Month: March 2020

Viimeiseen kurssikertaan tuli valmistautua etsimällä netistä tietoa, jota voisi käyttää omien karttojen laadintaan. Meillä oli käytännössä täysin vapaat kädet itseä kiinnostavan aineiston esittämiseen, ja tämän kurssikerran vaikeimmaksi etapiksi muodostuikin sopivan aineiston löytäminen. Seikkailin pitkään loputtomassa vektorien ja taulukoiden maailmassa vailla päämäärää. Varsinaista kurssikertaa edeltävänä iltana päätin määrätietoisesti valita jonkin aineiston, ja sellainen löytyikin sitten nopeasti Maailmanpankin sivuilta. Ensin vastaani tuli taulukko valtioiden hiilidioksidipäästöistä, ja pohdin, mitä voisin kuvata sen kanssa. Samalta sivustolta löysin taulukon valtioiden kaupungistumisasteesta, ja mietin, näkyisikö näiden kahden asian yhteys kartalla. Päätin rajata tutkimukseni Etelä-Amerikkaan.

Aloitin kopioimalla taulukot Exceliin, jossa muokkasin niitä hyvän tovin. Seuraavaksi latasin QGIS:iin taulukon csv-tiedostona sekä karttapohjan. Kartassa olivat kaikki maailman valtiot, joten muutin projektiota saadakseni Etelä-Amerikan kaiken keskelle. Taulukon liittäminen karttaan onnistui Joins-toiminnolla pieneksi yllätyksekseni täysin vaivattomasti, joten sain hetkessä päästöt ja kaupungistumisasteen visualisoitua valtioittain koropleettikartalla. Halusin karttaani kuitenkin jotain hieman enemmän, joten hain netistä maailman kaupunkien vektorimuotoisen tiedoston, jonka avasin ohjelmistoon. Tarkoituksenani oli sijoittaa kartalle kaupungeista vain suurimmat, joten suodatin attrubuuttitaulukosta yli miljoonan asukkaan kaupungit. Valitsin sitten “invert selection” ja poistin nyt valittuna olleet kaikki miljoonakaupunkeja pienemmät kohteet.

 Kartoistani voi havaita yhteyden kaupungissa asuvan väestön osuuden ja hiilidioksipäästöjen välillä, eli pääasiassa mitä kaupungistuneempi valtio on, sitä suuremmat sen päästöt henkeä kohden ovat. Mielestäni kahta karttaa on kohtuullisen helppoa verrata, vaikka niissä käytetyt värit eivät ole samat. Havaitsin kuitenkin karttoja vertaillessani, että vertailtavia kohteita eli valtioita tulisi olla enemmän, jotta yhteyden voisi havaita helpommin. Etelä-Amerikkaa kuvatessani jouduin nostamaan luokkamäärän kuuteen selkeyttääkseni eroavaisuuksia valtioiden välillä. Päätin toistaa tehtävän Euroopan ja Keski-Aasian valtioilla, joita on enemmän kuin valtioita Etelä-Amerikassa. 

Eroopan kohdalla tuloksissa ei näy kovin selkeää yhteyttä, vaikka nyt luokat erottuvatkin paremmin suuremmalla aluemäärällä. Korkea kaupungistumisaste ei itsessään tarkoita suuria päästöjä. Jos suuret kaupungit onnistutaan rakentamaan tiiviiksi ja toimivaksi, ei päästöjä synny yhtä paljon liikenteestä. Myös ilmasto, uusiutuviin energialähteisiin satsaaminen sekä elinkeinorakenne vaikuttavat päästömääriin. Kaupungit ja toisaalta niiden ulkopuoliset alueet eivät ole identtisiä missään päin maailmaa, joten vertailu ei ole ongelmatonta.

Omasta mielestäni viimeisen kurssikerran vapaavalintainen tehtävä oli innostava. Vaikka mitään uutta ei opetettu, tuntui että taitoni kasvoivat kohisten kuten jokaisella kurssikerralla. Anna Avellan pohtii omassa blogissaan, oliko hänen viimeisen kerran työnsä “tarpeeksi haastava”, mutta pohtii sitten tärkeimmän asian olleenkin kyky toimia itsenäisesti ohjelmiston kanssa (Avellan 2020). Myös omasta mielestäni oli todella opettavaista tehdä kaikki aineiston hankkimisesta visualisointiin ilman ohjeistusta. Myönnän olleeni hieman hämmästynyt, kun työni eteni niin vaivattomasti. Näpyttelyt, klikkaukset ja komennot sujuivat enemmän rutiinilla kuin koskaan, ja pystyin kokeilemaan ohjelmistossa erilaisia toimintoja melko vaivatta. Viimeinen kurssikerta jätti todella positiivisen fiiliksen gissistä, ja päälimmäiseksi jäi halu oppia lisää ja tuottaa enemmän omia karttoja. Nyt on kuitenkin aika jättää gis-aivot lomalle, valmistautumaan tuleviin koitoksiin.

