Geoinformatiikan menetelmät 1

oikeesti vika postaus

viikko 7

Huh huh postauksia on nyt kirjoiteltu kaksi päivää putkeen, harmi ettei tähän ollut mitään helpompaa tapaa.. heh heh …

Itsenäisessä tehtävässä halusin tutkia autojen lukumäärää maailmassa, koska halusin miettiä onko kulkuneuvojen määrä valtioissa suhteessa jotenkin mielikuviin, jota näistä valtioista tulee erityisesti ympäristöarvojen kannalta.

Tehtävä osoittautuikin hankalaksi, sillä luotettavaa tietoa autojen lukumäärästä sai hieman kaivaa. Ensimmäinen ideani oli verrata Yhdysvaltojen osavaltioiden rekisteröityjen autojen määrää suhteessa osavaltion raidelinjoihin, mutta tällainen tilastotieto oli maksullista ja niin vakavissani en tätä kurssia halunnut ottaa.

Koko maailman tasoista tietoa olikin yllättävästi helpompi löytää. Maailman terveysjärjestö WHO on tuottanut taulukon, jossa on valtioittain rekisteröityjen ajoneuvojen määrä. Valtiosta riippuen luku oli saatu luku oli kerätty vuosien 2015 – 2017, muutamaa poikkeusta lukuunottamatta, jolloin data oli esimerkiksi vuodelta 2007. Tieto on siis haettu tältä sivustolta.

Autodataa vaikeampaa oli oikeastaan löytää ladattavaa dataa maailman väkiluvusta. YK:n latauslinkki oli huollon alla, joten kaivelua internetin syövereissä piti hieman tehdä…

kuva 1 – ei harmittanut yhtään ei

Datan kuitenkin lopulta löydin täältä

Tavoitteena oli siis yhdistää kaksi csv-tiedostoa valtioiden nimen perusteella, joka sujui pääosin hyvin. Muutaman valtion kohdalla nimissä oli eroa, esimerkiksi Yhdysvalloista käytettiin kirjoitusasua “United Stated” ja “United States of America” ja Etelä-Koreasta “South-Korea” ja “Republic of Korea”. Join toiminto ei siis aluksi toiminut ja manuaalisesti korjasin kirjoitusasut yhteensopiviksi, jotta toiminto onnistuisi.

Lopputuloksena syntyi siis tällainen kartta (kuva 2)

Kuva 2 – autojen lukumäärä maailmassa suhteutettuna väkilukuun

Kuten kartasta (kuva 2) huomataan se on melko masentava. Kaikista valtioista ei löytynyt dataa autojen lukumäärästä ja ne näkyvät tässä valkoisella. Autojen suhteellinen lukumäärä on melko tasainen ympäri maailmaa. Tein myös karttaesityksen ilman suhteutusta väkilukuun ja se näytti tältä (kuva 3)

Kuva 3 – Autojen absoluuttinen lukumäärä maailmassa

Autojen lukumäärä näyttäisi jakautuvan absoluuttisina lukuina epätasaisesti, mutta koska tiedämme totuuden voimme nauraa makeasti.

Kurssi alkaisi nyt olemaan paketissa ja olen aika ylpeä itsestäni. Mielestäni olen onnistunut vahvistamaan GIS-taitojani, vaikka en tiedä kuinka hyvin se näkyy blogissani. Karttaohjelmien käyttäminen tuntuu luonnolliselta ja osaan googlailla ongelmia, enkä luovuta jos en heti ymmärrä mikä työkalu, prosessi tai menetelmä sopisi parhaiten. QGIS:in käyttämiseen olen saanut paljon itsevarmuutta ja aio tulevaisuudessa käyttää ohjelmaa omiin pikku projekteihin, sillä vaikka en usko että haluan opiskella enää gis-kursseja niin en halua menettää taitoa kokonaan.

Kurssin suoritin rimaa hipoen, palautukset 3 – 7 olivat kaikki myöhässä ja vittaukset muiden blogeihin tutustuminen jäi melko vähäiseksi, vaikka niihin tutustuinkin jokaisella kurssikerralla. Toivon kuitenkin että tämä riittää ja emme enää tapaa seuraavana vuonna tämän kurssin parissa. <3 Heipparallaa!

Kuva 4 – Visuaalinen representaatio itsestäni suorittamassa tätä kurssia

viimeisiä viedään

on tämäkin yksi työmaa

~~Palautan~~ Yritän palauttaa kurssitehtävät vastaisuudessa aina ajoissa.

Kuva 1 – hasu meme

Kirjoittamista ei juurikaan helpoita, että en todellisuudessa tiedä millon nämä postaukset pitää olla palautettuna, joten elän paniikin vallassa ja kirjoitan niin että sormet kramppaa, toisin kuin George R. R. Martin. Nappasin myös koronan ihanalta asuinkumppanilta viime viikolla, mikä toisaalta on hyvä juttu sillä nyt en voi pakoilla läppäriäni ja saan homma tehtyä. En edes kerennyt tartuttamaan muita, joten jeejee

“All Good Everything” – Cheek

Viikon kuusi harjoituskerta alkoi mielenkiintoisella luento osuudella kaupunkisuunnittelusta ja miten se tehdään mahdollisimman inklusiiviseksi (parhaimmissa tapauksissa) ja luontoarvoja ja ympäristöä kunnioittaen. Aihe on minulle erityisen mieluinen ja oli mukava kuunnella asiantuntijaa aiheesta eikä YouTube-videon setää. [Kanavasuositus Adam Something, arvioi uusia innovaatioita, arvostelee nykyajan rakentamista ja haukkuu Elon Muskia] Mieleeni tuli myös hyvän kaupunkisuunnittelun vastakohtana “Jokinen Plan”, suunnitelma jolla melkein murhattiin Alankomaat.

