VALMIS

Blogini on nyt valmis ja valmiina arvosteltavaksi.

Viikko 7: Porkkalanniemen kartoitusta

Kurssin viimeisen viikon harjoituksena oli tehdä karttoja vapaavalintaisesta aiheesta itsehankitulla datalla. Itse päädyin tekemään kartat korkeusmallista, maankäytöstä ja nimistöstä Porkkalanniemen alueelta Kirkkonummella. Alueen valitsin, sillä Porkkalanniemi on erityisesti kesällä erinomainen retkikohde, jossa olen käynyt jo lapsena. Datasetit latasin Maanmittauslaitoksen palvelimelta, joista päädyin käyttämään ja yhdistämään dataa valitsemaltani alueelta. Tein vertailevat kartat, jossa käytän 2 ja 10 metrin korkeusmalleista tehtyjä hillshade-varjostusta ja korkeuskäyriä. Näihin yhdistin myös maastokartta-aineistoa. Kuten Kim-Henrik vertailin myös karttoja tehdessä maastokartta-aineistoa myös peruskartta- ja taustakartta-aineistoihin saadakseni selkoa eri karttatasoihin. Jouduin jälkikäteen blogipalvelun kokorajoitusten takia pienentämään karttoja, joten niiden resoluutio kärsi tästä johtuen. Sen takia kuvat kannattaa avata täysikokoisena niitä tarkastellakseen.

Ensiksi tein kartat alueen maankäytöstä, jossa kuvassa 1 käytin 2 metrin korkeusmallia ja kuvassa 2 10 metrin korkeusmallia taustalla. Kuvista näkee hyvin, kuinka kallioista alue on ja kuinka myös melko iso osa alueesta on peltoa. Kuvassa 3 voi nähdä vertailun yksityiskohdasta alueella. Mielestäni omassa maankäyttökartassa 10 metrin aineisto soveltuu paremmin alueen suuren koon takia. Jos olisin tehnyt kartat pienemmältä alueelta, niin silloin mahdollisesti 2 metrin korkeusmallia hyödyntävä kartta olisi voinut olla parempi.

Kuva 1. Maankäyttökartta Porkkalanniemen alueelta Kirkkonummella, jossa on taustalla 2 metrin korkeusmallista tehtyjä karttatasoja.
Kuva 2. Maankäyttökartta Porkkalanniemen alueelta Kirkkonummella, jossa on taustalla 10 metrin korkeusmallista tehtyjä karttatasoja.
Kuva 3. Yksityiskohdat maankäyttökartoista, jossa vasemmalla on 2 metrin ja oikealla 10 metrin korkeusmalleista tehdyt kartat.

Tämän jälkeen tein vielä itse korkeusmalleista kartat, johon yhdistin korkeusmalleista johdetut hillshade-varjostuksen ja korkeuskäyrät. Karttojen avulla voi saada parempaa kuvaa siitä, että miten maaston korkeus vaihtelee alueella. Kuten edellisissä maankäyttökartoissa, niin 10 metrin korkeusmalli soveltuu paremmin alueen yleiskuvaan (kuva 5), kun taas yksityiskohtiin 2 metrin korkeusmalli (kuva 4). Kuvassa 6 voi nähdä yksityiskohtaisemman vertailun eri korkeusmalleista.

Kuva 4. Korkeusmallikartta Porkkalanniemen alueelta Kirkkonummella, jossa on 2 metrin korkeusmalli ja siitä tehtyjä karttatasoja.
Kuva 5. Korkeusmallikartta Porkkalanniemen alueelta Kirkkonummella, jossa on 10 metrin korkeusmalli ja siitä tehtyjä karttatasoja.
Kuva 6. Yksityiskohdat korkeusmallikartoista, jossa vasemmalla on 2 metrin ja oikealla 10 metrin korkeusmalleista tehdyt kartat.

Viimeiseksi päädyin tekemään nimistöstä vielä erillisen kartan (kuva 7), sillä esimerkiksi maankäyttökartoissani oli jo sen verran paljon yksityiskohtia, että nimet olisivat vain tehneet kartoista sekavamman. Kaiken kaikkiaan kurssitehtävä oli hyödyllinen ja pidin sen tekemisestä paljon ja oli kiva päästä haastamaan itseään ja omaa oppimaansa. Muita samasta aiheesta tehtyjä karttaesityksiä voi käydä katsomassa muun muassa Heikin, Kim-Henrikin ja Sinin blogeista.

Kuva 7. Nimistöä Porkkalanniemen alueelta.

Lähteet:

Avoimien aineistojen tiedostopalvelu (2018). Maanmittauslaitos. 11.03.2018. <https://tiedostopalvelu.maanmittauslaitos.fi/tp/kartta>.

Harjoituskerta 7 – Viimeistä viedään (2018). Kim-Henrik Helanne. 11.03.2018.<https://blogs.helsinki.fi/helanne/2018/02/27/harjoituskerta-7-viimeista-viedaan/>.

Onko seitsemän onnenluku? (2018). Heikki Karhila. 11.03.2018.<https://blogs.helsinki.fi/hkarhila/2018/03/02/onko-seitseman-onnenluku/>.

Seitsemäs kerta toden sanoo (2018). Sini Virtanen. 11.03.2018.<https://blogs.helsinki.fi/7k110738/2018/02/27/seitsemas-kerta-toden-sanoo/>.

Viikko 6: Pisteitä pisteiden perään

Vihdoin tauon jälkeen minulla on aikaa jatkaa kurssitehtävien tekoa, joten seuraavaksi minulla vuorossa oli tehdä karttoja erilaisista pisteaineistoista. Ensimmäisenä tehtävänä oli ollut harjoitella Epicollect5-sovelluksen käyttöä ja kerätä aineistoa Kumpulan kampuksen lähialueilta ja arvioida muun muassa pisteiden viihtyvyyttä ja turvallisuudentuntua. Itse en ollut päässyt paikalle, mutta Reetta blogissaan kuvailee tarkemmin Epicollect5-sovelluksen käytöstä ja tehtävänannosta. Mira mainitsi blogissaan hyvän esimerkin siitä, kuinka sovellusta voi käyttää esimerkiksi kouluissa oppilaiden suorittamiin melu- tai valosaastetutkimuksiin. Päätin tehdä karttaesityksen (kuva 1) kurssilaisten arvioista turvallisuudentunnun suhteen. Yhdistin karttaan myös kaiken kurssikerran datan ja laitoin pohjalle OpenStreetMapistä lataamani pohjakartan. Yhden pisteen poistin esityksestä, sillä se oli niin erillään muista pisteistä. Kartassa turvattomina pisteinä erottuvat erityisesti isojen teiden lähistöt ja risteysalueet, sen lisäksi erityisesti aineistosta on huomattavasti turvattomina Kurvi Sörnäisissä sekä Kumpulan kampukselle vievä mäki Hämeentieltä (jota en kyllä ihmettele sen jäämäärän takia mitä siellä talvisin on). Turvallisina alueina erottuivat Kumpulan kampuksen ja sen ympäristön alue sekä alueita Arabianrannassa.

