Month: February 2021

Ruututietoa

Aloitimme kurssikerran tutustumalla ruutuaineiston tuottamiseen tehtävällä, jossa pääkaupunkiseudun asutustietoa sisältävää pistemuotoista aineistoa yhdistettiin itse muotoiltuun ruudukkoon. Pohjalla toimi pk-seudun pistetietokanta, joka sisälsi tietoa kaikista rakennuksista, joissa asuu vähintään yksi ihminen. Tietoa yhdistelemällä ja ominaisuustietotaulukkoa hieman supistamalla saatiin lopputuloksena ruututietoa, joka sisälsi tietoa ruudun alueella asuvan väestön kokonaismäärästä, sekä muun muassa ruotsinkielisten, muunkielisten ja ulkomaan kansalaisten määrästä.

Alla olevassa kartassa (kuva 1) näkyy kurssikerran aikaansaannos ruotsinkielisen väestön absoluuttisista määristä pääkaupunkiseudun alueella. Kartasta huomataan, että eniten ruotsinkielisiä on keskustan alueella ja sen läheisyydessä. Karttaa tarkastellessa täytyy kuitenkin muistaa, että näillä alueilla on myös tihein asutus. Mikäli tarkoituksena on välittää yksinkertaisesti tietoa siitä, millä alueilla ruotsinkielisiä on eniten, onnistuu kartta siinä melko hyvin. Koska kartasta ei ilmene mitään muuta väestötietoa (esimerkiksi asukastiheyttä tai kokonaisväestön määrää), ei kartan avulla onnistuta kuitenkaan tekemään suurempia johtopäätöksiä asiasta.

Tarkastelin myös ulkomaan kansalaisten suhteellista määrää, eli sitä, millä alueilla asuu eniten ulkomaan kansalaisia alueen kokonaisasukasmäärään nähden. Sain tämän tiedon laskutoimituksella: ulkomaan kansalaiset x 100 / asukkaiden kokonaismäärä. Alla olevasta kartasta (kuva 2) nähdään, että eniten ulkomaan kansalaisia suhteessa muuhun väestöön on etenkin Itä-Helsingissä, Leppävaara-Kannelmäki akselilla, Vantaan Koivukylän alueella, sekä yksittäisissä ruuduissa ympäri pääkaupunkiseutua. Helsingin keskustan alueella ja sen lähistöllä ulkomaan kansalaisten osuus on selvästi pienempi, kuin kauempana keskustasta. Kartan luettavuutta olisi ehdottomasti parantanut se, jos kartassa olisi ollut näkyvissä paikannimet, sekä vaikkapa suurimmat keskukset, valtatiet ja raidelinjat. Näin kartta olisi ollut jo itsessään havainnollisempi ja lisäksi sen avulla olisi pystynyt tekemään monipuolisempaa päättelyä väestön sijoittumiseen liittyen.

Kävin jälkeenpäin tutkiskelemassa myös muiden kurssilaisten aikaansaannoksia, ja huomasinkin, että samasta aineistosta oli saatu aikaiseksi todella mielenkiintoisia karttoja. Mieleen jäivät muun muassa Sannan rakennusten käyttöönottovuosien mediaaneja kuvaava kartta, Ronin vanhimpia kiinteistöjä esittävä kartta, sekä Annikan hienosti visualisoidut, muunkielisten osuutta ja asukkaiden keski-ikää esittävät kartat.

