Tekijä: Sini Ahtinen

Kiitos kaikille blogi uraani  seuranneille 🙂

Viimeisellä kurssikerralla saimme vapaat kädet tuottaa karttoja valitsemastamme aiheesta. Yritin lähteä haastamaan itseäni ja lähdin etsimään täysin vierailta sivuilta aineistoa Euroopan asukkaiden terveydentilasta. Valitettavasti tämä jäi vain yritykseksi ja hetken taistelun jälkeen päädyin siirtymään takaisin tuttuun ja turvalliseen Suomi aineistoon tilastokeskuksen sivuilta. Käytin karttojen pohjana toiselta kurssikerralta tuttua karttapohjaa Suomen kunnista, jonka päälle aloin visualisoimaan erilaista tietoa. Tavoitteenani oli tuottaa tietoa Suomen kuntien asukasluvuista, syntyvyydestä & kuolleisuudesta, sekä tulevaisuuden asukasennusteista.

Kuva 1. Suomen kuntien asukasluvut vuodelta 2017

Kuva 2. Etelä-Suomen kuntien asukasluvut vuodelta 2017

Kyseinen kartta (Kuva 1) kuvastaa Suomen kuntien asukaslukumäärät vuodelta 2017 ja toinen kartta (Kuva 2) on zoomattu Etelä-Suomen kuntien alueelle ja tarkan tiedon havainnollistamiseksi kartta sisältää myös kuntien tarkat asukasluvut. Suomen kunnista suurimmat asukasluvut ovat pääkaupunkiseudun kuntien lisäksi Oululla, Tampereella ja Turulla. Koko Suomea kuvastavalla kartalla lähes valkoisella olevat kunnat ovat kaikista pienin asukasmäärisiä (92-12516) ja ne sijaitsevatkin pääasiassa Keski- ja Pohjois-Suomessa.

Kuva 3. Etelä-Suomen kuntien kuolleiden lukumäärät vuodelta 2017

Kuva 4. Etelä-Suomen kuntien elävänä syntyneiden lukumäärät vuodelta 2017

Seuraavissa kartoissa (Kuva 3&4) perehdyin pelkästään Etelä-Suomen alueeseen, koska tarkan numeerisen tiedon lisääminen kartalle niin, että kaikki kunnat näkyisivät teki kartasta hyvin vaikeasti luettavan. Nämä kaksi karttaa siis sisältävät tietoa kuolleiden & elävänä syntyneiden lukumääristä kunnittain vuodelta 2017.  Koska kahden kartan vertailu voi lukijan näkökulmasta olla lievästi haastavaa, aloin miettiä,  miten näiden kahden tiedon erotus olisi selkeästi luettavissa – tämä onnistui etsimällä tietoa luonnollisen väestönkasvun määristä kunnittain. Suomessa syntyvyys on ollut laskussa jo useamman vuoden ajan ja kuolleisuuden määrä on ollut nousussa ja tulee nousemaan suurien ikäluokkien vanhetessa ja elinajan pidentyessä.

Kuva 5. Luonnollisen väestönkasvun määrä kunnittain Etelä-Suomessa

Kyseinen kartta (Kuva 5) sisältää siis tietoa kuntien luonnollisen väestönkasvun määrästä. Luonnollinen väestönkasvu on siis syntyvyyden ja kuolleisuuden erotus. Kartalla kunnat, joissa luku on negatiivinen kärsivät siis negatiivisesta väestönkasvu eli ihmisiä kuolee enemmän kuin syntyy. Luonnollinen väestönkasvu on suurimmillaan pääkaupunkiseudun alueella ja väestön vähenemisestä kärsii yllättävänkin moni kunta, kuten Lappeenranta, Imatra ja Kouvola. Suomessa luonnollinen väestönkasvu on yleisesti suhteellisen vähäistä ja viime vuosikymmenien aikana nettomaahaan muutto on kasvattanut Suomen väkilukua enemmän, kuin syntyvyys. Kansan uutisten mukaan; ”Suomessa väestö olisi vähentynyt ilman maahanmuuttoa”.

 

 

Kuva 6. Kuntien väestöennuste vuodelle 2040

Viimeinen kartta kuvastaa väestöennustetta kunnittain vuodelle 2040. Kartalla punaisella näkyvien alueiden väestöennuste on suhteellisen pieni ja mitä vihreämpi kunnan väri on, niin sitä suurempi väestöennuste kunnalla on. Luonnollisesti parhaimmat väestö ennusteet ovat samoilla kunnilla, kuin millä tämän hetkinenkin asukasluku suurin, eli muun muassa Helsingillä, Turulla, Tampereella ja Oululla.

Vaikka tälläkin hetkellä syntyvyys on Suomessa kuolleisuutta pienempää, niin pitää nettomaahanmuutto yllä Suomen väestön kasvua. Tämän on ennustettu jatkuvan noin vuoteen 2035 asti, jonka jälkeen Suomen väkiluku kääntyisi laskuun päin. (Yle uutiset)

Lähteet:

Kansan uutiset; https://www.kansanuutiset.fi/artikkeli/3931640-suomen-vaestonkasvu-on-maahanmuuton-varassa

Yle uutiset; https://yle.fi/uutiset/3-10510309

Kuudennella kurssikerralla pääsimme taas uusien asioiden ääreen. Aloitimme tunnin 45 minuutin käppäilyllä lähimaastossa ja samalla keräsimme Epicollect5-sovelluksen avulla aineistoa tunnilla suoritettaviin harjoituksiin. Tämän keräämämme aineiston avulla harjoittelimme tuomaan pistemuotoista aineistoa QGIS:siin kartalle erilaisin keinoin. Kun aineisto oli kartalla niin pääsimme harjoittelemaan sen visualisoimista erilaisin keinoin – uutena mielenkiintoisena visualisointi keinona opettelimme interpolointia.

