Geoinformatiikan menetelmät I

Harjoituskerta 28.2.2023, itsenäinen projekti

Viimeistä viedään! Viimeiselle kurssikerralle jäi tehtäväksi itsenäinen karttatyö jostakin valitsemastaan aiheesta. Itselläni ei ole muita soveltuvia projekteja kesken, joten tein kartat täysin oman mielenkiinnon pohjalta. Omaksi alueekseni valikoitui Etelä-Korea (kuvat 1 ja 2). En sitten yhtään vaikeamman kautta olisi halunnut mennä. Kartan toteuttaminen oli paikoin sujuvaa ja paikoin niin vaikeaa, että olisi tehnyt mieli vain luovuttaa. Onneksi en kuitenkaan luovuttanut, sillä sain tehtyä mieleiset kartat ja on jopa voittajafiilis tämän jäljiltä!

Tiesin jo heti alkuun haluavani tehdä muualta kuin Suomesta viimeisen kartan, sillä suuri osa kurssista oli toteutettu erilaisia karttoja Suomesta. Etelä-Korea oli kiinnostava maa kieleltään ja kulttuuriltaan, joten miksipäs en tekisi siitä. Aloitin urakan etsimällä Etelä-Korean kartan, josta onnekseni löysin hyvin erilaisilla jaoilla tehtyjä karttoja – ja jotka olivat vielä sopivassa muodossa ladattavaksi suoraan QGIS:iin. Omaan karttaani väestötietoja varten valikoin tarkemman kartan Etelä-Korean ”kunnista” (siellä ei ihan vastaavia nuo kunnat taida olla Suomeen verrattuna, mutta riittävän samankaltaiset kuitenkin) sekä sen lisäksi provinssijaolla. Provinssit näkyvät kartoissa paksummalla rajauksella, kunnat ohuemmalla.

Kuva 1. Väestötietoja Etelä-Koreasta vuodelta 2017.

Päätin tutkia Etelä-Korean väestöä vuonna 2017 ja 2021. Ja kuten kartoistani huomaa, siinäkin ajassa ehtii tapahtua muutoksia. Kartoissani on koko Etelä-Korean väestö ilmoitettu kotitalouksina, sillä oli yllättävän haastavaa löytää aineistoa noin tarkalla kuntajaolla. Väestötiedot – eli kotitaloudet sekä syntyvyys- ja kuolleisuusluvut – löytyivät samasta paikasta (KOSIS – Korean Statistical Information Service) niin helposti, että päätin tässä vähän oikaista. Tiedostan myös sen, että tällä valinnalla aiheutan vääristymää karttoihin, sillä jossain maalaiskylässä samassa taloudessa voi asua paljonkin ihmisiä, kun taas Soulissa yksinasuvien määrä on maaseutuun verrattuna on todennäköisesti huomattavasti korkeampi. Etelä-Korean maantieteellisen haastavuuden huomioon ottaen on kuitenkin ilmeistä – ja tokikin kotitaloudet siitä jotakin kertovat – että suurkaupungit, kuten Soul ja Busan, ovat erittäin väkirikkaita.

Kuva 2. Väestötietoja Etelä-Koreasta vuodelta 2021.

Väestön jakautumisesta kertoo myös suhteelliset syntyvyys- ja kuolleisuusluvut (pylväsdiagrammit kuvissa 1 ja 2). Maaseutukaupungeissa kotitalouksia on vähemmän, sen lisäksi syntyvyys on matalaa. Kuolleisuuskin on näillä seuduilla matalahkoa, mutta syntyvyyteen suhteutettuna ei niin kovin matalaa kuitenkaan. Syntyvyydessä huomaa tapahtuneen suuren pudotuksen vuosien 2017 ja 2021 välillä. Vuonna 2017 suuressa osassa provinsseista syntyvyys on itseasiassa ollut suurempi kuin kuolleisuus, joissakin enemmän kuin toisissa. Vuonna 2021 syntyvyys on ollut kuolleisuutta korkeampi vain muutamissa harvoissa provinsseissa. Kuvan 3 graafista tämä selviää hyvin; vuonna 2020 Etelä-Korean väkiluku kääntyi ensimmäistä kertaa luonnolliseen laskuun, eli syntyvyys oli kuolleisuutta matalampi (kuva 3).

Kuva 3. Etelä-Korean väestönkehitys (Song Ji-Yoon).

Kuvien 1 ja 2 kartoista ilmenee myös se, että syntyvyys sekä kuolleisuus ovat suurimpia Soulissa sekä sen ympäryskunnissa. Soul on Etelä-Korean asutuin alue, johon etenkin nuoret hakeutuvat työn perässä – jolloin perheenperustaminenkin on luonnollista siellä. Maaseutukylissä asuu harvemmin nuoria aikuisia, jotka haluaisivat perustaa perhettä. Maaseudulla asuu ennemmin keski-ikäisiä tai iäkkäitä ihmisiä poissa kaupungin vilinästä. Nykyistä syntyvyyden laskua selittää varmasti se, että työuraan halutaan panostaa yhä enemmän myös naisten keskuudessa, sekä se, että ”äitejä kutsutaan parasiiteiksi” (Marttinen, 2022). Naiset eivät enää halua jäädä kotiäideiksi vaan rakentaa omaa uraa, joka näkyy kartallani kuvaamalla tavalla syntyvyyden laskuna.

Tämän kurssin viimeinen tehtävä oli kokonaisuudessaan hyvä lopetus ja keino käyttää kurssin aikana oppimiani taitoja. Jo se, että sain kuvan 1 ja 2 kartat tehtyä ja olen vielä tyytyväinen niihin kertoo, että ei kaikki opit aivan hukkaan ole menneet. Oli myös mukavaa lukea muiden blogeista onnistumisia ja nähdä upeita teoksia, kuten esimerkiksi Nikolain (Tuuri, 2023) kartat. Monenlaisia ideoita näki blogeista, oli mukava vielä lopuksi niitä lukea ja katsoa. Ei voi muuta sanoa kuin: kyllähän tästäkin kurssista sittenkin selvittiin!

 

Lähteet:

KOSIS. Korean Statistical Information Service. KOSIS KOrean Statistical Information Service Viitattu 19.3.2023.