Päivän varsinaisena aiheena oli kuitenkin pisteaineiston tuominen QGIS:iin ja kokeilimme siihen soveltuvaa sovellusta EpiCollect5. Tarkoituksena oli kierrellä ympäri Kumpulaa ja oman mielen mukaan päätetyistä kohdista tallentaa tietoa kohdan turvallisuudesta, viihtyisyydestä ja käyttöasteesta. Harmiksemme maanatai iltapäivällä oli melkoinen myräkkä, jolloin pisteemme eivät levittyneet kauhean laajalle alueella, mutta Artun ohjeistuksella interpoloimme vastauksemme hienoiksi esityksiksi.

Interpolointi tarkoittaa, että tunnettujen arvojen välille lasketaan matemaattisesti (tai siis QGIS laskee) ennustettuja arvoja. Mitä tasaisemmin arvot ovat sitä luotettavampana interpolointia voitaisiin pitää, sillä silloin ennustettujen arvojen välimatkat eivät olisi suuria ja tietokone ei joutuisi luottamaan todennäköisyyksiin niin paljoa vaan olisi dataa, joka tukisi oletusta tai typoteesia.

Interpoloinnilla kurssiesimerkissä käytimme viihtyisyyttä ja turvallisuuden tunnetta. Oletettavastikin Kumpulanmäki koettiin lähes yksimielisesti melko viihtyisäksi lukuunottamatta kohtia, joissa oli meneillään rakennustyömaata. Turvattomuus taas kohdentui selkeästi Kustaa Vaasan tien ylitykseen ja läheisyyteen. Geoinformatiikan menetelmät 2 -kurssilla muistan, että interpoloimme muun muassa myös kuukausien lämpötiloja ja ilmansaasteita pääkaupunkiseudulla.

Viikon itsenäisenä harjoituksena piti tuottaa avoimen datan avulla opetusmateriaaliksi soveltuvaa tietoa hasardeista. Tein karttaesitykset maailman tulivuorista (kuva 1), yli kahdeksan magnitudin maanjäristyksistä vuodesta 1980 lähtien (kuva 2) sekä meteoriitti löydöksistä Kuva 4).

Kuva 1 – Maailman tulivuoret

Kuva 2 – Yli kahdeksan magnitudin maanjäristyksen vuodesta 1980 lähtien

Yksinään kuvat 1 ja 2 eivät kuvaa oikein mitään, eikä niiden pohjalta opettaminen ole oikein mielekästä. Jos tulivuorikarttaan liitettäisiin lisäksi litosfäärilaattojen rajat olisi siinä enemmän ideaa. Kuvasta 2 saisi informatiivisemmän jos jokaisen järistyksen kohdalle voitaisiin lisätä diagrammi, joka voisi esimerkiksi esittää tietoa kuinka paljon taloudellista vahinkoa järistys sai aikaan tai kuinka monta ihmistä loukkaantui / kuoli järistyksessä. Koska oma motivaationi ei riittänyt tällaisten esitysten tekemiseen liitin ne yhteen uudeksi esityksekseen. (kuva 3)

Kuva 3 – Isot järistykset + tulivuoret

Kartta kolme alkaa olemaan jo informatiivisempi. Sen pohjalta voisi selittää, että sekä maanjäristykset, että tulivuoret usein jäljittelevät litosfäärilaattojen reunoja ja tehtävänä vaikka päätellä ja selittää, miksi tulivuoria kuitenkaan ei esiinny jokaisella laattarajalla ja havainnollistaa näin törmäys- ja erkanemisvyöhykkeiden eron. Kartan avulla (kuva 3) voitaisiin myös selittää ilmiötä, jossa yksi hasardi aiheuttaa toisen hasardin syntymisen, eli tässä tapauksessa tulivuoren purkaus voi aiheuttaa maanjäristyksen. Karttaan voisi myös liittää pistetietoa tsunameista, jolloin hasardien ketjuttumisen näkisi vielä mahdollisessa kokonaisuudessaan.

Kuva 4 – Meteoriitit

Viimeinen esitykseni on meteoriiteista. Meteoriiteja tarkastellessa on mielestäni tärkeää havainnollistaa sitä, että ne mitä suuremmalla todennäköisyydellä löydetään mantereelta ja sellaisilta alueilta, joissa on asutusta, sekä valtioista joilla on resursseja “tuhlattavaksi” niitä etsiä ja kartoittaa.

Meteoriittien ilmestyminen kartalle ei siis ole niin sattumanvaraista, vaikka niiden putoaminen itsessään onkin. Jos kartta näyttäisi esimerkiksi vain Suomea ja riippuen yleisön tasosta voisi yrittää lypsää tietoa, mitä meteoriitti tekee pudottuaan, eli miten tietyt Suomen järvet ovat muodostuneet ja miten ne voisi erottaa muista järvistä.

Lopputulokseksi viikosta voin sanoa, että olen aika innoissani, mitä erilaisia juttuja voin itse tehdä avoimen datan ansiosta täysin ilmaiseksi!

Kuva 5 – hupaisa meme

liekeissä [viikko 5]

5 viikko

[HAH TÄMÄ OLI EDITEISSÄ, HYVÄ MINÄ EI TARVITSE ALOITTAA ALUSTA]

Viikon viisi aiheena olivat bufferit, erilaisten valintatyökalujen kertaaminen sekä itsenäinen työskentelu ja omien aivojen käyttäminen. Jotkin näistä sujuivat paremmin kuin toiset, mutta yleisesti viikko meni ihan hyvin. Itsenäisissä tehtävissä helpotti kun katsoi aikaisempien viikkojen ohjeita ja palautti mieleen mitä tänne blogiinkin on oikein höpötellyt.

