Viikko 7

Tervehdys viimeistä kertaa!

Viimeisellä kurssikerralla teimme itsenäisen työn. Löysin hri.fi sivuilta mielenkiintoisia data-aineistoja, joista valitsin joukkoliikenteen dataa Helsingin seudun pysäkkien nousijamäätistä vuodelta 2016. Lisäksi etsin taustakartaksi Helsingin yleiskaavan vuodelta 2016, jotta pysäkkien matkustajamäätiä pystyy heijastamaan maankäyttöön.

Kartta (Kuva1) on rajattu kuvaamaan Helsingin aluetta. Nousijamäärät on rajattu neljään kateogoriaan, joista pienimmässä vähimmäismäärä on 2000, jotta saadaan näkyviin vain vilkkaimmat pysäkit. Kaikista vilkkaimmiksi asemiksi tällä rajauksella on saatu Helsingin päärautatieasema ja Pasilan asema. Molemmat ovat matkustajamääriltään Suomen vilkkaimmat asemat.

Kartalta erottuvat käytännössä kaikki raskaan raideliikenteen (metron ja junien) asemat, paitsi Pitäjänmäen juna-asema. Länsimetroa ei vielä ollut, jonka takia Lauttasaaren metroasemat Lauttassaari ja Koivusaari eivät erotu. Lisäksi kaikista vilkkaimmat raitiotie- ja bussi-asemat mahtuvat haarukkaan mm. Jätkäsaaren, keskustan, Töölön, Viikin ja Maunulan alueilla.

 

Kuva1. Helsingin pysäkkien nousijamäärät 2016 päivittäinen keskiarvo

 

Kategoriaan 20 000 – 30 000 nousijaan kuuluu metroasemat Kammpu, Rautatientori, Sörnäinen ja Itäkeskus. Haarukkaab 7000 – 20 000 nousijaa kuuluu moni metroasema sekä Huopalahden ja Malmin juna-asemat.

Matkustajamäärien selitystä voisi avata vaikka kuinka paljon, maankäytön, asuminen, elinkeinon, liike-elämän, vaihto-asemien ja seudun sekä valtakunnan tason liikenteen näkökulmista, mutta eiköhän tässä blogissa riitä karkeampikin analysointi.

Helsingin keskusta on kaikista vilkkainta aluetta liike-elämän, elinkeinonharjoittamisen, vaihtoyhteyksien ja lähialueiden asukasmäärien vuoksi. Keskustan alue on merkitty kaavaan Liike- ja palvelukeskustaksi C1. Tummanruskea kantakaupungin alue on C2, joka kuvastaa sekoittuneet tiheän asutuksen, liike-elämän ja elinkeinon harjoittamista. Kantakaupungin pysäkkein suuria nousijamääriä selittää se, että alueella on todella paljon kaikkia näitä lueteltuja, jolloin ihmisten liikkuminen sijoittuu voimakkaasti näille alueille. Juna-asemien ja metroasemien ympäristöt ovat tiivisti rakennettuja ja asutettuja, sekä vaihtoyhteydet mm. busseihin ovat hyvät, jolloin nämä raskaan raideliikenteen runkolinjat keräävät runsaasti matkustajia. Liike- ja palvelukeskukset C1 korreloivat asemien matkustajamäärien kanssa, sillä monissa liike-keskustoissa, kuten Itäkeskus, Herttoniemi, Malmi ja Vuosaari matkustajamäärät ovat suuria.

Vielä tarkemmin tulkittaessa Helsingin keskustan pysäkkien nousijamääriä, huomataan, että Kampin ja Rautatientorin bussi-asemat erottuvat nousijamäärillään.

Ehkä tässä tuli tarpeeksi pohdintaa. En lainaa tähän blogiin muiden teoksia, sillä tuntuu vähän pakotetun turhalta yrittää väkisin linkittää tätä isojen mittakaavojen karrtoihin.

