MAA-202 blogi

Seitsemännen ja samalla viimeisen kurssikerran tehtävänä oli tehdä kartta valitsemastaan alueesta sekä aiheesta. Myös aineisto oli etsittävä itse ja itse tein kartan ensimmäisen vaihtoehdon mukaan eli kartan, jossa esitän kahta muuttujaa.

Ostovoiman mahdollinen vaikutus elinajanodotteeseen

Tein kartan (kuva 1), jossa kuvaan ostovoimakorjattua BKT:ta sekä keskimääräistä elinajanodotetta valtioittain. Ostovoimakorjattu BKT ilmaistaan tässä tapauksessa indeksoituna, jota verrataan Euroopan unionin keskiarvoon, joka on asetettu arvoon 100. Eli jos valtion ostovoimakorjattu BKT on indeksoituna korkeampi kuin Euroopan unionin keskiarvo on arvo tällöin yli 100 ja jos valtion ostovoimakorjattu BKT on indeksoituna pienempi tilanne on päinvastainen. Tarkemman määritelmän löydät tästä. Elinajanodotteen määritelmä on taas varsin selkeä, joten en avaa käsitettä tässä sen tarkemmin, mutta tarkan määritelmän löydät täältä. Valitsin alueeksi Euroopan, sillä tiesin jo etukäteen, että Eurostat-tietokannasta on saatavilla hyvin kattavasti kaikenlaista dataa Euroopan eri valtioita. Hyödyntämäni aineistot Eurostatin vuoden 2019 aineistoja. Pohjakarttana käytin vuoden 2021 NUTS karttaa, jonka löysin myöskin Eurostat-tietokannasta. Kartassa ovat vain valtiot, joilla on käytössä NUTS-järjestelmä eli yhteinen tilastollisten alueyksiköiden nimikkeistö. Tarkemman määritelmän NUTS-järjestelmästä löydät täältä. Kartasta puuttuvat siis esimerkiksi Venäjä, Valko-Venäjä, Ukraina, Moldova, Kosovo sekä Bosnia ja Hertsegovina, mutta ei anneta sen haitata.

Kuva 1. Ostovoimakorjattu BKT indeksoituna ja keskimääräinen elinajanodote NUTS-järjestelmää käyttävissä valtioissa Euroopassa vuonna 2019.

Valitsin edellä mainitut muuttujat, koska halusin tarkastella, että onko niiden välillä jotakin yhteyttä. Eli johtaako parempi ostovoima keskimäärin korkeampaan elinikään. Ennakko-olettamuksena oletin, että asioiden välillä on edes jonkinlainen yhteys. Tämä siitä syystä, että paremman ostovoiman turvin elintaso on todennäköisesti parempi ja on esimerkiksi mahdollista ostaa terveellisempää ruokaa.

Karttaa tarkastelemalla on havaittavissa, että asioiden välillä on olemassa yhteys. Eli ostovoiman ollessa lähellä EU:n keskiarvoa tai sen yli niin myös elinajanodote on korkeampi kuin matalan ostovoiman valtioissa. Todellisuudessa keskimääräiseen elinajanodotteeseen vaikuttaa kuitenkin moni muukin tekijä kuin pelkkä ostovoima, joten mitään selkeitä johtopäätöksiä kartan avulla ei voi tehdä. Karttaa tutkimalla on havaittavissa selkeä ero ostovoimassa Länsi- ja Itä-Euroopan välillä, sillä koko Länsi-Euroopassa Portugalia lukuun ottamatta ostovoima on lähellä EU:n keskiarvoa tai yli keskiarvon. Itä-Euroopassa tilanne on taas päinvastainen. Myös elinajanodote on Länsi-Euroopan valtioissa poikkeuksetta yli 80 vuotta, kun taas Itä-Euroopassa elinajanodote on jokaisessa valtiossa alle 80 vuotta Kreikkaa ja Sloveniaa lukuun ottamatta.

Mitä tästä kurssikerrasta jäi käteen?

