Loppu häämöttää

Viimeinen kurssikerta oli varattu omien projektiemme tekemiselle. En pitkään oikein tiennyt, mitä aiheita haluaisin kartoissani käsitellä. Lopulta kuitenkin päädyin itselleni läheisiin ja ajankohtaisiin aiheisiin. Näin yksiössä asuvana opiskelijana mikä sen parempaa kuin tutkia, maksanko minä enemmän vuokraa kuin muut! Kartoissani näkyy niin keskimääräiset neliövuokrat euroina vuosila 2015 ja 2019, kuin myös maakunnissa korkea-asteen suorittaneiden määrä. Olen henkilökohtaisesti aina kuullut, että suurissa opiskelijakaupungeissa myös vuokra on pilvissä (tähän voin samaistua omasta kokemusesta…) Tarkoituksenani oli siis selvittää, onko tämä todella totta. Koska en löytänyt mistään suoranaisesti opiskelijoiden määrää karttoihin, käytin datana korkea-asteen tutkinnon suorittanutta väestöä. Toki aineisto voi siis tarkoittaa, että jossain ei edes ole korkea-astetta ja silti väestö on korkeasti koulutettua. Voidaan siis tarkastella karttojani siltä kannalta, ovatko yksiöiden vuokrat korkeampia korkeasti koulutetuilla alueilla.

Kuvassa 1 näkyy yksiöiden keskimääräiset neliövuokrat vuonna 2015. Kuvassa 2 taas näkyy sama, mutta vuonna 2019. Kartoista huomaa kyllä muutoksen: neljän vuoden aikana yksiöiden neliöhinnat ovat todellakin menneet kalliimmiksi. Ehkä suurin muutos on tapahtunut Pohjanmaalla, joka hieman yllätti minut. Toki alueella on korkeakouluja, mutta niistä en ole muihin verrattuna kuullut koskaan aiemmin. Ehkä hintojen nousu voi johtua ihmisten halusta palata takaisin asumaan kotiseuduilleen, tai vuokrat ovat olleet liian korkeat muualla ja näin luoneet muuttoaallon nostaen asuntojen arvoa.

Kuva 1. Yksiöiden vuokrat 2015.
Kuva 2. Yksiöiden vuokrat 2019.

Verrataan sitten ylempiä kuvia korkea-asteen tutkinnon suorittaneisiin. Kuvassa 3 näkyy korkea-asteen tutkinnon suorittaneet vuonna 2015 ja kuvassa 4 taas vuodelta 2019.

Kuva 3. Tutkinnot vuonna 2015.
Kuva 4. Tutkinnot vuonna 2019.

Karttoja tutkimalla voisi päätellä, että yksiöiden vuokralla ja korkea-asteen tutkinnon suorittaneiden sijainnilla on jonkinlaista yhteyttä. Esimerkiksi Pirkanmaalla vuokrat ovat suhteellisen korkeita, ja myös korkeasti kouluttautuneita asuu alueella. Samaa voisi sanoa myös Uudestamaasta, mutta tulee myös ottaa huomioon esimerkiksi pääkaupungin ja muiden suurten kaupunkien sijoittuminen maakuntiin. Helpottaakseni tukimista laadin siis vielä kartan, joka näyttää vuoden 2019 yksiöiden neliövuokrat sekä Suomen yliopistojen sijainnit (lukuunottamatta Maanpuolustuskorkeakoulua).

Kuva 5. Yliopistot ja vuokrat 2019.

Nyt onkin jo helppo havaita, että punertavimmilla alueilla on myös korkeakouluja. Uusimaa on kirkkaanpunainen, ja siellä onkin lukuisia yliopistoja. Keski-Suomen alueella näyttää myös olevan lukuisia yliopistoja, joten ei ole yllätys, että yksiöiden vuokrat ovat korkeita. Moni suomalaisista myös asuu eteläisessä Suomessa ja yleisesti mitä pohjoisemmaksi mennään, sitä vähemmän / harvaan asuttuja alueet ovat. Huomataan kuitenkin, että esimerkiksi Pohjois-Pohjanmaan neliövuokrat ovat suuremmat kuin Etelä-Pohjanmaan. Syitä tälle voi olla monia, mutta tulee ottaa kuitenkin huomioon se, että Pohjois-Pohjanmaalla kartan mukaan on yliopisto.

Näiden karttojen perusteella voin itse siis ainakin todeta, että yksiöiden neliövuokrat ovat suurella todennäköisyydellä suurempia niissä maakunnissa, missä on korkea-kouluja. Korkeasti kouluttautuneiden asuinalueilla saattaa olla jotakin yhteyttä, mutta karttojen perusteella sitä en voi sanoa varmaksi.