 

Lähteet:

Avellan, A. (2020). Lento QGIS 3.4.1 laskeutuminen. 1.3.2020. <https://blogs.helsinki.fi/avellana/2020/02/26/lento-3-4-1-laskeutuminen/>

Downloads. 1.3.2020. <https://www.naturalearthdata.com/>

World Bank Open Data (2014). 1.3.2020. <https://data.worldbank.org/>

World Cities. Esri. 1.3.2020. <https://hub.arcgis.com/>

Kuudennesta kurssikerrasta on ehtinyt vierähtää jo reilu viikko, mutta nyt on viimein aikaa palauttaa ajatukset gis:iin. Kuudes tunti oli oma suosikkini kurssilla, sillä suuntasimme heti aamukahdeksalta piristävään ulkoilmaan. Sateinen ja tuulinen sää ei ollut ehkä ideaalein aineiston keräämiseen, mutta nautin noin tunnin mittaisesta reippailusta silti. Tarkoituksenamme oli tallentaa puhelimeen ladattavalla Epicollect5-sovelluksella maastosta sijainteja, joita sitten arvioimme asteikolle 1-5 muun muassa niissä koetun turvallisuuden perusteella.

Luokkaan palattuamme kaikkien keräämät pisteet koottiin yhteen csv-tiedostoon, joka tuotiin QGIS:iin. Käytimme ensimmäistä kertaa interpolointia, jolla saimme visualisoitua turvallisuuden tuntemuksia mielenkiintoisella ja selkeällä tavalla. Alla on kuvakaappaus saaduista tuloksista, jotka toisaalta voisivat näyttää myös hieman erilaisilta interpolointiasetuksista riippuen. Vihreät alueet kampuksen lähimaastossa kuvaavat turvallista tunnetta ja punaiset turvatonta. Omat tuntemukset saattavat kuitenkin vaihdella esimerkiksi vuorokaudenajasta, iästä ja jopa säästä riippuen, joten olisi kiinnostavaa kerätä kyseisenlaista aineistoa pidemmältä aikaväliltä ja suuremmalla joukolla.

Itsenäistehtävän aiheena oli tällä kertaa erilaiset hasardit, joista itse valitsin kuvattavaksi maanjäristykset sekä tulivuorenpurkaukset. Vaikka jouduin lähteä kesken tunnin suunnatakseni myrskyiseen mutta ihastuttavaan Tvärminneen, en kokenut tehtävien kanssa niin paljoa vaikeuksia kuin aiemmilla kurssikerroilla.

Hasardeja kuvaavat pisteet tuotiin samalla tavalla csv-tiedostona kuin tunnin harjoituksessa. Suurten taulukoiden siirtelyssä ilmeni luonnollisesti joitakin ongelmia, jotka kuitenkin oli ratkaistavissa ilman hermoromahduksia. Ensin kuvasin kartalla tulivuoria sekä vuosien 2010-12 yli 7 magnitudin maanjäristyksiä, joiden sijoittumisessa on havaittavissa selkeitä yhteyksiä. Nämä hasardit liittyvät olennaisesti litosfäärilaattojen saumakohtiin ja liikkeisiin, ja esimerkiksi vulkanismin sekä seismisyyden perikuva, Tyynenmeren tulirengas, muodostuu nimenomaan litosfäärisaumoista.

Lukiessani Vilma Koljosen blogia ihailin kovasti hänen kartalle lisättyjä litosfäärilaattoja. Niitä ei löytynyt kurssikansiosta, vaan Koljosen sanojen mukaan hän sai “sukeltaa oman onnen[sa] varassa internetin ihmeelliseen maailmaan” etsimään vektoriaineistoa (Koljonen 2020). Päätin yrittää samaa, mutta tässä kohtaa itselläni ilmeni tehtävän suurin haaste. Olin jo luovuttaa aineiston tuomisessa QGIS:iin, mutta viimeisenä oljenkortenani tieni johti kultaiseen googletuksen ihmemaahan, josta ratkaisu pulmaani löytyi. Ymmärtääkseni olin yrittänyt tuoda vain osaa shape-tiedostosta, vaikka se toimii ainoastaan koko pakettia tuodessa.

Vaikka ensimmäisestä kartastani voi havaita maanjäristyksien sijoittumisen litosfäärilaattojen reunamille, halusin vielä kokeilla yhteyden visuaalista selkeyttämistä ottamalla mukaan magnitudia 6 suuremmat järistykset. Luokittelin myös järistykset voimakkuuksien perusteella luonnollisin luokkavälein. Kartasta voi havaita, että pienempien, vaikkakin voimakkaiden, järistysten sijoittumisessa on hieman enemmän hajontaa. Niitä esiintyy esimerkiksi Atlantin keskiselänteellä, kun voimakkaimmat maanjäristykset ovat suureksi osaa alityöntövyöhykkeillä tapahtuvia. Kartalta laattojen liikesuuntia tai -nopeuksia ei voi muuten päätellä, ja jonkinlaiset nuolet toimisivatkin asian visualisoinnissa. Muistankin omasta lukiokirjastani selkeän kuvan, jossa laattojen liikettä kuvaamassa oli sekä eri pituisia nuolia että kuvioita merkitsemässä laattojen sivuamista, erkanemista ja törmäämistä.

 

Lähteet: 

Koljonen, V. (2020). Raikasta ulkoilmaa! 1.3.2020.  <https://blogs.helsinki.fi/vilmakol/2020/02/19/raikasta-ulkoilmaa/>