Aidan GIS-taival

PostinumeroalueiTA JA YKSIN ASUMISTA

Tämän viikon aiheen päättäminen oli varsin vaikeaa, sillä niin moni aihe kiinnostaa. Päädyin kokeilemaan monia eri aihe- ja aineistovaihtoehtoja, mihin meni paljon aikaa. Alun perin olin ajatellut tehdä kartan jostakin luonnonmaantieteellisestä ilmiöstä, esimerkiksi avohakkuista maakunnittain. Metsänkäyttöilmoituksista koostuva aineisto oli kuitenkin massiivinen ja kaatoi QGIS:n niin monta kertaa, että minun oli pakko tyytyä kuntakohtaiseen tarkasteluun koko Suomen sijaan. Kohtasin kuitenkin uuden ongelman, kun aineistoa ei pystynytkään järkevästi rajaamaan ilmoitusten ajankohdan perusteella. Aineistossa oli siis metsänkäyttöilmoituksia 90-luvulta saakka, minkä totesin olevan liian pitkä aikaväli. En myöskään osannut varmistua siitä, ettei aineistossa olisi päällekkäisiä ilmoituksia tai kokonaan toteuttamattomia hakkuita. Siksi päädyinkin käsittelemään aivan muita aineistoja.

Tilastokeskuksen postinumeroalueittaisen tiedon aineisto Paavo on viime aikoina kiinnostanut minua, sillä se sisältää monenlaisia muuttujia. Postinumeroalueet mahdollistavat kuntarajoihin perustuvaa tietoa tarkemman ja paikallisemman tarkastelun. Alueeksi rajasin pääkaupunkiseudun kunnat eli Helsingin, Espoon, Vantaan ja Kauniaisen, ja päätin tarkastella yksinasuvien osuutta postinumeroalueiden asukkaista (kuva 1).

Olen viime aikoina huomannut useita varsin sekavia ja huonosti tietoa välittäviä karttakuvia useilla uutissivustoilla, mikä on ollut turhauttavaa. Ajattelin kokeilla tehdä tällä kurssikerralla uutisartikkeleissa käytettävän tyylisiä selkeitä ja visuaalisesti miellyttäviä karttoja. Pyrin siksi valitsemaan värit, jotka erottuvat toisistaan sekä selkeät ja tarpeeksi suuret fontit. Erityisesti kiinnitin huomiota tekstien ja otsikoiden informatiivisuuteen. Yksin asuvien määrässä ja osuuksissa on suurta alueellista vaihtelua pääkaupunkiseudulla, minkä vuoksi tämä voisi varmasti olla kiinnostava uutisaihe.

Lisäsin kartalle metro- ja junaradat, sillä huomasin monien yksinasuvien suosimien alueiden sijaitsevan näiden varrella. Aineistoa enemmän tarkasteltuani huomasin monien niistä alueista, joilla yksinasuvien osuus on suurin, sijaitsevan Helsingissä. Koska nykypäivän klikkiotsikoiden täyttämät mediat ovat kiinnostuneita ääriesimerkeistä, etsin aineistosta ne kolme aluetta, joilla yksinasuvien osuus on pienin sekä kolme aluetta, joilla osuus on suurin. Lisäsin vielä näiden tarkemmat tiedot karttaan, jotta kuvitteellisen uutisen lukijat voisivat helposti hahmottaa esimerkkialueiden sijainnit (kuva 2).

Yksinasuvia löytyy monista ikäryhmistä, yleisimmin nuorista aikuisista ja ikääntyneistä. Yksinasuvien joukosta kaupungin keskusta-alue on keskimääräistä mieluisampana pidetty asuinpaikka. Eri ikäisiä yksin asuvia tarkastellessa voidaan havaita, että 25-34-vuotiaiden vastaajien ikäryhmässä kaupungin keskusta-alue on kaikkein mieluisimpana pidetty asuinalue (kuva 3). (Backman, 2016)

Kuva 3 Yksinasuvien mieluisin asuinpaikka ikäryhmittäin. (Backman, 2016)Koska nuorten yksin asuminen kiinnostaa minua, tein vielä kolmannen karttakuvan (kuva 4), jossa esitän 20-29-vuotiaiden osuuden eri kokoisina palloina yksin asuvien osuuksia esittävän koropleettikartan päällä. Näitä aineistoja vertailemalla voi havaita, että yhteneväisyyttä tosiaan löytyy monien alueiden osalta. Helsingin kantakaupungin alueella parikymppisten osuus asukkaista on merkittävä, ja kuten yksin asuvia, on parikymppisiäkin suuri osuus juna- ja metroratojen varsilla asuvista. Kauempaa radoista olevilta alueilta kumpaankaan ryhmään kuuluvia ei löydy lainkaan yhtä suurta osuutta.

Täydellisen selkeyden ja informatiivisuuden saavuttaminen on varmaan täysin mahdotonta, sillä ihmiset hahmottavat asioita niin eri tavoin. Koen lopputulosten olevan varsin selkeitä, mutta ne ovat varmasti jollekin toiselle vaikeampia hahmottaa. Koen kuitenkin, että voisin käyttää näitä karttoja jossakin kurssin ulkopuolisessakin yhteydessä, jos sellainen tarve ja tilaisuus olisi. On ollut innostavaa huomata omien taitojen kehittyneen tässä kurssin aikana.

Tämän kurssikerran työskentely oli mukavaa, mutta ehdottomasti antoisinta oli päästä katsomaan blogeista muiden aikaansaannoksia. Gaius Erikssonin rataverkkoa ja sen uusia ratahankkeita kuvaavat kartat olivat todella kiinnostavia ja vaikuttavia. Kiinnostavaa oli myös pohdinta siitä, miten lähijunaliikennettä voisi ehkä olla muillakin alueilla kuin nykyään on.

