Viikko 7 – Oma työ

Tässä onkin tämän kurssin viimeinen postaus, jonka jälkeen tämä kurssi on ohi. Tämän viikon aiheena oli se, että aiheen sai keksiä itse. Nyt viimeistään pitää pystyä tällä kurssilla seisomaan omillaan sillä ohjeita, joista voisi luntata ei ollut. Kuten Laura asian sanoi: piti tuottaa omatoimisesti alusta loppuun jokin kartta tai karttasarja – olimme valmiita siihen tai emme (lue: emme) Aihe piti päättää ja aineistot hankkia omin neuvoin, missä olikin hiukan vaikeuksia, mutta lopulta kartat tulivat valmiiksi.

Suuren etsimisen ja miettimisen tuloksena päätin tehdä kolmen kartan karttasarjan aiheesta vesi ja sen riittävyys niin, että muuttujat esitetään sekä maailmanlaajuisella skaalalla että Euroopan mittakaavassa. Tämä johtui siitä, että näin minusta asiat sai parhaiten esitettyä ja täällä kerralla sai asiat tehdä kuten haluan.

Ensimmäisessä karttaparissa on esitetty merkittävät joet ja järvet. (Kuva 1)(Kuva 5) Kartan tekeminen ja kasaaminen olivat aika yksinkertaista ja minusta lopputulos on aika selkeä.

Seuraavassa karttaparissa olen esittänyt pitkän aikavälin vedenkulutuksen kestävyyttä niin, että erilaiset muuttujat kuten kuivat kaudet on otettu huomioon datassa. (Kuva 2)(Kuva 6).

Sama asia vielä suorana lainauksena datan tarjoajan sivuilta:

” Water depletion is a measure of the fraction of available renewable water consumptively used by human activities within a watershed. Our characterization of water depletion uses calculations from WaterGAP3 to assess long-term average annual consumed fraction of renewably available water, then integrates seasonal depletion and dry-year depletion, also based on WaterGAP3 calculations, with average annual depletion into a unified scale.”

Käyttämäni aineisto oli erilainen kuin mitä olen ennen käyttänyt sillä se oli jo valmiiksi jaoiteltu. Koin siis kauhun hetkiä, kun aineistoa ei suostunut näkymään ennen kuin vaihdoin Graduated valintaan Categorized asentoon.

Kolmantena karttaparina olen esittänyt viljelysmaan sijoittumisen. (Kuva 3)(Kuva 7) Aineistosta teki mielenkiintoisen että se on rasteri muodossa. Aluksi minun oli tarkoitus muuttaa kartan väritystä niin, että viljelty maa olisi kuvattu vihreällä värillä, mutta joka kerta kun menin mitään säätämään Style valikosta, koko kartta muuttui täysin käyttökelvottomaksi. Yritin vaikka mitä mutta lopulta jouduin tyytymään nykyiseen mustavalkoiseen versioon ja tämä on kyllä pettymys. En yksinkertaisesti vaan löytänyt oikeaa kohtaa, mistä asiaa olisi voinut säätää.

Kuva 1.Maailman merkittävät joet ja järvet.
Kuva 2. Maailman vedenkulutuksen kestävyys.
Kuva 3. Maailman viljelyala vuonna 2000.

Yhdessä näiden karttojen avulla pystyy miettimään osaltaan: mistä ihmiset saavat vetensä, kuinka kestävällä tasolla veden kulutus on ja missä maailmassa on viljelyä, joka tarvitsee usein huomattavia määriä vettä keinokasteluun.

Karttoja tutkimalla huomaa ainakin vedenkäyttö ei ole kestävää laajoilla alueilla Saharassa ja Lähi-idässä., joista myös suurilta alueilta joet. Yllättävää kyllä näyttää myös siltä, että Niilin alueella vedenkäytön kestävyys on todella huonolla tolalla ja alueen valtiot joutuvat luultavasti miettimään asialle voidaan tehdä tulevaisuudessa. Kiinnostava on myös Intian niemimaan tilanne, jossa viljelysmaata on suuri osa maasta, mikä on luonnollista, sillä alueella on paljon jokia. Kuitenkin näyttää siltä, ettei vedenkulutus ole kestävällä tasolla. Jos olisin vielä tehnyt yhden kartan, jossa olisi väestönkasvuennuste niin uskon, että tilanne voisi vaikuttaa entistäkin hälyttävämmältä, sillä suurempi väestö tarvitsee käyttöönsä yleensä lisää vettä. Lopuksi tein vielä yhdistelmä kartan johon lisäsin vielä merkittävimmät kaupungit. (Kuva 4)

Kuva 4. Maailman jokien, järvien sekä vedenkäytön kestävyysarvion lisäksi merkittävimmäät kaupungit.

