Category: Uncategorized

Viimeisellä kurssikerralla oli tarkoitus tehdä itsenäisesti kartta valitusta aiheesta ja alueesta. En päässyt kurssikerralle työmatkan vuoksi, joten jouduin yrittämään tehtävää itsenäisesti kotona.

Ajatuksenani oli tehdä kartta Suomen suurpedoista Luken tilastoja hyödyksi käyttäen ja sain tuotoa ne sekä karttapohjat QGIS:iin. Sain myös attribuuttitaulukot yhdistettyä Join-komentoa käyttämällä, mutta jostain syystä attribuuttitaulukot eivät sisältäneet mitään lukuarvoja. Niissä sarakkeissa, joissa olisi pitänyt olla lukuarvoja, luki ainoastaan “null”.  Vaikka yritin tätä monella eri taulukolla ja kartalle, ei attribuuttitaulukko totellut. Tallensin taulukon sekä excel muodossa että eri csv-versioina, mutta jokin mättää, eivätkä luvut tule esiin yhdistettyyn attribuuttitaulukkoon, vaikka itse QGIS:iin viedyssä tauliukossa ne näkyy.  Googlailin ohjeita netistä, joiden mukaan kaiken olisi pitänyt toimia, muokkailin taulukoita, mutta ei vain onnistu. Etsin ja latasin erilaisia  taulukoita, ei toimi edelleenkään, turhauduin. En myöskään saanut päälle editoitavuutta taulukkoon, että olisin lisännyt luvut käsin, joten luovuin petotietokartan teosta. Ehkä QGIS ei vain toimi käytössä olevalla koneellani oikein tai jokin määrityksissä mättää?

Lopulta päädyin esittämään ainoastaan kartan tieliikenneonnettomuuksista Suomessa vuonna 2021, jonka sain esiin suoraan.

 

QGiS:stä ja paikkatiedon tuottamisesta olen  mielestäni kurssilla oppinut paljon lisää QGIStä. Vaikka on välillä ollut turhauttavaa, on ollut hienoa silloin, kun on saanut ohjelman toimimaan ja tuotettua karttoja. Selkeästi tarvitsisin vielä paljon treenausta ohjelman käytöstä kaikilta osin, mutta jotain edistystäkin on saavutettu. Myös Taru Tormikoski koki viimeisen tehtävän kanssa turhautumista, mutta kokee oppineensa kurssilla paljon uusia taitoja (Tornikoski, 2022).

Kiitos kurssista kärsivällisesti opastavalle opettaja Artulle kaikille kurssilaisille, nyt on aika jatkaa seuraavien aiheiden pariin!

 

Lähteet:

Tornikoski, T. 2022. Geoinformatiikkaa tutkimassa 🙂 https://blogs.helsinki.fi/tornitar/

 

Kuudennella kurssikerralla pääsimme itse ulkoilemaan ja keräämään pistedataa Kumpulan kampuksen ympäristön koetusta turvallisuudesta ja viihtyisyydestä Epicollect 5 -sovelluksen avulla. Tulokset latasimme csv-muotoisena QGIS:iin, jossa pystyimme interpoloinnin avulla arvioimaan oppilaiden turvallisuutta ja visualisoimaan sen kartalla (kuva 1). Kuvasta näkee kuinka turvattomimmiksi koetaan teiden risteysalueet kartan eteläosissa.

Kuva 1. Kurssin oppilaiden kokema turvallisuus Kumpulan kampuksen ympäristössä.

Oli hauska oppia, kuinka pistemäsitä dataa voi tuottaa melko nopeastikin ja miten sen voi myös kätevästi visualisoida kartalle.

Tämän jälkeen siirryimme tekemään itsenäistehtävää, jossa tuotimme kolme eri karttaa hasardeista. Tavoitteena oli tuottaa karttoja, joita voisi käyttää opetuksessa. Tein kartan kaikista tiedetyistä meteoriittitörmäyksistä maapallolle (kuva 2).

Kuva 2. Kaikki tiedetyt metoriittitörmäykset maapallolla.

Kurssikerralla saimme ohjeistuksen kartan tuottamiseen kaikista yli 5,5 magnitudun maanjäristyksistä maapallolla vuodesta 1900 eteenpäin (kuva 3).

