Neljäs viikko: Tilastollisista ruuduista teemakartaksi

Viikon harjoituksessa pyrin toteuttamaan ruututeemakartan Helsingin alueesta. Tavoitteena oli tutustua piste- ja ruutumuotoisiin aineistoihin sekä luoda uutta tietoa olemassa olevaan tietokantaan maantieteellisten kohteiden avulla. Käsittääkseni ruututietokannat tulevat Tilastokeskuksen tuottamasta aineistosta, joiden aluejakona on hyödynnetty tilastoruudukkoja. Ilmiön kuvaus siis rajautuu ruudun kokoon.

Aloitin tehtävän luomalla QGIS:ssä yksinkertaisen 250 m x 250 m ruudukon, jonka avulla tein väestöntiheyskartan. Väestöntiheyskarttaan tarvitaan paikkasidonnaista tietoa, joten liitin join-toiminnon avulla pistedataa väestön sijainneista. Vielä lisäämällä tähän tuotokseen tiedon väestön kielisyydestä sain aikaiseksi ruututeemakartan pääkaupunkiseudun muunkielisten asukkaiden määrästä (Kuva 1). Tilastokeskus määrittelee muunkieliseksi käytännössä asukkaan, jonka äidinkieli on jokin muu kuin suomen- tai ruotsin kieli (Tilastokeskus 2017).

Kuva 1. Ruotsinkielisten osuus pääkaupunkiseudulla.

Teemakarttaani valikoitui siis Tilastokeskuksen vakiintuneessa käytössä oleva ruutukoko 250 m x 250 m (Tilastokeskus). Ruudukko sopi tehtävänannon kannalta periaatteessa alueeseen, mutta karttaan olisi voinut soveltaa myös esimerkiksi 500 m x 500 m ruudukon, mikä olisi tehnyt siitä helppolukuisemman. Muuten kartta onnistui ulkoasussaan melko hyvin.

Ruutumatriisi kykenee ainoastaan esittämään absoluuttisia arvoja. Kartassa esitetyt suuret arvot eivät siis ole suhteessa koko väestön määrään välttämättä kovin suuria, vaikka karttaesitys antaakin niin ymmärtää. Kartta olisikin kannattanut toteuttaa prosentuaalisesti, kuten Susanna Kukkavuori blogissaan. Kartta antaa lisäksi virheellisesti ymmärtää,  että muunkielisyys keskittyisi erityisesti tiettyihin alueisiin. Luultavasti muunkielinen väestö lähinnä mukailee pääkaupunkiseudun väestön jakautumista, kuten Ilona Tuovinen on kirjoittanut.

 

Lähteet:

Suomen virallinen tilasto (SVT): Perheet (verkkojulkaisu). ISSN=1798-3215. Vuosikatsaus 2017, 2. Viisi prosenttia perheistä kokonaan vieraskielisiä. Tilastokeskus. 18.2.2019. http://www.stat.fi/til/perh/2017/02/perh_2017_02_2018-12-05_kat_002_fi.html

Tilastokoulu – opi ymmärtämään ja käyttämään tilastoja: Tilastoteemakartat (2018). Tilastokeskus. 18.2.2019. https://tilastokoulu.stat.fi/verkkokoulu_v2.xql?page_type=sisalto&course_id=tkoulu_teemak&lesson_id=4&subject_id=3

Kukkavuori, Susanna (2019). Pisteistä ja ruuduista. 18.2.2019. https://blogs.helsinki.fi/kukkasus/2019/02/15/pisteista-ja-ruuduista/

Tuovinen, Ilona (2019).  Viikko 4 – Rasteriruuturuuturasteri?! 18.2.2019. https://blogs.helsinki.fi/tuoilona/2019/02/07/viikko-4/

Kolmas viikko: Tietokantaliitokset

Ensimmäisessä harjoituksessa tutustuin Afrikan valtioiden nimet ja rajat sisältävään tietokantaan. Tavoitteena oli liittää tietokantaan ulkoista tietoa sekä harjoitella join-toimintoa. Toin Excel-tiedostona valtioiden asukaslukumäärät sekä internetin käyttäjien määrät, jotka muutin ensin yhteensopivaksi QGIS-ohjelmiston kanssa. Tämän jälkeen liitin tiedot taulukkomuotoon. Liitettyjen tietojen avulla oli mahdollista laskea se osuus väestöstä, joka käyttää internetiä. Internetin käyttäjien osuuden kasvulla on yleisesti nähty korrelaatio alueen kehittyvyyden kasvuun.

