Tiensuun blogi

Mooooooi!

Nyt on aika viimeisen blogipäivityksen… Tervetuloa siis seuraamaan sitä! Viimeisellä kurssikerralla saimme vapaat kädet toteuttaa juuri sellaiset kartat kuin itse halusimme. Tein etukäteistutkimusta ja etsin neljä SYKE:n tuottamaa aineistoa, joista näki Suomen Natura 2000 -alueet, luonnonsuojelualueet, asemakaavat ja asuinalueet. Ajattelin tekeväni kolme karttaa, ja kaksi olin suunnitellut etukäteen:

1) Koropleettikartta Pirkanmaan kuntien Natura 2000 -alueista; mitä tummempi kunnan väritys, sitä enemmän Natura 2000 -alueita.

2) Kartta Pirkanmaasta, jossa näkyy Natura 2000 -alueiden ja luonnonsuojelualueiden tarkat sijainnit sekä asemakaavat (toteutui… mutta lopputuloksesta en ole kovin vakuuttunut).

3) Joku kartta jostakin kiinnostavasta ja aikaisempiin karttoihin liittyvästä teemasta.

Aloitin kurssikerran varmoin ottein ja alku sujuikin hyvin! Kaikki aineistot avautuivat helposti ja olivat selkeitä. Vaikeudet alkoivat, kun aloitin koropleettikartan tekemistä. Halusin laskea jokaiselle Pirkanmaan kunnalle  Natura 2000 -alueiden pinta-alan osuuden kunnan kokonaispinta-alasta. Mutta… Prosenttiosuuksien laskeminen on aika vaikeaa, kun Natura 2000 -alueet eivät sijoitu rajatusti tietyn kunnan alueelle, vaan leikkaavat kuntarajojen yli. Niinpä tappelin pitkän aikaa QGIS’in kanssa ja koitin selvittää, mitä voisin tehdä. En onnistunut. Lopulta päädyin vain hyppäämään koropleettikartan yli, ja tein kartan, josta näkyy Pirkanmaan Natura 2000 -alueet, luonnonsuojelualueet ja asemakaavat (Kuva 1).

Halusin tehdä kyseisen kartan, jotta voisin tutkia sitä, miten suojelualueet ja Natura 2000 -alueet vaikuttavat kaavoitukseen ja rakentamiseen. Natura 2000 -verkosto on syntynyt Euroopan unionin vastatoimena luontokadolle. Verkoston avulla pyritään turvaamaan luonto- ja lintudirektiivissä määriteltyjä lajien elinympäristöjä ja luontotyypit. Natura 2000 -alueet eivät kuitenkaan ole varsinaisia luonnonsuojelualueita, vaan niiden avulla pyritään turvaamaan lajien ja luontotyyppien suotuisa suojelutaso, eli esimerkiksi erilaiset hankkeet alueella tai sen lähistöllä ovat mahdollisia. Hankkeiden vaikutukset Natura 2000 -alueisiin kuitenkin arvioidaan, ja jos ne tuottaisivat suurta haittaa lajistolle, ei hankkeita periaatteessa pitäisi pystyä toteuttamaan. Sen sijaan luonnonsuojelualueiksi perustetaan sellaiset alueet, joilla luontotyyppien ja lajien turvaamiseksi täytyy tehdä voimakkaita maankäytön rajoituksia (Ympäristöministeriö 2024). Kartalla näkyvät sekä yksityisomistajien että valtion luonnonsuojelualueet.

Kuva 1. Pirkanmaan luonnonsuojelualueet, Natura 2000-alueet ja asemakaavat.

Koko Pirkanmaan alueen kattava kartta on visuaalisesti mielestäni kaunis, mutta kuvatut kohteet ovat niin pirstaleisia ja pieniä, että tulkinta on hankalaa. Siksi olen hiukan pettynyt lopputulokseen. Mielestäni kuitenkin ideani oli hyvä, sillä minua oikeasti kiinnostaa tämä aihe hyvin paljon, ja se on myös ajankohtainen. Kaiken järjen mukaan luonnonsuojelualueiden pitäisi olla suojeltuja alueita, mutta silti esimerkiksi sekä Natura-alueena että soidensuojeluohjelmalla suojeltua Viiankiaapaa uhkaa kaivosyhtiö AA Sakatti Mainingin poraukset (Kaartinen 2024). Halusin nostaa juuri tämän aiheen esiin, sillä mielestäni on erittäin huolestuttavaa, että tällaista voi edes tapahtua. Nyt, kun monimuotoisuus kuihtuu silmissä, ja resursseja pitäisi käyttää luonnon vaalimiseen, ei tuhoamiseen.

Koska ensimmäisestä kartasta on vaikea nähdä kuvattuja kohteita, tein toisen kartan (Kuva 2), jossa näkyy zoomattuna Tampereen alue. Tampere on lähellä sydäntäni, ja minua kiinnostaa, miten luonnonsuojelu- ja Natura 2000 -alueet siellä sijoittuvat. Vastaus: erittäin pirstaleisesti. Alueet ovat pieniä ja kaukana toisistaan. Suurin osa alueista näyttäisi myös olevan asemakaavojen ulkopuolella, mikä käy järkeen. Jos johonkin on rakennettu tai suunniteltu rakennuksia, sieltä tuskin löytyy paljoa suojeltuja luontokohteita. Toisaalta (ja onneksi) asemakaava-alueilta löytyy myös suojeltua luontoa! Kuvasta voidaan havaita esimerkiksi vihreänä erottuva Pyynikinharju, joka on suojeltu sen arvokkaan harjuluonnon takia. On mielestäni erittäin tärkeää, että rakennetun ympäristön lähellä tai keskellä on luontokohteita, sillä siitä hyötyy alueen eliöstö (ihmiset mukaan lukien). Kasveilla, sienillä ja eläimillä säilyy elintilaa, ja ihmiset oppivat ehkä arvostamaan luontoa, jos heillä on mahdollisuus sitä ihailla.

Mutta, luonnonsuojelualueiden ja Natura 2000 -alueiden pirstaleisuus huolettaa. Kun eliöiden elinympäristöt pirstaloituvat, niiden elämä muuttuu huomattavasti hankalammaksi. Populaatioiden välinen geenivirta heikkenee ja voi loppua kokonaan, joka vaikuttaa suuresti eliöiden selviämiseen esimerkiksi ilmastonmuutoksen myötä muuttuvassa ympäristössä. Toki se, että luonnonsuojelualueet ja Natura 2000 -alueet ovat pirstaleisesti, ei tarkoita, että niiden välillä ei voisi olla eliöille kelpoisia elinympäristöjä. Mutta se tarkoittaa sitä, että elinympäristöjä voidaan hakata esimerkiksi metsäaukeiksi tai kaavoittaa teollisuusalueiksi.

Kuva 2. Tampereen ja sen lähistön suuri asemakaava-alue, luonnonsuojelualueet ja Natura 2000 -alueet.

Sain tehtyä tunnilla vain kartat 1 & 2, sillä minulla meni paljon aikaa sen pohtimiseen, miten saisin tehtyä koropleettikartan, tai mitä voisin tehdä sen sijasta. Ajattelin alkuun, että tyydyn vain noihin kahteen karttaan, mutta päätinkin sunnuntai-iltapäivänä/iltana ryhtyä QGIS-hommiin! Enpä olisi ennen tätä kurssia uskonut siihen kykeneväni.