Sitten pääsimme kuudennen kerran itsenäistehtäviin, jossa aiheena oli hasardit. Tämän kerran harjoitusta oli mielestäni mielenkiintoista tehdä, koska tehtävän suorittamiseen oli periaatteessa vapaat kädet. Tarkoituksena oli kuitenkin tuottaa kolme karttaa, joiden teemana olisi hasardit. Itse valitsin Karttojeni pääteemaksi maanjäristykset ja esitin neljällä eri kartalla erilaista tietoa niistä.

Maanjäristys on maanpinnan tärähtelyä, joka voi syntyä muun muassa laattatektoniikan, tulivuorenpurkauksen tai impaktin seurauksena. Maanjäristyksiä esiintyy maapallolla päivittäin, mutta eniten järistyksiä tapahtuu Tyynellä valtamerellä Tyynenmeren tulirenkaan alueella. Alla esiintyvät kartat (Kuva 1&2) kuvaavat yli 6 ja yli 8 magnitudin maanjäristysten esiintymispaikkoja. Nämä voimakkuudet ovat ilmoitettu Richterin asteikolla, joka on maailmanlaajuisesti käytetty asteikko maanjäristysten voimakkuuden ilmoittamiseen. Kartoilla esitetyt maanjäristykset ovat tapahtuneet vuosien 1980 ja 2013 välillä. Ne eivät siis esitä täysin nykypäiväistä tietoa, mutta soveltuvat silti hyvin maanjäristysten tutkimiseen lähi vuosikymmeniltä.

Kuva 1. Yli 6 Magnitudin maanjäristysten sijoittuminen suhteessa tulivuoriin & meteoriittien putoamispaikkoihin

Voimakkuudeltaan yli 6 Richterin asteikolla esiintyvien maanjäristysten tärinä voi aiheuttaa suuria tuhoja – muun muassa tavalliset rakennukset voivat vaurioitua pahasti ja järistys voi tuntua monen sadan kilometrin päässä järistyskeskuksesta.  Kyseisen 33 vuoden aikana  tapahtui noin 4168 yli 6 magnitudin maanjäristystä Richterin asteikolla.  Kun tätä karttaa vertaa alla esiintyvään karttaan (Kuva 3) litosfäärilaatoista, pystyy havaitsemaan selkeän yhteyden maanjäristysten & tulivuorten sijaintien sekä litosfäärilaattojen reunakohtien välillä.

 

Kuva 2. Yli 8 magnitudin maanjäristykset suhteessa tulivuoriin ja meteoriittien putoamispaikkohin

Voimakkuudeltaan yli 8 Richterin asteikolla tapahtuvat maanjäristykset todennäköisesti tuhoavat normaalisti & heikosti rakennetut rakennukset ja voivat aiheuttaa tuhoa myös rakennuksiin, joita on suojattu maanjäristyksiltä. Näin voimakkaat järistykset tuntuvat erittäin laajoilla alueilla. Yli 8 magnitudin maanjäristyksiä on sattunut huomattavasti vähemmän, kuin yli 6 magnitudin – 33 vuodessa näitä on sattunut vain 28 kappaletta.

Molemmissa kartoissa maanjäristykset ja tulivuoret keskittyvät pääasiassa mantereiden reuna-alueille, sekä merialueille. Euroopassa, Pohjois- & Etelä-Amerikan länsireunoilla sekä mm. Venäjän Keski- ja Pohjoisosissa on maanjäristyksiä esiintynyt suhteellisen vähän. Meteoriittien putoamispaikkoja esiintyy molemmilla kartoilla 101 kappaletta ja suurin osa niistä puolestaan keskittyy Eurooppaan ja Australiaan.

 

Kuva 3. Litosfäärilaatat (Google)

Oheinen kuva (Kuva 3) kuvaa litosfäärilaattoja ja niiden liikesuuntia. Noin 90% kaikista maapallolla tapahtuvista maanjäristyksistä saa alkunsa näiden laattojen reunakohdissa. Erityisen aktiivinen alue maanjäristysten synnylle on jo aikaisemminkin mainitsemani Tyynenmeren tulirenkaan alue. Kyseisellä alueella on arvioitu tapahtuvan noin 90% prosenttia kaikista maailman maanjäristyksistä ja siellä sijaitsee noin 75% kaikista maailman aktiivisista tulivuorista. (National Geographic)

Siihen, kuinka paljon tuhoa maanjäristys aiheuttaa vaikuttaa muun muassa järistyksen syvyys, eli hyposentrin syvyys. Mitä lähempänä maanpintaan Hyposentri eli järistyskeskus sijaitsee, sitä suurempia tuhot yleensä ovat. Hyposentrin syvyys voi vaihdella hyvin matalasta, jopa useisiin satoihin kilometreihin. Seuraavat kartat (Kuva 4&5) esittävät yli 6 ja yli 8 magnitudin maanjäristysten syvyyksiä kilometreinä kartalla. (Kartoissa kirjoitusvirhe legendassa, jossa lukee syvyydet metreinä, vaikka syvyydet ovat kilometreinä. )

Kuva 4. Yli 6 magnitudin maanjäristysten syvyydet kilometreinä.