Bufferointi, eli vyöhykkeiden luominen on hyödyllistä erilaisissa analyyseissa ja yksi maantieteilijän perustaidoista. Bufferoimalla luodaan halutun objektin ympärille halutun muotoinen alue, mikä tarkoittaa esimerkiksi, sitä että bufferit voivat olla vaikutusanalyyseja, meluvyöhykkeitä, tai vaikka elukoiden levinneisyyttä. Bufferointi on siis hyödyllistä ja yllättävää kyllä aika mukavaakin, koska tietokone käytännössä tekee kaiken ja käyttäjän pitää vain valita bufferoitava objekti ja bufferin säde. Itsenäisten tehtävien tekeminen taas oli vaikeampaa kuin olisi ensin kuvitellut. Ilman Artun asiantuntevaa ohjausta paniikki valtasi mielen ja tuntui että QGIS räjähtää ja kaatuu minä hetkenä hyvänsä tai vähintäänkin ohjelma ei suostu tekemään prosesseja oikein ja kaikki menee pieleen ja virheen tajuaa vasta aivan liian myöhään.

Tehtävä 1 Lentokentät

Tehtävä, joka onnistui minimaalisilla virheillä ja jonka tekeminen ei ollut yhtä epätoivoista kuin muiden, sillä tosiaan tehtävä oli ensimmäinen intoa vielä riitti ja kunhan vain klikkaili menemään niin puolet tehtävästä oli jo tehty. Objektin piirtäminen oli hyvin muistissa ja kiitoradat ilmestyivät näytölle hujauksessa. Perusbufferointi onnistui ja kilometrin ja kahden kilometrin bufferit onnistuivat loistavasti ja valinta pelkästään koskemaan rakennuksia pelkästään niiden alueella ei aiheuttanut ongelmia. Koska alku vaikutti niin lupaavalta niin päätin jopa yrittää lisätehtävää, joka ei mennyt niinkuin Strömssössä.

Tein tehtävän laittomasti, sillä varmasti tähänkin olisi löytynyt joku kätevämpi tapa, mutta minä valitsin valintatyökalun avulla kaikki rakennukset, jotka olivat rakennettu ennen Malmin lentoaseman rakentamista (vuosi 1936) ja sitten omilla aivoilla ja laskutaidolla ilman QGIS:in apua laskin, kuinka monta näistä muutamasta osui kilometrin bufferille. Luulin että ohjelmassa voisi tehdä kaksi valintaa peräkkäin, jolloin ensin voisi valita paikan mukaan bufferin kaikki rakennukset ja sitten ne jotka ovat rakennettu ennen lentokenttää, mutta itse en ainakaan tässä onnistunut, mutta jonkunmoiseen tulokseen silti päädyin. Sain vastaukseksi tosiaan, että 64 taloa, olisi rakennettu 1 km bufferille ennen vuotta 1936, eli ennen lentokenttää.

Lentokenttätehtävän Malmi osuus oli helppo, mutta sitten Helsinki-Vantaa iski kuin Anatuden Hyökyaalto. Itsehän lähdin tekemään tehtävää ensin aivan väärin, enkä tajunnut, että tehtävän eri vaiheita pitää jalostaa ja jatkaa, eikä tehdä yksitellen. Lukutaidossa siis vikaa, ei niinkään gis-taidoissa.

[TÄHÄN ASTI PÄÄSIN VARSINAISELLA VIIKOLLA JA NYT YRITÄN JATKAA AJATUSTA NÄIN KOLME (en osaa laskea) VIIKKOA MYÖHEMMIN!]

Sanoisin kuitenkin, että GIS-taitoni tuossa vaiheessa olivat jo ihan hyvin. Tehtävien tekeminen vaati kekseliäisyyttä ja nyt olin jo kerännyt rohkeutta kokeilla eri asioita, toisin kuin kurssin alussa. Bufferointi, valintatyökalu ja uusien kohteiden piirtäminen sujui hyvin, vaikka joskus vaatikin muutaman yrityksen.

Valintatyökalu toimii jos haluaan tutkia ilmiöstä vain tietynlaisia osia tai alueellisesti vain tiettyjä alueita. Valintatyökalulla saadaan myös kirjaimellisesti valittua haluttuja kriteeterejä täyttäviä asioita, jolloin voin aina muodostua yllätyksiä varsinkin jos aineisto on iso ja sitä ei pysty juurikaan tarkastelemaan kokonaisena.

Bufferointia voi maantieteessä soveltaa muun muassa käyttää vaikutusanalyyseihin, esim. melukartoitukseen tai ilmansaasteiden leviämiseen, tosin varmaan pitäisi jotenkin huomioida tuulen suunta ja puhallusteho jolloin pelkkä bufferointi ei varmaan riitä. Esimerkkinä myös pirteästi nykytilanteeseen viitaten (kyllä kirjoitan tätä loppuun 9.3.) räjähteiden vaikuttavuus, eli räjähdysvoima.

Hiukan vajaa postaus, ei kuvia tai taulukkoa, pahoittelen mutta en ollut muistanut kerätä tunnilla keräämäni dataa ylös ja projektin nyt avattuani olin menettänyt osan tiedoista. En myöskään alentunut feikkaamaan vastauksia, joten nähdään ensi postauksessa.

Blogiputki jatkuu (4. viikko)

4 viikko

Epätoivoinen yritys saada kurssimerkintä jatkuu. Luovuttaminen on käynyt useasti mielessä, mutta ylpeyteni ei kestä jos kurssi jää toisen kerran kesken ja se fakta että pääni ei kestä enää kuunnella luentoja uudestaan, niin viihdyttäviä kuin ne olivatkin.

