Kuukausi: helmikuu 2018

Viidennellä kurssikerralla otimme haltuun uusia työkaluja QGIS -ohjelmassa sekä hieman aiempaa vaativampia itsenäisharjoituksia. Käytimme harjoituksessa viime kerralla aloitettua Pornaisten karttaa ja analysoimme siihen liitettyä dataa. Aloitimme laskemalla teiden pituuden ja peltojen pinta-alan kartalla. Näihin käytimme mielestäni hyvin yksinkertaisia työkaluja, joista uskon olevan hyötyä tulevissa projekteissa.

Tämän jälkeen siirryimme haastavamman, mutta erittäin hyödyllisen taidon opettelemiseen, eli bufferointiin. Tämän ja piirtotyökalun avulla voi tehdä mitä ihmeellisempiä rajauksia ja valintoja tietokantaa hyväksi käyttäen. Eemil Becker olikin blogissaan (Meemilin blogi 2018) listannut hyviksi käyttökohteiksi ”saavutettavutta, teiden melu- ja ilmansaasteita, sekä vaikkapa jokien alueiden maanviljelysmahdollisuuksia”. Harjoituksessa valitsimme bufferin sisälle rakennukset, joissa asuu ihmisiä. Selvitimme niiden lukumäärän sekä suhteellisen osuuden kaikista rajatun alueen asukkaista. Tähän asti kaikki hyvin helppoa ja tuskatonta.

Seuraavaksi tehtävistä tuli itsenäisesti suoritettavia ja olivat vaikeusasteeltaan haastavampia. Ensimmäisessä tehtävässä, jossa laskettiin lentokenttien melualueella asuvia ihmisiä, tuotti minulle vain vähän vaikeuksia, mutta jälkimmäinen tehtävä ei meinannut onnistua millään. Tehtävänanto ja vinkkien määrä olivat jälkimmäisessä tosin huomattavasti suppeampia, eli omien aivojen käyttö korostui. Näin jälkikäteen ajateltuna tehtävä oli hyvin helppo, mutta ehkä olin jo väsynyt sitä tehdessäni, joten se ei edennyt halutulla tavalla. Joka tapauksessa viimeistelin ja tein sen uudestaan kotona. Kertauksen kautta näiden työkalujen käyttäminen alkoi tuntumaan luontevalta.

Tein kotona kurssikerran viimeiset tehtävät, joista tarkoitus oli valita yksi. Olin kuitenkin sen verran innostunut, että tein ne kaikki. Tämä oli mielestäni hyvä idea, sillä perustoiminnot tarvitsevat paljon harjoituskertoja, jotta ne jäävät mieleen ja että niiden käyttäminen toimii ilman ohjeita. Taulukkoon 1 olen koonnut kaikkien tehtävien vastaukset. Kaksi ensimmäistä tehtävää sujuivat suhteellisen helposti, mutta kolmas tuotti vähän enemmän vaikeuksia. Ensimmäinen tehtävä oli mielestäni todella helppo. En muistaakseni käyttänyt muita työkaluja kuin valintatyökalua ja statistiikkapaneelia, joiden avulla sain kirjattua vastaukset. Käpylän yhtenäiskoulun piirin tuloksia katsellessani epäilin jonkin menneen väärin, sillä lukuarvot olivat todella pieniä. Tarkastuskierroksen jälkeen huomasin kuitenkin niiden paikkansapitävyyden, mikä tarkoittaa, että koulupiiri on hyvin pieni. Sini Virtanen toteaa hyvin blogissaan (Gems are forever 2018), on koululaisia joka vuosi ollut vähemmän ja lähikouluja suunnitellaan yhdistettäväksi.