Marttinen, M. (2022). Etelä-Koreassa äitejä kutsutaan parasiiteiksi – maailman matalin syntyvyys uhkaa tuhota talousihmeen. Ilta-Sanomat 3.7.2022. Etelä-Koreassa on maailman matalin syntyvyys – Ulkomaat – Ilta-Sanomat (is.fi) Viitattu 19.3.2023.

Tuuri, N. (2023). 7. kurssikerta. Nikolain blogi -blogin kirjoitus 18.3.2023. 7. Kurssikerta – Nikolain Blogi (helsinki.fi) Viitattu 19.3.2023.

Song, J. Y., tilastograafi. https://pulsenews.co.kr/view.php?sc=30800018&year=2021&no=182191 Viitattu 19.3.2023.

 

 

Itsenäiset harjoitukset

Tällä viikolla en henkilökohtaisista syistä päässyt luennolle ollenkaan, joten harjoitukset tein itsenäisesti ja kirjallisten ohjeiden pohjalta. Kurssin tiedotusblogista luin, että olisi ulkoilua ollut luvassa. Sinänsä harmi etten päässyt eikä aika riittänyt retken tekemiseen omalla ajalla, mutta viikon itsenäisten töiden aihe oli kuitenkin hyvin mielenkiintoinen!

Heti alkuun huomasin kuitenkin, että ilman luento-opetusta tehtävien aloitus oli aika hankalaa. Homma rupesi takkuamaan heti kun yritin viedä ensimmäistä taulukkoa maanjäristyksistä QGIS:iin. Joku valinta oli pois päältä minkä olisi kuulunut olla päällä. Kiitos Sinin ja Miian sain kuitenkin taulukon toimimaan, josta pystyin sitten jatkamaan eteenpäin. Taulukoihin etsittiin tiedot netistä ja itse valikoin erilaisilla rajauksilla aineistoa sekä USGS:n (U. S. Geological Survey) että NOAA:n NCEI (National Centers for Environmental Information) tietokannasta tietoa maanjäristyksiin ja tulivuoriin liittyen.

Jostakin syystä pidän tulivuorista paljon ja niiden tutkiminen eri tavoin on itselleni hyvin mielenkiintoista, joten aihe oli juuri hyvä; pystyin yhdistämään tulivuoret ja tässä tapauksessa maanjäristykset yhdelle ja samalle kartalle. Sini (Koskela, 2023) tuo lisäksi blogissaan esille hyvän huomion, maanjäristykset ovat tällä hetkellä saaneet paljon huomiota tuhoisuudessaan ja aihe on siten ajankohtainen. Kuvan 1 kartassa näkyy kaikki yli 5,5 magnitudin maanjäristykset 30 vuoden ajalta (1980-2010). Kartasta näkyy, että niitä on ilmeisen paljon – opettajan roolissa yksi hyvä kysymys olisikin miksi. Josta olisikin hyvä kiinnittää huomiota maanjäristysten ilmenemiseen. Miksi ne ovat erityisesti merialueilla noin linjassa, aivan kuin yhdessä jonossa?

Kuva 1. Maanjäristykset ja niiden voimakkuus vuosien 1980-2010 aikana.

Kuvan 1 kartassa maanjäristyksiä on määrällisesti hyvin paljon, mutta niistä iso osa on alle 6 magnitudin järistyksiä. Halusinkin oman mieltymykseni vuoksi ottaa mukaan tulivuoria. Valikoin kahdenlaisia, vedenalaisia sekä kompleksisia tulivuoria, joista jälkimmäisiin palaan myöhemmin. Alkuun halusin tutkia vedenalaisten tulivuorten sijoittumista sekä yli 8 magnitudin maanjäristysten suhdetta. Kuvassa 2 nämä ovat samalla kartalla. Kaikkein voimakkaimmat järistykset sijaitsevat mantereella tai läheisellä saarella, kun taas vedenalaisten tulivuorten läheisyydessä hyvin voimakkaita maanjäristyksiä ei juurikaan ilmene. Oikeastaan iso osa vedenalaisista tulivuorista ei ole kovin lähelläkään voimakkaita maanjäristyksiä lukuunottamatta Tyynellä valtamerellä sijaitsevaa rykelmää sekä muutamia yksittäisiä Australian pohjois- ja koillis-puolella. Hyvä kysymys tähän kohtaan onkin, miksi vedenalaisten tulivuorten yhteydessä on harvoin hyvin voimakkaita maanjäristyksiä ja toisaalta miksi keskellä Tyyntä valtamerta niitä on suhteellisen paljon?

Kuva 2. Vedenalaiset tulivuoret ja maanjäristykset vuosina 1980-2012.

Kuvassa 3 taas on edelliseen karttaan lisätty kompleksiset tulivuoret sekä hieman laajempi magnitudiasteikko, joka alkaa 7,5 magnitudista. Lisäksi kartta sisältää vain 2000-luvulla tapahtuneet maanjäristykset. Maanjäristyksiä sekä kumpaakin tulivuorityyppiä on kaakkois- ja itä-Aasiassa varsin paljon. Voimakkaat maanjäristykset kulkevat jokseenkin käsi kädessä tulivuorten sijainnin kanssa, mutta toki omissa kartoissani on hyvin rajallinen aineisto – vain tietynlaiset tulivuoret, vain tietyllä rajauksella etsityt maanjäristykset eikä kartoissa ole muuta luonnonoloihin tai hasardeihin liittyvää taustatietoa, jolla voisi olla merkitystä näiden kahden ilmenemiselle yhdessä. Esimerkiksi litosfäärilaattojen ääriviivojen lisääminen selventäisi maanjäristysten sijoittumista ja ilmenemistä, mutta kyllä sen pystyy näistä kartoista myös jonkin verran päättelemään. Ehkä opetusta miettiessä näillä kartoilla pystyisi hyvin kuvastamaan juuri litosfäärilaattojen saumakohtien merkitystä sekä sitä, että maanjäristykset ja tulivuoret voivat olla tiiviisti toisiinsa vaikuttavia tekijöitä.

