vilesamu's blog

Seitsemän ihanaa viikkoa on kulunut Qgis:sin parissa. Tämä viikko toi mukanaan vapauden valita itseään miellyttävät aineistot. Tämä vapaus toi myös mukanaan uudenlaisia haasteita. Tämän blogiteksti käsittelee näitä ylä- ja alamäkiä lisää.

Aluksi mielenkiintoni kohdistui Euroopan tilastokeskuksen Eurostatin väestötilastoihin. Niitä neljä tuntia työstäessäni kiinnostukseni kuitenkin hiipui. Suurimmaksi ongelmaksi muodostui taulukoiden tuominen Qgis:siin siten että ne olisi mahdollista yhdistää Natural Earthin karttaan. Virheistä ja yrityksistä oppineena lähdin kuitenkin hakemaan samaiselta sivustolta uutta dataa. Useiden kokeiluiden jälkeen sain toimimaan raakapuun tuotantoa koskevan tietokannan, joten lähdin työstämään aineistoa kartalle.

Kartoille olisi ollut mielekästä saada myös toinen muuttuja mutta en löytänyt siihen sopivaa. Joten työni keskittyi aineiston erilaisiin esittämismahdollisuuksiin. Kuvassa 1. raakapuun tuotanto on esitetty luokka-asteikon lisäksi pylväiden avulla. Vaikka kartta havainnollistaa raakapuun tuottajat Eurostatin aineisto oli jokseenkin puutteellista. Esimerkiksi Saksan tietojen puuttuminen vaikuttaa oleellisesti karttojen informatiivisuuteen. Luonnon varakeskuksen sivuilta ilmeneekin että Saksassa puuston kokonaistilavuus per hehtaari on yksi Euroopan suurimmista.

Seuraava esitystapa on absoluuttisten arvojen esittäminen. Kuvassa 2. numeraaliset arvot esittävät raakapuun tuotannon tuhansina kuutiometreillä. Absoluuttisten arvojen esittäminen on pylväitä havainnollistavampaa tosin vaatien kartan syvällisempää tarkastelua. Esityksen vaikeimmaksi vaiheeksi osoittautui numeroarvojen erottuminen kartalta. Tähän ongelmaan olin jo aiemmin törmännyt. Kaikkeni antaneena sain numerot erottumaan edes jotenkin pohjakartasta.

Kartta esityksen informatiivisuuden lisäämiseksi ja itseni haastamiseksi halusin hieman lisätä haastetta.  Päätin laskea maitten prosentuaalisen osuuden koko Euroopan tuotannosta. Tämä olikin hyvää ja helppoa harjoitusta Qgis:sin laskimen käytöstä, joka oli jokseenkin jäänyt itseltäni vähäiselle käytölle ainekin itsenäisesti käytettynä. Euroopan kokonaistuotannon ollessa 501049,75 m³, aineiston maista suurin osuus menee Ruotsille ja hyvänä kakkosena Suomelle. Tämä Ruotsin ja Suomen valtataistelu on esitetty kuvassa 3.

Viimeisenä koristeluna blogitekstiini löysin Corine land cover 2018- satelliitin keräämä rasteriaineisto Euroopan maankäytöstä, esitetty kuvassa 4. Aineisto on hyvin informatiivinen ja sen esittäminen oli haastavaa. Lisäämäni legendan avulla kartasta saa hyvän pintaraapaisun, vaikka metsiä koskevat vihreän sävyt ovat hyvin lähellä toisiaan.  Lähimpänä olevat lehti-, sekametsä sekä ruohomaa ja metsäpensaikko on lähes mahdotonta erottaa toisistaan.

