iirishui’s blog

Kurssin viimeisen viikon tehtävään oli kolme vaihtoehtoa. Valitsin ensimmäisen vaihtoehdon, jossa tehdään kartta itse valitsemasta aiheesta (kuva 1). Valitsin aluejaokseni postinumeroalueet pääkaupunkiseudulla ja sen läheisyydessä. Luokittelin postinumeroalueet asuntojen keski-pinta-alojen mukaan. Aineistona minulla oli tässä vaiheessa Tilastokeskuksen Paavo-tietokannan tilastot postinumeroalueittain ja sen rakennukset ja asuminen –alaotsikon tilasto Asuntojen keskipinta-ala vuodelta 2021. Siirsin tiedot QGIS-palveluun WFS-rajapinnan avulla.  

 

Tämän jälkeen huomasin, että pienet asunnot vaikuttavat seuraavan junaraiteita. Päätin siis yrittää laittaa karttaani tiedon alueen rautateistä. Pienen googlettelun jälkeen löysin Väyläviraston WMS-rajapintatietokannan ja sitä kautta liitin rautatiet kartalle. Lopuksi lisäsin vielä legendan, mittakaavan ja pohjoisnuolen. Olisin halunnut lisätä legendaan rautateiden merkin, mutta jostain syystä se ei toiminut.  

 

Mielestäni on kiinnostavaa huomata, kuinka vahvasti rautatiet vaikuttavat asuntojen kokoihin ja oletettavasti myös hintoihin. Eteläisessä Helsingissä näkyy myös metron vaikutus itä-länsisuunnassa. Asemien ympärille kehittyy asutuskeskuksia, kuten esimerkiksi Pasilassa ja Tikkurilassa. Asuntojen pienet koot ratojen varsilla jatkuvat myös esimerkiksi Keravan suuntaan. 

 

Viimeiselle kurssikerralle en valitettavasti päässyt bussilakon takia, joten kartan tekeminen oli toisinaan hieman turhauttavaa. Huomaan kuitenkin kehittyneeni paljon tämän kurssin aikana, sillä en olisi kurssin alussa voinut mitenkään uskoa pystyväni tekemään karttaa täysin itsenäisesti. Voin siis täysin yhtyä Saini Lankisen kokemuksiin siitä, että alussa kartan teko hieman takkusi, mutta lopussa tuntui jo paljon helpommalta. Nämä tunteet liittyvät itselläni sekä tämän viikon karttaan että koko kurssiin. Kiitos opettavaisesta kurssista!

 

Kuva 1. Junaradat ja asuntojen keskipinta-ala neliömetreinä postinumeroalueittain pääkaupunkiseudulla ja sen läheisyydessä.

 

Lähteet:  

Lankinen, Saini: Harjoitus 7 ja itsenäistä työskentelyä, 3.3.2023 (https://blogs.helsinki.fi/sainilan/) 

Tilastokeskuksen Paavo-tietokannan Asuntojen keskipinta-ala (2021) (https://www.stat.fi/org/avoindata/paikkatietoaineistot/paavo.html, WFS-rajapinta: https://geo.stat.fi/geoserver/postialue/wfs ) 

Väylävirasto: Avoin WMS (https://vayla.fi/vaylista/aineistot/avoindata/rajapinnat, WMS-rajapinta: https://avoinapi.vaylapilvi.fi/vaylatiedot/ows?service=wms&request=getCapabilities ) 

Hei taas! 

Kuudennella viikolla aiheena olivat erityisesti pistemuotoiset aineistot. Tunnilla käytettiin EpiCollect-sovellusta oman pistemuotoisen datan keräämiseen, mutta olin silloin kipeänä, joten en päässyt osallistumaan tunnille. Olen kuitenkin käyttänyt sovellusta lukiossa, ja silloin sen käyttäminen tuntui helpolta.  

