Month: February 2024

 

Viimeisen kurssikerran ohjeistuksena oli luoda jonkinlainen karttaesitys omatoimisesti käyttäen itse valitsemia aineistoja. Tämä tuotti aluksi jonkin verran päänvaivaa, koska minulla ei ollut minkäänlaista käsitystä, mistä näitä aineistoja pitäisi lähteä etsimään. Aluksi ajattelin käyttää edellisten viikkojen kartta-aineistoja ja tehdä niistä jonkinlaisen uuden karttaesityksen. Päätin sitten kuitenkin harjoitella aineistojen lataamista netistä ja päädyin lataamaan paitulista Tilastokeskuksen csv-muotoisen aineiston Suomen kuntien avainluvuista.

Tutkin joidenkin attribuuttitaulukosta löytyvien muuttujien avulla kuntien välisiä eroja. Tein sen hyvin yksinkertaisesti valitsemalla alueita muuttujan arvon mukaan. Otin muutamasta valinnasta screeshotin ja liitin ne tähän alapuolelle.

Kunnat, joiden työttömyys on yli 14%.

Yllä olevasta kuvasta voidaan huomata, että vakavimmat työttömyysongelmat ovat keskittyneet pääosin itäiseen ja pohjoiseen Suomeen.

 

Kunnat, joissa vuokra-asuntoja on yli 40% kaikista asunnoista.

Voidaan huomata, että eniten vuokra-asuntoja on väkiluvultaan suurissa kunnissa. Näissä kaikissa on myös paljon erilaisia mahdollisuuksia kouluttautumiselle, mikä tuo kuntiin opiskelijoita, jotka asuvat useimmiten juuri vuokra-asunnoissa.

 

Kunnat, joissa korkeakoulutettuja yli 35% 15-vuotta täyttäneestä väestöstä.

Yliopisto-opiskelijoiden määrä yliopistoittain vuonna 2022. (Stat.fi)

Kahdesta yllä olevasta kuvasta voidaan huomata, että keskeisimmät korkeakoulutetun väestön keskittymät ovat sijoittuneet väkiluvultaan suuriin kuntiin, joissa sijaitsee korkeakouluja. Tästä voidaan päätellä, että sellaisista kunnista, joissa ei ole korkeakouluja on suurempi kynnys lähteä opiskelemaan toisen asteen jälkeen. Tai sitten muualta tulevat opiskelijat jäävät usein töihin suuriin kaupunkeihin eivätkä palaa takaisin kotiseuduilleen valmistumisen jälkeen.

Selailin vielä muiden kurssilaisten blogeja ja löysin niistä hyvin hienoja ja vaikuttavia karttaesityksiä. Monet olivat selkeästi oppineet käyttämään useita QGIS:in työkaluja, joita itse en osaa vielä täysin omatoimisesti käyttää. Mieleeni jäi erityisesti Aura Niskasen seitsemännen kurssikerran blogipostaus, jossa oli esitelty maat, joissa teurastettiin vuonna 2021 eniten eläimiä maailmassa. Lisäksi karttaesityksessä eriteltiin, mitä lajeja näissä maissa on teurastettu eniten. Karttaesitys oli hyvin informatiivinen ja mielestäni huolellisesti tehty.

Lähteet:

Tilastokeskus – Kuntien avainluvut. (2022) Viitattu 29.2.2024. https://www.stat.fi/tup/alue/kuntienavainluvut.html#?year=2023&active1=SSS

Niskanen, A. (2024) Seitsemäs kurssikerta. Viitattu 29.2.2024.  https://blogs.helsinki.fi/niskanau/

 

 

Tämän viikon kurssikerralla harjoittelimme itse luomaan aineistoa sekä muokkaamaan ja analysoimaan sitä QGIS-ohjelmalla. Lisäksi harjoittelimme muokkaamaan muualta löytyvää dataa sellaiseen muotoon, että se voidaan sijoittaa suoraan kartalle.