Kuva 5. Yli 8 magnitudin maanjäristysten syvyydet kilometreinä.

Kuten kartoista pystyy huomamaan, suurin osa maanjäristyksistä on alle 115 kilometrin syvyysluokkaa, eikä yksikään yli 8 magnitudin maanjäristys ole syntynyt yli 114 kilometrin syvyydessä. Yli 6 magnitudin maanjäristysten joukossa osa on syntynyt jopa 528-631 kilometrin syvyydessä ja nämä kaikki, muutamaa poikkeusta lukuun ottamatta, sijaitsevat Tyynenmeren tulirenkaan alueella. Hyposentrin syvyydet pystytään määrittämään seismografihavaintojen avulla, jossa hyödynnetään maanjäristysaaltojen, erityisesti P- ja S-aaltojen liikkeiden seurantaa.

Kun tarkastelen tekemiäni karttoja niin huomaan, että niiden avulla saa aiheesta suhteellisen hyvän yleiskäsityksen, muun muassa siitä, että maanjäristyksiä tapahtuu litosfäärilaattojen reunakohdilla ja että tulivuoria sijaitsee samoilla alueilla. Kuitenkin tarkan tiedon saaminen karttojen avulla jää suhteellisen heikoksi. Erityisesti esimerkiksi ensimmäinen kartta (Kuva 1) sisältää niin paljon tietoa, että se tekee kartasta hyvin epäselkeän näköisen. Olisin myöskin voinut  kirjoittaa karttojen legendoihin enemmän tietoa, kuten miltä vuosilta kyseiset tiedot ovat ja kuinka voimakkaita maanjäristyksiä kartat kuvaavat. Molemmat näistä tiedoista kyllä löytyy blogin tekstistä, mutta jälkeenpäin tajusin, että kyseinen tieto olisi ollut hyvä esittää myös itse kartoissa. Kyseisillä kartoilla olisi voinut esittää myös tietoa muun muassa tsunameista, koska niiden syntyyn vaikuttaa mm. juuri maanjäristykset & tulivuorten purkaukset.

Alla olevat linkit kuvaavat maanjäristysten esiintymisalueita/riskiä maanjäristysten tapahtumiselle maailmanlaajuisesti, Euroopassa ja Pohjois-Amerikassa. Kyseiset kartat ovat ainakin omasta mielestäni selkeämpiä lukea ja tämän takia informatiivisempia, kuin omani.

Whole world earthquake hazard map

Europe earthquake hazard map

North America earthquake hazard map

 

Lähteet:

National Geographic, Ring of fire, https://www.nationalgeographic.org/encyclopedia/ring-fire/

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Viides kurssikerta takana ja enää muutama jäljellä – aika rientää! Tälle kurssikerralle meitä ohjeistettiin tulemaan hyvin valmistautuneina ja virkein mielin, sillä tällä kerralla suoritetut tehtävät poikkesivat hieman edellisistä. Tämä kurssikerta ei sisältänyt normaaleja opastettuja tehtäviä, vaan niiden sijasta meidän piti itse keksiä/selvittää, miten tehtävissä kysyttyihin kysymyksiin löytyy ratkaisu. Tehtävät siis vaativat taitoja soveltaa tällä kerralla, sekä aikaisemmin opittuja asioita. Näiden tehtävien avulla pystyi testaamaan omia QGIS taitojaan ja pakko myöntää, että selkeästi omissani on vielä paljon kehitettävää.

Aloitimme tunnin harjoittelemalla bufferointia eli puskurointia. Sen avulla pystyy suorittamaan muun muassa erilaisia laskutoimituksia, luomalla vyöhykkeen kohteen ympärille. Näin pystyy selvittämään esimerkiksi Kuinka monta ihmistä asuu 5 kilometrin säteellä kohdasta x. Buffereita voidaan hyödyntää, kun halutaan tutkia esimerkiksi mihin jokin toiminto, kuten vaikka bussipysäkki halutaan sijoittaa. Buffereiden avulla voidaan myös kartoittaa erilaisia asioita, kuten minkä ikäisiä/maalaisia tai vaikka sukupuolisia ihmisiä tietyn alueen sisällä asuu. Teimme muutaman yhteisharjoituksen tunnin alkuun viime kerralla luomamme aineiston pohjalta. Tämän jälkeen siirryimme tunnin haastavaan osuuteen, eli itsenäistehtäviin. Meillä oli aineistona tietokantoja, jotka sisälsivät muun muassa väestötietoja rakennuksittain, lentomeluvyöhyke tietoja, sekä tietoja juna-asemista & lentokentistä. Näiden pohjalta aloimme siis hommiin – ja no sanotaanko, että jos ensimmäisiä tehtäviä olisin ilman apua ollut ahertamassa, niin tältä kurssikerralta en olisi todennäköisesti saanut aikaan muuta kuin pahanmielen. Onneksi tekemällä oppii ja alkoi tehtävien suorittaminen sujua ainakin jotenkin.

