Milenan GIS-blogi

Viimeisellä Geoninformatiikan menetelmät 1 -kurssin kerralla teimme yhden tai useamman kartan täysin itsenäisesti. Alun perin halusin tehdä kartat, jotka esittäisivät viimeisimpiin eduskuntavaalein liittyviä tuloksia. En kuitenkaan löytänyt mistään karttaa vaalipiireistä. Tämän takia vaihdoin aiheeni ja etsin uudet tilastot kuntavaaleista Tilastokeskuksen sivuilta, koska kuntavaalien tuloksia löytyi sieltä maakuntiin jaettuina ja kartta maakunnista löytyi helposti myös Tilastokeskuksen sivuilta. Valitsin tilastot viimeimmistä, eli vuoden 2017, kuntavaaleista.

Olin ennen kurssikertaa hieman epävarma omista taidoistani ja mietin saankohan mitään lopulta tehdyksi. Karttojen teko oli kuitenkin yllättävän helppoa, vaikka minulla ei ollut valmiita ohjeita mitä karttaa tehdessä kuten aiemmin. Oli ihan hauska siis huomata, että omista epäilyistä huolimatta, olen näköjään oikeasti oppinut jotain QGIS:n käytöstä. Tokikaan tekemäni kartat olivat vaikeustasoltaan aika matalimmasta päästä. Ainoa pieni ongelma oli, kun yritin saada toiselle kartalle näkymään pylväsdiagrammeja. Pienen taistelun jälkeen nekin sitten lopulta ilmestyivät kartalle!

Tein kaksi karttaa aiheilla kunnallisvaaleissa 2017 valittujen naisehdokkaiden prosentuaalinen osuus puolueittain sekä naisehdokkaiden saama prosenttiosuus äänistä (kartassa myös naisehdokkaiden lukumäärä maakunnittain) (Kuva 1. ja Kuva 2.). Molemmat kartat liittyvät siis kunnallisvaaleihin sekä kunnallisvaaleissa ehdokkaina olleisiin naisiin.

Kuva 1. Valittujen naisehdokkaiden prosenttiosuus maakunnittain kunnallisvaaleissa 2017.

Kartta 1 esittää siis kunnallisvaaleissa 2017 valtuustoihin valittujen naisehdokkainen prosenttiosuuden määrän eri puolueissa. Kartan lisäksi tarkastelin muita Tilastokeskuksen tilastoja vuoden 2017 kunnallisvaaleista, jossa huomasin, että erityisesti Vihreissä ja Kristillisdemokraateissa on paljon naisia suhteessa miesehdokkaisiin nähden. Tämä näkyy myös kartalla, koska monissa maakunnissa Vihreiden ja KD:n osuus ympyrädiagrammista on suurempi kuin muiden puolueiden. Voi olla, että Vihreissä ja Kristillisdemokraattien arvot puhuttelevat keskiarvoa enemmän naisia kuin miehiä, jonka vuoksi naisehdokkaita on myös enemmän. Pelkän kartan tuloksia tarkastelemalla huomasin, että Uudenmaan maakunnan ympyrädiagrammissa on lähes tasaisesti sama määrä naisehdokkaita joka puolueesta, kun taas esimerkiksi Etelä-Pohjanmaalla, joka on pienempi maakunta, prosenttiosuudet puolueiden välillä jakautuvat paljon epätasaisemmin. Tämän voisi kuvitella johtuvan muun muassa siitä, että Uusimaa on asukasmäärältään suuri, jossa asuu paljon erilaisia ihmisiä erilaisine arvoineen. Etelä-Pohjanmaalla saattaa olla ehkä suppeampi arvopohja, joka vaikuttaa siihen, että ihmiset ovat erityisen kiinnostuneita vain tietyistä puolueista.

Kuva 2.  Naisehdokkaiden saama osuus äänistä maakunnittain ja naisehdokkaiden lukumäärät kunnallisvaaleissa 2017.