Tämän jälkeen tarkastelin tietoja valtioiden konflikteista, öljykentistä sekä timanttikaivoksista. Tarkoituksena oli tuoda lisää tietoa valtioista tietokantaamme haluttujen muuttujien sijainnin perusteella. Pohdin, onko luonnonvarojen sijanneilla yhteyttä konfliktien sijainteihin tai niiden ajankohtiin. Mielestäni konfliktit ovat kaiken kaikkiaan levittäytyneet melko tasaisesti riippumatta luonnonvarojen sijainnista. Konfliktit tuntuvat kuitenkin varsinkin keskittyvän Saharan eteläpuoliselle alueelle, joka on erityisen köyhää. Näenkin suuremman yhteyden valtioiden ekonomisella ja sosiaalisella kehittyneisyydellä konflikteihin, kuin niinkään luonnonvaroilla. Kuten Peter Osunde tuo esiin artikkelissaan, taloudellinen hyväksikäyttö, eriarvoisuus, etniset erot ja poliittinen syrjäytyminen ovat yleensä useimpien aseellisten konfliktien keskipisteitä. Luonnon resursseilla on merkitystä, mutta on huomattava, että harvat konfliktit ovat johtuneet yksinomaan luonnonvarojen esiintymisestä alueella (Osunde).

Kurssikerran varsinaisena harjoituksena oli tuottaa itsenäisesti tulvaindeksikartta, jonka toteutin tietokannan tarjoamien tietojen avulla Suomen päävaluma-alueista. Tulvaindeksi kuvaa kuinka moninkertainen tulvahuipun vesimäärä on keskimääräiseen keskivirtaamaan verrattuna, eli käytännössä joen tulvaherkkyyttä. Tulvaindeksi saadaan jakamalla keskiylivirtaama keskialivirtaamalla (eli MHQ / MNQ). Lisäsin vielä koropleettikarttaan tiedot alueiden järvisyysprosenteista harjoitetun join-toiminnon avulla (Kuva 1).

Kuva 1. Koropleettikartta Suomen valuma-alueista ja niiden tulvaindeksit.

Kartasta näkee, että tulvaindeksi ja alueen järvisyys ovat kääntäen verrannollisia. Tulvaindeksi on siis suurta siellä, missä järvisyys on vähäistä. Tämä liittynee järvien vedenvarastointikykyyn, mikä vähentää jokien tulvaherkkyyttä. Karttateokseni esittää halutut tiedot melko selvästi värityksen ja legendansa puolesta. Järvisyyden olisin voinut esittää tarkemmin, kuten Anttoni Tumanoff blogissaan, jossa järvisyydet esitetään kokonaan erillisenä kaaviona. Nyt järvisyyden eroja on hankala verrata toisiinsa. Myös ympyrädiagrammit olisivat voineet olla toimivia kuvaajia pylväsdiagrammien sijaan.

Lähteet:

Osunde, Peter (N.d). Evaluate the link between natural resources and conflict.

https://www.academia.edu/9349031/Evaluate_the_link_between_natural_resources_and_conflict

Anttoni Tumanoff (2019). Tietokantaliitoksia ynnä muuta. 6.2.2019

https://blogs.helsinki.fi/gis-1-anttoni/2019/01/29/tietokantaliitoksia-ynna-muuta/

Toinen viikko: Karttaprojektioiden vertailua

Viikon kurssiharjoituksen tarkoituksena oli vielä syvemmin tutustua QGIS-ohjelmiston sekä -tietokantojen perushallintaan. Perehdyin myös erilaisiin projektioihin ja siihen, miten ne konkreettisesti vaikuttavat karttojen pinta-alojen esityksiin sekä minkälaisia eroja projektioissa on havaittavissa. Karttaprojekteissa pyritään esittämään kolmiulotteinen Maapallo kaksiulotteisesti, jolloin ne ovat vääjäämättä vääristyneitä. Esityksessä siis automaattisesti joko välimatka, pinta-ala, muodot tai suunnat vääristyvät. Yleisesti projektiot ovat joko oikeapintaisia, oikeakulmaisia- tai oikeapituisia. Onkin käyttötarkoituksesta riippuvaista, mitä projektia olisi sopivinta soveltaa.

