Hvordan (fortsette) å lære mer GIS?

Jeg har undervist mye i GIS-fag. Her om dagen fikk jeg spørsmål fra en tidligere student om hvordan hen kunne fortsette å lære seg mer GIS etter introkurset vi tilbyr på samfunnsgeografi.

Vel, her er svarene jeg ga ham, og litt til som jeg kom på i etterkant.

Jevnlig basis

Det aller viktigste er at du bare gjør noe med GIS på jevnlig basis. Åpner du et GIS-program minst en gang i uka og leker deg med å prøve å lage et fint kart eller prøve et nytt type verktøy eller analyse i bare 15 eller 30 min, så vil du automatisk bli bedre i GIS.

For studenter: Har du oppgaver i andre fag/emner hvor du kan bruke GIS? Enten til å gjøre en hel analyse (f.eks. om segregering i byfag) eller bare et oversiktskart? Do it!

ESRI-KURS

Er du (fortsatt) student? I så fall bør du be den nye GIS-ambassadøren til Geodata på UiO, eller ditt studiested, om å få en ArcGIS-lisens hvor du også får gratis tilgang til alle online-kursene til ESRI, selskapet som står bak ArcGIS. Og hvis du ikke vet, dette er ting som koster myyye penger hvis du ikke er student.

GIS-ambassadør: https://geodata.no/artikkel/gis-ambassador-ved-ditt-studiested 

ESRI-kurs: https://www.esri.com/training/catalog/search/

Det er latterlige mange kurs hos ESRI, som dekker alle mulige aspekter av GIS, og de er relativt korte.

PENN UNIVERSITY

Penn University i USA har utrolig mange GIS-kurs online, hvor de har gjort mye materiale tilgjengelig for alle:

Oversikt over fag: https://geospatial.psu.edu/the-experience/course-catalog

Eksempel på innhold i ett fag: https://www.e-education.psu.edu/geog486/node/808

TWITTER OG #30DayMapChallenge

Twitter er et sted jeg følger veldig mange kart- og GIS-folk. Med både mye inspirasjon og mange guider. Hvis du følger alle her, så vil du definivt lære deg mye GIS:

https://carto.com/blog/twitter-guide-2018/

Eller så har det blitt en årlig tradisjon på twitter, i November, med #30DayMapChallenge, hvor du må lage et kart hver dag i november, men med forskjellige forhåndsbestemte temaer for hvert kart. Det er imidlertid ingenting som stopper deg fra å prøve deg på noen av utfordringene nå. Her kan du lese mer om det:

https://30daymapchallenge.com/

Litt beslektet til Twitter, er at ESRI-kartograf John Nelson har en YouTube-kanal hvor han kommer med små ettminuttsvideoer om litt overflødige, men samtidig veldig kule hacks for å få til kule effekter i ArcGIS Pro.

https://www.youtube.com/c/JohnNelsonMaps

HOBBY-PROSJEKT

Litt beslektet med mitt første tips, men mitt siste tips er at du finner et eller annet hobbyprosjekt som har noe med GIS å gjøre. Jeg har blitt god i GIS først og fremst fordi jeg har hatt det som hobby siden jeg tok SGO1910, innføringsfaget i GIS på samfunnsgeo.

Selv har jeg f.eks. prøvd å lage kart av data/statistikk jeg synes er interessant, som valgresultater eller sosioøkonomiske forskjeller i Oslo. Det som hjalp meg til å pushe meg selv, er at jeg la mye av det ut på denne bloggen!

En sånn blogg er forøvrig veldig fin å ha som portfolio når du søker på jobber! Selv om få andre ser på den.

Og sånn som i år, så skal jeg prøve å lage kart over nabolagene der familien min bor, som jeg kan ramme inn og gi i julegave til dem.

Aldersfordeling- og mengde i Norges fylker (i et mosaikk-diagram)

Klikk for å se (hakket) større.

Når vi sammenligner forskjellige grupper, steder eller hva det måtte være statistisk, så er det gjerne en av to ting vi snakker om. Bor det flere eldre i et fylke som Nordland enn i Oslo, eller er det en større andel eldre i Nordland enn i Oslo.

Jeg er glad i andeler, som er en form for relativ verdi. Andelen eldre er stor eller liten i forhold til (relativt til) den totale befolkningen i fylket. Antall eldre er ett, absolutt tall. Det tallet forandres ikke noe av hvor stor resten av befolkningen er.

Hvorfor babler jeg om dette? Jo, fordi man stort sett må velge å vise enten relative eller absolutte verdier når man lager en graf om noe.

Med såkalte mosaikk-diagram kan man imidlertid vise begge deler!

