Kolmas kurssikerta: tietokantaliitoksia ja diagrammeja

Kolmannella kurssikerralla tutustuimme Afrikkaan sijoittuvalla aineistolla erilaisiin tietokantoihin, ja harjoittelimme suurikokoisen aineiston tiivistämistä hyödyntämällä QGIS:n erilaisia yhdistämistoimintoja. Esimerkiksi aggregate-työkalulla pystyi aineistoa muokatessa suorittamaan samalla myös laskutoimituksia.

Harjoittelimme myös erilaisten tietokantojen liittämistä toisiinsa. Harjoitusesimerkkinä oli Excel-tiedosto Afrikan maiden väkiluvuista ja sosiaalisen median käytöstä, ja tämä tiedosto tuli muuttaa csv-tiedostoksi, jolloin sen pystyi liittämään QGIS:iin join-toiminnon avulla. Tietokantaan liitettiin tietoa myös timanttilouhosten, konfliktien ja öljykenttien sijainneista. Kun nämä erilaiset tiedot olivat samassa aineistossa, pystyttiin niillä tekemään erilaisia laskutoimituksia esimerkiksi sosiaalisen median käyttäjäprosenteista maittain. Sosiaalisen median käyttöastetta tutkimalla ja tarkastelemalla niitä karttaesitysten muodossa voitaisiin esimerkiksi vertailla valtioiden kehittyneisyyden eroja.

Itsenäistehtävä

Tällä kertaa soveltavan tehtävän aineistona toimi karttaprojekti, joka esittää Suomen maakunnat niiden tulvaindeksin perusteella. Tähän aineistoon tuli liittää järvisyys-tietokanta, johon oli kerätty tietoa maakuntien järvisyydestä.

Tulvaindeksi- ja järvisyyskarttaa tehdessä lisäsin luultavasti aluksi pylväisiin jonkin väärän datan, jossa kaikkien sarakkeiden sisältö oli tyhjä, minkä vuoksi lopullisten pylväiden viereen ilmestyi pienet väkäset:


Kuva 1. Hankaluuksia diagrammien kanssa.

Sain nämä viivat pois näkyvistä poistamalla kaikista pylväistä ääriviivat, mutta en osannut poistaa kyseisiä virheellisiä tietoja diagrammivälilehdeltä.

Valmiista kartasta tuli kuitenkin mielestäni melko selkeä, tosin pylväät eivät välttämättä ole selkein tapa esittää maakuntien järvisyysprosenttia.  (En myöskään jälkikäteen mietittynä ole varma, onko pylväsesityksessä kyseessä prosenttiosuudet vai jokin muu vertailutapa.)
Niiden avulla kuitenkin pystyy vertailemaan maakuntien välisiä eroja kiitettävästi. Käytän yleensä melko kauan aikaa karttojen ulkoasun hiomiseen, ja tässä kartassa yhtenäisen värimaailman tavoittelu vaikutti lopputulokseen siten, että järvisyyttä kuvaavat pylväät eivät välttämättä erotu kovin selkeästi kaikista tulvaindeksialueista.

Olisi myös ollut mielenkiintoista yrittää ympyrädiagrammien tekoa järvisyyttä kuvastamaan, mutta ajan säästämiseksi pysyttelin yksinkertaisissa pylväissä.


Kuva 2. Valmis kartta.

Lopullisesta kartasta voisi päätellä, että rannikkoalueiden vähäjärviset maakunnat ovat altteimpia tulville.

Kurssikerta oli mielenkiintoinen, ja opin taas hieman lisää myös karttojen ulkoasun hienosäätämisestä!

