Miklas's geoblog

Aiheen puolesta pääsimme tällä viikolla mukavampiin. Luonnonkatastrofeja on jotenkin helpompi hahmottaa kartalla, kuin saunojen määrää, sillä saunojen määrällä ja sijainnilla ei ole henkilökohtaisesti minulle paljon merkitystä. Saunoja näen usein, luonnonkatastrofeja en kovinkaan. Hauska ristiriita, tai kenties kausaliteetti. Geoinformatiikan menetelmät 1 on avannut silmiäni kyllä karttojen moninaisuuden ja laadinnan osalta (ja aiheuttanut paljon harmaita hiuksia). Kuitenkin valehtilisin, jos väittäisin öisin herääväni murehtimaan gissiä. Lisäksi valehtilisin, jos väittäisin, ettei se kiinnosta mua ollenkaan.

Vähitellen karttojen tekeminen ja erilaiset analyysit rupeavat hahmottumaan. Käytimme tunnin alussa minulle uutta sovellusta, EpiCollectia. Kävimme pienryhmissä itse asettamassa pisteitä kartalle kampuksen lähimaastossa. Palattuamme luokkaan kaikki latasivat pisteensä yhteiseen projektiin, jolloin saimme csv-tiedoston pistedatan perusteella EpiCollectista. Oikeanlaisen pohjakartan ja projection avulla saimme pisteet sijoitettua kartalle, jolloin pystyimme tarkastelemaan noin 50 pistettä parin kilometrin säteellä. Pisteitä asettaessa piti vastata kysymyksiin muun muassa paikan viihtyvyydestä ja turvallisuudentunteesta, joiden perusteella pystyi tehdä paikkatietoanalyysia QGIS-sovelluksessa.

Toinen tämän viikon teemoista oli tosiaan luonnonkatastrofit ja niitä analysoidaan pisteinä tältä erää. Laadin Yhdysvaltain geologisen tutkimuskeskuksen tietojen perusteella heatmap-kartan vuoden 2019 tapahtuneista maanjäristyksistä (kuva 1). Mietin, millä muilla perusteilla, kuin magnitudilla, niitä jaotellaan esimerkiksi vahingollisiksi tai merkittäväksi. Moniahan järistyksiä kukaan ei tunne, jos on vaikka heikko magnitudi ja maantieteellisesti merkityksettömässä paikassa, kuten Atlantin keskiselänteellä kaukana kaikesta asutuksesta. Eniten, varsinkin magnitudiltaan voimakkaita, järistyksiä esiintyy Tyynenmeren tulirenkaan alueella, suurimmaksi osaksi Koillis-Aasiassa ja Oseaniassa. Yllätyksenä voi jollekin tulla Turkin alue, jossa Euraasian sekä Anatolian laattojen yhdyntäkohta kulkee Turkin halki.

Kuva 2. USGS:n selitys sille, mikä on “merkittävä” maanjäristys.

Löysin USGS:n sivuilta lisätietoa (kuva 2). Maanjäristyksistä mitataan muun muassa kuolemantapausten sekä taloudellisen tappion perusteella (PAGER-alert level), eri paikoissa eri syistä paikallisen kestävyyden mukaan. Lähteen mukaan merkittäviä maanjäristyksiä esiintyi vuonna 2019 globaalisti noin 150.

Tarkastelin muiden tekemiä karttoja ennen, kuin aloin tekemään seuraavia karttoja. Riina Hiltula esitti hyvin selkeästi kartoissaan, kuinka Tulivuorten sijainti ja maanjäristysten esiintyvyys korreloivat hyvin keskenään litosfäärilaattojen saumakohdissa. Sonja Nylund oli löytänyt kiinnostavan kartan, joka näytti, millainen riski on kuolla maanjäristyksen aiheuttamana missäkin. Tarkastelin omaa karttaani (kuva 1) ja totesin, että kuolemanriski on suurimmillaan aika lailla siellä, missä on esiintynyt voimakkaimpia järistyksiä. Toisaalta Kiinan itärannikolla ja Himalajan vuoristossa näkyy Nylundin esittämässä kartassa alueita, jotka ovat todennäköisesti infrasktruktuurin, maantieteen ja heikon valmistautuneisuutensa takia erityisen riskialttiita, vaikkei siellä esiinnykään erityisen paljon voimakkaita järistyksiä. Nylund mainitsi blogissaan myös Balkanin alueen, joka on samoista syistä riskialtis.