Taulukko 1: Itsenäistehtävien vastaukset

Kuva 1: Uima-altaiden määrät eri alueilla pääkaupunkiseudulla

Toisessa tehtävässä tuotin kartan, josta voi nähdä uima-altaiden absoluuttisia määriä alueittain. Ensimmäiseen tehtävän työkaluarsenaaliin lisäsin yksittäisten pisteiden laskemisen polygonissa ja sain tehtyä laskutoimitukset suhteellisen vaivatta. Loppupelissä pärjäsin kuitenkin yksinkertaisten työkalujen avulla, kuten kenttien yhdistäminen, valintatyökalulla ja field calculatorilla. Kartalta voidaan suhteellisen helposti havaita klusterointia uima-altaiden määrissä. Näiden sijoittumista kirjoitti hyvin blogissaan Elli-Nora Kaarto (Elkaelka’s adventures with GIS 2018), jossa hän mainitsi, että eniten uima-altaita on alueilla, jotka on rakennettu ”niiden ollessa trendikkäitä”. Lopputuloksena on ihan tyydyttävä kartta, joka esitetään kuvassa 1. En tosin pidä pylväiden käytöstä tässä yhteydessä ja mielestäni pelkät lukuarvot olisivat riittäneet. Toisaalta kartassa olevat lukuarvot olisin voinut jättää vain legendaan, jolloin kartalla ei olisi näin paljon tavaraa. Harjoituksessa minulle heräsi henkilökohtainen mielenkiinto, sillä asuin kerrostalossa, jonka talonyhtiö omisti uima-altaan. Päätin katsoa OpenStreetMap -liitännän avulla tämän sijainnin kartalla. Pahaksi pettymyksekseni kuitenkin huomasin, ettei tätä allasta löytynyt harjoituksen tietokannasta ja tämän takia myös kartaltakaan!

Kolmas harjoitus olikin haastavampi ja tein sen vähän turhan myöhään illalla. Olen toki ymmärtänyt, että GIS-hommissa joskus illat venyvät karttojen kanssa, joten halusin kokeilla, miten ohjelman työkalut pysyisivät hallussa. No eiväthän ne pysyneet, vaan perustyökalujen käyttöä piti opetella aiempien kurssidiojen pohjalta. Huvittavinta oli, etten muistanut, miten kaksi kenttää eri tasoissa yhdistetään keskenään, vaikka niissä molemmissa oli yhteneväinen tunnusnumero. Kun vihdoinkin sain taisteluvoiton tästä ongelmasta, totesin jälleen kerran, että paljon työkaluja on opittu, mutta niitä pitäisi vain käyttää enemmän, jotta käyttö olisi sujuvaa. Onneksi netistä löytyy hyviä esimerkkitapauksia ja jopa videoita eri toiminnoista. Joka tapauksessa tehtävän 3 kartta kuvassa 2 on suhteellisen onnistunut. Klusterointia on hyvin vähän ja Helsingin kantakaupungin voi hyvin erottaa vanhemmasta asuinkannastaan, koska se on kartalla vaaleimmalla pohjalla.

Kuva 2: Putkiremontti-indeksi, eli vuosina 1965-1970 rakennettujen kerrostalojen osuus kaikista kerrostaloista pk-seudulla alueittain

Olen huomannut, että QGIS-ohjelma on hyvin monipuolinen ja niissä suoritettavien analyysien ja visualisointien tekeminen on vain kiinni mielikuvituksesta ja aineistojen saatavuudesta. Kurssikerran jälkeen pohdinkin, kuinka hyvä saatavuus eri aineistoille on ja kuinka tämä kehittyy tulevaisuudessa. En ihmettelisi ollenkaan, jos olisin paikkatiedon kanssa tekemisissä työurani aikana, joten tämä kiinnostaa minua suuresti. Osaamineni kehittyy mielestäni hyvää vauhtia ja ajattelin kehittää sitä itsenäisesti, sillä QGIS:in ollessa ilmainen ja paikkatietoaineistojen avoimuusperiaatteen yhdistelmä mahdollistaa tämän. Omia kehityksen kohteita ohjelman kanssa on erilainen visualisointi sekä hienosäätö, suurten tietokantojen käsittely ja perustyökalujen järjestelmällinen osaaminen.

Lähteet:

Becker, Eemil. Meemilin blogi 2018. Verkossa. Luettu 27.2.2018. Saatavilla: http://blogs.helsinki.fi/beemil/2018/02/19/homma-rupee-sujumaan/

Kaarto, Elli-Nora. Elkaelka’s adventures with GIS 2018 Verkossa. Luettu 28.2.2018. Saatavilla: https://blogs.helsinki.fi/elkaelka/2018/02/16/5-kurssikerta-altaita-ja-arviointia/

Virtanen, Sini. Gems are forever 2018. Verkossa. Luettu 28.2.2018. Saatavilla: https://blogs.helsinki.fi/7k110738/2018/02/13/verta-hikea-ja-puskureita/

 

Tällä kurssikerralla opettelimme tekemään ruutukarttoja QGIS-ohjelman avulla sekä kuinka niitä voidaan eri tavoilla hyödyntää. Itse ruudukoiden teko oli suhteellisen mutkatonta, vaikka ongelmana oli hieman ohjelman hitaus sekä kaatuilu. Onneksi en menettänyt mitään tietoa, sillä tallensin projektini useasti.

