Masan MAA-202 blogi

 

Melko nopeasti ne seitsemän viikkoa vierähtivät ja tässä sitä ollaan. Viimeinen tehtävänanto. Tarkoituksena oli tuottaa itse tehty kartta, joka esittää itse valittua tietoa itse valitulta alueelta. Näin ollen tein kartan Yhdysvalloista.

Tavoitteena oli löytää tai olla löytämättä korrelaatiota kahden puhuttavan aiheen pohjalta. Halusin siis tutkia, onko Yhdysvaltain viranomaisten keräämän aineiston pohjalta mahdollista vetää suoraa janaa viranomaisten kokeman väkivallan ja osavaltioiden köyhyysprosentin välillä.

Loin Yhdysvaltain liittovaltion poliisin (Federal Bureau of Investigation) keräämän LEOKA – Summaries of Officers Assaulted 2020 -aineiston pohjalta koropleettikartan esityksen pohjalle. Kyseinen aineisto sisältää dataa eri viranomaisten kokemasta väkivallasta, tekotavasta ja -välineestä, sijainnista, ajankohdasta ja monesta muusta muuttujasta vuodelta 2020, mutta tässä kartassa keskitytään yleisiin väkivallan havaintoihin. Kyseinen aineisto sisälsi puolipisteitä eikä ollut suoraan vietävissä QGIS:iin, joten muunsin sen CSV-tiedostoksi ja selvensin QGIS:ssä puolipisteiden toimivan erottajina. Pohjalle latasin Natural Earthista shapefile-tiedoston, jossa näkyi Yhdysvaltojen osavaltiot. Viimeisenä tehtävänä oli liittää taulukkotiedosto shapefile-tiedostoon osavaltioiden nimien perusteella, joka onnistui join by atrribute -toiminnolla QGIS:ssä. Harjoitus ei siis mennyt hukkaan!

Tämän jälkeen toin projektiin Yhdysvaltain väestönlaskentaviraston (United States Census Bureau) Income and Poverty in the United States: 2020 -aineiston, joka sisältää muun muassa osavaltioiden eritellyt köyhyysprosentit vuodelta 2020. Sama homma kuin äsken, muunsin taulukon CSV-tiedostoksi, toin sen QGIS:iin, liitin join by attribute -toiminnolla pohjakarttaan osavaltioiden nimen perusteella ja ta-daa! Kaikki löytyi nyt kätevästi yhden tason attribuuttitaulukosta. Loin köyhyysprosentin pohjalta tekstidiagrammin jokaiseen osavaltioon, joiden koko skaalaantuu köyhyysprosentin mukaan sen lisäksi, että köyhyysprosentti lukee itse diagrammissa. Enää jäljellä oli pientä hienosäätöä sekä itse kartan asettelu. Lopputulos näkyy alla olevassa kuvassa 1.

Sitten perehdytään itse tulokseen. Yllätyksekseni kartta on hyvin punertava. New Mexicon sekä Alaskan osavaltioissa jopa arviolta joka toinen viranomainen on kokenut perusteetonta väkivaltaa vuonna 2020. Luvut vaikuttavat jokseenkin epätodellisilta, mutta data harvakseltaan valehtelee. New Mexicon tapauksessa osasyynä korkeaan lukemaan voi olla muun muassa osavaltion valitettavan tunnettu korkea huumerikoslukema. Muita osavaltioita, joissa viranomaisiin kohdistuva väkivalta on koholla, ovat muun muassa Arizona, Idaho, Montana, Etelä-Dakota ja Illinois. Sekä New Mexicossa että Alaskassa köyhyysprosentti on myös keskivertoa korkeampi. Väkivalta viranomaisia kohtaan painottuu myös enemmän keski- sekä läntiseen Yhdysvaltoihin, kun taas esimerkiksi koillisessa Lake Erien ja Lake Ontarion maastossa Kanadan rajalla luku on paljon alhaisempi.

Mainittavan arvoinen seikka on myös Missisippin ja Louisianan korkeat köyhyysprosentit, mutta alhaiset viranomaisiin kohdistuvan väkivallan tapaukset. Osavaltiot Louisianasta Georgiaan länsi-itä-akselilla muodostavat vyöhykkeen johon kuuluvilla osavaltioilla on verrattain korkea köyhyysprosentti, mutta jokaisessa osavaltiossa vain keskimäärin alle viisi viranomaista sadasta vuonna 2020 kokivat perusteetonta väkivaltaa.