 

Tunnin varsinaisena itsenäistehtävänä oli tuottaa kolme karttaa hasardeista. Valitsin aiheekseni maanjäristykset, ja päätin tehdä kartat 6, 7 ja 8 magnitudin maanjäristyksistä 2010-luvulla. Koska kartat oli tarkoitus tehdä opetuskäyttöön, ajattelin, että tämä olisi hyvä tapa osoittaa oppilaille eri magnitudien yleisyys. Päätin tehdä järistystä kuvaavista pisteistä punaiset, sillä ne on helppo erottaa. Punainen nähdään yleensä dramaattisena värinä, joten ajattelin sen kiinnittävän oppilaiden huomion paremmin kuin muut värit. Maanjäristykset ovat myös usein dramaattisia tapahtumia, joten en ajatellut värivalinnan olevan asian ylidramatisointia. Muutin myös pisteiden kokoa eri kartoissa. Koska yli kahdeksan magnitudin järistyksiä oli vain neljä, auttavat isommat pisteet näkemään niiden sijainnit nopeasti ja helposti. Kuuden magnitudin maanjäristyksiä oli puolestaan 546, joten niissä pienemmät pisteet auttoivat siinä, että maanjäristykset eivät täysin peity toistensa alle.  

 

Kartoista huomaa helposti magnitudien yleisyyden erot ja maanjäristysten sijainnit. Yli kahdeksan magnitudin maanjäristykset ovat selvästi hyvin harvinaisia. Kyseiset järistykset tapahtuivat vuosina 2010, 2011 ja 2012. Vuoden 2012 maanjäristykset Intian valtamerellä tapahtuivat vain parin tunnin välein. Yli 7:n järistyksiä tapahtui selkeästi enemmän, mutta silti vain 62 vuosikymmenessä. Kyseisten järistysten kohdalla alkaa selkeästi erottua Tyynenmeren tulirenkaan alue. Yli 6:n järistyksiä oli tosiaan yli 500 ja ne levisivät ympäri maapallon. 

 

Kuva 1. Yli 8 magnitudin maanjäristykset 2010-luvulla.

 

Kuva 2. Yli 7 magnitudin maanjäristykset 2010-luvulla.

 

Kuva 3. Yli 6 magnitudin maanjäristykset 2010-luvulla.

 

Koska maanjäristyksiä esiintyy eniten litosfäärilaattojen saumakohdissa, ajattelin, että näihin karttoihin liittyen oppilaille voisi opettaa myös litosfäärilaattojen sijainneista. Tätä varten löysin netistä aiheeseen liittyvän kuvan:https://earthhow.com/7-major-tectonic-plates/

 

 

Lähteet:

Northern California Earthquake Data Center: https://ncedc.org/anss/catalog-search.html

Earth How –sivusto: https://earthhow.com/7-major-tectonic-plates/

 

Hei! 

Kurssin viidennellä viikolla pohdimme buffereita. Kurssi on mennyt yllättävän nopeasti, vaikka etenkin alussa mikään ei tuntunut onnistuvan. Viimeisten parin viikon aikana itsevarmuus on hiljalleen kasvanut ja koen osaavani ainakin muutamia GQIS:n perustyökaluja, vaikka en vielä sen faniksi tunnustaudu. Kaikki tietokoneisiin ja tietotekniikkaan liittyvä on tuntunut minusta aina hyvin hankalalta ja geoinformatiikka on vielä jäänyt itselle oudoimmaksi alaksi mantsan opinnoissa, joten yhdistelmä ei sinänsä ole kovin suotuisa. Kurssi on ehdottomasti koetellut kärsivällisyyttäni etenkin nyt, kun periodin loppua kohden jaksaminen on koetuksella. Onneksi esimerkiksi buffereista tuli mielenkiintoisia lopputuotoksia ja koen oppineeni ainakin jotain niiden tekemisestä.  

