Luku 3. Timantteja, tietokantaliitoksia ja tulvaindeksejä

Kolmannen kurssikerran alussa ei teoriaosuuksia nähty, vaan kissa nostettiin suoraan pöydälle ja käytiin QGIS:n kimppuun. Afrikan kartalla harjoiteltiin kohteiden yhdistämistä, valtioiden usealle eri riville hajaantuneet alueet yhdistettiin yhdeksi riviksi.

Opimme myös tuomaan Excel-muotoista tilastotietoa QGIS:iin paikkatiedoksi, mikä tuntui itsestäni todella hyödylliseltä harjoitukselta. QGIS:iin siis pystyy tuomaan melkein mitä tahansa taulukkotietoa, ja muuttamaan sen paikkatiedoksi. Toki tässä esim. valtioiden nimien pitää täsmätä, että homma toimii. Näissä tietokantaliitoksissa pitää olla tarkkana, että lopputuloksessa on jotain järkeä. Ilman yhteistä saraketta, vaikka juuri valtion nimeä, jää QGIS:n käyttäjälle luu käteen.

Tutkailimme Afrikan timanttiesiintymien, maaöljyn tuotannon ja konfliktien välistä yhteyttä. Näiden avulla opittiin, kuinka laskea esimerkiksi pistemuotoisen aineiston, timanttikaivosten määrä kussakin valtiossa. Harjoittelimme uusien tietokantojen luomista ja laskemista internetin ja Facebookin käyttöä koskevilla aineistoilla. Tässä oli selvä yhteys konfilkteihin: maissa joissa oli paljon konflikteja, ei internet tavoittanut kovinkaan suurta osaa väestöstä. Kuten Juho Kauppi blogissaan kertoi, internetin käyttöaste on hyvä keino tutkia valtioiden välisiä eroja infrastruktuurin kehittyneisyydessä.

Kurssikerran lopuksi aloitimme viikkotehtävän tekemistä, joka oli tällä kertaa tulvaindeksikartan, ja siihen yhdistetyn järvisyysdiagrammin laatiminen. (Kuva 1.)

Kuva 1. Suomen valuma-alueiden tulvaindeksi prosentteina ja järvisyys ympyrädiagrammeina.

Kartassa näkyvät Suomen valuma-alueet, joista osa tärkeimmistä on nimetty. Valuma-alueiden väri kuvaa alueen tulvaindeksiä prosentteina. Tulvaindeksi on laskettu jakamalla keskiylivirtaama keskialivirtaamalla. Eli toisin sanoen tulvaindeksi kuvaa keskimääräisen tulvan ja kuivan kauden suhdetta, joka Suomen kosteissa oloissa kallistuu vahvasti ylivirtaaman eli tulvan puolelle.

Kartasta on vaikea vetää mitään suoria johtopäätöksiä tai yleistyksiä. Pienen tulvaindeksin alueita ovat niin lukuisat pienet valuma-alueetkin kuin myös esimerkiksi valtava Vuoksen vesistö. Suuria tulvaindeksejä on niin Lapissa kuin Pohjanmaalla ja Itä-Suomessakin.

Alueiden järvisyys, jota esitän kartalla ympyrädiagrammeilla. vaihtelee myös paljon. Itse en ainakaan löytänyt QGIS:stä työkalua, jolla järvisyysprosentin, eli järvien osuuden pinta-alasta saisi näkyville diagrammiin. Joka tapauksessa Saimaan alueen kattavassa Vuoksen vesistössä järvisyys on lähes 20%, todella paljon. Silti järvisyyskään ei tunnu selittävän tulvaindeksiä, sillä kaikkein järvisimmässä Vuoksen vesistössä tulvaindeksi on yksi pienimmistä. Ota nyt tästä sitten selvää. Pitäisi varmaan kysyä Miskalta, että saisi homman haltuun.

Ympäristöhallinnon verkkopalvelu kertoo, että valuma-alueen maastonmuodot ja maankäyttö vaikuttavat siihen, miten tulvia muodostuu. Näillä on varmasti vaikutusta myös tulvaindeksiin, esimerkiksi monet Pohjanmaan joista tulvivat herkästi alueen tasaisuuden vuoksi.

