Helin blogi

Viimeisellä kerralla oli tarkoitus tehdä oma kartta vapaasti valitusta alueesta ja aika nopeasti päädyin Saksaan. Valtio koostuu kuudestatoista osavaltiosta pääkaupunkinaan Berliini, joka itsessään on yksi osavaltioista. Aiheeksi valitsin väkiluvun osavaltioittain ja kaikki yli viidensadantuhannen asukkaan kaupungit, joita on yhteensä 14. Hieman yli puolet (8) niistä on osavaltioidensa pääkaupunkeja ja kuten kuvasta (kuva1) näkyy, kaikkien osavaltioiden pääkaupungeissa ei ole yli 500 000:tta asukasta.

Data löytyi yllättävän helposti googlaamalla ja saatavilla oli shapefile-tiedostoja sekä ajankohtaista taulukkomaista tietoa väkiluvuista useammasta eri lähteestä. Valitsin mielestäni parhaimman osavaltiokartan ja muokkasin väkilukuaineiston sopivaan csv-muotoon Excelissä. Suodatin kaupungeista suurimmat omaksi tasokseen ja lisäsin kartalle. Jätin ensin osavaltioiden nimet pois, mutta päätin lisätä nekin karttaan. Ainoa ongelma nimistön kanssa ilmeni ü-kirjaimen kanssa, joka toimii osavaltioiden nimissä mutta ei kaupunkien kohdalla. En saanut muutettua niitä oikeaan muotoon ja QGis korvasi ü:t kysymysmerkeillä. Siitä syystä Nürnberg ja Düsseldorf  ovat ue-muodossa ja München Munich, joka on kaiken lisäksi englanninkielinen nimitys. Nämä muutokset tein manuaalisesti attribuuttitaulukossa. Väritystä mietin pitkään ja kokeiltuani ensin vihreää ja punaista, päädyin siniseen ja valitsin tekstien väreiksi mustan ja punaisen. Ainoa miinus näiden värien kanssa näkyy väkirikkaimman Nordhein-Westfalenin osavaltion kohdalla; se ei erotu taustastaan. Käytin tekstitoimintoa ensimmäistä kertaa ja jonkin verran jouduin kikkailemaan (mikä myös näkyy). En kuitenkaan löytänyt järkevämpää vaihtoehtoa tekstin näkyvyyden kanssa.

Kokonaisuudessaan olen tyytyväinen lopputulokseen ja yllätin jopa itsenikin miten sujuvasti sain kartan aikaiseksi kurssilla oppimieni tietojen ja taitojen avulla. Olen samoilla linjoilla Aleksin kanssa (https://blogs.helsinki.fi/laleksi/) siinä että itsenäisesti tekeminen robottimaisen klikkailun sijaan on avannut lisää QGis:n maailmaa.

Kartasta näkee selkeästi väkirikkaimpien osavaltioiden ja kaupunkien sijainnit. Informatiivisuuden lisäämiseksi voisi vielä liittää tiedon kartan kaupunkien väkimäärästä, sillä tällä hetkellä määrät ovat välillä 518 365 (Nürnberg) –  3 644 826 (Berliini). Mutta tämä tehtävä oli jälleen erittäin hyvää harjoitusta QGis:n kanssa ja kaiken lisäksi aika kivaa.

Lähteet:

https://gadm.org/

https://simplemaps.com/data/de-cities

https://blogs.helsinki.fi/laleksi/

 

Toiseksi viimeinen kurssikerta lähti reippaasti liikkeelle rapsakassa pikkupakkasessa kenttähavainnoinnin parissa. Meidät lähetettiin kampuksen lähiympäristöön keräämään dataa Epicollect 5-sovelluksen avulla ja saimme kurssitoverini Petrin kanssa kerättyä neljä eri kohdetta kampuksen kaakkoispuolelta. Kaikkien ryhmäläisten palattua luokkahuoneeseen aloimme analysoimaan keräämiämme data-aineistoja QGis:n ja Excelin avulla. Muodostimme kartan interpolointi-menetelmällä saadaksemme havainnollistettua turvalliseksi arvioimiemme pisteiden sijainnit. Ryhmämme oli kerännyt pisteitä melko laajalta alueelta, mikä teki kartasta mielenkiintoisen. Epicollect 5-sovellusta oli helppo sekä mukava käyttää ja se jääkin itselleni jatkokäyttöön.