Kuva 1. Kurssilaisten keräämän turvallisuusdata Kumpulan kampuksen ympäristöstä, jossa 1 on turvaton ja 5 turvallinen.

Seuraavaksi tehtävänä oli harjoitella sitä, kuinka QGIS-ohjelman sisällä voi hyödyntää Googlen StreetView-näkymää. Tarkoituksena oli arvioida katujen kaupallisuutta silmämääräisesti. Arvioin Kurvista ja Kurvin lähialueilta 20 pistettä arvoilla 1-5 (joissa 1 ei kauppoja, 5 paljon kauppoja), joista sitten Inverse Distance Weighting eli IDW- metodilla loin jatkuvan kaupallisuus arvion, jonka sitten visualisoin (kuva 2). IDW oli terminä ja toimintona tuttu, sillä olin tehnyt aikaisemmin muun muassa lämpötilakarttoja Suomesta samalla metodilla. Lian ja Liisan blogeista löytyy hyvät visualisoinnit aiheesta!

Kuva 2. Otos IDW-analyysistä Kurvin ympäristön kaupallisuudesta, jossa sininen on pieni kaupallisuus ja punainen iso kaupallisuus.

Viimeisenä osiona oli tehdä kolme visualisointia eri hasardeista. Itse päädyin tekemään karttoja maanjäristyksistä ja tulivuorista. Ensimmäisessä kartassa hankin maanjäristysdataa vuodesta 1980 eteenpäin, joissa Richterin asteikoilla maanjäristys oli ollut vähintään 7,0 (kuva 3). Marita ehdottaa hyvin blogissaan, että kartan lisäksi potentiaaliset oppilaat voisivat etsiä artikkeleita maanjäristyksiin liittyen, kun kartassa on vain suurimmat järistykset. Toiseen karttaan lisäsin myös maanjäristykset, jotka olivat olleet voimakkuudeltaan vähintään 5,0. Ensimmäinen maanjäristyskartta soveltuu parhaiten näyttämään, että missä suurimmat maanjäristykset ovat olleet ylipäätään, kun taas toinen kartta (kuva 4) avaa enemmän yleisiä maanjäristystrendejä ja näyttää esimerkiksi hyvin missä litosfäärilaattojen rajat menevät. Kim-Henrik oli myös todennut tämän ja sanookin blogissaan hyvin, että karttaa ja aineistoa voisi hyvin käyttää opetuksessa litosfäärilaatoista. Vivin ja Matin blogeista löytyykin erinomaiset visualisoinnit aiheesta, joihin he olivat liittäneet maanjäristysaineiston lisäksi litosfäärilaattojen rajat. Rosanna oli myös tehnyt mielenkiintoisen kartan maanjäristysten syvyyksistä. Kolmantena karttana (kuva 5) tein kartan erilaisista tulivuorista maailmassa, jotka visualisoin niiden korkeuden mukaan. Eveliina oli huomannut, että tulivuoriaineistossa oli mahdollisesti mennyt koordinaatit hieman sekaisin, sillä islantilainen tulivuori oli päätynyt Ruotsiin, joka näkyy myös minun karttaesityksessäni. Kolmantena hasardiaineistona oli myös aineisto maahan pudonneista meteoriiteista, joista esimerkiksi Eemil, Karoliina ja Roope olivat tehneet hyviä visualisointeja. Tehtävänä oli myös etsiä internetistä hyvä visualisointi samasta aihepiiristä. Löysin Jinho Kangin tekemän hienon kartan maanjäristyksistä vuosilta 2000-2013, joka löytyy täältä.

Kuva 3. Vuosien 1980-2017 Richterin asteikoilla vähintään 7,0 olleet maanjäristykset.
Kuva 4. Vuosien 1980-2017 Richterin asteikoilla vähintään 5,0 olleet maanjäristykset.
Kuva 5. Tulivuoret maailmassa sekä niiden korkeudet metreinä meren pinnasta.

Bonuksena löysin vielä vanhan fuksivuonnani (kyllä, siitä on aika monta vuotta) tekemäni kartan samasta teemasta. Toivottavasti edes hieman edistystä on näiden vuosien aikana tapahtunut tästä kartasta…

Kuva. 6 Tekemäni vanha (ja erittäin taiteellinen) kartta maanjäristyksistä.

Lähteet:

6. Kurssikerta: kaupallisuudesta ja luonnonhasardeista mittakaavavirheisiin (2018). Liisa Niemi. 07.03.2018.<https://blogs.helsinki.fi/nliisa/2018/02/22/6-kurssikerta-kaupallisuudesta-ja-luonnonhasardeista-mittakaavavirheisiin/>.

6. Maanvuoria ja tulijäristyksiä (2018). Matti Moisala. 07.03.2018.<https://blogs.helsinki.fi/moisalam/2018/02/26/6/>.

Epicollect 5 & maailmankarttaa maanjäristyksin ja tulivuorin 19.2. (2018). Mira Kylliäinen. 07.03.2018.<https://blogs.helsinki.fi/michemmi/2018/02/28/epicollect-5-maailmankarttaa-maanjaristyksin-ja-tulivuorin-19-2/>.

Gis 6 raportti – Hasardeista fasaaneihin… No ei nyt sentään.. (2018). Kim-Henrik Helanne. 07.03.2018.<https://blogs.helsinki.fi/helanne/2018/02/20/gis-6-raportti-hasardeista-fasaaneihin-no-ei-nyt-sentaan/>.

Katastrofien viemää (2018). Karoliina Laine. 07.03.2018.<https://blogs.helsinki.fi/karollai/2018/02/26/keskenerainen-ala-ota-vaikutteita/>.

Kang_GlobalEarthquake_Rev2_20131208 (2013). Jinho Kang. 07.03.2018.<https://www.flickr.com/photos/111654764@N07/11402560226>.

Kurssikerta 6 (2018). Reetta Lehto. 07.03.2018.<https://blogs.helsinki.fi/rexlehto/2018/03/01/kurssikerta-6/>.