Tein sitten myös NASA:n  datan pohjalta kartan, jossa esiintyvät vähintään sadan gramman painoisten meteoriittien putoamispaikat vuosilta 2000-2020 (kuva 3). Arabian niemimaalle osui parituhatta virhepistettä ilmeisesti sen takia, että niiltä puuttui oikeat sijaintitiedot. Muuten osumat näyttävät olevan jakautuneet melko tasaisesti ja satunnaisesti ympäri mantereita lukuunottamatta suuria esiintymiä Pohjois-Afrikassa sekä Yhdysvalloissa. Ihan kiinnostavannäköisen kartan oli löytänyt Elias Hirvikoski samasta aiheesta.

Huomasin tällä viikolla vaihdettuamme pohjakarttaa, että monilta puuttui kartoistaan mittakaava tai se oli virheellinen. Viime viikolla itse unohdin kartoistani pohjoisnuolet. Perusskrubausta siis. Muistakaa perusasiat! Ärsyttää, kun haluaa olla tarkka ja monipuolinen GIS-veleho, mutta perusasiatkin jäävät puolitiehen. Valehtilisin jos väittäisin vihaavani karttoja. Valehtilisin, jos väittäisin, ettei gissi mua pelota.

Miklas Kuoppala

LÄHTEET:

Riina Hiltula, kurssikerta 6, https://blogs.helsinki.fi/hiltular/2020/02/20/aineiston-keruuta-ja-pistetietoa/ (Käytetty 23.2.2020)

Sonja Nylund, kurssikerta 6, https://blogs.helsinki.fi/sonysony/2020/02/19/level-6-aineiston-keraaminen-ja-alueellinen-esiintyminen/ (Käytetty 23.2.2020)

Elias Hirvikoski, kurssikerta 6, https://blogs.helsinki.fi/eliashir/2020/02/20/kuudes/ (Käytetty 23.2.2020)

USGS – Yhdysvaltain geologinen tukimusasema – https://earthquake.usgs.gov/earthquakes/search/ (Käytetty 23.2.2020)

NASA – National Aeronautics and Space Administration – https://data.nasa.gov/Space-Science/Meteorite-Landings/gh4g-9sfh (Käytetty 23.2.2020)

Avatessani QGIS-ohjelman yritän tehdä aina samat asiat: järjestelen avaamani layerit niin, että ne ovat helpoiten ymmärrettävissä päällekäin ja varmistan, että Processin Toolbox -ikkuna on auki ruudun oikeassa laidassa. Sieltä etsin tarvitsemani työkalut. Sitten tarkastelen hieman layerien ominaisuustietoja riippuen siitä, kuinka tuttu layeri on kyseessä. Sen jälkeen pähkäilen, kuinka saisin valittua “Select by attribute” -toiminnolla rakennuksia rakennusvuoden mukaan niin, ettei sitä tarvitsisi tehdä yksi vuosi kerrallaan. Noh, manuaalisesti se onnistui attribuuttitaulusta scrollaillen.

Olen huomannut, että käytän moninkertaisesti enemmän tiettyjä työkaluja, kuin toisia. Jos haluan tehdä uuden layerin, jossa on vain pisteitä tietyn polygonin sisällä, teen sen joka kerta samalla tavalla. Käytän “select by location” ja sitten painan kyseisen pistelayerin Export-painiketta ja tallennen valitut pisteet uuteen layeriin. Vierustoverini näytti tämän yksinkertaisen menetelmän, jonka jälkeen en ole sen ongelman kohdalla enää kärsinyt. Aiemmin tein saman asian jotain tosi outoa reittiä. Tällä hetkellä analyysin laatimisen esteenä on vain se, että olen skrubi.