Tekemistäni tehtävistä kokosin vastaukset word-tiedostoon, josta otin kuvankaappauksella kuvan ja liitin tämän postauksen loppuun (Kuva 1). Tekstin lopusta löytyy myös aikaan saamani kartta uima-altaiden jakautumisesta pääkaupunkiseudulla (Kuva 2).

Koin tämän kurssikerran hyödylliseksi, koska sain testata mitä kurssilla on tullut opittua, mikä on vielä haastavaa ja mikä mahdollisesti sujuu jo hyvin. Mitä päällimmäisenä tulee mieleen on, että QGIS:siä käyttäessä kertaus on tosiaan opintojen äiti. Ainakin omalla kohdalla huomasin, että jo ”helpolta” tuntuneet asiat olivat päässeet unohtumaan, kun niitä ei ole käyttänyt hetkeen. Kyllähän ne sieltä sitten onneksi muistui, kun sain neuvoa tehtävien tekemiseen. Täysin itsenäinen työskentely on toki tämän takia hieman haasteellista, koska helposti tuntuu, ettei pääse etenemän, kun ei muista miten joku perusasia suoritetaan. Tietenkin voisi mennä katsomaan aikaisempien kurssikertojen ohjeista – mutta yleensä turhautuminen on sen verran läsnä tässä vaiheessa, että ei aivotkaan tunnu pelaavan enää normaalisti.

Keskeisimmiksi työkaluiksi olen kokenut itselleni attribuuttitaulun, siellä toteutettavat erilaiset toiminnot. Viimeisimpänä opin myös hyödyntämään attribuuttitaulun tarkastelua siten, että olin valinnut etukäteen tiettyjä ominaisuuksia aineistosta select attributes by value toiminnon avulla ja pystyin attribuuttitaulun avulla selvittämään niistä tietoa. Tätä hyödynsin kun tein tämän kurssi kerran uima-allas tehtävää ja yritin selvittää, kuinka moni kerros-,rivi-,pari- ja omakotitalo sisältää uima-altaan. Myöskin Join attributes by location, vektoriaineistojen data management tools-toiminnot, sekä uuden shapefile tason luomis- toiminnot ovat tulleet suhteellisen tutuiksi. Lähiaikoina olen myös alkanut hallitsemaan jollakin tavoin Spatial queryn ja statistic panelin käyttöä, jotka olen kokenut erittäin hyödyllisiksi. Koen jollakin tasolla hallitsevani nämä kaikki työkalut, mutta aina välillä niiden olemassa olo unohtuu/en muista missä kohtaa niiden käyttö olisi suotavaa. Tämä varmasti johtuu siitä, että QGIS on kuitenkin vielä suhteellisen uusi tuttavuus ja sen käyttö on vielä ajoittain suhteellisen epävarmaa.

Ensimmäisenä itselle tulee mieleen, että QGIS:sin avulla voidaan käsitellä erilaisia paikkotietoaineistoja ja ratkaista niihin liittyviä kysymyksiä. Johanna kuvaili blogissaan hyvin QGiS:ssa esiintyviä haittapuolia: Paikkatiedon käsittelyyn QGIS onkin loistava ohjelma, kunhan aineisto ei ole liian suuri. Ohjelman miinuspuoli onkin sen raskaus ja sen hitaus käsiteltäessä suuria aineistoja. Ohjelma saattakkin kaatua useita kertoja jos aineisto on liian suuri.” Olen itsekin kohdannut kyseisen ongelman ohjelmistoa käyttäessä ja ohjelmiston kaatuminen juuri silloin, kun ei ole muistanut tasaisin väliajoin tallentaa, on kyllä suhteellisen hermoja raastavaa.

Kuva 1. Tehtävien vastaukset

Kuva 2. Uima-altaiden määrä pääkaupunkiseudulla alueittain

Ensimmäinen kuva (Kuva1) sisältää siis kaikki laskutoimitukset, jotka suoritin QGIS:sin avulla. Toisessa kuvassa (Kuva 2) esiintyy kartalla uima-altaiden sijoittuminen alueittain pääkaupunkiseudulla. Jokaisen kunnan kohdalla on lukumäärä uima-altaista ja visuaalisen lukemisen helpottamiseksi kartalla on myös histogrammit kaikilla niillä alueilla, joilla uima-altaita sijaitsee. Karttani mukaan eniten uima-altaita pääkaupunki seudulla sijaitsee Lauttasaaressa ja Länsi-Pakilassa.

Pakko antaa tähän loppuun vielä erityismaininta ystävälleni Jollulle, jonka blogiin jo aikaisemmin tekstissäni viittasinkin. Ilman Jollun apua painisin varmaan vieläkin tehtävien alku osiossa hermot täysin loppuun palaneina. Joten kiitos Jollu kärsivällisyydestäsi ja jaksamisestasi auttaa – pelastit mut mahdollisilta  ja hyvin todennäköisiltä hermoromahduksilta 😀

Lähteet:

Lehtinen Johanna (2019), Itsenäistä säheltämistä ,https://blogs.helsinki.fi/johanleh/ 

Aika rientää ja neljäs kurssikerta on jo takana. En tiedä johtuuko se QGIS taitojen kehittymisestä vai mistä, mutta neljännellä kurssikerralla suoritetut tehtävät sujuivat yllättävän positiivisissa tunnelmissa verrattuna muutamaan aikaisempaan. Tunnilla harjoittelimme muun muassa ruutukarttojen tekemistä ja uuden tiedon tuottamista sekä tutustuimme pistemuotoisiin & rasteriaineistoihin. Lopuksi pääsimme myös piirtämisen maailmaan QGIS:sissä.

