Author: Elina M Huhtinen

Nyt kun kolmas periodi on virallisesti ohi ja Geoinformatiikan menetelmät -kurssi loppunut, on aika sanoa myös hyvästit tälle blogille, joka on viimeinkin valmis!

Tänään oli Geoinformatiikan menetelmät 1 -kurssin viimeinen kurssikerta ja tuskaisten tuntien jälkeen sain myös karttanikin valmiiksi. Aivan kuten Amelia viimeisimmässä postauksessaan totesi oli kurssi todella miellyttävä vaikka välillä QGIS:n kanssa saikin taistella. Fiilikset ovatkin sekä erittäin helpottuneet, sillä karttojen kanssa taistelu saa nyt pienen tauon, mutta samalla on kuitenkin jo aavistuksen ikävä itsensä haastamista, jota tällä kurssilla on saanut tehdä enemmän kuin tarpeeksi.

Tämänkertaisen tunnin tehtävänanto oli yksinkertainen: kaksi eri muuttujaa esittelevän kartan laatiminen ja aineistojen löytäminen itsenäisesti ennen varsinaista tuntia. Valitsin alueekseni Yhdysvallat, jonka pohjakartan löysin helposti. Sen jälkeen aloin etsimään mahdollisia muuttujia, mikä ei ollutkaan enää yhtä yksinkertaista. Aina kun luulin löytäneeni hyvän aineiston, ilmaantui sen kanssa ongelmia yrittäessäni siirtää sitä QGIS-ohjelmaan. Lopulta sain rautatiet näkymään, mutta toisen muuttujan etsimisen tein vasta varsinaisella tunnilla, mikä vei jonkin verran aikaa, ja hermoja. Lopulta sain kuitenkin aikaan kaksi karttaa, joista toinen kuvaa asutuskeskittymien ja junanratojen yhteyksiä ja toinen asutuskeskittymien ja lentokenttien yhteyksiä.

Visuaalisesti kartat onnistuivat mielestäni melko hyvin, vaikka kaipaisinkin niissä vielä ehkä jotain säväyttävää. Junanratojen ja asutuskeskittymien kartta kuvaa kuitenkin hyvin, kuinka niiden välillä on selvä yhteys. Kartasta erottuu myös hyvin mm. Länsi-Yhdysvaltojen ja Alaskan vähäinen raideverkko mikä selittyy mm. Kalliovuorilla ja Alaskassa äärimmäisillä ilmasto-olosuhteilla ja pinnanmuodoilla. Asutuksen keskittyminen vesistöjen läheisyyteen on myös selvä.

Toiseen karttaan halusin lisätä osavaltioiden väkiluvut, jotka lopulta päädyin lisäämään käsin luomalla uuden sarakkeen tietokantaan ja kirjoittamalla luvut itse. Kartasta huomaa myös lentokenttien sijoittumisen asutuskeskittymien lähelle, mutta huomattavaa on myös esimerkiksi lentokentät Kalliovuorten alueilla, joissa muuten ei ole suuria asutuskeskittymiä. Syitä tähän saattaa olla mm. matkailualueiden esiintyminen kyseisillä alueilla.

Kaiken kaikkiaan vaikka aineistojen etsiminen oli paljon vaikeampaa kuin olin aluksi kuvitellut, oli kuitenkin palkitsevaa huomata, että osasin tuoda QGIS-ohjelmaan ainakin muutaman aineiston ja pystyin täysin itsenäisesti luomaan uuden kartan. Olo on siis helpottonut sekä tyytyväinen ja koen olevani valmis uusiin GIS-haasteisiin, viimeistään muutaman lepoviikon jälkeen.

Muiden kurssilaisten valmiita kartta-aikaansaannoksia tarkastellessani sain huomata kuinka lahjakkaita karttataitureita ympärilläni on! Erityisesti Amandan tekemät kartat ovat visuaalisesti erittäin kauniita hänen viimeisen kurssikerran tekemät kartat aiheiltaan yllättäviä ja kiinnostavia. Lisäksi haluisin nostaa esiin Katjan blogin, jossa hän oli tehnyt karttoja Eurooppalaisten terveydestä sekä sen suhteesta lääkäreiden määrään. Hänen postaus oli erittäin mielenkiintoinen, hyvin tehty ja erittäin informatiivinen.

 

Lähteet:

Amelia Cardwell, Viikko 7, Yhdysvaltojen kultainen osavaltio, https://blogs.helsinki.fi/amca/, luettu 18.3.2019.

