Geoinformatiikan menetelmät 1

Viimeistä kurssikertaa viedään ja sitä myötä tämäkin blogi alkaa saavuttaa päätepistettään. Viimeisen kurssikerran tarkoitus oli nivoa yhteen kurssin aikana opittuja taitoja, sekä niiden soveltamista itsenäisesti.  Päädyin lopulta tekemään kolmesta annetusta tehtävävaihtoehdosta ensimmäisen, jossa tuli laatia vähintään kahden muuttujan kartta tai karttasarja. Saimme jo viime kerralla tehtäväksi etsiä tätä tuntia varten sopivia paikkatietoaineistoja, mutta totta kai lahopäänä unohdin sen välittömästi zoomin sulkeuduttua ja keskiviikko aamu alkoikin tavanomaista aikaisemmin paikkatietoaineiston etsinnällä.

Klikkailin tieni jo melko tutulle Tilastokeskuksen sivustolle ja löysin lopulta käyttötarkoituksiini sopivan Paavo – aineiston, joka piti sisällään postinumeroalueittain tietoa muun muassa väestörakenteesta, varallisuudesta ja koulutustasosta. Sain samasta paikasta ladattua myös postinumeroalueittain jaetun pohjakartan itselleni ja vihdoin olin valmis ryntäämään itse varsinaisen tehtävän pariin.

Jonkin aikaa pähkäiltyäni ja tilastotaulukoita tutkittuani päädyin luomaan kartan, joka havainnollistaa korkeakoulutettujen suhteellisen määrän, sekä työttömien osuuden alueittain pääkaupunkiseudulla (kuva 1). Kartan visuaalisesta ilmeestä tuli mielestäni ihan onnistunut ja erityisesti koulutusta mittaava muuttuja näyttäytyy selkeänä kartalla. Sen sijaan työttömien osuutta ilmaisevat pylpyrät meinasivat aiheuttaa hieman harmaita hiuksia, sillä mielestäni ne voisivat olla informaatioltaan selkeämpiä. Pallot näyttivät karttaa tehdessä ihan hyviltä, mutta kuvatulosteen pienentäessä koko karttaa, olisi sekä väri saanut olla erottuvampi, että pallojen kokoerot suurempia suhteessa toisiinsa. Nyt etenkin pienien alueiden ryppäissä näkymä jää vähän epäselväksi. Lotta oli omassa kartassaan ilmaissut työttömyyttä samantapaisesti ympyrädiagrammeja käyttäen, mutta mielestäni huomattavasti selkeämmin, pallojen pitäessä jopa lukuarvot sisällään. Toki pääkaupunkiseutu pitää niin monia pieniä alueita sisällään, että näin postinumeroittain kartasta olisi voinut tulla aika ahdas, jos jokaiseen palloon olisi yrittänyt mahduttaa työttömyysluvun mukaan.

Jos kartan tuloksia pohtii, niin odotetusti korkeakoulutettujen määrä suhteessa kasvaa ytimeen päin mentäessä. Yliopiston sijainti Helsingin ytimen alueella selittää lukua osittain, mutta pääosin tämä johtunee kaupungeille tyypillisestä rakenteesta. Ytimeen päin mentäessä elinkustannukset nousevat muun muassa korkeampien vuokrien myötä ja sitä kautta korkeampaa palkkaa saavat sijoittuvat yleensä näille alueille. Lataamastani tilastotiedosta olisi ollut mahdollista tehdä tulotasoa ilmaiseva kartta, ja olisikin voinut olla mielenkiintoista vertailla noudatteleeko se korkeakoulutettujen määrän kanssa samantyyppistä kaavaa (todennäköisesti). Vaikka työttömien osuutta väestöstä onkin kartalta hieman vaikeampi tulkita, ei alueittain näyttäisi olevan silmämääräisesti merkittäviä eroja työttömyysprosentin suhteen. Ehkä itään päin mentäessä tyttömyysprosentti näyttäisi tämän kartan perusteella hieman kasvavan.

Kaiken kaikkiaan tästä tehtävästä jäi ihan hyvä fiilis ja koen osaavani QGIS-ohjelmiston perusteet ihan mallikkaasti. Huomasin kuitenkin hieman kankeutta oman luovuuteni osalta, sillä aiheen keksiminen karttaan tuntui tällä kertaa kaikista vaikeimmalta, valmiista aineistosta huolimatta. Ehkä olisin myös voinut haastaa itseäni enemmän ja käyttää ohjelmiston työkaluja monipuolisemmin, nyt nojasin aika vahvasti siihen mitä tiedän varmasti osaavani ja keskityinkin lähinnä käyttämään field calculatorin toimintoja. Koen kuitenkin, että kurssi oli antoisa ja opetti paljon niin itse paikkatiedosta, kuin karttaohjelmien käytöstäkin.