 

Kiitos kurssista ja näkemisiin!

Viikko 6

Morjens!

Taas on kulunut parisen viikkoa edellisestä blogistani. Tällä kertaa käyn läpi tulivuoria ja maanjäristyksiä – oikein sitä perustavanlaista maantietoa, jota tieteenalasta tietämättömät olettavat. Tämä oli ainoa kurssikerta, joka jäi minulta välistä. Kurssikerralla tehty tehtävä jää nyt suosiolla tekemättä, sillä nyt tenttiviikkolla ei ole motivaatiota lähteä hortoilemaan kampusta ympäri. Kolme karttaa sain silti tehtyä:

Ensimmäinen kartta kuvaa Turkin ja Syyrian alueella tapahtuneita maanjäristyksiä viimeisen kuukauden ajalta. Samalla kun tein karttaa, rupesin muistelemaan 6.2 tapahtunutta tragediaa. Asiasta uutisointi on mediassa vähentynyt, mutta tänään 7.3 tarkistamani urhiluku oli pysäyttävät 41 020. Kartalla (Kuva1) punaiset pallerot kuvaavat yli 7 magnitudin maanjäristyksiä, jotka tapahtuivat kohtalokkaana päivänä 6.2. Keltaiset pallerot kuvaavat yli 5 magnitudin maanjäristyksiä, joista pieni osa tapagtui 6.2. Alunperin tarkoitus oli tehdä kartta juurikin 6.2 tapahtuneista maanjäristyksistä, mutta en osannut rajata arvoja Qgis:issa attribuutin time perusteella.

Kuva1. Turkin ja Syyrian alueella ilmenneet maanjäristykset viimeisen kuukauden ajalta

 

Toinen kartta (Kuva2) esittää Etelä-Amerikan alueella tapahtuneita maanjäristyksiä edellisen kuukauden ajalta. Andien vuoristo on syntynyt litosfäärilaattojen alityöntövyöhykkeelle. Laattojen takia alueella esiintyy myös runsaasti maanjäristyksiä. Valitsin tarkemmaksi alueeksi Etelä-Amerikan, sillä tein samalle alueelle keskittyy maailman korkeimmat tulivuoret.

Kuva2. Etelä-Amerikan alueella tapahtuneet maanjäristykset viimeisen kuukauden ajalta

 

Viimeisin kartta kuvaa yli 5000 metriä korkeiden tulivuorten jakautumista maapallolla. Andien vuoristossa on todella paljon kyseisiä tulivuoria, mutta muaalla huomattavan vähän. Ohessa kuva suurennus Andien korkeista tulivuorista. Edelliiseen karttaan (Kuva2) verraten, maanjäristykset ja tulivuorten sijainti korreloivat voimakkaasti. Pohjoinen rypäd, joka sijtaisee Kolumbiassa ja suurempi rypäs Chile, Perun, Bolivian ja Argentiinan alueella.

Tyyne Turusen blogissa (https://blogs.helsinki.fi/ttyyne/2023/02/22/6-harjoitus-22-2-2023/) on käsitelty myös tulivuorten korkeuksia. Turunen on tehtävässään jaotellut tulivuoret korkeuksien perusteella. Kartalta nousevat esiin samat alueet, joita olen rajauksellani myös saanut näkyville.

Kuva3. Yli 5000 metriä korkeat tulivuoret maapallolla. Oikeassa alareunassa suurennut Andeilta, jossa korkeita tulivuoria on todella paljon.

 

Kiitos ja näkemiin.

 

LÄHTEET

T. Turunen,6. Harjoitus – 22.02.2023, [blogikirjoitus] 22.02.2023, TTYYNE’S BLOG. https://blogs.helsinki.fi/ttyyne/2023/02/22/6-harjoitus-22-2-2023/ Luettu 7.3.2023

VIIKKO 5? – BUFFERIANALYYSIT

Hei lukijat!

