Salla-Sofia's blog

Blogini on valmis!

Seitsemännen eli viimeisen kurssikerran tarkoituksena oli hakea itse omat aineistot sen sijaan, että ne oltaisiin annettu meille valmiiksi. Valitsin tehtävänannosta vaihtoehto 1, jossa tuli esittää vähintään kaksi muuttujaa kartalla. Aineistojen haku tuotti vaikeuksia heti alussa. Halusin karttani liittyvän Yhdysvaltoihin, joten lähdin etsimään valtion rajoja. Ne ja väestöntiheys löytyivätkin melko helposti DIVA GIS -sivustolta, jota myös esimerkiksi Nelli Junttila on käyttänyt karttoihinsa. Muun datan löytäminen olikin sitten hankalampaa. Olisin halunnut löytää tiedoston Yhdysvaltojen vesivarannot ja löytää ehkä jonkinlaisen yhteyden niiden ja väestön asettumisen väillä. Toinen vaihtoehto olisi ollut etsiä maan luonnonvaroja esittävän aineiston ja verrata siihen väestön sijoittumista. Luovutin monen tunnin etsintöjen jälkeen ja päätin turvautua tunnilla esitettyihin aineistoihin ja tehdä niistä itselleni kartat.

Kävin korvaamassa keskiviikon tunnin perjantain ryhmässä tällä kertaa kuitenkin lakon takia. Vaikka olin ja ladannut luennoilla käytetyt valmiit aineistot itselleni, päätin kuitenkin vielä yrittää etsiä aineistoa USA:n karttaan. Löysinkin jo ensimmäisten kymmenen minuutin aikana kuivuutta kuvaavia aineistoja monen vuoden ajalta. Yllätyin, kuinka kivuttomasti aineistot olivat löytyneet, vaikka olin etsinyt niitä aikaisemmin monen tunnin ajan. Vaikkei aineisto kuvaakaan vesivarantoja, niiden välillä on selvä yhteys. Sen takia olenkin erittäin tyytyväinen löytämiini aineistoihini.

Kartoissa (kuva 1, 2 ja 3) keltaisella on esitetty kuivuudesta kärsivät alueet. Aineistot ovat vuosilta 2000, 2010 ja 2017 ja ne sijoittuvat päivämääriltään elokuun alkupuolelle (1. ja 3. päivä). Vaikka kartat ovat samoilta päivämääriltä niiden kuivuudesta kärsivät alueet sijaitsevat aivan eri alueilla. Yhtenäisyyttä löytyy kuitenkin Yhdysvaltojen keski- ja länsiosista. Samoin mantereen Itärannikolta. Olisi luullut, että kuivuus olisi lisääntynyt ilmaston lämpenemisen vuoksi, mutta ehkä pahin kuivuusjakso (näiden karttojen perusteella) on ollut vuonna 2000. Vuonna 2010 kuivuus on vähentynyt ja taas vuonna 2017 lisääntynyt. On kuitenkin todella vaikea lähteä näiden yksittäisten vuosien perusteella analysoimaan kuivuuden kasvua tai vähentymistä Yhdysvalloissa.

 

 

Ilmastonmuutos on pahin kuivuustilannetta edistävä tekijä niin Yhdysvalloissa, kuin muuallakin maailmassa. Ilmaston lämpenemisen vuoksi sademäärät laskevat ja haihdunta kasvaa. Kaliforniassa vuonna 2014 julistettiin hätätila kuivuuden vuoksi, mikä kesti vuoteen 2017 asti. (Yle, 2017) Sekä USA:n keskilännessä ja lounaisosissa odotetaan 80 % todennäköisyydellä, että vuosisadan lopulla esiintyy 35 vuoden pituisia kuivuusjaksoja, jos ilmastonmuutos pysyy entisellään. (BBC, 2015)

Olen erittäin tyytyväinen karttoihini ja siihen, että jaksoin etsiä vielä luovuttamisenikin jälkeen sopivat aineistot. Erityisen tyytyväinen kartoissani olen niiden visuaaliseen ilmeeseen. Kuivuutta kuvaan keltaisen värin olisin voinut näin jälkeen päin mietittynä vaihtaa vaikka violetiksi. Silloin se ei olisi hukkunut populaatiota kuvaavaan väriin. Ehkä eniten kartan teossa jäi harmittamaan esimerkiksi nimistön sekä jokien puuttuminen. Joet olisivat myös vesistöjen tavoin voineet hahmottaa enemmän kuivuuden syitä. Lisäksi, jos hakemani aineistot olisivat olleet samaa tietokantaa, olisin halunnut yhdistellä, laskea ja vertailla eri vuosien kuivuusalueille jääneiden ihmisten lukuarvoja. Näin olisi voinut miettiä, minkä vuoden kuivuus on todellisuudessa aiheuttanut eniten esimerkiksi taloudellista harmia.