Kartassa 2 on esitetty naisehdokkaiden saama osuus äänimääristä kunnallisvaaleissa 2017 sekä naisehdokkaiden lukumäärät maakunnittain. Karttaa tarkastelemalla huomaa selkeästi, että Pohjanmaan maakunnissa valittujen naisehdokkaiden prosenttiosuudet ovat muuta Suomea pienemmät. Tämä saattaa johtua siitä, että Pohjanmaa on tietyllä tapaa ehkä muuta Suomea konservatiivisempi. Korkeat prosenttiosuudet ovat Etelä-Suomessa, mutta myös maakunnissa, joissa on Suomen mittakaavassa suuria kaupunkeja kuten esimerkiksi Oulu tai Lappeenranta. Suuremmissa kaupungeissa voi olla esimerkiksi vahvoja naisehdokkaita, jotka saavat itselleen suuria äänimääriä. Kartassa on myös esitetty pylväsdiagrammien avulla naisehdokkaiden lukumäärät maakunnittain. Naisehdokkaiden lukumäärät ovat absoluuttisia eikä niitä voi siksi suoraan verrata toisiinsa, koska maakunnat ovat asukasmääriltään erikokoisia. Jotta luvut ehdokkaista eri maakunnissa olisivat vertailukelpoisia keskenään, tulisi ehdokkaiden lukumäärä olla suhteutettuna maakunnan väestömäärään.

En ole ihan varma, mitä hain tekemällä kartat juuri näistä aiheista, mutta itselleni ainakin lopputulosten analysointi oli mielenkiintoista. Samalla olen ihan ylpeä itsestäni, että sain tehtyä edes jotain yksin ilman ohjeita QGIS:llä. Samaistuin myös Jannikan viimeisen blogipostaukseen, koska ihan yhtälailla muiden hienoja karttoja selailemalla itselleni tuli fiilis, että omat tekemäni kartat olivat aika pienellä vaivalla tehtyjä. Toisaalta ne ehkä kertovat myös jotain omasta osaamistasostani. 😀

Lähteet

Brofelt, Jannika 2018: 7. Elinajanodotteita ja pitkäaikaissairauksia. https://blogs.helsinki.fi/brofeltj/2018/03/25/7-elinajanodotteita-ja-pitkaaikaissairauksia/. Luettu 27.03.2018.

Kuudes kurssikerta aloitettiin reippaalla ulkoilulla -17 asteen pakkasessa. Teimme 45 minuutin mittaisen aineistokeruuretken Kumpulan läheisyyteen pienehköissä ryhmissä. Harjoituksen tarkoituksena oli itse hankkia pistemuotoista aineistoa Epicollect5-sovelluksella. Myöhemmin näitä tietoja tarkasteltiin yhdessä kaikkien kanssa. Toinen pisteaineiston käsittelyyn liittyvässä tehtävässä valittiin Google ViewStreet-työkalun avulla Helsingin keskustan alueelta kaupallisia kohteita ja merkittiin ne pisteillä. Valittu pisteaineisto interpoloitiin ja visualisoitiin niin, että kartalle valitut liiketilat näkyivät kaupallisuuden mukaan korkeimpina.

Itsenäisenä tehtävänä tarkoitus oli tehdä maanjäristyksiin, tulivuoriin tai meteoriitteihin liittyvä kolmen kartan karttasarja. Valitsin aiheekseni maanjäristykset. Tein kartat (Kuva 1., Kuva 2. ja Kuva 3.) jakamalla maanjäristysten mittauksissa käytetyn suureen magnitudin kolmeen eri osaan 0-3,9 eli vähäiset järistykset, joissa vahingot eivät ole merkittäviä, 4-6,9 eli keskinkertaiset ja voimakkaat järistykset ja >7 eli todella voimakkaat maanjäristykset. Kaikissa kartoissa aineisto on saatu samalta aikaväliltä eli 01.01.2000-05.03.2018. Pisteaineistot sain osoitteesta http://quake.geo.berkeley.edu/anss/catalog-search.html. Näin jälkikäteen katsellessa karttoja huomaan, että olen unohtanut niistä pohjoisnuolet. Samoin ne eivät ole otsikoinneiltaan kovin yhtenäiset. Huomasin myös muiden hienoja karttoja tarkastelemalla, että ilmeisesti maanjäristyksen sijaintia kuvaavien pisteiden kokoa saa muutettua QGIS:ssä. Olisimpa tämän tiennyt karttoja tehdessäni! Päädyin myös katsomaan Lian tekemiä karttoja kyseiseltä kurssikerrolta ja VAU. Kartta-animaatioita ja ties mitä. Olen sanaton. En tiedä milloin itse pääsen samalle tasolle QGIS:n kanssa. 😀