Kuva 3. Kaikki tiedetyt yli 5,5 magnitudin maanjäristykset vuodesta 1900 lähtien.

Tämän lisäksi tein vielä kartan maapallon kaikista tunneteuista tulivuorista (kuva 4) sekä kartan, jossa näkyvät edellä mainitut maanjäristykset sekä tulivuoret (kuva 5). näistä kartoista voisin opettajana havainnollistaa sitä, miten maanjäristykset ja tulivuoret ovat yhteydessä toisiinsa.

Omista kartoistani olisin voinut vielä säätää pisteiden värejä ja tehdä niistä siten paremmin erottuvia, sillä tulivuorten pisteiden keltainen väri ei erotu kartalla hyvin. Tämä on esimerkki siitä, millaisia värejä ei kannata käyttää symboleissa, riippuen myös taustakartan värityksestä. Lisäksi näiden karttojen reuna-alueet tuntuvat jäävän kuvasta pois, esimerkiksi Australia leikkautuu osaksi kartalta pois,  joten niitä voisi vielä yrittää säätää paremmiksi, jos puhti riittäisi (tänään ei enää riitä).

Nicklas on blogissaan muuttanut taustakarttojen värityksen mustavalkoiseksi, jolloin maanjäristysten symbolit erottuvat selkeästi kartalta keltaisina ja punaisina, mikä on mielestäni onnistunut toteutus. Keltainen ja punainen kartalla toivat mieleeni  myös tulen ja tulivuorenpurkaukset.

Kuva 4. Maapallon tulivuoret

Kuva 5. Tulivuoret ja maanjäristykset

Netistä löysin alimman kuvan, joka havainnollistaa mannerlaattojen reuna-alueiden ja tulivuorten yhteyttä sekä Tyynen valtameren  ns. “Ring of fire” -aluetta, jossa on runsaasti vulkaanista aktiivisuutta ja maanjäristyksiä. Tässä kartassa Tyyni valtameri onkin asetettu kartan keskiosiin, mikä eroaa omien karttojeni asettelusta. Lisäksi karttaan on merkitty ja nimetty manner- tai litosfäärilaatat, mikä auttaa asian hahmottamista. Kartan väritys on hiukan raflaava, enkä olisi itse valinnut noin kirkkaita värejä, mutta asia kyllä tulee selkeästi tästä kartasta esille.

Kuva 6. Aktiiviset tulivuoret, mannerlaattojen tektoniikka ja “tulirengas” Tyynen valtameren alueella. Kuvan lähde: https://fi.frwiki.wiki/wiki/Listes_de_volcans_sur_Terre

 

Lähteet:
1. Frwiki. 2023. Luettelot tulivuorista maapallolla. Viitattu 8.3.2023. https://fi.frwiki.wiki/wiki/Listes_de_volcans_sur_Terre

2. Ferreira, N. 2023. NICKLAS FERREIRA – GEOINFORMATIIKAN MENETELMÄT 1.  Viitattu 8.3.2023. https://blogs.helsinki.fi/ferrenic/

Tämä ei todellakaan ollut minun kurssikertani. Yliopistolla pääsin vaivoin eteenpäin, vaikka sainkin puskurialueet tehtyä lopulta ja statistiikkaan oikean näköisiä lukuja. Kun ryhdyin päivittämään blogia kotona yliopiston kannettavalla läppärillä, huomasin jälleen “ilokseni”, että olin onnistunut tallentamaan kurssikerta 5. työt vain yliopiston koneelle, en omalle Z-asemalleni, joten tietenkään en saanut tunnilla tehtyjä tuotoksia kotoa käsin ulos. Niinpä aloitin jokseenkin turhaantuneena alusta ja tein uudestaan ohjeiden ja muistiinpanojeni avulla tehtäviä uudestaan.

Tunnin aluksi oli jatkettu edellisellä kurssikerralla tehdyn Pornaisten kartan kanssa. Pornaisten alueelta laskettiin alueelta mm. teiden pituuksia ja lukumäärää (kuusi piirrettyä teitä, yhteispituus 12980 metriä, kuva 1).