Viikon aiheena olivat koropleettikartan rajoitukset, sekä väestöruudut. Koropleettikarttalla yleensä esitellään valitun tilastollisen muuttujan esiintyvyyttä valitulla alueella, esimerkiksi väkilukua Suomen kunnissa. Koropleettikartalla esitettävät luvut ovat yleensä poikkeuksetta suhteellisia lukuja ennemmin kuin absoluuttisia arvoja. Suomen kuntien väkiluku esiintyy kartalla paljon mukavammin jos kunnan väkiluku suhteutetaan koko Suomen väkilukuun ja kartassa näkyy vain osuuksia.

Suhteelliset luvut toimivat paremmin alueiden vertailuun, sillä alueet ovat esimerkiksi eri kokoisia ja muutenkin olosuhteet alueilla saattaa olla erilaiset. Toisella kurssilla jota käyn tutustuttiin tilanteeseen, jossa melkein samankokoisen kaupunginosan väkiluku olis huomattavasti pienempi kuin muiden kaupunginosien väestömäärä. Erot väestömäärissä johtuivat lopulta siitä, että pienen väestömäärän alueella ei todellisuudessa ollut juurikaan vakituista asutusta vaan kaupunginosassa oli vankila sekä lentokenttä. Kaikki alueet eivät siis ole ominaisuuksiltaan samoja, joten koropleettikartoissa pitäisi aina esittää suhteellisia lukuja.

Sääntöön on kuitenkin poikkeus: väestöruudukot. Väestöruutuaineistoja tuottaa Suomessa esimerkiksi Tilastokeskus yleensä käyttäen 1 km * 1 km ruutuja. Väestöruutuaineisto voidaan esittää koropleettikartassa, vaikka kyseessä olisikin absoluuttisia lukuja, sillä ruudut ovat samankokoisia.

Ruututeemakartta ei kuitenkaan poista faktaa, että ruudunkin sisällä voi olla vaikka minkälaista vaihtelua ja ei välttämättä kuvaa ilmiötä mielekkäälä tavalla, kuten esitän omassa esimerkissäni. (kuvat 1 ja 2)

Kuva 1 (vasemmalla) – Muunkielisten absoluuttinen määrä väestöruuduissa

Kuva 2 (oikealla) Muunkielisten osuus kokonaisväestömäärästä

Esimerkissäni tarkastelen muunkielisten määrää Helsingissä kahden koropleettikartan avulla. Ensimmäisessä kartassa (kuva 1) on esitetty muunkielisten määrä eri väestöruuduissa. Absoluuttisina lukuina näyttää, että muunkielisten määrät ovat suurimmat Helsingin keskustassa, Itä-Helsingissä, sekä Keski-Espoossa. Muunkielisten esiityvyys pääkaupunkiseudulla näyttäisi jakautuvan melko epätasaisesti ja keskittyen eteläisiin osiin.

Ilmiötä kuitenkin selittää paremmin kartta, jossa muunkielisten määrä on suhteutettu jokaisen ruudun väkilukuun. Jos muunkielisiä on paljon suhteutettuna väkilukuun on tärkeää tarjota esimerkiksi palveluita muulla kielellä, sillä valtaosa puhuu jotain muuta kuin suomea. Kuvasta 2 huomataan, että verrattuna karttaan 1 muunkielisyys on todellisuudessa laajempi ilmiö ja on paljon ruutuja, joissa suhteellinen osuus on suuri, mutta jotka eivät näkyneet todellisten lukujen ruudukossa lainkaan.

Viikon toinen tehtävä liittyi rasterimuotoisen aineiston tarkasteluun ja muokkaamiseen. Pornaisten karttalehti ja DEM-korkokuvien pohjalta piti tuottaa vinovalovarjoste ja korkeuskäyrät. Siinä ei mitään ongelmaa, QGIS tekee kaiken puolestani ja ei vaadi kun muutaman näpyttelyn.

Tunnilla muistan, että oli puhetta vivovalovarjosteessa valon suunnan merkityksestä. Vinovalovarjoste yleensä tehdään niin, että valo tulee luoteesta, sillä Aurinko nousee idästä ja laskee länteen, eli luoteesta tuleva valo ei kuvaa todellista tilannetta, mutta pinnanmuodot erottuvat selkeästi. Näin diagnosoituna näkövammaisena en tietenkään voinut jättää tilaistuutta käyttämättä ja katsoa, kuinka paljon valon suunta aiheuttaa itselleni vaikeuksia.

Kuva 3 – Vinovalovarjoste, valo luoteesta

Kuvassa 3 on “normaali” vinovalovarjoste, kaikki näyttää hyvältä ja oikealta kaikk hyvin, ei ongelmia.

Kuva 4 – Vinovalovarjoste, valo lännestä

Lännestä päin tuleva valo on mielenkiintoinen, mutta ei huono. Kohteet jopa näyttävät jopa tarkemmilta.

Kuva 5 – Vinovalovarjoste, valo etelästä

En voi olla ainoa, joka näkee kohoumat kuoppina. Etelästä tuleva valo on kerrassaan hirveä ja sotkee päätä ihan kunnolla. 0/5 would not recommend.

Tämän hassun hauskan kokeilun jälkeen loin korkeuskäyriä Pornaisen alueelle ja vertailin niitä Paitulista saataviin korkeuskäyriin samalta alueelta. Kuvankaappauksessa (kuva 6) näkyy mustalla Paitulista ladatut korkeuskäyrät ja punaisella itse tuottamani viiden metrin välein tuotetut käyrät.

Huomataan, että ne ovat melko yhdenmukaiset, kuitenkin, koska punaiset käyrät on tuotettu virtuaalisen rasterin pohjalta niin niissä näkyy piikkejä ja looppeja, jotka kartan piirtäjä ehdottomasti jättää pois.

