Viimeisellä viikolla tehtävänä oli tuottaa kartta itse valitusta aiheesta ja alueesta. Halutun aiheen ja alueen löytämiseen minulla kesti monta tuntia, koska hyviä erilaisia vaihtoehtoja oli todella paljon ja etsimistä olisi voinut jatkaa vaikka muutaman päivän.

Suurena jääkiekon ja NHL:n fanina halusin tutkiskella jotakin siihen liittyvää. Aihetta hieman googlattua halusin selvittää missä päin Yhdysvaltoja, tarkemmin missä osavaltioissa, pelataan eniten jääkiekkoa suhteessa väestöön. Muistan ainakin, että Minnesotasta käytetään nimitystä “State of Hockey”, joten hypoteesina oli, että sieltä löytyy eniten jääkiekon pelaajia. Mietin myös, että selvitän missä osavaltioissa on eniten jääkiekkohalleja, mutta se osoittautui vähän liian työlääksi.

Wikipediasta löytyi hyvä ja mielestäni luotettava taulukko, jossa oli jokaisesta osavaltiosta rekisteröityneet jääkiekon pelaajat. Lopputuloksen näkee kuvasta 1.

Kuva 1. Rekisteröityneet jääkiekon pelaajat osavaltioittain per 1000 asukasta (Wikipedia)

Päätin esittää jääkiekon pelaajat tuhatta asukasta kohden eri osavaltioissa eli käytin suhteellisia arvoja. Absoluuttiset arvot toisivat hieman väärän kuvan osavaltion jääkiekon suosiosta, koska luontevasti väkiluvultaan isommissa osavaltioissa on enemmän jääkiekonpelaajia. Muun muassa Alaskassa jääkiekon suosio näkyy selvästi kuvassa 1, mutta absoluuttisilla arvoilla näky oli aivan toinen.

Kartasta huomaa, että mitä pohjoisemmaksi mennään sitä enemmän jääkiekon pelaajia on suhteessa väkilukuun. Uskoisin, että tähän vaikuttaa ilmasto, koska pohjoisemmassa on kylmempää ja jääkiekkoa pelataan myös ulkona. Myös Kanadan läheisyys naapurina, jossa jääkiekko on erittäin suosittua, on vaikuttavana tekijänä. Hypoteesina oli, että Minnesotassa on eniten jääkiekonpelaajia suhteessa väkilukuun piti aivan paikkansa.

Toisessa kartassa keskityin NHL-pelaajiin ja heidän syntymä osavaltioihin (Kuva 2).

Kuva 2. Yhdysvaltalaiset NHL-pelaajat osavaltioittain, suhteessa kaikkiin yhdysvaltalaisiin NHL-pelaajiin, %

Kuvasta 2 huomaa, että Minnesotasta tulee myös eniten NHL-pelaajia, joka ei yllättänyt ollenkaan. Olin kuitenkin yllättynyt, että esimerkiksi Montanasta ja Vermontista ei tullut ollenkaan NHL-pelaajia, vaikka rekisteröityjä jääkiekonpelaajia oli 3-6 per tuhat asukasta.

Mielestäni karttojen ulkoasu onnistui hyvin. Alaskan ja Havaijin kohdalle olisi voinut laittaa mittakaavan, jotta niiden todellinen koko olisi tullut paremmin esille, mutta toisaalta se ei ollut näissä koropleettikartoissa pääosassa. Toiseen karttaan en ollut aivan tyytyväinen ja olisin halunnut tuoda jotain mielenkiintoisempaa esille, mutta aikataulut eivät antaneet armoa. Myös lähteet puuttuvat toisesta kartasta ja en tietenkään muistanut ottaa niitä ylös, mutta näistä opitaan.

Aluksi ideana oli, että vertaisin jääkiekonpelaajia osavaltioittain esimerkiksi koripallon tai amerikkalaisen jalkapallonpelaajien kanssa, koska ne ovat paljon suositumpia urheilulajeja Yhdysvalloissa, mutta ongelmaksi osoittautui kunnollisen datan puute. Dataa löytyi kyllä NBA- ja NFL-pelaajista, mutta ei yleisesti niiden lajien pelaajista. Joten visio jonka näin kurssikerran alussa ei aivan toteutunut ja siitä olen hieman pettynyt.

Katselin hieman muiden viimeisiä töitä ja kaikilla jota oli erittäin mielenkiintoisia aiheita ja toteutuksia. Muun muassa Tuomaksen blogissa käsiteltiin Yhdysvaltojen laskettelukeskuksia ja niiden suhdetta onnellisuuteen. Aletan blogissa oli mielenkiintoinen kartta pääkaupunkiseudulta, jossa käsiteltiin työpaikkojen saavutettavuutta pyörällä. Eeva oli tehnyt hienon kuvasarjan Etelä-Amerikan metsäkadosta.