Tehtävä oli tarkoitus myös pohtia karttasarjan käyttöä opetustilanteessa. Maanjäristyksistä ja niitä esittävistä kartoista voisi ainakin havainnoida litosfäärilaattojen rajakohtia ja alityöntövyöhykkeitä, jossa maanjäristykset suurimmaksi osaksi tapahtuvat, ja kuinka ne sijoittuvat maapallolle. Kuvista voi myös havainnoida Tyynenmeren tulirenkaan, eli alueen jossa enemmistö maanjärityksistä tapahtuu. Tekemistäni kartoista voi havaita sen, että yli 7 magnitudin maanjäristyksiä tapahtuu vähäisessä määrin verrattuna kahteen muuhun karttaan, ja lisäksi ne sijoittuvat suurimmaksi osaksi Tyynenmeren tulirenkaan ympäristöön. Ellillä oli myös hyvä idea, että karttoihin olisi hienoa vielä saada mannerlaattojen rajat sekä nuolet mihin suuntaan mannerlaatat liikkuvat. Löysin yhden mielestäni hyvän esimerkkikuvan (Kuva 4.) tästä, jossa ilmenevät litosfäärilaattojen rajat sekä liikesuunnat.

Kuva 1. Maanjäristykset maailmankartalla 0.00-3.90 magnitudiasteikolla.

Kuva 2. Maanjäristykset maailmankartalla 4.00-6.90 magnitudiasteikolla.

Kuva 3. Maanjäristykset maailmankartalla 7.00-9.10 magnitudiasteikolla.

Kuva 4. Litosfäärilaatat ja niiden liikesuunnat. (Lähde: https://thelithoshere.weebly.com/).

Lähteet

Kaarto, Elli 2018: 6. kurssikerta: QGIS-järisee. https://blogs.helsinki.fi/elkaelka/2018/02/22/qgis-jarisee/. Luettu 19.03.2018.

Vahtera, Lia 2018: Kurssikerta VI. https://blogs.helsinki.fi/vahlia/2018/03/04/kurssikerta-vi/. Luettu 19.03.2018.

Viides kurssikerta aloitettiin edellisellä kurssikerralla tehdyn Pornaisten kartan kanssa. Laskimme teiden pituuksia, peltojen pinta-aloja sekä harjoittelimme buffereiden muodostamista karttaan. Buffereiden luominen kartalle tuntuikin olevan tämän kurssikerran pääaihe yhdessä laskutehtävien suorittamisen kanssa.

Pornaisten kartalla harjoittelun jälkeen aloimme tekemään itsenäisiä tehtäviä. Ensimmäisessä tehtävässä käytössämme oleva peruskarttalehti oli suurimmaksi osaksi Vantaalta ja siinä näkyivät Helsinki-Vantaan lentokenttä sekä Malmin lentokenttä. Tehtävissä piti tehdä erilaisia buffereita lentokenttien ympärille ja vastata niihin liittyviin kysymyksiin. En ole ihan varma sainko vastaukset ja laskutehtävät ollenkaan oikein, mutta ainakin olen yrittänyt.

• Malmin lentokentästä 1 kilometrin kokoisella melualueella asuu 8823 asukasta ja 2 kilometrin kokoisella melualueella asuu 57331 asukasta (Kuva 1.).
• Helsinki-Vantaan välittömässä läheisyydessä, alle 2 kilometrin, alueella asuu 11213 asukasta.
• 0,3% edellisen kohdan asukkaista asuu pahimmalla melualueella.
• Melualueella 55dB asuu 11913 asukasta.
• 7 kilometriä pitkällä ja 1 kilometriä leveällä 60 dB melualue vaikuttaa 12649 ihmisen elämään.

Kuva 1. Kuvituskuvana välivaihe ensimmäisestä tehtävästä, jossa olen tehnyt Malmin lentokentän päälle 1 km ja 2km melualue bufferit.

Toisessa tehtävässä käytettiin samaa karttaa kuin edellisessä, mutta keskityttiin juna- ja metroasemiin. Buffereiden avulla tuli laskea asemien lähellä asuvien ihmisten lukumääriä. Omalla kohdalla laskutehtävät tuntuivat tässä tehtävässä menevän vielä huonommin kuin edellisessä. Ehkä se johtui siitä, että kurssikerta oli aivan lopuillaan ja minulla oli hieman kiire, enkä ehkä keskittynyt tarpeeksi.

• 500 metrin päässä asemista asuu 106691 asukasta.
• 21,8% kaikista alueen asukkaista asuu alle 500 metrin päässä asemista.
• A-kohdan ihmisistä työikäisiä ovat 68,5%.

