Blogi on takaisin!

Kuudennen viikon aiheena oli erilaiset interpolointimenetelmät, kuten trendipinnat, IWD ja Spline. Interpoloinneissa käytettiin Suomen sääasemien keskilämpötiloja vuodelta 2020. Nämä sopivat harjoituksiin, koska interpolointi vaatii jatkuvan muuttujan, kuten lämpötilan. Harjoituksissa pistemäisistä sääasemista muodostui erilaisia alueita riippuen interpolointimenetelmästä.

Trendipinta muodostaa suoran tai kaarevan viivan pisteiden arvojen mukaan. Se ei huomioi pienemmän mittakaavan vaihtelua, joten lopputulos on melko karkea. Kyseisessä menetelmässä on useita asteita ja korkeamman asteen trendipinta lisää viivaan enemmän kaarevuutta. Menetelmä on globaali, eli yhden pisteen arvon muuttaminen vaikuttaa hieman koko pintaan. Samalla mukaan tulee yli- ja aliarvioita alkuperäisten pisteiden ulkopuolelta. Alkuperäiset pisteet eivät välttämättä säilytä arvoaan lopputuloksessa. Trendipinnalla voidaan selvittää alustavasti, vaihtuvatko aineiston arvot säännönmukaisesti, kuten lämpötilat pohjois-etelä suunnassa.

Kuva 1. Ensimmäisen asteen trendipinta.

Kuva 2. Toisen asteen trendipinta.

Kuva 3. Kolmannen asteen trendipinta.

Mehujääkartoissa huomataan, kuinka trendipinta on kalteva. Keskilämpötilat kylmenevät kohti pohjoista ja itää. Asteen kasvattaminen tuo lisää kaarevuutta sulaviin mehujäihin. Menetelmä on hyvä isompien trendien hahmottamiseen, mutta lämpötilat eivät todellisuudessa vaihdu saman suuntaisissa vyöhykkeissä.

Toinen yksinkertainen interpolointimenetelmä on Thiessenin polygonit. Pisteiden ympärille muodostetaan alueita siten, että alueen reuna kulkee pisteen ja naapuripisteen välisessä keskikohdassa. Koko alue saa sille kuuluvan pisteen arvon.

Kuva 4. Thiessenin polygonit. Mitä lähempänä pisteet ovat toisiaan, sitä pienemmät polygonit.

IDW (Inverse Distance Weighted) menetelmä yhdistää tiedon naapuripisteiden arvoista ja etäisyyksistä. Lähempänä olevilla pisteillä on enemmän painoarvoa, kun uusia pisteitä arvioidaan. Menetelmä on lokaali, eli pisteen arvon muuttaminen vaikuttaa vain paikallisesti naapuripisteiden arvoihin. Mukana ei ole alkuperäisen aineiston ulkopuolisia yli- tai alilyöntejä, ja alkuperäiset pisteet säilyttävät arvonsa interpoloinnin jälkeen. Menetelmä voisi soveltua esimerkiksi sulaneen mehujään arvioimiseen lattialla, koska havaintopisteiden läheisyydessä on todennäköisesti enemmän sulanutta mehujäätä, kuin kauempana.

Kuva 5. Inverse Distance Weighted-interpolointi.

Vastaava trendipinta näkyy myös IDW-kartassa (kuva 5), mutta alueiden rajat eivät ole yhtä karkeita ja jäykkiä. Menetelmässä muodostuu seuraavaan luokkaan kuuluvia saarekkeita, esimerkiksi Lapin kohdalla. Visualisointiin vaikuttaa käytettyjen luokkien määrä. Tässä niitä on huomattavasti enemmän, kuin edeltävissä kartoissa, jotta voitasiin tarkastella paremmin, minkä muotoisia alueita IDW-menetelmä on tuottanut.

Myös Spline-interpolointi toimii lokaalilla tasolla, eikä ylitä tai alita alkuperäisen pisteaineiston vaihteluväliä, paitsi uloimpien pisteiden reunoilla. Myös Spline säilyttää alkuperäisten pisteiden arvot. Menetelmä muodostaa pisteiden läpi kulkevia samanarvonkäyriä ja voisi soveltua esimerkiksi korkeuden arviointiin, jota voidaan myös esittää samanarvonkäyrillä. Tehtävässä jokaisen kuukauden keskilämpötilat interpoloitiin Spline-menetelmällä ja näistä yhdistettiin koko vuoden kattava karttasarja (kuva 6).

