Month: February 2022

____

Kumpulan turvallisuus

Vietimme tunnin alkuosan hieman erilaisessa ympäristössä kuin tavallisesti: luokkahuoneen sijaan kiersimme ympäri Kumpulaa arvioiden erilaisia kohteita muun muassa niiden turvallisuuden ja viihtyisyyden mukaan. Käytimme tässä Epicollect 5-sovellusta, jonka käyttö samantyyliseen tarkoitukseen oli tuttua lukion mantsantunneilta. Tällä kertaa pääsimme tosin myös tutkimaan ja käsittelemään kerättyä tietoa pelkän aineiston tuottamisen lisäksi. Tuotoksena syntyi kuvan 1 kartta, jossa kohteiden ja niiden ympäristön turvallisuutta kuvaavat värit punaisesta tummansiniseen (vaarallisesta turvalliseen). Kartta on tehty interpoloimalla, joka oli minulle uutta.

Kohteita oli mielenkiintoista arvioida, mutta sitä tehdessä huomasi myös, miksi tuloksien taustaa kannattaa selvittää. Kohteiden viihtyisyyteen tai turvallisuuteen vaikuttivat esimerkiksi lyhytaikaisemmatkin olosuhteet, kuten sää (tie saattoi olla liukas tai kulku kohteeseen ei ollut mahdollista), vuorokaudenaika (vaikeaa arvioida turvallisuutta, koska sen tunne voi vaihdella huomattavasti päivän ja yön välillä) sekä mahdolliset työmaat, joilla voi olla merkittävä väliaikainen vaikutus kohteen käyttöön. Jos haluttaisiin hyvä ja kattava yleiskuva, kannattaisi tietoa olla siis monenlaisista olosuhteista ja pidemmältä ajalta. Toisaalta jotkin asiat, kuten suuren tien ylitys, todennäköisesti pysyy hieman epämiellyttävänä ajasta riippumatta.

Kuva 1. Turvallisuuden tunne Kumpulan alueella.

Maanjäristyksiä ja tulivuoria

Tehtyämme kävelylenkin tuloksista kartan, aloimme tekemään vapaavalintaisia karttoja maanjäristys-, tulivuori- ja meteoriittidatan avulla. Tein itse pari karttaa maanjäristyksistä, joista ensimmäisessä (kuva 2) on havaittavissa, missä päin maailmaa tapahtuu merkittäviä maanjäristyksiä (magnitudi vähintään 6 ). Aikaväli on pitkä kyseisessä kartassa, 122 vuotta. Siitä huolimatta aktiivisimmat alueet ovat havaittavissa. Kuvassa 3 on kartta, josta käy ilmi todella voimakkaat maanjäristykset ( magnitudi vähintään 9) samalta aikaväliltä. Tästä kartasta nähdään, että todella voimakkaat maanjäristykset ovat harvinaisia ja ne sattuvat alueilla, joissa maanjäristykset ovat yleisiä ensimmäisen kartan mukaan.

Kuva 2. Vähintään magnitudi 6 maanjäristykset.

Kuva 3. Vähintään magnitudi 9 maanjäristykset.

Tein maanjäristysten lisäksi muutaman kartan tulivuorista, joista kaksi on tässä alla. Ensimmäinen näistä kuvaa kaikkia maailman tulivuoria ja toinen taas tiettyä tulivuorityyppiä, kilpitulivuoria edustavia tulivuoria. Näitä voitaisiin vertailla maanjäristyksistä kertovaan karttaan ja opettaa, miksi näitä esiintyy samoilla alueilla. Taustalla on ilmiöiden keskittyminen litosfäärilaattojen saumakohtien läheisyyteen, mistä esimerkiksi Pilvi Toijonen on löytänyt blogiinsa hyvän ja havainnollistavan kuvan. Kilpitulivuorien kohdalla voitaisiin myös kertoa erilaisista tulivuorityypeistä ja millaisilla alueilla niitä esiintyy.

