Month: February 2021

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.

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)

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.

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.

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.