Sydamerika under förstoringsglas

Hej alla som har tappat bort sig till min blogg! Dags för den sista kursgången! Yeeyee! Dock också den krångligaste.

Vår uppgift var att hitta data själv och producera eget material!! H j ä l p. I början kändes tröskeln ganska hög för mig, fast jag tycker att jag har allt under (relativt) bra kontroll. Men då jag började tänka på olika ideer och leta efter data påriktigt, kändes det bättre.

Jag funderade på vad jag skall producera väldigt länge. Och nu menar jag VÄÄÄLDIGT länge (därför kommer inlägget så här sen…). Jag provade på olika tillämpningar men blev inte nöjd på grund av varierande själ. Emellan fungerade inte något format, vilket ledde till en klassisk rage quit : – ). Andra gånger blev det bara inget på grund av att jag inte lyckades hitta data i rätt format, vilket var väldigt frustrerande då en bra idé inte blev något på grund av detta problem.

Till slut blev det dock Sydamerika som blev mitt forskningsområde. Jag gjorde tre kartor (Bild 1, 2 och 3) som föreställer Sydamerikas befolkningsmängd, bruttonationalprodukt och ekonomiska status. Man kan se en korrelation mellan några av variablerna nedan.

 

Bild 1: Befolkningsmängden i Sydamerika
Bild 2: Bruttonationalprodukten i Sydamerika
Bild 3: Ekonomins status i Sydamerika

Att hitta data som fungerade i mitt fall tog sin tid. Jag funderade en stund på vilken csv fil jag skulle ta och varifrån. Till slut valde jag att använda mig av Natural Earth:s data, vilket jag tyckte blev ganska bra. Statistiken kommer från Världsbanken (The World Bank), som är ett samarbetsprojekt mellan IBRD, IDA, IFC, MIGA och ICSID.

Personligen har jag alltid varit mer intresserad av naturgeografi, men för att få lite variation i livet bestämde jag mig att söka upp statistik om mera ekonomiska grejer. Befolkningsmängden (Bild 1) blev den första jag skapade med hjälp av statistik från The World Bank. Nästa blev bruttonationalprodukten (Bild 2). precis som Juho, tänkte jag att detta är ett bra mått på hela landets utvecklingsgrad. Jag tänkte att det kan ge några intressanta resultat, speciellt då man tar ekonomins status (Bild 3) i beaktan. BNP kan ju “ljuga” på sitt sätt om det verkliga tillståndet.

BTW. På kartan ser man att Franska Guyana är ett väldigt välutvecklat land med bra ekonomi. Detta beror på att statistiken räknar landet som en del av Frankrike. Det blir alltså lite fel där!

På kartorna framkommer de stora länderna tydligt; inte minst Brasilien som är ett BRIC-land. Man kan även utläsa att de sydligaste länderna är mindre utvecklade i ekonomiskt syfte än Brasilien. Jag reagerade på att Chile har hög BNP men ganska låg ekonomisk utvecklingsgrad. Detta beror högst antagligen på den stora mängden naturliga råvaror som landet har. Det höjer ju BNP fast Gini-koefficienten är närmare 1 (i och för sig har ju koefficienten sjunkit mot jämlikhet med och är runt 0,5 nu enligt TWO). På kartorna syns även att Guyana, Surinam, Paraguay och Uruguay är de länderna som ekonomiskt sätt är minst utvecklade. I dessa länder är även befolkningsmängden lägst.

Den här kursgången var väldigt unik, och jag har blivit väldigt imponerad av flera kurskompisars blogginlägg! Massor av fina kartor och superbra idéer. Deras bloggar har både inspirerat och underhållit mig massor, go team!

Under den här uppgiften hittade jag ingen som hade gjort en likadan forskning som jag, så det blev inga nya insikter på den fronten (precis som Heini även utryckte i sin blogg). Men det var som sagt ändå trevligt att få läsa va de andra hittat på.

Anyway, sayonara!