Pisteestä pisteeseen

Puoli tuntia myöhässä olleen junamatkan ja lumikasoissa rämpimisen jälkeen pääsin aloittamaan kuudennen kurssikerran ihanalla happihyppelyllä! En voi edes kahden käden sormilla laskea, kuinka monta kertaa meinasin liukastua tunnin aikana. Vaihtelu kuitenkin oli virkistävää. Ulkoilun tarkoituksena ei toki ollut vain pitää taukoa jokapäiväisestä istumisesta ja ruudun tuijottamisesta, vaan tuottaa kurssikerralle aineistoa. Latasin Epicollect5-nimisen sovelluksen, jonka avulla pystyit keräämään sijaintitietoa pisteinä. Sovellus merkitsi automaattisesti koordinaattisi, ja sen jälkeen vastasit muutamiin kysymyksiin ympäristöstä: mikä mielikuva sinulla on kohteesta, koetko ympäristön turvalliseksi ja niin edelleen… Lopuksi luokkaan palattua pystyimme näkemään kartalta eräänlaisia “hotspoteja”, jonka mukaan suurin osa kurssilaisista oli kerännyt tietoa suhteellisen samanlaiselta reitiltä.

Pieni ulkoilu mielenkiintoisen tehtävän kera kyllä virkisti päivää, ja lopputunti meni yllättävän nopeasti. Itsenäistehtävänä tavoitteena oli tuottaa kolme hasardikarttaa. Alla olevissa kuvissa näkyy omat tuotokseni aiheesta. Kuvassa 1 näkyy kaikki maailman yli 4,5 magnitudin vahvuista maanjäristystä. Mitä tummempi väri, sen vahvempi maanjäristys on ollut. Mielestäni onnistuin värien valinnassa, mutta näin jälkeen päin katsottuna olisin voinut säätää pisteiden kokoa. Jotkut pisteet ovat päällekkäin ja karttaa on paikoin vaikea tulkita. Legendaan olisi myös voinut lisätä, miltä vuosilta maanjäristykset ovat. Mittakaavaa kuvasta ei valitettavasti löydy, sillä en millään päässyt yhteisymmärrykseen QGIS:n kanssa (ehkä sitten ensi kerralla…).

Kuva 1. Maanjäristykset maailmalla (yli 4,5 magnitudia).

Jos mietitään ylläolevan kartan toimintaa opetuskarttana, koen sen olevan ainakin hyvä alku. Olisin voinut rajata aluetta tarkemmin, jotta pisteet erottaisi helpommin. Pohjakartta on hyvä, mutta sitä en ole tehnyt itse – kunnia siis tekijälle ja kurssikerran tiedostoille! Pisteet kuitenkin tuotin itse, ja koen niiden sopivan kuvan värimaailmaan. Jos katsotaan karttaa opettajan saappaista, hyödyntäisin itse karttaa maanjäristysalueiden tunnistamisessa. Koska pisteet menevät päällekkäin, en koe että maanjäristysten vahvuuksia voi tältä kartalta kuitenkaan tarkasti havaita.

Alla olevasta kartasta näkee pisteinä kaikki maailman tulivuoret, jotka ovat purkautuneet vuoden 1964 jälkeen.. Heti ensikättelyssä voidaan huomata, että tulivuorien ja maanjäristysten sijainnilla on selvä yhteys. Tuottamaltani kartalta on hieman vaikea kuvailla seuraavaa ilmiötä, jonkoa visualisointi oisi ollut onnistuneempaa kartan olleen kohdistunut Tyynellemerelle. Pohjois- ja etelä-Amerikan länsirannikoita sekä itä-Aasian maita kiertää eräänlainen tulivuorten kehä. Eevi Raappana olikin löytänyt erittäin informatiivisen artikkelin alueesta, josta sain runsaasti tietoa.Tätä aluetta kutsutaan Tyynenmeren tulirenkaaksi. Kyseinen lähes 40 000 kilometriä pitkä alue on maailman seismisesti aktiivisin vyöhyke. Kolme neljäsosaa maailman tulivuorista sijaitseekin juuri tällä kehällä. Rengas on muodostunut Tyynenmeren litosfäärilaatan mukaisesti. Kyseisen laatan alueella tapahtuu runsaasti laattojen liikkumista, joka puolestaan lisää tektonista aktiivisuutta. Kuvasta 3 huomaa maanjäristysten ja tulivuorten yhteyden. Merenalainen seisminen ja tektoninen aktiivisuus on usein syynä vahvoihin maanjäristyksiin. Eevin löytämästä lähteestä käy ilmi, että jopa 90% kaikista maanjäristyksistä tapahtuu juurikin Tyynenmeren tulirenkaan alueella.

