Month: January 2019

Miten kuvailisit täydellisen perjantain kolmella sanalla? Minulle täydellinen perjantai, suppeutettuna kolmeen sanaan: vettä ja metallimusiikkia. Unohtamatta maapähkinävoileipää, mutta pointtina oli tiivistäminen kolmeen sanaan. Kävin nimittäin juuri perjantaina katsomassa Aquarela nimisen elokuvan ja vaikka elokuva oli välillä pitkästyttävä, oli se kuitenkin lopulta aika ”pähee”. Miten vesi liikkuu, kuinka jäävuoret liikkuvat ja rikkoutuvat ja miten vesi toimii myös petollisena tappajana ihmisille esimerkiksi tulvien ja myrskyjen yhteydessä. En tiedä, miten tämä liittyy kolmanteen kurssikertaan, halusin vain avautua.

Mutta takaisin QGISiin. Kolmas kerta toden sanoo, myöskin QGISissä. Maanantain kerrralla oli muun muassa Afrikan tietokanta, johon haluttiin lisätä tietoa muista tietokannoista sekä pakattiin tietoa ”tehokkaampaan käyttöön”. Lisäksi opeteltiin excel-tiedostojen tuomista QGISiin.

Ja Afrikan tietokannoissa on tallennettu useita tietoja, kuten konflikteja, öljy- ja timanttiesiintymät sekä näiden kaikkien tapahtuma- tai löytövuodet. Liitimme nämä tiedot Afrikan valtioita sisältävään tietokantaan ja tuloksen näemme alhaalla (kuva 1).

Tietokantoihin on tallennettu konfliktien säde tai laajuus. Kantoihin on myös tallennettu kaivausten ja öljykenttien poraamisvuosi sekä näiden tuottavuusluokittelut. Näitä tietoja vertaamalla voitaisiin mahdollisesti saada mahdollisia korrelaatioita konflikteista ja luonnonvaroista. Kartalla (kuva 1) näkyy päällekkäisyyksiä konfliktien ja luonnonvarojen kesken. Tietojen ja kartan avulla ei tietysti saada selville kaikkia konflikteja, koska konfliktit voivat riippua muistakin asioista, kuin vain luonnonvaroista. Esimerkiksi Somalian alueella on useita konflikteja, mutta vain vähän luonnonvaroja. Somalian konfliktit liittyvät enemmänkin rajakiistoihin ja klaanien välisiin riitoihin. Eli kriittisyyttä tarvitaan.

Kuitenkin näistä tiedoista voidaan tehdä ainakin joitakin analyysejä. Katsotaan vaikka kuva 1 kartalta Kongosta. Kongolla on mittavat luonnonvarat ja myös mittava määrä konflikteja. Toisaalta osaltaan Kongon konflikteihin on myös vaikuttanut siirtomaa-aika, joka on kauheimpia esimerkkejä imperialismista (Globalis. 2018). Mittavat luonnonvarat ovat myös houkuttaneet ulkovaltoja sekaantumaan Kongon ja myös muiden Afrikan maiden asioihin.

Ja mielenkiintoinen seikka on se, että vaikka Kongolla on paljon luonnonvaroja, on se silti yksi köyhimmistä maista Afrikassa. Luonnonvarat ovat olleet enemmänkin kirous kuin hyöty Afrikassa, vaikka luulisi, että rikkaat luonnonvarat omaavat valtiot olisivat hyvässä asemassa taloudellisesti.

Tietokantaan on myös tallennettu internetin käyttäjiä sekä muita tietoja, jotka liittyvät internetin käyttöön. Tätä tietoa voidaan jossain määrin käyttää jonkinlaisena kehityksen mittarina. Tähän tarvitaan kuitenkin muitakin mittareita, joilla mitata jonkin valtio kehittyneisyyttä. Internetin käyttöaste on suuntaa antava, mutta ei anna koko kuvaa. ELI KRIITTISYYTTÄ TARVITAAN.

