MAA-202 Tatu

Alkuun ja kurssikerralla

Kurssikerta alkoi mukavasti, sillä olin edellisestä kerrasta oppinut, että kannattaa lukea tehtävien ohjeita etukäteen, jotta pystyy ymmärtämään ja mahdollisesti toimimaan omatoimisesti muita edellä, jotta saa parhaan oppimiskokemuksen oivallusten kautta. Riskinä viime kurssikerroilta on ollut liika riippuvaisuus luennoitsijasta, jolloin hypätessä itse ohjaksiin on joutunut lukemaan ohjeet huolella uudestaan.

Tarkastelimme Helsingin seudun asukastiheyttä tekemällä erittäin helposti tulkittavan ja suoraviivaisen kartan (Kuva 1). Lukemalla ohjeet etukäteen, opin vihdoin join toiminnon kunnolla. Myös select by features -toiminto vaikuttaa erittäin kätevältä. Sitä tullaan varmasti käyttämään myös uudestaan.

Tehtävät

Blogia varten tein samaan tyyliin ruututeemakartan, jolla halusin tutkia Helsingin seudun alueiden rakennusten rakennusvuosia. Kokeilin kahta vaihtoehtoa: sellaista, jossa ruutukoko oli 2 neliökilometriä, sekä kuvan 2 kartta, jossa ruutukoko on 1 neliökilometri. Jälkeen päin ajatellen, olisin voinut tehdä kolmannen kartan, jossa ruutukoko olisi vielä pienempi, jotta erottelu kartalla olisi vielä selkeämpi. Olen karttaani ja sen luettavuuteen kuitenkin tyytyväinen, sillä valitsemani aineiston muuttuja olisi ollut joka tapauksessa sekava visualisoida. Lisäksi tuntuu, että kartta kartalta kehityn!

 

Tekemästäni kartasta ilmenee, kuinka tummemmat värit edustavat vanhempien rakennusten alueita, kun taas vaaleammat ovat tuoreemmin rakennettuja. Etelä-Helsingin alueet, kuten Ullanlinna ja Kruununhaka ovat selkeästi tummempia, vuosina 1800–1847 rakennettuja. Yksittäiset ruudut, joissa kaikkein vanhimmat rakennukset ilmenevät, vaikuttaisivat olevan Laajasalossa, sekä kartan koillisosassa, Vantaalla.

Keskustan vanhojen rakennusten alueita reunustaa uudempien alueiden vyöhyke, kunnes kauemmas keskustassa tulee vanhempien rakennusten keskittymiä. Syy tähän voisi johtua esimerkiksi siitä, että kaupungit tai kaupunginosat ovat kasvaneet yhteen, jolloin niiden välissä on kaikista uusimmat alueet.

Muutoin vaaleat alueet sijaitsevat alueen laitamilla, kuten esimerkiksi Itä-Helsingin ja Vantaan rannikoilla, jonne on rakennettu kokonaisia kaupunginosia kerralla. Helsingin keskustan läheisyydestä erottuu valkoisena Kalasataman uudisrakennusalue.

Kun karttaa katsoo hieman kauempaa, voi huomata koillis-luode-suuntaisen uusien rakennusten viivan, kun taas luoteesta kaakkoon kulkee vanhojen rakennusten viiva.

 

Tarkastelin vaihtoehtoja, joissa luokkia olisi enemmän, jotta alueelliset eroavaisuudet erottuisivat tarkemmin, mutta tulin siihen päätökseen, että liian moni luokka olisi tehnyt valmiiksi jo sekavasta kartasta sekavamman.

Mielestäni informatiivisuuden lisäämiseksi lukijalle karttaan tulisi lisätä vähintään alueiden nimet, jotta ruutujen alta pystyy hahmottamaan, missä päin Helsingin seutua liikutaan. Lisäksi ruudut olisivat voineet olla pienempiä, ja värivalinta ehkäpä sellainen, joka vaihtuu yhdestä väristä toiseen, siten että valkoinen on välissä, sillä nyt tuntuu, että vihreät sekoittuvat helposti toisiinsa, jolloin legendaa on vaikea lukea.

