Kuukausi: tammikuu 2020

Kolmannella kurssikerralla lähdimme tutustumaan tietokantoihin, niiden valmisteluun, yhdistelyyn sekä ulkoisen tiedon liittämistä tietokantaan tässä tapauksessa Excelistä. Lähdin tunnille hyvillä mielin ja valmiina oppimaan uusia ominaisuuksia QGIS:stä. Tavoitteenani oli pysyä koko kurssikerran ajan kärryillä missä mennään ja mitä tapahtuu. Onnistuiko? Noh miten sen nyt ottaa…

Lähdimme yhdessä harjoittelemaan tietokantojen erilaisia toimintoja Afrikan kartalla. Ensimmäisenä yhdistelimme sadoista polygoneista koostuvia maita yhdeksi polygoniksi, jotta attribuuttitaulukon tietoja olisi helpompi tulkita ja käsitellä. Tämän jälkeen toimme tiedostoon tietoa öljystä, konflikteista ja timanteista. Oma tuotos tästä kartasta näkyy alla olevassa kuvassa (kuva 1.)

Tutkimme tunnin aikana myös internetin käyttäjien lukumääriä Afrikan valtioiden lukumääriin verrattaen. Osa arvoista oli todella erikoisia. Esimerkiksi yhden valtion kohdalla internetin käyttäjiä oli asukaslukuun verrattuna viisinkertaisesti. Kuten Pihla Haapalo mainitsikin blogitekstissään, ei tällaisia arvoja voi pitää luotettavina ja tämän takia myös muiden valtioiden arvoja on kuvattava vain suuntaa antavina.

Sitten pääsimmekin siirtymään itsenäiseen harjoitukseen. Tehtävänämme oli luoda eri tietokantojen avulla teemakartta Suomen valunta-alueiden tulvaindekseistä (kuva 2.) ja lisätä karttaan valunta-alueiden järvisyysprosentit diagrammina (kuva 3.). Järvisyysprosentit olivat alunperin excel -tiedostona, joten aluksi meidän piti muuttaa tiedosto Excelissä .CVS -muotoon. Tämän jälkeen avasin tarvittavat tietokannat QGIS:ssä. Lähdin laskemaan ohjelmassa tarvittavia arvoja ja pääsinkin hyvin vauhtiin

Tässä vaiheessa ystävämme QGIS päätti kuitenkin lopettaa yhteistyön ja ohjelma kaatui. Jouduin siis aloittamaan tehtävän alusta. Pääsin taas hetken taistelun jälkeen vauhtiin ja sain luotua alla näkyvän koropleettikartan valuma-alueiden tulvaindekseistä. Putosin samalla kuitenkin kärryiltä diagrammeihin liittyvässä ohjeistuksessa. Tehtävän ohjeista ei paljoa apua saanut, joten vierustoverini korvaamaton apu tuli taas enemmän kuin tarpeeseen. Sain lopulta diagrammit kartalle ja pienen hienosäädön jälkeen ulkoasustakin tuli kohtuullisen siedettävä. Halusin kuitenkin liittää kartan ilman diagrammeja järvisyysprosenteista, jotta valuma-alueiden tulvaindeksit näkyisivät hieman paremmin.

Kartasta voi havaita, että yleisesti tulvaindeksi on korkealla rannikkoalueilla Etelä- ja Länsi-Suomessa. Joet tulvivat järviä helpommin erityisesti keväällä lumien sulaessa, koska niillä on vähemmän kapasiteettia ns. säilöä vettä kuin esimerkiksi järvillä. Rannikkoalueilla on myös luonnollisesti paljon jokia, koska vedet virtaavat jokia pitkin sisämaasta kohti merta. Rannikkoalueilla Suomessa ei myöskään ole suuria korkeuseroja, joten tulviminen tapahtuu tällaisissa paikoissa helpommin.

Korkeimmalla tulvaindeksi näyttäisi olevan Helsingin- sekä Turun alueilla. Joonatan Reunanen oli omassa blogikirjoituksessaan pohtinut, voisiko esimerkiksi pääkaupunkiseudun maankäytöllä olla vaikutusta kohonneeseen tulvaindeksiin. Eli voisiko asfaltin määrä alueella korreloitua tulvaindeksiin jollain tavalla. Reunanen kuitenkin totesi tekstissään myös, ettei asia varmasti ole näin yksinkertainen. Olen kuitenkin samalla kannalla, että maankäyttö kaupunkialueella voisi olla jollain tavalla yhteydessä tulvaindeksin korkeisiin lukuihin.

