Tekijä: Inka Pellikka

Viimeisellä kurssikerralla tarkoituksena oli luoda itse valitsemasta aiheesta kartta. Aineistot tuli itse etsiä netistä ja kartan teossa tuli hyödyntää kurssilla opittuja asioita QGIS-ohjelmasta. Tämä kurssikerta oli ehdottomasti oma suosikkini, sillä tehtävän tekoon sai melko vapaat kädet. Aineistojen etsiminen oli myös mielenkiintoista, vaikka itselleni aluksi hieman haasteellista.

Kurssikerralla tein neljä hieman eri tavoin Suomea kuvaavaa karttaa, joista ensimmäinen käsittelee hevosurheilua (kuva 1.). Harrastan itse ratsastusta ja halusin tutkia hieman ratsastusmahdollisuuksia Suomessa. Tiedot ratsastusmahdollisuuksista karttaan on haettu Lipas (liikuntapaikat) palvelusta. Kartassa on nähtävillä Suomen raviratoja ja ratsastuskenttiä. Kartasta on nähtävissä myös kuntien väkiluvut vuonna 2017, jotta ratsastuspaikoista voi hieman hahmottaa sijoittuvatko ne väkiluvultaan minkälaisiin kuntiin. Ratsastuskenttiä ja raviratoja vaikuttaisi olevan enemmän väkiluvultaan suurempien kuntien alueilla, mutta myös poikkeuksia löytyy. 

Kuva 1. Suomen ratsastuskenttiä ja raviratoja eri kunnissa.

Toinen tekemäni kartta kuvaa Suomen oppilaitoksia vuonna 2017 (kuva 2.). Kartassa on myös kuntien väkiluvut vuonna 2017, jotta oppilaitosten määrää tietyssä kunnassa voi hieman verrata alueen väestöön. Liilat pisteet kuvaavat oppilaitoksia ja oranssin eri sävyt puolestaan kuntien väkilukuja. Kartasta tekee kuitenkin hieman epäselvän oppilaitosten suuri määrä Etelä- Suomessa.

Oppilaitoksia voi karttaa tutkimalla huomata sijaitsevan enemmän kunnissa, joissa on suurempi väkiluku. Kartassa on kuvattuna kuitenkin vain kuntien absoluuttisia väkilukuja, eli väestön määrää ei ole suhteutettu kunnan kokoon. Näin jälkeenpäin mietittynä olisi ehkä ollut järkevää laskea suhteellisia väkimääriä kunnissa, sillä se olisi helpottanut eri kokoisten alueiden vertailua keskenään. 

Kuva 2. Oppilaitokset ja väkiluvut kunnittain vuonna 2017.

Kolmannet tekemäni kartat kuvaavat tieliikenneonnettomuuksia Suomessa vuonna 2017 (kuvat 3.). Kartalla näkyvät harmaat pisteet kuvaavat näitä onnettomuuspaikkoja. Sinisen eri sävyillä kartoissa puolestaan kuvataan 0-14 vuotiaiden määrää eri kunnissa. Toisessa kartassa esitetään 0-14 vuotiaiden absoluuttista määrää kunnassa ja toisessa prosenttimäärää. Halusin karttojen avulla hieman tutkia tapahtuuko liikenneonnettomuuksia enemmän alueilla, joissa on nuoria lapsia paljon. Karttaa lukemalla vaikuttaisi siltä, että onnettomuuksia tapahtuu myös kunnissa, joissa 0-14 vuotiaita on vähemmän. Jonkinlaista yhteyttä liikenneonnettomuuksien määrällä ja nuorten lasten määrällä kyseisessä kunnassa kuitenkin saattaa olla. 

Kartat ovat muuten melko onnistuneita, mutta kuten aiemmassa oppilaitoksia kuvaavassa kartassa on tässä sama ongelma. Etelä-Suomessa on tapahtunut niin paljon liikenneonnettomuuksia, että kartta on hieman sekava. Pisteiden kokoa pienentämällä tai aineistoa tarkemmin rajaamalla olisi ehkä saanut aikaan vielä selkeämmän kartan. 

Kuvat 3. Tieliikenneonnettomuudet ja kuntien 0-14 vuotiaat vuonna 2017.