 

Lähteet:

Puodinketo, L. (luettu 03.03.2021) https://blogs.helsinki.fi/lottapuo/

Tilastokeskus, Paavo -Postinumeroalueittainen avoin tieto. Haettu 03.03.2021 osoitteesta: https://www.stat.fi/org/avoindata/paikkatietoaineistot/paavo.html

Toiseksi viimeinen kurssikerta karisti nopeasti aikaisen keskiviikkoaamun unihiekat silmistä, kun tunti alkoi pienellä reippailulla ulkosalla. Noin tunnin mittaisen kävelyn aikana oli tarkoitus kerätä mittauspisteitä ja arvioida alueiden turvallisuutta sekä viihtyvyyttä 5 portaisen Likert-asteikon avulla.  Suurin osa pisteistä sijaitsi lähinnä pääkaupunkiseudulla, mutta taisi jokunen yltää etäopetuksen mahdollistamana pohjoisemmaksikin Suomea.  Näin tulevan opettajan näkökulmasta harjoitus oli erittäin mielenkiintoinen ja jäinkin pohtimaan olisiko käyttämäämme sovellusta mahdollista hyödyntää opetuksessa pienempienkin lasten kanssa. Ainakin sovellus oli helppokäyttöinen ja tulokset oli selkeästi visualisoitu ylläpitäjän kartalle.

Tunnin loppupuolella tekemämme tehtävät tähtäsivät niin ikään opetukseen ja erityisesti mahdollisen oppimateriaalin tekemiseen. Tarkoitus oli tuottaa kolme havainnollistavaa karttaa hasardeista. Itse päätin lähteä havainnollistamaan voimakkaiden maanjäristysten määrää ja sijaintia vuosina 2000, 2015 ja 2020. Idea oli, että kartoista pystyisi hyvin havainnoimaan onko voimakkaiden maanjäristysten määrä kasvanut tai vähentynyt viimeisen kahdenkymmenen vuoden aikana. Itse karttojen tekeminen onnistui tällä kertaa jo suht vaivattomasti ja ohjelman käyttö tuntuukin helpottuvan jokaisen kurssikerran jälkeen, näemmä siis sanonta tekemällä oppii pitää tässä tilanteessa paikkaansa.

Aloin tekemään karttoja sillä ajatuksella, että niistä näkyisi maanjäristysten lisäksi myös tulivuorien sijainti ja näin ollen se ilmentäisi tulivuorten sijainnin ja maanjäristysten välistä yhteyttä. Kuitenkin nyt myöhemmin karttoja katsellessa pohdin, että ehkä tulivuoret olisi voinut jättää kokonaan laittamatta, jolloin kartta olisi jäänyt selkeämmäksi. Ehkä opetuksen kannalta tarkoituksenmukaisempaa olisi ollut hakea taustalle kartta, josta näkyy myös mannerlaattojen rajat ja sen avulla havainnollistaa maanjäristysten sekä tulivuorien sijaintia suhteessa laattojen reunaan. Huomasin, että Ilari on tehnyt blogiinsa selkeän kartan mannerlaattojen rajoista ja sitä voisikin käyttää opetuksen tukena.

Toisaalta kartat toimivat mielestäni kohtuullisen hyvin havainnollistettaessa voimakkaiden maanjäristysten määrää eri vuosina, sillä punaiset pisteet erottuvat kartalta varsin selkeästi. Nopealla vilkaisulla mitään huomattavaa eroa määrissä en näe, mutta antavathan kartat myös viitteitä siitä, miten maanjäristykset sijoittuvat, punaisten pisteiden noudatellessa selkeästi jokaisessa kartassa tiettyä linjaa. Voimakkaat maanjäristykset näyttäisivätkin näiden(kin) karttojen perusteella sijoittuvan aina melko samoille alueille.

