Maxin maantiede-blogi

Neljännellä kurssikerralla opin käyttämään QGISin ruudukkotyökalua. Ruudukko on hyvä tapa esittää esimerkiksi pistemäisten aineistojen attribuuttitietoja. Käytössämme oli pistetietokanta kaikista pääkaupunkiseudun rakennuksista. Jokaisesta rakennuksesta oli saatavilla erilaisia tietoja, sijaintitietojen lisäksi, esimerkiksi asukkaiden määrä, ikä ja äidinkieli. Luodusta ruudukosta poistettiin kaikki ruudut, joissa ei ole merkittyjä asuinrakennuksia.

Tein aineistosta kartan vieraskielisten prosenttiosuudesta neliökilometrin ruuduissa (Kuva 1). Lisäsin manuaalisesti luokan alueille, joilla ei asu yhtäkään vieraskielistä. Karttaa jälkikäteen tarkastellessa tuntuu, että väriskaala on hieman sekava ja kartta olisi selkeämpi jos ruudut olisi väritetty yhden värin eri sävyillä. Nyt alueet, joilla 0-3 prosenttia asukkaista on vieraskielisiä erottuvat paremmin kuin ne alueet, joilla vieraskielisiä ei ole ollenkaan. Kartalta voidaan huomata, että kantakaupungissa vieraskielisten osuus on suhteellisen vähäinen ja pysyy kohtalaisen tasaisena. Esikaupunkivyöhykkeellä tilanne taas vaihtelee alueittain merkittävästi. Joillain alueilla vieraskielisten osuus on hyvin suuri, kun taas toisilla se on kantakaupungin tasoa pienempi. Kaikista suurin osuus maahanmuuttajista, eli 41-71 prosenttia on joillain yksittäisillä suhteellisen syrjäisillä ja vähäväkisillä alueilla. Oma veikkaukseni on, että näillä alueilla sijaitsee vastaanottokeskus tai jokin muu vastaava laitos, ja muuta asutusta ei ole juurikaan. Tämä nostaisi prosenttiosuutta merkittävästi. Nämä alueet poissulkien suurin keskittymä näyttää olevan idässä, mutta laajahkoja korkean prosenttiosuuden alueita löytyy myös luoteesta ja lännestä. Kaikista pienin prosenttiosuus on maaseutumaisilla pohjois-Espoon, länsi-Vantaan ja Östersundomin alueilla.

Ruututeemakartan hyvä puoli on se, että alueiden vertailu on helppoa, sillä ne ovat samankokoisia. Huono puoli taas on se, että alueista voi saada väärän kuvan riippuen niiden koosta ja sijoittelusta. Esimerkiksi tekemässäni prosenttilukuihin perustuvassa kartassa prosenttiosuus merkitään koko neliökilometrin kokoiselle alueelle, vaikka alueella olisi sen reunassa vain yksi talo. Lisäksi prosenttikartasta ei käy ilmi esimerkiksi alueen asukasluku, joka voi vaihdella alueiden välillä merkittävästi. Siispä koen, että prosenttikartan rinnalle olisi voinut laittaa vastaavan kartan absoluuttisilla luvuilla, jolloin lukija saisi kuvan sekä vieraskielisten prosentuaalisista että absoluuttisista määristä. Mielestäni ruutukartat sopivat hyvin yksinkertaisiksi kartoiksi, joista saa helposti kokonaiskuvan ilmiöistä. Yksityiskohtaista tietoa haluttaessa taas koen koropleettikartan paremmaksi, jolloin esille tulisivat paremmin myös alueiden sisäiset erot.

Miska Pihlajaniemi (2024) nosti blogissaan esiin, että ruutuaineisto voi myös johtaa harhaan. Ruutumaisen alueen asukkaat saattavat todellisuudessa asua pienessä osassa ruutua, jolloin koko ruudun asutuksesta voi saada väärän kuvan. Esimerkiksi Pihlajaniemen kartassa yksi ruutu ulottui pienelle Pentalan saarelle, vaikka on todennäköisempää, että alueen asukkaat asuvat ruudun toisessa reunassa mantereella.

Kurssikerran lopuksi teimme seuraavaa kertaa varten vektoriaineistoa Pornaisten teistä ja asuinrakennuksista. Rakennusten klikkailu tuntui hieman pitkäveteiseltä, mutta sain lopulta lähes kaikki kartoitusalueen asuinrakennukset aineistoon.