Kuva 4. Maailman tulivuoret.

Kuva 5. Maailman kilpitulivuoret.

Olisi ollut mielenkiintoista esittää tietoa tulivuorista ja maanjäristyksistä samalla kartalla, mutta ainakin silloin, kun kaikki kohteet ilmaistaan samankokoisilla pisteillä olisi tuloksesta tullut liian sekava. Jälkeenpäin mietittynä kartoista löytyy parannettavaa: pohjoisnuoli ja mittakaava olisivat olleet hyviä lisiä. Tekemäni kartat ovat myös melko yksinkertaisia ja mielenkiintoisemmat kartat olisivat olleet hyvä lisä.

Lähteet:

Toijonen, P. (2022). 6.kurssikerta: interpolointia ja hasardeja. Pilvin GIS-blogi. (Luettu 17.03.2022) Osoitteesta https://blogs.helsinki.fi/pilvitoi/

_____

Viidennellä kerralla pääsimme tutustumaan puskurivyöhykkeisiin, mikä alkoi aikaisemmalla tunnilla tehdystä Pornaisten kartasta, josta tutkittiin tietyllä etäisyydellä eri kohteista, kuten terveyskeskuksesta, asuvien määrää. Tämä harjoitus sujui mukavasti ohjeiden avulla. Lopputunnista aloimme tekemään itsenäisiä tehtäviä, jotka tuntuivat jo paljon hankalammilta, kun oli tottunut tekemään tarkkojen ohjeiden mukaan. En myöskään tajunnut etsiä tarkempia ohjeita tiedostoista, joten kokeilin erilaisia tapoja ja sain ainakin jonkinlaisia tuloksia.

Lentokentät ja asemat

Ensimmäinen itsenäinen tehtävä liittyi Malmin ja Helsinki-Vantaan lentokenttien melualueisiin sekä juna- ja metroasemien saavutettavuuteen. Pääsin tekemään itse puskureita, mutta olennaista oli myös osata käyttää valintatyökaluja, jotta juuri näillä alueilla esiintyviä kohteita voitiin tarkastella. Myös statistiikkapaneeli oli ahkerassa käytössä. Aluksi oli vaikeaa hahmottaa, missä QGisissä saisi laskettua osuuksia koko asukkaista, mutta päädyin laskemaan ne Excelissä. En myöskään osannut tehdä linkkiä taulukkoon, joten liitän tekemäni taulukot kuvina.

Taulukko 1. Tilastoja Malmin ja Helsinki-Vantaan lentokentistä ja juna- sekä metroasemista.

Koulut ja koulupiirit sekä hieman putkiremonteista

Toinen itsenäinen työ, jossa laskettiin kouluihin ja koulupiireihin sekä taajamiin liittyviä asioita, meni ihan hyvin. Kouluikäisten määrittäminen oli vain hieman hankalaa, koska esimerkiksi kuusivuotiaat voivat olla esikoulussa tai ensimmäisellä luokalla riippuen siitä, missä vaiheessa vuotta he ovat syntyneet. Määrittelin tässä tehtävässä kouluikäiset 7-16-vuotiaiksi.

Vapaavalintaisena tehtävänä aloitin tekemään putkiremontteihin liittyvää tehtävää, joka kuitenkin tyssäsi viimeiseen kohtaan, jossa olisi pitänyt laskea remontti-indeksi. Päätin sitten pitkään mietittyäni vaihtaa koulupiirejä koskevaan tehtävään ja määrittelin kouluiän sinä ikänä, minkä ikäisenä suurin osa aloittaa kunkin luokan (17-15). Tämä sujuikin sitten jo paljon helpommin, mutta toisaalta olisi ollut kiva oppia myös, miten putkiremonttitehtävän olisi saanut tehtyä loppuun.

Taulukko 2. Tietoja taajamien asukkaista, putkiremonteista ja koulupiireistä.