 

Lähteet:

Juho Kaupin blogi, Kurssikerta 3. Luettu 31.1.2019. https://blogs.helsinki.fi/juhokaup/2019/01/30/viikko-numero-kolme/

Ympäristöhallinnon verkkopalvelu. Luettu 30.1.2019. https://www.ymparisto.fi/fi-FI/Vesi/Tulviin_varautuminen/Olenko_tulvariskialueella/Tulvien_esiintyminen.

Luku 2. QGIS, tuo ikuinen mysteeri

Toinen kurssikerta käynnistyi tietoiskulla erilaisista GIS-datan lähteistä ja tyypeistä. Opimme, että saatavilla olevaa aineistoa on valtava määrä monilta eri tuottajilta, ja että aineistoja ladataan omaan käyttöön niin kutsuttujen rajapintojen kautta. Saaga Laapotti kuvaili blogissaan monia erilaisten rajapintojen lyhenteitä. Tuo käsite rajapinta jäi itselleni hieman hämäräksi, joten otin avuksi tutun ja turvallisen Wikipedian. Selvisi, että tämä mystinen rajapinta tarkoittaa sitä, että eri ohjelmat vaihtavat tietoja eli ”keskustelevat” keskenään. QGIS:ssä esimerkiksi rasteri- ja vektoriaineistoille on omat rajapinnat, joiden kautta ohjelmaan saa ladattua dataa.

Sitten olikin aika sukeltaa taas QGIS:n pimeisiin syövereihin. Uusien työkalujen ja valikkojen opettelusta jäi käteen lähinnä hämmennys, kun omalla koneellani mittaustyökalulla piirretyt alueet ja viivat hävisivät ruudulta, kun niitä yritti tarkastella jälkikäteen. Tähän ei Arttukaan tiennyt ratkaisua, joten asia täytyi hyväksyä QGIS:n keinona koetella käyttäjän kärsivällisyyttä. On tämä ohjelma yksi iloinen veijari.

Päivän pääasiana olivat erilaiset projektiot ja niiden vaikutus tuotettuihin karttoihin. Vertailimme eri projektioiden aiheuttamia vääristymiä pinta-alassa ja pituuksissa. Tästä tehtiin Excel-taulukkokin, jonka itse tietenkin jätin tallentamatta. Projektioita vertaillessa kävi selväksi, että vääristymät voivat olla aika huikeitakin tiettyjä projektioita käytettäessä. Esimerkiksi pohjoisten alueiden kokoa voimakkaasti suurentava Mercatorin projektio vääristi Pohjois-Lapissa pinta-alaa monikertaiseksi verrattuna Suomessa yleisesti käytettyyn ETRS89/TM35FIN -projektioon.

Karttaharjoituksissa yhdistettiin rajapintojen käyttö ja projektioiden vääristymien havainnollistaminen. QGIS:iin ladattiin WFS-vektorirajapinnan avulla kuntatilastot vuodelta 2015 ja laskettiin kuntien pinta-alat. Tämän jälkeen vaihdettiin projektiota ja laskettiin uuden projektion mukaiset, vääristyneet pinta-alat. Uusia pinta-aloja verrattiin ETRS89/TM35FIN-projektion ”oikeisiin” pinta-aloihin ja laskettiin prosentuaalinen vääristymä.

Kuva 1. Mercatorin projektion vääristymä pinta-aloissa ETRS89 / TM35FIN -projektion mukaisella kartalla

Ensimmäisessä kartassa (Kuva 1) havainnollistan Mercatorin projektion aiheuttamaa vääristymää Suomessa yleiseen ETRS89 / TM35FIN-projektioon verrattuna. Kuten jo aiemmin mittaustyökalulla saadut tulokset kertoivat, vääristymä on aika huikea. Aivan eteläisimmässä Suomessakin Mercatorin projektio suurentaa pinta-aloja vähintään 200% ja Suomi-neidon päälaella vääristymä on jo 7-8 -kertainen. Kartta näyttää vääristymän kasvun liikuttaessa etelästä pohjoiseen.

Kuva 2. MaO ry:n logo.

Mercatorin projektion osalta tulokset ja tuotettu kartta vastasivat odotuksia oikein hyvin. Odotettavissa oli, että Mercator suurentaa pohjoisia alueita kohtuuttoman paljon. Sen sijaan toiseksi vertailtavaksi projektioksi valitsemani Mollweide tuotti hieman kummallisen lopputuloksen. (Kuva 4).

Kuva 3. Mollweiden projektion mukainen maailmankartta.

