Antin GIS-blogi

Kurssin viimeisellä kurssikerralla asiat muuttuivat jännittäviksi, kun tehtävänä oli tehdä itsenäisesti kartta itse valittavasta aiheesta. Myös aineisto piti etsiä internetistä itse, minkä oletin etukäteen olevan se kaikkein hankalin osuus. Viimeisellä kurssikerralla on siis tarkoitus näyttää, mitä on kurssin aikana oppinut ja miten osaa soveltaa oppimiaan asioita.

Lähdin etsimään aineistoa internetistä karttojani varten ilman mitään ajatusta siitä, mistä aiheesta halusin kartat tehdä. Tämä osoittautui virheeksi, sillä selasin erilaisia aineistoja vaikka kuinka kauan löytämättä mitään kiinnostavaa. Kiinostavia aiheita olisi ehkä pitänyt miettiä etukäteen. Keksin kuitenkin tarkasteltavan alueen, ja alueeksi valikoitui Eurooppa. Etsin QGIS:sta maailmankartan ja valitsin select features -toiminnolla Euroopan maat, jotta vain ne näkyivät kartalla.

Yritin aluksi etsiä Eurostat -sivustolta aineistoa ihmisten liikunnan määrästä eri maissa, mutta aineistosta puuttui tietoa lukuisista maista, joten en valinnut tätä aihetta. Tarkastelin myös World Data Bank -sivustolta erilaisia aineistoja. Päätin lopulta pitkän jahkailun päätteeksi valita aiheekseni turismin Euroopassa. Löysin juuri World Data Bankistä aineiston, joka koski saapuvien kansainvälisten turistien määrää eri maissa. Toin aineiston QGIS:iin suuremmitta ongelmitta ja liitin sen Join -komennolla Euroopan karttatasoon. Pitkään kestäneen aiheen valinnan jälkeen lopullisen kartan teko ei vienyt kauheasti aikaa tai vaivaa.

Halusin lisätä karttaan toisen muuttujan, joka mahdollisesti liittyisi jotenkin turismiin. Ajattelin lisätä pistemuotoista tietoa karttaan, joten päädyin valitsemaan toiseksi muuttujaksi suurimmat lentokentät Euroopassa. Nyt aineiston etsiminen oli jo sujuvampaa ja löysin sopivan aineiston ArcGis Hub -sivustolta. Aineistossa oli koko maailman kaikki lentokentät, mutta onneksi pystyin rajaamaan sitä koskemaan vain Euroopan suurimpia lentokenttiä. Lentokenttäaineiston tuominen QGIS:iin onnistui oikein hyvin.

Kuvassa 1 on kartta turistien määrästä Euroopan maissa vuonna 2019. Valitsin tarkasteltavaksi vuodeksi 2019, sillä siltä vuodelta oli eniten tilastotietoa. Se on myös koronaviruspandemian edeltävää aikaa, joten turistimäärät ovat laskeneet seuraavina vuosina huomattavasti, mikä on hyvä ottaa huomioon. Olisi ollut kiinnostavaa tarkastella myös esimerkiksi viime vuoden turistimääriä ja verrata niitä vuoden 2019 turistimääriin. En kuitenkaan löytänyt niin uutta dataa. Aineistossa oli myös harmillisesti hieman puutteita, sillä Slovakiasta ja Kosovosta ei ollut ollenkaan dataa.

Kuvan 1 kartasta nähdään, että Espanjassa ja Ranskassa kävi selvästi eniten turisteja vuonna 2019. Myös esimerkiksi Italiassa, Iso-Britanniassa ja Turkissa on käynyt huomattavasti turisteja. Yllättävää kartassa on se, että esimerkiksi Puolassa ja Unkarissa on käynyt enemmän turisteja kuin Saksassa. Tein luokkajaot itse, mikä vaikuttaa nyt jälkeenpäin ajateltuna kartan visuaalisuuteen hieman negatiivisesti. Esimerkiksi Ranskassa kävi selvästi eniten turisteja, yli 200 miljoonaa, mutta se on kuitenkin kuvattu samalla värillä kuin Espanja. Sen olisi voinut laittaa omaan luokkaansa. Suomi taas on kuvattu pienimpään luokkaan kuuluvana noin kahdella miljoonalla turistillaan, kun samassa luokassa on esimerkiksi Moldova, jossa on käynyt selvästi alle puoli miljoonaa turistia. Luokkia olisi siis voinut lisätä karttaan enemmän.

Lentokentät näkyvät kuvan 1 kartassa violetilla värillä. Niitä on etenkin Italiassa, Iso-Britanniassa ja Saksassa huomattava määrä. Myös Norjassa on yllättävästi jopa viisi suurta lentokenttää. Lentokenttien lukumäärästä maittain voidaan päätellä myös, mitkä maat ovat tärkeitä matkustuksen kohteita. Maissa, joissa käy eniten turisteja, on myös lukuisia suuria lentokenttiä. Halusin lisätä myös kuvaamieni lentokenttien nimet kartalle. Ne eivät kuitenkaan näyttäneet siisteiltä turismikartan päällä, joten päätin kuvata niitä erillisellä kartalla. Alla olevassa kuvassa 2 näkyy lentokentät nimineen.

Emma Kolkka teki myös kartan Euroopan lentokentistä, ja kertoo siitä blogissaan (2024). Hän oli lisännyt karttaansa myös satamat sekä tiheimmin asutut alueet Euroopassa. Hän mainitsee, että meidän karttoja voitaisiin tarkastella yhdessä yhtenä karttasarjana. Olen samaa mieltä, sillä karttamme aiheet ovat lähes samat ja ne tukevat toisiaan tuomalla myös hieman eri yksityiskohtia esiin.

Ajattelin tehdä vielä yhden kartan Euroopasta, jota voisi ehkä verrata karttaan turistien määrästä. Päädyin lopulta tekemään kartan Euroopan maiden asukasluvuista vuodelta 2022. Aineiston löysin samalta World Data Bank -sivustolta. Etsin lisäksi aineiston suurimmista metropolialueista. Se löytyi Natural Earth Data -sivustolta. En kuitenkaan löytänyt tietoa siitä, miltä vuodelta aineisto on. Aineistoa piti hieman rajata, koska se koski koko maailmaa. Valitsin QGIS:ssä Select features by location -toiminnolla tarkasteltavaksi vain Euroopan alueella olevat metropolialueet. Halusin vielä luokitella alueita asukasmäärän mukaan. Aineisto oli pistemuotoista, joten luokittelin metropolialueiden asukasmäärät pisteiden koon mukaan. Lisäsin vielä alueiden nimet kartalle.

Kuvassa 3 on kartta Euroopan valtioiden asukasluvuista sekä suurimmat metropolialueet. Suurin asukasluku on Venäjällä, jossa on myös lukuisia suuria metropolialueita. isommat metropolit ovat kartan mukaan muun muassa Madrid, Lontoo, Moskova ja Pariisi. Metropolialueita voi verrata maiden asukaslukuihin kartalla hyvin. Joillakin alueilla on jopa selvästi enemmän asukkaita kuin joissain maissa. Esimerkiksi Moskovan metropolialueella on enemmän asukkaita kuin Suomessa. Kun verrataan karttaa asukasluvuista kuvan 1 karttaan turistien määrästä, huomataan, että etenkin Venäjällä ei käy asukaslukuun nähden niin paljon turisteja kuin esimerkiksi Länsi-Euroopan maissa. Maissa, joissa on lukuisia suuria metropolialueita, käy myös suuri määrä turisteja. Suuret kaupungit ovat suosittuja matkakohteita esimerkiksi niiden kulttuurin ja palveluiden takia. Pienemmätkin paikat voivat olla upeita upeita matkakohteita, mutta valtavirta keskittyy kuitenkin suurin ja tunnettuihin kohteisiin, mikä nähdään myös kartoista.