Kurssikerta 6: Pakkassäässä reippailua ja pedagogisia karttasarjoja (2018). Eveliina Sirola. 07.03.2018.<https://blogs.helsinki.fi/evsirola/2018/02/26/kurssikerta-6-pakkassaassa-reippailua-ja-pedagogisia-karttasarjoja/>.

Kurssikerta VI (2018). Lia Vahtera. 07.03.2018.<https://blogs.helsinki.fi/vahlia/2018/03/04/kurssikerta-vi/>.

Pedagogiset katastrofit (2018). Eemil Becker. 07.03.2018.<https://blogs.helsinki.fi/beemil/2018/02/23/pedagogiset-katastrofit/>.

Pisteiden viemää (2018). Roope Heinonen. 07.03.2018.<https://blogs.helsinki.fi/hcroope/2018/02/25/19-02-2018-pisteiden-viemaa/>.

Pirteänä pakkasessa, lopuksi lämmittelyä maanjäristyksillä eli kurssikerta 6. (2018). Rosanna Lindgren. 07.03.2018.<https://blogs.helsinki.fi/rosannal/2018/02/22/pirteana-pakkasessa-lopuksi-lammittelya-maanjaristyksilla-eli-kurssikerta-6/>.

The world is a hazardous place eli Kuudes kurssikerta (2018). Marita Selin. 07.03.2018.<https://blogs.helsinki.fi/selkala/2018/02/19/the-world-is-a-hazardous-place-eli-kuudes-kurssikerta/>.

Vähän maanjäristyksiä ja pari tulivuorta (2018). Vivi Tarkka. 07.03.2018.<https://blogs.helsinki.fi/vivitark/2018/02/23/vahan-maanjaristyksia-ja-pari-tulivuorta/>.

Viikko 5: Analysointia ja buffereita

Uuden viikon tavoitteina oli harjoitella erityisesti bufferointia ja erilaisten analyysien tekoa ja laskemista. Kuten Marita mainitsee blogissaan, niin puskerivyöhykkeillä eli buffereilla voi tarkastella erilaisten asioiden vaikutusalueita ja sijoittamista. Hän mainitseekin esimerkkinä maankäyttöön liittyvät kysymykset. Näin luonnonmaantieteilijänä voisin käyttää buffereita esimerkiksi antamaan kuvaa tehtaan päästöjen vaikutusalueesta ympärillä olevaan metsään (tosin siinä esimerkiksi vallitseva tuulensuunta vaikuttaa paljon). Harjoituksen aikana laskimme erilaisia arvoja niin Pornaisista kuin pääkaupunkiseudulta ja Rosannan blogissa on hyvä taulukkomuotoinen yhteenveto kysymyksistä. Ensiksi tehtävänä oli jatkaa viime viikosta Pornaisten alueella työskentelyä. Päädyin käyttämään opettajan tarjoamaa aineistoa, jotta siitä tehtyjä analyyseja olisi helpompi verrata muiden tekemiin analyyseihin. Aineistoissa taloihin oli määritetty satunnaisesti asukasluvut, jonka takia ne tulevat vaihtelevat sen mukaan, että mitä aineistoa kukin oli käyttänyt. Aluksi laskin rajatun alueen pääteiden pituudet yhteensä, joista tuli hieman vajaa 12,98 km. Sen lisäksi laskin alueella olevien peltojen pinta-alan, joista tuli yhteensä noin 5,68 km2. Tämän jälkeen tehtävänä oli harjoitella bufferointia ja datan yhdistämistä aluetietoon. Ensiksi tehtävänä oli laskea kuinka monta taloa ja asukasta on 100 metrin päässä pääteistä ja kuinka monta prosenttia ne ovat koko alueen asukkaista ja taloista. Seuraavaksi laskin kuinka monta asukasta asui alle 500 metrin päässä terveyskeskuksesta ja kuinka monta asuu yli 1 kilometrin päässä koulusta. Tiestä 100 metrin päässä asuu 22.5% asukkaista, terveyskeskuksesta alle 500 metrin päässä asuu 28,0% asukasta ja koulusta yli 1 km päässä asuu 36,6%. Tarkemmat tulokset voi nähdä taulukosta 1.

 

Taulukko 1. Asukas- ja talomäärät rajatulla alueella Pornaisten keskuksesta kolmen eri tason suhteen.
Taulukko 2. Asukasmäärät 1 ja 2 km päässä Malmin kentän kiitoradoista.

 

 

 

 

Seuraavaksi tehtävissä siirryttiin Pornaisista pääkaupunkiseudulle, jossa oli tehtävänä tuottaa analyyseja lentokenttien ja asemien vaikutuspiireistä sekä taajama-asutuksesta. Aluksi tehtävänä oli piirtää Malmin lentokentän kiitoradat ja muodostaa niistä bufferi, jonka avulla voitaisiin tarkastella lentokenttää ympäröivää melualuetta. Näiden avulla laskin, että kuinka paljon asukkaita asuu 1 ja 2 km etäisyydellä kentästä (taulukko 2). Tämän jälkeen laskin vielä, että kuinka monta asukasta asuu Helsinki-Vantaan lentokentän kiitoteistä alle 2 km päässä ja kuinka monta prosenttia heistä asuu kentän pahimmalla melualueella (65 dB) (taulukko 3). Laskin myös, kuinka monta asukasta Helsinki-Vantaan lentokentän ympärillä kaiken kaikkiaan asuu vähintään 55 dB melualueella (taulukko 4). Vuonna 2002 rakennettaessa kolmatta kiitorataa lentokoneet laskeutuivat Tikkurilan yli, jolloin ne tuottivat kiitoratojen kaakkoiskulmasta lähtevän 7 km pitkän ja 1 km leveän melualueen. Tutkiakseni tätä vaikutusta, niin laskin, että kuinka monta asukasta oli tämän jatkeen vähintään 60 dB melualueella (taulukko 4). Ainakin Kim-Henrik oli saanut harjoituksessa samankaltaisia vastauksia Helsinki-Vantaan lentokentän alueelta. Laskin, että kuinka monta asukasta asuu tietokannasta (noin Vantaan alueelta) vähintään 500 metrin etäisyydellä juna- tai metroasemasta sekä kuinka iso heistä oli työikäisiä (15-64 %)(taulukko5).

Taulukko 3. Asukasmäärät ja -osuudet 2 km etäisyydellä Helsinki-vantaan lentokentästä ja niiden asukkaiden määrät, jotka asuvat sekä 65 dB vyöhykkeellä ja 2 km etäisyydellä.