Viimeisin luentokerta oli mielestäni hyvä lopetus koko kurssille, sillä siinä tuli sovellettua kaikkea jo opittua. Seitsemännen kerran vaikean vaihe ei välttämättä jäänyt aineistojen etsimiseen, vaan siihen kuinka saada muokattua kerätty data yhtenäiseksi ja ulkonäöltään siistiksi ja ymmärrettäväksi. Kaiken kaikkiaan kurssin aikana tuli opittua todella paljon uutta! 😊

 

Lähteet:

 Yle, Kaliforniassa historiallinen kuivuus on julistettu loppuneeksi (2017) https://yle.fi/uutiset/3-9554768 Viitattu 4.3.2018

BBC, US ’at risk of mega-drought future’ (2015) http://www.bbc.com/news/science-environment-31434030 Viitattu 4.3.2018

Junttila, Nelli. 7. Kurssikerta: Oman kartan laadinta, https://blogs.helsinki.fi/junelli/ Viitattu 4.3.2018

Aloitimme kuudennen kurssikerran 45 minuutin ulkoilusessiolla. (Oli muuten kylmä!) Keräsimme itse dataa Epicollect5 -sovelluksen avulla erilaisten tilojen tai alueiden viihtyisyydestä ja turvallisuudesta. Kerätyt pisteaineistot koottiin yhdeksi ja niistä tehtiin kartta, joka havainnoi värein paikan viihtyisyys- ja turvallisuusastetta.

Tehtävän jälkeen harjoittelimme vielä interpolointia. Valitsimme haluamamme korttelin Helsingin alueelta ja arvioimme StreetView -toiminnan avulla asteikolla 1-5 kuinka paljon kyseisellä paikalla oli liiketilaa tai kaupallisia kiinteistöjä. Liisa Niemen blogissa voidaan nähdä valmis kuva Etu-Töölön alueen kaupallisuudesta. Edellä mainitut tehtävät osoittautuivat hyvin helpoiksi ja mukaviksi tehdä. Varsinkin ensimmäisessä harjoituksessa kiinnosti juuri oman aineiston tuottaminen ja datan havainnoiminen kartalle.

Seuraavaksi meidän tuli valmistaa maanjäristys-, tulivuori- ja meteoriittiaineistoja käyttäen kolme kartta esitystä. Sain tunnilla tehtyä ensimmäisen karttani ja loput jäivätkin sitten kotiin. Kartan teko oli helppoa, kerrankin. Aloitin innolla karttojen tekemisen kotona, mutta jotain oli unohtunut, sillä en saanut tuotua aineistoja QGis ohjelmaan. Tovin säädön jälkeen sain onnekseni rastitettua ruudun oikeaan paikkaan, joka mahdollisti longitude ja latitude aineistojen arvot näkyviin.

Halusin havainnollistaa karttoihini eri vuosilta ja eri voimakkuuksia olevia maanjäristyksiä. Lisäsin vielä karttaan 2 ja 3 tulivuorten esiintymisiä. Kuvassa 1 voi nähdä vuosilta 2017, 2010 ja 2002 eteenpäin esiintyviä kaiken suuruisia olevia maanjäristyksiä, aivan pienempiäkin. Kartasta näkee hyvin maanjäristysten sijoittumisen. Jälkeenpäin mietittynä olisin vaihtanut eri voimakkuuksiltaan olevat luokat eri värisiksi, sillä nyt niitä on ehkä hieman vaikea erottaa toisistaan. Kuvassa 2 on esitetty 1900-luvulta lähtien 8 magnitudin maanjäristykset ja kuvassa 3 on yli 8 magnitudin järistykset vuodesta 2010 lähtien. Vuodesta 2010 niitä onkin ollut vain 8! Molemmissa jälkimmäisessä kartassa keltaisella voi erottaa tulivuorien sijoittumisen ja ehkä miettiä, miksi juuri suurimmat järistykset ovat tapahtuneet siellä missä ovat. Mielestäni karttani onnistuivat hyvin ja ovat sopivan informatiivisia. Unohdin kahdesta viimeisestä kartasta pohjoista osoittavan merkin pois, mikä harmittaa, mutta onneksi ne ovat kuitenkin vain pieniä puutteita.

