Viikko 7 – Yhdysvallat

Viimeinen kerta aloitettiin ennen tuntia valmisteluilla. Tarkoituksena oli ladata ja koota omasta aiheesta kartta tai karttakokoelma. Tehtävä kuulosti haastavalta, ja sitä se tosiaan olikin.

Valitsin alueekseni Yhdysvallat ja sen osavaltiot. Tilastotiedon löytäminen osavaltioiden osalta osoittautui erittäin haastavaksi tehtäväksi, vaikka hallinnolliset rajat, tiet ja urbaanit alueet oli melko helppo saada QGis-ohjelmaan. Niin kuin Elina omassa blogissaan tuskasteli, kunnon aineiston löytäminen Yhdysvalloista oli vaikeaa. Pyörittelin useampaa eri sivustoa ja aineistoa tuloksetta, mutta loppujen lopuksi yksi aihe avautui järkevästi koko valtiota kattavana tilastona; Aktiiviset kaivokset ja mineraalien käsittelylaitokset (Active Mines and Mineral Processing Plants in the United States in 2003).

Metallit

Päädyin kokoamaan aiheesta karttasarjan (Kuvat 1-4) eri kaivannaisten perusteella. Aineisto sisälsi paljon kohteita, joista rajasin tutkimuksen kohteekseni muutamat metallit sekä jalokivet, ja niiden sijoittumisen Yhdysvalloissa. Kuitenkaan tärkeimpinä kaivannaisina Yhdysvalloissa ei ole metallit, vaan kärkisijalla ovat teolliset mineraalit. Metallit ovat tuotannoltaan pienin kaivannaisryhmä, niin kuin taulukosta voidaan havaita (Taulukko 1.).

Taulukko 1. Kaivostoiminnan tuotanto Yhdysvalloissa vuonna 2014. (Mineral commodity summaries 2016)

Kaivostoiminnan tuotanto (miljoona dollaria) 2014
– Metallit 31,200
– Teolliset mineraalit 49,600
– Hiili 35,700

Ensimmäisellä kartalla (Kuva 1.) kuitenkin päädyin esittämään viisi eri metallia: kupari, alumiini, kulta, rauta ja sinkki. Niin kuin kartalta voidaan huomata, Yhdysvaltojen metallikaivokset eivät ole keskittyneet voimakkaasti tiettyyn paikkaan, vaan kaivostoimintaa esiintyy laajalti koko Yhdysvalloissa. Kuitenkin poikkeavana alueena on Texasista Pohjois-Dakotaan kulkeva alue, jossa kaivostoimintaa ei metallien osalta ole juurikaan. Metallikaivokset ovat suhteellisen kaukana urbaaneista alueista, vaikka ne sijaitsevat suurimpien valtateiden varsilla. Niinpä niiden saavutettavuus on lopulta kuitenkin hyvä. Yleisesti tarkasteltaessa metalliteollisuus työllistää Yhdysvalloissa yli 310 000 henkilöä (Mineral commodity summaries 2016).

Kuva 1. Yhdysvaltojen aktiiviset kaivokset ja mineraalien käsittelylaitokset metalleista vuodelta 2003.

Karttasarjassa tarkastelin tarkemmin kahden metallin, kullan (Kuva 2.) sekä kuparin (Kuva 3.), sijoittumista maantieteellisesti Yhdysvalloissa. Molempien metallien sijainnit ovat selkeästi keskityneet tietyille alueille Yhdysvalloissa.

Kullan kaivosteollisuus on keskittynyt eritoten Nevadan osavaltioon, jossa sijaitsee esimerkiksi merkittävä kultakaivos Cortez Gold Mine. Alueen kultakaivokset kuuluvat maailman suurimpiin kullantuottajiin. Nevadan kultakaivokset sijoittuvat valtatie 50 (U.S. Route 50) ympärille, joka parantaa kaivannaisten kuljetusta alueelta. Nevadan lisäksi kullantuotanto on merkittävää Alaskan, Coloradon sekä Etelä-Dakotan osavaltioissa.

Kuva 2. Kultakaivokset Yhdysvalloissa vuodelta 2003.

Kupariteollisuus on voimakkaammin keskittynyt Yhdysvaltojen länsiosan eteläpuolelle, muun muassa Arizonan, New Mexicon sekä Utahin osavaltioihin. Merkittäviä kuparikaivoksia ovat esimerkiksi Bingham Canyon Mine (Utah) sekä the Chino Mine (New Mexico). Yhdysvaltojen kuparintuotanto on globaalisti merkittävää, vaikka suurimpia kuparintuottaja valtioita ovatkin muun muassa Chile sekä Kiina.