Jää hieman haikeat fiilikset viimeisestä kurssikerrasta, koska kurssi oli erittäin palkitseva, mielenkiintoinen ja silmiä avaava. QGIS oli ennen kurssia vielä hieman peikko, jota pelättiin, mutta nyt kurssin jälkeen siitä jäi yllättävän kattava kuva, että mitä ohjelmalla pystyy tekemään. GIS seikkailut jatkuvat varmasti tulevaisuudessa.

Lähteet:

Hartikainen, T. Maa-gis-ta menoa, 7.kurssikerta (2022), https://blogs.helsinki.fi/tuomhart/, käytetty 25.3.2022

Friman, A. Aletan GIS-blogi, Viikko 7: Luovuus valloilleen (2022), https://blogs.helsinki.fi/alfriman/, käytetty 25.3.2022

Raki, E. Oppimassa geoinformatiikkaa, Kurssikerta 7: Lopputaistelu (2022), https://blogs.helsinki.fi/eevaraki/, käytetty 25.3.2022

Toiseksi viimeiseinä kurssikertana Artun alkupuheiden jälkeen lähdimme keräämään dataa Kumpulan lähiympäristöstä käyttämällä hyväksi Epicollect5 nimistä sovellusta. Tavoitteena oli arvioida kaupunkiympäristön turvallisuutta, houkuttelevuutta, miellyttävyyttä ja sitä kuinka aktiivisesti tilaa käytetään. Illan sää ei ollut kaikista miellyttävin, sillä ulkona oli aivan jäätävä lumimyrsky, joka tietysti heijastui hieman datan lopputulokseen. Olisi mielenkiintoista tehdä sama aineiston keruu keskellä heinäkuuta, koska tulokset olisivat varmasti erilaiset.

Kuva 1. Kumpulan alueen houkuttelevuus kävelijälle (1= ei lainkaan, 5=erittäin houkutteleva)

Käytimme hyväksi karttaa tehdessä interpolointi työkalua, joka siis laskee uusia arvoja jo tunnettujen havaintopisteiden väliin tehden “smoothin” kartan ilman näkyviä pisteitä. Työkalua oli yllättävän yksinkertaista käyttää.

Kuvasta 1 huomaa aika selkeästi punaiset alueet, jotka me, aineiston kerääjät, koimme kävelijöinä ei houkutteleviksi paikoiksi. Toisaalta aineiston koko on aika pieni, joten yksittäiset mielipiteet vaikuttavat suuresti kartan ulkonäköön. Alue myös hieman laajentui Vallilaan asti, koska osa aineiston kerääjistä kävi siellä hakemassa dataa. Kartassa näkyvä iso punainen alue jäi itselle mieleen, koska meidän 4 henkilön kerääjä porukka vaikutti suuresti siihen antamalla paikalle todella huonot arvostelut, koska kyseessä oli todella jäinen ja liukas ylämäki, jossa tuuli paikallisesti todella kovaa.

Mielestäni kartasta tuli helposti luettava ja selkeä. Karttaan olisi voinut laittaa aineiston koko, jotta lukija saisi tietää kuinka monta ihmistä alueita on arvioinut.

Itsenäinen työ

Itsenäisenä työnä pääsimme hieman tutkimaan tulivuoria, maanjäristyksiä ja meteoriitti putoamispaikkoja ja tehden niistä hasardikarttoja. Tavoitteena oli astua opettajan saappaisiin ja käyttää kyseisiä karttoja kuvitteellisessa opetustilanteessa. Itse päädyin tutkiskelemaan maanjäristyksiä ja tulivuoria, koska ne hieman sivuavat toisiaan ilmiöinä ja siten se olisi mielestäni helposti opetettavissa ja samalla toisi oppilaille ajatusta hieman syy-seuraus-suhteista.

Kuva 2.  Yli 7.5 magnituden maanjäristykset vuosilta 1992-2022 (USGS)

Kuvasta 2 huomaa missä päin merkittäviä yli 7.5 magnituden maanjäristyksiä maapallolla esiintyy viimeisen 30 vuoden ajalta. Sain hieman inspiraatiota Alin blogista, jossa oli käytetty litosfäärilaattojen rajoja kartoissa ja saman oli tehnyt myös Tuomas omassa blogissaan, josta löytyi myös suora linkki aineistoon, kiitos siitä! Mielestäni se tuo erittäin hyvin esille kuinka paljon maanjäristyksiä esiintyy juuri laattojen rajoilla. Mietin myös laittavani laattojen liikesuunnat kartalle, koska maanjäristykset esiintyvät voimakkaampina törmäysvyöhykkeillä, mutta se osoittautui liian työlääksi, joten päätin ottaa internetistä valmiin kuvan (Kuva 3).

Kuva 3. Litosfäärilaattojen liikesuunnat (Wikipedia)

Kuvissa 2 ja 3 litosfäärilaattojen rajat ovat hieman erikohdissa ja osa laatoista puuttuu kokonaan toisesta kartasta, mutta kuitenkin vertailemalla voimakkaiden maanjäristysten sijaintia ja laattojen törmäysvyöhykkeitä, voidaan todeta, että voimakkaita maanjäristyksiä tapahtuu juuri törmäysvyöhykkeillä.