Amanda Ojasalo, Viimeinen, https://blogs.helsinki.fi/amandaoj/, luettu 18.3.2019.

Katja Pulkkinen, Terveyttä ja sairautta EU:ssa (Kurssikerta 7), https://blogs.helsinki.fi/kzpulkki/, luettu 18.3.2019.

USA all legal boundaries, https://www.census.gov/geo/maps-data/data/tiger-line.html

Population Density in 2000, https://catalog.data.gov/dataset/population-density-in-2000

Series Information File for the 2017 TIGER/Line Shapefile, All Lines County-base Shapefile, https://catalog.data.gov/dataset/series-information-file-for-the-2017-tiger-line-shapefile-all-lines-county-based-shapefile

USGS National Transportation Dataset (NTD) Downloadable Data Collection, https://catalog.data.gov/dataset/usgs-national-transportation-dataset-ntd-downloadable-data-collectionde7d2

Kuudes kurssikerta alkoi ulkoilulla aurinkoisessa Kumpulan ympäristössä kerätessämme dataa Epicollect5 -nimiseen sovellukseen. Hieman erilainen aamutunti ulkoilun kera tuntui ihanan virkistävältä ja tiedä häntä, jos myös sen vuoksi päivän muut tehtävät sujuivat yllättävän kepeästi. Kun olimme keränneet sovelluksen avulla dataa lähialueilta (ja nauttineet tarpeeksi kirpeaästä pakkasesta), analysoimme sitä luokassa ja teimme kartan, johon sijoitimme syntyneet koordinaattipisteet ja interpoloimme ne kuvaamaan koko aluetta. Alapuolella on screenshot syntyneestä kartasta, joka siis esittää viihtyisäksi (vihreä) ja ei niin viihtyisäksi (punainen) koettuja alueita.

Tunnin loppupuolella pääsimme varsinaisen tehtävän kimppuun eli hasardikarttojen luomiseen. Tehtävä oli luoda kolme karttaa, joita voisi käyttää opetusmateriaalina tuntiopetuksessa. Itse tein aluksi kolme karttaa maanjäristyksistä. Ensimmäinen kuvaa yli 6 magnitudin maanjäristuksiä vuosina 1900-1940, toinen vuosina 1941-1980 ja kolmas 1981-2019.

Koska innostuin interpolointitehtävästä päätin lisätä myös maailmankarttoihin interpoloinnin kuvaamaan voimakkaimpia maanjäristysalueita. Interpolointi saattoi kuitenkin tehdä kartoista hieman sekavia, sillä vertaillessani niitä esimerkiksi Johannan blogin selkeisiin ja hyvin aiheita kuvaaviin karttoihin koen, että olisin saanut myös omista kartoistani selkeämmät ilman turhia koristuksia interpoloinnilla.

Tekemässäni aikasarjassa näkyy kuitenkin hyvin mitkä alueet ovat maanjäristysaktiivisia, ja millä alueilla tapahtuu harvemmin tai satunnaisesti suuria maanjäristyksiä. Jos kartat olisivat opetuskäytössä, voisi niistä esimerkiksi pohtia, miksi 1900-1940-luvuilla esiintyi vähemmän maanjäristyksiä, vai esiintyikö? Kartat soveltuisivat hyvin myös opetuksessa litosfäärilaattojen ja tulivuorien tutkimiseen sekä muihin vulkanisiin prosesseihin sekä näiden kaikkien esiintyvyyteen suhteessa toisiinsa.

Viimeiseksi tein vielä kartan tulivuorista ja yli 8 magnitudin maanjäristyksistä, sillä halusin kuvata juuri näiden suhdetta toisiinsa.

Lisäsin karttaan vielä eri tulivuorten korkeustiedot, sillä halusin kartasta mahdollisimman informatiivisen, tosin näin jälkikäteen yksinkertainen kartta olisi ollut ehkä kuitenkin selkeämpi, mutta pidän kuitenkin kartan visuaalisesta ulkomuodosta (ja etenkin Julian ehdottamista tulivuoria kuvaavista kolmioista). Mielestäni kuitenkin esimerkiksi vedenalaisten tulivuorien näkyminen kartalla on kiinnostavaa. Tätäkin karttaa voitaisiin käyttää samaan tapaan kuin aiempia karttoja opetuksessa.