Zoomasin vieläkin lähemmäs alueeseen, joka on vielä Tamperettakin lähempänä sydäntäni, Lempäälään! Lempäälässä on keskustan lähellä sekä luonnonsuojelualue, että Natura 2000 -alue: Ahtialanjärvi. Järvi on tunnettu lintujärvi, jonka alueella pesii useita megasiistejä lajeja, kuten suokukko, merikotka, sitruunavästäräkki, tukkasotka ja ruskosuohaukka (Ymparisto.fi 2023). Järven lounaisosassa on myös Lokkisaarena tunnettu saari, jolla pesii yksi Suomen suurimmista naurulokkiyhdyskunnista (Ahtialanjärvi 2018). Ahtialanjärvi onkin SPA-alue, eli lintudirektiivin mukainen erityinen suojelualue (Ympäristöministeriö 2024).

Kuva 3. Ahtialanjärven Natura 2000 -alue sekä Lokkisaari (kartassa nimetty lintusaareksi) bufferoituna.

Käytin kuvan 3. kartassa SYKE:n aineistoja Natura 2000 -alueista ja asutusalueista. Hain myös Väyläviraston WFS-aineiston, josta sain näkyviin tiet. Sitten latasin vielä Paitulista Maanmittauslaitoksen tuottaman yleiskartan, josta sain kuvaan vesistöt ja venereitit! Olen ylpeä, että osasin etsiä aineistot, avata ne oikein, ja tiedän esim. mitä WFS meinaa!

Halusin tarkastella kuinka lähelle asuinrakennukset, tiet ja venereitit sijoittuvat Ahtialanjärveä, eli hyvin monen linnun pesimäaluetta. Asutuksen ja järven välillä näyttäisi olevan yhtä asutusaluetta lukuun ottamatta maata, eli en usko asutuksen häiritsevän juurikaan lintujen elämää. Aivan rannan tuntumassa ei mene teitä, joten autojen melu ja pakokaasut tuskin myöskään haittaavat pahemmin pesimärauhaa. Venereitit lisäsin, sillä halusin nähdä, meneekö jokin niistä aivan lokkisaaren vierestä; ei mene (ei mene edes Ahtialanjärven alueella). En ole aivan perillä siitä, mitä venereitti tarkemmin edes tarkoittaa, sillä kyllähän Ahtialanjärven alueella saa veneillä, vaikka siinä ei veneilyreittiä menekään. Veikkaan, että järven alueella ei sen sijaan saa ajaa moottorivenettä. Jos näin on, veneilykään ei luultavasti suuremmin uhkaa lintujen rauhaa.

Koska Lokkisaarella asuu hyvin monta pesivää lintua, tein sille 100 metrin bufferin. Ajattelin, että bufferi voisi kuvastaa sitä, miten kaukana kannattaa pysytellä, että ei häiritse lintujen pesimärauhaa. Ja koska järvessä saa esim. uida, ei kannata mennä ainakaan 100 metriä lähemmäs, että lokit ja tiirat eivät hyökkää kimppuun!

Ennen bufferin tekemistä, piirsin polygon-työkalulla Lokkisaaren, sillä se ei ollut valmiiksi erillisenä karttakohteena. Piirtäminen oli aika helppoa ja kivaa, ja olin ilahtunut, että se onnistui! Bufferin teko ei ollut ihan vaivatonta, sillä Lokkisaari oli alkuun eri projektiossa kuin muut kartan kohteet. Mutta kun QGIS herjasi tarpeeksi, tajusin mistä oli kyse ja sain senkin ongelman selätettyä, jee! Lopuksi muokkasin kartan väreistä mieluisat ja yhteensopivat karttojen 1 & 2 kanssa. Rakennukset olisin tosin voinut vaihtaa muuksi kuin sinapinkeltaiseksi, sillä merkitsin sillä värillä Natura 2000 -alueet aikaisempiin karttoihin.

Olen iloinen, että lähdin tekemään vielä kolmannen kartan kotona. Minulla on ollut ongelmia QGIS’in kanssa, mutta olen ylpeä, että sain käytettyä ohjelmistoa kotona ja sovellettua työkaluja, joita kurssin aikana on käytetty. Katselin myös muiden opiskelijoiden aikaansaannoksia, ja erityisesti Laura Vitikan (2024) mustavalaskartta teki vaikutuksen. Olisi siistiä tehdä jotakin vastaavanlaisia esimerkiksi lintujen esiintyvyysalueista!

Ennen tätä geoinformatiikan kurssia en kokenut olevani sujuva tietokoneiden tai QGIS’in käyttäjä. Enkä välttämättä vieläkään aina, mutta on se paljon paljon paljon sujuvampaa kuin ennen. Olen oppinut valtavasti, ja jopa innostunut geoinformatiikasta! Hankaluuksia tulee varmasti vielä paljon eteen, mutta olen ymmärtänyt, että en ole aivan tumpelo. Kiitos kurssista ja hyvää kevättä!

Lähteet:

Ahtialanjärvi. 2018. Ahtialanjärven linnusto. http://vps.virtuaalikoulu.org/ahtialanjarvi/?page_id=232

Kaartinen, R. 2024. Päätyykö koko Viiankiaapa malminetsintään? Suomen luonto. https://suomenluonto.fi/uutiset/paatyyko-koko-viiankiaapa-malminetsintaan/

Vitikka, L. 2024. Valaiden ja ihmisten valtatiet. Viitattu 18.3.2024. https://blogs.helsinki.fi/viclaura/

Ymparisto.fi. 2024. Ahtialanjärvi. https://www.ymparisto.fi/fi/luonto-vesistot-ja-meri/luonnon-monimuotoisuus/suojelu-ennallistaminen-ja-luonnonhoito/natura-2000-alueet/ahtialanjarvi

Ympäristöministeriö. 2024. Natura 2000 -verkosto turvaa monimuotoisuutta. https://ym.fi/natura-2000-verkosto

Aineistot:

Paituli. Maanmittauslaitos yleiskartta 1: 1 000 000. 2019. https://paituli.csc.fi/download.html

SYKE. Latauspalvelu LAPIO. Asemakaavoitettu alue 31.12.2021. https://paikkatieto.ymparisto.fi/lapio/latauspalvelu.html

SYKE. Latauspalvelu LAPIO. Asuinalueet 2022. https://paikkatieto.ymparisto.fi/lapio/latauspalvelu.html

SYKE. Latauspalvelu LAPIO. Natura 2000. https://paikkatieto.ymparisto.fi/lapio/latauspalvelu.html

SYKE. Latauspalvelu LAPIO. Luonnonsuojelu- ja erämaa-alueet. https://paikkatieto.ymparisto.fi/lapio/latauspalvelu.html

Väylävirasto. Väyläviraston avoin WFS. https://vayla.fi/vaylista/aineistot/avoindata/rajapinnat

Hellluuuureeeeeeiiiiiiiiiiiii

Tokavika kurssikerta! Aamu alkoi kivalla ulkoilulla Kumpulan kampuksen ympäristössä, kun keräsimme Epicollect5 -sovelluksen avulla sijaintitietoa eri paikoista. Kiersimme parini kanssa 45 minuutin lenkin, jonka aikana arvioimme muun muassa valitsemiemme kohteiden viihtyisyyttä, visuaalisuutta ja turvallisuuden tuntua.

Kuva 1. Yksi kohteistamme oli Hermannin skeittiparkki, jossa oli ihana haavankeltajäkälää täynnä oleva pylväshaapa 8) Epicollect5 -sovelluksella pystyi tallentamaan tekstin lisäksi kuvia arvioiduista kohteista.