Myös Laura Vitikan valitsema aihe mustavalaiden ja laivaliikenteen esiintymisestä oli kiehtova. En tunne lajia tai sen uhanalaisuutta kovin hyvin, mutta blogiteksti karttoineen sai ehdottomasti kiinnostumaan aiheesta lisää.

lähteet

Backman, K. (2016). Yksinasuvien asumistoiveet Helsingissä. Teoksessa Väliniemi-Laurson, J., Borg, P., & Keskinen, V. (toim.), Yksin Kaupungissa (s. 55-70). Helsingin kaupungin tietokeskus.

Eriksson, G. (27.2.2024) MAA202 Seitsemäs viikko. Gaiuksen kurssiblogi. Viitattu 15.3.2024. https://blogs.helsinki.fi/ezgaius/2024/02/27/maa202-seitsemas-viikko/

Tilastokeskus (2022). Paavo (Postinumeroalueittainen avoin tieto) https://pxdata.stat.fi/PxWeb/pxweb/fi/Postinumeroalueittainen_avoin_tieto/

Vitikka, L. (28.2.2024) Valaiden ja ihmisten valtatiet 28.2. Lauran opiskelublogi. Viitattu 15.3.2024. https://blogs.helsinki.fi/viclaura/2024/02/28/datan-surffailua-aamuyon-tunteina-28-2/ 

aineiston kerääminen JA INTERPOLOINTI

Aloitimme kurssikerran keräämällä aineistoa Epicollect5-sovelluksen avulla Kumpulan kampuksen ympäristöstä. Tarkoituksena oli tarkastella erilaisten alueiden viihtyisyyttä ja turvallisuutta kävelijöille sekä sitä miten miellyttäviä alueet ovat visuaalisesti. Tein aineistoista kaksi karttaa (kuvat 1 ja 2), jotka esittävät harjoitusryhmämme arvioimaa eri alueiden visuaalista miellyttävyyttä.

Visuaalisesti erityisen miellyttäviksi koettiin muun muassa laajat viheralueet Kumpulanlaaksossa ja Vallilanlaaksossa. Visuaalisesti epämiellyttäviksi puolestaan arvioitiin esimerkiksi Kustaa Vaasan tien ympäristöä sekä useita kohteita Kumpulan kampusrakennusten ympäristössä.

Interpoloinnin avulla voidaan muodostaa alueista helposti hahmotettavaa yleiskuvaa, mutta liian tarkasti tarkasteltuna sen perusteella voi kuitenkin saada vääriä käsityksiä tuloksista. Interpoloidun kartan perusteella ei voikaan saada aivan tarkkaa tietoa siitä, millaiseksi mikä tahansa satunnainen piste on koettu. Siksi ajattelin blogissakin esittää sekä alkuperäisen aineiston, että sen interpoloidun version.

Opetusmateriaaleja

Alla olevien opetusmateriaaleiksi ajateltujen karttojen (kuvat 3, 4, 5 ja 6) avulla voisi herätellä oppilaita tai opiskelijoita miettimään maanjäristysten ja tulivuorten sijoittumista. Parhaimmillaan voisi syntyä oivallus siitä, että edellä mainittujen ilmiöiden ja mannerlaattojen sijaintien välillä on yhteys. Maailmankartoilta voisi yrittää tunnistaa mahdollisimman paljon tuttuja maanosia ja meriä. Näin maanjäristyksille alttiit litosfäärilaattojen reuna-alueiden sijainnit hahmottuisivat myös nimistön ja jo tuttujen alueiden kautta. Joillekin mieleen saattaa jäädä helpommin kuva maanjäristysten sijainneista, joillekin taas tieto siitä, että esimerkiksi Etelä-Amerikan länsirannikolla on runsaasti maanjäristyksiä.

Opetuskartoista tuli mielestäni varsin selkeitä, tosin lopputulosten värit ja visuaalinen ilme eivät erityisesti miellytä silmää. Opetuskäytössä tällä ei ehkä olisi niinkään väliä, vaan ennen kaikkea selkeydellä ja informatiivisuudella. Tarkemmin ajateltuna (ja muiden tekemiä karttoja nähtyäni) olisi voinut olla hyvä idea esittää myös tulivuoret samalla kartalla maanjäristysten kanssa. Ne olisi voinut myös merkitä toisenlaisella symbolilla, esimerkiksi kolmiolla, kuten moni oli tajunnut tehdä. Tilda Häsä oli myös keksinyt tehdä heatmapin kuvaamaan maanjäristysten runsautta, mikä näytti toimivan hyvin.

Tulivuorten ja maanjäristysten yhteyttä litosfäärilaattojen sijaintiin havainnollistaakseni tarvitsen tuekseni vielä kartan litosfäärilaatoista (kuva 7). Halusin valita tähän mahdollisimman selkeän, informatiivisen ja suomenkielisen kartan, jotta se olisi mahdollisimman käyttökelpoinen opetustarkoitukseen.

Lähteet

Häsä, T. (8.3.2024) Kuudes luento: omatoimista meininkiä. Tilda vastaan geoinformatiikka. Viitattu 9.3.2024. https://blogs.helsinki.fi/hctilda/2024/03/08/kuudes-luento-omatoimista-meininkia/

Tämän kurssikerran tehtävät vaativat minulta hurjasti järjestelmällisyyttä ja tarkkuutta. Lukujen pyörittely ja buffereiden luominen olivat todella kiinnostavia, mutta osoittautuivat varsin työläiksi. Saamissani tuloksissa on varmasti joitakin virheitä, vaikka kuinka yritin tarkistaa laskevani oikeita asioita oikeilla luvuilla. Tämänkertaisten tehtävien parissa kärsivällisyys oli todella koetuksella ja työskentely keskeytyi jatkuvasti vastaan tulleiden haasteiden vuoksi.