Kuva 6 – Korkeuskäyriä

Vielä maanantai illan piristeenä klikkailin 668 taloa Pornaisen rajauksen sisälle ja nyt toista vuotta peräkkäin rukoilen GIS-welhoilta tietoa, kuinka paljon rakennuksia oikeasti on rajauksen sisällä.

ps. varoituksen sana Arvoisalle Lukijalle: en enää aio juurikaan editoida postauksia, joten olethan kärsivällinen kirjoitusvirheiden ilmetessä.

POV: yritän pelastaa kurssin

Viikko 3 (kirjoitettu vain neljä (?) viikkoa myöhässä 🙂

Myönnän minulla on useita ongelmia ja yksi niistä on tehtävien perässä pysyminen kun “varsinaisia” palautuksia ei ole. Pitäähän työt tehdä, mutta näin korona ajan opiskelijana mikään ei juuri tunnu todelliselta ja huomaan tarvitsevani Moodlen palautuskansion uhkaavalla aikamittarilla, jotta saan jotain tehtyä. 🙂 Lopetetaan kuitenkin selitykset ja aletaan Töihin! Toivotan Teidät arvon lukija (tässä vaiheessa varmaankin pelkästään Arttu) seuraamaan blogiputkea.

Viikon ensimmäisessä harjoituksessa harjoiteltiin tietokantojen hankintaa ulkoisista lähteistä, tässä tapauksessa Excelistä, ja tietokantojen yhdistämistä niin että tietoa ei menetetä ja voidaan yhdistää eri lähteiden tietoa selkeyden vuoksi yhteen taulukkoon.

Afrikka-tietokannassa jokaisen valtion jokainen maa-alue oli omalla rivillään, jolloin kaikki pienimmätkin saaret saivat oman rivinsä. Tämä olisi hyödyllistä, jos haluttaisiin tutkia ja tarkastella juuri näitä yksittäisiä saaria tai vaikka vertailla Afrikan valtioita saarisuuden perusteella, mutta tapauksessa jossa Afrikkaa halutaan tarkastella kokonaisena maanosana opettelimme, kuinka saaret liitetään osaksi emämaan pinta-alaa. Kun jokaisella valtiolla on vain yksi rivi taulukossa ja alueiden pinta-alat laskettu yhteen on eri valtioiden välinen vertailu mielekkäämpää.

Yhdistämiseen on QGIS:issä monia työkaluja ja nimensä puolesta “merge” tuntuisi toimivan aina, sehän tarkoittaa kahden asian yhteen sulattamista, mikä siinä voisi mennä pieleen? Merge kuitenkin tässä tapauksessa tarkoittaa, sitä että ensin joutuisi valitsemaan jokaisen valtion, jolla on saaria ensin valintatyökalulla ja sitten yhdistää pinta-alat varsinaisella mergellä yhteen. Tämä toimii jos on vain muutama kohde joita pitää yhdistää, mutta Afrikassa on muutama valtio liikaa jotta kukaan jaksaisi tehdä kaksivaiheista hommaa jokaisen valtion kohdalla.

Siispä kätevämpää yhdistää tietokantoja saraketiedon perusteella. Dissolve toiminta on siinä kätevämpi, työkalussa voi valita, millä perusteella haluaa sulauttaa tietoa yhteen. Afrikka-tietokannassa meillä on tieto rivien numeroista (id) se ei ole fiksu, sillä sen pointtina on olla jokaiselle yksilöllinen, joten sulauttaminen ei onnistu jos kaikilla on eri numero. Toisena olisi code, eli koodi, joka tarkoittaa valtioille yksilöllisiä kolmikirjaimisia koodeja (Suomessa FIN). Koodi on yleensä paras tapa jos halutaan yhdistää kahta valtiotietoa sisältävää tietokantaa yhdeksi tai useampaa saraketta joissa on tietoa samasta valtiosta, sillä koodilla on vain yksi oikea kirjoitusasu, toisin kun valtioiden nimillä, joka on Afrikka-tietokannan kolmas sarake. Valtioiden nimet saattavat olla eri muodoissa esimerkiksi jos tietokannat on tuotettu eri aikoina, jolloin valtiot ovat muuttaneet nimiään tai jos uusia valtioita on itsenäistynyt. Esimerkiksi Afrikasta tuotetut aineistot ennen vuotta 2011 eivät sisällä sinä vuonna itsenäistynyttä Etelä-Sudanin valtiota ja aineistot vuoden 2011 jälkeen sisältävät, joten on oltava tarkkana jos tällaisia tietokantoja haluaisi liittää yhteen.

Dissolve-työkalu toimii siis vain jos tietokannassa on joku yhdistävä tekijä, jonka perusteella valinta voidaan tehdä. Jos yhdistävä tekijä löytyy dissolve tuottaa uuden väliaikaisen tietokannan, eli alkuperäinen data ei muutu. Nakkisormille ja tahmatassuille kuten minä, tällainen on erittäin kätevää, koska mikään harvoin sujuu ensimmäisellä yrityksellä, jolloin on todella mukavaa, että koko homma ei lässähdä käsiin heti kättelyssä.

Tietokannan siivoamisen jälkeen siihen liitettiin Excel-tiedosto. Excel on pelottava vempele ja toivon aina, että dataa ei tarvitsisi esikäsitellä, koska pelkään kuollakseni että söhlään sen jotenkin. Koska simuloimme tunneilla melkein aina täydellisiä tilanteita niin tälläkään kerralla dataa ei tarvinnut itse etsiä tai tuottaa vaan se annettiin meille täydellisessä muodossa <3

Comma separated values on jonkun jumalan keksintö ja on ihanaa, että QGIS tunnistaa csv-tiedostojen lisäksi myös muila erottimilla erotettuja aineistoja, sillä jotkut käyttävät pilkun sijasta myös esim. tabia. Ennen kuin tiedostoa tuodaan QGIS:iin on myös loistavaa, että sitä voi esitarkastella ja voidaan etsiä geometriatietoja, eli lähinnä pituus- ja leveysasteita, jotka on merkitty koordinaatein. Pitänee varmaa harjoitella itse, miten tuottaa tällaisia taulukoita, koska niiden tuomineen QGIS:iin on niin yksinkertaista.