Päivän ensimmäisen harjoituksen teemana oli pääkaupunkiseudun väestön tunnuslukujen esittäminen ruutukartalla. Data tuotiin karttoihin pistemuodossa, josta se siirrettiin haluaman kokoisiin ruutuihin. Kuten Miika Kastarinen totea blogissaan (Miikakas’s blog 2018), on ruutukartta usein pistekarttaa helpompi käyttää, sillä pisteet menevät esityksessä toistensa päälle. Tulos on ruutukartan avulla tämän vuoksi siistimpi.

Vaihtoehtoja erilaisille esityksille oli paljon, mutta pääpiirteittäin tiedot pohjautuivat väestön ikään sekä äidinkieleen. Jälleen kerran kartan tekemisessä korostuu laatijan objektiivisuus ja hyvät valinnat, jotta kartta olisi tiedon esittämisessä sekä visuaalisesti pätevä. Tein muutaman erilaisen toteutuksen, mutta blogiin julkaisin kuvan 1, jossa on kuvattu alle 16-vuotiaiden suhteellisia määriä 500x500m ruuduissa pääkaupunkiseudulla. Kuten Vivi Tarkka blogissaan (VIVI 2018) toteaa, suhteellisten osuuksien esittäminen kartalla saattaa vääristää harvaan asutettuja alueita, minkä takia kartallani huomioidaan vain yli 10 asukkaan ruudukot. Alittaessaan tämän asukasmäärän ne ovat ilman väritystä.

Kuva 1: Alle 16-vuotiaiden suhteelliset määrät 500x500m ruuduissa. Kartalla on huomiotu vain yli 10 asukkaan ruudut

Kartaltani voidaan havaita, että alle 16-vuotiaita sisältävät ruudukot ovat hajautuneet paljon. Klustereita sijaitsee Pohjois-Espoossa, Lounais-Vantaalla sekä paikoittain Itä-Helsingissä. Vain vähän alle 16-vuotiaita sisältävistä ruudukoista etenkin Helsingin kantakaupunki ja sen pohjoisosat ovat huomioitavan arvoista. Espoon alueella nuoria on suhteellisesti jonkin verran enemmän verrattuna Helsinkiin. Toisaalta Espoossa alle 10 asukasta sisältäviä ruutuja on todella paljon, mikä tarkoittaa kaupungin väestön asuvan hajallaan toisistaan. Erityisen huomiolle pantavaa on myös punaisten ja valkoisten ruutujen lähekkäisyys monella alueella. Sen sijaan Helsingissä asutus on tasaisempaa ja valkoisia ruutuja on vain vähän.

Omasta mielestäni karttaa pitäisi vielä parantaa, jotta sen esittämä asia tulisi paremmin esille. Suuri määrä valkoisia ruutuja vaikeuttaa kartan lukemista. Toisaalta myös suhteellisten osuuksien käyttäminen on lopputuloksen kannalta hämäävää, sillä erittäin harvaan asutetut ruudukot, jotka ylittävät kuitenkin 10 asukkaan rajan, saattavat sisältää suhteellisen paljon nuoria. Tähän saattaa vaikuttaa myös rajojen vetäminen juuri näihin kohtiin. Ruudukko on siis vedetty pistedatan päälle, ottamatta huomioon virheiden mahdollisuutta. Ehkä kartan laatimisessa olisi kannattanut ainakin kokeilla eri kokoisia vaihtoehtoja, kuten 750x750m. Olisin voinut kokeilla, minkälaisia tuloksia absoluuttiset arvot antaisivat kyseisellä teemalla. Toisaalta, kuten Jannika Brofelt blogissaan (Jannikan Blogi 2018) toteaa, keskusta-alueet saattaisivat korostua, jolloin tulos ei olisi toivottava.

Seuraavaksi rupesimme harjoittelemaan rasteriaineiston käyttöä. Huomasin hyvin nopeasti, kuinka koneeni alkoi hidastumaan aineiston kanssa, sillä rasteriaineisto on raskas vektorimuotoiseen verrattuna. Teimme varsin näyttävän kartan, jossa oli rinnevarjostus sekä korkeuskäyrät. En valitettavasti saanut tätä karttaa avattua ja julkaistua blogissa.