Toisena maanjäristyskarttana päätin esittää myös pienempien järistysten esiintymistä maapallolla viimeisen kuukauden ajalta. Valitsin 2.5 magnituden maanjäristyksen vähimmäisarvoksi, koska ne ovat sen verran pieniä, että niitä havaitaan vain mittalaitteilla. Kuvaa 4 ja 2 verrattaessa huomaa, että kuvassa 4 pienempiä maanjäristyksiä esiintyy myös laattojen sisäosissa sekä erkanemisvyöhykkeillä.  Halusin tuoda kuvan 4 kartalla esille kuinka tavallisia maanjäristykset ovat maapallolla, vaikka vain tuhoisimmista ja voimakkaimmista pääsee lukemaan uutisista.

Jälkikäteen mietittynä olisin voinut laittaa voimakkaammat vaikka yli 5 magnituden järistykset eri värillä, jotta ne erottuisivat pistemassasta.

Kuva 4. Vähintään 2.5 magnituden maanjäristykset viimeisen 30 päivän ajalta (USGS)

Viimeisenä hasardikarttana halusin esittää kilpi- ja kerrostulivuorten sijainnit maapallolla (Kuva 5). Kuvasta 5 huomaa, että tulivuoret ovat myös keskittyneet litosfäärilaattojen rajoille. Kerrostulivuoret purkautuvat usein räjähdysmäisesti, koska laava on erittäin sitkasta ja hapanta ja ne esiintyvät tyypillisesti laattojen törmäysvyöhykkeellä. Kilpitulivuoret taas purkautuvat rauhallisemmin, koska laava on emäksistä ja nopeasti juoksevaa ja ne esiintyvät tyypillisesti laattojen erkanemisvyöhykkeillä. Kuvasta 5 voi myös huomata tulivuoria, jotka ovat laattojen keskiosissa kuten Havaijilla, jossa esiintyy vulkaanista toimintaa, koska alue on kuuman pisteen päällä. Kuuman pisteen päällä syvältä vaippakerroksesta pääsee nousemaan magmavirtauksia, jotka sulattavat kuorikerrosta.

 

Kuva 5. Kilpi- ja kerrostulivuorten sijainnit maapallolla (NOAA)

Viikon kurssikerta oli mieluisa alusta loppuu ja vaikka sää ei ollut parhain Kumpulaa kiertäessä oli se silti mielenkiintoinen kokemus. Ensi viikolla kurssin viimeinen kerta!

Lähteet:

Ylikoski, A. Alin geoinformatiikkablogi, Kurssikerta 6. Sään ääri-ilmiöitä ja maanjäristyksiä (2022), https://blogs.helsinki.fi/alingeoinformatiikka/ , käytetty 2.3.2022

Hartikainen, T. Maa-gis-ta menoa, 6. Kurssikerta (2022), https://blogs.helsinki.fi/tuomhart/ , käytetty 2.3.2022 

Tällä viikolla tutustuimme bufferin käyttöön harjoittelemalla ensiksi perusteet Pornaisten kartalla, jota viime kerralla valmistelimme. Bufferin käyttö oli yllättävän helppoa ja sen käytöstä jäi heti hyvät muistikuvat, koska toistoa tuli.

Seuraavaksi pääsimme hieman tutkiskelemaan Malmin lentokentän aiheuttamaa melualuetta. Ensin piirsimme kiitoradat ja bufferoimme yhden kilometrin säteen eli pahimman melualueen (Kuva 1). Kuvan värimaailma on jälkikäteen katsottuna hieman kehno, koska rakennukset eivät erotu hyvin.

Tein myös kahden kilometrin bufferin Malmin lentokentän kiitoradoista, mutta en tehnyt karttaa siitä. Kahden kilometrin säteellä asuvia oli 58 734 eli huomattavasti enenemmän kuin yhden kilometrin säteellä asuvia.

Kuva 1. Malmin lentokentän melualueella asuvat ihmiset yhden kilometrin säteellä

Bufferointi jatkui tällä kertaa hieman isomman lentokentän alueella eli Helsinki-Vantaan lentokentällä. Melualuista oli jo valmis aineisto, mutta piirsimme silti kiitoradat, jotta saimme laskettua kuinka monta asukasta asuu kahden kilometrin säteellä kiitoradoista ja tulos oli, että 11 729 asukasta. Hyödynsimme melualueita laskemalla kuinka paljon asukkaita kullakin melualueella asuu.

• Pahimmalla melualueella (65db) asuvat:  303
• Prosenttiosuus 2 km sisällä olevista asukkaista, jotka ovat pahimman melualueen sisällä: 2,6 % 
• Vähintään 55db melualueella asuvat: 11 923

Kuvassa 2 näkyy millaiselta QGIS näytti Helsinki-Vantaa lentokentän melualueiden asukkaiden laskeminen oikein näytti.