Ensimmäisen osan tunnista käytimme ruutukarttoihin tutustumiseen. Tutkimme väestön jakautumista pääkaupunkiseudulla eri tekijöiden perusteella. Meillä oli pohjalla aineisto pääkaupunkiseudusta, jonka päälle loimme ruudukon. Tämän jälkeen yhdistimme aineistoon tietokannan, joka sisälsi tietoa kaikista pääkaupunkiseudun rakennuksista & muun muassa rakennuksien asukkaiden tiedot. Tämän tietokannan tietoja karsimme kuitenkin hieman ennen yhdistämistä, jotta välttyisimme suurelta määrältä turhaa tietoa. Lopuksi jo viimekurssikerralla tutuksi tulleen ”Join attributes by location” toiminnon avulla saimme aikaan kartan, jonka pohjalta pystyi tulkitsemaan asutuksen sijoittumista pääkaupunkiseudulla.

Väsäsin innostuksissani aiheeseen liittyen kolme ruututeemakarttaa, joiden koin jollain tavalla liittyvän toisiinsa.  Kaikissa näissä kolmessa kartassa käytin ruutujen kokona 1000 m x 1000m, koska koin sen antavan tarpeeksi tarkkaa tietoa ja kartoista tuli myös tällä ruutukoolla visuaalista silmääni miellyttäviä.

Kuva 1. Ruotsinkielisten määrä pääkaupunkiseudulla

Mutta itse tuotoksiin. Ensimmäisenä laadin ruututeemakartan Ruotsinkieltä puhuvien sijoittumisesta pääkaupunkiseudulla (Kuva 1). Kuten kartasta näkee, sijoittuvat Ruotsin kieltä puhuvat hyvin yhtenäisesti Helsingin kantakaupungin alueelle, Kirkkonummen seudulle, sekä vähän hajanaisemmin Espoon rannikko seudulle. Eniten heitä sijaitsee juuri Helsingin kantakaupungin alueella, jossa määrä on jopa 951-1811 neliökilometrillä.

Kuva 2. Muun kielisten määrä pääkaupunkiseudulla

Päätin pysytellä kieliteemassa ja seuraava aikaansaannokseni oli oheinen kartta (Kuva 2) muun kielisten jakautumisesta pääkaupunkiseudulla. Päädyin googlailemaan termiä ja eksyttyäni tilastokeskuksen sivuille minulle selvisi, että muun kielisillä tarkoitetaan siis äidinkielekseen muuta kun Suomen, Ruotsin ja Saamen kieltä puhuvia henkilöitä. Ajattelin, että olisi mielenkiintoista vertailla tätä aineistoa ensimmäiseen karttaan pelkästään ruotsinkielisten jakautumisesta. Ja mitä näitä kahta aineistoa vertailemalla sitten tuli ilmi? Ainakin se, että kun Kirkkonummi ja Helsingin kantakaupunki toimivat suurimmaksi osaksi ruotsinkieltä puhuvien asuinpaikkoina, niin tämä sama kaava ei päde, kun tutkitaan muun kielisiä. Muun kielisten määrä on huomattavan paljon hajaantuneempaa ympäri pääkaupunkiseutua, kuin pelkästään ruotsinkielisten. Tietenkin pitää ottaa huomioon, että tässä aineiston määrä on huomattavasti suurempi, kuin pelkään ruotsinkielisten aineistossa ja se tietenkin mahdollistaa suuremman hajaantumisen.

Kuva 3. Asukkaiden hajaantuminen pääkaupunkiseudulla

Kolmantena luomuksena toteutin kartan (Kuva 3) kaikkien pääkaupunkiseudun asukkaiden hajautumisesta. Ajattelin tämän toimivan hyvänä vertailukohteena kahdelle edelliselle kartalle. Tästä kartasta pystyy havaitsemaan, mihin asutus on pääosin keskittynyt pääkaupunkiseudulla ja vahvasti isoimmaksi keskittymäksi nouseekin Helsingin kantakaupungin alue. Mitä kauemmaksi kantakaupungista siirrytään, niin sitä harvemmaksi asutus selkeästi muuttuu. Muuten kun kyseistä tätä vertaa karttaan muun kielisten jakautumisesta pääkaupunkiseudulla, pystyy näistä havaitsemaan paljon yhtäläisyyksiä. Eniten muun kielisiä pääkaupunkiseudulla on siis juuri siellä, mihin asutus on muutenkin pääosin keskittynyt.

Ruututeemakartta harjoittelun jälkeen siirryimmekin ihan uudenlaisiin ulottuvuuksiin QGIS:sissa. Aikaisemmin olemme käsitelleet pääasiassa vektoriaineistoja ja nyt siirryimmekin rasteriaineistojen maailmaan. Meillä oli aineistona peruskarttalehti, sekä korkeusmalli aineistot Pornaisten alueelta. Lisäsimme tähän myöskin rinnevarjostuksen ja alla oleva karttakuva (Kuva 4) kuvastaa aikaansaannostani.