Excel-tiedosto yhdistyi siistittyyn Afrikka-tietokantaa yllättävän näppärästi Join-työkalulla, onnekseni QGIS ei tällä kertaa kaatunut toimintoa suorittaessa.

Kaikkien hauskojen liitosten ja uusien sarakkeiden luomisen jälkeen tulokseksi saadaan taulukko, jossa on Afrikan jokaisen valtion pinta-ala, väkiluku, internetin käyttötilastoja, timanttien, öljyvarojen ja konfliktien määrä, sekä luku ns. “uniikeista konflikteista”.

Taulukon kuvailemisen lisäksi todisteena siitä, että ainakin jotain tuli tehtyä esitän karttakuvan mantereen öljyvarannoista, timanttilöydöksistä ja konfliktien kohdista (kuva 1).

Kuva 1 – Afrikan menoa

Viikon tehtävän annossa koskien tätä tehtävää piti voitaisiin tehdä tai päätellä jos luomaamme tietokantaan liitettäisiin tietoa vielä esimerkiksi konfiktien alkamisvuosista tai laajuudesta.

Jos konfliktien alkamisvuosi olisi ajassa, jossa internet olisi käytössä, olisi mielenkiintoista saada tietää, kuinka moni internetin käyttäjistä haki tietoa konfliktista tai miten konfliktista ylipäätänsä tiedotettiin sähköisessä mediassa.

Pelkästään tarkemmista internetin käyttäjätilastoista voitaisiin saada väkilukuun verrattuna osviittaa, kuinka moni väestöstä on yhteydessä internettiin ja sähköön ylipäätänsä. Vakaa internetyhteys ja tasainen sähkön saanti ei ole normi kaikkialla ja internetkäyttäjien määrän tilastoimisella saataisiin kuitenkin jonkunlaista osviittaa.

Timanttikaivosten ja öljykenttien löytymisvuosien lisäämisellä tietokantaan voitaisiin päätellä, ovatko nämä luonnonvarat menneet samantein “tutkimusmatkailijoiden” [=siirtomaavalloittajien] taskuun vai vasta välikäsien kautta. Siirtomaavalta nimellisesti purkautui suurimmasta osasta Afrikan valtioista vuonna 1950- ja 1960-luvuilla, joten sen jälkeen perustetut timanttikaivokset ainakin periaatetasolla voisivat tuottaa jotain hyötyä valtiolle, jonka alueelta timantteja löydettiin.

Tämän pirteän pohdiskelun jälkeen siirryn viikon toisen tehtävän pariin.

Tulvaindeksikartan luominen onnistui lähes ongelmitta kun ensin oppi olla sekoittamatta kirjaimia M H Q ja N aivan sekaisin. Lopputuloksena sain kartan, jossa iloisesti näkyy järvisyys esitettynä koropleettikarttana, mutta järvisyysprosentin tuominen histogrammina karttaa näkyviin ei onnistunut, vaikka se kummitteleekin legendassa… :/ (kuva 2)

Vaikka itsenäinen työ ei sujunut aivan loppuun saakka olen silti tyytyäinen, että pysyin kärryillä edes tähän saakka 🙂

Projektina projektiot

Viikko 2

TL;DR

Maanantai ilta sujui leppoisasti ja kaikki meni hyvin. Loppu… ? Ei sentään nyt ihan, ongelmia oli, päänsärky vaivasi puolet ajasta ja harkan jälkeen tuntui että tarvitsi viiden tunnin nokkaunet. Harjoituskerran tavoitteena oli tarkastella projektioiden aiheuttamia vääristymiä Suomen pinta-alaan, sekä tutustua eri rajapintoihin, blogikirjoituksessa käsittelen projektioita, sillä rajapinnoista ei jäänyt niinkään muuta sanottavaa kuin että ne olivat käteviä.

Tehtävä sinänsä on mukavaa klikkailua, mutta muokkaaminen ja tallentaminen oli päänvaiva, sillä QGIS ystävällisesti nimeää tasoja sangen typerästi: kaikki “Add Geometry Attributes”- tasot tallentuvat samalla nimellä.. numeron generoiminen nimen päätteeksi on selvästi ohjelmalle liikaa. Vaiheiden toistaminen neljään kertaan kuitenkin auttoi muodostamaan rutiinin ja tuloksia alkoi tulemaan, olivat ne oikeita tai ei..

Ylemmät kaksi kappaletta kirjoitin maanantain illan harkassa, tiistaina otin kolmannen koronarokotteen ja loppuviikko menikin sitten rapeassa 39°C kuumeessa, nyt lauantaina on hyvä palata taas tähän kun ei enää muista mitä on tehnyt alkuviikosta. Lienee parasta alkaa kirjoittaa jo harjoituskerran aikana asiota muistiin jos luulee ettei blogin kirjoittaminen heti maistu.

Kuitenkin tuotokset löytyivät koneen syövereistä ja ne näyttävät varsin lupaavilta. Karttaprojektioiden tarkoitus on tuottaa ihanasta 3D pallostamme 2D kuva, jolloin vääristymiä tarkoituksenmukaisesti tehdään joko pinta-alan, välimatkan, muodon tai suuntien suhteen. On myös karttaprojektioita, jotka vääristävät kaikkia ominaisuuksia, pyrkimyksenä kuitenkin vääristää kaikkia mahdollisimman vähän. Esimerkiksi Robinsonin projektio on tällainen kompromissiprojektio.