Kuva 2. Tulivuoret.
Kuva 3. Maanjäristykset ja tulivuoret.

Jos tarkastellaan tuottamiani karttoja opetusmielessä, koen niiden olevan suhteellisen simppeleitä ja helposti ymmärrettäviä. Niistä huomaa selvästi, että maanjäristyksiä ja tulivuoria on samoissa paikoissa runsaasti. Olisin ehkä näin myöhemmin ajateltuna voinut lisätä vielä, kuinka rajusti tulivuoret ovat purkautuneet värittämällä ne esimerkiksi erivärisiksi. Koen myös, että litosföörilaattojen merkitseminen kartalle saattaisi visualisoida aluetta paremmin ja autttaa ymmärtämään miksi alue on sellainen mitä se on. Alla olevassa kuvassa 4 on erinomainen visualisointi laatoista sekä tulirenkaasta.

Kuva 4. Litosfäärilaatat ja tulirengas.

Lähteet:

Raappana, E. Kuudes kurssikerta – Interpolointi ja hasardit. Eevin Gis-blogi. (viitattu 10.3.2022). saatavilla: https://blogs.helsinki.fi/eeviraap/

National Geographic. Plate Tectonics and the Ring of Fire. (viitattu 9.3.2022). saatavilla: https://www.nationalgeographic.org/article/plate-tectonics-ring-fire/?utm_source=BibblioRCM_Row

National Oceanic and Atmospheric Administration. Search Volcano Locations. https://www.ngdc.noaa.gov/hazel/view/hazards/volcano/loc-search

Bufferointia

Viidennelle kurssikerralle en valitettavasti päässyt tullessani kipeäksi. Yritin kuitenkin parhaani mukaan tehdä kotona itsenäistehtäviä, mutta oman koneeni kanssa QGIS ei juurikaan pidä yhteistyöstä… Siispä karttatuotoksia hädin tuskin sain tehtyä ohjelman kaatumatta. Analysoidaan ja pohditaan hieman kuitenkin tehtävien sisältöä ja toteutusta.

Tämänhetkisen paikkatieto-osaamiseni mukaan voisin nimetä muutamia tärkeimpiä QGIS:n ominaisuuksia. Kokonaisuudessaan ohjelma on erittäin monipuolinen ja hyvä, mutta usein hyvin hankalasti ymmärrettävissä. Olin kuitenkin jo ensimmäisestä kosketuksesta haltiossani siitä, kuinka kattavasti erimmuotoista dataa pystyi yhdistämään yhtenäiseksi kokonaisuudeksi. Olen käyttänyt runsaasti monilla kurssikerroilla esimerkiksi aineistotaulukoiden tietojen yhdistämistä karttapohjaan ja luonut uudesta aineistosta itse eri aisoita näyttäviä karttoja. Erityisesti pidän myös ohjelman laskutoimituskalusta sekä hyvin monipuolisista valintatyökaluista. Kukapa olisi arvannut, että voit valita myös taulukoiden tietoja ja muodostaa niistä täysin uutta tietoa pelkästään paikkatieto-ohjelman sisällä?

QGIS:ssa helpoimmaksi asiaksi koen karttojen visuaalisen teon. Hankaluuksia minulle kuitenkin tuottaa aiemmin mainitut laskutoimitukset tai ns. “koodaaminen” eli toimitukset, missä taulukon ominaisuuksista tai soluista halutaan muodostaa uutta tietoa. Ehkä en vain osaa käyttää ohjelmaa tai en ymmärrä miten asiat ovat yhteydessä toisiinsa: ehkä molempia. Tässä kaipaan todellakin lisäharjoitusta.