Toisena tehtävänä oli tehdä karttoja eri luonnonhasardeista käyttäen pisteaineistoja. Tällä kertaa saimme melko vapaat kädet ja linkit erilaisiin tietokantoihin; maanjäristyksiin, tulivuoriin ja maahan pudonneisiin meteoriitteihin. Itse valitsin kaksi ensimmäistä ja suodatin yli 5 magnitudin maanjäristykset vuosilta 1900-2012 (kuva 1) sekä vuoden 1963 jälkeen purkautuneet tulivuoret (kuva 2) ja tein niistä kartat. Kolmannen kartan tein näitä kahta yhdistäen mutta jättäen kartalle vain yli  7 magnitudin maanjäristykset (kuva 3).

Kartoista voi havaita, että tulivuoria löytyy litosfäärilaattojen saumakohdissa, missä esiintyy myös maanjäristyksiä. Viimeisestä kartasta voi nähdä, että kaikkein tiheimmin molempia pisteitä löytyy Kaakkois-Aasiasta ja Etelä-Amerikan länsirannikolta. Silti ei tarkoita, että siellä missä on tulivuori, olisi myös maanjäristyksiä ja toisinpäin. Tämän voi havaita nopeasti myös samaiselta kartalta. Pisteet eivät tietenkään ole suoraan vertailukelpoisia, sillä maanjäristyksen pisteiden aikajakso on tulivuoria suurempi. Kokonaisuudessaan kuitenkin näitä karttoja voisi käyttää esittäessä kyseisten ilmiöiden esiintymispaikkoja ja voimakkuuksia maailmassa.

Internetistä löytyy erilaisia karttoja eri luonnonhasardeista ja tulivuorista, esimerkiksi tämä kuva maailman suurimmista/tunnetuimmista tulivuorista. Pidin Kerttu Rinkisen (https://blogs.helsinki.fi/rkerttu/2023/02/22/6-harjoituskerta-22-2-2023/) ideasta kuvata tulivuorien sijoittumista eri pallonpuoliskoilla, en tullut itse edes ajatelleeksi että sen voisi noinkin havainnollistaa. Pidin tämän kerran molemmista tehtävistä ja pikkuhiljaa QGis alkaa selkenemään ja antamaan motivaatiota oppia ja osata lisää ja enemmän.

Ensi kerralla viimeistä viedään!

Lähteet:

https://ncedc.org/anss/catalog-search.html

https://www.ngdc.noaa.gov/hazel/view/hazards/volcano/loc-search

https://education.nationalgeographic.org/resource/earth-major-volcanoes/

https://blogs.helsinki.fi/rkerttu/

 

Tällä kerralla harjoittelimme bufferointia ja analyyseja ja aloitimmekin heti alkuun jatkaen Pornaisten parissa. Mittasimme teiden pituuksia sekä peltojen pinta-aloja Sum line lengths ja Intersection – työkaluja käyttäen. Toimintaperiaatteiltaan ne olivat kutakuinkin tuttuja mutta kuten olen aiemmin havainnut; tarvitsen kertausta enemmän tai vähemmän.

Buffereiden tekeminen oli ehkäpä ymmärrettävin ja mukavin työkalu ja sitä tuli käytettyä mm.lentokenttätehtävien kanssa. (kuva 1) Sitä voi käyttää esimerkiksi rajaamaan valitun alueen ulkopuolelle jäävät kohteet esim. uutta tietä suunnitellessa tai selvittämällä minkälainen väestöjakauma on vaikkapa tulevan kaupan ympärillä.

Kuten olen aiempina viikkoina havainnut, teen paljon toimintoja kokeilemalla, mikä ei aina ole paras ratkaisu, sillä se saattaa sekoittaa pakkaa entistä enemmän. Näitä tehtäviä pakertaessa turhautumisen hetkiä oli useita ja päätin suosiolla jatkaa taistelua seuraavana päivänä. Mutta kuten yleensä, nukkuminen ja tiedon etsiminen toimivat jälleen ja sain viimein vietyä tehtävät loppuun. Olen melko varma, että saamani vastaukset pitävät paikkansa, sillä vihdoin ymmärsin miten käyttämäni toiminnot toimivat. Alla vastaustaulukko.

 Join attributes by location olivat kovassa käytössä ja luulen vihdoin muistavani niiden käyttöperiaatteen. On silti taas lohdullista huomata, etten ole yksin näiden ongelmien kanssa. Jotkut ovat jo kuitenkin jonkin sortin QGis-velhoja, sillä ainakin Joel Schülen (https://blogs.helsinki.fi/jschule/) teksti antoi siitä osviittaa. Kiitos hänelle myös oivista vinkeistä, arvostan tiedon jakamista! Tiedän tarvitsevani lisää toistoa ja harjoitusta miltei kaikkien työkalujen käytössä, mutta tuntuu että pienin askelin oppimisessa mennään koko ajan eteenpäin.