Rastereita ja oman tietokannan luontia

Kurssikerran toisella puoliskolla harjoiteltiin erilaisen rasteritiedon yhdistämistä, rasteriaineistoille soveltuvien työkalujen käyttöä, sekä rasterianalyysejä. Aineistona käytettiin muun muassa Pornaisten seudun peruskarttalehteä, sekä korkeusmalliaineistoa. Aluksi neljä rasterimuotoista korkeusaineistoa yhdistettiin yhdeksi virtual raster -työkalun avulla. Virtuaalirasterin tarkkuutta valitessa oli kolme vaihtoehtoa; highest, lowest ja average. Käytimme harjoituksessa averagea, mutta esimerkiksi korkeinta resoluutiota käyttämällä olisi kartasta saanut erityisen tarkan. Teimme myös rasterimuotoiselle maanpinnan korkeuseroja kuvailevalle aineistolle hillshade-analyysin, jonka lopputuloksena syntyi rinnevarjostuskartta. Hillshade-karttatason läpinäkyvyyttä ja asetuksia säätämällä saatiin näkyviin myös alla oleva peruskarttalehti, jolloin pinnanmuotoja pystyi tarkastelemaan yhdessä karttakohteiden kanssa. Alla olevassa kuvassa (kuva 3) on näkyvissä, kuinka virtual-taso muuttui hillshade-analyysin seurauksena. Karttalehteen lisättiin myös vektorimuotoiset korkeuskäyrät contour-työkalun avulla. Korkeuskäyrät olivat ehkä turhankin yksityiskohtaisia ja niitä ei sellaisenaan olisi kannattanut esimerkiksi maastokartassa käyttää. Yleistetympiä korkeuskäyriä olisi ollut mahdollista saada valitsemalla virtuaalirasterin tarkkuudeksi alhaisin mahdollinen.

Olin itse aika hämmästynyt, miten paljon rasterimuotoista karttaa pystyikään muokkaamaan ohjelman avulla ja miten paljon erilaisia työkaluja ja analyysejä tähän löytyi. Kurssikerralla yhdessä tehtyjen analyysien lisäksi kokeilin tehdä myös viewshed-analyysiä, jonka tarkoituksena oli käsittääkseni näyttää ne alueet halutulta etäisyydeltä, jotka kartalle asetetusta pisteestä tietyllä katselukorkeudella näkyisivät. Analyysin tekeminen kuitenkin kaatoi koko QGIS:sin, mikä tosin saattoi johtua myös analyysiin asettamistani valinnoista, joita naputtelin tietämättä tarkkaan, mitä olin tekemässä.

Lopuksi loimme Pornaisten rasterimuotoisen peruskartan pohjalta itse kaksi vektoritietokantaa, johon tallensimme määritellyn alueen tiet viivamuotoisina kohteina ja asutusrakennukset pisteinä. Kohteet piirrettiin manuaalisesti kartalle ja sitten tallennettiin omiksi tietokannoikseen, joita tultaisiin hyödyntämään seuraavalla viikolla. Ajattelin aluksi varsinkin rakennusten merkitsemisen olevan todella työlästä ja aikaa vievää, mutta loppujen lopuksi naputtelu sujuikin melko nopeasti.

Lopputerkut

Tällä viikolla käsiteltiin monipuolisesti erilaisia aineistoja ja opittiin monenlaisen tiedon käsittelyä, sekä uusien työkalujen ja analyysimenetelmien käyttöä QGIS:sä. Odotan jännityksellä ensi viikkoa, sillä meidän käskettiin valmistautua henkisesti rankkaan kurssikertaan.  Olen samaan aikaan kuitenkin innoissani, sillä itsenäinen tekeminen ja ajattelutyö on paras tapa sisäistää asioita, oppia soveltamaan jo opittua tietoa, sekä hahmottaa kokonaisuuksia.

Lähteet:

Innanen, A. 11.2.2021. Harjoitus 4: Väestöteemakartta ruutuaineistosta. Viitattu 1.3.2021.<https://blogs.helsinki.fi/anninnan/2021/02/11/harjoitus-4-vaestoteemakartta-ruutuaineistosta/>

Korpi, S. 15.2.2021. Oma ruutuaineisto (vk4). Viitattu 1.3.2021.<https://blogs.helsinki.fi/sakorpi/>

Kurvi, R. 12.2.2021. Neljäs kurssikerta 12.2.2021. Viitattu 1.3.2021.<https://blogs.helsinki.fi/ronikurv/>

Kurssikerralla pyöriteltiin tietokantoja ja harjoiteltiin muun muassa tietokantaliitosten tekemistä. Lisäksi käytiin läpi erillisten karttakohteiden yhdistämistä erilaisilla menetelmillä. Harjoitusten lopputuloksena syntyi kartta (kuva 1), joka esittää Afrikan valtioiden konflikteja, sekä timantti- ja öljyesiintymiä. Kartta havainnollistaa punaisen eri sävyillä sitä, kuinka monen eri vuoden aikana kussakin valtiossa on ollut konflikteja. Mitä tummemman punainen alue on, sitä pitkäkestoisempaa valtion epävakaus on ollut. Luonnonvaraesiintymien sijainteja tarkastelemalla voidaan pohtia sitä, millainen on niiden yhteys valtion mahdolliseen pitkittyneeseen epävakaustilanteeseen.