Kurssitovereiden blogeja tarkastellessa oli mielenkiintoista huomata millaisia tekeleitä on saatu aikaan. Yksi hienoista kartta sarjoista oli Carita Aapro-Kosken vuoden 2016 Yhdysvaltojen presidentin vaaleja käsittelevä karttasarja. Kartasta tekee informatiivisen Trumpin ja Clintonin kannatus osavaltioittain lisäksi ympyrädiagrammi, josta selviää osavaltion väestön eri etnisten taustojen osuus.  Karttaa on kiinnostavaa tulkita ja arvioida miten kannatus on jakautunut ja onko eri etnisillä enemmistöillä selvää eroa kannatuksessa.

Kiitos kaikille kurssitovereille kurssista. Erityisen suuri kiitos kurssinvastuu opettajalle mielenkiintoisesta ja monipuolisesta kurssista!!

Lähteet:

Pohjakartta                            https://www.naturalearthdata.com/downloads/10m-cultural-vectors/

Raakapuun tuotanto      https://ec.europa.eu/eurostat/databrowser/view/tag00072/default/table?lang=en

Luonnonvarakeskus, ”Puuston määrä Euroopassa” vuodelta 2015. Luettu 4.3.2020                                              https://www.luke.fi/tietoa-luonnonvaroista/metsa/metsavarat-ja-metsasuunnittelu/suomen-metsat-euroopassa-vuonna-2015/puuston-maara-euroopassa/

Corine land cover 2018                                                                          https://www.eea.europa.eu/data-and-maps/data/copernicus-land-monitoring-service-corine

Aapro-Koski, C. 27.2.2020 “Kurssikerta 7: Itsenäinen karttatyö- USA:n presidentin vaalit 2016” Luettu 4.3.2020                                  https://blogs.helsinki.fi/aacarita/

Kuudennen kurssikerran aluksi pääsimme kömpimään lämpimästä ja kodikkaasta GIS-luolasta ulos Kumpulan maastoon tekemään kenttätyötä. Kenttätyön tavoitteena oli kerätä dataa pisteaineistona oma valintaisista kaupunkitiloista Epicollect-sovelluksen avulla. Takaisin luokkaan saavuttuamme sovellukseen kerättyjen pisteiden avulla harjoittelimme interpolointia. Interpoloinnin avulla saatiin yleiskuva Kumpulan alueen turvallisuudesta. Noin tunnissa saimme oma keräämästä aineistosta esiteltäviä tuloksia.

Kurssikerran jälkipuoliskolla tutustuimme itsenäisesti ladattavaan pistedataan. Huomioni keskittyi pääosin USGS:n tarjoamaan maanjäristys tietokantaan. Sen pohjalta loihdin kaksi karttaa maanjäristysten sijainneista maailmanlaajuisesti.

Kuva 1 esittää yli kuuden magnitudin järistykset vuoden 1900 jälkeen interpoloituna. Kartasta erottaa hyvin litosfäärilaattojen alityöntövyöhykkeet epämääräisinä pikselivyöhykkeinä. Tämän informaation avulla on helppo hahmottaa millä alueilla maanjäristyksiä tapahtuu eniten. Kartasta on myös havaittavissa alueet joilla on tapahtunut erittäin voimakkaita maanjäristyksiä (siniset alueet). Richterin asteikkoa tarkasteltaessa on huomioita, että magnitudin kasvaessa yhdellä järistyksen voimakkuus kasvaa kymmen-kertaiseksi.

Kuva 2 esittää kaikista voimakkaammat järistykset. Verrattuna kuvan 1 karttaan on kartta huomattavasti yksinkertaisempi, koska pisteitä on vähemmän. Kartalta erottuu selkeämmin yksittäisten pisteiden muodostamat alueet. Huomioni keskittyi Alaskassa sijaitsevaan laajaan siniseen alueeseen, joka ei kuvasta 1 erotu lähes ollenkaan.

Harva kurssilaisistani oli tuottanut blogiinsa karttoja interpoloinnin avulla. Löysin kuitenkin reittini Matti Katajiston blogiin. Katajisto oli tuottanut hyvin samanlaisen kartan kuin kuvan 2. Interpoloinnin aikaan saamat alueet olivat hyvin samanlaiset. Suurin eroavaisuus oli väreissä, joita Katajisto oli uskaltanut käyttää itseäni rohkeammin.