Rasterimuotoisten aineistojen kanssa harjoittelu jatkui Pornaisten kartan kanssa, johon piirsimme vektorimuotoista aineistoksi pisteitä, viivoja ja polygoneja kuvassa 2. Näihin uusiin tasoihin voisi tuottaa uutta tietoa, mutta tätä ei vielä harjoiteltu. Piirtäminen oli suhteellisen helppoa, vaikka pienet yksityiskohdat veivät aikaa. Tämän takia karttaa on yleistetty paljon alkuperäisestä.

Kuva 2: Kuvakaappaus harjoituksesta, jossa piirrettiin rasterimuotoisen kartan päälle

Lähteet:

Brofelt, Jannika. Jannikan Blogi 2018: Verkossa. Luettu 18.2.2018. Saatavilla: https://blogs.helsinki.fi/brofeltj/

Kastarinen, Miika. Miikakas’s blog 2018: Verkossa. Luettu 18.2.2018. Saatavilla: https://blogs.helsinki.fi/miikakas/

Tarkka, Vivi. VIVI 2018: Verkossa. Luettu 18.2.2018. Saatavilla: https://blogs.helsinki.fi/vivitark/

Kolmas kurssikerta olikin hyvin erikoinen lähtökohdiltaan, sillä joukkoliikenteen lakon vuoksi paikalle oli raahautunut vain kourallinen opiskelijoita, minä yksi heistä. Päivän teemana oli tietokantojen käsittely ja muokkaaminen, jotta sen käyttö olisi mahdollisimman tehokasta. Tämä on paikkatieto-ohjelmien käytössä hyvin tärkeä taito, sillä tietokannat saattavat sisältää satoja tuhansia eri kohteita, joten kaiken työn tekeminen manuaalisesti olisi erittäin hankalaa.

Tietokantojen muokkaamisen opettelussa teimme pohjatyötä kurssikerran harjoitusta varten, joka oli tarkastella Afrikan maiden resursseja, konflikteja sekä Internetin käyttöä. Aluksi tämä aiheutti itselleni hieman ongelmia, sillä käyttöön otettiin uusia työkaluja, jotka olivat sinänsä yksinkertaisia käyttää. Ongelmaksi on muodostunut niiden suuri määrä sekä useat pienet muistisäännöt, joita pitää käyttää oikean tuloksen saavuttamiseksi. Eli käytännössä haluan saada jotain aikaan, mutta en enää muista, kuinka se toteutetaan. Todennäköisesti olen vain unohtanut rastittaa yhden vaihtoehdon työkalun valintaikkunassa. Tämä on erityisen turhauttavaa, mutta uskon harjoitusten kautta saamien toistojen poistavan tämän ongelman.

Kuva 1: Afrikan timanttikaivokset, konfliktit sekä öljykentät

Harjoituksessa tuotettu Afrikan kartta kuvassa 1 on mielestäni onnistunut verrattuna aiempiin karttaesityksiini. Tosin näissä oli hieman erilaiset teemat. Alkuperäisessä aineistosta poiketen merkitsin kartan pisteet erilaisilla symboleilla, jolloin kohteet erottuvat toisistaan mielestäni paremmin ja etenkin alueilla, joissa on paljon päällekkäisyyttä. Kartan käytössä ja tulkinnassa huomioitava seikka on resurssien jakautuminen ja konfliktien sijoittuminen toisiinsa nähden. Timanttikaivokset sijoittuvat suurimmaksi osaksi Länsi-Afrikan sekä koko mantereen eteläosiin ja niiden esiintymisessä on havaittavissa Klusterointia jonkin verran. Öljykentät ovat sen sijaan huomattavasti paikallisempia ja ne sijaitsevat lähes kokonaisuudessaan Algerian, Libyan, Egyptin, Nigerian sekä muutaman pienemmän valtion sisällä. Sen sijaan konfliktit ovat esillä kartalla hyvin laajasti ja havaittavissa on vain muutamia valtioita, joissa ei niitä ole. Kuten Sini Virtanen toteaa, blogissaan (GEMS ARE FOREVER 2018), tietokanta ei ole kovin tuore ja kartalla ei näy 2008 jälkeisiä konflikteja. Resurssien ja konfliktien alueellisella sijoittumisella on jonkin verran yhteyttä, mutta Afrikka on suuri manner, jossa on paljon erilaisia valtioita sekä heimoja. Mielestäni on vaikeaa, ellei mahdotonta tehdä yleistystä näiden kahden tekijän välille ja tapahtumia olisi ehkä katsottava yksitellen. Esimerkiksi Ruandassa on erittäin paljon konflikteja, muttei ollenkaan Timantteja tai öljyä. Sen sijaan Nigeriassa on paljon konflikteja sekä resursseja ja näiden sijoittuminen kartalla on melko yhteneväinen.