Tsemppiä jokaiselle QGis:n kanssa pakertavalle, I feel you!

 

Lähteet:

https://blogs.helsinki.fi/jschule/

Tällä kertaa en päässyt paikan päälle mutta onneksi Moodlesta löytyi videotallenne, jonka tahdissa tein tunnilla tehtävät harjoitukset, mikä pelastus! Aiheena oli ruudut ja rasterikartat sekä piirtäminen käsillä olevaan kartta-aineistoon. Tietokantojen yhdistäminen ja lisääminen vaatii vielä monen muun ohessa toistoa ja onkin hyvä että sitä jälleen harjoiteltiinkin.

Käytetty aineisto Helsingistä oli varsin massiivinen mutta oma koneeni jaksoi pyörittää sitä mutkitta nopeaan tahtiin. Ensimmäinen kartta (kuva 1) esittää ruotsinkielisten asukkaiden absoluuttista määrää Helsingissä. Huomasin jättäneeni kartan legendaan Helsingin sijaan pääkaupunkiseudun mutta onneksi kyseessä oli vaan harjoitus… Ruudut ovat yhden kilometrin välein ja karttana se on hyvin suurpiirteinen eikä sen informatiivinen arvo ole kovin korkealla. Kartasta voi nähdä että ruotsinkielisten osuus on suurin kantakaupungin alueella. Mikäli ei tunne Helsinkiä, ei kartta paljoakaan tarjoa tietoa, sillä se ei anna mitään infoa kaupunginosista.

Toisen kartan (kuva 2) tein samalla tekniikalla kuin edellisen, mutta pienensin ruutujen kokoa 500 metriin, jotta saisin karttaan tarkkuutta. Tarkasteltavaksi valitsin yli 85-vuotiaiden osuuden Helsingissä ja karttaa tutkiessa voi todeta että he ovat laajalla alueella koko kaupungissa. Isoimpien määrien alueilla sijaitsee mahdollisesti vanhainkoteja ja/tai palveluasumisyksikköjä, joka on selittävä tekijä. Jälleen informatiivisuuden vuoksi kaupunginosien nimet olisi hyvä olla näkyvillä ja vertailun vuoksi koko väestön määrä. Absoluuttisten lukujen esittäminen kartalla toimii yhtä lailla kuin suhteellisten lukujen esittäminenkin ja sillä voi kuvata samankokoisia (ruutu)alueita selkeästi. Kaiken kaikkiaan olen tyytyväinen lopputulokseen ja siihen, että melko helposti sain kartan luotua. Katselin muiden aikaansaannoksia ja pidin erityisesti Susanne Rautamon ideasta rajata alueensa Lauttasaareen (https://blogs.helsinki.fi/rautamos/). En itse edes tullut ajatelleeksi asiaa mutta tallennan nyt idean mieleeni jatkoa varten.

Aloitin myös rasteriaineiston tutkimista Pornaisten kartan kanssa ja sain aikaiseksi muodostaa siihen korkeuskäyrät (kuva 3). Harjoittelin myös rinnevarjostuksen lisäämistä ja Pornaisten kanssa jatkammekin seuraavalla kurssikerralla. Ensi kertaan siis!

Lähteet:

https://blogs.helsinki.fi/rautamos/

Tämän kerran tarkoituksena oli opetella ulkoisen tiedon liittämistä tietokantaan muista ohjelmista ja tietokantojen yhdistämistä eri kyselyiden avulla. Opetuskerralla harjoittelimme aineiston ryhmittelyä ja yhdistämistä käyttäen tietokantaa Afrikan valtioista. Jälleen oli tärkeää seurata askel askeleelta opettajan perässä toimenpiteet läpi, sillä paljon uutta oli taas opittavana. Aineistossa oli paljon tietoa, jota tuli yhdistää ja yksinkertaistaa sekä tuoda Excel-tiedosto csv.-muodossa QGis:iin. Tehtävä sujui mallikkaasti ja jotain jäi mieleenkin, tosi toistoa tämäkin vaatii että muistaa kaiken jatkossa ilman ohjeita.

