Kurssikerta 2 – 23.1.2023

Toinen kurssikerta lähti käyntiin vähän samoissa tunnelmissa kuin ensimmäinenkin, eli hieman hätäisissä ja hämmentyneissä. Harjoituksissa pysyy opetuksen aikana jotakuinkin mukana, mutta useinkaan ei ehdi paljoa pohtia sitä, mitä tai miksi jotakin tehdään. Sama pätee tekniseen puoleen – kun yksi vaihe harjoiteltavan asian teknisestä puolesta menee ohi, tipahtaa aika nopeasti kyydistä.

Kotona tehtävien harjoitusten sekä kurssia varten laadittuun taustamateriaaliin tutustumisen merkityksen huomaa siinä, että ohjeita lukemalla, itse tekemällä ja videotutoriaaleja katsomalla alkaa ymmärtää, miksi ohjelma toimii kuten toimii ja miten ohjelman saa tekemään halutut asiat niin, että lopputulokseen voi luottaa. Vaikuttaa siltä, että QGIS:n toimintaa pitää todella yrittää ymmärtää pelkän teknisen ja aivottoman suorittamisen sijaan, jotta osaamaansa voi soveltaa ja ratkoa visualisointien laatimiseen liittyvät vikatilanteet.

Toki tällä on se hinta, että kotitehtäviin menee välillä aika kauan aikaa, kun lukee ohjeita ja tekee kurssikerralla tehtyjä harjoituksia uudelleen niissä olevien virheiden tai väärinkäsitysten vuoksi. Huomaan nytkin, että en ehdi tehdä kaikkia tehtäviä ennen seuraavaa kurssikertaa ja kirjoittaa niistä analyyttisesti ja fiksusti tänne blogiin – joten päivitän postausta ensi viikolla uusilla tehtävillä. Vain tekemällä ja selvittämällä selvästikin oppii.

EDIT 19.3.2023

Noniin, vihdoin pääsin muokkaamaan tätä tehtävää – sopivasti juuri oppimispäiväkirjan palautuksen kynnyksellä.

Kurssikerran itsenäistehtävänä oli eri projektioiden tuottamien alueellisten erojen tutkiminen ja visualisointi luokiteltuna kartalla. Tehtävä ei lopulta ollut kovin vaikea, vaikka alkuun koin, että en millään saa haluttuja tuloksia aikaan ja lykkäsin siksi tehtävän tekemistä aivan kurssin loppuun. Huomaankin, että itselläni on aika huono tapa mennä paniikkiin, jos jokin visualisointi ei onnistu ja pyrkiä sulkemaan asia pois mielestä. Tämä on sellainen ominaisuus, jota olisi seuraavien kurssien aikana hyvä kehittää.

Aivan avainasemassa tehtävän onnistumisen kannalta oli huolehtia siitä, että tallennettaessa “uutta geometriatietoa” uudelle tasolle tallentaa geometriatiedon varmasti halutun projektion mukaan. Tässä menin monta kertaa metsään, ennen kuin opin, mihin asioihin pitää kiinnittää huomiota.

Alla olevassa karttakuvassa näkyy eurooppalaisen standardiprojektion, Lambertin oikeapintaiseen tasoprojektioon perustuvan LAEA Europen (ERTS89-extended) ero prosentteina Mercatorin projektioon. (https://uizentrum.de/lambert-azimuthal-equal-area-laea-usage-and-conversion/?lang=en, sivulla vierailtu 19.3.2023). Erot ovat kauttaaltaan suuria, 70-90 prosentin luokkaa. Mercatorin projektio on oikeasuuntainen lieriöprojektio ja suosittu siten etenkin merenkulussa. Sen sijaan projektio vääristää etäisyyksiä ja pinta-aloja etenkin napoja kohti ja vain päiväntasaajalla etäisyydet ja pinta-alat pitävät paikkaansa (https://pro.arcgis.com/en/pro-app/latest/help/mapping/properties/mercator.htm, sivulla vierailtu 19.3.2023). Niinpä Suomenkin kohdalla erot ovat suurempia pohjoisessa kuin etelässä.

Kuva 2. Kuntien pinta-alojen erot Mercatorin ja Lambertin projektioissa.