Thoughts & OpinionS o så vidare 

Den här kursen har varit väldigt lärorik! Några kvällar kändes det som ett heltidsarbete gånger två, medan jag ett par gången kände mig som ett allvetande universalgeni. Resultatet blev en semi-självsäker men väldigt motiverad QGIS studerande. Inte så illa ändå 🙂 Speciellt då jag jämför med mina förväntningar från början…Nåja, jag känner att jag någorlunda behärskar den magiska världen av QGIS. Jag har hittat nån sorts stig i djungeln av geoinformatik!

Ladies and Gentlemen, for the last time in this blog, give it up for: Källor

https://data.worldbank.org/indicator/SI.POV.GINI?locations=CL

https://databank.worldbank.org

https://blogs.helsinki.fi/juhokaup/

https://blogs.helsinki.fi/heinimie/

Frisk luft och hasarder

Hej!

Idag började vi föreläsningen med att gå omkring ute och med hjälp av appen Epicollect5 samla in data om områden nära kampus. Jag gick med ett par andra ner mot Arabiastranden. Vi skulle ge vitsord åt områdets trevlighet, trygghet och populäritet (bland annat), med hjälp av att svara på enkla frågor. Områden skulle bedömas från 1-5. Efter vi gått ute tillräckligt länge (cirka 45 minuter i cirka -10 grader!) kom vi tillbaka till klassrummet och började arbeta.

Med hjälp av materialet vi producerade kunde vi sätta in det på QGIS (i .csv format). Det var väldigt coolt att se det egna materialet på en riktig karta (Bild 1).

Bild 1: Punkterna symboliserar våra svar

Vi bytte sedan färgen på punkterna på basen av vad åsikterna om trygghetskänslan var, vilket var väldigt intressant att se. Efter detta började interpolering, som vi i klassrummet strugglade en del med. Som tur kom vi till slut fram till en lösning, och interpoleringen lyckades (Bild 2). På bild 2 syns alltså alla ansamlingar av negativa eller positiva svar (om trygghetskänslan). Mycket intressant resultat! Vid kampuset kände sig majoriteten trygga, men redan lite mot Arabiastranden blir resultatet negativare. Såklart kan en del resultat även påverkas av det kalla vädret.

Bild 2: Interpolerad karta på våra svar om hur tryggt området känns

Efter detta var det dags för veckans egna arbete. Vi fick som uppgift att analysera material om naturhasarder och deras geografiska läge. Mer specifikt handlade det om jordbävningar, vulkaner och meteoritnedfall. Jag valde dock att producera mina kartor endast om jordbävningar och vulkaner.

På den första kartan (Bild 3) ser man alla jordbävningar över 6 magnitud som förekommit under åren 1950-2019. Här ser man var majoriteten av bävningarna funnits; väldigt logiskt nog för det mesta vid de olika gränszonerna mellan litosfärplattorna. Jag försökte göra den så tydlig som möjligt, men jag färgvalet var nog inte det bästa. De minsta jordbävningarna på kartan är ändå 6 magnitud, och färgen får dem att verka lindriga. Laura gjorde likadant som jag detta fall, och hon skrev att den är väldigt bra i undervisningssyfte då det kommer till att fundera på placeringen av bävningarna. Jag håller absolut med! Man ser ju nästan varje gränszon för litosfärplattrna här.

Bild 3: Jordbävningar

Näst var det dags för vulkan-kartorna. Databasen var lite svårare att hantera än den med jordbävningarna. Här måste man öppna materialet på notepad för att få det i en bra form. Med lite hjälp från intruktionerna lyckades detta dock väldigt bra (Bild 4). Min MacBook ville dock inte samarbeta, och legenden är lite dumt placerad.