Eiköhön siis höpöttelyn sijasta sitten katsota, mitä tuli tehtyä. Suomen vääristymiä kuvasin neljällä projektiolla, joita olivat: Mercator, Robinson, Bonne ja Cassini. Kaikki nämä ovat projektioita, joiden tarkoitus on kuvata koko maapalloa, eikä vain piskuista aluetta, kuten tässä Suomea. Kaksi ensimmäistä valitsin, koska ne ovat kenties tunnetuimmat projektiot ja siksi on mielenkiintoista analysoida niiden virheellisyyttä. Cassinin ja Bonnen valitsin taas, koska ne näyttivät hauskoilta.

Cassini ja Mercator

Kuva 1 – Cassini

On mielestäni hyödyllistä nähdä maapallo eri “kulmasta”, eikä vain niin että valtiot näkyvät “oikein päin”. Napa-alueiden merkitys kasvaa ilmaston muuttuessa, joten on hyödyllistä tietää mistä puhutaan ja mitä alueilta edes löytyy. Cassini on oikeapituinen projektio, eli välimatkat alueiden välillä ovat oikeita.

Kuva 2 – Mercator

Mercator on kaiken pahan alku ja juuri. Maanmittauslaitoksen Pyry Kettusen mukaan Mercator on luotu kun eurooppalaiset ~~kulttuurien tuhoajat~~ [*kröhöm* pahoittelut] tutkimusmatkailijat tarvitsivat merenkulkuun sopivan kartan. Mercator on siis oikeakulmainen ja sopii alkuperäiseen tarkoitukseensa varsin hyvin, mutta sen takia myös uskaltanen väittää, että suurella osalla ihmisistä on erittäin vääristynyt kuva maapallosta. Mercator kivasti korostaa Euroopan suuren suurta kokoa ja kutistaa Afrikan pieneksi – sattumaako…? Siitä voidaan kai olla montaa mieltä.

Kuva 3 – Cassinin ja Mercatorin virheet

Näistä kahdesta Cassini sopii paremmin mallintamaan Suomea. Ei sinänsä ihme, sillä Cassinissa virhe suurenee, mitä kauemmas siirrytään navasta napaan vedetystä meridiaanista. Cassini ei siis aiheuta suurta virhettä, sillä Suomi sijaitsee lähellä pohjoisnapaa. Virhe suurenee Kaakkois-Suomessa, mutta jos vertaillaan Cassinin ja Mercatorin legendoja huomataan, että ei puhuta läheskään yhtä suuresta vääristymästä.

Mercatorin surkeus napa-alueiden kuvaamisessa näkyy tässä kartassa varsin loistavasti. Suomi näyttää Mercatorin projektiolla vähintään lähes nelinkertaiselta kuin se todellisuudessa on ja mitä lähemmäs napoja mennään, sitä isompi virheestä tulee. Suomi venyy kuin etäopetus konsanaan ja on täysin vääristynyt todellisesta koostaan.

Bonne ja Robinson

Kuva 4 – Bonne

Bonne on hassun hauska oikeapintainen projektio, jolle en rehellisyyden nimissä keksi sovellusta. Itse valitsin sen tarkasteltavaksi koska se näytti sydämeltä.

Kuva 5 – Robinson

Robinson on kompromissiprojektio, eli se ei ole oikeakulmainen eikä oikeapintainen, mutta sen tarkoituksena on minimoida virheet näissä molemmissa.

Kuva 6 – Bonnen ja Robinsonin virheet

Molemmat sopivat Suomen projektointiin yllättävän hyvin. Virhe ei ole mercatonilainen ja mielestäni hauskaa on että näistä neljästä pienin virhe syntyy Bonnella, projektiolla, joka omaan silmään näyttää kummallisimmilta.

Jos jaksaa selata sivua ylösalas huomaa, että Mercatorin ja Robinsonin luokat ja “virhelinjat” näyttävät menevän samanlaisesti, mutta legendoista jälleen huomaa, kumpi näistä on luotettavampi Suomea tarkasteltaessa.

Yhteenvetoa ja lisää höpinää

Karttaprojektio pitää valita aineistoon ja alueeseen sopivalla tavalla, muuten visuaalinen ilme näyttää hassulta ja tulokset menettettävät uskottavuuttaan. Erityisesti jos tekee karttoja toisille maantieteilijöille on tärkeää, että käyttää sopivaa projektiota, sillä muuten kartta viestii epäpätevyyttä ja huolimattomuutta.

Valitsin omiin karttoihini sateenkaaren värit, sillä punainen on hyvä kuvaamaan negatiivisia ilmiöitä, eli suurinta virhettä, mutta minulle henkilökohtaisesti on vaikeaa erottaa punaisen eri sävyjä toisistaan varsinkin kun halusin käyttää kartoissa montaa eri luokkaa. Mielestäni piti myös palkita alinta luokkaa laittamalla se neutraalimmaksi siniseksi, mutta ei käyttää esim. punaisesta vihreään menevää väriskaalaa, sillä se olisi vaikea lukea jos sattuu olemaan puna-vihervärisokea, jota minä en ole mutta ikinä ei voi tietää kuka on. Punaisesta siniseen menevä väriskaala olisi kenties toiminut, mutta sateenkaari oli iloisempi, siispä se.