Tein blogiini myös tulvaindeksikartan, johon olen suht tyytyväinen. Yritin tehdä vaikeimman tehtävän, mutta lopulta päädyin tekemään perusversiona. Lisäsin kyllä histogrammin, joka esittää järvisyyden prosentteina.

Kuten Vilma Kaukavuori sanoi blogissaan, ”kartta esittää valuma-alueiden tulvaherkkyyttä ja järvisyyttä ympäri Suomea”. Ensimmäinen asia, mikä pistää silmään, on se, että tulvaindeksin arvot ovat suurimmillaan rannikoilla. Seuraava asia, minkä näkyy kartassa (kuva 2), on järvisyyden ja tulvaindeksin arvot. Nämä kaksi asiaa näyttävät selkeästi liittyvän toisiinsa. Ehkä syy siihen, miksi arvot näyttävät pieniltä esimerkiksi Keski-Suomessa liittyy alueen järvisyyteen. Järvisyysprosentti on nimittäin suurimmillaan niillä valuma-alueilla, joissa on pienimmät tulvaindeksi arvot. Ja taas alueilla, joilla on pienempi järvisyysprosentti, on tulvaindeksiarvot suuremmat.

Yksi haaste kartalla oli saada arvot näkymään kartalla. Erot olivat nimittäin paikoitellen todella suuria. Sen takia viimeinen raja-arvo on 200-1100, koska se käsittää vain muutaman kohteen, kun taas suurin osa kohteista näkyy valkoisella. Tämä vaati vähän pohdiskelua siitä, miten esitän raja-arvot.

Huhhuh, tässä blogikerrassa oli niin paljon painavaa asiaa Afrikasta, josta sydän alkoi pomppoilemaan, joten nyt täytyy rauhoittua. Ja mitä tarvitsen, jotta saan pulssini tasaantumaan ja pääsemään takaisin siihen ihanaan zen-tilaan, jolla elelen? Vettä ja metallimusiikkia.

 

Lähdeluettelo:

Globalis. https://www.globalis.fi/Konfliktit/Afrikka/Somalia (luettu 2.2.2019)

Globalis. https://www.globalis.fi/Konfliktit/Afrikka/Kongon-demokraattinen-tasavalta (luettu 2.2.2019)

Kaukavuori, Vilma. 1.2.2019. Siellä konflikti missä timanttikaivos. Sattumaako? -enpä usko. https://blogs.helsinki.fi/vilmakau/ (luettu 2.2.2019)

Ja näin olemme takaisin taistelussa QGIS-ohjelman parissa. Toisella luentokerralla kävimme hieman viime kerran asioita, tarkastelimme eri projektioiden vaikutusta karttoihin sekä katsastettiin eri valintoiden tekemistä QGIS-ohjelmassa, lopullisena tavoitteena, Miska Luotoa lainatakseni, QGISin ottaminen haltuun. Tottakai pyrin myös ”relaamaan” mahdollisuuksien mukaan.

Karttaprojektion tekemiseen vaaditaan menetelmä, jossa maapallo projisoidaan kaksiulotteiselle tasolle kartaksi. Ongelma on se, että maapallo on geoidi, eli navoiltaan litistynyt kappale, joten sitä ei voi suoraan ikään kuin levittää tasolle ilman, että joko pinta-ala, välimatkat, muodot tai suunnat vääristyvät. Erilaisia projektioita on kuitenkin tehty esittämään maapallo kartoissa. Kuten Sini blogissaan (Sini Ahtinen, 2019) kuvailee, voidaan projektiot jakaa kolmeen ryhmään: taso- lieriö- ja kartioprojektioihin. Karttaprojektiot voivat myös sivuta maapalloa joko sivu-, pysty- tai poikittaisasennossa ja näiden avulla projektioita myös jaotellaan.

Ensimmäisenä tehtävänä oli tehdä excel-taulukko siitä, kuinka eri projektiot vaikuttavat pinta-aloihin ja suoriin etäisyyksiin. Itse otin useammasta projektiosta esimerkkejä ja otin ne ylös ja tulokset voidaan nähdä alempana olevassa taulukossa.