 

Kuva 4. karttakuva Pornaisten alueelta

Mitä oheisesta kuvasta voi sitten nähdä? Taideteokseni avulla pystyy tulkitsemaan alueen pinnan muotoja, vesistöjä ja muun muassa alueen nimistöä. (Kuvaa ei pysty tässä valitettavasti zoomaamaan, joten mm. nimet näkyvät kuvassa hyvin heikosti)

Kurssikerran kotitehtävänä oli laatia Pornaisten alueelle korkeusmallin avulla korkeuskäyrät 5 metrin välein ja tämän jälkeen ladata Pornaisten alueen peruskarttalehti ja vertailla näitä käyriä. Latasin Paitulista kyseisen aineiston ja lisäsin tiedoston QGIS:siin, jossa pystyin tarkastelemaan molempia korkeuskäyriä saman aikaisesti. Säädin hieman värejä, että eri aineistojen korkeuskäyrät pystyy erottamaan toisistaan ja sain aikaan oheisen korkeuskäyrä karttakuvan (Kuva 5).

Kuva 5. korkeuskäyrien vertailu

Kyseisessä kartassa haalean sinisellä näkyvät korkeuskäyrät ovat itseni luomia korkeusmallin avulla ja mustat käyrät ovat Paitulista ladatun aineiston korkeuskäyriä. Korkeuskäyrät vastaavat toisiaan yllättävän hyvin, vaikka paituli aineiston korkeuskäyrät menevät hieman symmetrisemmin. Kun kuvaa katsoo tarkasti voi huomata, kuinka mustat korkeuskäyrät eivät tee yhtä jyrkkiä käännöksiä & mutkia, kuin siniset. Myöskin kun tarkastelee kuvan vasenta reunaa voi huomata sinisistä käyristä syntyneen hyvin epämääräisen muodostelman, jonka merkitystä on hyvin haastava tulkita – vastaavia epämääräisiä muodostumia ei puolestaan näy paituli aineiston korkeuskäyrissä.

Lähteet:

https://www.stat.fi/tup/maahanmuutto/maahanmuuttajat-vaestossa/vieraskieliset.html

 

Kolmannella kurssikerralla hyppäsimme taas askeleen syvemmälle QGiS:sin maailmaan. Tällä kertaa käymämme asiat olivat selkeästi haastavampia ja tuottivat enemmän päänvaivaa kuin aikasemmat tehtävämme. Tunnilla tuli huomatua, että keskittymisen täytyy tosiaan olla kokoajan tapissa tai muuten tippuu kyllä heti kärryiltä. Tälläkin kerralla onnistui ohjelmisto saamaan käyttäjänsä hermot tiukille useiden kaatumisten takia, mutta onneksi niihin olin jo tottunut aikaisemmalla viikolla 😀 kyllä se vähän hermoon otti, kun suurella vaivalla tehdyt laskut ja kartat katosivat kuin tuhkatuuleen, mutta eikös kertaus ole opintojen äiti vai miten se nyt menikään.

Mutta itse tunnin aiheisiin. Tunnin aluksi teimme harjoittelua käyttäen aineistona Afrikan valtiot sisältävää karttaa. Harjoittelimme tällä muun muassa eri kohteiden yhdistelyä niitä yhdistävien tekijöiden avulla ja opettelimme tuomaan Excelistä tietoja käyttämämme tietokannan tueksi. yhdistelimme näitä eri tietokantoja ja saimme aikaan visuaalista tietoa Afrikan valtioiden kaivostoiminnasta ja konflikteista. Tämän jälkeen siirryimme itsenäiseen harjoitukseen, jossa tavoitteena oli luoda teemakartta suomen tulvaindeksistä ja järvisyydestä.

Kuva 1. Suomen tulvaindeksi ja järvisyys

Tunnin aikaansaannos oli koropleettiteemakartta (kuva 1) Suomen tulvaindeksistä. Kartta siis kuvaa Suomen valuma alueiden tulvaherkkyyttä.  Kartassa tulvaindeksien luokkarajat ovat kvantiilit eli jokaisessa luokassa on yhtä monta aluetta. Tulvaindeksit laskin laskutoimituksella MHQ/MNQ, eli jaoin keskiylivirtaaman keskialivirtaamalla. Alueiden tulvaherkkyyteen vaikuttavat muunmuassa alueen mankäyttö ja pinnanmuodot, sekä alueen järvisyys.

Teemakartan päälle lisäsin histogrammi muodossa alueiden järvisyyttä kuvaavat pylväät. Histogrammit eli pylväät siis kuvaavat alueiden järvisyyttä prosentteina. Suurimmat pylväät sijaitsevat itä- ja Kaakkois-Suomessa ja alueen järvisyys on noin 20%. Kartalla sijaitsevat pylväät eivät kerro suoraan järvisyyden arvoa prosentteina, joka on mielestäni huono juttu. Lukijan pitää itse päätellä järvisyyden prosenttiarvoja vertailemalla pylväitä, joka mielestäni heikentää kartan luetettavuutta.