 

Yleensä olen kirjoitellut blogit kutakuinkin pian tehtävien jälkeen. Tällä kertaa säästin blogin väsäämisen kuitenkin lentomatkalle. Aamu 4 herätyksen tuoma väsymys tuskin tarjoaa tähän luomukseen kummoista tulkintaa.

 

ENSIMMÄINEN TEHTÄVÄ

Aasinsiltana aiheeseen kurssikerran ensimmäinen tehtävä koski Malmin ja Helsinki-Vantaan lentokenttiä. Lentokenttiä tarkasteltiin bufferianalyysien avulla. Ensiksi selvitin Malmin lentokentän kiitoradoista luodun 2 km bufferin alueen asukasmäärän. Bufferin alueen asukasmäärä on 58 328. Aluksi ajattelin, että on tullut virhe, sillä suurin osa alueesta oli lentokentän aluetta ja sen varoaluetta, joten kokonaisuudessaan kaupunkimaista kaupunkirakennetta ei jäänyt bufferin sisään liikaa. Kun rupesin tarkemmin katselemaan google mapsista alueelle jääviä asuinalueita, aloin uskoa tähän lukuun. Malmin suuri alue, Jakomäki, Kontula, pohjoinen osa Latokartanoa… Tiiviitä väkirikkaita asuinalueita mahtui paljon. Sen sijaan 1 km bufferianalyysin alueella asuu ainoastaan 8960 asukasta, mikä selittyy sillä, että valtaosa alueesta kuuluu edelleen lentokentän alueelle.

 

kuva1. Helsinki-Vantaan lentokentän melualue violetilla – olisikohan ollut yli 50 dB alue. Keltaiset pisteet ovat melualueella sijaitsevat ”osoitteet” eli asuinrakennukset.

 

Lentokentästä toiseen! Tehtävän toisessa osassa tuli tarkastella Helsinki-Vantaan aluetta asukasmäärän ja äänimelun näkökulmista. Kolmen kiitoradan alueelta tehdyn 2 km bufferianalyysin perusteella alueella asuu vain 10 592 asukasta. Malmin lentokentällä asutus on huomattavasti lähempänä lentokenttää, kuin Helsinki-Vantaalla. Helsinki-Vantaan varoalueet lienevät laajemmat suuren lentovolyymin, melun ja itse laitoksen koon tarvitseman tilan vuoksi. Lisäksi Helsinki-Vantaan lähettyville sijoittuu enemmän logistiikkaa ja toimistoja, kuin asuntoja.

 

Seuraavaksi pari melusaasteeseen liittyvää analyysiä. Ensimmäinen kysymys kuuluu näin: Tutki kuinka prosenttia edellisen kohdan asukkaista asuu Helsinki-Vantaa lentokentän pahimmalla melualueella (65dB)? Analyysin mukaan pahimmalla melualueella asuu vain 17 ihmistä, joten pahimmalle melualueelle ei ole sinänsä kohdennettu asumista. Kuinka monta ihmistä asuu vähintään 55dB melualueella? Tällä melualueella asuu 11 923 henkilöä, mikä viittaa siihen, että kyseessä ei ole enää poikkeus, vaan alueen sisään mahtuu asuinalue/asuinalueita. Kun laskeutumissuunta kolmannelle kiitoradalle on Tikkurilan suunnasta, niin 60 dB melualueella asuu 13249. Tähän tehtävään ei ollut valmista melualue aineistoa, vaan melualue piti itse määrittää ennalta määrätyn suorakulmion mukaan.