Kuva 3. Eri tulivuorityypit ja maanjäristykset 2000-luvulla.

Aiempia kolmea karttaa voi suhteuttaa hyvin alla olevaan kuvan 4 mukaiseen karttaan, josta ilmenevät litosfäärilaattojen reunat. Kuvan 1 kartta noudattelee vahvasti näitä linjoja, joten sinänsä omat karttani onnistuivat ihan hyvin kuvaamaan näiden ilmiöiden sijoittumista.

Kuva 4. Mannerlaatat (Kutvonen, 2021).

Tämän viikon tehtävistä olisin varmasti saanut enemmän irti, jos vain olisin päässyt luennolle, mutta onnistui tämä toki näinkin. Opin ainakin tuottamaan taulukkomuotoista aineistoa, jonka saa helposti kartalle pistemäiseksi tiedoksi. Viimeistä viikkoa kohti mennessä uskon sen olevan erityisen hyödyllinen keino, joten jännityksellä odotan mitä sitä viimeiseen kertaan keksii!

 

Lähteet:

Koskela, S. (2023). Luento 6: Pisteaineistoja ja interpolointia. Kosini’s blog Geoinformatiikan menetelmät I -blogin kirjoitus 13.3.2023. Luento 6: Pisteaineistoja ja interpolointia – Kosini’s blog (helsinki.fi) Viitattu 19.3.2023.

Kutvonen, H. (2021). Geologian tutkimuskeskus. https://www.geologia.fi/2018/06/29/miksi-suomen-kallioperassa-voidaan-nahda-litosfaarilaattojen-rajoilla-muodostuneita-rakenteita/ Viitattu 19.3.2023.

 

 

Harjoituskerta 14.2.2023 + kotona tehdyt harjoitukset

Kurssikerralla tehtävät työt ja jatko sitten kotona oli melko itsenäistä. Tehtävät olivat hieman vaihtelevia haastavuustasoltaan, mutta onneksi suurimmasta osasta selvisin ihan hyvin. Ongelmanratkaisukykyni oli koetuksella, mutta haastavien kohtien kääntöpuoli on toisaalta ilahduttava onnistumisen kokemus. Eli vaikkei kaikki sujunut kuin vettä vaan, jäi tämän kerran tehtävistä harvinaisen hyvä mieli. Aiemmista tuskailuista on selvästi ollut jotakin hyötyä!

Aivan alkuun tutkittiin viime viikon harjoituksissa tehtyä Pornaisten aluetta. Tehtävien varmaankin tärkein uusi työkalu oli buffer, jolla saatiin halutun kohteen ympärille halutun kokoinen puskurivyöhyke. Bufferoimalla pystyy tutkimaan oikeastaan hyvin monipuolisesti asioita, joiden etäisyydellä johonkin toiseen kohteeseen on väliä, kuten asutuksen, palveluiden tai vaikka tiestön suhdetta johonkin kohteeseen. Buffer-työkalu olikin ihanan helppokäyttöinen ja Select features by location -työkalun avulla tarvittavat tiedot sai hyvin helposti selville. Taulukosta 1 löytyy näitä tietoja Pornaisten alueelta.

Pornaisten alueen tehtävät oli hyvin yksinkertaisia, mutta pientä lisähaastetta toi Malmin ja Helsinki-Vantaan lentoasemiin liittyvät tehtävät (taulukko 2 ja 3). Näissäkin buffer-työkalu oli yksi keskeisimmistä, mutta erityisesti Helsinki-Vantaan lentoasemaan liittyi vahvasti myös Clip- tai Intersect-työkalu. Ne olivat hyvinkin toisiaan vastaavat, mutta itse päädyin kaikissa tehtävissä käyttämään Clip-työkalua vaikka molempia kokeilinkin. Malmin lentokenttään liittyvät ensimmäiset kysymykset oli helpot bufferoimalla ja käyttämällä tuttua Select features by location -toimintoa, mutta jälkimmäisiin lisäkysymyksiin täytyi aineistoa hieman rajata käyttöönottovuoden mukaan. Malmin lentokenttä otettiin käyttöön joulukuussa 1936, joten omassa taulukossani on pientä virhettä sillä siinä on mukana kaikki vuonna 1936 käyttöönotetut rakennukset. Toisin sanoen taulukon 2 luvuissa on myös sellaisia rakennuksia, jotka on mitä luultavimmin otettu käyttöön ennen kuin Malmin lentokenttä on aloittanut toimintansa. Tajusin tämän sen verran myöhäisessä vaiheessa, ettei aika enää riittänyt korjata sitä, joten ajattelin vain mainita sen tässä tekstin yhteydessä.

Helsinki-Vantaan lentoasemaan liittyvät tehtävät olivat jo haastavampia, mutta ratkaisun löytyessä hurjan palkitsevia. Taulukon 3 ensimmäisen rivin luku oli hyvinkin helppo saada bufferoimalla, mutta siitä eteenpäin täytyi jo vähän osata soveltaa oppimaansa. Ratkaisu löytyikin kurssikerralla, kun lähimpänä istuvien kurssikavereiden kanssa yhdessä pohdittiin. Huomasin myös tehdessäni viimeistä kohtaa taulukosta 3, jossa tutkittiin poikkeuksellista tulosuuntaa lentokoneille, että hajontaa on aika paljon. Itse saamani luku on taulukossa 3 näkyvä 12 222, mutta esimerkiksi Tatun (Jentze, 2023) saama luku oli hieman yli 26 600 ja Kalla-Marian (Tiilikainen, 2023) saama luku taas hieman yli 13 000. Omiin kykyihini en luota niin paljoa, että osaisin taata oman lukuni olevan lähellä oikeaa, mutta oli mielenkiintoista huomata hyvin erilaisia tuloksia.

Taulukossa 5 hypättiinkin tutkimaan taajamia. Tässä vaiheessa Select features by location -toiminto oli kovalla käytöllä. Aineistoa täytti myös rajata erilaisin perustein melko paljon. Näiden väestötietojen tutkiminen oli yllättävän hankalaa, mutta lopulta kun solmun sai päässään auki oli ratkaisu yllättävän yksikertainen. Kenties tauko olisi ollut paikallaan, sillä huomaan ajattelevani kamalan hankalasti asioita, jos teen niitä pitkään kerralla. Ongelmista tulee suurempia kuin ne ovatkaan.