Kuva 3. Kuparikaivokset Yhdysvalloissa vuodelta 2003.

Jalokivet

Viimeisenä karttana (Kuva 4.) karttakokoelmassani olen esittänyt jalokivikaivosten sijainnit Yhdysvalloissa. Jalokivikaivokset ovat selkeästi painottuneet Yhdysvaltojen länsipuolelle muutamaa poikkeusta lukuunottamatta. Yhdysvalloissa jalokivikaivannaisia tuottaa pääasiassa 13 osavaltiota, joista esimerkiksi Arizona ja North Carolina ovat merkittävimpiä (Geology.com)

Kuva 4. Jalokivikaivokset Yhdysvalloissa vuodelta 2003.

Visuaalisesti karttasarjani on mielestäni onnistunut, vaikka tietyissä yksityiskohdissa olisi vielä parannettavaa. Esimerkiksi valtaväylien ja osavaltioiden sävyero ei mielestäni ole riittävä. Lisäksi Alaska olisi ollut hyvä rajata kartalle myös, erityisesti mikäli siellä sijaitsee tarkasteltavia kohteita. Kuitenkin yleisesti karttojeni yleisilme on yhtenäinen ja ainakin omaa silmää miellyttävä. Kurssikerrasta jäi loppujen lopuksi tosi hyvä mieli, sillä kovan työn ja kaivamisen jälkeen kartoista tuli kuin tulikin suhteellisen onnistunut kokonaisuus.

LÄHTEET

Data.gov. Active Mines and Mineral Processing Plants in the United States in 2003. https://catalog.data.gov/dataset/active-mines-and-mineral-processing-plants-in-the-united-states-in-2003

Geology.com, Gemstone Mining in the United States. Luettu 10.3.2019. https://geology.com/gemstones/states/

Huhtinen, Elina. Geoinformatiikan menetelmät 1, Viikko 7 – viimeinen tehtävä. Luettu 10.3.2019. https://blogs.helsinki.fi/huhelina/

U.S. Department of the Interior & U.S. Geological survay, Mineral commodity summaries 2016. https://minerals.usgs.gov/minerals/pubs/mcs/2016/mcs2016.pdf

 

Viikko 6 – Hasardit

Kuudes kerta lähti käyntiin mukavasti sateessa kävellen ja keräten aineistoa Epicollect5-sovelluksen avulla. Tavoitteena oli kerätä aineistoa Kumpulan alueen kaupunkitilasta, muun muassa viihtyvyyden ja turvallisuuden näkökulmasta. Vaikka päivän harmaan sateinen sää ei parantanut alueen viihtyisyyttä, saatiin ryhmän kanssa kasaan oikein kiva kokonaisuus.

Aineiston kanssa harjoiteltiin myös interpolointia. Kerätyn aineiston perusteella interpoloitiin Kumpulan alueella annettujen vastausten hajautumista. Esimerkiksi tarkastelun kohteeksi valikoitui turvallisuuden kokeminen tietyissä paikoissa. Amelia julkaisi blogissaan hyvin samanlaisen kartan kuin oma tuotokseni, joka ei tällä kertaa päätynyt julkaistavaksi blogissani. Kuitenkin, turvallisuuden tunne kasvaa Kumpulassa asutuksen lähellä, mutta suurimpien teiden varsilla koettu turvallisuus on heikompaa, kuten Amelia blogissaan mainitsi.

Harjoituksen jälkeen aiheena oli koota eri hasardeista karttoja. Itse päädyin tekemään maailmankartalla kuvattuna maanjäristykset, tulivuoret sekä meteoriittilöydökset. Karttojen teossa en hyödyntänyt interpolointia, sillä niin kuin Katja omassa blogissaan mainitsi, pistekarttana esitys tuntuu mielekkäämmältä.

Maanjäristykset

Kartalla (Kuva 1.) on esitetty maanjäristyksien sijainnit yli 6 sekä yli 8 magnitudin perusteella vuosilta 1950-2019. Tavoitteenani oli havainnollistaa yleisimmät alueet, missä maanjäristyksiä tapahtuu sekä korostaa erityisen voimakkaiden maanjäristysalueiden sijaintia. Pienet keltaiset pisteet mukailevat litosfäärilaattojen saumakohtia. Esimerkiksi Aasian puoleisella Tyynellämerellä sijaitseva Indonesianlaatta näkyy selkeästi maanjärisys kohtien ympäröimänä. Oranssit kolmiot puolestaan havainnollistavat yli 8 magnitudin maanjäristyksiä, joita esiintyy pääasiassa tietyillä alueilla, kuten Etelä-Amerikan länsirannikolla.