Lähteet:

Miska Pihlajaniemi, 2024. Pmiska’s blog: Neljäs luento (Neljäs luento – pmiska’s blog (helsinki.fi)). Viitattu 5.3.2024.

Ensimmäisessä tehtävässä käsiteltävänä oli Afrikan valtioiden kartta-aineisto. Tässä aineistossa jokainen saari tai muuten erillinen alue oli attribuuttitaulussa omana rivinään. Nämä alueet yhdistettiin toisiinsa Dissolve-työkalun avulla maan nimen perusteella. Lisäaineistoina käytössä oli öljyesiintymät alueina sekä timanttiesiintymät ja konfliktit pisteinä. Tarkoituksena oli vertailla raaka-aine -esiintymien ja konfliktien välistä suhdetta.  Monien maiden osalta oli huomattavissa, että konfliktien ja esiintymien välillä oli päällekkäisyyksiä. Kuitenkin eniten konflikteja oli Etiopiassa, jossa esiintymiä oli melko vähän. Lisäksi esimerkiksi Libyaan ei ollut merkitty yhtään konfliktia, vaikka siellä on viime vuosikymmenellä ollut hyvin levotonta. Aineisto siis lienee melko vanhaa. Minulla ei enää ole projektitiedostoa, joten en saa karttaa tähän blogitekstiin. Sampo Väätäjä teki aineistosta kartan, jossa valtioille on merkitty niiden vuosien määrä, joina konflikteja on ollut. Kartta on mielestäni erittäin kiinnostava ja osoittaa, kuinka pistemäisten aineistojen perusteella voi myös tehdä lukuihin perustuvia teemakarttoja.

Toinen kurssikerralla tekemäni kartta perustuu aineistoon Suomen valuma-alueista. Tilastoluvut tuotiin Excel-taulukosta .csv-muodossa QGISiin, mutta aluejako oli valmiina projektitiedostona. Tilastojen pohjalta laskettiin keskiylivirtaaman ja keskialivirtaaman eli tulvahuipun ja kuivimman kauden keskiarvon välinen suhde. Tämän pohjalta valuma-alueille saadaan tulva-indeksi. Tulvaindeksin lisäksi valuma-alueille merkittiin ympyrädiagrammein aineistossa ollut järvisyysprosentti. Ympyrädiagrammin koko on suhteessa itse valuma-alueen kokoon. Taulukoiden siirtämisessä tapahtui virhe, jonka takia en saanut valuma-alueiden, joiden nimissä on ä- ja ö-kirjaimia, tilastoja karttaan. Tämän vuoksi kartta jää hieman puutteelliseksi, mutta mukana ovat kaikki suurimmat valuma-alueet. Lisäksi olisin voinut muuttaa järvisyyttä kuvaavat ympyrädiagrammit läpinäkyviksi, jotta niiden taakse peittyvien valuma-alueiden tulva-indeksi olisi näkynyt. Lisäksi ympyrädiagrammit olisivat ehkä voineet olla samankokoisia, jotta ne eivät menisi toistensa päälle. Kartasta voidaan kuitenkin huomata, että rannikon pienillä valuma-alueilla tulvaindeksi näyttää olevan kauas sisämaahan ulottuvia valuma-alueita suurempi. Vastaavasti järvisyys on suurempi kauas sisämaahan ja Järvi-Suomeen ulottuvilla valuma-alueilla.

Opin kurssikerralla yhdistämään alueita sekä muuttamaan Excel-tiedoston .csv-muotoon ja siirtämään sen QGISiin. Lisäksi mietin kartan selkeyttä ja luettavuutta, ja tulevaisuudessa kiinnitän tähän enemmän huomiota.

Lähteet

Sampo Väätäjä, 2024: Kolmas kurssikerta (30.1.2024) (https://blogs.helsinki.fi/vsampo/2024/02/02/kolmas-kurssikerta-30-1-2024/) Viitattu 20.2.2024.