 

-Sarianna

 

Toinen kurssikerta: yksinkertaisia laskutoimituksia ja projektiovertailua

Toinen kurssikerta lähti hyvin käyntiin edelliskertaa parempien yöunien saattelemana: pysyin tahdissa mukana ja kaikki tuntui etenevän loogisesti ja selkeästi. Aivan lopussa putosin kuitenkin hieman kyydistä, ja päätin taas jatkaa kartat loppuun harjoituskerran jälkeen. Tallensin myös tekemäni karttatasot, jotta ne eivät katoaisi sulkiessani ohjelman. Palatessani viimeistelemään karttoja luulin kuitenkin kadottaneeni karttatasot ja ehdin jo säikähtää, että joudun tekemään kaiken alusta. Loppujen lopuksi tajusin onneksi tarkistaa lataamani karttatason attribuuttitiedot, joista löysin jo aiemmin tekemiäni laskelmia. Tallentamani karttatason avulla oli helppo luoda loput karttatasot, joita käytin harjoitellessani.

Tämä kurssikerta innosti minua erityisen paljon, sillä karttojen tekemiseen vaadittiin jo hieman matematiikkaa. Toki kyseessä oli yksinkertainen jakolasku, jonka tietokone suoritti alle sekunnissa, mutta sisäinen matikkaintoilijani heräsi silti tällaisen teknologian hyödyntämisestä. Aineistona käytimme kurssikertaa varten jaettua Suomen kunnat -paikkatietoaineistoa.

Kirjoittaessa tuntuu vaikealta selittää, mitä oikeastaan teimme, vaikka itse tekemisvaihe sujui melko yksinkertaisesti ja selkeästi. Alexander oli omassa blogitekstissään selittänyt selkeästi auki kaikki työvaiheet, ja pääsin sen avulla kätevästi alkuun omassa selostuksessani.

Kurssikerralla harjoittelimme yhdessä uusien karttatasojen luomista ja eri karttaprojektoiden vertailua ensin Robinsonin projektion avulla. Tarkoitus oli ilmeisesti käyttää myös Mercatorin projektiota, mutta jostain syystä Mercatorin projektio ei koskaan suostunut avautumaan omassa ohjelmassani, ja näkyviin tuli vain jokin virheilmoitus. Niinpä pysyttelin Robinsonissa ja muissa toimivissa projektioissa.


Kuva 1. Virheilmoitus yritettäessä vaihtaa projektionäkymäksi Mercatorin projektiota.

Aluksi harjoittelimme mittaustyökalun käyttöä sekä pituuksilla että pinta-aloilla. Vertailimme projektioiden eroja vaihtelemalla projektiota QGIS:n näkymän oikeasta alanurkasta.


Kuva 2. QGIS:n projektionäkymää voi vaihtaa kuvaan ympyröidystä kohdasta.

Karttaan luotujen pituusjanojen ja pinta-alojen avulla voitiin huomata eroja siinä, miten eri projektiot vääristävät oikeita pituuksia ja pinta-aloja. Tästä yksinkertaisesta tarkastelusta siirryttiin luomaan kokonaan uusia karttatasoja, joiden attribuuttitietoihin kerättiin “kerrostamalla” uusia pinta-alatietoja eri projektioista.


Kuva 3. Suomen kunnat -karttatason attribuuttitietoihin lisättyjä tietoja pinta-aloista ja pituuksista eri projektioissa.

Näiden eri projektioiden pinta-alojen vääristymiä suhteessa ETRS-TM35FIN -oletusprojektion pinta-aloihin voitiin vertailla jakamalla halutun projektion pinta-alatiedot TM35:n pinta-alatiedoilla. Tähän laskutoimitukseen käytettiin QGIS:n laskentatyökalua, joka laski sekunnin sadasosissa attribuuttitaulukkoon uuden sarakkeen, joka esitti vertailuarvot halutun projektion ja TM35:n välille. Nämä vertailutiedot voitiin esittää koropleettikarttana, jonka avulla on helppo tarkastella tietojen vääristymistä TM35-näkymään nähden.


Kuva 4. Robinsonin kokosuhde verrattuna TM35 -pinta-aloihin.

Tehtävänä oli jatkaa vertailuiden tekemistä itsenäisesti erilaisilla projektioilla. Kokeilin hieman arpomalla montaa erilaista projektiota, jotka näyttivät vääristävän Suomea eri tavoilla.