Opettajan näkökulmasta ajattelisin, että kartat ovat ihan käyttökelpoisia, mutta ne tarvitsevat ehdottomasti ympärilleen jotain lisäinformaatiota. Pelkästään näiden karttojen avulla opetuksen sisältö jäisi todennäköisesti melko irralliseksi isommista teemoista.  8TH Grade Science nimiseltä sivulta löysin hyvin samansuuntaisen maailmanakartan tulivuorista, sekä maanjäristyksistä ja niiden suhteesta. Kartan pisteet olivat linjassa omieni kanssa.  Sen sijaan samalta sivulta löytyi kartta, jossa kuvattiin Tyynenmeren tulirengasta ja sen tektonista ja vulkaanista toimintaa. Tämän tyylinen lisä karttaan olisi ehdottomasti plussaa, sillä se auttaa avaamaan kuviota, sekä sitä, miksi tulivuoret ja maanjäristykset noudattelevat samankaltaista kaavaa joka vuosi. Amanda oli blogissaan tuonut esiin maanjäristysten aiheuttamien tuhojen opetuksen tärkeyden ja omastakin mielestä niitä olisi hyvä käydä hasardeja käsiteltäessä.

Lähteet:

8TH Grade Science, Patterns of earthquakes and volcanoes. Haettu 26.02.2021 osoitteesta: https://clarkscience8.weebly.com/patterns-of-earthquakes-and-volcanoes.html

Leino, I. (luettu 26.02.2021) https://blogs.helsinki.fi/ilarilei/

Northern California Earthquake Data Center. Haettu 24.02.2021 osoiteesta: https://ncedc.org/anss/catalog-search.html

Salmensuu, A. (luettu 26.02.2021) https://blogs.helsinki.fi/salmeama/

USGS Earthquake Hazards Program. Haettu 24.02.2021 osoitteesta: https://earthquake.usgs.gov/earthquakes/search/

 

Viides kurssikerta taisi tuoda tehtävineen mukanaan muutaman harmaan hiuksen sekä romahtaneen itsetunnon QGIS-ohjelmistoon liittyen. Harjoituskerran tarkoitus oli koota yhteen aiemmin opittuja tietoja ja taitoja, sekä niiden soveltamista itsenäisten tehtävien avustuksella. Ensimmäisissä tehtävissä lentokentän melualueiden selvittämiseksi täytyi käyttää bufferityökalua, joka taisikin tulla ainoana uutena työkaluna tälle kurssikerralle. Sen käyttö onneksi oli melko yksinkertaista, joten siltä osin tehtävien teko lähti hyvin käyntiin. Bufferin käytön yksinkertaisuuden lisäksi se vaikuttaisi olevan myös melko monipuolinen ja useisiin erilaisiin käyttötarkoituksiin sopiva. Kurssitoverini Nellin tavoin mieleeni tuli, että bufferityökalua olisi mahdollista hyödyntää erilaisia puskurivyöhykkeitä suunniteltaessa, vaikkapa maankäyttöä ja sen jakautumista mietittäessä.

Huomasin kuitenkin miltei heti ensimmäisissä tehtävissä, etten hallitsekaan QGIS-ohjelman käyttöä ihan niin näppärästi kuin olin ajatellut. Itse ohjelman käyttäminen ja sen perustyökalut tuntuivat olevan suht hyvin hallussa, mutta nopeasti huomasin, että niiden soveltamin eri tarkoituksiin oli hieman haasteellista ja paininkin tehtävien läpi tehden ne todennäköisesti paljon monimutkaisemmalla tavalla kuin olisi tarvinnut (muun muassa ohjelman ulkopuolista laskinta käyttäen mikä ei lienee kaikista tarkoituksenmukaisinta). Unohdin nimittäin field calculatorin olemassaolon aivan kokonaan ja näissä tehtävissä siitä olisi taatusti ollut apua. Toisaalta sain omasta mielestäni ihan järkevän kuuloisia vastauksia tuotettua (lukuun ottamatta jotenkin kämmäämääni Helsinki-Vantaan lentokentän läheisyydessä asuvien määrä vähintään 55 dB:n melualueella- kohtaa, joka poikkeaa lähestulkoon naurettavan paljon muiden kurssilaisten vastauksista), joten ehkä tapa ei ollut kokonaan kelvoton, vaikka ohjelman työkaluja soveltamalla ne olisi saanut varmasti paljon yksinkertaisemminkin laskettua.

