Category: Uncategorized

Viimeisellä kurssikerralla pääsimme testaamaan kurssilla opittuja taitoja itsenäisesti. Tehtävänä oli muodostaa kartta itse valitusta alueesta ja aiheesta. Tiedonhankinta piti siis tällä kertaa hoitaa täysin itse, jolloin oppi myös  etsimään erilaisia datalähteitä omatoimisesti. Itse valitsin kartan toteuttamistavaksi ensimmäisen vaihtoehdon, jossa muodostetaan karttasarja, jossa esitetään vähintään kahta muuttujaa per kartta.

Oman karttani muodostin maailmankartasta, johon hain dataa Our World in Data -sivustolta. Aiheekseni valitsin köyhyyden eri valtioissa sekä lukutaitoisten ihmisten määrän. Taustakartaksi hain shapefile-tiedoston maailmankartasta Open Data Soft -sivustolta.

Kartasta (Kuva 1) nähdään, että lukutaitoisten ihmisten osuudella ja köyhyysrajan alapuolella elävien ihmisten osuudella on vaikutusta toisiinsa, sillä lähes kaikissa maissa, joissa on paljon köyhyysrajan alapuolella eläviä ihmisiä on myös vähemmän lukutaitoisia ihmisiä. Maissa, joissa on paljon köyhyyttä on usein muutenkin suuret luokkaerot ja paljon epätasa-arvoisuutta. Vähävaraisilla ihmisillä on myös  huonot mahdollisuudet kouluttautua, sillä kouluttautuminen vaatii paljon rahaa.

Tästä poikkeuksena on Uzbekistan ja Turkmenistan. Kummassakin näistä maista lukutaitoisia ihmisiä on lähes kaikki väestöstä, mutta silti köyhyysrajan alapuolella elävien ihmisten osuus on erittäin suuri. Köyhyysrajan alapuolella elävien ihmisten määrä ei siis aina riipu lukutaitoisten ihmisten osuudesta, vaikka nämä ovatkin maassa usein yleisiä samaan aikaan. Kummallakin on kuitenkin usein myös samat taustatekijät, jotka vaikuttavat sekä köyhyyteen että lukutaidottomuuteen. Esimerkiksi yleinen epätasa-arvoisuus ja huonot mahdollisuudet koulutukseen pitävät ihmiset köyhyyden kierteessä sukupolvesta toiseen ja samalla edistävät lukutaidottomuutta.

Itsenäisesti kartan tekeminen alusta loppuun asti kuulosti ensin hieman pelottavalta ajatukselta, mutta loppujen lopuksi kartan tekeminen sujui hyvin ja olen tyytyväinen saamaani lopputulokseen. Samaistun Julija Pylsyn tuntemuksiin, että kurssin aikana taidot ovat kehittyneet lähes huomaamatta ja oli mukava huomata kykenevänsä itsenäiseen kartantekoon jo hyvin. Kurssikerroilta on myös monien eri työkalujen lisäksi jäänyt käteen paremmat ongelmanratkaisutaidot, jolloin myös ongelmatilanteessa pystyy etenemään paremmin eikä yhdestä ongelmasta jää heti jumiin.

Lähteet:

Our World in Data. Literacy rate. https://ourworldindata.org/literacy Viitattu: 27.2.2024

Our World in Data. Share of population living in extreme poverty. https://ourworldindata.org/poverty Viitattu: 27.2.2024

Open Data Soft. World Administrative Boundaries – Countries and Territories. https://public.opendatasoft.com/explore/dataset/world-administrative-boundaries/export/ Viitattu: 27.2.2024

Pylsy, J. (2024). Viimeinen kurssikerta. Gis-blogi.  Viitattu: 18.3.2024

https://blogs.helsinki.fi/julijapy/

Aloitus

Kuudennen kurssikerran aluksi kävimme itse keräämässä aineistoa kampuksen lähiympäristöstä. Näitä tarkasteltiin QGISissä perustuen alueiden turvallisuuteen, mitä kurssilaiset olivat alueille antaneet. Tämä tehtiin interpoloimalla karttaa QGISissä turvallisuusarvojen mukaan. Kartan lopputulokseen vaikutti paljon ulkona ollut liukas keli, jolloin vaarallisimmiksi alueiksi koettiin alueet, joissa on suuria korkeuseroja tai vain ylipäätään huonosti hiekoitettuja alueita.