Toisinaan käy myös niin, että ohjelma on skrubi. Näin käy muun muassa silloin, kun käytän “Join attributes by location” -toimintoa ja ohjelma väittää, että jonkin tietoyksikön geometria on virheellinen. Hauskaa, että sillä on merkitystä, vaikka kyseinen yksikkö ei ole valittuna analyysiin. Ohitan ongelman vaihtamalla asetuksia Preferences-täbistä.. Päivän aikana olen listannut pääkaupunkiseudun sekä Helsingin rakennus- ja asukastietoja taulukkoon, jota päivitän, kun pääsen eteenpäin. Taulukon tietoja on sekä tehtävästä 3 (jossa tarkastelen vuosina 1965-1970 Helsingissä rakennettuja taloja) että alkutehtävästä (jossa tarkastelin Malmin lentokentän lentomelualuetta [Kuva 1]).

Osaamiseni on aika lailla siitä kiinni, kuinka monta kertaa olen tehnyt mitäkin toimintoa. Joskus jokin onnistuu ensimmäisellä yrityksellä, mutta sen takia kyseinen toiminto unohtuu myös nopeasti, ellei ole tosi yksinkertainen. Vaikeaa on minusta muistaa, minkä nimisiä toiminnot ja työkalut ovat. Saatan joskus tietää, mitä minun pitää tehdä, mutten heti löydä tarvittavaa työkalua. Viidenen kurssikerran tehtävät alkoivat olemaan sen verran monimutkaisia itseopetuksen kannalta, ja sattumalta osui muutenkin kiireinen viikko. Täten tuntuu siltä, etten paljon tällä viikolla oppinut. Ehkä yritän lukea muiden blogeista, josko heillä olisi ohjeita tiettyihin kohtiin, joissa jumitan.

Teen tehtävää, jossa pitää kartoittaa vuosina 1965-1970 rakennettuja taloja Helsingissä osa-alueittain. Helppoa oli poistaa muut pk-seudun kaupungit ja eristää omalle tasolle myös tietyt rakennukset. Jumitan siinä, kun pitäisi erotella osa-alueet jotenkin niin, että kartta värjäytyisi niiden osalta aina erikseen rakennusten rakennusvuosien mukaan, eikä kokonaisuudessaan Helsingin sisällä. Yritän siis päätellä jotenkin, miten saisin taiottua kartan kasaan.

Tuntuu siltä, että mikään neljän tunnin aikana tekemämme ei auta minua pääsemään eteenpäin. Liikaa asiaa yhdelle kerralle? Toki saisin yksitellen valittuna osa-alueet värjättyä sen mukaan, kuinka suuri osa minkäkin alueen rakennuksista on rakennettu tiettyyn aikaan, mutta siinä menisi ikä ja terveys. En vain keksi, mitä minun täytyy tehdä. Palaan maitojunalla helppoon uima-allastehtävään, jossa täytyy vain laskea absoluuttisia arvoja (Kuva 2). Olin aiemmin tehnyt taulukon “putkirempparakennuksista”, mutta ilman kontekstia se on aika turha esittää.

Biisiteeman puuttuminen tällä viikolla kertoo siitä, kuinka hajottavaa tämä oli. Pahoittelut lukijoille, toivottavasti pystyn parempaan ensi kerralla!

Miklas Kuoppala

Seuraavalle tasolle päästiin jälleen, nyt neljännellä kurssikerralla. Aiemmin digitoinnin (käytännössä piirtämistä) olemme hoitaneet piirto-ohjelma CorelDrawlla, mutta nyt pääsimme kokeilemaan QGISin piirtotyökaluja. Ne ovat ihan kelpo työvälineitä, mutta piirtotyökalujen osoitin heiluu, kuin viimeistä päivää, joten se on tosi raskaskäyttöinen. Blogipostauksiani toisaalta en tee ikinä hädässä, kuin viimeistä päivää, koska blogini on jo osa minua ja persoonallisuuttani.