 

Seuraavassa osiossa tuli selvittää kartan alueen juna- ja metroasemien välittömässä läheisyydessä asuvien määrää. Kuinka monta asukasta asuu kartan alueella alle 500 m päässä lähimmästä juna-, tai metroasemasta? Asukkaita kartan alueen asemien läheisyydessä 500 metrin säteellä on 111 765. Olisin ehkä odottanut suurempaa lukemaa, kun kerran aseman seuduista on kyse, mutta tässä tapauksessa bufferin säde 500 metriä on kuitenkin sen verran pieni, että luku ei paljastu väestön todellista keskittymistä asemien seuduille – saattoi olla niin, että tämä ainesto koski vain Vantaata, joten se selittää asioita :D. Ensimmäistä kertaa maantieteen opinnoissa käytetään prosenttilaskuja. Kuinka monta prosenttia kaikista alueen asukkaista asuu alle 500m päässä asemasta?  Tähän kysymykseen laskettiin prosenttilasku, jonka tulos on 22 %. Kuinka monta prosenttia a-kohdan ihmisistä oli työikäisiä (15-64v)? Työikäisiä alueella on 67 %.

 

TOINEN TEHTÄVÄ

Toisessa tehtävässä tulkittiin pääkaupunkiseudun väestöä uuden aineiston perusteella. Ainestoina on käytetty taajama-alueiden tietokantaa sekä pääkaupunkiseudun asukastietokantaa. Laske/selvitä kuinka monta prosenttia tämän tehtävän alueen asukkaista asuu taajamissa? Pääkaupunkiseutu on melkein kokoaan taajamaa, joten osuus on lähes 100 %. Seudun asukasluku on 1 042 440 ja taajamassa asuvien 1 001 830, joten taajamassa asuvien osuus on 96 %.

 

kuva2. Sekamelska. Kuvassa näkyy taustalla vielä edellisen tehtävän kartta, mutta päällä näkyvät seudun taajama-alueet. Jostain kohdasta piti ottaa kuva blogiin, ehkä tämä ei kuitenkaan ollut paras ratkaisu…

 

Kuinka monta kouluikäistä asuu taajamien ulkopuolella? Kuinka monta prosenttia luku on kaikista kouluikäisistä? Aluksi selvitin, että mitkä ikäluokat luokitellaan kouluikäiseksi. Kurssitoveri löysi wikipediasta sivun, jonka mukaan luokkaan lasketaan peruskouluikäiset, eli 7 – 16-vuotiaat. Kouluikäisten määrä pk-seudulla on 103 385 ja Kouluikäisten määrä taajamassa 99 658, joten määrä on 3727 ja osuus on 3,6 %.

Kuinka monella alueella ulkomaalaisten osuus on yli 10%, entä 20% tai 30%? Tässä vaiheessa en jostain syystä saanut kunnolla laskettua attribuuttitaulukosta haluamani asioita, joten tuskailin Qgissin kanssa, enkä muista kunnolla mitä tein. Tulokset olen merkannut ylös, joten tässä ne tulevat: Yli 10%: 65 aluetta, josta on vähennetty Kauniainen epämääräisten arvojen vuoksi. Yli 20% 22 aluetta ja yli 30% 15 aluetta.

Tämän blogin alussa en käsitellyt ollenkaan sitä, mikä on bufferi. K. Korpisen blogiin Kurssikerta 5 viitaten, bufferi on “Läheisyysanalyysissa käytettävä paikkatietoanalyysimenetelmä, jonka tuloksena on alue, jonka reuna ulottuu määrätylle etäisyydelle tarkasteltavasta kohteesta tai kohdejoukosta”. Täsmennys on lainattu Tieteen termipankista.

 

Ensi viikkoon!

 

LÄHTEET

K. Korpinen, Kurssikerta 5 – 17.02.2023, [blogikirjoitus] 17.02.2023, Kia Korpinen.  https://blogs.helsinki.fi/kiiakorp/2023/02/17/kurssikerta-5/ (luettu 21.02.2023)

Viikko 4

Hellurei ja hohhoi!

Tänään on taas tullut tapeltua Qgissin kanssa ihan tarpeeksi. Loppujen lopuksi pari tuntia vääntöä ja työtä meni hukkaan, kun ei vain onnistunut. Atribuuttitaulukot näyttivät nullia ja tulokset kartalla olivat hieman sekalaisia.