 

 

Taulukko 4. Asukkaiden määrä, jotka asuvat vähintään 55 dB meluvyöhykkeellä. Sen lisäksi asukkaiden määrä, jotka asuvat vähintään 60 dB melualueella Tikkurilaan suuntautuvassa jatkeessa.

 

 

 

 

Taulukko 5. Asukkaat, jotka asuvat vähintään 500 metrin etäisyydellä juna- tai metroasemasta sekä työikäisten määrä heistä.

Ensimmäisen varsinaisen itsenäistehtävän (tosin teen kylläkin koko kurssin itsenäisesti) teemana oli tarkastella taajamia. Tehtävässä oli käytettävissä suunnilleen Vantaan alueelta olevaa väestödataa tai sitten laajemmin koko pääkaupunkiseudulta olevaa dataa. Päädyin tekemään laskut molemmille tietokannoille, joiden tulokset näkyvät taulukossa 6 ja 7. Tehtävä tuotti minulle aika reippaasti päänvaivaa, sillä eri tietokantojen yhdistämiset eivät meinanneet onnistua (jouduin esimerkiksi lataamaan niitä uusiksi QGIS-ohjelmaan saadakseni ne toimimaan). En saanut liitettyä väestödataa täydellisesti taajama-alueisiin, vaan pari aluetta ei suostuneet yhteistyöhön (kuva 1), vaikka yritin monta kertaa niitä liittää. Laskutoimituksista puuttuu siis nämä alueet oikein. Sen lisäksi laskiessani koululaisten määrää koko väestödatasta, nämä puuttuvat alueet ovat mukana, joka vääristää taajamaprosentteja, eli todellisuudessa taajaman ulkopuolella asuvien koululaisten osuus on pienempi. Laskin myös ulkomaalaisten osuudet eri taajama-alueille, joiden tulokset löytyvät taulukosta 7. Kuten Fannilla ja Anetella, niin minulla oli haasteita ulkomaalaisten määrien laskussa, mutta onnekseni sain ne lopulta laskettua.

Kuva 1. Taajama-laskuista puuttuvat taajama-alueet merkittynä karttaan vihreällä.
Taulukko 6. Taajaman asukkaat ja koululaiset eri väestödatoilla laskettuina pääkaupunkiseudulla.
Taulukko 7. Taajama-alueiden määrät, joissa on ulkomaalaisia yli 10 %, yli 20 % ja yli 30 % laskettuina eri väestötietokannoista.

 

 

 

 

Toisen itsenäistehtävän päädyin tekemään uima-altaista ja saunoista. Siinä laskettiin, että kuinka paljon uima-altaalla varustettua rakennusta löytyy pääkaupunkiseudulta ja kuinka paljon asukkaita asuu sellaisissa taloissa, joissa on uima-allas (taulukko 8). Sen lisäksi laskin, että eri talotyyppien määrät. Vertasin tuloksiani muihin ja näytti, että ainakin Mira oli saanut samanlaisia tuloksia aineistosta. Tein myös uima-altaista visuaalisen esityksen, jossa piti esittää numeroilla uima-altaiden määrät eri alueittain numerona kartalla sekä pylväänä. Koska mielestäni pylväsesitys ei ollut kovin informatiivinen tai hyödyllinen, päädyin tekemään pylväiden sijaan taustalle koropleettikartan, johon laskin saunallisten rakennusten suhteelliset osuudet. Eemil oli kirjoittamansa mukaan samaa mieltä pylväsdiagrammeista, mutta hän oli suhteellisten arvojen sijaan koropleettikarttaan laittanut absoluuttiset arvot.

 

Taulukko 8. Uima-altaiden ja saunojen määriä pääkaupunkiseudulla.

 

Kuva 1. Uima-altainen määrät asuinrakennuksissa ja suhteelliset osuudet kaikista rakennuksista pienalueittain.

 

Lähteet:

Buffereita ja uima-altaita 12.2.2018 (2018). Mira Kylliäinen. 19.02.2018.<https://blogs.helsinki.fi/michemmi/2018/02/18/buffereita-ja-uima-altaita-12-2-2018/>.

GIS 5 –  Vaikeuksien kautta vähitellen kohti…. (2018). Kim-Henrik Helanne. 19.02.2018.
<https://blogs.helsinki.fi/helanne/2018/02/15/gis-5-vaikeuksien-kautta-vahitellen-kohti/>.

Homma rupee sujumaan… (2018). Eemil Becker. 19.02.2018.
<https://blogs.helsinki.fi/beemil/2018/02/19/homma-rupee-sujumaan/>.

Iki ihanat itsenäiset tehtävät eli kurssikerta 5. (2018). Rosanna Lindgren. 19.02.2018.
<https://blogs.helsinki.fi/rosannal/2018/02/17/iki-ihanat-itsenaiset-tehtavat-eli-kurssikerta-5/>.

Ongelmanratkaisua ja itsearviointia sen onnistumisesta (2018). Anette Markula. 19.02.2018.
< https://blogs.helsinki.fi/anettmar/2018/02/17/ongelmanratkaisua-ja-itsearviointia-sen-onnistumisesta/>.

Pohdintaa viidennestä kurssikerrasta (2018). Marita Lehto. 19.02.2018.
<https://blogs.helsinki.fi/selkala/2018/02/14/pohdinta-viidennesta-kurssikerrasta/>.

Yksinäistä painia QGIS:in kanssa (2018). Fanni Mantela. 19.02.2018.
<https://blogs.helsinki.fi/fama/2018/02/15/yksinaista-painia-qgisin-kanssa/>.

Viikko 4: Ruutukarttoja ja piirtämistä

Neljännen viikon harjoituksena teemana oli ruutu- ja rasterikartat sekä kartta-aineiston tuottaminen piirtämällä. Ensimmäiseksi tehtävänä oli muodostaa ruuduista koostuva tietokanta pääkaupunkiseudulta. Tein eri kokoisia ruudukkoja, mutta päädyin lopulliseen karttaesitykseen (kuva 1) käyttämään 1 km x 1 km ruudukkoa, sillä esimerkiksi 250 m x 250 m ruudukossa pääkaupunkiseudun mittakaavassa alueelliset ilmiöt hukkuivat pieneen pikselikokoon, jonka myös Senni huomasi tehdessään karttoja ja hänen tekstissään löytyykin hyvät esimerkkikuvat pikselikokojen vaikutuksesta. Ruudukkoon liitimme pistetietokannan pääkaupunkiseudun väestöstä, jossa kuten Reetta toteaa, niin ruutukartta tuo tietynlaista anonymiteettiä verrattuna esimerkiksi pistekarttaan. Kuten Marita mainitsi blogitekstissään, niin tätä väestödataa voisi käyttää monissa kulttuurimaantieteellisissä tutkimuskysymyksissä, kuten nuorten asumisesta.