Kartta on suhteellisen helppolukuinen, vaikka oranssien kolmioiden koko olisi voinut olla suurempi ja väri erottuvampi. Lisäksi pienet keltaiset pisteet näkyvät heikommin kuivemmilla alueilla, jolloin karttaa lukiessa on tarkasteltava kohteita yksityiskohtaisesti. Tämänkin ongelman olisi voinut välttää värin muuttamisella. Kuitenkin merialueilla keltaiset pisteet erottuvat taustastaan haluamallani tavalla. Lisäksi legendassa yli 6 magnitudin maanjäristyksen piste muistuttaa kärpäsen kakkaa pienen kokonsa vuoksi. Legendan muuttamiseen en keksinyt muuta ratkaisua kuin että legendaa olisi käsitellyt toisessa ohjelmassa (esimerkiksi CorelDraw).

Kuva 1. Maanjäristykset maailmankartalla

Tulivuoret

Toisena hasardina on tulivuoret (Kuva 2.). Hyödynsin yli 6 magnitudin maanjäristyspisteitä myös tulivuorien rinnalla, jotta kartalta voidaan havaita niiden yhteneväisyyksiä. Oranssit kolmiot edustavatkin tällä kartalla tulivuorten purkauksia, jotka ovat tapahtuneet vuonna 1964 tai sen jälkeen. Tulivuoriaineiston liittäminen ohjelmaan onnistui melko vaivatta ja kohteet sijoittuivat kartalle odotetulla tavalla. Kuitenkin yksi silmiinpistävä tekijä kartalla jäi hämmentämään minua; Ruotsiin sijoittunut tulivuori. Nopeasti attribuuttitaulukkoa tarkastelemalla kävikin ilmi, että kyseinen tulivuori “Lakagigar” sijaitsee Islannissa, vaikka sen sijainniksi on annettu Ruotsi. Tämän seurauksena rupesin epäilemään aineiston luotettavuutta, mutta satunnaisten pisteiden sijainteja tutkiessani uskon, että “Ruotsin tulivuori” on vain poikkeus.

Niin kuin maanjäristyskartassa tässäkin visuaalisesti haasteena on erottuvuus. Kuitenkin yleisesti silmäillen kartasta saa helposti informaatiota, vaikka tässäkin pisteiden väriä olisi voinut kokeilla muissa väreissä ja kolmioiden kokoa hiukan suurentaa tai mallia vaihtaa.

Kuva 2. Tulivuoret ja maanjäristysalueet maailmankartalla.

Meteoriittilöydökset

Kolmantena hasardina onkin meteoriittilöydökset (Kuva 3.) maailmankartalla esitettyinä. Päädyin rajaamaan meteoriittiaineiston löydöksien massan mukaan, ja kartalle päätyikin vain suurimmat meteoriittilöydökset, kuten Hoban meteoriitti Namibiasta. Kyseinen meteoriitti onkin toistaiseksi maailman suurin meteoriitti (Info-Namibia).

Jatkoin tässäkin kartassa samalla visuaalisella linjalla tavoitellen yhtenäistä kokonaisuutta. Jos minulla olisi aikaa parannella karttaa, haluaisin nostaa muutaman esimerkin meteoriiteista tietoikkunoiksi kartan rinnalle, jotta meteoriittien sijaintien lisäksi voitaisiin tarkastella itse meteoriittia lyhyesti. Uskon, että se konkretisoisi aihetta.

Kuva 3. Alueelta löydetyt meteoriitit maailmankartalla.

LÄHTEET:

Cardwell, Amelia. Amelian Gis-blogi, Viikko 6: maastossa seikkailua ja luonnonhasardeja. Luettu 24.2.2019. https://blogs.helsinki.fi/amca/

Info-Namibia. Luettu 24.2.2019. https://www.info-namibia.com/activities-and-places-of-interest/otavi/hoba-meteorite

Pulkkinen, Katja. Katjan blogi, Luonnon (ja QGIS:n) armoilla (Kurssikerta 6). Luettu 24.2.2019. https://blogs.helsinki.fi/kzpulkki/

 

Viikko 5 – Ongelman ratkaisua

Viidennellä kerralla tavoitteena oli soveltaa opittuja asioita itsenäisten tehtävien parissa. Uutena toimintona kuitenkin mukana oli bufferointi, jonka käytön perusteet oli mutkaton oppia ja sen soveltaminen käytännössä helppoa. Vaikka itsenäiset tehtävät kuulostivat aluksi uhkaavilta, niiden tekeminen oli itseasiassa todella innostavaa.