 

Ensimmäisessä tehtävässä aiheena olivat lentokentät ja niiden melualueet. Käsittelyssä olivat Malmin ja Helsinki-Vantaan lentokentät. Tehtävän toisessa osassa puolestaan tutkittiin juna- ja metroasemia ja niiden läheisyydessä asuvia ihmisiä. Taulukosta 1 löytyy tehtävän vastauksia. 

Taulukko 1. Vastauksia tehtävään 1.

 

Aika ja voimat eivät tällä kertaa riittäneet useampaan tehtävään, mutta ehkä jaksan myöhemmin täydentää tätä postausta. Kokeilin kyllä tehdä muitakin tehtäviä, mutta en saanut niitä tehtyä loppuun asti. Kuten Heli Tuomi toteaa omassa blogissaan, turhautumisen hetkiä on paljon näitä tehtäviä tehdessä. Kyllä tämä silti tästä, enää kaksi postausta jäljellä! 

 

 

 

Lähteet:  

Tuomi, Heli: Helin blogi, kurssikerta & harjoitus 5. (https://blogs.helsinki.fi/tuomihel/ ) 

Tämän viikon aiheena olivat piste- ja ruutuaineistot, joiden pohjalta teimme rasterikarttoja. Ensimmäistä kertaa ikinä QGIS:n käytössä tuntui olevan edes pieni järjen hiven. Kotona karttoja tehdessäni jouduin kuitenkin myös kamppailemaan, mutta lopulta olin aloittanut kartan tekemisen alusta niin monta kertaa, että osasin tehdä sen ilman ohjeita. Aluksi en saanut Join Attributes by Location –toimintoa toimimaan. Yritin asentaa MMQGIS-lisäosan ja sain sen toimimaan, kunnes pyysin sitä laskemaan haluamani tiedot. Läppärini yritti ratkoa laskutoimitusta yli kaksi tuntia, kunnes lopulta ohjelma kaatui. Olin karsinut ruudukkoa ohjeiden mukaan, mutta aineisto taisi silti olla liian iso. Lopulta sain Join Attributes by Location -työkalun toiminaan ja kartan tehtyä (kuva 1). Innostuin ohjelman toimimisesta niin paljon, että halusin yrittää tehdä toisenkin kartan (kuva 2). Käytin siinä 250×250 metrin kokoisia ruutuja, mikä hidastutti ohjelman toimintaa huomattavasti. En osannut säätää ruutujen viivojen paksuutta, joten kartasta tuli melko epäselvän näköinen.  

Kuva 1. Yli 85-vuotiaiden määrä per neliökilometri pääkaupunkiseudulla. 

Kuva 2. Ruotsinkielisten määrä pääkaupunkiseudulla 250×250 metrin ruuduissa.  

 

Ensimmäinen kartta esittää yli 85-vuotiaden jakautumista pääkaupunkiseudulla. Kartasta huomataan, että he ovat painottuneet erityisesti eteläisiin ja itäisiin osiin. Kantakaupungissa asuvat vanhukset ovat todennäköisesti ostaneet asuntonsa jo vuosikymmeniä sitten hintatason ollessa alhaisempi ja ovat jääneet samaan asuntoon asumaan. Itäisemmän pääkaupunkiseudun vanhuksien määrä puolestaan selittyy mahdollisesti alemmalla hintatasolla. Monet vanhukset ovat taloudellisesti tiukoilla pienten eläkkeiden vuoksi, joten he asuvat esimerkiksi itäisessä Helsingissä. Kartasta voi myös huomata jotain samaa Helsingin palvelutalojen sijoittumisen kanssa (kuva 3), sillä osa yli 85-vuotiaista ei pysty enää asumaan omassa kodissaan.  

 

Kuva 2 puolestaan esittää ruotsinkielisten sijoittumista pääkaupunkiseudulla. Kartasta huomataan, että ruotsinkielisiä on lähes joka puolella pääkaupunkiseutua. Luoteisosissa ei kuitenkaan ole lähes lainkaan ruotsinkielisiä. Kartan luettavuus ei kuitenkaan ole kovin hyvä, sillä ruutujen viivat ovat aivan liian paksut. Oli silti mielestäni mielenkiintoista kokeilla erilaisia ruutukokoja.