Lopulliseen karttaan (kuva 1) lisättiin öljyesiintymät, timanttikaivokset sekä konfliktit, joiden yhteyttä analysoimme aineistoa tarkasteltaessa. Aineiston analysointia voisi jatkaa vertailemalla konfliktien tapahtumavuosia ja timanttikaivosten löytämisvuosia tai vaikkapa mikä yhteys öljykenttien ja/tai timanttikaivosten tuottavuusluokittelulla on internetkäyttäjien määrään eri vuosina.

 

Kotitehtäväksi jäi vertailla Suomen vesistöalueiden valuma-alueita ja tulvaherkkyyttä. Aineisto oli valmiina QGis-tiedostona ja siihen tuli lisätä Excel-tiedostona ollut järvisyysprosentti. Aluksi kesti hieman aikaa hahmottaa mitä tehtävällä haettiin ja sen selvittyä aloin toteuttaa harjoitusta. Valitsin tehtävän perusversion, sillä halusin oppia sen ensin hyvin. Afrikka-tehtävästä oli jäänyt mieleen ulkoisen aineiston tuomista tietokantaan ja se sujuikin melko helposti, samoin uuden tietosarakkeen lisääminen tietokannan attribuuttitaulukkoon (keskiylivirtaama jaettuna keskialivirtaamalla). Muodostin aineistosta kahdeksanluokkaisen tulvaindeksikartan (kuva 2). Kartassa tulvaherkkyys on suurinta rannikkoauleilla, etenkin Pohjanmaalla ja eteläisellä rannikolla. Tähän on syynä jääkauden massaliikunnot; tulvaherkkyysalueilla maasto on laakeampaa sekä matalammalla kuin pohjoisessa ja idässä. Myös sateisuus vaikuttaa asiaan. Kartta on mielestäni selkeä yksinkertaisuudessaan ja tarpeeksi informatiivinen aineistoon nähden.

Tehtävänä oli muodostaa myös tulvaindeksikartan pohjalle järvisyysprosentti ja se aiheutti päänvaivaa, joten jouduin jälleen turvautumaan Youtubeen. Ensimmäinen ongelma esiintyi Excel-tiedoston tuominen QGis:iin tekstimuodon sijaan numeroina. Mutkien kautta sain sen lisättyä tietokantaan tekstimuotona sekä numeromuotona, joista jälkimmäistä hyödynsin rakentaessa pylväsdiagrammia. Sen kanssa tulikin lisää haasteita, sillä diagrammin luominen ei ollutkaan niin simppeli kuin jostain syystä ensin kuvittelin. Ensinnäkin pylväät olivat aluksi poikittain ja erittäin sekavassa järjestyksessä, joten informatiivisuus oli erittäin kaukana siitä mitä hain. Käytin aiemmin hyväksi havaitsemaani tapaa eli klikkailemalla eri vaihtoehtoja ja lopputuloksena tulikin jokseenkin selvähkö kartta. Pylväiden vertailu ei kuitenkaan ole yksinkertaista ja kartta vaatisi enemmän tietoa. (kuva 3).  Kartasta voidaan havaita järvisyyden olevan suurempi alueilla, missä tulvaherkkyys on pienempi.

Muiden blogeja lukiessa silmään osui Tyyne Turusen (https://blogs.helsinki.fi/ttyyne/) tekemät kartat, jotka olivat selkeät ja värimaailmaltaan hienot. Pohdin myös samoja aiheita diagrammien informatiivisuuteen liittyen. Kaiken kaikkiaan harjoitus oli yllättävän mukava tehdä ja haastetta oli sopivasti. Huomaan myös että asiat alkavat pikkuhiljaa hahmottua ja jäädä muistiin.

Lähteet:

https://blogs.helsinki.fi/ttyyne/

Toisella kurssikerralla käytiin läpi erilaisia datan lähteitä ja sitä, miten esimerkiksi erilaisten rajapintojen avulla päästään eri aineistoihin käsiksi. Kävimme myös hieman läpi erilaisia aineistojen tuottajia, joita ovat mm. Helsingin kaupunki, Tilastokeskus ja Väylävirasto. Väyläviraston tietokannasta latasimme rajapintaa käyttäen Suomen kuntien tietokartan ja hyödynsimme sitä seuraavassa tehtävässä.

Kokeilimme mittaustyökalun käyttöä tutken miten pinta-alat sekä pituudet muuttuvat riippuen mitä projektiota käyttää. Tarkastelin mm. Mercatorin projektiota, Winkel Tripen – projektiota sekä Robinsonin projektiota Cartesian/Taso-pinnalla ja eroja niistä löytyi enemmän ja vähemmän.