Tunnilla harjoittelimme tekemään teemakarttaa Helsingin seudun väestötiheydestä. Sen on kyllä tällä kurssilla huommanut, että jos keskittyminen väärällä hetkellä herpantuu hetkeksi, niin siinä vaiheessa on voinut jo pudota kärryiltä pahemman kerran. Tänään mokoma sattui pari kertaa, mutta onneksi vieruskaverille kuiskuttelu toi junan takaisin raiteilleen. Qgisin perustoiminnot alkavat pikkuhiljaa hahmottua, mutta silti monet asiat ovat hiukan epäselviä ja välivaiheet tuppaavat unohtua.

Asiasta viidenteen! – tapasi sanoa sukulaiseni Lapinlahdelta. Puolet tämän blogin lörpötyksistä taitaa olla vähän mitä sattuu jaaritteluja, mutta näin pitkän raataamisen jälkeen aivot tuppaavat pehmentyä sille tasolla, että kohta alkaa pissa-kakka-jutut jo lähteä laukalle! Noh, voisin sen sijaan esitellä vaikka karttaani.

Kartta esittää 1-vuotiaiden määrää . Eikös olekin hassua – kyllä, ei osuutta vaan määrää! Tarkoituksena oli luoda kartta 1-10-vuotiaiden lasten osuudesta 1,5 kilometrin ruuduilla, mutta toista mieltä oli Qgis, joka pilasi pyrkimykseni. Jostain syystä en vain saanut prosenttiosuuksia toimimaan, vaikka tein välivaiheet useamman kerran uudestaan. Tai sitten sain onnistumaan, mutta epäilen sen tuotoksen oikeellisuutta. Eipäs se mitään, sillä välillä on hauskaa tehdä hieman tyhmempiä karttoja, varsinkin näin harjoitusmielessä. Tai sitten tämä aate on minun osaamattomuudelle vain Viljonkan kiertoilmaistu lainaten: “tökerö veruke”.  Joka tapauksessa, kartta on siinä komeudessaan, joskin otsikko meni pieleen, sillä ruudut eivät ole neliökilometrejä, vaan 1,5 kilometriä kanttiinsa. Itseasiassa en tiedä onko kuntien rajatkaan nyt ihan korrekteja, sillä esimerkiksi espoon ja Helsingin välillä ei ole rajaa, mutta kantakapungin ja Itäisen Helsingin väillä jokin raja menee – outoa.

 

kuva1. 1-vuotaiden määrä Helsingin seudulla 1,5×1,5 km ruuduittain

 

Jos tästä epäilyttävästä teoksesta voi jotain tulkita, niin ainakin sen, että asukasmäärältään suurilla alueilla on myös paljon 1-vuotiaita lapsia. Lauttasaari ja Aurinkolahti ovatkin oman kokemuksen mukaan lapsiperheiden suosimia, mutta Töölön, Punavuoren ja Kallion korkeimpia osuuksia selittää varmasti se, että tämän aluerajauksen puitteissa aikalailla näilla kolmella ruudulla on koko seudun korkein väestötiheys. Vähiten 1-vuotiaita asuu harvaan asutuilla tai asumattomilla alueilla. Helsingissä ja Espoossa keskuspuiston alueilla on pari valkoista ruutua, jotka siis ovat lähes täysin itse keskuspuistoa.

Tämä jäi nyt toistaiseksi tämän blogin ainoaksi esitettäväksi tehtäväksi, sillä toisenlaisessa korkeusprofiiliin liittyvässä karttatehtävässä oli hieman hämminkiä. Katsotaan josko tohdin myöhemmin korjata tämän blogin sisältöä asiallisemmaksi tai lisätä vielä tekemättömiä tehtäviä.

