Kurssikerta 7. Omia karttaesityksiä

Viimeisen kurssikerran tarkoitus oli tuottaa itse jokin karttaesitys, joka kuvastaa paria eri muuttujaa. Yllättävän hankalaksi ilmeni datan löytäminen ja sen päättäminen, mitä haluaa kuvata kartoilla (taas kerran). Hukuin syvälle aineistojen maailmaan kun etsin sopivaa dataa tarkasteltavaksi. Halusin kuvata laajempaa aluetta kuin pelkkää Suomea. Euroopan tasolla löysin jonkin verran hyvää dataa, mutta päädyin lopulta tarkastelemaan ilmiöitä koko maailman tasolla. Tässäkin hankalaksi osoittautui se, että kaikista muuttujista ei ollut yhtä kattavaa aineistoa, mikä rajoitti hieman valintaa. Aineistot löysin ArcGIS Hub sivustolta ja UNEP (United Nations Environmental Programme) data explorer sivulta.

Halusin tarkastella jotakin merkittävää ilmiötä, jossa näkyisi selkeää vaihtelua vuosien välillä. Lisäksi halusin luoda jotain sellaista, mitä ehkä voisi käyttää tulevaisuudessa opetustyössä. Siispä päädyin tekemään pari karttasarjaa siitä, miten urbanisoituminen ja väestönkasvu on muuttunut eri maissa vuosien 1990-2020 välisenä aikana. Lisäsin kartan myös vuoden 2045 ennusteesta. Päädyin karttasarja malliseen tarkasteluun, koska päällekkäisten asioiden kuvaaminen maailmankartta tasolla on hieman hankalaa. Helposti diagrammit tai muut vastaavat menevät niin pieneksi ja suttuiseksi, että tällainen tarkastelu on varmasti parempi. Olisi ollut hienoa saada kartat tähän blogiympäristöön vierekkäin, mutta se ei ollut mahdollista. Mielestäni kartat kuvaavat hyvin ilmiöitä ja karttoja voisi käyttää apuna esimerkiksi opetuksessa tai vaikkapa koetehtävän osana.

Karttasarja 1. Väestönkasvu vuosina 1990, 2020 ja ennuste vuodelle 2045

 

 

 

Karttasarja 2. Vuosien 1990, 2020 ja 2045 ennuste siitä, kuinka suuri osuus valtion asukkaista asuu kaupungissa.

 

Karttasarjoista voi tarkastella monia asioita. Niitä voi tarkastella yksinään tai vertailemalla toisiinsa. Karttasarjasta 1 nähdään, että väestönkasvu on vähentynyt vuoden 1990 jälkeen monissa Aasian ja Afrikan maissa. Lisäksi monessa Euroopan maassa väestönkasvu on negatiivisen puolella. Vuoden 2045 ennuste kertoo siitä, että väestönkasvun uskotaan hidastuvan entisestään, mutta pysyvän positiivisen puolella monissa maissa. Suomi näkyy kaikissa kartoissa samalla värisävyllä (kasvuvauhti 0-0,5) mutta vuoden 2045 kasvuvauhti on enää 0,032 eli lähes olematon.

Karttasarjasta 2 näkee sen, kuinka kaupungissa asuvien osuus on kasvanut vuosien 1990-2020 välillä monessa maassa. Yli 5 miljoonan asukkaan kaupungit (näkyvät karttasarjan 2 keskimmäisessä kartassa) ovat sellaisissa paikoissa, joissa urbanisoitumisaste ei ole niin korkea. Lukuunottamatta poikkeuksia kuten New York, Lontoo ja Soul. Toinen huomio, jonka kartoista voi tehdä on se, että paikoissa, jossa väestönkasvu on korkeaa kaupungistumisprosentti on pienempi. Tästäkin löytyy kyllä poikkeuksia.

Teknisesti kartat eivät vaatineet suurta ponnistelua ja sain helposti muokattua kartat haluamaani ulkomuotoon. Datan löytäminen, käsittely ja muokkaaminen ennen QGIS:iin siirtämistä voi olla työläämpää kuin itse kartan tekeminen.

Katselin myös muiden tuottamia karttoja ja oli hauskaa huomata, miten erilaisiin datoihin ja karttaesityksiin ihmiset olivat päätyneet. Esimerkiksi Venla Moisio oli tarkastelut kiinnostavasti Suomen elinkeinorakennetta, päästöjä ja väestöä kartoissaan (Moisio, 2020). Myös Leena Rantamaulan blogissa oli kuvattua kiinnostavia muuttujia Euroopan tasolla. Leena sanoi myös blogissaan hyvin, että monesti vähempi on enemmän ja pienemmän datamäärän visualisointi on huomattavasti helpompaa kuin suuren (Rantamaula, 2020). Olen tästä samaa mieltä. Minulla ilmeni monesti se ongelma jos yritin lisätä karttaan jotain, että siitä ei saanut enää mitään selvää. Olisin halunnut laittaa kaupunkien viereen niiden nimen ja asukasluvun, mutta siitä tuli vain sotkua.