Maanjäristyksiä esiintyy eniten mannerlaattojen reunavyöhykkeillä. Näillä alueilla sijaitsee myös suurin osa tulivuorista. Tulivuorten sijainnin kautta voidaan siis myös määrittää suurin piirtein mannerlaattojen rajat. Olisin voinut myös näin jälkikäteen ajateltuna lisätä karttoihini mannerlaattojen rajat. Maanjäristykset syntyvät laattojen liikkeistä aiheutuvista jännitystiloista, jotka sitten purkautuvat yhtäkkisinä järistyksinä. Maanjäristykset voivat syntyä myös ihmisten aiheuttamista räjäytyksistä tai esimerkiksi maahan iskeytyvistä meteoriiteista (Vergano 2015 ).

Löysin samaisen kartan (kuva 4) kuin Emmi Hagelberg, mikä mielestäni havainnoi hyvin maanjäristysten sekä tulivuorten sijaintia ja niiden keskinäistä yhteyttä. Huomaan nyt kuitenkin, että esimerkiksi kartoissani 2 ja 3 tulivuorten sijainti on paljon laajempaa kuin kuvassa 4. Syynä voi kuitenkin olla kuitenkin vain esimerkiksi tulivuorten sijainnin yleistäminen tai sitten se, että karttaan on käytetty vain aktiivisten tulivuorten sijaintia. Mielestäni olen onnistunut hyvin tekemissäni kartoissa. Opetuskäyttöön tarkoitettu kartta tulisi olla mahdollisimman selkeä ja virheetön, mutta aina tämä ei kuitenkaan onnistu. Oppilaiden oppimista voisi lisätä myös karttojen kriittisen vertailun ja arvioimisen avulla. Esimerkiksi myös Eveliina Sirolan havaitsema tulivuori, joka näkyy sijoittuvan Ruotsiin, on aivan väärässä paikassa. Virheen löytäminen usein motivoi ja opettaa katselemaan myös muita aineistoja tai tietokantoja kriittisemmin.

 

Lähteet:

Niemi, Liisa. 6. Kurssikerta: kaupallisuudesta ja luonnonhasardeista mittakaavavirheisiin, https://blogs.helsinki.fi/nliisa/ Viitattu 26.2.2018

Hagelberg, Emmi. Kuudes kurssikerta: pisteaineistoa, https://blogs.helsinki.fi/hagemmi/ Viitattu 26.2.2016

Sirola, Eveliina. Kurssikerta 6: Pakkassäässä reippailua ja pedagogisia karttasarjoja, https://blogs.helsinki.fi/evsirola/ Viitattu 26.2.2018

Vergano, Dan. (2015) National Geographic,  http://natgeo.fi/luonto/maanjaristys/mista-maanjaristys-syntyy Viitattu 26.2.2018

Kuva 4. http://www.mvnet.fi/index.php?osio=Tutkielmat&luokka=Lukio&sivu=GE3_-_Endogeeniset_hasardit Viitattu 26.2.2018

 

Viidennen kurssikerran jouduin korvaamaan keskiviikon poissaolon takia perjantai aamusta. Olin helpottunut huomatessani, että luennolla oli tilaa. Kyseinen kurssikerta jännitti myös siitä syystä, että aiheen oli ongelmanratkaisu ja ohjeiden kautta opettelemisen sijaan tuli siis käyttää omaa päätään. Tunti aloitettiin käymällä yhdessä uutta toimintoa, nimittäin bufferointi eli puskurointi työkalua. Aloitimme käyttämällä kyseistä toimintoa Pornaisten kaupunkiin. Bufferin käyttäminen ei ollut hankalaa ja uskoinkin, että kyseisestä kerrasta olisi tämän perusteella tulossa melko onnistunut.

Itsenäistehtävässä pääsimme tosi toimiin. Heti tehtävän alussa tunsin, että tunnista olisikin tulossa haastavampi, mitä aluksi luulin. Alun lämpenemisvaikeuksien ja mietiskelyjen jälkeen löysin tarvitsemani työkalut ja itselleni sopivan vauhdin työn tekemiseen. Tehtävä Malmin lentokentän melualueesta jatkui Helsinki-Vantaa lentokentän samaiseen määrittämiseen. Lähdin luennolta tyytyväisin ja iloisin mielin, sillä tunsin saaneeni tehtyä tunnin aikana jo melko paljon aikaiseksi.