 

Valitsin Mollweiden projektion vertailuun, koska kyseinen projektio komeilee rakkaan MaO:n logossa ainakin oman käsitykseni mukaan. (Kuvat 2 ja 3).

Kuva 4. Mollweiden projektion vääristymä pinta-aloissa ETRS89 / TM35FIN -projektion mukaisella kartalla
Kuva 5. Suomi Mollweiden projektiossa

Kun laskin kuntien pinta-alat Mollweiden projektiossa ja vertasin niitä sitten ETRS89/TM-35FIN-projektioon, näytti vääristymä olevan vain joitakin prosentin kymmenyksiä. Kaiken lisäksi kartalle siirrettynä vääristymä ei noudata mitään tasaista pohjoinen-etelä tai itä-länsi -suuntaista kasvua. Sen sijaan vääristymä näyttäisi olevan pienin keskellä Suomea ja kasvavan itään ja länteen päin liikuttaessa. Tämä jäi minulle mysteeriksi, kuinka se on mahdollista.

Toisaalta, kun katsoo Suomen ”asentoa” Mollweiden projektiossa (Kuva 5) ja pituuspiirien kulkua, on laskemani vääristymä ehkä mahdollinen. Yksi projektion pituuspiireistä näyttäisi nimittäin kulkevan juuri Suomen keskeltä, mikä mahdollistaisi tuon kummallisen vääristymän. Epäilen silti omaa laskuvirhettä tai muuta kämmiä vielä vahvasti.

Mollweiden projektiota ihmetellessäni otin taas avuksi Wikipedian. Selvisi, että Mollweide on oikeapintainen projektio, eli se näyttää alueiden pinta-alat jotakuinkin oikein. Tämä selittää, miksi Suomen kuntien pinta-alojen vääristymät ovat vain prosentin kymmenyksiä. Ehkä en olekkaan kämmäillyt!

 

Lähteet:

Saaga Laapotin blogi, Kurssikerta 2. Luettu 29.1.2019. https://blogs.helsinki.fi/saagalaa/2019/01/25/mika-projektio/

https://fi.wikipedia.org/wiki/Ohjelmointirajapinta. Luettu 28.1.2019.

https://en.wikipedia.org/wiki/Mollweide_projection. Luettu 28.1.2019.

Kuva 2. MaO ry:n logo. https://blogs.helsinki.fi/johannesnyman/files/2013/01/MAONLOGO_pienempi.png

Kuva 3. Mollweiden projektion mukainen maailmankartta. https://en.wikipedia.org/wiki/Mollweide_projection#/media/File:Mollweide_projection_SW.jpg

Luku 1. Kurssi alkaa, ilmassa on suuren urheilujuhlan tuntua

Ennen ennen ensimmäistä kurssikertaa edessäni oli heti visainen pulma. Jättäisinkö nelituntisen kurssikerran jo yhden tunnin jälkeen, ja lähtisin edustamaan MaO:n kirkkaanoranssia väriä futsal-peliin? En vaivannut asialla päätäni liikaa vaan lähdin tietenkin pelaamaan, ja kuin lapsi vailla huolen häivää uskoin oppivani tarvittavan helposti itsenäisestikin. Tämä oli tietenkin virhe.

Futsal-pelistä tuloksena oli 7-1 voitto, mikä vahvisti ajatustani siitä, että oli hyvä idea jättää 3/4 kurssikerrasta väliin. Ehdin takaisin tunnille juuri kun se oli loppumassa ja kysyin Artulta, olisiko parempi tulla korvaamaan kurssikerta toisen päivän ryhmässä. Arttu valoi minuun uskoa, että selvittäisin kyllä harjoitukset itsenäisestikin. Paikalla ollessani ensimmäisen tunnin aikana kerrattiin paikkatiedon perusjuttuja. Loppuajan muut olivat käyttäneet QGIS-ohjelmaan tutustumiseen, ja tämä olisi minullakin nyt itse opiskeltavana.