Kuva 3. Kuvakaappaus Google Maps -palvelusta: Helsingin palvelutalojen sijoittuminen. 

 

Koska ruututeemakartoissa ruutujen koot ovat keskenään yhtä suuret, voi niissä esittää absoluuttisia lukuarvoja. Usein on silti hyödyllistä käyttää osuuksia informaation esittämisessä, sillä kuten Aida Palmgren toteaa blogissaan, asukastiheys vaikuttaa myös kartalla esitetyn ryhmän esiintymiseen. Hän käyttää esimerkkinä Etelä-Helsingin suuren asukastiheyden vaikutusta kartalla. Tämän voi huomata myös omista kartoistani: eteläisessä Helsingissä vaikuttaa olevan paljon sekä yli 85-vuotiaita että ruotsinkielisiä. Prosenttiluvut auttaisivat selvittämään, onko asia todellisuudessa näin vai johtuuko tämä vain alueen suuresta asukastiheydestä.  

 

Lähteet: 

Palmgren, Aida: Olen GIS-tietoinen, Neljäs kurssikerta https://blogs.helsinki.fi/aidapalgeo/ (luettu 15.2.2023) 

Hei,  

Tämän viikon harjoituksessa keskityttiin esimerkiksi ulkoisen tiedon liittämiseen QGIS-ohjelmassa, tietokantojen yhdistämiseen sekä tuttuun tapaan teemakarttojen tekoon. Tunnilla tehdyssä harjoituksessa tehtiin kartta öljyesiintymistä, timanttikaivoksista ja konflikteista Afrikassa (kuva 1). Kartasta voidaan huomata, että konflikteja on melko lailla ympäri Afrikkaa, mutta ne keskittyvät erityisesti Keski-Afrikkaan. Timanttikaivoksia on erityisesti Keski- ja Etelä-Afrikassa, öljyesiintymiä puolestaan Pohjois-Afrikassa.  Voidaan päätellä, että sekä timanttikaivokset että öljyesiintymät aiheuttavat mahdollisesti konflikteja.  

 

Tietokantaan on tallennettu tietoa myös muista muuttujista, kuten internetin käyttäjistä vuosittain ja konfliktien tapahtumavuosista. Voisi esimerkiksi siis tutkia sitä, vaikuttaako internetin käyttäjien määrä konfliktien määrään positiivisesti tai negatiivisesti.  

Kuva 1. Öljyesiintymät, timanttikaivokset ja konfliktit Afrikassa vuoteen 2012 mennessä. 

 

Kotona tehtävä harjoitus oli tällä viikolla tulvaindeksikartta (kuva 2). Koin sen tekemisen melko haastavana, sillä edelleenkään mikään GQIS:n käyttöön liittyvä ei ole minulle intuitiivista. Sain kuitenkin ainakin jonkinlaisen kartan aikaiseksi, joten olen tyytyväinen. Mielestäni kartta on melko selkeä, sillä luokkajako on yksinkertainen ja ulkoasu yhtenäinen. Poistin aineistossa olleet joet ja järvet näkyvistä, sillä mielestäni ne tekivät kartasta hyvin sekavan ja liian täyden.  