Kuva 1. Pornaisten karttaa

Seuraavaksi harjoiteltiin tiettyjen alueiden sisällä olevien kohteiden laskentaa laskemalla Pornaisten peltopinta-alat. Sain pellot valittua, mutta koska ohjeista ja muistiinpanoista ei suoraan löytynyt sitä, kuinka pinta-alat saadaan laskettua, eikä muistikaan tuottanut kaivamalla tulosta, päätin siirtyä kotitehtävien ja lentokenttien pariin. Luennon nauhoituksesta lähdin myös etsimään vastauksia unohtamiini kohtiin.

Sain kuin saikin kaiveltua muististani sen, kuinka saan piirrettyä Malmin lentokentän ja puskuroitua sen ympäriltä sopivat alueet. Puskurointialueiden (melualueiden) asukkaiden laskeminen Join by attributes- toiminnolla tuntuu kuitenkin vievän todella kauan aikaa. Minulla taitaa olla jotain pielessä toiminnossa taikka ylimääräistä dataa QGIS:ssä, koska ei se tunnilla vienyt kuin pienen hetken. Sitä odotellessa onkin aikaa kirjoitella tätä blogitekstiä…

QGIS raksuttelee vielä puolen tunnin päästä ensimmäistä vyöhykettä, joten tehtävä ei kyllä tällä tavalla etene, täytyy katsoa tulos ensimmäisestä yrityksestä ja sitten keksiä jokin muu tapa löytää vastauksia, taikka olen koneen ääressä koko yön.. Lopulta hyvin pitkään QGIS:n toiminnonsuoritusta odoteltuani en saanut siitä haluttua tulosta, joten pitää kokeilla jotain toista tapaa.

Select by location -työkalun avulla sain kuin sainkin lopulta selville puskurivyöhykkeen asukkaat. Jostain syystä asukaspallojen värit eivät näkyneet kuitenkaan oikein print layoutissa (kuva 2). Myöskään statistiikka-ruutu ei näytä aina toimivan siten, kuten luulisin, vaikka tämän pitäisi olla yksinkertainen toiminto suoritettavaksi. En vain keksi, missä kohtaa menee vikaan, sillä teen ohjeiden mukaan, eikä kovin montaa vaihtoehtoa erehtymisenkään ole. Ei tuo ohjelmanpiru vaan suostu yhteistyöhön. Epätoivoista!

Vastauksia kotitehtävien kysymyksiin:
1. Malmin lentokentän pahimmalla melualueella 2 km säteellä asui sen vielä toimiessa 59429 asukasta ja 1 km säteellä  9523 asukasta (kuva 1).

Kuva 2. Malmin lentokentän 2 km puskurivyöhyke ja sen asukkaat havainnollistettuna kartalle.

Kannustavaa on ollut, että sain sentään QGIS:ssä jotakin aikaiseksi, ja muistin ja osasin ohjeiden avulla tehdä itsenäisestikin. Silti tarvitsisin vielä tarkempia ohjeita, sillä pulmakohdista on hankala selvitä eteenpäin ilman apuja. Uskon, että QGIS:in käyttö kyllä aikaa myöten helpottuisi, jos sitä vain ehtisi harjoitella tarpeeksi ja toistojen kautta ohjelma tulisi tutuksi. Nyt kaikki käyttö on minulla vielä haparoivaa, ja koska en päässyt viime viikolla viimeiselle kurssikerralle työmatkan vuoksi, on edellisestä QGIS:in käyttökerrasta jo pari viikkoa aikaa, joten moni asia on päässyt unohtumaan.

Hyvää QGIS:in käytössä on ollut se, että olen oivaltanut sen käytössä tarvittavaa logiikkaa jonkin verran, ja huomannut, että saan tuotettua ihan oikeaa paikkatietoa ja karttoja ohjelman avulla. Luulen kuitenkin, että itselleni olisi helpompaa käyttää ohjelmaa suomenkielisenä, jolloin käskyt olisi helpompi löytää ja  niiden käyttötarkoitus ja -tapa hahmottaa, vaikka englanti sujuukin hyvin ja olen käyttänyt sitä työkielenäkin pitkään. Olen samaa mieltä kuin Mikko Heiskanen blogissaan MCHEISKA’S BLOG, että tarvitsisin vielä harjoitusta QGIS:in kaikilla osa-alueilla, jotta sen käytöstä tulisi sujuvaa ja vähemmän tuskanhikeä otsalle nostattavaa.