Koen osaavani tällä hetkellä melko hyvin monien QGIS:n perustyökalujen käytön, mutta ongelmatilanteita tulee edelleen paljon vastaan. Näiden selvittelyyn menee toisinaan paljon aikaa, mikä aiheuttaa turhautumista. Attribuuttitaulukon käyttö sekä eri valinta- ja laskutyökalut taitavat olla minulle nyt kaikkein tutuimpia ja turvallisimpia. Monimutkaisemmin ja pidemmin nimetyt toiminnot tuntuvat tosin vieläkin menevän usein sekaisin keskenään. Vaikeutena on yleensä työvaiheiden muistaminen ja toistaminen oikeassa järjestyksessä.

Ensimmäisessä tällä kurssikerralla tehdyssä harjoitustehtävässä käytettiin puskurivyöhykkeitä aineiston analysointiin. Selvitimme, kuinka suuri osuus Pornaisten asukkaista asuu alle puolen kilometrin etäisyydellä terveyskeskuksesta ja alle kilometrin päässä koulusta. Muodostamalla pääteiden ympärille 50 metrin bufferin selvisi, kuinka monta rakennusta ja asukasta asuu alle 50 metrin päässä päätiestä. Näiden esimerkkien perusteella sanoisin, että bufferointi voisi olla hyvin hyödyllinen työkalu esimerkiksi alueiden kaavoittamisessa ja eri kohteiden saavutettavuuden selvittämisessä.

lentokentät

Seuraavassa itsenäisesti tehdyssä tehtävässä tutkittiin puskurivyöhykkeiden avulla Malmin ja Helsinki-Vantaan lentokenttien läheisyydessä ja niiden melualueella asuvien lukumääriä. Muut tehtävät sujuivat varsin hyvin, mutta Tikkurilaa kohti yltävän ylimääräisen melualueen muodostaminen tuotti vaikeuksia. Tehtävä tuntui vaikeasti hahmotettavalta ja uuden melualueen piirtäminen ei onnistunut ensin lainkaan. Uuden paikkatietoaineiston luomiseen liittyvät työvaiheet tuntuvatkin olevan vielä hieman hukassa.

Kuvassa 1 esimerkki Malmin lentokentän kiitoratojen ympärille muodostetuista puskurivyöhykkeistä. Eri tavoin puskurivyöhykkeitä muodostamalla ja alueita tarkastelemalla sai hyvin erilaisia tuloksia, kuten kuvan 2 tuloksista huomaa. Esimerkiksi alle kahden kilometrin etäisyydellä Helsinki-Vantaan lentokentästä oli varsin paljon asukkaita (8806), mutta vain pieni osa (19 asukasta) heistä asui vähintään 65 dB melualueella. Yli 65 dB melualue kuitenkin jatkuu paikoin myös kahden kilometrin vyöhykkeen ulkopuolelle.

Vähintään 55 dB melualueella asukkaita on 11 923, joka on hyvin lähellä alle 2 kilometrin etäisyydellä asuvien lukumäärää. Alueet ovat muodoltaan ja rajaukseltaan tosin melko erilaiset, sillä lentomelua ei aiheudu tasaisesti kaikkialle kiitoratojen ympäristöön. Lentomelualueet ulottuvat varsin pitkälle suurin piirtein kiitoratojen suuntaisesti, jopa lähes 20 kilometrin päähän itse kiitoradoista.

Normaalitilanteessa luoteeseen päin suuntautuvan vähintään 60 dB melualueen pituus on noin 3,8 kilometriä ja leveys noin 500 metriä. Kun vastaavanlaisen alueen muodostaa vastakkaiseen suuntaan kiitoradan suuntaisesti, uudelle melualueelle jää 2879 asukasta Vantaan Tikkurilan länsipuolella sekä Helsingin Suutarilassa ja Tapulikaupungissa. Tämän aineiston perusteella ei ole mahdollista vertailla eri lentosuuntien vaikutuksen eroja, sillä luoteeseen päin oleva normaali melualue sijaitsee osin Tuusulan kunnan puolella, eikä aineistossa ole tietoja sen asukkaista.

ASEMAT JA TAAJAMAT

Pääkaupunkiseudun asukkaista alle 500 metrin päässä lähimmästä juna- tai metroasemasta asuu 265 201 asukasta. Tämä on 24,8 % eli noin neljäsosa kaikista alueen asukkaista. Osuus on mielestäni merkittävä alueen laajuuteen nähden. Junat ja metrot ovat kuitenkin vain osa pääkaupunkiseudun joukkoliikennettä, minkä vuoksi voi olettaa tätä tuloste vieläkin suuremmalla osalla olevan kotinsa läheisyydessä edes jonkinlainen joukkoliikennepysäkki. Työikäisiä (15-64-vuotiaita) juna-asemien läheisyydessä asuvista on 188 583, mikä on  71,1 % kaikista alle 500 metrin päässä asemasta asuvista. Puskurivyöhykkeitä voitaisiin käyttää tämän kaltaisesti joukkoliikennereittien kehittämiseen, jotta yhä suuremmalla osalla alueen asukkaista olisi lyhyt matka joukkoliikennepysäkeille.