Bild 4: Vulkaner. De rödaktiga “skenet” är en heat map där de medt koncentrerade områden utmärks

Jag tyckte att det ändå behövdes någonting mera om vulkanerna, något som ger kartan mer innehåll. Man ser ju att de även bildas flera vid gränszonerna, och att det korrelerar med jordbävningarna (eldringen), men jag bestämde mig att göra en med mer faktainnehåll. På den nya kartan (Bild 5) ser man alltså mer specifikt typen av vulkan som finns var. Jag valde att inte ta med alla typer, utan de mest vanliga som man lär sig redan tidigt; Arttu sa ju i uppgiften att man skulle visualisera detta för en skolklass! Jag tycker själv att den blev ganska fin!

Bild 5: Olika vulkantyper

För att få lite aktuellare information om jordbävningarna bestämde jag mig också för att göra en karta där man ser jordbävningarna från 2010-2019 (Bild 6). Kartan fick en lite konstig färg, men huvudsaken är att faktan visualiserades! Här ser man samma resultat som på den första kartan; jordbävningarna och vulkanerna finns ganska så långt på samma områden.

Bild 6: Jordbävningar 2010-2019

På https://www.iris.edu/hq/inclass/animation/seismic_eruption_worldwide_earthquakes__volcanoes_19602007 finns en visualisation där samma poäng genomförs. Här bevisas även tesen att de två hasarderna oftast förekommer parallellt.

Källor:

https://www.iris.edu/hq/inclass/animation/seismic_eruption_worldwide_earthquakes__volcanoes_19602007

https://blogs.helsinki.fi/lauahola/

 

Punkter…Massor av Punkter

Still alive här!

Den här veckan var verkligen en jobbig en! Hemläxan blev att pricka in alla hus på vårt kartblad av Borgnäs och på timmen använde vi oss sedan av det nyproducerade materialet…om det fungerande. På basis av formuleringen förstår ni kanske att det inte gjorde det för mig. En bra start på en onsdag morgon skulle någon kanske säga, men ja, jag fortsatte orört kämpandet. Som tur hade Arttu gjort en färdig databas för dem som den egna inte fungerade för. Och vägarna jag hade digiterat fungerade ändå, vilket var bra.

Bild 1: Buffertområden runt vägarna och centrum

Under kursgången fokuserade vi på att göra buffertar till olika områden. På bild 1 ser ni hur det såg ut då vi producerade buffrar runt bilvägarna och centrum. De gula prickarna symboliserar byggnaderna som finns inom 5km från centrum bufferten. Vi gjorde dock även vidare uppgifter där man såg alla hus som var inom bufferten för centrum och vägarna. Buffertuppgiften var allt som allt väldigt intressant, och man kan säkert räkna ut saker som influensområde och sjukdomsspridning, eller i alla fall testa teorier om dessa teman.

Efter detta fortsatte vi med uppgifter runt centrala flygplatser i Helsingfors-trakten. Vi analyserade ljudnivån på olika avstånd från flygplatsen, och hur det påverkar befolkningstätheten. Vi kom ju fram till det självklara; desto närmare flygplatsen man kommer, desto mindre byggnader (hus) och människor finns det. Det var ändå fint att lära sig använda de olika verktygen på QGIS, och jag tycker att det blev väldigt fint till slut!

QGIS – lifeupdate typ?

Just nu känns det att QGIS och jag är ganska så bekanta. Emellan på timmen känner jag att jag nästan kan försöka hitta på det nästa steget. Jag kan ju inte ens nära på allt om programmet, men det känns bra. I början av kursen hade jag ju väldigt negativa fördomar på grund av gångna händelser, men det visade sig gå bättre än förväntat. Jag tror att jag klarar av att göra ganska då basic-level kartor och analyser i detta skede, vilket var det jag förväntade mig från kursen. Om QGIS har jag förstått att det inte alltid endast finns en utväg, precis som även Julia säger i sin blogg. I början kändes som om att det bara fanns en utväg till problemen, men jag har förstått att det finns närmare 10 olika vägar till samma destination. Det känns även super att kunna producera och förstå saker utan någon extra handledning

Källhänvisning:

https://blogs.helsinki.fi/jhsalmi/

 

Raster utan matraster

Hej!