Tällä viikolla toisella kurssilla ryhmälläni oli meneillään myös tärkeä seminaarityö, joten minulla oli maanantai-iltana GIS-luokassa vähemmän kärsivällisyyttä, kuin yleensä. Ei hyvä yhdistelmä. Tämän kurssikerran parhaimmistoon pääsee algoritmien laskutoimitus, koska se matelee. Se on hienoa, jos jokin olikin laskuissa väärin, niin pitää se tehdäkin alusta. Kirjoittaessani tätä QGISsini käy läpi tekemäni ruudukon sisällä laskelmia siitä, kuinka suuri osa väkiluvusta on ruotsinkielisiä. Toivon, että laskutoimitukseni on tehty virheettömästi.

Kuva 1. Työmaa QGIS-ohjelmassa. Tässä vaiheessa algoritmi on laskenut jo 20 minuuttia.

Ohjelmaan avaamamme tiedosto sisältää metadataa yli 90 tuhatta yksikköä, joita ohjelma raksuttelee meidän käskiessä. Ensimmäisessä tehtävässä, jossa ruudulle avautuu pk-seudun rajat ja hieman rantaviivaa, pääsemme kokeilemaan muun muassa “Count points in polygon” -toimintoa (kuva 1). Ensin täytyy kuitenkin laatia tasolle ruudukko ja poistaa ruudukosta ruudut, joiden sisällä ei asu ketään. Valitsen Helsingin ja Espoon alueen.

Perusruudukon tekeminen oli helppoa, mutta seuraavat askelet olivat uusia. Ohjeiden mukaan tekemällä sain erinäköisen ruudukon valmiiksi: ruuduista enää näkyi vain ne, joiden sisällä on vakituisia asumuksia. Maanantai-illan aikana käytimme (tietokoneiden fiiliksestä riippuen) 30-60min näiden laskujen odotteluun. Nyt torstai-iltana odotin puoli tuntia, tuloksetta. Eli kestää vielä kauemmin, jos jokin mene väärin. Kuka voisi kellot seisauttaa ja ajan pysäyttää? Yritin tietenkin uudelleen ja tein erilaisen toiminnon seuraavaksi. Katsoin LOTR-trilogian ja palasin tietokoneen ääreen. 81%.

Onneksi voin lukea blogejakin odotellessani. Matti Katajisto ilmaisee ytimekkäästi ruutukartan vahvuuksia: “Ruututeemakartan vahvuus on ilmiöden kuvaaminen suhteellisesta näkökulmasta. Ruutujen erinomainen ominaisuus on, että alueet (ruudut) ovat keskenään yhtä suuria ja säännöllisiä.” Hänen karttansa onkin varsinainen taideteos, jossa näkyy lisäksi kiinnostavaa tietoa omakotitalojen määristä eri Helsingin alueilla. Haluan ottaa esille myös Laura Hynysen 4. kurssikerran blogissa tehdyn kartan, jossa hän esittää pk-seudun rakennusten käyttöönottovuosien keskiarvoa neliökilometreittäin. Lauran kartalla näkee hienosti, kuinka suurin osa Espoosta on rakennettu vuosien 1950 ja 1990 välillä ja missäpäin Helsinkiä sijaitsee uusimpia asuinalueita ja kortteleita.

Kuva 2. Mood. (Lähde: Brofessor Miklas Kuoppala)

Kolmas päivä projektia lähtee käyntiin. Algoritmi on valmis. Lasku onnistui, mutta olin unohtanut tärkeän seikan: nyt kartassani näkyy ruotsinkielisten levinneisyys ja määrä absoluuttisin määrin. Ruotsinkielisten osuus kaikista asukkaista kartta olisi esittänyt paremmin kartalla todellisuutta. Tekemälläni kartalla oli mielenkiintoinen punainen kehä Helsingin kantakaupungin ympäri (mitä punaisempi ruutu=sitä enemmän ruotsinkielisiä siinä 250×250 metrin ruudussa). Hetken mietittyäni totesin, etten pidä karttaa juuri minään. Todennäköisesti jokin muukin tiedoissa oli väärin, kun Kauniainenkin loisti valkoisena. Sain kuitenkin jonkinlaisen tuloksen, joka näkyy kuvassa 2. Toisaalta Matias Hytin tekemää Fortnite-karttaa arvostan, käykää tarkastelemassa sitä täältä. 