Annika Luoma mainitsi omassa blogikirjoituksessaan tehtävässä haasteena olleesta sopivien värien valitsemisesta. Kohtasin myös itse kyseisen haasteen, koska huomasin jo melkein julkaisemastani kartasta, että järvet olivat merkittynä lähes samalla värillä tulvaindeksien kanssa. Jouduin siis palaamaan QGIS:iin ja miettimään uusia värivaihtoehtoja. Halusin kuitenkin kuvata sekä tulvaindeksit että järvet ja joet sinisellä sävyllä. Päädyin järvien kohdalla tämän takia turkoosimpaan ja kirkkaampaan siniseen.

Teimme kurssikerran aikana myös paljon asioita joihin en ehtinyt sen enempää syventyä nopean etenemistahdin vuoksi. Osa asioista meni siis aivan täysin ohi. Toivon kovasti meidän palaavan jossain vaiheessa kurssia näihin asioihin uudestaan, jotta saisin vielä toisen mahdollisuuden painaa ne mieleeni.

Lähteet:
Haapalo, P. Timanttikaivoksia ja tulvaindeksejä. Blogikirjoitus kurssikerralta 3. Luettu 29.1.2020.
https://blogs.helsinki.fi/haapalop/
Reunanen, J. Beast mode on. Blogikirjoitus kurssikerrasta 3. Luettu 29.1.2020.
https://blogs.helsinki.fi/reunajoo/
Luoma, A. Tietokantoihin syventymistä & valuma-alueisiin syventymistä. Blogikirjoitus kurssikerralta 3. Luettu 31.1.2020.
https://blogs.helsinki.fi/luomanni/

Toisella kurssikerralla pääsimme jatkamaan matkaamme QGIS:in maailmassa. Tällä kertaa tutustuimme eri projektioihin, pinta-alojen laskemiseen ja ikuisen viha-rakkaussuhteeni kohteeseen eli prosenttilaskuihin. Kurssikerran tarkoituksena oli havainnollistaa eri projektioiden pinta-alojen vääristymää koropleettikartan muodossa. Tämä teemakarttatyyppi olikin meille tuttu jo edelliseltä tunnilta.

Lähdimme ensimmäisenä harjoittelemaan yhdessä kuntien pinta-alojen laskemista TM35FIN -projektiossa esitettävästä Suomen kartasta. Laskeminen oli helppoa, koska lähes yhdellä napin painalluksena ohjelma laski jokaisen kunnan pinta-alan automaattisesti. Tämän jälkeen vaihdoimme kartan Robinsonin projektioon ja laskimme kuntien pinta-alat samalla tavalla tässä projektiossa. Kun molempien projektioiden laskut olivat valmiina, siirryimme laskemaan vertailuprosenttia. Tarkoituksena oli siis tarkastella kuinka paljon pinta-alat muuttuvat projektiota vaihtaessa.

Tässä vaiheessa kohtasinkin ensimmäisen isomman haasteen kurssikerran aikana. Vaikka lukiosta onkin kulunut vasta pari vuotta, sain pohtia pääni puhki vertailuprosenttien laskukaavoja. Hävettää myöntää, mutta jouduin tukeutumaan googlen korvaamattomaan apuun taas vaihteeksi. Onneksi googlen ja auttavaisten opiskelutovereideni avulla sain ainakin jonkinlaisia tuloksia laskettua.

Lopputuloksen perusteella voidaan päätellä, että suurimmat vääristymät pinta-aloissa ovat Pohjois-Suomessa. Robinsonin projektio saakin Suomen huomattavasti normaalia paksummalta pohjoisesta. Ihan kuin Suomineidon naama ja kaula olisi turvonnut jonkinlaisen allergisen reaktion seurauksena. Tissot’n indikaattorin mukaan Robinsonin projektiossa napa-alueet litistyy pituussuunnassa ja venyy leveyssuunnassa.