Hasardit ja niiden alueellinen esiintyminen

Kuudennella kurssikerralla tavoitteena oli tuottaa karttoja, jotka havainnollistavat erilaisia hasardeja. Kartoista oli tarkoitus tehdä mahdollisimman sopivia opetustarkoitukseen. Tarkastelin kartoissani maanjäristysten esiintymistä niiden voimakkuuden mukaan sekä rajaamalla niiden esiintymisaikaa. Ensimmäinen kartta kuvaa yli 6 magnitudin maanjäristyksiä vuosina 1980-2024. Toisessa kartassa on taas sama aikaväli, mutta siinä näkyvät vain yli 8 magnitudin maanjäristykset. Kolmannessa ja viimeisessä kartassa taas on yli 6 magnitudin maanjäristykset mutta vain vuosilta 2000-2024.

Maanjäristyksiä kuvaavia karttoja voi käyttää opetuksessa kuvaamaan maanjäristysten esiintymisalueita. Esiintymisalueita tarkastelemalla on selkeästi nähtävissä maanjäristysten sijainti litosfäärilaattojen mukaisesti. Opetustarkoituksessa tämä on hyvä tapa havainnollistaa sekä litosfäärilaattojen sijaintia maailmassa sekä samalla korostaa maanjäristysten syntytapaa. Erityisesti ensimmäisessä ja kolmannessa kartassa myös erottuu selkeästi  Tyynenmeren tulikaari.

Kartoista tulee hyvin myös esiin maanjäristysten ja tulivuorten sijainti samoilla alueilla. Tämä on erittäin hyödyllistä opetustilanteeseen havainnollistamaan maanjäristysten ja tulivuorten toimintaa. Kuten Venla Punkka toteaa blogipostauksessaan, kartat eivät tuo yllätyksiä maantiedettä opiskeleville, mutta ovat tärkeitä havainnollistajia oppimistilanteissa. Karttojen avulla on myös helppo pohtia, miksi juuri nämä muuttujat esiintyvät samoilla alueilla. Tämä auttaa oppimisessa ja asian sisäistämisessä.

Erittäin voimakkaat maanjäristykset ovat kuitenkin hyvin harvinaisia niin kuin nähdään kuvassa 3. Yli 8 magnitudin voimakkaita maanjäristyksiä kuvaavassa kartassa on erittäin vähän kohteita. Kuvassa 3 ei näy tulivuoria, jotta siitä erottaa vielä selkeämmin yli 8 magnitudin maanjäristyksien vähyyden. On opetuksen kannalta hyvä, että oppiaat hahmottavat eroja eri magnitudien välillä ja huomaavat erittäin voimakkaiden järistysten harvinaisuuden.

Lähteet:

Punkka, V. (2024). 6. viikko – Ulkoilua Kumpulassa ja opettavaisia karttoja. Venlan blogi. Viitattu 18.3.2024

https://blogs.helsinki.fi/vpunkka/

Alkuharjoitus

Alkuharjoituksessa jatkoimme siitä, mihin viime kurssikerralla jäimme. Viime kurssikerran lopuksi digitoimme Pornaisten kuntaa kuvaamaa karttaa ja tälä kurssikerralla käytimme digitoimaamme karttaa bufferoinnin harjoittelemiseen. Alkuharjoituksessa bufferoimme rakennusten etäisyyttä Pornaisten koulusta, jonka jälkeen bufferoimme myös etäisyyttä terveyskeskuksesta sekä teistä. Bufferointiin käytimme QGIS:n omaa bufferointi työkalua, joka useiden toistojen jälkeen tuli harjoituksessa jo hyvin tutuksi.