Taulukko 1. Saamani vastaukset kurssikerran tehtäviin

LENTOKENTÄT
Asukkaat Malmin kentän kiitoratojen melualueella (2 km:n säde)	58 295
Asukkaat Malmin kentän kiitoratojen melualueella (1 km:n säde)	8 938
Asukkaat Helsinki-Vantaan lentokentän välittömässä läheisyydessä (2 km:n säde)	10 574
Helsinki-Vantaan lentokentän läheisyydessä asuvien osuus pahimmalla melualueella (65dB, %)	0,06 %
Helsinki-Vantaan lentokentän läheisyydessä asuvien määrä vähintään 55 dB:n melualueella	648
Jos Malmin kentällä laskusuunta kaakosta luoteeseen, asuisi 60 dB:n alueella ihmisiä	21 121
ASEMAT
Asukkaat alle 500 m päässä juna-asemasta	11 765
Alle 500 m päässä juna-asemasta asuvien osuus koko alueen väestöön (%)	21,65 %
Työikäisten osuus alle 500 m päässä juna-asemasta asuvista (%)	67,10 %
TAAJAMAT
Taajamissa asuvien asukkaiden osuus (%)	96,20 %
7–16 vuotiaiden määrä taajamien ulkopuolella	2021
Taajamien ulkopuolella asuvien lasten osuus alueen koko väestön kouluikäisistä (%)	3,45 %
KOULUT
Helsingin Yhtenäiskoulussa seuraavana vuonna aloittavien oppilaiden määrä omasta koulupiiristä	14
Helsingin Yhtenäiskoulun yläasteikäisten määrä seuraavana vuonna	62
Lasten ja nuorten osuus koko koulupiirin alueen asukkaista (%)	9,71 %
Muunkielisten kouluikäisten määrä alueella (arvio)	n.11

Kun lentokenttien melualueet oli saanut selvitettyä, siirryin seuraaviin tehtäviin, joissa käsiteltiin muun muassa juna-asemien läheisyyteen sijoittunutta väestöä, että taajamia.  Tämän jälkeen sai kolmesta tehtävästä valita yhden ja päädyin tekemään Helsingin Yhtenäiskouluun ja sen koulupiiriin liittyviä tehtäviä, jotka paljastuivat melko samantapaiseksi kuin kaikki tämän kerran aiemmat tehtävät. Se sitten jo sujuikin ensimmäisiä tehtäviä huomattavasti paremmin ja sutjakkaammin, saaden mieltä vähän paremmaksi alun osaamattomuuden jälkeen.

Vaikka tämä kurssikerta palauttikin hieman maanpinnalle ja heitti niin sanotusti lunta tupaan, jäi loppujen lopuksi harjoituksista ihan positiivinen fiilis sillä sain kuitenkin kaikki lopulta edes jotenkuten ratkaistua. Työkalujen käyttäminen ja erityisesti niiden soveltaminen erilaisiin tarkoituksiin on vielä hieman harmaata maaperää, mutta toisaalta ohjelma on armollinen erilaisille kokeiluille, joiden avulla lopulta varmasti jonkin näköinen ratkaisu työkalujen käyttöön liittyen löytyy.

Lähteet:

Korhonen, N. (luettu 25.02.2021) https://blogs.helsinki.fi/nekone/

 

Neljäs kurssikerta kului rattoisasti rasteriaineistojen parissa. Alkuun kävimme hieman läpi yleisesti ruudukon luomista rasteriaineistoon, sekä aineiston siistimistä ylimääräisestä tiedosta, jotta ohjelma jaksaisi juoksuttaa toimintoja nopeammin. Teimme tunnilla kartan, jonka tarkoitus oli havainnollistaa ruotsia puhuvien määrää neliökilometrin kokoisella alueella,  pääkaupunkiseudulla. Tämä ei kuitenkaan lopulta ollut kovin kuvaava kartta, sillä se ei ottanut ollenkaan huomioon väestön lukumäärän vaihtelua eri alueilla. Harjoitustehtävänä oli tehdä uusi ruututeemakartta ja pohtia ruutukokojen merkitystä. Jatkoin siinä määrin tunnin aiheen parissa, että päätin tarkastella ruotsia puhuvien määrä suhteutettuna koko ruudun kattavaan väestömäärään (kuva 1).

Muutin ruutukoon 500m x 500m, jotta alueellinen vaihtelu kävisi selkeämmin ilmi, mutta loppujen lopuksi tämä teki kartasta hieman epäselkeän ja kiireisen näköisen, etenkin pieneltä ruudulta katsottaessa. Huomasin myös, että ruutukokoa pienentäessä tyhjien, ruuduttomien alueiden koko kartalla kasvoi merkittävästi, mutta toisaalta ruutukokoa suurennettaessa tieto saattaisi yleistyä liikaa.

Kartta kuitenkin tuo selkeästi ilmi, kuinka ruotsia puhuva väestö painottuu selkeästi läntiselle alueelle Espooseen ja etenkin Kauniaisiin, sekä toisaalta itään Östersundomiin. Kuten jo mainitsin, on kartta pienillä ruuduilla hieman epäselkeä, ruutujen rajojen pompatessa voimakkaasti silmille ja jopa häiriten kartan lukemista. Kartasta voisikin saada selkeämmän, mikäli ruutujen tummia rajoja vähän pehmentäisi muuhun karttaan verrattuna. Myös nimistön lisääminen voisi auttaa kartan hahmottamisessa, sillä nyt pääkapunkiseutua tuntemattoman on ehkä hieman vaikea tulkita karttaa, ilman että on nimistöllistä karttaa vieressä verrattavissa.