Viimeinen tehtävä oli vapaavalintainen kolmesta vaihtoehdosta ja itse valikoin uima-altaat ja saunat pääkaupunkiseudulla (taulukko 6). Tällä kertaa käytin huomattavasti enemmän Select features by value -toimintoa, joka osoittautui hyvin käteväksi. Kuten Iina (Kiikeri, 2023) kirjoittaa omassa blogissaan, kyseisen työkalun oppiminen ja käyttö helpottaa kummasti elämää. Aivan ongelmitta en kuitenkaan tehtävästä selviytynyt, sillä tehtävässä olisi lisäksi kuulunut tutkia millä alueella on eniten uima-altaita ja esittää se kartalla. Kokeilin vaikka ja mitä, mutta en saanut hyvää vastausta tai karttaa aikaiseksi, joten annoin sen sitten olla. Kuvan 1 mukaiseen karttaan saakka pääsin ongelmitta, mutta siitä eteenpäin ei sitten enää onnistunutkaan, joten ajattelin nyt sitten sen yhden kartan lisätä tämän tekstin jatkoksi. Kartasta selviää talot, joista uima-allas löytyy, mutta ei valitettavasti selviä esimerkiksi tätä uima-allasrikkainta aluetta vain katsomalla karttaa.

Kuva 1. Uima-altaalliset talot pääkaupunkiseudulla.

Ehkä hieman näiden tehtävien värittämänä voin sanoa, että QGIS:in tärkeimpiä työkaluja ovat Select features by location, Select features by value, Join attributes by location, Buffer, Clip sekä joissain tapauksissa Dissolve. Ja varmasti on muitakin joita huomaa käyttävänsä, mutta en osaa vain tähän sanallistaa. Harjoittelulla näiden käyttö alkaa sujua kokoajan paremmin ja ratkaisuihin pääsee paljon helpommin, kun ymmärtää erilaisten työkalujen toimintamekanismin.

Monien vaiheiden – onnistumisten ja turhautumisten – kautta päästiin tälläkin kertaa maaliin taas hieman parempien QGIS-taitojen kanssa, kivaa!

 

Lähteet:

Jentze, T. (2023). Itsenäistehtäviä olevinaan. MAA-202 Tatu -blogin kirjoitus 22.2.2023. Itsenäistehtäviä olevinaan – MAA-202 Tatu (helsinki.fi) Viitattu 18.3.2023.

Kiikeri, I. (2023). Viikko 5 & harjoitus 5; alkaako väsymys painamaan? Iinan QGIS-blogi -blogin kirjoitus 20.2.2023. Iinan QGIS Blogi (helsinki.fi) Viitattu 18.3.2023.

Tiilikainen, K. M. (2023). Kurssikerta 5. Kallan blogi geoinformatiikan menetelmät 2023 -blogin kirjoitus 7.3.2023. Kurssikerta 5 – Kallan blogi (helsinki.fi) Viitattu 18.3.2023.

Harjoituskerta 7.2.2023 + kotona tehdyt harjoitukset

Tällä viikolla ryhdyttiin lähes heti toimeen ja paljon asiaa luentokerran aikana tulikin. Luentokerta jakautui kahteen osioon, aluksi tutkittiin piste- ja ruutuaineistoa ja niiden visualisointia, loppupuoliskolla uutena tuli rasterimuotoisten aineistojen käsittely QGIS:ssä. Luennolla harjoittelu onnistui ihan mallikkaasti, mutta kotona tekeminen oli taas kerran hieman hankalampaa; onnistuin kuitenkin ihan hyvin osittain kiitos luentovideoiden!

Ensimmäinen tehtävä oli valmiiden materiaalien avulla tuottaa ruutuaineistoa Helsingin, Espoon ja Vantaan kuntarajojen sisäpuolelta. Alue on melko suuri, joten väestötietoa sisältävä aineisto oli myös hyvin kookas. Sen rajaaminen oli siis käsittelyn ja visualisoinnin toteutuksen kannalta melkeinpä välttämätöntä, sillä aineiston prosessointi sellaisenaan olisi ollut lähes mahdotonta. Aivan alkuun kartalle piirrettiin ruudukko, joka kattoi pääkaupunkiseudun kokonaan. Ruudukon ruutukooksi valittiin 1km x 1km, ja tällä ruutukoolla saatiin kuvan 1 mukainen kartta. Kuvan 1 karttaan on visualisoitu pääkaupunkiseudulla asuvien ruotsinkielisten määrä absoluuttisina lukuina. Tässä tapauksessa absoluuttisia lukuja oli mahdollista käyttää, sillä ruudut ovat tasakokoisia ja kokonsa puolesta vertailukelpoisia. Esimerkiksi koropleettikartoissa absoluuttisia lukuja on hankalampi käyttää alueiden koon vaihtelun vuoksi.

Kuva 1. Ruotsinkieliset pääkaupunkiseudulla.

Kartasta 1 on nähtävissä, että ruotsinkielisiä asuu eniten Helsingin keskustassa, Espoossa, Kauniaisissa ja jossain määrin kartan itäpuoliskolla. Kuten Pinja Rautiainen kirjoittaa blogissaan (Rautiainen, 2023), on alueellisen jakautumisen hahmottaminen hieman hankalaa ilman näkyviä kunta- ja hallintorajoja. Helsingin keskustasta kauemmas liikuttaessa ruotsinkielisten määrä vähenee koko ajan, jonka takana voi olla monia asioita. Ruotsinkieliset ovat etenkin pääkaupunkiseudulla keskimäärin varakkaampia kuin suomalaiset (Turun Sanomat, 2004), jonka vuoksi heillä on myös todennäköisemmin varaa asua kalliilla alueilla. Artikkelin mukaan ruotsinkielisten koulutustaso on myös korkeampi, jolloin Helsinkiin ja naapurikuntiin on voitu muuttaa työn perässä. Lisäksi ruotsinkieliset saavat keskimäärin enemmän lapsia (Saarenmaa, 2021), jolloin heidän osuutensa pysyy vähintäänkin yhtä suurena, mikäli alueelta ei muuteta pois. Absoluuttisilla luvuilla tehty kartta seurailee hyvin pitkälti muutoinkin tiheämmin asuttuja alueita, joten tässä tapauksessa prosenttiosuuksilla olisi pystytty kenties paremmin ilmaisemaan, missä asuu suhteellisen paljon ruotsinkielisiä verrattuna muuhun väestöön – tällä hetkellä kartassa ruotsinkielisiä on paljon siellä missä on muutenkin paljon ihmisiä.