Yhteensä aineiston mukaan Pääkaupunkiseudun asukkaita on 1 042 440, joista 1 001 830 asuu taajamissa. Taajamissa asuvien osuus asukkaista on siis 96,1 %. Kouluikäisiä eli 7–16-vuotiaita on aineiston alueella yhteensä 103385, joista taajamissa asuu 99658. Taajamien ulkopuolella asuvia on siten 3727 eli 3,6 % alueen kouluikäisistä.

UIMA-ALTAAT JA SAUNAT

Pääkaupunkiseudulla on 855 uima-altaallista rakennusta, joissa on 12 170 asukasta. Pääkaupunkiseudun rakennuksista 0,9 % on uima-altaallisia, ja näissä asuu 1,2 % pääkaupunkiseudun asukkaista. Päädyin tekemään ympyrädiagrammit siitä, miten uima-altaalliset rakennukset ja niiden asukkaat jakautuvat eri talotyypeittäin (kuva 3 ja kuva 4).

Alla olevaan karttaan (kuva 6) lisäsin palkkien sijaan uima-altaiden lukumäärän. Päädyin esittämään nämä kahdella eri kartalla, sillä näiden yhdistelmä oli mielestäni liian sotkuinen ja vaikeaselkoinen. Karttaan jäi vieläkin muutamia numeroita, jotka ovat osittain viivojen päällä. Kartta vaatisi siis vielä hieman viimeistelyä.

Kaupunginosista eniten uima-altaita näyttäisi olevan Helsingin Vartiokylässä, jossa on 98 uima-allasta. Toiseksi eniten uima-altaita on Pakilassa (78) ja kolmanneksi eniten Munkkiniemessä (64). Yllättävää on, että kaikki alueet löytyvät Helsingistä sillä olisin odottanut omakotitalovaltaisemmilta alueilta Espoosta ja Vantaalta löytyvän paljon Helsinkiä enemmän uima-altaita.

Muiden blogeja tutkittuani huomasin, että uima-allaskarttani luvut poikkeavat ainakin Helsingin kaupunginosien osalta esimerkiksi Jero Hobergin karttaansa saamista luvuista. Tämä voi johtua siitä, etten jostakin tuntemattomaksi jääneestä syystä saanut kurssin Moodlesta löytynyttä aineistoa toimimaan, minkä vuoksi etsin erikseen aineistot pääkaupunkiseudun eri kuntien kaupunginosista. Näissä aineistoissa aluejaot näyttävät ainakin Helsingin osalta erilaisilta, mikä selittää lukujenkin erilaisuuden.

Pääkaupunkiseudun rakennuksista 24,2 % on sauna, mutta aineistossa ei kerrota rakennuksen saunan tai saunojen tyyppiä ja lukumäärää. Saunojen tarkka lukumäärä ei siis tämän aineiston perusteella selviä. Kaikilla rakennuksen asukkailla ei myöskään välttämättä ole pääsyä saunatiloihin, sillä esimerkiksi kerrostaloissa saunat voivat olla joko yhteisiä talosaunoja, tai asuntojen yhteydessä olevia yksityisiä saunoja.

LÄHTEET

Hoberg, J. (17.2.2024) Viides kurssikerta. https://blogs.helsinki.fi/hoberg/2024/02/17/viides-kurssikerta/

Tällä viikolla työskentely QGIS:n kanssa alkoi jo sujua helpommin, kun perusasiat olivat tehokkaan kertaamisen ansiosta varsin hyvin hallussa. Ajoittain toki karttojenkin tekeminen on tuntunut työläältä, mutta eniten vaikeuksia on ollut saada aikaiseksi kirjoittaa blogipostauksia ajallaan. Tällä kurssikerralla teimme rasterimuotoisia karttoja vektorimuotoisesta aineistosta, mikä on mielestäni kiinnostavaa ja innostuinkin kokeilemaan useamman erilaisen kartan tekemistä. Lopputuloksista saa myös helposti siistin ja selkeän näköisiä, mikä ilahduttaa visuaalisuuteen tavallisesti aivan liikaa aikaa käyttävää.

Ruotsinkieliset pääkaupunkiseudulla

Aluksi harjoitustunnilla tehtiin kartta, jossa ei oltu laskettu ruotsinkielisten osuuksia ruutujen kokonaisasukasmäärästä, vaan esitetty luvut absoluuttisina. Joissain tapauksissa absoluuttisten arvojen käyttäminen on mahdollista, kun alueet ovat saman kokoisia. Tämä on tosin ainoastaan silloin, kun ilmiön kannalta asukasluvulla tai muulla ruuduittain vaihtelevalla ilmiöllä ei ole väliä esitettävien lukujen kannalta. Esimerkiksi absoluuttisina lukuarvoina voisi esittää asukastiheyttä, sillä siinä asukkaiden määrää verrataan pinta-alaan, joka on jokaisessa ruudussa jo sama.