Käytössä olleen aineiston avulla voitaisiin tehdä monia mielenkiintoisia karttaesityksiä ja johtopäätöksiä. Yksi kiinnostava tutkimuskohde voisi olla se, onko pitkittyneiden konfliktien esiintymisellä mitään yhteyttä valtion internetin käyttäjämäärään (väkilukuun suhteutettuna). Internetin käyttö viestii kuitenkin jonkin asteisesta kehityksestä, joten olisikin mielenkiintoista nähdä, ovatko runsaslukuiset tai pitkään jatkuneet konfliktit vaikuttaneet tähän kehitykseen. Samaa tietoa voisi pyöritellä myös toisin päin ja tehdä päättelyä siitä, onko luonnonvararikkaista maista konflikteja vähemmän niissä maissa, joissa tekninen kehitys on edistyneempää.

Yksi kurssikerrallakin mainittu analyysi voisi olla bufferianalyysi eli vyöhykeanalyysi, jolla konfliktin säde -tiedon avulla muodostetaan vyöhyke konfliktikohteiden ympärille. Tällöin olisi mahdollista nähdä, mitkä alueet jäisivät vyöhykkeiden sisälle ja konfliktien vaikutusten laajuus tulisi näin ollen paremmin ilmi. Olisi myös mahdollista havainnollistaa esimerkiksi esiintymien löytämisvuosien ja perustamisvuosien perusteella sitä, kuinka nopeasti löytöhetkestä kaivokset ovat aloittaneet toimintansa. Näitä tietoja voisi myös verrata alueella sattuneiden konfliktien ajankohtaan ja pohtia, onko näillä selkeää yhteyttä.

Tehtävä

Tämänkertaisessa tehtävässä oli tarkoituksena visualisoida Suomen järvisyyttä, sekä valuma-alueiden tulvariskiä. Tehtävässä pääsin harjoittelemaan käytännössä juuri opittuja asioita tietokantaliitoksista ja visualisoimaan karttaa uusilla tavoilla. Sain onnistuneesti tehtyä tietokantaliitokset, mutta järvisyysprosenttitaulukkoa tuodessani ä:t ja ö:t muuttuivat kysymysmerkeiksi. Onnekseni apu löytyi nopeasti muiden kurssilaisten blogeja selaamalla, sillä Aino oli kohdannut samanlaisia ongelmia ja avasi ratkaisua niihin blogissaan (muuta encoding-kohta > system).

Valmiissa kartassa (kuva 2) tulvaindeksi on esitetty koropleettikarttana ja järvisyysprosentit pylväinä. Karttaa tulkitessani tajusin, että vaikka järvisyysprosentti ja tulvaindeksi olivat minulle jokseenkin tuttuja käsitteitä, en tiennyt niiden tarkkoja määritelmiä. Googletin järvisyysprosentin tarkan määritelmän ja selvisi, että sillä tarkoitetaan kunkin valuma-alueen järvien yhteispinta-alan prosenttiosuutta valuma-alueen kokonaispinta-alasta (vesi.fi). Tulvaindeksi selitettiin kurssikerran aineistoissa, ja ymmärsin sen tarkoittavan ns. alueen tulva-alttiutta, joka saadaan jakamalla keskiylivirtaama keskialivirtaamalla. Karttaa katsoessa on havaittavissa selvää yhteyttä järvisyysprosentin, sekä tulvaindeksien välillä. Niillä alueilla, joissa järvisyysprosentti on korkea, on myös tulvaindeksi keskimääräisesti matalampi. Ne alueet, joissa järviä on vähän, ovat taas kartan perusteella tulva-alttiimpia.

Lopputerkut

Tämän viikon aihe ja tehtävä olivat minulle melko haasteellisia, mutta koen myös oppineeni paljon uutta ja hyödyllistä. Tällä kerralla myös kanssakurssilaisten blogeista saadut vinkit ja apu olivat korvaamattomia!

