Kurssin viimeiseksi työksi aloin tekemään omaa karttaa, jota olin jo ajatellut vähän etukäteen. Minua kiinnosti tutkia luonnonsuojelualueita ja niiden osuutta eri alueilla. Hyödynsin WFS-palvelinosoitetta, josta sain Suomen uusimpia aluejakoja. Harkitsin kuntien, maakuntien ja ELY-alueiden mukaan jaettujen alueiden välillä. Päädyin ELY-alueisiin, koska luonnonsuojelualueaineistot olivat myös jaoteltu niihin. ELY-keskus on elinkeino-, liikenne- ja ympäristökeskus, joka hoitaa oman alueensa valtionhallinnon alueellisia toimeenpano- ja kehittämistehtäviä.

Latasin luonnonsuojelualueaineistot SYKEn aineistoista, mutta niistä löytyikin työtä tehdessä muutamia vikoja. Ensimmäinen oli se, että niiden geometriassa oli jotain häikkää, mutta pääsin kiertämään ongelman helposti Arttu-open ohjeiden mukaan Fix geometries -työkalulla. Lisäksi selvisi, että luonnonsuojelualueet oli jaoteltu vähän eri tavalla, esimerkiksi Varsinais-Suomen ja Satakunnan ELY-alueilla olevat luonnonsuojelualueet oli kaikki nimetty Varsinais-Suomen alle. Jouduin itse piirtämällä rajata alueita, jotta pystyin pitämään saman aluerajauksen (ELY-alueet). Laitoin SYKElle asiasta viestiä, että onko tosiaan tarkoitus, että aluerajaus on tuollainen.

Halusin siis tutkia, kuinka suuri osa kunkin ELY-alueen luonnosta on suojeltu. Tarkastelin sekä valtion että yksityisten omistamia luonnonsuojelualueita, jotka sain tosi helposti yhdistettyä QGIS:ssä vain Ctrl C + Ctrl V! Sen jälkeen rajasin pois merellä olevat luonnonsuojelualueet Clip-toiminnolla. Hyödynsin valintatyökalua ja laitoin arvot Exceliin, jossa laskin kullekin alueelle oman osuutensa. Sain Excel-tiedostosta helposti csv-muotoisen, mutta sen liittäminen QGIS:ään kesti hieman. Lopulta sain kuin sainkin osuusarvot yhdistettyä tietokantaliitoksella (join-välisivu). Sitten pääsinkin jo loppusuoralle, kun piti saada enää arvot näkyviin ja koropleettikarttaan vähän väriä. Totesin taas kerran, että QGIS:ssä arvojen/tekstin saaminen esille on vähän kehnoa, mutta sain aseteltua luvut ihan kivasti loppujen lopuksi. Ehkä eniten jäi ärsyttämään luku Ahvenanmaan päällä, mutta numerolla oli pakko olla tausta, jotta se erottuisi taustasta. QGIS oli kotikoneella tosi hidas ja monta kertaa pelkäsinkin, että se heittää jossain kohti yhtäkkiä pihalle. Alla komeilee tämä viimeisin tuotos (kuva 1). Tajusin näin jälkikäteen, että kuvaanhan olisi voinut toki vielä merkitä lähteenkin, mutta tyydyin nyt laittamaan sen kuvatekstiin.

Kuva 1. Yksityisten ja valtion omistamien luonnonsuojelualueiden osuus ELY-alueiden pinta-alasta. Lähde: Suomen ympäristökeskus (SYKE), Tilastokeskus.

Nyt on tämä geoinformatiikan kurssi loppuun taputeltu ja koen ottaneeni harppauksen QGIS-taidoissani viimeisen 7 viikon aikana! Olen samaa mieltä Aleksi Laurialan kanssa siitä, että QGIS:sän käytössä on vielä paljon opittavaa, mutta pääsimme jo vähän kokeilemaan siipiämme viimeisen itsenäisen harkkatyön parissa. Viimeisellä kerralla nimittäin ei enää klikkailtu sokeasti opettajan perässä vaan päästiin kokeilemaan ja käyttämään omia taitojamme itsenäisemmin.

Yksi asia jäi vielä mietityttämään: Mitenköhän sanaa QGIS kuuluisi taivuttaa 😀

Lähdeluettelo:

Lauriala, A. Harkka 7 “Aleksi bloggaa” -blogissa 2.3.2023. https://blogs.helsinki.fi/laleksi/ Viitattu 4.3.2023

Tuntitehtävä

Kurssikerta alkoi 45 minuutin happihyppelyllä, jolla keräsimme Epicollect5-sovellukseen lähialueaineiston pistemuodossa. Jokainen pystyi helposti kännykällään luomaan projektin sisälle kohteita, johon tallennettiin sijainti ja numeerinen arvio paikan ominaisuuksista, esim. miellyttävyydestä. Sovellus oli helppokäyttöinen ja voisin hyödyntää sitä tulevaisuudessa yläasteen ja lukion maantieteen tunteja pitäessä. Projektin luoja saa ladattua aineiston sovelluksesta helposti. Tytti Nyrönen totesi saman asian blogissaan: sovelluksen avulla voisi opettaa paikkatiedon keruumenetelmiä yläaste- ja lukio-opiskelijoille. Lisäksi hänkin oli sitä mieltä, että opettaja saa dataa kivasti esitettyä.

