Category: Uncategorized

Kurssi on paketissa, blogi valmis eikä siihen tulee enää muutoksia. Nyt viikon GIS-tauon (ja geomorfologian kanssa painimisen) jälkeen meinaa jo olla ikävä GIS-hommia. Jatkokurssilla “nähdään”!

Itsenäistä aineiston hankintaa

Seitsemännen ja samalla viimeisen kurssikerran ohjelmassa oli vapaavalintaisen kartan laatiminen itse haetun aineiston perusteella.  Ainut kriteeri kartalle oli, että siinä esitetään kaksi eri muuttujaa. Tämä yksinkertainen vaatimus muodostuikin yllättävän suureksi haasteeksi valitsemallani alueella. Halusin laatia kartan Vietnamista, koska maa on sydäntäni lähellä, mutta Vietnamiin liittyviä maksuttomia aineistoja on saatavilla rajallinen määrä, enkä esimerkiksi onnistunut löytämään mitään sopivaa pistemuotoista aineistoa. Vietnam jakautuu 58 provinssiin ja viiteen suurkaupunkiin, joilla on provinsseja vastaava asema. Iso osa tilastoista oli kuitenkin luokiteltu joko epävirallisten suuralueiden tai kuntien mukaan, mikä vaikeutti sopivan aineiston löytämistä (kuva 1). Ahkeran Vietnamin tilastokeskuksen sivujen selailun jälkeen löysin aineistoa muutamasta mielenkiintoisesta muuttujasta, joista oli saatavilla tilastoja provinssitasolla.

Aineistoa fiksailemaan…

Onnistuin melko sujuvasti lisäämään QGIS:iin YK:n humanitaaristen asioiden koordinaatiotoimisto OCHA:n sivuilta löytämäni hallinnolliset rajat esittävän pohjakartan sekä csv-muodossa tallentamani tilastot. Kun sain lisättyä tilastot pohjakartan attribuuttitauluun ja yritin visualisoida dataa kartalla, huomasin kauhukseni, että Vietnam oli kuin tilkkutäkki – useampi provinssi jäi puuttumaan. Ensin meni hetkeksi sormi suuhun, kunnes muistin, että aiemmin kurssilla oli ollut samankaltaista ongelmaa, kun liitettävät fieldit eivät olleet kirjoitettu täsmälleen samalla tavalla ja ongelma paljastui samaksi tälläkin kertaa.

Paikannimien kirjoitusasu erosi paikoin Vietnamin tilastokeskuksen ja OCHA:n pohjakartan välillä ja lisäksi monessa kaksiosaisessa paikannimessä tilastokeskuksen aineistoon oli lipsahtanut ylimääräinen välilyönti. Mitään yhteistä ID:tä pohjakartalla ja tilastoaineistoilla ei ollut, joten ei auttanut kuin korjailla paikannimet yhtenäiseen muotoon.

Loppu hyvin, kaikki hyvin

Huh, Excelin siistimisen ja uuden aineiston latauksen ja yhdistelyn jälkeen kartta näkyi niin kuin pitääkin. Koska maa on muodoltaan pitkä, päätin selkeyden vuoksi laatia karttani kahdessa osassa.  Esitän ensin kuitenkin havainnollisuuden vuoksi koko maata kuvaavan kartan, johon on merkitty viisi merkittävää kaupunkia (kuva 2). Varsinaiset karttani esittävät Vietnamin provinssien nettomuuttoa ja keskituloa asukasta kohden vuonna 2018 (kuva 3 ja 4).  Kuvaan eri provinssien keskituloa prosenttiosuutena koko maan keskitulosta, joka vuonna 2018 oli 3 876 000 VND eli noin 140 euroa/kk.

Huom! Alla olevat kartat saa klikkaamalla suuremmiksi.

 

Mitä kartta kertoo?

Kartan perusteella niin suurin nettomuutto kuin keskitulokin on Vietnamin suurissa kaupungeissa ja niiden lähettyvillä. Tästä itsessään ei voi ilman tarkempia tietoja vetää johtopäätöksiä syy-seuraussuhteista, mutta voimme kuitenkin turvallisin mielin todeta, että tulotaso on korkein suurissa kaupungeissa ja muuttoliike näyttää myös suuntautuvan niihin. Eniten ihmisiä muuttaa puolestaan pois Mekongin deltan alueen provinsseista maan eteläosissa. Syynä tähän on ilmastonmuutoksen myötä nouseva vedenpinta sekä yleistyneet luonnonkatastrofit, kuten tulvat (The Conversation 2018).

Kartan perusteella pienimmän keskitulon provinssit näyttävät sijaitsevan kaukana suuremmista kaupungeista. Tutkin aihetta hieman lisää ja löysin Asian Journal of Empirical Researchin artikkelin, jossa kuvataan Vietnamin provinssien BKT:n kehitystä. Artikkelin mukaan maan köyhimmät provinssit ovat maantieteellisesti ja taloudellisesti verrattain eristyksissä.  Ne sijaitsevat usein sen verran kaukana suurista kaupungeista, että ne eivät hyödy läheisten kasvukeskusten menestyksestä, kuten köyhät provinssit lähempänä suurkaupunkeja. Käytännössä kaikkein köyhimpien, etäällä sijaitsevien provinssien ainut “tuki ja turva” on hallinnon tulonsiirrot maan eri alueiden välillä (Vu 2016).

Tässä kohtaa jäin pohtimaan olisiko absoluuttinen dong-määrä ollut havainnollisempi tapa esittää keskituloa kuin suhteellinen määrä koko maan keskituloon verrattuna. Pienimmän keskitulon provinsseissa keskimääräinen kuukausiansio on alle 1 500 000 VND (54 euroa), kun taas suurimman keskitulon provinsseissa summa on yli 6 000 000 VND (216 euroa). Erot maan eri osien välillä ovat nimittäin hurjat, mitä prosenttiluvut eivät mielestäni havainnollista riittävän hyvin.