Kurssikerran tehtävissä hyödynnettiin bufferointia eli puskurointia, jonka avulla tietokantaan muodostettiin eräänlainen alue. Kyseinen puskurivyöhyke puolestaan näytti siihen kuuluvat kohteet. Puskurivyöhykkeen avulla voidaan esimerkiksi siis tutkia tietyn alueen sisällä tapahtuvia ominaisuuksia, kuten melutasoa. Tästä minulla on kuitenkin vielä opittavaa, sillä QGIS ei pitänyt bufferoinnistani ja päätti moneen otteeseen lopettaa työt siltä päivältä…

Kaiken kaikkiaan kurssin aikana QGIS:sta on tullut eräänlainen ärsyttävä ystävä. Minulla on niin ikään viha-rakkaus-suhde ohjelmaa kohtaan. Se tarjoaa käyttäjälleen paljon ominaisuuksia, mutta toisaalta myös tekee kyseisten ominaisuuksien löytämisestä ja hyödyntämisestä erityisen hankalaa. Periaatteessa voisin sanoa, että QGIS on täydellinen niille, jotka jotenkin taian avulla osaavat suunnistaa aina oikeaan paikkaan, vaikka reitti näyttäisin täysin väärältä.

Lasermiekkailua ja laserkeilausta

Pisteestä pisteeseen

Saavun (lähes) virkeänä (lähes) ajoissa kampukselle neljännelle kurssikerralle. Kyseisen tunnin aiheena olivat piste- ja ruutuaineistot. Kerrankin kirjoittaessani tätä blogimerkintää suhteellisen aikaisin (aloitin jo kurssikerran aikana, aplodit siitä!) muistan hyvin päivän aikana käsiteltyjä aiheita. Pisteaineistot ovat erityisen tarkkoja paikkatietoaieistoja, joita voidaan kerätä lähes mistä tahansa. Pistemäiset kohteet kirjaimellisesti on kuvattu kartalla pisteenä. Piste itsessään voi sisältää runsaasti tietoa, kuten rakennuksen rakentamisvuoden tai talossa asuvien ihmisten keski-iän. Pisteaineistojen tarkkuuden ansiosta niitä voidaan hyödyntää esimerkiksi korkeusmalleissa ja aluejakojen kartoittamisessa.

Tarkin pisteaineistoista on laserkeilauksella tuotettu aineisto. Laserkeilausaineistoja tuotetaan keilaamalla maastoa useasta eri kulmasta ja suunnasta lasersäteiden avulla. Takaisin heijastuneiden pisteiden avulla voidaan muodostaa kolmiulotteinen malli, joka voi kuvata esimerkiksi maastoa, rakennuksia ja kasvillisuutta jopa senttimetrien tarkkuudella. Laserkeilauksessa tulee kuitenkin muistaa, että aineistosta joutuu siivoamaan sinne kuulumatonta aineistoa, kuten ihmisiä ja autoja. Eräs toinen aineistotyyppi on ruutuaineisto. Sen avulla voidaan kuvata laajaa aluetta ja sen sisältämää tietoa. Nämäkin ruudut perustuvat pisteaineistoon, jonka pohjalta ruutuihin on tallentunut ominaisuuksia.

Tuijotetaan ruutuja

Alla näkyy kurssikerralla tekemäni ruutuaineistot, jotka kuvaavat pääkaupunkiseudun ulkomaankansalaista, ruotsinkielistä ja muunkielistä väestöä. Mitä tummemmaksi väri menee, sitä enemmän ruudun sisällä asuu ruotsinkielisiä ja ulkomaisia ihmisiä.

Kuva 1. Ruotsinkielinen väestö pääkaupunkiseudulla.
Kuva 2. Ulkomaan kansalaiset pääkaupunkiseudulla.

Mielestäni kuvat onnistuivat aika hyvin. Pidän värimaailman harmonisuudesta, vaikkakin kuvassa 2 värit saattavat muistuttaa liikaa pohjakartan värejä. Perinteiseen koropleettikarttaan verrattuna ruututeemakartta ei ole erityisen tarkka, vaan se yleistää. Informatiivisuutta voisi lisätä esimerkiksi pienentämällä ruudun esittämän alueen kokoa. Myös legendan luokkia voisi lisätä: onhan aika paljon eroa, onko alueella 0 vai lähes 80 ruotsia puhuvaa henkilöä. Kokonaisuudessaan ruututeemakartta on oiva keino esittää tietoa laajalta alueelta ja saada yleiskuva datasta. Se ei kuitenkaan sovi esimerkiksi kunta- tai kaupunginosarajojen tarkasteluun, sillä ruudut usein ylittävät rajat. Jos siis halutaan tarkastella tietyn alueen dataa, on koropleettikartta varmempi valinta. Ruutukartoissa voidaan esittää absoluuttista tietoa (esim. yhden ruudun väestömäärä). Ruutukartasta ei kuitenkaan näe, miten tiiviisti tai mille alueelle väestö on sijoittunut. (Tilastokeskus, 2022).