MAA-202 -kurssin toisella kurssikerralla jatkettiin karttojen tekemistä QGIS-ohjelmalla. Tunnin pääaiheena olivat projektiot ja niiden väliset erot varsinkin pinta-alan ja etäisyyden esittämisessä. Tunnin aluksi opin käyttämään QGISin valintatyökalua, jonka avulla kartta-aineiston alueita voi valita joko manuaalisesti tai attribuuttitaulun arvojen avulla. Näin saadaan tarkasteluun haluttu alue koko aineiston sijaan. Tämä soveltuu tilanteeseen, jossa halutaan tehdä kartta tietystä alueesta suuremmasta aineistosta. Opin myös karttaprojektion vaihtamisen ja pinta-alojen lisäämisen taulukkoon. Tämän avulla pystyy esimerkiksi vertailemaan karttaprojektioiden vääristymien eroja.

Tein kolmen eri karttaprojektion vertailusta ETRS-TM35FIN -projektion kanssa kartat. Näissä kartoissa verrataan Suomen kuntien esitettyä pinta-alaa projektioiden välillä. Kartoissa itsessään Suomi on esitetty ETRS-TM35 -projektiolla, mutta jälkikäteen mietittynä paremman kuvan olisi saanut sillä, että esitys olisi ollut vertailuprojektiolla, jolloin karttojen vertailussa erot olisivat olleet selkeämpiä huomata.

Ensimmäinen projektio, josta tein kartan, oli Mercator (Kuva 1). Tässä projektiossa pinta-ala vääristyy merkittävästi varsinkin suhteellisen lähellä napoja sijaitsevilla alueilla, joihin Suomi lukeutuu. Kartasta voidaan huomata, että kaikkein pohjoisimpien kuntien pinta-ala on jopa kahdeksankertainen ETRS-TM35 -projektioon verrattuna. Etelässä Mercator-projektion esittämä pinta-ala on pienimmillään nelinkertainen. Pinta-alan vääristymä kasvaa siis Suomen alueella etelästä pohjoiseen mentäessä yli kaksinkertaiseksi.

Toiseksi projektioksi valitsin Robinson-projektion (Kuva 2). Robinson-projektio on eräänlainen kompromissi siinä mielessä, että siinä vääristyvät sekä pinta-ala että muodot, mutta molemmissa vääristymät ovat suhteellisen pieniä. Tämä on huomattavissa kartassa, jossa vääristymät ovat 1,2-1,4 -kertaisia verrattuna Mercatorin 4-8 kertaisiin vääristymiin. Kuitenkin tässäkin projektiossa Suomi esitetään todellista kokoaan suurempana ja vääristymä kasvaa pohjoiseen mentäessä.

Kolmanneksi projektioksi valitsin Equal Earth Greenwich -projektion, joka perustuu Robinson-projektioon, mutta pyrkii pitämään alueet oikeankokoisina (Kuva 3). Kokoerot ovat siis hyvin pieniä verrattuna ETRS-TM35 -projektioon. Toisin kuin kahdessa muussa vertailuprojektiossa, Equal Earth -projektiossa Suomi esitetään hieman ETRS-TM35 projektiota pienempänä. Vääristymät eivät jakaudu yhtä tasaisesti kuin kahdessa muussa projektiossa. Ensivilkaisulla vääristymä näyttää kaikista suurimmalta länteen päin mentäessä, mutta itäisessä Lapissa sijaitseva Savukoski on manner-Suomen vääristynein kunta. Samoin vääristymä näyttää pienenevän kaakkoiseen mentäessä, mutta vääristymät ovat kaikkein pienimpiä pohjoisen Utsjoella, vaikka sen naapurikunnissa vääristymät ovat suhteellisen suuria. Vääristymien logiikkaa on vaikea ymmärtää, mutta ne ovat suhteessa toisiinsa ja ETRS-TM35 -projektioon häviävän pieniä.

Mirva Kanerva valitsi blogissaan (2024) pinta-alavertailukarttaansa Azimuthal Equidistant -projektion. Tässä projektiossa kiinnostavaa on se, että pinta-ala vääristyy lounais-koillis -suunnassa siten, että lounais-Suomessa vääristymät ovat pienimmät ja koillis-Lapissa suurimmat. Vääristymän vaihtelu ei ole kuitenkaan kovin suurta, välillä 1,2-1,3 verrattuna ETRS-TM35 -projektioon.

Lähteet:

Mirva Kanerva, 2024. Mirvan blogi: Toinen kurssikerta. (Toinen kurssikerta 23.1.2024 – Mirvan blogi (helsinki.fi)) Viitattu 6.2.2024.

