Kuudes kurssikerta

Kuudes kurssikerta aloitettiin piristävällä aamuliikunnalla, kun käyttöön otettiin Epicollect-sovellus. Siihen jokainen kurssilainen keräsi kolmen vartin aikana lähiympäristöstään kohteita, joita myös luokiteltiin kysymysten perusteella. Ryhmän aineisto siirrettiin sen jälkeen csv-tiedostona QGISiin, jossa tarkasteltavaksi arvoksi valittiin turvallisuus. Näistä arvoista luotiin interpoloimalla alla oleva kartta (kuva 1), jossa sininen ja vihreä edustavat parempia arvoja ja punainen heikkoja. Periaatteessa kartta osoittaa paikkoja, jotka tuntuvat muita alueita turvattomammilta, mutta oma arvosteluasteikkoni ainakin tuntui olevan hieman matalampi kuin ryhmän keskiarvo, joten en usko, että kartasta voi vetää painavia johtopäätöksiä alueiden yleisestä turvallisuudesta. 

Kuva 1. Ryhmän vastausten perusteella luotu turvallisuuskartta pääkaupunkiseudulta.

Kun teemakartta oli piirretty, siirryttiin itsenäisten tehtävien pariin, jossa tutustuttiin hasardiaineistoihin. Tehtävänä oli luoda kolme eri karttaa ja keksiä niille tarkoitus opetustilaisuuteen tai muuten mahdollinen hyödynnyskeino. Valitsin sekä tulivuori- että maanjäristysaineistoja NOAA:n ja NCEDC:n sivuilta (NOAA, 2021; NCEDC, 2021), joiden perusteella kaikki alla olevat kartat on koostettu.

Kuva 2. Vuoden 1964 jälkeen purkautuneet tulivuoret.
Kuva 3. 7 ja 8 magnitudin järistykset Richterin asteikolla vuodesta 1800.

Toisessa ja kolmannessa kuvassa (kuva 2 ja kuva 3) on esitetty tulivuoret sekä järistykset erillään. Näin saadaan eroteltua ilmiöt toisistaan ja voidaan keskittyä opettamaan vain yhtä asiaa kerrallaan. Tulivuorikartta näyttää vain lähihistorian, joten siitä saadaan kuva maailman vulkaanisesti aktiivisemmista alueista, joille suurin osa tutkimuksesta sijoittuu. Maanjäristyskartassa valitsin varsin isot arvot, joten myöskään tämä kartta ei anna kokonaisvaltaista kuvaa. Tässä voidaan silti huomata, kuinka suuri ero on todella tuhoisten, Richterin asteikolla yli 8 magnitudia ylittävien, järistysten sekä heikompien, mutta silti vaarallisten järistysten välillä. Kun näitä vertailee vielä esimerkiksi viiden ja puolen magnitudin maanjäristyksiin, joita Erkin blogissa (Järvinen, 2021) on havainnollistettu, saadaan kuva näiden harvinaisuudesta ja siten myös tuhoisuudesta.

Kuva 4. Tulivuorten ja vuodesta 1800 eteenpäin tapahtuneiden järistysten vertailua.

Viimeisessä kuvassa (kuva 4) olen liittänyt aiemmat kuvat yhteen, jolloin niitä on helpompi vertailla toisiinsa. Kuten kuvasta näkyy molemmat hasardit sijoittuvat pääosin samoille alueille kuten Kaakkois-Aasiaan ja Amerikkojen länsirannikolle. Toisaalta selkeitä eroja löytyy, kuten mantereinen Aasia, jossa on paljon järistyksiä, mutta vähän tulivuoria. Tällä voidaan demonstroida sitä, kuinka mantereisten laattojen törmäyksessä harvemmin syntyy tulivuoria tai kuinka järistyksiä tapahtuu muutenkin kuin isoimpien mannerlaattojen liikkumisen seurauksena.

Näitä kerättyjä hasarditietoja ja niiden perusteella luomiani karttoja voidaan liittää väestötietoihin, jolloin päästään riskimaantieteen keskeisiin kysymyksiin alttiudesta ja uhkista. Tietysti ne toimivat jo itsessään havainnollistamaan, missä mannerlaattojen rajakohdat tai kuumat pisteet sijaitsevat. Esille nousee erityisesti Tyynenmeren tulirengas, joka kattaa suuren osan Tyynen valtameren rannikoista.