Seitsemäs kurssikerta opetti tiedonhakua, sillä kaikki aineisto oli pohjakarttaa myöden etsittävä itse. Lisäksi datan muokkaus haluttuun muotoon sekä ylimääräisen datan karsiminen esimerkiksi taulukkomuotoisesta aineistosta tuli tutuksi tämän kurssikerran aikana. Myös muiden blogien selailu oli tämän kurssikerran jälkeen antoisaa, sillä kaikilla oli täysin erilaisia karttoja blogeissaan. Esimerkiksi Tuomas oli tehnyt blogissaan mielenkiintoisia karttoja Yhdysvaltojen laskettelukeskusten sijoittumisesta osavaltioittain.

Lähteet:

Eurostat (2019). Life expectancy at birth by sex & GDP per capita in PPS. Haettu 3.3.2022 osoitteesta: https://ec.europa.eu/eurostat

Hartikainen, T. (2022). MAA-GIS-TA MENOA, 7. kurssikerta. Haettu 17.3.2022 osoitteesta https://blogs.helsinki.fi/tuomhart/

 

Kuudes kurssikerta lähti käyntiin ulkoiluretkellä kampuksen lähimaastossa. Ulkona ollessa jokainen keräsi tietoa kampuksen lähialueiden eri kohteista käyttäen omaa puhelintaan. Tietoa eri kohteista kerättiin hyödyntämällä Epicollect5-sovellusta. Eri kohteita arvioitiin asteikolla 1-5 esimerkiksi kohteen turvallisuuden tai viihtyvyyden kannalta. Itse sovellus tuntui varsin hyvältä työkalulta paikkatiedon keräämiseen ja sovelluksen käyttö oli todella yksinkertaista.

 

Maanjäristyksiä ja tulivuoria ympäri maailmaa

Kurssikerran itsenäisen harjoituksen tavoitteena oli tuottaa kolme karttaa maapallolla esiintyvistä hasardeista. Tavoitteena oli tuottaa karttoja, joita voisi hyödyntää esimerkiksi opetuksessa. Tuottamani kartat kuvaavat tulivuorten sijoittumista maapallolla sekä eri tasoisia maanjäristyksiä. Ensimmäisessä kartassa (kuva 1) näkyvät maanjäristykset, joiden voimakkuus oli yli 8 Richterin asteikolla aikavälillä 1950-2021. Toisessa kartassa (kuva 2) näkyvät maanjäristykset, joiden voimakkuus oli yli 6 Richterin asteikolla aikavälillä 1950-2021 ja kolmannessa kartassa näkyvät maanjäristykset, joiden voimakkuus oli yli 4,5 Richterin asteikolla aikavälillä 2020-2021. Syy miksi päädyin juuri kyseisiin arvoihin on se, että kyseiset maanjäristykset ovat tuhovoimaltaan hyvin erilaisia. Internetiä selatessani löysin hyvän taulukon (taulukko 1), josta on helppo selvittää eroja esimerkiksi 2 Richterin ja 10 Richterin maanjäristysten välillä.

Kuva 1. Tulivuoret ja maanjäristykset, joiden voimakkuus oli  yli 8 Richterin asteikolla vuosina 1950–2022. NOAA & USGS 2022.

Kuva 2. Tulivuoret ja maanjäristykset, joiden voimakkuus oli yli 6 Richterin asteikolla vuosina 1950–2022. NOAA & USGS 2022

Kuva 3. Tulivuoret ja maanjäristykset, joiden voimakkuus on yli 4,5 Richterin asteikolla vuosina 2020-2021. NOAA & USGS 2022.

Taulukko 1. Tietotaulukko eritasoisten maanjäristysten vaikutuksista (GE3 – Hasardit).

Karttojen kuvatessa maanjäristyksiä ja tulivuorten sijoittumista eri puolilla maapalloa, voisivat kartat toimia esimerkiksi havainnollistava esimerkkinä, kuinka tulivuorilla ja maanjäristyksillä on selvä yhteys. Karttoja voisi hyödyntää esimerkiksi oppitunnilla, jonka aiheena olisi tulivuoret. maanjäristykset ja litosfäärilaatat. Litosfääritlaattojen rajavyöhykkeillä tapahtuu nimittäin suurin osa maapallon maajäristyksistä sekä valtaosa tulivuorista sijaitsee myös litosfäärilaattojen rajavyöhykkeillä. Olisin itsekin voinut lisätä litosfäärilaattojen sijainnit omiin karttoihin, sillä se olisi parantanut karttojen informatiivisuutta. Esimerkiksi Ali oli lisännyt omiin karttoihinsa litosfäärilaattojen sijoittumisen maapallolla.