Maanjäristys karttoja tehdessäni löysin netistä kuvan 3 kartan, joka kuvaa maanjäristysten todennäköisyyttä alueittain. Kartta on helppo lukuisempi kuin luomani interpoloidut kartat. Kartta on hyvin infomatiivinen sillä mitä punaisempi alue on sitä voimakkaampia järistyksiä on syytä odottaa.

Interpoloitujen maanjäristyskarttojen lisäksi halusin luoda pistemäisen kartan tulivuorien sijainneista. Kuvan 4 kartta esittää tulivuorien sijainnit NOAA:n tietokannan pohjalta. Suurin osa tulivuorista sijaitsee maanjäristyksien tapaan litosfäärilaattojen saumakohdissa. Tulivuori datan pohjalta luotua karttaa tarkastellessa Janina Vikman oli huomioinut islantilaisen tulivuoren virheellisen sijainnin Ruotsissa. Tämä huomio herättää siihen ettei tiedostoihin tai QGIS:Sin toimintoihin voi luottaa täysin sinisilmäisesti.

Karttojen avulla on helppoa visualisoida maanjäristysten ja tulivuorien sijaintia maapalolla. Opetuksessa karttojen avulla voitaisiin esittää sijaintien lisäksi syitä näiden luonnonmullistumien pääasialliseen keskittymiseen laattojen saumakohtiin. Vaikka interpoloidut kartat saattavat aluksi vaikuttaa pistemäisiä karttoja epäselvemmiltä, niitä tarkastellessa arvotkin suhteutuvat muihin pisteisiin.

Lähteet:

Maanjäristys tietokannat, USGV. Käytetty 19.2.2020 https://earthquake.usgs.gov/earthquakes/search/

Tulivuori tietokanta, NOAA. Käytetty 19.2.2020 https://www.ngdc.noaa.gov/nndc/struts/form?t=102557&s=5&d=5

Pedanet, maanjäristysten riskialueet kartta. Luettu 20.2.2020

https://peda.net/p/simo.veistola/k/lukio/ge-uusi-1/mjt/teht%C3%A4v%C3%A4t2/kuvitus/mr

Katajisto, M 19.2.2020 ” Tactical nuke inbound” Luettu 20.2.2020 https://blogs.helsinki.fi/mattikat/2020/02/19/tactical-nuke-inbound/

Vikman, J 19.2.2020 ” Ulkoilua, kolme karttaa ja ruotsalainen tulivuori” Luettu 20.2.2020 https://blogs.helsinki.fi/jagvikma/2020/02/19/kolme-karttaa-ja-ruotsalainen-tulivuori/

Aiheena ruutukartta ja rasterimuotoinen aineisto, kuulostaapa haastavalta. Onneksi näin ei ollut sillä sain vihdoin tuntea miltä QGIS:sin käyttö tuntuu kun tietää mitä tekee tai ainekin luulee niin. Edellisiltä viikoilta saadut haavat pääsivät vihdoin parantumaan ja psyyke tasaantumaan.

Kurssikerran tehtävänä oli muuttaa pistemuotoinen aineisto ruutukartaksi. Pistetiedot sisälsivät runsaasti erilaisia väestöön ja asumiseen liittyviä tietoja. Ruutujen saman koon ansiosta pisteiden tiedot saatiin yhdistettyä ruuduittain. Kartan luettavuuteen vaikuttaa huomattavasti ruutukoko. Kuten kuvasta 1 huomaa on 250 m x 250 m aivan liian pieni pääkaupunkiseudun aineistoon. Kartasta erottaa suurin piirtein ulkomaalaisten asutuskeskittymät mutta syvällisempään tarkasteluun kartta ei sovi.