Harjoittelimme interpolointia ryhmämme tekemällä aineistolla, jonka sai tuotua kivasti QGIS:ään csv-muotoisena. Kuvasta 1 näkyy, miten turvalliseksi ryhmämme kokee eri paikat Kumpulan alueella. Mielestäni värit olisivat voineet olla ideaalitilanteessa siten päin, että vihreä olisi turvallisin. Yleensä ihmiset kokevat nimittäin vihreän positiiviseksi ja punaisen negatiiviseksi. Sininen väri tuo tässä kartassa kylmän tunteen, joka ainakin minulle luo ei-niin-positiivisen ja turvallisen olon.

Kuva 1. Turvallisuuden tunne Kumpulassa.

Itsenäistehtävä

Seuraavaksi siirryimme tarkastelemaan Kumpulan sijaan koko maailmaa. Aiheena oli hasardit, joiden alueellisesta esiintymisestä piti muodostaa oman mielen mukaan karttoja hyödyntämällä netistä ja kurssisivulta löytyviä pisteaineistoja. Tykästyin maanjäristystietokantaan 1 (https://ncedc.org/anss/catalog-search.html), koska se toimi nopeasti ja aineiston sai sieltä siirrettyä helposti Notepadin kautta QGIS:ään. Tuon lähteen heikkoutena on kuitenkin se, että sieltä löytyy vain ennen vuotta 2013 tapahtuneet maanjäristykset. Yritin tuoda lisäaineistoa toisesta maanjäristystietokannasta (https://earthquake.usgs.gov/earthquakes/search/), mutta siihen tuli aina error, kun yritin ladata csv-tiedostoa. Kartalle se suostui ne piirtämään, mutta aineiston luominen ei onnistunut.

Harjoituksessa oli tarkoitus muodostaa kolme hasardikarttaa, joita voisi käyttää maantieteen tunnilla. Tämä sattuikin aika sopivasti, koska olen aineenopettajalinjalla (ja oikeasti maantieteilijöiden sekaan soluttautunut biologi). Keksin jokaiseen kuvaan niihin liittyviä kysymyksiä, joihin oppilas voisi vastata kuvan (ja muun materiaalin) avulla. Oppitunnilla selvisi, että maailman karttoihin ei saa mittakaavaa näkyviin, koska käyttämämme kartta ei ole oikeapituinen eli mitat muuttuvat eri kohdissa karttaa.

Kysymyksiä kuvasta 2: Missä maanjäristyksiä sijaitsee? Miksi maanjäristykset ovat jakautuneet kuvan lailla? (Vastauksen tynkää: Kuvasta 2 näkyy selvästi, kuinka maanjäristykset muodostavat selviä linjoja ja “reittejä” ympäri maapalloa. Nämä myötäilevät mannerlaattojen muotoja. Maanjäristykset nimittäin syntyvät yleensä mannerlaattojen liitoskohdissa.)

Kuva 2. Yli 5 magnitudin maanjäristykset vuosina 1900-2012.

Tein toisen kartan (kuva 3), jossa näkyy vuosien 2000-2012 aikana tapahtuneet maailmanjäristykset. Rajasin vuosiväliksi 2000-2012, jotta pisteitä ei olisi niin paljon. Kuvan 3 heikkous on se, että osa pisteistä on päällekkäin eivätkä kaikki näy kunnolla. Kuitenkin kartasta voi huomata esimerkiksi, kuinka pienimpiä maanjäristyksiä (0-2 magnitudia) on parina ryppäänä Pohjois-Amerikassa. Kartan luettavuuden takia teinkin luokkia vain 4, jolloin värit ja myös maanjäristysten voimakkuus erottuu toisistaan selvemmin. Saini Lankinen oli tehnyt blogiinsa samantapaisen kartan, josta erottuu pienet ja suuret maanjäristykset. Jaottelu vain kahteen luokkaan antaa vielä selvemmän eron ja hänen kartastaan näkee hyvin, kuinka alle 3 magnitudin maanjäristyksiä esiintyy vain tietyissä paikoissa.

Tehtäväkysymyksiä: Esiintyykö ympäri maapalloa yhtä voimakkaita maanjäristyksiä? Jos ei, niin missä esiintyy selvästi vähemmän tai enemmän voimakkaita maanjäristyksiä. Miksi asia on näin?

Kuva 3. Maailman maanjäristykset vuosina 2000-2012 luokiteltuna voimakkuuden mukaan.

Tutkin netistä, kuinka voimakkaat maanjäristykset voivat aiheuttaa tsunamin. Löysin artikkelin USGS (Yhdysvaltain geologian tutkimuskeskus) nettisivuilta, jossa maanjäristysten vaikutukset oli kerrottu magnitudin mukaan. Tuhoisan tsunamin raja oli 7,6 ja 7,5 välillä. Laitoin kolmanteen karttaani nämä voimakkaat maanjäristykset, jotka voivat aiheuttaa tuhoisan tsunamin. Sain sittenkin toisenkin maanjäristystietokannan toimimaan ja latasin sieltä kolmatta karttaa varten yli 7,5 magnitudin järistysten pisteaineiston csv-muodossa. Sain aineiston ladattua, kun valitsin Output Optioneista “Map & List”. Karttasivun vasemman puolen aineiston alta löytyy Download-painike, josta aineiston saa ladattua vaikkapa csv-muodossa.