Aili Mikola tuo blogissaan hyvin esille absoluuttisen lukumäärän ja suhteellisen osuuden tuottamien karttojen olevan hyvin erilaisia, minkä vuoksi vaikuttaa siltä kuin ruotsinkielisiä asukkaita olisi lähinnä Helsingin keskustassa. Tämä johtuu tietenkin siitä, että Helsingin keskustassa asukastiheys on paljon suurempi kuin monilla alueilla pääkaupunkiseudun laitamilla. Todellisuudessa ruotsinkielisten osuus vaihtelee selvästi eri alueilla pääkaupunkiseudulla, kuten ilmenee alla olevasta kartasta (kuva 1). Erityisesti pääkaupunkiseudun laitamilla on muita alueita suurempi osuus ruotsinkielisiä. Alueista korostuvat eritoten monet alueet Espoon länsi- ja luoteisosissa sekä pääosin ruotsinkielisestä kunnasta Sipoosta Helsinkiin siirtyneet alueet tarkasteltavan alueen itäosissa.

asuinrakennusten rakennusvuodet

On mielestäni kiinnostavaa, miten eri-ikäistä rakennuskantaa on eri alueilla ja tahdoinkin kokeilla sen esittämistä kartalla. Kuvan 2 kartan ainoa ruutu, jonka rakennusten keskimääräinen rakennusvuosi on ennen vuotta 1900 löytyy itäiseltä pääkaupunkiseudulta, Vantaan Länsimäen läheltä. Ruudussa sijaitsee ainoastaan Westerkullan kartanoon kuuluvia rakennuksia, joista suurin osa on rakennettu 1800-luvulla. Rakennusten iän jakautuminen kartan mukaisesti selittyy kaupunkien kehityksellä ja rakentamisella, joka on alkanut Helsingin kantakaupungiksi kutsutulta alueelta. Siksi tällä alueella on keskimäärin ympäristöään vanhempaa rakennuskantaa. Ympäri pääkaupunkiseutua on kuitenkin paikkoja, joissa maaseutumaisessa ympäristössä on

Ylläolevalta kartalta erottuvat vaaleina monet uudisrakennusalueet, joissa on rakennettu pääosin 2000-luvun puolella. Tällainen kartalta selkeästi erottuva alue on muun muassa Jätkäsaari, jossa hyvin laaja asuinalue on rakennettu pääosin 2000-luvun puolella. Väritystä olisi voinut muuttaa siten, että kaikkein vaalein väri erottuisi paremmin valkoisesta taustasta. Kartan ongelmana on kuitenkin myös se, että rakennusvuosien keskiarvo ei välttämättä kerro mitään rakennuskannan monimuotoisuudesta. Rakennusvuosien keskiarvoltaan 1950-luvulle voi sijoittua esimerkiksi alue, jonka kaikki rakennukset on rakennettu kyseisen vuosikymmenen aikana. Samaan lukuun voidaan kuitenkin päästä hyvin monimuotoisella rakennuskannalla, jossa on sekä huomattavasti vanhempia, että nuorempia rakennuksia. En siksi olekaan varma, oliko rakennusvuosista keskiarvon laskeminen kovin viisasta. Kenties mediaanin käyttäminen olisi voinut olla järkevämpää. Olisi myös voinut esittää esimerkiksi 1950-luvulla rakennettujen rakennusten osuutta tai määrää eri ruuduissa. Tällä tavoin olisi ollut mahdollista havaita, millä seuduilla on erityisen paljon 50-luvulla rakennettuja taloja.

Päätin kuitenkin vielä kokeilla saman muuttujan käyttämistä vielä pienemmällä ruutujen koolla (0,5 x 0,5 km) ruudukossa nähdäkseni, miltä lopputulos näyttäisi.

Suurempi ruutukoko näyttää laajemman alueen keskiarvon, mutta yksittäisten rakennusten aiheuttamat erot näkyvät paremmin pienemmällä ruutukoolla. Tällöin kartalta erottuu useampia alueita, joissa on keskimäärin erityisen vanhoja rakennuksia.

Lähteet

Mikola, A. (12.2.2024) Ruudukon tekeminen ja digitointia QGIS:llä. Ailin GIS-luola. Viitattu 20.2.2024. https://blogs.helsinki.fi/maili/2024/02/12/ruudukon-tekeminen-ja-digitointia-qgislla/

Tämän kurssikerran tehtävien teossa kohtasin edellisiä viikkoja enemmän haasteita. Tehtävien aikaansaaminen oli hieman vaikeaa, sillä en joukkoliikennelakon vuoksi päässyt paikan päälle harjoituskerralle. Lisäksi ilmeni joitakin ongelmia QGIS:n kanssa, joiden ratkaiseminen vaati useita ongelmanratkaisuyrityksiä.

Luonnonvarat ja Konfliktit

Ensimmäinen kurssikerran harjoitus oli tehdä kartta esimerkiksi Afrikan luonnonvaroista ja konflikteista kertovien aineistojen pohjalta. Karttani esittää eri valtioissa esiintyneitä konflikteja sekä pisteinä, että koropleettikarttana.

Omasta kartastani pystyy vertailemaan vain alueellisia eroja konfliktien määrässä, mutta aineistojen avulla olisi mahdollista myös tarkastella konfliktien määrää eri alueilla sekä niiden yhteyksiä luonnonvaroihin. Teemu Häyrinen on havainnut karttansa avulla konflikteja tapahtuneen erityisesti timanttikaivosten lähialueilla. Tällaista tarkastelua olisi kiinnostavaa tehdä enemmänkin, mutta jouduin nyt toteamaan työmäärän kasvavan itselleni liian suureksi, jos vielä lähtisin tekemään uutta karttaa jo tekemäni lisäksi. Afrikkaa tarkastellessa on myös äärimmäisen tärkeää muistaa kolonialistinen historia alueella, sillä sen vaikutukset nykypäivään ovat monin paikoin merkittävät. Erityisesti kolonialistisen historian ja nykypäivän vuoksi konfliktien syiden selkeämpi hahmottaminen voi vaatia alueiden tarkempaan historiaan perehtymistä.

tulvat ja järvisyys

Viime vuonna kurssin suorittamista yrittäessäni tietokantaliitos tuntui ajatuksena monimutkaiselta, mutta nyt se onkin jo varsin helppo tehdä. Lopulta kuitenkin vaikeimmaksi esteeksi nousi järvisyyttä kuvaavien diagrammien teko kartalle, sillä diagrammit eivät näkyneet kartalla ollenkaan enkä pitkän ja epätoivoiselta tuntuneen yrittämisen jälkeen löytänyt ratkaisua. Olin jo aikomassa luovuttaa kokonaan diagrammien suhteen, kunnes sattumalta huomasin taulukon tietojen olevan tekstimuodossa numeromuodon sijaan. Sen vuoksi ohjelma ei ollut voinut tehdä taulukon arvoista diagrammeja.