Ruututeemakartalla on mielestäni hyväksyttävää esittää absoluuttisia arvoja, mutta toki muutkin, kuin absoluuttiset arvot kelpaavat. Ruututeemakartta ei kuitenkaan mielestäni ole kovinkaan visuaalisesti loistava tapa ilmaista mitään tietoa. Kiia Korpisen blogissa käydään syitäkin hyvin läpi: “Toisaalta esimerkiksi asutuskeskittymän todellista sijaintia ei pystytä näkemään, koska ilmiötä joudutaan yleistämään koko ruudulle. Jos taas ruudut ovat liian tarkkoja ja kuvaavat pienempää aluetta, kartan luettavuus heikkenee.”

Itse käyttäisin ruutukarttaa apuna esimerkiksi dasymetrisen- tai isopleettikartan tekemiseen. Toisaalta se on nopea keino alueiden tarkastelemiseen, joten työvälineenä erittäin kannattava.

 

 

Verrattuna koropleettiteemakarttaan, ruututeemakartta on kovin kankea informatiivisesti, sillä ihminen tykkää usein muodostaa alueita, jotka eivät ole täydellisen neliön muotoisia. Toisaalta jos yhteiskunnan tai ihmisen muodostamat aluerajaukset eivät kiinnosta, tai on muuten vain kiinnostunut tasapaksuista keskiarvoista, ruututeemakartta sopii sinulle! Pisteteemakartat ovat informaatioarvoltaan näistä kolmesta tarkimpia, mutta kuten kävimme aikaisemmalla luennolla läpi, liian tarkka karttapohja on huono asia, ellei se palvele esitettävää asiaa.

Ruututeemakarttaa on näistä kolmesta kartasta helpoiten luettavimpia, mutta kenties epätarkimpia.

 

🙁

Luennolla jäi muista tehtävistä osia kesken kollektiivisen teknisen ongelman takia, joka toivottavasti on ensiviikon kurssikertaan mennessä ratkaistu.

 

Lähteet:

Korpinen, K. (15. 02 2023). Kurssikerta 4. Noudettu osoitteesta GEOINFORMATIIKAN MENETELMÄT 1, 2023: https://blogs.helsinki.fi/kiiakorp/

Terve taas!

Tänään harjoittelimme erilaisia keinoja yhdistää dataa tasojen välillä. Toisaalta täytyy kyllä myöntää, että osa keinoista sekoittui muiden kanssa, mutta ehkä pikkuhiljaa alkaa tuntua siltä – uskokaa tai älkää -, että QGIS-hieroglyfit alkavat käydä jollain tavalla loogisesti järkeen. Taikka sitten ei, mutta dataa päästiin joinaamaan. Prosessing toolbox tuntui erittäin hyvältä välilehdeltä, koska en kyllä jaksa aina tiirustella kaikenmaailman kuvakkeita, jotta löydän haluamani työkalun.

Sen vertaa en kuitenkaan oppinut, että olisin osannut omin neuvoin tehdä vaikeamman vaihtoehdon tehtävän, vaikka kyllä yritin, joten helpomman kautta mentiin.

 

Keinot – ne yhdistämisen

Ensimmäinen keino, jolla yhdistettiin, oli karttakohteita muokkaamalla, jolloin käytimme merge feature by attributes -toimintoa. Tämä oli hyvä keino siinä mielessä, että sillä pystyy monipuolisesti yhdistämään tai suorittamaan laskutoimituksia.

Toinen keino, jota käytettiin, yhdisti kohteita saraketietojen pohjalta, joka soveltuu edellistä paremmin, jos on paljon yhdistettävää. Tämä kuitenkin vaatii kaikista kohteista jonkinlaisen yhteisen tunnuksen tai tekijän, kuten meidän tapauksessamme Afrikan maan. Yhteenlaskut tai muut laskutoimitukset eivät kuitenkaan onnistu. Käytettiin dissolve-työkalua.