QGisin ja puskurianalyysin käyttö

Tärkeitä työkaluja, joiden käyttö alkaa tuntua jo melko tutulta ovat jotkin valitsemistyökalut ja joidenkin laskujen laskeminen field calculatorilla. Puskureiden tekeminen sujuu tällä hetkellä ihan hyvin myös. Joitakin toimintoja, joita olemme opetelleet vain kerran, kuten suurten tietokantojen asioiden tiivistämistä sekä rinnevarjostusten tai korkeuskäyrien tekemistä en muista enää kunnolla ja ne kaipaisivat vielä kertaamista. Yleisesti ottaen ne asiat, joita on tehnyt usein, tuntuvat sujuvan parhaiten.

Puskurianalyysiä voidaan käyttää moniin tarkoituksiin, joissa etäisyydellä jostakin kohteesta on väliä. Esimerkkejä tällaisista tilanteista on esimerkiksi turva-alueet mahdollisesti vaarallisten tai saastuttavien kohteiden ympärillä ja saavutettavuuden tarkasteleminen, esimerkiksi kuinka moni asuu lähellä koulua. Toisaalta saavutettavuuteen vaikuttaa myös reitit ja liikkumismahdollisuudet kohteeseen, sillä puskurianalyysissä etäisyyksiä tarkastellaan osittain linnuntietä. Puskurianalyysillä voitaisiin myös tarkastella tietyn alueen asukkaiden eli mahdollisen asiakaskunnan ominaisuuksia, jos suunniteltaisiin uuden yrityksen, esimerkiksi ravintolan perustamista tiettyyn paikkaan.

QGisillä ratkaistavissa oleviin ongelmiin vaikuttaa se, millaisia analyysejä tällä ohjelmalla voidaan tehdä ja mitä aineistoja sen kautta voidaan hyödyntää. QGis vaikuttaa hyvältä ohjelmalta, mutta todennäköisesti siinäkin on joitakin virheitä tai puutteita. Eri ohjelmissa voi myös olla erilaisia mahdollisuuksia analyyseille ja jos analyysi on jotenkin harvinaisempi ja sillä on tarkat vaatimukset, voi olla, että oikeanlaisen ohjelman etsiminen saattaa olla hankalampaa. Aineistoja tuntuu olevan hyvin ja monipuolisesti saatavilla, mutta välttämättä ihan kaikkeen ei ehkä löydy valmista ja kattavaa aineistoa. Aineistoissa saattaa myös esiintyä virheitä tai yleistyksiä, jotka eivät välttämättä sovi haluttuun käyttöön. On kuitenkin käyttäjän vastuulla löytää sopivia aineistoja, vaikka se ei välttämättä aina ole helppoa. Ohjelman käyttäjän asettamat reunaehdot ovat hänen osaamisensa rajat ja mahdolliset virheet. Myös ohjelman monimutkaisuus voi vaikuttaa käyttäjän rajoihin, jolloin voidaan miettiä, olisiko myös ohjelmassa parantamisen varaa. Taru Tornikoski mainitsee blogissaan QGisin neuvovan käyttäjiä huonosti ja komentojen toimivan toisin, kuin käyttäjä voisi luonnostaan olettaa. Tämä on myös minunkin mielestäni olennainen ongelma QGisin käytössä, sillä kuten hän mainitseekin, QGisin käyttö ilman ohjeita on tästä syystä todella vaikeaa.

Tämä kurssikerta oli ajoittaisista vaikeuksista huolimatta kiva ja tärkeimpänä opetuksena jäi mieleen kertauksen tärkeys. Vaikka monet toiminnot sujuvat hyvin tunnilla, voi olla ettei niitä enää muista myöhemmin.

Lähteet:

Tornikoski, T. (2022). Bufferointi on mukavaa. Geoinformatiikkaa tutkimassa 🙂 (luettu 28.02.2022). Osoittesta: https://blogs.helsinki.fi/tornitar/

____

Ruutu- ja pisteaineistot

Neljännellä kerralla tutustuimme piste- ja ruutuaineistoihin ja pääsimme myös käyttämään niitä. Ruutuaineistot olivat mielenkiintoinen tapa jakaa alueita samankokoisiin ruutuihin sen sijaan, että käytettäisiin valmiita alueita.