Asiasta toiseen: Toivon, että kurssilla ei tehdä töitä, jotka vaativat aikaisempiin töihin palaamista, sillä en tosiaan ole varma tallentuvatko tietokantani tai projektini ollenkaan ja voinko avata niitä enää, en uskalla kokeilla, tuloksena mitä todennäköisemmin tulisi paljon rumia sanoja. Tässäkin suhteessa pidin ArcGIS Prosta enemmän: se ei luonut väliaikaisia tietokantoja ja mikään ei kadonnut minnekkään, toisaalta tekemämme analyysin sillä eivät olleet aivan näin monipuolisia. (esim. ei rajapintoja, kaikki aineistot annettiin valmiiksi)

Kenties tähän monsterikokoiseen postaukseen tulee vielä lisää viikon muista tehtävistä ja hyviä huomioita muiden blogeista, mutta toistaiseksi tämä oli nyt tässä. 🙂

Lähteet:

John Misachi – World Map Robinson Projection, May 12 2021 in Geography, https://www.worldatlas.com/geography/world-map-robinson-projection.html (käyty 29.1.2022)
Jade Lehtinen & Pyry Kettunen – Maailma venyy ja paukkuu, Tietoa Maasta 2/2019, https://www.maanmittauslaitos.fi/tietoa-maanmittauslaitoksesta/ajankohtaista/lehdet-ja-julkaisut/tietoa-maasta/maailma-venyy-ja-paukkuu (käyty 29.1.2022)

Kuvien lähteet

Back at it again with the QGIS

Viikko 1

Alkufiiliksiä

Yritin suorittaa tätä kurssia vuosi sitten, eikä siitä etäopetuksen takia tullut oikein mitään. Silloin tuntui oikealta päätökseltä jättää tekeminen kesken ja odottaa lähiopetusta nyt tuntuu, että on varsin joutavaa suorittaa tätä osittain uudestaan, vaikka lähiopetus tuntuukin näin lähes puolentoista vuoden jälkeen hämmentävältä, mutta oikein mukavalta. Oma fuksiläppäri ainakin hyrisee riemusta kun en enää pahoinpitele sitä karttaohjelmilla..

Tehtävä 1 – Itämeren typpipäästöt

QGIS on tuttu ystävä viime vuodelta, mutta sen käyttäminen nyt tuntui melkein yhtä vaikealta kuin vuosi sitten. Olen tässä välissä käyttänyt toista paikkatietojärjestelmää, ArcGIS Prota, joka omasta mielestäni oli helppokäyttöisempi ja vähemmän hämmentävä. Siirtyminen takaisin QGIS:iin oli siis hieman vaikeaa, mutta selviydyin kuitenkin ohjeita seuraamalla ihan kunnialla.

Itämeren rannikkovaltioiden suhteelliset typpipäästöt

Tehtävän tekeminen itsessään oli hyvässä muistissa; värien vaihto onnistui hyvin ja attribuuttitaulukon muokkaaminen oli hyvässä muistissa. Layoutin tekeminen taas ei ollut. Olen kuitenkin melko tyytyväinen tuotokseeni, se esittää sitä mitä pitää, tosin skaalani on hieman kumma. Virolla ja Puolalla on omat luokkansa, joka sinänsä on fiksua, sillä niiltä päästöjä tuli vähiten ja eniten, mutta ratkaisu ei ole kovin nätti.

Pohjaväriksi dataa sisältämättömille alueille laitoin tutun vihreän sijasta beigen sävyn, joka ei itselle pomppaa niin pahasti silmään kuin vihreä, vaikka vihreä on ehkä tutumpi ja kuvaa Euroopan kasvillisuutta paremmin kuin beige. Selkeyden vuoksi jätin myös järvet tuotoksen ulkopuolelle, joka oli hömelö päätös, sillä Tarun blogista huomasin hyvän huomion, että järvet tietysti jokien kautta kuljettavat Itämereen ravinteita, jolloin on merkitystä huomata, missä valtioissa on järviä ja jokia joista typpipäästöjä tulee.

Tehtävä 2 – Suomen kunnat

Suomen kuntatehtävän tein rimaa hipoen vaikeustasolla yksi. Tuotokseen olen kuitenkin melko tyytyväinen: kartta on ymmärettävä, tarvittavat, elementit ovat kaikki läsnä ja kartta on luotettavissa esim. punavihervärisokeille, sillä väri on sininen ja neutraali, vaikka työttömyys voidaankin nähdä negatiivisena asiana.

Työttömyys (%) Suomen kunnissa vuonna 2015

Mitä pitää tehdä ensi kerralla

Koska tämä on toinen kerta kun suoritan tätä kurssia luulisi että osaisin aikatauluttaa tekemiseseni paremmin, mutta ei. Täällä taas viime hetkellä tekemässä palautusta..

QGIS pitää palautella muistiin ja oppia sen kommervenkit uudestaan, kuten tämän viikon työskentelyä hankaloitti huomattavasti se että ohjelma ei ilmeisimmin tykkää hiiren rullan käyttämisestä. Huomasin useampaan otteeseen että kun yritän rullata jotain välilehteä ylös-alas ohjelma tulkitsee sen välillä niin että haluan muuttaa jonkin pudotusvalikon arvoja ja olen mahdollisesti nyt muuttanut ties mitä asetuksia hiirelläni.. Kuten Janne blogissaan sanoi, “QGIS on anteeksiantamaton aloittelijalle” (tai vähän kokeneemmallekin, joka ei muista miten sitä käytetään) ja se tekee ohjelmaan tutustumisesta hieman vaikeampaa, sillä ei uskalla lähtemään kokeilemaan eri juttuja.

Asia mikä ainakin on helpottunut viime vuodesta on blogin kirjoittaminen, vaikka tämä teksti tuleekin lähes myöhässä, en juurikaan enää pelkää kirjoittaa tätä kuten viime vuonna, jolloin postauksia ei tullut yhden yhtäkään..