Categories
GEM

Blogi on valmis

Kaksi minuuttia ennen deadlinea, mutta periaatteessa ajoissa. Kiitos hyvästä kurssista!

Categories
GEM

Harjoitus 7

 

Viimeisen ja seitsemännen harjoituksen tarkoituksena oli olla itsenäinen ja vapaavalintaisesta aiheesta tehty työ. Ensimmäinen ideani työstä sijoittui Suomeen, mutta selatessani läpi Julianan blogia, näin hienon työn, jonka data oli Yhdysvalloista. Tämö inspiroi minut ajattelemaan hieman laajemmin mahdollisuuksiani maan valinnassa. Pitkän mietinnän jälkeen päädyin valitsemaan aiheekseni Kanadan, sen kielet, mihin liittyvät myös alkuperäiskansat, ja yleisen terveyden. Kanadan tilastoviraston sivuilta löytyi valtavasti dataa eri aiheisiin liittyen, ja tahdoin luoda niiden avulla muutaman kartan, jotka kertovat provinssien ja territorioiden eroista.

Päädyin tekemään ensin kartan (kuva 1.), jossa näkyy prosentteina alkuperäiskansoihin kuuluva väestö eri territorioilla/provinsseissa, ja sitten kolme karttaa, joissa kaikissa on näkyvissä territorion/provinssin asukkaiden äidinkielien jakaantuminen ympyrädiagrammeihin, sekä jokin terveydestä kertova ominaisuus. Halusin vertailla eri kielienemmistöisiä alueita, sillä halusin nähdä, onko eroja havaittavissa esimerkiksi ranskankielisen Quebecin ja muun Kanadan välillä.

Kuva 1. Vuoden 2016 tiedoilla tehty kartta alkuperäiskansoihin kuuluvista kouluikäisistä.

Oletukseni oli, että Kanadan pohjoisosissa, joissa suurin osa alkuperäiskansoihin kuuluvasta väestöstä asuu, on myös selkeästi havaittavia terveydellisiä eroja muuhun Kanadaan verrattuna. Tämä johtuu luultavasti suureksi osaksi asutuksen hajanaisuudesta, jolloin terveydenhuoltoa ei pitkien välimatkojen takia pystytä järjestämään yhtä tehokkaasti, kuin muualla Kanadassa.

Arvaukseni osui oikeaan, sillä seuraavasta kolmesta kartasta on helposti huomattavissa, kuinka erityisesti Nunavutin, Kanadan pohjoisimman territorion terveyteen liittyvät arvot eroavat muista Kanadan osa-alueista. Sen lisäksi kolme pientä, kaakkoisessa Kanadassa sijaitsevaa aluetta, Nova Scotia, New Brunswick ja Prince Edward Island ovat myös kaikissa kolmessa terveyskartassa heikomman terveyden päädyssä. Tämäkin voi johtua alueiden etäisestä sijainnista.

Päätin käyttää yleisen terveyden kuvaamisessa eliniänodotetta (kuva 2.), sillä siinä näkyvät selkeät erot antavat yleiskuvan eri alueiden tilanteesta. Eliniänodote ei tietenkään yksin kerro sen tarkemmin, mistä erot johtuvat tai minkälainen elämänlaatu alueen ihmisillä on, mutta se oli yksinkertainen tapa kuvata terveyttä. Pohjoisen Nunavutin ja monien eteläisten provinssien ero eliniänodotteessa on noin 10 vuotta, mikä on huomattava ero.

Kuva 2. Eliniänodote syntymähetkellä, tiedot vuosilta 2014-2016.

Halusin myös saada paremman käsityksen siitä, millä tavalla provinssien ja territorioiden asukkaat itse kokevat terveytensä, ja päätin selvittää sekä mielenterveyden (kuva 3.) että yleisen terveyden (kuva 4.) kokemukset alueilla. Aineistossa väestön vastaukset oli jaettu kahteen osaan, terveytensä huonoksi tai kohtalaiseksi kokeviin sekä terveytensä hyväksi tai erinomaiseksi kokeviin. Halusin käyttää kartoissani arvoja huonosta tai kohtalaisesta terveydestä, sillä pienet numerot on ainakin omasta mielestäni helpompi hahmottaa legendassa.