Tulivuoritietojen tuominen QGIS-ohjelmaan, ei ollut kovin yksinkertaista, sillä ne piti vielä tekstiohjelman ja excelin kautta, jotta ne sai cvs-muotoon. Tämä kuitenkin onnistui suhteellisen helposti, mikä oli minulle suuri yllätys, sillä monesti juuri tämänkaltaiset itsenäiset monivaiheiset tehtävät ovat tuottaneet minulle ongelmia. Nyt kun Geoinformatiikan menetelmät kurssi alkaa kaikista ongelmista huolimatta kääntyä kohti loppua ja karttojen teko tuntuu todella luonnistuvan edes jollain tavalla, ei voi muuta todeta kuin:

Per aspera ad astra, Vaikeuksien kautta voittoon!

 

Lähteet:

Johanna von Franckell, Kursgång 6, Undervisningsmaterial, https://blogs.helsinki.fi/johannvo/, luettu 22.2.2019.

Julia Salmi, https://blogs.helsinki.fi/jhsalmi/

Tectonic plates boundaries World map, https://commons.wikimedia.org/wiki/File:Tectonic_plates_boundaries_World_map_Wt_10degE_centered-en.svg, luettu 22.2.2019.

Distribution of major geysers in the world, https://en.wikipedia.org/wiki/Geyser#/media/File:World_geyser_distribution.gif, luettu 22.2.2019.

Viikko 5 selätetty ja mukaan on tarttunut sekä uusi taitoja, että uusia kysymyksiä ja pohdintoja. Tämän viikon kurssikerralla pääsimme itse käyttämään melko paljon QGIS:siä ja soveltamaan aikaisemmin oppimiamme taitoja. Vaikka osa tehtävistä tuntui erittäin haastavilta, sisältyi tuntiin onnistumisen hetkiä, jolloin huomasin ensimmäisen kerran, että: “hei mä osasin ratkaista tän ihan itse.” Toisin sanoen lapsenomaiset uuden oppimisen tunteet olivat vahvasti läsnä.

Parhaiten tällä hetkellä koen hallitsevani QGIS-ohjelman perustoimintojen käytön kuten attribuuttitaulun käytön ja esimerkiksi siinä tiedon muokkaamisen sekä sarakkeiden lisäämisen. Myös attribuuttitaulun tietojen laskeminen ja muokkaaminen laskutoiminnolla sujuu jo verrattain hyvin. Uusien karttaelementtien piirtäminen ja lisääminen sujuu helposti kuten myös teemakarttojen teko ja sen tyylin muuttaminen. Tulosteen tekemisen koen myös helpoksi. Voisinkin sanoa, että kaikkein yksinkertaisimmat tehtävät ovat minulla varsin hyvin hallinnassa, mutta kun eteen tulee todelliset tehtävät, eivät ne enää sujukaan yhtä leppoisasti.

Puskurivyöhykkeiden käytön koen oppineeni melko hyvin tämän viikon tehtävien pohjalta. Sitä voi hyödyntää esimerkiksi etäisyyksien ja lukumäärien laskemisessa. Puskurivyöhykkeellä eli bufferilla voidaan rajata alue ja sen sisälle jääviä tuloksia voidaan tarkastella sen myötä. Esimerkiksi tunnilla tehdyssä tehtävässä tarkastelimme Pornaisissa teiden varsien viereen sijoittuneen asutuksen määrää. Puskurivyöhykkeitä voidaan käyttää esimerkiksi luonnon suojeluun, kun suojellun alueen ympärille rajataan puskurivyöhyke. Kyseisellä alueella ei yleensä ole yhtä tarkkoja säädöksiä kuin luonnonsuojelualueella, mutta jonkinlaisia säädöksiä puskurivyöhykkeellä esiintyy. Puskurivyöhykkeitä on myös mm. joidenkin valtioiden rajojen läheisyydessä. Puskurivyöhykkeitä ja niiden analyysiä voidaan käyttää hyödyksi myös esimerkiksi kaupunkisuunnittelussa ja liiketoiminnassa, kun optimoidaan halutun kohteen sijaintia sen kohderyhmään nähden kuten Iina  blogissaan mainitsi. Taulukko puskurivyöhykeharjoituksista .

Sain tänään myös viimein ladattua QGIS-ohjelman omalle koneelleni ja nyt haastankin itseni (ja kaikki teidät) opettelemaan sen käyttöä kunnolla! Tsemppiä QGIS:n kanssa taistelemiseen!