Kolmas tapa yhdistää tapahtuu excelin tai muun laskentataulukkosovelluksen tapauksessa. Tärkeää on muokata tiedostot CSV-tiedostoiksi. Delimited-työkalu, jota tässä tapauksessa käytettiin, oli mielestäni kätevä, koska valmiin tuloksen attribuuttitaulukon näki reaaliaikaisesti, jonka pohjalta pystyi korjaamaan virheitä helposti. Huono puoli on se, että excel-taulukossa ei ole koordinaattitietoja, jolloin kohteet täytyy paikantaa kartalle aineistoa avatessa.

Mites sitten tietokantaliitos? Tärkeä huomio, mitä tunnilla en kuullut, on se, että tietokannassa ei saa olla kahdella rivillä samaa arvoa, jos tätä arvoa käytetään liittämään sarakkeita. Tässä mentiin layer properties -valikon kautta join-toimintoon, joka vaikutti ihan järkevältä.

 

Afrikka-tehtävä

No toiminnoista sikseen. Oli tarkoitus pohtia mitä muuta Afrikka-tehtävän tiedoilla voisi tehdä tai päätellä, kuin tiirailla sitä, kuinka paljon timanttikaivokset ja öljykentät vaikuttavat konflikteihin Afrikan eri maissa. Voisin kuvitella, että jos vertaisi kaivosten ja kenttien löytämisvuosien konflikteja itse poraamisten ja kaivausten aloittamisvuosien konflikteihin, konflikteja olisi enemmän löytämisvuosien aikana.

Tämä voisi johtua siitä, että löydettäessä käytäisiin konflikteja kaivosten ja kenttien omistajuudesta. Väittäisin jopa, että olisi mielenkiintoista tutkia ovatko konfliktit laajempia timanttikaivosten vai öljykenttien yhteydessä.

Riippumatta konfliktien laajuuden määritelmästä, voitaisiin tutkia, ovatko konfliktit suurempia alueeltaan tai väkimäärältään kaivosten vai kenttien läheisyydestä, mikä taas kertoisi siitä, kummat nähdään tärkeämpinä. Tuottavuusluokitteluun ja internetkäyttäjien lukumäärään en ainakaan vielä ole keksinyt mitään, mutta ehkäpä joku kanssaopiskelijani blogi antaa ideoita aiheesta.

Palatessani aiheeseen muutama päivä myöhemmin, täytyy todeta, että kannattaa luottaa kurssikavereihin. Kiia Korpinen kirjoittaa blogissaan internetin roolista konfliktien keskellä: “Internetin käyttäjiä voisi olla konfliktialttiissa valtioissa vähemmän suhteessa muihin valtioihin tai internetin käyttö konfliktivuosina vähenee. Timanttikaivosten ja öljykenttien tuottavuuden ja luonnonvaran hyödyntämisen aloittamisen jälkeen internetin käyttäjäkunta on varmasti kasvanut vaurastumisen myötä.” Nämä ovat mielenkiintoisia pointteja, joiden tarkastelemiseen voisi käyttää varmasti pidemmänkin aikaa, mutta siirrytään tehtävissä eteenpäin.

 

Tulvaindeksikartta

Siirrytään aiheessa eteenpäin, eli tulvaindeksikarttaan ja sen salaisuuksiin. Ja salaisuuksiksi niitä voisi kutsua, koska koko homma oli ainakin oppitunnilla kovin hämmentävä. Nyt, kun on lukenut ohjeita vähän enemmän ja tuoreemmilla silmillä, ymmärtää niistä enemmän. Maallikon pohdinta alkakoon.

Kuvassa 1 on Suomen alueen tulvaindeksi, joka on laskettu nimenomaan siten, että otetaan huomioon sekä kuivimmat että tulvaisimmat ajat, jotta saadaan selville, kuinka moninkertainen virtaaman huippu on verrattuna kaikkein kuivimpaan aikaan. Tummemmalla punaisella merkityt alueet kuvastavat suurinta tulvaisuutta, kun taas vaaleammalla merkityillä alueilla tulvaisuus on vähäisempää. Olisin voinut laskea jakauman siten, että virtaaman huipun moninkertaisuus paljastuisi keskivirtaaman suhteen.