Varsinaisia johtopäätöksiä köyhyysprosentin ja viranomaisten kokeman perusteettoman väkivallan välillä ei voida tehdä. Oli kuitenkin jälleen avartavaa analysoida dataa ja tuottaa karttoja etenkin vapaavalintaisesta aiheesta mahdollistaen myös itseään kiinnostaviin aineistoihin perehtymisen. Palaten vielä valitsemiini aineistoihin, toinen hyvä vaihtoehto köyhyystilastojen tilalle olisi ollut huumerikos- ja käyttötilastot. Näin oltaisiin voitu vertailla viranomaisiin kohdistuvan väkivallan ja huumeiden – sekä käyttäjien että välittäjien – korrelaatiota.

Vielä viimeiset sanat ennen kurssin paketointia: Tämä kurssi oli sekä sisällöltään että opetusmenetelmiltään ehkä mukavin ja mielenkiintoisin tähän mennessä. Tykkään yleisestikin puuhastella tietokoneiden parissa sekä ohjelmisto- että laitteistopuolella, joten tuntui myös osittain luonnolliselta puuhastella QGIS:n parissa, vaikkei ohjelmisto loppujen lopuksi ollutkaan kovin tuttu minulle. Valitettavasti tein omalta osaltani (jälleen) virheen ja jätin blogikirjoitukset viime tinkaan, prokrastinointi kun tuntuu olevan minulle elämäntapa. Siitä huolimatta olihan tämä ihan kivaa ja blogimuotoinen työskentely oli mukavaa vaihtelua perinteisiin palautusmenetelmiin. Ja ennen kaikkea, kiitos rempseästä kurssista Arttu!

Lähteet:

U.S. Department of Justice—Federal Bureau of Investigation Crime Data Explorer, LEOKA Summaries of Officers Assaulted 2020 (syksy 2021). Lainattu 25.3.2022. https://crime-data-explorer.app.cloud.gov/pages/le/leoka

United States Census Bureau, Income and Poverty in the United States: 2020 (14.8.2021). Lainattu 25.3.2022. https://www.census.gov/library/publications/2021/demo/p60-273.html

Natural Earth Data, States & Provinces v5.0.0. (7.12.2021). Lainattu 25.3.2022. https://www.naturalearthdata.com/downloads/10m-cultural-vectors/

 

Tällä kurssikerralla lähdettiin virkeinä aamusta keräämään dataa kentältä hyödyntäen Epicollect5-puhelinsovellusta, jolla loimme ja keräsimme pienryhmissä pisteaineistoa ympäri Kumpulan kampuksen lähialuetta. Tähän väliin on pakko myöntää, että heti kahdeksan jälkeen aamusta oli oikeasti mukavaa vaihtelua lähteä konkreettisesti ulos keräämään dataa, sillä muina kurssikertoina olen itse ainakin potenut kovaa kankeutta ja aivojen suoranaista toimimattomuutta tietokoneluokassa aina ensimmäisen tunnin ajan. Sääolosuhteet ulos lähtiessä eivät olleet kovin otolliset, mutta se ei rehellisesti sanottuna haitannut menoa lainkaan.

Matka kattoi laajalti Arabianrannan kaupunginosan ydinalueet. Yhteensä pistedataa kerättiin kaikkien osallistuneiden toimesta 134 uniikkia pistettä, ja jokainen piste kattoi muun muassa tietoa vastaajan koetusta turvallisuudesta ja alueen mielekkyydestä. Datan pohjalta luotiin interpolointia hyödyntäen kuvassa 1 näkyvä kartta, jossa punainen kuvaa turvattomuutta ja sininen korkeaksi koettua turvallisuutta. On mielenkiintoista ajatella, kuinka 45 minuutin tehtävänanto ulkona riitti näinkin kattavan aineiston tuottamiseen, eikä visualisointikaan kauaa vienyt. Sovelluksen helppokäyttöisyys ja avoin saatavuus luo rajattomasti mahdollisuuksia kenelle tahansa hyödyntää sitä omissa projekteissaan tai tutkimuksissaan. Esimerkiksi Juulia Salakka esittää blogipostauksessaan vastaavanlaisen sovelluksen olevan mahdollinen oiva opetustyökalu jo ala- ja yläasteilla. Olisinpa päässyt käyttämään vastaavanlaisia työkaluja jo tuolloin!