Kaupunki alueen bufferointi toi hyvin esille sen tarpeellisuutta. Kurssikerran aikana annettin myös esimerkkejä, mihin tällaisia toimintoja voisi käyttää. Esimerkiksi koulun läheisyydessä olevan alueen bufferointi on hyvin oleellista koulujen sijaintia suunnitellessa. Kaikki bufferointi on hyvin olennaista kaupunkisunnittelussa. Harjoituksessa tuli myös hyvin esiin se, kuinka bufferia luodessa täytyy muistaa, että se tulee kohteen molemmille puolille. Esimerkiksi tien bufferoinnissa (Kuva 1) bufferoitiin 50 m päässä tiestä oleva alue, jolloin bufferin leveydeksi tuli yhteensä 100 m.

 

Itsenäistehtävä 1

Ensimmäisessä itsenäistehtävässä piti aluksi tehdä erikokoisia bufferointia ja siten tutkia Malmin lentokentän tuottamaa meluhaittaa. Sen jälkeen tutkittiin jo valmiiksi bufferoitua Helsinki-Vantaan lentokentän meluhaitta aluetta sekä tuotettiin myös itse vaihtoehtoisen laskusuunnan aiheuttamaa meluhaittaa kuvaava bufferi. Tehtävässä myös bufferoitiin asemien sijaintia ja laskettiin eri ihmisryhmien osuuksia kaikista alueen asukkaista.

Taulukko 1. Vastaukset ensimmäisen itsenäistehtävän kysymyksiin.

Itsenäisesti työskennellessä täytyi välillä pohtia oikeita työvaiheita jonkin aikaa, mutta samankaltaisten tehtävien toistamisessa toiminnot jäivät hyvin mieleen. Erityisesti tuntui, että tehtävä auttoi minua todella paljon sisäistämään “select by locations” -työkalun käytön ja tehtävää tehdessä valintatyökalun käyttö ja pääperiaate tuli entistä selvemmäksi. Meluhaitta-alueiden tutkimien antoi mielestäni myös hyvää esimerkkiä siitä,  miten tällaista työkalua voidaan tarvita myös käytännössä oikeassa elämässä. Tehtävästä tuli siis hyvin esille bufferoinnin päätarkoitus, joka on mm. jonkin tietyn asian vaikutusetäisyyden selvittäminen.

Saamiini tuloksiin voi vaikuttaa valitsemani bufferointi alueiden muodot. Käytin bufferointi alueideni päissä muotoa “round” joka pyöristää bufferoidun alueen. Käytin myös viittä segmenttiä. Saamani lopputulokset siis mahdollisesti voivat erota muiden saamista tuloksista riippuen siitä, minkälaista alueen muotoa he ovat käyttäneet omissa bufferoinneissaan. Saman huomion oli tehnyt myös Taika Jaakkola blogissaan. Myös hänen vastauksensa oli hieman erilaiset muiden vastauksiin verrattuna, mikä johtuu siitä, että jokainen on itse bufferoinut tutkimansa alueet. Taika tekee myös hyvän huomion siitä, että tehtävässä jokainen digitoi lentokentät itse, mikä myös vaikuttaa lentokentän perusteella muodostetun bufferin kokoon.

Itsenäistehtävä 2

Toisessa itsenäistehtävässä ensimmäisen tehtävän aineistoihin lisättiin vielä taajamat-aineisto, joka kuvasti tarkasteltavalla alueella sijaitsevia taajama-alueita. Näin pystyttiin laskemaan, kuinka moni alueen ihmisistä asui taajamissa ja kuinka moni taajamien ulkopuolella. Tehtävässä olisi pitänyt vielä laskea lisäksi alueita, joilla ulkomaalaisia on tietty prosenttimäärä. Tätä kohtaa en kuitenkaan osannut tehdä, vaikka yritin miettiä sitä myös yhdessä muiden kurssilaisten kanssa.

Taulukko 2. Toisen itsenäistehtävän vastaukset.

Lähteet:

Jaakkola, T. (2024). Viikko 5. Puskurivyöhykeanalyysejä, saunoja (!) ja reflektointia. Taikamatkalla GIS-velhoksi. Viitattu 18.3.2024.

https://blogs.helsinki.fi/jztaika/

Neljännellä kurssikerralla käsittelimme aluksi perutietoja piste- ja ruutuaineistoista. Pisteaineistojen avulla pystytään luomaan ruutuaineistoja, jotka ovat tehokas tapa alueellisen tiedon keräämiseen ilman valmista aluejakoa. Suomessa ruutuaineistoja käytetään yleensä kuvaamaan erittäin laajoja tietoaineistoja, esimerkiksi väestömatriisin muodossa.