Sain siis muodostettua kolmannen karttani (kuva 4), josta käy ilmi kaikki yli 7,5 magnitudin maanjäristykset vuodesta 1900 lähtien nykyhetkeen asti. Olen erityisen ylpeä viimeisestä kartasta, koska sain projektionkin vaihdettua Atlantti-keskeisestä Tyyni Valtameri -keskeiseksi. Aika moni maanjäristyksistä nimittäin esiintyy juuri tuolla vuorokausirajan alueella, joten olisi outoa, jos kartta esitettäisiin ylempien projektioiden tapaisesti. Tyyni Valtameri -keskeinen karttaprojektio löytyy QGIS:stä koodilla EPSG:3832! Lisäksi nyt Tyynenmeren tulirengas näkyy kartalla kokonaisena eikä kahtena puolikkaana! Tyynenmeren tulirengas on alue, jolla esiintyy paljon tektonista ja vulkaanista toimintaa. Harkitsin tulivuorien merkitsemistä karttaan, mutta sitten pisteet olisivat menneet aika paljon päällekkäin, eikä mielestäni pelkkä tulivuorten sijainti olisi tuonut lisäarvoa kartalleni. Jos jotain muuttaisin, niin karsisin varmaan vanhimmat, ainakin yli 100 vuotta sitten tapahtuneet, maanjäristykset pois. Kuvan 4 kartta oli vaikea luoda, koska joskus zoomatessa osa pisteistä katosi näkyvistä. Huomasinkin, ettei osa pisteistä tullutkaan lopulliseen kuvaan näkyviin, ja uudelleen yrittäessä vastavuoroisesti jotkin toiset pisteet eivät näkyneet. Lisäksi kuvassa on pieni bugi, koska kaksi pistettä näkyvät karttalehden ulkopuolella vasemmassa reunassa. Kyseiset pisteet sijaitsevat kai tarkemmin ottaen Etelä Sandwichin saarilla, jotka näkyvät kartan oikeassa reunassa Etelä-Amerikasta kaakkoon. Minulla ei ollut tarpeeksi QGIS-osaamista saadakseni pisteitä oikeille paikoilleen.

Kysymyksiä kuvasta 4: Minne päin maailmaa voimakkaimmat maanjäristykset ovat sijoittuneet? Mikä nimitys on tällä alueella? Miten kyseisellä alueella on varauduttu maanjäristyksiin ja niiden aiheuttamiin tsunameihin?

Kuva 4. Yli 7,5 magnitudin maanjäristykset vuosina 1900-2023.

Lähdeluettelo:

Lankinen, S. Harjoitus 6 “Sainilan’s blog”-blogissa 1.3.2023. https://blogs.helsinki.fi/sainilan/ Viitattu 4.3.2023

Nyrönen, T. Luento 6. Lämmittelyä talvisäässä, sekä laattatektoniikkaa. 23.2. “Tytin blogi MAA-202 kurssin blogialusta tehtäviä ja harjoituksia varten” -blogissa 23.2.2023. https://blogs.helsinki.fi/tyttinyr/2023/02/23/luento-6-lammittelya-talvisaassa-seka-laattatektoniikkaa-23-2/ Viitattu 3.3.2023

United States Geological Survey, USGS. What is it about an earthquake that causes a tsunami? https://www.usgs.gov/faqs/what-it-about-earthquake-causes-tsunami Viitattu 24.2.2023

Jatkoimme Pornaisten kartan parissa harjoittelua. Lisäsimme valmiit aineistot koulusta, terveyskeskuksesta, pelloista ja rakennuksista. Harjoittelimme esimerkiksi mittaamaan tietyn alueen sisällä olevien teiden pituuksia line sum lenght -komennolla. Pelto-aineiston jotkin pellot tulivat rajatun suorakulmion ulkopuolelle, joten leikkasimme ylimenevät osiot pois. Opimme tänään myös puskuroimaan (buffer) ja muodostamaan näin puskurivyöhykkeen. Harjoittelimme päivän aluksi puskurointia ja puskurialueen sisälle jäävien pisteiden valikointia.

Itsenäistehtävät

Aloitimme kurssikerralla tähän harjoituskertaan liittyvät itsenäistyöt, joissa oli tekemistä koko päiväksi. Tehtävissä harjoiteltiin esimerkiksi uuden tietokannan tekoa, puskurointia ja valikointia. Koostin kysymykset ja vastaukset taulukkoon, johon jaottelin eri tehtävät värin mukaan. Jouduimme tekemään taajamia koskevan tehtävän uudestaan, koska tehtävänanto oli vähän monitulkintainen. Olimme tehneet sen aluksi vain Vantaan karttalehtien alueella, mutta tätä rajausta ei olisikaan kuulunut ehkä käyttää. Taajamatehtävän viimeisessä kohdassa (ulkomaalaisten osuus) poistimme kokonaan Kauniaisen tiedot, koska niistä ei ole tietoa ja arvoksi ohjelma laittaa tällöin 9999 ja tämä vääristää aineiston tulkintaa. Oli hauska huomata, kuinka QGIS:än perustoimintojen käyttäminen oli sujuvampaa ja sain klikkailtua aika nopeastikin. Innostuin tekemään yhden lisätehtävänkin!

Olin kampuksella aamukasista yli iltaysiin. Onneksi ryhmässä on voimaa ja tehtävien tekeminen oli paljon mielekkäämpää yhdessä. Kiitos Lila Salonen, Kaisla Hietala ja Joel Schüle! Haastavinta tänään oli “uima-altaat ja saunat” -tehtävä, jossa a_pks_pie aineistossa oli jotain häikkää: jonkin alueen tai sarakkeen paikkatieto ilmeisesti puuttui. Tämä ongelma oli meillä kaikilla samaaa tehtävää tekevillä, joten ongelma oli varmaankin itse aineistossa. Keksimme kuitenkin mennä QGIS:n asetuksiin, josta laitoimme, että ohjelma skippaa mahdollisen “invalid”-sarakkeen. Näin saimme vihdoin muodostettua oman tason, jossa on vain ne kaupunginosat, joilla sijaitsee vähintään yksi uima-altaalla varustettu rakennus. Pisteitä oli myös kaksi Pakkalan ja Tapulikaupungin kohdalla, mutta niiden siirtyminen joined layerille ei onnistunut, joten niitä ei näy myöskään lopullisessa kartassa (kuva 1). Niitä ei löytynyt myöskään a_pks_pie-aineiston nimilistasta, vaikka ne kartalla näkyivätkin.