Kuva 6. Spline-interpolointi kuukausien keskilämpötiloissa.

Vastaavissa karttasarjoissa on tärkeää, että sama värisävy vastaa samaa lämpötilaa jokaisen kartan kohdalla. Kartat eivät olisi vertailukelpoisia, jos esimerkiksi sama sininen tarkoittaisi -10 astetta tammikuun kartassa ja 5 astetta toukokuun kartassa. Itä-Suomessa Kuusamon lähellä on ympäristöään huomattavasti lämpimämpi alue. Tähän saattaa vaikuttaa virheelliset tiedot yhden sääaseman kohdalla tai jokin muu syy.

Lämpötilaennätykset

Viimeisen kurssikerran tehtävänä oli valita vapaavalintainen tehtävä. Tarpeeksi kiinnostavan aineiston löytämiseen meni jonkin verran aikaa, mutta National Centers for Environmental Information –sivulta löytyi sopiva taulukko, joka esittää Yhdysvaltojen osavaltioiden sääennätyksiä ja niiden vuosilukuja. Tein kartat korkeimmista ja matalimmista lämpötilaennätyksistä sekä niiden välisistä eroista. Valitsemani tehtävä oli melko yksinkertainen, eikä se vaatinut usean eri aineiston kanssa työskentelyä. Karttojen ulkonäköön jäi siis enemmän aikaa, mikä on muutenkin paras työvaihe. Aineistossa oli lämpötilojen lisäksi tietoa mm. korkeimmista sademääristä ja rakeiden koosta, mutta ei jokaisen osavaltion kohdalla.

Korkeimmat ennätykset esiintyvät aavikkoisilla alueilla, kuten voisi olettaa. Lännessä ja keskiosissa lämpötilat ovat olleet korkeampia, kuin idässä, mihin saattaa vaikuttaa mantereisempi ilmasto. Leveyspiirillä ei näytä olevan suurta vaikutusta, koska yli 47 °C asteen ennätyksiä löytyy sekä pohjoisista että eteläisistä osavaltioista. Monet ennätykset ovat vuodelta 1936, jolloin Yhdysvalloissa oli vakava helleaalto (Wikipedia, 2023). 

Kylmyysennätyksissä leveyspiirin vaikutus näkyy paremmin. Korkeimmat pakkaset esiintyvät pohjoisessa mantereisilla alueilla ja pienimmät etelässä rannikkoalueilla. Monen osavaltion pakkasennätys on tapahtunut samana vuonna naapurin kanssa (esim. California ja Nevada), mikä viittaa poikkeuksellisen kylmään talveen, mutta ei välttämättä koko valtion mittakaavassa. Kartasta puuttuu Alaska, joka olisi tässä aiheessa ehkä hyvä olla mukana, koska siellä on mitattu kaikista kylmin lämpötila (-62 °C). Mantereisilla alueilla lämpötilojen vaihtelu on suurempaa, mikä näkyy kuvan 3 kartassa. 

Korkeimmat erot löytyvät mantereisista ilmastoista, joissa pakkas– ja kuumuusennätykset ovat molemmat 50 °C asteen tienoilla. Sateisissa ja lämpimissä ilmastoissa erot ovat pienempiä, kuten Floridassa. Kartat eivät kuitenkaan ole tarpeeksi alueiden ilmastojen kuvailuun, koska ne esittävät ennätyksiä, joihin vaikuttavat satunnaiset helleaallot tai harvinaisen kylmät talvet. Molempien ennätysten top 10 näkyy seuraavassa animaatiossa. 

Kymmenen parhaimman joukkoon pääseminen edellytää joko 49 °C tai –48 °C ennätystä. Jälkeenpäin huomasin, että Alaska unohtui listasta, koska en ollut lisännyt sitä tai Hawaijia karttoihin. Se olisi muuten ensimmäisellä sijalla kylmyysennätyksissä. 