 

Kävimme kurssikerran alussa pienellä kävelyllä kampuksen ympäristössä. Samalla keräsimme Epicollect5-sovellukseen paikkatietoa erilaisista paikoista, joissa kävelimme. Arvioimme esimerkiksi paikkojen turvallisuutta, viihtyvyyttä ja ruuhkaisuutta. Sitten yhdistimme luomamme tiedot yhdeksi Kumpulan aluetta kuvaavaksi kartaksi. Muokkasimme karttaa niin, että se kuvaa tuntemaamme turvallisuuden tunnetta alueittain. Kartassa vaaleansiniset pisteet ovat paikkoja, joissa vierailimme. Tummansiniset alueet on koettu turvallisiksi ja tummanpunaiset alueet turvattomiksi.

Seuraavana harjoittelimme tuomaan internetistä löytyvää aineistoa QGIS-ohjelmaan ja muokkaamaan siitä mahdollisimman informatiivisia karttoja. Etsin earthquake.usgs.gov- nettisivulta aineistot, joissa on kaikki vuoden 1980 jälkeen tapahtuneet maanjäristykset. Valitsin tutkittavaksi yli kuuden, seitsemän ja kahdeksan magnitudin maanjäristykset. Muokkasin tiedon csv- tiedostomuotoon ja siirsin sen QGIS-ohjelmaan. Seuraavaksi etsin vielä aineiston maapallon tulivuorista ngdc.noaa.gov- sivustolta, muokkasin sen csv- tiedostomuotoon ja siirsin QGIS-ohjelmaan. Tein näistä aineistoista kolme karttaa, jotka ovat alapuolella.

Tulivuoret keltaisella ja yli kuuden magnitudin maanjäristykset vaaleanpunaisella.

 

Tulivuoret keltaisella ja yli seitsemän magnitudin maanjäristykset violetilla.

 

Tulivuoret keltaisella ja yli kahdeksan magnitudin maanjäristykset punaisella.

 

Mielestäni yllä olevat kartat ovat hyviä ja informatiivisia. Niiden avulla pystytään hyvin huomaamaan yhteys tulivuorten ja maanjäristysten välillä, etenkin ylimmästä kartasta, jossa näkyy kaikki yli kuuden magnitudin maanjäristykset. Karttojen avulla pystytään tutkimaan hyvin litosfäärilaattojen saumakohtien sijaintia, koska niillä alueilla on paljon tulivuoria sekä tapahtunut paljon maanjäristyksiä.

 

Etsin internetistä aiheeseen liittyviä kuvia ja löysin seuraavan linkin takaa hyvin informatiivisen kuvan maapallolla tapahtuneista maanjäristyksistä vuosina 1963–1998. https://maailmamuutoksessa.wordpress.com/2016/02/06/maanjaristykset/ Kyseinen kuva esittää pienemmätkin tapahtuneet maanjäristykset, minkä takia maanjäristyksiä esittäviä pisteitä on todella paljon. Suurimmat pisteiden keskittymät sijaitsevat kuitenkin samoissa paikoissa, kuin minunkin tekemissä kartoissa. Siitä voidaankin päätellä, että kaikista herkimpiä alueita maajäristyksille ovat Koillis- ja Kaakkois-Aasia sekä Etelä-Amerikan länsirannikko.

 

Luin vielä kurssikaverini Veera Matikaisen kuudennen harjoituskerran blogipostauksen läpi ja huomasin, että hän oli tehnyt maanjäristys- ja tulivuoriaiheesta interpoloidun kartan. Kartassa näkyi selkeästi punaisella alueet, joissa maanjäristysten esiintyvyys on ollut suurinta vuosien 2000 ja 2024 välillä. Kartasta voi siis huomata selkeästi alueet, joissa maanjäristyksestä aiheutuvan katastrofin riski on suurin.