Kotona halusin vielä kokeilla tehdä vastaavan ruutukartan pienemmillä ruuduilla. Tein kaksi karttaa, joista tosin valikoin vain toisen tänne blogiini. Kuvassa 2 ruutukoko on 500m x 500m. Tein samalla koolla myös toisen kartan ruotsinkielisten absoluuttisista määristä, mutta kartta ei näyttänyt kovin hyvältä. Osa ruuduista jäi puuttumaan syystä jota en itse millään keksinyt, joten se ei olisi kuvannut aluetta oikein. Kuvassa 2 on kuitenkin ihan onnistunut kartta pienemmällä ruutukoolla pääkaupunkiseudulla asuvista 7-vuotiaista. Siksi on hieman outoa, että samasta aineistosta tehdyt kartat näyttävät eri tavalla asutuksen sijoittumista.

Kuva 2. 7-vuotiaiden sijoittuminen pääkaupunkiseudulla.

Kuvassa 2 halusin tutkia 7-vuotiaiden eli peruskoulun aloittavien tai aloittaneiden määriä pääkaupunkiseudun eri puolilla. Tässäkin kartassa on käytetty absoluuttisia arvoja. Kuvan 2 kartasta on nähtävissä, että 7-vuotiaita lapsia on melko tasaisesti eri puolilla, painottuen hieman itäiselle puolelle. Helsingin keskustassa ja Itä-Helsingissä on suurimmat keskittymät, mutta on kuitenkin pääteltävissä, että lapsiperheitä asuu jokseenkin tasaisesti ympäri pääkaupunkiseutua. Etenkin tällä pienemmällä ruutukoolla – ja miksei isommallakin – erilaisia ilmiöitä voi mielestäni kuvata hyvin ja riittävän selkeästi siten, ettei aineistoon ole tarvinnut perehtyä kovin syvällisesti. Esitystapa on toki myös hieman puutteellinen ja siinä esitettävä aineisto rajattu aika paljon. Informaatio on ruutukartalla melko yksipuolista, kartalle päätyy vain määriä samankokoisten ruutujen sisällä, jolloin esimerkiksi asumismuodot tai ympäristön rakentuminen jäävät päättelyn ja arvailun varaan. Aineiston pohjana käytetty pisteteemakartta näyttää tarkalleen sijainnit, mutta tällä tavalla isolla alueella esitettäessä se ei ole kovin kätevä. Rakennuksia kuitenkin on pääkaupunkiseudun kokoisella alueella tuhansia, joten yksittäisiä pisteitä on aivan liikaa pienelle kartalle järkevästi tulkittavaksi.

Rasterimuotoisen aineiston pyörittelyä

Loppupuoliskolla saatiin (tai ainakin minä sain) ensikosketuksen rasterimuotoisen aineiston käsittelyyn QGIS:ssä. Tutkittava alue oli Pornaisten taajama-alue sekä lähiympäristö, jota tutkittiin erityisesti korkeusmallien osalta. Eli siis paljon uusia ominaisuuksia taas tutuksi.

Alkuun QGIS:iin oli tarpeen tuoda rasteriaineisto, joka oli tässä tapauksessa neljään osaan jaettu korkeusmalli. Tämän lisäksi projektiin tuotiin alueen peruskarttalehti, josta selvisi paremmin missä alue sijaitsee. Korkeusmallien yhdistämisen jälkeen muodostui yhtenäinen virtual raster, jonka avulla oli mahdollista tehdä kartalle korkeuskäyrät. Tein korkeuskäyriä sekä 10 että 5 metrin välein, joista jälkimmäisiä sitten vertasin Paitulista lataamaani karttalehteen samalta alueelta. Valmiin aineiston peruskarttalehdellä ei ollut korkeuskäyriä lainkaan, jonka vuoksi tämä Paituli-operaatio piti suorittaa. Kuvassa 3 näkyykin vertailun vuoksi Paitulista ladatun karttalehden sekä QGIS:issä korkeusmallien pohjalta piirrettyjen korkeuskäyrien vastaavuus – molempien korkeuskäyrät noudattelevat hyvinkin pitkälti samoja linjoja, mutta QGIS:in korkeuskäyrät ovat paljon tarkempia. QGIS:in korkeuskäyrissä on selvästi enemmän pienenpieniä kohteita ja paljon pientä mutkittelua, toisin kuin karttalehden yleistetymmissä käyrissä. Kuvassa 3 paksummat käyrät ovat karttalehdeltä, ohuemmat QGIS:issä tehtyjä.

Kuva 3. Korkeuskäyrien vertailua.

Korkeuskäyrien lisäksi harjoittelimme korkeusvaihtelun esittämistä rinnevalovarjostuksen avulla. Tällä tavalla kartalle sai hienonnäköisen kolmiulotteisen pinnan, jossa näkyi sekä korkeusvaihtelu että pellot ja muut karttalehden kohteet. Omalla kartallani kontrasti olisi ehkä voinut olla hieman voimakkaampi tai vastaavasti kirkkaus matalampi, jotta korkeusvaihtelu näkyisi selvemmin, mutta mielestäni kartta on silti ihan kuvaava ja onnistunut (kuva 4). Aivan tunnin lopussa harjoittelimme vielä kohteiden piirtämistä itse kartalle teiden ja rakennusten muodossa. Kuvan 4 kartassa Pornaiset on rajattu punaisella nelikulmiolla, jonka sisään olen piirtänyt tiestöä sekä joitakin rakennuksia. Kartalla tiet ovat kovin kapeat, joten niitä ei välttämättä niin hyvin erota. Huomasin tämän hieman myöhään, joten ajattelin tällä kerralla antaa niiden olla miten ovat. Rakennuksia taas on tosiaan vain muutama ja ne ovat rajatulla alueella näkyvät ruskeat pisteet. Tällä tavalla sai loistavasti harjoitusta sekä viiva- että pistemuotoisten kohteiden piirtämisessä.