	Sphere Mercator	caspian sea mercator	new Brunswick stereographic	Albers equal area
Etäisyys	1 167,414 km	533,291 km	654,503 km	533,282 km
pinta-ala	52 646 254 013,539 m²	6 327 094 597,127 m²	9 109 235 636,633 m²	6 326 875 690,402 m²

Taulukko 1. Excel-taulukko eri projektioiden muodostamista etäsiyyksistä ja pinta-aloista  Suomen pohjois-osasta

Ja kuten taulukosta nähdään, Sphere Mercator vääristää Suomen pinta-aloja ja etäisyyksiä paljon verrattuna muihin projektioihin. Mercatorin projektiot yleisesti ottaenhan vääristävät pinta-aloja ja etäisyyksiä sitä enemmän, mitä lähempänä ollaan napoja. New Brunswickin projektio on enemmänkin suunniteltu New Brunswickin alueelle Kanadaan, mutta silti sen etäisyys- ja pinta-alaluvut ovat samanlaiset kuin Albersin oikeapintaisella projektiolla. Se on oikeapintainen projektio, jossa alueiden pinta-alat ovat oikeassa suhteessa, mutta alueet eivät näytä kaikkialta oikean suuntaisina ja mittakaava on paikoitellen vääristynyt.

Luentokerralla tutkimme myös eri koordinaattijärjestelmilä kuntien pinta-aloja koropleettikartan muodossa. Eri projektioilla voidaan saada hyvin isoja erojakin, kuten kuva 1 kartta esittää. Pahimmillaan ero on jopa yli 700 prosenttia Sphere mercatorin ja ETRS-TM35FIN:in välillä, mikä oli itselleni hyvin yllättävää. Syy onkin jo sanottu aikaisemmin, eli mercator projektiot vääristävät pinta-aloja eniten lähellä napa-alueita. Suomi on etelä-pohjois suuntaan nähden pitkä, joten erot ovat sen takia huomattavia.

Kuva 1. ETRS-TM35FIN ja mercatorin pinta-ala erot Suomen kunnista. Luvut ovat prosentteja

Toisessa kartassa vertailin LAEA JA WGS84 koordinaattijärjestelmien eroja. Taas erot ovat huomattavia ja erot vaihtelevat 100 prosentista lähes 200 prosenttiin (kuva 2). Erot eivät ole kuitenkaan läheskään niin pahoja kuin ensimmäisessä kartassa. Mieleeni on kuitenkin tullut, että olisiko kannattanut tehdä muilla projektioilla vertailuja, koska vaikka erot ovat myös huomattavia, ovat ne kuitenkin toisessa kartassani myös pohjois-etelä suuntaisia. 

Kuva 2. WGS84 ja LAEA pinta-ala erot Suomen kunnista. Luvut prosentteja

Tämän kurssikerta herätti sen ajatuksen, miten tärkeä oikea projektio on riippuen esimerkiksi siitä mihin tarkoituksiin tietoa, joka on sidoksissa esimerkiksi johonkin pinta-alaan. Väärä projektio voi helposti aiheuttaa laskuvirheitä ja esittää tiedot väärinä. Kuten taulukkoni ja karttani osoittavat, voi väärä projektio helposti aiheuttaa vääristymiä eri muuttujiin, jos ne ovat sidoksissa esimerkiksi alueiden pinta-aloihin.

Toinen silmiä pullistava ajatus tästä kurssikerrasta on se, että näitä koordinaattijärjestelmiä ja eri projektioita on jumalaton määrä ja niitä käytetään milloin mihinkin tarkoituksiin, jopa pelkästään johonkin tietyn alueen karttoihin ja nämä projektiot voivat soveltua vain johonkin paikallisen alueen käyttöön. Ja tämä alue voi olla hyvinkin pieni ja projektio ei oikein sovellu muuhun tarkoitukseen.