QGis:n käyttäminen ja soveltaminen onnistuu jo melko hyvin, vaikka suuri osa sen toiminnoista ovat vielä tuntemattomia. Tärkeimpänä perustana ohjelman käytössä on mielestäni sen perustoimintojen ymmärtäminen, kuten vektori- ja rasteriaineistojen tai csv-tiedostojen tuominen ohjelmaan. Lisäksi toiminnoilla pystytään rajaamaan aineistoa tiettyjä arvoja vastaavaksi, esimerkiksi kohteiden valinnalla ja ominaisuustietojen laskutoimituksien avulla (muun muassa Spatial Query). Niiden sujuva käyttäminen on helpottanut aineistojen käsittelyssä.

Tunnin itsenäistehtävien aineisto koostui muun muassa lentokentistä ja niiden melualueista, juna-asemien ja väestön sijainnista. Aineistojen tarkastelussa hyödynnettiin bufferointia, jonka tarkoituksena on muodostaa tietyn pisteen, alueen tai viivan ympärille vyöhyke. Puskurivyöhykettä pystytäänkin hyödyntämään monipuolisesti. Esimerkiksi asemien läheisyyteen osuvaa väestömäärää voidaan tarkastella hyödyntämällä bufferointia, mikä oli osana tunnin itsenäistehtäviä (Taulukko 1.). Puskurivyöhykkeitä voidaan hyödyntää monessa muussakin, kuten ruokakauppojen optimaalisessa sijoittamisessa saavutettavuuden perusteella tai niin kuin Sini blogissaan mainitsi, bussipysäkkien sijoittamisessa haluamalleen paikalle.

Taulukko 1. Väestön sijoittuminen taajamiin ja asemien läheisyyteen Vantaan alueella.

Kolmannessa tehtävässä yhdistimme voimat Lotan kanssa, sillä selittämättömistä syistä Lotan QGis ei suostunut toimimaan halutulla tavalla. Aiheeksi valikoitui kerrostalojen putkiremontti-indeksin tarkastelu (Kuva 1.). Kartalla on esitetty ruutujen muodossa alueet, joissa sijaitsee 1965 – 1970 vuosina rakennettuja kerrostaloja. Vilma mainitsi blogissaan, että kyseisinä vuosina Helsingissä rakennettiin paljon lähiöitä, kuten Mellunmäki ja Jakomäki.

Kartan visualisointi onnistui melko hyvin ja tummat sävyt parantavat ruutujen erottuvuutta taustastaan. Päädyimme tekemään ruudukon tiedon esittämisessä, vaikka alueittan tehty kartta olisi antanut myös hyvän kuvan putkiremonttikohteista. Kuitenkin ruudukko mahdollistaa sijainnin tarkemman tarkastelun (ruutukoko 500 x 500 m), vaikka visuaalisesti aluekartta saattaisi olla miellyttävämpi lukea.

Loppujen lopuksi kurssikerrasta jäi hyvä fiilis! Tuntuu jo siltä, että kyllä jotain on jäänyt päähän QGis:n toiminnoista ja tavoitteista niiden takana.

Kuva 1. Kerrostalojen putkiremontti-indeksi pääkaupunkiseudulla.

LÄHTEET:

Ahtinen, Sini-Maaria. Sinin gis-blogi, Kurssikerta 5 – Ongelman ratkaisua. Luettu 19.2.2019. https://blogs.helsinki.fi/ahtisini/

Kaukavuori, Vilma. Vilman gis-pohdiskelua, Talojen suuret ikäluokat lähestyvät putkiremontti-ikää. Luettu 21.2.2019. https://blogs.helsinki.fi/vilmakau/

Lehtola, Lotta. Lelotta’s blog. https://blogs.helsinki.fi/lelotta/

Viikko 4 – Ruutuja ja rastereita

Neljännellä kurssikerralla tuli taas paljon uutta tietoa, mutta vanhoja toimintoja käytettiin myös. Lisäksi tutustuimme rasterimuotoisen aineiston käsittelyyn, mikä oli hyvin mielenkiintoista.

Ensimmäiseksi kuitenkin lähdettiin tekemään pisteaineiston perusteella ruututietokantaa 1 kilometrin ruuduilla. Artun ohjeiden avulla kartta saatiin nopeasti kasaan ja kartan teon vaiheet jäivät suurilta osin mieleen. Uutena toimintona käytettiin paikkatietokyselyä (Spatial Query). Toiminnolla saadaan valittua esimerkiksi pisteaineiston kohdalle osuvia ruutuja, jolloin ruututietokanta osuu juuri haluamille alueille. Vanhoja toimintojakin päästiin käyttämään uudella tavalla. Join attributes by location-toiminnolla yhdistettiin pisteiden ominaisuustiedot ja ruudukko, jolloin saatiin kaikkien pisteiden ominaisuustietojen summa niitä rajaavien ruutujen sisälle. Näin tuloksena tuli visuaalisesti selkeä ruututeemakartta.