Olisi mielenkiintoista tutkia konfliktien leviämisen ja valtion taloudellisen kehityksen välistä suhdetta Afrikassa tarkemmin. Kuten Lia Vahtera toteaa blogissaan (Lian blogi 2018), tämän kehityksen mittarina voidaan osittain pitää Internetin ja sosiaalisen median käytön kasvua. Mielestäni tämä sopii erityisen hyvin kehittyvien maiden vertailuun. Kuvaan 2 olen lisännyt aiemman kuvan tietoihin vielä Facebookin käyttäjien osuuksia valtioissa vuonna 2017. Kuvasta päätellen Pohjois-Afrikassa sosiaalisen median käyttö on suurta koko mantereen tasoon nähden. Esimerkiksi alueella 2010-2012 sattuneen Arabikevään tapahtumissa sosiaalisen median käyttö oli merkittävässä roolissa kyseisen konfliktiaallon leviämiseen (Howard, Duffy, Freelon, Hussain, Mari & Maziad 2011). Tämän tapahtumasarjan konfliktit eivät tosin näy kartalla vanhan tietokannan vuoksi. Toisaalta mantereen eteläosissa on myös voimakas sosiaalisen median käyttöaste, mutta konflikteja selvästi vähemmän. Myös Keniassa sosiaalisen median käyttö on yleistä, mutta konflikteja on vähän, mikä poikkeaa selvästi naapurimaiden tilastoista.

Kuva 2: Afrikan timanttikaivokset, konfliktit, öljykentät sekä Facebookin käyttäjien määrä

Toisessa harjoituksessa tuotimme kartan Suomen vesistöjen valuma-alueiden tulvaherkkyyksistä, joka esitetään kuvassa 3. Kartalta näkyvät Suomen joet ja järvet sekä niiden valuma-alueiden tulvaindeksi, joka on merkitty karttaan sinisen värin eri sävyillä. Tummempi väri kuvaa suurta tulvaherkkyyttä ja vaalea pientä. Nopeasti tulkittuna Itämereen laskevat rannikkojoet ovat kaikista tulvaherkimpiä alueita, kun mantereisilla alueilla on pienempi herkkyys. Pohjanmaan alavat maat edesauttavat tulvaherkkyyttä, kun taas järviset alueet varastoivat sadetta, kuten Eveliina Sirola blogissaan (Girl vs. GIS 2018) toteaa. Kartalta voidaan päätellä, mihin eri meriin ja järviin vesistöt laskevat. Laatokkaan ja Jäämereen laskevien jokien valuma-alueet eivät ole erityisen tulvaherkkiä. Yeminda Rautavaara (Yeminda’s Blog 2018) teki blogissaan hyvän ja mielenkiintoisen havainnon väestön sijoittumisesta tulvaherkille alueille, mikä aiheuttaa riskin taloudellisen vahingon aiheuttamiselle.

Harjoitus oli mielestäni edellisiä vaikeampi ja jouduin muutaman kerran pysähtymään miettimään ja kokeilemaan ratkaisun löytämistä. En ole täysin tyytyväinen karttaesitykseen ja etenkään sen värimaailmaan. Voi olla, että sininen ja vihreä sävy ovat liian hallitsevia. Opin kuitenkin käyttämään QGIS-ohjelmaa paremmin ja sain hieman tuntumaa erilaisten graafisten kuvaajien perusteisiin. Jälleen kerran vaikeuksien kautta huomasin, kuinka moni tekijä vaikuttaa hyvän kartan luomiseen.