Kartta (kuva 1) on monen tunnin pusertamisen tulos. Lopputulos näyttää kuitenkin huolitellulta ja edes jotenkin selkeältä. Histogrammien muodostaminen sujui jo aika helposti, koska se oli tuttua parin viikon takaisesta tulvaindeksi-kartasta. Numeroiden laittaminen oli kuitenkin vierasta, enkä saanut niitä pitkän yrittämisenkään jälkeen aseteltua kivasti. Onneksi ne näkyvät kuitenkin paikoittain hyvin ja zoomailemalla kuvaa kaikki numerot ovat nähtävissä. Erityisesti tykkään karttani värimaailmasta. Opin käyttämään QGIS:än plugineita, joista latasin QuickMapServicen. Sieltä sain taustakartan: ESRI Gray (dark). Palkkeja katsomalla voi huomata, että joukosta erottuu selvästi muutama kaupunginosa, joissa on erityisen paljon uima-altaita. Eniten uima-altaita on Lauttasaaressa (53kpl) ja toiseksi eniten Länsi-Pakilassa (52kpl). Mielenkiintoista on se, että uima-altaiden määrä on painottunut pääkaupunkiseudun itäpuolelle.

Kuva 1. Pääkaupunkiseudun alueet, joilla on uima-altaita.

Tehtävien tekeminen oli palkitsevaa ja oli kiva huomata, että mitkään tehtävät eivät olleetkaan mahdottomia saada tehtyä. Joel Schüle kirjoitti hauskasti blogissaan, että QGIS ei ole enää mörkö, jonka käyttäminen olisi jotenkin vastenmielistä vaan pelkkä peikko, muumipeikko, joka toimii kivana työtoverina. 🙂

Tästä on hyvä jatkaa viimeiseen kahteen viikkoon!

Lähdeluettelo:

Schüle, J. Viikko 5 “MAA-202 Joel Schüle”-blogissa 20.2.2023. https://blogs.helsinki.fi/jschule/ Viitattu 24.2.2023

Kurssikerran luento-osuudella käsittelimme esimerkiksi piste- ja ruutuaineistoja. Tarkin mahdollinen pisteaineisto saadaan laserkeilauksella, jonka avulla saadaan kolmiulotteinen malli alueesta. Ruutuaineistossa hyötynä on se, että ei tarvita valmista aluejakoa. Ne ovat usein laajoja ja tarkkoja, mutta sen myötä myös kalliita.

Tehtävä 1

Teimme opettajan mallin mukaan pääkaupunkiseudun kartan päälle ruudukon Grid-työkalun avulla. Tärkeää oli vaihtaa ruutukoko esimerkiksi yhdeksi kilometriksi, koska muuten ruudukon tekeminen kestäisi montakymmentä minuuttia. Teimme ruutukartan, jossa ruutukoko oli 1 km * 1 km.

Etsin vähän inspiraatioita karttaani ja Nikolai Tuurin blogi tuli vastaan. Olin hämmästynyt, kuinka hienoja karttoja hän onkaan saanut aikaan. Ne menisivät melkein taideteoksista. Tykkäsin etenkin hänen tämän 4. kurssikerran kartasta, joka oli asettelultaan oivaltava ja hyvin miellyttävä silmälle.

Löysin taas itseni tilanteesta, jossa minun pitäisi tehdä viime oppitunnin tapainen kartta omin avuin ja heti kartan aloittaminen töksähti. Oppitunnilla sitä seuraa jotenkin sokeasti vain opettajaa, eikä samalla ehdi aina sisäistääkään kaikkia välivaiheita. Yksin tehdessä jo pelkkä aineiston avaaminen tuntuu ylitsepääsemättömän vaikealta, kun QGIS ei toimikaan. Sain kuitenkin muokattua tunnilla tehtyä karttaa ja tein siitä omannäköiseni (kuva 1). Kuvan 1 värimaailma on ehkä vähän liian sininen, mikä tekee sen lukemisesta hieman hankalaa. Ruudut olisivat voineet olla lisäksi hieman pienempiä, ehkä 750 tai 500m, jotta se olisi vähän “tarkempi”.

Kuva 1. Ulkomaalaisten absoluuttinen määrä pääkaupunkiseudulla (ruutukoko 1km*1km).

Tehtävä 2

Toisena harjoituksena käsittelimme rasterianeistoa. Loimme esimerkiksi rinnevarjostuksen aineistosta. Se oli erityisen mielenkiintoista, koska tykästyin maantieteen menetelmät -kurssilla tuijottelemaan Suomea ja sen eri paikkoja rinnevarjostustasolla. Jatkamme saman kartan parissa ensi viikolla. Teimme kartan sisälle pienemmän alueen, jonka sisällä olevat suurimmat tiet piirsimme jo uudelle tasolle. Lisäksi tein kotona vielä oman tason vesistöille ja piirsin alueen läpi kulkevan joen, Karjakosken. Vielä jäi mysteeriksi, voinko tehdä samalle tasolle myös polygonimaisia lampia vai pitääkö niitä varten muodostaa oma tasonsa. Eipä rajatun alueen (Pornaisen) vesistöt mitään kummoisen suuria ollutkaan, joten niillä ei ole niin suurta merkitystä tässä tehtävässä.