 

Lähteet:

USGS, Search Earthquake Catalog. Viitattu 23.2.2024. https://earthquake.usgs.gov/earthquakes/search/

NOAA, National Centers for Environmental Information. Viitattu 23.2.2024. https://www.ngdc.noaa.gov/hazel/view/hazards/volcano/loc-search

Maailmamuutoksessa, (6.2.2016) Maanjäristykset. Viitattu 23.2.2024. https://maailmamuutoksessa.wordpress.com/2016/02/06/maanjaristykset

Matikainen, V. (2024) Kuudes kurssikerta. Viitattu 23.2.2024. https://blogs.helsinki.fi/veematik/2024/02/21/kuudes-kurssikerta/

 

Yllä on kuva alkuharjoituksen tuotoksesta, jossa harjoittelimme luomaan vyöhykkeen valitun kohteen ympärille. Vyöhykkeen avulla voidaan tutkia, miten suurelle alueelle tietyn ilmiön tai tapahtuman vaikutukset ylettyvät. Tässä on tutkittu, kuinka laajalle alueelle Pornaisten suurempien autoteiden meluhaitat ulottuvat. Autoteiden ympärille luotiin sadan metrin levyinen vyöhyke, joka näkyy kuvassa pinkillä. Pinkille vyöhykkeelle osuvat asuintalot sijaitsevat enintään viidenkymmenen metrin etäisyydellä autotiestä, ja kärsivät tällöin autotien meluhaitoista. Vyöhykkeelle osui 134 asuintaloa.

 

Tässä kuvassa näkyy Malmin lentokentän kiitoradat violetilla. Halusin tutkia, kuinka monta asuintaloa kärsii lentokentältä tulevista meluhaitoista. Loin lentokentän ympärille vyöhykkeen yhden kilometrin säteellä. Tilastosta voi huomata nyt, että 830 asuintaloa sijaitsee enintään kilometrin etäisyydellä lentokentästä, eli kärsii lentokentän meluhaitoista. Näissä asunnoissa asuu yhteensä 9102 henkilöä. Kuvasta voi huomata myös, että vyöhykkeen sisälle sijoittuu myös yksi juna-asema (vaaleanpunainen suorakaide).

Seuraavaksi loin Malmin lentokentän ympärille vyöhykkeen kahden kilometrin säteellä. Tilastosta voidaan huomata, että 4957 asuintaloa sijaitsee korkeintaan kahden kilometrin etäisyydellä lentokentästä. Samasta tilastosta nähdään, että näissä asunnoissa asuu yhteensä 58 897 henkilöä, eli niin moni ihminen kärsii kuvitteellisista meluhaitoista. Alle kahden kilometrin päässä Malmin lentokentästä sijaitsee myös kolme juna-asemaa.

 

Tämän kurssikerran jälkeen QGIS- ohjelman käyttö tuntui hyvin paljon selkeämmältä kuin aiemmin kurssilla. Ensimmäistä kertaa osasin itsenäisesti luoda ja yhdistellä tietoa ilman, että jouduin katsomaan jokaisen hiiren klikkauksen opettajalta. Vektori- ja rasteritasojen yleisilmeen muokkaaminen sujuu jo ongelmitta. Löydän myös jo helpommin erilaiset toiminnot ohjelman yleisnäkymästä ja tiedän, minkälaista työkalua voidaan käyttää tietynlaisen ilmiön tarkastelussa.

Tuntuu, että osaan jo itsenäisesti luoda jonkin tietokannan attribuuttitaulukkoon uusia sarakkeita laskemalla olemassa olevasta tiedosta erilaisia arvoja, esimerkiksi asioiden prosenttiosuuksia koko aineistosta. Tätä ominaisuutta voidaan käyttää esimerkiksi, kun halutaan tutkia eri väestöryhmien jakautumista alueelle.