Valitsemani kartoissa käytetty aineisto oli melko yksinkertainen, mutta kenties monimutkaisimmat työvaiheet QGIS:in sisällä olivat asteiden muuttaminen celsius-muotoon ja pelkän vuosiluvun säilyttäminen sarakkeesta, joka esitti myös kuukaudet ja päivät. Viimeisellä kurssikerralla itsenäinen työskentely onnistui jo melko hyvin ja olen samaa mieltä Lucaksen kanssa, että kurssilta on jäänyt käteen paljon uusia konkreettisia taitoja (Yoni, 2023). Myös hänen viimeisen blogikirjoituksensa kartat sijoittuvat Yhdysvaltoihin ja Atlantan alueelle. 

Lähteet

State Climate Extremes Committee (SCEC) (2023) Records https://www.ncei.noaa.gov/access/monitoring/scec/records (Viitattu 17.3.2023) 

Wikipedia (2023) 1936 North American heat wave https://en.wikipedia.org/wiki/1936_North_American_heat_wave (Viitattu 17.3.2023) 

Yoni, L (2023) Viikko 7: Paluu omiin juuriin ja kohti uusia horisontteja https://blogs.helsinki.fi/luberger/2023/03/03/paluu-omiin-juuriin-ja-kohti-uusia-horisontteja/ (Viitattu 17.3.2023) 

Meteoriitit

Tunnin alussa oli oman tiedon keräämistä Kumpulan lähiympäristöstä ja sen jälkeen itsenäinen tehtävä luonnonriskeistä. Valitsin aiheeksi meteoriitit ja niiden putoamispaikat. Käytetyssä aineistossa oli tietoa meteoriittien koosta ja vuosiluvuista, joita hyödynsin kartoissa ja animaatiossa. Näihin meni huomattavasti enemmän aikaa, kuin tavallisesti, mutta samalla tehtävät olivat hauskimpia tähän mennessä!

Kartta esittää keskikokoisten ja isojen meteoriittien sijainteja (kuva 1). Mukana ei ole alle 100 kg:n pienempiä meteoriitteja, joita löytyy reilusti enemmän. Tarkemmin sanottuna pisteet ovat tunnettujen meteoriittien sijainteja, mutta todennäköisesti maapallolta löytyy myös useita meteoriittejä, jotka eivät ole vielä tiedossa. On ymmärretävää, jos esimerkiksi Pohjois-Kanadasta tai keskeltä Amaozonia ei olla haluttu etsiä niin paljon meteoriittien jäänteitä. Kartasta jäi ikävä kyllä puuttumaan Etelämanner, mutta sieltä löydettyjä meteoriittejä voi katsoa Iinan blogin kartasta. Tein aineistosta myös löytöajankohtia havainnollistavan animaation (video 1).

Video esittää yli 1000 kiloa painavien meteoriittien sijainnit ja löytyövuodet. Jätin pois kaikki pienemmät meteoriitit, koska jokaisen pisteen nimeäminen uudelleen vuosiluvun mukaan olisi vienyt liikaa aikaa (QGIS:n ominaisuustiedot katosivat, kun jatkoin kartan piirtämistä toisella ohjelmalla). Lopuksi tein animaation After Effects-ohjelmalla. Vanhin meteoriitti on vuodelta 1575, joten mukana ei ole esimerkiksi isoa meteoriittia dinosaurusten ajoilta. Kuvassa 2 näkyy puolestaan pienten meteoriittien sijainteja.

Löydetyt pienikokoiset meteoriitit sijoittuvat mielenkiintoisen näköisesti Välimeren ympäristössä. Pohjois-Afrikassa ne esiintyvät tiiviissä kasoissa lähellä toisiaan, kun taas Euroopassa paljon tasaisemmin. Tähän saattaa vaikuttaa alueiden erilaiset maastot. Googlaamalla selvisi, että aavikot ovat parhaita paikkoja meteoriittien etsimiseen, koska ne ovat avoimia ja maapallolta peräisin olevia kivenkappaleita on vähemmän. Kuivilla alueilla on myös vähemmän virtaavaa vettä häiritsemässä pieniä meteoriitin palasia (Scientific American, 2012). Sahara on kuitenkin iso ja vaikeakulkuinen aavikko, mikä voi selittää tyhjät pisteettömät alueet kartalla. Pieniä meteoriitteja on hyvin paljon ja niitä putoaa säännöllisesti. Sama ilmiö toistuu myös muissa luonnonriskeissä. Esimerkiksi pieniä maanjäristyksiä on todella suuri määrä, kuten Kaisla mainitsee blogissaan.