Ensimmäisenä tarkasteltavana ruutuaineistona toimi kartta pääkaupunkiseudusta , jonka päälle loimme ruudukon. Näiden ruutujen sisältämää tietoa tarkasteltiin ruuduittain, tässä tapauksessa tietoa ruotsinkielisten osuudesta. Käytimme alueen väestöstä kertovaa aineistoa, jossa oli paljon tarkkaa tietoa. Pääsimmekin opettelemaan vain tärkeimpien sarakkeiden valitsemista ja näistä yksi oli juuri ruotsinkielisten määrä.

Loin tämän tiedon pohjalta kaksi karttaa: toinen ruotsinkielisten absoluuttinen määrä (kuva 1)  ja toinen heidän suhteellinen osuutensa ruudun asukkaista (kuva 2). Tulokset olivat luokiteltu viiteen luokkaan.

Kuva 1. Ruotsinkielisten lukumäärä pääkaupunkiseudulla.

Kuva 2. Ruotsinkielisten suhteellinen osuus asukkaista pääkaupunkiseudulla.

Absoluuttisia määriä tarkastellessa suurin määrä ruotsinkielisiä oli Helsingin keskustassa, jossa asuu muutenkin paljon ihmisiä. Syy suurelle määrälle ei siis välttämättä ole alueen suosio ruotsinkielisten keskuudessa vaan tilastollinen todennäköisyys sille, että suuressa määrässä ihmisiä on myös suurempi todennäköisyys sille, että osa on ruotsinkielisiä. Suhteellinen kartta taas näytti melko erilaisen kuvan alueesta: keskusta ei ollutkaan enää suurin keskittymä, vaan yksittäisissä paikoissa erityisesti pääkaupunkiseudun reuna-alueilla saattoi yllättäen olla suuria osuuksia ruotsinkielisiä. Toisaalta osalla näistä alueista ruotsinkielisten absoluuttinen määrä kuului pienimpään luokkaan, joten näillä alueilla asuvien ruotsinkielisten määrä kaikista pääkaupunkiseudun ruotsinkielisistä voi olla kuitenkin aika pieni.

Mielestäni kartoistani näkee ainakin melko selkeästi ruutujen väliset erot, mutta näin jälkeenpäin mietittynä siitä myös löytyisi parannettavaa. Jos ei tunne pääkaupunkiseutua hyvin, voi olla vaikeaa hahmottaa, mille alueelle kyseiset ruudut ja niiden tulokset sijoittuvat. Sara Virtanen oli jakanut tekemänsä kartan suuralueisiin ja nimennyt ne, mikä helpottaa huomattavasti kartan hahmottamista. Hän oli myös muuttanut asumattomat alueet eri värisiksi ja ilmoittanut sen legendassa. Minun kartoissani asumattomat alueet ovat hämäävästi saman värisiä kuin eräs luokka, joka voi aiheuttaa hämmennystä. Hyvä ainakin oppia, mitä kannattaisi seuraavalla kerralla parantaa.

Pornaisten kartta

Pääsimme myös työskentelemään rasteriaineistojen kanssa piirtäessämme korkeuskäyriä Pornaisten alueen karttaan rasteriaineiston pohjalta. Oli mielenkiintoista päästä käyttämään myös rasteriaineistoja, mistä minulla ei ollut juuri aiempaa kokemusta. Minulle tuli myös yllätyksenä se, miten kätevästi ja helposti QGisillä sai piirrettyä korkeuskäyrät. Osasta tuli tosin aika mielenkiintoisia ja olisi hauska nähdä, miten niiden korjaaminen tapahtuu.