Tämä kurssikerta antoi vahvan luoton siihen, että olen oppinut käyttämään QGIS ohjelmaa hyvin ja osaan tehdä sillä jo monenlaisia karttoja. Tulen varmasti hyödyntämään näitä taitoja tulevaisuudessa ja tulevat oppilaani saavat karttaähkyn kun innostun visualisoimaan kaikkea mahdollista kartoilla. Tähän on hyvä päättää tämä kurssi ja blogin teko. On ollut mukava seitsemän viikon matka, mutta vielä mukavampaa on se, että se loppuu!

 

Lähteet:

ArcGIS Hub. Haettu 22.2.2020 <https://hub.arcgis.com/>

Moisio, V. (26.2.2020) Viikko 7 -viimeinen kurssikerta ja omien karttojen tekemistä. Luettu 27.2.2020. https://blogs.helsinki.fi/moivenla/

Rantamaula, L. (26.2.2020) Kurssikerta 7: Raaka-ainekulutus ja elämänlaatu. Luettu 27.2.2020. https://blogs.helsinki.fi/rale/

United Nations Environmental programme data explorer.  Haettu 23.2.2020 <http://geodata.grid.unep.ch/>

Kurssikerta 6. Interpolointia ja luonnonkatastrofeja

Kuudes kurssikerta aloitettiin aineiston keräämisellä ulkona. Käytimme hyödyksemme Epicollect5 ohjelmaa, joka tuli minulle tutuksi jo maanantaina Maantieteen didaktiikan -kurssilla. Ohjelma on helppo käyttää ja soveltuu varmasti myös lukiolaisten maantieteen tunnille. Oli kivaa vaihtelua päästä ulkoilemaan ja kävelemään, koska koneella tulee istuttua jo ihan liikaa muutenkin. Keräsimme aineistoa erilaisista paikoista ja arvioimme esimerkiksi niiden turvallisuutta, viihtyisyyttä ja ihmisten aktiivisuutta alueella.

Luokassa visualisoimme kerättyä dataa ja harjoittelimme interpoloinnin tekoa QGIS:illä. Päätin interpoloida sitä, kuinka aktiivisesti ihmiset käyttävät paikkoja. Kuvassa 1. näkyy työn tulos. Interpoloinnissa on se huono puoli, että vaikutusalueet ylettyvät laajalle pisteen ympärille. Paikkojen, joissa ei ole pisteitä väri määräytyy hieman sattumanvaraisesti, mikä ei kuvasta välttämättä todellista tilannetta. Sellaisessa tilanteessa tämä toimisi paremmin, jossa pisteitä olisi hieman enemmän.

Kuva 1. Interpolointi siitä kuinka aktiivisesti kävelijät käyttävät Kumpulan läheisyydessä olevia kohteita. 1= ei aktiivisessa käytössä 5= paljon kävelijöitä, ohikulkijoita, hengailijoita

Kumpulan tarkastelun jälkeen pääsimme tutkimaan luonnonhasardeja, kuten tulivuoria ja maanjäristyksiä ja visualisoimaan niitä. Aluksi täytyi päättää, mitä haluaa tarkastella ja sitten tehdä siitä karttaesitys. Yllättävän vaikeaksi osoittautui juuri se, että sai päätettyä, mitä halusi kartalla esittää. Data löytyi valmiina moodlesta löytyvien linkkien takaa. Lisäksi käytin yhtä omaa linkkiä, jotta pääsin tarkastelemaan maanjäristyksissä kuolleiden määrää ja niistä koituneita kustannuksia. Tomi Kiviluoma oli löytänyt sivuston, jossa oli shp. tiedostona mannerlaatat. Hyödynsin tätä samaa sivustoa ja lisäsin karttoihini myös mannerlaatat (Kiviluoma, 2020).

Jossain tapauksissa piti hieman muokata tiedostoja excelissä ennen kuin ne sai siirrettyä QGIS:iin, mutta osa datasta oli suoraa csv muodossa. Hieman hankaluuksia tuotti se, että osa sijaintitiedoista muuttui päivämääriksi excelissä. Onnistuin kuitenkin selvittämään ongelman muotoilemalla solut tekstiä sisältäväksi ennen liittämistä, jolloin numerot eivät vaihtuneet päivämääriksi.

Päätin tarkastella sekä maanjäristyksiä että tulivuoria ja niiden sijoittumista kartalle. Ensimmäisessä kartassa (Kuva 2.) on kuvattu kaikki maanjäristykset vuosilta 2002-2012, jotka ovat olleet yli 6 magnitudia, lisäksi kartassa näkyy tulivuoret ja mannerlaatat. Tämän jälkeen kokeilin luokitella pisteitä sen mukaan, kuinka voimakas järistys on ollut (Kuva 3.). Päätin rajata tarkasteltavaa aluetta, jotta pisteet erottuisivat paremmin. Halusin myös lisätä karttoihin tietoa kuolonuhreista ja kustannuksista, koska ne ovat merkittävä osa hasardeja. Siispä tein karttaesitykset myös näistä aiheista (Kuva 4. ja 5.). Kaikista järistyksistä ei ole tietoa siitä, kuinka suuret kustannukset ne on aiheuttanut, minkä takia viimeinen kartta on vähän vajavainen. Huomasin, että Carita Aapro-Koski oli omassa blogissaan tehnyt kartan, jossa näkyi numeroina järistyksen kohdalla taloudelliset vahingot ja kuolonuhrit. Se oli hyvin selkeä esitystapa ja tuo informaation paremmin esille kuin omat karttani (Aapro-Koski, 2020).