Sinisillä palkeilla kuvataan järvisyysprosenttia, joka osin selittää tulvaindeksin tuloksia. Tieteen termipankin mukaan järvisyys ilmaisee järvien pinta-alan osuutta vesistön valuma-alueen pinta-alasta. Järvisyysprosentti vaikuttaisi tekemäni kartan mukaan oleva pienempi tulvaindeksin valuma-alueilla Länsi- ja Etelä-Suomessa, verrattuna Itä-Suomeen, jossa aineiston mukaan tulvaindeksi on pienin. Tämän voisi päätellä johtuvan siitä, että alueilla, joilla valuma-alueet valuvat mereen, on vähemmän järviä, kuin sellaisilla alueilla, joilla vedellä ei ole suoraa kulkureittiä merialueelle, vaan se jää seisomaan ikään kuin mottiin (<– maallikon termi).

Tulvaindeksi on erityisen suuri sellaisilla alueilla, joilla järvisyysprosentti on pienin. Johtuuko tämä siitä, että niillä alueilla ei ole järviä, joihin vesi voisi valua, jolloin ympäristökään ei ole tottunut suureen kosteusmäärään? Tähän liittyen myös älyttömän hieno oivallus Tyyne Turusen blogissa: “Tulvia aiheutuu erityisesti keväisin lumien sulaessa ja jäiden muodostaessa patoja, jolloin vesi nousee nopeasti.”

Loppuun täytyy vielä sanoa, ettei kyllä ole omasta mielestäni nätein kartta, koska palkit tulee vähän valuma-alueiden tielle ja väritkin ehkä hieman kummalliset. Vilma Valto pohtii myös kriittisesti valintojaan blogissaan, mutta olen kuitenkin sitä mieltä, että hänen karttansa on luettavampi, kuin omani. Olisinpa saanut palkit samalla tavalla yhtenäiseksi osaksi karttaani.

Punainen on sinänsä ihan ok kuvaamaan tulvia, koska mukavia ne eivät ole, mutta jos olisi ollut aikaa ja kärsivällisyyttä, sekä oma taso merialueille (värin säätämistä varten), olisi varmasti tullut parempi. Tämmöstä kuitenkin tänään.

Ensi kertaan!

– Tatu

 

Viittaukset:

Korpinen, K. (05. 02 2023). Kurssikerta 3. Noudettu osoitteesta GEOINFORMATIIKAN MENETELMÄT 1, 2023: https://blogs.helsinki.fi/kiiakorp/

Tieteen termipankki. (01. 02 2023). Ympäristötieteet: järvisyys. Noudettu osoitteesta Tieteen termipankki: https://tieteentermipankki.fi/wiki/Ympäristötieteet:järvisyys

Turunen, T. (01. 02 2023). 3. harjoituskerta 1.2.2023. Noudettu osoitteesta TTYYNE’S BLOG: https://blogs.helsinki.fi/ttyyne/2023/02/01/3-harjoituskerta-1-2-2023/

Valto, V. (01. 02 2023). 3. Mikä kartta toi on olevinaan? Noudettu osoitteesta VALTO VS. GEOINFORMATIIKAN MENETELMÄT 1: https://blogs.helsinki.fi/vvalto/2023/02/01/3-mika-kartta-toi-on-olevinaan/

 

Luento

Luennon alku oli mielenkiintoinen. Olen miettinyt joskus aikaisemmin, miten epäkäytännöllistä on, että maantieteilijät joutuvat pitämään listaa parhaista lähteistä. WFS-palvelujen myötä sain tähän vastauksen, sillä ne ratkaisevat kaksi ongelmaa: lähdelistojen kerääminen ja lähdelistojen datan kulutus. Maantieteilijöillä on käytännössä rajaton pääsy aineistoihin ilman, että ne vievät tilaa kovalevyllä, koska aineistot on haettavissa netistä. Kukakohan tämänkin on keksinyt? Mahdollisuudet ovat käytännössä rajattomat.