Kuva 2. Vähintään 55 db:n melualueella asuvat Helsinki-Vantaan lentokentällä

Laskimme myös vaihtoehtoisen laskeutumisreitin melualueen bufferin ja siellä asuvien ihmisten määrän. Tikkurilan yli lennetään vain poikkeustapauksissa kuten 2002 kun kolmatta kiitorataa rakennettiin tai jos tuulen suunta on poikkeuksellista.

• Tikkurilan melualueen asukkaat: 13 159

Kuva 3. Tikkurilan melualueen bufferi

Kolmantena työnä laskimme juna- ja metroasemien läheisyydessä asuvia ihmisiä käyttämällä hyväksi bufferia.

• 500 metriä asemista: asukkaita 111 765, joista työikäisiä 74989 eli 67,1 %
• 21,65 % alueen asukkaista asuu alle 500 metrin päässä asemasta 

Hyödynsimme myös valmista taajama aineistoa, josta sain seuraavanlaista tietoa

• Taajamissa asuvat: 96,19 % 
• Kouluikäiset eli 7–16 -vuotiaat, jotka asuvat taajamien ulkopuolella: 2267 eli 3,9 % alueen kaikista kouluikäisistä.  

Itsenäisenä työnä tarkastelin hieman pääkaupunkiseudun uima-altaita.

• Uima-altaita pääkaupunkiseudulla seudulla: 855 
• Asukkaita uima-allas taloissa: 12170
• Paritaloja, joissa uima-allas: 158  
• Rivitaloja, joissa uima-allas: 113
• Kerrostaloja, joissa uima-allas: 181 
• Omakotitaloja, jossa uima-allas: 34

Kuvassa 4 näkee asuinaluettain uima-altaiden määrän. Eniten uima-altaita on Lauttasaaressa eli 53 kappaletta. Poikkesimme Teon kanssa hieman tehtävän annosta ja emme laittaneet pylväitä kuvaamaan altaiden määrää, koska mielestämme se teki kartasta vaikeasti luettavan. Päädyimme kuvaamaan altaiden määrää numeroina ja jaoimme alueet viiteen eri väriin ja mielestäni kartasta saa paljon paremmin selville alueiden uima-altaiden määrän kuin pylväiden kanssa.

Kuva 4. Uima-altaiden määrä pääkaupunkiseudulla asuinaluettain

QGIS:n käyttö alkaa olemaan sillä tasolla, että perusjutut alkavat onnistua ja eri toiminnoista alkaa olla jo hieman kärryillä mitä ne tekevät. Toisaalta välillä tulee hieman muistikatkoksia ja voin jäädä johonkin pieneen asiaan jumiin pitkäksikin aikaa. Tähän on auttanut tehtävävien tekeminen yhdessä muiden opiskelijoiden kanssa.

Tuskaisempaa on ollut kuitenkin QGIS:in ja pilvipalveluiden yhteistyö, joka ei toimi jostain syystä ja tunnilla tehdyt työt ovat hyödyttömiä omalla läppärillä.

Senjaa lainaten:

“Negatiivista puolista huolimatta viikon neljä GIS tuntia ovat ne tunnit mitä odotan koko viikon.”

Viikon ainoat lähiopetustunnit ovat mielelle olleet erittäin tärkeät ja kurssi on ehdottomasti ollut yksi parhaista.

Bufferointia eli puskurivyöhykettä voidaan hyödyntää monessakin asiassa ja tutkimuksessa, mutta minulle tuli mieleen hieman synkempi ajatus. Bufferilla voi laskea kuinka paljon tuhoa ydinpommi voisi tehdä esimerkiksi kaupunkiin. Bufferin avulla voisi laskea kuinka paljon ihmisuhreja syntyisi ja paljonko taloudellisia vahinkoja syntyisi.

Lopetetaan tähän mielen räjäyttävään ajatukseen tämän viikon blogi ja seuraavalla viikolla jatketaan vääntöjä.

Lähteet:

Mäkiaho, S. Senjan seikkailut GIS maailmassa, Viikko 5: Kertaus on opintojen äiti (2022), https://blogs.helsinki.fi/senjamak/ (käytetty 23.2.2022)

Tällä viikolla pureuduimme rasterimuotoisen kartan tekemiseen. Käytimme hyväksi tietokantaa, jossa oli todella paljon informaatiota pääkaupunkiseudusta, kuten rakennusten rakennusvuosi, kuinka paljon rakennuksessa on asukkaita ja asukkaiden ikä. Karsimme tietokannasta turhan datan pois ja keskityimme vain muutamaan tiettyyn asiaan. Valitsin itse tarkasteluun muunkielisten osuuden pääkaupunkiseudulla ja tein siitä ruututeemakartan (Kuva 1).

“Muunkielisillä tarkoitetaan ihmisiä, jotka puhuvat äidinkielenään jotain muuta kieltä kuin suomea, ruotsia tai saamea.”