Muiden kurssilaisten luomuksia

Tällä viikolla on ollut erityisen mielenkiintoista lukea muiden kurssilaisten blogeja, kun jokaisella on niin erilaista sisältöä. Annika Innasen blogissa on lajitelma laadukkaita väestöaiheisia karttoja Yhdysvalloista sekä erityisen viihdyttävänä tekijänä kartta kojoottihavainnoista. Alexander Engelhardt esittää blogissaan huikean hienon merirosvoutta ajallisesti koko maailman tasolla kuvaavan kartan. Lotta Puodinketo on puolestaan laatinut laadukkaita turvattomuutta ja pahoinpitelyrikoksia kuvaavia karttoja Suomesta.

Mitä tästä jäi käteen?

Tässä harjoituksessa pääsin ensin käyttämään tiedonhakutaitojani, kun hain aineistoa tehtävää varten. Aineiston löydettyäni sain muokata sen QGIS:lle kelpaavaan muotoon ja käyttämään monia ohjelman perustoimintoja, kuten aineiston tuomista, yhdistämistä ja visualisointia sekä field calculatoria. Vähän jäi harmittamaan, etten löytänyt Vietnamista mitään pisteaineistoa, jota olisin päässyt interpoloimaan, mutta sitä saa varmasti vielä harjoitella lisää jatkokursseilla.

Omalla aineistolla tehtävästä kartan laatimisesta jäi päällimmäisenä mieleen se, että kannattaa miettiä etukäteen kunnolla, mitä haluaa kartalla esittää ja missä muodossa aineisto tulisi olla. Itsehän olin jo piirtämässä legendaa, kun päätinkin haluavani esittää nettomuuton prosentteina promillien sijaan. Toista kertaa legendaa piirrellessä päätin, että haluan esittää provinssien keskitulon prosentteina koko maan keskitulosta absoluuttisen dong-määrän sijaan. Tarinan opetus: yritän jatkossa pitää pienen tuumaustauon ennen kartan laatimista ja päättää sopivat speksit etukäteen, ettei tarvitsisi joka kerta viimeistellä karttaa viittä kertaa.

Kiitos!

Tämä ensimmäinen GIS-kurssi on ollut todella antoisa ja on ollut palkitsevaa saada oppia joka viikko jotain uutta QGIS:n käytöstä. Tässä kohtaa tuntuu uskomattomalta, että kaksi kuukautta sitten en ollut ikinä avannut mitään paikkatieto-ohjelmaa ja nyt monet QGIS:n perustoiminnot ovat jo ihan kivasti hallussa, vaikka tie gis-velhouteen on vielä pitkä.

Suurenmoiset kiitokset Artulle kärsivällisestä ja perusteellisesta opetuksesta ja kaikille kanssaopiskelijoille hienoista blogiteksteistä ja henkisestä tuesta kurssin aikana.

Lähteet

Engelhardt, A. Lesson 7. The End of the Beginning. Sivulla käyty 3.3.2021. https://blogs.helsinki.fi/alwengel/2021/03/03/lesson-7-the-end-of-the-beginning/

Innanen, A. Harjoitus 7: Karttoja omavalintaisista aineistoista. Sivulla käyty 3.3.2021. https://blogs.helsinki.fi/anninnan/2021/03/03/harjoitus-7-karttoja-omavalintaisista-aineistoista/

OCHA. Viet Nam – Subnational administrative boundaries. Sivulla käyty 28.2.2021. https://data.humdata.org/dataset/viet-nam-administrative-boundaries-polygon-polyline

Puodinketo, L. 7. kurssikerta: Omaa työskentelyä. Sivulla käyty 3.3.2021. https://blogs.helsinki.fi/lottapuo/2021/03/02/7-kurssikerta-omaa-tyoskentelya/

The Conversation. Climate Change is triggering a migrant crisis in Vietnam. Sivulla käyty 3.3.2021. https://theconversation.com/climate-change-is-triggering-a-migrant-crisis-in-vietnam-88791

Vietnamin tilastokeskus. Sivulla käyty 28.2.2021. https://www.gso.gov.vn/en/homepage/ 

Vu, X & Nghiem, S. Analysis of GDP trends and inequalities in Vietnam’s provinces and groups of provinces. Asian Journal of Empirical Research.  https://eprints.qut.edu.au/100072/1/1-224-6%287%292016-AJER-167-186.pdf

Wikipedia. Provinces of Vietnam. Sivulla käyty 28.2.2021. https://en.wikipedia.org/wiki/Provinces_of_Vietnam

Luisteluretki paikkatietoaineistoa keräten

Kylläpä nämä viikot suorastaan liitävät ohitse! Meneillään on jo kuudes ja toiseksi viimeinen kurssiviikko. Arttu viime viikolla varoittikin, että pääsemme tällä kertaa ulkoilemaan ja keräämään omaa paikkatietoaineistoa. Käytimme tässä harjoituksessa Epicollect5-sovellusta, jonka avulla kirjasimme sijaintimme ja liitimme havaintopisteeseen tietoja alueen turvallisuudesta ja viihtyisyydestä. Normaalisti tämä tehtäisiin kampuksen lähistöllä niin, että koko ryhmä kartoittaa kohteita samoilla kulmilla, mutta nyt poikkeusaikana kukin kartoitti tahoillaan. Hyvää, interpoloitavaa aineistoa saimme siltikin kokoon.

Itse keräsin aineistoa (ja luistelin katuja pitkin) kotikulmillani viihtyisässä  Malmin kaupunginosassa. Joku toinenkin kurssilainen oli aineiston perusteella kiertänyt samoilla kulmilla, mikä on hyvä – näin saimme enemmän havaintopisteitä samalta seudulta. Kuva 1 kuvaa havainnoijan kokemusta  siitä, kuinka viihtyisä havaintopaikka on asteikolla 1–5, jossa 1 on vähiten viihtyisä ja 5 on eniten viihtyisä.  Vähiten viihtyisää kuvataan punaisella ja eniten viihtyisää vihreällä. Interpoloidun aineiston perusteella vaikuttaa, että aseman seudulla, jonka tunnistaa harmaalla kuvatuista ostoskeskuksista rautatien molemmin puolin, on vähemmän viihtyisää kuin kauempana asemasta.