Neljännet ja viimeiset tekemäni kartat kuvaavat kuntien väkilukua ja ikäjakaumaa (kuva 4.). Oranssin eri sävyt kuvaavat kartassa kuntien väkilukua. Ympyrädiagrammien avulla puolestaan on esitetty kuntien ikäjakaumaa. Kartat ovat kokonaisuudessaan muuten melko selkeitä, mutta paikoin diagrammien suuri määrä hieman sekoittaa karttojen luettavuutta. 

Karttojen avulla voi todeta Suomen eteläosissa olevien kuntien väkiluvun olevan usein suurempi kuin Suomen pohjoisosissa olevien kuntien. Kuntien väkiluku on myös suurempi Suomen eteläosissa kuin pohjoisosissa. Ympyrädiagrammeja tarkastelemalla kunnissa vaikuttaa myös olevan jonkin verran eroja ikärakenteessa. Itä-Suomessa yli 65 vuotiaiden määrä on monin paikoin suurempi kuin muualla Suomessa. Lieksan kunta on yksi esimerkki alueesta, jossa vanhusten määrä on keskimääräistä korkeampi. 

Kuvat 4. Kuntien väkiluku ja ympyrädiagrammit kuntien ikäjakaumasta.

Kuntien väestöä koskevat tiedot kaikissa kartoissa on ladattu paituli palvelusta. Nämä aineistot ovat tilastokeskuksen tuottamia ja kulkevat nimellä “KuntienAvainluvut, 2017”. Myös oppilaitoksia ja tieliikenneonnettomuuksia koskevat tiedot on haettu tilastokeskuksen sivuilta. 

Muilla opiskelijoilla oli myös tältä kurssikerralta todella upeita karttoja. Lotta Mattila on tehnyt karttoja, joissa kuvataan Suomen väestöä, huoltosuhdetta kunnittain ja kuntien nettomuuttoa. Kyseiset kartat ovat mielestäni todella selkeitä ja informatiivisia, joten kannattaa käydä vilkaisemassa.

Eero Turkin blogissa on myös mielestäni yksi hyvin mielenkiintoinen kartta, joka käsittelee kolareita hirvivaara-alueilla Suomessa. Kartta on mielestäni helppolukuinen ja aihe oli mielestäni omaperäinen. Joten jos haluaa nähdä hieman erilaista liikenneonnettomuuksiin liittyvää karttaa kuin minun blogissani on esillä, niin todellakin kannattaa Eeron blogista käydä vilkaisemassa. 

Kurssista kokonaisuudessaan.

Geoinformatiikan menetelmät kurssi oli mielestäni mielenkiintoinen ja hyödyllinen. Aluksi karttojen teko tuntui todella haastavalta, mutta kokemuksen karttuessa sujui karttojen teko yhä vain helpommin. Kurssilla oppi myös hyvin arvioimaan omia tuotoksiaan ja pohtimaan ratkaisuja erilaisiin suorittamisessa ilmenneisiin ongelmiin.

Sanoisin, että QGIS-ohjelman käytöstä tuli jo melko sujuvaa. Aineistojen hakeminen oli yllättävän helppoa, vaikka alussa iskikin pieni paniikki niiden tuomisesta QGIS:siin. Kaikki kurssilla vaaditut kartat sain kurssilla annettujen ohjeiden ja muiden opiskelijoiden neuvojen avulla tehtyä. Jotkut tosin onnistuneemmin kuin toiset, sillä monesti huomasin parannuksen mahdollisuuksia vasta karttoja jälkeenpäin tarkasteltuani. Toki pieniä muutoksia tein vielä karttoihin jälkikäteenkin. 

Lähteet: 

• Lipas.fi (6.3.2021)LIPAS – Liikuntapaikat
• Mattila, L (24.3.2021) “Omia karttoja väestön ikääntymisestä”Lotta Mattilan blogi – Kyllä tämä tästä (helsinki.fi)
• Tilastokeskus (7.3.2021)Tilastokeskus
• Turkki, E (24.3.2021) “Viimeistä kertaa Qgis! (tällä erää)”Eeron oma GIS-blogi – Tervetuloa mukaan matkalle geoinformatiikan ihmeelliseen maailmaan (helsinki.fi)