Lähteet:

Iina Rusanen, Ongelmanratkaisuja ja onnistumisia, https://blogs.helsinki.fi/iinarusa/, luettu 18.2.2019.

Neljäs viikko Geoinformatiikan menetelmät 1 -kurssilla sisälsi ruudukoita, rastereita ja tietysti tietokantaliitoksia. Tunti sujui tuttuun tapaan puuhastellessa ja opetellessamme tuottamaan rasterimuotoista aineistoa kartalle. Teimme ruututeemakartan pohjan Helsingin alueelta, ja sen myötä tuli meidän luoda teemakartta.

Ruututeemakartassani halusin vertailla eri ikäryhmien sijoittumista Helsingin alueella ja niinpä loin teemakartan sekä 25-29 että 80-84-vuotiaiden sijoittumisesta alueella. Kartoista erottuu ensinnäkin, että nuoria on iäkkäämpiä ihmisiä huomattavasti enemmän, kuten olettaa saattaa. Tiheimmissä nuorten asuttamissa ruuduissa on 1610-2447 asukasta, kun taas vanhusten tiheimmissä ruuduissa on 194-300 asukasta. Jo alussa huomasin, että aineistojen vertaileminen olisi ollut huomattavasti helpompaa ja järkevämpää, jos tulokset olisivat prosentteina, eivät absoluuttisina arvoina. Kartasta 1 kuitenkin selviää, että nuoret ovat asuttaneet erittäin tiheästi etenkin keskustan lähialueet mm. Kallion, kun taas vanhuksien “asutuskeskittymiä” löytyy myös Itä-Helsingistä sekä Espoon, Vantaan ja Kauniaisten alueilta (kartta 2).

Syitä nuorten keskusta-asumiselle on monia, mutta opiskelupaikkojen läheisyys, hyvät kulkuyhteydet sekä vilkas ja eläväinen ympäristö ovat hyviä esimerkkejä. Ikäihmisten laajemmalle alueelle levittäytyminen johtuu luultavasti esimerkiksi siitä, että he ovat nuorempina perheellisinä muuttaneet taajamiin ja kaupungin reuna-alueille suurempiin asuntoihin, joihin he ovat jääneet asumaan esimerkiksi lapsien muuttaessa pois. Ikäihmisten asuinaluetoiveisiin saattaa myös kuulua rauhallinen ympäristö ilman kiireistä elämää enemmän kuin hektisessä keskustassa asuville nuorille. Myös esimerkiksi Itä-Helsingin lähiöalueilla asuvat vanhukset ovat luultavasti monet muuttaneet alueelle jo pian sen rakentamisen jälkeen, vuosikymmeniä sitten. 

Kuva 1. 25-29 vuotiaiden sijoittuminen pääkaupunkiseudulla.

Kuva 2. 80-84 vuotiaiden sijoittuminen pääkaupunkiseudulla.

Yllä näkyvien karttojen lisäksi loin harjoituksen kannalta ruudukon Kallion alueelta, jossa ruutukoko on 100m x 100m eli se on huomattavasti suurimittakaavaisempi kuin koko pääkaupunkia kuvaavat kartat. Kuvassa 3 näkyvä Kallion alueen kartta onnistui visuaalisesti suhteellisen hyvin, mutta olin tehnyt jonkin selittämättömän virheen laskiessani asutuksen lukuarvoja ja niinpä karttaa ei voi lukea muuta kuin pääpiirteisesti, sillä vaikka Kallio onkin tiheään asutettua, ei siellä varmastikaan asu neliökilometrin alueella 1 000 052 338 ihmistä…

Onneksi virheistä oppii ja ensikerralla teemakarttoja luodessani muistan varmasti tarkastaa kaksi kertaa aikaansaamani tuloksen ennen kartan lopullista tallentamista. Alla näkyvästä kartasta on kuitenkin nähtävissä nuorten asutuksen sijoittuminen pääpiirteittään, mikä olikin kartan tarkoitus. 

Kuva 3. 25-29 vuotiaden sijoittuminen Kallion alueella. Legendan luvut ovat virheelliset.