Kolmannessa tehtävässä käsiteltiin taajamia.

• Alueen asukkaista 97,6% asuu taajamissa.
• Kouluikäisistä (7-16-vuotiaita) 97,5% asuu taajamien ulkopuolella.

Viimeisen tehtävän sai valita itse ja päädyin tekemään ensimmäisen valinnaisen tehtävän, jossa käsiteltiin Helsingin Yhteiskoulun oppilasmääriä. Tehtävä jäi minulle tehtäväksi kotiin, koska en ehtinyt tekemään sitä kurssikerralla. Koska en myöskään ehtinyt tekemään sitä heti seuraavina päivinä, vaan oikeastaan vasta kahden viikon päästä, niin edellisen kerran opit tuntuivat jo unohtuneet melkein kokonaan, vaikka tehtävä itsessään olikin aika helppo. Minun piti käydä läpi jo aiemmin tunnilla tekemiäni tehtäviä, että muistaisin mitä minun tulisi tehdä. Ilmeisesti onnistuin kuitenkin muistelemaan edellisen kurssikerran työskentelytapoja ja sain tehtävän suoritettua loppuun.

• Uusia oppilaita Helsingin Yhteiskouluun on tulossa sen omasta koulupiiristä 14.
• Yläasteikäisiä oppilasta Helsingin Yhteiskouluun on tulossa 62.
• Kouluikäiset muodostavat 9,7% osuuden koulupiirin alueella.
• Muun kielisiä kouluikäisiä asukkaita alueella asuu 11.

Kun tein tehtävää, mietin ovatko saamani luvut ollenkaan oikein, koska aloittavia oppilaita sekä yläasteikäisiä oli määrällisesti hyvin vähän. Luin kuitenkin muiden blogeja ja Eveliina olikin kiinnittänyt samaan seikkaan huomiota. Eveliina oli myös löytänyt uutisen Helsingin Uutisista, että on jopa pohdittu Helsingin Yhteiskoulun lakkauttamista.

Lähteet:

Sirola, Eveliina 2018: Kurssikerta 5: Itsenäistymisen aika – kääk!. https://blogs.helsinki.fi/evsirola/2018/02/24/kurssikerta-5-itsenaistymisen-aika-kaak/ . Luettu 26.02.2018.

Neljännellä kurssikerralla harjoiteltiin ruututeemakartan tekemistä. Kurssikerran alkuun teimme yhdessä harjoituksen, jossa havainnollistettiin ruututeemakartan avulla ruotsinkielisten sijoittumista pääkaupunkiseudulla 1km x 1km ruutuihin. Harjoitukseen liittyi oleellisesti myös edellisen kerran harjoituksista tuttu tietokannanmuokkaus. Tällä kertaa harjoittelimme poistamaan tietoa tietokannasta ja valitsemaan vain haluamme tiedon.

Itsenäisessä tehtävässä piti tehdä samankaltainen ruututeemakartta pääkaupunkiseudulta kuin yhteisessäkin harjoituksessa. Teeman sekä ruutujen koon sai valita itse. Itsenäisen kartan kokoamisessa oli myös tarkoitus tehdä jotain haastavampaa kuin mitä olimme tehneet yhteisessä harjoituksessamme. Ajatukseni oli tehdä ruututeemakartta kouluikäisistä, eli 7-16-vuotiaista, naispuolisista henkilöistä. Karttaa kuitenkin tehdessäni onnistuin muuttamaan tietokannan tiedot numeroista teksteiksi. Kartan tekeminen menikin siis ihan pieleen, enkä saanut karttaa tehtyä tunnilla olleenkaan. Kotona päätin aloittaa kartan tekemisen alusta asti yksin, mutta helpommalla aiheella. Päätin tehdä kartan muun kielisten asukkaiden sijoittumisesta pääkaupunkiseudulla 700m x 700m ruutuihin. Latasin QGIS-ohjelman omalle läppärilleni ja aloin tekemään uutta karttaa Moodlesta löytyneiden ohjeiden avulla. Vaikka olin tehnyt ja samaa harjoitusta aiemmin tunnilla, meni uuden kartan luomiseen kauan aikaa. Tein monia virheitä, QGIS kaatui muutaman kerran ja aloitin kartan tekemisen alusta noin kolmisen kertaa. Seuraavalla Geoinformatiikan menetelmät 1 -kurssikerralla kävin vielä varmistamassa Artulta, että olinhan tehnyt kartan vihdoinkin oikein ja sain puhtaat paperit. Sain myös muutamia vinkkejä, miten kartta näyttäisi entistä paremmalta. Koska muun kielisiä asukkaita on niin vähän ja kokonaan tyhjiä ruutuja paljon, Artun vinkkien avulla poistin kartasta kaikki täysin tyhjät ruudut. Tämän vuoksi kartta on nyt paljon miellyttävämpi katsoa.