Aineiston keräämistä ja interpolointia

Kurssikerta alkoi mielenkiintoisesti, sillä ensimmäisenä tehtävänä oli kerätä lähialueelta aineistoa. Tavoitteena oli epicollect5 sovelluksen avulla kerätä vähintään 10 kohteen sijainti. Samalla oli tarkoitus myös vastata muutamaan turvallisuuteen ja viihtyisyyteen liittyvään kysymykseen. Kaikkien keräämät pisteet koottiin yhteen ja niitä oli tarkoitus sitten QGIS-ohjelmassa tarkastella. Vastauksia kysymyksiin oli tarkoitus visualisoida kartalle, joka onnistui melko vaivattomasti. Väriskaalaan piti kuitekin kiinnittää huomiota, jotta se kuvasi pisteiden ominaisuuksia riittävän hyvin.

Kerättyjen aineistojen pohjalta oli tarkoituksena interpoloida kartta, joka havainnollistaa kohteiden ominaisuuksia. Alueiden viihtyisyyttä arvioitiin asteikolla 1-5, jossa 5 tarkoitti viihtyisintä aluetta. Kurssikerralla tehtyjen karttojen avulla oli tarkoitus sekä oppia uutta QGIS-ohjelman käytöstä että hieman tutkia eri alueiden eroja koetussa turvallisuudessa ja viihtyisyydessä. Yleisenä huomiona nousi se, että opiskelijat ovat kokeneet monet alueet melko turvallisina. Ville Väisäsen blogissa on esitettynä hieno havainnollistava kuva Malmin alueelta ja hyvää pohdintaa alueiden välisistä eroista viihtyisyydessä.

Hasardeja

Itsenäisenä tehtävänä oli etsiä hasardeista tietoa ja tehdä havainnollistavia karttoja. Karttojen ideana oli toimia tuntiopetukseen soveltuvina materiaaleina, jonka vuoksi niiden onnistumista oli myös tärkeä kyetä arvioimaan. Eli teoreettisesti tavoitteena oli luoda materiaalia, jota ehkä voisi tosielämässä hyödyntää. Tutkittavia hasardeja olivat tulivuoret, maanjäristykset ja meteoriitit. Päädyin itse keskittymään lähinnä tulivuoriin ja maanjäristyksiin. Päädyin tekemään kummastakin hasardista kaksi hieman erilaista karttaa.

Tein QGIS-ohjelmaa hyödyntäen kartan, joka kuvaa vuosina 1990-2012 tapahtuneita yli 6 magnitudin järistyksiä (kuva 1.). Tiedot on haettu sivustolta Northern California Earthquake Data Center. Kartassa näkyvät ruskeat pisteet kuvaavat alueita, joilla historiassa on järistyksiä sattunut.  Suuri osa maanjäristyksistä on sattunut litosfäärilaattojen saumakohdissa, alityöntövyöhykkeillä. Tyynellä valtamerellä sijaitsee Tyynenmeren tulirenkaaksi kutsuttu alue, jonka alueella järistyksiä on sattunut huomattavasti muuta maapalloa enemmän.

Kuva 1. Maapallolla vuosina 1990-2012 sattuneet yli 6 magnitudin maanjäristykset.

Ensimmäisen maanjäristyksistä tekemäni kartan tiedot rajoittuvat vain vuoteen 2012 asti. Tämän vuoksi halusin tehdä samasta aiheesta toisen kartan, joka kuvaa 2000- luvulla tapahtuneita eli hieman uudempia maanjäristyksiä. Tein siis kartan, joka kuvaa vuosina 2000-2020 tapahtuneita yli 6 magnitudin järistyksiä (kuva 2). Tiedot kyseiseen karttaan on haettu sivustolta USGS.

Halusin hieman verrata onko maanjäristyksien sijainneissa tapahtunut vuosien saatossa muutoksia. Suuria muutoksia ei ole karttojen perusteella havaittavissa, mikä johtuu todennäköisesti siitä, että järistyksiä sattuu lähinnä litosfäärilaattojen reunoilla ja litosfäärilaattojen vuosittainen liike on melko vähäistä. 