Mosaikk-diagram, er ikke så ulike stablete søylediagram som summerer til 100 prosent. I slike søylediagram er vi vant til at høyden på søylene og søylebitene angir en verdi. I et mosaikk-diagram kan i tillegg bredden på søylene bety noe.

I tilfellet mitt kan det være litt forvirrende å snakke om bredde og høyde, for jeg har lagt diagrammet mitt på siden, så du skal slippe å snu på hodet for å lese fylkesnavnene. I mitt tilfelle viser bredden på søylebiten hvor stor andel den aldersgruppen utgjør av befolkningen i hvert fylke. I Oslo er søylebiten for voksne (20-64 år) bredere enn i Trøndelag fordi en større andel av befolkningen i Oslo (66,3 %) er voksne enn i Trøndelag (59 %). 

I tillegg viser høyden på søylene hvor  mange som bor i hvert fylke, uavhengig av aldersfordelingen. Høydeforskjellen mellom søylene til Viken og Vestland viser for eksempel at dobbelt så mange bor i Viken som i Vestland. Dette gjør at arealet på senior-rektangelen angir hvor mange eldre som bor i hvert fylke.

Vi kan for eksempel se nå at hvis du møter på 100 tilfeldige mennesker på i Innlandet, så er det mer sannsynlig at du møter på en over 65 år enn hvis du møter på 100 tilfeldige mennesker i Oslo. Rett og slett fordi en større andel av befolkningen i Nordland er 65 år og eldre enn i Oslo.

Men, vi kan også se at  det bor flere eldre mennesker i Viken enn i Nordland, selv om prosentandelen er lavere, rett og slett fordi det bor mye mer folk i Viken i utgangspunktet. Generelt, legg merke til hvor mye høyere Viken er enn alle andre fylker ...

Et par siste ting om valg i denne grafen. Jeg valgte at andelen eldre skulle stå i sentrum. Derfor rangerte jeg alle fylkene etter andelen eldre. I tillegg ga jeg denne aldersgruppen en mye sterkere farge enn de andre aldersgruppene. Gulaktige farger er ekstremt effektive til å fremheve noe fordi de kan være både lyse og sterke (mette/saturated) samtidig. Samtidig knotet jeg en del med fargehjulet til Adobe for å finne dempede farger som samtidig fungerer bra med denne gulfargen. Jeg valgte også å ikke angi verdier for hvor mange som faktisk bor i de forskjellige regionene, rett og slett fordi jeg ikke vil oversvømme grafen med altfor mange detaljer.

Når det gjelder arbeidsgangen, så lagde jeg først grafen i statistikkprogrammet R, hvor jeg også lastet ned statistikken fra SSB. Koden kan du se under. Deretter eksporterte jeg en svg-fil til Inkscape – som er et veldig habilt gratisalternativ til Adobe Illustrator – og gjorde en god del estetisk finpuss der. Svg-fil er viktig, for det betyr at alle enkeltelementene i grafen er redigerbare vektorer og kan flyttes og endres på i Inkscape. Jeg kunne nok tatt meg av mye mer av den estetiske finpussen i R, men var litt gøy å bare knote i Inkscape. Lenge siden jeg har gjort den type grafisk arbeid.

Realistiske fjellskygger (i Jotunheimen) med Blender

Klikk for å se større. Datakilder: Statens kartverk

Jeg vet at dette ikke er det første kartet jeg har lagt ut av Jotunheimen. Poenget er at når jeg vil teste ut eller leke meg med terrengdata, så ender jeg som regel opp med å bruke dette høydedatasettet.

Hva er det jeg har testet ut her? Å lage fjellskygger (også kjent som hillshade på godt norsk) med programmet Blender.

Blender er i utgangspunktet et åpent og gratis program som brukes til å lage 3D-modeller og animasjon. Jeg har aldri rørt det fordi 1) det har aldri virket superrelevant for meg, og 2) at det virker så uhorvelig omfattende og komplisert.

Men i det siste har jeg sett stadig flere kartografer som har brukt Blender til å lage fjellskygge, altså å få fram skyggene og solflatene i et terreng. En viktig grunn til å bruke Blender, er at det gjengir solstråler og lyseffekter veldig bra.

Og jeg fant en supervennlig tutorial, skrevet av Daniel Huffman, som gjorde det overraskende enkelt for meg å få. I tillegg gjorde jeg litt etterarbeid i Photoshop for få til "sluttproduktet"

Klikk for å se større.

I kartet over har jeg smeltet sammen areldekke fra kartverkets N1000-kartserie. Her er imidlertid fjellskyggen slik Blender spyttet den ut.

Klikk for å se større.

Arealdekket med vann, vegetasjon osv. hadde jeg forberedt i ArcGIS Pro. Jeg la de to lagene oppå hverandre i Photoshop og brukte blending mode multiply (vær så snill og ikke be meg om å fornorske det).