Jälleen kurssi kerralla opittujen temppujen avulla lähdin haastamaan itseäni. Tein muunkielisten osuutta kuvaavan kartan 1 km x 1km ruuduilla. Kuvan 2 kartta on helppo lukuinen ja sen tarkastelu on varsin vaivatonta. Merialuetason tuominen ruudukon päälle helpottaa mielestäni kartan tarkastelua sillä rannikkoalueet erottuvat ruudukosta. Sijainnin ruutukartta esittää suhteellisena eli asuinrakennukset sijaitsevat ruudun sisällä. Aineiston luonteen takia rakennusten tarkan sijainnin esittäminen ei ole mielekästä sillä vertailu onnistuu järkevästi ruutualueiden avulla.

Vaikka pääkaupunkiseudulla on asutusta tasaisesti on alueita, joilla asuu vain muutama ihminen. Tällaisten alueiden kuvaaminen ruutukartalla vaikuttaa kartan luotettavuuteen. Esimerkiksi jos alueella asuu viisi muunkielistä eikä ollenkaan suomenkielisiä, näyttää alue yhtä voimakkaalta kuin alue jossa on paljon asukkaita ja hieman yli puolet ovat muunkielisiä.

Kuvan 2 karttaan voisi lisätä asuinrakennusten lukumäärän ruuduittain. Tämä tieto lisäisi kartan informatiivisuutta ja lukija saisi tiedon kuinka tiheästi neliökilometrin alue on asutettu. Toisaalta ruutukartalla on vaikeaa esittää selkeästi enempää kuin yhtä muuttujaa.

Ruutukartan suurimpana vahvuutena onkin tiedon esittäminen selkeästi ja suhteellisesti verrattuna alkuperäiseen pisteaineistoon joka kuvasi yksittäisten kohteiden tarkkaa sijaintia. Jonna Kääriäinen on tehnyt blogissaan: https://blogs.helsinki.fi/kaarijon/ hyvän havainnon ruutukartan ominaisuudesta kuvata ilmiöitä.” Ruudut voivat olla kooltaan vaikkapa 250 m x 250 m, 1 km x 1 km tai 5 km x 5 km, eivätkä siis noudata mitään hallinnollista aluejakoa. Tästä syystä ruutukartta tarjoaakin hyvän keinon tarkastella alueellisten ilmiöiden leviämistä hallinnollisista aluerajoista riippumatta.” Tällä Kääriäinen perustelee ruutukartan luonnetta aiempien kertojen koropleettikarttoihin verrattuna.

Virkistävän ruoka/kahvitauon jälkeen pääsimme ensimmäistä kertaa käsittelemään rasteriaineistoa QGIS:sissä. Rasteriaineiston käsittely ja työstäminen on raskasta suurten tiedostokokojen takia. Tämän huomasin etenkin läppärillä työskennellessä. Kurssikerralla yhdistimme rasteriaineistoja ja lisäsimme rinnevarjostuksen ja korkeuskäyrät Pornaisten alueen peruskarttalehdelle (L4322L).

Kotitehtävänä oli vertailla samaisen kartan korkeuskäyriä QGIS:sin luomiin. Tämän harjoituksen tekele on kuvassa 3. QGIS:sin luomat punaiset korkeuskäyrät ovat rosoisempia ja esittävät pienempiä kohteita kuin peruskartan käyrät. QGIS luo käyrät suoraan aineiston pohjalta siksi ne ovat tarkempia. Peuskartan korkeuskäyriä on yksinkertaistettu käyttötarkoitusten takia, liian tarkat korkeuskäyrät vaikuttaisivat kartan luettavuuteen.

Lähteet:

Kääriäinen, J (6.2.2020) ” Pisteaineistosta ruututeemakartaksi” Luettu 6.2.2020 https://blogs.helsinki.fi/kaarijon/2020/02/06/pisteaineistosta-ruututeemakartaksi/

Maanmittauslaitos. Peruskartta 1:20 000 L4322L, 2017

Tämän viikon GIS tuokiolla tutustuimme QGIS:sin toimintoihin, joilla eri tietokantoja voidaan yhdistää. Join- ja dissolve-työkalut olivat avain asemassa harjoituksia tehdessä. Niiden avulla tietokannat saadaan samaan aineistoon QGIS:sissä.