Kuva 3. Pornaisten keskusalue.

Seuraava tehtävä oli yksinkertaisempi. Yhdistin muutaman tiedoston (vektori- sekä rasteriaineistoa) ja aloin piirtämään taustakartan mukaan erilaista tietoa. Esimerkiksi rakennusten esitystapa vääristää melkoisesti sitä, millaiselta Pornaisten kaupunkikuva näyttää todellisuudessa. Kuvassa 3 näkyy paremmin se, miten erikokoiset rakennukset jakaantuvat, ja siinä näkyy myös kaikki tiet. Jätin tarkoituksella tekemäni rinnevarjostuksen ja korkeuskäyrät, koska halusin kartasta mahdollisimman selkeän ja enemmän “omatekemän” näköisen. Tämä oli hyvä harjoitus, vaikka digitoimiseen menikin taas liian paljon aikaa.

Tehtäviä tehdessäni aloin enemmän ymmärtämään, kuinka monipuolinen ohjelma QGIS on. Voimme käyttää yhdessä sekä raster- että vektoriaineistoa ja yhdistää niitä esimerkiksi laatiaksemme karttakuvan tai laskemaan tietyn alueen sisällä olevaa tietoa. Minusta tuntuu kuitenkin, että tarvisin enemmän aikaa käsitellä joka viikon uusia asioita ohjelman käyttöön liittyen. Varsinkin, kun kiinnostaisi oppia, miten voisin hyödyntää ohjelmaa parhaani mukaan. Maailma kulkee radallaan, se vähät välittää. Mutta eikö voitais hidastaa?

Kuva 4. Pornaisten keskusalue.

Miklas “CVB” Kuoppala

Lähteet:

Matti Katajisto: Kurssikerta 4, https://blogs.helsinki.fi/mattikat/2020/02/05/varsinaista-velhoilua/ (Käytetty 7.2.2020)

Laura Hynynen: Kurssikerta 4, https://blogs.helsinki.fi/lauravel/2020/02/07/mihin-kaikkeen-gis-pystyykaan/ (Käytetty 7.2.2020)

Matias Hytti: Kurssikerta 4, https://blogs.helsinki.fi/mchytti/2020/02/07/osa-4-matkalla-gis-velhoksi/ (Käytetty 7.2.2020)

Tuntuma osaamiseen on jälleen erilainen, kuin viime kurssikerran jälkeen. Tällä kertaa se on onneksi positiivisempi, ja siitä saan kiittää takarivin poikien yhteistyötä. Vuorotellen jokainen eksyi matkalla, mutta muut opastivat oikealle polulle. Kolmannen kurssikerran aiheena oli tietokantojen valmisteleminen, jotta voimme käyttää tietoja monesta eri tiedonlähteestä ja yksinkertaistaa tiettyjä ominaisuustietoja helpompaa käsittelyä varten.  Pyrin välttämään tällä kertaa häiriötekijöitä, kuten Kuhankuonon kaltaiset harvinaisuudet (siitä lisää Ossi Hentusen blogissa).

Kursseilla olemme käyttäneet toistaiseksi vain Suomen karttoja, joten oli positiivinen yllätys nähdä Afrikan olevan seuraava kohteemme. Suomessa meillä on tietysti erinomaiset mahdollisuudet päästä käsiksi erilaisiin tietokantoihin, kun niin moni tietokanta on avoin ja paikalliset asiantuntijat jakavat tietoa niistä omissa piireissään. Nyt pienet sormet tarttuu Afrikan karttaan Paarlahden tarjoamasta .zip-kansiosta ja lisäsin siihen timanttikaivoksia, maaöljykenttiä ja konflikteja kuvaavat tasot, jotka olivat samasta zipistä (kuva 1).

Kuva 1. Afrikan timanttikaivokset, maaöljykentät ja konfliktit. 