Ruututeemakartassa jokainen ruutu on aina samankokoinen ja sen takia siinä mielestäni hyvä esittää absoluuttisia arvoja. Esimerkiksi suhteellisia arvoja esittäessä arvot määritellään suhteessa toiseen määreeseen. Ruututeemakartassa on siis helppo havaita yleisesti, ja absoluuttisia arvoja käyttämällä, ilmiön sijoittuminen kartalla.

Kuva 1. Muun kielisten asukkaisen sijoittuminen pääkaupunkiseudulla ruututeemakartalla.

Tekemäni kartta kuvaa muun kielisten asukkaiden sijoittumista pääkaupunkiseudulla (Kuva 1.). Suurimpia keskittymiä on havaittavissa erityisesti Helsingin keskustan alueella, Itä-Helsingissä sekä Espoon itä- ja länsiosissa. Muun kieliset asukkaat ovat siis suomenkansalaisuuden omaavia henkilöitä, joiden äidinkieli on kuitenkin jokin muu kieli kuin suomi tai ruotsi. Muun kieliset ovat keskittyneet selkeästi keskuslähiöihin pääkaupunkiseudulla, mikä on hyvin tavallista. Espoossa keskittyminen on tapahtunut Otaniemeen, jossa sijaitsee Aalto-yliopiston kampus, sekä Espoon länsiosiin Suokkiin ja Espoon keskukseen. Voisin kuvitella, että kaikkia näitä alueita, jossa on muun kielisten suurempia keskittymiä, on ehkä runsaasti vuokra-asuntoja sekä pieniä asuntoja.

Karttaani näin jälkeen päin tarkastelemalla huomaan, että legendassa, jossa esillä ovat muun kielisten lukumäärät per ruutu, ovat hyvin epäselvät. Arvojen perässä on aivan turhaan neljä nollaa, jotka vain sekoittavat katsojaa kartan tarkastelussa. Kartan lukeminen olisi paljon selkeämpää ilman turhia pisteen perässä olevia nollia. Selasin myös muiden blogeja ja Ellillä oli hyvä pointti, että olisi ihan fiksua jos kartassa näkyisi vielä selkeämmin kuntien rajat sekä nimet. Nyt ehkä ihmiselle, joka ei tunne pääkaupunkiseutua kovin hyvin, saattaa olla epäselvää missä esimerkiksi menee Espoon ja Helsingin raja. Muuten karttani on mielestäni ihan onnistunut.

Lähteet:

Kaarto, Elli 2018: 4. kurssikerta: Ruutukarttaa ja epätoivoa. https://blogs.helsinki.fi/elkaelka/2018/02/09/4-kurssikerta-ruutukarttaa-ja-epatoivoa/ . Luettu 25.02.2018.

Kolmas kurssikerta aloitettiin tekemään harjoitustyötä. Karttaan Afrikan mantereesta oli kiinnitetty erilaisia tietokantoja, esimerkiksi luonnonvaroista ja konflikteista. Harjoituksen tarkoituksena oli opetella muokkaamaan tai esimerkiksi yhdistelemään haluttuja tietokantoja toisiinsa. Harjoitustyön tietokantoihin liittyi myös lisätehtävä, jossa piti pohtia mitä muuta harjoituksessa esillä olleista tietokannoista voisi päätellä tai miten niitä voisi hyödyntää.