Mutta mitä siitä tulee, kun vääntää blogia useamman tunnin ajan? no nälkähän siitä tulee, joten seuraavaan kertaan.

Lähdeluettelo:

Ahtinen, Sini. QGIS ja hermoromahduksen ensiaskeleet. 22.1.2019. https://blogs.helsinki.fi/ahtisini/ (luettu 2.2.2019)

Wikipedia, https://fi.wikipedia.org/wiki/Karttaprojektio (luettu 28.1.2019)

Wikipedia, https://fi.wikipedia.org/wiki/Albersin_projektio (luettu 28.1.2019)

 

Ensimmäisen blogin jälkeinen fiilis

Ensimmäinen oppitunti on ohi ja siellä tutustuimme QGIS-ohjelman käyttöön. Ohjelma tuntuu tällä hetkellä suurelta työmaalta. Käytetyin sanani päivältä oli varmasti ”voi v****”.  Ohjeita joutuu katsomaan jatkuvasti, koska mikään ei tunnu löytyvän. Kaikki on uutta ja niinkin simppeliin asiaan, kuten pohjoisnuolen tekoon kuluu helposti 15 minuuttia. Mutta kuten opettaja sanoo, niin ei auta kuin vain kääriä hihat ja ottaa härkää sarvista, vaikka miten tuskaista se olisikin. Ja tuskaisestihan tämä on alkanut. Esimerkkinä alempi karttani.

Kuva 1. Kartta Itämerta ympäröivien valtioiden typpipäästöistä

Kuva 2. Ja tässä fiilis ensimmäisestä kartastani QGIS-ohjelmassa

Ensimmäinen Qgis-ohjelmalla tekemäni kartta on ylempänä (Kuva 1) oleva kartta Euroopan maista ja niiden typpipäästöistä. Karttani näyttää kyllä karttamaiselta ja siitä ehkä saakin jotain selvää, mutta siinä on kyllä paljon puutteita. Esimerkiksi syvyyskäyrien värit ovat normaalisti toisinpäin, eli tummempi väri kuvaa syvempää kohtaa meressä jne. Mietin myös, onko mittakaava vääränlainen. Sitäkin, että onko legenda riittävä vai puuttuuko siitä jotain? Se mikä legendasta puuttuu on otsikko. Lisäksi värimaailma saattaa olla hieman heikosti nähtävissä. Neutraalit maat, joista ei ole typpipäästöjä esitettävissä kartasta ovat aika samanvärisiä niiden maiden kanssa, joilla on pienet typpipäästöt prosenteissa.  Myös Itämerta rajaavat viivat kartalla vaikeuttavat kartan lukua. Karttaa kyllä pystyy lukemaan, mutta sen voisi tehdä paremmin.

Kartta siis esittää Itämeren varrella sijaitsevien valtioiden typpipäästöjen prosenttiosuuksia. Suurimmat päästöt ovat Puolalla, jonka prosenttiosuus pyörii noin kolmenkymmenen prosentin paikkeilla. Lisäksi muutamilla Baltian mailla, Saksalla, Ruotsilla sekä Venäjällä on suhteellisen korkeat typpipäästöt. Ruotsin osuus saattaa kuitenkin johtua myös siitä, että sillä on paljon rantaviivaa, kuten Vivi Tarkka mainitsi hänen blogissaan (Vivi Tarkka, 2019).

Itämerta ympäröivät maat ovat teollisuusmaita, joissa on korkea elintaso. Lisäksi alueilla on laajasti maa- ja metsätaloutta, joka kuormittaa vahvasti Itämerta. Puolan päästöt johtuvat teollisuudesta, maanviljelystä sekä puutteellisisita puhdistamoista. Erityisesti Veiksel-joki on ongelmallinen. Useampi Puolan isoista kaupungeista sijaitsee joen varrella ja joki laskee Itämereen. Venäjällä ei ole taas paljoa rantaviivaa Itämeren kanssa, mutta sieltäkin tulee prosentuaalisesti paljon typpipäästöjä. Tämäkin on selitettävissä puuttellisilla puhdistamoilla. Venäjä on WWF:n rankingissa viimeisenä Itämeren suojelutominnassa, mikä kertoo siitä, että Venäjällä ei myöskään näytä olevan kovin paljon tahtoa vähentää päästöjään. Baltian maiden päästöt ovat myös selitettävissä teollisuuden ja maataloouden päästöjen takia. Suomen päästöt taas ovat pienemmät ja syy on siinä, että Suomi on pyrkinyt laskemaan päästöjään Itämereen.