Rasteria en saanut tähän mahdutettua, mutta muuten kartta on ihan onnistunut, tosin joet eivät kunnolla erotu muuten kuin vaaleimmalta pohjalta, mikä hämää hiukan. Kaupunkien sijainnit tuovat minusta lisäarvoa sillä siitä näkee, missä ihmiset asuvat ja sitäkautta missä on vedentarve on suurta esim. Siperiassa sille ei ole kova tarve. Vettä kulutetaan sillä, missä ihmiset asuvat, joten on luonnollista, että harvaanasutetuilla alueilla vedenkulutus on kestävällä tasolla. Ongelmallista on kartassa kuitenkin, että käytin epähuomiossa aineistoa, joka painotti pääkaupunkien esittämistä ja muutamia muita suuria kaupunkeja, vaikka ehkä tässä kartassa väkiluvultaan suurimmat kaupungit olisi ollut parempi.

Kuva 5. Euroopan merkittävät joet ja järvet.
Kuva 6. Euroopan vedenkäytön kestävyys.
Kuva 7. Euroopan viljelysmaa vuonna 2000.

Euroopan tasolla karttoja tarkastellessa huomaa, että vedenkäytön osalta suurimmat ongelmat ovat kuivimmilla alueilla Etelä-Euroopassa esim. Espanjassa ja Kreikassa. Niilin ympäristöä voi myös tarkastella tästä mittakaavasta tarkemmin. Huomaan esimerkiksi, että Niilin välittömässä läheisyydessä tilanne on kohtuullisen hyvä, mutta heti vähän kauempana tilanne on todella huono. Tällä tasolla katsottuna vuoristot erottuvat kartalta hyvin vaaleampina alueina ja myös Niilin delta erottuu mielenkiintoisesti.

On ollut rankat, mutta opettavaiset 7 viikkoa, mutta uskon hallitsevani QGIS:n käytön paljon paremmin kuin kurssin alkaessa. Tämä kurssi on minun osaltani valmis, mutta nyt QGIS:n tutustuttuani tapaamme ehkä myöhemmin uudestaan.

 

Lähteet:

Ahola, Laura. The final countdown.

https://blogs.helsinki.fi/lauahola/2019/03/07/the-final-countdown/ (luettu 24.3.2019)

http://www.earthstat.org/cropland-pasture-area-2000/

http://www.earthstat.org/water-depletion-watergap3-basins/

http://www.naturalearthdata.com/

Viikko 6 – Interpolointi ja opetuskartat

Tämän viikon aluksi lähdimme ulkoilemaan eli harhailemaan ja tuottamaan itse gis dataa. Sovelluksena meillä oli käytössämme Epicollect5 ja sen avulla me käytännössä loimme paikkaan sidottua tietoa. Luokassa koostimme datapisteistä kartan, jonka aineiston me sitten interpoloimme (Kuva 1). Interpoloinnista jäi oikeastaan mieleen se, että aineiston analyysin kannalta olisi mukava, jos pisteitä olisi jotakuinkin tasaisesti koko alueelta. Kartasta esim. huomaa aika nopeasti ison punaisella värillä esitetyn alueen lännessä mutta tarkemmalla tarkastellulla huomaa, että kyseinen laaja alue perustuu vain yhteen kerättyyn pisteeseen, mikä vääristäisi tulkintaa, jos keräyspisteet eivät vaikka näkysi kartalla.

Kuva 1. Kuvakaappaus tunnin interpolointiharjotuksessa tehdystä kartasta, jossa kuvataan kuinka turvalliseksi eri paikat koetaan Kumpulan alueella.

Sen jälkeen siirryimmekin viikon itsenäisen tehtävän pariin, jossa tarkoituksena oli tuottaa kolme opetuskäyttöön soveltuvaa karttaa teemasta hasardit. Ensimmäinen karttani (Kuva 2) esittää kaikki yli 8 magnitudin maanjäristykset 1960-2012. Kartan käyttötarkoituksena on esittää kuinka harvinaisia näin voimakkaat maanjäristykset ovat ja missä päin maailmaa niitä on sattunut noin 50-vuoden aikana. Esitystavaksi valitsi pienet pallot, joiden väri muuttuu tummemmaksi, mitä vahvempi maanjäristys on kyseessä. Informaatiota kartassa ei ole paljon mutta kartta on selkeä ja helposti luettavissa. Amelialla oli esimerkiksi kartta kaikista yli 6 magnitudin maanjäristyksistä vuodesta 1950 alkaen ja hänen kartastaan näkee missä maanjäristyksiä on yleisesti niin voimakkaimmat yli 8 magnitudin maanjäristyksen hukkuvat massaan. Karttojen tarkastelu yhdessä tuottaisi ehkä opetustilanteessa informatiivisimmän kuvan. Vesalla taas on ollut hyvin samankaltainen kartta eli hänkin on esittänyt yli 8 magnitudin maanjäristyksiä, mutta aikaskaala on eri sillä hän kuvaa viimeisen kymmenen vuoden aikana olleita maanjäristyksiä. Erillinen visuaalinen ilme, jossa hän kuvaa järistyksiä suurilla ympyröillä toimii erittäin hyvin ja yhdellä silmäyksellä huomaa missä voimakkaita maanjäristyksiä on ollut. Oman esitystapani vahvuus tulee esille, kun vertailukohteeksi ottaa hänen toisen karttansa eli sen, jossa aikaskaala on suunnilleen sama. Hänen kartastaan maanjäristysten määrää aikavälillä on mahdoton arvioida, kun taas omassa esitystavassani se onnistuu eli molemmissa tyyleissä on omat hyvät puolensa.