Kuva 3. Mielenterveytensä huonoksi tai kohtalaiseksi kokevat yli 12-vuotiaat, tiedot vuosilta 2015-2016.
Kuva 4. Terveytensä huonoksi tai kohtalaiseksi kokevat yli 12-vuotiaat, tiedot vuosilta 2015-2016.

Molemmissa kartoissa korostuu jälleen Nunavut ja muut pohjoiset alueet. Sen lisäksi Kanadan itäisimmässä provinssissa, Newfoundlandissa ja Labradorissa, asukkaat kokevat mielenterveytensä yleisesti ottaen hyväksi, mutta yleisen terveyden kartassa alue sijoittuu lähemmäs heikompaa päätä. Ranskankielinen Quebec näyttää olevan kaikilla terveysmittareilla Kanadan hyvän terveyden kärkipäässä, mikä oli mielenkiintoista huomata. Ehkä asiaan vaikuttavat Quebecin ja Montrealin suuret kaupungit.

Yleinen terveys ja mielenterveys Kanadassa vaikuttaa olevan hyvä, sillä huonoimmatkin arvot ovat melko pieniä, ja karttani korostavat ehkä turhankin räväkästi eroja alueiden välillä. Yritin saada aikaan karttoja, joita on helppo lukea, ja kiinnitin paljon huomiota värivalintoihin. Esimerkiksi terveydentilan mennessä huonompaan suuntaan värit muuttuvat tummemman punaisiksi ja oransseiksi, minkä tarkoitus on kuvata tietynlaista varoittavuutta. Tummempi vihreä elinikäkartassa taas on hyvä asia.

Koin tehtävän onnistuneeksi, ja opin sitä tehdessäni paljon uutta sekä Kanadasta että QGIS:stä. Vaikeuksia tuottivat esimerkiksi hallintoalueiden erottelu provinsseihin ja territorioihin, sillä vain muutamat lähteet antoivat tiedon jokaisesta alueesta, ja yhdessä kohdassa territorioiden data löytyikin eri paikasta. Data ei myöskään soveltunut suoraan QGIS:iin tuotavaksi, joten muokkasin jokaisen taulukon ensin erikseen Excelissä, mihin kului melko paljon aikaa. Kaikki oli kuitenkin vaivan arvoista.

Lähteet:

Health characteristics, two-year period estimates, census metropolitan areas and population centres (2015-2016)
https://www150.statcan.gc.ca/t1/tbl1/en/cv.action?pid=1310080501 (haettu 31.3.2021)

Life expectancy and other elements of the life table, Canada, all provinces except Prince Edward Island (2014-2016)
https://www150.statcan.gc.ca/t1/tbl1/en/cv.action?pid=1310011401 (haettu 31.3.2021)

Life expectancy and other elements of the life table, Prince Edward Island and the territories (2014-2016)
https://www150.statcan.gc.ca/t1/tbl1/en/cv.action?pid=1310014001 (haettu 31.3.2021)

Population by mother tongue and geography, 1951 to 2016
https://www150.statcan.gc.ca/t1/tbl1/en/tv.action?pid=1510000301 (haettu 31.3.2021)

Proportion of the school age population, by selected characteristics, in and out of census metropolitan areas (2016)
https://www150.statcan.gc.ca/t1/tbl1/en/cv.action?pid=3710009801 (haettu 31.3.2021)

Province and Territory Digital Boundary Files – 2011 Census
https://open.canada.ca/data/en/dataset/35ee219c-a3b0-448b-a952-3e195cb40b70 (haettu 31.3.2021)

Water File – Coastal Waters (polygons) – 2006 Census
https://open.canada.ca/data/en/dataset/35b48157-1fd5-4fa3-869c-a67ccd9a8564 (haettu 31.3.2021)

Häkkilä Juliana (2021) https://blogs.helsinki.fi/julihakk/ (vierailtu 31.3.2021)