Tulvaindeksejä ja järvisyyttä visualisoivasta kartasta (kuva 2) on huomattavissa, että sisämaassa sijaitsevilla valuma-alueilla tulvaindeksi on pienempi kuin rannikolla sijaitsevilla alueilla. Näyttäisi myös siltä, että sisämaa-alueiden lisäksi rannikkoa lähempänä sijaitsevilla valuma-alueilla on pienempi tulvaindeksi, jos niiden järvisyys on suurempi. Eli valuma-alueen järvisyydellä ja joen tulvaindeksillä näyttäisi olevan korrelaatio, siten että suuri järvisyys ja pieni tulvaindeksi esiintyvät yhdessä ja päinvastoin. Toisaalta erityisen paljon tulvivia jokia on lähinnä subakvaattisilla ja alavammilla rannikkoalueilla.

Olen varsin tyytyväinen lopputuloksen väreihin ja ulkoasuun. Kartasta oli tulla hieman sekava ja sotkuinen kaikkien värien oltua aluksi erilaisia harmaan ja sinisen sävyjä. Koropleettikartan ja diagrammien yhdistelmä ei toimi monien pienten valuma-alueiden kohdalla kovin hyvin, sillä diagrammit eivät aina osu juuri keskelle aluettaan. Suuret valuma-alueet diagrammeineen näkyvät sen sijaan varsin selkeästi.

Lähteet:

Häyrinen, T. (7.2.2024) Kolmas kurssikerta. Viitattu 20.2.2024. https://blogs.helsinki.fi/teemuhay/2024/02/07/kolmas-kurssikerta/

 

Tämän viikon aiheena olivat projektiot sekä paikkatietoainestojen lähteet ja rajapinnat, joista aineistoja on saatavilla. Viime vuonna rajapintojen käsitteen ja käytön ymmärtäminen muuttivat käsitystäni QGIS-ohjelmasta ja paikkatieto-ohjelmistoista ylipäätään. Siihen asti oli tuntunut työläältä jatkuvasti latailla aineistoja, ja oli helpottavaa tietää niitä olevan saatavilla myös helpommin ja nopeammin. Rajapintojen käyttäminen on minulle nyt jo tuttua ja helppoa, tosin turhautumista aiheuttaa toisinaan toimimattomat rajapinnat ja niiden muuttuvat osoitteet. Etenkin Lipas-rajapinnan kanssa on ollut paljon haasteita (myös palvelun tarjoajalla itsellään), enkä nytkään saanut sitä lainkaan toimimaan. Haasteista huolimatta rajapinnat tekevät minulle työskentelystä paikkatiedon kanssa helpompaa ja mutkattomampaa.

Koordinaattijärjestelmien ja karttaprojektioiden hahmottaminen puolestaan tuntuu minusta edelleen hieman vaikealle. Huomasin myös näistä tehtävien karttojen aiheen kiinnostavan minua aika vähän, enkä siksi ollut yhtä motivoitunut tekemään niitä kuin edellisen viikon koropleettikarttoja typpipäästöistä ja Suomen kunnista. Yritin näiden kohdalla jälleen yhdistää kahta karttaa yhdeksi kuvaksi tässä lainkaan onnistumatta. Kuva olisi mahdollistanut karttaprojektioiden samankaltaisten vääristymien yhteyden hahmottamisen, mutta päätin jättää yrittämisen lyhyeen ja säästää voimiani muuhun.

Kuva 1 Mercator-projektion vääristymä laskettuna vertaamalla TM35-projektion pinta-aloihin kunnittain.

Mercatorin projektion pinta-aloja TM35-projektioon verratessa (kuva 1) on havaittavissa Mercatorin projektion vääristymän olevan pienin Suomen eteläisimmissä kunnissa ja suurenevan pohjoiseen päin mentäessä. Kaikkein suurin vääristymä on Suomen pohjoisimmassa kunnassa Utsjoella ja puolestaan pienin eteläisimmässä kunnassa Hangossa. Mercatorin projektio on sitä epätarkempi, mitä pohjoisemmaksi mennään.

Vaikka karttaprojektiot ja koordinaatistot eivät olekaan minulle kiinnostavinta paikkatiedossa, harjoituksissa tehtyjä mittauksia ja vääristymäkarttoja vertailemalla paljastuu kuitenkin taas kerran niiden merkitys. Sillä, miten ja missä muodossa tietoa esitetään on merkitystä. Virva Lehmusvaaran lailla minua kiinnostaisi karttaprojektioiden vaikutukset maailmankuviin ja käsityksiin eri alueista.

Lähteet

Lehmusvaara, V. (26.1.2024) Vääristynyt maailma. Virgistävä kurssiblogi. Viitattu 30.1.2024. https://blogs.helsinki.fi/lehmusva/

Tässä olen toista kertaa aloittamassa kyseistä kurssia, sillä viime vuonna kurssi jäi valitettavasti kesken. Kurssilla tehtyjen töiden monimutkaisuus tai vaikeus eivät niinkään olleet kurssin kesken jäämisen syynä, vaan yhdistelmä tehtävien työläyttä sekä vaikeuksia saada blogia ajoissa kirjoitetuksi. Geoinformatiikka, kartat ja datan visualisoiminen kuitenkin kiinnostavat, joten nyt kovasti yritän viime vuoden oppien kertauksen sekä ahkeramman blogikirjoitusten työstämisen myötä saada kurssin suoritetuksi. Tervetuloa mukaan matkaan!