Reippailun jälkeen menimme takaisin luokkaan, jossa kaikkien kurssikertalaisten keräämä dataa alettiin katsella ja käsitellä. Sovellukseen tallennetut kohteet ladattiin QGIS’iin, jossa niitä pystyi tutkimaan pisteaineiston muodossa. Tarkastelimme kohteiden arvioitua turvallisuutta, ja pääsimme käyttämään aivan uutta työkalua: IDW Interpolation.

Interpoloidussa kartassa (Kuva 2) voidaan havaita punaisella alueet, jotka koettiin kaikista turvattomimmiksi (arvo 1) ja sinisellä turvallisimmat (arvo 5) alueet. Kartta tehtiin aika nopeasti tunnilla, jonka jälkeen siirryttiin omatoimisiin tehtäviin. Jos olisin ehtinyt, olisin lisännyt karttaan vielä legendan ja muut tarvittavat osat.

Kuva 2. Interpoloitu kartta Kumpulan kampuksen ympäristöstä.

Interpoloidusta kartasta voidaan hahmottaa hyvin alueellisia eroja. Kartan lukeminen on helppoa ja selkeää, ja informaation käsittely nopeaa. Kurssikerralla tehty kartta on kuitenkin mielestäni myös harhaanjohtava. Värien vaihteluun kartalla vaikuttaa pisteiden sijainti toisiinsa nähden. Jos lähekkäin on pisteet joiden arvot ovat 1 ja 5, punainen ja sininen alue ovat pienemmät kuin silloin, jos pisteet olisivat hyvin kaukana toisistaan. Eli siis silloin, jos jossakin on yksittäin piste, jonka arvo on esimerkiksi 1, on punainen alue kartalla hyvin laaja (kuten Kuva 2. yläreunassa näkyy). On tietenkin itsestään selvää, että pisteet vaikuttavat toisiinsa, mutta jotta kartta antaisi tarkempaa kuvaa alueiden todellisesta turvallisuudesta/turvattomuudesta, uskon, että pisteiden tulisi sijaita säännöllisemmin. Esimerkiksi yläreunan yksittäisen pisteen ympärillä on suuri punainen alue, vaikka todellisuudessa vaaran paikka on ilmeisesti ainoastaan pisteen välittömässä läheisyydessä. Sen sijaan jos sen ympärillä olisi enemmän arvioituja alueita, saattaisi punainen alue olla huomattavasti pienempi. Kuitenkin silloin, kun värien määräytymisen ja levittäytymisen tiedostaa, voi kartasta hahmottaa helposti mahdollisia vaaranpaikkoja, kuten talvisin liukkaan Kumpulan bussipysäkin ja kampuksen välisen polun.

Omatoiminen tehtävä

Loppupuolella kurssikertaa saimme omatoimiseksi tehtäväksi tuottaa kolme karttaa, joiden teemana on hasardit. Karttojen tuli olla sellaisia, että niitä voisi käyttää tuntiopetuksessa apuna. Innostuin vähän, koska saatan muutaman vuoden päästä olla opetushommissa (tai sitten en, kattellaan).

Moodlessa oli valmiina pari nettisivua, joilla aineistoja pystyi tarkastelemaan ja lataamaan. Valitsin ensimmäiseksi aineistokseni USGS’n sivuilta vuodesta 1900 eteenpäin tapahtuneet yli 8 magnitudin maanjäristykset. Toiseksi aineistokseni latasin NOAA’ n sivuilta D1 ja D2 tulivuorenpurkaukset, eli sellaiset purkaukset, jotka ovat tapahtuneet vuoden 1900 jälkeen.

Ensimmäiseen karttaan (Kuva 3.) päätin visualisoida 1900-2023 aikana tapahtuneet erittäin voimakkaat, eli yli 8 magnitudin maanjäristykset, sekä 1900 luvun jälkeen purkautuneet tulivuoret. Ajattelin, että kartan avulla haluaisin näyttää oppilaille, että tulivuoret ja voimakkaimmat maanjäristykset sijoittuvat hyvin samoille alueille, mannerlaattojen rajoille. Toisaalta halusin tuoda myös esille erittäin voimakkaiden maanjäristysten harvuuden verrattuna pienempien maanjäristysten hyvin tiheään esiintymiseen. Yli 8 magnitudin maanjäristyksiä on tapahtunut 124 vuoden aikana 98 kappaletta.

 

 

 

 

 

 

 

 

Kuva 3. 1900-2023 tapahtuneet erittäin voimakkaat maanjäristykset, sekä purkautuneet tulivuoret.

Toisessa kartassa (Kuva 4) jatkoin samaa teemaa kuin ensimmäisessä. Halusin vielä näyttää ainoastaan 2000-2023 tapahtuneet yli 8 magnitudin maanjäristykset. Niitä on kartalla havaittavissa 27 kappaletta, eli viimeisen 24 vuoden aikana esiintyminen on ollut hiukan tiheämpää kuin 1900-luvulla.

Kuva 4. 2000-2023 tapahtuneet erittäin voimakkaat maanjäristykset, sekä 1900-2023 purkautuneet tulivuoret.

Kolmannella kartalla (Kuva 5) pyrin tuomaan esiin sitä, kuinka pienempiä maanjäristyksiä tapahtuu lähes jatkuvalla syötöllä. Visualisoin kuvaan kaikki vuoden 2024 aikana tapahtuneet maanjäristykset. Niitä on valtava määrä, ja jos olisin ottanut aineistoon esimerkiksi viimeisen viiden vuoden kaikki maanjäristykset, ei tietokone olisi jaksanut luultavasti edes pyörittää aineistoa. Jo tämän aineiston lataaminen teki vähän tiukkaa.

Kuva 5. Vuoden 2024 aikana tapahtuneet maanjäristykset.

Karttojen teko oli kivaa ja onnistui aika sujuvasti. Jos olisi ollut aikaa pohtia pidempään sitä, mitä haluaa esittää, olisin voinut vähän muuttaa lähestymistäni. Esimerkiksi se on ehkä vähän hassua, että jätin kuvan 4. karttaan kaikki 1900-luvulta eteenpäin purkautuneet tulivuoret, vaikka maanjäristysten osalta tarkastelin vain vuosia 2000-2023. Olisin myös voinut tutkia vaikkapa jotakin muita ilmiöitä, kuten tsunameita tai maahan iskeneitä meteoriitteja. Miki Leinon blogista huomasin, kuinka hän oli tutkinut Euroopan meteoriittiosumia. Minulle ei tullut kurssikerralla edes mieleen, että tutkisin jotain muuta kuin maailmankarttaa, mutta mielestäni oli hyvä oivallus tutkia tarkemmin rajatumpaa aluetta.

Ps. Oon kokenu yhen maanjäristyksen Suomessa kotonani!!!! Vuonna 2009 luulin että puu kaatu meijän pihalla, mutta se olikin maanjäristys, joka johtu kallioperän jännityksen purkautumisesta! Jännittävää, että järistyksen aiheuttanu liike oli vaan muutaman millin, ja silti tunsin kuinka koko maa heiluu jalkojen alla. Siitä uutisoitiin jopa Hesarissa (Erkkilä 2009)!!

Lähteet:

Leino, M. 2024. Kuudes kurssikerta. Viitattu 8.3.2024. https://blogs.helsinki.fi/leinmiki/

Erkkilä, J. 2009. Tutkijat eivät olleet uskoa Lempäälän maanjäristystä todeksi. Helsingin sanomat. https://www.hs.fi/kotimaa/art-2000004702328.html

Hellurei 8)

Viidennellä kurssikerralla jatkoimme edellisellä kerralla aloittamaamme Pornaisiin liittyvää visualisointia (Kuva 1). Harjoittelimme puskurivyöhykkeiden tekoa buffer-työkalulla. Koin sen helpoksi, osittain varmaan sen takia, että puskurien tekemistä kokeiltiin jo johdatus geoinformatiikkaan –kurssilla.