Puskurivyöhykkeiden avulla voi selvittää tietyillä etäisyyksillä jostakin kohteesta olevia asioita, kunhan attributtitaulukosta löytyy tarvittava data tai se on sinne lisättävissä tai laskettavissa. Biologina mietin, että tällaisia haluttuja tietoja, paitsi ihmisistä, voisi hakea myös muista eliöistä. Esimerkkinä voisi olla vaikka  jonkin metsähakkuualueen vaikutuspiirissä asuvat uhanalaiset eläimet tai muu suojeltava eliöstö.

Tiedon ja saatavilla olevan datan määrä ja laatu vaikuttaa siihen, minkälaisten kysymysten ratkaisuun paikkatietoaineistoa voidaan käyttää. Esimerkiksi riittävä tieto jonkin metsäalueen suojeltavista eläimistä ja kasveista, niiden elintavoista ja vaatimasta elinalueesta ja eliöiden lukumääristä olisi tarpeen silloin, kun halutaan laskea riittäviä suojavyöhykkeitä vaikka luonnonsuojelualueiden ympärille.

Lähteet:

Heiskanen, M. 2023. MCHEISKA’S BLOG. Viitattu 8.3.2023. https://blogs.helsinki.fi/mcheiska/

 

Tällä kurssikerralla tarkasteltiin ruutuja ja rasterikarttoja ja aloiteltiin jonkoinverran karttojen tuottamista piirtämällä seuraavaa kurssikertaa varten. Ensimmäiseksi tuotettiin pääkaupunkiseudun pohjakartalle ruudukko (grid). Tähän ruudukkoon tuotiin tietoa pääkaupunkiseudun väkimäärästä rakennuksittain, sen jälkeen, kun suuresta tietokannasta oli karsittu turhat sarakkeet. Tämä tehtiin Join-toiminnolla. Tähän ruututeemakarttaa attribuuttitaulukkoon laskin ruotsinkielisten suhteellisen osuuden, joka on esitettynä alla kuvassa 1.

Kuva 1. Ruotsinkielisten suhteellinen osuus pääkaupunkiseudun ruututeemakartalla.

Kun ruotsinkielisten suhteellista osuutta verrataan ruotsinkielisten lukumäärään (Kuva 2.), huomataan että suhteellisesti ruotsinkielistä väestöä ei olekaan eniten siellä, missä heitä lukumääräisesti asuu eniten, eli Helsingin keskustassa, vaan suhteellisesti heitä asuu eniten pienillä alueilla niin läntisellä, pohjoisella kuin itäiselläkin pääkaupunkiseudun alueella (punaiset ja oranssit ruudut).

Kuva 2. Ruotsinkielisten lukumäärä pääkaupunkiseudulla ruututeemakartalla.

Mikäli tarkastellaan ruotsinkielisten lukumäärää eikä suhteellista arvoa, on heitä eniten aivan Helsinkin keskustassa.

Näihin karttoihin  piirrettiin 1 km x 1 km ruudukko. Lukijalle on hyvä vielä ilmoittaa tämä, sekä se, onko ruututeemakartalla kyseessä suhteellinen vaiko absoluuttinen luku. Koska tässä kaikki ruudut ovat samankokoisia, voidaan ruututeemakartalla hyvinkin esittää absoluttisia lukuarvoja. Samoihin ajatuksiin on päätynyt myös Aleksi blogissaan Aleksi bloggaa.

Tässä blogissa esittämäni ruututeemakartat antavat  minusta selkeän kuvan ruotsinkielisten osuudesta ja molempia karttoja voitaisiin käyttää riippuen tarkoituksesta. Kenties olisi hyvä esittää molemmat, koska ne antavat yhdessä paremman kuvan siitä, missä pääkaupunkiseudulla asuu ruotsinkielisiä lukumääräisesti enemmän ja missä heitä on suhteellisesti enemmän.

Verrattuna koropleettikarttaan ruututeemakartalta näkee hieman selkeämmin missä kartan kuvaavat muuttujat ovat, jos verrattaisiin siihen, että koropleettikartalla olisi esitetty esimerkiksi kunnittain sama informaatio. Toisaalta, jos koropleettikartta tehtäisiin asuinalueittain, voisi se olla informatiivisempi kuin ruututeemakartta.