Lähteet

Järvinen, E. (26.2.2021). Kurssikerta 6. Haettu https://blogs.helsinki.fi/erkkijar/2021/02/26/kurssikerta-6/

NCEDC. (24.2.2021). Historic ANSS Composite Catalog Search. Haettu https://earthquake.usgs.gov/earthquakes/search/

NOAA. (24.2.2021). Search Volcano Locations. Haettu https://www.ngdc.noaa.gov/hazel/view/hazards/volcano/loc-search

Viides kurssikerta: puskurianalyysit

Olen moneen otteeseen blogissa maininnut, kuinka homma tuntuu jo luistavan; karttojen viimeistely, attributes-taulukon laskut sekä muutamat käytetyimmät toiminnot, kuten Join attributes by location tai Select by ovat tulleet tutuiksi eikä niiden käytössä ole itsessään isompia ongelmia. Kuitenkin kun eteen lyötiin tehtävänanto ja muutama aineisto, veti se hiljaiseksi ja pakotti keräämään ajatuksia ennen kuin pääsi edes ensimmäisestä tehtävästä eteenpäin. Nyt huomasin, kuinka paljon todellisuudessa tulisi kaikista opituista asioista muistaa. Yksinkertaisista työkaluista vaikeampiin konsepteihin ja niiden yhdistelyyn. Esimerkiksi Helsinki-Vantaaseen liittyvä alueen valinta kahden muuttujan perusteella aiheutti sen laadun muistikatkoksia, että kaiken muun lisäksi unohtui, miten luodaan valituista arvoista uusi layeri. Toiston tärkeyttä ei voi tässäkään vaiheessa peräänkuuluttaa liikaa ja omalla kohdallani sitä pitäisi tehdä varmaankin vielä enemmän, sillä sen verran joutui kamppailemaan joidenkin asioiden kanssa. Toinen tärkeä asia itselleni (en kuulu luontaisiin GISWelhoihin) on ottaa prosessi meditatiivisena harjoituksena, mihin Arttukin viittasi edellisellä kurssikerralla. Juuri Helsinki-Vantaan tehtävään kului sen verran aikaa, että ellei Miles Davis olisi ollut auttamassa hommat olisivat varmasti vieläkin kesken. Kaikista esteistä on kuitenkin toistaiseksi päästy yli, vaikka vaikeimpia haasteita tai lisätehtäviä en ole ottanut vastaan. Aina pitää myös muistaa, että arkeen kuuluu muutakin kuin opiskelua, mistä hienosti kirjoitettu muistutus löytyy Martan blogista (Huttunen, 2021). 

Ja onneksi ei sentään tarvitse aloittaa täysin tyhjästä, vaan materiaalit ovat kurssilla olleet laadukkaita eikä niiden kanssa ole ollut ongelmia. QGIS antaa mahdollisuuden tuoda lukuisia eri aineistoja ja tarkastella niitä erittäin tarkasti. en oman harhailuni osittain positiivisena asiana ainakin QGISin kannalta, sillä työkalujen mieleen palauttaminen kertoo monipuolisesta valikoimasta, jolla voi tehdä vaikka minkälaisia analyysejä. Tällä kerralla tutustuimme itsenäisesti puskurianalyyseihin esimerkiksi lentomelun ja juna- sekä metroasemien avulla. Puskurianalyysit voivat olla erittäin hyödyllisiä, kun halutaan selvittää esimerkiksi päästöjen vaikutusta tai tietyn palvelun vaikutusalueella olevien ihmisten määrää. Viimeksi mainittu sovellus oli teemana monissa harjoituksissa, joiden vastauksia voi tarkastella alla olevasta taulukosta (taulukko 1). Vapaavalintaisista tehtävistä valitsin kouluihin liittyvien tietojen laskemisen.

Taulukko 1. Vastaukset viidennellä kurssikerralla suoritettuihin itsenäisiin tehtäviin.