Kuva 3: Suomen vesistöjen valuma-alueiden tulvaherkkyys ja järvisyys

lähteet:

GEMS ARE FOREVER 2018. Verkossa. Luettu 15.2.2018. Saatavilla: https://blogs.helsinki.fi/7k110738/

Girl vs. GIS 2018. Verkossa. Luettu 15.2.2018. Saatavilla: https://blogs.helsinki.fi/evsirola/2018/01/31/kolmas-kurssikerta-afrikan-valtioita-ja-tulvaindekseja/

Howard, P., Duffy, A., Freelon, D., Hussain, M., Mari, W. ja Maziad M. (2011). Opening Closed Regimes: What Was the Role of Social Media During the Arab Spring? Verkossa. Luettu 15.2.2018. Saatavilla: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2595096

Lian blogi 2018. Verkossa. Luettu 15.2.2018. Saatavilla: https://blogs.helsinki.fi/vahlia/

Yeminda’s Blog 2018. Verkossa. Luettu 15.2.2018. Saatavilla: https://blogs.helsinki.fi/yeminda/

Toisella kurssikerralla jatkoimme QGIS:in opettelua. Tällä kertaa aloitimme opettelimmalla valintatyökalun käyttöä ja syvensimme osaamista ominaisuustietotaulukon käytöstä. Näistä kävi hyvin selväksi, että ”GIS on täynnä valintoja”, kuten kurssin diaesityksessä otsikoitiin. Nopeasti ilmeni, että valintatyökalu on hyvin monipuolinen apuväline ohjelmassa. Sillä voi suorittaa tarkkoihin ehtoihin perustuvia lausekkeita, joiden avulla kartalta voidaan havainnollistaa haluttuja ilmiöitä.

Kurssikerran pääteemana oli erilaisten projektioiden merkitys ja käyttö paikkatieto-ohjelmissa. Minussa heräsi aluksi hieman huoli teeman hankaluuksista, koska tiesin valmiiksi projektioiden olevan hyvin tärkeä elementti koko maantieteen ja karttojen saralla. Toisaalta perustietojen hallinta sekä QGIS-ohjelman työskentelyä helpottavat toiminnot olivat hyvänä pohjana harjoittelulle, joten asia ei ollutkaan niin hankala kuin ajattelin. Mielestäni kurssikerran oppiminen olikin lähinnä ohjelman teknisten taitojen opettelua ja erilaisten projektioiden käytön vaikutusta sekä vertaamista keskenään.

Ensimmäisessä harjoituksessa saimme suhteellisen vapaat kädet mittailla eri projektioiden antamia mittoja paikkatieto-ohjelmassa. Valitsin harjoitukseen Sphere_Mercator- ja ETRS-LAEA -projektiot. Näistä Mercator edustaa tasakulmaista eli oikeat suunnat näyttävää projektiota. ETRS-LAEA eli Lambertin Azimuthal Equal-Area on puolestaan tasapintainen eli oikeat pinta-alat esittävä projektio. Taulukossa 1 havainnollistan erilaisten pituuksien ja pinta-alojen tuloksia näillä projektioilla. Tuloksista voidaan heti havaita suuria eroja näiden kahden välillä. Pinta-alassa suurin ero saadaan ”Suomen pipossa”, jossa mittaustulos oli Mercatorilla lähes kymmenkertainen Lambertiin verrattuna. Etelämpänä erot tasoittuivat hieman ja pääkaupunkiseudun tulos olikin enää vain nelinkertainen. Myös eri kohteiden välisissä pituuksissa oli havaittavissa eroja. Tosin itä-länsi -suuntaisten pituuksien ero oli noin. 100% suurempi Mercatorissa, kun pohjois-etelä -suuntaisissa ero oli 140% suurempi Mercatorissa verrattuna Lambertiin. Hyvin yksinkertaisena johtopäätöksenä voimme todeta, että Mercatorin projektio vääristää pinta-aloja ja pituuksia mentäessä maapallon napoja kohti.