Kuva 2. Yli 8 magnitudin maanjäritykset maailmassa vuosina 1960-2012.

Kaksi seuraavaa karttaani päätin tehdä rajatummalta alueelta kuin koko maailman mittakaavassa. Alueeksi valikoitui Lähi-itä ihan vain siksi, että tulivuoria ja maanjäristyksiä olen ainakin itse nähnyt Tyynenmeren tulirenkaan alueelta peruskoulussa jo kyllästymiseen asti, joten eri maantieteellinen alue oli mielestäni uusi ja raikas näkökulma asiaan. Lähi-itä ei ole tulivuorten toiminnan osalta aktiivista aluetta mutta niitä löytyy sieltä ja alueella on voimakkaitakin maanjäristyksiä. Lähi-idästä myös tulee ensimmäisenä mieleen sodat ja hätä, joten alueelta ehkä kaivataan ihan opetus mielessäkin erilaista materiaalia. Kartoista toinen esittää alueen yli 4,5 magnitudin maanjäristyksiä (Kuva 3) ja toisessa alueen tulivuoret (Kuva 4).

Kuva 3. Lähi-idän yli 4,5 magnitudin maanjäristykset.

Maanjäristyskartta on ihan onnistunut, mutta suurin ongelma teknisesti tuli, kun yritin saada voimakkaimmat maanjäristykset näkymään päällimmäisenä ja heikoimmat alimmaisina, jotta kartasta näkisi missä voimakkaimmat maanjäristykset ovat olleet, mutta lopulta myönsin tappioni ja suurensin pallojen kokoa niiden osalta. Lopputulos toimii ihan hyvin, mutta olen silti hieman pettynyt. Riinan karttoja katsottuani tajusin, että kartoistani puuttuu mannerlaattojen saumakohdat, jotka ehdottomasti olivat lisänneet niiden välittämän tiedon määrää, mutta enpä tullut ajatelleeksi asiaa karttojen tekohetkellä.

Kuva 4. Lähi-idän tulivuoret

Lähi-idän tulivuoria kuvaava karttani oli vaikeatekoisin, sillä Excel muutti numerot päivämääriksi, joten dataa joutui muokkaamaan. Tulivuoret myös ”levähtivät” aluksi aivan käsittämättömällä tavalla ihmeellisiin paikoihin. Ongelma oli File format delimiters valinnassa, minkä takia sijaintitieto ei ollut oikea, mutta asia tuli korjattua lopulta. Visuaalisen ilmeen osalta päätin tulivuoria esittävässä kartassa laittaa pinnanmuodot haaleasti näkyviin, mikä on mielestäni ihan onnistunut valinta, sillä tulivuorten sijaintien yhteys vuoristoihin sijaintiin on mielenkiintoinen. Lähi-idän karttoihin olisi voinut myös lisätä suurimmat kaupungit. Vielä vertailuna löytämäni kartta Lähi-idän tulivuorista (Kuva 5).

Kuva 5. Kuvakaappaus kartasta jossa esitetään Lähi-idän tulivuoret.

 

 

 

 

 

 

Selaillessani muiden blogeja huomasin myös, että jotkut olivat käyttäneet muuta projektiota kuin Mercatoria esim. Eemelin kartat olivat todella hienoja osittain tämän takia. Tätä olisi voinut itsekin harkita.

 

Lähteet:

Cardwell, Amelia. Viikko 6: Maastossa seikkailua ja luonnonhasardeja.

https://blogs.helsinki.fi/amca/2019/02/21/299/ (luettu 24.3.2019)

Eskelinen, Vesa. Kuudes kerta: Tulivuoria ja maanjäristyksiä.

https://blogs.helsinki.fi/veesvees/2019/03/23/kuudes-kerta-tulivuoria-ja-maanjaristyksia/ (luettu 24.3.2019)

Korhonen, Riina. Kurssikerta 6.

https://blogs.helsinki.fi/riinakor/2019/03/15/181/ (luettu 24.3.2019)

Haapanen, Eemil. Kurssikerta 6 – Interpolointi, uhka vai mahdollisuus?

https://blogs.helsinki.fi/hceemil/2019/02/23/kurssikerta-6-interpolointi-uhka-vai-mahdollisuus/ (luettu 24.3.2019)

http://globalvolcanomodel.org/wp-content/uploads/2015/08/Appendix-B-Region-3-Middle-East-and-Indian-Ocean.pdf (luettu 24.3.2019)

Viikko 5 – Puskurointi ja itsenäinen työskentely

Tunnin aluksi tutkimme viime viikolla tehtyjä Pornaisten alueelle itse piirtämiämme karttakohteita ja niiden kanssa harjoittelimme erilaisten analyysi työkalujen käyttöä. Kurssikerran aluksi kuitenkin huomasin, että kaikki rakennukseni olivat kadonneet kartastani, sillä olin ilmeisesti unohtanut tallentaa väliaikaisen välilehden erikseen. Jos tästä jotain positiivista haluaa löytää, niin ainakaan en helposti tee samaa virhettä uudestaan sillä niin paljon kyllä ketutti. Onneksi Artulla oli valmiina aineistot, mitä pystyin käyttämään eikä tunti kaatunut osaltani tähän virheeseen.