Viimeisen kurssikerran tehtävä mittasi hyvin osaamistani sekä QGIS:in käytössä että aineiston hakemisessa. Aineiston löytäminen ja valinta tuotti aluksi vaikeuksia, mutta lopulta sekin onnistui hyvin. QGIS:in perustoiminnot ovat mielestäni hyvin hallussa, mutta taitoja voi aina kehittää ja tämä oli vasta pintaraapaisua.

Kiitos lukemisesta ja koko kurssista! 🙂

 

Lähteet:

World Data Bank. (2019) International tourism, number of arrivals. Viitattu 27.2.2024. International tourism, number of arrivals | Data (worldbank.org)

Esri Deutschland. (2018). World Airports. ArcGis Hub. Viitattu 27.2.2024. World Airports | World Airports | ArcGIS Hub

Kolkka, E. (2024). Seitsemäs ja viimeinen kurssikerta. Emman gis blogi. Viitattu 4.3.2024. Seitsemäs ja viimeinen kurssikerta – Emman gis blogi (helsinki.fi)Seitsemäs ja viimeinen kurssikerta – Emman gis blogi (helsinki.fi)

 

Natural Earth Data. Populated Places. Viitattu 27.2.2024. Natural Earth » Blog Archive » Populated Places – Free vector and raster map data at 1:10m, 1:50m, and 1:110m scales (naturalearthdata.com)

Kuudennella kurssikerralla pääsimme aluksi haukkaamaan hieman raitista ilmaa, kun tarkoituksena oli kerätä sijainti- ja ominaisuustietoa Epicollect5 -sovelluksella Kumpulan lähiympäristöstä. Etsimme ryhmissä itsellemme  mieluisia paikkoja ja tallensimme niiden koordinaatit sovellukseen. Otimme myös kohteista kuvia ja arvioimme muun muassa kohteiden turvallisuutta, viihtyisyyttä sekä vilkkautta luokituksella yhdestä viiteen.

Tämän jälkeen keräämämme aineisto siirrettiin taulukkomuotoiseksi tietokannaksi, jotta voisimme käyttää sitä kartan luomiseen QGIS:ssä. Toimme keräämämme aineiston QGIS:iin, ja saimme valitsemamme kohteet näkymään pisteinä kartalla. Seuraavaksi tarkastelimme näiden kohteiden koettuun turvallisuuteen liittyvää dataa. Käytimme interpolointityökalua, jotta voisimme kuvata kohteiden koettua turvallisuutta. Heidi Pajukoski mainitsee hyvin blogitekstissään (2024), että interpoloinnin yhtenä periaatteena on kuvata sitä, kuinka toisiaan lähellä olevat kohteet ovat enemmän samankaltaisia kuin kaukana toisistaan olevat kohteet. Kun interpolointi onnistui, kartalta näki selvästi, mitkä alueet koettiin turvallisiksi ja mitkä taas turvattomammiksi. Kartalta pystyi myös erottamaan, kuinka esimerkiksi juuri turvattomammiksi koetut kohteet ovat lähellä toisiaan. Tämä kuitenkin johtuu myös siitä, että suurin osa aineiston kerääjistä keräsi tietoa samoista kohteista, ja heidän mielipiteensä kohteiden turvallisuudesta olivat melko yksimielisiä.

Kuvassa 1 on valmis interpoloitu kartta valitsemistamme kohteista ja niiden koetusta turvallisuuudesta. Kartassa vaaleimmat kohdat ovat alueita, jotka koetaan kaikkein turvallisimmiksi. Oma ryhmäni keräsi esimerkiksi kohteita Vanhankaupunginkoskelta ja -lahdelta sekä myös Lammassaaren lähistöltä. Kuten kartan koillisosasta voidaan nähdä, koimme nämä kohteet hyvin turvallisiksi. Tähän vaikuttivat muun muassa alueiden rauhallisuuden tunne, luonnon läheisyys sekä autoteiden vähyys. Yleisesti kaikki kartalla olevat puistoalueet koettiin melko turvallisiksi. Kaikkein turvattomimmiksi koetut alueet näkyvät kartalla Kustaa Vaasan tien lähettyvillä Kumpulan kampuksen sekä Arabian kauppakeskuksen välissä. Tämä alue on hyvin vilkasta ja etenkin autoliikenne voi vaikuttaa turvattomuuden tunteeseen. Lisäksi Kumpulan kampukselle johtava Integraalipolku on etenkin talviaikaan hyvin liukas, joten se voidaan kokea turvattomaksi myös tämän takia.

 

Itsenäiset tehtävät

 

Tämän kurssikerran itsenäisten töiden teemana olivat omatoiminen tiedonkeruu internetistä sekä tiedon tuominen kartalle pistemuotoisena tietona. Tehtävät liittyivät erilaisiin hasardeihin, mikä oli ainakin itselleni mieluista, sillä ne ovat erittäin kiinnostava aihe tarkastella. Mielenkiintoisen tehtävästä teki myös se, että saimme täysin vapaat kädet siihen, millaisia karttoja teemme. Tehtävänä oli käyttää joko maanjäristyksiin, tulivuoriin tai meteoriitteihin liittyvää aineistoa ja harjoitella niiden tuomista QGIS-sovellukseen. Mietin melko kauan, minkälaisista aiheista haluaisin tehdä nämä kolme karttaa, ja kokeilinkin erilaisia rajauksia aineistojen kanssa. Aineistojen tuominen QGIS:iin oli erittäin helppoa verrattuna joihinkin aikaisempiin kurssikertoihin. Sain myös yhden TSV-muotoisen tiedoston tuotua QGIS:iin ongelmitta, vaikka olin tuonut aikaisemmin vain CSV-tiedostoja.

Päätin tehdä ensimmäisen kartan maanjäristyksistä. Kuten Anna Seppälä toteaa blogitekstissään (2024), maanjäristysaineiston rajaaminen niitä käsittelevällä sivustolla tiettyihin magnitudiarvoihin ja tapahtuma-aikoihin oli todella kätevää ja helppoa. Toin aineistoa QGIS:iin aluksi monilla eri rajauksilla, jotta pystyin tarkastelemaan, miltä ne näyttivät kartalla. Päädyin tekemään lopullisen kartan yli kuuden magnitudin maanjäristyksistä, jotka ovat tapahtuneet vuonna 2010 tai myöhemmin.

Kuvassa 2 näkyy tekemäni kartta maanjäristyksistä. Luokittelin maanjäristysten voimakkuudet manuaalisesti, sillä QGIS:in antamat luokitukset eivät olleet mielestäni tarpeeksi kuvaavia. Muutin myös pisteiden kokoa, jotta maanjäristysten voimakkuuserot korostuisivat vielä enemmän. Erottelin voimakkuudet myös värein. Karttaa tarkastellessa voidaan huomata, että pisteitä on kartalla aika paljon, ja moni pisteistä on päällekkäin. Tämä hieman heikentää kartan visuaalisuutta, kun kaikkia järistyksiä ei voida erottaa selkeästi. 14 vuoden aikahaarukka on ehkä jälkeenpäin ajateltuna liian iso. Jos olisin kuvannut järistyksiä pienemmällä aikavälillä, kartta olisi ehkä selkeämpi. Kartasta kuitenkin erottaa selvästi Tyynenmeren tulirenkaan, ja siitä voidaan päätellä alueet, joilla on tapahtunut eniten maanjäristyksiä. Myös litosfäärilaattojen saumakohtia voidaan erottaa kartasta maanjäristysten avulla.