Pääsimme myös tunnin lopulla digitoimaan merkitsemällä karttaan teitä ja taloja, mikä oli aika rentoa ja mukavaa. Pisteaineistona olevia taloja oli tosin aika monta klikattavaa, mutta yllättävän nopeasti sekin hoitui. Tiet ja talot saatiin digitoitua ja on mielenkiintoista nähdä, miten kartta jatkuu seuraavalla kerralla.

Lähteet:
Virtanen, Sara. (2022). 4.viikko: Rruutuja, rrastereita ja digitointia. Sara Virtanen – Geoinformatiikan menetelmät (luettu 20.2.2022). Osoitteesta: https://blogs.helsinki.fi/virsara/

___

Kolmannen kurssikerran alussa opimme siistimään ja tiivistämään attribuuttitaulukkoa, jossa pienetkin saaret Afrikan rannikolla olivat omia rivejään, vaikka ne kuuluivat samaan valtioon. Taulukosta tulikin paljon helpompi tulkita ja käsitellä, kun kohteiden määrä väheni huomattavasti. Ensimmäinen tapa yhdistellä tuntui sujuvan, mutta vaikka sitä oli helppo tehdä, olisi koko aineiston läpi käyminen tullut kestämään melko kauan. Onneksi opimme myös muita tapoja, mutta niissä voisin tarvita vielä hieman toistokertoja. Toinen uusi asia oli Excelistä tuodun datan siirtäminen QGisiin ja sen liittäminen attribuuttitaulukkoon, mikä tunnilla meni hyvin ja alkoi onneksi muutaman mutkan jälkeen  sujumaan myös myöhemmin itsenäisesti tehdyssä tehtävässä sen jälkeen, kun tajusin vaihtaa välimerkkejä. 

Timantit, öljy ja konfliktit Afrikassa

Kuva 1. Timanttiesiintymät, mantereella sijaitseva öljy sekä konfliktit Afrikassa usean vuosikymmenen ajalta (1940-luvulta  2000-luvulle).

Harjoittelimme aiemmin kuvattuja erilaisia toimintoja aineistolla, joka kuvasi timanttien ja öljyn esiintymistä sekä konflikteja Afrikassa 1940-luvulta eteenpäin (kuva 1). Tätä karttaa tarkastellessa on muutamia alueita, joilla luonnonvarat sekä konfliktit näyttäisivät keskittyvän samaan paikkaan mutta toisaalta on myös useita alueita, joissa on joko vain näitä luonnonvaroja tai konflikteja. On myös tilanteita, joissa saman valtion sisällä on esimerkiksi timantteja sekä konflikteja, mutta ne ovat eri puolella valtiota. Mielikuva on siis erilainen kuin tarkastellessa konfliktien ja luonnonvarojen suhdetta pelkästä attribuuttitaulukosta. Voi toisaalta myös olla, ettei konfliktin sijainti maan sisällä suoraan kerro siitä, liittyykö se timantteihin tai öljyyn, mutta hyvin läheinen sijainti saattaisi mahdollisesti kertoa yhteydestä. On myös vaikea sanoa ainakin vain karttaa katsomalla, ovatko timantit tai öljy ylipäätään kuinka monien konfliktien syitä, sillä todennäköisesti taustalla vaikuttavat myös useat muut tekijät.

Taulukoista löytyvät tiedot konfliktien alkuvuosista ja kestosta sekä timanttien ja öljyn havaitsemisvuosista ovat tärkeitä tutkiessa niiden välisiä yhteyksiä. Toinen hyödyllinen attribuuttitaulukosta löytyvä tieto on konfliktien säde, sillä kartalla ne on merkitty saman kokoisilla pisteillä, mutta todellisuudessa niiden kattamien alueiden koko vaihtelee ja konfliktit voivat olla paljon laajempia kuin kartalta voisi olettaa.