Pornaisten kartta-aineistoa käyttäen teimme erilaisia puskureita kohteiden ympärille ja analysoimme tuloksia. Puskurointi, kun sen oli kerran löytänyt, oli helppokäyttöinen ja miten että sitä voitaisiin yksinkertaisimmillaan käyttää selvittämään, vaikka kuinka lähellä suunniteltavia tuulivoimaloita asutus on sillä, jotkut ihmiset kokevat tuulivoimalan läheisyydessä asuessaan negatiivisia terveysvaikutuksia (THL). Nestori taas mainitsi, että puskurointi on todella käyttökelpoinen työkalu, vaikka kauppojen asiakas-/vaikutusalueiden tarkastelussa. Meille ei ole ainakaan vielä opetettu kuinka tehdä saavutettavuusanalyyseja esim. selvitetty kuinka nopeasti ja kuinka laajalta alueelta jonnekin pisteeseen pääsee autolla tai julkisilla kulkuvälineillä. Jos sen vielä joskus oppisi, niin bufferi analyysin kanssa yhdessä käyttäen, voisi tulevaisuudessa tehdä todella mielenkiintoisia analyyseja vaikka mitä dataa käyttäen.

Sitten jouduimmekin itsenäisten töiden pariin ja jouduimme käyttämään eri työkaluja itsenäisesti erilaisten asioiden selvittämisessä. Työkerta erosi edellisistä merkittävästi sillä pääpaino oli omassa tekemisessä. Tällä kerralla ei ollut mahdollisuutta seurata Arttua passiivisesti ja klikkailla asioita perässä vaan täytyi miettiä työkalujen käyttöä itsenäisesti.  Toisaalta kuten Riinakin sanoi asian, itsenäisesti tehdessä tehtäviä oli pakko keskittyä omaan tekemiseen, mikä taas helpotti ymmärrystäni uusien työkalujen käytöstä. Olin kuitenkin hiukan kipeä joten lähdin tunnilta etuajoissa. Palaan tehtävien pariin ehkä myöhemmin.

Kuva 1. Taulukko

Statistics Panel on minulle hieman vaikeakäyttöinen enkä ole kunnolla ymmärtänyt sen logiikkaa siltä osin, että saisin siihen näkyviin ne asiat joita haluan tarkastella. Olen kuullut sen hienoudesta ja käyttökelpoisuudesta yhdistettynä Spatial Query työkaluun, joten haluan vielä ehdottomasti oppimaan käyttämään tätä analyyseissä. Muuten erilaisia analyysi työkaluja on oppinut käyttämään ihan hyvin esim. tällä kerralla käytetty Join attributes by location -toiminto on jo tuttu.

Yksi hienoimpia löydöksiäni kurssilla oli kun opin, mistä karttojen tarkkuutta voi säätää, minkä löysin kun väsäsin blogini otsakekuvaa ja aloin miettimään millä tarkkuudella sen haluan. Muutenkin tuntuu että karttojen visuaalista ilmettä säätelevät työkalut ja Composer ikkuna alkaa olla hallussa.

Itse olen myös oppinut etsimään ja laittamaan päälle pullugins valikosta vektoreiden analyysityökalut, sillä minulla ne tuppaavat aina välillä katoamaan ja on muutaman kerran tullut paniikki tunnilla, kun Arttu on jo jatkamassa selitystä eteenpäin ja minä joudun vielä pyytämään hänet apuun. Työkalujen alkaa myös itse muistamaan mistä ne tutimma löytyy ja miten niitä käytetään, mutta on myös asioita jotka ovat vielä epävarmoja.

 

Lähteet:

Grönholm, Nestori. Luku 5. Aivot käyttöön.

https://blogs.helsinki.fi/nestorig/2019/02/26/luku-5-aivot-kayttoon/ (luettu 23.3.2019)

Korhonen, Riina. Kurssikerta 5.

https://blogs.helsinki.fi/riinakor/2019/03/13/205/ (luettu 23.3.2019)

https://thl.fi/fi/web/ymparistoterveys/melu/tuulivoima-ja-melu (luettu 23.3.2019)

Viikko 4 – Ruutu- ja rasterikartat

Tällä viikolla käsiteltävät tietokantojen ja aineistojen suuruus aiheutti päänvaivaa sillä QGIS kaatui minulla muutamankin kerran ja taas alkoi muistamaan tallentamisen tärkeyden.