 

Clip ja buffer-toimintoon tutustuminen antoi jälleen uusia eväitä tulevaisuuden GIS-taistoihin ja koko tehtäväpaketin läpi puskeminen oli vapauttava tunne, jota en kuitenkaan mielelläni haluaisi kokea jokaisella kerralla. Geoinformatiikka on näyttäytynyt monessa valossa tällä loppusuoralle kääntyvällä kurssilla ja tämä oppitunti laittoi perspektiiviin sitä työnteon määrää, jota tarvitaan oikeaoppisiin analyyseihin. Vaikka ainaiset kartan hienosäädöt olivat aiemmin tuntuneet helpoilta, on selvää, että jos haluaisin joskus tulla Giswelhoksimuutaman tunnin klikkailusessiot eivät yksin sitä mahdollista. 

Lähteet

Huttunen, M. (18.2.2021). Harjoitus 5: Bufferointia (ja kaupunki-ikävää). Haettu https://blogs.helsinki.fi/humartta/2021/02/18/harjoitus-5-bufferointia-ja-kaupunki-ikavaa-paivittyy/

Neljäs kurssikerta: rasteriaineistot

Moodlen toimintakatkos aiheutti heti aamulla itselleni päänvaivaa, mutta neljäs kurssikerta alkoi kuitenkin varsin rauhallisesti käydessämme läpi piste- ja ruutuaineistojen ominaisuuksia ja perusteita. En ollut tiennytettä ruutuaineistot voivat maksaa tuhansia euroja, mutta toisaalta sen ymmärtää, kun tarkastelee nykypäivän laatua ja kattavuutta. Esimerkiksi lasertekniikan avulla voidaan tuottaa tulosta kymmenien senttien tarkkuudella erittäin laajalta alueelta. 

Teoriaosuuden jälkeen siirryimme luomaan omaa ruutuaineistoa, kun jaoimme pääkaupunkiseudun kilometrin kokoisiin ruutuihin. Tärkein uusin asia oli isojen tietokantojen pilkkominen tällaiselle ruutuaineistoille, mikä tapahtui liitäntätyökalujen avulla. Kun niitä oppii hyödyntämään yhdessä valintatyökalujen kanssa, pääsee QGISissä tekemään mielenkiintoisia analyysejä varsin nopeasti. Luennolla haettiinkin kymmenien muuttujien joukosta kätevästi juuri tietyt analysoitavat kohteet, joista valmistui ruotsinkielisen väestön määrää havainnollistava ruututeemakartta. Tämän valmistuttua lopputunti kului Pornaisten rasteriaineiston yhdistelyyn sekä seuraavan tunnin alustamiseen. 

Kurssin edetessä olen pyrkinyt aktiivisemmin kertaaman opetettuja asioita ja tein myös nyt harjoitellun teemakartan uudelleen, paitsi vaihdoin aiheen ruotsinkielisestä väestöstä ikäluokkien tarkasteluun ja tarkemmin 0–18-vuotiaiden määrään (kuva 1). Kuvasta voi nähdä, että karttaa ei ole siistitty, vaan turhat asiat, kuten järvet ja joet vievät liikaa huomiota ilmiön analysoinnilta. Vakuutin itselleni, että tämä olikin vain testi ja kiitos Ilarin vinkkien sain tehtyä oikeasta analyysistä (kuva 2) visuaalisesti hienomman (Leino, 2021). 

Kuva 1. Absoluuttisten arvojen antama kuva 0-18-vuotiaiden määrästä pääkaupunkiseudulla.

 