Hasardikarttoja  kouluopetuksen tueksi 

Kurssikerran toisena ohjelmanumerona oli luoda hasardeja havainnollistavia karttoja, joita voisi opettajana käyttää tuntiopetuksen tukena. Saimme linkit tulivuoria, maanjäristyksiä ja meteoriitteja kuvaaviin aineistoihin. Päätin kuvata kartoillani tulivuoria ja eri tasoisia maanjäristyksiä. Laadin kolme karttaa, joissa esitän tulivuorten sijoittumista ja tapahtuneita maanjäristyksiä. Ensimmäisessä kartassa näkyy maanjäristykset, joiden voimakkuus oli yli 8 Richterin asteikolla vuosina 1950–2020 (kuva 2), toisessa kartassa maanjäristykset, joiden voimakkuus oli yli 6 Richterin asteikolla vuosina 1950–2020 (kuva 3) ja kolmannessa kartassa maanjäristykset, joiden voimakkuus oli yli 4,5 Richterin asteikolla vuonna 2020 (kuva 4).

Nämä kartat kuvaavat tietenkin tulivuorten sijoittumista ja maanjäristysten esiintymistä eri alueilla maailmassa sekä niiden yhteyttä  – monella alueella esiintyy sekä tulivuoria, että maanjäristyksiä. Tämä voisi toimia hyvänä alustuksena esimerkiksi litosfäärilaattoihin, laattatektoniikkaan ja siihen miten tulivuoret ja maanjäristykset liittyvät mannerliikuntoihin. Olisi myös mielenkiintoista esittää esimerkiksi ydinvoimaloita ja maanjäristysalttiutta yhdellä kartalla ja näin havainnollistaa ihmis- ja luonnonmaantieteellisten hasardien yhteyttä.

Tässä The Geographer Online -sivuston kuvassa on selkeästi esitetty suurimmat litosfäärilaatat, niiden liikesuunnat sekä maanjäristykset ja tulivuoret. Siinä on mielestäni osuvasti yksinkertaistettu esitystä niin, että maanjäristykset ja tulivuoret eivät peitä toisiaan.  Siinä ei mainita, kuinka voimakkaista maanjäristyksistä on kyse, vaan puhutaan maanjäristyksistä yleisesti, mutta tämä lienee tarkoitukseen sopiva tarkkuus.

Tässä kohtaa haluan tehdä muutamia nostoja kurssikavereiden blogeista. Annika Innanen on laatinut esteettisesti miellyttäviä ja informatiivisia karttoja , joissa hän erottelee maanjäristykset voimakkuuden perusteella eri värisin palloin. Mielestäni tämä on todella onnistunut ja havainnollinen tapa kuvata ilmiötä. Hennan blogissa on hyvää, perusteellista pohdintaa erilaisista maantieteen sovelluksista kouluopetuksessa. Suosittelen tutustumaan, jos aihepiiri kiinnostaa!

Kuva 2. Tulivuoret ja maanjäristykset, joiden voimakkuus oli  yli 8 Richterin asteikolla vuosina 1950–2020. NOAA & USGS 2021.

Ongelmakohtia

Näitä karttoja tuottaessa tuli monen monta tenkkapoota. Ensinnäkin olisin halunnut käyttää symboleita, jotka kuvastavat tulivuoria ja maanjäristyksiä paremmin kuin pallot ja nelikulmiot. Halusin kuitenkin tarkastella hasardien esiintymistä globaalissa mittakaavassa ja monimutkaisemmat symbolit olisivat vaikeuttaneet kartan tulkintaa entisestään. Jo nykyisellään kartat ovat hieman vaikeatulkintaisia, kun ne näkyvät niin pienenä täällä blogissa. Esimerkiksi kuvissa 3 ja 4 tulivuoret peittyvät Etelä-Amerikassa ja Aasiassa suurilta osin maanjäristyksien alle. Päädyin laittamaan maanjäristyslayerin tulivuorten päälle, koska ajattelin nämä kolme kuvaa sarjana ja kuvasta 2 näkee tulivuoret selkeämmin.

Viimeistelyvaiheessa päässäni jyskytti muistutukset siitä, että kartassa pitää aina olla pohjoisnuoli ja mittakaava, mutta pohjoisnuolen laittaminen maailmankarttaan tuntui hassulta. Eikö ole itsestäänselvää, että koko maailmaa kuvaavassa kartassa pohjoinen on ylhäällä? No, se on tietysti turha luulo, kuten tämä kartta osoittaa. Nopealla googlettamisella en nähnyt kovinkaan monessa maailmankartassa pohjoisnuolta, joten päätin luottaa intuitiooni ja jättää sen pois. Katsotaan käykö tämän takia vielä köpelösti…

Tällaiset lörinät tällä kertaa. Hyvää uutta viikkoa!

Lähteet

Innanen, A. Harjoitus: 6 maanjäristyksiä ja tulivuorenpurkauksia kartalla. Sivulla käyty 28.2.2021. https://blogs.helsinki.fi/anninnan/2021/02/25/harjoitus-6-maanjaristyksia-ja-tulivuorenpurkauksia-kartalla/

National Oceanic and Atmospheric Administration. Sivulla käyty 22.2.2021 https://www.ngdc.noaa.gov/hazel/view/hazards/volcano/loc-search

Mapworld. Sivulla käyty 22.2.2021.  https://www.mapworld.com.au/products/australia-upside-down-world-map-in-envelope

Sanaksenaho, H. Nykypäivän koulumantsaa! Sivulla käyty 28.2.2021. https://blogs.helsinki.fi/hennablog/2021/02/25/nykypaivan-koulumantsaa/

The Geographer Online. Plate Tectonics. Sivulla käyty 22.2.2021. https://www.thegeographeronline.net/plate-tectonics.html

USGS Earthquake Hazards Program. Sivulla käyty 22.2.2021. https://earthquake.usgs.gov/earthquakes/search/

 

 

Viidennen viikon tehtävistä

Tällä viidennellä kurssikerralla kävimme alkuun lyhyesti läpi, miten bufferointi tapahtuu QGIS:ssä ja sitten pääsimmekin laittamaan viime viikkojen aikana oppimamme taidot käytäntöön itsenäisten tehtävien parissa. Mielestäni oli todella virkistävää tehdä tehtäviä itsenäisesti ja huomata, että monien perustyökalujen käyttö alkaa olla jonkinlaisessa lihasmuistissa. Muutamassa kohtaa sai kyllä hetken miettiä, että mistähän tarvittava työkalu löytyy. Tässä QGIS:n Help-toiminto oli isona apuna: jos muistaa työkalun nimen, mutta ei sitä, minkä valikon kautta sinne pääsee, niin tässä on oiva ratkaisu. Toinen paras ystävä on tietysti netin hakukoneet, joilla löytyy ratkaisu vaikka ja mihin.