Tulvariskit ja järvisyys Suomessa

Itsenäisenä tehtävänä oli luoda kartta Suomen ympäristön valuma-alueiden tulvaindekseistä ja järvisyydestä. Kuten aiemmin mainitsin, myös tässä pääsi harjoittelemaan tietojen liittämistä Excelistä, missä oli alkuun hieman ongelmia, koska olin unohtanut vaihtaa välimerkit pisteistä pilkuiksi tai toisinpäin. Onneksi ongelma kuitenkin selvisi ja kartan teko alkoi jo tuntua paljon helpommalta. Muokkasin pohjakartasta yksinkertaisemman, jotta sitä olisi helpompi tulkita. Olisin halunnut pitää kartassa joet, mutta niiden kanssa kartta tuntui liian sekavalta. Joidenkin valuma-alueiden pienen koon takia kuitenkin tiettyjen pylväiden ja diagrammien koko pieneni niin paljon, että osaa alueista on aika vaikeaa tulkita, erityisesti diagrammien kohdalla. Sen sijaan taustalla olevan koropleettikartan tulkitseminen onnistuu helpommin. 

Tein kaksi versiota tästä kartasta, joista ensimmäisessä näkyy tulvaindeksin lisäksi valuma-alueiden järvisyysprosentti pylväinä (kuva 2) ja toisessa näkyy järvisyyden ja maapinta-alan osuus valuma-alueen pinta-alasta (kuva 3). Halusin pitää myös ensimmäisen kartan, koska sitä on mielestäni helpompi tulkita.

Kuva 2. Tulvaindeksi ja järvisyysprosentti Suomen alueen valuma-alueilla.

Kuva 3. Tulvaindeksi sekä järvien ja maan osuus valuma-alueen pinta-alasta Suomen alueella.

Karttoja tarkastellessa vaikuttaa siltä, että suurin osa Suomesta kuuluu matalimpaan tulvaindeksiluokkaan. Pohjanmaalla on valuma-alueita, joilla riski kohoaa jo jonkin verran. Myös etelärannikolla on alueita, joilla riski on kohonnut. Ainoa selkeä alue, jonka huomaan kuuluvan suurimpaan riskiluokkaan Lounais-Suomessa, myös rannikolla. Sijainti rannikolla vaikuttaisi olevan korkeamman tulvariskin alueita yhdistävä tekijä, mutta toisaalta rannikolla on myös joitakin alueita, joissa tulvariski on matala. Vaikuttaisi myös siltä, että suuremman tulvariskin alueella järvisyysprosentti on hyvin pieni ja alueilla, joilla on eniten järviä tulvariski on pieni. Olettaisin siis, että ainakin sijainti suhteessa merenrantaan ja järvien määrä vaikuttavat tulvariskiin. Sanni Tiainen on pohtinut blogissaan järvisyyden tasaavan tulvia, koska vesi kerääntyy niihin ei pääse tulvimaan siten yhtä helposti (Tiainen 2022). Tämä kuulostaa mielestäni olennaiselta taustasyyltä muiden mahdollisen tekijöiden joukossa. 

Molemmat tämän kerran aineistot olivat mielenkiintoisia ja niistä olisi myös kiva tietää lisää. On myös mukava huomata, kuinka QGisin käyttö alkaa tuntua tutummalta harjoittelun myötä vaikkakin kerrattavaa ja opittavaa vielä löytyy.

Lähteet:

Tiainen, Sanni (2022). MAA-202 Geoinformatiikan menetelmät, viikko 3. Sanni Tiainen – Geoinformatiikan menetelmät. (Luettu 12.02.2022). Osoitteesta https://blogs.helsinki.fi/santiain/?lang=en

____

Toisella tunnilla tutustuimme erilaisten projektioiden eroihin käyttämällä jälleen QGis-ohjelmaa. Nyt viime kerralla uusien asioiden tekeminen, kuten attribuuttitaulukon muokkaaminen ja laskujen tekeminen olivat jo helpompia, kun oli päässyt aiemmin jo tutustumaan näihin ominaisuuksiin. Projektioiden lisäksi tutustuimme siihen, miten erilaisia valintoja tehdään. Myös projektion valitseminen on myös tärkeä valinta, sillä sen vaikuttaa kartan tulkintaan ja mielikuviin huomattavasti, mikä havainnollistui luennolla.