Nopeasti syntyi yksinkertainen kartta, jonka sisällöllä ei tee vielä mitään. Pystyimme kuitenkin esimerkiksi tarkastelemaan tietoja niin, että voimme erotella valtiokohtaisesti eri kohteet kartalta ominaisuustietotaulukkoon, mikä tekee itse tieojen tarkastelusta hieman miellyttävämpää. Kulissien takana yhdistimme muun muassa Join -toiminnolla ulkoisesta Excel-taulukosta tietoja Afrikka-tasoon, niin, että pystyimme erottelemaan värein valtiot niiden Internetin käyttäjämäärän mukaan (kuva 2). Silmäni säihkyvät, kun toiminnnot tekevät taikojaan.

Kuva 2. Internetin käyttäjämäärät Afrikassa valtioittain vuonna 2019.

Edellinen oli tehtävänannon avuin helppo nakki. Seuraavaksi olisi luvassa samat työvaiheet Suomen kartalla tulvaindeksikartan muodossa. Lisäksi pitäisi laatia kartan päälle vielä diagrammi. Tämä on työvaihe, joka jää vapaalle tehtäväksi, koska tunti päättyi juuri, kun olimme sen aloittaneet. Onneksi kollegani Samu Vilenius on halukas tekemään ammattimaista yhteistyötä, niin saamme pian työn tehtyä. Lahjaksi toiselta kun kaiken tämän saan, varmasti tämä tulee onnistumaan! Vai olikohan tuo liikaa toivottu? Avaan siis valuma-alueprojektin, jonka olen nimennyt “PLSDONTCRASH.qgz”.

Tiedoston nimi ei auttanut. Karttaruutu on tyhjä. Viittaanpa edelliseen blogikirjoitukseeni: “älä aloita kartan tekemistä, jos et saa varmasti sillä istumalla sitä valmiiksi.” Do as I say, not as I do. Epätoivo täyttää jälleen sydämeni, ja aloitan alusta. Pitää ehtiä illalla vielä Unisportille samaisen herra Vileniuksen kanssa nöyryyttämään rautaa. Ei maailmassa ole mitään kauniimpaa. Muistanpa ensi kerralla, kuinka asiat toimivat, kun pitää tehdä edes muutaman kerran samat työvaiheet. Join-toiminnolla lisään keskiylivirtaamataulukon tiedot valuma-aluetasolle. Sen avulla lasken field calculatorilla tulvaindeksin uuteen ominaisuustietosarakkeeseen ja voilà. Vietän seuraavat 20 minuuttia pähkäillen, miten saisin eri valuma-alueet näkymään järkevästi (kuva 3).

Final boss: histogrammin lisääminen karttaan. Oikea koukku, väistö, roundhouse kick ohimoon ja RKO, OUTTA NOWHERE. Niin helppo voitto. Yleiset fiilikseni löytää myös Matti Katajiston blogista: “Opin useita uusia kikkoja QGis:in käytössä ja monet tekniikat tulevat jo rutiinilla. Sivulliseksi opiksi sain halvan ja hyvän vihanhallintakurssin.”

Kuva 3. Tulvaindeksi. Järvisyysprosentti on sitä suurempi, mitä korkeampi pylväs on. 

Lähteet:

Ossi Hentunen – Toinen kurssikerta – https://blogs.helsinki.fi/hedossi/ (Käytetty 28.01.2020)

Matti Katajisto – Toinen kurssikerta – https://blogs.helsinki.fi/mattikat/ (Käytetty 28.01.2020)

Haastavan viikon jälkeen pääsimme jälleen maanantaina kokeilemaan onneamme GIS-luokassa. Saatuani ensimmäisen blogipostaukseni julkaistua olin melko tyytyväinen ja pettymykseni oli laantunut. Ei ole järkevää odottaa paljon jostain, mistä ei tiedä mitään. Aloitin puhtaalta pöydältä ja latasin omalle koneelle QGIS-ohjelman, jotta voin jatkaa projektejani missä vain. Ohjelma vaikutti aluksi toimivan ihan hyvin ja ilman sen suurempia ongelmia.