Ruutu- ja pistekarttoja verratessa ruutukarttojen eduksi nousee ainakin se, että niihin on mahdollista sisällyttää enemmän tietoa kuin pelkkiin pistekarttoihin ja esimerkiksi alueelliset erot nousevat helpommin havaittavasti esiin ruutukartoissa kuin pistekartoissa. Koska ruututeemakartassa kaikki ruudut ovat samankokoisia, on niissä mahdollista esittää absoluuttisia arvoja ilman että niiden vertailukelpoisuus katoaa. Tämän vuoksi ruutukartat ovatkin omiaan kuvaamaan esimerkiksi väestömäärään liittyviä muuttujia. Toisaalta ruututeemakartat sopivat myös suhteellisen tiedon esittämiseen ja tätä hyödynsinkin itse tämän kertaista karttaharjoitusta tehdessä.  Ruotsinkielisten määrää alueittain ei kenties olisi kovin mielekästä tutkia absoluuttisilla luvuilla, sillä väkimäärältään suuremmilla alueilla myös ruotsinkielisiä luonnollisesti olisi enemmän kuin pienemmillä alueilla. Myös Antti on blogissaan pohtinut tätä samaista ongelmaa tutkiessaan ruotsinkielisen naisväestön määrää pääkaupunkiseudulla. Antin kartasta nousee hyvin ilmi se, kuinka ruotsinkielisen naisväestön määrä näyttäisi keskittyvän Helsingin kantakaupunkiin vain koska kyseiselle alueelle sijoittuu muutenkin niin paljon väestöä.

Ruotsia puhuvien määrä suhteessa ruudun kokonaisväestöön oli siinä mielessä huono valinta havainnollistettavaksi, että itse kartan sisältö tuntuu melko itsestään selvältä, eikä tulkintaan jää paljoa tilaa.  Lienee monelle jo ennestään selvää, että juuri Espoon ja Kauniaisen alueelle sijoittuu eniten ruotsinkielistä väestöä, näiden ollen virallisestikin kaksikielisiä kuntia. Onneksi moni muu kurssilainen oli tarttunut erilaisin teemoihin, joiden tulokset eivät välttämättä olleet tiedossa jo ennen itse kartan tekoa, esimerkiksi Lotan blogissa on mielenkiintoinen ruututeemakartta pääkaupunkiseudun asukkaiden keksi-iästä.

Lähteet:

Paakkari, A.  (luettu 12.2.2021) https://blogs.helsinki.fi/anttipaa/

Puodinketo, L. (luettu 12.2.2021) https://blogs.helsinki.fi/lottapuo/

Kolmannella kurssikerralla käsittelimme ulkoisen tiedon tuomista tietokantaan, sekä erilaisten tietokantojen yhdistämistä.  Käytimme suurimman osan ajasta Afrikkaan liittyvien aineistojen yhdistelemiseen sekä uuden tiedon tuottamiseen, tarkastelemalla muun muassa konfliktien ja timanttikaivosten määrää eri valtioissa. Ei lienee yllättävää, että timanttikaivosten määrällä näytti monissa valtioissa olevan yhteyksissä myös käytyjen konfliktien määrää, jokseenkin myös poikkeuksia oli löydettävissä.

Käyttämässämme aineistossa oli muitakin muuttujia, kuten esimerkiksi internetin käyttöön, resurssien tuottavuusluokitteluihin ja löytämisvuosiin liittyen. Kyseinen aineisto näyttäisi siis sopivan varsin monenlaisen tiedon tutkimiseen, analysoimiseen ja kartoittamiseen. Aineiston avulla voitaisiin esimerkiksi tarkastella, onko konflikteilla mitään näkyvää yhteyttä esimerkiksi internetin käyttöön näillä alueilla.