Kuva 2. Maailman kartalla esitetty tulivuoret, maanjäristykset (2002-2012) ja mannerlaattojen sijainti

 

Kuva 3. Maanjäristykset vuosilta 2002-2012
Kuva 4. Maanjäristyksissä kuolleiden määrä ja yli 8 magnitudin järistykset vuosilta 2002-2012
Kuva 5. Maanjäristyksistä aiheutuneet kustannukset (milj.), yli 6 magnitudin järistykset, yli 8 magnitudin järistykset ja järistykset, joissa on kuollut yli 10 000 ihmistä.

Jälkikäteen mietittynä olisin vaihtanut joitakin symboleja toisiksi, koska nyt sama symboli kuvastaa eri kartoissa eri asioita. Tällainen ei toimisi opetuskäytössä, koska se sekoittaisi oppilaita. On kuitenkin hyvä tiedostaa virheensä ja ehkä niitä osaa sitten vältellä tulevaisuudessa. Tämä oli kuitenkin pelkkä harjoitus ja monen tunnin ahertamisen jälkeen en enää jaksanut välittää symboleista. Toinen parannettava asia olisi kuolleisuutta esittävässä kartassa olevat värit. QGIS:ssä värit näyttivät paremmilta ja ne erottuivat kartasta paremmin kuin tässä blogiympäristössä. On siis hyvä miettiä sitä, miltä karttaesitys näyttää siellä, missä sen aikoo näyttää/julkaista. Toisaalta nämä kartat toimivat varmasti paremmin isommalla näytöllä kuin tässä blogissa.

Kaikki nämä kartat soveltuvat hyvin opetuskäyttöön ja mielestäni ne havainnollistavat hyvin  hasardien sijoittumista maailmankartalle.  Oppilaiden mieleen jää varmasti helpommin kartoista nähdyt asiat kuin pelkkä opettajan puhe. Näillä  tekemilläni kartoilla pystytään opettamaan/havainnollistamaan esimerkiksi näitä asioita:

  • Suurin osa yli 6 magnitudin järistyksistä on 6-7 magnitudin välissä. Voimakkaita järistyksiä tapahtuu harvemmin
  • Suurimmat ihmismenetykset ja kustannukset eivät ole  aina suoraa yhteydessä kaikista voimakkaimpiin järistyksiin
  • Järistyksistä  ja tulivuorista suurin osa sijoittuu mannerlaattojen saumakohtiin

Harjoitus oli hyvä ajatellen tulevaa ammattiani eli biologian ja maantiedon opettajana toimimista. Kurssikerralla tehdyt harjoitukset muistuttivat siitä, että opettajana on valtavat mahdollisuudet tuottaa myös itse opetusmateriaali eikä tyytyä vain saatavilla oleviin. Tällä tavalla pystyy muokkaamaan karttoja juuri täydellisesti opetukseen sopiviksi. Karttojen avulla pystytään havainnollistamaan monia ilmiöitä hyvin ja luomaan oppilaille parempi muistijälki. Esimerkiksi Suomen väestön kehitys ja keskittyminen isoihin kaupunkeihin on sellainen ilmiö, jota on helppo kuvata kartalla.

Olen tyytyväinen siihen, mitä kaikkea olen oppinut kurssin aikana. Osaan käyttää QGIS:ä jo moneen erilaiseen tarkoitukseen ja taas opin uusia tapoja hyödyntää ohjelmaa myös tulevaisuudessa.

 

Lähteet:

Aapro-Koski, C. (20.2.2020) Kurssikerta 6. Karttoja opetustarkoitukseen. Luettu 21.2.2020. https://blogs.helsinki.fi/aacarita/

Kiviluoma, T. (20.2.2020) Hasardia menoa. Luettu 20.2.2020 https://blogs.helsinki.fi/tomingeoblogi/

National center for environmental information. Luettu 20.2.2020 https://www.ngdc.noaa.gov/nndc/struts/form?t=101650&s=1&d=1

World tectonic plates and boundaries. GitHub. Luettu 20.2.2020. https://github.com/fraxen/tectonicplates

 

Kurssikerta 5. Tehtäviä ja puskurointivyöhykkeitä

Viidennellä kurssikerralla jatkoimme viime kerralla aloitettua Pornaisten aineiston tutkimista ja analysointia. Tällä kerralla opettelimme luomaan puskurointivyöhykkeitä ja laskemaan niiden avulla erilaisia asioita. Puskurointi on tärkeä ominaisuus QGIS:issä, koska sen avulla voidaan selvittää esimerkiksi, jonkin ilmiön vaikutusalueella asuvien ihmisten määrää tai vaikkapa vesistöjen valuma-alueita.  Puskurointivyöhykkeiden avulla voidaan määrittää esimerkiksi maanjäristyksen voimakkuutta eri etäisyyksillä järistyskeskuksesta ja näin ollen selvittää mahdollisten tuhojen laajuutta (ihmiset, eläimet, rakennukset, kasvillisuus). Toinen johon mietin, että puskurointivyöhykkeiden käyttö voisi soveltua on eläinten reviirien ja niiden päällekkäisyyksien määrittäminen (huomaa, että biologi on tullut maantieteen kurssille).