Kartasta pystyy tulkitsemaan missä päin Suomea on suurin tulvaherkkyys ja missä eniten järviä. Siellä missä on vähiten järviä eli länsirannikolla on tulvaherkkyys korkeimmalla. Järvisintä puolestaan on keski- ja Itä-Suomessa ja siellä luonnollisesti tulvaherkkyys on alhaisin. Jaisa Nykänen  selittää ilmiön blogissaan mielestäni hyvin loogisella ja järkeenkäyvällä tavalla;  ”Länsi- ja etelärannikolla sijaitsevat valuma-alueet ovat Suomen tulvaherkimpiä ja järvittömimpiä alueita. Ylimääräiset sade- ja hulevedet ajautuvat jokiin, jotka hyvin tasaisella maalla sijaitessaan tulvivat yli äyräidensä. Järvi-Suomi, eli lähinnä Suomen keskiset ja itäiset osat eivät ole järviensä takia yhtään niin herkkiä tulvimiselle. Järvet toimivat luonnonmukaisina tulvien ehkäisijänä, ja vastaanottavat vettä huomattavasti jokia enemmän.” 

Mielestäni tekemästäni kartasta ei tullut visuaalisesti niin kaunis ja selkeä, kuin olisin ehkä halunnut. Taistelin värien ja diagrammien kanssa pitkän tovin ja lopulta oli vaan pakko tyytyä lopputulokseen – noh ei kai sitä aina voi onnistua.

 

Lähteet:

Nykänen, Jaisa. Kolmas kerta ei sano mitään (31.1.2019) https://blogs.helsinki.fi/jaisa

 

 

Toinen kurssikerta takana ja ensimmäiset hermoromahdukset saatu. Ohjelmiston jumittuminen, epänormaali toimivuus sekä kaatuminen useampaan otteeseen sai käyttäjälleen melkein jopa vedet silmiin. Ongelmista onneksi selvittiin pienten mutkien kautta ja uusien taitojen oppimisen lisäksi jäi tunnilta käteen myös kärsivällisyyden lisääntyminen. Toisen kurssikerran vastoinkäymiset kuitenkin lannistivat sen verran, ettei tunnilla aikaan saadutut tuotokset olleet omaa silmää miellyttäviä. Siksi parin päivän rauhoittumisen jälkeen päätettiin antaa toisen kurssikerran tehtäville gis-kolleegani Johannan kanssa uudet mahdollisuudet ja sainkin aikaan julkaisukelpoista materiaalia. Vaikka itse tunnilta jäi käteen vain ärsytystä, oli mukava huomata kuinka hyvin siellä käymämme asiat olivat jäänee mieleen, kun niitä useampaan otteeseen toistimme.  Nimittäin kun aloimme samoja asioita tekemään parin päivän jälkeen, sujui tehtävien teko yllättävänkin hyvin.

Pääsimme syventämään jo ensimmäisellä kerralla oppimiamme asioita muun muassa karttojen visualisoinnista, sekä uutena teemana tutkimme eri projektioiden vaikutuksia karttoihin. Projektioita tarvitaan, kun halutaan kuvata maapallon kolmiulotteista pintaa kaksiulotteisella kartalla. Sen mukaan miten karttaprojektiot laaditaan voidaan ne jakaa kolmeen ryhmään; taso-, lieriö-, ja kartioprojektioon.  Näistä kolmesta pyritään aina valitsemaan se projektiotyyppi, mikä soveltuu parhaiten kartan käyttötarkoitukseen. Kartta projektioita voidaan jaotella myös sen mukaan, missä asennossa se sivuaa maapallon pintaa. Projektio voi sivuta maapalloa joko pysty-, vino- tai poikittaisasennossa. Kun kartta projektioita luodaan syntyy aina virheitä, johtuen maapallonpinnan pallomaisesta muodosta.  Näistä syntyvistä virheistä on myöskin luokiteltu kolme luokkaa, jotka kuvaavat karttojen perusominaisuuksia. Nämä ovat virheet kartalla esiintyvissä pinta-aloissa, pituuksissa ja kulmaisuuksissa. Toisin sanoen kartta voi olla joko oikeapintainen, oikeapituinen tai oikeakulmainen. Kartta ei voi sisältää kerrallaan kuin yhden näistä perusominaisuuksista. On olemassa myös kompromissiprojektioita, joissa kaikista ominaisuuksista on tingitty vähän – tavoitteena yleensä saavuttaa visuaalisesti mahdollisimman kaunis kartta. Nämä kartan ulkonäköön ja ominaisuuksiin vaikuttavat tekijät tulee ottaa huomioon, kun valitsee omaan käyttötarkoitukseensa parhaiten soveltuvaa projektiota.

Tein aiheesta ohessa olevan Excel taulukon (Kuva 1), jossa näkyy  konkreettisesti kuinka suuria eroja eri projektioilla oikein on. Rajasin siis alueen ja mittasin sen pinta-alan eri projektioita käyttäen, sekä mittasin täsmälleen samaan sijaintiin sijoitetun viivan pituutta eri projektioilla. Taulukossa näkyy, kuinka suuria mittaus eroja eri projektioilla voikaan syntyä – tämä herätti mietteitä, mitkä projektiot ovat luotettavia ja mitkä eivät, sekä projektion valinnan tärkeyden merkitys kasvoi silmissäni suuresti.

Kuva 1. Excel taulukko mittaustuloksista.

Kun excel taulukon avulla pystyy havaitsemaan projektion vaikutukset mittauksiin ja etäisyyksiin, pystyy havainnollistavien koropleettikarttojen avulla tarkastelemaan projektion vaikutuksia alueisiin ja niiden pinta-aloihin.  Alla olevissa kartoissa (Kuva 2&3) näkee prosentteina, kuinka suuret alueelliset pinta-ala erot Suomen kunnissa on eri projektioita käyttäessä.