Karttojen avulla voisi myös opettaa tsunameista ja tsunamien syntytavoista. Tsunamit ovat nimittäin valtavan tuhoisia luonnonilmiöitä ja todellinen uhka monelle litosfäärilaattojen rajavyöhykkeillä asuville. Tsunami voi syntyä esimerkiksi voimakkaan vedenalaisen maanjäristyksen seurauksena tai räjähdysmäisestä tulivuoren purkauksesta. Eli molemmat kartoillani esittämäni luonnonilmiöt voivat saada aikaan tsunamin. Esimerkiksi vuoden 2004 tapaninpäivän tsunami, johtui voimakkaasta vedenalaisesta maanjäristyksestä Intian valtamerellä. Sen seuraukset olivat katastrofaaliset ja se näkyy esimerkiksi hyvin kuvassa (kuva 4).

Kuva 4.  Vuoden 2004 tsunamissa tuhoutuneita taloja Indonesiassa (Choo Youn-Kong/AFP/Getty Images, history.com).

Lopuksi

Visuaalisesti kartan onnistuivat mielestäni melko hyvin ja esittävät maanjäristysten sekä tulivuorten sijoittumista maapallolla yksinkertaisesti. Kartoista olisi toki saanut visuaalisesti miellyttävämpiä esimerkiksi hyödyntämällä heatmap-toimintoa, kuten Tuomas oli blogissaan tehnyt.

Lähteet:

Choo Youn-Kong/AFP/Getty Images. history.com. (18.10.2020) Haettu 4.3.2022 osoitteesta: https://www.history.com/news/deadliest-tsunami-2004-indian-ocean

hasardit.blogspot.com. (2012), GE3 – Hasardit. Haettu 4.3.2022 osoitteesta: http://hasardit.blogspot.com/2012/

Hartikainen, T (2022). MAA-GIS-TA menoa, 6. kurssikerta. Haettu 4.3.2022 osoitteesta: https://blogs.helsinki.fi/tuomhart/

Ylikoski, A (2022). Alin Geoinformatiikkablogi, Kurssikerta 6: Sään ääri-ilmiöitä ja maanjäristyksiä. Haettu 4.3.2022 osoitteesta: https://blogs.helsinki.fi/alingeoinformatiikka/

 

 

Viidennellä kurssikerralla perehdyimme tarkemmin puskurivyöhyke (buffer) työkalun käyttöön. Aluksi harjoittelimme bufferointia Pornaisten karttalehdellä ja tämän jälkeen siirryimme itsenäisiin tehtäviin. Bufferointi on varsin hyvä työkalu esimerkiksi selvitettäessä uuden kauppakeskuksen mahdollista asiakaskunnan määrää. Tämä onnistuu esimerkiksi luomalla 10 km puskurivyöhyke ja selvittämällä, kuinka monta asukasta kyseisen vyöhykkeen sisällä asuu. Näin voitaisiin selvittää, että onko alueelle edes järkevää rakentaa kauppakeskusta.

Lentokenttiä, asemia ja taajamia

Ensimmäisen itsenäisen harjoituksena tarkoituksena oli luoda buffereita eli alueiden ympärille ja selvittää esimerkiksi, kuinka monta ihmistä tai kuinka monta prosenttia ihmisistä asuu tietyn puskurivyöhykkeen sisällä. Tavoitteena oli selvittää esimerkiksi Malmin lentokentän välittömässä läheisyydessä asuvien määrää ja selvittää, kuinka moni ihmisistä asuu alle 500 metrin päässä lähimmästä juna- tai metroasemasta. Lisäksi tavoitteena oli selvittää, kuinka monen ihmisen elämään Helsinki-Vantaan eri desibeli voimakkuuksien lentomelu vaikuttaa. Tehtävänä oli myös selvittää, kuinka monella alueella alueen asukkaista yli 10, 20 tai yli 30 % asukkaista on ulkomaalaisia. Tähän tehtävään saamani tulokset ovat melko suurehkoja siitä syystä, että ilmoittamani tulokset ovat yksittäisiä katuosoitteita eikä taajama-alueita. Alla olevassa taulukossa on vastaukset kaikkiin ensimmäisen tehtävän kysymyksiin.