Kartoistani huomaa, että sekä ruotsinkielinen että ulkomaalainen väestö keskittyy Helsinkiin ja sitä ympäröiville alueille. Helsingissäkin suuri osa kyseisistä henkilöistä asuu keskustan lähellä tai suurten teiden varrella. Ilmiö voi johtua monista eri syistä: monikieliset palvelut keskittyvät näille alueille tai alueella asuu myös muita yhteisöön kuuluvia. Monet kansainväliset työpaikat ovat myös keskittyneet keskustan alueelle.

Yleisesti koen karttojen kuitenkin kuvaavan hyvin sitä, mitä niiden pitääkin. Aloitimme myös tällä kurssikerralla tekemään seuraavan tunnin karttaa, mutta siitä lisää ensi viikolla!

Lähteet:

Tilastokeskus. 4.3 Ruutukartta. Tilastoteemakartat. Luettu 8.2.2022, saatavilla: https://tilastokoulu.stat.fi/verkkokoulu_v2.xql?page_type=sisalto&course_id=tkoulu_teemak&lesson_id=4&subject_id=3

Kolmas kerta toden sanoo

Ensimmäistä kertaa luento onnistui minunkin osalta suurin piirtein hyvin. Osasin jopa itse tehdä ohjeita seuraten luennolla annetun harjoitustehtävän Afrikasta! Jostain syystä en kuitenkaan ollut tallentanut tuotostani OneDriveen, joten eikun kotona uusiksi. Toisaalta harjoitus oli suht helppo, joten lisätekeminen kotona varmasti vain opetti minua lisää. Olen itse tyytyväinen karttaani: se on siisti ja helposti ymmärrettävä.

Kuva 1. Afrikan konfliktit, timanttikaivokset ja öljyesiintymät.

Tunnin lopulla aloiteltiin itsenäisesti tekemään tulvakarttaa Suomesta. Ohjeiden mukaan tehtävä onnistuisi seuraten Afrikka-tehtävän vaiheita. Lukuisista yrityksistä huolimatta en mitenkään saanut join-komennolla MHQ:ta näkyviin tulva-alueen attribuuttitaulukkoon. Tunti oli kuitenkin jo lopuillaan ja päätäni särki, joten en viitsinyt vaivata mieltäni enempää vaan jätin tehtävän kotiin.

Kyseiseen karttaan olen kuluttanut monta kivuliasta tuntia ja muutaman QGIS kaatumisenkin. Muiden blogeista en juuri löytänyt apua ongelmaani, vaikkakin moni oli näköjään kamppaillut samalla tavalla tehtävän kanssa. Lopulta pitkän taistelun jälkeen pelkällä onnella ja kokeilulla taulukko toimi. Hiphei, vihdoin onnistuminen! Alla on nyt aikaansaamani tuotos. En viitsi edes mainita, kuinka kauan sitten itse järvisyysdiagrammin esiinsaamiseen kesti…

Olen tyytyväinen karttaani. Mielestäni valitsin värit hyvin ja kartta on selkeästi luettavissa.

QGIS, jo viikon vanha ystäväni…

Kehitystä on tapahtunut, eikö?

Näin ainakin toivoin, kun jälleen avasin QGIS:n kotona. Toisen viikon luennolla harjoiteltiin lisää QGIS:n toimintoja, tällä kertaa erilaisten karttaprojektioiden avulla. Opimme muun muassa kuinka tehdä valitsemista alueista uusi taso ja sitä rataa. Koin onnistumisia luennolla tehdyissä tehtävissä, mutta heti kun piti kokeilla ilman apua itse, kaikki tieto vuosi ulos korvistani. Opetuksen tahti oli ehkä hieman liian nopeaa aikaisen aamuherätyksen jäljiltä. Noh, päätin huolehtia projektioista vasta kotona. Huomenna tarttuisin härkää sarvista ja tekisin maailman hienoimmat kartat! Tai ehkä ylihuomenna. Tai viikonloppuna… Jep, niinhän siinä kävi että unohdin asian tyystin ja nyt tätä blogimerkintää kirjoittaessa olen ladannut peräti kolme kalenteri- ja muistilistasovellusta kännykälleni. En varmasti joutuisi valittamaan, jos muistaisin tehdä tehtävät silloin, kun QGIS:n toiminta on vielä jotenkuten tuoreessa muistissa.