Artun tekemät ohjeet QGIS:n käyttöön olivat erinomaiset, ja alkuhaparoinnin jälkeen ohjelman perustoiminnot tuntuivat löytyvän helposti. Kun QGIS ja minä olimme kohteliaasti esittäytyneet toisillemme, oli aika ruveta tekemään ensimmäistä karttaharjoitusta. Tässähän sitten mentiinkin alussa metsään, kun QGIS ja minä emme tuntuneet löytävän yhteistä säveltä. Ohjeita sai kahlata moneen kertaan läpi: milloin olin väärässä valikossa sohlaamassa ja milloin jokin pieni yksityiskohta oli unohtunut. Kuten Joonatan Huhdanpää blogissaan totesi, käyttöliittymä vaikutti aika monimutkaiselta. Älkää ymmärtäkö väärin, ohjeissa ei ollut mitään vikaa, vika oli (kuten yleensäkin) käyttäjässä. Tässä vaiheessa mieleen hiipi ajatus siitä, olisikos kuitenkin kannattanut olla tunnilla mukana… Teemu Lindén kuvaili blogissaan QGIS:ä tekniseksi ja toiminnoiltaan monipuoliseksi ohjelmaksi, mitä se todellakin on.

En kuitenkaan suostunut jättämään yksinäistä korpivaellustani QGIS:n erämaassa kesken, vaikka vaihtoehtona olisi edelleen ollut mennä seuraavan päivän kurssikerralle. Ajatus aamuluennosta söi miestä niin, että päätin hammasta purren ja tarkkaan valikoitujen voimasanojen turvin yrittää vielä kotona läppärillä uudestaan.

Kuinka ollakaan, kotona ohjeiden tarkkaakin tarkempi seuraaminen ja QGIS:n sielunelämään tutustuminen toivat mukanaan onnistumisen. Tuloksena on mielestäni ihan kelvollinen tuotos Itämeren rantavaltioiden typpipäästöosuuksista. (Kuva 1). Jälkikäteen ainakin järvien väriä olisi voinut muuttaa, sininen erottuu tummien värien alueella huonosti.

Kuva 1. Itämeren rantavaltioiden typpipäästöosuudet

Typpipäästökartan teossa suurin osa ajasta meni sopivan väriskaalan valitsemiseen, jos yleistä QGIS:n kanssa tuskailua ja opettelua ei lasketa. Kartasta esiin nousee Puolan suuri osuus päästöistä. Luokittelu oli hieman vaikeaa, koska esim. Puolan osuus Itämeren typpipäästöistä on noin 31%, vaikka sen luokka kattaa 15-31%. Päästöosuudet vaihtelivat Viron noin 3%:sta Puolan yli 30:een, ja lopputuloksena kartassa on luokkia lähes yhtä paljon kuin valtioita.

Kuten Alex Naumanen kertoi blogissaan, ”Puolan päästöt johtuvat teollisuudesta, maanviljelystä sekä puutteellisisita puhdistamoista.”

Toisena karttana tein koropleettikartan alkutuotannon osuudesta työpaikoista 2015. (Kuva 2). Kartan tekeminen oli hyvin yksinkertaista verrattuna typpipäästökarttaan. Alkutuotannon osuudet jakautuvat melko sirpaleisesti ympäri Suomea. Suurempien kaupunkien läheisyydessä alkutuotannon osuus työpaikoista näyttäisi olevan pääsääntöisesti matala, kuten voi olettaakin. Länsirannikon ja Pohjanmaan alueella alkutuotannon suurta osuutta selittää varmastikin maanviljelys, Itä-Suomessa ja Kainuussa metsätalous. Lapissa usean kunnan alkutuotannon työpaikat ovat alle 10%, mikä johtuu luultavasti matkailualan lukuisista työpaikoista.

Kuva 2. Alkutuotannon osuus työpaikoista kunnittain vuonna 2015

Yhteenvetona voisi todeta, että QGIS:n käyttö on vielä melkoista tervanjuontia. Ohjelman monimutkaisuus ja jumiminen turhauttavat. Eiköhän se kuitenkin tästä vielä iloksi muutu, kun kurssi etenee ja ohjelmaa oppii vähitellen ymmärtämään. Siis leuka rintaan ja kohti uusia pettymyksiä.

 

Lähteet:

Joonatan Huhdanpään blogi, Kurssikerta 1. Luettu 24.1.2019. https://blogs.helsinki.fi/joonatah/2019/01/22/viikko-1-tutustuminen-qgis-ohjelmaan-ja-ensimmaiset-kartat/

Teemu Lindénin blogi, Kurssikerta 1. Luettu 29.1.2019. https://blogs.helsinki.fi/lindetee/2019/01/22/viikko-1-ensimmaiset-qgis-harjoitukset/

Alex Naumasen blogi, Kurssikerta 1. Luettu 23.1.2019. https://blogs.helsinki.fi/alexnaum/2019/01/14/hello-world/