Kotona todellisuus iski päin kasvoja: melkein heti itsenäistehtävään 2 mennessä olin jo aivan pulassa. Tehtävän alku sujui hyvin, mutta tehtävän loppuosa eli koululaisten sekä ulkomaalaisten osuus tuotti suuria vaikeuksia. Luennoilla käydyt opit eivät siis tämän perusteella ole jääneet kovin hyvin mieleen. Selviydyin jotenkuten tehtävän loppuun asti, jonka jälkeen valitsin 3-5 tehtävistä itselleni aiheeksi uima-altaat ja saunat. Kamppailin kyseisen tehtävän kanssa monta tuntia. Näiden tuntien sekä lukemattomien hermoromahduksien jälkeen, uskoni GQIS:in lopahti täysin. Olin ajatellut hallitsevani ohjelman käytön paremmin, mutta kyseisen tehtävän aikana ilmeni, että ohjelman käyttöä tulisi todella harjoitella tulevaisuudessa paremmin

Tulokset kokosin Excelillä taulukkoon (taulukko 1). Luulen, että saamani vastaukset ovat oikeaan suuntaan, sillä vertasin niitä esimerkiksi Meri Suppulan saamiin tuloksiin, jotka ovat hyvin lähellä omiani.

Pääkaupunkiseudun uima-altaat ja saunat -tehtävässä tuli tehdä vielä kartta uima-altaiden sijoittumisesta alueella. Kartta uima-allasrikkaimmista alueista ei kuitenkaan ottanut onnistuekseen. Yritin tehdä karttaa lukemattomia tunteja, mutta en saanut millään onnistumaan uima-altaiden lukumäärää kuvaavia pylväitä. Sen sijaan tein kartan (kuva 1), jossa pisteillä on kuvattu erikseen kunkin uima-altaan sijaintia. Kartta ei ole sellainen, mitä sen olisi pitänyt, mutta halusin kuitenkin saada jotain konkreettista tehtyä ja tarkastella saatuja tuloksia. Kartassa näkyy kuinka uima-altaat ovat sijoittuneet Helsingin kantakaupunkiin eli kaikista vanhimmille alueille. Ehkäpä juuri talot näillä alueilla ovat rakennettu sellaisena vuosikymmenenä, jolloin uima-altaat olivat muodissa, kuten Elli-Nora Kaarto hyvin blogissaan kirjoittaa.

Kurssikerta tuntui kaikista haastavammalta tähän mennessä. Tunnilla opeteltu bufferointi työkalun käyttö oli mielestäni melko helppoa ja sen käyttö onnistui hyvin. Puskurityökalua voidaan siis käyttää etäisyyksien ja lukumäärien laskemiseen ja näiden soveltamiseen. Koen, että tarvitsen vielä rutkasti harjoitusta QGIS:in parissa näiden tehtävien perusteella. Olen kuitenkin näiden kurssikertojen aikana oppinut todella paljon, joten en siis voi väittää, ettenkö mieleen olisi jäänyt mitään. Tästä on suunta kuitenkin vain ylöspäin!

 

Lähteet:

Kaarto, Elli-Nora. 5. kurssikerta: Altaita ja arviointia, https://blogs.helsinki.fi/elkaelka/ Viitattu 25.2.2018

Suppula, Meri. 5. kurssikerta – Vaihtelevia tuntemuksia bufferoinnin lomassa, https://blogs.helsinki.fi/merisupp/ Viitattu 25.2.2018

Tämän kerran aiheena olivat piste- ja ruutuaineistot sekä rasterikartat. Luennon alussa kerrottiin kuinka pisteaineistoilla pystytään keräämään tietoa melkein mistä kohteista tahansa, kuten taloista tai eläinhavainnoista. Pisteaineiston keräämisessä voidaan käyttää laserkeilausta, mikä onkin kaikkein tarkin aineiston mallintamismuoto. Sen tarkkuus liikkuu jopa kymmenissä senttimetreissä. Laserkeilaamalla voidaan myös esimerkiksi kuvata maastoa, rakennuksia tai kasvillisuutta. Jotta aineistosta saataisiin mahdollisimman tarkka ja informatiivinen on siitä puhdistettava esimerkiksi ihmiset ja autot. Ruutuaineisto taas on tehokas tapa kerätä alueellista tietoa, mutta haittapuoleksi muodostuu aineistojen kallis hinta.