Kuva 2. Mercatorin ja Lambertin projektioiden pinta-alojen vääristymien vertailu

Ensimmäisessä kartassa (Kuva 2) vertailin Mercatorin ja Lambertin projektioiden eroja.  Lambertin projektio on oikeapintainen tasoprojektio, kun taas Mercator on oikeakulmainen lieriö projektio. Näiden kahden projektion väliset vääristymät ovat hyvin suuret ja ne kasvavat mitä pohjoisemmaksi kartalla liikutaan. Kartasta huomaa, että erityisesti Pohjois-Suomen kunnissa vääristymät ovat jopa 700% luokkaa.  Tämä ero johtuu siitä, että vertailussa oli käytössä Lambertin oikeapintainen projektio, jossa alueiden pinta-alat ovat kuvattu oikean kokoisina, kun taas Mercatorin projektiossa mittakaava kasvaa, mitä lähemmäs napoja liikutaan eli se kuvaa pohjoisemmassa osassa maapalloa esiintyvät alueet suurempina, kuin vastaavan kokoiset alueet päiväntasaajan lähettyvillä.

Kuva 3. Lambertin ja Robinsonin projektioiden pinta-alojen vääristymien vertailu

Toisessa kartassa (Kuva 3) taas vertailun kohteena oli Lambertin ja Robinsonin projektio. Robinsonin projektio on maailman karttoja varten suunniteltu projektio, jossa oikeapintaisuuteen sekä oikeakulmaisuuteen liittyvät virheet on pyritty minimoimaan.  Näissä kahdessa projektioissa on myös selkeästi havaittavia eroja, mutta ei läheskään yhtä suuria, kuin Mercatorin ja Lambertin projektioiden välillä. Tämä johtuu siitä, että Robinsonin projektion vääristymät on pyritty minimalisoimaan ja täten siinä tapahtuvat pinta-ala virheet eivät pääse kasvamaan yhtä suuriksi, kuin Mercatorin projektiossa. Molemmissa karttavertailuissa suurimat erot ovat Pohjois-Suomen kunnissa, mikä on hyvin yleistä eri projektioita käyttäessä.

Sain itse toisella kurssikerralla käydyistä aiheista paljon irti. Projektioita olen aikaisemminkin opiskellut mutta kaikki niihin liittyvä tuntuu aina jostakin syystä hieman haastavalta ja siksi kertailu olikin hyvästä. Oli myös mielenkiintoista nähdä konkreettisesti projektioilla tapahtuvia eroja ja virheitä, joista on aikaisemmin vain päässyt lukemaan. 

 

Nyt se sitten alkoi, paljon odotettu toinen GIS kurssini. Itse olen kurssista hyvin innoissani, koska GIS on kiinnostanut heti ensimmäisen kurssin jälkeen. Tällä ensimmäisellä kurssikerralla sain tunnin alkuun tarpeellisen kertauksen jo itselle tuttuihin aiheisiin paikkatiedosta, sen ominaisuuksista, sekä rakenteista. Tutustuin myös ensimmäistä kertaa QGIS-ohjelmistoon, joka on avoin paikkatieto-ohjelma. Opin tuntemaan ensin hyvin monimutkaiselta näyttävän ohjelmiston perustoimintoja, kuten projektin luomista ja sen tallentamista, työkaluvalikon ja itse työkalujen käyttöä, sekä myös joitakin ohjelmiston lisäosia. Opin myös yksinkertaisimmillaan QGISIN browser ohjelman käyttöä, joka tulee QGIS ohjelman asennuksen yhteydessä. Ensikatsaukselta QGIS ohjelma vaikutti hyvin monimutkaiselta ja sekavalta ohjelmalta, mutta hetken käytön sekä opetuksen jälkeen alkoivat sen toiminnot selkeytyä ja aloin ymmärtää sen perus periaatteita. Tajusin myöskin, että kurssilla täytyy koko ajan olla korva tarkkana, jos haluaa pysyä asioista kärryillä.

Kuva 1. Typpipäästöt Itämerellä

Ensimmäisen kurssikerran aikaansaannos oli teemakartta (Kuva 1) eri valtioiden typpipäästöistä Itämeren alueella. Itämeri on yksi maailman saastuneimmista meristä, jonka ongelmana on erityisesti rehevöityminen. Typpi päästöt lisäävät merien rehevöitymistä ja teemakartan avulla pystyy havaitsemaan pahiten Itämeren aluetta saastuttavat ja rehevöittävät alueet.

Kartta on hyvin selkeillä ja visuaalisilla väreillä tuotettu teemakartta, joka antaa hyvin selkeää informaatiota Itämeren alueen valtioiden typpipäästöistä. Kartan teemavärinä toimii ekologisuutta kuvastava vihreän väri ja lukija pystyy vihreän eri sävyjen avulla havaitsemaan, missä typpipäästöt ovat korkeammalla kuin muualla. Mitä tummemman vihreä valtio on sitä pienemmät päästöt sillä on. Jos valtion vihreän sävy on hyvin keltainen, niin kuin Puolalla, tarkoittaa se valtion typpipäästöjen olevan hyvin korkealla. Kartta esittää typpipäästöjen lisäksi tietoa Itämeren syvyyksistä, joka on hieman epärelevanttia tietoa tätä aihepiiriä tutkiessa.

 

 

 

 

 

 

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