Seuraavaksi päästään tämän kurssikerran itsenäisiin tehtäviin, joissa tarkoituksena oli tuottaa karttoja, jotka esittävät hasardeja ja joita voisin itse käyttää opettajana tuntiopetuksessa. Aineistona toimi The Meteoritical Societyn keräämä ja NASA:n jakelema tietokanta meteoriittien törmäyksistä (https://data.nasa.gov/Space-Science/Meteorite-Landings/gh4g-9sfh), josta selviää muun muassa törmäysvuosi, meteoriitin massa sekä tietysti sijainti. Alla olevassa kuvassa 2 on visualisoitu kaikki havainnoidut meteoriittien törmäykset Yhdysvalloissa sen mukaan, minkä osavaltion sisällä törmäys on tapahtunut. Kartasta voi helposti tehdä ensimmäisenä huomion, että törmäykset painottuvat lounaisiin osavaltioihin, ja oletettavasti pinta-alaltaan isommissa osavaltioissa myös havaintoja on enemmän joka myös osoittautuu pieneksi viaksi ja harhakuvan luojaksi kartassa. Seuraavassa kuvassa päästäänkin sitten omasta mielestäni mielenkiintoisempaan asiaan.

Alla olevassa kuvassa 3 nähdään havaitut meteoriittien törmäykset tapahtumavuoden mukaan. On mielestäni mielenkiintoista nähdä, kuinka meteoriittien törmäysten havainnot ovat jakautuneet niin selkeästi lännestä itään havainnointivuoden mukaan. Vaikuttaa siltä, että tulosten kategorisoitumiselle ryhmiksi olisi jokin validi selitys. Lännessä valtaosa törmäyksistä vaikuttaa olevan vuosilta 1971-2012, keskellä olevien osavaltioiden kohdalla vuosilta 1889-1971 ja idässä 1807-1889. Jotkut saattavat myös pitää havaintoja yllättävinä joko törmäysten määrän tai vuosittaisen jakauman takia. Selkeä havainnointirykelmä on kuitenkin nähtävissä Kansasin ja sitä ympäröivien osavaltioiden alueella. Havaijilla puolestaan havainnot ovat hyvin harvassa johtuen oletettavasti pienestä ja hajaantuneesta maa-alueestaan.

Oli mukavaa päästä sekä tuottamaan aineistoa, että tutkimaan sellaista hieman tarkemmin hasardien muodossa. Vielä yksi kurssikerta jäljellä, jonka jälkeen kurssi onkin jo paketissa! Aika on kieltämättä mennyt nopeasti.

Lähteet:

Salakka, Juulia (23.2.2022) -Geoinformatiikkaa oppimassa-. 6. kurssikerta. https://blogs.helsinki.fi/gis-juulia/2022/02/23/6-kurssikerta/

NASA’s Open Data Portal, Meteorite Landings. Lainattu 25.3.2022. Linkki: https://data.nasa.gov/Space-Science/Meteorite-Landings/gh4g-9sfh

 

Tällä kurssikerralla harjoiteltiin buffer-ominaisuuden käyttöä eli rakkaalla äidinkielellä puskurointia, jonka käyttötarkoituksien ja mahdollisuuksien suhteen samaistun Mikke Plattoseen. Hän kertoo viikon 5 blogipostauksessaan puskuroinnilla olevan myös suuria oikean elämän hyötyjä esimerkiksi kaupunki- ja liikennesuunnittelussa. Näin ollen puskurointi osoittautui hyvinkin hyödylliseksi harjoituksia tehdessä ja varmasti myös tulevaisuudessa QGIS:n parissa väkertäessä.

Päivän agendana oli useita muun muassa runsaasti puskurointia vaatineita tehtävänantoja, joista muodostin alempaa löytyvät taulukot 1-3. Pelkän puskuroinnin lisäksi tehtävät vaativat hieman kikkailua. Yhden tehtävän kohdalla tuli laskea hypoteettisen tilanteen meluhaitta, jossa Helsinki-Vantaan lentokentän laskeutuva liikenne ohjattaisiin osittain tavallisesta poikkeavasta suunnasta. Taulukossa 1 näkee Malmin lentokentästä tehdyt tehtävät, taulukossa 2 näkee Helsinki-Vantaan lentokentästä tehdyt tehtävät sekä taulukossa 3 näkee alueen juna- ja metroasemista tehdyt tehtävät.

Taulukko 1. Malmin lentokentän tehtävät.