Muutama huomio liittyen taulukkoon 1. En ollut varma onko asema- ja taajamatehtävissä tarkoitus käyttää Vantaan vai koko pk-seudun väestötietoja. Valitsin tarkasteltavaksi kuitenkin koko pääkaupunkiseudun väestön. Arvoin myös vähän sitä, minkä ikäiset valitsen kouluikäisiksi ja päädyin valitsemaan 7–16-vuotiaat.

Vapaavalintaisessa tehtävässä tarkastelin putkiremontteja pääkaupunkiseudulla. Putkiremontteja on tällä hetkellä käynnissä erityisesti 1960- ja 70-luvuilla rakennetuissa asuintaloissa. Tuohon aikaan pääkaupunkiseutu kasvoi voimakkaasti ja erityisesti lähiöt kasvoivat vauhdilla. Helsingissä on vuosina 1965–1970 rakennettuja asuinrakennuksia 2094 ja niistä 776 on kerrostaloja.  Koko pääkaupunkiseudulla on kyseisinä vuosina rakennettuja kerrostaloja 1206. Yhteensä näissä kerrostaloissa on asuntoja 39 002 ja asukkaita 65 206.

Tässä viimeisessä tehtävässä jouduinkin kaivelemaan aiempia harjoitustehtävien ohjeita esiin, sillä en suoraan keksinyt miten voin laskea kerrostalojen määrän eri osa-alueilla. Vastaushan oli QGIS-kielelle käännettynä “pisteiden määrä polygonissa”. Kun löysin ohjeet tähän ja homma alkoi taas näyttää selkeältä, seuraava ongelma odottikin jo heti kulman takana. Ohjelma antoi “invalid geometry”-herjan, jota en ollut aiemmin nähnyt. Onneksi olin aiemmin lukenut Annikan blogia, jossa oli törmätty samaan ongelmaan ja sain fiksattua tämän nopeasti.

Suoraan sanottuna en ole kumpaankaan näistä kartoista kovin tyytyväinen. Mielestäni ne ovat aika sekavia tulkita. En myöskään onnistunut kuvassa 2 saamaan lukumääriä näkyville pylväiden kaveriksi. Täytyy lukea muiden kurssilaisten blogeja, jos niistä löytyisi tähän ongelmaan ratkaisu. Päätin molemmissa kartoissani poistaa joet ja järvet näkyvistä, koska en katsonut niitä erityisen tarpeelliseksi teemakartassa, joka tarkastelee putkiremontoitavien talojen määrää. Meren jätin karttaan selkeyden vuoksi. Huomasin, että Tapio on omassa työssään käyttänyt taustakarttana OpenStreetMapia, jolloin osa-alueiden sijoittuminen hahmottuu paremmin. Täytyykin ensi kerralla kokeilla itse samaa.

Putkiremontoitavien kerrostalojen lukumäärä on korkein Keski-Vuosaaressa (102), Kontulassa (94), Lauttasaaressa (69) ja Simonkylässä (60). Koropleettikartalla ne näkyvät kuitenkin vain kohtalaisen vihreänä, sillä putkiremontoitavien kerrostalojen osuus kaikista kerrostaloista on suhteellisen pieni. Tummanvihreillä alueilla on puolestaan järjestäen kohtalaisen pieni määrä kerrostaloja, jolloin suhteellinen osuus näyttää suurelta, vaikka remontoitavia taloja on vähän. Esimerkiksi Hämevaarassa remontoitavia kerrostaloja on 100 %, mutta remontoitavien kerrostalojen lukumäärä on vain 3. Lehtisaaressa remontoitavia kerrostaloja on 87 % ja lukumäärä on 13 ja niin edelleen. Jos kysymys siis on, millä alueilla remonttifirmoilla on kissanpäivät, käyttäisin mieluummin remontoitavien kerrostalojen ja asuntojen lukumäärää kuin suhteellista osuutta alueen kaikista kerrostaloista.

 

Mitä nyt osaan?

Kuluneiden viiden viikon aikana olemme oppineet käyttämään monia QGIS:n toimintoja. Kun otetaan huomioon, että ohjelma oli kurssin alussa täysin uusi ja aluksi jo pelkkä aineiston tuominen ohjelmaan tuotti harmaita hiuksia, on tähänastinen oppimiskäyrä ollut eksponentiaalinen. Nyt osaan tuoda ohjelmaan aineistoja, liittää tietokantoja yhteen, bufferoida, tehdä yksinkertaisia kyselyitä vektoriaineistolla, tarkastella rasteriaineistoa ja tuottaa kohtalaisen katseen kestäviä karttoja näistä perusasioista. Vielä on varmaankin jäljellä todella paljon työkaluja, mihin emme ole lainkaan perehtyneet. Lisäksi koen, että tarvitsen runsaasti lisää toistoa, jotta ohjelman käyttö tulisi selkärangasta ja osaisin sujuvammin päätellä, mitä työkalua kussakin tilanteessa tulisi käyttää ja mistä ne ohjelmassa löytyvät.

Tämän harjoituksen viimeistä karttaa vääntäessä haaveilin jo siitä päivästä, kun osaan tehdä nettisivulle upotettavan kartan, jota voisi zoomata sisään ja ulos ja kohdetta klikkaamalla saisi näkyviin alueen nimen ja lisätiedot, esim. tuon remontoitavien talojen lukumäärä. Siitä saisi niin paljon informaatiota irti! No tuota päivää saanee vielä tovin odotella.