Itse valitsin tietokannasta esitettäväksi oman ikäryhmäni, eli 25-29 vuotiaat. Karttaa tarkastelemalla vaikuttaisi siltä, että ikäluokkaani olisi eniten Kalliossa, joka ei tule sinänsä yllätyksenä alueen suuren asukastiheyden johdosta ja sen nykysuosiosta nuorempien ikäluokkien keskuudessa (itsekin satun asumaan Suur-Kallion alueella). Mira oli harjoituksessa tehnyt karttaesityksen 19-29 vuotiaista, jossa hän oli saanut samankaltaisen kuvan ikäryhmien sijoittumisesta. Myös Minna oli tehnyt karttaesityksen samalla ikäryhmällä, mutta oli käyttänyt suhteellisia osuuksia. Karttaa voisi näin jälkikäteen kehittää lisää sillä, että laskisin ruutuihin suhteellisen osuudet koko väestöstä, sillä silloin voisi saada paremman kuvan siitä, että millä alueilla ikäluokan osuus on suurin. Roope sanookin hyvin blogitekstissään, että absoluuttisen arvojen käyttäminen ruutukartassa voi saada aikaan tulkinnallisia virheitä. Kaiken kaikkiaan ruututeemakartta on mielestäni hyödyllinen ja hyvä tapa esittää informaatiota, sillä silloin jokainen ruutu on samankokoinen ja ilmiön alueellisuus on luotettavimmin esitettävissä kuin joissain muissa karttaesityksissä. Kuitenkin on muistettava, että paras karttaesitystapa riippuu paljolti siitä, että mitä aineistoa esitetään ja kuten Eemil mainitseekin, niin ruutukartat eivät sovellu jokaisen ilmiön kuvaamiseen. Oma karttaesitykseni mielestäni on melko onnistunut, mutta voisi sitä silti aina kehittää lisää.

Kuva 1. 25-29 vuotiaisen osuus pääkaupunkiseudulla 1 km x 1 km ruuduissa.
Kuva 2. Rasteriaineistosta tuottamani korkeuskäyrät (harmaalla) verrattuna peruskarttalehden korkeuskäyriin (mustalla).

Seuraavassa tehtävässä tarkoituksena oli käsitellä rasteriaineistoja, jotka sisältävät korkeustietoja Pornaisten alueelta. Näistä laadin vinovalovarjostetun (hillshade) korkeusmallin, jota käytin peruskarttalehden taustalle tuomaan sävyjä. Tämän jälkeen vielä harjoittelin karttaelementtien piirtämistä ja sitä, että miten niistä voidaan tehdä tietokantoja. Koska rasteriaineistot olivat kahdessa osassa, täytyi ne ensin yhdistää, jotta ne saataisiin helposti samalle asteikolle. Tämän jälkeen pystyin tuottamaan niistä korkeuskäyrät ja rinnevarjostuksen. Kuvassa 2 voi nähdä vertailun siitä, että miten peruskarttalehden 5 metrin välein olevat korkeuskäyrät (musta) eroavat itseni tuottamista korkeuskäyristä samoilla väleillä (harmaa). Kuvasta näkee hyvin, että ne seuraavat melko hyvin toisiaan, mutta itseni tuottamassa korkeuskäyrissä on alueita, joita ei peruskarttalehden korkeuskäyrissä ole (kuten kuvan yläosassa oleva alue). Kuvassa 3 on myös korkeuskäyrät yhdistettynä peruskarttalehteen. Viimeisessä tehtävässä tarkoituksena oli harjoitella uusien tietokantojen luomista piirtämällä, jossa piirsin Pornaisten keskustan alueelta päätiet ja talot (kuva 4).

Kuva 3. Otos Pornaisten alueen peruskarttalehdestä tekemieni hillshade-varjostuksen ja korkeuskäyrien kanssa.
Kuva 4. Otos piirtämistäni teistä ja pistetietokannaksi merkitsemistäni taloista.

Lähteet:

Kurssikerta 4 (2018). Reetta Lehto. 16.02.2018.<https://blogs.helsinki.fi/rexlehto/2018/02/14/kurssikerta-4/>.

Kurssikerta 4; Ruudukoita ja vieraskielisten jakautumisen tarkastelua PK-seudulla (2018). Senni Luoto. 16.02.2018.<https://blogs.helsinki.fi/luotosen/2018/02/07/kurssikerta-4-ruudukoita-ja-vieraskielisten-jakautumisen-tarkastelua-pk-seudulla/>.

Ruudukkoja ja pisteitä (2018). Roope Heinonen. 16.02.2018.<https://blogs.helsinki.fi/hcroope/2018/02/12/05-02-2018-ruudukkoja-ja-pisteita/>.

Ruutuja (2018). Eemil Becker. 16.02.2018.< https://blogs.helsinki.fi/beemil/2018/02/08/kurssikerta-4/>.

Ruutukarttaa & opiskelijoiden sijainteja 5.2. (2018). Mira Kylliäinen. 16.02.2018.<https://blogs.helsinki.fi/michemmi/2018/02/14/89/>.

Ruututeemakartta (2018). Minna Soittila. 16.02.2018.<https://blogs.helsinki.fi/soittila/2018/02/09/ruututeemakartta/>.

Väestödata laittaa QGIS:n polvilleen eli neljäs kurssikerta (2018). Marita Selin. 16.02.2018.                                     <https://blogs.helsinki.fi/selkala/2018/02/05/vaestodata-laittaa-qgisn-polvilleen-eli-neljas-kurssikerta/>.