Taulukko 1. Vastaukset ensimmäiseen tehtävään

Uima-altaita pääkaupunkiseudulla

Toisena itsenäisenä harjoituksena oli kolmesta eri vaihtoehdosta valittava tehtävä. Itse valitsin tehtävän, jossa oli tavoitteena selvittää uima-altaiden määriin liittyvää tietoa. Tehtävässä piti esimerkiksi selvittää, kuinka monessa pääkaupunkiseudun rakennuksessa on uima-allas ja kuinka monta ihmisistä asuu rakennuksissa, joista löytyy uima-allas. Lisäksi tavoitteen oli selvittää kaupunginosa, jossa on eniten uima-altaita sekä tehdä kartta, joka kuvaa uima-altaiden määrää pääkaupunkiseudulla. Itse kartan teko tuotti itselleni aluksi vaikeuksia, mutta Heikin vinkkien avulla sain kartan (kuva 1) tehtyä. Tämän takia oma karttanikin mukailee hänen tekemää karttaa. Hän oli myös perustellut omassa blogissaan hyvin miksi, poikkesi tehtävänannosta hieman ja olen täysin samaa mieltä hänen kanssaan.  Koostin myös taulukon, joissa on vastaukset toisen harjoituksen kysymyksiin.

Päädyimme kuvaamaan altaiden määrää numeroina ja jaoimme alueet viiteen eri väriin ja mielestäni kartasta saa paljon paremmin selville alueiden uima-altaiden määrän kuin pylväiden kanssa.

-Heikki Paulamäki

Kuva 1. Uima-altaiden määrä pääkaupunkiseudulla asuinalueittain.

Taulukko 2. Vastauksen toisen tehtävän kysymyksiin

Lopuksi

QGIS:n käyttö sujuu viikko viikolta yhä paremmin ja työkalut, jotka ovat mielestäni parhaiten hallussa ovat buffer-työkalu, join attributes by location-työkalu sekä select features-työkalut. Koen kaipaavani eniten harjoitusta sellaisten työkalujen käytössä, joita tehtävissä on hyödynnetty vain harvoin. Näitä ovat esimerkiksi aggregate ja dissolve- työkalut.

Lähteet

Paulamäki, H. (2022). Gis väännöt Hessun kanssa, viikko 5 – bufferit. Haettu 24.2.2022 osoitteesta: https://blogs.helsinki.fi/heikpaul/

Neljännellä kurssikerralla aiheena olivat erilaiset piste- ja ruutuaineistot. Kurssikerralla opin, että laserkeilaamalla tuotettu paikkatietoaineisto on kaikista tarkin paikkatietoaineisto. Myös pisteaineisto on varsin tarkka paikkatietoaineisto ja sen avulla voidaan kerätä tietoa melkeinpä mistä vain.