Mittakaavasta pohdittiin, että epätarkkuus johtaa usein virheisiin, mutta visualisoinnin näkökulmasta usein epätarkempi on helpompi tulkita. Kaikki riippuu siitä, mitä halutaan esittää. Joona Korhonen kirjoittaa blogissaan, että “tarkempaa mittakaavaa on mielekästä käyttää esimerkiksi pistemuotoisen datan havainnollistamiseen.”, kun taas “Yleistetympää mittakaavaa on mielekästä käyttää esimerkiksi koropleettikartoissa, joissa [alueiden] tarkkuudella ei datan visualisoinnin kannalta ole merkitystä.”

Luukas Mickelssonin kanssa pohdittiin yhdessä, että miksi hänen Suomensa oli QGISsin avatessa ihan vääntynyt, ja paljastui, että se johtui koordinaattijärjestelmästä. Jälkikäteen ajateltuna se oli ironinen sattuma, sillä viikon tehtävät käsittelivät itse projektioiden aiheuttamia vääristymiä. Mickelssonin blogissa heijastui mielestäni myös hienosti se, kuinka paikkatieto-ohjelmia kannattaa ihan huvin vuokseen jopa testailla, sillä saattaa oppia jotain uutta: “…luomukset loin huvin vuoksi blogia varten, mutta nyt ajateltuna näiden vertailu selkeyttänee omia käsityksiäni.”

 

Tehtävät

Sitten tehtäviin. Lähdimme liikkeelle mittaamalla projektioiden vaikutuksia mitattuihin pituuksiin (taulukko 1) ja pinta-aloihin (taulukko 2).

Taulukko 1 – Pituuden vaihtelut eri projektioiden välillä 

 

Taulukko 2 – Pinta-alan vaihtelut eri projektioiden välillä

 

Ihmisten pyrkimys mallintaa maapallon kolmiulotteista muotoa kaksiulotteisesti on johtanut erilaisten projektioiden luomiseen. Projektiot vääristävät etäisyyksiä ja siten erityisesti pinta-aloja, siksi niiden vaikutuksia esitettävään tietoon ja sen tiedon luotettavuuteen täytyy arvioida. Esimerkiksi historiallisesti etenkin Yhdysvallat ja Eurooppalaiset länsimaat ovat korostaneet kokoaan ja samalla merkitystään maailmassa käyttämällä projektioita, jotka suurentavat niiden pinta-alojaan verrattuna vaikkapa Afrikkaan (Mercator).

QGISsillä pystyy tarkastelemaan erilaisilla projektioilla mitattuja etäisyyksiä ja pinta-aloja sekä karteesisesti, että ellipsoidisesti. Karteesinen mittaus kulkee kaksiulotteisesti projektion pintaa pitkin ja ellipsoidinen mittaus maapallon pintaa.

Huomasin mitatessani, että pääasiassa mitatessa pituutta, TM35FIN, eli Suomea hyvin vähän vääristävä projektio, ja verrattavan projektion välinen prosentuaalinen erotus, on lähes aina pienempi, kuin mitatessa pinta-alaa. TM35FIN alhainen vääristys voidaan todeta siitä, että karteesisten ja ellipsoidisten mittausten väliset erot ovat marginaalisen pienet verrattuna muihin projektioihin. Ainoa poikkeus pinta-alojen ja etäisyyksien välisissä suhteissa vaikuttaisi olevan Robinsonin projektiossa, mutta täytyy tunnustaa, että mittausvirheiden mahdollisuus oli tämän tehtävän kanssa suurempi, kuin tavallisesti, sillä jostain syystä ohjelmisto ei suostunut toimimaan oikealla tavalla.

Meinasin repiä pelihousuni, kun QGIS kaatui viidennettä kertaa ja samat mitattavat alueet antoivat joka kerta eri tuloksia. Tähän pitää ilmeisesti tottua, joten hyvä saada siitäkin harjoitusta. Alun perin oli tarkoitus myös tarkastella Mercatorin projektiota, joka Kerttu Rinkisen blogin mukaan “kuuluu lieriöprojektiohin ja se on oikeakulmainen projektio.”, mutta kyseinen projektio oli erityisen viheliäinen, ellei jopa syy jatkuvaan kaatuiluun, joten se jäi tällä kertaa välistä. Oli kuitenkin kiinnostava lukea Kiia Korpisen blogia ja selventää itselleni, että “Erityisesti Mercatorin projektiossa pinta-ala muuttuu hyvin paljon verraten tuttuun ja turvalliseen TM35FIN-projektioon.”