Lähteet

Innanen, A. Harjoitus 5: SOS, help, apua! (Ja uima-allas- ja saunakarttoja PK-seudulta) https://blogs.helsinki.fi/anninnan/2021/02/18/harjoitus-5-sos-help-apua-ja-uima-allas-ja-saunakarttoja-pk-seudulta/ sivulla käyty 18.2.2021

Aiemmilla kurssikerroilla olemme puuhailleet vektorimuotoisten aineistojen parissa, mutta tällä neljännellä kerralla otimme rohkean harppauksen kohti rasteriaineistoja. Tämän merkkipaalun kunniaksi tietokoneeni päätti käsitellä aineistoja poikkeuksellisen hitaasti, kaataa QGIS:in useamman kerran harkan aikana ja yhdessä kohtaa se alkoi tekemään jotain ihan käsittämätöntä (kuva 1)… Lyhyesti sanottuna tämä kurssikerta ja harkkatehtävän tekeminen vei paljon edellisiä kertoja enemmän aikaa ja vaati useampia toistoja, kun mikään ei tuntunut ensinnäkään ekalla kerralla pelittävän ja toisekseen harkkakarttaa tehdessä mikään ruutukoko ei tuntunut omaan silmään mieleiseltä.

Luin tietoteknisten haasteideni keskellä useamman kurssitoverin blogia ja mieleeni jäivät erityisesti Tapion blogin esteettiset kartat ja huolellinen pohdinta sekä Annikan blogin pienemmällä ruutukoolla laaditut kartat ja perinpohjainen työvaiheiden läpikäynti, josta oli itselleni paljon apua harjoitustehtävän tekemisessä kurssilta saatujen ohjeiden ohella. Lotan blogissa oli puolestaan hyvää pohdintaa eri ruutukokojen merkityksestä tiedon esittämisessä. Näillä eväillä oli hyvä lähteä tuulta päin ja painimaan omien karttojen parissa.

Täytyy tässä kohtaa myöntää, että yritin useamman kerran yhdistää aineistoja ruudukkoon väärällä työkalulla ja ihmettelin, kun lukuarvot näyttivät niin pieniltä ja havaintoyksiköitä tuntui olevan liikaa. Vasta kurssivideota uudestaan katsottuani sisäistin, että tässä pitää käyttää Join attributes by location (summary) -työkalua, kun itse käytin alkuun Join attributes by location-työkalua, eli versioita ilman tuota summary-ominaisuutta. Jälkikäteen ajateltuna tuntuu ihan itsestäänselvyydeltä, että tässä tarvitaan tuota summarya, sillä haluamme laskea kaikki yhden grid-ruudun sisälle jäävät yksiköt yhteen… Noh, jätän tämän vain tähän, jos jollain muulla on samanlaisia ongelmia lukutaidossa ja ohjeiden sisäistämisessä. 

Harjoitustehtävässä tein ruutukartan (kuva 2 ja 3), joka esittää muunkielisen väestön osuuden kokonaisväestöstä pääkaupunkiseudulla. Tämän kartan perusteella merkittäviä muunkielisten asukkaiden keskittymiä näyttäisi olevan etenkin itäisessä Helsingissä ja Espoon keskuksessa. Visuaalisella tarkastelulla muunkielisten osuus näyttää olevan suuri myös muualla raideyhteyksien äärellä, niin kehäradan kuin rantaradan varrella.

 

Himmensin tässä kartassa joet, järvet, rantaviivan ja meren kartan tarkastelun  helpottamiseksi, mutta lopputulosta katsoessa, en ole varma helpottaako vai vaikeuttaako se tulkintaa, etenkin kun hallinnollisia rajoja ei ole tässä tapauksessa näkyvissä. Ylipäätään lopputulosta tarkastellessa pohdin, että vektorimuotoinen, esimerkiksi postinumeroalueisiin perustuva, kartta olisi tämän ilmiön esittämiseen soveltuvampi ja ennen kaikkea helpommin luettava vaihtoehto. Nyt on kovin hankala hahmottaa mitä alueita kuvassa näkyy, etenkin jos ei ole aiheeseen perehtynyt. Ymmärrän, että tässä tehtävässä on tarkoitus harjoitella rasteriaineistojen kanssa pelaamista, mutta halusin vain tuoda tämän ajatuksen esille.

Lähdenkin tästä kliksuttelemaan Pornaisten taloja ja ensi viikolla palataan jonkin uuden ja ihmeellisen merkeissä. Hyvää laskiaista!

Innanen, A. Harjoitus 4: Väestöteemakartta ruutuaineistosta. https://blogs.helsinki.fi/anninnan/2021/02/11/harjoitus-4-vaestoteemakartta-ruutuaineistosta/ sivulla käyty 13.2.2021

Puodinketo, L. 4. kurssikerta: ruutuja ja rastereita. https://blogs.helsinki.fi/lottapuo/2021/02/10/4-kurssikerta/ sivulla käyty 13.2.2021

Turpeinen, T.  4: Ruuduista rastereihin. https://blogs.helsinki.fi/tapiotur/2021/02/11/4-ruuduista-rastereihin/ sivulla käyty 13.2.2021

Tämän kolmannen kurssikerran ohjelmassa oli ulkoisen tiedon liittäminen tietokantaan ja tietokantojen yhdistäminen erilaisten kyselyiden avulla. Harjoittelimme toimintoja ensin Artun opastuksella Afrikkaan liittyvien aineistojen avulla. Kurssikerran loppupuolella teimme itsenäisesti tulvaindeksikartan, jossa pääsimme harjoittelemaan aiemmin oppimiamme taitoja. Lopputuloksena oli koropleettikartta, jossa esitämme tulvaindeksin eri valuma-alueilla ja valuma-alueiden järvisyysprosentin. Tulvaindeksin laskimme käytännössä laskemalla: keskiylivirtaama / keskialivirtaama.

Kartan valinnoista 

Tulvaindeksille valitsin väriskaalaksi sinisen sävyt. Se tuntuu luonnolliselta valinnalta, kun kyseessä on veteen liittyvä muuttuja. Mitä syvempi sinisen sävy, sitä korkeampi tulvaindeksi on. Toinen hyvä valinta olisi mielestäni ollut vaaran värin, punaisen sävyt niin, että korkein tulvaindeksi kuvataan tummanpunaisella.