Kurssikerran harjoituksessa työstimme Afrikan karttaa, jossa lähdeaineistot täytyi yhdistää. Kartan jokainen polygoni oli erillään tietokannasta. Jotta aineistoa voitaisiin työstää tehokkaasti täytyi samaan aineistoon kuuluvat alueet yhdistää valtioittain yhteen. Aineiston yksinkertaistamisen jälkeen Join-työkalulla tuotiin ulkoisia aineistoja ja niiden ominaisuudet yhdistettiin samaan tietokantaan. Tämän työn tulos on kuvan 1. kartta.

Muita harjoituksen tietokantoja olivat timanttikaivosten öljykenttien sijainti. Kyseisistä aineistoista en saanut karttaa laadittua sillä QGIS ei ladannut tekemääni projektia kurssikerran jälkeen. Tämä ei ollut ensimmäinen kerta… Tietokantojen yhdistelyllä ja teemakarttojen avulla olisi voinut tarkastella öljykenttien ja timanttikaivosten sijaintien yhteyttä konfliktien sijainteihin. Kaiken logiikan mukaan on todennäköistä että konfliktiherkät alueet sijoittuisivat näiden luonnonvarojen läheisyyteen.

Joonatan Reunanen ja Matti Katajisto ovat blogeissaan näyttäneet taiteellista osaamistaan visualisoidessaan Afrikan teemakarttaa. Katajisto sanookin blogissaan käyttäneensä huomattavan määrän aikaa karttansa visualisointiin. Omaan karttaani verrattuna kyseisten herrojen teemakartoissa esiintyy kaikki harjoituksen tietokantojen aineistot.

Itsenäisenä harjoituksena oli tuottaa kartta Suomen tulvariskialueista ja niiden järvisyydestä. Tämäkin harjoitus sisälsi tietokantojen yhdistelyä ja muuta oman taitotason ylittävää toimintaa. Vaikeinta oli lisätä järvisyysprosenttia kuvaava histogrammi tulvariskialuekarttaan. Onnekseni QGIS:sin innokas käyttäjä Miklas Kuoppala oli paikalla pähkäilemässä samaa haastetta. Yhteistyömme avulla saimme diagrammin kartalle. Kartta (kuva 2) tulvariskialueista koristeltuna järvisyysdiagrammeilla oli valmis.

Pienellä karttatulkinnalla on huomattavissa että Suomen tulvariskialueet sijoittuvat pienen järvisyysprosentin alueille. Järvillä on virtausta tasoittava vaikutus. Kun järviä on vähän tulvariski kasvaa koska järvien vaikutus virtausvoimakkuuteen jää vähäiseksi. Suuri järvisyysprosentti on keski- ja itä- Suomessa. Näillä järvivaltaisilla alueilla tulvaindeksi on pieni.

Tämän viikon Q-GIS puuhastelusta jäi aiempaa positiivisempi kuva. Harjoitukset sujuivat edellisiä mukavammin pienistä vastoinkäymisistä huolimatta. QGIS:llä työskentely on jatkuvasti sujuvampaa.

Lähteet:

Katajisto, M ”Haaveet kaatuu…” 3.2.2020. Luettu 3.2.2020

https://blogs.helsinki.fi/mattikat/2020/02/03/haaveet-kaatuu/

Reunanen, J ” Beast mode on.” 29.1.2020 Luettu 3.2.2020

https://blogs.helsinki.fi/reunajoo/2020/01/29/beast-mode-on/

Tällä kurssikerralla tutustuimme erilaisiin datan lähteisiin. Työstimme QGIS:sillä WFS-palvelusta tuomia kunta-aineistoja. Päätavoitteena oli ymmärtää ja hahmottaa erilaisten projektioiden aiheuttamia vääristymiä Suomen kuntien pinta-aloissa. Projektioiden vääristymien takia onkin tärkeää valita oikea projektio tutkimustulosten luotettavuuden takaamiseksi. Tämä kiinnostavalta kuulostava projektioilla leikkiminen olikin aivan jotain muuta.