Kun ulkoisen tiedon tuominen ja tietokantojen yhdistäminen alkoi sujua, siirryimme itsenäisesti tekemään harjoitusta Suomen vesistöalueiden valuma-alueominaisuuksista sekä tulvaherkkyydestä. Pienen kikkailun ja säätämisen jälkeen sain kuin sainkin tehtyä havainnollistavan kartan tästä (kuva 1). Valitsin karttaan sinisen eri sävyjä, sillä se mielestäni sopii kuvaamaan vesiaiheisia karttoja varsin passelisti. Karttaa selkiyttääkseni olisin kuitenkin voinut valita vaaleimmaksi väriksi hieman tummemman sävyn, sillä nyt se meinaa hukkua kartan valkoiseen taustaan. Kokeilin ensin tehdä karttaa vain 5-portaisella tulvaindeksillä, mutta eri alueet eivät mielestäni tulleet tarpeeksi siinä esiin, joten vaihdoin lopulta asteikon 6-portaisiseen ja nyt kartasta näkyy mielestäni selkeämmin Länsi- ja Etelä-Suomen korostuminen tulvaindeksillä.

Järvisyyden ilmaiseminen kartassa olikin jo haastavampaa. Taistelin jonkun tovin ennen kuin sain järvisyyttä ilmaisevat pylväät selkeästi näkyviin ja vielä niin, että niistä on mahdollista havaita jotain eroavaisuuksia. Nyt myöhemmin karttaa tarkastellessa huomaan, että järvisyyden ilmaisemiseen olisin voinut käyttää jotakin toista väriä, sinisen sekoittuessa nyt aikalailla tulvaindeksin sinisiin sävyihin. Kartasta jää myös epäselväksi millaista prosentuaalista osuutta pylväät kuvaavat; eroja niissä toki on havaittavissa, mutta erojen suuruudet jäävät täysin mysteeriksi tässä kartassa.

Koska en ollut aivan tyytyväinen omiin pylväisiini, kävin kurkkimassa muiden kurssilaisten ratkaisuja järvisyyden visualisoimiseen. Sanna on mielestäni onnistunut erinomaisesti havainnollistamaan järvisyysprosenttia ympyrädiagrammien avulla ja saanut aikaiseksi selkeän kartan, jossa erot järvisyydessä tulee mielestäni paremmin esiin kuin pylväitä käyttäessä.

Mitä sitten tästä kartasta voidaan ylipäätään tulkita? No ainakin se, että rannikkoalueilla tulvaindeksi näyttäsi olevan muuta Suomea huomattavasti korkeammalla, vaikka järvisyyden taso jää loppupeleissä etenkin Järvi-Suomea alhaisemmaksi. Voisikos kenties siis järvien määrällä ja tulvaherkkyydellä olla jonkinnäköistä yhteyttä? Järvi-Suomen suuret vesistöalueet ovat omiaan ehkäisemään rankkasateiden mahdollisesti aiheuttamaa tulvimista, kun taas rannikkoalueilla tällaista etua pienen järvisyyden takia ei ole (Käyhkö, Alho & Selin, 2007).

 

Lähteet:

Jantunen, S. (luettu ja viitattu 8.2.2021) https://blogs.helsinki.fi/smjantun/

Käyhkö, J., Alho, P. & Selin, M. (2007). Tulvat ja tulvien kartoitus Suomessa. Maantieteen laitos, Turun yliopisto.

Kurssin toisella kerralla perehdyimme syvemmin aineistoihin ja niiden saatavuuteen sekä eri aineistojen ominaisuuksiin. Kertailimme QGIS-ohjelman perustoimintoja ja se tuli kieltämättä tarpeeseen, viikon tauon unhoittaessa varsin tehokkaasti edellisviikon harjoituksissa tarvittavat taidot. Varsinaisena tehtävänä oli kuitenkin vertailla eri projektioita sekä niiden aiheuttamia vääristymiä. Käytin pohjana Suomessa yleisesti käytössä olevaa ETRS-TM35FIN-tasokoordinaatistoa, jossa Suomi kuvataan yhdellä kaistalla (Maanmittauslaitos, 2010).

Vertasin ensin melko yleisessä käytössä olevaa Mercatorin projektiota TM35FIN projektioon (kuva 1). Koska Mercatorin projektio on oikeakulmainen, vääristää se etenkin napa-alueiden pinta-aloja huomattavasti. Tämä on havainnollistettu kuvassa 1, josta melko selkeästi näkee, kuinka pinta-ala vääristymät kasvavat pohjoiseen päin mentäessä. Etenkin Suomen pohjoisimmissa osissa vääristymät ovat melkoisia, Mercatorin venyttäessä pinta-alaa pahimmillaan kahdeksankertaiseksi.