Vertaillessani omaa versiotani Flaminia Purasen tekemään versioon samaisten projektioiden pinta-alojen vääristymistä huomasin, että olisin hyvin voinut ottaa luokkajakooni vähemmän luokkia ja kartta olisi silti pysynyt tarpeeksi informatiivisena. Oma legendani näyttää aikamoiselta numerohirviöltä eikä varmaan kukaan täysjärkinen ihminen lukisi tuollaista läpi tarkasti. Näin monen ryhmän käyttäminen myös pienentää luokkien välisten värien eroja. Seuraavalla kurssikerralla yritän keskittyä vielä paremmin ryhmien järkevään jakamiseen.

Omassa versiossani vertailin TM35FIN -projektiota Winkel Tripel -projektioon. Kyseessä on niin sanottu kompromissiprojektio, jossa kolme karttaprojektioissa esiintyvää virhettä on pyritty kompromissin keinoin minimoimaan. Tämä selittääkin todella pienet muutokset kuntien pinta-aloissa verrattuna TM35FIN -projektioon.

Kun Winkel Tripel -projektiota vertaa yllä näkyvään Robinsonin projektioon, voidaan huomata kartan suhteiden näyttävän selkeästi luonnollisemmilta tässä kompromissiprojektiossa. Vääristymät ovat huomattavasti pienempiä kuin Robinsonissa karttojen legendojen vertailun perusteella.

Tässä tehtävässä suurimpana haasteena minulla oli löytää vertailuun sopiva projektio. Kokeilin useita eri projektioita, mutta jostain syystä pinta-alojen laskemisen tulokset olivat useamman yrityksen jälkeen edelleen identtiset aikaisempien laskutulosten kanssa… Päättelin Matti Katajiston blogitekstin perusteella, että ongelma saattaa liittyä jotenkin tasojen tallentamiseen. Seuraavalla kurssikerralla yritän selvittää oikeat tallennustavat projektille ja tasoille. Kahden ensimmäisen kurssikerran aikana on tullut niin paljon uutta tietoa, ettei ihmekkään jos osa asioista on päässyt jo unohtumaan.

Yritän pitää nämä kehityskohteet siis mielessä seuraavaan kurssikertaan! Tavoitteena olisi myös pitää hermot ja kestävyys kasassa koko neljän tunnin ajan. Toivottavasti ensi viikolla pääsemme taas tutustumaan QGIS:in uusiin mielenkiintoisiin toimintoihin.

Lähteet:
Puranen, F. Datan käsittelyä ja projektioita. Blogikirjoitus kurssikerralta 2. Luettu 25.1.2020.
https://blogs.helsinki.fi/flaminia/
Katajisto, M. Mies vastaan kone. Blogikirjoitus kurssikerralta 2. Luettu 25.1.2020.
https://blogs.helsinki.fi/mattikat/

Ensimmäinen viikko kolmatta periodia on takana, joten nyt on hyvä hetki pohtia geoinformatiikan menetelmät 1 -kurssin ensimmäistä tuntia. Pääsimme vihdoin ja viimein tutustumaan oikeaan paikkatieto-ohjelmaan eli QGIS:iin. Alkupaniikin laannuttua todellinen oppiminen pääsi alkamaan.

Aluksi harjoittelimme ohjelman eri perustoimintojen käyttöä, kuten esimerkiksi aineiston tuomista ohjelmaan ja aineiston sisältämän tiedon käsittelyä attribuuttitaulukossa. Uuden ohjelman käytön opettelu ei ole koskaan suoraviivaista ja muistankin hyvin samankaltaisia tunteita CorelDraw -ohjelman ensimmäisiltä käyttökerroilta.

Kun perustoiminnot olivat hanskassa, pääsimme käsiksi ensimmäiseen harjoitustehtävään. Tehtävänantona oli toteuttaa koropleettikartta valitsemastamme muuttujasta Suomen kuntakartan pohjalta. Tilastot olivat peräisin Tilastokeskukselta Suomen kuntien avainlukuaineistosta vuodelta 2015. Valitsin muuttujaksi ruotsinkielisten osuuden Suomen kuntien väestöistä prosentteina. Ensimmäisenä toin koneelle lataamani aineiston QGIS ohjelmaan. Tämän jälkeen tein laskutoimituksia, jotta sain haluamani arvot käyttööni. Kun vihdoin onnistuin laskuissa, oli teemakartan visuaalisen puolen työstämisen vuoro. Tämä vaihe olikin mielestäni yllättävän helppo (tai niin ainakin vielä tässä vaiheessa luulin) ja siirryin nopeasti muokkaamaan karttaani tarvittavat merkinnät.