Ei kuitenkaan ole muuta vaihtoehtoa kuin kääriä hihat ja ryhtyä töihin. QGIS auki, check. Harjoitusohjeet auki, check. Muiden blogit auki koska tiedän, että tarvitsen apua seuraavan kahden minuutin aikana, check. Ensimmäisenä haasteena oli valita TM35FIN:n lisäksi neljä muuta projektiota, joista muodostaa sitten taulukko. Taulukossa tulee näkyä kaikkien pinta-ala, niiden ero ja prosentuaalinen ero, sekä samat jutut pituuksilla. Tunsin oloni neroksi, kun sain taulukon tehtyä omin avuin ilman sen suurempia takapakkeja. Jouduin kyllä vlikaista hieman suuntaa Janne Turusen blogista, sillä en ollut satavarma prosenttilaskutaidoistani. Taulukkoni kuitenkin muistutti kaukaisesti Jannen erinomaisesti tehtyä taulukkoa, joten uskalsin muuttaa siitä kuvan ja liittää sen blogiini. Kaikki arvot ovat mitattu karttapinnalla (cartesian).

Taulukko projektioiden eroista.

Ja sitten karttojen äärelle

Alku sujui suhteellisen sutjakasti. Pääsin omin avuin siihen pisteeseen, että piti luoda TM35FIN-karttaprojektion pinta-alataso attribute tableen. Sen jälkeen tarkoituksena oli valita toinen projektio ja luoda senkin pinta-alasta oma sarakkeensa. Tähän yksinkertaiseen toimintoon minulla kului varmaan lähemmäs tunti. Kaivettuani viimeisetkin avunrippeet harjoitusohjeesta ja muiden blogeista suuntasin tallennettuihin zoom-videoihin. Kelaamalla eteenpäin löysin tarvitsemani avun, hurraa! Homma lähti luistamaan nopeammin kuin autot viimepäiväisestä lumimyrskystä. Alla olevassa kuvassa 1 näkyy Mercatorin projektion vääristymät verrattuna TM35FIN-projektioon. Näin myöhemmin olisin voinut tarkentaa legendassa, mihin numeroilla viitataan. Ne siis kertovat, kuinka monta kertaa suurempina Mercatorin projektio näyttää alueen pinta-alat kuin TM35FIN:ssä.

Kuva 1. Mercatorin projektion vääristymät.

Koen kartan onnistuneen hyvin, varsinkin monen tunnin taistelun jälkeen. Ehkä vielä joku päivä QGIS häviää minun taidoilleni, mutta se ei tule tapahtumaan lähiaikoina. Lopulta tärkeintä kuitenkin on, että tuotos saatiin valmiiksi ja se on suhteellisen luettava. Kuvassa 2 jatkuu hieman eri värimaailmalla kartta Eckert III -projektiosta suhteessa TM35FIN-projektioon. Yleisesti pidän karttojen ulkonäöstä ja värivalinnoistani. Sisällöltä koen myös onnistuneeni näyttämään kaiken olennaisen. Kaipaan silti vielä harjoitusta, mutta eiköhän tässä seuraavien viikkojen aikana oma osaaminen kehity (toivottavasti…).

Kuva 2. Eckert III -projektion vääristymät.

Vertaillaan hieman yllä olevien karttojen sisältöä. Mercator vääristää huomattavasti Suomea verrattuna TM35FIN-projektioon: mitä pohjoisemmaksi mennään, sitä suurempina Mercator näyttää kunnat. Aivan Lapin pohjoispäässä alueet ovat jopa seitsenkertaisia! Uudenmaan alueella vääristymät lähenevät jo nelinkertaista kokoa. Mercator on oikeakulmainen projektio, jossa pinta-alat ja muodot vääristyvät suuresti pituuksien ollen lähellä todellisuutta. Tästä johtuen mitä kauemmas mennään päiväntasaajalta, sitä suurempina alueet näkyvät. Mercatorin projektiota hyödynnetään esimerkiksi merenkulussa. (Britannica, 2018).

Eckert III vääristää aikalailla kaikkea, mitä voi kartalla kuvata: pituuksia, pinta-aloja, suuntia, kulmia… Mutta mittakaava pysyy samana. Päiväntasaajan poistuttaessa valtiot alkavat kaartua ja muuttaa muotojaan. Eckert III -projektiota käytetäänkin vain maailmankarttana, jossa valtioiden ulkonäöllä ei ole niin väliä. (Esri, 2022).

Vaikka luomani kartat näyttävät samalta, tarkastellessa legendaa huomataan Mercatorin vääristävän huomattavasti enemmän. Salla Kärkkäinen mainitsi hienosti blogissaan, että legendan luokkien määrällä voidaan vaikuttaa paljonkin siihen, millaisen kuvan kartta esittää. Kannattaa siis kiinnittää karttoja lukiessa erityisesti huomiota legendaan, sillä se saattaa muuttaa käsitystäsi kartasta täysin.