• Konflikteista tietoa oli annettu konfliktin tapahtumavuosi sekä laajuus (eli säde kilometreinä). Näiden tietojen pohjalta voisi päätellä mahdollisesti konfliktein yleisyyttä tietyillä alueilla ja ovatko konfliktit esimerkiksi maantieteellisesti painottuneet tietylle alueelle. Esimerkiksi jos konfliktien maantieteellinen sekä ajallinen laajuus keskittyvät samoille tietyille alueille, voi sitä hyödyntää tutkittaessa mahdollista syytä konflikteille. Tietoja voi hyödyntää myös konfliktien ja alueiden kriisinhallinnassa.
• Timanttikaivoksista ja öljykentistä oli annettu kyseisten luonnonvarojen löytämisvuosi, hyödyntämisen aloitusvuosi sekä tuottavuusluokittelu. Näistä tiedoista voisi päätellä kuinka nämä luonnonvarat ovat jakautuneet ja sijoittuneet Afrikassa. Onko esimerkiksi havaittavissa keskittymiä tietyillä alueilla tai onko tietyillä alueilla olevat timanttikaivokset tai öljykentät tuottavampia kuin toisilla alueilla.
• Internetin käyttäjämääristä eri vuosilta voi jossain määrin päätellä esimerkiksi eri valtioiden kehittyneisyyttä ja vaurautta. Toki internetinkäyttö ei kerro kaikkea maan vauraudesta, mutta voi olla suuntaa antava. Tilastoja on mahdollista myös vertailla muiden Afrikan maiden kesken ja tehdä siitä erinäisiä päätelmiä esimerkiksi elintasosta kyseisissä maissa.

Saku oli myös mielestäni hyvin blogissaan yhdistänyt tietokannat konflikteista ja annetuista luonnonvaroista ja pohtinut niiden yhteyksiä. Esimerkiksi voidaanko konfliktien alkamisen katsoa olevan yhteydessä luonnonvarojen sijoittumiseen ja ovatko luonnonvarat mahdollisesti olleet osasyynä joihinkin konflikteihin.

Tunnin itsenäinen tehtävä liittyi harjoitustehtävänlailla muun muassa tietokantojen yhdistämiseen. Tarkoituksena oli tehdä kartta Suomen valuma-alueiden tulvaherkkyydestä sekä niiden järvisyydestä. Karttaan tarvittavia tietokantoja muuteltiin esimerkiksi laskemalla tulvaindeksi, jota varten piti yhdistellä erillisiä tietokantoja samaan tietokantaan.

Kuva 1. Valuma-alueiden tulvaindeksi sekä järvisyysprosentti Suomessa.

Kartasta (Kuva 1.) voi päätellä, että valuma-alueet, joissa järvisyysprosentti on korkea, eivät ole myöskään kovin tulvaherkkiä. Järvet tasaavat virtausta, eikä jokien veden pinta vaihtele kovin suuresti. Alueet, joissa järvisyysprosentti on pieni ja tulvaindeksi suuri, ovat hyvin tulvaherkkiä. Nämä tulvaherkät alueet sijoittuvat lähinnä Pohjanmaalle sekä Etelä- ja Länsi-Suomeen. Ne sijaitsevat rannikolla, jossa joet virtaavat yleensä mereen. Näillä alueilla on suositeltavaa ottaa tulvaherkkyys myös huomioon esimerkiksi kaavoituksessa ja tulvaherkille alueille rakentaessa.

Milena

Lähteet

Saarimaa, Saku 2018: 3. kurssikerta. https://blogs.helsinki.fi/ssaku/2018/02/01/3-kurssikerta/. Luettu 08.02.2018.

Toisella kurssikerralla keskityimme QGIS-ohjelman harjoittelun ohessa vertailemaan erilaisia karttaprojektioita ja niiden aiheuttamia vääristymiä. Ensimmäisen karttaharjoituksen QGIS:llä teimme yhdessä opettajan avustuksella. Siinä vertailimme Lambertin ja Mercatorin projektioita ja niiden aiheuttamia eroja.

Yleisesti kaikkien karttaprojektioiden tarkoitus on esittää maapallonpinta tasomaisessa muodossa. Kun 3D-pinta muutetaan 2D-tasoksi, syntyy väistämättä vääristymiä. Esimerkiksi Mercatorin projektio vääristää kartalla olevia pinta-aloja sitä enemmän, mitä kauempana päiväntasaajasta ollaan. Mercatorin projektio onkin oikeakulmainen projektio, jonka kuvaamat muodot ovat oikeassa suhteessa toisiinsa, mutta pinta-alat ovat täysin vääristyneet. (Muukkonen, Petteri 2017: https://moodle.helsinki.fi/pluginfile.php/1784388/mod_resource/content/1/JGM2017_Luento6.pdf. Luettu 06.02.2017). Saku olikin linkittänyt blogiinsa mielenkiintoisen sivuston nimeltään The True Size of, jolla pystyy tarkastelemaan Mercatorin aiheuttamia vääristymiä. Vääristymiä voi havaita myös tekemässäni Lambertin ja Mercatorin projektioita vertailevassa kartassa (Kuva 1.). Suurimmat vääristymät ja pinta-ala erot ovat havaittavissa kaikista pohjoisimmassa Suomessa, jossa prosentuaalinen vääristymä on pahimmillaan jopa 724%. Pienimmät erot löytyvät Etelä-Suomesta, mutta vääristymä on silti piennimilläänkin jopa 295%.