Teimme kurssikerralla paljon itsenäisharjoituksia (K5 tehtäviä) ja pääsimme ratkaisemaan ongelmia omin päin. Kurssikerran tehtävissä käytimme puskurointivyöhykkeitä siihen, että selvitimme lentokenttien melu-alueilla ja juna-asemien läheisyydessä asuvien ihmisten määrää ja taajama-alueilla kouluikäisten ja ulkomaalaisten osuutta. Piirsimme itse karttoihin lentokenttien kiitoratoja ja teimme niille puskurointivyöhykkeitä. Oli hyvä muistuttaa mieleen, kuinka piirtäminen onnistui QGIS:illä.

Itsenäistehtävät loivat uskoa siihen, että olen oppinut paljon hyödyllisiä asioita kurssikertojen aikana. Tehtävien ratkaiseminen ei tuottanut suuria ongelmia paria poikkeusta lukuunottamatta. Toisaalta en tiedä ratkaisinko kaikkia tehtäviä oikein tai ratkaisinko ne helpointa reittiä käyttäen. Pääasia, että osasin löytää tapoja ratkaista tehtäviä ja aiemmilla kurssikerroilla käsitellyt asiat muistuivat  hyvin mieleen. Vertailin omia tuloksiani muiden kurssilaisten tuloksiin ja huomasin pieniä eroja. Erot johtuvat paljolti siitä, millaiset kiitoradat olin piirtänyt, jolloin ne vaikuttivat puskurointivyöhykkeiden kokoon. Saman toteamuksen oli tehnyt Tomi Kiviluoma blogissaan (2020). Lisäksi laskin kouluikäisiksi kaikki 7-16-vuotiaat vaikka todellisuudessa sen piti olla 7-15-vuotiaat. Vastaukset ovat kuitenkin suunnilleen samat kuin Riina Hiltulan (2020) ja Samu Vileniuksen (2020) blogeissa niin olen ihan tyytyväinen.

Osaan mielestäni käyttää hyvin erilaisia valintatyökaluja ja laskentatyökaluja. Select by location ja selecy by value  ovat hyvin hallussa ja ymmärrän niiden toimintaperiaatteen hyvin. Osaan myös laskea uusia arvoja taulukoihin helposti ja kivuttomasti.  Bufferointi on selkeä ja käyttökelpoinen työkalu ja erilaisten tiedostojen yhdistely “join” toiminnolla on myös hyvin mielessä. Välillä pienet yksityiskohdat unohtuvat. Kun kurssikerralla  täytyi tehdä valinta jo valitusta alueesta, niin kesti hetken tajuta, että valittu alue pitää tallentaa omana tiedostona ennen, kun siitä voi tehdä lisää valintoja. Monesti tiedän, mitä pitää tehdä ja mitä työkaluja täytyy käyttää, mutta niiden oikeanlainen käyttö vaatii välillä muistuttelua. Kaipasin lisää sellaisia harjoituksia, jossa itse täytyy pohtia, mitä työkaluja olisi parasta käyttää. Osaan käyttää  monia työkaluja hyvin, mutta en välttämättä aina tiedä mikä niistä on mihinkin tehtävään paras. Ongelmanratkaisua siis kaipaisin lisää.

En ehtinyt tunnin aikana tehdä kaikkia itsenäistehtäviä ja tällä kertaa karttatuotoksen tekeminen jäi vain ajatuksen tasolle. Oma koneeni ei jostain syystä halunnut avata pks väki tiedostoa ja näin ollen viimeisen tehtävän teko ei onnistunut ( tuota tiedosta tarvitsi joka kohdassa). QGIS ilmoitti, että tietolähde ei ole kelvollinen enkä sitä lukuisista yrityksistä huolimatta saanut auki. Siispä täytyi tyytyä kohtaloon ja  toivoa seuraavalla kerralla parempaa menestystä.