Alla olevassa kuvassa on Craster Parabolic -projektiosta luotu kartta, joka poikkeaa muista tekemistäni kartoista aika lailla. Myös itse projektio (alla) poikkeaa usein käytetyistä projektioista, joten ihmeelliset vääristymät eivät sinänsä yllätä. Vertailukartassa alueet näyttävät vääristyvän hieman epämääräisesti, kuitenkin jossain määrin pohjois-eteläsuuntaisina kaistoina.


Kuva 5. Craster Parabolic -projektion kokosuhde verrattuna TM35 -pinta-aloihin.


Kuva 6. Maapallo esitettynä Craster Parabolic -projektion avulla. (lähde: desktop.arcgis.com)

Seuraavaksi otin tarkasteluun Winkel Tripel -projektion, jossa vääristymä kasvaa selkeästi pohjoiseen mentäessä:


Kuva 7. Winkel Tripel -projektion kokosuhde verrattuna TM35 -pinta-aloihin.

Myös Liisa oli verranut Winkel Tripeliä TM35-projektioon, ja karttojemme legendat täsmäsivät toisiinsa, tosin Liisalla vaihteluvälejä oli hieman vähemmän kuin minulla.

Viimeinen tarkastelemistani projektioista oli ESRI:n The world from space -projektio, joka näyttää vertautuvan TM35 -pinta-aloihin siten, että vääristymä kasvaa luoteeseen siirryttäessä.


Kuva 8. The world from space -projektion kokosuhde verrattuna TM35-pinta-aloihin.


Kuva 9. The world from space -projektio näyttää jokseenkin tältä. (lähde: deviantart.com)

Pidin tästä kurssikerrasta erityisesti, ja tehtävät ovat tähän mennessä tuntuneet sopivan haastavilta: ei liian helpoilta eikä liian vaikeilta. Ensi kertaan! 🙂

-Sarianna

Lähteet ja viitteet

Alexander Engelhardt: Lesson 2. When a sacrifice pays off
Liisa Ahokas: Kurssikerta 2

Ensimmäinen kurssikerta: QGIS haltuun!

Hei!

Geoinformatiikan menetelmät 1 alkoi perjantaiaamuna 22.1. kahdeksalta. Olin pienimuotoisen torstain illanvieton jälkeen nukkunut vain viitisen tuntia, minkä vuoksi aamuinen herätys oli vaikea, kuten myös keskittyminen luentoon sen edetessä. Suhtauduin kurssin alkuun melko avoimin mielin, eikä minulla ollut siitä erityisiä ennakko-oletuksia. Olin myös saanut ladattua QGIS-ohjelmiston koneelleni ennen ensimmäistä luentoa. Tuolloin perjantaiaamuna luennon seuraaminen tuotti siis hankaluuksia, ja jossain kohtaa tajusin, että on parempi jos katson luentotallenteen paremmalla ajalla ja keskityn tekemiseen virkeämpänä. Pysyttelin kuitenkin mukana luennolla koko ajan.

Kun vihdoin pääsin paneutumaan aiheeseen, huomasin, että tämä onkin ihan mukavaa! Olen ajatellut, ettei geoinformatiikka erityisemmin kiinnosta minua, vaikka olenkin siinä ihan hyvä ja välillä vähän turhankin pikkutarkka. Tiedän kuitenkin sen tosiasian, että GIS:in perustyökalut on hyvä ja tarpeellista hallita – päätyi maantieteessä tekemään sitten mitä tahansa. Tajusin, että voin muuttaa asennoitumistani GIS-juttuihin: saatan sittenkin tykätä tästä! Kunhan teen tehtävät ajallaan ja luentojen kanssa samassa tahdissa, eivät ne toivon mukaan jää roikkumaan niin pahasti kuin niillä yleensä on tapana.