Kuva 1. Lambertin ja Mercatorin projektioiden aiheuttamat vääristymät prosentuaalisesti.

Kurssikerran toinen harjoitus tehtiin itsenäisesti ja voin sanoa, että aika monta kertaa sain ihmetellä miksi kartta ei näyttänyt siltä miltä piti ja alustakin taisin muutaman kerran tehtävän aloittaa. Hyvä puoli virheiden tekemisessä on siinä, että niistä pitäisi oppia. Ehkä siis joku muistijälki on minunkin päähäni jäänyt tästä harjoituksesta.

Toisessa kartassa vertailin Lambertin ja Robinsonin projektioita (Kuva 2.). Aivan kuten Mercatorin projektiossa, Robinsonin projektiossa vääristymät ilmenevät samalla tavalla: mitä kauempana päiväntasaajasta ollaan, sitä suuremmat ovat kartalla ilmenevät vääristymät (Muukkonen, Petteri 2017: https://moodle.helsinki.fi/pluginfile.php/1784388/mod_resource/content/1/JGM2017_Luento6.pdf. Luettu 06.02.2017). Kartat saattavat vaikuttaa nopealla vilkaisulla näyttää hyvin samankaltaisista, mutta legendaa tarkastellessa voi huomata, että prosentuaaliset erot ovat kartoissa täysin toisistaan poikkeavat. Siinä missä Mercatorin ja Lambertin projektioita vertaillessa vääristymien erot pienimmästä suurimpaan olivat 295-724% väliltä, on Lambertin ja Robinsonin projektioiden erot vain 15.5 prosentista 29.1 prosenttiin.

Kuva 2. Lambertin ja Robinsonin projektioiden aiheuttamat vääristymät prosentuaalisesti.

Mielestäni toinen kurssikerta oli hyvä tapa opetella lisää QGIS:n käyttöä, mutta myös palauttaa mieliin vanhoja, jo ennestään opittuja, asioita esimerkiksi juurikin karttaprojektioista. QGIS:n käyttö toisen kurssikerran jälkeen vielä ehkä hieman takkuilee, mutta ehkä sen oppimiseen tarvitaan niitä toistoja, mitä tällä kerralla tulikin tehtyä.

Milena

Lähteet

Muukkonen, Petteri 2017: Luento 6. Perustiedot projektioista ja koordinaatistoista. Luettu 06.02.2018. https://moodle.helsinki.fi/pluginfile.php/1784388/mod_resource/content/1/JGM2017_Luento6.pdf.

Ruuskanen, Saku 2018: Projektiosta toiseen. Luettu 06.02.2018. https://blogs.helsinki.fi/ruusaku/2018/01/25/projektiosta-toiseen/

Ensimmäinen Geoinformatiikan menetelmät 1 -kurssin kurssikerta oli jo 16. tammikuutta ja tänään (presidentinvaalipäivänä), puolitoista viikkoa myöhemmin, aloitan vasta kirjoittamaan blogiani. Yritän tässä samalla siis muistella, mitä silloin puolitoistaviikkoa sitten tulikaan tehtyä. Toivottavasti tulevilla viikoilla tulen pysymään paremmin aikataulussa. Meinaan, että puolitoistaviikkoa on suhteellisen pitkä aika ja tuntuukin, että muistissa on jo aukkoja ensimmäisen kurssinkerran osalta. No katsotaan mitä tästä tulee!

Aivan kurssin aluksi, ennen käytännön töihin siirtymistä, kävimme läpi paikkatiedon perustietoja, jotka periaatteessa ovat tulleet jo tutuiksi Johdatus geoinformatiikkaan -kurssilta. Ensimmäisen kurssikerran käytännön puolen harjoitukset aloitettiin yksinkertaisesti käymällä läpi kurssilla käytettävää QGIS-ohjelmistoa. Kävimme yksinkertaisesti läpi QGIS:n toimintoja ja totuttelimme käyttämään ohjelmaa. Tässä vaiheessa pysyin vielä ihan hyvin kärryillä ja uuden ohjelman käytön harjoittelu oli jopa ihan hauskaa.