Kotitehtävänä oli tuottaa oma ruututeemakartta sekä analysoida tuloksia. Säilytin saman muuttujan eli 0–18-vuotiaiden määrän, mutta laskin heidän osuutensa muuhun väestöön verrattuna (kuva 2), sillä halusin kerrata suhdelukujen laskemista. Absoluuttiset arvot olivat mielestäni suht hyvä aineisto, sillä ruututeemakartassa kohteet sijaitsevat rajatuilla alueilla, jotka perustuvat tasaisiin etäisyyksiin. Suhdelukukartta paljastaa kuitenkin huomattavasti paremmin, kuinka tarkasteltava kohde esiintyy suhteessa muihin kohteisiin. Tässä tapauksessa muihin ikäluokkiin. Ilman tätä vertailua aineisto nostaa väkiluvun yhteydessä esille yleensä sen alueen, jossa on eniten ihmisiä. Verrattuna absoluuttisiin arvoihin suhdelukukartta näyttää melkein päinvastaisen ilmiön eli pohjoisessa 0–18-vuotiaiden määrä on suurempi ja Helsingin keskustan alueella pienempi. Yleisestikin Helsingissä luku on pienempi kuin Vantaalla ja Espoossa, minkä olettaisin johtuvan Helsinkiin kohdistuvasta työ- ja opiskeluikäisestä muuttoliikkeestäHelsingissä ja Vantaalla nuorten määrä on ollut laskussa, kun taas Espoossa luku on kaikkiin Suomen suurkaupunkeihin verrattuna paremmalla tasolla, mikä selviää kuntien raporteista (Vuori, Mäki, Bergroth, 2020; Jaatinen, S., 2020; Parviainen, E., 2020).

Kuva 2. 0-18-vuotiaiden suhteellinen määrä pääkaupunkiseudulla.

 

Ruututeemakartan ongelma on sen tarkkuus. Aikaisempien kurssikertojen kuntien väliseen vertailuun verrattuna tämän kerran aineisto on kieltämättä tarkempi. Kuitenkin jos kurssilla olisi aiemmin käsitelty pienempiä alueita, vektoriaineistot olisivat parempia kuin ruutuaineistot yksityiskohtaiseen tarkasteluun. Tekemässäni ruututeemakartassa vaihtelu näkyy vain neliökilometrin kokoisella alueella, jonka sisällä voi olla paljonkin eroja. Tietysti kun ruutukokoa pienentää, kuten Antti on tehnyt omassa kartassaan, tarkkuuskin paranee (Paakkari, 2021). 

Lähteet

Jaatinen, S. (2020). Väestörakenne 2018/2019. Espoon kaupunki. Haettu https://www.espoo.fi/fi-FI/Espoon_kaupunki/Tietoa_Espoosta/Tilastot_ja_tutkimukset/Vaesto_ja_vaestonmuutokset/Vaestorakenne_ja_vaestonmuutokset(340) 

Leino, I. (8.11.2021). Kolmas kurssikerta. Haettu https://blogs.helsinki.fi/ilarilei/2021/02/08/kolmas-kurssikerta/

Paakkari, A. (11.2.2021). Viikko 4. Neljäs luento ja harjoitukset. Haettu https://blogs.helsinki.fi/anttipaa/2021/02/11/viikko-4-neljas-luento-ja-harjoitukset/

Parviainen, E. (2020). Vantaan väestö 2019/2020. Vantaan kaupunki. Haettu https://www.vantaa.fi/instancedata/prime_product_julkaisu/vantaa/embeds/vantaawwwstructure/151877_Vantaan_vaesto_2019-2020.pdf 

Vuori, P., Mäki, N., Bergroth, C. (2020). Helsingin väestö vuodenvaihteessa 2019/2020 ja väestönmuutokset vuonna 2019. Helsingin kaupunki. Haettu https://www.hel.fi/hel2/tietokeskus/julkaisut/pdf/20_09_17_Tilastoja_10_Vuori_Maki_Bergroth.pdf 

Kolmas kurssikerta: aineistojen liittämistä ja valuma-alueita

Kolmannella kurssikerralla uutta asiaa tuli omasta mielestä aivan tarpeeksi. Työnteko aloitettiin heti ensimmäisen kymmenen minuutin aikana, kun toimme QGISiin Afrikan kartan ja siihen liittyviä arvoja. Kävimme läpi erilaisten aineistojen yhteen liittämistä niin ohjelmien välillä kuin pienemmälläkin kaavalla. Liittämiseen oli monia vaihtoehtoja riippuen aineistosta tai tiedon muodosta, joten siihen kului yllättävän paljon aikaa. Merge by selected featuresaggeragate sekä dissolve olivat vain muutamia eri keinoja, joten oikean työkalun löytämiseen onnistuu kyllä kuluttamaan aikaa. Excel tiedostojen liittämis ja niiden muuttamista .csv-tiedostoiksi harjoiteltiin myös muutamaan otteeseen 