Aloitin harjoituksen tutustumalla valinta- sekä mittaustyökaluihin. Mittasin Suomi-neidon päähän piirretyn ”hatun” pinta-alan sekä Vaasan kohdalle piirretyn itä-länsi-suuntaisen pituuden erilaisin projektion. Vertailuun valikoitui Mercatorin projektio, Cassini sekä Lambertin tasoprojektio (Taulukko 1).

Taulukko 1. Projektioiden erot esitettynä pinta-aloin sekä pituuksin.

Kuten taulukosta näkee, projektioiden esityksissä on eroja, jotka vaikuttavat osaltaan niiden luotettavuuteen. Hyödynsin Tissot’n indikaattoria kuvastamaan näitä eroja (Kuva 1). Tissot’n indikaattori kuvaa kartalle piirrettyjen soikioiden avulla esiintyviä vääristymiä, mikä mielestäni helpottaa karttaprojektioiden vertailua (Buckley 2011).

Kuva 1. Tissot’n indikaattorit esitettynä Mercatorin projektiossa vasemassa yläkulmassa, Lamberin projektiossa oikeassa yläkulmassa sekä Cassinin projektiossa alhaalla.

Seuraavaksi tuotin kartan, jossa ilmenee projektioiden väliset erot pinta-alojen esityksissä. Aineistona hyödynsin Suomen 2015 kuntapohjaa, jonka avulla eroavaisuuksia oli mahdollista tarkastella alueellisesti koko Suomen osalta. Ensimmäinen tuotokseni vertaa pinta-alan vääristymiä Lambertin oikeapintaisen tasoprojektion ja Mercatorin oikeakulmaisen projektion välillä (Kuva 2).

Kuva 2. Suomen pinta-ala vääristymät kvantiilein Lambertin projektion sekä Mercatorin projektion välillä esitettynä Kunnat 2015-aineiston pohjalta.

Tämän jälkeen vertailin Winkel Tripel-projektiota Lambertin karttaprojektioon (Kuva 3). Winkel Tripel pyrkii minimoimaan aiemmin mainitut kolme vääristymää luoden alueesta jonkinnäköisen kompromissin. Molemmissa kartoissani pinta-alan vääristymät kasvavat kohti pohjoista, vaikkakin kartat näyttävät erilaisilta projektioidensa esitystavan johdosta. Kuten Iina Rusanen blogitekstissään tuo esiin, olisin voinut valita värimaailmat karttoihin paremmin. Karttaesitykset näyttävät vääristävät pinta-alaa yhtä paljon, vaikka Winkel Tripel-projektio tosiaan kompromissiprojektiona vääristää huomattavasti vähemmän.

Kuva 3. Suomen pinta-ala vääristymät kvantiilein Winkel Tripel-projektion sekä Lambertin projektion välillä esitettynä Kunnat 2015-aineiston pohjalta.

Kaiken kaikkiaan harjoitukset tarjosivat runsaasti toistoa, jolloin QGIS-sovellus tuntuu jälleen tutummalta ja helppokäyttöisemmältä. Projektio-asiat ovat myös vähän tuoreemmassa muistissa. Lienee tärkeää muistaa, että eri projektioiden ominaisuudet muovaavat aina karttaesityksen visuaalista lopputulosta, jolloin alueellista tietoa esittäessä on tärkeää kiinnittää huomiota projektion valintaan.