Categories
GEM

Harjoitus 6

Kuudes kurssikerta alkoi oman datan keräämisellä. Minä ja muut maanantain ryhmään kuuluvat kirjasimme jokainen muutamasta eri paikasta omat kokemuksemme esim. turvallisuudesta, ja nämä tiedot sijoitettiin lopulta pisteinä samaan karttaan (kuva 1). Sen jälkeen käytettiin minulle uutta interpolointi-toimintoa, jolla saatiin turvallisuuden kokemus näkymään kartalla. Mittauspisteitä oli tietenkin hyvin vähän, sijoitettuna hyvin epätasaisesti, ja ne kertovat vain muutaman ihmisen kokemuksista, mutta oli todella mielenkiintoista ja innostavaa päästä pienessä mittakaavassa kokeilemaan datan keräämistä ja esittämistä. Koska kaikki QGISiin tuomamme data on ollut minulle vieraassa formaatissa ja valittu varta vasten tehtävien tekemistä vasten, oman datan kerääminen ja sen QGISiin siirtämisen helppous toi koko kurssia jollakin tavalla lähemmäs minua ja sai minut ajattelemaan, että ehkä tämä ei olekaan niin vaikeaa, kuin aluksi luulin.

Kuva 1. Osa karttaa, jonka tein kurssilaisten keräämän datan avulla.

Kurssikerran todellinen työ oli luoda opetusmateriaaliksi soveltuvia karttoja, joiden teemana ovat hasardit. Tehtävä kuulosti vaikealta, sillä teknisen toteutuksen lisäksi karttoja tehdessä pitäisi miettiä erityisen tarkasti niiden tarkoitusta ja luettavuutta. Olen yrittänyt tietenkin aikaisemmissakin harjoituksissa kiinnittää huomiota näihin ominaisuuksiin, mutta ohjelmiston toimintojen opetteleminen on yleensä ollut etusijalla.

Päätin käsitellä tekemissäni kartoissa tulivuorten, maanjäristysten sekä mannerlaattojen rajakohtien sijoittumista. Taisin saada idean mannerlaattojen esittämiseen Nellin blogista, ja myöhemmin näin monen muunkin käyttävän niitä kartoissaan. Olen samaa mieltä Nellin kanssa siitä, että laattojen lisääminen karttaan auttaa havainnoillistamaan muita hasardeja. Latasin mannerlaattatiedostot ArcGIS Hubista.

Yritin saada aikaan helposti luettavia karttoja, jotka kaikki keskittyvät kuvaamaan hieman eri asioita. Ensimmäisessä kartassani (kuva 2.) halusin näyttää, että sekä tulivuorenpurkaukset että suuret maanjäristykset ovat kaikista yleisimpiä mannerlaattojen saumakohdissa. Kartan tarkoitus on korostaa tulivuorten ja maanjäristysten suurta määrää, eikä lukijan tarvitse hahmottaa esim. yksittäisten tulivuorten sijaintia. Yritin käyttää myös muotoja ja värejä, jotka sopivat asian esittämiseen.

Kuva 2. Tulivuoret sekä yli 6.0 magnitudin maanjäristykset vuosilta 1910-2012.

Toinen kartta (kuva 3.) on heatmap yli 6.0 magnitudin maanjäristyksistä. Mielestäni se kuvaa hyvin erityisen maanjäristysherkkien alueiden sijoittumista. Esimerkiksi Itä-Aasiassa ja Amerikkojen länsirannikoilla olevat keltaiset vyöhykkeet näyttävät ensimmäistä karttaa paremmin, kuinka paljon järistyksiä näillä alueilla on verrattuna muihin laattojen rajakohtiin. Ensimmäisessä kartassa maanjäristyksiä kuvaavat merkit peittivät monessa kohdassa toisensa, ja niiden todellista määrää oli vaikea nähdä. Kartasta jäi puuttumaan selite heatmapin väreille, mikä vaikeuttaa huomattavasti kartan lukemista. En löytänyt tätä toimintoa, kun tein kartan. Idean heatmapin tekemiseen sain Ilarin blogista, missä heatmap on tehty huomattavasti omaani tyylikkäämmin ja legendaan on laitettu värien merkitys, mitä oma karttani myös kaipaa. Ilarin blogi alkaa tässä vaiheessa olemaan paikka, josta saa aina apua ja motivaatiota omaan työntekoon.