Bufferivyöhykkeen luominen onnistuu helposti ja onnistuin ongelmitta tutkimaan, minkälaisia objekteja osuu vyöhykkeen sisään. Tätä työkalua voidaan käyttää, kun halutaan tutkia etäisyyttä jostakin valitusta objektista, esimerkiksi lentokentästä, koulusta, autotiestä, yms. Vyöhyketyökalua voidaan käyttää myös vaikka silloin, kun haluttaisiin tutkia ilmansaasteen tai vaarallisen aineen leviämistä esimerkiksi tapaturma-alueelta. Minulle tulee ensimmäisenä mieleen mahdollinen ydinvoimalaonnettomuus, jonka tapahtuessa haluttaisiin tutkia radioaktiivisen saasteen leviämistä ja sitä, mitkä alueet altistuvat saasteelle.

Vaikka QGIS- ohjelmalla voidaan suorittaa hyvin paljon erilaisia toimenpiteitä, liittyy sen käyttöön silti useita rajoitteita. Esimerkiksi rasteriaineistoille ei voida luoda kaikkia samoja toimenpiteitä, mitä voidaan vektoriaineistoille luoda, koska rasteriaineistot eivät ole yhtä monipuolisia ja tarkkoja kuin vektoriaineistot. Lisäksi monista alueista tai ilmiöistä ei löydy sopivia QGIS:ssä aukeavia aineistoja, joten ihan minkä vaan ilmiön tutkiminen ei ole aina mahdollista.

Kävin vielä lopuksi lukemassa muutaman kurssikaverin blogeja ja luin tarkemmin Miki Leinon blogipostauksen. Hän oli tehnyt Malmin lentokentän ympärille yhden kilometrin bufferivyöhykkeen. Hänen bufferivyöhykkeen sisälle 9736 ihmistä ja minun 1 km vyöhykkeen sisälle jäi 9102 ihmistä. Mietiskelin hetken, että mistähän tämä ero johtuu ja päädyin seuraavanlaiseen tulokseen: Malmin lentokentän kiitoradat piirrettiin itse vapaalla kädellä, joten ne osuvat jokaisella hiukan eri kohtaan. Parin metrin heitto kiitoradan sijainnissa voi jättää jonkun ison kerrostalon bufferivyöhykkeen ulkopuolelle. Tulokseen saattaa kyllä vaikuttaa myös jokin aineistoihin liittyvä asia, mutta tämä oli paras päätelmä, mihin päädyin.

 

Lähteet:

Leino, M. (2024) Viides kurssikerta. Viitattu 20.2.2024 https://blogs.helsinki.fi/leinmiki/

 

Tämän viikon aiheena oli laatia ruututeemakartta Helsingin alueesta. Apuna tämän luomiseen käytettiin Helsingin väestöä kuvaavaa vektoriaineistoa, jossa oli informatiikaltaan hyvin suuri attribuuttitaulukko. Harjoittelimme tarpeettomien sarakkeiden poistamista attribuuttitaulukosta, jotta teemakartan luominen olisi helpompaa ja nopeampaa.

Sain tehtävän kurssikerran aikana lähes valmiiksi. Ainoastaan teemakarttojen visuaalisen osan luominen jäi kesken ja ajattelin, että teen sen myöhemmin kotona valmiiksi. Tallensin mielestäni kaikki tasot erikseen, mutta kun koitin avata työtä kotona, en jostain syystä saanut sitä auki kokonaan. Jouduin sitten aloittamaan koko homman lähes alusta. Hiukan se ärsytti, mutta tulipahan kunnolla harjoitusta QGIS:in käytöstä. Alla on kuvat valmiista luomuksistani. Ensimmäinen kartta kuvaa muunkielisten prosentuaalista jakautumista Helsingin alueelle ja toinen kartta kuvaa ruotsinkielistä prosentuaalista jakautumista.

Muunkielisten prosenttiosuudet

 

Yllä olevasta kartasta voidaan huomata, että muunkielinen väestö jakautuu Helsingin eri alueille suhteellisen tasaisesti. Itäisissä osissa on keskivertoa enemmän muunkielisiä ja luoteisissa osissa on taas keskivertoa vähemmän muunkielisiä. Voidaan huomata, että Helsingissä on muutamia alueita, tässä kartassa 500x500m kokoisia ruutuja, joissa muunkielisten osuus on yli 50 prosenttia.