Lähteet:

Hiltula, R. (13.2.2020) 5. Kerta – itsenäisharjoituksia ja oivalluksia. Luettu 15.2.2020. https://blogs.helsinki.fi/hiltular/

Kiviluoma, T. (12.2. 2020) Valintojen maailma: bufferointia ja tietokantojen syväluotaavaa suodatusta. Luettu 15.2.2020. https://blogs.helsinki.fi/tomingeoblogi/2020/02/12/valintojen-maailma-bufferointia-ja-tietokantojen-syvaluotaavaa-suodatusta

Vilenius, S. (13.2.2020) Kurssikerta 5 – S*it just got real. Luettu 15.2.2020. https://blogs.helsinki.fi/vilesamu/

 

Kurssikerta 4. Piste- ja ruutuaineistot

Neljännellä kurssikerralla pääsimme tutustumaan piste- ja ruutuaineistoihin ja loimme itse tietokantoja. Aluksi toimme QGIS:iin erilaisia aineistoja ja karsimme datan määrää valitsemalla vain niitä ruutuja, joissa oli pisteitä. Turhan datan karsiminen on fiksua siinä mielessä, että ohjelma pystyy helpommin käsittelemään pienempää datamäärää. Alustuksen ja harjoittelun jälkeen pääsimme itse valitsemaan muuttujia, jonka pohjalta teimme karttaesityksen.

Kuva 1. on kartta siitä, millainen on naisten osuus väestössä suhteessa miehiin pääkaupunkiseudun alueella.  Pyrin tekemään kartasta mahdollisimman kuvaavan niin, että sinisellä olevissa paikoissa miehien lukumäärä on suurempi kuin naisten kun taas punaisella olevat ruudut ovat sellaisia, jossa naisten osuus on suurempi kuin miesten. Valkoiset ruudut kuvastavat paikkoja, jossa naisia ja miehiä on saman verran. Muuten olen tyytyväinen karttaesitykseen ja sen väreihin, mutta korjaisin kartasta sen, että laittaisin järvet ruutuaineiston taakse. Nyt järvet ovat ruutuaineiston päällä ja peittävät osan ruuduista. QGIS:n väriskaala vaihtoehdoissa oli valmiina tuollainen punaisesta siniseen vaihtuva ja se soveltui tähän karttatarkasteluun oikein hyvin. Hieman ehkä stereotyyppisesti naisilla punainen väri ja miehillä sininen, mutta informaatio välittyy oikein hyvin ja se on pääasia. 

Aineisto kertoo siitä, että monissa paikoissa naisia on suhteessa enemmän kuin miehiä. Lisäksi kartalta erottuu esimerkiksi Otaniemi, jossa on paljon miespuolisia opiskelijoita. Toisaalta kartta antaa paikoin vääristyneen kuvan, koska osassa ruuduissa asuu vain seitsemän ihmistä ja osassa asuu tuhansia. Jos seitsemän ihmisen ruudussa asuu viisi miestä on siellä suhteessa enemmän miehiä, mutta se nyt ei suoranaisesti kuvasta mitään ilmiötä tai kerro siitä, että paikka olisi jotenkin miesvaltainen luonteeltaan. Sen voi varmasti päätellä kartasta, että naisia on suhteessa enemmän Helsingin alueella kuin miehiä, mutta yksittäistä ruutua ei kannata kategorisoida sen tarkemmin nais- tai miesvaltaiseksi ennen kuin on tutustunut tarkemmin aineistoon.

Kuva 1. Naisten osuus suhteessa miehiin pääkaupunkiseudun alueella

Mielestäni on kiinnostavaa, että pääkaupunkiseudun ulkoreunalla väestöstä suurempi osa on miehiä kuin naisia kun taas sisäosissa naisia on suhteessa enemmän. Haluavatko naiset asua lähempänä keskustaa ja hyviä kulkuyhteyksiä vai mistä ilmiö johtuu? Tätä olisi kiinnostava tutkia. Unohtamatta sitä, että ulkoreunalla asukastiheys on pienempi, joka hieman vääristää tulosta.

Mielestäni tällainen ruutuaineisto ei ole niin esteettinen kuin esimerkiksi korrepleettikartta. Ruudut häiritsevät visuaalista silmääni ja osittain ne voivat myös vääristää tuloksia. Niin kuin Janina Vikman blogissaan sanoi, että ruutukartta ei mukaile luonnollisia rajoja kuten kaupunginosia. Tulokset voivat vääristyä, jos kahdelta hyvin erilaiselta alueelta on päätynyt tietoja samaan ruutuun (Vikman, 2020).

Piste- ja ruutuaineistojen jälkeen teimme korkeuskäyriä ja kokelimme rinnevarjostusta QGIS:illä. Näiden tekeminen oli yllättävän helppoa ohjelmalla. Olemme käyneet tähän mennessä läpi jo paljon erilaisia toimintoja ja ne ovat sillä hetkellä tuntuneet helpoilta. En tiedä, miten hyvin toiminnot ovat enää parin viikon päässä muistissa. Täytyisi pyöritellä ohjelmaa vieläkin enemmän, että kaikki toiminnot jäisivät pysyvästi mieleen. Carita Aapro-Koski oli sanonut hyvin blogissaan, että pelkkä mekaaninen suorittaminen ei ole toivottavaa vaan, että kurssikerroista jäisi käteen ymmärrys siitä,  mitä on tullut tehtyä. Senkin on tärkeää, että muistaa katsoa kriittisesti omia tuotoksiaan ja sitä onko ne mahdollisia (Aapro-Koski, 2020).