Tunnin ensimmäisenä aiheena oli ruutumatriisinteko pääkaupunkiseudun väestöstä, jonka avulla voi tarkastella jotain muuttujaa. Aineistona oli pistetietokanta ja kuten Iidakin mainitsi, pistetietokannoissa on tietoa pistemäisistä kohteista, kuten rakennuksista ja niissä asuvista ihmisistä. Vilma taas mainitsi blogissaan, ruutumatriisin etu on, että sen avulla pystyy tarkastelemaan absoluuttisia arvoja vertailukelpoisesti. Lukuja ei siis tarvitse suhteuttaa mihinkään esim. pinta-alaan. Toki silloin kun tarkastellaan vaikka väestöä niin täytyy pitää mielessä, että joillain alueilla asuu enemmän ihmisiä miksi myös jotain ilmiötä voi esiintyä määrällisesti enemmän. Tämä ei kuitenkaan automaattisesti tarkoita sitä, että ilmiön olisi alueella yleisempi kuin muualla.

Päätin tehdä oman karttani 25 – 29 vuotiaiden osuudesta pääkaupunkiseudulla. (Kuva 1) Vaikka olisin voinut tehdä kartan käyttäen absoluuttisia arvoja, päätin lopulta, että suhteuttamalla heidän määränsä kaikkiin asukkaisiin ja laskemalla heidän prosentuaalisen määränsä, voi ehkä saada mielenkiintoisemman kartan. Päätin myös käyttää tunnillakin käytettyä 1000 x 1000 metristä ruudukkoa muutaman erilaisen ruutukoko kokeilun jälkeen sillä tällä tavoin sain enemmän pisteitä yhden ruudun sisään, joten prosentuaalinen vertailu on mielestäni mielekkäämpää. Näin jälkikäteen ajateltuna Iidan käyttämällä hyvin pienillä 250 x 250 metrisiä ruutuja sekä absoluuttisia arvoja käyttämällä, olisi voinut saada hyvinkin mielenkiintoisen ja ehkä myös käyttökelpoisemman kartan, mutta tälle mietinnälle minulla ei ole perusteluja.

Kuva 1. Kartta pääkaupunkiseudulla asuvien 25 -29 vuotiaiden suhteellisista osuuksista väestöstä esitettynä ruutumatriisissa, jossa ruudun koko on 1km2.

Ihmisryhmänä 25 -29 vuotiaat valikoituivat. Kriitisesti näin jälkikäteen tarkasteltuani karttaa huomaan, että vaaleimmalla värillä kuvatut ruudut uhkaavat sekoittua taustaan, joten astetta tummempi värivalinta helpottaisi kartan luettavuutta. Karttaa tarkastellessa huomaa ensimmäisenä pääkaupunkiseudun laidoilla olevat ruudut, joissa on huomattavan korkea osuus kyseisen ikäluokan edustajia, mutta tarkempi katsominen paljasti, että kyseisien ruutujen kodalle sijoittui vain yksi piste. Tästä syystä iso prosentuaalinen osuus on mitä luultavimmin vain sattumaa eikä tämä ole kartan esittämän tiedon analysoinnin kannalta hyvä asia. Sama ongelma tuli myös Eemilille tosin hänen kartassaan ongelma oli isompi, sillä hän käytti kartassa 500 x 500 metrin ruutuja. Hänen ratkaisunsa oli käyttää harvaan asutuilla alueilla suurempaa, 2000x2000m ruutukokoa säilyttäen silti tiheästi asuttujen alueiden yksityiskohtaisemman, pienen ruutukoon. Ratkaisu on hassuhkon näköinen yhdistelmä kartta enkä ole varma siitä, onko kartta yhtään sen käyttökelpoisempi kuin minun karttani. Eri ruutukoolla tehtyjen alueiden keskinäinen vertailu ei välttämättä sen avulla onnistu, mutta ratkaisu on sinänsä mielenkiintoinen.

Edellisen asian kun ottaa huomioon niin karttani on ihan luettavissa ja käyttökelpoinen. Kantakaupungissa Ikäryhmän osuus on yllättävän suuri, kun ottaa huomioon alueen hintatason ja sen ettei tämän ikäiset välttämättä ole työelämässä. Toisaalta tämä voi myös selittää asiaa, jos he asuvat opiskelija-asunnoissa ja saavat asumistukea. Muuten kartan välittämä informaatio on hyvin ennalta arvattavissa, sillä kartasta näkee selvästi, että 25-29 vuotiaat ovat keskittyneet ratojen varsille. Kauempana kantakaupungista, missä joukkoliikenneyhteydet eivät ole niin hyvät, ikäluokan prosentuaalinen osuus väestöstä on pienempi. Löysin myös Elinan tekemän kartan, jossa hän esitti myös 25-29 vuotiaiden sijoittumista, mutta toisin kuin minä hän käytti absoluuttisia arvoja. Suurpiirteisesti kartat näyttävät hyvin samankaltasisilta eli myös hänen kartassaan näkyy, että kantakaupunki ja ratojen varet ovat paikkoja, joissa asuu paljon 25 – 29 vuotiaita. Koska hänen karttansa ruutukoko on suunilleen sama, karttoja vertailemalla saa tarkemman kuvan siitä, missä 25 – 29 vuotiaat asuvat pääkaupukiseudulla.