Kuva 1. Pornaisten keskusta, talot, ja visualisoimani bufferit teiden, koulun ja terveyskeskuksen ympärille.

Kartasta tuli mielestäni kivan näköinen! Tosin jos miettii, että siitä pitäisi jotain oikeasti tarkastella, olisi se turhan sekava, eikä se kerro katsojalle hirveästi mitään tärkeää informaatiota. Ehkä jos asuisi Pornaisissa ja haluaisi tarkastella, onko oma talo 500 metrin päässä terveyskeskuksesta, kilometrin päässä koulusta tai 50 metrin päässä tiestä, kartalla voisi tehdä jotain… Tosin oman talonkin löytäminen voisi olla hankalaa kaikkien noiden pisteiden joukosta =D

Omatoimisia tehtäviä 

Tunnin loppupuolella teimme omatoimisia tehtäviä. Sain tehtyä melkein kokonaan Malmin- ja Helsinki-Vantaan lentokenttiin liittyvät tehtävät. Visualisoin kenttien kiitoratojen ympärille melualueita kuvaavia buffereita ja laskin niiden alueilla asuvien ihmisten määriä (Kuva 2 & 3). Vastaukseni tehtävään löytyy Taulukosta 1.

Taulukko 1. Vastaukset tehtävään 1. ”Lentokentät”

Eeva Tervomaan blogissa (2024) oli mielenkiintoinen huomio Malmin lentokentän pahimmalla melualueella (1km säteellä kiitoradoista) asuvien ihmisten lukumääristä. Tervomaa huomasi, että luvut hieman vaihtelevat eri ihmisten vastauksissa. Minä sain esimerkiksi vastaukseksi 9044 ja Leino 9102. En olisi keksinyt mistä erot johtuvat, mutta Tervomaa päätteli, että tuloksiin vaikuttaa se, että kaikki piirsivät itse kiitoradat, joiden ympärille puskurivyöhyke tehtiin. Pienikin heitto kiitoratojen koossa voi vaikuttaa siihen, että esimerkiksi yksittäiset kerrostalot jäävät 1 km vyöhykkeen ulkopuolelle.

Kuva 2. Malmin lentokentän melualueita (1 km ja 2 km) kuvaavat bufferit.

Kuva 3. Helsinki-Vantaan lentokentän melualuetta (2 km) kuvaava bufferi.

Mietteitä QGIS’istä 

QGIS’in käyttö on selkeästi helpottunut kurssin aikana. Tuntuu että osaan, kunhan tarkastelen aineistoja rauhassa ja tarpeeksi pieninä palasina kerrallaan. Samalla kuitenkin tuntuu, että välillä jää yksinkertaisiinkin asioihin jumiin, eikä tehtävien teko meinaa onnistua. QGIS’in monipuolisuus näkyykin sen käytön monimutkaisuutena.  

Jos pohdin omaa osaamistani tarkemmin, tutuimmaksi asiaksi on ehdottomasti tullut eri layereiden symbolien värien ja muiden ominaisuuksien muokkaaminen. Etenkin koropleettikarttoja gradient -työkalulla on tullut tehtyä. Rakastan sitä, kun kartasta saa visualisoitua kivan värisen (ja tietysti mahdollisimman selkeän ja informatiivisen). Jos kuitenkin mietitään vähän syvemmälle datan käsäittelyyn meneviä työkaluja, niin tutuimmiksi on tullut varmaankin attribuuttitaulukon Field calculator –toiminto ja sen avulla uusien sarakkeiden luominen taulukossa olevien muiden sarakkeiden tietojen pohjalta. Varsinkin erilaisten prosenttiosuuksien laskeminen on tullut tutuksi, sillä ilman niitä ei koropleettikarttoja voi oikein tehdä.  

Muita suhteellisen tutuksi tulleita työkaluja on tälläkin kurssikerralla käytetty buffer –toiminto, sekä edellisellä kerralla käytetty Vector grid -työkalu. Puskurointivyöhykkeiden visualisointi on varmasti hyödyllistä monessa eri asiassa. Ensimmäisenä minulle tulee kuitenkin mieleen esimerkiksi luonnonsuojelua vaativien kohteiden puskuroiminen. Hyvänä esimerkkinä lähimenneisyydestä on vaikkapa Stansvikin metsäalueelta löytynyt noro, joka on vesilain erittäin tiukasti suojelema luontotyyppi. Noron ympäristöön ei saa rakentaa mitään ilman poikkeuslupaa, joten alueella käynnissä olleet hakkuut pysäytettiin (Huuskonen 2023). Uskon, että esimerkiksi tällaisille kohteille on laskettava puskurivyöhyke, jonka sisäpuolella maanmuokkaus on jätettävä sikseen.  

Vector grid -työkalu on hyödyllinen, jos jollakin alueella on tarkasteltava vaikkapa jonkin kasvien tai muiden eliöiden ryhmittymistä. Jos tarkasteltavalta alueelta on kartoitettu esimerkiksi kasvillisuutta, ja jonkin lajin yksilöiden sijainnit ja määrät tiedetään, voitaisiin ruudukon avulla visualisoida kartta, josta kasvien sijoittuminen kartalle näkyy paremmin. Esimerkiksi uhanalaisten kasvien suojeleminen voisi olla helpompaa, jos kartalta pystytään selkeästi rajaamaan alueet, joilla kasvia esiintyy enemmän.  

Näiden lisäksi on vielä useita muita komentoja ja työkaluja, jotka ovat tulleet jollakin tapaa tutuksi. Esimerkiksi mittaus- ja valitsemistyökalut, join –komento ja rajapintojen kautta ladattavat aineistot. Kurssin aikana on tullut niin paljon asiaa, että en edes muista kaikkea. Tämä nitoutuu oikeastaan ensimmäisessä kappaleessa mainitsemaani asiaan, eli siihen, kuinka QGIS’in monipuolisuus vaikuttaa myös sen käytettävyyteen. Jos ei ole kokemusta paikkatieto-ohjelmien käytöstä, rajoittaa QGIS’in monipuolisuus/monimutkaisuus ohjelman käyttöä. Toki ohjelmiston käytettävyyteen vaikuttaa myös esimerkiksi aineistot ja niiden laatu. Jos jokin aineisto (kuten kolmannen kurssikerran Afrikan valtiot –aineisto) on alusta pitäen kasattu monimutkaisesti, on myös sen käyttö ja datan analysointi vaikeampaa. Silloin käyttäjällä tulee olla taidot, jolla muokata aineisto oikeaan muotoon.  

 

Lähteet:

Tervomaa, E. 2024. Geoinformatiikan menetelmät 1, viides kurssikerta. Viitattu 7.3.2024.  https://blogs.helsinki.fi/terveeva/

Moromoro!

Neljäs kurssikerta oli tähän mennessä ehdottomasti helpoin ja vaivattomin kerta! Alkuun oli pidempi teoriaosuus piste- ja ruututietokannoista. Teorian jälkeen lähdimme itse tuottamaan QGIS’in avulla ruutukarttaa  

Käytimme ruudukon luomiseen Vector grid -työkalua. Ruudukko rajattiin valitsemalla itse alue, jolloin jokaisen ruudukosta tuli vähän eri kokoinen. Kun ruudukko oli luotu, liitimme siihen pääkaupunkiseudun rakennuskohtaisen väestötietokannan. Tietokannassa oli listattu todella tarkkaan rakennuksissa asuvien ihmisten tietoja, kuten sukupuoli, ikä, lasten määrä ja se, puhuuko asukkaat suomea, ruotsia vai jotakin muuta kieltä. Rakennusten osoitteet oli myös merkitty, joten mietin luennolla, että aineiston tarkkuus on jopa hiukan kuumottavaa. Tietokanta oli todella suuri, joten poistimme siitä tietoja, joita emme tehtävän tekemiseen tarvinneet. Tämä nopeutti aineiston pyörittämistä.  