Muita projektioita vertailtiin ETRS TM35FIN-projektioon vertailemalla eri alueiden pinta-alan kokoa kyseisellä projektiolla tuotetulla kartalla. Laskin, kuinka suuri alue on verrattuna ETRS TM35FIN-projektioon siten, että luku 1 tarkoittaisi alueiden olevan samankokoisia ja esimerkiksi luku 3 kertoisi toisen projektion tekevän alueesta kolme kertaa suuremman. Pohjakartat ovat tehty ETRS TM35FIN-projektiolla, jolloin niitä on selkeämpi tulkita ja vertailla keskenään.

Kuva 1. Mercator-projektion kuvaamat pinta-alat verrattuna ETRS TM35FIN-projektioon.

Selkeimmät erot alueiden koossa verrattuna ETRS TM35FIN-projektioon oli Mercatorin projektiolla. Koska projektio kuvaa päiväntasaajaa tarkimmin, siitä kaukana olevat alueet vääristyvät etäisyyden kasvaessa. Tämä onkin selkeästi nähtävissä myös kuvassa 1, jossa suuruuserot kasvavat etelästä pohjoiseen melkein kaksinkertaisesti. Etelässä alueiden suuruus on nelinkertainen verrattuna ETRS TM35FIN-projektioon ja pohjoisessa jopa kahdeksankertainen.

Kuva 2. Mollweiden projektion kuvaamat pinta-alat verrattuna ETRS TM35FIN-projektioon.

Kuvassa 2 esiintyvä Mollweiden projektion kuvaamat pinta-alat ovat jo selkeästi lähempänä ETRS TM35FIN-projektion pinta-aloja, ja ne ovatkin itseasiassa kaikki hieman pienempiä. Mielenkiintoista tässä kartassa on se, että vaihtelut alueiden välillä sijoittuvat osittain satunnaisesti, eivätkä vaihtelut mene samalla tavalla asteittain kuin Mercatorin kohdalla. Eri alueiden väliset erot ovat kuitenkin todella pieniä, niissä on vain tuhannesosien ero. Tämän vuoksi olen myös pyrkinyt kuvaamaan niitä väreillä, joiden välillä ei ole suuria eroja. Myös Sara Virtanen pohti luokkia kuvaavien värien merkitystä blogissaan (Virtanen, 2022) ja hän mainitsi kartan tekijän mahdollisuuden vaikuttaa siihen, miten voimakkaalta ilmiöt näyttävät tekemällä erilaisia valintoja. Tämä vaikutusmahdollisuus on havainnollistunut hyvin, kun olemme tehneet kurssilla erilaisia valintoja esimerkiksi värien, luokittelutapojen ja luokkien määrän kohdalla.

Kuva 3. Robinsonin projektion esittämät pinta-alat verrattuna ETRS TM35FIN-projektioon.

Kuvassa 3 on Robinsonin projektio verrattuna ETRS TM35FIN-projektioon. Robinsonin projektio esittää pinta-alat hieman suurempina kuin ETRS TM35FIN, mutta ero on silti paljon pienempi esimerkiksi Mercatoriin verrattuna. Mercatorin kaltaisesti tässäkin projektiossa vääristymät kasvavat pohjoiseen mentäessä, mutta erot luokkien välillä ovat silti hyvin pieniä.

Tällä tunnilla pääsi mukavasti kertaamaan QGisin käyttöä ja koropleettikarttojen tekoa, varsinkin kun kokeilin erilaisia projektiota ja niistä karttojen tekemistä useamman kerran blogissa esiintyvien karttojen lisäksi. Perusjutut alkavatkin tuntumaan onneksi jo sujuvilta 🙂

Lähteet:

Virtanen, Sara. 2. kurssikerta – toinen koettelemus. Sara Virtanen – Geoinformatiikan menetelmät (luettu 6.2.2022). Osoitteesta: https://blogs.helsinki.fi/virsara/