Itse päädyin tekemään tunnilla ruututeemakartan väestömäärästä pääkaupunkiseudulla (Kuva 1.). Tein väestömäärästä myös 0,5 km x 0,5 km kartan, mutta mielestäni 1 km x 1 km kartta oli parempi ja miellyttävämpi katsoa. Niin kuin Kia Kautonen omassa blogissaan mainitsi, molemmissa ruutukoissa on hyvät puolensa, mutta 1 km ruutukokoa on miellyttävämpi katsoa, etenkin jos aineistoa ei tarvitse tarkastella erittäin tarkasti. Niinpä valitsin ruutukartan esityskooksi 1 km x 1 km, kun aineiston informaatio oli yhtä tarkkaa molemmissa ruutukoissa. Lisäksi valmistin kertauksen vuoksi samanlaisen kartan, mutta aiheeksi valitsin muunkielisten määrän (Kuva 2.). Visuaalisesti toinen kartta on mielestäni helppolukuisempi, sillä kevensin ruudukon reunojen paksuutta.

Kuva 1. Väestömäärä pääkaupunkiseudulla 1 km x 1 km ruututietokanta.
Kuva 2. Muunkielisten määrä pääkaupunkiseudulla 1 km x 1 km ruututietokanta.

Väestömäärä (Kuva 1.) jakautuu pääkaupunkiseudulla selkeästi keskustaan sekä radanvarsiin, mikä on hyvin tyypillistä. Väestön esittäminen absoluuttisesti toimii hyvin, sillä ruutukartassa ruudut ovat samankokoisia, jolloin absoluuttisten arvojen esittäminen on mahdollista. Kuitenkin toisessa kartassani (Kuva 2.) voisi olla järkevämpää esittää muunkielisten määrä suhteutettuna koko väestöön. Tämän Iina Rusanen oli huomannut myös tarkastellessaan ruotsinkielisten määrää pääkaupunkiseudulla “Runsasväkisillä alueilla on suurella todennäköisyydellä absoluuttisesti enemmän ruotsinkielisiä harvaan asuttuihin alueisiin verrattuna, vaikka heidän suhteellinen osuutensa olisi hyvinkin pieni.” Tätä ajatusta pystyisi soveltamaan myös muunkielisten osuuksien esittämisessä kartalla. Kuitenkin karttojani voi tarkastella yhdessä, jolloin muunkielisten määrää voidaan verrata väestön määrään.

Muunkieliset kuitenkin jakautuvat kartalla hiukan eri tavalla verrattuna kuin esimerkiksi koko väestömäärä. Suurin osa muunkielisistä ei asu Helsingin keskustan alueella, vaan painotus näkyy pienemmissä keskuksissa, kuten Itäkeskuksessa ja Vuosaaressa. Tässä ei kuitenkaan voida puhua osuuksista, mutta määrällisesti verrattuna voidaan huomata, että muunkieliset keskittyvät muille alueille kuin keskustaan. Tätä selittää erityisesti maahanmuuttajien määrä. Vieraskielisten ja ulkomaalaistaustaisten sijoittuminen Helsingissä on hyvin samankaltaista. Vielä 1990-luvun alussa vieraskielisiä oli suhteellisesti eniten Eteläisessä suurpiirissä, jossa asui yli neljännes Helsingin vieraskielisistä. 1990-luvun puolivälissä tulomuuton kasvaessa tilanne muuttui ja Itäinen suurpiiri nousi merkittävimmäksi vieraskielisten alueeksi (Ulkomaalaistaustaiset Helsingissä, 18.9.2018). Muunkielisten sijoittumista selittäneekin maahanmuuttajien muuttaminen edullisemmille alueille Helsingissä.

Neljäs kurssikerta ei ainoastaan koostunut ruuduista, vaan pääsimme ensimmäistä kertaa leikkimään rastereiden kanssa QGis-ohjelmassa. Rasteriaineiston perusteella luotiin muun muassa korkeuskäyriä sekä rinnevalovarjostus. Korkeuskäyrät eroavat hiukan Maanmittauslaitoksen peruskarttalehden korkeuskäyristä niin kuin kuvasta voidaan nähdä (Kuva 3.) Vihreät korkeuskäyrät ovat selkeästi tarkemmat ja yksityiskohtaisemmat kuin mustat, jotka edustavat peruskarttalehden korkeuskäyriä. Esimerkiksi kartan vasemmassa alakulmassa sijaitseva vihreä rinkula ei ole merkattu ollenkaan mustissa korkeuskäyrissä. Peruskarttalehdelle kuitenkin sopii hyvin suurpiirteisemmät korkeuskäyrät, sillä sen tarkoituksena on antaa yleiskäsitys alueesta.