Jos karttoja käytettäisiin kouluopetukseen, voitaisiin keskittyä esimerkiksi meteoriittien löytämiseen vaikuttaviin tekijöihin. Yksittäisten meteoriittien sijainneilla ei välttämättä ole merkitystä, koska ne putoavat satunnaisesti eri puolille maapalloa. Karttojen avulla voidaan esimerkiksi pohtia, miten valtion kehittyneisyys tai luonnonympäristö vaikuttavat löydettyjen meteoriittien määrään. Historian tuntiin sopiva näkökulma voisi olla meteoriittien löytövuosi. Suurin osa videon 1 meteoriiteistä on löydetty vasta 1800-luvun jälkeen, mihin on mahdollisesti vaikuttanut tutkimusretkien yleistyminen. Koska maaston tyyppi vaikuttaa meteoriittien etsimiseen, voitaisiin kuvan 1 kartan yhteydessä käyttää esimerkiksi tätä karttaa maapallon kasvillisuusvyöhykkeistä.

Kartoissa käytetyt ohjelmat

Sain kysymyksen liittyen mun kartoissa käytettyihin ohjelmiin. Teen QGIS:llä ainoastaan yksinkertaisia versioita kartoista, joihin piirrän kaikki lisäkoristeet Illustrator-ohjelmalla. QGIS:n karttoja voi onneksi tallentaa vektorimuodossa, joten esimerkiksi jokaisen meteoriittipisteen muokkaaminen on mahdollista toisella ohjelmalla. Käytin animaatioon After Effects-ohjelmaa, joka on todella yhteensopiva Illustratorin kanssa. Esimerkiksi kaikki layerit säilyvät samassa järjestyksessä, kun tiedoston siirtää ohjelmasta toiseen. Animaation teko oli yllättävän hauskaa ja niitä tulee todennäköisesti lisää seuraavassa ja viimeisessä blogikirjoituksessa! Kuvassa 3 näkyy meteoriittikartan työvaiheita, joista ensimmäinen on tehty QGIS:llä. Lisää piirrustuksia ja animaatioita löytyy mun Instagramista.

Lähteet

Hietala, K (2023) Kuudes kurssikerta https://blogs.helsinki.fi/kaislahi/ (Viitattu 4.3.2023)

Kiikeri, I (2023) Viikko 6 ja vielä elossa! https://blogs.helsinki.fi/iinakiik/ (Viitattu 4.3.2023)

Scientific American (2012) How to Find a Meteorite in 5 Steps https://www.scientificamerican.com/article/how-to-find-a-meteorite-in-5-steps/ (Viitattu 4.3.2023)

Oxfam Australia. Biomes World Map https://www.oxfam.org.au/get-involved/how-schools-can-get-involved/classroom-resources/food-4-thought-2/food-4-thought-geography/worksheet-2-which-biomes-are-able-to-produce-food/biomes-world-map/ (Viitattu 4.3.2023)

Tehtävä 1

Tunnin aiheena oli puskurivyöhykkeet, joiden kanssa käytimme paljon valintatyökaluja ja tilastot-paneelia. Näiden kolmen avulla lähes jokaiseen tehtävään löytyi vastaus, vaikka tiettyjä työvaiheita pitikin kerrata useasti, ennen kuin ne alkoivat hahmottumaan. Puskurivyöhykkeiden käyttömahdollisuudet ovat monipuolisia ja niitä voidaan luoda periaatteessa minkätahansa kartan kohteen ympärille. Tunnilla tarkastelimme lentokenttien ja meluvyöhykkeiden lähellä asuvien ihmisten määrää.

2 km säteellä Malmin lentokentästä asuu 49 500 ihmistä ja 1 km säteellä 8140 (Huomasin muiden blogeista, että omat numeroni ovat kymmenen kertaa pienempiä, joten lisäsin ylimääräiset nollat). Helsinki-Vantaa lentokentän lähellä asuu 2267 ihmistä, kun muodostetaan 2 km kokoinen vyöhyke. 0,7 % näistä ihmisistä asuu lentokentän 65 dB:n melualueella. Vähintään 55 dB:n melualueella asuu 650 ihmistä, mukaan lukien minä aikaisemmin. 60 dB melu haittaisi 13 431 tikkurilaiseen, jos poikkeuksellinen laskusuunta otettaisiin takaisin. Asemien lähellä (500 m) asuu 107 030 asukasta, eli 20,7 % kaikista kartan alueen asukkaista. Näistä 66,7 % on työikäisiä eli 71 481 ihmistä.