Seuraavaksi tarkastelimme rasteri aineistoa Pornaisista keskittyen erityisesti rinnevalovarjostukseen sekä korkeuskäyriin. Itsenäisenä tehtävänä oli ladata Paitulista alueen korkeuskäyrät ja verrata niitä itse QGIS:ssä laatimiini korkeuskäyriin. Korkeuskäyriä tarkastellessa päällekkäin (Kuva 2) huomaa että korkeuskäyrät seuraavat samoja linjoja eroavat toisistaan yksityiskohdissa. QGIS:ssä tekemäni käyrät ovat paljon ”röpelöisemmät” ja ehkä tarkemman oloiset vaikkakin sitä on mahdotonta arvioida tällä aineistolla. Iina ehdotti blogissaan, että voisi johtua peruskarttalehden tarkoituksesta eli, koska peruskarttalehdellä pyritään antamaan yleiskuva alueesta, liian yksityiskohtaiset korkeuskäyrät heikentäisivät kartan luettavuutta ja informatiivisuutta.

Kuva 2. Kuvakaappaus Pornaisten itäpuolelta, jossa Maanmittauslaitoksen korkeuskäyräaineisto mustalla jonka päällä on QGIS:ssa luodut korkeuskäyrät punaisella. Korkeuskäyrät 5 metrin välein.

Lopuksi meillä oli tehtävänä piirtää Pornaisten karttapohjalle karttaelementtejä ja luoda niistä itse tietokantoja. Viivamaisena kohteena piti piirtää tiet ja talot taas merkittiin pistemäisinä kohteina. QGIS:tä huomasi, ettei kyseessä ole mikään Corel DRAW sillä käyttöliittymä ei ollut samalla tavalla helppokäyttöinen.

 

Lähteet:

Lehtonen, Iida. Blogi 4 – rasteriaineisto ja ruututietokannat.

https://blogs.helsinki.fi/lida/ (luettu 22.3.2019)

Kaukavuori, Vilma. Risuja ja ruutuja.

https://blogs.helsinki.fi/vilmakau/ (luettu 22.3.2019)

Haapanen, Eemil, Kurssikerta 4 – Asukastietokantoja ja korkeuskäyriä.

https://blogs.helsinki.fi/hceemil/ (luettu 22.3.2019)

Rusanen, Iina. Ruututietokantoja ja rastereita.

https://blogs.helsinki.fi/iinarusa/2019/02/08/ruututietokantoja-ja-rastereita/ (luettu 22.3.2019)

Huhtinen, Elina. Viikko 4 – rasterikarttoja ja virheitä, joista toivottavasti oppii.

https://blogs.helsinki.fi/huhelina/2019/02/09/viikko-4-rasterikarttoja-ja-virheita-joista-toivottavasti-oppii/ (luettu 22.3.2019)

Viikko 3 – Tietokannat

Tämän viikon päällimmäinen olo on, että vaikeustaso nousi taas aivan uudelle tasolle. Teimme tunnilla Afrikan konflikteista ja luonnonvaroista sekä internettiin pääsyn tason kuvaavan kartan. Tarkoitus oli oppia käyttämään tietokantoja esim. muokkaamaan niitä käyttökelpoisiksi. Ilmeisesti emme voi olettaa löytävämme tulevaisuudessa tietoa niin, että se on aina valmiiksi sopivassa käyttökelpoisessa muodossa jo valmiiksi vaan meidän pitää oppia käsittelemään tietokantoja, jotta voimme tulevaisuudessa hakea tietoa eri lähteistä.

Afrikan kartasta (Kuva 1) näkee konfliktien määrän sekä timanttikaivokset ja öljykentät, jotka eivät sijaitse merellä eli ”onshore oil”. Vasta Afrikan kartan sisältävän projektin poistettuani muistin, että Arttuhan oli sanonut, ettei absoluuttisia arvoja saisi kuvata kartalla vaan pitäisi kuvata esim. prosentteja, mutta tämä on nyt tällainen ja halusin sen laittaa sen kuitenkin esille blogiin. Kiinnitin myös Amandan tavoin huomiota siihen, että Libyassa ei ole enempää konflikteja maan viimeaikaisesta epävakaudesta huolimatta, mutta tulin siihen tulokseen, että tehtävässä käytetty aineisto on vanhentunutta, mistä tämä ihmeellinen tulos johtuu. Tämän voisi ehkä ottaa opetuksena siitä, että käytettävien aineistojen ajantasaisuuteen ja keräämisajankohtaan pitää kiinnittää huomiota, kun niiden käyttöä miettii.

Kuva 1. Afrikan konfliktit maittain jaoiteltuna sekä timanttikaivokset ja öljykentät.

