa, mutta ohjelmaa päivitetään usein ja teknisiä virheitä korjataan.

Taulukko 1. Erilaisia tunnuslukuja käytetyistä aineistoista.

Malmi 2km säteellä 57910 1km säteellä 9215
Helsinki- Vantaa 2km säteellä 11 212 65dB alueella 29, joka on 0,25% 2km säteellä asuvista Väh. 55 dB alueella asuu 11 913 Tikkurilan alueella asuisi 25 917
Asemat 
alle 500m päässä asuu 106691
Kaikkia asukkaita 490173 21% asuu väh. 500m päässä asemista
Työikäisiä 73 108 68,5% väestöstä, jotka asuvat väh 500m asemista
T.2
Taajamissa asuvat 385117
Kouluikäisiä taajamissa  47995
T.3
Ensi vuonna koulun aloittavia  14
Yläasteikäisiä 63
Asukkaita yhteensä 1894
Asukkaista kouluikäisiä 8 %
Muunkielisiä 110
Muunkielisistä lapsia 9

Taulukossa yksi on esitetty erilaisia tunnuslukuja viikon aineistoista. Olen hyvin epävarma tietojen oikeudesta. Tiettyjen lukujen löytäminen oli hyvin vaikeaa, en jostain syystä saanut tiettyjä tietoja löydettyä ollenkaan ja se vaikeutti työskentelyäni. Olen kuitenkin tyytyväinen siihen etten luovuttanut, vaan jaksoin yrittää vastausten etsintää.

Lähteet: Julia Salmen blogi, luettu 19.02.2019 https://blogs.helsinki.fi/jhsalmi/

Kurssikerta 4

Tällä kurssikerralla opettelimme, miten luodaan kartta-aineistolle ruudukko. Ruudukossa on hyvä vertailla erilaisia tilastoja, kuten ihmisten asumista. Tässä tehtävässä vertailimme pääkaupunkiseudulla asuvien ihmisten asuttamia ruutuja. Muodostimme itse ruudukon halutulle alueelle (pääkaupunkiseutu) ja sen jälkeen siihen yhdistettiin tieto pääkaupunkiseudun asutetuista rakennuksista. Kaikki muodostetut ruudut eivät ole asutettuja, joten aineistosta poistettiin ruudut, joissa ei asu ketään. Näin pystytään vertaamaan ruutuja ja paremmin toisiinsa.

Tein oman ruututietokarttani miesten prosentuualisesta väkiosuudesta pääkaupunkiseudulla, kuva 1.

Kuva 1. Miesten prosentuaalinen osuus pääkaupunkiseudulla.

Kartassa on mielestäni mielenkiintoista se, että miesten osuus on Helsingin kantakaupungissa alle 50 prosenttia. Myös eteläinen Espoo ja Helsingin itäinen rannikko on naisvaltaisempaa aluetta. Muualla aineistossa miesten osuus tuntuu olevan yli 50 prosenttia. Pääkaupunkiseudulla on havaittavissa myös täysin asumattomia alueita, kuten Helsinki-Vantaan lentokentän luona sekä Espoossa Nuuksion alueella. Naisten enemmistöön kantakaupungissa voi vaikuttaa se, että asunnoissa asuu vanhuksia joista enemmistö on naisia, koska miehet kuolevat tilastollisesti naisia aikaisemmin.

Yhtenä harjoituksena oli myös korkeuskäyrien luominen rasteriaineistosta.

 

Kuva 2. Korkeuskäyrät Pornaisten alueella. Mustalla värillä peruskartaston korkeuskäyrät ja ruskealla rasteriaineiston korkeuskäyrät.

Kuvat yksi ja kaksi kuvaavat samaa aluetta, mutta jätin kuvasta kaksi taustakartan pois, jotta korkeuskäyrät olisi helpompi hahmottaa kuvasta. Kuvassa yksi on mielestäni paljon enemmän käyriä, kuin kuvassa kaksi. Minulle oli vaikeaa saada itse tehtyä korkeuskäyrät, mutta kun se onnistui, huomasin ettei se ollutkaan niin vaikeaa. Kuten Emilia Ihalainen toteaa blogissaan, peruskartassa olevat korkeuskäyrät ovat vähän epäselvemmät, koska peruskartan tarkoituksena on antaa yleiskuva alueesta.