Kuva 3. Heatmap yli 6.0 magnitudin maanjäristyksistä vuosilta 1910-2012.

Kolmannessa kartassa (kuva 4.) valitsin esitettäväksi kaikista tulivuorista vain kilpi- ja kerrostulivuoret. Kartan tarkoituksena on näyttää, kuinka kerrostulivuoret sijoittuvat usein pitkiksi jonoiksi mannerlaattojen reunojen kohdalle, kun taas kilpitulivuoria on vähemmän, ja ne esiintyvät usein rykelminä satunnaisemmissa paikoissa. Halusin myös niiden karttamerkeillä tuoda esiin niille ominaisia piirteitä, käyttäen jyrkän kerrostulivuoren kohdalla kolmiota ja loivemman kilpitulivuoren kohdalla puolipalloa. Nämä muodot ovat tietenkin yleistyksiä, mutta ne voivat auttaa hahmottamaan, kumpi tulivuorityyppi on kumpi, ja myös auttaa karttaan sijoitettuna muistamaan niiden syntytavat. Ainakin minuta olisivat lukion mantsantunneilla auttaneet tämänkaltaiset kuvat.

Kuva 4. Kilpitulivuoret ja kerrostulivuoret.

En tiedä, soveltuvatko tekemäni kartat hyvin opetustarkoitukseen, sillä keskityin jälleen melko paljon siihen, että karttaa on kiva katsoa, ja jätin jonkin verran oleellista tietoa ja numeroita pois. Kartat antavat yleiskuvan niissä esitettyjen hasardien esiintymisalueista ja yleisyydestä, joten voisin kyllä nähdä jonkin niistä havainnoillistamassa aihetta lukiomantsan tulivuoritunnin diaesityksessä, mutta sen syvempää tietoa niistä ei saa irti. Ehkä se ei ole tarkoituskaan.

Omien karttojeni lisäksi etsin internetistä samaan aiheeseen liittyviä karttoja, ja huomasin, että mannerlaattojen liikesuunnista on tehty monia suomenkielisiä karttoja. Halusin lisätä kartan juuri mannerlaattojen liikkeestä, sillä se on valtava tekijä käsittelemieni hasardien luomisessa. Löysin Geologia.fi-sivulta mielestäni hyvän kartan näistä liikesuunnista, sekä muita kuvia ja tietoa esim hautavajoamista ja törmäysvyöhykkeistä.

Lähteet:

ArcGIS Hub, Tectonic_Plates (2021) https://hub.arcgis.com/datasets (haettu 30.3.2021)

Geologia.fi, Laattatektoniikka (2018) https://www.geologia.fi (haettu 31.3.2021)

NCEI Volcano Location Database. NOAA National Centers for Environmental Information. https://www.ngdc.noaa.gov (haettu 22.2.2021)

Northern California Earthquake Data Center https://ncedc.org/ (haettu 22.2.2021)

Leino Ilari (2021) https://blogs.helsinki.fi/ilarilei/ (vierailtu 31.3.2021)

Vasse Nelli (2021) https://blogs.helsinki.fi/nvasse/ (vierailtu 31.3.2021)

Categories
GEM

Harjoitus 5

Viidennellä kurssikerralla harjoiteltiin itsenäisten harjoitusten avulla soveltamaan aiemmin opittuja taitoja, ja varsinkin bufferien luomista ja “join attributes by location” -toiminnon käyttöä. Kurssikerta oli ainakin tähän mennessä olleista kerroista työläin, sillä mitään ei voinut tehdä vain seuraamalla askel askeleelta ohjeita, ja mahdollisten ongelmien kohdalla ratkaisu piti löytää itse yrityksen ja erehdyksen kautta. Ainakin muiden blogeja selatessa oli mahdollista saada vinkkejä omaan työhön, tai vain vertailla omia vastauksiaan muiden opiskelijoiden saamiin tuloksiin.