Taulukko 2. Helsinki-Vantaan lentokentän tehtävät.

Taulukko 3. Alueiden juna- ja metroasemien tehtävät.

Tässä kohtaa on viisi kurssikertaa takana ja kaksi edessä vaikka kirjoitankin näitä kaukana tulevaisuudessa. Keskeisimpiin työkaluihin QGIS:ssä näitä tehtäviäkin väsätessä lukeutuu muun muassa aineistojen liittämistyökalu, buffer-työkalu, erilaiset muovaavat työkalut kuten intersect, clip ja union, sekä tietysti selection-työkalu lukuisine eri variantteineen. Ongelmitta tähän asti ei kuitenkaan ole päästy. Usein hahmotan päässäni hyvin mitä haluan tehdä ja miten sen voisi toteuttaa, mutta työkalua ei tunnu löytyvän vaikka se olisikin käyty jo aikaisemmalla kurssikerralla yhdessä läpi. Tämä johtaa siihen, että joudun poukkoilemaan vanhan ja uuden kurssimateriaalin välillä palauttelemassa asioita muistiin. Ehkä tämä viestii myös omasta heikosta keskittymiskyvystäni, parannettavaa siis ainakin on! Muutoin kaikki QGIS:iin liittyvä sujuu hyvin aineistojen käsittelystä aina karttojen visualisointiin ja viimeistelyyn.

Käydään vielä pikaisesti läpi toisena itsenäisenä työnä tehtyä koropleettikarttaa, josta ilmenee pääkaupunkiseudun alueen putkiremontti-indeksi. Selkokielellä siis vuosina 1965-1970 rakennettujen kerrostalojen osuus kaikista asuinrakennuksista, rajattuna ja visualisoituna alueittain. Itä-Helsingissä indeksilukemat ovat melko korkeita etenkin Kontulassa, jossa asuinrakentaminen pääsi vauhtiin vuonna 1964, eli tarkasteluvälin kannalta otolliseen aikaan. Myös pohjoisessa Vuosaaressa indeksi on melko korkea. Kauniainen paistaa myös punaisena lännessä Espoon vieressä. Muun muassa nämä alueet ovat tai tulevat olemaan “putkimiehen paratiiseja”.

Lähteet:

Plattonen, Mikke (23.3.2022). GIS-tampiosta GIS-taituriksi, Viikko 5: Vantaalla lentomelua, Helsingissä uima-altaita. (https://blogs.helsinki.fi/mikkepla/2022/03/23/viikko-5-vantaalla-lentomelua-helsingissa-uima-altaita/)

 

Tällä kurssikerralla perehdyttiin pääosin ruutukarttojen tekemiseen, rasteriaineistojen käsittelyyn sekä piirtämiseen QGIS:ssä kuten  aikaisemmilla kursseilla Corelin parissa.

Yllä olevassa kuvassa 1 on esitetty pääkaupunkialueen ulkomaan kansalaisten lukumäärä pistekarttana. Itä-Helsingissä on havaittavissa isompi ulkomaan kansalaisten asutuskeskittymä, sekä kuvio myötäilee muun muassa osittain Tuusulanväylää pohjoisessa ja koillisessa sekä yleisesti Kehä I:n maastossa. Yksittäisinä asutuskeskittyminä voidaan nimeltä mainita Itäkeskuksen ympäristö ja sekä Espoon Matinkylän ympäristö.

Yleiskuva muuttuu hieman, kun kuvassa 2 vaihtuu esitettävä aineisto summaluvuista prosenttilukuihin. Nyt kun ruudut kuvaavat ulkomaan kansalaisten prosenttiosuuksia, on yleinen hajauma suurempi ja pienet “kuumat pisteet” ovat suurimmilta osin eliminoitu. Kartalla on silti muutama ruutu, jossa ulkomaan kansalaisten osuus on yli 50%. Kuvan 2 kartassa näkyy etenkin selkeämmin Itä-Helsingin alueen ulkomaalaiskeskittyneisyyden hajauma, joka kuvassa 1 vaikutti paljon tiiviimmältä.