Viimeinen kotitehtävä oli ladata netistä Pornaisten aluetta kuvaava peruskarttalehti ja laatia siihen korkeuskäyrät ja verrata niitä peruskarttalehden korkeuskäyriin. Aika monelta oli varmaan jäänyt tämä tehtävä huomaamatta, koska se oli ohjeiden seassa muutaman rivin tekstinä. Kuitenkin esimerkiksi Anni Lindegren oli tehtävän tehnyt. Sain ladattua Paitulista karttalehden korkeuskäyrät, jotka sovitin karttalehden päälle niinkin yksinkertaisesti kuin säätämällä valkoisen taustavärin läpinäkyväksi. Seuraavaksi vertasin tekemiäni 5 metrin välisiä korkeuskäyriä netistä ladatun tietokannan käyriin (kuva 2.). Huomasin saman kuin Anni Lindegrenkin: korkeuskäyrien latautuminen oli tuskaisen hidasta kotikoneella ja QGIS meinasi kaatua, kun siirryin tarkastelemaan eri kohtaa kartalla. Bugaaminen kuitenkin loppui, kun otin käyrät sivuvalikosta pois näkyvistä.

Kuvassa 2 näkyy, kuinka itse laatimani korkeuskäyrät (ruskealla) myötäilevät Paitulista ladattuja korkeuskäyriä (mustalla). Kuitenkin joiltain osin luomani korkeuskäyrät vetelevät vähän omiaan. Tämä näkyy selkeästi tarkasteltaessa peltoja tai joitain mäkiä ja rinteitä. Paitulista ladatut korkeuskäyrät ovat selkeämpiä ja ehkä hieman yleistetympiäkin kuin QGIS:llä luodut korkeuskäyrät. Luomani korkeuskäyrät ovat siis tarkempia, mutta ei mielestäni niin luotettavia. GQIS:llä luoduissa korkeuskäyrissä on nimittäin virheitä, joita näkyy selvemmin kuvassa 3. Kuvaan 3 ympyröin kolme kohtaa, jossa luomani korkeuskäyrät poikkeavat Paitulista ladattuihin korkeuskäyriin. Punaisella ympyröidyssä kohdassa näkyy, kuinka itse tehdyt korkeuskäyrät ovat hieman erit kuin “todelliset” korkeuskäyrät. Sinisessä näkyy, kuinka viiva saattaa olla hyvin röpelöinen. Pinkillä ympyröity kohta kuvaa pelloilla olevia vääristymiä, jotka syntyvät, kun korkeusluokka muuttuu siinä kohtaa esimerkiksi pellon urien tai ojan takia. Vastauksena tämän tehtävän kysymykseen “Kuinka hyvin ne vastaavat toisiaan?” sanoisin, että korkeuskäyrät muistuttavat toisiaan, mutta QGIS:llä luodut käyrät eivät täysin pysty jäljentämään netistä saatuja “todellisia” korkeuskäyriä.

Kuva 2. Korkeuskäyrien vertailua alueen yleiskuvassa.

Kuva 3. Korkeuskäyrien vertailua lähikuvassa.

Lähdeluettelo:

Lindegren, A. QGIS 4. viikko: ruututeema- ja rasterikartat “Anni Lindegren – Geoinformatiikan menetelmät” -blogissa 9.2.2023. https://blogs.helsinki.fi/ablindeg/ Viitattu 16.2.2023

Tuuri, N. 4. Kurssikerta “Nikolain blogi” -blogissa 13.2.2023. https://blogs.helsinki.fi/nikolait/ Viitattu 16.2.2023

Onnistuin juuri poistamaan kokonaan kolmannen viikon tekstin ja nyt pääsen kirjoittelemaan tätä uudestaan melkein viikkoa myöhemmin. En ole ennen tätä kurssia käyttänyt tätä blogisivustoa, joten olen vielä vähän hukassa täällä. Nyt tuli huomattua sekin, kuinka helposti täältä saa poistettua myös jonkin julkaisun. Onnistuin kömpelösti tyhjentämään myös roskakansion, kun olin palauttamassa poistamaani julkaisua. Olisi ollut kiva, jos olisi tullut vielä jokin lisävarmistus “Oletko varma, että haluat poistaa tiedoston lopullisesti?”.

Kurssikerta painottui QGIS:sän käyttämiseen. Harjoittelimme aluksi esimerkiksi tuomaan ulkopuolisia tietoja osaksi aineistoamme ja yhdistämään aineistoja. Olinkin aiemmin miettinyt, saisiko Excelissä olevan taulukon tiedot jotenkin tuotua QGIS:sään. Nyt tiedän, että tiedosto pitää ensin tallentaa uudelleen csv-muodossa. Lisäksi pitää olla jokin yhteinen muuttuja, jonka avulla aineistot saa kiinnitettyä yhdeksi vetoketjun lailla. Yleensä yhdistävänä tekijänä on nimet, esimerkiksi valtioiden nimet.