Päivitystä seuraavalta viikolta: Tatun blogi paistoi silmään otsikon perusteella (https://blogs.helsinki.fi/jentze/2023/02/09/viikko-4-ruudun-takaa/).  Asukastiheydestä tehty kartta komeilee kauniina väreineen. Omassa kartassani on kutakuinkin samat luokkien välit. Tatun blogissa on myös hyviä pointteja Qgissin ominaisuuksista – pitäisi hieman kertailla näitä, jotta säilyy muistin syövereissä viikkoa pidempään.

Kuulemiin!

Lähteet:

T. Jentze, Viikko 4 – 9.2.2023, [blogikirjoitus], MAA-202 TATU.  https://blogs.helsinki.fi/jentze/2023/02/09/viikko-4-ruudun-takaa/

Viikko 3

Hellurei!

Kolmannen viikon tehtävä tuntui paljon kevyemmältä kuin edellisen viikon ponnistukset. Tässä sunnuntaina päivällä auringon porattaessa kirjoittamisen luulisi sujuvan sutjakkaasti. Kurkataanpa hieman tehtävään!

Pitipäs oikein ensiksi tuoda kuva tähän näkyville, jotta muistuu mieleen, että mitähän sitä tuli taas tehtyä. Se jäi tämänkertaisesta tehtävästä mieleen, että itsellä ja myös muilla Järvisyys% pylväiden saaminen näkyville kesti tuskaisen kauan. Kuitenkin, kauniina ja ylväinä seisovat pinkit pylväät näkyvät tämänkertaisessa tehtävässä (kuva1).

Tunnin aikana teimme harjoituksena kartan Afrikan valtioiden öljykentistä, timanttikaivoksista ja konflikteista. Aineistojen yhdistämisessä oli melkoisia vaikeuksia, mutta lopulta siitä saatiin parsittua kasaan jonkinnäköinen teos – harmikseni se on tallennettu vain harjoitusluokkien pöytäkoneille, joten tähän blogiin sitä ei saa liitettyä. Kuitenkin Tytti Nyrösen blogissa: Luento 3  on esitetty luennolla tehtävän Afrikka-kartta, jonka ohella on kerrottu sen laatimisen vaiheista.

 

kuva1. Suomen tulvaindeksi tulva-alueittain.

 

Itsenäisessä tehtävässä piti siis laatia karttaesitys tulva-alueista, tulvaindeksistä ja järvisyyden osuudesta tulva-alueilla. Aluksi laskettiin tulvaindeksi jakamalla keskiylivirtaama keskialivirtaamalla, minkä tulokset yhdistettiin valuma-alueen datan kanssa uudeksi layeriksi. Tämän jälkeen yhdistettyyn aineistoon liitettiin aineisto järvisyysprosentista. Näin tehtiin data-aineisto, josta muodostettiin oheinen kartta.

Kartalta voidaan päätellä, että kaikista järvisimmät alueet sijaitsevat sisämaalla, erityisesti Itä-Suomessa (Järvi-Suomessa). Tulvaindeksin mukaan rannikolla sijaitsee kaikista tulvariskeimmät alueet, mikä on loogista, sillä rannikolla pinnan korkeus merenpinnasta on matalimmillaan, ja joet laskevat Itämereen sisämaan vesistöistä.

 

Ensi kertaan!

Lähteet:

T. Nyrönen, Luento 3 – 1.2.2023, [blogikirjoitus], tytin blogi.  https://blogs.helsinki.fi/tyttinyr/2023/02/01/luento-3-1-2-2023/ (luettu 5.2.2023)

 

Viikko 2

Projektiovääristymien vertailua Suomen alueella

 

Tervehdys taas lukijat!