 

Väritetyt alueet esittävät valuma-alueita ja niiden suuruuksia. Pylväät puolestaan kertovat alueen järvisyysprosentin suuruuden. Näiden kahden esittäminen samalla kartalla käy järkeen, sillä esimerkiksi ympäristö.fi -sivustolla sanotaan: “Järvisyysprosentti tarkoittaa valuma-alueella sijaitsevien järvien pinta-alan suhdetta (%) valuma-alueen pinta-alaan.” Kartasta huomataan, että mitä tummemman sininen alue on, sitä matalampi sen järvisyysprosenttia kuvaava pylväs on. Järvet tasoittavat esimerkiksi jokien tulvia, sillä ne pystyvät varastoimaan ylimääräistä vettä. Tulvaindeksi on erityisen suuri rannikkoalueilla, erityisesti Pohjanmaalla. Tyyne Turunen kirjoittaa blogissaan osuvasti: “Pohjanmaan maasto on laakeaa ja rannikolla sateet runsaampia. Tulvia aiheutuu erityisesti keväisin lumien sulaessa ja jäiden muodostaessa patoja, jolloin vesi nousee nopeasti.” Myös Lapin tulvaindeksi on selitettävissä suuren lumimäärän sulamisella.  

Kuva 2. Tulvaindeksi ja järvisyysprosentti. 

 

Lähteet: 

Ympäristö.fi -sivuston tulvasanasto: https://www.ymparisto.fi/fi-fi/vesi/tulviin_varautuminen/tulvasanasto (luettu 8.2.2023) 

Turunen, Tyyne: Ttyyne’s blog “3. Harjoituskerta 1.2.2023” (https://blogs.helsinki.fi/ttyyne/2023/02/01/3-harjoituskerta-1-2-2023/ ) (luettu 8.2.2023) 

Hei taas! 

Toisen viikon hommat liittyivät erityisesti tietokantoihin ja projektioihin, mutta sisälsivät myös esimerkiksi visualisoinnin harjoittelua. Lämmittelytehtävänä oppitunnilla teimme Suomen maakunta- ja kuntajakoon perustuvan kartan, jossa valitsimme Kainuun ja Pirkanmaan maakuntiin kuuluvat kunnat aineistosta ja teimme tästä kartan (kuva 1). Oman karttani värit ovat melko kamalat, sillä tietokone valitsi ne automaattisesti ja en oppitunnin kiireessä ehtinyt vaihtaa niitä. Toinen ongelma on punaisen ja vihreän käyttö samalla kartalla, sillä se voi aiheuttaa ongelmia puna-vihervärisokeille. Tämän lisäksi kartasta puuttuu legenda, mittakaava ja pohjoisnuoli. Kartan tekemisen tarkoituksena oli kuitenkin oppia valintatyökalujen käyttöä. Olen vielä hyvin aloittelija QGIS:n käytössä, joten on hyödyllistä ja opettavaista harjoitella työkalujen käyttöä. Mielestäni valintatyökalujen käyttö oli melko helppoa. 

Kuva 1. Kainuu ja Pirkanmaa esitettynä Suomen kartalla. 

 

Seuraavassa tehtävässä pohdittiin projektioiden eroja mittauksia tehdessä. Kartalle piirrettiin mittaustyökalun avulla itä-länsi-suuntainen viiva Lappiin ja vaihdettiin projektiota viivan pysyessä samana. Täten työkalun ilmoittama viivan pituus muuttui. Saaduista tuloksista tehtiin taulukko (kuva 2). Excelissä laskettiin vielä projektioiden prosentuaaliset erot suhteessa Suomen kartalle sopivaan ETRS89/TM35FIN-projektioon. Huomataan, että kaikki vertailun kohteena olleet projektiot esittivät etäisyyden pidempänä kuin Suomea hyvin kuvaava projektio. Pienin ero oli World Mollweide –projektiossa (2,6 %) ja suurin Mercatorissa (182,9 %). Erojen suuruus yllätti minut. Vaikka tiesin, että erityisesti Mercator on hyvin ongelmallinen projektio napojen läheisyydessä, oli ero valtavan suuri. ETRS-TM35-projektion 152 km oli Mercatorin mukaan 430 km.  