Lähteet:

Schulz, A. 3.2.2021. Kolmas luento ja sen kotitehtävät. Viitattu: 8.2.2021.
< https://blogs.helsinki.fi/scsc/>

Vesi.fi. Järvisyysprosentti. Viitattu: 9.2.2021.
< https://www.vesi.fi/sanasto/jarvisyysprosentti/>

 

Toisen viikon pääteemana olivat projektiot ja niiden vääristymien mittaaminen. Kurssikerralla tutustuttiin mittaustyökaluihin, joiden avulla oli mahdollista mitata haluttu etäisyys ja pinta-ala valitulla projektiolla. Mittaustyökalun avulla sai näkyviin pituudet ja pinta-alat niin ellipsoidin pinnalla (maanpinnan kaarevuus huomioitu) kuin tason pinnalla. Liikkeelle lähdettiin tekemällä mittauksia ETRS89-TM35FIN -projektiolla, joka kuvaa Suomea melko todenmukaisena. Valitsin kolmiomaisen mitattavan alueen ja itä-länsisuuntaisen mittausviivan Pohjois-Suomesta. Mitatut tulokset ellipsoidin pinnalla sekä tasolla näkyvät alla olevassa taulukossa (taulukko 1).

Kuten taulukosta huomataan, vastasi tasolla mitattu pituus melkein täysin pituutta maan kaarevalla pinnalla. Pinta-alassa oli hieman eroa tason ja ellipsoidin välillä, mutta erot olivat varsin maltillisia.

Seuraavaksi vertailin viiden muun projektion lukuja TM35-projektion lukuihin ja käytin tason mittoja. Tulokset on esitetty alla olevassa taulukossa (taulukko 2) ja niissä näkyy kunkin projektion mittaustulokset, pituuden ja pinta-alan erotukset, ero prosentteina, sekä suhde.

Taulukon perusteella voidaan todeta, että kaikki näistä projektioista vääristävät todellisuutta enemmän tai vähemmän. Maan pallomuodon projisoinnissa tasolle on se ongelma, että niin pinta-alaa, pituuksia, kuin kulmia ei voida kuvata oikein, vaan on tehtävä valintoja sen perusteella, millaisiin käyttötarkoituksiin karttaa tehdään. Taulukossa ensimmäisenä näkyvä Robinsonin projektio on maailmankartoissakin yleisesti käytetty projektio, jonka tarkoitus on olla ns. kompromissi edellä mainittujen ominaisuuksien välillä. Vaikka projektion on tarkoitus esittää alueet mahdollisimman todenmukaisina, aiheuttaa se silti vääristymiä etenkin lähellä napoja, esittäen siellä olevat alueet todellista suurempina (Wikipedia 2017). Taulukostakin voidaan huomata, että esimerkiksi mitattu pinta-ala näyttäytyy Robinsonin projektiolla noin 40 % suurempana, ja pituus noin 66 % suurempana, kuin TM35-projektiolla.

Eniten vääristymiä aiheuttaa Mercatorin projektio, joka on oikeakulmainen lieriöprojektio, jota käytetään mm. navigoinnissa (Wikipedia 2020). Projektio on tunnettu siitä, että se vääristää sitä enemmän, mitä kauemmaksi kohti napoja päiväntasaajasta liikutaan. Näinpä muun muassa Suomi vääristyy etenkin pohjoisosistaan ja näyttää kartalla todellisuutta suuremmalta. Taulukon mukaan Mercatorin projektiolla mitattu pinta-ala on yli 700 % suurempi, kuin TM35:llä mitattu pinta-ala. Tämän vuoksi Mercatorin projektiolla toteutettu maailmankartta vääristää todella paljon katsojan mielikuvaa alueista ja niiden välisistä suhteista.

Vääristymien visualisointia Suomen kartalla

Alla olevilla kartoilla kolmen valitun projektion (Mercator, Van der Grinten ja Aitoff) vääristymiä on visualisoitu Suomen kartolla kunnittain ja vertailukohteena on edelleen ETRS89-TM35FIN -projektio. Kartat esittävät sitä, kuinka moninkertaisia kunkin projektion pinta-alat ovat verrattuna TM35:n pinta-aloihin.

Mercator

Alla oleva kartta (kuva 1) esittää vääristymien suuruutta Mercatorin projektiolla kunnittain. Luokkien lukumääräksi on valittu kahdeksan, jotta vääristymiä saataisiin kuvattua mahdollisimman tarkasti eri puolilla Suomea. Kartalta voidaan havaita, että vääristymä kasvaa kohti pohjoista mennessä ja pinta-alat ovat suurimmillaan yli 8-kertaisia TM35:een verrattuna.