Viime viikon pelko karttojen yhtäkkisestä häviämisestä oli tiessään. Toinen kurssikerta oli eri tietokantojen käyttöön totuttelua ja karttaprojektioiden vertailua, etenkin pinta-alan kannalta. Ensimmäiseksi yhdistimme Tilastokeskuksen tietokannan ohjelmaan, jotta saamme kuntakohtaisia ominaisuustietoja omaavia karttoja. Tehtäväksi muodostui verrata ETRS89-TM35/FIN ja Mercatorin projektioita pinta-alan puolesta, kun projektioiden käyttötarkoitukset ovat erilaiset.

Vaikka tiesin, että Mercatorin projektiossa pinta-ala tulee olemaan selvästi suurempi (vrt. Grönlannin ja Afrikan pinta-aloja tilastoissa ja Mercatorin projektiossa olevassa kartassa), yllätyin kuinka paljon. Aivan Suomen pohjoisosissa pinta-ala on Mercatorin projektiossa jopa 7 kertaa “suurempi”, kuin toisessa tarkasteluprojektiossa (kuva 1). Etelärannikolla pinta-ala on noin 3-kertainen Mercatorissa. Tarkastelin myös Janina Vikmanin tekemää karttaa samasta aiheesta, ja hän oli päätynyt samoihin tuloksiin.

Kuva 1. Suomen pinta-alan kasvua eri projektioon mentäessä kuvattuna värein. Lähde: Tilastokeskus

Tein vielä toisen samantyyppisen kartan, jossa vertailin TM35FIN- ja Bonne -projektioita. Bonnessa eivät Suomen pinta-alat olleet mitään verrattuna Mercatoriin, mutta pinta-alaerot nousivat kuitenkin kymmeniin prosentteihin. Pienen värivirheen takia aioin kotona korjata kartan julkaisukelpoiseksi, mutta eihän se kartta ikinä palannut takaisin ruutuun. Kiitos QGIS siitä. Jatkossa mentaliteetti on seuraava: älä aloita kartan tekemistä, jos et saa varmasti sillä istumalla sitä valmiiksi. Projektin tallentaminen vain heittää kovalla työllä tehdyn kartan jorpakkoon. (Tai Arttu näyttää ensi tunnilla, mitä teen väärin ja pyyhkii pois kyyneleeni.) Laadin kartan uudestaan, tein pinta-alalaskut väärin, ja sain lopputulokseksi kuvan 2.

Kuva 2. Esimerkki epäonnistumisesta QGIS-ohjelmalla.

Onnekseni voin ottaa oppia sentään aiheista muiden kurssilaisten blogeista, vaikka en itse osaisi vielä karttoja laatia. Carita Aapro-Koski kertoo blogissaan (26.1.2020), että Natura-aluetehtävä oli helpompi, kun siinä ei pitänyt sählätä eri projektioiden kanssa, joten päätin kokeilla vielä sitä. Avasin tiedoston QGISiin ja rupesin laatimaan tarvittavia ominaisuutietosarakkeita, jota saan Aapro-Kosken kartan mukaisesti värein eroteltua kunnat Natura-alueidensa mukaan. Totesin luonnollisten luokkien jakavan järkevimmin kunnat Natura-alueidensa mukaan väreittäin, ja huomasin Aapro-Kosken tehneen samoin.

Kuva 3. Natura-alueiden suhde kuntien pinta-alaan.

Tuntuu siltä, että läsnäoloni neljän tunnin kurssikerralla opettaa minulle vartin taidot ja muut tietävät kaikesta enemmän, tehtävänantoa myöten. Tuntuma käytettävästä ohjelmasta aaltoilee ja tekeminen ilman apua maistuu puulta. On sitä muutaman tunnin taas hakattu päätä seinään, kun on yritetty keksiä ratkaisuja ongelmiin ja kartat katoavat näkyvistä palatakseen vain seuraavana yönä painajaisissa. Jospa ensi kerralla aivot pelaavat.

Miklas Kuoppala

Lähteet:
Janina Vikman, kurssikerta 2 https://blogs.helsinki.fi/jagvikma/ (Käytetty 27.01.2020)
Carita Aapro-Koski kurssikerta 2 https://blogs.helsinki.fi/aacarita/ (Käytetty 27.01.2020)