Tunnin päätehtävänä oli luoda kartta pääkaupunkiseudun asutuksesta. Alkuperäinen tietokanta oli hyvin suuri, jonka takia karttaan rajattiin asukastietoja kielen mukaan siten, että tietokantaan jäi tiedot ruotisnkielisten, muunkielisten sekä ulkokansalaisten määristä. Kurssikerran aikana muodostimme tästä ruutumuotoisen kartan, joka kuvasi muunkielisten suhteellisia määriä pääkaupunkiseudulla (Kuva 1). Kurssikerran aikana teimme kartan ruudukosta 1 km x 1 km kokoisen.

Kurssikerralla tehdyn kartan lisäksi saimme tehtäväksi tehdä toisen ruututeemakartan kotona (Kuva 2). Toisen ruututeemakartan tein samasta muunkielisten määrää kuvaavasta aineistosta, mutta käytin tällä kertaa kartassa 500m x 500 m kokoisia ruutuja. Kartta on siten kuvaavampi, että pienemmät ruudut kuvaavat alueita yksityiskohtaisemmin. Toisaalta ensimmäisen kartan (Kuva 1) suuremmat ruudut pitävät kartan selkeämpänä, sillä hyvin pienet ruudut tekevät kartasta myös vaikeammin hahmotettavan.

Vaikka molemmat kartat ovat tehty saman aineiston pohjalta, täytyy kuitenkin myös huomioida, että niitä ei voi suoraan verrata keskenään. Ensimmäinen kartta (Kuva 1) kuvastaa muunkielisten suhteellista määrää verrattuna alueen kaikkiin asukkaisiin, kun taas toisessa kartassa (Kuva 2) kuvataan absoluuttisia määriä. Tämän takia toisen kartan tulkintaan vaikuttaa myös se, kuinka paljon asuinalueella ylipäätään asuu ihmisiä. Siten ensimmäinen kartta on kuvaavampi, koska suhteellinen osuus kuvastaa muunkielisten osuutta muuhun väestöön kuvaavammin.

Samaan asiaan on kiinnittänyt huomiota myös Liina Leisola blogissaan (2024). Hän on tehnyt ensin ruotsinkielisten absoluuttista määrää kuvaavan kartan ja seuraavaksi muodostanut suhteellista määrää kuvaavan kartan. Hän myös korostaa blogissaan, kuinka molemmat kartat ovat hyödyllisiä niiden käyttötarkoituksesta riippuen. Tämä on erittäin tärkeä huomio ja karttaa tehdessä kannattaa aina huomioida sen käyttötarkoitus, jotta siitä saa mahdollisimman paljon hyötyä.

Molemmista kartoista nähdään, että muunkielisten määrä sekä suhteellisesti muiden asukkaiden määrään verrattuna sekä absoluuttisesti on suurinta nimenomaan Helsingin alueella. Kartta kuvaa koko pääkaupunkiseutua joten siihen on sisällytetty myös Espoo ja Vantaa. Myös Espoossa on huomattavasti muunkielistä väestöä, mutta erityisesti kartasta erottuu alueen luoteisosa Vantaalta, jossa muunkielistä väestöä on vähemmän. Kuitenkin erityisesti ensimmäisestä kartasta (Kuva 1) nähdään, kuinka joissain tietyissä pisteissä muunkielisen väestön osuus on hyvinkin suuri. Voidaan siis päätellä, että tällä alueella muunkielinen väestö on hyvin jakautunutta ja asuu tietyissä keskittymissä, toisin kuin muualla alueella, jossa väestö on tasaisemmin jakautunutta.