Kaikille yhteisten itsenäistehtävien vastaukset näkyvät kuvassa 1. Yritin saada liitettyä taulukon html-linkillä blogiin, mutta usean yrityksen jälkeen päädyin liittämään blogiin vain kuvan.

Kuva 1. Ensimmäisten itsenäisten tehtävien vastaukset.

Buffereiden tekeminen ja buffereiden sisälle jäävien pisteiden valitseminen olivat minulle harjoituksen helpoimmat osat, ja uskon nyt usean toiston jälkeen hallitsevani niiden käytön melko hyvin ja ymmärtäväni myös, miten näitä toimintoja sovelletaan. Sen sijaan kohdissa, joissa minun piti selvittää esimerkiksi työikäisten tai ulkomaalaisten määrä, en meinannut millään ymmärtää, miten se tehdään. Pidin pitkän tauon kurssitöiden tekemisestä, ja takaisin palattuani tajusin, että saan nämä tehtävät tehtyä laskemalla oikeiden ikäryhmien sarakkeet yhteen uudeksi sarakkeeksi. Nyt sekin siis onnistuu. Kaikista vaikeinta oli laskea viimeistä tehtävää, joissa piti selvittää taajama-alueiden määrä, joissa ulkomaalaisten osuus ylittää tietyn prosentin. Saamani vastaukset näyttävät järkeviltä, mutta laskentaprosessissani oli paljon arvailua ja lopulliset alueiden määrät laskin suoraan rivien määrästä, käyttämättä minkäänlaista toimintoa.


Seuraavista tehtävistä valitsin uima-allastehtävän (kuva 2. ja 3.), jossa kohtasin monia ongelmia. Kaksi aluetta aiheutti virheilmoituksen, josta selvisin Ilarin ratkaisun avulla, ja sen takia alueita ei näy lopputuloksessa. Sen lisäksi en saanut histogrammia tehtyä, mutta sain Jaanan blogista idean lisätä numeroarvot karttaan käyttäen “labels”-toimintoa, jotta pääsisin ainakin hieman lähemmäs toivottua lopputulosta.

Kuva 2. Uima-allastehtävän vastaukset.
Kuva 3. Kartta uima-altaiden määrästä ja sijoittumisesta.

Kurssikerta oli hyvin opettavainen, ja tunnen osaavani käyttää QGIS-ohjelmistoa nyt kokonaisuudessaan entistä paremmin, mutta esiin nousee edelleen ongelmia, joille en yksin osaa löytää ratkaisua. Ohjelmiston tullessa tutummaksi opin varmasti soveltamaan paremmin sen monia hyödyllisiä toimintoja, mutta tällä hetkellä tuntuu siltä, että teen monet asiat vaikeimman kautta. Aiemmin minulle paljon vaikeuksia tuottanut “join attributes by location”-toiminto on nyt edes vähän paremmin hallussa, ja ymmärrän hyvin sen käyttötarkoituksen, kun aikaisemmin käytin sitä vain seuratessani tarkasti ohjeita. Sen käyttö on minulle silti vieläkin yksi kurssin vaikeimmista asioista. Histogrammin luominen on myös haastavaa, vaikka tiedänkin nyt, mikä edellisen histogrammin kanssa meni pieleen. Tämän kerran histogrammin tekeminen ei kuitenkaan onnistunut ollenkaan, enkä vieläkään tiedä miksi.

Itsenäiset tehtävät saivat minut kokemaan monia onnistumisen hetkiä, kun sain itse ratkaistua vastaan tulleita ongelmia, mutta muutamassa kohdassa tehtävät tuntuivat toivottomilta, kun täysin uusi ongelma ei ratkennutkaan monien yritysten jälkeen. Tämä kurssikerta oli sekä turhauttavin että palkitsevin.

Lähteet:

Aaltonen Jaana (2021) https://blogs.helsinki.fi/aajaana/ (vierailtu 28.3.2021)

Leino Ilari (2021) https://blogs.helsinki.fi/ilarilei/ (vierailtu 28.3.2021)

Categories
GEM

Harjoitus 4

 

Tällä kurssikerralla harjoiteltiin ruudukon luomista ja datan esittämistä sen avulla. Tähän kuului siis myös “join attributes by location” -toiminnon käyttäminen, kun väestötiedot liitettiin ruudukkoon.