Maanjäristyksiä kuvaavat kartat vaikuttavat mielestäni melko hyvin onnistuneilta. Pohjoisnuoli ei ehkä ollut paras mahdollinen lisäys karttaan ja yhdessä kartassa olisi ehkä voinut kuvata useampaa ilmiötä. Tutkin hieman muiden opiskelijoiden blogeja ja huomasin Ville Väisäsen jättäneen kartoistaan ainakin pohjoisnuolen pois. Ville on mielestäni hyvin pohtinut pohjoisnuolen merkitystä niinkin ihmisille tunnetussa asiassa kuin maailmankartassa.

2000-luvulla on tapahtunut kartan mukaan todella paljon yli 6 magnitudin maanjäristyksiä, jonka vuoksi aloin hieman pohtimaan kartan todenmukaisuutta. Kuitenkin kartat mielestäni kuvaavat kohtuullisen hyvin magnitudiltaan voimakkaiden maanjäristyksien sijaintia ja varsinkin karttoja verratessa litosfäärilaattoihin voi huomata, että järistyksiä harvemmin tapahtuu kaukana laattojen reunasta. 

Kuva 2. Maapallolla vuosina 2000-2020 tapahtuneet yli 6 magnitudin maanjäristykset.

Tein maanjäristyksiä kuvaavien karttojen lisäksi muutaman tulivuorten purkauksia kuvaavan kartan. Keskityin kartoissa purkauksiin, jotka ovat vaatineet kuolonuhreja. Ensin tein kartan, joka kuvaa tulivuorenpurkauksia, joissa on kuollut yli 1000 ihmistä (kuva 3.). Kartasta on havaittavissa, että suuri osa näistä tuhoisista purkauksista on tapahtunut Väli-Amerikan ja Indonesian lähettyvillä.

Kuva 3. Historiassa tapahtuneet tulivuorenpurkaukset, joissa on kuollut yli 1000 ihmistä.

Tein myös kartan, joka kuvaa historiassa tapahtuneita tulivuorenpurkauksia, joissa on kuollut vähintään 1000 ihmistä ja joihin on liittynyt tsunami (kuva 4.). Tsunameja syntyy vain voimakkaiden meren lähialueilla tapahtuvien järistysten seurauksena, joka selittää pisteiden sijaintia lähellä merta. Tulivuoren purkauksen on ollut oltava tarpeeksi raju, jotta järistys on nostattanut tsunamiaaltoja. Tällaisia tulivuorenpurkauksia on kartan mukaan sattunut varsinkin lähellä indonesiaa ja Uutta-Guineaa.

Tulivuorten purkauksia kuvaavat kartat onnistuivat mielestäni kohtuullisen hyvin, sillä kartat ovat selkeät. Toisaalta kartoissa on melko vähän pisteitä, sillä rajasin haluamani tiedot melko tarkasti. Kartat siis antavat vain melko rajatusti tietoa eivätkä sovellu kovin koko maapallon kaikkien tulivuortenpurkausten tutkimiseen. Karttojen avulla voi kuitenkin käydä hieman läpi alueita, joilla on sattunut tuhoisimpia tulivuorenpurkauksia ja yrittää pohtia syitä ihmisuhrien määrään. 

Kuva 4. Historiassa tapahtuneita tulivuorenpurkauksia, joihin on liittynyt tsunami ja vähintään 1000 kuolonuhria. 

Tekemieni karttojen avulla voi opettaa, jonkin verran tulivuorista ja maanjäristyksistä. Kartat kuitenkin jossain määrin kuvaavat myös litosfäärilaattoja ja niiden reuna-alueita, sillä sekä tulivuoria että maanjäristyksiä tapahtuu eniten litosfäärilaattojen reunoilla. Litosfäärilaatoista on löydettävissä lisää tietoa ja kuva Britannica sivustolta.

Tekemäni kartat kuvaavat vain pientä osaa maapallolla tapahtuvista hasardeista. Karttojen avulla ei pysty opettamaan mitään esimerkiksi pyörremyrskyistä. Yleisesti hasardeista opettamiseen saatettaisiin siis tarvita karttaa, jossa on esitettynä useampi hasardi. Nettiä selaillessani törmäsin julkaisuun “Nathan world map of natural hazards”, jossa on esitettynä kartalla hyvin monipuolisesti luonnon hasardeja.

