Month: February 2023

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)