Perinteiseen koropleettikarttaan verrattuna ruututeemakartan informaatio on tarkempaa, sillä se antaa tietoa tarkasti jokaiselta ruudulta, mutta sen helppo- ja nopealukuisuus ei ole aina yhtä hyvä. Ruututeemakartalla on hyvä ja varsin selkeä esittää absoluuttisia arvoja etenkin, jos ne vaihtelevat alueella varsin sekalaisesti. Absoluuttinen ruututeemakartta ei kuitenkaan aina ole paras vaihtoehto kuvaamaan alueiden eroja, kuten sain tällä viikolla omakohtaisesti todeta. Ruututeemakartassa on myös muita vaaroja kuten huonon ruutukoon valitseminen kuten Saaga blogissaa kirjoittaa, liian pieni ruutukoko luo valtavan määrän dataa.

Vasta lukiessani Amandan blogia ja hänen puhuessaan kartastaan puuttuvista paikannimistä huomasin, että ne todella olisivat tarpeen myös omissa kartoissani. Kartan lukijalle olisi helpompaa, jos ainakin kuntien nimet olisivat esillä. Suurimittakaavaisessa Kallion kartassa olisi myös hyvä olla näkymissä merkittävimmät paikkojen nimet, sillä tällä hetkellä, jos ei tiedä mitä aluetta kartta kuvaa, on sitä täysin mahdotonta pystyä arvaamaankaan.

Pienistä virheistä huolimatta oli kiva oppia taas täysin uusi toiminto QGIS-ohjelmassa sekä tunnin lopussa talojen ja teiden piirteleminen ei ollut hullumpaa, sillä onhan tässä jo tullut Corelin tapaisia piirto-ohjelmia ikävä. Palataan ensi viikolla seuraavien karttojen ja ongelmien parissa!

 

Lähteet:

Amanda Ojasalo, Ruutuja, https://blogs.helsinki.fi/amandaoj/, luettu 18.2.2019.

Saaga Laapotti, Rastereita ja taikuutta, https://blogs.helsinki.fi/saagalaa/, luettu 18.2.2019.

Kolmannesta kerrasta QGIS:n syövereissä selvitty ja jopa melko kivuttomasti, sekä tunnin harjoitukset, että itsenäisharjoitus ainakin tuntuivat sujuneen hyvin. Tunnilla opettelimme mm. ulkoisen tiedon liittämistä tietokantaan muista ohjelmista ja muutenkin tietokantojen erilaisia yhdistämismahdollisuuksia kyselyiden avulla.

Harjoituskarttana käytimme Afrikan mantereen karttaa ja siihen liitimme tietoa konflikteista, timanttikaivoksista sekä öljykentistä ja näiden sijainneista ja pohdimme hieman niiden korrelaatiota toisiinsa.  Timattikaivosten aloitusvuosista sekä öljykenttien löytämisvuosista voidaan päätellä, milloin alueesta on alettu kiinnostua taloudellisessa mielessä ja mahdollisia timantti- tai öljysuonia on alettu etsiä. Valitettavasti yleistäen voidaan sanoa timantien ja öljynporauksen liittyvän konflikteihin eli toisinsanoen jonkun alueen vauraus lisää myös konflikteja alueella. Konfliktien alkominen ei kuitenkaan ole koskaan yksinkertainen asia ja vaikka niiden ja esimerkiksi öljynporauksen alkamisvuodet jollain alueella täsmäisivätkin eivät konfliktit ole näin yksiselitteisiä. Vilma totesinkin blogissaan osuvasti: “Konflikteihin vaikuttavat usein paikalliset tekijät, kuten luonnonvarat ja etninen sirpaleisuus.  Tuottamalla tarkempaa, avointa paikkatietoa konflikteista voitaisiin vähentää epäjohdonmukaisia päätelmiä konfliktien synnystä ja saada uusia parempia näkökulmia niiden ehkäisyyn.”

Kurssikerran itsenäinen harjoitus käsitteli Suomen valuma-alueita ja tulvaherkkyyttä, sekä laskimme tulvaindeksin, jonka pohjalta teimme tulvaindeksikartan.