Kokeilimme lopuksi tehdä itse aineistoa, jota hyödynnämme seuraavalla kerralla. Aineiston tuottaminen ei tuntunut hankalalta se oli hyvin saman tyyppistä kun Corelilla piirtäminen.

 

Lähteet:

Aapro-Koski, C. (1.2.2020). Kurssikerta 3: Timantteja ja tulvia. Luettu 6.2.2020. https://blogs.helsinki.fi/aacarita/

Vikman, J. (5.2.2020). Pieniä voittoja.  Luettu 6.2.2020. https://blogs.helsinki.fi/jagvikma/

 

Kurssikerta 3. Tietokantojen yhdistelyä

Kurssikerralla kolme jatkoimme QGIS:n pyörittelyä ja uuden oppimista. Tällä kertaa opettelimme yhdistämään tietokantoja ja laskemaan erilaisia asioita. Kurssikerta sujui hyvin vaihtelevilla fiiliksillä. Aluksi kaikki oli helppoa ja kivaa, mutta loppuvaiheella QGIS kaatui useampaan otteeseen, mikä tietenkin kaatoi myös hyvän fiiliksen.

Aluksi tutkimme Afrikkaan liittyviä aineistoja esimerkiksi alueilla olevia konflikteja ja internetinkäyttäjiä. Yhdistimme valmiina olevia tietokantoja dissolve toiminnon avulla yhdeksi kokonaisuudeksi, jotta pystyimme käyttämään ja hyödyntämään niitä paremmin. Tämä on tärkeä taito, koska monesti yksittäisellä datalla ei vielä tee mitään, mutta niitä yhdistelemällä pystytään päättelemään jo monenlaisia asioita. Eri tiedostomuodossa olevia tiedostoja pystyi hyvin liittämään yhteen, niissä vain piti olla jonkin yhteinen tekijä kuten valtion nimi.

Afrikka tiedostoissa oli monenlaista tietoa esimerkiksi siitä, missä on tapahtunut eniten konflikteja, missä sijaitsee öljykentät ja paljon muuta. Tiedon avulla pystyi tekemään  ja päättelemään monenlaisia asioita. Tietokannoissa oli  esimerkiksi tieto  öljykenttien löytymisvuosista. Näitä vuosia voisi vertailla konflikteihin ja valtioihin.  Sitten nähtäisiin, onko samoilla alueilla tapahtunut samoina vuosina paljon konflikteja kun öljyä on löydetty. Öljyn löytyminen esimerkiksi kahden valtion rajalta voi aiheuttaa kiistoja näiden välille.

Tietojen avulla voisi myös tutkia öljykenttien ja timanttien tuottavuusluokittelua ja verrata niitä internetinkäyttäjiin eri vuosina eri alueilla. Internetin käytettävyys kertoo alueen kehittyneisyydestä ja vaurastumisesta. Alueilla, joilla timantteja ja öljyä on runsaasti ajattelisi olevan parempi taloudellinen tilanne kuin muualla ja siten myös kehittyneempi väestö. Se ei tietenkään välttämättä mene näin ja näiden tietokantojen avulla sitä voisi selvittää. Huomasin, että Laura Hynynen oli tehnyt loistavan karttaesityksen juuri tältä kannalta tarkasteltuna. Siitä näki hyvin, miten öljymaat olivat selkeästi myös kehittyneempiä maita (Hynynen, 2020).

Afrikan tutkimisen jälkeen pääsimme harjoittelemaan kurssilla oppimiamme asioita ihan todenteolla ja teimme itsenäisesti korrepleettikartan  tulvaindeksistä ja pylväsdiagrammin järvisyysprosentista Suomen eri alueilla. Tulvaindeksistä voi päätellä sitä, miten herkästi alueelle tulee tulvia. Mitä tummempi värisävy sitä suurempi riski tulvalle on. Nopealla vilkaisulla voisi sanoa, että niillä alueilla, missä järvisyysprosentti on korkea tulvaindeksi on matala. Eli niillä alueilla, joilla on paljon järviä ei tapahdu niin paljon tulvia kuin niillä alueilla, joilla järviä on vähän. En osaa sanoa, mistä tämä ilmiö johtuu, mutta se varmasti selviää minulle ajan kanssa.

Kaikki ei kartan teossa mennyt ihan niin sanotusti nappiin ja sain toistaa samat vaiheet kolmeen kertaan. Kaksi kertaa QGIS kaatui silloin kun olin tallentamassa tuotosta ja se hävisi kuin tuhka tuuleen. Lopulta sain kuitenkin tämän karttaesityksen ulos ja olen suhteellisen tyytyväinen lopputulokseen. Olisin halunnut, että “Järvisyys %” otsikko olisi tullut asteikon yläpuolelle, mutta en sitä siihen saanut. Tyydyin siihen, että sain jonkinlaisen tuotoksen ulos QGIS.:stä. Harjoitus tekee mestarin ja voin todeta, että tämän kurssikerran asiat ovat ainakin hyvin mielessä kun niitä sai toistaa useaan kertaan.