 

Viikko 3: Työskentely tietokantojen parissa

Tämän viikon teemana oli opetella eri tietokantojen valmistelua, yhdistämistä ja uuden tiedon tuottamista vanhan tiedon perusteella. Ensimmäisenä tehtävänä oli käyttää Afrikan valtiot sisältävää tietokantaa, jota piti ensin yksinkertaistaa, jotta siihen pystyi liittämään muuta tietoa. Tietokannassa esimerkiksi saaret olivat omalla rivillään, joten tiedot yhdistettiin ensiksi taulukosta löytyvän yhteisen tekijän eli maan nimen mukaan. Tämän jälkeen pystyin liittämään tietokantaan tiedot väestömääristä, internetin käyttäjistä ja Facebookin käyttäjistä vuonna 2017. Kuten Marita mainitsee tekstissään, niin internetinkäytön tutkiminen on mielenkiintoinen tutkimuskohde, sillä nykyisin ilmiöt ja innovaatiot leviävät maailmassa nopeasti internetin välityksellä. Näitä tietoja hyödyntämällä laskin, että kuinka iso osuus väestöstä eri maissa käytti Facebookia tai ylipäätään internetiä (kuva 1). Karttojen perusteella näyttäisi siltä, että erityisesti Keniassa on korkein osuus internetin käyttäjiä, mutta Facebookia puolestaan käyttää isoimmat osuudet useissa Pohjois-Afrikan valtioissa.

Kuva 1. Kartat internetin ja Facebookin käyttäjien osuuksista vuonna 2017 Afrikan mantereella.

Seuraavaksi tehtävänä oli käsitellä konfliktiaineistoa Afrikan alueelta. Tämän lisäksi meillä oli aineistot Afrikan timanttikaivoksista ja öljykentistä. Tehtävän tarkoituksena oli muun muassa harjoitella kohteiden lukumäärien laskemista alueiden sisällä, jonka johdosta laskin konfliktien määrät maiden sisällä. Tämän avulla tuotin kartan (kuva 2), jossa koropleettikarttana näkyy konfliktien määrät maittain, sekä timanttikaivokset ja öljykentät. Ainakaan tekemäni kartan perusteella ei voi sanoa, että ne välttämättä täysin korreloisivat keskenään. Kartan perusteella konflikteja on ollut eniten Etiopian alueella, jossa ei ole timanttikaivoksia ollenkaan ja vain pieni öljykenttäalue. Etiopiassa konfliktit ovatkin johtuneet paljolti kausittaisista kuivakausista ja nälänhädistä, jotka johtivat suuriin määriin sisäisiä konflikteja ja rajasotaan Eritrean kanssa (Ethiopia country profile 2018). Samanaikaisesti Angolassa on huomattava määrä timanttikaivoksia ja ne ovat merkittävä öljyntuottaja. Siellä on ollut toiseksi eniten konflikteja kartan perusteella, joka todennäköisesti johtuu 27 vuotta kestäneestä sisällissodasta maan itsenäistymisen jälkeen (Angola country profile 2017). On kuitenkin muistettava, että kuten Eveliina ja Vivi toteavat teksteissään niin luonnonvarat ovat yksi suurimmista syistä eri konflikteihin niin maiden välillä kuin niiden sisällä. Tästä syystä karttaa ei pitäisi tulkita yksinään vaan muistaa, että konfliktit eivät yleensä johdu vain yhdestä syystä vaan ovat monen tekijän summa. Tärkeää on myös muistaa, että aineiston tuoreimmat havainnot ovat 10 vuotta vanhoja, joten aineisto ei anna kuvaa, että mikä on nykyinen tilanne, jonka myös Sini toteaa tekstissään.

Kuva 2. Kartta konfliktien määrästä eri Afrikan maissa sekä öljykenttien ja timanttikaivosten sijainneista.

Tämän jälkeen tehtävänä oli Afrikan tutkimisen sijaan tuottaa tulvaindeksikartta Suomen alueelta. Työn tavoitteena oli vertailla Suomen vesistöalueiden valuma-alueominaisuuksia tulvaherkkyyttä. Tulvaindeksin laskin jakamalla keskiylivirtaaman (eli tulvahuippujen keskiarvon) ja keskialivirtaaman (eli kuivien kausin alimpien arvojen keskiarvon) suhteen, jolla saadaan selville, kuinka moninkertainen virtaaman huippu on verrattuna kaikkein kuivimpaan aikaan. Tätä varten täytyi jälleen yhdistellä eri tietokantoja ja laskea niistä tietoja. Kartassa (kuva 3) esitin koropleettikarttana tulvaindeksiarvot ja pylväillä järvisyysprosentit. Kuten Maritalla niin minullakin oli hieman vaikeuksia saada järvisyysprosentteja näkyviin, mutta eri asetuksia kokeilemalla sain ne lopulta näkyviin. Kartasta on nähtävissä kuinka tulvaherkimmät alueet ovat Itämeren rannikkoalueilla, jonka myös Roope oli tekstissään todennut. Elli-Nora huomauttaa tekstissään, että näillä alueilla erityisesti keväisin rankkasateet ja sulavat lumet keväällä aiheuttavat tulvia alavilla alueilla. Kaiken kaikkiaan olen melko tyytyväinen karttaan, mutta mielestäni pylväät eivät välttämättä ole paras keino esittää järvisyyttä, sillä niistä on todella hankala saada kuvaa todellisista arvoista. Olen samaa mieltä Maritan kanssa siitä, että järvisyysprosentit voisi olla hyvä idea esittää pylväiden sijaan esimerkiksi luvuilla, jolloin saisi mahdollisesti selkeämmän kuvan järvisyyden jakautumisesta.

Kuva 3. Kartta tulvaindeksiarvoista Suomen valuma-alueilla sekä valuma-alueiden järvisyysprosenteista.

 

Lähteet:

Afrikan konfliktit ja Suomen vesistöalueiden tulvimisriski eli kolmas kurssikerta (2018). Marita Selin. 01.02.2018.<https://blogs.helsinki.fi/selkala/2018/01/29/afrikan-konfliktit-ja-suomen-vesistoalueet-eli-kolmas-kurssikerta/>.

Angola country profile (2017). BBC. 01.02.2018.<http://www.bbc.com/news/world-africa-13036732>.

Ethiopia country profile (2018). BBC. 01.02.2018.<http://www.bbc.com/news/world-africa-13349398>.

Haloo! Tulvariski! (2018). Vivi Tarkka. 01.02.2018.<https://blogs.helsinki.fi/vivitark/2018/01/31/haloo-tulvariski/>.

Kolmas kerta toden sanoo (2018). Roope Heinonen. 01.02.2018.<https://blogs.helsinki.fi/hcroope/2018/01/29/29-01-2018/>.

Kurssikerta 3: Afrikan valtioita, Internetinkäyttöä ja tulvaindeksejä (2018). Eveliina Sirola. 01.02.2018.<https://blogs.helsinki.fi/evsirola/2018/01/31/kolmas-kurssikerta-afrikan-valtioita-ja-tulvaindekseja/>.