Taulukko 1: Kahden eri projektion antamia tuloksia GQIS:in mittaustyökalulla tehtynä

Kuva 1: Suomen Natura-alueet

Seuraavassa harjoituksessa visualisoimme pinta-alojen vääristymää eri projektioiden välillä kartan avulla. Päätin ottaa tarkasteluun Suomen Natura-alueiden pinta-alat käyttäen kahta aiemman harjoituksen projektiota. Aiemman tehtävän johtopäätöksistä voimme olettaa, että Pohjois-Suomessa pinta-alat olisivat hyvin vääristyneitä Mercator-projektiossa. Tästä johtuen Natura-alueiden tarkastelu sopii erittäin hyvin tähän tehtävään, koska suurimmat näistä alueista sijaitsevat juuri lapissa, kuten kuvasta 1 voidaan havaita. Kuvaan 2 olen laskenut Natura-alueiden osuudet kuntien pinta-alasta käyttäen Mercator-projektiota. Suomen käsivarren kuntien natura-alueiden osuus kuntien pinta-alasta on kuvassa 2 maksimissaan 14,15%. Kun vertaillaan kuvia 1 ja 2 nähdään, että pinta-alat ovat hyvin ristiriitaisia luokkajakoon kannalta. Kun vertailuun ottaa vielä Lambertin oikeapintaisen projektion kuvassa 3, voidaan havaita luokkaerojen muuttuvan hyvin rajusti. Lambertin projektiolla kartan pienin luokka 0-4,2% kattaisi Mercator-projektion kartasta lähes koko Suomen. Suurin luokkaväli 58,2-98,9 on selvästi realistinen, kun katsotaan Lapin käsivarren kuntia, joista Natura-alueet kattavat lähes 100%. Toisaalta Mercator-projektion vääristymät näkyvät myös etelässä, vaikkei ihan niin dramaattisesti. Suomen etelärannikolla on kuntia, jotka Mercatorin mukaan kuuluvat luokkaan 1,62-3,18%, kun Lambertissa ne kuuluvat 10,2-18,8%. Kuten Yeminda Rautavaara toteaa blogissaan (https://blogs.helsinki.fi/yeminda/), kartan projektiolla on hyvin suuri merkitys perustuen sen käyttötarkoitukseen. Mercatorin projektiota ei selvästi kannata käyttää Suomen pinta-alojen kuvaamiseen, koska tulos on hyvin epätodellinen. Mielestäni karttani onnistuivat hyvin ja niiden värimaailma oli edellistä kurssikertaa selkeämpi. Uskon kuitenkin tässä olevan vielä harjoiteltavaa, etenkin harjoitusten tullessa monimutkaisemmiksi.

 

Kuva 2: Suomen Natura-alueiden osuus kuntien pinta-alasta Mercator-projektio

Kuva 3: Suomen Natura-alueiden osuus kuntien pinta-alasta ETRS-LAEA-projektio

Viimeisessä tehtävässä sovelsimme aiemmissa tehtävissä opittuja asioita. Datana käytimme tietoja Suomen kuntien perusluvuista, joista päätin esittää kuntien väestötiheyksiä kahdessa eri projektiossa, joita olen käyttänyt koko kurssikerran ajan eli Mercator- sekä Lambertin tasapintainen projektio. Jälleen kerran haukumme Mercator-projektion sopivuutta ohjelmassa käytettävien laskutoimitusten tekemisessä, sillä kuten kuvasta 4 voidaan todeta, on Suomi hyvin tyhjä valtio sen mukaan.

Kuva 4: Väestöntiheys Mercator-projektion pinta-alatiedoista laskettuna. Kartan projektio ETRS-LAEA

Verrattaessa tätä Lambertin projektioon kuvassa 5, voidaan havaita Suomen olevan asutetumpi ja jälleen kerran ero näkyy voimakkaammin mitä pohjoisemmaksi tarkastelussa mennään. Valitsin karttaesitykseen samat luokkarajat, mutta tässä mielestäni nämä eivät havainnollista tarpeeksi Pohjois-Suomen väestötiheyden eroja eri projektioissa. Molemmissa Lapin kunnat kuuluvat luokkaan 0-4. Todellisuudessa Mercator-projektiolla laskettuna näiden kuntien väestötiheys on todennäköisesti 10 kertaa Lambertin projektion avulla tehtyjä laskutoimituksia pienempiä. Huomasin jälleen kerran, kuinka tärkeää on miettiä tarkasti eri asioiden merkityksiä karttojen tekemisessä. Tähän aion kiinnittää enemmän huomiota tulevissa harjoituksissa.

Kuva 5: Väestöntiheys ETRS-LAEA -projektion pinta-alatiedoista laskettuna.

 

Lähteet:

YEMINDA’S BLOG 2018. Verkossa. Luettu 6.2.2018. Saatavilla: https://blogs.helsinki.fi/yeminda/