Veikeää oli minusta verrata LAEA Europeen myös Gauss-Krügerin projektiota, joka on sovellutus Mercatorin projektiosta. Gauss-Krügerin projektio on kuitenkin projisoitu lieriölle, joka leikkaa Maan pintaa pituuspiiriä pitkin. Suomen kartalle visualisoituna tämä näkyy niin, että erot kasvavat kohti itää.

Kuva 3. Kuntien pinta-alojen erot Lambertin ja Gauss-Krügerin projektioiden välillä.

Harjoitus osoittaa minusta hyvin sen, että projektion valinnalla on valtava merkitys erilaisissa maantieteellisen sijainnin visualisointiin liittyvissä tehtävissä. Etenkin niissä tilanteissa, joissa pinta-aloilla tai etäisyyksillä on väliä, on tärkeää, että projektio on oikein valittu. Vastaavasti eri lähteistä saatujen kartta-aineistojen kanssa pääsee varmasti usein jumppaamaan eri projektioiden kanssa (tämän huomasin käytännössäni tehdessäni kurssikerran 6 tehtäviä ja yrittäessäni käyttää Mollweiden projektiota käyttävää rasteriaineistoa yhdessä WGS 89:n kanssa – lopulta onnistuin, mutta QGIS kaatui aika monta kertaa ennen sitä).

LÄHTEET:

https://uizentrum.de/lambert-azimuthal-equal-area-laea-usage-and-conversion/?lang=en, sivulla vierailtu 19.3.2023

https://pro.arcgis.com/en/pro-app/latest/help/mapping/properties/mercator.htm, sivulla vierailtu 19.3.2023

Kurssikerta 1 – 16.1.2023

Sunnuntai-iltana naputellessani blogipostausta ensimmäisen kurssikerran harjoituksesta olen aika ärtynyt – mieluummin tekisin nyt jotain muuta kuin kurssitehtäviä. Kurssiahan on viikkoja vielä jäljellä, kyllä tässä ehtii blogipostauksia laatia!

Tiedostan tosin hyvin, että kaltaiseni prokrastinoija ja viime tipassa tekijä hyötyy aivan erityisen paljon viikoittaisista määräajoista. Kun tekee jatkuvasti vähän, asiat etenevät eivätkä kasaannu rauhattomuutta aiheuttaen. Oppiminen edellyttää lisäksi jatkuvaa tekemistä ja kertaamista, eikä niinkään paniikissa räpeltämistä viimeisenä iltana. Koitankin parhaani luoda kurssin aikana selvän rytmin viikkopostausten tekemiseen – ehkä tästä on hyötyä elämänhallinnassa myös jälkeenpäin. Tehtävien kerääntymisen ja kasaantumisen epätoivoa kuvaa blogissaan osuvasti myös M. Mäkinen, joka muistaa tilanteen viime vuodelta (https://blogs.helsinki.fi/mxmilja/2023/01/21/ehka-gis-guru-sittenkin/)

Ensimmäinen kurssikerta antoi perushahmotuksen QGIS:n käyttöön. Huomaan, että kurssilla pitää keskittyä ohjeistukseen aika tarkasti, sillä jos vähänkään puuhaa omiaan, ohjeistus menee ohi. Onneksi yrittäminen ja erehtyminen sekä googlaaminen kuuluvat ymmärtääkseni olennaisesti geoinformatiikkaan, joten siinä mielessä keskittymisen herpaantuminen tarjosi oivan oppimiskokemuksen. Yrittäminen ja erehtyminen mahdollistavat usein myös opeteltavan asian ymmärtämisen ja omaksumisen syvällisemmin, kun joutuu hakemaan itse tietoa ja selvittämään ohjelman toimintaa.

Kartta typpipäästöistä

Kuva 1. Itämeren rantavaltioiden typpipäästöt suhteessa kokonaistyppikuormitukseen.