Kuva 1 – Pinta-alojen suhde (%), Mercator- verrattuna TM35FIN- projektioon

Mercatorin projektion lisäksi vertailin vielä Winkel tripel -projektiota (kuva 2), sekä Eckertin I (kuva 3) projektiota. Eckertin projektiot ovat oikeapintaisia, eli pinta-alojen pitäisi näkyä melko lailla oikeissa suhteissa. Sen sijaan Winkel tripel -projektio pyrkii minimoimaan sekä pinta-alan, suunnan, että etäisyyden vääristymät

Kuva 2 – Pinta-alojen suhde (%), Winkel triple- verrattuna TM35FIN- projektioon

Kuva 3 – Pinta-alojen suhde (%), Eckert I verrattuna TM35FIN- projektioon

Ensisilmäyksellä en huomannut minkäänlaista eroa kuvien 1, 2 ja 3 kartoissa. Pohdin jo olinko itse tehnyt jotakin väärin vai valinnut vain liian samankaltaiset projektiot. Mietin jo kokonaan tehtävän uudelleen aloittamista, kunnes tajusin, että visuaalisesta samankaltaisuudesta huolimatta, sekä Eckert I, että Winkel triple- projektiot poikkeavat huomattavasti Mercatorin projektiosta.  Vaikka kaikki kolme vääristyvät yhtälailla pohjoiseen mentäessä, poikkeavat vääristymien määrät toisistaan. Siinä missä Mercatorin projektiossa vääristymä on pahimmillaan kahdeksankertainen, ei Winkel tripel tai Eckert I yllä edes kahteen. Sen sijaan Winkel triple ja Eckert I poikkeavat toisistaan melko vähänlaisesti.

Vaikka projektioista selvästi eroja löytyikin, olisi ollut mielenkiintoista nähdä joku visuaalisesti aivan muista poikkeava projektio. Esimerkiksi Annika on blogissaan havainnollistanut Cassini-projektion ja TM35FIN-projektion eroja, jonka visuaalinen ilme on omista kartoistani täysin poikkeava, erojen kasvaessa etelä-pohjoissuunnan sijaan kaakkoa kohti mentäessä.

Tällä viikolla QGIS-ohjelman käyttö itsessään oli jo helpompaa ja karttojen tuottaminen kävi melko vaivattomasti. Painin kuitenkin edelleen legendojen tekemisen kanssa, sillä omat muokkausvaihtoehtoni ovat huomattavasti rajatummat kuin opettajalla Artulla. Etenkin haasteita tuottaa karttaselitteiden merkitseminen, sillä tekstiä on ohjelmassani mahdoton siirtää toiselle riville, jolloin selitteiden on oltava todella lyhkäisiä ettei legenda veny mahdottoman leveäksi. Täytynee ladata QGIS-ohjelmasta ensiviikoksi eri versio, josko se ratkaisisi ongelman.

Lähteet:

Innanen, A. (luettu ja viitattu 29.1.2021) https://blogs.helsinki.fi/anninnan

Maanmittauslaitos (2010) ETRS89 Koordinaattijärjestelmä käyttöön. Haettu osoitteesta: https://www.maanmittauslaitos.fi/sites/maanmittauslaitos.fi/files/old/ETRS89koordinaattijarjestelma_kayttoon.pdf

Ensimmäisellä Geoinformatiikan menetelmät 1-kurssin kerralla tutustuimme kurssilla käytettävään QGIS-ohjelmaan ja sen perustoimintoihin, sekä kävimme tunnin teoriaosuudessa läpi myös hieman perustietoja yleisesti geoinformatiikasta.  Teimme tunnin aikana harjoituksena koropleettikartan, josta ilmenee Itämerta ympäröivien valtioiden osuus Itämeren typpipäästöihin (Kuva 1).

QGIS-ohjelmisto muistutti heti ensivilkaisulta lähes jokaista käyttämääni kuvankäsittelyohjelmaa, joten ensimmäistä karttaa oli melko helppoa lähteä työstämään. Vaikka eri tasojen kanssa kikkailut ja monet kuvakkeista olivatkin entuudestaan tuttuja, melko nopeasti huomasin ohjelman kuitenkin poikkeavan perusolemukseltaan tavallisista kuvankäsittelyohjelmista. Esimerkiksi siinä missä aiemmin käyttämässäni CorelDraw-ohjelmassa karttojen piirtäminen onnistuu melko vaivattomasti, toi QGIS aivan eritavalla mahdollisuuksia karttojen sisäisen tiedon, paikkatiedon keräämiseen ja tallentamiseen. Kuitenkin entuudestaan erilaisten ohjelmistojen tuntemisesta on varmasti apua myös QGIS-ohjelmiston käytössä.