Lähteet:

Emilia Ihalaisen blogi, luettu 19.02.2019. https://blogs.helsinki.fi/ihem/

Harjoituskerta 3

Tällä kurssikerralla oli tarkoituksena opetella liittämään tietoja eri tietokannoista toiseen, jotta saadaan yhdistettyä samaan ominaisuustietotaulukkoon tietoja eri lähteistä. Tietoja yhdistelemällä voidaan tehdä erilaisia johtopäätöksiä asioiden linkittymisestä toisiinsa. Kuten Saaga Laapotti mainitsee blogissaan, voidaan eri aineistojen välille tehdä korrelaatioita tai seurata alueen kehitystä. (Saaga Laapotti)

Kurssikerralla harjoitustehtävänä oli yhdistää Afrikan kartalle erilaisia ominaisuustietoja. Käytimme aineistona konfliktien määrää ja niiden vuosittaista esiintymistä sekä timanttikaivosten ja öljylähteiden sijaintia. Ominaisuustiedoissa oli myös huomioitu internetin käyttäjät eri Afrikan valtioissa.

Kun erilaisia ominaisuustietoja vertaili keskenään, oli huomattavissa, että yleisesti timanttikaivosten öljylähteiden määrä oli yhteydessä konflikteihin muutamaa poikkeusta lukuun ottamatta. Internetin suuri käyttömäärä oli yhteydessä konfliktien vähäiseen määrään.  Näiden ominaisuustietojen perusteella voidaan siis päätellä, että alueella olevat rikkaudet aiheuttavat konflikteja. Kuitenkin pääsy internetiin tuntuu vähentävän konflikteja.

Kuva 1. Suomen tulvimisindeksi ja järvisyys.

 

Itse tehtävänä QGIS-työnä oli Suomen kartalle tuotettava kuvaus tulvaindeksistä ja järvisyysprosentista. Karttakuva Suomen tulvaindeksistä ja järvisyydestä prosentuaalisesti esittää alueilla tapahtuvan tulvimisen määrä indeksiluvuilla. Pylväät kertovat alueen järvisyydestä, eli kuinka paljon alueella on järvialaa. Karttakuvasta voidaan tulkita, että tulvimisindeksi on suurinta alueilla, joissa järvisyys on vähäistä. Siitä voi päätellä, että järvet eivät aiheuta pahinta tulvimista. Tulvaindeksi on korkeimmillaan alueilla, joissa on paljon jokia. Tulvat ovat Suomessa erityisen pahoja keväisin, kun lumet sulavat ja jokiin kasaantuu jääpatoja, jotka hidastavat veden kulkua.

Lähteet:

Saaga Laapotti: Kovaa hermojen koettelua <https://blogs.helsinki.fi/saagalaa/> Luettu: 3.2.2019

Harjoituskerta 2

Tällä kurssikerralla teimme vertailuja erilaisten projektioiden välillä ja testasimme kuinka projektio vaikuttaa pinta-aloihin sekä matkojen pituuksiin. Projektioista mikään ei pysty kuvaamaan maapallon pintaa tasolla oikeissa mittasuhteissa, koska maa on kolmiulotteinen. (Nabila Nur)

Kuva1. Pinta-alojen vertailu LAEA-projektion ja Karbala-projektion välillä.

Kuvassa yksi on vertailtu LAEA-projektiota ja Karbala-projektiota. Pinta-alojen virhe kasvaa luoteesta kaakkoon mentäessä

Kuva2. Pinta-alojen vertailu LAEA-projektion ja Mercator-projektion välillä

Kuvassa kaksi on verrattu pinta-aloja LAEA-projektion ja Mercator-projektion välillä. Näitä kahta vertailtaessa virhe kasvaa etelästä pohjoiseen mentäessä.

 

Kuva3. Väestöntiheys lukujen suhteellista vertailua kahden projektion välillä

Väestöntiheyttä verrattaessa LAEA-projektion ja Karbala-projektion välillä ei ole suurta eroa, suhteellinen väestöntiheys pysyy suhteellisen samanlaisena molemmissa.