Ensimmäinen harjoitustehtävä

Luentoa oli helppo seurata ja varsinkin tallenteen avulla on kätevää palata niihin kohtiin, joista jäi jotain epäselvyyksiä. Vaikka aineiston käsittely tuntuu välillä kinkkiseltä, on se yllättävän yksinkertaista ja loogista. QGIS:ssä on ihanan helppoa lisätä karttoihin esimerkiksi legenda, mittakaava ja pohjoisnuoli.

Ensimmäisellä luennolla käytimme kartan luomiseen aineistona tilastoa, jossa on laskettu Itämerta ympäröivien maiden osuus Itämeren typpipäästöistä valtioittain. Kartan teko oli oikeastaan melko simppeli juttu, kun etenin luennon kanssa samassa tahdissa ja keskityin kunnolla. Eniten käytin aikaa kartan visuaalisen puolen säätelyyn. Kuten Villekin
mainitsi postauksessaan, eri karttatasojen ääriviivat toivat kartalle turhaa sälää. Esimerkiksi järvet herättivät tarpeellista enemmän huomiota ääriviivojen kanssa, ja päädyinkin piilottamaan nämä kokonaan valmiista karttanäkymästä. Lopulliseen karttaan olen tyytyväinen, siitä tuli selkeästi luettava ja siisti.


Kuva 1. Osuus Itämeren typpipäästöistä valtioittain (%, 2015)

Kotitehtävä

Kotitehtävänä oli tehdä jokin oma kartta kolmesta eri vaikeustasosta, joista valitsin ensimmäisen eli yksinkertaisimman, ja tehtävä osoittautuikin melko helpoksi. En selkeästi ollut ainoa, sillä muiden blogitekstejä lukiessa moni muu oli päätynyt samaan valintaan.

Aineistona käytin Moodlesta löytynyttä Suomen kunnat -karttatasoa, jonka attribuuttitiedoista päädyin luomaan kaksi karttaa: toisen, joka näyttää yli 65-vuotiaiden osuuden kuntien väestöstä ja toisen, joka kuvaa 0-14 -vuotiaiden osuutta kuntien väestöstä. Karttoja tarkastelemalla voi erottaa Suomen kartalta ne kunnat, joissa lapsia on muuhun väestöön nähden eniten, ja kunnat, joissa vanhempaa väestöä on paljon. Ensimmäisen kartan perusteella voi todeta, että Suomessa on peruskouluikäistä nuorempia lapsia melko suuri osa väestöstä ainoastaan Oulun seudulla, mutta suurimmassa osassa Suomea lasten osuus väestöstä on melko pieni. Toki prosenttiosuuksien vaihteluvälit ovat melko pieniä, joten erot kuntien välillä eivät todellisuudessa ole kovin radikaaleja. Jäin myös miettimään, tuliko karttoihini jokin virhe, sillä molemmissa kartoissa legendan prosenttiosuudet ovat samat, vaikka mitattava asia on eri. Tajusin tämän kuitenkin vasta karttojen valmistumisen jälkeen, enkä enää palannut muuttamaan niitä.


Kuva 2. 0-14 -vuotiaiden osuus kuntien väestöstä vuonna 2015 (%)

Toisessa kartassa erottuvat selkeästi ne alueet, joilla yli 65-vuotiaita on suurempi osa kunnan väestöstä. Alueet näyttäisivät nopeasti katsottuna olevan suurempien kaupunkikeskusten väliin jääviä alueita sekä moni kunta Itä-Suomen ja Koillismaan alueelta.


Kuva 3. Yli 65-vuotiaiden osuus kuntien väestöstä vuonna 2015 (%)

Tällaisten karttojen tekeminen oli mukavan helppoa ja mielenkiintoista, sillä aineistot ja komennot olivat vielä toistaiseksi melko yksinkertaisia. Tekisi melkeinpä mieli viettää aikaa enemmänkin karttojen käsittelyn parissa, mutta nyt on kuitenkin hyvä pitää vähän taukoa ja odottaa seuraavan kurssikerran uusia haasteita!

-Sarianna

 

Lähteet

Väisänen, Ville:
https://blogs.helsinki.fi/villvais/2021/01/23/qgis-hommat-tulille/