Seuraavan kartan päätin tehdä tulivuorista, sillä ne ovat mielestäni erittäin mielenkiintoisia. En kuitenkaan aluksi keksinyt, miten rajaisin tulivuoriaineistoa. Vaihtoehtoina olivat eri tulivuorityyppien tarkastelu tai eri aikakausina purkautuneet tulivuoret. Päätin tehdä kartan tulivuorista, joiden tiedetään purkautuneen vuoden 1964 jälkeen. Lisäsin karttaan kuitenkin myös erikseen merenalaiset tulivuoret, jotta kartta ei olisi liian yksipuolinen.

Kuvassa 3 on tekemäni kartta tulivuorista ja merenalaisista tulivuorista. Myös tästä kartasta pystyy tulivuorten sijainnin avulla erottamaan hyvin Tyynenmeren tulirenkaan. Kartta on mielestäni visuaalisesti toimiva, ja tulivuoret erottaa selkeästi kartasta. Kartta soveltuisi opetuksen tueksi melko hyvin, jos haluttaisiin havainnollistaa tulivuorten sijainteja maapallolla. Jos haluttaisiin kuitenkin tarkastella jotain laajempaa ilmiötä, esimerkiksi tulivuorten purkausten vaikutuksia, pitäisi karttaan ehkä lisätä tietoa tai verrata sitä muihin karttoihin. Kun verrataan kuvan 2 karttaa maanjäristyksistä kuvan 3 tulivuorikarttaan, voidaan huomata, että maanjäristyksiä on tapahtunut paljon alueilla, joilla on aktiivisia tulivuoria. Etenkin Tyynenmeren tulirengas erottuu molemmista kartoista selkeästi. Tästä voitaisiin siis päätellä, että tulivuorten sijainnilla voi olla vaikutusta maanjäristysten esiintymisessä. Toisaalta on myös paljon alueita, joissa tapahtuu usein maanjäristyksiä, mutta tulivuoria ei ole. Esimerkiksi Turkin, Syyrian, Irakin ja Afganistanin alueilla Lähi-Idässä on tapahtunut paljon melko voimakkaita maanjäristyksiä, vaikka tulivuoria näillä alueilla ei ole.

Etsin internetistä myös samoja hasardeja kuvaavan kartan, jotta voisin vertailla sitä itse tekemiini karttoihin. Kuvassa 4 oleva kartta kuvaa samalla kartalla tulivuorenpurkauksia ja maanjäristyksiä, mikä tekee niiden samanaikaisesta tarkastelusta todella helppoa. Kartasta hahmottaa Tyynenmeren tulirenkaan paremmin kuin omista kartoistani, koska Tyyni valtameri on kartan keskiössä. Tulivuoret ja maajäristykset voidaan erottaa hyvin kartalta, ehkä hieman paremmin kuin tekemiltäni kartoilta. Toisaalta kartassa ei tarkenneta järistysten ja tulivuorenpurkausten ajankohtia sen enempää. Ei myöskään tiedetä, miltä vuodelta kartta on.

Viimeisen kartan halusin tehdä hieman eri tavalla. Päätin tehdä kolmannen kartan viimeisestä jäljellä olevasta ilmiöstä, eli meteoriiteista. Tarkastelin aineistoa ja huomasin, että sitä ei oikein saanut rajattua mitenkään, esimerkiksi ajallisesti. Vein siis koko aineiston QGIS:iin, jossa oli Nasan kaikki tiedetyt meteoriittien törmäykset maahan. Rajasin kuitenkin aineistoa QGIS:ssä koskemaan vain vuoden 2010 jälkeen maahan törmänneitä meteoriitteja, joten QGIS:in toimintojen käyttöäkin tuli harjoiteltua. Huomasin, että Heikki Säntti oli käyttänyt blogiinsa (2024) lisäämiin karttoihin satelliittikuvaa, jonka hän oli saanut QGIS:in QuickMapServices -pluginistä. Kokeilimme pluginejä myös kurssikerran tunnilla, mutta silloin ne eivät toimineet. Päätin koittaa lisätä satelliittikartan samalla tavalla kuin Säntti, ja tällä kertaa se onnistui. Säntti oli myös tarkastellut kartoissaan pienempiä alueita, kuten Etelä-Amerikkaa ja Australiaa. Päätin itsekin ottaa tarkastelun kohteeksi jonkin meteoriittien kannalta mielenkiintoisen pienemmän alueen.

Huomasin tarkastellessani meteoriittien törmäysten jakautumista maailmalla viimeisen 14 vuoden ajalta, että Omanissa on löydetty poikkeuksellisen paljon meteoriitteja. Tämä herätti mielenkiintoni, ja päätin tehdä kartan Omaniin laskeutuneista meteoriiteista. Tekemäni kartta näkyy kuvassa 5. Kartan teko onnistui hyvin, ja mielestäni satelliittikuvan käyttäminen parantaa kartan tulkittavuutta, sillä siitä erottaa esimerkiksi aavikko- ja vuoristoalueet selvästi. Kartta on selkeä, mutta se sopii opetuskäyttöön kuitenkin vain, jos halutaan tarkastella juuri Omanin meteoriittitörmäyksiä.

Kuten kartasta huomataan, meteoriittien törmäyksiä on Omanin alueella todella runsaasti. Meteoriittien laajaa esiintymistä Omanissa voidaan Simon Mittonin artikkelin (2009) mukaan selittää sillä, että Omanissa on yksinkertaisesti alettu tehdä enemmän tutkimusta niihin liittyen, ja yksityisten keräilijöiden ja myyjien aktiivisuus on lisääntynyt alueella. Kun alueelta etsitään enemmän meteoriitteja, sieltä myös löytyy niitä enemmän kuin alueilta, joilla ei tehdä etsintää. Omanissa on myös paljon aavikkoa, joka on otollista maastoa meteoriittien löytämisen kannalta. Kuivat olosuhteet edistävät meteoriittikivien säilymistä ja sateiden vähyys pienentää kivien erodoitumisen tai sedimentteihin hautautumisen riskiä.

 

Kiitos lukemisesta! Palaillaan ensi viikolla. 🙂

 

Lähteet:

Pajukoski, H. (2024). 6. kurssikerta. Heidin gis-blogi. Viitattu 22.2.2024. 6. kurssikerta – Heidin gis-blogi (helsinki.fi)

Seppälä, A. (2024). 6. Viikko – Turvallinen vai turvaton Kumpula? – Interpolointia ja maailman hazardeja. Gisvelhon loitsuja. Viitattu 22.2.2024. 6. Viikko – Turvallinen vai turvaton Kumpula? – Interpolointia ja maailman hazardeja – Anna Seppälä (helsinki.fi)

Säntti, H. (2024). Kuudes kurssikerta. Heiggi’s blog. Viitattu 23.3.2024. Kuudes kurssikerta – Heiggi’s blog (helsinki.fi)

Mitton, S. (2009). Searching for Meteorites in the Deserts of Oman. Livescience. Viitattu 23.2.2024. Searching for Meteorites in the Deserts of Oman | Live Science

Viidennellä kurssikerralla harjoittelimme aluksi muun muassa buffereiden tekemistä. Olin aikaisemmin syksyllä luonut buffereita QGIS:ssä, mutta en juurikaan muistanut miten kyseinen toiminto toimii, joten kertaus teki hyvää. Tunnin aikana onnistuin harjoituksissa hyvin, ja bufferitoiminnon käyttäminen tuli nopeasti tutuksi. Buffereiden avulla voidaan saada hyödyllistä tietoa samoilla alueilla olevien eri aineistojen yhtymäkohdista, joten se on erittäin hyvä työkalu tällaisia analyysejä tehtäessä.