Kuva 3. Pornaisten alueen korkeuskäyrät. Vihreä – korkeusmallin perusteella luotu. Musta – Maanmittauslaitoksen peruskarttalehdestä.

LÄHTEET:

Helsingin kaupunki, Ulkomaalaistaustaiset Helsingissä, 18.9.2018. Luettu 11.2.2019. https://ulkomaalaistaustaisethelsingissa.fi/fi/alueellinensijoittuminen

Kautonen, Kia. Geoinformatiikan menetelmät I, Viikko 4. Ruutuja ja rastereita. Luettu 11.2.2019. https://blogs.helsinki.fi/kautkia/

Rusanen, Iina Rusanen. Geoinformatiikan menetelmät 1, Ruututietokantoja ja rastereita. Luettu 11.2.2019. https://blogs.helsinki.fi/iinarusa/

Viikko 3 – Tietokannasta tietotulvaan

Kolmas kurssikerta sisälsi minulle paljon uutta asiaa ja esimerkki tehtävän kanssa edettiin vauhdilla. Vaikka haastetta ja monimutkaisia vaiheita kurssikerralla riitti, uskon, että kurssikerrasta on jäänyt ainakin (toivottavasti) pieni muistijälki.

Kurssikerralla tutkimuksen kohteeksi oli valikoitunut Afrikka ja tietyt ominaisuudet siitä, joita pääsimme pyörittelemään tutussa QGis-ohjelmassa. Tehtävän lomassa tutustuimme erilaisiin toimintoihin, kuten datan liittämistä tietokantaan Excelistä sekä tiedon siirtämistä tietokannasta toiseen. Lisäksi ryhmittelimme kohteita. Se meni minulta osittain ohi, kun QGis päätti, että itsensä sammuttaminen on hyvä idea… Onneksi pääsin nopeasti takaisin mukaan.

Afrikan mantereen kartan rinnalle tarkastelun kohteiksi tuotiin timanttikaivokset, öljykentät ja konfliktit. Tietokantojen ominaisuustietojen ja muun tilastotiedon, kuten internetin käyttäjämäärien, konfliktien ajankohdan sekä timanttilöydösten tarkastelu voi paljastaa ilmiöiden yhteyksiä. Niin kuin Saaga Laapotti omassa blogissaan mainitsee, ominaisuustietoja voidaan hyödyntää monella tavalla, esimerkiksi voidaan tarkastella korrelaatiota eri muuttujien välillä. Korrelaatiota voidaan tarkastella esimerkiksi konfliktien ajankohdan sekä timanttikaivosten löytämisvuoden kanssa. Myös mielenkiintoista tietoa voisi löytää vertaamalla öljykenttien tuottavuusluokittelun ja internetin käyttäjämäärien perusteella, joka voisi antaa osviittaa kuinka paljon öljynporaus vaikuttaa alueen yleiseen kehitykseen.

Seuraavaksi agendana oli tehdä oppimamme perusteella kartta Suomen valuma-alueen tulvaherkkyydestä. Alkuun tehtävä tuntui vaikealta, mutta ohjeiden ja kaverin avulla kartta saatiin kokoon.  Kuitenkin toiminnot kartan taustalla ovat minulle vielä hankalia ja kertaus olisi tarpeen, jotta niiden käyttäminen olisi jatkossa sujuvaa.

Suomen valuma-alueiden kartalla (Kuva 1.) on esitetty tulvaindeksi sekä järvisyysprosentti palkkeina. Kartalta voi nopeasti havaita, että alueilla, joissa järvisyysprosentti on suuri niin tulvaindeksi on matala. Tämä johtunee siitä, että alueilla, joissa järviä on paljon, vesi pääsee varastoitumaan niihin. Puolestaan tulvariskialueilla varastoituminen on vähäistä ja veden virtaama ei ole yhtä suurta maastonmuodoiltaan tasaisilla alueilla. Niin kuin Kirsi Ylinen omassa blogitekstissään hyvin sanoo “Kun siis yhdistetään lumien sulamisvedet ja tasainen maasto, on kasassa täydelliset ainekset tulvimiseen.” Vaikka Suomessa tulvaindeksi on merkittävä tietyillä alueilla, tulvien vaikutusta yhteiskuntaan vähentää erityisesti järvien määrä ja hyvä tulvariskien hallinta (Suomen ympäristökeskus – Suomen tulvariskein ennakoidaan kasvavan tulevaisuudessa, 20.12.2018.)