Harjoittelimme kurssikerralla Mercatorin projektion vertailua tuttuun ETRS89/TM35FIN- projektioon. Harjoitus osoittautui jo kurssikerralla haastavaksi vaikka apua oli saatavilla. Tuskailun jälkeen sain kuitenkin tuotettua kuvan 1. kartan. Kartta ei ole välttämättä paras kuvaamaan projektioiden pinta-alojen välistä vääristymää mutta siitä ilmenee kuinka Mercator vääristää pinta-aloja navoille päin mentäessä. Kartan luokkia on hieman liikaa ja niiden rajat voisivat olla johdonmukaisemmat. Lisäksi otsikon ja legenda tekstien välinen ristiriita vaikeuttaa hahmottamaan kartan ilmiötä.

Kurssikerrasta jälleen rohkaistuneena lähdin toteuttamaan samanlaista projektioiden vertailua. Kohteeksi valitsin Robinsonin projektion vertailun ETRS89/TM35FIN- projektioon. On yllättävää kuinka nopeasti kurssikerralla opitut asiat voivat unohtua. Viisi päiväisen työviikon aikana ei ollut päivää jolloin en olisi avannut QGIS:siä ja käynyt kokeilemassa joko nyt onnistuisin tehtävässä. Onnistuin vaihtamaan näkyvän projektion mutta pinta-aloja laskevan projektion muuttaminen halutuksi ei ollutkaan niin yksinkertaista. Viimein koitti se päivä kuin onnistuin (vahingossa) saamaan Robinsonin- projektion mukaiset kuntien pinta-alat attribuuttitaulukkoon. Tästä taisteluvoitosta syntyi kuvan 2. kartta. Mielestäni kartta on parempi kuin kurssikerran tuotos. Luokkia on puolet vähemmän ja kartta on selkeämpi. Luokkien vähäinen määrä tosin altistaa yleistämiselle.

Vaikka kurssikerran harjoitukset aiheuttivat vahvaa henkistä kärsimystä niin positiivisena puolena oli QGIS erilaisiin toimintoihin tutustuminen epätoivoisten kokeilujen kautta. Samalla kun tutustuin uusiin toimintoihin tuli ohjelman käyttöön rutiinimaista suorittamista. Etenkin tietokantojen hakeminen ja perustietojen täyttäminen attribuuttitaulukoon alkoi onnistumaan ilman ongelmia.

Kurssilaisten blogitekstejä lukiessa on yleisesti huomattavissa harjoituksen haastavuus. Tomi Kiviluoma on ottanut blogitekstiinsä mukaan epäonnistuneita yrityksiä. Toisen kurssikerran tekstiä on kiinnostavaa lukea Kiviluoman kertoessaan myös ei niin onnistuneista yrityksistään ja pohtiessa niihin johtaneita syitä. Sonja Nylund on piristänyt blogiaan lisäämällä taulukon, joka havainnollistaa hyvin projektioiden välisiä eroja pituuksien ja pinta-alojen suhteen. Kyseinen taulukko auttoi hahmottamaan uudella tavalla projektioiden valinnan merkitystä.

Lähteet:

Kiviluoma.T (24.01.2020). Tietokantoja, tykytystä ja toiveita tulevasta. Luettu 26.01.2020

https://blogs.helsinki.fi/tomingeoblogi/2020/01/24/tietokantoja-tykytysta-ja-toiveita-tulevasta/

Nylund.S (23.01.2020). Level 2: projektio projekti. Luettu 26.01.2020

https://blogs.helsinki.fi/sonysony/2020/01/23/level-2-ensimmainen-luento/

Taas koitti se hetki kun innokkaat fuksit (ja muut) pääsivät GIS-luolan syövereihin kokemaan onnistumisen ja epäonnistumisen hetkiä. Tiedon esittäminen maantieteessä oli vihdoin niitä kursseja joilla pääsisimme käyttämään ”oikeaa” GIS-ohjelmaa. Tässä blogissa käsittelen tuntemuksiani QGIS:ä kohtaan ja esittelen konkreettisia tuotoksia.