Internetiin ja populaatioon liittyvä tiedosto aiheutti omalla kohdallani ongelmia, sillä QGIS ei laskutoimitusten jälkeen suostunut tuottamaan uutta tasoa, vaan lisäsi tiedot vain aikaisempaan tasoon. Periaatteessa tämä ei haitannut tehtävän tekoa ennen kuin yritin korjata asiaa, jolloin poistin vahingossa kaikki aikaisemmat arvot ja jouduin tekemään prosessin alusta. Vaikka hetken niin sanotusti hajotti, uudelleen tekeminen ei vienytkään tuhottomasti aikaa ja oli hyvää kertausta aineistojen liittämisestä. Pääsin takaisin mukaan, kun tarkastelimme konfliktien sijoittumista öljy- ja timanttiesiintymiin nähden, mistä syntyikin kovan työn tuloksena kartta Afrikan konflikteista ja luonnonvarojen sijoittumisesta (kuva 1).  

Kartasta voi huomata, kuinka kilpailu resursseista korreloi konfliktien sijainnin kanssa. Esimerkiksi itärannikolla monet konfliktit sijoittuvat timanttikaivosten ja öljykenttien lähelle. Toisaalta tästä ei voi vielä varmistaa syy-seuraussuhdetta, sillä konflikteja esiintyy muuallakin ja Afrikan historia on monivivahteinen. Siirtomaa-ajan sorto näkyi esimerkiksi Ruandan kansanmurhassaMonilla eripuraisilla valtioilla on pitkäaikaisia ongelmia talouden ja hallituksen kanssa, kun taas muutamat valtiot, kuten kehittynyt Botswana eivät ole tilaston mukaan kokenut suuria konflikteja timanttikaivoksistaan huolimatta. Lotta Mattilan blogissa on eritelty mahdollisia syitä ja seurauksia vielä monipuolisemmin (Mattila, 2021).

Kuva 1. Ensimmäinen kartta havainnollistaa konfliktien ja resurssien (öljy, timanttikaivokset) sijainnin Afrikassa kurssimateriaalin pohjalta.

 

Onneksi laskutoimitusten teko QGISin laskimessa sekä valmiin kartan printtaus alkavat tässä vaiheessa käydä jo tutuksi, joten koko tuntia ei tarvinnut taistella suht uusien asioiden kanssa. Lisäksi itsenäisen harjoituksen ohjeistus oli sen verran selkeä, että senkin tekeminen oli loppujen lopuksi ohjeiden seuraamista. 

Itsenäisenä harjoituksena oli luoda pääosin Suomessa sijaitsevien valuma-alueiden tulvaindeksi sekä liittää mukaan diagrammi kyseisten alueiden järvisyydestä (kuva 2). Kuten sanoin, ohjeet olivat varsin selkeät ja suuripiirteinen olemus kartalla syntyi varsin nopeasti. Ongelmana oli kuitenkin sopivien arvovälien valinta ja niiden visuaalinen puoli sekä järvisyyden pylväsdiagrammi, joka omassa kartassani vaikuttaa kömpelöltä. Yritin tehdä oman väriskaalan, mutta siitä tuli huonompi kuin valmiiksi saatavilla olevista. Olen huomannut kurssin aikana, että en ole harvinaisen luova tai visuaalisesti lahjakas henkilö, joten tällaisten päätösten tekeminen tuottaa aina päänvaivaa. Monelta matalan järvisyysprosentin omaavalta alueelta, varsinkaan rannikolta, ei erota diagrammia, sillä ne ovat liian pieniä. Lisäksi unohdin laittaa legendaan, että järvisyysprosentti vaihtelee nollan ja 19,8 % välillä. 

Kasper on blogissaan analysoinut järvisyyden ja tulvaindeksin yhteyttä erinomaisesti (Mickos, 2021). 

Kuva 2. Valuma-alueiden tulvaindeksi ja järvisyysprosentti (0-19,8 %).

 

Lähteet:

Kurssimateriaali

Mattila, L. (5.2.2021). Kolmas kurssikerta. Haettu https://blogs.helsinki.fi/lottmatt/

Mickos, K. (5.2.2021). Kurssiviikko 3: tietokantapainia. Haettu https://blogs.helsinki.fi/kmickos/