Pääkaupunkiseudun ruutuaineisto väestön jakautumisesta

Kurssikerran varsinaisena tehtävänä oli tehdä ruututeemakartta hyödyntäen pääkaupunkiseudulta kerättyä dataa. Itse tein kartan (kuva 1) pääkaupunkiseudulla asuvien muunkielisten absoluuttisista osuuksista. Termillä muunkielinen tarkoitetaan henkilöä, joka puhuu äidinkielenään jotain muuta kuin kolmea Suomen virallista kieltä eli suomea, ruotsia tai saamea Ruututeemakartalla on siis mahdollista esittää absoluuttisia arvoja, sillä ruutujen koko on vakio, tässä tapauksessa neliökilometri. Absoluuttisten arvojen esittäminen ei kuitenkaan ole aina kovin järkevää, sillä tiheämmin asutuilla alueilla esiintyy enemmän erilaisia ilmiöitä kuin harvaan asutuilla alueilla. Näin ollen tiheämmin asutut alueet korostuvat selvästi kartoissa. Karttaa tarkastelemalla on huomattavissa selkeitä keskittymiä, joissa muunkielisiä on varsin runsaasti. Keskittymiä on esimerkiksi Itäkeskuksessa, Vuosaaressa, Matinkylässä ja Jakomäessä. Myös Helsingin kantakaupungissa on olemassa muunkielisten keskittymä. Toisaalta kantakaupungissa väestötiheys on pääkaupunkiseudun tiheimpiä, joten myös suomea ja ruotsia puhuvia asuu alueella paljon. Tämä saattaa aiheuttaa maallikon silmissä väärinkäsityksiä, vaikka kantakaupungissa on runsaasti muunkielisiä, heitä on kuitenkin suhteellisesti selvästi vähemmän kuin esimerkiksi Itäkeskuksessa tai Jakomäessä.

Tästä syystä tein myös kartan (kuva 2) muunkielisten suhteellisesta osuudesta pääkaupunkiseudun väestöstä. Karttaa tarkastelemalla on huomattavissa, että suurimmat muunkielisten keskittymät sijaitsevat Itä-Helsingissä. Väestöntiheys vaihtelee pääkaupunkiseudulla huomattavasti ja tämä voi antaa väärän kuvan esimerkiksi väestön suhteellisia osuuksia kuvaavissa kartoissa. Esimerkiksi osassa ruututeemakartan ruuduista asuu tuhansia ihmisiä, kun toisissa asuu vain muutamia kymmeniä. Eli alueilla, joissa väestötiheys on matala, muunkielisten vähäinenkin määrä on alueella suhteellisen iso. Tuomas oli tehnyt blogissaan kartan, joka kuvaa muunkielisten suhteellista osuutta pääkaupunkiseudun alueilla, joissa väestöntiheys on yli 100 asukasta per neliökilometri. Tältä kartalta onkin selvästi helpommin huomattavissa alueet, joissa muunkieliset edustavat suurta osaa alueella asuvasta väestöstä. Myös tässä kartassa Itä-Helsinki korostuu hyvin.

Syitä muunkielisten keskittymistä juuri Itä-Helsingin lähiöihin on varmasti monia. Itselle tuli päällimmäisenä mieleen esimerkiksi alueen keskiarvoa matalammat neliöhinnat sekä runsas kaupunkien vuokra-asuntojen määrä. Muunkielisten on jonkin verran vaikeampi työllistyä kuin kantaväestön johtuen usein puutteellisesta kielitaidosta. Tästä johtuen he joutuvat tinkimään asumisesta ja asumaan juuri esimerkiksi Itäkeskuksen kaltaisissa lähiöissä. Myös perhesuhteilla on varmasti oma osansa muunkielisten keskittymien synnyssä. Muunkielisillä eli esimerkiksi Lähi-Idästä tulevien ihmisten asumistapa on usein paljon yhteisöllisempi kuin Suomessa. Näin ollen he todennäköisesti haluavat myös Suomessa asua lähellä perheenjäseniään eli toisia muunkielisiä. Samalla heidän on myös todennäköisesti helpompi integroitua yhteiskuntaan.

Kartat onnistuivat mielestäni visuaalisesti melko hyvin ja tarkastelussa oleva alue on rajattu mielestäni varsin selkeästi. Myös täysin asumattomat alueet ovat selkeästi huomattavissa. Karttojen informatiivisuudessa ja luettavuudessa on kuitenkin parantamisen varaa. Näitä asioita olisi helppo parantaa esimerkiksi lisäämällä karttoihin tieverkoston ja asuinalueiden nimiä. Näiden avulla myös maallikon olisi helpompi tulkita karttaa.