Kurssikerralla aloitimme eri karttaprojektiota käyttäen tarkastelemaan pinta-alavääristymiä verraten Suomen TM35-projektioon. Sain tunnin aikana tehtyä opastuksen mukaan kolme erilaista karttaa mutta en saanut enää kotona avattua kaikkia, joten jouduin alkaa tekemään niitä uudestaan. Tunnilla vielä muistin ja osasin tehdä kaikki vaihe vaiheelta oikein, mutta nyt ne olivatkin ykskaks pyyhkiytyneet muistista.  Valitsin vertailtaviksi Plate Carree-projektion (kuva 1) ja Mercatorin-projektion (kuva 2). Pinta-alavääristymä kuvaa vääristymän prosenttiosuutta ja jaoin Plate Carreen luokittelun kymmeneen luokkaan ja Mercatorin kahdeksaan luokkaan havainnolistamisen vuoksi.

Hieman turhautti ensin huomata että kaikki tunnilla tekemäni eivät olleetkaan tallentuneet, enkä saanut selville miksi. Mutta positiivisena puolena oli se, että tulipahan sitten kerrattua ihan kunnolla ja kokeiltua mutkien kautta eri toimintoja. Huomasin että olen toiminut samalla tavalla Kiia Korpisen https://blogs.helsinki.fi/kiiakorp/ kanssa siinä että toistin turhaan joitain toimintoja ja siksi tasoja oli ehkä liiankin kanssa. Mutta tekemällä oppii ja paljon on vielä haasteita, joten niitä kohti.

Ensimmäisen kotona tehtävän harjoituksen aloittaminen otti aikansa ja pähkäilyyn meni tovi jos toinenkin. Päätin jo alusta alkaen valita helpoimman tason, sillä tiedostan tämän hetken taitotasoni ja se ei ole korkealla. Ohjeita jouduin hieman katselemaan Youtubesta ja apua löytyikin. Huomasin myös, että tarpeeksi kun klikkailee ja vaan kokeilee niin oppii ohjelman toimintalogiikasta yllättävän paljon. Samaa olen kokeillut työssä käyttämäni Apotin kanssa ja samaa en oikein voi sanoa siitä.

Valitsin muuttujavalikoimasta yli 64-vuotiaiden osuuden Suomen väestöstä mutta kokeilin myös ruotsinkielisten osuutta, väkilukua sekä alle 15-vuotiaiden osuutta, koska myönnän että vähän innostuin löydettyäni polun jota kulkea. Tutkailin vasta valmiin karttani jälkeen mitä muut olivat tehneet ja oli mielenkiintoista nähdä muiden tuotoksia. Ainakin Lucas Yoni https://blogs.helsinki.fi/luberger/ oli valinnut saman muuttujan ja hänen käyttämänsä väriskaala on havainnollistava ja mietitty. Itse valitsin mustavalkoisen skaalan, sillä se vain sattui miellyttämään silmää ja mielestäni on luettavuudessaan selkeä. Iäkkäin väestö näyttää sijoittuvan vahvemmin itään ja itää pitkin pohjoiseen. Selittäviä tekijöitä en tässä kohtaa osaa avata mutta tarkoituksena olikin vain visualisoida kartta ja opetella QGis:n käyttöä. Tästä sitten vaan tarmolla eteenpäin!

 

Lähteet:

Youtube.com

https://blogs.helsinki.fi/luberger/

 

Ensimmäisellä opetuskerralla aloitettiin teoriaosuuden jälkeen QGis-ohjelman parissa, joka oli tuttu syksyn Johdatus geoinformatiikkaan-kurssilta, mutta ei niin tuttu että sitä osaisin sujuvasti käyttää. Askel askeleelta-opetustapa sopi siis mainiosti ekan harjoituksen tekemiseen. Kuten Arttu muotoili; olemme kaikki samassa veneessä ja se on lohdullinen ajatus.

Olen samaa mieltä kuin Sarlotta Laakkonen blogissaan https://blogs.helsinki.fi/sarlotla/; olikin tärkeää seurata silmä kovana näitä askeleita ohjelman kanssa, koska kärryiltä tipahtaminen oli koko ajan lähellä. Pysyin kuitenkin onneekkasti mukana ja sain karttani tehtyä, jäi joitain toimintoja ihan muistiinkin ja toivottavasti ne pysyvätkin siellä.

Harjoituskarttani Euroopan valtioiden typpipäästöistä onnistui kuten pitikin, enkä muokkaamaan sitä enää omalla ajalla, tästä on hyvä jatkaa!