Ensimmäisellä kurssikerralla laadimme koropleettikartan HELCOM:n jäsenvaltioiden typpipäästöistä Itämereen. HELCOM, eli Itämeren merellisen ympäristön suojelukomissio (ENG: Helsinki Commission), on Itämeren merellisen ympäristön suojelua koskevan yleissopimuksen (SopS 2/2000) allekirjoittajavaltioiden perustama hallitusten välinen järjestö. Sopimuksen osapuolia ovat Tanska, Viro, Suomi, Latvia, Liettua, Puola, Venäjä, Ruotsi, Saksa ja Euroopan unioni, eli kaikki Itämeren rantavaltiot ja EU. HELCOM:n tehtävänä on Itämeren suojelun edistäminen ja sitä koskevien suositusten antaminen. (https://helcom.fi/about-us/organisation/)

Kurssilla laadittu koropleettikartta osoittaa kunkin Itämeren rantavaltion typpipäästöt suhteellisina osuuksina kokonaistyppimäärästä. Lähtödatasta ei tosin ilmene, onko kyse vuosittaisista päästöistä (olettaisin niin) vai jostakin muusta ajanjaksosta. Suurin typpipäästöjen aiheuttaja on Puola, jota seuraavat Venäjä, Ruotsi ja Latvia. Lähtödatan perusteella typpipäästöjä aiheutuu myös Itämeren laivaliikenteestä sekä ”muista kohteista”, eli koropleettikartan visualisointi ei kerro koko totuutta typpipäästäjistä. Esimerkiksi Valko-Venäjältä kulkeutuu Itämereen merkittäviä määriä ravinteita, nämä mahdollisesti tosin näkyvät Puolan typpipäästöjen määrissä (HS 27.4.2014).

Typpipäästökartan rinnalla olisi mielenkiintoista tarkastella toista karttaa, joka sisältää tietoja Itämeren happioloista ja rehevöitymiestä, eli siitä, miten typpipäästöt meressä vaikuttavat. Ehkä nämä olisi mahdollista saada mukaan samaankin karttaan, jos hankkisi asiasta lisädataa. Tilastotietoja tarkemmin penkomatta olettaisin, että Perämeren ja Pohjanlahden happitilanne on heikoimmalla tolalla, sillä alue on sokkeloinen ja sen sekoittumisolot ovat heikot. Tämä tarkoittaisi, että Länsi-Suomen ja Itä-Ruotsin typpipäästöillä on paikallisesti haitallisemmat vaikutukset kuin esimerkiksi Puolan typpipäästöillä.

Kartan toteutus

Tilastotiedot kunkin valtion absoluuttisista typpipäästöistä muunnettiin harjoituskerran aikana attribuuttitaulukolla suhteellisiksi osuuksiksi absoluuttisten määrien sijaan. Absoluuttisten määrien esittäminen koropleettikartalla vääristäisi tietoa, eikä huomioisi esimerkiksi maiden kokoja. Toisaalta jäin itse miettimään, olisiko absoluuttisten arvojen esittäminen tässä nimenomaisessa kartassa niin ongelmallista, kun valtion koko ei tässä kohtaa hämärrä mittasuhteita (suhteelliset arvot on kuitenkin laskettu absoluuttisista!) ja päästön suuruusluokat ilmenisivät myös absoluuttisista arvoista. Tilanne olisi eri, jos vertailtaisiin työttömien määrää vaikka kuntien välillä –  työttömien määrä on absoluuttisina arvoina ilmaistuna todennäköisesti suurempi suuremmissa kunnissa, vaikka työttömyysaste niissä olisi suhteessa pienempi. Jään pureskelemaan tätä kysymystä, ja päivitän tänne, jos kysymys ratkeaa.

Jälkeenpäin katsottuna oman karttani legendasta puuttuu nolosti tieto siitä, mitä värit kuvaavat. Toisin sanottuna kartta ei kerro katsojalle yhtään mitään, sillä katsoja ei tiedä värien kuvaavan kunkin valtion typpipäästöjen osuutta Itämeren kokonaistyppipäästömäärästä. Visuaalisesti karttaa voisi puolestaan parantaa mm. järvien väritystä selkeyttämällä tai ehkä jopa  järvet poistamalla, kuten M. Mäkinen on tehnyt (https://blogs.helsinki.fi/mxmilja/2023/01/21/ehka-gis-guru-sittenkin/). Omassa kartassani järvet näyttävät sotkuiselta, eikä niillä varsinaisesti ole mitään suurta informaatioarvoa kartalla.

MUOKKAUS 12.3.2023

Itsekritiikistä suivaantuneena parantelin karttaa vielä alle. Mokat on nyt korjattu ja visuaalisuutt parannettu – minusta meni hyvään suuntaan!