ETRS89/ETRS-TM35FIN 5 697,447 km2 528km
ID74/UTM zone 51N 6 397,51 590km
Indian 1975/UTM zone 47N 6 326,34 584km
Karbala 1979/UTM zone 39N 5 696,53 528km
M´poraloko/UTM zone 32N 5 711,26 532km
Fiji 1956/UTM zone 60S 5 697,45 528km
Mauritania 1999/UTMzone 30N 5 698,47 528km

Taulukko1. Eri projektioiden vertailua

Taulukossa on vertailtu erilaisia projektioita ja niiden vaikutusta välimatkoihin ja pinta-aloihin. Projektioiden välillä on havaittavissa suuriakin eroja ja ne on tärkeää ottaa huomioon, kun valitaan tilanteeseen sopivaa projektiota. Projektioiden aiheuttamat erot on otettava huomioon, kun tulkitsee kartalla esitettävää aineistoa.

Lähteet:

Nur, Nabila: Toinen kurssikerta <https://blogs.helsinki.fi/nabila/> Luettu 3.2.2019

Harjoituskerta 1

Tällä kurssikerralla opin Qgis-ohjelmiston perusperiaatteita. Ohjelmisto on minulle täysin uusi, joten on paljon uutta asiaa ja opeteltavaa. Kuitenkin ohjelmiston käyttäminen on vaikuttanut yllättävän helpolta ja uskoisin, että sen käytön oppii hyvin. Attribuuttitaulukon selaaminen ja sieltä tietojen etsiminen oli erityisen tärkeä oppia tämän tehtävän kannalta, koska sieltä piti valita kartalle havainnollistettava muuttuja.  Vielä on paljon harjoiteltavaa ohjelman kanssa, mutta koen että jo tästä ensimmäisestä harjoituksesta jäi paljon mieleen ja on helppo siirtyä kohti seuraavia harjoitustehtäviä.

Ensimmäisessä harjoituskartassa on kuvattu Itämerta ympäröivät valtiot ja niiden päästämät typpipäästöt Itämereen. Kartta on väritykseltään hieman sekava, mutta koen että asia käy kuitenkin siitä ilmi. Kartasta on havaittavissa, että Puola on suurin typen päästäjä Itämereen ja Virolla päästöjä on vähiten. Typpi aiheuttaa vesistön rehevöitymistä ja sitä päätyy vesiin muun muassa maataloudesta ja teollisuudesta. (Iina Rusanen)

Teemakartalla kuvaan 0-14-vuotiaiden prosenttiosuuksia kunnittain. Valitsin tämän aiheen, koska siinä on havaittavissa eroja kuntien välillä, jolloin karttaan saa erilaisia osuuksia eikä kaikki kunnat mahdu samaan vaihteluväliin. Kartalla korostuvat muutamat alueet hyvin pienissä prosenttiosuuksissa ja yksi alue hyvin suurissa osuuksissa. Oulun eteläpuolella sijaitsevissa kunnissa, kuten Kempeleellä, on 0-14-vuotiaiden osuus 29-35%. Missään muualla kartalla ei on näin suuria osuuksia. Pieniä 0-14-vuotiaiden osuuksia, 4-10%, on esimerkiksi Sallassa ja Kuhmossa.

0-14-vuotiaiden osuuteen väestöstä vaikuttavat ihmisten muuttoliikkeet ja syntyvyyden väheneminen. Pohjoisessa ja itäisessä Suomessa on havaittavissa vähäisemmät 0-14-vuotiaiden määrät kuin eteläisessä ja läntisessä Suomessa. Ihmiset muuttavat työn perässä kohti kaupunkeja, jolloin syrjäseuduille jää vain vähän perheitä ja lasten määrä vähenee. Myös yleinen syntyvyyden väheneminen vaikuttaa lasten määrään. Lapsia syntyy vähemmän, vaikka hedelmällisessä iässä olevia ihmisiä olisikin paljon, kuten suurissa kaupungeissa.

 

Mielestäni karttaesitys on selkeä, värit on helppo erottaa toisistaan ja haluttu informaatio on havaittavissa. Etelä-Suomen pienten kuntien osalta on vaikea sanoa tietyn kunnan prosenttiosuutta, koska kuntien rajoja on vaikea erottaa. Vaikka ei tuntisi kartan aineistona käytettyjä tietoja, käy kartasta haluttu informaatio ilmi, eli 0-14-vuotiaiden osuus kunnan asukkaista.

Lähteet:

Rusanen Iina, QGIS tutuksi <https://blogs.helsinki.fi/iinarusa/> Luettu 3.2.2019