Tehtävä 2

Alueen asukkaista 96,1 % asuu taajamissa. 5,4 % kouluikäisistä (7-16 v) asuu taajamien ulkopuolella, eli 12 461 kouluikäistä. 57 alueella ulkomaalaisten osuus on 10 %, 25 alueella 20 % ja 14 alueella 30 %.

Tehtävä 4

Valitsin neljännen tehtävävaihtoehdon, joka esittää rakennuksien uima-altaiden määrää pääkaupunkiseudun osa-alueissa. Alueelta löytyy 855 uima-altaalla varustettua rakennusta, joiden väkiluku vaihtelee 1 ja 152 välillä. Yhteensä näiden rakennusten asukkaiden määrä on 12 170. Uima-altailla varustetuista taloista 345 on omakotitaloja, 181 kerrostaloja, 113 rivitaloja ja 158 paritaloja. Lauttasaari on uima-allasrikkain kaupunginosa ja sieltä löytyy 53 allasta. Sauna löytyy 21 922 pääkaupunkiseudun rakennuksesta, eli 24,2 % kaikista alueen rakennuksista.

Kartan teossa ongelmallisinta oli pylväiden ja numeroiden koko ja sijainti. Ne menivät helposti päällekkäin ja näyttivät erilaisilta QGIS:n työskentely- ja tulostusikkunoissa. Myös Turkka Häkkinen teki kyseisen tehtävän ja mainitsee täysin saman haasteen blogissaan. Päätin tallentaa kartan vektorimuodossa (SVG) ja asetella jokaisen pylvään ja numeron erikseen toisella piirto-ohjelmalla (Illustrator). Samalla lisäsin karttaan kaikki muut lisäkoristeet ja huvitukset.

Ohjeissa karttaan piti lisätä ainoastaan pylväät ja numerot, mutta kartan lukeminen on huomattavasti helpompaa, kun mukana on uima-altaiden määrää kuvaavat värisävyt. Tärkeä huomio on se, että kartta esittää absoluuttisia lukuarvoja ja vaihtelevan kokoisia alueita, eikä esimerkiksi uima-altaiden osuutta kaikista kaupunginosan rakennuksista.

Lähteet

Häkkinen, T (2023) .. ja matka jatkuu, Pornaisista Helsinkiin! Viikko 5 (Viitattu 23.2.2023) https://blogs.helsinki.fi/turkkaha/

Tehtävä 1

Tunnin aiheena oli piste- ja ruutuaineistot, joilla tarkasteltiin pääkaupunkiseudun väestöä. Käytössä oli yksityiskohtainen tietokanta, jossa näkyi mm. jokaisen asutun rakennuksen osoite ja asukkaiden määrä. Ensiksi pisteiden tieto siirrettiin yksinkertaisempaan ruudukkoon ja ylimääräistä tietoa karsittiin pois, mikä nopeutti aineiston käsittelyä. Tein tehtävän uudestaan kotona eri kokoisella ja muotoisella ruudukolla (kuva 1) ja huomasin, kuinka paljon hitaampaa aineiston muokkaaminen oli omalla koneella. Oli kuitenkin hauskaa onnistua itsenäisesti kurssikerran työvaiheissa. Välillä on myös hyvä virkistää muistia kertaamalla tunnin asioita, kuten Kaisla toteaa blogissaan. Uudestaan tehdyn kartan ruudut ovat kuusikulmioita ja 250 metrin kokoisia, toisin kuin kurssikerran kilometrin kokoiset ruudut.