Kokeilin ensin tehdä tehtävän käyttäen 1 km x 1km ruutuja (kuva 1), ja sitten 500 m x 500 m ruutuja (kuva 2). Neliökilometrin ruudut peittävät helposti alleen kuvattavan alueen, mutta kokonaiskuva on selkeämpi kuin pienemmässä ruudukossa. Pienempi ruudukko taas on tietenkin tarkempi, ja näyttää, koostuvatko neliökilometriruudukossa näkyvät violetit ruudut pienemmistä violeteista ruuduista, vai esimerkiksi kahdesta mustasta ja kahdesta keltaisesta ruudusta.

Kuva 1. Ruututeemakartta asukkaista 1 km x 1km ruuduissa.
Kuva 2. Ruututeemakartta asukkaista 500 m x 500 m ruuduissa.

Ruutuaineiston etuna on se, että siinä vertailtavat alueet ovat kaikki yhtä suuria. Siksi absoluuttisten arvojen esittäminen toimii siinä paremmin, kuin esimerkiksi kaupunginosiin jaetussa kartassa. 1000 asukasta jossakin kaupunginosassa kertoo karttaa katsovalle vähemmän, kuin 1000 asukasta neliökilometrillä, sillä jokaisessa kaupunginosassa täytyy ottaa erikseen huomioon sen pinta-ala. Ruudukossa pinta-alat tiedetään valmiiksi.

Absoluuttisten arvojen käyttö tekee kuitenkin valmiin kartan analysoimisesesta ja tulkitsemisesta vaikeaa. Kun kartassa yritetään esittää muita arvoja, kuin väkilukua, kartta ei luultavasti eroa juurikaan väkilukukartasta. Tein itse 500 m x 500 m kartan 25-29-vuotiaiden määrästä (kuva 3), ja muutamia ruutuja lukuunottamatta kartta näyttää hyvinkin samalta kuin väkilukukartta. Paikoissa, joissa asuu paljon ihmisiä, asuu tietenkin kaikkiin ikäryhmiin kuuluvia ihmisiä. Ehkä suurimman eron huomaa mustien ruutujen määrässä kaukana kaupunkien tiheistä keskuksista, sekä keltaisten ruutujen määrässä näissä keskuksissa. Molempia on enemmän 25-29-vuotiaiden määrää kuvaavassa kartassa, mistä voisi päätellä tiheimpien alueiden olevan nuorten aikuisten suosiossa koko väestön keskiarvoa enemmän. Kartta, jossa heidän määränsä olisi suhteutettu koko asukaslukuun, kertoisi toki paljon enemmän, ja se voisi johtaa täysin eri johtopäätökseen.

Omissa kartoissani on tarvittavat tiedot, kuten legenda, pohjoisnuoli ja mittakaava, mutta kartta ei kerro mitään sijainnistaan, ja ruudut peittävät helposti rannikon muodot. Siksi edes Helsingin nimeäminen kartalle voisi auttaa hahmottamaan paremmin, mitä aluetta kartassa kuvataan. Tummia värejä on mielestäni vaikea hahmottaa kartasta, joten olisin voinut valita hieman helpommin luettavan väripaletin. Myös kolmannen kartan legendassa näkyvät kahden pienimmän luokan arvot ovat hieman hämmentäviä, sillä ohjelma näyttää ne kokonaislukuina. Valtava harppaus luokkien kokojen välillä suurimpaan luokkaan tultaessa vääristää myös hieman karttaa.

Kuva 3. Ruututeemakartta 25-29-vuotiaiden määrästä 500 m x 500 m ruuduissa.