Tulvaindeksikarttaan on merkitty valuma-alueiden rajat ja jokaisen alueen tulvaherkkyys. Etenkin tulvaherkkiä alueita on Itämeren rannikolla, alavassa maastossa, kun taas Järvi-Suomessa ei tulvia tavallisesti esiinny. Ilona nosti blogissaan hyvin esiin, että tulvimista tapahtuu myös pienillä valuma-alueilla ja esimerkiksi Järvi-Suomessa järvet tasoittavat tulvimista. Kartasta nouseekin hyvin esiin, että suurilla valuma-alueilla on enemmän vesialaa (järviä). Muita syitä voimakkaaseen tulvimiseen esimerkiksi Pohjanmaalla on alavan maaston lisäksi jokien suuri määrä (joissa ei järviä tasaamassa vedenvaihteluita). Pohjanmaalla joet virtaavat myös idästä länteen eli keväällä lumi sulaa niiden ympäristössä samaan aikaan, joka aiheuttaa valtavien sulavesien nopean päätymisen jokiin. Rannikkoalueiden suuria tulvaindeksejä saattaa selittää mahdolliset merivesitulvat, jotka eivät sisämaassa ole mahdollisia. Pohjanmaan joissa myös etenkin jääpadot ja niiden aiheuttamat tulvat ovat lähes vuosittainen ongelma, jota pyritään välttämään mm. kasaantuneen jään sahauksella tai räjäyttämisellä.

Summa summarum tämä viikko oli sekä aiheiltaan, että tehtäviltään erittäin mieleinen. Pääsemme myöhemmin keväällä toisella kurssilla tarkastelemaan uudestaan tekemiämme tulvaindeksikarttoja, sekä analysoimaan niitä uudestaan, joten sitä ja uusia havaintoja sekä tietysti ensiviikkoa odotellessa!

 

Lähteet:

Vilma Kaukanen, Siellä konflikti missä timanttikaivos. Sattumaako? -Enpä usko, https://blogs.helsinki.fi/vilmakau/, luettu 1.2.2019.

Ilona Tuovinen, Viikko 3 – Ahaa-elämyksiä ja kaatuva QGIS, https://blogs.helsinki.fi/tuoilona/, luettu 1.2.2019.

 

Viikko 2 alkoi GIS:n ihmeellisessä maailmassa varsin tutussa kaavassa ja tutulla vauhdilla, mutta myös varsin hyvillä mielin. Myös toinen luentokerta toi mukanaan monenlaista uutta ja jännittävää tietoa geoinformatiikan maailmasta aivan kuten Julia  kirjoitti blogissaan ensimmäisen kurssi kerran jälkeen. Edellisviikon tapaan  tunnin alussa oli lyhyt alustus, jossa tällä kertaa kuulimme datan eri lähteistä. Lyhenteet WMS, WMTS, WCS ja WFS olivat kaikki minulle täysin uusia, ja en usko olleeni edes kuullut niistä  mainittavan aikaisemmin, mutta nyt minulla on jo hienoinen kuva mitä kyseiset käsitteet tarkoittavat.

Alustuksen jälkeen pääsin taas testaamaan nopeustaitojani yrittäessäni pysyä Artun perässä alkaessamme harjoittelemaan yhdessä QGIS:n eri toimintojen käyttöä. Kokeilimme erilaisia valintatyökaluja, joilla todellakin pystyi yllättävän helposti valitsemaan  erilaisia alueita, joko manuaalisesti hiirtä käyttämällä suoraan kartalta tai kohteiden ominaisuuksien perusteella. Etenkin ominaisuuksien perusteella alueiden rajaaminen oli mielestäni kiinnostavaa ja erilaisten lausekkeiden rakentaminen oli Select By Expression-työkalulla hauskaa ja kiinnostavaa.

Valintatyökaluilla leikkimisen jälkeen perehdyimme eri projektioiden vaikutuksiin kartalla tehtävissä mittauksissa. Vertailimme mm. eri projektioiden antamia tuloksia Suomi Neidon päälaelta rajatusta alueesta, sekä Suomen leveimmän kohdan leveyden vaihteluita eri projektioissa.

Kuten yllä oleva kaavio esittää, vaikuttaa projektio esitettävään tietoon ja siihen kuinka luotettavaa tieto on. Silmiinpistävin havainto on Sphere-Mercatorin pinta-alan suuruus verrattuna muihin pinta-aloihin. Tämän erityisen suuren pinta-alan selittää Mercatorin projektion käyttö, sillä siinä etenkin pohjoiset alueet venyvät suunnattoman suuriksi ja, koska mittaamani pinta-ala on Pohjois-Suomesta, vaikuttaa tämä Mercatorin projektion virhe erityisen paljon juuri kyseiseen alueeseen. Muissa projektioissa on pinta-aloissa huomattavissa pieniä eroja, jotka nekin johtuvat eri tavoista projisoida maanpintaa tasolle. Myös Suomen leveyden mittauksessa on myös huomattavissa eroja, suurin ero ETRS-TM35FIN ja Sphere-Mercatorin välillä. Kaikista edellä mainituista projektioista juuri ETRS-TM35FIN kuvaa kaikkein todenmukaisemmin Suomen pinta-aloja.