Den fjärde kurgången handlade om raster och i QGIS. Som Ida säger på sin blogg, är punktformatet det mest noggranna av alla. Med hjälp av punkterna kan man få veta objektens exakta placering, till exempel var hus är.

QGIS-kampen började med att vi producerade en “grid”, ett rutnät, på materialet som bestod av en simpel karta på Helsingfors-trakten. Vektormaterialet som vi producerat tidigare bestod alltså av kustlinje, kommungränser, vattendrag och en väldigt detaljerad punktdata där alla Helsingfors invånare fanns medräknade. Punkterna representerade alla byggnader.

Vi övade en stund med att beundra den väldigt detaljerade attributtabellen. På tabellen fanns det information om byggnadens adress, hur många som bor där och även mer personlig data om alla invånare. Jag analyserade sedan på egen hand till exempel hur många av invånarna var svenskspråkiga (Bild 1). Detta är ju väldigt intressant och relevant till mig som finlandssvensk, så det var en fungerande tillämpning! Resultatet blev ju inte så överraskande, jag känner ju till de stereotypiskt mest svenskspråkiga områdena i trakten, till exempel Grankulla, delar av Tölö och områden närmare centrum. Det fanns inte ett enda svenskspråkigt område som överraskade mig i sig. Jag har en del kontakter på svenskspråkiga anstalter i regionen, så jag märkte att en del av befolkningen hade bildat kluster runt just dessa.  Uppgiften var väldigt givande och det var trevligt att se att mina föreställningar visualiserades som jag tänkt mig! Min geografi-hjärna fick lite grann mycket efterlängtad validation.

Bild 1

Näst var det dags för hemuppgiften! Jag började med att producera höjdkurvor på vår egna karta som beskrev Borgnäs område (bild 2). Att bilda höjdkurvorna gick väldigt lätt, fast jag hela tiden var smått nervös över att programmet skulle crasha. Jag hade dock överraskande mycket tur och lyckades utan större nedgångar! Wow! Efter detta jämförde jag de nybildade höjdkurvorna med dem från Paituli, precis som Suvi gjorde på sin blogg (great minds think alike, eller?). Våra egna höjdkurvor är väldigt detaljerade, vilket är väldigt bra på ett sätt. Det mindre noggranna materialet som Paituli (Lantmäteriverket) producerat var dock mer generaliserat och med samma mer praktiskt att använda och se på. Precis som Susanna nämner, blir det lite råddigt med mängden höjdkurvor som vi har producerat.

 

Källor:

https://blogs.helsinki.fi/idasihvo/

https://blogs.helsinki.fi/marttils/

https://blogs.helsinki.fi/kukkasus/

QGIS-kampen fortsätter (i Afrika)

Another day, another QGIS struggle, eller vad man nu säger. Idag gjorde jag förra veckans hemuppgift, vilket tog oerhört mycket längre än vad det borde ha gjort…Bästa känslan någonsin måste ju vara att förstå att en sak man försökt få att funka i en och en halv timme egentligen var väldigt enkel att lösa…. Nåja, kanske jag ändå borde börja med att skriva om förra kursgången.

På onsdagen lärde vi oss flera nya saker och jag vågar påstå att det var den svåraste kursgången vi haft än så länge! Allt gick dock bra då vi gick igenom saker. Vi producerade en karta på Afrika där vi definierade konfliktområden, oljefyndigheter och diamanter på kontinenten och skulle undersöka ifall det finns några intressanta samband där. Jag kan lägga in en screenshot på kartan här under!