Itsenäiset tehtävät

Tämä kurssikerta poikkesi muista kurssikerroista siinä, että saimme tehtäväksi tehdä itse erilaisia tehtäviä ja samalla testata omia QGIS -taitojamme itsenäisemmin. Tehtävissä piti hyödyntää koko kurssin ajalta oppimiani asioita. Tämä ei ollut helppoa, sillä jotkin asiat olivat jo päässeet unohtumaan lyhyessä ajassa, ja tuoreena mielessä oli lähes ainoastaan buffereiden laatiminen.

Ensimmäisessä itsenäistehtävässä tarkoituksena oli tutkia lentokenttiin ja niiden melualueisiin liittyvää tietoa. Tehtävässä piti käyttää bufferointia hyödyksi, joten tämä onnistui minulta hyvin, sillä sehän oli jo tuoreessa muistissa. Hieman vaikeuksia tuotti kuitenkin se, että en aluksi onnistunut valitsemaan tiettyjä arvoja, kun piti tarkastella vain tietyn desibelimäärän melualueita Helsinki-Vantaan lentokentällä. Onnistuin kuitenkin itse kokeilemalla ja pohtimalla tekemään tehtävän loppuun. Myös Select features by location -toiminto tuli tämän tehtävän aikana erittäin tutuksi. Tehtävässä pääsi käyttämään myös Field calculatoria, kun piti esimerkiksi laskea väestötiedoista työikäisten summa. Mielestäni Field calculatorin käyttö alkaa jo luonnistua melko hyvin itseltäni.

Toisessa tehtävässä piti tarkastella taajamissa asuvien ihmisten määrää sekä laskea esimerkiksi taajamien ulkopuolella asuvien kouluikäisten osuuksia. Tämä tehtävä vaati aika paljon laskemista, ja se oli onneksi jo tuttua minulle. Tehtävässä oli myös kohta, jossa piti selvittää alueita, joilla ulkomaalaisten osuus on yli 10%, 20% ja 30%. Pietu Nuortimo toteaa blogikirjoituksessaan (2024), että ulkomaalaisten kohdalla oli aineistossa kuitenkin aivan absurdeja arvoja, mikä teki tehtävän tekemisestä erittäin hankalaa. Myös omassa tietokannassani  ulkomaalaisten sarakkeessa oli arvoja, jotka eivät voineet pitää paikkansa. Luulen, että ne oltaisiin voitu saada korjattua jotenkin, mutta oma osaamiseni ei enää tähän riittänyt, ja jätin osion tekemättä Nuortimon tapaan.

Kolmanneksi itsenäistehtäväksi valitsin saunoihin ja uima-altaisiin liittyvän tehtävän. Tehtävä oli hieman erilainen kuin kaksi aikaisempaa, ja se vaati enemmän miettimistä ja kokeiluja. Tehtävässä käytin Select features by value -toimintoa, jonka käyttäminen ei ollut aivan hallussa aluksi. Onnistuin kuitenkin selvittämään sen avulla muun muassa uima-altaalla varustettujen talojen määrän pääkaupunkiseudulla sekä muut tehtävän osiot. Koostin lopuksi kaikkien tehtävien tulokset alla olevaan taulukkoon.

Taulukko 1. Kurssikerran itsenäisten tehtävien tuloksia.

Tehtävä	Vastaus
Malmi 2 km as.	58755
Malmi 1 km as.	9055
Helsinki-Vantaa 2 km as.	11562
65 dB as.	19
65 dB as. (%)	0,16
Väh. 55 dB as.	11923
Melualue kiitorata	30010
As. 500m asemasta	111765
As. 500m asemasta (%)	21,7
Työikäisiä 500m asemista	74989
Taajamissa asuvat (%)	96,2
Kouluikäisiä taajamien ulkopuolella	2675
Kouluikäisiä taajamien ulkopuolella (%)	3,8
Rakennuksia joissa uima-allas	855
As. taloissa joissa uima-allas	12170
Uima-altaalla varustetut omakotitalot	345
Uima-altaalla varustetut paritalot	158
Uima-altaalla varustetut rivitalot	113
Uima-altaalla varustetut kerrostalot	181
Talot, joissa on sauna	21922
Saunalla varustettujen talojen osuus kaikista taloista (%)	24,2

Uima-altaita kartoilla

Uima-altaisiin ja saunoihin liittyvässä tehtävässä oli myös osio, jossa piti tehdä kartta kuvaamaan uima-altaalla varustettuja taloja pääkaupunkiseudun eri asuinalueilla. Tehtävä oli haastava, sillä en tiennyt yhtään, miten se pitäisi aloittaa. Kartan luomisessa oli myös ongelmia, mutta onneksi Jero Hoberg osasi näyttää Fix geometrics -toiminnon, jonka avulla sain kartan tekemisen alulle. Koropleettikartan tekeminen on jo käynyt niin tutuksi, että sen kanssa ei ainakaan ollut ongelmia.

Kuvassa 1 näkyy kartta pääkaupunkiseudun taloista, joissa on uima-allas. Lisäsin tehtävän mukaisesti luvut kaupunginosiin kuvaamaan, kuinka monta uima-altaalla varustettua taloa missäkin kaupunginosassa on. Käytin ensimmäistä kertaa labels -ominaisuutta, kun lisäsin lukuja kartalle. Tämä oli aluksi vaikeaa, mutta omien kokeilujen ja kavereilta saadun avun jälkeen onnistuin saamaan luvut kartalle, ja mielestäni niiden ulkoasu onkin melko siisti. Lukujen asetteluunkin meni aika paljon aikaa. Kartasta voidaan huomata, että uima-altaat ovat melko harvinaisia pääkaupunkiseudun taloissa. Eniten uima-altailla varustettuja taloja on Lauttasaaressa, ja niitä on 53.

Kuva 2. Kartta uima-altaalla varustetuista taloista pääkaupunkiseudulla kaupunginosittain. Karttaan on lisätty uima-altaiden lukumäärää kuvaavat pylväät.

Tehtävänantoon kuului myös uima-altaallisten talojen määrää kuvaavien pylväiden teko samaan karttaan. Päätin kuitenkin kuvata pylväitä erillisellä kartalla, sillä niiden lisääminen samaan karttaan ei näyttänyt hyvältä ja teki kartasta visuaalisesti epäselkeän. Kuvassa 2 näkyy kartta, johon on lisätty pylväät. Pylväitä olin tehnyt QGIS:llä aiemminkin, joten tiesin, mistä ne saadaan valittua. Niiden asetteluun kartalle meni kuitenkin aika paljon aikaa. Niiden kokoa ja sijaintia kartalla piti säätää aika paljon, jotta ne näyttäisivät hyviltä. En ollut myöskään aikaisemmin tehnyt pylväitä kuvaavaa legendaa, joten opin tehtävää tehdessäni myös jotain uutta.

Yleistä QGIS -pohdintaa

Olen mielestäni kurssin aikana oppinut melko hyvin kaikki QGIS:in perustoiminnot, kuten koropleettikarttojen teon ja field calculatorin sekä piirtotyökalujen käytön. Osaan myös valita ja tarkastella tiettyjä arvoja eri aineistoista. Tällä kurssikerralla tutuksi tulivat myös buffereiden tekeminen, joka osoittautui suhteellisen helpoksi. Näiden perustaitojen soveltaminen onnistuu siis jo melko hyvin. Ongelmia ja haasteita olen kuitenkin kohdannut etenkin eri tietokantojen tuomisessa sovellukseen. Olen kamppaillut NULL -arvojen kanssa monesti, mutta välillä myös löytänyt itse ratkaisun ongelmiin. Pienten yksityiskohtien selvittäminen ja muuttaminen, jotta saa jonkin toiminnon toimimaan halutulla tavalla on myös aiheuttanut päänvaivaa  monesti.