Toisaalta absoluuttisia määriä kuvaavasta kartasta (Kuva 2) nähdään, että absoluuttisesti muunkielisiä asuu tällä alueella todellisuudessa vain vähän ja suuri suhteellinen määrä johtuu siitä, että tällä alueella väestöä ei asu yhtä paljoa kuin muualla pääkaupunkiseudulla. Tämä korostaa molempien esitystapojen tärkeyttä tietyissä olosuhteissa sekä kuinka niitä vertailemalla saadaan todenmukaisin kuva oikeasta tilanteesta.

Lähteet: 

Leisola, L. (2024). Neljäs kurssikerta. https://blogs.helsinki.fi/liinalei/ Viitattu: 27.2.2024

Kolmannella kurssikerralla harjoiteltiin erilaisten tietokantojen tuomista QGIS-sovellukseen. Työstimme kartta-aineistoa Afrikasta, johon lisäsimme erilaisia tietokantoja. Täten pystyimme myös tarkastelemaan tietokannan attribuuttitaulukkoa ja vertailemaan eri aineistoja keskenään, sekä myös havainnollistamaan tietokantojen sisältävää dataa kartalla. Afrikan karttaan liitimme aineistoja, jotka kuvasivat öljynporaus alueiden, timanttien ja konfliktien sijoittumista Afrikassa (Kuva 1). Kartan ja attribuuttitaulukon avulla pystyi tarkastelemaan, miten näiden asioiden sijoittuminen vaikuttavat toisiinsa, esimerkiksi paljon timanttikaivoksia sijaitsevilla alueilla oli yleensä myös usein runsaasti konflikteja.

Kartta havainnollistaa hyvin asioiden sijoittumista, mutta tämän lisäksi attribuuttitaulukko antaa myös kattavampia tietoja. Tietokantoihin on mm. tallennettu tietoja konfliktien kestosta ja laajuudesta. Timanttikaivoksista taas tietokantoihin on tallennettu niiden löytämisvuosi, kaivausten aloitusvuosi sekä tuottavuusluokittelu.  Myös öljykentistä on tallennettu niiden löytämis- ja poraamisvuosi sekä tuottavuusluokittelu. Näitä vertailemalla voidaan selvittää vielä tarkemmin esimerkiksi konfliktien yhteyksiä timanttikaivoksiin ja öljykenttiin muutenkin kuin vain sijainnin perusteella. Jos konfliktit ovat alkaneet pian perustamisvuoden jälkeen, voidaan olettaa, että kaivosten ja öljykenttien perustamisella saattaa olla vaikutusta konfliktin syntyyn.

Tämän lisäksi konflikteja voidaan myös esimerkiksi luokitella niiden vakavuustason mukaan. Jotkin konflikteista ovat kestäneet monia kymmeniä vuosia, kun taas jotkut ovat kestoltaan lyhyempiä. Konfliktin keston lisäksi on kuitenkin otettava myös huomioon, kuinka usein konfliktit tapahtuvat. Liina Leisola antaa blogitekstissään usein tapahtuvista konflikteista esimerkiksi Etiopan, josta tietokantaan on tallennettu useita eri konflikteja. Etiopiassa konflikteja on ollut koko tietokannan sisältävällä tarkasteluvälillä lähes joka vuosi tai jopa useita saman vuoden aikana.

Tietokantoihin on tallennettu tietoja myös konfliktien laajuudesta, joka on hyvin merkittävää konfliktin vakavuudelle, sillä laajempi konflikti vaikuttaa useamman ihmisen elämään. Kartalla eri konfliktit ovat kuitenkin vain kuvattu pistemuotoisena vektoriaineistona, jotka eivät havainnollista konfliktin laajuutta.

Näiden tekijöiden lisäksi tietokantoihin on myös tallennettu tietoa internetkäyttäjien lukumäärästä eri vuosina. Tästä voi päätellä, kuinka valtio on kehittynyt teknologisesti viimeisten vuosien aikana. Teknologinen kehitys saattaa kertoa myös valtion muusta kehityksestä ja elintason noususta. Varsinkin internetkäyttäjien määrän vertaaminen valtion asukaslukuun on tehokas tapa nähdä internetin yleistyminen valtiossa suhteellisesti. Näin voidaan hyvin myös vertailla eri valtioiden kehitystä keskenään.