Klikk for å se større

Jeg syntes imidlertid at det var litt mørkt – legg merke til at den opprinnelige fjellskyggen har en mellomgrå tone som lyseste fargetone – så jeg brukte kurve-verktøyet i Photoshop til å lyse opp de lyseste fargetonene litt mer.

Klikk for å se større

I tillegg ville jeg varme opp bildet litt. Den kalde tonen stemmer kanskje bedre overens med den norske fjellheimen, men det får så være. Et varmt fargefilter er lagt på topp, i tillegg er de lysere fargene blitt mer varme (gule) og de mørke blitt kaldere (blåe), for å få en fin og effektiv dynamikk (dette er kartet øverst).

Klikk for å se større

Jeg ble litt nysgjerrig på hva all etterbehandlingen i Photoshop gjorde med fjellskyggen, uavhengig arealdekket, og jeg må si at jeg liker effekten. Her ser du også tydligere at jeg gjorde skyggene kaldere og solflatene varmere. Langt mer innbydende og dynamisk (må passe på ikke å bruke det ordet for ofte) enn den opprinnelige fjellskyggen som er i rene gråtoner. Det sagt, kunne sikkert fått til denne effekten i Blender i utgangspunktet.

Kartogram: Stå "stor" er Norges befolkning

Datakilder: Kartverket og SSB

Jeg hører til blant dem som bruker kart til å si noe om folk. Problemet er at kart sier ikke i utgangspunktet noe om folk, de sier noe om steder.

Så når du viser et kart med Norges fylker, unnskyld, regioner, så er arealet som regel det første du legger merke til. Du registrerer, for eksempel, at Finnmark er mye større enn Oslo i areal.

En typisk måte å få kartet over regioners areal til å vise noe om befolkningen som bor i regionene på, er å bruke farger. Mørke, kraftige (mettede) farger betyr høye verdier. Lyse, vasne farger betyr lave verdier.

Farger er effektivt, farger er bra. Men menneskehjernen er skrudd sammen slik at vi fortsatt tenker at størrelse er viktig. Vi tilegner naturlig et stort område større verdi enn et mindre område. Store områder, som Finnmark, blir fort tilegnet mer vekt, betydning og oppmerksomhet enn Østfold, uten at det er noen god grunn til det. Kan vi gjøre noe med det?

Ja, vi kan lage et kartogram. I et vanlig kart bestemmes størrelsen på områdene (det jeg gjerne kaller de romlige enhetene), f.eks. regioner, av landarealet til områdene. Dette er en såpass stor selvfølgelighet at du fort må lese den setningen om igjen for å fange opp hva den egentlig betyr. Med et kartogram lar vi noe annet enn arealet bestemme størrelsen på områdene.

Som befolkningsmengden. Oslo har mer enn dobbelt så stor befolkning som Tromsø-Finnmark. Altså burde Oslo se dobbelt så stort ut.

Reiser virkelig flere med kollektivtransport?

Klikk for å se større.

En ganske selvforklarende og enkel graf. Statistisk sentralbyrå (SSB) har noen lignende grafer, som også viser at antall passasjerer med kollektivtransporten øker. Problemet med de grafene er at de viser antall kollektivreisende i absolutte tall, og tar ikke høyde befolkningsveksten. Selv om det er flere som reiser med kollektivtransport, så kan det i så fall være en lavere andel som reiser med kollektivtransporten.

Grafen over her tar høyde for det, og den viser at andelen som reiser med kollkektivtrqansport øker. Nå er det imidlertid to ting jeg må bemerke.

For det første, så ble metoden for å registrere kollektivpassasjerer endret i 2017 blant mange av kollektivtransportsøknadene, ifølge SSB. Vi bør altså ikke legge for mye inn i tolkningen av 2017 og 2018 sammenlignet med tidligere år.

For det andre, så behøver det ikke nødvendigvis å være flere enkeltpersoner som har begynt å reise. En passasjer er i denne sammenheng én påstigning, altså bør det tolkes mer som enkeltreiser. Med andre ord er det antall reiser som har økt.

Min egentlige motivasjon for å lage denne grafen var å bli bedre kjent med å bearbeide utseendet til grafen, når jeg lager den med ggplot2-pakken i R. Ggplot2 og R er utrolig fint til å lage grafer med, og det er ganske enkelt å velge mellom en del forhåndsdefinerte utseender (vil du ha Economist-stil på grafen din? Bare å skrive inn et ord i syntaksen din).

Under er koden min. Det fine med denne koden er at den henter statistikken direkte fra SSBs API, ved hjelp av PxWebApiData-pakken, som visstnok brukes til å kommunisere med en god del offentlige statistikkbanker i Europa og det som måtte være.