QGIS on erittäin hyvä sovellus paikkatiedon analysoimisen kannalta. Se on todella monipuolinen ja erilaisia toimintoja löytyy sieltä paljon. Kaikkia ominaisuuksia on kuitenkin vaikea oppia ja harjoittelu vaatii aikaa, kokeilua ja toistoja. Tällä kurssikerralla itsenäinen työskentely QGIS:in eri toimintojen kanssa oli erittäin hyödyllistä, sillä itse ongelmien ratkaiseminen edistää oppimisprosessia ainakin omalla kohdallani paljon. Se voi olla välillä turhauttavaa, mutta ainakin siitä hyötyy pitkällä tähtäimellä.

 

Lähteet:

Nuortimo, P. (2024). Viides kurssikerta. Pietun GIS-seikkailu. Viitattu 16.2.204. Saatavilla: Pietun GIS-seikkailu – MAA202 – Geoinformatiikan menetelmät 1 (helsinki.fi)

Tervetuloa 4. kurssikerran blogikirjoituksen pariin. Tällä viikolla siirryimme vektorimuotoisista aineistoista rasterimuotoisiin sekä harjoittelimme niiden käsittelemistä QGIS-sovelluksessa. Tarkastelun kohteena olivat myös piste- ja ruutuaineistot. Tämän viikon harjoitukset onnistuivat itseltäni viime viikkoon verrattuna paljon helpommin ja nopeammin, eikä suurempia ongelmia QGIS:in toimintojen kanssa ollut. Huomaa, että sovelluksen käyttö tulee koko ajan tutummaksi, kun sen parissa viettää aikaa viikosta toiseen.

Tehtävä 1: Ruututeemakartta

Kurssikerran ensimmäisen tehtävän aineistona käytimme pääkaupunkiseudun rakennus- ja väestötiedoista kerättyä dataa. Tarkoituksena oli tehdä ruututeemakartta itse valitsemastaan aiheesta. Aineistojen liittäminen ja muokkaaminen QGIS:ssä onnistui nyt jo hyvin. Ruudukon lisääminen ja sen rajaaminen koskemaan vain aineistossa esitettyjä arvoja onnistuivat myös suuremmitta ongelmitta, kun seurasi ohjeita tarkasti. Päätin tehdä ruututeemakartan, joka kuvaa muunkielisten asukkaiden jakautumista pääkaupunkiseudulla.

Kuvassa 1 näkyy ruututeemakartta muunkielisistä pääkaupunkiseudulla. Kartta kuvaa absoluuttisia arvoja, eli kuinka monta asukasta yhden ruudun kuvaamalla alueella asuu. Kartasta huomataan, että muunkielisiä asuu paljon etenkin Helsingin kantakaupungissa. Tämä voi johtua siitä, että kantakaupungissa on muutenkin paljon asukkaita. Absoluuttisia arvoja kuvattaessa tämä tulee ottaa huomioon. Muunkielisiä on lisäksi paljon myös Itä- ja Pohjois-Helsingissä sekä Itä-Vantaalla. Muunkielisten keskittymistä tiettyihin kaupunginosiin voitaisiin selittää esimerkiksi, sillä, että näissä kaupunginosissa asuu paljon maahanmuuttajia sekä heidän jälkikasvuaan. Maahanmuuttajien keskittyneisyyttä tietyille alueille voitaisiin taas selittää esimerkiksi sillä, että näillä alueilla on paljon kaupungin vuokra-asuntoja. Tämä on tietenkin vain yksi selittävä tekijä, ja syitä voi olla monia.

Halusin tehdä absoluuttisia arvoja kuvaavan kartan lisäksi myös muunkielisten suhteellisia arvoja kuvaavan kartan. Muun muassa Heikki Säntti toteaakin hyvin blogitekstissään (2024), että on hyvä tehdä myös suhteellisia lukuja kuvaava kartta, jotta voidaan oikeasti ymmärtää absoluuttisten ja suhteellisten arvojen luomat erot. Kuvassa 2 olevasta ruututeemakartasta nähdään muunkielisten osuudet kaikista asukkaista eri alueilla prosentteina. Jokainen ruutu kuvaa, kuinka monta prosenttia ruudun alueella asuu muunkielisiä kaikista asukkaista. Kuten kartasta voidaan huomata, se eroaa selvästi kuvan 1 absoluuttisia arvoja kuvaavasta kartasta. Alueilla, joilla ei välttämättä ole suurta määrää muunkielisiä, voi kuitenkin olla suuri osuus muunkielisiä suhteessa muihin asukkaisiin. Myös alueilla, joilla asuu muutenkin vähän ihmisiä, voi muunkielisten osuus olla suurempi kuin alueilla, joilla asuu paljon ihmisiä. Myös alueilla, joilla on absoluuttisesti suuri määrä muunkielisiä, voi olla vähän muunkielisiä suhteessa koko asukamäärään. Esimerkiksi kuvan 1 kartasta nähdään, että Helsingin keskustassa asuu paljon muunkielisiä, mutta kuvan 2 kartassa taas näkyy, että näiden osuus koko asukasmäärästä ei kuitenkaan ole niin suuri. Tämän takia suhteellisia arvoja kuvaava kartta on informatiivisempi, kun halutaan tarkastella alueita, joilla on merkittäviä muunkielisten asutuskeskittymiä.

Kartat eivät ole visuaalisesti parhaimpia mahdollisia, sillä ruudut peittävät suuren osan karttapohjasta, eikä alueiden paikantaminen ole tämän takia kovin helppoa. Ruutujen läpinäkyvyyttä olisi ehkä voinut säätää, jotta muut karttaelementit näkyisivät paremmin. Olisin voinut myös vaihtaa ruutujen kokoa. Tällöin olisin ehkä voinut visualisoida muunkielisten alueellista jakautumista tarkemmin, jos olisin pienentänyt ruutukokoa. Luokkarajat ovat kuitenkin mielestäni onnistuneet ja pidän karttojen väreistä. Ruututeemakartta kuvaa selkeästi tarkasteltavia arvoja, ja arvojen vertaileminen on helppoa, koska eriväriset ruudut on helppo hahmottaa kartalta. Toisaalta esimerkiksi koropleettikartoissa arvojen sijainnin tarkasteleminen on helpompaa ja ne ovat visuaalisesti tarkempia.

Karttoihin valitsemani aihe on mielestäni hyvin mielenkiintoinen sekä myös ajankohtainen. On kiinnostavaa tarkastella, kuinka paljon muunkielisiä asuu tietyillä alueilla ja mikä alueelliseen jakautumiseen vaikuttaa. Gaius Eriksson vertaa blogitekstissään (2024) myös ruotsinkielisten asukasmäärää muunkielisiin. Tämä on myös erittäin mielenkiintoinen tarkastelukohde. Gaius kuvaa tekemällään kartalla, kuinka paljon muunkielisiä asuu pääkaupunkiseudulla  ruotsinkielisiin verrattuna. On kiinnostavaa nähdä, kuinka paljon muunkielisiä on nykyään enemmän suhteessa ruotsinkielisiin.

 

Kotitehtävä  korkeuskäyristä

Teimme tällä viikolla myös korkeuskäyriin ja rinnevarjostukseen liittyviä harjoituksia. Tässä rasterimuotoisen aineiston tuominen QGIS:iin onnistui myös hyvin ja pääsin työstämään rinnevarjostusta sekä korkeuskäyriä ilman ongelmia. Kotitehtävänä oli verrata QGIS:ssä tekemiäni Pornaisten alueen korkeuskäyriä Paitulista ladattuun saman alueen peruskarttalehteen, jossa korkeuskäyrät olivat jo valmiina.