Aloitimme tuttuun tapaan purkamalla kartan tekemiseen tarvittavan aineiston. Tuotujen karttatasojen päälle tehtiin 1 km x 1 km ruudukko. Karttaan tuotiin ruotsinkielisten asukkaiden lukumäärät pääkaupunkiseudulla. Eri karttatasojen tietoja yhdisteltiin Join attributes by location toiminnolla sekä MMQGIS lisätyökalulla. Itse pidin ensimmäisestä työkalusta paljon enemmän, sillä MMQGIS:in heikkoutena oli sen hitaus. En saanut valmiiksi tunnilla yhdessä tehtyä ruutukarttaa. En valinnut ruotsinkielisten osuutta koko väestöstä omaan karttaani, minkä vuoksi omassa kartassani kuvaan yli 60-vuotiaiden eli eläkeiän kynnyksellä olevien sijaintia pääkaupunkiseudulla. Huomasin myös, että esimerkiksi Eveliina Sirola oli käyttänyt samaa aineistoa.

Kartan ruudut ovat 750 m x750 m kokoisia. En halunnut käyttää liian pieniä ruutuja, sillä muuten aineistosta olisi tullut epäselkeä. Toisaalta kun karttaa katsoo nyt jälkeenpäin (kuva 1) voin todeta, että suurempi ruutu koko olisi voinut parempi. Saman asian huomasivat myös Marita Selin, Sini Virtanen sekä Emmi Hagelberg. Kartalta voi nähdä kuinka suurin osa yli 60-vuotiaista asuu pääkaupunkiseudun etelä-, koillis-, kaakkois-, luoteis-, sekä keskiosissa. Pohjois-, luoteis- eikä länsiosissa näy juurikaan asutusta. Yli 60-vuotiaiden poissaoloon voi olla syynä ihan vain asutuksen vähäisyys tietyllä alueella. Harmittaa, kun en tajunnut tehdä karttaa suhteellisena, sillä karttahan ei kuitenkaan kerro yli 60-vuotiaiden suhteellista osuutta koko väestöstä, mikä vaikeuttaa tulkintaa erittäin paljon. Yli 60-vuotiaiden sijoittumiseen vaikuttavat varmasti esimerkiksi palveluiden sekä sukulaisten läheisyys ja hintataso. Myös yksilöllisellä elämäntyylillä on paljon vaikutusta asuinalueen valintaan. Yllätyin eniten asutuksen keskittyvän hyvin voimakkaasti itäiselle pääkaupunkiseudulle. Myös esimerkiksi erilaisten palvelukotien sijainti vaikuttaa ikäryhmän sijoittumiseen.

Ruututeemakartta antaa esimerkiksi koropleettikarttaan verrattuna aivan erilaista tietoa. Yleensä koropleettikartat ovat sidonnaisia aluejakoihin jotka ovat hallinnollisia eli esimerkiksi kunnat tai maakunnat. Ruutukartat taas ovat jaettu samankokoisiin ruutuihin. Tämän vuoksi esimerkiksi väestön jakautumista tarkastellessa alueet antavat virheellistä tietoa. Jos ruudut ovat tasan samankokoisia ei tiedot vinoudu niin paljoa.

Olen tyytyväinen aikaansaannokseeni tunnilla, vaikkakin olisin vaihtanut yli 60-vuotiaiden esiintymisluvut prosenteiksi. Vaikka mukana pysyminen oli haasteellista ja oman teemakartan tekeminen vielä haasteellisempaa sain kartan kuitenkin tehtyä tunnin aikana. Eikä mennyt edes paljoa yliaikaa! Huomaan kyllä, että kehitystä on tapahtunut, vaikkakin erittäin hidasta sellaista. Vaikka yhteistyö QGIS:in kanssa ei sujunut ilman suuttumuksen tunteita tai mielipahaa uskon toivoa ensi kerran sujuvan jo paljon paremmin! 🙂

 

Lähteet:

Selin, Marita. Väestödata laittaa QGIS:n polvilleen eli neljäs kurssikerta, https://blogs.helsinki.fi/selkala/2018/02/05/vaestodata-laittaa-qgisn-polvilleen-eli-neljas-kurssikerta/ Viitattu 12.2.2018

Virtanen, Sini. Ruutu on valttia. https://blogs.helsinki.fi/7k110738/. Viitattu 12.2.2018.