Näissä kartoissa pohjaväri oli vaaleanvihreä, joka saattaa sekoittua vihreän ruudun väreihin. Pohjaväri olisi siten ollut hyvä vielä muuttaa toiseksi. Muutoin kartat ovat mielestäni melko onnistuneita ja kuvaavat huvin sitä informaatiota, jonka niillä halusin välittää, erityisesti kun niitä tarkastelee kuvaparina. Ruotsinkielisiä asuu lukumääräisesti paljon Helsingin keskustassa, mutta koska siellä asuu niin paljon muutakin väkeä, ei heidän suhteellinen osuutensa keskustassa olekaan suuri.

Toisessa kursikerran tehtävässä harjoittelimme rasterikuvan tuomista QGIS:iin ja laadimme niistä korkausmallin, joka oli vinovalovarjostettu, lisäksi karttaan lisättiin korkeuskäyrät ja aloitettiin piirtämään teitä ja taloja Pornaisten keskustan alueelta, joka rajattiin karttaan punaisella viivalla (kuva 3). Piirretyt objektit tallennettiin omaksi tasokseen projektiin. Aivan kaikkia teitä en ehtinyt tunnilla piirtää, koska piirtämien tuntui aluksi kömpelöltä ja lähti lapasesta yli Pornaisten keskustan rajojen, joten jouduin toistamaan piirtämisen useampaan kertaan.

Kuva 3. Pornaisten keskustaa.

Lähteet:
Lauriala, A. 2023. Aleksi Bloggaa. Viitattu 8.3.2023. https://blogs.helsinki.fi/laleksi/

Kolmannelle kurssikerralle olin tervehtynyt ja pääsin taas paikalle. Olin kuitenkin sairasviikon aikana  jo ehtinyt unohtaa ensimmäisen kerran opit ja oli jonkin verran haastavaa päästä taas “kartalle”. Tunti tuntui menevän melko vauhdikkaasti eteenpäin, vaikka välillä ohjelma takkusikin. Lopputunnista olin jo niin väsynyt, etten jaksanut jäädä enää vääntämään QGIS:in kanssa, joka kaatuikin sopivasti tunnin lopulla.

Tunnilla ehdimme tehdä kartan, johon oli sijoitettunsa Afrikassa esiintyvät konfliktit ja timanttikaivokset (Kuva 1). Kartta tehtiin attribuuttitaulukkoa muokkaamalla siten, että saimme liitettyä samaan taulukkoon timanttikaivokset, konfliktit ja öljykentät. Lisäksi teimme vertailun siitä, kuinka monina vuosina konflikteja oli esiintynyt kussakin maassa. Jos maassa on ollut konflikteja esimerkiksi viimeisen 30 vuoden ajan, on maan ollut haastavaa päästä kehityksessä eteenpäin.

Vertailimme sitä, esiintyikö samassa maassa usein sekä konflikteja että timanttikaivoksia. Lisäksi teimme vertailun siitä, kuinka monina vuosina konflikteja oli esiintynyt kussakin maassa. Jos maassa on ollut konflikteja esimerkiksi viimeisen 30 vuoden ajan, on maan ollut haastavaa päästä kehityksessä eteenpäin. Usein konflikteja esiintyi maassa, jossa oli myös timanttikaivoksia. Öljykenttien esiintymisen kanssa samanlaista korrelaatio ei suoraanlöytynyt, mikä ei kuitenkaan tarkoita sitä, etteivätkö myös öljykenttien tarjoamat rikkaudet olisi jossain määrin syypäänä konflikteihin. Myös Nicklas on blogissaan esittänyt öljyvarantoja yhtenä syynä konflikteille (Ferreira, 2023). Hän on tutkinut monipuolisesti Afrikan maiden konflikteja eri lähteistä ja pohtii niiden syitä blogissaan kattavasti.