Kuva 4. Pornaisten asuinalue ja ympäristö.

Vaikka tällä kerralla olikin paljon uutta, jäi tehtävistä silti hyvä mieli – viimeinkin hommat alkoi sujua jopa kotonakin yllättävän sujuvasti!

 

Lähteet:

Rautiainen, P. (2023). 4. harjoitus. 4. harjoitus – Pinja Rautiainen (helsinki.fi) Pinja Rautiainen Geoinformatiikan kurssiblogi -blogin kirjoitus 23.2.2023. Viitattu 16.3.2023.

Turun Sanomat (2004). Ruotsinkieliset vauraampia kuin suomenkieliset. Turun Sanomat 1.5.2004. Ruotsinkieliset vauraampia kuin suomenkieliset – Uutiset – Turun Sanomat Viitattu 16.3.2023.

Saarenmaa, K. (2021). Ruotsinkielisillä keskimääräistä enemmän lapsia – jo lähes puolet kaksikielisiä. Tieto ja trendit, Tilastokeskus 5.11.2021. Ruotsinkielisillä keskimääräistä enemmän lapsia – jo lähes puolet kaksikielisiä | Tieto&trendit (stat.fi) Viitattu 16.3.2023.

 

 

Harjoituskerta 31.1.2023

Tämä kerta olikin aika intensiivistä tekemistä. Ihan kaikkea en ehkä ymmärtänyt, mutta ainakin sain kuvien 1 ja 2 mukaiset kartat valmiiksi. Tunnin aikana oli jotenkin helpompi seurata ja pysyä mukana, en ihan tiedä miten tämä nyt oli aiempia luentoja helpompi. Lisäksi oli ihan hauskaa tehdä Afrikasta karttaa, tulee hieman kaukaisemmatkin alueet edes vähän tutummaksi. 

Afrikan kartan myötä osaan suhteellisen hyvin liittää tietokantoja toisiinsa ja lisätä sarakkeita jo olemassa oleviin tietokantoihin. Afrikka-tehtävän osalta alkuperäiseen tietokantaan liitettiin tietoja muun muassa internetin käytöstä ja väestöstä. Oli aika mielenkiintoista! Loppuun vielä lisättiin QGIS:in tietokannat timanteista, konflikteista sekä maa-alueella tapahtuvasta öljynporauksesta ja tutkittiin näitä tietoja ja niiden keskinäisiä mahdollisia suhteita. Taulukoista huomattiin, että suoraa yhteyttä timanttien/öljynporauksen ja konfliktien välillä ei välttämättä ole, vaan konfliktien taustalla voi olla jotain aivan muuta (osassa toki juuri timantit tai öljykysymykset). Aineistoista ei tosin suoraan nähnyt, kuinka eri tapahtumat ajallisesti sijoittuvat ja siten kenties vaikuttavat toisiinsa.

Kuva 1. Timanttien, öljyn ja konfliktien jakautuminen Afrikassa.

Tietokannat yllämainituista asioista eivät suoraan olleet kovin yksityiskohtaisia, niissä ilmoitettiin vaan näiden asioiden määriä. Konfliktien esiintymistä tutkittiin tarkemmin rajaamalla konfliktit vuosiin, mutta alkuperäisissä aineistoissa niitä ei sen kummemmin eritelty. Näiden lisäämisellä taulukkoon voitaisi todennäköisesti tutkia näitä ilmiöitä ja niiden yhteyttä tarkemmin. Osassa alueista esimerkiksi timanttien löytämisvuoden ja konfliktien välillä saattaisi olla havaittavissa vahvempi yhteys – eli ennen kuin varsinainen timanttikaivostoiminta on käynnistynyt. Ja todennäköisesti timantit ja konfliktit ajatellaan helposti samaan lauseeseen veritimanttien vuoksi; joissakin Afrikan maissa timantteja kaivetaan ja kuljetetaan, käytännössä orjatyövoimalla, laittomasti erilaisten sotien tai konfliktien rahoittamiseksi (Armstrong, 2012). Kaikki näihin tietokantoihin lisätty yksityiskohtaisempi tieto kertoisi paljon eri maiden taloudesta ja yleisestä vakaudesta, samoin kuin esimerkiksi internetin käyttäjien määrä. Internetin lisääntynyt käyttö on suora heijaste elintason noususta, kun taas suuri määrä konflikteja saattaa vaikuttaa päinvastaisesti väestöön.

Sitten voidaankin siirtyä kurssikerran toiseen tehtävään eli Suomen valuma-alueisiin (kuva 2). Tämäkin tehtävä sujui hyvin (ja vieläpä melko itsenäisesti!) lukuun ottamatta järvisyysdiagrammin tekoa. Se oli hieman haasteellinen vaihe, ja alkuun tyydyin vain Excelissä tehtyyn diagrammiin. Mutta! Onnekseni sainkin apua Susanne Rautamolta järvisyyshistogrammin teossa QGIS:ssä; hän kertoo blogissaan itsekin tuskailleensa kyseisen diagrammin kanssa (Rautamo, 2023), mutta toisin kuin minä hän löysi ratkaisun ongelmaan ja halusi/osasi vielä auttaakin!

Kuva 2. Valuma-alueet Suomessa.

Kuvan 2 kartassa näkyy siis Suomen valuma-alueet, tulvaherkkyys sekä järvisyysdiagrammi. Tulvaindeksin laskemiseen käytettiin keskiylivirtaamaa ja keskialivirtaamaa, joiden avulla voitiin määrittää alueellinen tulvimisherkkyys. Keskiylivirtaamalla tarkoitetaan korkeimpien mitattujen arvojen keskiarvoa ja keskialivirtaamalla matalimpien mitattujen arvojen keskiarvoa (Rautamo, 2023).