Kuvissa 3 ja 4 näkyvät sama tarkennettu kuva L4322L-karttalehdestä, joka kuvaa Pornaisten aluetta. Molemmissa kuvissa näkyvät peruskarttalehden alkuperäiset korkeuskäyrät ruskealla värillä. Kuvassa 4 näkyy myös QGIS:ssä tehdyt korkeuskäyrät vihreällä värillä. Karttaa tarkasteltaessa huomataan, että korkeuskäyrät vastaavat muodoiltaan toisiaan aika hyvin, mutta ne eivät kuitenkaan ole aivan päällekkäin kartalla toisiinsa nähden. Lisäksi QGIS:n käyrissä näkyy tietyissä kohdissa ihmeellisiä ja selittämättömiä sikermiä. Esimerkiksi Mätikistön alueelta löytyy tällainen, joka näkyy kuvan 4 alareunassa.

Lopuksi

Pääsimme kurssikerran lopussa myös hieman digitoimisen makuun, kun tehtävänä oli piirtää eri karttaelementtejä edellä mainitulle Pornaisten kartalle. QGIS:in piirtotyökalut tulivat tutuksi ja sain jo piirrettyä teitä ja taloja Pornaisten keskustaan. Tästä kuitenkin lisää ensi kerralla!

 

Lähteet:

Säntti, H. (2024). Neljäs kurssikerta. Heiggi’s blog. Viitattu 7.2.2024. Saatavilla: Heiggi’s blog (helsinki.fi)

Eriksson, G. (2024). MAA202 Neljäs viikko. Gaiuksen kurssiblogi. Viitattu 7.2.2024. Saatavilla: Gaiuksen kurssiblogi (helsinki.fi)

Paituli. Latauspalvelu. Viitattu 7.2.2024. Saatavilla: Paituli – Download data (csc.fi)

Tervetuloa uuden blogikirjoituksen pariin! Tällä kertaa harjoittelimme hieman lisää ulkoisten tietokantojen siirtämistä QGIS-sovellukseen sekä tutustuimme tarkemmin siihen, miten jo olemassa olevaa tietoa voidaan päivittää QGIS:ssä. Tutkimme vektorimuotoista aineistoa Afrikasta, johon lisättiin aineistoja konflikteista, timanttikaivoksista sekä öljykentistä. Lisäksi harjoittelin ulkoisten aineistojen tuomista QGIS:iin Join-komennon avulla, kun liitin tietoa Afrikan valtioiden Internetin käyttäjistä muuhun aineistoon. Tällä kertaa Excelistä tuodun aineiston liitäntä onnistui hyvin.

Kun tarkastelin hieman konfliktien ja timanttikaivosten jakautumista, huomasin, että maissa, joissa on paljon timanttikaivoksia, on myös konflikteja  yleensä runsaasti. Tästä voidaan päätellä, että ainakin tietyillä alueilla timanttien louhinnalla ja konflikteilla on korrelaatio. Esimerkiksi Sierra Leonen 90-luvun aikaisen sisällissodan yksi alkamissyistä oli halu luonnonvaroja, kuten juuri timantteja kohtaan (Dupuy ja Binningsbø, 2008). Konflikteja syntyy kuitenkin muistakin syistä ja lähtökohdista. Esimerkiksi Etiopiassa konflikteja on ollut huomattavasti, vaikka siellä ei ole yhtään timanttikaivosta. Saman huomion on tehnyt myös Heikki Säntti blogikirjoituksessaan (2024). Hän tarkentaa vielä, että Etiopiassa on ollut jopa 104 konfliktia, joka on suurin luku Afrikan valtioista. Konfliktien syntyyn voi vaikuttaa siis muita tekijöitä, kuten esimerkiksi valtion koko ja asukasluku, talous sekä valtion hallinnon tila (Raleigh ja Hegre, 2005). Myös etnisten ryhmien määrä ja pirstoutuminen tietyllä alueella voivat vaikuttaa konfliktien syntyyn.

Aineistosta voisi tehdä enemmän päätelmiä, jos tiedettäisiin muun muassa taustaa konfliktien ja timanttikaivosten perustamisen ajankohdista. Näin saataisiin tietää, alkoiko esimerkiksi jokin konflikti juuri kaivoksen perustamisen tai timanttiesiintymän löytämisen jälkeen samalla alueella. Myös sitä, vaikuttaako timanttikaivosten tuottavuus jotenkin konfliktien esiintymiseen, voitaisiin tarkastella. Tietämällä konfliktien laajuus voitaisiin esimerkiksi tarkastella, ovatko konfliktit suurempia alueilla, joilla on paljon timanttikaivoksia. Sama pätee myös öljykenttien löytämisen ajankohtiin sekä niiden tuottavuuteen. Konfliktien ja öljykenttien löytämisen yhteyttä voitaisiin siis tutkia ajallisesti. Myös internetin käyttäjien määrästä eri vuosina eri Afrikan maissa voisi tehdä päätelmiä ainakin maan kehittyneisyydestä sekä tutkia, onko alueilla esimerkiksi enemmän konflikteja, jos internetin käyttäjiä on vähän. Voisi myös tarkastella, ovatko konfliktit vähentyneet vuosien saatossa, kun internetin käyttäjien määrä on lisääntynyt.

 

Omatoiminen harjoitus: Tulvaindeksikartta

 

Kurssikerran omatoimisena tehtävänä oli harjoitella opittuja QGIS:in toimintoja tekemällä tulvaindeksikartta Suomen valuma-alueista. Tarkoitus oli tarkastella valuma-alueita sekä niiden tulvaherkkyyttä. Kamppailin tehtävän kanssa melko kauan, koska muun muassa Excelistä tuomani alueiden järvisyyden prosenttiosuuksia kuvaava aineisto oli tekstimuodossa. Sain sen kuitenkin lopulta muokattua oikeaan muotoon. Kurssikavereista oli myös iso apu tämän tehtävän tekemisessä, joten kiitos heille!

Kuvassa 1 näkyy teemakartta Suomen valuma-alueiden tulvaindekseistä. Indeksit kuvaavat valuma-alueiden tulvaherkkyyttä, ja ne perustuvat valuma-alueiden keskiylivirtaamien ja keskialivirtaamien suhteisiin. Karttaa tarkastelemalla voidaan havaita, että suurimmat indeksiluvut ovat Länsi-Suomessa Pohjanmaalla, Varsinais-Suomessa sekä Etelä-Suomessa. Suurin indeksiluku on Aurajoen valuma-alueella Varsinais-Suomessa. Alueet, joilla indeksiluvut ovat suurimmat, ovat lähes poikkeuksetta rannikon läheisyydessä. Tästä voidaan päätellä, että rannikkoalueilla valuma-alueiden tulvariski on suurempi. Mantereisemmilla alueilla, kuten Keski- ja Itä-Suomessa indeksiluvut ovat selvästi pienemmät, niin kuin kartasta nähdään.

Tulvaherkkyyteen vaikuttavia tekijöitä voivat olla esimerkiksi sademäärä, joka on yleensä rannikolla runsaampi. Myös alueiden pinnanmuodot ja korkeuserot vaikuttavat tulvaherkkyyteen. Tasaisimmilla alueilla tulvaherkkyys kasvaa. Kartan avulla voitaisiin esimerkiksi paikantaa tulville kaikkein herkimmät valuma-alueet ja sen perusteella varautua mahdollisiin tulviin sekä estää niiden aiheuttamat vahingot.