 

Ruotsinkielisten prosenttiosuudet

 

Tästä kartasta huomataan, että Helsingissä on laajoja alueita, joissa ruotsinkielisen väestön osuus on hyvin pieni. Ruotsinkieliset ovatkin jakautuneet tarkemmin tietyille alueille asumaan. Merkittävimmät ruotsinkielisten keskittymät sijaitsevat aivan itäisessä Helsingissä Sipoon alueella, sekä lounaisessa ja luoteisessa Helsingissä.

Kun näitä kahta karttaa verrataan, voidaan huomata, että joillain alueilla, sekä muunkielisten, että ruotsinkielisten osuus on hyvin suuri. Tästä voidaankin päätellä, että näillä alueilla väestö on hyvin monimuotoista ja erilaisten kulttuuritaustojen omaavia ihmisiä on runsaasti. On myös alueita, joissa on hyvin paljon muunkielisiä, mutta hyvin vähän ruotsinkielisiä. Voidaan päätellä, että näillä alueilla muunkielinen väestö on maahanmuuttajataustaisia henkilöitä, esimerkiksi Aasiasta ja Afrikasta.

Mielestäni näitä ruututeemakarttoja on melko hankalaa lukea, koska ruutujen alta ei näy pohjakarttaa ollenkaan. Lukijan on siis hankala hahmottaa, missä eri alueet tarkalleen sijaitsevat. Ruutujen väriä olisi mahdollisesti voinut muuttaa läpinäkyvämmäksi, mutta omat taidot eivät vielä ihan riittäneet siihen. Lisäksi tämän tyyppisessä ruututeemakartassa informatiivisuus ei ole kaikista tarkimmasta päästä. Alussa ruudut määritellään tietyn kokoisiksi. Mitä suuremmaksi ruudut piirtää, sitä epätarkempi kartasta tulee, koska isojen ruutujen sisällä saattaa olla paljon sisäistä vaihtelua. Jos ruuduista tekee kuitenkin liian pienet, on karttaa vaikeampi lukea, koska se näyttää koostuvan vain pienistä pikseleistä. Koropleettinen kartta väestön jakautumisessa voisi olla ehkä hiukan todenmukaisempi, koska se kuvaisi tarkemmin muodot väestön jakautumisessa.

Lueskelin Jesperi Grönbergin blogitekstin läpi, ja huomasin, että hän oli tehnyt ruotsinkielisen väestön jakautumisesta myös absoluuttisen kartan. Hän kertoi tekstissään hyvin, että absoluuttinen kartta kuvaa tässä ilmiössä melkein pelkästään alueiden asukastiheyden vaihtelua eikä niinkään ruotsinkielisten määrää suhteutettuna muuhun väestöön. Suhteellinen karttaesitys onkin parempi valinta tässä tilanteessa.

 

Lähteet:

J. Grönberg, (2024) Neljäs kurssikerta 7.2.2024. Viitattu 20.2.2024 https://blogs.helsinki.fi/jesperi/

 

Tällä viikolla harjoituksen aiheena oli oppia yhdistelemään eri objekteja yhdeksi sekä tuomaan ulkopuolista tietoa QGIS-ohjelmaan. Harjoittelimme näitä asioita Afrikkaa esittävän aineiston avulla.

Aineisto oli hyvin tarkka, ja siinä näkyi mantereen mittakaavassa todella pieniä yksityiskohtia esimerkiksi rantaviivassa sekä saarissa. Tutkimme aineiston attribuuttitaulukkoa. Taulukossa oli merkattu jokaisen valtion pinta-ala omalle sarakkeelle, mutta pinta-alaan ei oltu laskettu mukaan valtioon kuuluvien saarien pinta-alaa. Jokainen saari oli omalla rivillään, jossa yhteen sarakkeeseen oli merkattu saaren pinta-ala. Harjoittelimme yhdistämään kaikki yhdelle valtiolle kuuluvat objektit yhdeksi objektiksi ja saimme attribuuttitaulun rivien määrän useasta sadasta viiteenkymmeneenkahteen. Jokaisella Afrikan valtiolla oli nyt taulukossa vain yksi rivi.