På kartan är de bruna fläckarna olja, de röda konflikter och de ljusblåa diamanter. Detta är ju inte (clearly) en färdig karta, det fattas nordpil, legend och skala, men jag tyckte ändå att den blev väldigt snygg! Vi tittade på konflikterna från olika synvinklar; hur många skedde per år, hur länge varade de och så vidare med hjälp av QGIS olika funktioner. Nu en vecka senare har jag nog inte allt på koll mer, men grundidén finns kvar och det är väl huvudsaken 🙂 Som man ser på kartan är majoriteten av oljefyndigheterna i nordafrika, mest koncentrerade i Algeriet, Tunisien och Libyen. Konflikterna har bildat en front genom hela mellanafrika, från väst till öst. Detta beror ju på de oroliga förhållandena i dessa länder. Uganda, Rwanda, Burundi, Sudan och Somalien står speciellt ut. Även de mindre länderna på västkusten. Diamanterna finns i stora mängder i Sydafrika, generellt nedanför Saharaöknen. Kartan är väldigt beskrivande och kan användas då man undersöker konflikter och deras orsaker. Väldigt ofta är det just naturresurser som leder till konflikter och krig. Därför är en karta som denna väldigt lärorik då den kan hjälpa forskare att hitta samband.

Efter detta var det dags att jobba på den egna kartan. Uppgiften var att producera en karta på Finlands avrinningsområden där både översvämningsindexet och den procentuella andelen sjöar per område visualiseras. Att skapa en koropletkarta och stapeldiagram på samma karta var SVÅRT för mig i början. Jag var inte riktigt säker på hur man skulle börja och med vad, men efter en stunds ångestfullt tänkande kom jag fram till att det lönar sig att börja med att sätta ihop de olika lagren (med MHQ och MNQ). Efter det började det flyta fram, långsamt men lovande. Till slut lyckades jag producera en representabel karta som visar de båda aspekterna.

Kartan beskriver alltså översvämningsindexets förhållande till avrinningsområdets procentuella andel sjöar, väldigt interessant! Som ni ser är de mörkaste områdena de som ligger vid kusten. Här regnar det mycket på grund av klimatet, vilket leder till översvämningar. I centrala Finland finns det massvis med sjöar, vilket leder till att området inte översvämmas, precis som Lotta även kom fram till. Norra Finland har färre, och på grund av den långa vintern blir översvämningarna mer vanliga i området.

Veckans uppgift slutade bättre än förväntat. Jag strugglade verkligen med histogrammen, fast de i verkligheten var väldigt simpelt!

Till nästa gång!

-E

Källor:

https://blogs.helsinki.fi/lelotta/

Databasdjungeln och kartprojektioner

Hej igen! I’m back. Jag var inte närvarande på onsdagens lektion, men kompenserade med att gå på morgonföreläsningen idag (fre 25.1). Denna föreläsning gick vi igenom den förunderliga världen av databaser. Att gå igenom databaser var väldigt nyttigt, då jag själv aldrig helt förstått mig på dem. På grund av en blandning av morgontrötthet och kanske ett dugg dålig koncentrationsförmåga (?), förstod jag inte precis allt, men som tur blev det inte överväldigande mycket ny information. Jag antar att man kommer att lära sig ganska mycket med tiden, och att det kanske är bäst att försöka lära sig praktiskt istället för att plugga allt utantill! Så brukar det i alla fall fungera bäst för mig.

Nåja, teoridelen blev alltså ganska kort, och vi började tidigt med QGIS. Idag höll vi mest på med attributtabellen och koordinatsystem. Vi bekantade oss också bättre med räknefunktionen, vilket jag tyckte var bra! Den kommer jag säkert dra massor nytta av i framtiden. Föreläsningen gick väldigt snabbt framåt, vilket enligt mig är positivt, men som jag även läste att Ilona tyckte, hängde jag inte med i varenda sväng…Om man blir efter kan det verkligen vara svårt att hålla koll.