Pornaisen korkeuskäyrät

Kurssikerran toisena tehtävänä oli luoda Pornaisten peruskarttalehdelle korkeuskäyrät sekä verrata sitä Paitulista ladattavan peruskarttalehden korkeuskäyriin. Korkeuskäyrien piirto peruskarttalehdelle onnistui hyödyntämällä alueen korkeusmallirasteriaineisto sekä peruskarttalehteä. Korkeusmallin avulla laadittuja korkeuskäyriä (kuva 3) ja Paitulista ladatun peruskarttalehden (kuva 4) korkeuskäyriä tarkastelemalla voidaan huomata, että ne vastaavat toisiaan. Paitulista ladatun peruskarttalehden korkeuskäyrät ovat kuitenkin huomattavasti tarkemmat ja lisäksi karttaan on merkitty johtokäyrät, joita QGIS:llä tuotetussa kartassa ei ole.

Lähteet:

Hartikainen, T (2022). Maa-gis-ta menoa, 4. kurssikerta. Haettu 16.2.2022 osoitteesta: https://blogs.helsinki.fi/tuomhart/

 

Kolmannella kurssikerralla tutustuttiin tietokantojen yhdistämiseen sekä ulkoisen tiedon liittämiseen tietokantoihin. Tämä toteutettiin Afrikkaan liittyvän datan avulla. Hyödynnetty data sisälsi tietoa muun muassa Afrikan konflikteista maittain, internetin käyttäjien määrästä sekä tietoa löydetyistä timanteista maittain.

Internetin käyttö konfliktien keskellä

Kolmannen kurssikerralla sain Afrikkaan liittyvästä datasta aikaan seuraavan kartan (kuva 1). Kartassa esitän internetin käyttäjien määrän prosenttiosuuksittain valtioittain, lisäksi karttaan on merkattu Afrikassa esiintyneitä konflikteja harmain pistein. Ennakko-oletukseni oli se, että mitä suuremmalla osuudella kunkin valtion väestöstä on pääsy internetiin sitä, vähemmän kyseisillä alueilla esiintyisi konflikteja. Tämä siitä syystä, että mielestäni internetin käyttäjien korkeaa prosentuaalista määrää voi pitää jonkinlaisena kehityksen mittarina. Eli mitä suuremmalla osuudella kunkin valtion asukkaista on pääsy internetiin, sitä kehittyneempi valtio on. Karttaa tarkastelemalla ennakko-oletukseni voi melko nopeasti todeta vääräksi. Nimittäin karttaa tarkastelemalla voidaan huomata, että niissäkin valtioissa, joissa internetin käyttäjien prosentuaalinen määrä on verrattain suuri eli yli 50 %, konflikteja esiintyy lähes samaan tapaan kuin muissakin valtioissa.

Lisäksi harjoituksessa oli myös tarkoituksena pohtia mitä seuraavilla aineistossa olevilla tiedoilla voisi tehdä tai päätellä:

• Konfliktin tapahtuma vuosi
• Konfliktin laajuus/säde kilometreinä
• Timanttikaivosten löytämisvuosi
• Timanttikaivoksen kaivausten aloitusvuosi
• Timanttikaivosten tuottavuusluokittelu
• Öljykenttien löytämisvuosi
• Öljykenttien poraamisvuosi
• Öljykenttien tuottavuusluokittelu
• Internetkäyttäjien lukumäärä eri vuosina

 

Näillä tiedoilla voisi esimerkiksi pohtia, että onko timanttikaivoksilla tai öljykentillä yhteyksiä konflikteihin. Eli esiintyykö konflikteja todennäköisemmin näiden alueiden läheisyydessä kuin alueilla, joissa näitä luonnonvaroja ei esiinny. Lisäksi voisi pohtia, että onko timanttikaivoksen tai öljykenttien perustaminen tietylle alueella tuonut alueelle lisää vaurautta, joka näkyisi esimerkiksi internetkäyttäjien kasvussa. Vai onko timanttikaivoksista tai öljykentiltä saadut voitot valuneet suoraan monikansallisten yhtiöiden omistajien taskuun jättäen alueille vain heikentynyttä ympäristöä.

 

Tietoa Suomen vesistöistä

 

Itsenäisenä harjoituksena tehtiin kartta (kuva 2), joka kuvaa Suomen eri valuma-alueiden tulvaindeksejä. Lisäksi karttaa lisättiin histogrammit järvisyysprosenteista. Tuomas oli selventänyt hyvin blogissaan, mitä termillä tulvaindeksi tarkoitetaan.