Valitsin järvisyysprosentin esitystavaksi pylväsdiagrammin sijaan ympyrädiagrammin siitä käytännön syystä, etten onnistunut laatimaan legendaan mitään selkeää mittaria pylväsdiagrammille. Ympyrädiagrammin avulla onnistuin sentään kuvaamaan järvisyysprosenttia niin, että suuremmat pallot kuvaavat suurempaa järvisyysprosenttia. Tässä tapauksessa tosin pienen järvisyysprosentin alueiden pallot näkyvät lopputuloksessa häviävän pieninä… Toinen ongelmakohta, johon en löytänyt ratkaisua ovat pallojen ympärillä näkyvät haaleat neliöt, joita en osannut poistaa näkyvistä.

Annika Innanen on blogissaan keksinyt esteettisen ratkaisun järvisyysprosentin esittämiseen. Hän esittää Etelä- ja Pohjois-Suomen omina karttoinaan ja hän on muokannut järvisyysprosenttia niin, että ympyrä on sitä suurempi mitä suurempi järvisyysprosentti on. Hieno ratkaisu! Mielenkiinnolla odotan, että pääsen näkemään vielä muitakin kurssikavereiden ratkaisuja tämän kartan suhteen.

Maallikon silmin 

Tarkempana tehtävänä oli pohtia maallikkona sitä, mitä kartta esittää, ja mitä sillä voidaan tulkita. Nimensä mukaisesti kartta kuvaa tulvaindeksiä ja järvisyysprosenttia Suomen valuma-alueilla. Järvisyysprosentti tuntuu selkeältä käsitteeltä, käytännössä se on järvien osuus valuma-alueen pinta-alasta ja sitä on kartalla esitetty eri kokoisilla palloilla, joiden koot on selitetty legendassa. Joissain polygoneissa ei tosin näy palloa lainkaan tai se näkyy häviävän pienenä ja mietinkin karttaa tarkastellessa puuttuuko tieto kokonaan vai onko se vain todella pieni. Polygonit, joista pallo näyttäisi puuttuvan, sijaitsevat rannikolla missä järvisyysprosentti on yleisesti pieni, olettaisin että kyseessä on vain erittäin pieni järvisyysprosentti.

Tulvaindeksi tuntuu käsitteenä maallikon silmin monimutkaisemmalta. Mitä sillä tarkoitetaan? Kuvaako se tulvan todennäköisyyttä tai korkeutta? Kurssimateriaalista selviää, että tulvaindeksi (keskiylivirtaama jaettuna keskialivirtaamalla) tai “virtaamavaihtelujen indeksi” kuvaa sitä, kuinka moninkertainen on virtaaman huippu verrattuna kaikkein kuivimpaan aikaan (Arttu Paarlahden kurssimateriaali).

 Konflikteja, timantteja ja öljyä Afrikassa

Palataan vielä hetkeksi kirjoituksen alussa lyhyesti mainittuihin Afrikka-teeman harjoitusmateriaaleihin. Kurssikerralla karttaa laatiessani QGIS kaatui kriittisellä hetkellä enkä saanut mitään Afrikka-aiheista karttaa talteen, joten nyt muutaman päivän henkisen toipumisen jälkeen parsin kasaan kartan (kuva 2), jossa esitän Internetin käyttäjien määrää prosenttiosuuksina eri maissa ja mantereella esiintyneitä konflikteja pisteinä. Internetin käyttömahdollisuuden tulkitsin eräänlaiseksi teollistumisen mittariksi. Oletukseni oli, että teollistuneemissa maissa esiintyy vähemmän konflikteja. Tästä kartasta on kuitenkin vaikeaa vetää kovin syväluotaavia johtopäätöksiä, sillä muuttujien välillä ei näytä ainakaan  visuaalisella tarkastelulla olevan merkittävää yhteyttä: konflikteja esiintyy niin maissa, joissa internetin käyttäjiä on runsaasti kuin maissa, joissa internetin käyttäjiä on vähän.

Tässä harjoituksessa on tarkoituksena pohtia, mitä saatavilla olevilla tiedoilla voisi tehdä tai päätellä, kun ainakin seuraavat muuttujat ovat tiedossa:

• Konfliktin tapahtumavuosi
• Konfliktin laajuus/säde kilometreinä
• Timanttikaivosten löytämisvuosi
• Timanttikaivoksen kaivausten aloitusvuosi
• Timanttikaivosten tuottavuusluokittelu
• Öljykenttien löytämisvuosi
• Öljykenttien poraamisvuosi
• Öljykenttien tuottavuusluokittelu
• Internetkäyttäjien lukumäärä eri vuosina

Olisi mielenkiintoista tarkastella ajallisesti onko konflikteja esiintynyt erityisesti öljykenttien tai timanttikaivosten löytämisen jälkeen.  Tällaisista rahanarvoisista resursseista voisi ajatella tulevan monenlaista kiistaa. Alueellisesti olisi mielenkiintoista tarkastella missä konflikteja on esiintynyt eli onko runsailla luonnonvaroilla ja konfliktien määrällä yhteyttä. Kuten Helmi kirjoituksessaan toteaa, konfliktien esittäminen pisteenä antaa kuitenkin hyvin kapean kuvan konfliktista, koska emme tiedä konfliktin kestosta, maantieteellisestä laajuudesta, uhrien ja vahinkojen määrästä tai syistä.

Lähteet: 

Arttu Paarlahden kurssimateriaali, kurssikerta 3.