Myös muiden opiskelijoiden blogeissa on nähtävillä hienosti erilaisia hasardeja kuvaavia karttoja. Aino Schulzin blogissa on esimerkiksi karttoja, jotka kuvaavat itsekkin tutkimiani aiheita kuten maanjäristyksiä, tulivuoria ja tsunameita. Aino on esittänyt monessa kartassaan useampaa ilmiötä, joka on mielestäni todella toimiva ratkaisu. 

Lähteet:

• Britannica (5.3.2021) “Plate tectonics”

Plate tectonics – Island arcs | Britannica

• Nathan world map of natural hazards (5.3.2021)

https://catalogue.unccd.int/Map_NATHAN%20-%20World%20map%20of%20natural%20hazards.pdf

• Noaa, National centers for environmental information (6.3.2021)

NCEI Hazard Volcano Event Search (noaa.gov)

• Northern California Earthquake Data Center (4.3.2021)

Historic ANSS Composite Catalog Search (ncedc.org)

• Schulz, A (19.3.2021) “Kuudes luento ja itsenäistehtävä“

Ainon kurssiblogi | MAA-202 (helsinki.fi)

• USGS, Earthquake Hazards Program (4.3.2021)

Search Earthquake Catalog (usgs.gov)

• Väisänen, V (2.3.2021) “Interpolointia ja hasardeja”

Interpolointia ja hasardeja – Villen GIS-blogi (helsinki.fi)

Kurssikerralla harjoittelimme bufferointia. Rajasimme Pornaisten alueella sijaitsevan koulun ympäriltä kilometrin säteeltä alueen, jolta tarkastelimme rakennusten määrää. Bufferointi oli melko helppoa, mutta itselläni tasot katosivat kun suljin ohjelman, vaikka olin mielestäni ne oikein tallentanut. Toinen kurssikerralla tehty harjoitus koski Pornaisten alueen teitä. Harjoittelimme siis myös teiden bufferointia, jossa itselläni tuotti haasteita se, että käytössäni oli ilmeisesti eri versio QGIS-ohjelmasta kuin muilla opiskelijoilla. Tämä on tuottanut lieviä haasteita aiemminkin, mutta jos jotain hyvää pitää keksiä, niin ainakin on joutunut itsenäisesti myös hieman tutkimaan ohjelman toimintoja. 

Itsenäiset tehtävät 1 ja 2

Itsenäisesti tarkoituksena oli lähinnä hioa QGIS-ohjelman käyttöä. Uudempia asioita kuten bufferointia oli myös tehtävissä hieman harjoiteltava. Tehtävät olivat mielestäni suureksi osaksi melko haasteellisia, mutta ensimmäiset lentokenttiin liittyvät tehtävät sujuivat ongelmitta. Onnistuin tehtävien tekoon käyttämään todella paljon aikaa, joka johtuu todennäköisesti siitä, että osa QGIS-ohjelmiston toiminnoista oli jo ehtinyt viikkojen kuluessa itseltäni unohtumaan. Jouduin siksi tehtäviä tehdessäni katsomaan uudestaan ohjeita aiemmilta kurssikerroilta ja muiden blogeista. Saamani vastukset kokosin taulukkoon (taulukko 1.), mutta kaikki vastaukset eivät välttämättä ole täysin oikein. Siksi taulukkoa kannattaa ehkä katsella vain suuntaa antavana. 

En ollut aivan varma asutusta käsittelevissä tehtävissä siitä, että olisiko minun pitänyt ottaa tiedot kohdasta “count” vai “sum”. Otin tiedot kohdasta jossa ne oli laskettu yhteen, sillä näin monet muut ovat omissa kurssiblogeissaan ilmeisesti tehneet. Parissa kohdassa epäilin hieman saamiani vastauksia sillä ne poikkesivat hieman muiden opiskelijoiden saamista tuloksista. Tämä on jossain määrin normaalia, sillä ihmiset ovat saattaneet rajata alueet hieman eri kokoisiksi. Pääasiassa vastaukseni kuitenkin ovat melko samanlaisia kuin muilla opiskelijoilla. Muutamaan tehtävään en kuitenkaan saanut järkevän kuuloista vastausta, jonka vuoksi en niitä taulukkoon kirjoittanut. Tähän syynä on saattanut olla esimerkiksi tehtävän ymmärtäminen väärin tai QGIS-ohjelmalla sähläys. 