Tulvaindeksillä tarkoitetaan keskiylivirtaaman ja keskialivirtaaman välistä suhdetta. Keskiylivirtaama on joen uoman poikkileikkauksen läpi kulkevan vesimäärän ylimpien mitattujen arvojen keskiarvo, ja keskialivirtaama vastaavasti pienimpien mitattujen arvojen keskiarvo. Tulvaindeksi saadaan laskettua, kun jaetaan keskiylivirtaama keskialivirtaamalla. Saatu luku kertoo siis joenvirtausnopeuden vaihtelun suuruuden. Mitä isompi on pienimpien ja suurimpien virtaamien ero, sitä suurempi on tulvaindeksi.

-Tuomas Hartikainen

 

 

Karttaa tarkastelemalla voidaan huomata, että esimerkiksi Pohjanmaalla on verrattain korkea tulvaindeksi ja matala järvisyysaaste. Vastaavasti Järvi-Suomessa on matala tulvaindeksi ja korkea järvisyysaste. Järvisyysasteella ja tulvaindeksillä on siis selvä yhteys eli mitä enemmän alueella on järviä, sitä harvemmin alueella tulvii. Tämä siitä syystä, että järvet tasaavat tehokkaasti tulvahuippuja. Suurin tulvaindeksi on kuitenkin Aurajoen vesistöllä Turun seudulla, joka on Pohjanmaan tavoin varsin tasaista seutua ja vesistöjen määrä on vähäinen. Lisäksi molempia alueita yhdistää sijainti rannikolla.

 

Lopuksi

Olen molempiin karttoihin ihan tyytyväinen, sillä ne kuvaavat esitettäviä asioita mielestäni melko selkeästi. Ongelmitta ei kuitenkaan karttojen teosta selvitty, sillä histogrammien teko tuotti aluksi huomattavia vaikeuksia, enkä saanut niitä kartalla lainkaan. Topiaksen blogista löytyi onneksi ratkaisu tähän ja lopulta sain histogrammit kartalle näkyviiin.

 

Lähteet:

Hartikainen, T. (2022) Maa-gis-ta menoa, 3 kurssikerta. Haettu 8.2.2022 osoitteesta: https://blogs.helsinki.fi/tuomhart/

Vanhatalo, T. (2022) TKV MAA-202 blogi, kolmas harjoituskerta. Haettu 8.2.2022 osoitteesta: https://blogs.helsinki.fi/topiasva/

 

Rajapinta-aineistot

Toisella kurssikerralla tutustuimme erilaisiin rajapinta-aineistoihin, joita on viime vuosina tullut yhä laajemmin saataville kenelle tahansa. Syy tähän on Euroopan unionin INSPIRE-direktiivi, jonka ansiosta valtavia määriä paikkatietoaineistoa on ladattavissa täysin ilmaiseksi. INSPIRE ohjaa Euroopan unionin jäsenmaita rakentamaan yhtenäiset ja yhteentoimivat paikkatietoinfrastruktuuurit. (maanmittauslaitos.fi) Aineistoja, joihin tutustuimme kurssikerralla olivat: WFS, WMS, WMTS sekä WCS.

Projektion vaikutus kartan todenmukaisuuteen

Pääpaino kurssikerralla oli kuitenkin erilaisissa karttaprojektioissa ja niiden aiheuttamissa vääristymissä erimerkiksi alueiden pinta-aloissa. Jenna oli tiivistänyt hyvin blogissaan miksi erilaiset karttaprojektiot ovat tarpeellisia. Hän kertoi blogissaan, että eri projektioita on luotu, sillä pyöreän pinnan saaminen tasolle kokonaisena on yksinkertaisesti mahdotonta eli projektioilla kuvataan pyöreää pintaa tasolla. Projektioita on olemassa kolmenlaisia: oikeapintaisia, oikeakulmaisia sekä oikeakeskipituisia. Oikeanlaisen projektion valinta onkin tärkeää riippuen mitä ominaisuutta halutaan kuvata mahdollisimman totuuden mukaisena. Kurssikerran tehtävänä oli vertailla QGIS-ohjelmistolla erilaisten projektioiden aiheuttamia vääristymiä pinta-aloissa verrattuna ETRS-TM35FIN tasokoordinaattijärjestelmään.