Veritimantteja ja valuma-alueita (2018). Sini Virtanen. 01.02.2018.<https://blogs.helsinki.fi/7k110738/2018/01/30/veritimantteja-ja-valuma-alueita/>.

3. kurssikerta: Edistymistä ja suuria tunteita (2018). Elli-Nora Kaarto. 01.02.2018.<https://blogs.helsinki.fi/elkaelka/2018/02/01/3-kurssikerta-edistymista-ja-suuria-tunteita/>.

Viikko 2: Projektioiden tärkeys

Toisen harjoituksen tarkoituksena oli harjoitella tietokantojen perushallintaa, sekä oppia valintojen ja projektioiden merkityksestä ja tärkeydestä. Ensimmäiseksi harjoittelin erilaisten valintatyökalujen käyttöä, jolla voi esimerkiksi Suomen kunta-aineistosta valita ne kunnat, jotka ovat tietyn maakunnan sisällä. Näitä työkaluja tulin hyödyntämään lisää myöhemmin harjoituksessa.

Seuraavaksi harjoituksessa tein karttoja, joiden avulla pystyy näkemään miten paljon projektio vaikuttaa tuloksiin ja voi vääristää huomattavasti niitä. Koska projektiossa on aina kyse kolmiulotteisen maapallon esittämisestä kaksiulotteisella pinnalla, maapalloa tai sen osia ei voi esittää täydellisesti oikein. Projektio on aina kompromissi, jossa voi esittää joko kulman (esim. Mercatorin projektio), pinta-alan (esim. Lambertin projektio) tai pituuden (esim. Wernerin projektio) oikein tai vaihtoehtoisesti projektiossa mikään edellä mainituista ominaisuuksista ei ole täysin oikein (esim. Robinsonin projektio), vaan se on kompromissi näistä ominaisuuksista esimerkiksi visuaalisen esityksen vuoksi. Kuten Roope toteaa, niin olennaista projektion valinnassa on valita projektio oikean käyttötarkoituksen mukaan.

Demonstroinnin vuoksi piirsimme harjoituksessa ”Suomi-neidon” päälaelle hattua muistuttavan alueen (kuva 1) sekä pituuslinjan noin Vaasan korkeudelle (kuva 2). Näistä mittasin pinta-alan (hattu) ja pituuden (pituuslinja) viidellä eri projektiolla. ETRS-TM35FIN on tarkoitettu koko maan esittämiseen, sillä siinä Suomi on kuvattu yhdessä kaistassa. Tätä projektiota käytetään muun muassa Maanmittauslaitoksen maastokartoissa (ETRS89 koordinaattijärjestelmä käyttöön 2010). ETRS-LAEA on Lambertin projektioon perustuva oikeapintainen karttaprojektio, jossa Eurooppa on kuvattu yhdessä kaistassa (EPSG:3035 – ETRS89/LAEA Europe 2018). Bonnen projektiossa alueiden muodot ovat oikeita keskimeridiaanin kohdalla, mutta vääristyneet muualla (Bonne 2016). Robinsonin projektiossa on kyse ns. kompromissiprojektiosta, jossa kaikki vääristyminen on melko matalaa ja jonka pääasiallinen käyttötapa on visuaalisesti miellyttävien karttojen tuottaminen koko maailmasta (The Robinson Projection 2018). Mercatorin projektio on oikeakulmainen projektio, joka soveltuu muun muassa merikarttoihin, mutta se vääristää huomattavasti napa-alueiden pinta-aloja (Mercator projection 2018).

Kuva 1. Pohjois-Suomeen piirtämäni ”hattu”, jonka avulla vertailin pinta-alan vaihteluja eri projektioiden kesken.
Kuva 2. Piirtämäni pituuslinja halki Suomen, jonka avulla mittasin eri projektioiden vaihteluja.

Taulukossa 1 vertailin eri projektioiden pinta-alan ja halkaisijan eroja, sekä niiden suhdetta kartta-aineiston alkuperäiseen projektioon (ETRS-TM35FIN). Kuten taulukosta voi nähdä, ETRS-TM35FIN, ETRS-LAEA ja Bonnen projektio antavat melko samankaltaisia tuloksia Suomen alueella, kun taas Robinsonin ja Mercatorin projektiot vääristävät huomattavasti pinta-aloja ja pituuksia suuremmiksi kuin mitä ne oikeasti ovat. Tämän vuoksi esimerkiksi suosittu Mercatorin projektio vääristää ihmisten kuvaa maailman mittakaavoista ja saa esimerkiksi Afrikan näkymään huomattavasti todellisuutta pienemmältä.

Taulukko 1. Eri projektioiden laskennaliset pinta-alat ja halkaisijan pituus. Pinta-alan ja halkaisijan erot ovat laskettuna alkuperäiseen ETRS-TM35FIN -projektioon.

Seuraavaksi harjoituksessa jatkoin projektioiden vaikutuksen tarkastelua lataamalla tilastokeskuksen kunta-aineiston ja tekemällä karttaesitykset, jossa vertailin kahden projektion suhdetta Lambertin projektioon. Ensimmäiseksi (kuva 3) vertailin Lambertin projektion pinta-aloja Robinsonin projektioon, jossa voimme nähdä, että pinta-alat ovat 17-41 % suuremmat kuin Lambertin oikeapintaisella projektiolla. Tämä vääristymä kasvaa etelästä pohjoiseen mentäessä. Seuraavaksi vertailin myös Mercatorin projektiota (kuva 4), jossa pinta-alat ovat 295-725 % suuremmat, eli ne ovat moninkertaiset todellisuuteen verrattuna. Kuten Robinsonin projektiossa, niin myös Mercatorin projektiossa vääristymät kasvavat kohti pohjoista mentäessä. Mielenkiintoista on ollut myös nähdä muiden tekemiä karttoja pinta-alan vääristymistä eri projektioista, kuten Matin tekemä kartta Azimuthal equidistant – projektiolla, Varpun tekemä kartta Gauss-Laborde Reunion – projektiolla ja Laurin tekemä kartta Winkel tripel 1 – projektiolla.

Kuva 3. Pinta-alojen erot verrattaessa Lambertin projektiota Robinsonin projektioon.
Kuva 4. Pinta-alojen erot verrattaessa Lambertin projektiota Mercatorin projektioon.