-Tuomas Hartikainen

Kuva 1. Muunkielisten osuus väestöstä pääkaupunkiseudulla 2015 neliökilometrin tarkkuudella

Ruututeemakartasta (Kuva 1) huomaa, että missä päin muunkielisiä asuu suhteessa muuhun väestöön. Kartasta huomaa alueita, jossa muunkielisiä eli tummempia ruutuja on enemmän kuten Itä-Helsingissä. Osassa tummissa ruuduissa on vain muutama asukas ja osassa tuhansia asukkaita, joten kartta voi antaa väärän kuvan koko pääkaupunkiseudun väestöstä. Tuomaksen blogissa on tehty ruututeemakartta, joka kuvaa pääkaupunkiseudun muunkielisten absoluuttista arvoa, joka antaa hieman enemmän tietoa missä päin pääkaupunkiseutua muunkieliset oikeasti asuvat.

Ruututeemakartalla vois siis esittää absoluuttisia arvoja, koska kaikki ruudut ovat samankokoisia eli yksi neliökilometri. Se ei kuitenkaan ole aina kannattavaa, koska mitä enemmän alueella on ihmisiä, sitä todennäköisemmin siellä esiintyy enemmän erilaisia ilmiöitä kuten tässä tapauksessa muunkielisiä ihmisiä.

Kartasta voisi tulkita, että muunkieliset keskittyvät samalla alueella kuten Itä-Helsinkiin. Pohdin mielessäni pitkään, miksi asia on juuri näin. Onko muunkielisten helpompi integroitua yhteiskuntaa, jos samalla alueella on myös muita muunkielisiä. Etäisyys Helsingistä keskustasta ja palveluista varmasti alentaa Itä-Helsingin asuntojen hintoja ja vuokria, joka houkuttelee alemman sosioekonomisen aseman omaavia maahanmuuttaja taustaisia perheitä asumaan kyseisillä alueilla. Toisaalta Itä-Helsingissä on myös loistavat palvelut kuten kauppakeskus Itis.

Visuaalisesti tekemäni ruututeemakartta on mielestäni selkeä lukea ja asumattomat alueet erottuvat hyvin joukosta. Kartasta näkyy myös pääkaupunkiseudun rajat, joka selkeyttää kartan tulkintaa.

Lopputunnista valmistelimme hieman ensi tuntia varten piirtämällä Pornaisten alueelle asutut rakennukset ja poisvievät tiet. Pornaisten peruskartassa ei ollut korkeuskäyriä, joten yhdistimme siihen toisesta aineistosta ne käyttämällä hyväksi vinovalovarjoste aineistoa. Seuraavalla kerralla palataan taas sorvin ääreen.

Lähteet:

Hartikainen, T. Maa-gis-ta menoa, 4. kurssikerta (2022), https://blogs.helsinki.fi/tuomhart/ (käytetty 15.2.2022)

 

Kolmas viikko alkoi yhteisellä harjoituksella, jossa käsiteltiin Afrikan maista kerättyä dataa. Tietokantoja yksinkertaistettiin ja myös tuotiin lisää dataa konflikteista ja luonnonvaroista, muun muassa timanteista. Oli mielenkiintoista nähdä miten nämä jakautuivat kartalle ja onko luonnonvaroista enemmän haittaa vai hyötyä maalle.

Taulukko 1. Viiden eri Afrikan maan tietoja pinta-alasta, väkiluvusta, internetin käytöstä, Facebook käyttäjistä, timanttikaivoksista, konflikteista ja vuosittaisista konflikteista.

Taulukosta 1 huomaa, että esim. Angola, jossa timanttikaivoksia on 43 on ollut konflikteja 69. Kaivokset eivät välttämättä kerro konfliktien määrästä, koska Etiopiassa konflikteja on huomattavasti enemmän, mutta ei ainuttakaan timanttikaivosta.

Uusien tietokantojen lisääminen oli yllättävän helppoa – paitsi itse QGIS:ille. Joins- toiminnon käyttö piti aina alustaa työn tallentamisella, koska noin joka kolmas kerta koko ohjelma kaatui. Onneksi saimme tähän hyvän perehdytyksen ja control + S oli aina liipaisimella.

Karttaa tästä harjoituksesta ei jäänyt käteen, muuta kuin taulukko, koska tallennetun projektin avaaminen pilvipalvelun kautta ei onnistunut. Ilmeisesti jokin asia tallennetuiden layereiden kanssa meni pieleen eikä QGIS enää tunnistanut niitä. Sama ilmiö tapahtui itsenäisen työn kanssa, mutta sain korjattua sen ottamalla pois tallennetun layerin edit ominaisuuden pois. Täytyy pitää silmillä tätä seuraavissa projekteissa, jotta kova työ ei mene hukkaan.