Innanen, Annika. Harjoitus 3: Tulvaindeksikartta. Sivulla käyty 3.2.2021. https://blogs.helsinki.fi/anninnan/2021/02/04/harjoitus-3-tulvaindeksikartta/

Lappalainen-Imbert, Helmi. Kerta 3-Kun data ja kartta ovat erillään. Sivulla käyty 6.2.2021. https://blogs.helsinki.fi/laphelmi/2021/02/02/kerta-3-kun-data-ja-kartta-ovat-erillaan/

 

 

 

Rajapinta-aineistoja

Toisen kurssiviikon luento aloitettiin käymällä läpi erilaisia aineistoja, erityisesti rajapintojen kautta haettavia aineistoja. Rajapinnoista kävimme läpi vektoriaineistojen WFS-palvelut, rasteriaineistojen WMS-palvelut sekä WMTS- ja WCS-palvelut. Arttu Paarlahti totesi, että viime vuosikymmenten aikana aineistot ovat tulleet entistä laajemmin maksutta saataville, mitä on edesauttanut EU:n INSPIRE-direktiivi, joka määrittelee mitä aineistoja jäsenmaiden tulee tuoda maksutta kansalaisten saataville. INSPIRE myös ohjaa jäsenmaita rakentamaan yhtenäiset paikkatietoinfrastruktuurit, jotta aineistojen yhteiskäyttö olisi mahdollisimman sujuvaa.

Kuinka projektion valinta vaikuttaa kartan todenmukaisuuteen?

Pääasiallisena harjoituksena tällä kurssikerralla oli vertailla miten todenmukaisesti eri projektiot esittävät alueiden pinta-aloja Suomessa. Vertailimme muutamia eri projektioita Suomea hyvin esittävään suositusprojektioon ETRS-TM35FIN. Monella aiemmalla maantieteen kurssilla on puhuttu kriittiseen sävyyn Mercatorin projektiosta ja katsottu käytännön esimerkkejä siitä, miten se vääristää pinta-aloja niin, että lähellä napa-alueita sijaitsevat alueet näyttävät merkittävästi suuremmilta kuin ne todellisuudessa ovat. Tällä kertaa saimme laittaa kädet saveen ja vertailla itse Mercatorin vääristämiä pinta-aloja Suomen tasolla. Kuva 1 esittää sitä, kuinka moninkertaisena Mercatorin projektio näyttää Suomen kuntien pinta-alat verrattuna ETRS-TM35FIN-projektioon.

Eckert I 

Seuraavaksi vertailin itsenäisesti kahden muun projektion vääristämiä pinta-aloja suhteessa suositusprojektioon. Ensimmäisenä tarkastelin Eckert I-projektion esittämiä pinta-aloja (kuva 2). Valitsin vertailemani projektiot rehellisesti sanottuna aivan summamutikassa ja, kun etsin jälkikäteen lisätietoa, huomasin Eckert I-projektion olevan täysi turhake. Se ei esitä mitään ominaisuutta oikeassa suhteessa, se esittää leveyspiirit suorina viivoina ja pituuspiirit päiväntasaajalla kääntyvinä murtoviivoina (kuva 3). No jos tämän kerran perusteella muistaisin, että Eckert I-projektioon ei enää tarvitse palata.

Azimuthal equidistant eli oikeakeskipituinen tasoprojektio 

Toisena esimerkkinä tarkastelin oikeakeskipituista tasoprojektiota (kuva 4). Tässä projektiossa vääristymät olivat merkittävästi pienempiä kuin aiemmin tarkastelemissani projektioissa. Luin Annika Innalan blogista hyvän huomion siitä, että esitystapa vaikuttaa lopputulokseen ja kartan tulkintaan merkittävästi. Koska tässä kartassa pinta-alaerot ovat verrattain pieniä, olisin saanut jälkikäteen ajateltuna paremmin todellisuutta vastaavan tuloksen käyttämällä vähemmän luokkia. Nyt näyttää värierojen vuoksi siltä, että erot olisivat merkittäviä, vaikka ne ovat todellisuudessa suhteellisen pieniä.

Projektiolla on merkitystä 

Lotta Puodinketo on blogissaan hienosti vienyt tämän tehtävän uudelle tasolle ja tarkastellut teemakarttoja vertailemalla, miten eri projektioiden käyttö vaikuttaa karttojen avulla esitettävään tietoon käytännössä. Hän vertailee yli 65-vuotiaiden lukumäärää neliökilometriä kohden Suomen kunnissa Lambertin ja Mercatorin projektioissa. Koska Mercatorin projektio vääristää pinta-aloja merkittävästi ylöspäin, vaikuttaa yli 65-vuotiaiden määrä paljon Lambertin projektiota vähäisemmältä. Tämä on oiva esimerkki siitä, että kartoilla on mahdollista vääristellä tietoa merkittävästi niin tahallisesti kuin tahattomasti ja tämä onkin seikka, jonka suhteen meidän maantieteilijöiden tulee olla erittäin tarkkana.

Tästä on hyvä jatkaa kohti uutta QGIS-viikkoa. Tämän viikon harjoituksissa ohjelma tuntui jo paljon selkeämmältä kuin ensimmäisellä viikolla ja tähän asti käytetyt perustoiminnot alkavat olla ihan mukavasti hallussa.

Innolla kohti uusia karttoja ja antoisaa kurssiviikkoa kaikille kurssilaisille!

 

Lähteet

Innanen, Annika. Harjoitus 2: Pinta-alojen vertailu eri projektioissa. Sivulla käyty 31.1.2021. https://blogs.helsinki.fi/anninnan/2021/01/27/harjoitus-2-pinta-alojen-vertailu-eri-projektioissa/

Puodinketo, Lotta. 2. kurssikerta: Toimintojen kertausta. Sivulla käyty 31.1.2021. https://blogs.helsinki.fi/lottapuo/2021/01/27/2-kurssikerta-toimintojen-kertausta/

INSPIRE-direktiivi. Maanmittauslaitos. Sivulla käyty 27.1.2021. https://www.maanmittauslaitos.fi/kartat-ja-paikkatieto/paikkatietojen-yhteentoimivuus/inspire/mika-inspire

Eckertin projektio. Wikipedia. Sivulla käyty 29.1.2021. https://fi.wikipedia.org/wiki/Eckertin_projektio

Kuva 3. Wikipedia. Sivulla käyty 31.1.2021. By TobJung68 – Oma teos, CC BY-SA 4.0, https://commons.wikimedia.org/w/index.php?curid=40920342 

 

 

Ensimmäisen kurssikerran jälkeen päällimmäinen tunne oli hämmennys. Aivan uuden tietokoneohjelman opettelu etänä tuntui haastavalta etenkin, kun en ole aiemmin käyttänyt mitään varsinaista GIS-ohjelmaa. Vaikeuksia lisäsi hiiren puute – aina kun yritin zoomata lähemmäs tai liikutella karttaa trackpadilla koko työ katosi näkymättömiin. Pidin suosiolla muutaman päivän taukoa ennen kuin lähdin uudestaan taistelemaan tuulimyllyjä vastaan, hiirikaupan kautta. Oli kyllä heittämättä paras ostos pitkään aikaan tuo hiiri, helpottaa elämää huomattavasti.