Kartta esittää muunkielisten osuutta pääkaupunkiseudun väestöstä ja samalla sen sijoittumista. Absoluuttiset lukuarvot eivät olisi olleet mahdollisia, vaikka kartta perustuukin yhtä suuriin kuusikulmioihin. Vaihtelevan kokoisten alueiden kanssa absoluuttiset lukuarvot eivät olisi keskenään vertailukelpoisia. Tässä tapauksessa yhtä suurten kulmioiden sisäiset väkiluvut kuitenkin vaihtelevat, joten tarkempia ihmisryhmiä pitää esittää osuuksina, jotta kartta olisi vertailukelpoinen. Pienempien kuusikulmioiden tai ruutujen etu on se, että ne esittävät ilmiön sijaintia ja vaihtelua tarkemmin. Kartan lukeminen on kuitenkin vaikeampaa ja vaatii usein zoomausta lähemmäs. Ruutukartta ei välitä hallinnollisista rajoista, toisin kuin koropleettikartta. Tiedon sijoittuminen on tarkempaa, mutta esimerkiksi tiettyjen kaupunginosien tunnistaminen on vaikeampaa (ellei hallinnolliset rajat näy ruutujen yläpuolella). Pistekartat esittävät tietoa entistä tarkemmin, mutta helppolukuisuus ja selkeys saattavat kärsiä. Kuvan 1 kartta on ulkonäöltään lähempänä pistekarttaa, kuin ruutukarttaa.

Kartasta nähdään, että vieraskielistä väestöä esiintyy melko hajanaisesti ympäri pääkaupunkiseutua. Isoimpina alueina korostuvat Itä-Helsinki, Itä-Vantaa sekä eteläinen Espoo. Pääkaupunkiseudulla on hajanaisesti yksittäisiä alle kilometrin suuruisia asuinalueita, joiden asukkaista yli 75 % on vieraskielisiä. Ylipäätänsä muunkielistä väestöä vaikuttaa olevan melko paljon, mikä käy järkeen, koska pääkaupunkiseutu on Suomen tiheiten asuttua aluetta ja suosittu kohde ulkomailta ja muualta Suomesta muuttaneille. Länsi-Vantaalla ja Pohjois-Espoossa vieraskielisiä ja asukkaita ylipäätänsä on harvemmin. Helsingin ydinkeskustaa lukuunottamatta väestön sijoittuminen muistuttaa Tatun karttaa pääkaupunkiseudun väestöntiheydestä.

Lopputulos on mielestäni melko selkeä. Karttaan olisi voinut tarkentaa, että valkoisilla alueilla ei ole lainkaan asutusta. Jostakin syystä kaikki Kauniaisen sisäiset kuusikulmiot katosivat jossakin työvaiheessa. Kartta antaa virheellisen vaikutelman, ettei siellä olisi ihmisiä. Kartasta löytyy tärkeä pohjoismittakaavanuoli.

Tehtävä 2.

Tunnin toiseen tehtävään kuului rasteriaineistojen käyttö ensimmäistä kertaa tällä kurssilla. Tuotimme sateelliittikuvasta rinnevarjostuksen, joka yhdistettiin maastokarttaan. Aloitimme myös kartan kohteiden digitoinnin QGIS:n kömpelöillä piirtotyökaluilla, mitä jatkamme ensi kerralla. Kuva tulossa silloin.

Lähteet

Hietala, K (2023) Ensimmäinen kurssikerta https://blogs.helsinki.fi/kaislahi/ Viitattu 13.2.2023

Jentze, T (2023) Viikko 4 – Ruudun takaa https://blogs.helsinki.fi/jentze/2023/02/09/viikko-4-ruudun-takaa/ Viitattu 13.2.2023

Afrikan konfliktit

Tunnilla tarkasteltiin Afrikan konflikteja, timanttikaivoksia ja öljykenttiä sekä niiden välisiä yhteyksiä. Uutena oli mm. polygonien sisäisten pisteiden laskeminen, jolla voidaan selvittää onko konflikteilla ja luonnonvarojen esiintymisellä jotakin yhteistä. Kartasta (kuva 1) havaitaan, että näin ei välttämättä ole. Timanttikaivoksia esiintyy paljon eteläisessä Afrikassa, jossa ei ole erityisesti konflikteja. Päinvastoin itäisessä Afrikassa ja Saharan eteläosissa on paljon konflikteja, mutta vähän timantteja ja öljyä. On kuitenkin alueita, joista löytyy sekä konflikteja että arvokkaita luonnovaroja, esimerkiksi Länsi-Afrikka, Algeria ja Angola. Pelkän kartan perusteella näillä asioilla ei vaikuta olevan säännöllistä yhteyttä. Kartassa ei myöskään näy tunnilla tehtyjä laskuja, kuten uniikkien konfliktien kestoja.