Kouluikäisten määriä tutkittaessa haasteen itselleni aiheutti se, että lasketaanko kouluikäisiksi minkä ikäiset lapset. Päädyin laskemaan kouluikäisiksi kaikki 7-16 vuotiaat. Tehtävä oli itselleni myös muuten melko haastava, sillä QGIS halusi jostain syystä koko ajan kaatua. Sain lopulta laskettua jotain arvoja, joiden totuudenmukaisuutta tosin aluksi paljon kyseenalaistin. Halusin hieman vertailla saamiani vastauksia muiden opiskelijoiden kanssa. Päädyin tutkailemaan Rasmus Sohlmanin blogia ja totesin kouluikäisiä koskevan tehtävän vastauksien olevan melko samankaltaiset. Ehkä siis sain jotakin myös tehtyä lopulta oikein. Ulkomaalaisten osuutta koskevaa tehtävää en saanut loppuun asti tehtyä. Lähestyin ilmeisesti tehtävää jotenkin väärin, sillä saamani tulokset eivät kuulostaneet kovinkaan järkeviltä.

Itsenäinen tehtävä 3

Viimeisessä tehtävässä oli hieman valinnanvaraa. Päädyin tutkimaan pääkaupunkiseudun uima-altaita ja saunoja. Aluksi piti selvittää rakennusten määrä, joissa on uima-allas. Tähän vastauksen löysi helposti katsomalla statistics panelista uima-altaiden määrän. Itselläni tuli vastaan taas epätietoisuus siitä, että tuleeko arvot ottaa kohdasta ”count” vai ”sum”. Otin taas arvot kohdasta, jossa ne on laskettu yhteen. 

Seuraavana ongelmana olivat invalid geometry ilmoitukset. Katsoin apuja Annika Innasen ja Ilari Leinon blogista. En jostain syystä saanut kuitenkaan ohjeilla ongelmaa korjattua, vaikka kummankin blogissa hyvät ratkaisut ongelmaan oli esitetty. Syynä saattaa olla se, että itselläni on käytössä eri versio QGIS-ohjelmasta tai sitten se, että oma ongelmani on jossakin muualla kuin luulin. Kolmisen tuntia ongelman kanssa taisteltuani tulin siihen tulokseen, että omat taitoni eivät riitä tehtävän jatkamiseen. 

Päätin tästä syystä tehdä vielä Helsingin yhtenäiskouluun liittyviä tehtäviä. Tehtävä sujui muuten melko hyvin, mutta en ihan hahmottanut mitä tehtävässä tarkoitettiin yläasteikäisillä. Tarkoittaako se uusia ylä-asteelle tulevia opiskelijoita vai kaikkia yläaste opiskelijoita. Laskin tästä syystä tehtävän kummallakin tavalla. 

Rajasin aluksi kyseisen koulupiirin alueen. En ihan muistanut miten tämä olisi pitänyt oikeaoppisesti toteuttaa, joten hieman sovelsin. Tein koulupiirien tasosta kopion, josta poistin kaikki muut koulupiirit kuin yhtenäiskoulun piirin. Tämän jälkeen selvitin rajaamallani alueella olevat pks_vaki pisteet eli alueen asukkaat (extracted location). Sen jälkeen tiedot keräsin vain suoraan statistics taulukosta. Vertailin hieman saamiani tuloksia Rasmuksen tuloksiin, sillä lähestymistapani oli hieman ehkä kyseenalainen. Uusien opiskelijoiden määrää koskevasta tehtävästä olimme saaneet saman arvon, mutta muuten vastauksemme hieman erosivat toisistaan. Tähän voi vaikuttaa se, että minkä ikäiset laski yläasteikäisiksi opiskelijoiksi.  Rasmus oli ilmeisesti laskenut 12-vuotiaiden määrää kun taas minä olin katsonut 13-vuotiaiden määrä.