Kartan tuottamisen jälkeen päästiinkin minulle mielekkääseen ja helppoon työvaiheeseen, eli kartan visuaalisen ilmeen rakentamiseen. Visuaalisesti kartan ilme on mielestäni onnistunut, lukuun ottamatta kartan otsikon kirjoitusvirhettä. Toinen lievästi häiritsevä tekijä kartalla on järvisyysprosenttia edustavien palkkien väri, joka on melko samanlainen kuin tulvaindeksin suurinta luokkaa kuvaava väri. Kartalla tämä värien samanlaisuus ei minua häiritse, mutta legendassa vähän.

Kuva 1. Suomen valuma-alueiden tulvaindeksi ja järvisyysprosentti.

LÄHTEET:

Laapotti, Saaga. Saagan saaga, Kovaa hermojen koettelua. Luettu 30.1.2019. https://blogs.helsinki.fi/saagalaa/

Suomen Ympäristökeskus – Suomen tulvariskien ennakoidaan kasvavan tulevaisuudessa. 20.12.2018. Luettu 31.1.2019. https://www.syke.fi/fi-FI/Ajankohtaista/Suomen_tulvariskien_ennakoidaan_kasvavan(48862)

Ylinen, Kirsi. It’s not so simple, Sinä lähdet ja tulvii Pohjanmaa. Luettu 31.1.2019. https://blogs.helsinki.fi/yxkirsi/

Viikko 2 – Projektiot

Toisella kurssikerralla päästiin takaisin GIS:n pyörteisiin. Alkuun tutustuttiin datan tietolähteisiin ja kerrattiin QGis:n perusteita. Perusteet muistuivat viime kerrasta nopeasti ja päästiinkin ripeästi tunnin aiheeseen; tutkimaan pinta-alojen muutoksia eri projektioissa.

Projektioiden pinta-alaeroja ja pituuseroja tutkittiin QGIS:n mittaustyökalulla ja tulokset kirjasin exceltaulukkoon, josta vertailua oli helppo suorittaa. Pinta-alan mittauskohteeksi valikoitui Suomineidon päälaki, mikä paljasti merkittäviä eroavaisuuksia eri projektioiden välillä. Niin kuin pinta-aloja havainnollistavasta diagrammista (Taulukko 1.) voidaan huomata, Mercatorin projektiossa valitun alueen pinta-ala on suurin ja puolestaan ETRS-TM35FIN projektiossa pinta-ala on pienin. Nestori Grönholm mainitsi omassa blogissaan hyvin, että Mercatorin projektio vääristää erityisesti Pohjois-Lapissa pinta-alaa moninkertaisesti verrattuna ETRS89/TM35FIN-projektioon, jota käytetään yleisesti Suomessa. Vaikka pinta-alojen erot eri projektioissa on jopa itsestään selvää, niiden suurusluokka konkretisoitui vasta nyt tehtävän myötä.

Taulukko 1. Projektioiden pinta-alaerot mitattuna Pohjois-Suomesta.

Seuraavaksi jatkettiin tarkastelemalla Mercatorin projektion pinta-alavääristymää verrattuna Lambertin projektioon. Tuoloksena visualisoitiin koropleettikartta (Kuva 1.), josta selkeästi käy ilmi se, että pohjoisessa pinta-alavääristymä on merkittävästi suurempi. Vaikka pinta-alavääristymä on prosentuaalisesti suurin Pohjois-Suomessa, Etelä-Suomen pinta-alavääristymä on myös todella suuri.

Kuva 1. Mercatorin projektion pinta-ala verrattuna Lambertin projektioon

Mercatorin projektion jälkeen tarkoituksena oli valita toinen projektio ja tehdä samanlainen visualisointi pinta-alavääristymästä. Kartan tekeminen sujui melkein mutkattomasti ennen kuin QGis päätti kaatua useaan otteeseen… Kuitenkin sain viimeinkin luotua Eckert I projektiosta koropleettikartan (Kuva 2.) ja sen visualisointi sujui kuin tanssi, sillä QGis:n kaatumisen seurauksesta kartan teon vaiheet tulivat erittäin tutuiksi.

Eckert I projektion pinta-alan vääristymä kasvaa samalla lailla kuin Mercatorin projektiossakin. Kuitenkin prosentuaalinen ero verrattuna Mercatorin projektioon paljon pienempi. Niin kuin Iida Lehtonen mainitsi omassa blogissaan, Mercatorin projektion pinta-alat ovat yli 700 prosenttia suurempia verrattuna Lambertin projektioon. Kun taas Eckertin projektion suurimmat erot ovat omassa kartassani vain noin 40 prosentin paikkeilla.

Kuva 2. Eckert I projektion pinta-ala verrattuna Lambertin projektioon.