 

KOTITEHTÄVÄ – KOROPLEETTIKARTTA SUOMEN KUNNISTA
Lisäys 29.1.2023

En ollut ehtinyt tehdä kurssikerran toisena tehtävänä ollutta koropleettikarttaa Suomen kunnista loppuun ennen toista kurssikertaa, joten jatkoin tehtävää sen jälkeen. Tehtävän vaikeustasona 1 oli aineistossa valmiina olevien muuttujien tarkastelu. Yllättävää kyllä, en millään tahtonut löytää QGIS:stä, mistä muuttujia vaihdetaan, eikä ohjeesta tai googlaamisestakaan (“variables in QGIS”) tahtonut olla apua. Lopulta toisella kurssikerralla uutta tehtävää tehdessä välähti: tietysti muuttujia vaihdetaan Properties-välilehdeltä – tätähän tankattiin edellisellä kurssikerralla typpipäästökartan kanssa. Vaikeustasoa 1 käyttäen visualisoin alla olevan koropleettikartan, joka kuvaa väestömäärän muutosta kunnissa.

 

Karttakuva näyttää väestön muutoksen prosenttiosuuksina kussakin kunnassa vuonna 2021. Käytin ensin QGIS:n tarjoamia vaihtoehtoja muuttujien luokkarajojen määrittelyyn, mutta lopputulosta tarkasteltuani päädyin muokkaamaan niitä manuaalisesti, sillä halusin, että kunnat, joissa väestö vähenee, erottuvat selvästi kunnista, joissa väestö kasvaa. Siten negatiivisten lukujen piti olla omassa luokassaan ja positiivisten omassa luokassaan. Näin ollen luokkarajat ovat seuraavat: -4,8 – (-2), -2-0, 0-2, 2-4. Harkitsin hetken myös eri värien käyttämistä, mutta hylkäsin ajatuksen – lopputulos näytti tuhruiselta ja esimerkiksi punaisen käyttäminen vihreän kanssa tekisi kartasta vaikeasti luettavan esimerkiksi puna-vihervärisokealle.

Kuva 2. Kuntien väestön muuttuminen vuonna 2021 (%) (Tilastokeskus).

Kaupungistumisen ja väestön vanhenemisen trendi näkyy kartalla selvästi; valtaosa kunnista on muuttotappiokuntia. Väestö kasvaa ainoastaan tummimman vihreillä näkyvillä paikkakunnilla, eli lähinnä pääkaupunkiseudulla,  maakuntakeskuksissa ja länsirannikolla.  Yllättävinä ja sijaintinsa puolesta suorastaan trendin vastaisina muuttovoittopaikkakuntina kartalla erottuvat lisäksi Inari, jossa väestönkasvu vuonna 2021 oli 2,1 %, sekä Pyhäntä, jossa väestönkasvu vuonna 2021 oli 2,4 %. Inarin vetovoimatekijöinä toimivat ainakin Ylen lehtiartikkelin mukaan Lapin luonto sekä työllistymismahdollisuudet matkailussa ja teollisuudessa. (Yle 4.10.2019) Pyhännällä väestönkasvu on puolestaan tulosta sinnikkäästä teollisuuteen ja yrittämiseen panostamisesta. (Yle 26.1.2016)  Muita suurimman väestönkasvun kuntia ovat Etelä- ja Varsinais-Suomeen sekä Ahvenanmaalle sijoittuvat kunnat Sottunga, Tuusula, Jomala, Sipoo, Kauniainen ja Kaarina.

LÄHTEET:

HELCOM Organisation, viitattu 22.1.2023, https://helcom.fi/about-us/organisation/

Kun muu Lappi tyhjenee, Suomen suurimman kunnan väkiluku kasvaa – näin erämaaluonto houkuttelee ihmisiä jäämään, Yle 4.10.2019, https://yle.fi/a/3-11005194

Itämereen valuu rehevöittäviä ravinteita kaukaa sisämaasta, Helsingin Sanomat 27.4.2014, https://www.hs.fi/kotimaa/art-2000002726963.html

Syrjäinen pikkukunta panosti teollistumiseen – väkiluku on kasvanut lamasta huolimatta, Yle 26.1.2016, https://yle.fi/a/3-8616132

Milja Mäkinen, Ehkä GIS-guru sittenkin?, viitattu 22.1.2023, https://blogs.helsinki.fi/mxmilja/2023/01/21/ehka-gis-guru-sittenkin/