Itsenäinen työ – Tulvaindeksi

Tulvaindeksillä tarkoitetaan keskiylivirtaaman ja keskialivirtaaman välistä suhdetta. Keskiylivirtaama on joen uoman poikkileikkauksen läpi kulkevan vesimäärän ylimpien mitattujen arvojen keskiarvo, ja keskialivirtaama vastaavasti pienimpien mitattujen arvojen keskiarvo. Tulvaindeksi saadaan laskettua, kun jaetaan keskiylivirtaama keskialivirtaamalla. Saatu luku kertoo siis joenvirtausnopeuden vaihtelun suuruuden. Mitä isompi on pienimpien ja suurimpien virtaamien ero, sitä suurempi on tulvaindeksi.

-Tuomas Hartikainen

Itsenäisessä työssä myös yhdisteltiin tietokantoja liittyen Suomen valuma-alueisiin. Pienen kikkailun, laskutoimitusten ja kartan ulkoasun muokkaamisen jälkeen sain mielestäni kelpo tuotteen näytille (Kuva 1).

Kuva 1. Suomen valuma-alueiden tulvaindeksi (keskiylivirtaama/keskialivirtaama)

Kartasta huomaa, että rannikoiden muun muassa Pohjanmaan valuma-alueiden tulvaindeksi on suuri. Tämä johtuu muun muassa alueiden vähäisistä järvistä, jotka tasaisivat tulvahuippuja. Luin myös Eemil Sillankorvan blogista miten viime jääkauden jälkeinen maakohoaminen, etenkin Pohjanmaalla, on vaikuttanut jokien loivenemiseen ja siten niiden tulvaherkkyyteen. Kartasta huomaa myös, että isompien valuma-alueiden tulvaindeksi on huomattavasti pienempi kuin pienempien alueiden.

Toisesta tekemästäni kartasta (kuva 2) huomaa hyvin miten järvisyyden vähäisyys vaikuttaa tulvaindeksiin. Alueilla, kuten Pohjanmaalla järvisyys prosentti on pieni, joten tulvaindeksi on suuri.

Kuva 2. Suomen valuma-alueiden tulvaindeksi ja järvisyys. 

Toisen kartan (kuva 2) visualisoinnissa unohdin ensimmäisen viikon tapaan kokonaan punavihervärisokeuden. Myös pylväät hieman sekoittuvat toisiinsa etelärannikolla (Tuomaksen blogissa hyvä tarkennettu kartta), mutta muuten olen tyytyväinen kartan ulkonäköön.

Legendan tekeminen toiseen karttaan oli hieman hankalaa, koska QGIS:ssä pylväiden esittäminen legendassa oli mitäänsanomatonta eikä antanut mitään tietoa pylväiden pituudesta suhteutettuna prosenttimäärään. Siksi legendan prosenttipylväät täytyi itse näperrellä Paint 3D:llä, joka tuotti aluksi hieman hankaluuksia, mutta pienen väännön jälkeen lopputulos on parempi kuin QGIS:n oma legenda.

Viikko oli erittäin antoisa ja tuli opittu paljon uutta QGIS:istä. Ohjelmiston käytöstä alkaa pikku hiljaa päästä kärryille ja pieniä juttuja ei tarvitse enää kysyä vierustoverilta tai opettajalta. Vaikkakin QGIS:sin kanssa joutui hieman vääntämään paikkapaikoin nautin etenkin valuma-alue työn tekemisestä. Ensi viikolla väännöt jatkuvat!

Lähteet:

Hartikainen, T . Maa-gis-ta menoa, 3. kurssikerta (2022), https://blogs.helsinki.fi/tuomhart/ (käytetty 3.2.2022)

Sillankorva, E. Eemilin mantsa-blogi, KK3: Hankaluuksia Afrikassa ja tulvii Pohjanmaa (2022), https://blogs.helsinki.fi/sillanko/ (käytetty 3.2.2022)

Toinen viikko QGIS:in parissa tuo tullessaan miten erilaiset karttaprojektiot voivat muuttaa kartalla olevaa tietoa merkittävästi. Tehtävät todellakin avarsivat silmiäni kuinka paljon muun muassa pinta-alat vääristyvät käyttäessä epäsopivaa projektiota. Yhtenä esimerkkinä epäsopivan projektion käytöstä on Mercatorin projektion käyttö Suomessa pinta-alojen laskemisessa ja siitä saadaan konkreettisia havaintoja tämän viikon blogissa.

Harjoituksessa testattiin miten projektiomuunnokset vaikuttaa kohteiden mittaamisen kartalla. Esim. mitattaessa saman alueen pinta-alaa ETRS-TM35FIN projektiolla QGIS ilmoittaa karteesiseksi pinta-alaksi 2 811,4 km². Sama alue Mercatorin projektiolla mitattuna oli 23 827,3 km². Lukujen ero on niin suuri, että tuntuu järjenvastaiselta, että Mercatorin projektio on yksi maailman yleisimpiä ja käytettyjä projektioita (Wikipedia, 2021). -Nea Tiainen

Tälläkin kurssikerralla mentiin alussa hieman laput silmillä QGIS:sin käytössä , koska uutta opeteltavaa oli rutkasti, mutta lopulta pystyin tekemään itsenäisesti asioita yllättävän hyvin. Ensimmäisestä kerrasta jäi hyvin mieleen miten käytetään layout toimintoa, jossa kartat viimeistellään. Toisaalta tällä viikolla unohtui kartoista kaksi kartan perusominaisuutta, mittakaava ja pohjoisnuoli. Olin ilmeisesti niin innoissani, että pystyin tekemään itsenäisesti kurssikerran työt niin perusjutut unohtuivat, mutta näistä opitaan ja kolmennella kerralla löytyy kaikki hyvän kartan ominaisuudet.