Ensimmäisen kurssikerran varsinaisena harjoitustyönä oli kuitenkin typpipäästökartan taituroiminen QGIS:n avulla. Vaikka QGIS-ohjelman käyttöä oli hiukan harjoiteltu jo tunnin aluksi, tuntui ettei ohjelman käytöstä tullut oikein mitään, muuten kuin täsmällisesti opettajan ohjeita seuraamalla. Yksinkertaistettuna kartan tuli kuvastaa Itämerta ympäröivien valtioiden typpipäästöjä. Tunnilla, itse karttaa tehdessäni, en kyllä muista ajatelleeni yhtään sitä, miltä karttaa näyttää tai mitä se esittää. Ainoa tavoitteeni tunnilla olikin pyrkiä pysymään opettajan tahdissa ja selviytymään QGIS:n käytöstä. Jälkeen päin asia hiukan harmittaa siltä osin, että tunnilla luomani kartta on aika tylsä (Kuva 1.). Tai ei varsinaisesti tylsä, mutta persoonaton. En tehnyt karttaani mitään omia muutoksia, vaan seurasin opettajan antamia ohjeita lähes robottimaisesti. Karttani on kyllä luettavissa, siltä osin kartassa ei varsinaisesti ole vikaa, mutta se ei ole millään tavalla omaperäinen.

Kuva 1. Typpipäästöjen osuudet Itämerta ympäröivissä valtioissa.

Lukiessani muiden kurssikaverieni blogipostauksia ensimmäisestä kurssikerrasta huomasin paljon asioita, joita olisin voinut tehdä toisin omassa kartassani. Sitä ennen, en ollut edes katsonut omaa karttaani ollenkaan analyyttisesti ja jälkikäteen viisaana tekisinkin kartastani huomattavasti erilaisen kuin mikä nykyinen lopputulos on. Ensimmäisen huomioni tein Olivian blogista, jossa Olivia tosiaan mainitsee, että hänenkin kartassaan Itämeren väritys on hyvin samankaltainen kuin Tanskaa kuvaava väri. Katsoin saman tien omaa karttaani, ja kappas vain minun kartassani on täysin sama ongelma. Jostain syystä en ollut huomannut kyseistä ongelmaa missään vaiheessa aiemmin. Ilmeisesti olin ensimmäisen kurssikerran aikana vain niin keskittynyt kartan valmiiksi saamiseen, etten kiinnittänyt huomiota mihinkään muuhun kartassani. Toisen huomion tein kartan väreistä, sillä monet muut olivat muuttaneet karttojensa värejä. Minulla typpipäästöt näkyvät kartallani sinisen eri sävyissä. Ei sinisessäänkään värissä mitään vikaa ole, mutta mielestäni esimerkiksi Kiian tekemän kartan värit ovat selkeät ja hyvin toisistaan, sekä muista kartan väreistä, erottuvat. Lisäksi kirkkaan- ja tummanpunainen väri sopii mielestäni hyvin tehtävänantoon, sillä typpipäästöt ovat merkittävä ympäristöongelma. Punainen väri voi kartassa toimii ikään kuin huomiovärinä tai jopa hälytyksenä, joka herättelee katsojaa.

Myös monien muiden kurssitovereideni blogeja ja valmiita karttoja selaamalla huomasin, että monet olivat fiksusti vaihtaneet kartan legendaan suomen kielen. Minun karttani legenda on englanniksi, mikä tietysti on hieman ristiriitaista, sillä kartan otsikko on kuitenkin suomeksi. No seuraavilla kerroilla sitten paremmin tämänkin asian kanssa!

Ensi kertaan,
Milena

Lähteet:

Lempinen, Kiia 2018: Ensimmäinen kurssikerta. Luettu 28.01.2018. https://blogs.helsinki.fi/lempikii/2018/01/22/ensimmainen-kurssikerta/

Halme, Olivia 2018: 1. Kurssikerta: Räpiköintiä QGis-meressä. Luettu 28.01.2018. https://blogs.helsinki.fi/halmeoli/2018/01/19/1-kurssikerta-rapikointia-qgis-meressa/

Welcome to Blogipalvelut. This is your first post. Edit or delete it, then start blogging!