Kuvan 2 kartalla on suurena etuna muun muassa se, ettei se vaadi jo entuudeltaan kartan tulkitsijalta kontekstia alueiden väestötiheyksistä ja -lukumääristä – näin ollen kuvan 1 kartalla suuretkin lukumäärät voivat todellisuudessa olla suhteutettuna alueen kokonaisasukasmäärään hyvinkin pienet. Saatoin myös valita omasta mielestäni hieman huonon väripaletin molempiin karttoihin. Vaikka paletti havainnollistaa hyvin eroavaisuudet tasaisin astein, voi aggressiivinen punainen ja palava väri aiheuttaa joidenkin kohdalla oletuksia siitä, että havainnollistetun ilmiön suuri määrä on negatiivinen tai huono asia. Muuten olen tyytyväinen karttoihin ja niiden esittämään dataan.

Toisena kurssikerran tehtävänä venkslattiin rasteriaineistojen parissa. Näihin aineistoihin sisältyi muun muassa rinnevarjostedataa. Aikaisemmin rinnevarjostus oltiin vaan napsautettu päälle paikkatietoikkunan tasot-valikosta tai ladattu suoraan verkosta käyttövalmiiksi tasoksi Corelissa. Tällä kertaa sukellettiin syvemmälle ja luotiin rinnevarjostus itse korkeusdataa hyödyntäen. Lisäksi harjoiteltiin korkeuskäyrien luontia itse.

Yllä olevan kuvan 3 vasemman puolen esimerkit ovat valmiiksi ladatusta peruskarttalehden korkeuskäyristä, ja oikealla puolella olevat itse tehdyistä korkeuskäyristä. On sanomattakin selvää, että itse tehdyt korkeuskäyrät ovat huomattavasti tarkempia, kun taas peruskarttalehden korkeuskäyrät ovat enemmän tasoitettuja ja/tai pehmeitä. Kahdessa alimmassa esimerkkikuvassa oikealla nähtävät itse tuotetut korkeuskäyrät ovat peruskarttalehdessä yleistetty yhdeksi yhtenäiseksi korkeuskäyräksi. Sekä itse piirretyistä että valmiista korkeuskäyristä saa kuitenkin lähes samalla tavalla tarvittavan tiedon irti, ellei oikeasti tarkenna todella pieniin yksityiskohtiin.

 

Tällä kurssikerralla painopiste siirtyi viime kerran projektioharjoituksista aineistojen liittämiseen, tietokantojen oikeaan muotoon muovaamiseen ja jälkimmäisessä itsenäisessä harjoituksessa diagrammien väsäämiseen.

Alla olevassa kuvassa 1 näkyy kurssikerralla yhdessä johdetun projektin tulos. Kartta kuvaa Afrikan mantereella sijaitsevia öljykenttiä, maiden sisäisiä konflikteja sekä timanttikaivoksia. Kuten Brilliant Earthin artikkelissa (https://www.brilliantearth.com/conflict-diamond-trade/) todettiin, timantit ovat ruokkineet monien Afrikan valtioiden sisäisiä konflikteja näin ollen saaden ikävän nimityksen “veritimantti” tai “konfliktitimantti”. Konfliktit timanttikaivosten maastossa ovat katossaan esimerkiksi Sierra Leonen ja Liberian valtioiden alueella, joissa molemmissa ollaan viimeisten vuosikymmenten aikana kärsitty verisistä konflikteista, ja näitä ollaan rahoitettu juurikin timanteilla.

Teknisestä näkökulmasta kartan teko oli kohtalaisen helppoa, ja itse tekoprosessi auttoi myös pohjustamaan omaa kevyttä tulkintaa aineistojen pohjalta. Itse esiin tuomieni aineistojen lisäksi aineistokansiosta löytyi myös paljon muuta dataa, josta monet muut kanssaopiskelijat olivat tuottaneet mielenkiintoisia karttoja. Muun muassa Miia Mattila omassa blogissaan tuotti kartan, jossa konfliktien laajuutta oltiin havainnollistettu ympyrädiagrammeja hyödyntäen. Vaikka hänen omin sanoin kartta ajoi tarkoitustaan hieman kehnosti, oli se kuitenkin hyvää harjoitusta ja tehosti QGIS:n niksien ja kommervenkkien harjoittelua.

Enemmän itsenäisesti puolestaan tuotettiin kartta tulvaindekseistä sekä järvisyysprosenteista, joka vaati jälleen itse aineistojen yhdistelyä join -attribuuttia hyödyntäen sekä taulukkodatan importointia. Ainoa varsinainen ongelma johon takerruin tuli pylväsdiagrammeja vääntäessä, kun jostain syystä QGIS ei suostunut tunnistamaan tuotua dataa numerodataksi, jolloin mikään ei tahtonut toimia. Lopulta muutaman oikotien kautta data importoitui toivotulla tavalla, ja diagrammit toimivat kutakuinkin halutulla tavalla. Pylväsdiagrammien kokoa säätelevät asetukset jäivät kuitenkin hieman mysteeriksi. Ehkä ne joku päivä aukeavat rasittuneille aivoilleni.