 

Asukkaiden määrä 2 km etäisyydellä Malmin lentokentästä	58891
Asukkaiden määrä 1 km etäisyydellä Malmin lentokentästä	9100
Asutuksen määrä alle 2 km etäisyydellä Helsinki-Vantaan lentokentästä	10 612
Helsinki-Vantaan lentokentän melualueella 65 dB asuvien prosenttiosuus 2 km etäisyydellä alueesta sijaitsevista asukkaista	noin 0,5% ?
Vähintään 55 dB melualueella asuvien ihmisten vähimmäismäärä (Helsinki-Vantaan lentokenttä)	11923
60 dB lentomelu, poikkeuksellinen laskeutumissuunta	12 933?
Lähimmästä asemasta alle 500 metrin päässä olevat asukkaat	111 765
Paljon asukkaita asuu alle 500 metrin päässä lähimmästä asemasta prosentteina kaikista alueen asukkaista	pyöristettynä noin 22%
Työikäisten määrä alle 500 metrin päässä asemasta asuvista asukkaista	pyöristettynä noin 68 %
Taajamissa asuvien määrä prosentteina	pyöristettynä noin 96%
Koululaisten määrä taajamien ulkopuolella prosentteina (7-16 v)	pyöristettynä noin 4 %
Pääkaupunkiseudun rakennukset joissa on uima-allas	855
Helsingin yhtenäiskouluun tulevien uusien opiskelijoiden määrä	14
Helsingin yhtenäiskouluun tulevien yläasteikäisten määrä (13 vuotiaat)	21
Helsingin yhtenäiskoulun yläasteikäisten määrä (13-16 vuotiaat)	88
Kouluikäisten (7-16 vuotiaiden) osuus yhtenäiskoulun koulupiirin asukkaista	10,29…% pyöristettynä noin 10%

Taulukko 1. Itsenäisten tehtävien vastauksia.

QGIS-ohjelman käyttö

Totesin tehtäviä tehdessäni sen, että itse QGIS-ohjelman käyttäminen sujui suureksi osaksi ongelmitta. Suurimman ongelmia tuotti se, että itselläni oli käytössä jokin eri versio ohjelmasta, kuin mitä käytettiin kurssikerroilla.

Tehtävien tekoon meni itselläni useampi päivä aikaa, sillä osa ohjelmiston käyttöön liittyvistä asioista oli jo ehtinyt hieman unohtumaan. Oma ongelmani itsenäisissä harjoituksissa oli se, että en osannut heti lähestyä tehtäviä oikein. Koululaisia koskevissa tehtävissä ongelmanani oli myös hieman se, että en täysin ymmärtänyt mitä halusin edes QGIS-ohjelman avulla aineistoista selvittää. En siis osannut määrittää mitä tietoa halusin kerätä ja mistä. 

Osaan nyt kuitenkin tuoda vektori, rasteri ja tekstimuotoisia aineistoja sujuvasti QGIS-ohjelmaan. Osaan säätää värejä ja jakaa tietoja luokkiin. Bufferointi ja alueiden valitseminen sijainnin perusteella sujuvat nyt melko hyvin. Myös scratch layerien luominen on yleensä melko vaivatonta. Omana ongelmanani on kuitenkin taulukoihin itse uuden tiedon tuottaminen ja itse luomieni tasojen tallentaminen. QGIS on ohjelmana toimiva, mutta sen käyttö vaatii harjoitusta. Eniten ohjelman käyttöä mielestäni siis rajoittaa käyttäjän taidot, sillä ohjelma itsessään ei juurikaan opasta käyttäjää. QGIS ei myöskään auta käyttäjää juurikaan mahdollisten virheiden ratkaisemisessa. Suhteessa ensimmäisiin kurssikertoihin on kuitenkin paljon uutta taitoa ohjelman käytöstä kertynyt, jonka vuoksi karttojen teko alkaa olemaan jo ihan hauskaa puuhaa. 

Lähteet: 

• Innanen, A (8.3.2021) “Harjoitus 5: SOS, help, apua! (Ja uima-allas- ja saunakarttoja PK-seudulta)”

Annikan GIS-blogi – Just another GEM 2021 blog (helsinki.fi)

• Leino,I (8.3.2021) “Viides kurssikerta”

Viides kurssikerta – Ilarin Maantiedostusblogi (helsinki.fi)

• Sohlman, R (5.3.2021) “Viides kurssikerta: puskurianalyysit”

Rasmuksen GEM-kurssiblogi (helsinki.fi)

Ruutukartat

Kurssikerta aloitettiin pääkaupunkiseudun ja sen asutuksen tarkastelulla. Pääkaupunkiseudun tarkastelun tarkoituksena oli myös harjoitella ruutukartan tekemistä QGIS-ohjelmassa. Käytössämme oli melko valmis aineisto, josta piti vain rajata tutkittava alue ja tehdä ruudut.