Suuri osa ensimmäisen harjoituskerran opeista oli onneksi vielä viime vuodelta mielessä. Onnistuin tekemään itsenäisesti ja ilman ohjeita monia työvaiheita, mutta joissakin kohdin haasteita kuitenkin ilmeni. Oli kuitenkin ilo havaita joitakin QGIS-taitoja kertyneen edellisvuonna, kun tällä kertaa itse ohjelmiston käyttämisen sijaan turhautumista aiheutti lähinnä kartan visuaalisen ilmeen rakentamisen työläys. Olin ehtinyt jo unohtaa, miten paljon aikaa värien, asettelun ja fonttien valitsemiseen saa kulumaan. Vaikka tahdon saada aikaan visuaalisesti miellyttäviä sekä selkeitä karttoja, on tavoitteenani pyrkiä käyttämään visuaalisen ilmeen miettimiseen hieman vähemmän aikaa, jotta sekä kartat, että kurssisuoritus tulisi viimein saatua valmiiksi.

itämeren typpipäästöt

Ensimmäisellä harjoituskerralla teimme kartan eri maiden osuuksista Itämereen päätyvistä typpipäästöistä (kuva 1). Tämä tehtävä oli kiinnostava, sillä juuri syksyllä perehdyin erästä kurssityötä varten enemmän Itämeren rehevöitymiseen, tosin erityisesti fosforipäästöihin keskittyen. Ihmistoiminnan aikaansaamia ravinnepäästöjä meriin aiheutuu monista eri lähteistä, joista merkittävin on maatalous. Ylimääräiset ravinteet saavat meren perustuotannon lisääntymään ja aiheuttavat rehevöitymistä. Itämereen päätyvien ravinnepäästöjen rajoittamisella ja vähentämisellä on suuri vaikutus akvaattisen luonnon tilaan ja biodiversiteettiin.

Ravinnepäästöjen määrään vaikuttavat mm. valuma-alueen koko ja toiminta alueella sekä toteutetut toimet ravinnepäästöjen hillitsemiseksi. HELCOM-alueen sisällä on varmasti löydettävissä alueellisia eroja esimerkiksi maatalouden yleisyydessä, sen käytänteiden kestävyydessä tai jätevedenpuhdistuksessa. Itämereen päätyviä päästöjä on saatu vähennettyä mm. HELCOMin kaltaisen yhteistyön, sopimusten ja moninaisten toimenpiteiden ansiosta, mutta ravinnekuormitus ylittää yhä kestävät rajat monilla Itämeren alueilla. Kartasta (kuva 1) huomaa nopeasti, että Puolan osuus Itämeren typpipäästöistä on suurin. Anni Tiensuu nostaa blogissaan esille tärkeän huomion siitä, että tässä kartassa ei oteta huomioon koko Itämeren 14 valtion alueelle ulottuvaa valuma-aluetta. Olisi myös ollut kiva, jos nuo Itämeren valuma-alueen rajat olisi saanut karttaan, sillä nyt kartasta saa helposti sellaisen vaikutelman, että valtioiden rajat olisivat myös valuma-alueen rajoja.

Itämeren rehevöityminen on monien muiden ympäristöongelmien lailla kompleksinen ongelma, jonka hahmottaminen voi olla monille vaikeaa. Ympäristöongelmista tiedottamisen yhteydessä tiedon visualisoimisen rooli voi olla tärkeä, sillä parhaimmillaan kartat sekä muut kuvat voivat olla hyvin havainnollistavia ja vaikuttavia. Ne voivat antaa uusia näkökulmia tai selkeyttä monille muuten liian epämääräiseksi tai monimutkaiseksi jääviin ongelmiin. Esimerkiksi ilmastonmuutosta kuvaavien karttojen ja graafien avulla voidaan havainnollistaa varsin monimutkaisiin systeemisiin ongelmiin liittyviä ilmiöitä. Tällaisten ilmiöiden visualisoimiseen liittyy kuitenkin suuri vastuu, sillä tieto on esitettävä siten, että väärinkäsitysten mahdollisuus olisi mahdollisimman pieni. Tiedon, jonka pohjalta visualisointeja tehdään, on oltava myös luotettavaa.

Tämän kartan tekoon tarvittavat työvaiheet olivat minulle jo melko tuttuja, joten kartan teko onnistui aika helposti ja keskityin paljon visuaalisen ilmeen ja värien miettimiseen. Päädyin valitsemaan punertavan rusehtavat värit karttaan kuvaamaan typpipäästöjen määrän luokittelua, jotta väri näyttäisi hieman varoittavalta ja viestisi näin typpipäästöjen haitallisuudesta. Erittäin kirkkaan punaiset ja oranssit värit olisivat mielestäni kuitenkin tehneet tästä kartasta turhan sekavan näköisen, minkä vuoksi päädyin hieman murrettuihin sävyihin. Merkittävältä tuntui myös järvien ääriviivojen poistaminen, sillä ääriviivat saivat järvet näyttämään todellista suuremmilta. Pyrin värejä ja ulkoasua valitessani myös miettimään saavutettavuutta ja selkeyttä, jotta kartta olisi mahdollisimman helposti hahmotettavissa.