Laajemmin tietokannasta löytyvillä tiedoilla voisi tutkia monia eri asioita. Esimerkiksi Saagan mainitsema aluekehityksen näkökulma on mahdollinen, jos näkökulmaksi ottaa ajallisen kehityksen esim. konfliktien määrää tutkiessa. Aineistosta löytyvästä konfliktien laajuudesta kertova data eli konfliktien säde kilometreinä voisi myös olla mielenkiintoinen tarkasteltava, jos halutaan miettiä kuinka laajalla alueella konfliktin vaikuttaa esim. onko kyse paikallistason konfliktista vai vaikuttaako se koko valtioon.  Toisaalta haluaisin myös tietää enne analyysin tekoa, miten kyseisiin alueisiin on päädytty, sillä tällä on vaikutusta siihen, kuinka käyttökelpoista tieto on. Maailma on myös harvoin yksikertaisesti selitettävissä ja asiat voivat vaikuttaa yllättävillä ennustamattomilla tavoilla ihmisten elämään kaukanakin tapahtumapaikasta. Esimerkiksi tärkeillä viljelyalueilla tapahtuvat kriisit voivat vaikuttaa ruuan hintaan ja ruokaturvaan lokaalisti ja jopa globaalisti. Ruuan saatavuuden heikkeneminen tai konfliktit taas voivat johtaa pakolaisvirtoihin naapurimaihin tai vaikka eri mantereelle ja näin vaikutukset voivat säteillä hyvinkin laajalle alueelle.

Itsenäinen tehtävä oli tehdä koropleettikartta, jossa esitetään Suomen valuma-alueiden tulvaindeksi ja järvisyysprosentti pylväinä. (Kuva 2) Tein suosiolla kartasta perusversion eli suurin osa aineistosta oli jo valmiiksi laskettu. Pylväiden saamisessa näkyviin minulla oli ongelmia kuten Hennilläkin, mutta sain ne lopulta näkyviin tuurilla puolen tunnin säätämisen jälkeen. Koska tein kartan kotona omalla läppärillä, jossa ei ole corel DRAW:ta, niin en viitsinyt tulla viimeistelemään karttaa kampukselle vaan ilmoitin legendassa vain aineiston vaihteluvälin.

Kuva 2. Suomen valuma-alueiden tulvaindeksi koropleettikartalla esitettynä ja järvisyysprosentti pylväinä esitettynä.

Karttaa tulkitsemalla voi huomata, että riski j tulvimiseen on suurin Pohjanmaalla sekä Etelä-Suomen rannikkoalueilla. Muualla Suomessa jokien tulvariski on hyvin pieni. Varsinkin Inarijärven alueella sekä Keski- ja Järvi-Suomessa, joilla alueilla järvisyys prosentti on suuri, tulvaindeksi on pieni. Tämän korrelaation perusteella voisi tulkita, että järvisyys ehkä tasaa tulvia ja muutenkin estää jokien suurta tulvimista. Aineistosta myös pomppaa esiin se, että Aurajoen valuma-alueen tulvaindeksi on todella suuri eli aivan omaa luokkaansa Suomessa. Siksi myös tein sille oman luokkansa aineistoon sillä mielestäni kaikki QGIS:sin valmiiksi ehdottamat luokittelut eivät esittäneet asiaa selkeästi ja todenmukaisesti esim. Anttonilla viimeinen luokka oli todella iso mihin hän itsekin kiinnitti huomiota. Visuaaliselta ilmeeltään karttani on mielestäni onnistunut hyvin enkä luultavasti näillä taidoilla vielä pysty tekemään parempaa.

 

Lähteet:

Ojasalo, Amanda. Tietokantaliitokset.

https://blogs.helsinki.fi/amandaoj/2019/02/02/tietokantaliitokset/ (luettu 20.3.2019)

Laapotti, Saaga. Kovaa hermojen koettelua.

https://blogs.helsinki.fi/saagalaa/ (luettu 20.3.2019)

Wessman, Henni. Viikko 3: Timantteja ja tulvia.

https://blogs.helsinki.fi/henniwes/ (luettu 21.3.2019)

Tumanoff, Anttoni. Tietokantaliitoksia ynnä muuta.

https://blogs.helsinki.fi/gis-1-anttoni/2019/01/29/tietokantaliitoksia-ynna-muuta/ (luettu 21.3.2019)

Viikko 2 – Projektiot

Tällä viikolla aiheena oli projektiot. Opimme, että erilaisia aineistoja, joita voi ladata ja käyttää on valtava määrä ja niitä pystyy lataamaan erilaisten rajapintojen kautta.

Ensimmäisenä tehtävänä oli piirtää viiva ja alue mittatyökalulla ja tarkastella niiden kautta eri projektioiden vaikutuksia. Jostain kumman syystä minulla piirrokseni katosivat aina välillä niin, että samalla kerralla oli mahdotonta vertailla viittä eri projektiota. Yritin tätä monta kertaa mutta lopulta meni hermot ja en tiedä oliko vika minussa vai QGIS:sissä. Esimerkiksi Emilian blogissa oli kuitenkin taulukko, joka visualisoi hyvin, kuinka paljon Pohjois-Suomen pinta-ala vääristyy eri projektioissa. Varsinkin Mercatorin projektiossa vääristymä on huomattava verrattuna ETRS-FIN projektioon, joka on oikeapintainen projektio.