Ensimmäisenä tehtävänä piirsimme viivan ja kolmion muotoisen alueen Suomen pohjoisosiin (Kuva 1), josta huomaamme, että viivan pituudeksi noin 125 metriä. Sama viiva on Mercator projektioissa (Kuva 2) huomattavasti pidempi. 

Kuva 1. Länsi-itä suuntainen viiva Suomen pohjoisosassa ETRS89-TM35 projektiossa.

Mercator projektio on lieriöprojektio, joka on oikeakulmainen, mutta se ei ole hyvä kuvailemaan pituuksia ja pinta-aloja, koska mitä kauemmaksi mennään päiväntasaajalta, sitä enemmän se vääristää niitä.

Kuva 2. Länsi-itä suuntainen viiva Suomen pohjoisosissa Mercator projektiossa.

Kuvasta 3 ja taulukosta 1 huomaamme, että pinta-alojen kanssa Mercator vääristää entistä enemmän verrattuna alueen oikeaan pinta-alaan. Taulukosta 1 huomaamme, että Mercatorin projektion pinta-ala on noin 850% suurempi kuin oikea pinta-ala, jota ETRS89-TM35 kuvaa.

Kuva 3. Kolmion muotoisen alueen pinta-ala Mercator projektiossa.

Otin vertailuun samoilla pituuksilla ja pinta-aloilla myös muita projektioita (Taulukko 1) ja huomasin hieman samanlaisia tuloksia, mutta ei välttämättä niin radikaaleja. Toisaalta esim. Wagner IV ja Robinson projektiot ovat kompromissi projektioita, jossa yritetään minimoida kaikki ongelmat tuodessa maapallon pinta tasolle.

Taulukko 1. Eri karttaprojektioiden eroja pituuteen ja pinta-alaan. 

Eri projektioita vaihdellessa tuli myös ensimmäinen ongelma QGIS:sin kanssa painiessa. Jostakin syystä Winkel II projektio ei halunnut näyttäytyä ja ruudulle tuli error-ikkuna (Kuva 4), joka ei halunnut lähteä näytöltä.

Kuva 4. Error-ikkuna Winkel II projektion kanssa

Kunnittaiset pinta-ala erot eri projektioilla

Toisena tehtävänä oli verrata kunnittaisia pinta-ala eroja eri projektioilla. Halusin tietysti nähdä Mercatorin ja TM35 erot, koska edellisessä tehtävässä ne olivat huomattavat. Kuvasta 5 huomaamme, että erot pinta-alassa vain kasvavat mitä pohjoisemmassa kunta on.  Esimerkiksi Inari, Utsjoki ja Enontekijöt, mitkä kaikki ovat tumman punaisina, ovat 7- 8,26 kertaa isompia pinta-alaltaan Mercatorin projektiossa verrattuna ETRS-TM35.

Kuva 5. Mercatorin projektion kunnittaiset pinta-alat verrattuna ETRS-TM35 pinta-alaan. (Pohjoisnuoli ja mittakaava puuttuu)

Otin toiseksi vertailu kohteeksi Gall stereographic projektion, joka on myös lieriö projektio, mutta myös kompromissi projektio, joten pinta-alojen vääristymät eivät ole yhtä huomattavia kuin Mercatorin projektiossa. Kuvasta 6 huomaa, että esim. edellisen kuvan esimerkkien Inarin, Utsjoen ja Enontekijöiden pinta-alojen vääristymät eivät ole läheskään yhtä suuret kuin Mercatorissa.

Kuva 6. Gall stereographic projektion kunnittaiset pinta-alat verrattuna ETRS-TM35 pinta-alaan. (Pohjoisnuoli ja mittakaava puuttuu)

Karttojen tekninen puoli viimeistelyssä oli tällä viikolla hieman hukassa, koska pohjoisnuoli ja mittakaava puuttui molemmista kartoista. Toisaalta olen tyytyväinen, että vaihdoin karttoihin ETRS-TM35 projektion Suomen, koska se oli silmälle mielyttävämpi katsoa verrattuna Mercatoriin ja Galliin. Myös värit kuvaavat mielestäni hyvin pinta-alojen eroja, koska punainen viestii väärää ja sininen ja vihreä neutraalia.