Kurssikerran toinen tehtävä käsitteli rasteriaineistoja. Tehtävässä esimerkiksi yhdistettiin merge-toiminnolla useita rasteriaineistoja, ja luotiin niistä lopulta vinovalovarjostettu korkeusmalli sekä korkeuskäyrät (kuva 4). Tehtävä auttoi minua oppimaan näiden toimintojen sijainnit ohjelmassa, mutta teknisestä osasta en rehellisesti sanottuna ymmärtänyt paljoakaan, ja tehtävän tekeminen koostui lähinnä ohjeiden tarkasta lukemisesta ja niiden seuraamisesta. Samaan karttaan piti myös kotona merkitä tiet sekä talot, mikä näkyy myös kuvassa.

Kuva 4. Osa toisen tehtävän kartasta, johon on merkitty vinovalovarjostus, korkeuskäyrät, sekä rakennukset ja tiet.
Categories
GEM

Harjoitus 3

Kolmannella luentokerralla harjoiteltiin tietokantaliitoksia, joissa jonkin yhteisen tiedon, esimerkiksi nimen tai ID:n perusteella saadaan liitettyä eri tiedostojen tiedot samasta kohteesta yhteen. Myös kolmas, itsenäiseksi tehtäväksi annettu harjoitus sisälsi muutaman liitoksen. Tietoa valuma-alueista sisältävään taulukkoon piti liittää tiedot keskiylivirtaamasta ja järvisyysprosentista.

Keskiylivirtaaman liittäminen onnistui hienosti, ja sain myös sen perusteella laskettua tulvaindeksin, mutta järvisyysprosentti tuotti ongelmia. Liittämäni Excel-tiedosto sai QGIS:n muuttamaan Ä- ja Ö-kirjaimet oudoiksi merkeiksi, joten tietokantaliitos ei muutamien paikannimien kohdalla toiminut. Yritin myöhemmin liitosta toisella tiedostolla, joka onnekseni toimi.

Tulvaindeksistä tein koropleettikartan (kuva 1), jossa sinisen värin tummuus kuvaa tulvaindeksin suuruutta. Sen lisäksi yritin lisätä karttaan histogrammin järvisyysprosentista, mutta pylväät näkyvät vain kolmella valuma-alueella. Tämä ongelma näytti olevan yleinen, vierailin esimerkiksi Maijan blogissa ja näin siellä samanlaiset pylväät, mutta sain myös tietää, mistä ongelma mahdollisesti johtuu. ja että Lotta oli saanut karttaansa onnistuneen histogrammin. Lotan histogrammista näinkin, että pidemmät pylväät olivat vaaleammilla alueilla, eli suurella järvisyysprosentilla ja pienellä tulvaindeksillä on yhteys.

Omasta kartastani voin nähdä, että suuren tulvaindeksin alueet sijaitsevat rannikoilla. En ole varma, mistä tämä johtuu, mutta arvaukseni on, että se saattaa ehkä liittyä rannikoiden tuuliin ja sateisiin, tai matalaan maastoon ja suureen määrään merelle laskevia jokia. Lotan onnistuneesta histogrammista taas voisi päätellä, että järvien suuri määrä tai pinta-ala antavat esimerkiksi sulamisvesille paikan, jossa ne eivät aiheuta samalla tavoin tulvia kuin joissa.

Kuva 1. Koropleettikartta tulvaindeksistä sekä yritys tehdä järvisyysprosentista histogrammi.

Lähteet:

Jalonen Maija (2021) https://blogs.helsinki.fi/mmjalone/ (vierailtu 20.2.2021)

Puodinketo Lotta (2021) https://blogs.helsinki.fi/lottapuo/ (vierailtu 20.2.2021)

Categories
GEM

Harjoitus 2

Toisella kurssikerralla aloitettu harjoitus 2 tuotti minulle paljon ongelmia, sillä en tunnin aikana saanut laskettua Mercatorin projektion pinta-alojen arvoja. Saamani tulokset olivat joko samoja, kuin alkuperäisestä projektiosta lasketut pinta-alat, tai niihin jäi negatiivisia lukuja ja kokonaan tyhjiä sarakkeita. Aloitin koko harjoituksen useaan kertaan alusta, seuraten kirjallisia ohjeita, mutta sain jatkuvasti vääriä tuloksia.