 

Lähteet:

Aileen Buckley (2011). Tissot’s indicatrix helps illustrate map projection distortion. 30.1.2019

https://www.esri.com/arcgis-blog/products/product/mapping/tissots-indicatrix-helps-illustrate-map-projection-distortion/?rmedium=redirect&rsource=blogs.esri.com/esri/arcgis/2011/03/24/tissot-s-indicatrix-helps-illustrate-map-projection-distortion

Winkel.org. Winkel Tripel Projections. 30.1.2019

http://www.winkel.org/other/Winkel%20Tripel%20Projections.htm

Iina Rusanen (2019). Karttaprojektiot QGIS:ssä. 30.1.2019

https://blogs.helsinki.fi/iinarusa/

Ensimmäinen viikko: Koropleettikartat

Ensimmäisen kurssikerran tavoitteena oli tutustua QGIS-ohjelmiston perusteisiin sekä luoda koropleettikartta, joka kuvastaa Itämerta reunustavien valtioiden typpipäästöjä. Tämän jälkeen tarkoituksena oli vielä tehdä teemakartta opitun perusteella. Muista kurssilaisista poiketen olen ehtinyt jo opetella QGIS-ohjelmiston perusteet edeltävillä kursseilla, minkä johdosta ensimmäisen kurssikerran tehtävä tuntui suhteellisen helpolta. Toki ohjelmiston opettelu uudelleen tauon jälkeen vei oman aikansa.

Typpipäästöjä kuvaavasta koropleettikartastani tuli hyvin pelkistetty (Kuva 1). Useiden valtioiden rajat hävisivät jo varhaisessa vaiheessa taiteillessani karttaa, enkä saanut niitä usean yrityksenkään jälkeen palaamaan. Toisaalta kartta on ainakin yksinkertaisuudessaan helppolukuinen. En myöskään muistanut  korostaa Itämerta juurikaan, vaikka kartan tarkoituksena oli vertailla, kuinka suuri osuus kullakin valtiolla on Itämereen ajautuvista päästöistä. Typpi ajautuu Itämereen pääasiassa yhdyskunnista sekä maataloudesta, jossa sitä hyödynnetään ravinteena viljelykasveille (SYKE 2018). Typen ajautumisella vesistöihin on suora vaikutus ravinnepitoisuuksien kasvuun, joka rehevöittää Itämerta ja voi sitä kautta muuttaa koko alueen ekosysteemiä (Furman et al. 2014)

Kuva 1. Itämeren reunavaltioiden typpipäästöt.

En myöskään tiennyt minkälaista luokittelutapaa tehtävässä tulisi käyttää: luonnollisia luokittelurajoja, tasavälejä vai kvantiileita. Päädyin käyttämään kvantiileita, jossa jokaisessa luokassa on yhtä monta havaintoa. Luokitteluvirheen johdosta esimerkiksi Ruotsin ja Puolan päästöt näyttävät yhtä suurilta, vaikka Puolan osuus on pyöristettynä yli 30%, kun taas Ruotsin osuus on lähempänä 10 %. Vilma Pylkön kartta onkin mielestäni tietosisällöltään oikeellisempi kuvaus typpipäästöjen suuruuksista.

Kuva 2. Vuokra-asuntojen osuus kunnittain.

Toisen tehtävän aiheen valitsin suoraan kurssikansiosta saatavilla olleista aineistoista. Vertailin vuokra-asuntojen osuutta asumismuotojen kokonaismäärästä kunnittain (Kuva 2). Vuokra-asuntojen määrä on  kasvussa isoissa kaupungeissa, etenkin yliopistokaupungeissa (Tilastokeskus 2018). Tämä mielestäni tuleekin hyvin esille kartastani. Tällä kertaa myös luokittelin aineiston luonnollisin luokittelurajoin ja uskoisinkin, että tuotos on edellistä oikeellisempi.

Lähteet:

Itämeren typpikuorma Suomesta (2018). Suomen Ympäristökeskus. 21.1.2019 https://www.ymparisto.fi/fi-FI/Meri/Mika_on_Itameren_tila/Itameren_typpikuorma_Suomesta(31457)

Eeva Furman, Mia Pihlajamäki, Pentti Välipakka & Kai Myrberg (2014). Itämeri – Ympäristö ja ekologia. Suomen Ympäristökeskus. 21.1.2019 http://www.syke.fi/fi-FI/Julkaisut/Esitteet/Itameri__ymparisto_ja_ekologia_tietopake(28801

Pylkkö, Vilma (2019). Ensiaskeleet QGISillä. 21.1.2019 https://blogs.helsinki.fi/vipy/

Vuokra-asuminen yleistyy – pienet asunnot useimmiten vuokralla (2018). Tilastokeskus. 21.1.2019 https://www.stat.fi/til/asas/2017/01/asas_2017_01_2018-10-10_tie_002_fi.html