Hagelberg, Emmi. Neljäs luento: Ruutukartastoa, https://blogs.helsinki.fi/hagemmi/ Viitattu 12.2.2012

Sirola, Eveliina. Neljäs kerta toden sanoo, https://blogs.helsinki.fi/evsirola/ Viitattu 12.2.2018

Viime kerran mokailujen jälkeen oli aika päästä taas mukaan opetukseen. Tämän luennon eli kolmannen kurssikerran aiheena oli ulkoisten tietokantojen tuominen QGIS:iin. Aloitimme ensimmäisen harjoituksen yhdistämällä Afrikan karttaan luonnonvaroja sekä konflikteja. Harjoitus alkoi hyvin: tehtävänä oli yhdistää erilaisia karttakohteita yhdeksi valtion nimen mukaan. Yhdistäminen oli helppoa ja tuntui, että kurssikerrasta olisi tulossa mukavan yksinkertainen. Ongelmat kuitenkin alkoivat heti kun uutta tietodataa piti tuoda ohjelmaan. Tässä vaiheessa putosin kärryiltä täysin. En saanut laskettua Facebook tai internet käyttäjien suhdetta väkilukuun, mutta sain yllätyksekseni kuitenkin jotenkin aikaiseksi kartan, jossa näkyy Afrikan luonnonvarat: timantit ja öljy sekä konfliktit. Ymmärsin myöhemmin karttaa katsoessani, etten ollut tajunnut kaiken innostukseni keskellä, kartan saamisesta valmiiksi, tehdä karttaan legendaa. Kartta on siis täysin kelvoton, jos ulkopuolinen sitä katsoo. Ajattelin kuitenkin laittaa kartan (Kuva 1) blogiini, vaikka se keskeneräinen onkin. Keltaiset pallot kuvaavat konflikteja, keltaiset timantti- ja siniset öljyesiintymiä.

Tehtävänä oli myös tarkastella, onko luonnonvarojen ja konfliktien välillä jonkinlainen yhteys. Konfliktit osuvat alueellisesti melko samoihin paikkoihin esimerkiksi timantti esiintymien kanssa. Toisaalta Konflikteja ei esiinny Etelä-Afrikassa niin voimakkaasti kuin timantteja. Öljyesiintymät Pohjois-Afrikassa eivät näytä korreloivan konfliktien kanssa. Toisaalta osa konflikteista voi ollakin kytköksissä luonnonvaroihin, mutta näin ei voida yleisesti olettaa varsinkaan tämä kartan perusteella. Esimerkiksi timanttikaivosten ja öljykenttien löytämisvuosi tai tuottavuusluokittelu sekä konfliktien tapahtumavuoden puuttuminen vaikeuttavat kartan tulkitsemista ja johtopäätösten tekemistä.

Itsenäistyönä tehtävä teemakartta Suomen vesistöalueiden valuma-alueominaisuuksista ja tulvaherkkyydestä tuotti heti alkuun vaikeuksia MHQ/MNQ -indeksin eli keskiylivirtaaman ja keskialavirtaaman välisen suhteen eli tulvaindeksi laskemisessa. Niin luennolla kuin myös kotona käytyjen epätoivon ja vaikeuksien jälkeen sain aikaiseksi kartan, josta olen tyytyväinen.

Olen Vivi Tarkan sekä Tuuli Lahinin kanssa samaa mieltä järvisyyttä kuvaavien pylväiden vaikeasta tulkinnasta. Olisin mielelläni esimerkiksi korjannut vielä karttaan järvisyyden prosenttilukemat esille. Se olisi helpottanut kartan lukemista ja analysointia. Myös osin päällekkäin menevät pylväät vaikeuttavat tulkintaa.