Tunnilla tehdystä koropleettikartasta tuli mielestäni yleisilmeeltään siisti, jokseenkin ehkä pienempien järvien piilottaminen näkymästä olisi selkeyttänyt karttaa lisää. Kohtasin kartan legendaa tehdessä muutamia teknisiä ongelmia, jotka korjaamalla lopputulos olisi ollut esteettisesti miellyttävämpi. Jälkikäteen myös huomasin, että typpipäästöjen osuudesta puuttuu prosenttimerkki kokonaan. Tällaisiin pieniin seikkoihin täytynee jatkossa kiinnittää tarkempaa huomiota.

Jatkoin tunnin jälkeen harjoituksia tekemällä uuden koropleettikartan Suomen väestöntiheydestä (Kuva 2). Innoissani ryhdyin tekemään kotona tehtävien harjoitusten toista vaikeustasoa ja etsin kuntatasolla esitettyjä muuttuja netistä. Kuitenkin ladattuani muuttujat koneelle (muun muassa syntyvyys ja väestöntiheys), huomasin että nämä olivatkin annettu jo valmiiksi aineistoon, joten päätinkin sitten käyttää niitä. Jatkossa lienee parasta tutustua aineistoon ennen kuin ryntää suinpäin tekemään tehtäviä.

Kuva 2 – Väestöntiheys kunnittain 2015

Kartan tekeminen itsessään onnistui melko vaivattomasti, mutta tiedon visualisointi tuotti hieman enemmän päänvaivaa. Ohjelman ehdottamat valmiit luokittelut eivät tuntuneet kunnolla sopivan tähän aineistoon väestöntiheyden ollessa Suomessa niin monilla alueilla varsin pieni. Lopulta kuitenkin löysin luokittelutavan, joka teki kartasta visuaalisesti informatiivisemman. Luokitteluvälit kuitenkin ovat melko epäloogisesti ja etenkin väestöntiheydeltä suurimmat kaupungit eivät nouse kartasta kunnolla esiin, esimerkiksi Helsingissä väestöntiheys on 3301 as/km², mutta silti se tekemässäni kartassa luokittuu yhteen kaikkien kuntien kanssa, joiden väestöntiheys on yli 36 as/km². Muiden kurssilaisten blogitekstejä lukiessani huomasin, että Helmi oli tehnyt kartan samasta aiheesta ja paini samankaltaisten ongelmien kanssa turhan laajojen luokitteluasteiden suhteen.

Helsingin väestötietoja tutkiessani kiinnitin huomion siihen, että ehkä hieman yllättäen väestöntiheys on laskenut yllättävänkin paljon vuodesta 2015 vuoteen 2019 mennessä. 2019 vuonna Helsingin väestöntiheys on ollut 2993 as/km², joten eroa 2015 vuoteen verrattuna on reilu 300. (Tilastoja

Kartan värilliseksi teemaksi valitsin violetin, sillä sen tuntui neutraalilta, mutta selkeältä valinnalta kartan aihepiiri huomioon ottaen. Legendaa tehdessäni kohtasin samankaltaisia ongelmia kuin tunnilla tehtävässä harjoitteessa, sillä legendan selitettä en saanut millään keinolla jaettua kahdelle riville. Nyt se vie kartasta vähän turhan suuren tilan. En tosin ole varma johtuuko tämä omasta osaamattomuudestani vai kenties QGIS-ohjelman versiosta, joka saattaa olla eri kuin esimerkeissä käytetty. Legenda on myös hieman massiivinen verrattuna itse kartan kokokoon ja ainakin fonttia olisi voinut hieman pienentää.

Vaikka kartassa selvästi onkin parantamisen varaa, ilmaisee se mielestäni väestöntiheyden Suomessa kunnittain melko hyvin ja selkeästi. Kartasta näkee jo nopealla silmäyksellä, kuinka Suomessa väestö on eteläisissä osissa, sekä rannikkoalueilla huomattavasti muuta aluetta tiheämpää. Vaikka itse ohjelman käyttö vielä toistaiseksi melko helpolta tuntuikin, olen melko varma että tämä oli vasta pintaraapaisu ja kurssin syvään päähän hypätessä tarvitsen vielä reilusti harjoitusta ohjelman sekä erityisesti itse paikkatietodatan käytössä.

Lähteet:

Imbert-Lappalainen, H. (luettu ja viitattu 29.1.2021) https://blogs.helsinki.fi/laphelmi/

Jaakola, A., Vass, T., Saarto, S., Haglund, L. & Sundström-Alku, T. (2020) Tilastotietoja Helsingistä 2020. Helsingin kaupunginkanslia, kaupunkitutkimus ja -tilastot.