Jos tietokannassa näkyisi sekä konfliktin tapahtumavuosi että timanttikaivoksen tai öljykentän avausvuosi, niin voitaisiin päätellä varmemmin niiden liittyvän toisiinsa.  Kartassa jokainen konflikti esitetään yhtä suurena pisteenä, mutta niiden laajuus vaihtelee. Suuren pinta-alan kattava konflikti saattaa liittyä kartassa kauempana näkyvään timanttikaivokseen. Myös öljykenttien ja kaivosten tuottavuus vaihtelee, mikä mahdollisesti vaikuttaa konfliktin alkamisen todennäköisyyteen. Samaa näkökulma mainitaan myös Turkka Häkkisen blogissa. Konflikti saattaa myös alkaa, kun uusi kaivos tai kenttä löydetään, vaikka sen tuottavuus ei olisi vielä tiedossa. Tiedolla internetin käyttäjistä eri vuosina voidaan esimerkiksi tarkastella, miten uusien luonnonvarojen löytäminen vaikuttaa käyttäjien määrään.

Valuma-alueet ja järvisyys

Kotitehtäväksi jäi kartta Suomen valuma-alueiden tulvaindekseistä ja järvisyydestä (kuva 2). Vetinen kartta näyttää, että tulvivimmat alueet sijaitsevat etelässä ja lännessä rannikkoalueilla. Tulvaindeksi on matala alueilla, joissa on paljon järviä, kun taas korkean indeksin alueet eivät ole erityisen järvisiä. Voidaan olettaa järvien varastoivan rankkasateiden ja lumen sulamisen ylimääräiset vedet. Korkea tulvaindeksi esiintyy myös rannikon kaupunkien valuma-alueilla, koska kaupunkien päällystetyt pinnat estävät veden valumisen maaperään, mikä voimistaa tulvimista. Tulvaindeksi on laskettu jakamalla keskiylivirtaama keskialivirtaamalla. Rannikoilla on säännöllisesti sadetta ympäri vuoden, joten kuivuuden aiheuttama keskialivirtaama on pienempi. Pohjoisessa on kylmempää ja vähemmän sadetta, mikä saattaa vaikuttaa alhaiseen tulvaindeksiin.

Lähteet

Häkkien, T (2023) #yhteisellämatkalla (QGIS:n parissa), viikko 3 (Viitattu 8.2.2023) https://blogs.helsinki.fi/turkkaha/

Karttaprojektiot

Toisen kurssikerran aiheena oli karttaprojektioiden aiheuttamat vääristymät ja niiden vertailu. Kokeilimme myös erilaisia valintatyökaluja ja kartan kohteiden mittaamista. Kurssikerralla tuli jälleen vastaan paljon uusia QGIS:in ominaisuuksia, kuten rajapintapalvelut ja usean eri projektion kanssa työskentely samanaikaisesti. Varsinkin rajapintapalvelut vaikuttavat käteviltä, koska aineistoa ei tarvitse selata eri nettisivuilta tai ladata suoraan koneelle. Uudet asiat menivät tunnilla hyvin opastuksen ansiosta, mutta ilman kertausta ne todennäköisesti unohtuisivat pian.

Tuntitehtävien tuotoksena syntyi neljä karttaa, jotka esittävät eri projektioiden aiheuttamia pinta-ala vääristymiä verrattuna Suomessa käytettyyn TM35FIN koordinaattijärjestelmään. TM35 on hyvä vertailun kohde, koska sen vääristymät ovat hyvin pieniä ja lähellä todellisuutta. Kartoissa Suomen muoto esitetään TM35 projektion mukaan, vaikka niissä vertaillaankin muita projektioita.

Lähes jokaisesta kartasta huomataan, että vääristymät kasvavat kohti pohjoista. Syynä tähän on se, että useat projektiot tuotetaan asettamalla lieriö tai vastaava muotti päiväntasaajalle, joka kuvautuu tarkimmin. Vääristymät kasvavat kaukaisemmilla alueilla, eli tässä tapauksessa Lapissa. Poikkeuksellisesti Transvere Mercatorin vääristymät kasvavat etelään päin ja niiden suunta on hieman kallistunut. Tässä Mercatorin versiossa lieriön ja maapallon leikkauspiste voi olla mikä tahansa pituuspiiri päiväntasaajan sijaan. Pinta-alavääristymät ovat kuitenkin paljon pienempiä ja korkeimmillaan vain 1,2 kertaa suurempia, kuin TM35:n projektiossa. Tavallisessa Mercatorin projektiossa vääristymät ovat kahdeksankertaisia Lapissa ja nelikertaisia Etelä-Suomessa. Plate Carree- ja Robinsonin projektioiden pinta-alat vääristyvät hieman maltillisemmin ja niiden kokoerokertoimet ovat pienempiä. Kuitenkin Plate Carreen pinta-alat vääristyvät lähes kolminkertaisiksi Pohjois-Suomessa, mikä näkyy myös Iina Kiikerin blogin taulukossa.