Konfliktien syyt ovat kuitenkin moninaiset, ja saattavat juontaa juurensa niin siirtomaavallan ajoista ja niiden aikana asetetuista keinotekoisista maiden rajoista, jotka puolestaan osaltaan saattavat selittää eri heimojen ja kansojen välisiä konflikteja Afrikan maissa. Konfliktin laajuus (säde) saattaa on seurausta siitä, kuinka tuottoisa timanttikais´vos taikka öljyesiintymä on. Esiintymien löytämisvuosia ja kaivuasten aloitusvuosia konfliktien aloitusvuosiin vertaamalla voi selvittää, osuvatko ne samalle vuodelle, ja onko niiden kesken mahdollista kausaliteettia.

Kuva 1.Timattikaivoksien, öljykenttien ja konfliktien sijoittuminen Afrikan kartalle.

Tutkimme lyhykäisesti tunnilla myös internetkäyttäjien lukumäärää Afrikan eri maissa. Internetkäyttäjien määrä kertonee ainakin omalta osaltaan siitä, kuinka kehittynyt maa on. Mitä enemmän käyttäjiä, sitä perempi infrastruktuuri maassa on ja toisaalta käyttäjiä, joilla on varaa internettiin ja sen käyttämiseen tarvittaviin välineisiin.

Kotona yritin katsoa QGIS:stä tarkemmin tunnilla tekemiäni karttoja, mutta joissakin oli koko attribuuttitaulukko tyhjentynyt, vain otsikot olivat jäljellä. Olin onnistunut mielestäni tekemään tunnilla tietokantaliitokset, kuten opettelimme, mutta varmaankin QGIS:n kaatumisen vuoksi tiedot olivat hävinneet, enkä ollut ehtinyt niitä tallentaa. Toisen tämän tehtävän suoritus ei ollut tallentunut ollenkaan, vaikka ehdin sitä jonkin verran tunnin päätyttyä tehdä. Niinpä jatkoin tehtävän tekemistä kotona.

Tehtävänä oli tulvaindeksi- ja järvisyyskartan tuottaminen. Tähän oli saatavilla Moodlesta ohjeet ja vinkkejä.

Tulavaindeksikartan tekeminen onnistui yllättävänkin helposti (Kuva 2). Valitettavasti järvisyysdiagrammia QGIS ei suostunut lisäämään karttaan, vaikka kamppailin sen kanssa vähintään parin tunnin ajan. Attribuuttitaulukossa järvisyys% näkyy kyllä hienosti, joten liitoksen sain tehtyä. Jostain kumman syystä pylväiden piirtäminen ei suju. Välillä sain karttaa kummallisen näköisiä ja kokoisia pylväitä, mutta ne eivät vaikuttaneet oikealta, vaikka muuttelin asetuksia minkälaisiksi tahansa. Legendan sen sijaan sain karttaan lisättyä myös järvisyyden osalta. Joku vipstaakkeli oli siis edelleen väärin, mutta vaikka etsin ohjeita netistä, ei mikään auttanut. Luultavasti jostain syystä attribuuttitaulukko ei ollut sellainen, jota QGIS olisi halunnut lukea. Mietin onko ääkkösillä ja prosenttimerkillä sarakkeen otsikossa vaikutusta asiaan, mutten saanut otsikkoa korjattua. Lopulta oli pakko luovuttaa histogrammien kanssa.

Kuva 2. Suomen tulvaindeksikartta.

Tulvaindeksikartan mukaan tulvia esiintyy lähinnä rannikolla, sekä hiukan Lapissa. Näillä seuduilla on alavaa ja jokien virtaama ei riitä sateisina aikoina kuljettamaan kaikkea sade- tai sulavettä riittävän nopeasti mereen ja vesistöihin. Pelloilla ja muilla alavilla mailla jokiin syntyy myös helposti jääpatoja keväällä jäiden lähdön aikaan aiheuttaen jokien tulvimista yli äyräidensä. Itä-Suomessa, jossa seutu on järvisempää, rikkonaisempaa ja korkeakuvioisempaa, vedet virtaavat nopeammin järviin, eivätkä kerry samalla tavoin alaville maille tulvavesiksi. Ilmastonmuutoksen ennustetaan kasvattavan sadantaa Suomessa talvisin, jolloin myös tulvariskien voi ennustaa lisääntyvän.
tulevaisuudessa

Lähteet:
Ferreira, N. (2023). Nicklas Ferreira – Geoinformatiikan menetelmät 1. Viitattu 12.2.2023. https://blogs.helsinki.fi/ferrenic/

Toisella kurssiviikolla olin kovassa flunssassa, enkä päässyt tunnille. En myöskään jaksanut tehdä kotona harjoituksia flunssan takia, joten harjoitukset jäivät kaikki seuraavalle viikolle.