LÄHTEET:

Grönholm, Nestori. Nestori eksyksissä gis-maailmassa, Luku 2. QGIS tuo ikuinen mysteeri. Luettu 29.1.2019. https://blogs.helsinki.fi/nestorig/

Lehtonen, Iida. Geoinformatiikan menetelmät- kurssiblogi, Blogi 2 – QGIS ja karttaprojektiot. Luettu 29.1.2019. https://blogs.helsinki.fi/lida/

Viikko 1 – QGis:n alkeet

Geoinformatiikan menetelmät 1 – kurssin ensimmäisellä kurssikerralla päästiin suoraan paikkatiedon ihmeelliseen maailmaan. Kurssikerta sisälsi muun muassa minulle uuden tuttavuuden QGis-ohjelmiston ja paljon uutta konkreettista tietoa paikkatiedosta ja sen esittämisestä.

Kurssikerralla tutustuttiin paikkatieto-ohjelman QGis:n käyttöön. Tavoitteena harjoituksessa oli luoda ensikontakti paikkatiedon perustoimintoihin ja ohjelman toimintalogiikkaan. Vaikka aluksi uusi ohjelma vaati harjoittelua ja tarkempaa perehtymistä, sen perustoimintojen ymmärtäminen tapahtui melko vaivattomasti. Ohjelman käyttöä helpotti aiemmat kokemukset paikkatiedosta, niin teoriassa kuin käytännössä.

Pääroolissa kurssikerralla oli aloittaa kartan valmistaminen (Kuva 1). Ohjeiden avustuksella kartan visualisointi onnistui helposti ja ohjelman käyttö alkoi tuntua jo luontevalta kurssikerran loppua kohti. Erityisesti kartan värien muokkaaminen ja tärkeiden elementtien, kuten mittakaavan ja selitteen lisääminen sujui harjoituksen jälkeen itsenäisesti ongelmitta. Kuitenkin attribuuttitaulukon muokkaaminen ja siihen omien lisäysten tekeminen vaatii vielä harjoitusta ja tukea ohjeista, vaikka teoriassa se tuntuu jo helpolta.

Kuva 1. Kartta Itämeren alueen valtioiden typpipäästöjen osuuksista.

Valmis kartta onnistui visuaalisesti hyvin, vaikka aivan ensimmäinen luonnos siitä vaatikin muutamia muutoksia ennen kuin lopputulos miellytti omaa silmää. Kuitenkin pientä hienosäätöä kartalle olisi voinut vielä tehdä. Typpipäästöosuuksien vaalein väri sekoittuu melko helposti muuhun, luokittelemattomaan aineestoon. Vaikka sävy ero on huomattavissa, se olisi voinut olla vielä esitettyä selkeämpi. Lisäksi luokkarajat ovat epätasaiset ja suurin vaihteluväli on suurimmassa luokassa (12,1 – 33,7), joka toisin esitettynä voisi antaa tarkempaa informaatiota typpipäästöjen tuottajien tarkemmista osuuksista.

Kartan perusteella voidaan havaita, että suurimpia typpipäästöjen tuottajia ovat Puola ja Ruotsi. Puolan suurta osuutta päästöjen tuottajana voidaan selittää usealla eri tekijällä, esimerkiksi maatalouden ympäristöä kuormittava tuotannolla ja suurella väkiluvulla.  Ruotsin suurta osuutta puolestaan mahdollisesti selittää epäonnistunut päästöpolitiikka. Muita huomattavia seikkoja kartalla on esimerkiksi Saksan suhteellisen pieni osuus typpipäästöjen tuottajana. Iina Rusanen mainitsi omassa blogissaan selittäväksi tekijäksi sen, että suurin osa Saksasta sijaitsee Itämeren valuma-alueen ulkopuolella, jolloin typpipäästöt kohdistuvat Itämeren sijasta Atlantin valtamerelle.

Lisäharjoituksena pääsin tekemään koropleettikartan Suomen kunnista (Kuva 2). Tarkemman tarkastelun kohteeksi valikoitui työttömyys ja sen jakautuminen kuntien välillä. Työttömyys selkeästi painottuu Suomen itä- ja pohjoisosiin, joista väestö muuttaa erityisesti Etelä-Suomeen, mutta myös muualle Suomeen eri kasvukeskittymiin. Tämä johtaa työmarkkinoiden pienenemiseen, kun työnantajat siirtyvät väestön mukana paremmille työmarkkina-alueille.

Kuva 2. Työttömyys Suomessa kunnissa 2015.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

LÄHTEET

Rusanen, Iina. Geoinformatiikan menetelmät 1, QGIS tutuksi. Luettu 18.1.2019. https://blogs.helsinki.fi/iinarusa/