Lopulliseen karttaan valitsimme tiedot ruotsinkielisten määrästä. Aluksi ruuduista näkyi vain ruotsinkielisten absoluuttiset, määrät, mutta se olisi ollut todella könkkö tapa esittää tietoa. Se ei olisi kertonut mitään ruotsinkielisten määrästä suhteessa muihin asukkaisiin. Niinpä saimme omatoimiseksi tehtäväksi muokata kartasta sellaisen, että siitä voi hahmottaa ruotsinkielisten prosentuaaliset osuudet muista asukkaista. Tämä onnistui helposti, ja lopputulos onkin nähtävissä kuvasta 1.  Sini Häkkinen (2024) mainitsee hyvin blogissaan, että ruututeemakartassa kannattaa ottaa huomioon myös se, minkä kokoiset ruudut karttaan valitsee. Ruudut tulee valita aineiston ehdoilla niin, että ruudut ovat sopivan kokoisia suhteessa esitettävään asiaan. 

Kuva 1. Ruotsinkielisten osuus Helsingin alueen asukkaista.

Vaikka alkuun sanoinkin, että itse kurssikerta oli helpoin ja vaivattomin, syntyi kotona tehtävästä kartasta suurta päänvaivaa. Tarkoitus oli tehdä saman tyylinen kartta kuin kuvassa 1., mutta käyttää eri muuttujaa ruotsinkielisten tilalla. Halusin tehdä kartan, josta voisi tutkia eläkeikäisten sijoittumista ja osuuksia Helsingissä. Aluksi se tuntuikin onnistuvan hyvin, mutta kun koitin liittää eläkeikäisten (65-85+) lukumääriä sisältävää tietokantaa luomaani ruudukkoon, en saanut kertaakaan sitä onnistumaan (kymmenistä yrityksistäni huolimatta). Valehtelematta yritin tehdä karttaa yli 9 tuntia. En ole varma mikä Join attributes by location (summary) -toiminnossa meni pieleen, sillä katsoin ohjevideota ja luin kirjallisia ohjeita tarkkaan. Kurssikerralla hyvin onnistunut ja helpolta tuntunut asia ei onnistunut ollenkaan kotona. Tein nyt sitten kuitenkin kaksi huonoa ja ei-informatiivista karttaa näyttääkseni, että olen yrittänyt!

Kuvassa 2. on nähtävillä yritykseni kertoa kartassa eläkeikäisten prosenttiosuudet kartalla. Legendasta voidaan kuitenkin huomata, että kartalle saamani luvut eivät todellakaan ole prosentteja. En tiedä miksi luvut muuttuivat tuollaisiksi, vaikka olin laskenut eläkeikäisten määrän suhteessa kokonaisasukaslukuun onnistuneesti. Huomasin nyt myös sen, että legendassa lukee ”m_meri” eikä meri, niin kuin pitäisi.

Kuva 2. Yritys kertoa eläkeikäisten sijoittumisesta ja osuuksista Helsingissä.

Olisin oikeasti halunnut tutkia sitä, mitkä ovat eläkeikäisten osuudet ja miten he sijoittuvat. Koitin tutkia sitä siksi vielä pisteiden avulla (Kuva 3). Sekään ei onnistunut, sillä aineistossa on niin paljon asuinrakennuksia, että pisteet eivät erotu yksittäisinä, vaan suurina ryppäinä, jolloin mistään ei saa mitään selvää. Harmittaa.

Kuva 3. Yritys tarkastella eläkeikäisten sijoittumista ja osuuksia pisteiden avulla, kun ruudukon avulla se ei onnistunut. Eipä onnistunut tämäkään.

Tehtävä Pornainen

Kurssikerran toisessa tehtävässä alkuun tarkastelimme Pornaisten kunnan laserkeilauksen avulla tuotettuja korkeusmalleja. Tiedostot olivat rasteriaineistoja, ja ne olivat neljässä eri osassa. Avattuani tiedostot, en heti tajunnut mitä ne esittivät (ensiajatus: mustavalkokuva esim. aivojen pinnasta??). Koska aineistot olivat alkuun eri skaaloissa, ja neljässä osassa, ne täytyi yhdistää yhdeksi (Kuva 2).

Avasimme rasteriaineiston lisäksi Pornaisten kunnan peruskarttalehden. Loimme karttalehteen korkeuskäyrät yhdistämämme korkeusmallin avulla. Korkeuskäyrien tekoon käytettiin Contours -työkalua, ja rinnevarjostuksiin Hillshade -työkalua.  Tehtävät onnistuivat helposti opettajan johdolla. Ainoita pieniä ongelmia tuotti QGIS’in tarjoamat väärät koordinaattijärjestelmät, jotka piti muuttaa jokaisen aineiston kohdalla erikseen ETRSTM-35FIN muotoisiksi. 

Kuva 2. Pornaisten laserkeila-aineisto.

Tunnin loppupuolella jätimme korkeuskäyrät ja rinnevarjostukset sikseen, ja aloitimme Pornaisten kuntaan liittyvää työtä, jota jatketaan viidennellä kurssikerralla. Rajasimme peruskarttalehdeltä Pornaisten keskustan kattavan alueen, ja piirsimme siihen suurimmat tiet ja merkitsimme asutut rakennukset pisteillä (Kuva 3).

Kuva 3. Pornaisten keskusta ja asutut rakennukset.

Lähteet:

Häkkinen, S. 2024. Viikko 4: Pisteitä ja ruutuja. Viitattu 18.3.2024. https://blogs.helsinki.fi/hasini/

Moroooo!

Kolmannella kurssikerralla pyörittelimme ja yhdistelimme eri lähteistä tulevaa Afrikkaan liittyvää dataa. Ensimmäinen tietokanta sisälsi tietoa Afrikan valtioiden pinta-aloista. Ongelma tietokannassa oli se, että jos valtiolla oli saaria, ne oli laitettu omille riveillensä, jolloin jotkin valtioista olivat “hajonneet” useaan osaan attribuuttitaulukkoon. Tietokantaa täytyi siis aluksi yksinkertaistaa, jotta siihen pystyi lisäämään tietoa muista lähteistä. Kun tietokanta oli sopivassa muodossa, lisämme siihen dataa timanttikaivoksista, öljykentistä ja konflikteista Join –komennolla. Laskimme näiden lukumäärät valtiokohtaisesti Count points in polygon -työkalulla ja saimme aikaan kartan, josta voidaan havaita Afrikan timanttikaivosten, öljykenttien ja konfliktien sijainnit (Kuva 1).

Kuva 1. Afrikan timanttikaivosten, öljykenttien ja (nyt käynnissä tai aikaisemmin tapahtuneiden) konfliktien sijainnit.

Saimme kotitehtäväksi pohtia, mitä aikaan saamallamme attribuuttitaulukolla voi tehdä, tai mitä siitä voi päätellä, kun se sisältää tiedot: 

• Konfliktin tapahtumavuodesta 
• Konfliktin laajuudesta/säteestä kilometreinä 
• Timanttikaivosten löytämisvuodesta 
• Timanttikaivoksen kaivausten aloitusvuodesta 
• Timanttikaivosten tuottavuusluokittelusta 
• Öljykenttien löytämisvuodesta 
• Öljykenttien poraamisvuodesta 
• Öljykenttien tuottavuusluokittelusta 
• Internetkäyttäjien lukumääristä eri vuosina. 