Bild 1, Suomineitos hatt m.a.o. arean som jag jämförde med olika projektioner
Bild 2, Suomineitos bälte m.a.o. en linje som jag drog vid Finlands bredaste ställe

Vi undersökte storleksskillnaden mellan Finland i de olika projektionerna, vilket var väldigt intressant. Vi började med att öva med “selection tools”, och ritade till slut en liten hatt över Finlands huvud (eller vad man nu skall kalla det (: ) och ett streck genom landet på dess bredaste ställe (Bild 1 och 2). Detta var då vi använde oss av Lambert Equal Area-projektionen. Sen blev det intressant! Vi bytte kartprojektion till Mercator Sphere (…tror jag att det var) och räknade ut skillnaden på arean. På grund av att mercatorprojektionen stretchar ut aren mot polerna, blev arean SÅÅÅ mycket större. Detta var ju inte i sig överraskande, men det var trevligt att se hur stor skillnaden faktsikt var. Vi fick testa med andra projektioner, och lagade excel tabeller på mätresultaten. Min tabell är väldigt tråkig till utseendet, så ni får tyvärr inte se den…Huvudsakliga skillnaden var dock att Mercator var den som förvrängde mest (av dem jag testade).

Sedan fick vi börja testa våra egna QGIS-vingar! Uppgiften var att skapa en jämförelse mellan Lambert’s projektion och några andra (Mercator skulle även finnas med), och få reda på hur mycket kartan förstoras/förvrängs. Detta krävde lite matematik, vilket var bra då jag inte räknat på en stund, och mycket koncentration. Jag blev ändå överraskad över hur bra jag klarade det. Attributtabellen behärskar jag redan (överraskande) bra, och det känns ganska logiskt just nu! Bortsett från ett par kraschar av QGIS >:(

Jag bestämde mig för att undersöka skillnaden mellan Lamberts projektion och Mercators projektion samt Bonnes. Jag valde Bonne för att jag tänkte att det nog kommer att bli något speciellt, fast storleksförändringen i procent inte kommer vara så stor som till exempel i Mercator och Lambert. Skapandet av kartorna gick väldigt bra! Jag kom ihåg alla steg som vi gick igenom på lektionen, och hann till och med hjälpa (så gott jag nu kunde) andra som behövde det. Otippat, men skönt att det gick så här för en gångs skull!

Karta 1 föreställer Mercatorprojektionens skillnad till den rättskaliga Lambertprojektionen. På kartan är det väldigt tydligt att polerna är de området där förvrängningen är som störst, då kartan blir mörkare desto högre upp mot norr man kommer. Både karta 1 och karta 2 har Finlands karta i Lambert Equal Area-projektionen som grund, ifall någon undrar varför Finland inte ser förstorad ut.

Bild 1, Bonnes projektion (Wikipedia)
Karta 1, Mercatorprojektionen jämfört med Lambert Equal Area

Karta 2 var som sagt Bonnes projektion jämfört med Lamberts. Denna projektion har jag alltid lite förundrat mig över, och då jag såg den i listan av projektioner på QGIS var det lätt att välja. Jag satt in rätt koordinatsystem och räknade ut areaskillnaden i procent, som var överraskande liten! För en karta som ser ut som Bonnes projektion (Bild 1) förväntar man sig en större skillnad! Då jag först fick resultatet trodde jag att det var fel, men efter närmare inspektion på projektionen tror ja nog att det finns logik bakom den.

Karta 2, Bonnes projektion jämfört med Lambert Equal Area

Allt som allt var detta en bra QGIS-dag för mig! Allt löpte bra och kartorna blev rätt så fina med den ljusröda färgskalan. Denna kursgång var även väldigt lärorik, jag lärde mig mycket om kartprojektioner och hur stor skillnad det kan ha om man använder en olämplig projektion (Precis som Elina konstaterade i sin blogg!). Att välja rätt karta i just QGIS är viktigare än vad jag trodde, men det känns inte omöjligt!

Jag hoppas att min QGIS-tur fortsätter på samma spår <3

Källor (25.1.2019):

https://blogs.helsinki.fi/tuoilona/

https://blogs.helsinki.fi/huhelina/

Bilden på Bonnes projektion:

https://en.wikipedia.org/wiki/Bonne_projection

Ses nästa vecka, ser framemot ett QGIS-fritt veckoslut!

-E

Gissar mig fram i QGIS värld

Okej, nu är det dags för det första inlägget i bloggen. Jag kommer att gå igenom det vi gjorde under den första kursgången, och sätta med bilder på de färdiga kartorna.