Suomessa tulvimisriski on korkea rannikkoalueilla sekä osin Lapissa, Itä- ja Keski-Suomi eivät ole juurikaan tulvariskissä. Järvien läheisyys selvästi vaikuttaa tulviin madaltaen niiden ilmenemisriskiä. Rannikolla taas merenpinnan korkeuden vaihtelu voi mahdollisesti vaikuttaa tulvimiseen, useissa korkeimman tulvaindeksin kohteissa on myös paljon jokia. Lapissa sisämaassa järvettömillä alueilla tulvariski on keväisin korkeampi lumen sulaessa ja tämä kenties vaikuttaa tulvaindeksin nousuun.

Näiden harjoitusten myötä tuli oikeita onnistumisen kokemuksia, kun sai aikaiseksi kohtuullisen hyviä karttoja ja melko pitkälti ihan itse! Toki aina on hiottavaa, värivalinnat ja kartan seesteisyys olivat näissäkin kartoissa hieman haastavat saada kohdilleen, mutta nämä ovat nyt riittävän hyvät vaikka tekisi mieli vielä hioa ja viimeistellä. Tällaista tällä kertaa, katsotaan mitä sitä seuraavalla kerralla saadaan aikaiseksi!

 

Lähteet:

Armstrong, P. (2012). How diamonds fuel Africa’s conflicts. CNN 16.5.2012. How diamonds fuel Africa’s conflicts | CNN Viitattu 6.2.2023.

Rautamo, S. (2023). Kurssikerta 3. Susanne’s blog -blogin kirjoitus 1.2.2023. Susanne’s blog | Geoinformatiikan menetelmät 1, kevät 2023 (helsinki.fi) Viitattu 6.2.2023.

Harjoituskerta 24.1.2023 + kotona tehdyt harjoitukset

Takaisin blogin pariin, voin edellistä blogiani kommentoida sen verran, että kauhunsekaisuus on aika lailla hävinnyt jo nyt, kyllähän tästä selviää! Ja lisäksi oli kiva huomata luennolla, että sentään jotakin oli jäänyt aiemmalta viikolta mieleen QGIS:iä ajatellen. Mutta uusi viikko uudet haasteet. Tällä luentokerralla alku sujui melko ongelmitta, mutta alkuun eri projektioiden arvojen saaminen samaan taulukkoon osoittautui hankalaksi – vaikkakin lopulta kaikki oli vain kiinni siitä, että hiiren kursori oli yhtä kohtaa liian alhaalla. Onneksi ei sen isompi ongelma tällä kertaa, mutta pistää miettimään missä muuallakin on tullut pieniä huomaamattomia virheitä, jotka saattavat kostautua vasta myöhemmin. Toivottavasti ei monessa paikassa.

Tällä kurssikerralla keskiössä oli eri projektioiden vertailu. Taulukossa 1 vasemmalla puolella on vertailtu eri projektioiden pinta-aloja pohjoisessa Suomessa tasopinnalla sekä ellipsoidin pinnalla. Projektioissa on aika isoja eroja etenkin tasopinnalla kuvattuna. Ellipsoidin pinnalla pinta-aloissa hajontaa ei niin reilusti ole, osin ehkä selittyy sillä, että esimerkiksi Mercatorin projektio, Plate carree sekä Lambertin projektio ovat kaikki lieriöprojektioita. Oikealla puolella on pelkkä välimatka, mittasin noin Vaasan korkeudella Suomen poikki kulkevan viivan avulla eroja projektioiden leveyssuunnassa. Ellipsoidin pinnalla kaikki projektiot antoivat saman arvon, mutta tasopinnalla eroja oli paljon; kaikki arvot olivat erilaisia. Projektion valinta riippuukin paljon kartan mittakaavasta sekä käyttötarkoituksesta, sillä kaikissa projektioissa on hyvät ja huonot puolensa (dokumentaatio QGIS:lle). Eli ne projektiot, jotka vääristävät Suomen pinta-alaa eniten voivat Afrikan alueella olla todenmukaisimmat, kuten Mercatorin projektio; TM35-projektio taas kuvaa Suomea melko tarkasti, kun taas esimerkiksi Etelä-Amerikka vääristyy huomattavasti.

Taulukko 1. Projektioiden vertailuja Suomessa.

Kurssikerralla ja lisäksi kotona harjoittelin karttojen visualisoimista, joihin tulee näkyviin eri projektioiden prosentuaaliset erot TM35FIN-projektioon verrattuna (kuva 1 ja 2). Kuvassa 1 on verrattu TM35FIN- ja Mercatorin projektioita. Kuten lieriöprojektioille tyypillistä, vääristymä kasvaa pohjoiseen mentäessä; pohjoisimmassa Suomessa vääristymä on yli kahdeksankertainen.

Kuva 1. TM35FIN ja Mercator erot, %.

Kuvan 2 kartassa on vertailtu TM35FIN- ja Robinsonin projektioita. Kuva onnistui ihan hyvin, mutta legendan luvut eivät omaan silmään näytä ihan oikeanlaisilta. En ihan tiedä mikä meni pieleen, mutta jokin on vähän oudosti. Sekä kuvassa 1 että 2 luokkia on 7, usein karttojen visualisoinnissa käytetään maksimissaan 5 luokkaa. Tässä kuitenkin erot kasvavat niin paljon pohjoiseen mennessä, että useampikin luokka on hyvä.

Kuva 2. TM35FIN ja Robinson erot, %.

Tehtäviä tehdessä jälleen kerran kotona homma muuttui hankalammaksi, mutta selvisin jotenkuten. Iina Kiikeri blogissaan sanoitti hyvin luennon ja tehtävien tekemisen ”Mitä tehtävä opetti? Ainakin sen, että aion jatkossa kiinnittää huomiota enemmän projektion valintaan, muutoksilla voi nimittäin olla suuria vaikutuksia lopputuloksiin”. Niinpä, tehtävä havainnollisti projektioiden eroja erittäin hyvin. Niin ja lisäkiitos Iinalle, putosin hieman kärryiltä luennolla, mutta pääsin takaisin mukaan ja sain valmistakin aikaan Iinan avulla!