Lisäsin tulvaindeksikarttaan myös alueiden järvisyyden osuutta kuvaavat ympyrädiagrammit. Diagrammeista selviää valuma-alueiden järvisyyden osuus maapinta-alasta. Diagrammeja tarkasteltaessa voidaan huomata, että niiden alueiden järvisyyden osuus on suurempi, joilla tulvaindeksiluvut ovat pienemmät. Tulvien herkkyys siis on suurempaa alueilla, joilla on vähemmän järvipinta-alaa. Tämä voisi mahdollisesti johtua siitä, että ylivirtaaman tuoma vesi päätyy järvisimmillä alueilla järviin ja tällöin tulvimista ei tapahdu samalla tavalla. Hilla Kontinen toteaa myös hyvin blogitekstissään (2024), että kuivalla kaudella järvet taas tasaavat jokien virtaamaa päästämällä vettä jokisysteemeihin. Jos verrataan kartalla Itä-Suomen alueella olevia diagrammeja Pohjanmaalla oleviin, huomataan, että diagrammeissa järvisyyden sinisen värin osuus on suurempi. Itä-Suomessa tulvaindeksiluvut ovat taas todella pienet, kun taas Pohjanmaan alueella ne ovat suuret.

Mielestäni kartta ja diagrammit tuovat kyllä esiin järvisyyden osuudet, ja niitä voidaan vertailla tulvaindeksilukuihin, mutta diagrammien visuaalisuudessa ja koossa on parannettavaa. Tarkkoja osuuksia ja arvoja on myös vaikeaa hahmottaa kartalta, ja tällöin niiden tulkitseminen jää melko pintapuoliseksi.

Kokonaisuudessaan tämä kurssikerta oli itselleni erittäin haastava. Meinasin jo luovuttaa, kun joissain vaiheissa päädyin hetkellisesti umpikujaan. Jatkoin kuitenkin työskentelyä ja lopulta onnistuin tehtävien teossa. Haasteet kuitenkin kehittävät ja uskon, että osaan nyt paljon enemmän asioita kuin aikaisemmin.

Kiitos lukemisesta!

Lähteet:

Dupuy, K., Binningsbø, H.M. (2008). Power-sharing and Peace-building in Sierra Leone. Power-sharing Agreements, Negotiations and Peace Processes. Viitattu 2.2.2024. Saatavilla: Dupuy and Binningsbø (2008) Power-sharing and Peacebuilding in Sierra Leone (CSCW Paper).pdf

Säntti, H. (2024). Kolmas kurssikerta. Heiggi’s blog. Viitattu 2.2.2024. Saatavilla: Heiggi’s blog (helsinki.fi)

Raleigh, C., Hegre, H. (2005). Introducing ACLED. An Armed Conflict Location and Event Dataset. Disaggregating the Study of Civil War and
Transnational Violence. p. 2. Viitattu 2.2.2024. Saatavilla: UCSD_paper_final (1).pdf

Kontinen, H. (2024). Kolmas kurssikerta. Geoinformatiikan menetelmät 1. Viitattu 2.2.2024. Saatavilla: Geoinformatiikan menetelmät 1 | Hilla Kontinen, kevät 2024 (helsinki.fi)

 

Toisella kurssikerralla perehdyimme tietokantojen hallintaan sekä projektioihin ja siihen, kuinka ne voivat vääristää muun muassa etäisyyksiä ja pinta-aloja kartalla. Kävimme läpi erilaisia verkkoaineistoja, kuten rajapintoja, ja kokeilimme niiden käyttöä QGIS-sovelluksessa. Tällaisia aineistoja ovat esimerkiksi WFS- ja WMS-palvelut. Kokeilin liittää Tilastokeskuksen aineiston Suomen kunnista WFS-muodossa QGIS:iin ja tämä onnistui suhteellisen helposti. Erilaisten aineistojen tuontia QGIS:iin on hyvä harjoitella, sillä se ei aina ole niin yksinkertaista, ja se on kuitenkin tärkeää, jos halutaan visualisoida tiettyjä aineistoja.

Kurssikerran tehtävät

Tämän kurssikerran tehtävät liittyivät projektioihin sekä niiden aiheuttamiin mittakaavavirheisiin. Tarkastelin aluksi, miten eri projektioiden vaihteleminen vaikuttaa Suomen kuntakartalle mittaamieni etäisyyksien ja pinta-alojen arvoihin. Samalla tulivat tutuksi QGIS:in mittatyökalu sekä opin myös tarkastelemaan karttaa eri projektioilla. Huomasin, että etenkin Mercatorin projektio vääristää arvoja huomattavasti etenkin Pohjois-Suomessa oletuksena olleeseen TM35FIN-karttaprojektioon verrattuna. Tämä johtuu siitä, että Mercatorin projektio on lieriöprojektio, ja kun maapallo projisoidaan tasolle, korkeiden leveysasteiden kohteiden koot vääristyvät, koska niitä ei saada suoraan kohdistettua maapallon ellipsoidin muotoiselle pinnalle.

Tarkoituksena oli myös tehdä projektioiden vääristymiä kuvaavia karttoja Suomen kuntakarttaa käyttäen. Kartoilla visualisoidaan sitä, miten eri projektioiden käyttäminen vaikuttaa Suomen kuntien pinta-aloihin. Vertasin aluksi TM35FIN-projektiota Mercatorin projektioon. Aapeli Leppä kirjoittaa blogitekstissään (2024), että putosi tunnilla kärryiltä työn eri vaiheista. Tämä tapahtui myös minulle, joten jouduin työstämään karttoja itse kokeilemalla ja katsomalla kirjallisia ohjeita. Kesti jonkin aikaa, että sain tehtyä uudet tasot kuntien pinta-aloista Mercatorin projektiolla. Myös pinta-alojen erojen laskeminen prosentuaalisesti tuotti aluksi ongelmia ja prosenttilaskujen kanssa on kerrattavaa, kuten Aapeli Leppä myös kirjoittaa blogitekstissään. Lopulta sain kuitenkin prosenttiarvot näkymään atribuuttitaulukossa ja loput vaiheet kartan luomisessa olivat helppoja edellisen kurssikerran harjoittelun ansiosta.

 

Kuvassa 1 olevalta kartalta nähdään, kuinka kuinka monta prosenttia kuntien pinta-alat kasvavat kartalla, kun projektio vaihdetaan TM35FIN:stä Mercatoriin. Prosenttiosuudet kasvavat aika tasaisesti, mitä pohjoisemmaksi mennään. Esimerkiksi Lapissa Mercatorin pinta-alat voivat olla jopa noin 500-700 % suurempia kuin TM35FIN:in pinta-alat.

Kuvassa 2 on esitettynä sama kartta kuin kuvassa 1, mutta lisäsin siihen enemmän luokkia, jotta nähtäisiin, miten se vaikuttaa karttaan visuaalisesti. Ensimmäisessä kartassa on viisi luokkaa ja toisessa kymmenen. Kartasta nähdään nyt selvemmin, kuinka tasaisesti pinta-alat vääristyvät mitä pohjoisemmaksi mennään. Mielestäni kartta näyttää myös väreiltään miellyttävämmältä, kun luokkia on enemmän.

Vertasin TM35FIN-projektiota myös toiseen projektioon. Valitsin tähän suosikkiprojektioni, eli Winkel Tripel-projektion. Kartan luomiseen noudatin samoja vaiheita kuin edellisen kartankin teossa ja ongelmia ei tullut enää vastaan.

Winkel Tripel-projektion vääristymiä kuvaava kartta muistuttaa aika paljon karttaa Mercatorin vääristymistä. Luokkien prosenttiarvot ovat kuitenkin huomattavasti pienempiä. Tämä tarkoittaa, että Winkel Tripel vääristää pinta-aloja paljon vähemmän Mercatoriin verrattuna. Esimerkiksi nyt Pohjois-Suomessa kuntien pinta-alat vääristyvät vain noin 45-55 %. Lisäsin tähän karttaan luokkien määrää kuuteen, jotta saisin enemmän eroja näkyviin.