Seuraava karttani on koropleettikartta yli 65-vuotiaiden määrästä kunnittain. Yritin kyllä tehdä vaikeustasoltaan vaikeimman tehtävän, mutta eihän siitä mitään tullut. Joten alennuin tekemään ensimmäisen tehtävän ja tulos on alhaalla oleva kartta (kuva 3).

Kuva 3. Koropleettikartta yli 65-vuotiaista kunnittain. Tilastot ovat vuodelta 2015.

Suomen väestö näyttää kartalla vanhahkolta osin värimaailman takia. Tummat värit erottuvat paljon selkeämmin, kuin vaaleammat värit. Kartan värimaailma voi antaa vääristyneemmän kuvan Suomen vanhusten määrästä, etenkin kun monissa isoissa kunnissa pinta-alan näkökulmista ovat tummemmalla värillä. Isommat kaupungit ovat yleensä muuttovoittoalueita, kuten pääkaupunkiseutu, Tampere, Joensuu, Oulu jne. Näissä kaupungeissa on enemmän nuorempia ihmisiä, koska he muuttavat seuduille yleensä opiskelun tai töiden takia. Pienemmät paikkakunnat ovat muuttotappioalueita, koska alueilta muuttaa nuoria ihmisiä pois juuri annettujen syiden takia ja he eivät muuta takaisin ja perusta perheitä. Suomessa on paljon kuntia, joissa väestö on laskemaan päin ja se aiheuttaa huolta huoltosuhteeseen. Pienempi väkimäärä joutuu kustantamaan palvelut kunnalle.

Itse tämä toinen kartta on mielestäni huomattavasti helpompi lukea, vaikka kartta on hieman pienehkö. Värimaailman jo mainitsin, mutta muuten tulos on huoattavasti eheämpi kuin ensimmäinen karttani. Tämä antaa rohkaisua siitä, että ehkä olen jopa oppinut jotain QGISin käytöstä.

Vaikka QGIS-ohjelman käyttö on tuntunut hankalalta, uskon että olen oppinut edes jotain ohjelmasta ja sen käytöstä. Matka on kyllä vasta alkanut ja valoa ei todellakaan tunnu näkyvän tunnelin päässä. Mutta jostainhan se on aloitettava. Sen olen myös oppinut, että parhaiten oppii ohjelman ääressä itse tehden. Mutta opettajan auttava käsi on kyllä silti ehdoton välttämättömyys ohjeman käytössä. Ja onhan sitä oppinut jotain myös Itämerestä analysoidessa karttaani.

Ja näin odotan, ehkä hieman kauhunsekaisin tuntein seuraavaa luentoa ja uusia asioita ja seuraavia tehtäviä, joita en osaa tehdä. Mutta näin matka on saatu käyntiin ja toivottavasti lopussa minäkin osaan käyttää QGISi ja muita mahdollisia ohjelmia, mitä ehkä käytämme tämän kurssin aikana. Until next time.

 

Lähteet:

http://itamerenoppimispolku.fi/

Tarkka, Vivi. QGIS ja ensimmäinen kerta. 22.1.2018 blogs.helsinki.fi/vivitark/ (luettu 18.1.2019)

Wikipedia, https://fi.wikipedia.org/wiki/Veiksel (luettu 17.1.2019)

Kiviranta. T. Maaseudun tulevaisuus. 2018. https://www.maaseuduntulevaisuus.fi/ymp%C3%A4rist%C3%B6/artikkeli-1.226631 (luettu 18.1.2019)