En ollut ilmeisesti tallentanut projektia tunnilla oikein, joten en saanut sitä auki enää kotona. Edellä mainituista tiedoista voisi kuitenkin tehdä erilaisia päätelmiä ja tilastollisia testejä, onko esimerkiksi timanttikaivosten tai öljykenttien perustamisella yhteyksiä syttyneisiin konflikteihin. Tätä voitaisiin tutkia vuosilukujen avulla. Jos jossakin valtiossa on timanttikaivos/öljykenttä/molemmat sekä jokin konflikti, voitaisiin niiden aloittamisvuosien välistä mahdollista yhteyttä tutkia. Toki konflikti ei välttämättä syty heti, kun esimerkiksi kaivaukset timanttikaivoksella tai poraukset öljykentällä alkavat. Pinnan alla saattaa kyteä kauan, ennen kuin konflikti syttyy, ja tällaisia tietoja ei tietokannasta pysty päättelemään. Ja vaikka tietokannasta löytyisikin yhteyksiä muuttujien välillä, ei se automaattisesti kerro suorasta syy-seuraussuhteesta niiden välillä. Muuttujia saattaa olla useita, ja esimerkiksi juuri konfliktit tuntuvat usein syttyvän monien eri asioiden summana. 

Myös sitä olisi mielestäni aiheellista tutkia, onko timanttikaivosten tai öljykenttien tuottavuusluokittelun tasolla yhteyttä konfliktien alkamiseen. Janella Lehtinen mainitsi blogissaan, että timanttikaivoksista tai öljyesiintymistä voitaisiin päätellä valtioiden varakkuudesta. Hän kuitenkin lisäsi, että valtion varakkuus ei kerro mitään tavallisten kansalaisten elintasosta. Juuri tämä sai minut miettimään sitä, että jos timanttikaivoksen tai öljykentän tuottavuus on suurta, mutta varakkuus ei jakaudu valtiossa tasaisesti, voi sillä olla yhteys konflikteihin. Oli hienoa lukea Aura Niskasen blogista siitä, kuinka kuitenkin Botswana on nostanut itsensä jaloilleen timanttien louhimisella, eikä valtiossa ole ollut konflikteja.

Visualisoimastani kartasta voidaan havaita, että timanttikaivoksia, öljykenttiä ja konflikteja esiintyy sekä samoissa valtioissa, että erikseen. Kartan perusteella näyttää siltä, että useammin erikseen. Visualisointi onnistui mielestäni ihan jees, mutta legendassa minua häiritsee se, että “timantit” ja “konfliktit” eivät ole allekkain, vaikka niissä on molemmissa symbolina pallo. Se olisi näyttänyt paremmalta, jos “öljy” olisi ollut alimmaisena. Samoin mietin värivalintaani Afrikalle: ihankuin koko manner olisi hiekkaa. Eihän se ole, vaan hyvin suuri alue on sademetsää. Pohdinkin, olenko alitajuntaisesti antanut minuun upotettujen mielikuvien Afrikan savanneista vaikuttaa värivalintaani. Ja nyt, kun olen tehnyt kartasta hiekanvärisen, vahvistanko minä itse mahdollisia vääränlaisia mielikuvia muiden päissä??? Olisin voinut valita väriksi esimerkiksi lilan, jolloin väriin ei yhdistyisi mielleyhtymiä. Taas mieleen putkahtaa se, kuinka paljon kartantekijöillä on vastuuta ja valtaa sen suhteen, miten ihmiset maailman käsittävät! 

Suomen valuma-alueet ja tulvaindeksit

Kurssikerran toisessa, omatoimisessa tehtävässä teimme QGIS’illä koropleettikartan Suomen valuma-alueiden tulvaherkkyydestä (kuva 2). Tulvaherkkyyttä kuvataan valuma-alueiden tulvaindekseillä. Mitä tummempi sininen kartalla, sitä suurempi tulvaindeksi on eli sitä herkemmin alueella tulvii. Lisäksi kuvasin kartalle ympyrädiagrammien avulla maa- ja järvipinta-alan suhteen eri alueilla.  

Kuva 2. Suomen valuma-alueiden tulvaindeksit ja maa/järvipinta-alan suhde.

Tulvaindeksi on korkeinta Pohjois-Pohjanmaalla, Keski-Pohjanmaalla, Etelä-Pohjanmaalla, Pohjanmaalla, Varsinais-Suomessa ja Uudellamaalla. Lisäksi Lapissa Utsjoen ja osittain Inarin alueella tulvaindeksi on korkeampi kuin niitä ympäröivillä alueilla. Pohjanmaan eri alueiden ja eteläisen Suomen tulvaindeksiä voi selittää alueiden pienet korkeuserot. Kun maa on tasaista, vesi jää esimerkiksi lumien sulaessa seisomaan, ja syntyy tulvia. Vastaavasti Pohjois- ja Itä-Suomen alueiden pieni tulvaindeksi voisi selittyä niiden suuremmilla korkeuseroilla.  

Jotenkin ensimmäinen intuitiivinen ajatukseni oli, että jos on paljon järviä, olisi myös enemmän tulvia. Ajatuksessa ei kuitenkaan ole mitään järkevää pohjaa. Kartasta voidaankin huomata, että Pohjanmaan alueella, missä on paljon tulvia, ei ole juurikaan järviä. Sen sijaan Kaakkois-Suomessa, Hämeessä ja Keski-Suomessa on paljon järviä, ja tulvaindeksi on pieni. Uskon myös järvien paljouden selittyvän korkeuseroilla: eihän järviä voi syntyä, jos ei ole mitään, mihin vesi voisi kertyä.  

Tehtävä oli haastava, ja aivot olivat aika solmussa kurssikerran loppupuolella. Olen kuitenkin suhteellisen tyytyväinen lopputulokseen, etenkin valitsemiini väreihin. Piirakkakuvioiden kokoa olisi voinut muokata, sillä ne peittävät etenkin Varsinais-Suomen ja Uudenmaan alueelta tulvaindeksien väriluokkia tehokkaasti. Lisäksi olisin voinut ottaa pois järvien mustat ääriviivat, sillä ne hallitsevat kuvaa paljon.  

Päivän ajatus: GISSI on kivaa mutta aika vaikeeta.

Lähteet:

Lehtinen, J. 2024. Kurssikerta 3: Datan pyörittelyä. https://blogs.helsinki.fi/janella/

Niskanen, A. 2024. Kolmas kurssikerta. https://blogs.helsinki.fi/niskanau/

Mooooi!

Toisella kurssikerralla tutustuimme rajapintoihin, QGIS’in mittaustyökaluihin ja projektioihin. Haimme Tilastokeskuksen ja Väyläviraston rajapintojen kautta WFS (vektorimuotoiset) aineistot. Alkuun vain harjoittelimme datan lataamista ja käsittelyä QGIS’illä. Teimme muun muassa kartan Suomen teiden varsilla sijaitsevista vessoista, sekä rannikon majakoista. Rajapintojen käyttö ei ollut minulle entuudestaan tuttua, mutta se oli hyvin helppoa. OneDriveni on 92 % täynnä, joten stressaan jatkuvaa tiedostojen lataamista, sillä en halua ostaa lisää tilaa!! Oli kiva, että rajapinnan kautta aineiston sai tuotua QGIS’iin vain laittamalla sen URL-osoitteen hakukenttään. 

