Month: February 2022

Kartta 1: Ruotsinkielisten asukkaiden suhteellinen osuus pääkaupunkiseudulla

Laatimani kartta kuvaa ruotsinkielisten asukkaiden suhteellista osuutta 1km x 1km ruuduittain pääkaupunkiseudulla. Päädyin suhteellisten osuuksien esittämiseen absoluuttisen määrien sijaan, sillä alueen huomattavan asukastiiviyden vaihtelun vuoksi en kokenut absoluuttisen lukujen olevan kovin hyödyllistä informaatiota yhtään mistään. Suhteellisia osuuksia kuvaava kartta osoittaa, että ruotsinkielisen väestön jakautumisessa alueella on merkittävää alueellista vaihtelua ja viitteitä klusteroitumisesta, joskaan alueen luonnetta ja historiaa tuntemattomalle tarkastelijalle siitä ei suoraan ole juuri tulkittavissa tämän ilmiön syitä. Aluetta tunteva tarkastelija voisi kartasta huomata esimerkiksi merkkejä ruotsinkielisen väestön osuuden ja asuinalueen neliöhintojen välisestä korrelaatiosta. Toisaalta ruotsinkielisten selkeästi korkeampi osuus koko Espoon alueella sekä idässä Sipoosta Helsinkiin liittetyllä Östersundomin alueella viittavaat siihen että taustalla on jotakin muutakin kuin pelkät neliöhinnat: kartasta lienee nähtävissä myös paljon pitkäaikaisempi Uudenmaan asutushistorian vaikutus.

Ruutukartta on mielstäni lähtökohtaisesti hyvä formaatti varsin tarkan alueellisen tiedon esittämiseen, joskin verrattuna aiemmin tarkasteltuihin karttatyyppeihin sen kanssa voi olla vaikeampaa esittää tulosten tulkintaa tukevia muita aineistoja/karttakerroksia ja varsinkin tällaisen lisäinformaation kanssa sen nätti visualisointi voi olla haastavaa. En ole erityisen tyytyväinen oman karttani visuaalisuuteen: tällaisenaan yksittäisten ruutujen tarkka paikallistaminen pk-seudulla on monin paikoin haastavaa, mutta toisaalta esimerkiksi kaupunginosarajojen piirtäminen ruutuaineiston päälle olisi tehnyt siitä merkittävästi sotkuisemman. Taustakartat eivät ole kovin hyvän näköiset, mutta ilman niitä ruutuaineiston paikkallistamisesta olisi tullut vielä huomattavasti vaikeampaa. Näkisinkin että ruutukartta asettaa hyödyllisyydestään huolimatta rajoitteita siihen miten paljon ja minkälaista muuta materiaalia sen kanssa on mahdollista esittää.

Kolmannella opetuskerralla harjoiteltiin tietokantaliitoksia sekä erilaisia aineiston aggregointitekniikoita kiinnostavien Afrikan konflikteihin sekä luonnonvaroihin (öljy ja timantit) liittyvillä aineistoilla. Erityisen kiinnostavaa voisi olla jatkaa analyysiä vertailemalla konfliktien ajallista jakaumaa suhteessa eri resurssien löytymisajankohtiin. Tämä voitaisiin esimerkiksi toteuttaa suodattamalla konfliktiaineisto maakohtaisesti niin, että timantti- ja öljyresurssien löytymistä edeltävät konfliktit poistetaan kokonaan, ja sen jälkeen erotellaan toisistaan resurssien löytymisen jälkeen, mutta ennen niiden ekstraktoinnin aloittamista käynnistyneet ja vasta sen jälkeen käynnistyneet konfilktit (öljy- ja timanttiesiintymät edelleen erotellen, jotta voidaan vertailla näiden eri resurssien merkitystä ja ajallisia ulottuvuuksia). Tällainen aineisto visualisoimalla voitaisiin nähdä, onko konfilktien syttymiselle merkittävämpää pelkkä tieto arvokkaiden resurssien esiintymistä maaperässä vai vasta niiden ekstraktoinnin ympärille kehittyvä liiketoiminta ja infrastruktuuri. Toisaalta jollain tapaa voisi olla tarpeen kuitenkin myös vertailla näitä lukuja resurssiesiintymien löytöä edeltäneiden konfliktien määrään, jotta voitaisiin päätellä ovatko resurssit todella lisänneet niiden määrä. Kiintoisaa olisi myös tarkastella nähdäänkö korrelaatiota timanttikaivosten ja öljykenttien laajuuden ja tuottavuuden sekä konfliktien laajuuden välillä.