Kotona kolmannella viikolla seurasin harjoitus 2 ohjeita, testailin eri projektioita ja niiden vaikutusta pinta-alan mittaamiseen. Yritin muistella eri projektioita ja niiden ominaisuuksia ja koostin mittaamistani pinta-aloista exceliin taulukon ohjeen mukaan. Ihmettelin, miten mittaamani pinta-alat eroavat niin suuresti Suomen oikeasta pinta-alasta. En tiedä, sainko snip-toimintoa toimimaan kunnolla QGIS-ohjelmassa, joten mittaamani pinta-alat eivät olleet ihan samanlaisia ja mittaukset meni vähän sinnepäin. Sitten huomasin, että vaikka vaihdan projektiota ja koordinaattisysteemiä, pinta-alan mittaus säilyy, eikä Suomen rajoja tarvitse joka kerta yrittää uudestaan klikkailla. Tämä nopeutti mittaamista jonkin verran.

Tein siis Exceliin taulukon kurssimonisteen mukaan eri projektioilla mittaamistani Suomen pinta-aloista, niiden prosentuaalisista eroista ja erotuksesta (taulukko 1).

Taulukko 1. Projektioiden tuottamia eroja Suomen pinta-alan mittauksessa.

Excelissä minulla oli joku väärä määritys ensin päällä, enkä meinannut saada funktiota toimimaan laskeakseni pinta-alojen erotukset ja prosenttiosuudet. Sitten tajusin, että muutin edellisellä kerralla exceliä käyttäessäni pilkun erottimeksi, joten nyt en voinut laskiessani käyttää pilkulla erotettuja desimaaleja, ennen kuin muutin tuon asetuksen takaisin. Harmaita hiuksia tuotti myös taulukon lisääminen tähän blogikirjoitukseen, en meinannut millään saada hyvää taulukkoa liitettyä, enkä enää muistanut mitä kuva lisätään. No löytyihän se Add Media -nappula taas tuon kirjoituslaatikon yläpuolelta ja muutaman kokeilun jälkeen sain tallennettua taulukon kuvana ja lisättyä sen tähän. Tähän tuhrautuikin aikaa sen verran, että on aika jatkaa myöhemmin tehtävää.

Projektioilla on merkoittävä vaikutus siihen, minkälaisia pinta-aloja kartasta on mahdollista saada ulos mittaamalla. Itse en saanut mitattua alkuunkaan oikeita Suomen pinta-aloja, vaikka esim. Suomea hyvin kuvaavan projektion ETRS89-TM35FIN pitäisi varmaankin tuottaa suunnilleen oikeaa pinta-alaa. Kenties minun mittaamisessani oli häiriötä, vaikkakaan en tiedä, miten noin suuri virhe on mahdollinen, kun kuitenkin olin koko Suomen saavinani mittaukseen mukaan. Kuitenkin Tuukan blogissa oli mitattu melko samansuuruinen pinta-ala Suomelle ETRS89-TM35FIN koordinaattijärjestelmää käytettäessä (Katajamäki, 2023).

Jatkoin kakkostehtävän tekemistä pienen tauon jälkeen ja tutkin pinta-alojen vääristymiä siten, että vertasin  ETRS89-extended / LAEA Europ (EPGS:3035) pinta-aloja Mercatorin projektion pinta-aloihin. Ensimmäiseksi vertasin pinta-aloja World Mercatoriin (EPGS:3395). Sain vyöhykkeisyyden itä-länsisuunnassa  siten, että idässä Mercatorin projektioa käyttävästä kartasta lasketut pinta-alat erosivat enemmän LAEA projektion antamista pinta-aloista.

Kokeilin vielä toistakin Mercatorin projektiota Sphere_Mercator (ESRI:53004). Tälläkin kertaa tulokset olivat hyvin samansuuntaisia. Mercatorin projektion antamat pinta-alat ovat noin kolminkertaisia verrattuna LAEA projektion antamiin pinta-aloihin, ja suurimmillaan ero on Itä-Suomessa (>300%).