Opettelimme mittaustyökalujen käyttämistä Tilastokeskuksen Suomen kunta-aineistolla vuodelta 2021. Mittasimme ensin ETRSTM35FIN projektiosta valitsemamme linjan pituuden ja alueen pinta-alan (Kuva 1 & 2). Vaihdoimme projektioita, ja kokosimme Exceliin tiedot eri projektioilla saaduista pituuksista ja pinta-aloista (Taulukko 1).

Kuva 1. linjamittaustyökalu ja mittaamani jana. Kuvassa ETRSTM35FIN projektio.

Kuva 2. Pinta-alamittaustyökalu ja mittaamani alue. Kuvassa ETRSTM35FIN projektio.

Taulukko 1. Robinsonin, Patterssonin, Behrmannin, World Winkel 1 ja Times -projektioiden erot ETRSTM35FIN projektioon.

Hämmästyin, sillä ainoastaan yhden projektion, World Winkel 1, linjan pituudessa ja alueen pinta-alassa oli eroa verrattuna ETRSTM35FIN projektioon. Tarkastelin pituuksia ja pinta-aloja Ellipsoidal-muodossa, mutta olisi pitänyt tajuta vaihtaa tasopinta (Cartesian), ja kirjoittaa silläkin saadut tulokset ylös Exceliin. Tällöin olisin saanut huomattavia eroja, kuten esimerkiksi Heikki Säntin blogista voidaan Toinen kurssikerta Taulukko 1. nähdä. Tajusin asian tunnilla turhan myöhään, ja ehdimme jo siirtyä seuraavaan tehtävään. Opin kuitenkin mittaustyökalujen käytön hyvin, ja muutenkin QGIS’in käyttö tuntui ensimmäistä kurssikertaa sujuvammalta.  

Projektioiden erojen visualisointi

Visualisoimme ETRSTM35FIN projektion eroja omavalintaisiin projektioihin. Valitsin vertailuun Robinsonin (Kuva 3), Patterssonin (Kuva 4) ja Behrmannin (Kuva 5) projektiot. Kuvissa on näkyvillä Suomen kunta-aineisto vuodelta 2021 ETRSTM35FIN projektiolla. Värit kertovat siitä, miten paljon vertailussa ollut projektio vääristää kuntien pinta-aloja. Punaiset alueet ovat eniten vääristyneitä, siniset vähiten. Legendasta voidaan havaita eri värein kuvatut pinta-alakertoimet.  

Kuva 3. ETRSTM35FIN vs. Robinson.

Robinsonin (Kuva 3) projektiota verrattaessa ETRSTM35FIN projektioon, voidaan havaita, että pinta-alat ovat suurimpia Pohjois-Suomessa. Mitä pohjoisemmaksi mennään, sitä enemmän Robinson venyttää alueita. Erot ETRSTM35FIN projektioon eivät kuitenkaan ole kovin suuria; punaiset alueet ovat noin 1,36–1,42 kertaa suurempia kuin ETRSTM35FIN projektiossa. Robinsonin projektiossa on otettu huomioon sekä kartan kohteiden muodot että pinta-alat (ESRI) Kummatkin ovat siis vääristyneitä, mutta vääristymistä huolimatta muodot ja kokosuhteet ovat hyvin hahmotettavissa.  

 

Kuva 4. ETRSTM35FIN vs. Pattersson.

Patterssonin (Kuva 4) projektion muodostama väritys näyttää hyvin samalta kuin Robinsonin. Erot ovat kuitenkin paljon suurempia verrattaessa alueita ETRSTM35FIN projektioon, kun katsotaan legendassa olevia kertoimia. Tämä kertoo siitä, että Pattersonin projektiossa Suomi on kuvattu maailmankartalla suurempana kuin Robinsonin projektiossa. Patterssonin projektio on lieriöprojektio, jossa sekä pinta-alat että muodot vääristyvät (ESRI). 

Kuva 5. ETRSTM35FIN vs. Behrmann. 

Mielenkiintoisin vertailuista oli ehdottomasti ETRSTM35FIN vs. Behrmann. Värit ovat aivan erilaiset verrattuna muihin karttoihin (myös siihen extrakarttaan, joka ei päässyt tähän postaukseen, sillä tunnilla meni hermot ja poistin sen). Behrmann on oikeapintainen projektio, eli kartan kohteiden pinta-alat ovat totuudenmukaisia (ESRI). Tämä kuitenkin johtaa siihen, että napa-alueet ovat hyvin litistyneet. Kartassa on siksi keskellä eniten pinta-alavääristymää; napa-alueiden litistyessä Suomi venyy Itä-Länsi-suunnassa. Legendasta voidaan kuitenkin huomata, että vääristymät eivät ole suuria. Tämän uskon johtuvan siitä, että kun projektio on oikeapintainen, ei pinta-alassa pitäisi vääristymisiä juuri olla.

Tehtävän teko tuntui helpolta, ja kaikki sujui hyvin siihen saakka, kunnes tuntia oli jäljellä noin 20 minuuttia. Olin kasannut kaikki kolme karttaa yhteen tulostusikkunaan, tehnyt niille legendat ja ainoastaan pohjoisnuoli ja mittakaava puuttui. Ajattelin, että olen tehnyt kaiken niin nopeasti, että otan vertailuun vielä yhden projektion. Ei olis pitäny 8) Extrakartan tehtyäni koitin lisätä sitä samaan tulostusikkunaan muiden kanssa, mutta lisäys ei onnistunutkaan halutusti. Kaikki kolme aikaisempaa karttaani muuttuivat extrakartan värisiksi, enkä saanut niitä enää palautettua alkuperäiseen muotoonsa. Jouduin tekemään kaikki kartat uudelleen ja lisäämään ne erillisiin tulostusikkunoihin, jotta värit eivät sekoittuisi. Lopulta onnistuin, ja olin istunut luokassa lähes 45 minuuttia yliaikaa.  

Jälkikäteen ajateltuna lopputunnin häsellys oli opettavainen, sillä enpä tee enää samoja virheitä!

Lähteet: 

ESRI. ArcGIS Pro. Behrmann. https://pro.arcgis.com/en/pro-app/3.1/help/mapping/properties/behrmann.htm 

ESRI. ArcGIS Pro. Pattersson. https://pro.arcgis.com/en/pro-app/3.1/help/mapping/properties/patterson.htm 

ESRI. ArcGIS Pro. Robinson. https://pro.arcgis.com/en/pro-app/3.1/help/mapping/properties/robinson.htm 

Säntti, H. 2024. Toinen kurssikerta. https://blogs.helsinki.fi/hksantti/ 

Moi!! 

Perjantaina 19.1. oli ensimmäinen luento/työkerta kurssilta Geoinformatiikan menetelmät 1. Kertasimme paikkatiedon ja sen käsittelyn perusteita, sekä tutustuimme QGIS –ohjelmistoon. QGIS ei ole minulle aivan uusi juttu, sillä sitä on käytetty myös yhdellä aikaisemmalla kurssilla. En kuitenkaan silloin oppinut kunnolla sen käyttöä, joten toivon, että nyt tämän kurssin edetessä ohjelmiston pyörittely helpottuu ja nopeutuu. Pidin siitä, että kävimme rauhassa opettajajohtoisesti datan käsittelyä läpi, jolloin QGIS’in käyttö ei tuntunut kovin hankalalta. Uskon, että eniten kurssilla ongelmia tulee tuottamaan se, että opin muistamaan mistä paikasta ohjelmistoa mikäkin valikko ja komento löytyy. 