 

____________________________________________________________________________________

 

Kartta 1: Tulvaindeksit (MHQ/MQ) sekä järvisyysprosentit Suomen suurimmilla valuma-alueilla

Kartasta nähdään, että Suomessa valuma-alueen tulvaherkkyyden ja järvisyysprosentin välillä näyttäisi vallitsevan negatiivinen korrelaatio. Matalimmat tulvaindeksit (1,3-3,9) löytyvät pääasiassa Keski-Suomen suurilta valuma-alueilta, joilla myös järvisyysprosentit ovat selkeästi suurimmat (yli 10%). Lisäksi myös rannikkoalueiden pienemmillä valuma-alueilla matalimmat tulvaindeksit ovat korkeimman järvisyysprosentin alueilla, eli pelkästään valuma-alueiden pinta-ala tuskin selittää tulvaindeksin vaihtelua. Toisaalta Pohjois-Suomessa sijaitsee alaltaan suuria mutta melko vähäjärvisiä valuma-alueita, joiden tulva-indeksit jäävät suhteellisen mataliksi. Korkeimmat tulva-indeksit löytyvät hyvin pienialaisilta valuma-alueilta, mutta näistä useimmat ovat myös täysin järvettömiä. Valuma-alueen pinta-alan ja järvisyyden välillä tietysti myös vallitsee luonnollinen yhteys: hyvin pienille valuma-alueille järviä ei yksinkertaisesti juuri mahdu. Kartasta päätellen tulvaindeksiin vaikuttavat sekä järvisyysprosentti, että valuma-alueen koko.

 

Taulukko 1: Vertailu Qgis:ssä mitatusta pinta-alasta ja etäisyydestä eri projektioilla ja mittaustekniikoilla

Aloitettiin tunti vertailemalla projektion vaikutusta “saman” alueen tai pituuden saamiin arvoihin projektiosta (sekä valitusta “karteesiolaisesta” tai “ellipsoidisesta” mittaustekniikasta) riippuen. Tämä nopea testikin riittää osoittamaan, että projektion ymmärtäminen ja oikea valinta on aivan kriittistä onnistuneelle GIS-analyysilä. Karteesiolaisella tasolla mitattuna niin pinta-alat kuin pituudekin vääristyivät huomattavasti kaikilla valituilla projektioilla verrattuna Suomen kattavien karttaesitysten tekoon suunniteltuun ETRS TM-35FIN projektioon. Toisaalta Qgis:n tarjoama työkalu käyttää mittauksissa ellipsoidia ottaa karttaprojektioiden vääristymät huomioon, ja sillä mitattuna kaksi kolmesta projektiosta sai ETRS TM-35:n kanssa identtiset arvot. Hieman vääristymää aiheutti silti Sphere Miller Cylindrical -projektio, jossa projektiota maan pallomaisen pinnan suhteen ilmeisesti tehdään jollain hieman muista käytetyistä projektioista poikkeavalla tavalla.

Kakkostehtävää varten laadin alla näkyvät kolme projektiokuvausta, mutta tätä blogitekstiä aloittaessa tajusin laskeneeni niissä vääristymät täysin päin honkia, teen uudet laskelmat huomenna ja täydennän harjoituksen niiltä osin.

Kuva 1: Mercatorin projektion pinta-ala-vääristymä

Kuva 2: Sphere Miller Cylindrical -projektion pinta-ala-vääristymä

Kuva 3: Winkell II -projektion pinta-ala-vääristymä

Kuvista 1-3 nähdään, että kaikki kolme tarkasteluun valittua projektiota aiheuttavat Suomen pinta-alaan merkittävän vääristymän verrattuna alueen tarkasteluun optimoituun ETRS-TM35(FIN)-projektioon. Kaikilla kolmella projektiolla vääristymän gradientti on saman tyyppinen, Mercatorilla ja Sphere Miller Cylindricalilla ainakin näillä luokituksilla kuvattuna etelä-pohjois-suunnassa jyrkkenevän vääritsymän gradientti on lähes identtinen, ja Winkell II:lla hieman näitä jyrkempi. Winkell II:n kohdalla itse tapahtuva vääristymän on muita projektiota selkeästi pienempi, vain n. 1,25-kertaisesta 1,4- kertaiseen, mikä on sekin tietysti aivan liikaa mihinkään analyyttisiin tarkoituksiin. Varsinkin korkeilla leveysasteilla pahamaineisen vääristynyt Mercatorin projektio kuitenkin vääristi pinta-aloja Suomessa hulppeat 3,95-kertaisesta etelässä aina yli 8-kertaiseen pohjoisessa. Sphere Miller Cylindricalin vääristymä osui näiden kahden väliin 2,95-kertaisesta 5,09-kertaiseen.

Saman suuntainen gradientista voi päätellä, että kaikkien projektioiden taustalla vaikuttavat hyvin samankaltaiset matemaattiset periaatteet, Mercatorin ja Millerin projektioiden kohdalla lähes identtiset. Itse asiassa Miller Cylindrical, jonka variaatio Sphere Miller Cylindical on, paljastui Mercatorin modifikaatioksi, joka pyrkii korjaamaan sen äärimmäisiä korkeiden leveysasteiden vääristymiä, mutta jolla on pohjimmiltaan samat ongelmat. Winkell II on yhdistelmäprojektio, jolla nähtävästi päästää kohtalaisen hillittyihin pinta-alavääristymiin, vaikka sekään ei oikeapintainen projektio olekaan.