Olin odottanut, että koska Mercatorin projektio liioittelee pinta-aloja pohjoiseen päin mentäessä, vyöhykkeisyys olisi näkynyt siten, että pinta-alojen ero olisi kasvanut pohjoiseen päin mentäessä. Ilmeisesti LAEA ja Mercatorin suhde on kuitenkin sellainen, että ero kasvaakin itään päin mennessä.

 

Lähteet: Katajamäki T. (2023). Tuukan GIS-blogi. Viitattu 11.2.2023. https://blogs.helsinki.fi/katuukka/

Geoinformatiikan menetelmäkurssin ensimmäisellä kerralla käytiin läpi paikkatietojärjestelmiä, jotka koostuvat sijaintitiedosta ja ominaisuustiedoista. Katsottiin myös vektori- ja rasterimuotoisten paikkatietojen omainaisuuksia.

Tämän jälkeen harjoiteltiin QGIS-ohjelman käyttöä ja käytiin yhdessä läpi sen perusominaisuuksia ja -nappuloita. Opin, että QGIS:ssa käytettävät tietokannat ovat .shp loppuisia. Yleensä käytettävät tietokannat koostuvat vähintään neljästä eri tiedostosta, mutta tiedostoja voi olla enemmänkin.

QGIS:ssa tallennetaan omat työt projekteina, jotka sisältävät ns. “ostoslistan” työssä käytettävistä tietokannoista. Huomioitavaa on, että tietokantoihin tehdyt muutokset eivät tallennu projektiin.

QGIS:ssä tarkasteltiin kurssikerran aikana yhdessä tietokantaa, jossa oli Itämeren alueen valtioiden aiheuttama typpiravinteiden kuormitus Itämereen.

Jostain syystä en ollut saanut tallennettua karttaa kuvana kurssikerran aikana, joten jouduin tekemään sen uudestaan kotona ja muistelemaan, miten saan sen aikaiseksi. Jonkinlaisen tuotoksen sain tehtyä ja liitettyä tähän blogiin jonkin aikaa blogin editointia ihmeteltyäni (Kuva 1).

Kuva 1.  Itämeren typpipäästöt valtioittain. Suurimmat Itämeren kuormittajat on merkitty karttaan tumman punaisella värillä.

 

Seyraavaksi siirryin tekemään kotitehtävää. Oli aika vaikea muistaa kaikkea tunnilla läpikäytyä, mutta harjoitusmoniste auttoi, kun malttoi sitä jonkin aikaa lukea ja muistella, mitä tunnilla tehtiin. Lopulta sain aikaiseksi alla olevan kartan Suomen kuntien väkiluvuista (Kuva 2).

Kuva 2. Suomen kuntien väkiluku vuonna 2021.

 

Huomasin Joanna Nuutisen blogista (Nuutinen, 2023) hänen tehneen kartan kuntien asukasluvuista. Joannan kartta näyttää viimeistellymmältä kuin omani ja hänen blogissaan on myös hyvää pohdintaa siitä, tulisiko asukasluku esittää lukuarvoina vai prosenttiosuuksina maan väkiluvusta. Hänen kartassaan on viisi eri luokkaa, samoin kuin minun kartassani, mutta hän oli säätänyt luokkarajoja selkeämmiksi. Kunnat on siten Joannan kartassa jaoteltu eri luokkiin kuin minun tekemässäni kartassa ja suurimman asukasluvun kuntia (<200.000 asukasta) on Joannan kartassa kolme, kun minun kartassani suurimpaan luokkaan kuuluu kolmisenkymmentä kuntaa. Luulisin, että sopiva määrä kuntia ylimmässä luokassa voisi olla kymmenen kunnan luokkaa. Tällöin kartasta voisi nähdä yhdellä silmäyksellä  mitkä nuo kymmenen asukasluvultaan Suomen suurinta kuntaa ovat.

Lähteet:

Nuutinen, J.  (2023). Joanna Nuutisen kurssinblogi. Geoinformatiikan menetelmät I. Viitattu 29.1.2023. https://blogs.helsinki.fi/joznuuti/