Ensimmäisellä MAA-202 –kurssin kerralla opin QGIS-ohjelmiston käyttöä ja yksinkertaisten teemakarttojen tekemistä valmiiden aineistojen pohjalta. Tunnilla tehtiin teemakartta Itämeren valtioiden typpipäästöistä. (Kuva 1) Opin esimerkiksi luokkien esitystapojen tärkeydestä. Luokkien täytyy olla suhteutettuja käytettävään aineistoon, jottei synny sellaisia luokkia, joihin ei lukeudu yhtään aluetta. Esimerkiksi tässä aineistossa Puolan typpipäästöt olivat moninkertaiset seuraavaksi suurimpiin verrattuna, jolloin luokkavälien ollessa samankokoiset väliin olisi mahtunut kaksi tai kolme tyhjää luokkaa. Mutta esimerkiksi Natural Breaks -työkalua käytettäessä luokkavälit ottivat automaattisesti huomioon laajan välin, johon ei tullut yhtään arvoa. Alkuperäisessä kartta-aineistossa oli myös järvet, mutta poistin ne kartastani, sillä esimerkiksi Suomen pienet järvet tekivät siitä vain turhan sekavan näköisen enkä pitänyt niitä oleellisina tämän kartan osalta. Maista Puolalla on suurimmat typpipäästöt, mutta tilastossa ei olla otettu huomioon päästöjen suhdetta esimerkiksi väkilukuun tai rantaviivan pituuteen. Esimerkiksi Suomen typpipäästöt ovat väkilukuun suhteutettuna Puolaa suurempia. Toisaalta esimerkiksi Venäjän päästöt ovat verratuista valtioista toiseksi suurimmat, vaikka rantaviiva on suhteellisen lyhyt. Olisin voinut lisätä karttaan enemmän luokkia ja vaikkapa maakohtaiset luvut, jolloin aiheesta olisi saanut selkeämmän kuvan. Pietu Nuortimo (2024) muutti Itämeren ulkopuolisten valtioiden värit kartassaan harmaaksi, joka sai mitattavat valtiot erottumaan kartasta selkeämmin. Lisäksi hän muutti Itämeren syvyyskäyrät harmaiksi, jotta ne eivät olisi liian häiritseviä. Itse en tajunnut tehdä tätä karttaa tehdessäni. Järvien poistamisen lisäksi muutin kuitenkin Itämeren alueen rantaviivan siniseksi karttaa selkiyttääkseni.

Toinen kurssikerralla tekemäni kartta (Kuva 2) pohjautuu Suomen kuntakarttaan ja kuntia koskevaan aineistoon. Kartassa on kuvattuna työikäisten, eli 15-64 –vuotiaiden osuus kuntien asukkaista. Valitsin tähän karttaan selkeät tasalukuiset luokat, sillä koin sen toimivan paremmin, kun alueita on paljon. Tällöin isojen “tyhjien välien” syntyminen ei ole yhtä todennäköistä kuin esimerkiksi Itämeren valtioiden typpipäästökartassa. Kartasta erottuvat selkeästi Suomen seitsemän suurinta kaupunkia, eli Helsinki, Espoo, Vantaa, Tampere, Turku, Jyväskylä ja Oulu. Nämä ovat ainoat kunnat, joissa työikäisten osuus ylittää 65 prosentin rajan. 60 prosentin raja ylittyy näiden keskusten ympäryskunnissa sekä muissa maakuntakeskuksissa, kuten Seinäjoella, Rovaniemellä, Kuopiossa ja Lappeenrannassa. Kaikkein pienin työllisten osuus on joissain maaseutukunnissa, joissa työllisten osuus on alle 50 prosenttia.  Ensimmäisen kurssikerran jälkeen opin tekemään alueellisia teemakarttoja QGIS-ohjelmalla. Aiemmin olen tehnyt tällaisia karttoja esimerkiksi netistä löytyvällä MapChart-sivustolla. Vaikka karttojen tekeminen tuntui ainakin aluksi QGISillä hankalammalta, mahdollisuudet ovat paljon monipuolisemmat aineistojen ja karttapohjien osalta.

Lähteet:

Pietu Nuortamo (2024): Pietun GIS-seikkailu – Ensimmäinen kurssikerta. (Ensimmäinen kurssikerta – Pietun GIS-seikkailu (helsinki.fi)) Viitattu 30.1.2024.

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