Yllä olevassa kuvassa 2 siis nähdään, kuinka tulvaindeksi on korkea muun muassa länsirannikolla Pohjanmaalla, joka on hyvin tasaista ja matalaa aluetta, sekä etelärannikolla. Myöskään järvisyysprosentti ja tulvaindeksi eivät näytä kulkevan käsi kädessä, vaan järvirikkailla alueilla tulvaisuus on lähes olematonta lukuun ottamatta etelärannikon muutamaa poikkeusta.

Lähteet:

Mattila, Miia (15.2.2022) Geoinformatiikan menetelmiä harjoittelemassa, Myöhäiset muistelmat kolmannesta kurssikerrasta. (https://blogs.helsinki.fi/mcmiia/2022/02/15/myohaiset-muistelmat-kolmannesta-kurssikerrasta/)

Brilliant Earth, Conflict diamond trade (https://www.brilliantearth.com/conflict-diamond-trade/)

 

Ensimmäisestä kurssikerrasta ollaan palauduttu, ja toisella kurssikerralla opeteltiin lisää käytännön asioita. Näihin sisältyi muun muassa pinta-alojen ja välimatkojen mittausta sekä projektioiden toimintaa QGIS:ssä ja molempiin aihealueisiin liittyviä mahdollisia ongelmakohtia.

Pääsimme myös työskentelemään tulostusikkunan kanssa jälleen kerran erilaisia projektiokarttoja tehdessä ja niihin legendoja, mittakaavoja ja pohjoisnuolia lisäiltäessä. Työkalut olivat helppoja ymmärtää, erilaiset asetukset loogisissa paikoissa ja moni asia oli helposti pääteltävissä. Ainoa ongelma, mitä tulostusikkunan kanssa tuli, oli sinne vietävien karttojen vaihtelevat koot ja epäkäytännölliset rajaukset. Tähänkin saatiin ratkaisu kysymällä, ja homma on hanskassa – ainakin toivottavasti.

Tältä kurssikerralta ei kuitenkaan selvitty ilman suurempia ongelmia. Tähän mennessä luulin olleeni varma siitä, että tallensin aineistot sekä projektitiedoston oikein,  mutta itsevarmuuteni oli petollista ja etsiessäni kotihakemistostani etänä toisen kurssikerran projektikansiota ja sen aineistoja ei mitään ollut löydettävissä. Ainoana asiana käteen jäi kurssikerralla yksi tekemistäni kartoista, jonka tajusin tulostaa kuvatiedostoksi ennen kotiini käppäilyä. Kömmähdys kuitenkin toimi tärkeänä opetuksena – tästä eteenpäin teen kaikki työni yksittäiseen projektikansioon, jonka varmuuskopioin pilveen kurssikerran päätteeksi.

Kuvassa 1 voidaan nähdä, kuinka paljon Mercatorin oikeakulmainen lieriöprojektio vääristää Suomen kuntien pinta-aloja suhteutettuna ETRS-TM35FIN poikittaiseen Mercatorin lieriökarttaprojektioon. Selitteessä näkyvät luvut ovat kerroinlukuja, ja siitä on helppo havainnoida kuinka Mercatorin oikeakulmainen lieriöprojektio vääristää etenkin pohjoisessa kuntien pinta-aloja. Enontekiön, Inarin ja Utsjoen kunnissa vääristymä on yli seitsenkertainen ja pienimpienkin vääristymien kunnissa vääristymä on lähes nelinkertainen.

Vaikka aikaisemmilla kursseilla on käyty läpi projektioita ja niiden idea sekä ongelmakohdat ovat itselle selkeitä, on se eri asia todistaa vääristymiä osana omaa työprosessia. Muistan luentokerralla miettineeni puoliksi ääneen vierustoverilleni Ville Rantaselle voivatko saamani arvot olla oikeita – olivathan ne. Olen huomannut, että tämän tyyppinen projekti- ja harjoitusluontoinen työskentely auttaa minua oppimaan paremmin, kuin kotona itsenäinen lukeminen tai luentojen seuraaminen. Opin itse tekemällä, josta syystä pidän myös tästä kurssista ja sen toteutustavasta paljon.