QGIS ohjelma antaa kätevästi valmiit legendat ja mittakaavat kartoille toisin kuin CorelDraw. Mikä onnenpäivä! CorelDraw:n kanssa sain jatkuvasti taistella legendan kanssa viime periodissa, joten valmis legenda oli iloinen yllätys. Hyvillä mielin siis lisäsin legendan, mittakaavan ja pohjoisnuolen. Olin tyytyväinen valmiiseen karttaan ja lähdin kohti kotia.

Seuraavana päivänä havaitsin kartassani kuitenkin ei niin iloisen yllätyksen. Tarkasteltuani legendaa huomasin, että olin jakanut prosenttiosuudet todella typeriin ryhmiin. Ensimmäisen ryhmän arvona oli esimerkiksi 0-14 %. Nollan ja neljäntoista välillä on kuitenkin aika iso ero tällaisessa tilastossa… Niimpä marssin seuraavana koulupäivänä GIS -luokkaan tekemään koko tehtävän alusta. Ohjelmassa pystyi muokata luokkien arvoja todella vapaasti ja jouduin hetken hakemaan kaikista informatiivisesti parasta luokitusta. Eri luokittelut muuttivat kartan ulkonäköä radikaalisti, joten tehtävä ei tosiaan ollut niin yksikertainen kuin alussa luulin.

Lopulta sain kuitenkin luotua mielestäni onnistuneen teemakartan. Kuvassa vaaleammalla värillä on kuvattuna alueet, joilla ruotsinkielisten osuus kunnan väestöstä on matala. Punaisella kuvatuilla alueilla puolestaan ruotsinkielisten osuus on korkea. Kartasta onkin helppo huomata ruotsinkielen keskittymisen rannikkoalueille Etelä- ja Länsi-Suomeen.

Myös Janina Vikman teki koropleettikartan ruotsinkielisten osuudesta kuntien väestöistä. Samaistun hyvin Vikmanin huomioon kartan selkeydestä ja Pohjois-Suomen tarpeettomuudesta kartalla. Olisin voinut hyvin suurentaa karttaa Etelä- ja Länsi-Suomeen, jotta alueet ja erityisesti kuntarajat selkeytyisivät. Kuten kartasta voi huomata, Pohjois-Suomella ei ole kovinkaan suurta merkitystä tätä muuttujaa käytettäessä.

Kuten Laura Hynynen on omassa blogissaan todennutkin, luokkajakojen, painotusten ja visuaalisten esitystapojen tarkastelu on aina teemakarttojen kohdalla tarpeellista, jotta kartan informatiivisuutta voi ymmärtää. Myös erilaisten taustatietojen, kuten Suomen väestön sijoittumisen tuntemus on tällaisen kartan kohdalla tarpeellista.

Luettuani muiden blogeja, huomasin myös Tomi Kiviluoman tekemän hienon ratkaisun koropleettikartan luokkajaoissa. Kartta esittää muuttoliikkeitä Suomen kunnissa. Kiviluoma oli kekseliäästi määrittänyt alimman luokan muuttotappiokunnille eli alimman luokan arvot ovat negatiivisia. Omassa kartassani tällainen jako ei tietenkään olisi onnistunut, mutta pidän tämän kikan mielessäni tulevia teemakarttoja ajatellen.

Kurssikerta oli opettavainen pohjustus geoinformatiikan maailmaan ja toivon todella kurssin herättävän kiinnostustani GIS:iä kohtaan vielä entistä enemmän. Ensi viikolla pääsemme jo toivottavasti työstämään uutta mielenkiintoista harjoitustyötä!

Lähteet:
Vikman, J. Ensimmäinen tunti ja QGis-ohjelman perusteet. Blogikirjoitus kurssikerralta 1. Luettu 20.1.2020.
https://blogs.helsinki.fi/jagvikma/
Hynynen, L. Ominaisuustiedosta teemakartaksi. Blogikirjoituskurssikerralta 1. Luettu 20.1.2020. https://blogs.helsinki.fi/lauravel/
Kiviluoma, T. Johdanto kurssille ja QGIS:in perusominaisuudet. Blogikirjoitus kurssikerralta 1. Luettu 20.1.2020.
https://blogs.helsinki.fi/tomingeoblogi/