Ensimmäisen kurssikerran tarkoituksena oli tutustua QGIS-ohjelmaan. QGIS on avoimen lähdekoodin ohjelma jonka avulla voidaan työstää valmiita aineistoja omaan tarkoitukseen. Ohjelmaa avatessa ja varovaisia ensikosketuksia ottaessani ohjelma vaikutti hyvin sekavalta. Tosin Tiedon esittäminen maantieteessä kurssilla käytetty CorelDraw loi samanlaisia tunteita, joten koen että QGIS-ohjelman käyttö onnistuu tai ainekin toivon niin.

Aloimme yhteisesti harjoittelemaan vektoritietokannan tuomista ohjelmaan ja käsittelemään sitä. Vektoriaineisto koostui valtiot, merialueet ja järvet tasoista. Lisäksi piste-muotoisena tasona oli typenpäästöjen mittauskohteita. Tasot asettuivat ohjelmaan päällekkäin muodostaen karttapohjan. QGIS:sin toimintoja käyttäen korostimme merialueelle syvyyskäyrät sekä typpipäästöjä tuottavat valtiot (kuva 1).  Parannettavaa kartassa on huomattavasti. Legendan luokkarajat ovat huonot, lisäksi syvyyskäyrät voisivat erottua paremmin merialueesta.

Kurssikerran virheistä oppineena lähdin rohkeasti tekemään vapaavalintaista koropleettikarttaa kunnat 2015 aineiston pohjalta. Tutkittavaksi aineistoksi valitsin kesämökkien määrän kunnittain. Kartasta (kuva 2) tuli melko hyvä. Parannettavaa olisi punaisen värisävyissä sillä korkeimman luokan kunnat korostuvat muista luokista epämiellyttävän vahvasti. Kuitenkin luokat erottuvat toisistaan tehden kartasta oivallisen teemakartan, josta kuvattu ilmiö erottuu nopeasti ja selkeästi. Leganda, mittakaavan ja pohjoisnuolen lisäyksen jälkeen kartta oli valmis.

Kuvan 2 kartan valmistuttua QGIS:sin perustoimintojen käyttäminen tuntui jo sujuvan hyvin. Etenkin legendan ja pohjoisnuolen lisääminen tuli tutuksi useiden virheiden jälkeen. QGIS- ohjelman mystiset valikot ja oudot kuvakkeet olivat vihdoin tulleet jokseenkin tutuiksi.

Lopuksi tutustuin muiden kurssilaisten blogiteksteihin. Venla Moision (2020) tekemä koropleetti kartta kuvasi samaa kesämökkien lukumäärä kunnittain –aineistoa kuin omani, mutta Venla Moisio oli lisänny harjoitukseen haastetta laskemalla kunnan alueen mökkien prosentuaalisen osuuden kaikista Suomen mökeistä. Vaikka kartat esittävät saman aineiston pohjalta erilaista tietoa ovat kartat samanlaisia, koska mökkien lukumäärä kunnittain ei ole muuttunut. Ero kartoissa on vain lukumäärän suhteuttaminen koko Suomen mökkien lukumäärään, joilloin legenda on erilainen.

Harjoitus tekee mestarin ja uusi viikko uudet GIS-haasteet, sanoi kokenut GIS-velho. Näillä opeilla lähden kohti uusia haasteita QGIS:sin parissa.

Lähteet:

Moisio, V (19.1.2020). Viikko 1- QGIS:in maailmaan tutustumista. Luettu 21.1.2020 https://blogs.helsinki.fi/moivenla/2020/01/19/viikko-1-qgisin-maailmaan-tutustumista/