Seuraavaksi harjoittelimme uuden datan tuomista QGIS-ohjelmaan. Tavoitteena oli siirtää Afrikan valtioiden internetin käyttöä kuvaavasta Excel-taulukosta sarakkeita Afrikkaa esittävän karttatason attribuuttitauluun. Näin pystyisimme tutkimaan helpommin esimerkiksi valtioiden kehittyneisyyttä, kun kaikki tieto olisi samassa taulukossa. Tässä työvaiheessa oli tärkeää se, että molemmissa taulukoissa olisi yhtä monta riviä, ja että jokaisen maan kolmikirjaiminen maakoodi olisi täysin sama molemmissa taulukoissa. Muuten taulukot eivät olisi yhteensopivia, ja niitä ei voisi yhdistää.

Seuraavaksi harjoittelimme yhdistämään eri tietokantojen tietoja yhdeksi. Pohjatiedostona oli edelleen Afrikkaa esittävä karttataso ja siihen haluttiin liittää tiedot kolmesta muusta tasosta: Afrikassa tapahtuneista konflikteista, löydetyistä timanttikaivoksista sekä öljykentistä. Kun kaikki halutut tiedot oli saatu liitettyä yhteen karttatasoon, oli aika analysoida hiukan tuloksia.

Tässä kuvassa violetit alueet kuvaavat öljykenttiä, vaaleanpunaiset pisteet konflikteja ja oranssit pisteet timanttikaivoksia.

 

 

Yllä olevan karttatason attribuuttitaulukko.

Yllä olevassa taulukossa oikeanpuoleisin sarake “U_konfliktit” kuvaa, kuinka monen vuoden ajan valtiossa on ollut konflikteja. “Timantteja”- sarake kuvaa löydettyjen timanttikaivosten määrää. Timanttikaivosten ja konfliktien määrässä ei voida huomata suoranaista yhteyttä, mutta voimme olettaa, että joissain valtioissa timanttikaivokset ovat aiheuttaneet konflikteja. Esimerkiksi Angolassa on ollut konflikteja 42 vuoden ajan ja siellä on myös löydetty 43 timanttikaivosta, mikä on eniten timanttikaivoksia yhden Afrikan valtion sisällä, tämän aineiston mukaan. Voimme päätellä, että tässä tilanteessa timanttikaivokset ovat aiheuttaneet levottomuuksia Angolassa. Voimme seuraavaksi huomata, että Etiopiassa, Eritreassa, Etelä-Sudanissa ja Ugandassa on ollut konflikteja yli kolmenkymmenen vuoden ajan. Näissä valtioissa ei ole kuitenkaan yhtäkään timanttikaivosta, joten konfliktit ovat saaneet alkunsa aivan jostain muusta. Syynä on voinut olla esimerkiksi etnisten ryhmien tai heimojen väliset erimielisyydet.

Luin kurssikaverini Heikki Säntin blogista hänen kolmannen kurssikerran pohdintatekstinsä. Hän oli liittänyt tekstin joukkoon tekemänsä Afrikan konflikteja, timanttikaivoksia ja öljykenttiä kuvaavan kartan. Hän oli merkannut konfliktit pienillä punaisilla räjähdystä kuvaavilla tähtikuvioilla ja timanttikaivokset vaaleansinisillä timantinmuotoisilla symboleilla. Kartan symboliikka helpotti hyvin paljon sen lukemista. Tutkin sen jälkeen vielä minun itseni tekemää karttaa, ja tajusin, että seuraavien kurssikertojen töissä täytyy kiinnittää enemmän huomiota karttojen visuaaliseen puoleen.

 

Lähteet:

Säntti, H. (2024) Kolmas kurssikerta. Viitattu 1.2.2024 https://blogs.helsinki.fi/hksantti/