Tehtävä 1: Tulvaindeksikartan tekeminen

Tulvaindeksikartan tekemisessä minulla oli joitakin vaikeuksia. Itsenäisesti työskennellessä täytyi aluksi hieman muistella, mistä kannattaa lähteä työskentelyssä liikkeelle ja mitä työkaluja juuri tämän tehtävän tekemiseen tarvitsee. Kurssikavereilta saadun avun takia ja ohjeiden noudattamisella sain kuitenkin kartan loppujen lopuksi hyvin tehtyä.

Kartan tekeminen sujui muuten hyvin, mutta eniten vaikeuksia tuotti järvisyysprosentin laskeminen. Tämä johtui siitä, että prosenttiosuus oli tallentunutkin desimaalilukujen sijaan tekstinä. Ongelma oli yleinen myös muilla kurssilaisilla, kuten huomaa esimerkiksi Saara Torven blogitekstistä (2024). Toisin kuin Saara, minä en kuitenkaan saanut karttaa valmiiksi ennen kurssikerran loppua.

Suurin ongelmani tehtävän tekemisessä minulle olikin se, että kotona yrittäessäni avata QGIS-tiedostoa sain kuitenkin huomata, että tunnilla tallentamani tiedosto ei auennutkaan oikein kotona. En ole varma, mistä ongelma johtui, mutta päätin lopulta tehdä kartan alusta uudestaan. Ainakin kartan tekeminen toisella kerralla sujui ensimmäistä kertaa nopeammin ja vaaditut toiminnot jäivät hyvin mieleen tehdessä ne kahteen kertaan.

Kartta kuvastaa Suomen valuma-alueita (Kuva 2). Valuma-alueet eivät noudata valtion rajoja, vaan noudattavat maaston muotoja. Tämä tekee erityisesti kaakkoisesta Suomesta sekä Lapista hyvin erilaisen verrattuna Suomen valtion rajoihin. Valuma-alueiden väri kuvastaa niiden tulvaindeksia. Kartasta nähdään, kuinka suurimmat tulvaindeksit keskittyvät Pohjanmaalle sekä Etelä-Suomen rannikolle.

Valuma-alueet Pohjanmaalla ovat suhteellisen kapeita ja pitkiä, mikä johtuu siitä, että Pohjanmaan valuma-alueet noudattavat pääosin jokia eivätkä järviä, kuten monet muut Suomen valuma-alueet. Pohjanmaan pienet korkeusvaihtelut myös aiheuttavat tulvimista enemmän, kuin muilla Suomen valuma-alueilla, mikä näkyy myös kartassa Pohjanmaan valuma-alueiden korkeana tulvaindeksinä.

Punaisen palkit kartassa taas kuvastavat alueiden järvisyyttä. Järvisyys on suurinta Keski-Suomessa, jossa järviä onkin hyvin runsaasti ja ne erottuvat selkeästi myös kartassa. Tulvaindeksi järvisillä alueilla on huomattavasti matalampi, kuin alueilla joilla järviä on vähemmän. Järvet kuvasin kartassa oranssina, vaikka se ei visuaalisesti ole miellyttävin kartan muiden värien kanssa, mutta se auttaa erottamaan järvet kartan muista väreistä. Näin järvisyyttä on helpompi hahmottaa kartasta myös muutenkin kuin järvisyys palkkien avulla.

Lähteet:

Torvi, S. (2024). Kolmas kurssikerta – ”Joinaamisen” iloa. Viitattu 26.2.2024

https://blogs.helsinki.fi/saatorvi/

Leisola, L. (2024). Kolmas kurssikerta. Viitattu 28.2.2024

https://blogs.helsinki.fi/liinalei/

Toisen kurssikerran aluksi tutustuimme QGIS:n erilaisiin valintatyökaluihin. Tämän avulla pystyin syventämään omia taitojani QGIS:n käytössä ja nopeuttamaan työskentelyäni. Valintatyökalut olivat hyvin samankaltaisia kuin muissakin sovelluksissa, minkä takia niiden eri käyttötarkoitusten oppiminen oli erityisen tärkeää, koska näitä taitoja voin hyödyntää mahdollisesti myös muiden sovellusten käytössä.