 

Lähteet:

Tarkka, Vivi. Haloo! Tulvariski!, https://blogs.helsinki.fi/vivitark/ Viitattu 6.2.2018

Lahin, Tuuli. Vettä kengässä, https://blogs.helsinki.fi/lahintuu/ Viitattu 6.2.2018

Suomen ympäristökeskus, Tulvien esiintyminen (2013) http://www.ymparisto.fi/fi-FI/Vesi/Tulviin_varautuminen/Olenko_tulvariskialueella/Tulvien_esiintyminen Viitattu 6.2.2018

Ilmasto-opas, Tulviin voidaan varautua tulvariskien hallintatoimilla (2015) https://ilmasto-opas.fi/fi/ilmastonmuutos/sopeutuminen/-/artikkeli/8c767266-3af1-4f15-9a44-8d07ea02f0c1/tulviin-voidaan-varautua-tulvariskien-hallintatoimilla.html Viitattu 6.2.2018

Toisen kurssikerran aiheena oli karttaprojektiot ja näiden vääristävä vaikutus karttakohteisiin. Maapallo on pyöreä ja jos se halutaan kuvata tasolla, vääristymiä syntyy aina. Täysin oikein maapalloa kuvaavaa projektiota ei siis löydy.

Tunnin alussa teimme QGIS ohjelman valintatyökaluilla erilaisia mittauksia. Laskimme esimerkiksi Suomi-neidon päälaelle hattua muistuttavan alueen pinta-ala mittarilla, kuten kuvasta 1  ja 2 voidaan huomata. Testasimme vaihtaa eri projekteja mitatun alueen kanssa, minkä seurauksena alueen koko muuttui. Taulukossa 1 näkyy Suomi-neidon päälaen pinta-alat katsottuina eri projektioiden kautta. Mitattavan alueen sekä projektioiden vaikutus karttaan voidaan nähdä kuvasta 1, jossa on kuvat Mercatorin sekä Mollweiden projektiosta. Kaikista suurimman pinta-alan sai Mercatorin projektio. Se on melkein 90 % suurempi kuin Lambertin vastaava luku kuin mitä Liisa Niemi blogissaan myös kirjoittaa. Mercatorin projektio on oikeakulmainen eli valtioiden muodot pysyvät oikean näköisinä. Mercator venyttää alueita navoille päin näyttäen ne suurempina mitä ne oikeasti ovat. Tämän vuoksi siis pinta-ala on mitattuna kohtuuttoman suuri.  (Wikipedia)

Suomen leveys itä-länsi suuntaisesti laskettiin myös käyttäen samoja projektioita (taulukko 1). Kuten aikaisemmassakin pinta-ala mittauksissa myös tässä nähdään eroja matkan suhteen. Mercator johtaa kilometrein 1 119 ja kaikista lyhyimmän välin mittasi ETRS89-TM35 507 kilometrillä.

 

 

 

 

 

 

Teimme karttaharjoituksen havainnoidaksemme projektioiden eroja. Kuvassa 3 näkyy kuinka paljon Mercatorin projektion pinta-alat heittävät verrattaessa Lambertin projektioon. Lambertin projektiota on pidetty sen vuoksi, että se näyttää Suomen sen normaaliksi ajatellussa muodossa. Kartassa näkyy hyvin, kuinka paljon juuri pinta-alan suurenemista tapahtuu navoille päin mentäessä.

Tunnin alku oli sujunut paremmin kuin olin ajatellut ja mukana pysyminen oli yllättävän helppoa. Mutta siirtyessämme itsenäistyön pariin, ongelmat alkoivat. Ajattelin pärjääväni annetuista tehtävistä hieman haastavamman tehtävä 2 kanssa. Kartassa tuli vertailla kahden eri projektion pinta-alaan suhteutettua väestöntiheyttä. Kaikista suurimmaksi ongelmaksi muodostui se, ettei karttojen väestöntiheys luvuissa ollut minkäänlaisia eroja näkyvissä. Kaiken lisäksi QGIS päätti kaatua parikin kertaa työskentelyn aikana, minkä vuoksi oli aloitettava aina uudestaan. Loppujen lopuksi, eli 45 minuuttia luennon lopun jälkeen, sain aikaiseksi jonkunlaiset kartat. Lambertin projektiossa (Kuva 5) lukuarvot ovat yli kaksi kertaa niin suuret kuin Mercatorin projektiossa (Kuva 4). Tämän vuoksi väestöntiheydet kartalla näyttävät pienemmiltä kuin Mercatorin projektiossa.