 

Lähteet:

Kiikeri, I. (2023). Olemmeko QGIS:n kanssa jo kavereita? Iinakiik’s blog -blogin kirjoitus 30.1.2023. https://blogs.helsinki.fi/iinakiik/ Viitattu 2.2.2023.

Dokumentaatio QGIS:lle 2.8. QGIS 2.8 dokumentaatio. Viitattu 2.2.2023.

Harjoituskerta 17.1.2023

Tästä alkaa Geoinformatiikan menetelmät I -kurssi. Kurssia odotan hieman kauhunseikaisin tuntein, tietokoneet ja ohjelmistot eivät ole todellakaan vahvuus itselleni. Aiemmilla kursseilla GQIS on tullut hieman jo tutuksi, mutta viimeksikin muistan sen kanssa taistelleeni. Jospa nyt kuitenkin osaavan opettajan ja yhdessä muiden opiskelijoiden kanssa tehdessä saisin tähänkin ohjelmaan vähän paremmat eväät edetä. Ensimmäisestä luento/harjoituskerrasta olen kuitenkin sikäli ylpeä, että sain ensimmäisen kartan tehtyä tuntien puitteissa ja kaiketi ihan onnistuneesti!

Kuva 1. Typpipäästöjen osuuksia valtioittain Itämeren alueella.

Lopullinen kuvan 1 kartta onnistui ihan hyvin, värit erottuvat toisistaan riittävästi ja alueet ovat selkeästi erotettavissa toisistaan. Järvet saavat kartan näyttämään hieman epäsiistiltä, mutta kartalla ne ovat hyvin pieniä ja pistemäisiä, joten tätä efektiä olisi ehkä hankala välttääkään. Pientä sisäistä ristiriitaa aiheuttaa näin jälkikäteen legenda, kun otsikko on suomeksi ja loput englanniksi. Pikkuvikoja, löytyy kartasta kuitenkin muu tarpeellinen – mittakaava ja pohjoisnuoli – legendan lisäksi.

Harjoitusta tehdessä oli todella hyvä, että karttaa tehtiin vaiheittain yhdessä. Ja että aloitettiin aivan alusta. Osalla varmasti on jo kokemusta QGIS:in kanssa tekemisestä, mutta paljon on myös meitä, joilla ei ole ainakaan niin paljoa että pystyisi tuosta noin vain aloittamaan. Huomasin kylläkin, että oli jokseenkin haastavaa tehdä samalla ja yrittää pysyä mukana ohjeistuksissa, mutta ihan hyvin lopulta onnistui sekin. Onneksi myös vieruskaverilta pystyi tarpeen vaatiessa kysymään missä mennään. Lucas Yoni kirjoitti hyvin ajatuksiaan blogitekstissään ”viikko 1: try, try again”, joihin pystyin monilta osin samaistumaan niin yhteisten harjoitustehtävien kuin itsenäistenkin tehtävien osalta. Yoni osui tekstissään naulan kantaan sen osalta, että oikeastaan ongelmat alkoivat vasta itsenäisiä tehtäviä tehdessä.

Itsenäiset tehtävät

Kotiin tehtäväksi jäi koropleettikartan tekeminen ja visualisoiminen mieleiseksi valmiin aineiston pohjalta (kuva 2). Tehtävä oli alkuun aika turhauttava, mutta lopulta suhteellisen helppo, kunhan vauhtiin pääsi. Huomaan ajattelevani ja yrittäväni tehdä asiat välillä hyvin hankalasti – vaikka oikeasti ratkaisu olisi hyvin helppo – osin ihan sen perusteella, että tiedän kurssin olevan itselleni haastava. Oli myös ilahduttavaa ja lohduttavaa lukea Anni Lindegrenin ”QGIS-ohjelmiston harjoittelua kotona” -blogitekstistä, että kotikoneella tekeminen ei muillakaan ollut täysin mutkatonta. Omalla koneellani asetukset olivat jotenkin aivan eri tavalla, enkä alkuun meinannut saada Manage Layers Toolbaria näkyviin, eli hetki meni ennen kuin sain edes aineiston auki ohjelmaan. Onneksi lopulta sain näkymän samanlaiseksi kuin yliopiston koneilla, jolloin oli paljon helpompi alkaa tehdä karttaa.

Kuva 2. Yli 64-vuotiaiden osuus kunnittain Suomessa.

Kuvan 2 karttaa pystyin melko paljon tekemään ihan vain muistelemalla harjoituskertaa ja siellä tehtyä karttaa, mutta onneksi apuna oli myös kirjalliset ohjeet, joista pystyi muutamia kohtia tarkistamaan. Tekemälläni kartalla näkyy kunnittain yli 64-vuotiaiden osuudet prosentteina (kuva 2). Osuuksien jakautumisesta huomaa hyvin, että yli 64-vuotiaita on eniten Suomen itäpuolella sekä pohjoisessa ja Keski-Suomessa – eli kartta hyvin näyttää karkean ikäjakauman kuntien välillä. Vastaavasti esimerkiksi suuret, opiskelijapainotteiset kaupungit erottuvat vaaleampina – kuten pääkaupunkiseutu, Tampereen seutu, Turun seutu ja Oulun ympäristö. 

Itsenäisiä harjoitustehtäviä oli eri vaikeustasoilla. Kuvan 2 kartta kuului vaikeustason 1 tehtäviin ja se onneksi luonnistuikin suhteellisen helposti. Kunnianhimoisesti yritin aloittaa myös vaikeustason 2 tehtävää, mutta aika pian oli nöyrryttävä QGIS:in edessä ja tyydyttävä vaikeustasoon 1. Ehkä toisaalta parempi edetä pienin askelin, tehdään sitten vaikeampia kun oikeasti osataan.

Lähteet:

Yoni, L. (2023). Viikko 1: try, try again. GIS-avautumiset -blogin kirjoitus 23.1.2023. https://blogs.helsinki.fi/luberger/ Viitattu 25.1.2023.

Lindegren, A. (2023). QGIS-ohjelmiston harjoittelua kotona. Anni Lindegren – geoinformatiikan menetelmät -blogin kirjoitus 19.1.2023. https://blogs.helsinki.fi/ablindeg/ Viitattu 25.1.2023.