Kokoerokertoimien lisäksi kartat olisivat voineet esittää myös vääristymien prosentuaaliset erot, jolloin karttojen tiedon hahmottaminen olisi yksinkertaisempaa. Muutin karttojen ulkonäköä Illustrator-ohjelmalla ja lisäsin niihin pohjoismittakaavanuolet.

Lähteet

Kiikeri, I. (2023). Olemmeko QGIS:n kanssa jo kavereita? https://blogs.helsinki.fi/iinakiik/

 

Tuntitehtävä

Ensimmäisen tunnin kartta esittää typpipäästöjen osuutta Itämeren läheisissä valtioissa. Kartan teko oli hyvää kertausta QGIS-ohjelmasta, johon koskin viimeksi syksyllä. Opin uutena mm. aineistojen laskemista ja näkyvien työkalujen muokkaamista. Jotkin QGIS:n ominaisuudet tuntuivat hyvin kömpelöiltä. Välillä kartan kohteiden ääriviivojen muokkaaminen vaati turhan monta klikkausta, koska vaihtoehdot olivat jossakin syvällä piilossa.

Olen melko tyytyväinen lopputulokseen. Kartta on pääosin helppolukuinen ja sen värit toimivat yhdessä. Järvet ja Itämeren syvyyskäyrät eivät välttämättä ole tarpeellisia kartan käyttötarkoituksen kannalta. Myös Lucas kyseenalaistaa blogissaan syvyyskäyrien tarpeellisuuden tämän kurssikerran kartassa. On kuitenkin mahdollista, että rannikkoalueen syvyydellä ja typpipäästöjen määrällä on jotakin yhteistä. Esimerkiksi Puolan päästöt ovat korkeita ja rannikko matala.  Kartan selite voisi olla suomeksi ja sen yläreunassa on liikaa tyhjää tilaa ja alareunassa liian vähän. Kartasta ei myöskään selviä typpipäästöjen aikaväliä tai vuosilukua. Parannuksista huolimatta kartan pitäisi kuitenkin olla riittävän selkeä, vaikka lukija ei tuntisikaan alkuperäistä aineistoa.

Kotitehtävä

Tein kotitehtäväksi kartan Suomen kuntien väestöntiheydestä vuonna 2021. Kunta- ja väestöntiheysaineistojen liittäminen yhteen aiheutti päänvaivaa, mutta Youtube tutoriaalit olivat avuksi. Toinen vaikeus oli saada väestöntiheyden mukaan vaihtelevat värit kunnille, mutta ratkaisuna oli muuttaa tiheyttä kuvaava sarake tekstikentästä numerokentäksi. Muut vaiheet olivat kuitenkin melko yksinkertaisia kurssikerran harjoittelun jälkeen.

Kartasta erottuu pääkaupunkiseudun korkea väestöntiheys ja samalla muut merkittävät kaupungit. Pohjoisessa, keskellä ja idässä on paljon harvaan asuttuja kuntia. Lapin väestöntiheys on hyvin alhainen, kuten voisi olettaa. Kartan antamaan vaikutelmaan vaikuttaa suuresti luokkien värit. Myös pienimmät luokat voivat näyttää tiheästi asutuilta kartalla, jos luokkien värit ovat liian tummia. Päinvastoin myös isoimmat kaupungit voivat näyttää tyhjiltä, jos niiden väestöntiheyttä kuvataan liian vaaleilla värisävyillä. Sopivien värien valitseminen veikin enemmän aikaa, kuin muut työvaiheet. Kartta näyttää melko koropleettiseltä ja siinä on tarvittavat elementit, kuten pohjoisnuoli ja mittakaava.

Lähteet

Yoni, L. (23.1.2023). Viikko 1: Try, try again. https://blogs.helsinki.fi/luberger/2023/01/23/viiko-1-try-try-again/