 

Taulukosta voidaan hyvin huomata, että valittu projektio vaikuttaa tehtyyn karttaan huomattavasti. Tietenkään yksikään projektio ei ole täysin oikea, sillä kolmiulotteista maapalloa on mahdotonta siirtää kaksiulotteiselle tasolle virheettömästi. Kartantekijän pitää olla huolellinen valitessaan projektiota ja miettiä oman karttansa tarkoitusta. Eri projektiot voivat esittää saman asian hyvin eri tavoin, ja huonosti valittu projektio voi vaikuttaa kartanlukijan ajatuksiin epätodella tavalla. Suomen tapauksessa vääristymät saavat kartan pinta-alat esiintymään liioiteltuna usein etenkin pohjoisemmaksi mentäessä. Kartalla esitetyn tiedon oletetaan lähtökohtaisesti olevan totta ja esitettävä tieto pitää pyrkiä näyttämään mahdollisimman neutraalissa valossa harhakäsitysten välttämiseksi, joten valitulla projektiolla on suuri merkitys kartan luotettavuuden kannalta. Ihmiset usein luottavat karttoihin (vaikka aina ei välttämättä kannattaisi), joten kartan tekijällä on suuri vastuu. Toisinaan kartoilla myös valehdellaan tarkoituksellisesti esimerkiksi poliittisten tavoitteiden vahvistamiseksi. 

Kuva 2. Taulukko eri projektioiden eroista etäisyyden mittauksessa verrattuna ETRS-TM35FIN-projektioon.  

 

Seuraavassa tehtävässä oli tarkoitus tutkia projektion pinta-alavääristymiä Suomen kuntien välillä. Valitsin projektiokseni Mercatorin (kuva 3). Jaoin Suomen seitsemään luokkaan. Kartasta voi huomata niin vääristymien kuin niiden suuruuserojenkin olevan suuria. Esimerkiksi Sarlotta Laakkonen toteaa omassa blogissaan Mercatorin projektion pinta-alavääristymien olevan Suomessa nelinkertaisesta kahdeksankertaisia. Erot kasvavat pohjoiseen päin mentäessä. Tämä johtuu siitä, että Mercatorin projektiossa lieriö osuu Päiväntasaajalle, ja mitä kauemmas siitä mennään, sitä enemmän pinta-alat vääristyvät. Kartan saisi näyttämään dramaattisemmalta esimerkiksi hyödyntämällä enemmän punaisen sävyjä. Suurempi määrä luokkia tekisi kartasta tarkemman. Yleensä kartoissa ei kannata käyttää kovin montaa eri luokkaa, mutta tässä kartassa värit eroavat toisistaan hyvin ja eri luokat ovat ryhmittyneet selkeästi omiin osioihinsa itä-länsi-suunnassa, joten jopa suurempi määrä luokkia olisi ollut mahdollinen.

Kuva 3. Mercatorin projektion aiheuttamat vääristymät. 

 

 

Lähteet: 

Laakkonen, Sarlotta: “Toinen kurssikerta: projektiot” Sarlotta Laakkonen –kurssiblogi: https://blogs.helsinki.fi/sarlotla/ , 27.1.2023 (luettu 2.2.2023) 

Geoinformatiikan menetelmät -kurssin ensimmäisellä viikolla tutustuimme QGIS-ohjelmaan. Se on minulle hyvin uusi työkalu, joten sen käyttö on vielä melko hidasta ja kömpelöä. Ensimmäisen kurssikerran suurin oppi olikin saavuttaa edes jonkinlaiset alkeet ohjelman käytössä. Uskon ohjelman tulevan kovaan käyttöön niin tällä kurssilla kuin myöhemmissäkin opinnoissa sekä mahdollisesti jopa työelämässä.

 

Kuva 1. Kartta typen päästöjen prosenttiosuuksista HELCOM-valtioissa.