Harjoittelimme eri toimintojen käyttöä Afrikkakartan (kuva 1) avulla. Karttaan tehtiin tietokantaliitos, jonka jälkeen tiedoista laskettiin uusia sarakkeita. Lopputuloksena saatiin kartta, jossa näkyy valtiot, öljykentät, timanttikaivokset ja konfliktit. QGIS:sän taulukkovälilehdellä pystyi tutkimaan tietoja ja niiden suhdetta toisiinsa. Järjestin taulukon esimerkiksi siten, että ylimpänä näkyy valtio, jossa konflikteja on ollut eniten. Voitaisiin melkein sanoa, että konfliktien määrä korreloi öljykenttien ja timanttikaivosten määrän kanssa. Tällainen tilanne on esimerkiksi Angolassa, jossa konflikteja on Afrikan valtioista toiseksi eniten ja eniten timanttikaivoksia (43 kpl) Etelä-Afrikan rinnalla. Eniten konflikteja (104 kpl) on ollut Etiopiassa, jossa öljykenttiä on vain yksi ja timanttikaivoksia ei yhtään. Konfliktit eivät siis aina selity luonnonresursseilla. Vastapainona monikonfliktisille valtioille on Tansania, jossa ei ole yhtään konflikteja, mutta kuitenkin 15 timanttikaivosta.

Kuva 1. Afrikan konfliktit, öljykentät ja timanttikaivokset.

Konfliktien ja luonnonresurssien korrelaation tarkastelu on hieman suppeaa vain niiden lukumääriä vertailemalla, niin kuin Aino Koskinenkin toteaakin blogitekstissään “Afrikan timanttikaivoksista Suomen valuma-alueisiin”. Päätelmissä pitäisi hyödyntää myös muita muuttujia, kuten konfliktien tapahtumavuosia ja timanttikaivosten perustamisvuosia. Vertailemalla esimerkiksi konfliktien tapahtumavuotta ja luonnonresurssien käyttöönottovuosia vertailu olisi tarkempaa ja hieman luotettavampaa. Tilastollisella vertailulla voitaisiin nähdä muuttujien todellisia korrelaatioita. Lisäksi tulee muistaa, että pelkät tilastolliset testit eivät voi täysin selittää konflikteja, vaan taustalla saattaa olla joitain muitakin selittäjiä.

Itsenäinen työ

Harjoittelimme itsenäisesti tunnilla opittua. Tehtävänä oli tehdä koropleettikartta, jossa on luokiteltu Suomen valuma-alueet eri ryhmiin tulvaindeksin avulla. Kartasta (kuva 2) näkee selvästi, kuinka tulvaindeksi on suurin rannikkoalueilla etelässä ja lännessä. Tulvaindeksi kertoo alueen tulvataipumuksesta. Yksi tapa laskea tulvaindeksi on jakaa keskiylivirtaama (MHQ) keskialivirtaamalla (MNQ). Laskun avulla verrataan siis tulva-aikaa kuivaan aikaan. Järvisyysprosentti taas kertoo, kuinka paljon järviä valuma-alueella on suhteessa sen pinta-alaan. Järvisyysprosentti on selvästi suurempi alueilla, jossa tulvaindeksi on vastavuoroisesti pienin eli mantereen keskellä ja kauempana merestä.

Kartan tekeminen alkoi helposti, mutta histogrammit tuottivat hieman vaikeuksia. Pääsin kuitenkin eteenpäin kaverin ja netistä löytyvien videoiden avulla. Pääsin kertaamaan histogrammien tekemistä, kun ohjeistin kaverille kartan tekemisen alusta alkaen, koska QGIS kaatui hänen koneellaan karttaa tehdessä.

Kuva 2. Suomen valuma-alueiden tulvaindeksi ja järvisyys.

Olen tyytyväinen karttani (kuva 2) lopputulokseen. Halusin käyttää pelkkää sinistä, koska kartalla kuitenkin kuvattiin veteen liittyviä asioita. Toki sininen on myös lempivärini. Vaikka kaikki onkin sinisellä, niin tulvaindeksi ja järvisyys erottuvat toisistaan tarpeeksi. Järvisyyttä kuvaavat histogrammit ovat kuitenkin pakosti kunkin valuma-alueen päällä ja peittävät osan alle jäävästä alueesta. Tämän takia muokkasinkin histogrammit ohuemmiksi, jotta ne eivät peittäisi alle jäävää toista väriä. Kahta asiaa olisin halunnut vielä muokata: eri tasojen reunojen väriä olisi voinut vaalentaa tai ainakin ohentaa, koska ne muodostavat tummia alueita esimerkiksi Suomen kartankin päälle. Lisäksi olisin halunnut vielä muokata on legendassa näkyvää “rantaviiva”-selitettä. Katselin monen muun blogia löytääkseni jotain vaihtoehtoista sanaa tuolle Suomen ulkopuolelle jäävälle alueelle, mutta näytti siltä, että muutkin olivat päätyneet jättämään valmiiksi aineistossa olleen sanan. Rantaviivahan tuo ei kuitenkaan tosiasiassa ole. Tähän olisi mielenkiintoista etsiä jokin vaihtoehtoinen sana.

Lähdeluettelo:

Koskinen, A. Afrikan timanttikaivoksista Suomen valuma-alueisiin “Geoinformatiikan menetelmät I 2023” -blogissa 9.2.2023. https://blogs.helsinki.fi/ainokosk/ Viitattu 15.2.2023

Tänään luennon aiheena oli erilaiset aineistot ja projektiot. Tutustuimme esimerkiksi eri aineiston tuottajiin ja latasimme niiden WFS-rajapintoja QGIS:ssä. Innostuin tutkimaan myös oman asuinkaupunkini, Vantaan, WFS-rajapintaa. QGIS:ssä harjoittelimme valintojen tekemistä ja projektioiden vääristymien vertailua ja tulosten esittämistä kartalla.