Viimeisenä harjoituksessa laskin väestöntiheyksiä kunnittain eri projektioiden avulla. Koska väestöntiheys on pinta-ala riippuvaista tietoa, niin se voi helposti vääristyä, jos käyttää sen laskemisessa projektiota, joka antaa virheellistä pinta-alatietoa. Laskin väestöntiheydet ensiksi Lambertin projektion mukaisesti ja sen jälkeen Mercatorin projektion mukaisesti, jonka jälkeen vertasin niitä keskenään (kuva 5) samalla asteikolla. Itse käytin karttaesityksissä absoluuttisia väestöntiheysarvoja, mutta esimerkiksi Marita oli esittänyt väestöntiheyksiä vaihtoehtoisesti keskihajonnan avulla. Kuten kartoista on nähtävissä, koska Mercatorin projektio kasvattaa pinta-aloja napa-alueilla huomattavasti, niin myös siitä lasketut väestöntiheydet olivat huomattavasti pienempiä. Kartat ovat mielestäni hyvä esimerkki siitä, että kuinka tärkeää on oikean projektion käyttö karttoja tehdessä.

Kuva 5. Väestöntiheydet laskettuna Lambertin ja Mercatorin projektioista esitettynä Lambertin projektiossa.

Lähteet:

Bonne (2016). Environmental Systems Research Insitute. 26.01.2018.

<http://desktop.arcgis.com/en/arcmap/10.3/guide-books/map-projections/bonne.htm>.

EPSG:3035 – ETRS89/LAEA Europe (2018). Klokan Technologies GmbH. 26.01.2018.

<https://epsg.io/3035>.

ETRS89 koordinaattijärjestelmä käyttöön (2010). Maanmittauslaitos. 26.01.2018.

<http://maanmittauslaitos.fi/sites/maanmittauslaitos.fi/files/old/ETRS89koordinaattijarjestelma_kayttoon.pdf>.

Kikkailua QGIS projektioiden kanssa eli Toinen harjoituskerta (2018). Marita Selin. 26.01.2018.

<https://blogs.helsinki.fi/selkala/2018/01/22/kikkailua-qgis-projektioiden-kanssa-eli-toinen-harjoituskerta/>.

Mercator projection (2018). Encyclopædia Britannica. 26.01.2018.

<https://geography.wisc.edu/maplibrary/the-robinson-projection/>.

Projektivertailua (2018). Varpu Savolainen. 26.01.2018.

<https://blogs.helsinki.fi/sadvarpu/2018/01/24/projektiovertailua/>.

The Robinson Projection (2018). Denis J. Dean, Colorado State University. 26.01.2018.

<https://geography.wisc.edu/maplibrary/the-robinson-projection/>.

Toinen kurssikerta (2018). Lauri Äikäs. 26.01.2018.

<https://blogs.helsinki.fi/lauaikas/2018/01/24/toinen-kurssikerta/>.

Vääristynyt todellisuus (2018). Roope Heinonen. 26.01.2018.

<https://blogs.helsinki.fi/hcroope/2018/01/25/22-01-2018/>.

2. Lambert 1 – Mercator 0 (2018). Matti Moisala. 26.01.2018.

<https://blogs.helsinki.fi/moisalam/2018/01/25/2-lambert-1-mercator-0/>.

Viikko 1: Paikkatiedon perusteita

Tämän viikon työskentelyn aloitimme käymällä läpi paikkatiedon perusteita ja erityisesti QGIS-ohjelman perusteita. Olen aikaisemmin pääasiassa käyttänyt ArcGIS-paikkatieto-ohjelmaa ja selkeästi vähemmän QGIS-ohjelmaa, joten mielestäni oli hyvä käydä perusteita läpi. Tämä auttoi muistamaan, että mistä tutut ja ArcGIS:iä vastaavat toiminnot löytyvät.

Ensimmäiseksi tein kartan (kuva 1) Itämeren typpikuormituksesta, jossa laskin Itämeren maiden osuudet ja visualisoin osuudet luokittelemalla ne viiteen yhtä suureen luokkaan. Lisäsin karttaan myös syvyyskäyrät (jotka näin jälkikäteen katsottuna olisin voinut mahdollisesti lisätä myös legendaan kuten esimerkiksi Reetta, Maiju ja Olivia olivat tehneet). Halusin myös jatkaa meren väritystä Itämerta pidemmälle, niin lisäsin taustalle polygon-tason, jotta sain haluamani lopputuloksen.

Kuva 1. Kartta Itämeren typpikuormituksista ja siitä, että miten se jakautuu alueella olevien maiden kesken.

Toisessa osuudessa kokeilin ensin useamman asian visualisointia, mutta niistä ei mielestäni saanut tarpeeksi kiinnostavaa karttaa (kuten kartasta, jossa vertasin, että kumpia oli kunnissa enemmän: lapsia vai vanhuksia) tai niissä oli muita ongelmakohtia (kuten kartassa, jossa vertailin väestön muutosta vuodesta 2015 vuoteen 2016 kuntaliitosten vuoksi). Tämän vuoksi päädyin tekemään kartan (kuva 2) avioliittojen ja avioerojen suhteesta Suomessa eri kunnissa vuonna 2015. Kartta ehkä vielä vaatisi hienosääntöä värien suhteen, mutta mielestäni se kuitenkin antaa melko hyvän kuvan siitä, että missä kunnissa on ollut enemmän avioliittoja suhteessa avioeroihin ja toiste päin.

Kaiken kaikkiaan pidin karttojen tekemistä ja siitä, että pääsin verryttelemään QGIS-ohjelman perusteita ja paikkatietotaitojani.

Kuva 2. Kartta avioliittojen ja -erojen suhteesta vuonna 2015 kunnittain Suomessa. Punaisella olevissa kunnissa avioliittoja oli enemmän kuin avioeroja ja sinisellä merkityissä kunnissa avioeroja enemmän. Sen lisäksi keltaisella merkityissä kunnissa avioliittoja ja -eroja oli yhtä paljon. Mustalla merkityistä kunnista puuttui tarvittava data.

Lähteet:

Ensimmäisen kurssikerran harjoituskartta (2018). Olivia Halme. 17.01.2018.
<https://blogs.helsinki.fi/halmeoli/2018/01/17/ensimmaisen-kurssikerran-harjoituskartta/>.

Karttaharjoitus 1 (2018). Reetta Lehto. 17.01.2018.
<https://blogs.helsinki.fi/rexlehto/2018/01/17/karttaharjoitus-1/>.

Kurssikerta 1 (2018). Maiju Karhu. 17.01.2018.
<https://blogs.helsinki.fi/maikarhu/2018/01/17/kurssikerta-1/>.