Tämänpäiväinen aamu (ja iltapäivä) koettelivat pitkäjänteisyyttä Qgissin kanssa taistellessa, sillä aamukahvin juonti jäi puoleen väliin. Tämän päivän tehtävien välivaiheet kun eivät tallentuneet muistiin, niin siinähän sitten jouduin tuskailemaan tehdessäni itse karttoja. Nyt niitä karttoja piisaa! Tulossa on useita toinen toistaan erikoisempia luomuksia, joten eiköhän mennä asiaan.

Ensimmäisenä luvassa projektioiden ETRS89/TM35 FIN (vasemmalla) ja Sphere Mercatorin (oikealla) vertailua (kuva1). Nämä luomukset loin huvin vuoksi blogia varten, mutta nyt ajateltuna näiden vertailu selkeyttänee omia käsityksiäni. Kuva havainnollistaa hyvin Mercatorin projektion  vääristymää. Kartan hyvin lyhyt oranssi jana kulkee Suomen kapeasta kohdasta sivulta sivulle. Todellisuudessa janan pituus on noin 209 kilometriä, mutta Mercatorin projektiolla pituus on 499,3 kilometriä. Lisäsäväyksenä kuvaan on jäänyt ruskea läntti kuvaamaan Pirkanmaata, mutta sitä ei tarvitse huomioida. Itseasiassa juuri saamani tiedon mukaan, tällainen vertailu pitikin tehdä – hyvä niin!

kuva1. ETRS89 TM35 ja Sphere Mercator projektioiden avulla janan pituuden vertailua.

 

Toisena osana mittausvertailuja on Utsjoen kunnan pinta-alan vertailua ETRS89 TM35 Fin ja Sphere Mercator projektioiden välillä (kuva2). Siinä missä pituus oli vajaa 2,5-kertainen, niin Utsjoen pinta-ala on melkein 9-kertainen – pinta-alat tietenkin tekevät vääristymästä entistä näyttävämmän. Ohessa on lisänä taulukko, jossa kuvataan Mercatorin ja ETRS89 TM35-FIN projektioiden eroja kyseisten pinta-alan ja janan suhteen (taulukko1).

 

kuva2. ETRS89 TM35 ja Sphere Mercator projektioiden avulla pinta-alan koon vertailua.

 

taulukko1. ETRS89 TM35 ja Sphere Mercator projektioiden mittailujen tuloksia.

 

Ja eikun seuraavaan tehtävään! Tarkoituksena oli verrata projektioiden välisiä vääristymiä, joten toivottavasti nämä nyt menivät ihan putkeen… Ensimmäisessä kuvassa (kuva3) sama projektioiden trendi jatkuu: ETRS89/TM35 FIN verrataan Sphere Mercatorin projektioon. Legendassa on esitetty Mercatorin projektion vääristymäkertoimia, jotka suurenevat pohjoiseen päin merkittävästi. Lapissa Mercator vääristää TM35 FIN projektioon nähden jopa 8-kertaisesti.

Toivottavasti blogin kuvat tulevat näkymään tarpeeksi tarkkoina, sillä tässä muokkasnäkymässä kuvat näkyvät epätarkkoina, eikä tässä rajoitetussa yliopiston wordpress-versiossa ole normaaleja kuvanmuokkaus asetuksia 🙁

kuva3. ETRS89 TM35 ja Sphere Mercator projektioiden välisiä vääristymien vertailua.

 

Kuvien värisuora senkuin jatkuu, sillä tulossa on hieman erikoisia värikombinaatioita. Tässä vertailussa (kuva4) ETRS TM35 vastaan asettui aiemmilta kursseilta tuttu Winkel Tripel-projektio, joka minimoi etäisyydet, suunnat ja pinta-alat. Mercatoriin verrattuna Tripel Winkel vääristää huomattavasti vähemmän, sillä vääristymäkerroin on korkeintaan noin 1,4, kun Mercatorissa korkein kerroin on yli 8.