Ensimmäiseksi vertasin Mercatorin projektiota ETRS-TM35FIN tasokoordinaatistoon. Kartasta (kuva 1) on huomattavissa hyvin kuinka paljon Mercatorin projektio vääristää pinta-aloja. Pohjois-Lapissa alueiden pinta-alat vääristyvät pahimmillaan yli 8 % ja pieninkin vääristymä Etelä-Suomessa on lähes 4 %. Mercatorin projektio ei siis sovin lainkaan eri alueiden pinta-alojen vertailuun, mutta se ei olekaan projektion tarkoitus, sillä kyseessä on oikeakulmainen projektio.

 

Toiseksi vertasin Robinsonin projektiota ETRS-TM35FIN tasokoordinaatistoon. Kartasta (kuva 2) on huomattavissa huomattava parannus pinta-ala vääristymissä verrattuna Mercatorin projektioon. Robinsonin projektiossa pinta-ala vääristymä on pahimmillaan 1,4 % Pohjois-Lapissa, kun vastaava luku oli Mercatorin projektiossa yli 8 %. Voidaan siis sanoa, että Robinsonin projektio sopii verrattain hyvin eri alueiden pinta-alojen vertailuun. Tämä onkin luonnollista, sillä Robinsonin projektiossa on pyritty minimoimaan maa-alueiden muotojen vääristyminen sekä niiden kokoerojen vääristyminen. (Lehtinen & Kettunen, 2019)

Kolmantena vertasin Van der Grintenin projektiota ETRS-TM35FIN tasokoordinaatistoon. Kyseessä oli itsellä täysin tuntematon projektio ja maanmittauslaitoksen sivuilla projektiosta kerrotaan, että projektiossa leveys- ja pituuspiirit näyttäytyvät kaarevina. Lisäksi projektiossa maailmankartta esitetään ympyrän muodossa ja napa-alueet näyttävät suhteettoman suurilta kyseisessä projektiossa. Kartasta (kuva 3) voidaan huomata, että Van der Grintenin projektio sijoittuu pinta-alan vääristymissä Mercatorin ja Robinsonin projektion väliin. Suurinkin vääristymä Pohjois-Lapissa on lähes puolet pienempi kuin Mercatorin projektiossa. Pienin vääristymä Etelä-Suomessa on kuitenkin lähes kaksinkertainen verrattuna Robinsonin projektioon.

 

Visuaalisesti kartat onnistuivat mielestäni melko hyvin ja karttojen siirtäminen ETRS-TM35FIN tasokoordinaatistoon ennen karttojen tallentamista oli mielestäni oikea päätös. Syy tähän on se, että tällä tavoin eri projektioiden aiheuttaminen vääristymien vertailu on mielekkäämpää, sillä osa projektioista esittää Suomen vinoutuneena. Luokkien määrää olisi voinut myös hieman muokata erityisesti Robinsonin projektiossa, jossa erot eri luokkien vääristymissä ovat todella pieniä. Näin ollen parempi luokkien määrä olisi voinut olla esimerkiksi viisi.

Lähdeluettelo

Lehtinen, J. & Kettunen P. (2019) ’Maailma venyy ja paukkuu kartalla’ Haettu 31.1.2022 osoitteesta: https://www.maanmittauslaitos.fi/tietoa-maanmittauslaitoksesta/ajankohtaista/lehdet-ja-julkaisut/tietoa-maasta/maailma-venyy-ja-paukkuu

Maanmittauslaitos verkkosivu ’Mikä INSPIRE?’ Haettu 31.1.2022 osoitteesta: https://www.maanmittauslaitos.fi/kartat-ja-paikkatieto/paikkatietojen-yhteentoimivuus/inspire/mika-inspire

Mettälä, J. (2022) Geoinformatiikan menetelmät Jmettala. Toinen kurssikerta. Haettu 31.1.2022 osoitteesta: https://blogs.helsinki.fi/jmettala/2022/01/25/toinen-kurssikerta/