Kuva 1. Karttaesitys Suomen tulvaindekseistä ja järvisyydestä

 

Lähteet:

Hynynen, L. (29.1.2020). Lisää elementtejä analyysiin. Luettu 30.1.2020. https://blogs.helsinki.fi/lauravel/

 

Kurssikerta 2. Tietokannat ja karttaprojektiot

Kurssikerralla kaksi tutustuimme siihen, miten erilaisia tietokantoja voi tuoda QGIS:iin ja miten niitä voidaan käyttää siellä. Mietin jo viime kerralla sitä, että mistä löytää dataa, josta tehdä karttaesityksiä. Nyt kysymyksiini vastattiin.

Tälläkin kertaa, mikään kurssikerralla ei tuntunut ylitsepääsemättömän vaikealta ja toiminnot oli helppo muistaa myöhemminkin. Tein kotona  kuvan 2. kartan ja yllätyin itsekkin, miten hyvin muistin kaikki toiminnot mitä olimme käyttäneet. Muistin jopa vaihtaa tallennuspaikaksi muun kuin QGIS:in määrittämän tallennuspaikan, johon käyttäjällä ei ole pääsyä.

Kuva 1. on tunnilla tehty karttaesitys Mercatorin projektion ja ETRS89 (TM35FIN) projektion välillä. Minun karttaesitykseeni tuli turhan monta luokkaa, mutta informaatio kuitenkin välittyy hyvin tästäkin kartasta. Tässä olisi toiminut myös ohjelman oma luokiteltu jako, jolloin olisi saanut kauniin liukuvärjäyksen karttaan. Toisaalta en tiedä,  miltä legenda olisi sitten näyttänyt, ei varmaankaan hyvältä. Pääasia on se, että kartalta välittyy se tieto, että Mercatorin projektion pinta-alat ovat kauttaaltaan isompia kuin ETRS89. Erityisesti pinta-alat ovat vääristyneet kartan yläosassa, jossa Mercatorin projektion pinta-alat ovat huomattavasti suuremmat kuin ETRS89 projektion. Myös kartan alaosassa Mercatorin pinta-alat ovat suuremmat kuin ETRS89, mutta ero ei ole  ihan niin suuri.

Kuva 1. Kartta esitys siitä, kuinka paljon suuremmat kuntien pinta-alat ovat Mercatorin projektiossa kuin ETRS89 projektiossa.

 

Tein vielä toisen  kartan, jossa vertailin Robinsonin projektiota ja ETRS89 projektiota (Kuva 2.). Tässä pinta-ala erot eivät olleet kauhean suuret niin kuin prosenteista voi havaita. Osa alueista oli Robinsonissa isompia ja osa taas pienempiä kuin ETRS89:ssä. Robinssonin projektio on suunniteltu kuvaamaan koko maapalloa siten, että kaikki virheet olisi minimoitu. Virheitä on, koska Robinssonin projektio on tarkoitettu koko maapallon kuvaamiseen eikä niinkään yksittäisen valtion kuvaamiseen. Keskellä Suomea Robinsonin projektion pinta-alat ovat hieman pienemmät kuin ETRS89:n kun taas kartan reunoilla pinta-alat ovat suuremmat Robinssonin projektiossa.

Kuva 2. Kartta esitys siitä, kuinka paljon ETRS89-projektio on suurempi kuin Robinssonin projektio.

Tästä on hyvä jatkaa seuraaville kurssikerroille ja syventämään QGIS osaamista ihan toden teolla. Kaikki on tähän mennessä sujunut oikein hyvin ainakin verrattuna viime syksyiseen Corel draw ohjelman kanssa painimiseen (ohjelma ei toiminut ollenkaan kolmella ensimmäisellä kurssikerralla). Matti Katajisto huomautti hyvin blogissaan, että monet perustoiminnot ja tekniikat tulevat jo luonnostaan. Tämä on täysin totta, että jo kahden kurssikerran jälkeen on saanut hyvän yleiskuvan ohjelmasta. Odotan innolla, mitä kaikkea vielä QGIS:llä voi tehdä ja millaisia karttoja jatkossa tuotetaan.

Lähteet:

Katajisto, M. (24.1.2020). Mies vastaan kone. Luettu 24.1.2020. https://blogs.helsinki.fi/mattikat/2020/01/24/mies-vastaan-kone/

Kurssikerta 1. QGIS- ohjelmistoon tutustumista

Ensimmäisellä kurssikerralla tutustuimme QGIS-ohjelmistoon ja sen käyttöön. Ohjelma oli perustoiminnoiltaan hyvin selkeä ja helppo oppia. Positiivista on myös se, että ohjelman voi ladata kotikoneelle ja harjoituksia pystyy tekemään myös kotona!