Kyseinen tehtävä muistutti minua jälleen siitä, kuinka tarkka ja kriittinen tulee olla vertailtaessa eri alueita esimerkiksi pinta-alan mukaan ja kuinka huolellinen myös minun tulee olla valitessani eri projektioita. Yleensä tiedon esittäjä valitsee itselleen parhaan projektion sen mukaan miten hän haluaa alueen esittää, joko mahdollisimman pienenä tai vaihtoehtoisesti suurena.

Projektioiden vertailutehtävä jatkui, kun pääsimme vertailemaan ja visualisoimaan kartalla eri projektioiden eroja. Laskimme kuinka suuri prosentuaalinen ero eri projektioilla on kuvattaessa Suomea. Itse valitsin vertailtavaksi ensin Lambertin ja ETRS-TM35FIN projektiot ja sen jälkeen Mercatorin ja Robinsonin projektiot. Lambertin ja ETRS-TM35FIN projektioiden vertailusta selvisi, että aivan etelässä projektioiden esittämät alueet ovat hyvin saman suuruisia (-0.5-0.8%), kun taas mitä pohjoisemmaksi mennään sitä suuremminksi niiden väliset erot kasvavat (7.4-8-8%). 

Mercatorin ja Robinsonin projektioiden eroissa on myös havaittavissa eroja, jotka nekin kasvavat mitä pohjoisemmaksi siirrytään. Tässä kartassa minua jäi kuitenkin ihmetyttämään aikaansaamani erittäin suuret prosenttiluvut ja luulenkin, että joudun palaamaan tämän kartan (ja ihastuttavien prosenttilaskujen) pariin vielä uudestaan…

Kaiken kaikkiaan näiden kahden syntyneen kartan välillä on vain varsin vähän eroja, mm. Enontekiön kunta on kartoissa hieman eri arvoinen kuten myös muutama muu kunta. Projektioiden erot olisivat kuitenkin tulleet luultavasti vielä paremmin esille, jos olisin valinnut hieman erilaiset projektiot tarkasteluun.

Viimeisenä ja haastavimpana tehtävänä tutkin pinta-alaan suhteutetun muuttujan vääristymistä ja tähän valitsin helpon muuttujan eli väestöntiheyden. Onnistuin tekemään tietokantaliitoksen, jonka avulla pystyin yhdistämään eri tietokantoja toisiinsa ja loin kartan väestöntiheydestä ETRS-TM35FIN projektioon.

Sain tietokantaliitoksen toimimaan ja kartasta toivon mukaan tarkoituksen mukaisen, jossa väestöntiheys on suhteutettu pinta-alaan. Ainakin siinä korostuvat asutuskeskittymät, mutta myös etenkin pinta-alaltaan pienet kunnat, jotka ovat kuitenkin väkirikkaita. En kuitenkaan saanut karttaa muuttumaan yrittäessäni tehdä uutta tietokantaliitosta eri projektiolla toiseksi kartaksi ohjeiden mukaan ja toivonkin löytäväni vielä tähän ratkaisun kuluvan viikon aikana (toivottavasti jonkun muun blogista!)

Toisen kurssikerran jälkeen toistettuani QGIS:sissä mm. sarakkeiden luomista ja niissä pinta-alojen laskemista useaan (kymmeneen) otteeseen,  olen vakuuttunut latinaisesta sananlaskusta, joka tulee toivonmukaan auttamaan myös GIS:n kanssa kamppaillessani:

Repetitio est mater studiorum, Kertaus on opintojen äiti.

 

Lähteet:

Julia Salmi, QGIS ja sen jälkeiset tunnelmat, https://blogs.helsinki.fi/jhsalmi/, luettu 23.1.2019.