Aikaisemmassa blogikirjoituksessani mainitsin myös pikaisesti kurssin olevan lähiopetuksena järjestettävä senaikaisen pandemian tilanteesta huolimatta ja pohdin lähiopetuksen perusteellisuutta. On kuitenkin pakko myöntää, että lähiopetus ja vierustoverin läsnäolo ovat hyvin positiivinen asia oppimisen kannalta. Avun kysymisen kynnys on huomattavasti matalampi, ja vierustoverin kanssa tulee suorastaan symbioottinen suhde, jossa molemmat hyötyvät toisistaan. Jos ongelma on suuri, niin voin kysyä Artulta ja saan apua henkilökohtaisesti kasvotusten. Jos en ymmärtänyt jotain pienempää asiaa, enkä halua keskeyttää koko opetusta sen takia, voin kysyä vierustoveriltani ja päin vastoin. Minä autan häntä, hän auttaa minua. Lopputulos? Molemmat oppivat.

 

Ensimmäinen kurssikerta (vielä lähiopetuksena tämänhetkisestä tilanteesta huolimatta) lähti hyvin käyntiin ja QGIS:n rattaat rasvattiin ja pistettiin pyörimään heti alkuunsa. QGIS on itselleni jo entuudestaan tuttu alkeiltaan ja käyttöliittymältään aikaisemmilta kursseilta sekä varusmiespalveluksesta, mutta silti jo ensimmäiseltä opetuskerralta jäi monta uutta asiaa muistiin ja vanhaakin palauteltiin mieleen.

Ensimmäinen kurssikerta pyhitettiin pääasiassa käyttöliittymään tutustumiseen ja harjoituskartan muokkaamiseen, jonka voi nähdä kuvassa 1 (alla).

Kuten kurssikerrallakin tuli jo puheeksi, QGIS:ssä on monta käyttöliittymän kannalta outoa suunnitteluvalintaa, etenkin nappuloiden koon, sijainnin ja merkityksen osalta. Voi hyvinkin olla, että jo seuraavaan kurssikertaan mennessä osa näistä epämääräisistä nikseistä on jo ehtinyt unohtua, mutta tavoitteena on porskuttaa eteenpäin yrityksen ja erehdyksen kautta kunnes ohjelman toiminnot lopulta iskostuvat päähän. Tässä auttaa myös paljon itsenäiset harjoitukset.

Toisena tehtävänä oli itsenäisesti toteuttaa annetun aineiston pohjalta koropleettikartta QGIS:ssä ja muokata siitä visuaalisesti miellyttävä ja toimiva. Tehtävässä oli vaihtoehtoina kolme vaikeusastetta, joista itse tyydyin vaikeusasteeseen 1. Asetin riman ehkä liian matalalle, mutta se tuntui tekovaiheessa ihan sopivalta. Tämä koropleettikartta on nähtävissä kuvassa 2, ja se kuvaa pääelinkeinoista palvelualan prosenttiosuutta kunnittain.

Aineiston käsittely oli helppoa, eikä esimerkiksi QGIS:n “field calculatoria” tarvinnut käyttää sillä muuttujan arvot olivat jo valmiiksi prosentteina. Ensimmäiseltä kurssikerralta opittuja asioita oli myös helppo soveltaa koropleettikarttaa tehdessä esimerkiksi luokkajaossa, värien säätämisessä ja selitteitä, mittakaavaa ja pohjoisnuolta lisättäessä.

Mitä itse koropleettikartan aineistoon tulee, niin on helposti havaittavissa kuinka palvelusektori kattaa valtaosan Suomen kuntien pääelinkeinoista. Kunnat, joissa palvelusektorin kattavuus on alle 45,1 prosenttia, voi laskea helposti kahden käden sormilla ja luku on etenkin korkea pääkaupunkiseudulla ja myös Pohjois-Suomessa, jossa muun muassa matkailu ja yleinen turismi on yleistä. Kartan tulisi myös olla helposti tulkittavissa henkilön toimesta, joka ei tunne aineistoa. Värit ovat asteittaiset, selite tarpeeksi selkeä ja mittakaava yksinkertainen.

Yksi kurssikerta takana ja muutama vielä edessä. Aiheet ja kurssin yleinen teema vaikuttavat kiinnostavilta, ja odotankin innolla mitä tuleman pitää!