Ongelmana oli se, että en tiennyt mitä esimerkiksi “add geometry attributes” teki työlleni, ja koitin arvata, missä järjestyksessä mitäkin toimintoja piti käyttää, että saisin ohjeiden mukaisen lopputuloksen. Sain lopulta laskettua järkevältä vaikuttavan pinta-alasarakkeen ja jatkoin sen avulla harjoituksen tekemistä. Sain luotua koropleettikartan, joka näytti kurssikerran esimerkin kaltaiselta, mutta arvot eivät kuitenkaan vaikuttaneet loppujen lopuksi kuvaavan suhdetta, jota yritin laskea.

Lähdin siis yrittämään uudestaan, tällä kertaa katsomalla luentotallenteen uudestaan, ja huomasin tehtävän olevan huomattavasti yksinkertaisempi, kuin olin ajatellut. En ollut kirjallisten ohjeiden perusteella osannut käyttää “add geometry attributes”-toimintoa oikein, mutta luentovideon avulla sain helposti laskettua tarvittavat arvot.

Lopputuloksena sain kahdeksaan eri luokkaan jaetun kartan (kuva 1), josta voi nähdä Mercatorin projektion vääristävän alueita sitä enemmän mitä pohjoisemmaksi mennään. Lisäsin myös harjoituksena pohjoisnuolen ja mittakaavan lopputulokseen.

Kuva 1. Mercatorin pinta-alasuhde verrattuna TM35FIN projektioon.
Categories
GEM

Harjoitus 1

Tässä harjoituksessa tarkoitus oli soveltaa ensimmäisellä kurssikerralla opittua ja mahdollisesti käyttää käsittelemättä jääneitä ominaisuuksia itsenäisesti kartan luomisessa.

Yritin aluksi tehdä vaikeimmaksi merkittyä tehtävää 3, jossa kuntapohja piti saada QGIS-ohjelmistoon rajapinnan kautta.
Onnistuin tässä, mutta tehtävän toinen osio, jossa muuttujat piti hankkia tuomalla ohjelmistoon .csv-muotoinen tiedosto, ei monien yritystenkään jälkeen onnistunut. Sen takia päädyin lopulta tekemään helpomman version harjoituksesta, jossa muuttujat saadaan valmiiksi ensimmäisen kurssikerran kansiosta.

Valitsin harjoitukseen tilaston taajama-asutuksen osuudesta kunnissa prosentteina, ja jaoin eri arvot viiteen luokkaan, joissa kaikissa on yhtä monta kuntaa. Merkitsin luokat eri vihreän sävyillä.

Luokkien välit eivät ole tasaisia, ja esimerkiksi vaaleimmalla värillä merkitty luokka sisältää kuntia, joiden taajama-asteet vaihtelevat suuremmalla välillä kuin kolmen seuraavan luokan kunnissa yhteensä.

Kartasta saa yleiskuvan siitä, missä kunnissa on korkea ja missä matala taajama-aste, mutta siitä ei ole mahdollista kaikkien kuntien kohdalla päätellä, mistä taajamiin keskittynyt asutus johtuu. Muutamien suurien kaupunkien kohdalla taajama-aste on korkea, koska kaupungin väkiluku on kunnan muihin alueisiin verrattuna korkea, mutta toisissa kunnissa se saattaa johtua asutuksen keskittymisestä useisiin taajamiin.

Categories
GEM

Ensimmäinen harjoitus

Ensimmäisellä kurssikerralla käytin ensimmäistä kertaa QGIS-ohjelmistoa ja tein ohjeiden mukaan kartan, jossa näkyvät Itämerta ympäröivien valtioiden typen päästöjen osuudet kokonaispäästöistä. Lopputulos ei ole aivan samanlainen kuin esimerkkityössä, sillä laskin maiden päästöille hieman eri arvot ja ohjelma jakoi ne useampaan luokkaan kuin esimerkissä. Tehtävä oli tarpeeksi yksinkertainen siihen, että pystyin tutustumaan ohjelmistoon ja saamaan melko hyvän lopputuloksen, mutta osan toiminnoista tein vain ohjeiden avulla, ymmärtämättä mitä ne oikeastaan tekivät.