Van der Grinten

Van der Grintenin projektion suhde TM35:en on kuvattu alla (kuva 2). Koska muuttujan vaihteluväli on pienempi kuin edellisessä esimerkissä, valitsin esittämiseen kuusi luokkaa. Halusin myös kokeilla erilaista väriskaalaa ja päädyin valitsemaan punaisen eri sävyt, sillä ne havainnollistavat hyvin negatiivissävytteistä ilmiötä.

Aitoff

Aitoffin projektiolla mitattujen pinta-alojen vääristymät vaihtelivat verrattain vähän ja siksi esittämiseen on valittu neljä luokkaa. Kartasta (kuva 3) huomataan, että vääristymien muutos on samansuuntainen, kuin kahdessa edellisessä, mutta pienempi. Vertailun vuoksi kartassa käytettiin samaa QGIS:in automaattista väriskaalaa, kuin Van der Grintenin projektiossa. Aitoffin tapauksessa erot ovat kaiken kaikkiaan pieniä, joten valittu väriskaala antaa mielestäni turhan dramaattisen vaikutelman. Kartalla näkyvän pienimmän ja suurimman arvon erotus on kuitenkin vain 0,093.

Yhteenveto

Havainnollistavien taulukoiden ja karttaesitysten pohjalta voidaan todeta, että kaikki projektiot vääristävät todellisuutta. Kaikki kolme karttaesityksiin valittua projektiota vääristävät ilmiötä samaan suuntaan, näyttäen alueet sitä suurempina, mitä pohjoisempaan liikutaan. Erot vääristymien suuruudessa vaihtelivat kuitenkin todella paljon eri projektioiden välillä, joten karttoja täytyy tulkita tarkkaan. Esimerkiksi pelkkien värien perusteella ei voida tehdä vahvoja johtopäätöksiä, kuten Van der Grintenin ja Aitoffin karttaesitykset osoittivat. Pelkkiä värejä katsomalla voisi helposti ymmärtää Aitoffin projektion vääristävän alueita Van der Grinteniä enemmän, vaikka todellisuudessa asia on toisin päin. Värisävyjen valinnan kanssa tuleekin jatkossa olla entistä tarkempi.

Projektioista Mercator vääristää napoja kohti mennessä alueiden kokoa todella paljon, jolloin esimerkiksi koko maailmaa kuvaavat kartat luovat harhaanjohtavia käsityksiä alueista ja ilmiöistä. Tämän vuoksi projektion käyttöä esimerkiksi opetustarkoitukseen käytetyissä maailmankartoissa, tai jotakin ilmiötä kuvaavissa teemakartoissa tulisi välttää tai toteuttaa suurella harkinnalla. Tapio Turpeisen blogissa oli hyvää pohdintaa muun muassa harhaanjohtavien projektioiden ongelmallisuudesta, kannattaa käydä lukaisemassa!

Lopputerkut

Itse oppimisprosessi oli tällä viikolla enemmän aikaa vievä, kuin ensimmäisellä viikolla ja QGIS osoitti ensimmäistä kertaa luonnettaan pienten toimintaoikkujen muodossa. Muuten tehtävää oli mielekästä tehdä ja sain hyvää harjoitusta QGIS:in käytöstä. Opin myös perusteita rajapintojen kautta ladattavista aineistoista ja muutamia uusia toimintoja. QGIS:in tasosysteemin hahmottamiseen ja hallintaan täytyy kuitenkin käyttää vielä aikaa.

Lähteet:

Turpeinen, T. 28.1.2021. Kurssikerta 2: Projektioita ja Pohjois-karjalaa. Viitattu: 1.2.2021.
<https://blogs.helsinki.fi/tapiotur/2021/01/28/kurssikerta-2-27-1-pohjois-karjalaa-ja-projektioita/>

Wikipedia. 2017. Robinsonin projektio. Viitattu: 31.1.2021.
< https://fi.wikipedia.org/wiki/Robinsonin_projektio>

Wikipedia. 2020. Mercatorin projektio. Viitattu: 1.2.2021.
< https://fi.wikipedia.org/wiki/Mercatorin_projektio>