QGis harjoitus: Itämeren rannikkovaltioiden typpipäästöt

Ensimmäisessä kurssin harjoituksessa tuotimme QGIS’llä koropleettikartan, josta voidaan nähdä Itämeren rannikkovaltioiden tuottamat osuudet Itämereen kohdistuvista typpipäästöistä (Kuva 1). Aineistot, joita kartan luomiseen käytimme, olivat HELCOM marine area, Lakes, Administrative boundaries, Depth contours ja Nitrogen inputs. Kaikki näistä aineistoista ovat peräisin HELCOMin data- ja karttapalvelusta, joka tarjoaa tutkimuskäyttöön Itämereen liittyvää dataa.  

Tunnilla aineistojen avaaminen ja käsittely tuntui helpolta, kunhan seurasi tarkasti opettajan ohjeita. Nyt tätä kirjoittaessani, muutama päivä kurssikertaa myöhemmin, tuntuu, että en enää muista juuri mitään mitä olen tehnyt. Onneksi saatavillamme on myös kirjalliset ohjeet, joten sain palautettua jotakin muistiin.  

Saatuani näkyviin kaikki tarvittavat tasot, vaihdoin niiden värit sellaisiksi, että karttaa sietää katsella. Värien vaihtaminen onnistui hyvin, sillä sen muistin aikaisemmalta kurssilta. Seuraavaksi muutimme aineistoja niin, että saimme aikaan koropleettikartan. Tietokannoista ei aluksi nähnyt Itämeren rannikkovaltioiden suhteellisia Itämereen kohdistuvia typpipäästöjä, vaan jokaisen maan absoluuttiset typpipäästöt. Niinpä laskimme rannikkovaltioille suhteutetut typpipäästöt, ja visualisoimme kartasta sopivan näköisen. Kartalla tummanpunaisella on suurimmat typpipäästöt (15–33,7 %), punaisella keskisuuret (5–15 %) ja vaaleanpunaisella pienimmät (0,1–5 %). Muiden näkyvillä olevien valtioiden väriksi valitsin harmaan (se oli suositeltua), sillä harmaa ei kiinnitä liikaa huomiota, ja sen erottaa hyvin punaisesta. 

 

 

 

 

 

 

 

 

 

 

Mielestäni karttani on ihan siedettävä palvelemaan sitä tarkoitusta, mitä varten se on tehty. Se ei ole ehkä visuaalisesti kaunein, mutta se on selkeä, ja siinä on tarvittavat asiat. Nyt katsellessani karttaa tajusin, että rannikkovaltiot olisi voinut vielä nimetä. Jos karttaa lukee joku, joka ei välttämättä muista suoralta kädeltä mikä maa sijaitsee missäkin, nopeuttaisi nimistö huomattavasti tulkintaprosessia. Myös valtioiden rajat olisi voinut muuttaa jonkun muun väriseksi. Mustat rajat tekevät kartasta mielestäni jotenkin raskaan näköisen, joten esimerkiksi tumman punainen tai sininen olisi voinut olla parempi valinta. Lukiessani Laura Vitikan blogipostausta, tajusin, että minunkin karttani on vinossa, ja siten väärässä kulmassa suhteessa pohjoisnuoleen. Jos olisin tajunnut asian tunnilla, olisin muokannut karttaani, mutta tätä kirjoittaessani olen tapellut QGIS’in kanssa jo niin pitkään, että taidan antaa asian olla. Tärkeintä mielestäni on, että asia kävi ilmi ja osaan korjata sen jatkossa.  

Kartasta voidaan nähdä, että eniten Itämereen typpeä päästävä valtio on Puola. Vähiten typpipäästöjä tulee Virosta. Loput 7 valtiota sijoittuvat kaikki 5–15 % luokkaan. Kartta on hiukan harhaanjohtava, sillä kuvassa on huomioitu vain Itämeren yhdeksän rannikkovaltiota. Kuten Aura Niskanen blogissaan kirjoittaa, valumaa voi tulla rannikkovaltioiden lisäksi maista mantereen sisältä. Valuma-alueeseen kuitenkin kuuluu 14 valtiota (Itämeri.fi 2020), eli päästöjä tulee todellisuudessa suuremmalta alueelta, kuin vain punaisella merkityistä valtioista. Niskanen pohtii blogissaan myös sitä, kuinka kartassa ei ole huomioitu muun muassa merenkulusta aiheutuvaa typpikuormitusta, joka mainitaan Syken raportissa Itämeri – ympäristö ja ekologia (Furman ym. 2013). Mielestäni tämä oli hyvä nosto, ja lisää mielikuvaani siitä, kuinka tekemäni kartta voi johtaa lukijaa harhaan.  

Kotitehtävä  

Saimme kotitehtäväksi tehdä Suomen kuntien tietokannan pohjalta koropleettikartan (Kuva 2). Vaikeustason ja aineiston sai päättä itse. Valitsin helpoimman vaikeustason, sillä koen olevani suhteellisen kömpelö tietokoneiden käyttäjä. Ajattelin, että on parempi aloittaa helposta, ja pikkuhiljaa siirtyä haastavampiin tehtäviin. Aineistokseni otin Alle 15-vuotiaiden osuudet kunnittain.  

Lähdin tekemään tehtävää itsevarmasti, mutta haaveeni nopeasta tehtävän suorittamisesta romuttuivat. Yritin visualisointia noin neljä tuntia saamatta mitään silmää miellyttävää aikaan. Jäin jatkuvasti jumiin, ja taisin ajatella tehtävän liian monimutkaisesti. Lopulta pyysin kaveriltani apua, ja pääsin tehtävässä eteenpäin. Tämän jälkeen asiat sujuivat mutkattomasti ja sain muokattua kartasta mieleiseni. Valitsin väriksi purppuran eri sävyt, sillä koen, että niihin ei liity mitään merkittäviä konnotaatioita. Kun olin saanut kartan yksityiskohtineen valmiiksi ja liitetyksi tähän tekstiin, huomasin, että Limingan kunta näkyy kartalla vain valkoisena. En tiedä mitä on tapahtunut, kun se on jäänyt kokonaan luokittelun ulkopuolelle. Tarkastelin aineistoa löytääkseni syyn, ja veikkaan, että se liittyy jotenkin siihen, että Limingassa on suurin alle 15-vuotiaiden osuus kunnan väestöstä. Se on siis viimeisen luokan korkein mahdollinen arvo. Tai sitten olen vain sohaissut jostakin jotakin ja poistanut kunnan vahingossa luokittelusta. Muuten olen karttaan tyytyväinen. 

 

 

 

 

 

 

 

 

 

 

 

Lähteet: 

Furman, E., Pihlajamäki, M., Välipakka P. & Myrberg, K. 2013. Itämeri – Ympäristö ja ekologia. Suomen ympäristökeskus (SYKE). file:///C:/Users/tiens/Downloads/It%C3%A4meri%20Ymp%C3%A4rist%C3%B6%20ja%20ekologia_linkit.pdf 

Itämeri.fi. 2020. Kuormitus. https://itameri.fi/fi-FI/Ihminen_ja_Itameri/Lait_sopimukset_ja_ohjelmat/Kuormitus

Niskanen, A. Ensimmäinen kurssikerta. 2024. Viitattu 25.1.2024. https://blogs.helsinki.fi/niskanau/ 

Vitikka, L. Oppimispäiväkirja ja tehtävät 17.1. 2024. Viitattu 24.1.2024. https://blogs.helsinki.fi/viclaura/ 

Welcome to Blogipalvelut. This is your first post. Edit or delete it, then start blogging!