Ennen karttojen luomista vertailimme tietyn etäisyyden ja pinta-alan vaihtelua eri projektioilla. Kirjoitin kyllä eri numeroita muistiin, mutta en tajunnut ottaa arvoja muistiinpanosivulta talteen. Esimerkiksi Luukas Mickelsson on tehnyt blogiinsa hienon vertailutaulukon Mercator ja TM35FIN -projektioiden välisistä pituus ja pinta-alaeroista. Myös Anni Lindegren on koonnut blogiinsa arvoista taulukon, josta löytyy edellisten projektioiden lisäksi myös LAEA Europe, ETRS89 -projektio. Heidän taulukoistaan näkee saman asian kuin kartoistani: Mercator -projektiolla etäisyydet ja pinta-alat ovat huomattavasti suuremmat kuin TM35FIN -projektiolla.

Karttaprojektion avulla maapallon pinta piirretään kaksiulotteiselle pinnalle. Pallomaista maapalloa ei voida mitenkään piirtää kaksiulotteisena ilman, että siinä esiintyy vääristymiä esimerkiksi pinta-alassa tai muodossa. Suomessa käytetään usein ETRS-TM35FIN -projektiota, josta käytän tässä blogitekstissä lyhennettä TM35. Vertasimme luennolla Mercator-projektion ja TM35 välistä mittasuhteiden vääristymistä ja kuvasimme sitä kertoimella, ja teimme tilannetta havainnollistavan kartan (kuva 1). Lisäksi harjoittelin vielä itsenäisesti tunnilla opittua ja tein kaksi muutakin vertailua (kuva 2 ja 3).

Päätin tehdä kaikki tämän kurssikerran kartat samalla taustaprojektiolla, TM35:lla, koska esimerkiksi Mercator-projektiolla Suomi näyttää sivuttaissuunnassa liiskaantuneelta. Lisäksi halusin, että kaikissa kartoissa on kahdeksan luokkaa. Kartathan (kuvat 1-3) näyttävät äkkiseltään hyvin samalta, mutta eron huomaa, kun katsoo vääristymäkertoimia ja luokkien suuruuksia. Selvästi vääristävin projektio tässä vertailussa on Mercator-projektio, jonka vääristymät ovat Suomessa noin nelikertaisesta kahdeksankertaiseen. Vastaavasti Robinson ja Winkel I -projektioilla vääristymät ovat Etelä-Suomessa aika pienet ja Pohjois-Suomessa vajaat puolitoistakertaiset.

Kuva 1. TM35 ja Mercator -projektioiden väliset vääristymäkertoimet.

Kuva 2. TM35 ja Robinson -projektioiden väliset vääristymäkertoimet.

Kuva 3. TM35 ja Winkel I -projektioiden väliset vääristymäkertoimet.

Lähdeluettelo:

Lindegren, A. QGIS ja projektiot “Anni Lindegren – Geoinformatiikan menetelmät” -blogissa 25.1.2023. https://blogs.helsinki.fi/ablindeg/ Viitattu 7.2.2023

Mickelsson, L. Viikko 2 Projektiovääristymien vertailua Suomen alueella “Geoinformatiikan menetelmät 1” -blogissa 27.1.2023. https://blogs.helsinki.fi/luukasmi/ Viitattu 7.2.2023

Hei!

Tämä blogi on luotu maantieteen Geoinformatiikan menetelmät -kurssia varten. Jaan tänne viikottain kurssikerroilla ja kotona tehtyjä harjoitustöitä ja niihin liittyviä tekstejä. En ole aiemmin pitänyt blogia vapaa-ajalla tai kouluhommissakaan, niin katsotaan mitä tästä tulee!

Tänään oli kurssin ensimmäinen kerta. Koko luokka istui hiljaa ainakin ensimmäisen tunnin, kun kävimme päivän teoriaa, joka oli aika tuttua jo minulle. Aiemmilta maantieteen kursseilta on tullut tutuksi paikkatietoon liittyviä asioita, kuten miten rasteri- ja vektoriaineisto eroavat toisistaan.

Tulemme käyttämään tällä kurssilla paljon QGIS-ohjelmaa, joka on minulle ennestään jo hieman tuttu, mutta en ole käyttänyt sitä hetkeen. Enköhän hallitse sen käytön tämän kurssin jälkeen!

Harjoitus tunnilla

Päivän harjoitus oli koropleettikartta (kuva 1). Harjoitus oli hyödyllinen, koska se toimi hyvänä johdatuksena QGIS:sän käyttöön. En olisi pienen käyttötauon jälkeen osannut varmaan tehdä mitään ohjemassa. Olen tyytyväinen lopputulokseeni, koska siitä käy oleellisin ilmi ja se on mielestäni selkeä. Tunnilla kaikki taisivat seurata opettajan mukaan, mitä tehdään, jonka takia kaikkien tämä 1. harjoituskartta (kuva 1) näyttää aika samalta. Jos tekisin kartan uudestaan, valitsisin varmaan vähän eri värit. Ainakin minulla kirkkaan punainen käy aika vahvasti silmään, eikä karttaa ole kiva katsoa kovin pitkään. Olisin halunnut myös kirjoittaa legendan suomeksi, mutta tein opettajan perässä englanniksi.

Huomasin jälkikäteen, että kartan yksi määrittelyluokista on täysin tyhjä, koska se on 0-0. Vertasin karttaani saman päivän ryhmäläisen Kalla-Maria Tiilikaisen karttaan ja huomasin, että hänelläkin ensimmäinen luokka on täysin tyhjä. Teimme kaikki samalla tavalla 1. kartan, joten opettajallakin tuli sama moka, mutta emme huomanneet sitä perjantaiaamun tunnilla.