Uskon, että muistan tämän kurssikerran jälkeen kaikki ne toiminnot, joita käytimme tunnilla. Ne olivat kuitenkin vain pintaraapaisu siitä, mitä kaikkea ohjelmalla varmasti pystyy tekemään. Ohjelma on monipuolinen työkalu ja oli mielenkiintoista huomata, miten erilaista dataa pystyi havainnollistamaan hyvin kartan muodossa. Olisin kaivannut ohjelmaan “undo” toimintoa, kun kokeiluvaiheessa sattui ja tapahtui. Välillä olin tyytyväinen karttani ulkomuotoon, mutta sitten päätin kokeilla jotain uutta ja lopputulos ei miellyttänyt enää. Vanhaan ulkoasuun palaaminen oli työläämpää, kun “undo” näpäintä ei ollutkaan. Myös Riina Hiltula (2020) kommentoi blogissaan “undo” toiminnon puuttumista ja se on totta mitä hän sanoi, että siihen varmasti tottuu nopeasti, että sellaista toimintoa ei ole.

Erilaisten kokeilujen ja kömähdyksien jälkeen päädyin valitsemaan aineistoksi kuntien luonnollisen väestönkasvun vuonna 2015. Halusin valita sellaisen muuttujan, joka näyttää selkeästi jotain konkreettista kartalla ja josta on hyvä tehdä havaintoja ja johtopäätöksiä. Luonnollinen väestönkasvu on syntyvyyden ja kuolleisuuden erotus. Se voi olla joko negatiivinen, jolloin ihmisiä kuolee enemmän kuin syntyy tai positiivinen, jolloin ihmisiä syntyy enemmän kuin kuolee. Jaottelin aineiston viiteen erilaiseen luokkaan, jossa ensimmäinen luokka kuvastaa negatiivisen kasvun kuntia ja loput neljä luokkaa kuvastavat positiivista väestönkasvua. Pyrin jaottelemaan luokat mahdollisimman järkevästi. Ohjelman oma toiminto “luonnolliset luokkarajat” ei mielestäni ollut tässä tapauksessa hyvä, koska halusin, että negatiiviset kunnat erottuvat positiivisista ja, että selkeästi suurimmat kasvukeskittymät erottuvat. Jälkikäteen olisin voinut laittaa kaikki  luvut satojen tarkkuudella. Nyt luvut näyttävät hölmöiltä, kun ensimmäinen ja viimeinen luku ovat ykkösten tarkkuudella ja muuten luvut ovat satojen tarkkuudella.

 

Kuva 1.  Kuntien luonnollinen väestönkehitys vuonna 2015

 

Olen kaiken kaikkiaan tyytyväinen kartan ulkoasuun. Mielestäni sain värit erottumaan toisistaan tarpeeksi hyvin ja punainen väritys on miellyttävä silmälle. Viiden luokan luokitus oli sopiva siinä mielessä, että suurimmat kasvukeskukset erottuvat selkeästi, mutta kartasta erottuu hyvin myös se, että suurimassa osassa kunnista väestönkehitys on negatiivista. Lukijalle erottuu välittömästi silmään tummalla värillä olevat suurimman kasvun alueet kuten pääkaupunkiseutu ja Oulun alue. Lisäksi katsoja havaitsee välittömästi sen, että suurin osa Suomesta on negatiivisen väestönkehityksen puolella.

Tietenkään pelkästään karttaa katsomalla ei voi sanoa, mistä väestönkehitys johtuu. Johtuuko se enemmän sitä, että syntyvyys on pientä vai siitä, että väestö on ikääntynyttä ja kuolleisuus on kasvussa. Varmasti molemmat ilmiöt vaikuttavat siihen. Kartta kuvastaa ilmiötä, mutta ei tietenkään anna sille selitystä. Jos mietitään, miten hyvin kartalta pystyy väestönkehitystä havainnoimaan niin tärkein pointti on se, että kartasta nähdään miten iso ongelma negatiivinen väestönkasvu Suomessa on. Suurin osa kunnista on negatiivisella puolella ja se on väestön kokonaiskehittymisen kannalta hälyttävää.

Huomasin, että Tomi Kiviluoman (2020) blogissa oli tehty teemakartta muuttoliikkeestä Suomen kunnissa. Se oli hyvin samankaltainen minun karttani kanssa ja Tomi oli myös erottanut negatiivisen kehityksen kunnat positiivisista.  Huomasin, että kaupungeissa, missä ihmisiä kuolee enemmän kuin syntyy, myös muutetaan paljon pois. Tämä tietysti pahentaa niiden kuntien tilannetta entisestään.

 

LÄHTEET:

Kiviluoma, T. (16.1.2020). Johdanto kurssille ja QGIS:n peruominaisuudet. Luettu 17.1.2020. https://blogs.helsinki.fi/tomingeoblogi/2020/01/16/johdanto-kurssille-ja-qgisin-perusominaisuudet/

Hiltula, R. (16.1.2020). Ensimmäinen kurssikerta – Tutustumista QGIS:iin. Luettu 17.1.2020.  https://blogs.helsinki.fi/hiltular/2020/01/16/ensimmainen-kurssikerta-tutustumista-qgisiin/