Kaiken kaikkiaan tämänviikkoinen harjoitus sujui vähemmillä hermoromahduksilla, mutta matkaa kuitenkin on. Ehkä ensi luennon jälkeen keskityn täysillä tehtävään ja hoidan sen kuin mestari! (tai sitten koko asia muistuu mieleeni vasta sunnuntai-iltana… Kumman puolesta lyöt vetoa?)

Lähteet:

Janne Turunen (27.1.2022). Geoinformatiikan mystiset menetelmät. QGIS osa kaksi – syvemmälle kaninkoloon. https://blogs.helsinki.fi/janneturunen/ (Luettu 31.1.2022).

Salla Kärkkäinen (26.1.2022). Sallan blogi: Viikko 2: Kuntien avainlukuja ja gissiä. https://blogs.helsinki.fi/karkkais/2022/01/26/viikko-2-kuntien-avainlukuja-ja-gissia/ (Luettu 31.1.2022)

Britannica, The Editors of Encyclopaedia. “Mercator projection”. Encyclopedia Britannica, 11 Sep. 2018, https://www.britannica.com/science/Mercator-projection. (Luettu 31.1.2022)

Esri. Eckert III. ArcGis Pro. https://pro.arcgis.com/en/pro-app/latest/help/mapping/properties/eckert-iii.htm. (Luettu 31.1.2022)

Hupsis, mihin meni QGIS?

Ensikosketukset QGIS:n saloihin

Tiistai, kylmä ulkoilma, kello lähes 12 (tai jotain sinne päin). Geoinformatiikan  menetelmät -kurssi alkoi perinteen mukaan sillä, etten meinannut löytää paikalle. Onnekseni uskallan nykyään avata suuni ja päädyin lopulta tietokoneen ääreen odottaen innolla alkavaa kurssikertaa. Eteeni avautui QGIS-paikkatieto-ohjelma, joka oli jo ennestään lievästi tuttu lukion maantieteen tunneilta. Ohjelmaa tutkiessa todellakin toivoin, että olisin kiinnittänyt tarkemmin huomiota koulunpenkillä muutama vuosi sitten.

Ensinäkymältä QGIS vaikuttaa hieman monimutkaiselta aloittelijalle. Kokemukseni kuitenkin todistettiin todeksi kurssikerran edetessä: kun ohjelman perusteet oppii, tarjoaa se paljon monipuolisia toimintoja.  Tutustuimme QGIS:in toimintoihin luomalla kurssiaineiston pohjalta kartta HELCOM-alueen typpipäästöistä valtioittain. Aineisto auki ja eikun menoksi! Ohjeita seuraten onnistuin jollain ihmeellä saamaan kasaan koropleettikartan HELCOM-alueesta. Lopuksi vielä printataan kartta kuvaksi ja — QGIS kaatuu. En ole tallentanut karttaa. Joten tein siis kaiken alusta uudelleen. Positiivisena puolena pääsin ainakin harjoittelemaan useaan otteeseen ohjelmiston toimintoja. Alla olevassa kuvassa 1 näkyy viimeistelty lopputuotos kyseiseltä kurssikerralta. Mielestäni olen ilmaissut tarvittavat asiat selkeästi kartalla, mutta näin jälkeen päin tarkastellessa värit olisi kyllä voinut valita paremmin. Näin kartasta olisi saanut siistimmän ja helposti luettavan. Kuoppaisesta alkumatkasta huolimatta olen suhteellisen tyytyväinen tuotokseen. Jos tekisin kartan uudelleen, tekisin muutamia asioita toisin. Legendaan olisi hyvä lisätä, miltä vuodelta data on. Viimeinen päästöluokka kattaa lähes 20 prosenttiyksikköä, joten vaihtelu luokan sisällä voi olla valtavaa. Siksi onkin vaikea sanoa suoraan karttaa katsomalla, ovatko esimerkiksi Puolan päästöt 13 vai 33 prosentin alueella. Luokkia voisi joko lisätä tai merkitä karttaan jokaisen maan kohdalle niiden tarkka typpipäästöprosentti.