Kuten myös Nestori mainitsi seuraavassa tehtävässä yhdistettiin rajapintojen käyttö ja projektioiden vääristymien havainnollistaminen. Sillä haimme WFS-vektorirajapinnan avulla kuntatilastot vuodelta 2015 ja laskettiin kuntien pinta-alat. Tämän jälkeen visualisoimme vääristymät kartalle. QGIS:sistä ohjelmistona opin sen, että välilehdet kannattaa tallentaa jokaisen projektion vaihdon jälkeen, jotta laskutoimitukset varmasti onnistuvat siinä. Valitsin Mercatorin projektion (Kuva 1) lisäksi Mollweiden projektion (Kuva 2) ja tein näistä kartat. Toisin kuin ainakin Vilma ja Nestori päätin visualisoida erot niin, että kartat olivat siinä projektiossa minkä eroa ETRS89/ETRS-LAEA projektioon esitin.

Kuva 1. Suomen kuntien pinta-alojen prosentuaalinen vääristymä verratessa Mercatorin projektiota ETRS89/ETRS-LAEA projektioon. Kartta on esitetty Mercatorin projektiossa.
Kuva 2. Suomen kuntien pinta-alojen vääristymä vertallessa Mollweiden projektiota ETRS89/ETRS-LAEA projektioon. Kartta on esitetty Mollweiden projektiossa.

Visuaalisesti olin ihaillut esim. Onnin blogin ensimmäisen kerran karttaa, jossa hän oli lisännyt Euroopan maiden siluetin Suomen kartan taustalle. Päätin kokeilla samaa itsekin, koska arvelin karttojeni näyttävän paremmilta, kun niistä näkee, kuinka Suomi asettuu kartalle eri projektioissa eikä ns. leijaile tyhjällä paperilla. Valitsin myös ohjeen innoittamana karttoihini dramaattisimman värivaihtoehdon minkä löysin ja olen itse aika tyytyväinen saavuttamaani lopputulokseen.

Mercatorin projektiossa olevaa karttaa (Kuva 1) katsomalla huomaa, että pohjoiseen päin mentäessä pinta-alan vääristymä kasvaa, tosin legendaa katsomalla huomaa, että myös Etelä-Suomessa vääristymä on huomattava. Mollweiden projektiossa oleva kartta (Kuva 2) näyttää ensisilmäyksellä hyvin samanlaiselta. Pinta-alan vääristymä kasvaa, mitä pohjoisempaa Suomea tarkastelee. Legendan perusteella huomaa kuitenkin, että koska Mollweiden projektio on oikeapintainen samoin kuin ETRS89/ETRS-LAEA projektio niin niiden väliset erot ovat marginaalisia. Tästä voi ainakin huomata sen kuinka tärkeää on katsoa legenda, jottei päädy kartan perusteella vääriin johtopäätöksiin.  Muodoltaan Mollweiden projektiossa oleva Suomi on kuitenkin vääristynyt ja vertaillessani sitä ETRS89/ETRS-LAEA projektioon Suomi vaikuttaa siinä hieman ”litistyneeltä”.

Selaillessasi muiden blogeja läpi huomasin, että Sanni oli myös valinnut Mollweiden projektion vertailtavaksi kartassaan ja että tekemämme kartat ovat hyvin saman näköiset. Kiinnostavaa on kuitenkin se, että myös Nestori oli valinnut Mollweiden projektion ja hänen karttansa eroaa minun ja Sannin kartoista merkittävästi. Hetken asiaa mietittyäni huomasin, että hän oli vertaillut Mollweiden projektiota ETRS89/TM-35FIN-projektioon eikä ETRS89/ETRS-LAEA projektioon. mikä voisi selittää eroja. Sillä jos kaikkien kolmen projektion erot ovat marginaalisia niin silloin TM-35FIN ja LAEA projektioiden pienet erot voivat ehkä johtaa noin suuriin eroihin lopputuloksessa.

 

Lähteet:

Ihalainen, Emilia. Viikko 2 – Projektiot.

https://blogs.helsinki.fi/ihem/ (luettu 20.3.2019)

Grönholm, Nestori. Luku 2. QGIS, tuo ikuinen mysteeri.

https://blogs.helsinki.fi/nestorig/ (luettu 20.3.2019)

Kaukavuori, Vilma. Uskomattomia pinta-ala vääristymiä.

https://blogs.helsinki.fi/vilmakau/ (luettu 20.3.2019)

Pörhölä, Onni. I Niin se taas alkaa.

https://blogs.helsinki.fi/onniporh/ (luettu 20.3.2019)

Laaksonen, Sanni. Kurssikerta 2.

https://blogs.helsinki.fi/sanlaaks/ (luettu 20.3.2019)