Kuvan 1 kartan teimme oppitunnin aikana. Se esittää HELCOM-maiden typpipäästöjen määrää Itämereen. HELCOM on organisaatio, joka toimii tieteen ja politiikan yhdistäjänä Itämereen liittyvissä asioissa. HELCOM tulee sanoista Helsinki Convention. Organisaation jäseniä ovat EU, Suomi, Ruotsi, Tanska, Saksa, Puola, Viro, Latvia, Liettua ja Venäjä (helcom.fi). Kartan perusteella typpipäästöjen suurimpia lähtömaita ovat Puola, Venäjä, Ruotsi ja Latvia. Erityisesti Viron päästöt vaikuttavat pieniltä.

Kartasta ei tullut täysin sellainen kuin olisin toivonut, mutta ajattelin, että on oppimisen kannalta hyödyllistä huomata oma kehittyminen kurssin aikana. Esimerkiksi järvien ja meren syvyyskäyrien määrä ja tiheys tekevät kartasta melko sekavan ja vaikeasti luettavan. Punainen väri tekee kartasta dramaattisen oloisen. Parannettavaa siis löytyy, mutta toisaalta kyseessä on ensimmäinen vastaava karttani.

 

Kuva 2. Kartta ruotsinkielisen asukkaiden prosenttiosuuksista Suomen kunnissa vuonna 2015.

Viikon toinen kartta tehtiin kotona. Valitsin karttani aiheeksi ruotsinkielisten asukkaiden osuuden kunnittain. Kartasta huomaa heti, että suurimmassa osassa Suomea ei ole kovin paljoa ruotsinkielisiä. Sinistä väriä esiintyy oikeastaan vain maan etelä- ja länsirannikolla sekä Ahvenanmaalla. Erityisesti Vaasan seudulla ja Ahvenanmaalla suuri osa asukkaista on ruotsinkielisiä. Ruotsinkieliset ovat siis keskittyneet suurelta osalta samoille alueille. Tämä on tietenkin ymmärrettävää, sillä esimerkiksi lapsille ei löydy ruotsinkielisiä kouluja joka paikasta ja monet myös toivovat samankaltaista yhteisöä ympärilleen, jotta kielitaito säilyy luontevana osana arkea.

 

Iina Kiikeri on omassa blogissaan tarkastellut samaa aineistoa. Hän kuitenkin on tehnyt hyvin erilaiset luokkajaot kuin mihin itse päädyin, mikä on johtanut siihen, että kartalla on paljon enemmän väritettyjä kuntia. Kyseessä on tietenkin näkemysero, eli kumpikaan kartta ei ole varsinaisesti oikein tai väärin, etenkin kun kyseessä on pelkkä harjoitus. Eri käyttötarkoituksiin tarvitaan erilaisia asioita korostavia karttoja. Erilaisten luokkajakojen vuoksi Kiikerin kartassa erityisesti viimeinen luokka on hyvin suuri. Kuten Kiikeri kirjoittaa: “Ruotsinkielisten osuus jakautuu tasaisemmin ympäri Suomea, eikä keskitetysti esimerkiksi länsi- rannikolle. Kumminkin, tulee kartanlukijan kiinnittää huomiota viimeiseen luokkaan, jossa jako 1,2- 92,4%. Kunta voi kuulua kartalla viimeiseen luokkaan, oli ruotsinkielisiä kunnassa 2% tai 90% ja molemmat näyttäytyvät kartassa tummansinisinä.”

 

Toinen karttani on mielestäni onnistuneempi kuin ensimmäiseni. Kunnat ovat tietysti melko pieniä, joten niiden erottaminen toisistaan on joissain kohdissa haastavaa. Muuten kartta on mielestäni selkeä. Minulla oli kuitenkin pieniä vaikeuksia sen tekemisessä, sillä en osaa käyttää QGIS-ohjelmaa vielä kovin hyvin. Onneksi löysin netistä videon, jota soveltamalla sain kartan tehtyä.

 

Lähteet:

https://helcom.fi/  (luettu 26.1.2023)

Video-ohje koropleettikarttaan  (katsottu 25.1.2023)

https://blogs.helsinki.fi/iinakiik/  (luettu 26.1.2023)

 

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