Yksi kurssikerran tärkeimmistä aiheista oli kuitenkin eri rajapintapalveluihin tutustuminen. Aikaisemmin QGIS:n käytössä on keskitytty lähinnä vektori- tai rasterimuotoisen aineiston lisäämiseen. Tällä kurssikerralla opin lisäämään myös rajapintatasoja ja siten käyttämään sovellusta entistä monipuolisemmin.

Projektioiden vertailu

Toisen kurssikerran olleelisin sisältö oli kuitenkin eri projektioiden vertaileminen ja niiden tuottamien vääristymien havainnollistaminen. Projektioihin tutustuttiin aikaisemmin Johdatus geoinformatiikkaan -kurssilla, mutta tällä kurssikerralla pääsimme käytännössä vertailemaan eri projektioita muodostamalla niistä erilaisia havainnollistavia karttoja. Projektioista muodostuvaa pinta-ala eroa visualisoitiin kolmen eri kartan avulla. Vertasin TM35FIN-projektiota Mercatorin, Robinsonin ja Winkel Tripelin projektioihin.

Karttoja tulkitessa täytyy huomioida, että ne eivät ole keskenään vertailukelpoisia, sillä Mercatoria (Kuva 1) kuvaavan kartan luokat eroavat hyvin paljon Robinsonin (Kuva 2) ja Winkel Tripelin (Kuva 3) projektioita kuvaavista kartoista. Keskenään Robinsonin ja Winkel Tripelin vääristymiä kuvaavissa kartoissa on samankaltaiset luokat, joten niitä voisi myös paremmin vertailla keskenään. Karttojen väritys siis kuitenkin näyttää suurin piirtein samanlaiselta kaikissa karttaversioissa, mutta todellisuudessa Mercatorin projektion vääristymät verrattuna TM35FIN-projektioon ovat paljon suuremmat kuin kahdessa muussa kartassa.

Olen tyytyväinen luomiini karttoihin, mutta luokkajaoista olisi voinut tehdä myös kaikkiin karttoihin samanlaiset jos olisi halunnut muodostaa niistä keskenään paremmin vertailukelpoiset. Kartat ovat mielestäni kuitenkin nytkin selkeät kun niitä tarkastelee yksittäin. Rosa Elomaa mainitsee toisen kurssikerran blogitekstisään myös, kuinka karttojen esittämien vääristymien välillä on erittäin suuria eroja. Hän toteaakin, että olisi myös ollut toimiva ratkaisu valita kaikkiin kolmeen karttaan erilainen väritys, joka selkeyttäisi lukijalle, että karttoja ei voi vertailla keskenään. Mielestäni tämä on erittäin hyvä huomio ja olisin voinut myös itse tehdä samalla tavalla, sillä nyt samannäköiset kartat houkuttavat lukijaa helposti vertailemaan niitä keskenään, mikä aiheuttaa virheellistä tulkintaa projektioiden välisistä eroista.

Valitsin juuri nämä projektiot sen takia, että ne olivat minulle jo aikaisemmin tuttuja Johdatus geoninformatiikkaan-kurssilta. Tämän takia oli mielestäni mielenkiintoisinta nähdä juuri näistä projektioista tulevat vääristymät ennemmin kuin itselleni tuntemattomasta projektiosta. Projektioita on myös olemassa erittäin laajasti ja hyvin erilaisia, joten oli mielekkäämpää valita projektiot, joista minulla on jo ennestään tietoa.

Lähteet:

Elomaa, R. (2024). Viikko 2 – projektiot ja pinta-alat. Viitattu 28.2.2024

https://blogs.helsinki.fi/elomrosa/

Ensimmäisellä kurssikerralla tutustuttiin tarkemmin QGIS-ohjelman käyttöön. Olen käyttänyt ohjelmaa kerran aikaisemmin Johdatus Geoinformatiikkaan maantieteessä -kurssilla, mutta tuolloin ohjelmaa käytettiin vain itsenäisesti. Tällä kurssikerralla ohjelmaan tutustuttiin syvemmin ja sen käyttöä käsiteltiin kurssikerran aikana, josta oli itselleni paljon hyötyä kun ohjelman käyttöön sai kattavat ja havainnollistavat ohjeet.