Sofia Salosen blogia lukiessani huomasin, että hänen tarkastelemassa Robinsonin projektioissa on likimain yhtä suuri skaala Suomen alueen vääristymäkertoimissa. Vaikka Winkel Tripel ja Robinsonin toteutukset ovat erilaiset, niin molemmissa on ideologia muodostaa kaikkien suhteiden kompromissi, jonka tulos on Suomen osalta samanlainen (Singh, geoawesomeness.com).

kuva4. ETRS89 TM35 ja Winkel Tripel projektioiden välisiä vääristymien vertailua.

 

Viimeisenä projektiona onkin itse villi kortti, sillä Gauss-Kruger CM 27E projektion vääristymäkertoimet ovat mielenkiintoisia (kuva5). Suomen alueella kaikki vääristymäkertoimet ovat likimain samoja. Ainoastaan yli miljoonasosan tarkkuudella syntyy hyvin pieniä eroja. Numero 27 viittaa siihen, että projektion keskimeridiaani sijaitsee 27 asteella itäistä pituutta.  Tämä poikittainen Mercator eroaa edellisiin projektioihin siinä, että vääristymäkertoimet kasvavat etelään päin.

kuva5. ETRS89 TM35 ja Gauss-Kruger CM 27E projektioiden välisiä vääristymien vertailua.

 

Kuulemiin!

Lähteet:

S. Salonen, Kurssikerta 2 – 25.1.2023, [blogikirjoitus] 26.1.2023, Sofian blogi.  https://blogs.helsinki.fi/sofisalo/ (luettu 27.1.2023)

Ishveena Singh, Which is the best map projection? – 25.4.2017,  geoawesomeness.com. https://geoawesomeness.com/best-map-projection/

Ensimmäinen kurssikerta

Tervetuloa blogiini 😀

Ensimmäisellä kurssikerralla pääsimme heti käytännön toteutukseen Qgis:iä. Qgis vaikuttaa mielenkiintoiselta, mutta myös vaativalta ohjelmistolta. Ominaisuuksia on sen verran, että ohjelmiston täydellinen oppiminen vie aikaa. Toivon, että kurssin jälkeen Qgis osaamisen olisi sillä tasolla, että voi sanoa osaavansa käyttää ohjelmistoa ja tekemään omia analyysejä.

Ensimmäisellä kurssikerralla täytyi seurata opetusta tarkasti, jotta pysyi Qgis:in vaiheissa mukana. Harjoituksena tutuistuimme ja laadimme kartan Itämeren valtioista typenkäytön mukaan. Qgis vaikuttaa tarjoavan kattavan työkalun karttojen pyörittelemiseen – kunhan ohjelma ei pääse kaatumaan kesken kaiken! Tällä kertaa käyttämäni vakaa versio ei onnekseni näin tehnyt. Tuloksena seuraavanlainen kartta (PDF-versio tarkempi):

 

PDF-muodossa tarkempi: Layout1

 

Laatimani teemakartta kuvaa yli 64-vuotiaiden prosentuaalista osuutta kunnittain. Kuten kuvasta voidaan huomata, isoimpien kaupunkien seuduilla yli 64-vuotiaiden osuus on pienin ja puolestaan perifeerisillä alueilla osuudet ovat suurimpia. Nuoret ja työikäiset hakeutuvat isompiin kaupunkeihin opiskelupaikkojen ja työpaikkojen takia, jolloin muuttotappiokuntiin vanhusten osuus kasvaa.

Kartassa luokkien värit ovat hieman huonot, sillä kaksi suurinta luokkaa eivät keskenään erotu kovin hyvin. Toisin on Joel Schülen blogissa, jossa korkein luokka erottuu todella selkeästi. Tästä jää oppi, joten ensi kerrallla blogini käppyrässä on selkeämmin erottuvat värit!

 

Lähteet:

J. Schüle, Viikko 1, [blogikirjoitus] 24.1.2023, Schülen blogi.  https://blogs.helsinki.fi/jschule/ (luettu 25.1.2023)