Namnet på kursen är Geoinformatiikan menetelmät – Metoderna i geoinformatik (?). Då jag såg kursens namn första gången kändes det lite hopplöst. Då jag hörde att vi kommer att använda oss av QGIS, blev jag verkligen hopplös. För länge sedan (2 år sen kanske, max) gick jag en kurs på gymnasiet där vi använde oss av just detta program, och den var faktiskt en av de jobbigaste kurserna jag gått i mitt liv. Väldigt lärorik nog, men efter att programmet kraschade för tredje gången blev det nog lite jobbigt…

Men! Man får ju inte ge upp så lätt, och jag hoppas på en trevligare erfarenhet den här gången.

Den första föreläsningen började med lite nödvändig teori. Attributdata, som beskriver egenskaper och platsdata var det första som togs upp på lektionen. Attributdata kan handla om individuell, tidsmässig, beskrivande eller lokaliserande, som även Ida konstaterar i sin blogg. Platsdata handlar i sin tur om den geografiska platsen.

Nu är det dags för den trogna kamraten: QGIS! Vi började väldigt lätt, vilket var super då jag inte kom ihåg något mer från tidigare (har antagligen förträngt det). Vi hämtade en karta på en del av Europa och började öva. Uppgiften var att visualisera ländernas kväveutsläpp i Östersjön. Vi skapade koropletkartor för att visualisera detta, de mörkaste (främst Polen) länderna är de som släppt ut mest kväve i Östersjön. Vi satt in allt det nödvändiga; skala och nordpil, och lärde oss använda QGIS olika funktioner i korthet, bland annat att räkna ut andelen kväveutsläpp per land i procent med hjälp av enkla ekvationer.

Karta 1

På den färdiga kartan (Karta 1) tycker jag att färgerna blev bra. De mörka färgerna urskiljs lättast, och då det kommer till dessa varnande miljö-kartor, är det ofta bra att använda mer “aggressiva” färger för att förmedla grovheten. Jag märker nu när jag skriver att kvävekällorna (prickar) dock har blivit kvar på kartan, vilket de inte skulle. Det märkte jag inte! Som förbättringsförslag kunde jag även ha gjort djuphetskurvorna i havet mer synliga.

Veckans hemuppgift var även att skapa en egen enkel koropletkarta över ett av de valbara ämnena på kurshemsidan. Jag valde att jämföra svenskspråkigas andel med hela Finlands befolkning år 2015 (Karta 2). Detta var struggel. Uppgiften var ju i sig ganska enkel, men för en ovan användare tog det flera timmar att behärska verktygen. Reglerna var tydliga, men det var antagligen mest jag själv som blev ganska så lätt frustrerad. Programmet kraschade två gånger, vilket inte gjorde färden lättare. Till slut fick jag dock kartan producerad! Jess!

Karta 2

Kanske inte den visuellt vackraste kartan du sett? Men huvudsaken är att den blev klar. Resultatet blev som förväntat; Österbotten och kustområdena är där vi håller hus. Jag tänkte egentligen beskära kartan så att endast kustområdena syns, då skulle man ha sett skillnaden mellan kommunerna bättre. Men på grund av att jag då skulle ha villat lägga in en ut-zoomad bild på hela Finland där man visar var på kartan man befinner sig (som då på TEM, då vi skulle visa var vår kommun ligger), så gjorde jag inte det. Mina QGIS-kunskaper är helt enkelt inte på den nivån ännu!

QGIS är nog ännu ett enigma för mig, men efter denna kursgång och hemuppgifter känns det redan bättre. Jag har lärt mig att producera enkla koropletkartor, och känner mig även ganska okej med attributtabellen! Ganska överraskande om man jämför med mina känslor emot progranmmet i början. Jag förhåller mig alltså än så länge optimistisk till framtiden, detta blir nog bra 🙂

Källor:

https://blogs.helsinki.fi/idasihvo/

 

Tills nästa kamp mot QGIS!

-E