Geoinformatiikan menetelmät 1 -kurssin ensimmäinen tunti oli täynnä uutta tietoa ja tekemistä. Tunnin tärkeimmäksi aiheeksi esiin nousi QGIS, mikä oli minulle, kuten myös suurimmalle osalle ryhmäläisistäni, täysin uusi ohjelma. Viime periodissa minulle tutuksi tullut Corel-piirto-ohjelma auttoi ehkä hieman QGIS:n käytön opettelussa, mutta kaiken kaikkiaan minulla oli varsin avuton olo uuden ja monipuolisen paikkatieto-ohjelmiston kanssa. Tunnilla kävimme kuitenkin läpi QGIS:n käyttöä yhdessä, mikä helpotti huomattavasti ohjelman käytön oppimista sekä paniikkia sen laaja-alaisuudesta ja lukemattomista mahdollisuuksista.

Ensimmäisellä tunnilla loimme kartan Itämerta ympäröivien valtioiden typpipäästöistä Itämereen ja opimme samalla käyttämään perustyökaluja QGIS:ssä. Tehtävän tekeminen sujui helposti ohjeita seuraten ja valmistui suunnilleen ohjeiden mukaan. Myös aiheena Itämeren typpipitoisuus on ajankohtainen ja tärkeä aihe aivan kuten Ida Lehtonen blogissaan totesi.

Haastavammaksi tehtäväksi osoittautui tunnnin jälkeen yrittämäni tehtävä Suomen kunnista, sillä ohjeistus oli erittäin suppea ja minulle jäi osin epäselväksi mitä tehtävässä oli tarkoitus tehdä. Tästä huolimatta halusin haastaa itseni ja yrittää suorittaa kaikki vaikeustasot, mutta lopulta taitoni eivät vielä riittäneet siihen. Vaikeustaso 1 onnistui vielä ongelmitta, samoin kuin vaikeustaso 2:n tietojen etsiminen ja niiden muuttaminen .csv-tiedostoksi. Ongelmaksi minulle nousi tiedoston liittäminen Join-toiminnolla kuntapohjaan. Toinen ongelma oli kuntapohjan rajapinnan löytäminen ja lataaminen, sillä valmiiksi annettu linkki oli vanhentunut samoin kuin Tilastokeskuksen sivuilla olleet linkit samaan aineistoon. Niinpä en pystynyt suorittamaan tehtävää loppuun asti.

Alla on kuva Suomen kuntakartan pohjalta luomastani koropleettikartasta (vaikeustaso 1), joka kuvaa yli 65-vuotiaiden sijoittumista Suomessa vuonna 2015. Kartta kuvaa hyvin iäkkäämpien ikäluokkien voimakasta sijoittumista Itä-Suomeen ja muutenkin harvemmin asutetuille alueille. Prosentuaalisesti vähiten iäkkäitä ihmisiä on suurissa keskuksissa ja niiden ympäristössä. Etenkin pääkaupunkiseudun sekä Tampereen, Oulun, Jyväskylän, Joensuun ja Rovaniemen alueet erottuvat vaaleampina kartalta, mikä tarkoittaa iäkkäiden ihmisten prosentuaalisten osuuksien olevan pieni.  Nämä alueet ovatkin tunnetusti nuorten ja perheiden keskuudessa suosittuja, ja ne ovat yleisesti ottaen muuttovoitto alueita, etenkin nuorten ihmisten muuttaessa näihin keskuksiin parempien työ- ja opiskelumahdollisuuksien perässä, jolloin iäkäs väestö jää harvemmin asutuille alueille. Seurauksena tästä etenkin harvaan asutuilla alueilla huoltosuhde on hyvin epätasainen.

Mielestäni kartta kuvaa hyvin näitä eroja asutuskettymien eli kaupunkien ja harvaan asuttujen alueiden välillä. Samalla kartta on myös helppolukuinen ja jo nopealla silmäyksellä saa aiheesta varsin hyvän käsityksen.

Loppujen lopuksi opin kuitenkin QGIS:n perus toimintalogiikan ja sen perustoiminnot ja uskallan täst edes lähteä kokeilemaan sen eri toimintoja ja haastamaan itseäni ohjelmiston kanssa. Minun tulee ehdottomasti kehittää kärsivällisyyttäni tehdessäni haastavia tehtäviä ja olla luovuttamatta liian helposti ongelmien ilmetessä. Kaiken kaikkiaan odotan kurssin seuraavia tehtäviä ja haasteita, joita on varmasti luvassa riittämiin, ja aijon kohdata ne (toivottavasti) kärsivällisyydellä ja innolla!

 

Lähteet:

Ida Lehtonen, Blogi 1-QGIS:n käytön harjoittelua,  https://blogs.helsinki.fi/lida/, luettu 16.1.2019.