Suurimmat prosentuaaliset erot TM35FIN projektioon ilmenivät Pattersonin projektiossa. Syy löytyy siitä, että Pattersonin projektio vääristää vähiten päiväntasaajan alueella, kun taas vääristymäprosentti nousee lähestyttäessä napa-alueita. Introducing the Patterson Cylindrical Projection-artikkelin mukaan, projektio on tunnettu siitä, että sitä käytetään silloin, kun ei tarvitse ilmaista tarkkoja alueita (Patterson T., Bojan S., Bernhard J. 2014).

 

Seuraavaksi lähdin esittämään kartalla käytetyistä koordinaattijärjestelmistä johtuvat alueelliset erot prosentteina ja visualisoin ne luokiteltuna kartalla.

Valitsin luokitteluun Aitoff (kuva 2), Mercator (kuva 3), ja Patterson (kuva 4), koska tein tämän tehtävän tunnilla, ennen tehtävää 1, jonka aikana Mercatorin projektio alkoi temppuilemaan. Onneksi käytössä oli Pattersonin projektio, jossa havaitsin eniten prosentuaalisia muutoksia verrattuna TM35FIN-projektioon aiemmin.

 

 

 

 

Käytin tässä vain viittä eri luokkaa, mutta tässä tapauksessa olisi voinut käyttää useampaa, sillä vääristymien muutokset tapahtuvat prosentuaalisesti järjestyksessä, eli kartta ei olisi ollut sekava, vaan pikemminkin vielä helpommin luettava, sillä se olisi ollut tarkempi.

Värityksen laitoin siten, että punaisella merkitään dramaattisinta eroa ja sinisellä pienintä, koska näin meille näytettiin tunnilla. Ehkäpä jälkeen päin ajateltuna olisi kannattanut muokata värinkäytön gradientin mukaiseksi, jolloin muutos olisi ollut ilmeisempi ja selkeämpi. Virheistä tosin oppii parhaiten.

Itse vääristymäkertoimen luominen kartalle nopeutui joka kerralla, mutta tuntuu yhä, että teen tarpeettomia asioita ja askelia luodessa uutta, koska tasoja vaikuttaisi syntyvän enemmän, kuin ohjeistuksen aikana tehdessä. Toki toistoja täytyy tehdä hetken päästä uudestaan, sillä kuten Turkka Häkkinen blogissaan varoittaa, ohjeet täytyy lukea hyvin tarkkaan uudestaan, jos lähtee tekemään karttoja esimerkiksi viikkoa myöhemmin. Kartan viimeistelyssä minulla ei ole ongelmia, sillä se tuntuu olevan jo lihasmuistissa.

Ensi kertaan! – Tatu

 

Viittaukset:

Häkkinen, T. (24. 01 2023). Kurssin ensimmäinen harjoituskerta. Noudettu osoitteesta TURKKAHA’S BLOG: https://blogs.helsinki.fi/turkkaha/

Korhonen, J. (29. 01 2023). Viikko 2 – Valintoja. Noudettu osoitteesta GIS menetelmät blogi: https://blogs.helsinki.fi/kojoona/

Korpinen, K. (27. 01 2023). Kurssikerta 2. Noudettu osoitteesta GEOINFORMATIIKAN MENETELMÄT 1, 2023: https://blogs.helsinki.fi/kiiakorp/

Mickelsson, L. (27. 01 2023). Viikko 2 Projektiovääristymien vertailua Suomen alueella. Noudettu osoitteesta GEOINFORMATIIKAN MENETELMÄT 1: https://blogs.helsinki.fi/luukasmi/

Patterson, T.;Bernhard, J.;& Bojan, Š. (12 2014). Introducing the Patterson Cylindrical Projection. Noudettu osoitteesta https://www.researchgate.net/publication/277351959_Introducing_the_Patterson_Cylindrical_Projection

Rinkinen, K. (25. 01 2023). 2. harjoituskerta 25.1.2023. Noudettu osoitteesta kerttu’s blog: https://blogs.helsinki.fi/rkerttu/