Luokitteluasteikon määritteleminen oli vaikeampaa kuin muistinkaan. Kokeilin monia erilaisia, ja kaikissa tuntui olevan omat hyötynsä sekä ongelmansa. Tärkeää olisi, että eri maiden erot tulisivat esille antaen mahdollisimman todenmukaisen kuvan tilanteesta. Pohdin myös maiden nimien lisäämistä karttaan, mutta päädyin jättämään ne pois, sillä kartassa on jo varsin paljon muuta informaatiota. Sen sijaan päädyin tekemään kartasta vielä toisen version (kuva 2), johon lisäsin eri maiden päästöjen prosenttiosuudet ja poistin kokonaan järvet, jotta prosentit olisivat helpommin luettavissa. En ole kuitenkaan aivan varma toteutinko prosenttilukujen tekstejä siten, että ne erottuisivat tarpeeksi hyvin taustastaan.

---

Suomen kunnat kartalla

Kokeilin aluksi tehdä Suomen kunnista kartan pelkästään valmiina annetuista aineistoista nähdäkseni, miten se luonnistuisi. Työskentely sujui varsin helposti ja alla olevan kartan (kuva 3) sain aikaiseksi. Tämänkin kartan kohdalla luokitteluasteikon miettimiseen kului paljon aikaa. Koin kuitenkin histogrammin erittäin hyödylliseksi, sillä sen avulla hahmottaa luokittelutapojen erot hyvin. Lena Hellsten oli tehnyt blogiinsa kartan samasta aiheesta, ja päätynyt käyttämään kokonaislukuja luokittelussa, jotta kartta olisi helpommin  luettavissa. Käytin juuri samasta syystä kokonaislukuja, ja karttamme näyttävätkin ovatkin melko lähellä toisiaan luokittelultaan.

Ajattelin haastaa taitojani ja kärsivällisyyttäni vielä hieman kokeilemalla aineistojen lataamista ja yhdistämistä. Ajattelin tehdä kaksi karttaa, joiden avulla tulisi esille jonkin tilastotiedon muutoksen eri vuosina. Suomen väestön ikääntyminen on ilmiönä kiinnostava, joten valitsin tarkasteltavaksi jälleen yli 64-vuotiaiden osuuden. Valitsin tarkasteltavat vuodet kolmen vuosikymmenen päästä toisistaan (vuodet 1991 ja 2021), jotta muutosta olisi ehkä näkyvissä selkeämmin kuin aivan toistensa lähellä olevina vuosina. Vuodet olisi tosin voinut valita lähempääkin toisiaan, sillä ero lopputuloksen karttojen välillä on melko huomattava – kiinnostavaa toki tämäkin.

Yhdistin karttaa varten Tilastokeskuksen aineiston Suomen kuntien aluejaot sisältävään aineistoon. Ongelmia oli csv-tiedoston yhdistämisessä aineistoihin siten, että QGIS tunnistaisi numerot lukuarvoiksi. Ongelma ratkesi onneksi googlailemalla ja kokeilemalla erilaisia ratkaisuvaihtoehtoja, mutta ongelmanratkaisuvaiheen työläys melkein sai minut lopettamaan tämän ylimääräisen haasteen yrittämisen.

Kartan tallentamisessa tuli lisäksi ongelmia, minkä vuoksi jouduin tyytymään kuvakaappauksen heikompaan kuvanlaatuun tämän kohdalla. Lopputulos (kuva 4) on kuitenkin ihan kelvollinen mielestäni. Jäin miettimään, että olisi ollut myös kiinnostavaa tehdä kartta, joka näyttäisi kunkin kunnan kohdalla tapahtuneen muutoksen suuruuden yli 64-vuotiaiden osuudessa, mutta tämän toteuttamiseen en enää sentään enää ryhtynyt. Tarkastelin kuitenkin taulukoita ja laskin muutoksen suuruuden 1991 ja 2021 välillä: yhdenkään kunnan kohdalla yli 64-vuotiaiden määrä ei ollut vähentynyt, vaan kaikkialla kasvanut. Muutoksen suuruus vaihteli Limingan 0,9 prosenttiyksiköstä Pellon 29,6 prosenttiyksikköön (Tilastokeskus, 2022).

Kaiken kaikkiaan nämä harjoitukset sujuivat vielä hyvin ja olen lopputuloksiin tyytyväinen. Kartan visuaalisen ilmeen miettimiseen meni tosin edelleen todella paljon enemmän aikaa kuin aineiston pyörittelyyn. Myös tämän tekstin kirjoittamiseen kului runsaasti aikaa. Ehkä juuri blogikirjoittamisen julkisuuden vuoksi tekstin muokkaamiseen tulee käytettyä jopa tarpeettoman paljon voimia. Ehkä on vaan siedettävä näitä tehdessä hieman enemmän keskeneräisyyttä.

LÄHTEET

Hellsten, L. (22.1.2024) Kurssikerta 1. Viitattu 25.1.2024. https://blogs.helsinki.fi/hellslen/2024/01/22/itameren-valuma-alueen-typpipaastot/ 

Tiensuu, A. (25.1.2024) Ensimmäinen kurssikerta. Viitattu 25.1.2024. https://blogs.helsinki.fi/tianni/2024/01/25/ensimmainen-kurssikerta/

Tilastokeskus. (2022) Kuntien avainluvut muuttujina 1987-2021. Viitattu 21.1.2024. https://pxdata.stat.fi/PxWeb/pxweb/fi/Kuntien_avainluvut/Kuntien_avainluvut__2021/kuntien_avainluvut_2021_viimeisin.px/