Ensimmäinen harjoitus

Kurssikerran päätehtävänä oli muodostaa koropleettikartta kuvaamaan Itämereen tulevien typpipäästöjen suuruuksia Itämerta ympäröivistä valtioista (Kuva 1). Kartan avulla pystytään vertailemaan Itämerta ympäröivien valtioiden osuuksia Itämeren saastuttamisessa. Kartalla näkyvät tämän lisäksi rajattuna Itämeren alue sekä muita Euroopan valtioita. Itämerestä on myös korostettu sen syvyyskäyriä.

Kurssikerralla sai erityisesti hyvin kertausta tiedon esittämisen pääpiirteistä. Typpipitoisuuksia kuvaavaa karttaa (Kuva 1) tehdessä muun muassa pohdittiin värien merkitystä tiedon esittämisessä ja miten kartasta saa mahdollisimman selkeän sekä myös visuaalisesti miellyttävän. Värien valinnassa on hyvin tärkeää esimerkiksi se, että kartasta saa jo intuitiivisesti mahdollisimman todenmukaisen käsityksen tilanteesta, ennen kuin lukija vielä edes tulkitsee kartan legendaa. Esimerkiksi tässä tapauksessa on mielekästä valita suurimpia päästöjä kuvaavalle kategorialle väriksi punainen, jonka mielletään kuvaavan negatiivista asiaa.

Koropleettikartalle ja sen välittämälle mielikuvalle on erityisen tärkeää minkälaiset kategoriat valitaan. QGIS-ohjelma tarjoaa valmiiksi erilaisia tapoja luokitella arvot monilla eri tavoilla. Luokkien valitsemisessa on tärkeää, että kartta kuvaa tilannetta mahdollisimman todenmukaisesti ja siitä välittyy oikea mielikuva. Esimerkiksi typpipäästöjä kuvaavaa karttaa (Kuva 1) tehdessä QGIS-ohjelman automaattinen luokkajako sijoitti Puolan ja Venäjän samaan luokkaan, vaikka todellisuudessa Puola sijaitsi aivan luokan ylimmässä osassa ja Venäjä taas oli luokassa juuri ja juuri mukana. Sen takia mielikuva siitä, että molemmat maat tuottaisivat Itämereen lähes saman verran päästöjä on väärä ja onkin mielekkäämpää kuvata Puola yksin sillä se tuottaa myös selkeästi eniten päästöjä. Tämän takia automaattisiin luokkiin ei kannata sokeasti luottaa, vaikka ne tarjoavatkin hyvän avun kartanteossa.

Harjoitustehtävä 1

Harjoitustehtävässä 1 tein koropleettikartan kuvastamaan kuntien väkilukuja vuonna 2021. Väkilukuja kuvaavat luokat muokkasin itse käsin mielestäni Suomen kuntarakennetta hyvin kuvaavaksi. Kartta kuvastaa väestön jakautumista mielestäni selkeämmin, kun luokkarajat ovat tasalukuja. Tämän takia pyöristin QGIS:n automaattisesti määrittämistä luokkarajoista mielestäni selkeämmät Suomen väestöä kuvaavat luvut. Lähimpään tuhanteen pyöristettyjä tasalukuja on kartan lukijan helpompi hahmottaa ja karttaa on siten vaivattomampi ja nopeampi lukea.

Minulla meni kartan tekemisessä aika kauan aikaa, sillä QGIS:n komennot eivät olleet vielä hyvin muistissa ja oikeiden työkalujen löytämiseksi meni jonkin aikaa. Lopulta löydettyäni oikeat työkalut pääsin muokkaamaan kartan ulkoasua. Kuten Aura Niskanen (2024) on huomioinut, halusin myös valita omaan karttaani mahdollisimman neutraalin värin, joka sopisi kuvastamaan väkilukuja hyvin.

 

Lähteet:

Niskanen, A (2024). Ensimmäinen kurssikerta. Viitattu 26.1.2024

https://blogs.helsinki.fi/niskanau/

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