HELCOM — eli Itämeren merellisen ympäristön suojelukomissio — on osana Helsingin sopimusta vuonna 1974 perustettu organisaatio. HELCOMin tarkoituksena on valvoa Itämeren alueen toimintaa, huolehtia merialueen turvallisuudesta ja vastata uhkiin sekä pyrkiä vähentämään Itämeren saastumista. Komissio kokoontuu vuosittain keskustelemaan suosituksista ja yleisesti Itämeren hyvinvoinnista sekä mahdollisista tarvittavista toimista. (HELCOM, 2022). Kartassa näkyy oranssihtavalla värillä ne maat, joiden typpipäästöjen määrä näkyi aineistossa. Mitä tummempi väri on, sitä enemmän valtiolla on osuutta koko HELCOM-alueen päästöissä. Puola on huomattavasti eniten saastuttava valtio, kun taas vähiten typpipäästöjä syntyy Suomessa, Virossa, Tanskassa, Saksassa ja Liettuassa. Nea Tiaisen blogissa oli mainiosti löydetty tietoa typpipäästöjen vaaroista Itämerelle. Hänen tekstissään mainittiin typen aiheuttavan muun muassa rehevöitymistä ja happivajetta sekä vaurioittavan ekosysteemin ravinnonsaantia.

Ja sitten hyödyntämään opittua… eiku?

Latasin pöytäkoneelleni QGIS:n, joka yllättäen mahtuikin asentumaan huutavasta tilanpuutteesta huolimatta. Käynnistin ohjelman iloisin mielin, reippaana syöksymään läpi tehtävien. Avasin Kunnat2015-aineiston hetken etsimisen jälkeen ja ryhdyin toimiin. Muistini oli heikentynyt aika reilusti viime kurssikerrasta, joten otin harjoitusohjeet toiselle välilehdelle avuksi. Noh, tässä kohtaa viimeistään vauhti alkoi hidastua. Jostain kumman syystä en millään osannut tehdä uutta datataulukkoa. Ohjeistakaan ei minun aivoilleni riittänyt tukea, joten kiidin suoraan Moodleen ja sieltä etsimään apua. Tässä vaiheessa kovin moni muu ei ollut vielä julkaissut tekstejään, joten selailin hetken aikaa blogeja läpi. Onneksi Janne Turunen oli tarkasti selittänyt työvaiheensa läpi (kiitos!), joten hänen neuvoillaan pääsin alkuun.

Valitsin alunperin datakseni jokaisen kunnan väestön, mutta oman säätämiseni vuoksi onnistuin muuttamaan koko Suomen täysin asumattomaksi. Uusi projekti esiin ja uusi data kehiin. Tällä kertaa lopputuotokseenikin päätyneeksi dataksi valikoitui naisten määrä kunnittain. Menetin melkein tunnin ajastani ja hiukset päästäni, mutta lopulta QGIS-ohjevideoiden ja Jannen blogin avulla sain datan näyttämään taulukossa oikealta. Laskin naisten osuuden prosentteina ja vihdoin suurin työ oli ohi. Värien viimeistely ja… vóila! Koropleettikartta naisten prosenttiosuudesta Suomen väestöön kunnittain oli valmis. Harjoitus vaati hikeä, melkein kyyneliä ja onneksi ei verta, mutta olen ylpeä luomastani teoksesta.

Aiempaa viisaampana valitsin värit paremmin tällä kertaa. Pohjoisnuoli on ehkä hieman liian suuri, mutta se ei itseäni haittaa. Kartta on mielestäni suhteellisen selkeä ja luetteva. Tällä kertaa myös datan vuosi näkyy legendassa. Datan lähteen toki olisi voinut kirjoittaa pienellä kuvan alareunaan.

QGIS todellakin tarjoaa monipuolisia toimintoja, joista jokainen kokenut paikkatieto-osaaja varmasti hyötyy työssään. Minun kaltaiselleni aloittajalle ohjelma on kuitenkin anteeksiantamaton. Monta kertaa yksi hiirenklikkaus oli vähällä aiheuttaa suurta tuhoa projektissa. Ohjelma ei juuri itsekään tarjonnut apua tai selittänyt toimintojaan sen kummemmin. Jatkuvalla opettelulla uskon kuitenkin ohjelman näyttävän aidon potentiaalinsa.

Kuva 2. Harjoituksessa tuottamani koropleettikartta.

Lähteet:

Baltic Marine Environment Protection Commission. Organisation. Luettu 23.1.2022, saatavilla: https://helcom.fi/about-us/organisation/

Nea Tiainen. (2022). Melkein GIS-guru siis itsekkin. Luettu 23.1.2022, saatavilla: https://blogs.helsinki.fi/tiainea/

Janne Turunen. (2020). Geoinformatiikan mystiset menetelmät. Luettu 23.1.2022, saatavilla: https://blogs.helsinki.fi/janneturunen/