Kurssikerta oli paljon vaikeampi ensimmäiseen verrattuna. Tunnen kuitenkin oppineeni enemmän kuin viimeksi. Tiesin kyllä aiemmin, että projektiot vääristävät maailmankuvaamme ja antavat virheellistä tietoa, jos niitä ei osaa lukea kunnolla. Tämän päivän luento syvensi vielä entisestään tietoani tähän asiaan. Ei Mercatorikaan ole huono projektio, jos sitä vain käyttää aivan muuhun kuin maailman tai edes vatioiden kuvaamiseen. Sen parhaimmat puolet näkyvät merikartoissa, jonka pariin se mielestäni pitäisi myös jättää. Ja vaikka päivän tapahtumat eivät menneetkään aivan nappiin olen hyvin tyytyväinen siihen, miten paljon sain loppujen lopuksi aikaan.

Lähteet:

Liisa Niemi 2. kurssikerta https://blogs.helsinki.fi/nliisa/ Viitattu 1.2.2018

Wikipedia https://fi.wikipedia.org/wiki/Mercatorin_projektio Viitattu 1.2.2018

Ensimmäisellä Geoinformatiikka 1 -kurssin tunnilla kävimme läpi kurssin rakennetta, saimme kertauksen paikkatiedosta sekä alustuksen ensimmäisen työn tekemiseen QGIS-ohjelmalla. Mielestäni kurssin rakenne kuulosti mielenkiintoiselta ja erilaiselta juuri blogin pitämisen takia.

Aloitimme QGIS:sin kanssa aivan perusasioista. En ollut ennen käyttänyt ohjelmaa, minkä vuoksi alku oli hieman haastavaa, vaikka saimme ohjeistusta saman aikaisesti karttaa tehdessämme. Tavoitteena oli ensimmäisen tunnin aikana saada valmiiksi koropleettikartta, joka kuvaisi Itämeren rannalla olevien valtioiden typpipäästöjen osuuksia kokonaismäärästä. Kuvassa 1 näkyy, että eniten typpeä Itämereen kuljettaa vesi- sekä ilmateitse Puola. Sen osuus kokonaistyppipäästöistä on melkein 34 %. Vähiten typpeä mereen päästää Viro noin 3 prosenttiyksiköllä. Suomella typpipäästöt ovat pienempiä kuin esimerkiksi Venäjällä sekä Ruotsilla.

Typpi on Itämerta rehevöittävä ravinne, joka kasvattaa kasviplanktonin tuotantoa ja johtaa lopulta pohjan happikatoon. Itämeri on hyvin altis rehevöitymiselle, sillä se on matala ja vähäsuolainen. Suomessa vuosina 2008-2014 Itämereen typpeä kulkeutui vuosittain 82 000 tonnia. Typpikuormitus on suuriltaosin peräisin maataloudesta sekä yhdyskunnista. (SYKE, 2016)

QGIS-ohjelman käyttö ei loppujen lopuksi kovin vaikealta tuntunut, mutta toistoa ja harjoittelua tarvittaisiin vielä paljon ennen kuin ohjelman käytön pystyisi hallitsemaan kokonaan. Mielestäni valtioiden vesistöjen näkyville jättäminen karttaan olisi voinut antaa jonkinlaista näkökulmaa siihen, kuinka paljon esimerkiksi mantereelta kulkeutuvia vesiä päätyy Itämereen. Kartta olisi ollut ehkä vielä informatiivisempi, jos mukaan olisi otettu prosentuaalisten typpipäästöjen lisäksi Itämeren valtioiden rantaviiva, mitä Tuuli Lahinkin blogissaan ehdottaa.

Kartan ulkonäköön pystyn toivottavasti enemmän panostamaan seuraavilla kerroilla. Mielestäni kartan väritys ei aivan onnistunut, sillä esimerkiksi muut kuin Itämeren valtiot ovat väriltään todella samanlaisia Itämeren valtioiden kanssa, joilla on hyvin pienet typpipäästöt. Jos värit olisivat hieman erilaiset, työn lukeminenkin helpottuisi. Kartan rajausta olisi voinut myös tehdä hieman enemmän. Muuten olen tyytyväinen työhöni, sillä se on mielestäni informatiivinen ja vasta ensimmäinen kokeiluni minulle uudella ohjelmalla.

Lähteet:

Tuuli Lahin , Ensimmäinen kurssikerta, https://blogs.helsinki.fi/lahintuu/ Viitattu 18.1.2018

Suomen ympäristökeskus, Itämeren typpikuorma Suomesta (2016) http://www.ymparisto.fi/fi-FI/Meri/Mika_on_Itameren_tila/Itameren_typpikuorma_Suomesta(31457) Viitattu: 18.1.2018