Ensi kertaan!

 

Lähteet:

Leppä, A. 2024. Geoinformatiikan menetelmät – Aapeli Lepän blogi. Toinen kurssikerta – Karttaprojektioita ja mittakaavavirheitä. Viitattu 24.01.2024. Saatavilla: Toinen kurssikerta – Karttaprojektioita ja mittakaavavirhettä – Geoinformatiikan Menetelmät – Aapelin Lepän Blogi (helsinki.fi)

Geoinformatiikan menetelmät 1 -kurssin ensimmäisellä kurssikerralla kertasimme hieman geoinformatiikkaan ja paikkatietoon liittyviä asioita. Käsittelimme muun muassa sijainti- ja ominaisuustietoa sekä vektori- ja rasteriaineistojen eroja. Nämä asiat ovat tulleet jo tutuksi aiemmilla kursseilla, mutta toisaalta itselle tuttuja asioita on aina hyvä kerrata. Lisäksi harjoittelimme QGIS-sovelluksen käyttöä. Tämäkin on jo tullut vastaan yhdellä aiemmalla kurssilla, mutta sovelluksen käyttöä oli hyödyllistä harjoitella, sillä en muistanut enää, miten se toimii.

Harjoitus 1: Itämeren alueen typpipäästöt

Kurssikerran ensimmäisessä harjoituksessa teimme QGIS-sovelluksella koropleettikartan Itämeren rannikkovaltioiden typpipäästöistä Itämereen. Kartan teko onnistui hyvin, kun kuunteli tunnilla kerrottuja ohjeita ja seurasi eri työvaiheita tarkasti. Jos johonkin kohtaan jäi jumiin, pystyi myös kysymään kaverilta apua. Mielestäni QGIS:in toimintojen ja kartan teon vaiheiden läpikäyminen yhdessä oli hyödyllistä, sillä en välttämättä olisi onnistunut harjoituksessa pelkkiä ohjeita lukemalla. Sain tehtyä kartan jo tunnin aikana, ja sen tekemisessä ei tullut vastaan suurempia ongelmia. 

Kuvassa 1 näkyy tuottamani kartan lopputulos. Olen melko tyytyväinen kartan ulkoasuun, mutta toisaalta olisin voinut käyttää vielä elävöittävämpiä värejä kuvaamaan eri valtioiden typpipäästöjen osuuksia. Luokkien määrä olisi voinut olla suurempi, jotta nähtäisiin selkeämpiä eroja valtioiden välillä. Itämeren sekä sen syvyyskäyrien ulkoasu on mielestäni toimiva. Kartasta voidaan huomata, että Puolan typpipäästöt ovat suurimmat Itämeressä sekä Viron päästöt ovat pienimmät. Benjamin Lamberg mainitsee blogitekstissään (2024), että muun muassa Puolan todellista päästömäärää ei saada kuvattua kartalla tarkasti. Tämä pätee myös omaan karttaani. Suurimman päästöluokan arvojen väli on sen verran suuri, että se ei kerro tarkasti Puolan typpipäästöistä. Kartasta ilmenee lähinnä vain se, että Puola on Itämeren valtioista suurin saastuttaja.

Harjoitus 2: Ruotsinkielisten osuus Suomessa kunnittain

Toisessa harjoituksessa piti soveltaa ensimmäisessä harjoituksessa oppimaansa ja tehdä Suomen kuntajakoa käyttäen koropleettikartta valitsemastaan aiheesta. Harjoituksessa oli kolme vaikeustasoa, joista sai valita haluamansa. Päätin tehdä aluksi vaikeustason 1 tehtävän. Valitsin muuttujaksi ruotsinkielisten osuudet Suomessa kunnittain. Yritin muistella, miten tein ensimmäisen harjoituksen kartan, ja sen perusteella aloitin tekemään tämän harjoituksen karttaa. Kokeilin erilaisia QGIS:in toimintoja ja palautin mieleen eri työvaiheita ensimmäisestä harjoituksesta. Lopulta onnistuin tekemään kartan juurikaan katsomatta ohjeita.

Kartta on mielestäni onnistunut ja se on riittävän informatiivinen. Muokkasin nyt luokkarajoja niin, että ne näyttäisivät mahdollisimman tasaisilta kartalla. Lisäsin myös luokkia enemmän kuin ensimmäisessä harjoituksessa. Luokkien välisten arvojen erot ovat kuitenkin melko suuret. Esimerkiksi toiseksi suurimpaan luokkaan kuuluvat kaikki kunnat, joissa ruotsinkielisiä on 0,5-50 % väestöstä. Luokkaan kuuluvien kuntien tarkkaa ruotsinkielisten osuutta on siis vaikea hahmottaa, koska prosenttiosuuksien väli on niin suuri. Taas vastaavasti arvoiltaan pienimmässä luokassa ovat kunnat, joissa on vain 0-0,1 % ruotsinkielisiä. Luokan arvojen välinen ero on siis hyvin pieni verrattuna muihin luokkiin. Tähän luokkaan kuuluvia kuntia on kuitenkin niin paljon, että halusin muokata luokkien kokoja niin, että kartan ulkoasu olisi tasaisemman näköinen.

Kuvassa 2 olevasta kartasta voidaan nähdä, että suurimpia ruotsinkielisten väestökeskittymiä on Länsi-Suomessa Pohjanmaan alueella sekä Lounais-Suomessa saaristomeren alueella. Myös Ahvenanmaalla on suuri osuus ruotsinkielisiä. Vähiten ruotsinkielisiä on Keski- ja Itä-Suomessa. Ruotsin ja Suomen rajan lähettyvillä sekä Etelä-Suomessa ruotsinkielisiä on myös huomattava osuus väestöstä.

Päätin kokeilla myös toisen vaikeustason tehtävää tehtyäni kartan ruotsinkielisten osuuksista kunnissa.  Tehtävässä piti itse etsiä lisää muuttujia netistä, joista piti laatia samanlainen koropleettikartta QGIS:iä käyttäen. Etsin aineistoa Tilastokeskuksen Kuntien avainluvut-tietokannasta. Valitsin muuttujaksi vuokra-asuntojen prosenttiosuudet asuntokunnista vuodelta 2021. Onnistuin liittämään aineiston osaksi kuntakartan atribuuttitaulukkoa, kunhan sain aineiston muokattua oikeaan muotoon Excel-taulukossa. Helppoa se ei kuitenkaan ollut ja kamppailin tämän kanssa melko pitkään. En kuitenkaan saanut luotua karttaa vuokra-asuntojen osuuksista, sillä en saanut arvoja näkymään kartan properties-ikkunan graduated value-palkissa. Tämä johtui siitä, että lisäämäni sarake oli tekstimuodossa, eikä numeerisessa muodossa. Yritin selvittää, miten sen muotoa voisi muuttaa, mutta en onnistunut tässä. Lopulta luovutin tehtävän suhteen, joten parannettavaa ja opittavaa jäi vielä seuraavalle kerralle.

 

Lähteet:

1. Lamberg, B. (2024). Blamberg’s blog. Ensimmäinen kurssikerta. Viitattu 21.1.2024. Saatavilla: Ensimmäinen kurssikerta – blamberg’s blog (helsinki.fi)

2. Tilastokeskus. Kuntien avainluvut 1987-2022. Vuokra-asunnoissa asuvia asuntokuntia, % (2021). Viitattu 21.1.2024. Saatavilla: Kuntien avainluvut muuttujina Alue 2023, Tiedot ja Vuosi. PxWeb (stat.fi)