Huomasin tänne blogiin kuvaa lisätessä, että kuvanlaatu kärsii hieman. Etenkin täällä blogisivulla kuva näyttää jostain syystä huonolaatuiselta. Tämän ongelman voisi kiertää lisäämällä kuvan pdf-tiedostona, mutta tällöin sitä ei saisi suoraan tähän sivulle näkyviin, vaan lukijan pitäisi klikata se erikseen auki. (Lisäys 24.1.2023: Kun kuvaa suurentaa blogin muokkaussivulla, näkyy se myös parempilaatuisena oikealla blogisivulla).
Kuva 1. Kartta Itämeren valtioiden typpipäästöistä.

Tunnin työskentelytapa sopi minulle hyvin, koska tykkään edetä selkeässä järjestyksessä. Seuraamalla opettajaa pysyn kärryillä ja mukana tekemisessä. Pari kertaa oppitunnilla autoimme vierustoverin kanssa toisiamme, kun oli mennyt jokin välivaihe ohi. Se olikin ehkä vaikeinta tänään. Opettajan perässä on kyllä helppoa tehdä samaa asiaa, mutta jos ihan hetkenkin katsoo muualle, on opettajan ruudulle saattanut ilmestyä jo seuraava valikko, jonka klikkauskohta jäi näkemättä. Tällöin kuitenkin apua saa kaverilta tai kysymällä opettajalta.

Kotitehtävä

Olin äsken jo ihan valmiina repimään pelihousut, kun en saanut ensimmäiseen kotitehtävään tarvittavaa aineistoa auki QGIS:ssä. Meinasin kirjoittaa tänne blogiin vain, että nyt en osaa ja luovutan. Onneksi kaverin avulla pääsin aukaisemaan tiedoston. Olin yrittänyt avata kuntatiedostoa projektina ja sen jälkeen rasteritiedostona, vaikka kyseessähän on vektoriaineisto :D. Lisäksi läppärini GQIS oli suomeksi, minkä takia en saanut ohjeiden välivaiheita kunnolla seurattua. Nyt sain vaihdettua kielen englanniksi ja homma alkaa toivottavasti luistamaan! Ihan hauskaa tämä blogin kirjoittaminen, kun tänne voi ehkä vähän rennommin jakaa ajatuksia tehtävien tekemisestä. Yleensä tehtävien palautukset ovat vain valmis kartta tms. ja siihen liittyvää tekstiä. Täällä blogissa pääsee näkemään koko tehtävän tekemisen vaiheet, eikä vain huoliteltua lopputulosta.

Aloin tekemään kotitehtävää “Harjoitus 1” -Word-tiedostoa seuraten. Hain vähän myös apua netistä, koska en esimerkiksi löytänyt “Statistics panel” -paneelia QGIS:stä. Päätin tarkastella ulkomaan kansalaisten osuuksia. Kahden tunnin yrittämisen jälkeen sain kuin sainkin koropleettikartan valmiiksi! Valmis kartta alla (kuva 2). Olen hyvin tyytyväinen lopputulokseen. Mielestäni se on selkeä ja siitä löytyy kaikki tarvittava: itse kartta, pohjoisnuoli, mittakaava ja legenda. Jätin tarkoituksella legendan ja koko kuvan neliöt pois, koska mielestäni ne näyttävät kivemmalta näin.

Kuva 2. Suomen kuntien ulkomaan kansalaisten osuus vuonna 2015

Kuvasta 2 näkyy, miten ulkomaan kansalaisten osuus vaihtelee eri Suomen kuntien välillä. Tummimmaksi värittyneissä kunnissa ulkomaan kansalaisten osuus on suurin. Ulkomaan kansalaisten osuus näyttää olevan suurin rannikkoalueilla. Vastavuoroisesti ulkomaan kansalaisten osuus sisämaassa on vähäisempää. Utsjoki, Pyhäntä, Tampere, Forssa ja Lahti ovat kuntia, joissa osuus on kuitenkin huomattavasti suurempi kuin muissa sisämaan kunnissa. Jätin tästä listauksesta pois ne kunnat, jotka sijaistevat enintään 50 kilometrin päässä Itämerestä.

Kartta havainnollistaa hyvin, miten ulkomaan kansalaiset ovat jakautuneet Suomen kuntien välillä. Teimme Kalla-Maria Tiilikaisen kanssa samasta teemasta kartan ja huomasin karttojen olevan samankaltaiset. Tiilikainen pohti kartan luokkien harhaanjohtavuutta: “–kartan tummin väri voi olla jopa hieman harhaanjohtava; siinä missä vaaleammat värit skaalautuvat yhden sadasosan välein, viimeinen kategoria on laajempi: 0,4-2,7.”. Pohdin itsekin kartan luokkien kokojen olevan ehkä hieman vääristävä, koska viimeinen luokka on muihin nähden huomattavasti suurempi.

Tämän päivän opetus oli: 1. Älä luovuta 2. Kysy kaverilta apua 3. Taputa itseäsi olkapäälle, kun saat homman tehtyä. Tsemppiä kaikille muillekin tämän kurssin tehtäviin! <3

Lähdeluettelo:

Tiilikainen K.-M. Kurssikerta 1 ”Kallan blogi” -blogissa 20.1.2023. https://blogs.helsinki.fi/kallatii/
Viitattu 24.1.2023.