Nyt pari päivää myöhemmin luentovideoiden säestyksellä käärin hihat ja ryhdyin askartelemaan karttojen kanssa uudemman kerran ja maailma näytti onneksi huomattavasti ensimmäistä kertaa kirkkaammalta. Ennen luentovideoiden löytämistä useampi luennon asia oli minulta unohtunut tai mennyt ohi. Ihmettelin esimerkiksi kartan eri osissa esiintyvää ”tähtisumua”, joka osoittautui järvien ääriviivoiksi ja siitä pääsi eroon tekemällä ääriviivoista läpinäkyviä. Videon katsomisen jälkeen perusjutut, kuten layereiden lajittelu ja niiden ominaisuuksien muokkaus samoin kuin print layoutissa legendan, pohjoisnuolen ja mittakaavan lisääminen onnistuivat hyvin. Muokkasin ensin kurssikerran harjoituskartan edustuskuntoon: haalensin kartalta maat, jotka eivät liity kartalla esitettävään muuttujaan ja päätin rohkeasti ottaa vapauden poistaa meren syvyyskäyrät näkyvistä, jotta kartta olisi visuaalisesti miellyttävämpi.

Yritin etsiä harjoitukseen sopivaa dataa Googlella hakien, mutta en tovin yrittämisellä onnistunut löytämään mitään koropleettikartalle sopivaa koko maata koskevaa ja kunnittain jaoteltua tietoa. Lueskelin muiden kurssilaisten blogeja ja Annika Innasen blogista sain hyvän vinkin, Sotkanet on oivallinen lähde Suomen kuntia koskevalle tilastotiedolle (Innanen 2021). Sotkanet olisi pitänyt olla syksyisen Tiedon esittäminen maantieteessä -kurssin pohjalta tietysti itselläkin aivan kielen päällä, mutta eipä ollut – joululoma lienee tehnyt tehtävänsä.

Hetken Sotkanetin aineistoja selailtuani päätin tutkia yhden hengen talouksien osuutta kaikista kotitalouksista Suomen kunnissa. Se olikin helpommin sanottu kuin tehty. Luin läpi useampia netin QGIS tutoriaaleja, kuten www.qgistutorials.com, ja onnistuin yhdistämään csv-muotoisen tiedon kuntakartan attribuuttitauluun. Useista yrityksistä ja ohjeista huolimatta en kuitenkaan saanut käännettyä tietoa numeromuotoon enkä (ilmeisesti) siksi onnistunut avaamaan sitä kuntalayerin properties-valikon kautta. Noh, toivon mukaan tähän saadaan oppia myöhemmillä kurssikerroilla.

Peruutin niin sanotusti vähän taaksepäin ja tein helpomman harjoituksen, jossa käytettiin olemassa olevaa kunta-aineistoa. Valitsin visualisoitavaksi muuttujaksi työttömyysprosentin Suomen kunnissa. Tämä olikin sitten aika suoraviivainen homma, kun olin säätänyt enemmän kuin riittävästi harjoituskartan kanssa ja tässä aineistossa muuttujakin oli jo valmiiksi prosenttilukuna.

Laatimani kartan avulla voidaan tarkastella työttömyyden jakautumista kuntatasolla eri puolilla Suomea. Jaoin muuttujan viiteen eri luokkaan, mikä kuvaa mielestäni aika sopivasti alueet, joilla on erityisen vähän tai erityisen paljon työttömyyttä. Karttaa tarkastelemalla havaitsen, että pääpiirteittäin pienin työttömyysprosentti on Etelä- ja Länsi-Suomessa sekä Ahvenanmaalla, korkein puolestaan Itä- ja Pohjois-Suomeesa. Mielenkiintoisena kuriositeettina täytyy mainita pieni tummanpunainen piste, Kaskinen, muuten kovin valkoisen Pohjanmaan kyljessä. Hain tietoa siitä, miksi työttömyys Kaskisissa on korkeampi kuin muualla Pohjanmaalla ja Paperiliiton sivuilta selvisi, että siellä on lopetettu paperitehdas vuonna 2009. Veikkaan, että tehtaan lopettamisen aiheuttama rakennetyöttömyys ja sen kerrannaisvaikutukset näkyvät vielä tässä vuoden 2015 aineistossa. Kontrasti on tietysti erityisen suuri myös siksi, että työttömyysaste muualla Pohjanmaalla on hyvin matala.

… ja sitten takaisin asiaan. Mielestäni QGIS:n valmis punasävyinen värilajitelma sopii hyvin valitsemani muuttujan esittämiseen. Korkean työttömyyden alueet näkyvät loogisesti tummanpunaisena ja matalan työttömyyden alueet valkoisena. Värit ovat kuvaavia ja selkeästi erottuvia.

Täytyy nyt vielä seurailla muiden blogeja, jos jollain on ollut samaa ongelmaa csv-aineistoon liittyen, jotta pääsisi askeleen eteenpäin näissä GIS-hommissa ja monipuolisempien aineistojen pariin.

Loskaista viikonloppua ja tsemppiä kurssin alkutaipaleelle kaikille kurssikavereille!

Lähteet:

Innanen, Annika. Harjoitus 1: Koropleettikartan laatiminen QGISissä. Sivulla käyty 22.1.2021.  https://blogs.helsinki.fi/anninnan/2021/01/22/harjoitus-1-koropleettikartan-laatiminen-qgisissa/ 

Työttömyys Suomen kunnissa. Sotkanet 2015. https://sotkanet.fi/sotkanet/fi/haku