Vaikkakin tiesin eri projektioiden eroista esim. alueiden pinta-alaan oli silti mielenkiintoista nähdä se omilla silmillä ja omilla teoilla ja tulokset jopa hieman yllättivät minut. Seuraavissa töissä ja projekteissa pidän erityisen hyvin silmällä sitä, että mitä projektiota käytetään.

Lähteet:

Tiainen, N. Melkein gis-guru siis itsekkin (2022), https://blogs.helsinki.fi/tiainea (käytetty 31.1.2022)

Ensimmäisellä viikolla pitkän talviloman jälkeen pääsemme, onneksi lähiopetuksessa, tutustumaan QGIS-ohjelmaan. QGIS-ohjelman käytöstä on hieman kokemusta ensimmäisestä periodista, mutta käytännössä lähden aivan puhtaalta pöydältä, koska muistikuvat alkusyksystä on aika hatarat.

QGIS-ohjelmassa on paljon erilaisia ominaisuuksia ja siksi ohjelmiston käyttö tuntuu vielä hieman kankealta, koska itse ei osaa vielä tulkita ja käyttää kaikkia pieniä kuvakkeita, lukuisia eri asetuksia ja toimintoja. Uskon kuitenkin, että kurssin edetessä ohjelmasta jää sellainen kuva, että sitä pystyy itsenäisesti käyttämään ilman suurimpia apukäsiä.

Ensimmäinen kurssityö liittyi HELCOM-alueen eli Itämeren alueen typpipäästöihin valtiokohtaisesti.

“HELCOM on järjestö, johon kuuluu Itämeren alueen merellisen ympäristön suojelusopimuksen allekirjoittaneiden valtioiden hallitukset.” -Senja Mäkiaho

Kuva 1. Itämeren alueen valtioiden typpipäästöt prosentteina

Kartan työprosessista ei jäänyt kauheasti mitään käteen, koska oma kriittinen ajattelu työtä kohtaa oli poissa ja keskittyminen oli ainoastaan opetuksen seuraamisessa ja oikeiden nappien painamisessa oikeaan aikaan oikeassa järjestyksessä. Mielestäni kartasta tuli selkeä ja helposti luettava. Punaisen eri sävyillä näkyy kuinka paljon typpipäästöjä kukin Itämeren kanssa rantaviivaa jakava valtio on päästänyt. Alun perin vähiten päästöjä päästäneet maat eli 3,2-8,1 % päästäneet maat olivat valkoisella, mutta se loi liian puhtaan kuvan maiden päästöistä, joten päätin laittaa vaaleamman punaisen.

Näin jälkikäteen mietittynä muut valtiot, jotka eivät jaa Itämeren kanssa rantaviivaa olisi voinut laittaa muulla värillä kuin vaalean vihreällä, jotta punavihervärisokeat pystyisivät lukemaan karttaa paremmin. Myös legendan otsikossa voisi olla, että kartta on Itämeren alueesta tehden siitä selkeämmän. Kartasta ei myöskään näe ainestoa tai lähdettä.

Puolan suuri osuus typpipäästöissä ei ollut yllätys, koska ympäristöasiat hoidetaan siellä hieman kyseenalaisesti. Yllätyksenä tuli kuitenkin Venäjän alhainen lukema, koska luulin, että Venäjän päästöt olisivat korkeammat. Uskoisin Ruotsin pidemmän rantaviivan selittävän Suomen ja Ruotsin eron päästömäärissä.

Itämeren suojelu on tärkeää, koska Itämeri on aika matala, joka edistää rehevöitymistä ja sen veden vaihtelevuus on pientä, koska Tanskan salmet estävät Atlantin suolaisen veden pääsyä.

Lähteet:

Mäkiaho, S. Senjan seikkailut GIS maailmassa (2022), https://blogs.helsinki.fi/senjamak/ (käytetty 25.1.2022)

Itsenäinen työ

Ensimmäisen kurssikerran itsenäisenä työnä oli luoda koropleettikartta  Kunnat 2015 aineistosta. Aineistossa oli paljon muuttujia, mutta päätin valita ruotsinkielisten osuuden Suomen kunnissa, koska halusin itse nähdä missä muualla puhutaan ruotsia rannikoiden lisäksi.

Kuva 2. Ruotsinkielisten osuus 2015, luonnolliset jaot

Kartasta näkyy hyvin, että länsirannikolla, Turun saaristossa ja etelärannikolla ruotsinkielisten osuus on muuhun maahan verrattuna paljon isompi. Muun maan ruotsinkielisten osuuden vähyys yllätti minut ja vaikka lisäsin luokkajakoja viidestä kymmeneen, silti lähes koko maa oli valkoisena. Toisaalta kartta kertoo hyvin missä päin Suomea ruotsinkielestä on hyötyä.

Aineistoa oli helppo käyttää, vaikkakin aluksi en muistanut miten sitä edes lähestytään. Pienen muistelun, pähkäilyn ja hienosäädön jälkeen sain mielestäni aika kelpo kartan luotua.

Welcome to Blogipalvelut. This is your first post. Edit or delete it, then start blogging!