Kurssikerralla teimme yhdessä harjoituksena ruutukartan, joka kuvaa ruotsinkielisten määrää pääkaupunkiseudulla (kuva 1.). Tiedot on kerätty ruutuihin, joiden suuruus on 1 km x 1 km. Päätin hyödyntää kartassa viittä luokkaa, jotta kartta pysyisi helposti luettavana. Mitä lähemmäksi valitsemani väriskaalan värit menevä punaista, sitä enemmän ruudussa asuu ruotsinkielistä väestöä. Sininen väri kuvaa puolestaan ruutuja, joissa ruotsinkielisten asukkaiden määrä on pienempi. Tilastokeskuksen mukaan olisi arvoja viisaampi esittää yhden värisävyn tummusasteilla, jotta kartta olisi helposti kaikille luettavissa. Noudatin tätä ohjetta muissa tekemissäni kartoissa, mutta jätin vertailun vuoksi ruotsinkielisiä kuvaavan kartan ennalleen. Tärkeää on kartasta huomata, että värit eivät kerro prosentuaalisesti ruotsinkielisten osuudesta koko ruudun väestöön verrattuna. Mitä tiheämpää asutusta alueella siis on, sitä enemmän siellä voi asua ruotsinkielistä väestöä. 

Kuva 1. Ruutukartta ruotsinkielisten määrästä pääkaupunkiseudulla, jossa ruutujen koko on 1km x 1km.

Itsenäisesti oli tarkoitus vielä tutustua hieman lisää ruutukarttoihin. Päädyin siis tekemään vielä kaksi hieman erilaista kartta. Näistä kartoista ensimmäinen kuvaa ulkomaan kansalaisten määrää pääkaupunkiseudulla (kuva 2.). Luokkia on tässä sama määrä kuin ruotsinkielisiä kuvaavassa kartassa. Myös ruutukoko on sama 1 km x 1 km. Erona yhdessä kurssikerralla tekemään karttaan on valitsemani väriskaala. Mitä vaaleampi ruudun väri on, sitä vähemmän sen alueella asuu ulkomaan kansalaisia. Puolestaan mitä tummempaan lilaan mennään, sitä enemmän sen ruudun alueella asuu ulkomaan kansalaisia. Kartalla on edelleen esitettynä absoluuttisia arvoja, joka on otettava huomioon karttaa tulkitessa.

Toinen ero oli kartan toteuttamisessa. Onnistuin aluksi saamaan joihinkin ruutuihin todella suuria lukuarvoja, jotka johtuivat siitä, että en ollut yhtään siistinyt taulukoita etukäteen. Joiltakin alueilta ei nimittäin ollut kerättyä tietoa tai sitä ei jostain syystä haluttu esittää. Näille alueille oli annettu erittäin suuret lukuarvot, jotka siis poistin taulukosta, jotta kartassa ei esiintyisi virheellisiä arvoja.

Ulkomaan kansalaisia kuvaavasta ruutukartasta voidaan jossain määrin saada tietoa siitä, missä asuu eniten ulkomaan kansalaisia. Helsingin eteläosissa asuu yhden ruudun alueella melko paljon enemmän ulkomaan kansalaisia kuin pääkaupunkiseudun pohjoisosissa. Alueita ei kuitenkaan voida täysin verrata keskenään, sillä alueilla on erilaiset asukastiheydet. 

Kuva 2. Ruutukartta, joka kuvaa ulkomaan kansalaisten määrää pääkaupunkiseudulla. Kartassa käytetyt ruudut ovat 1km x 1km kokoisia. 

Lueskelin hieman Annika Innasen blogia, jossa on tehtynä myös eri ruutukoon karttoja. Tästä innostuneena halusin tarkastella minkälainen ruutukartasta tulisi pienemmillä ruuduilla. Tein siis kartan, joka kuvaa muunkielisten määrää pääkaupunkiseudulla (kuva 3.). Muunkielisyys tarkoittaa tässä tilanteessa alueen asukkaita, jotka puhuvat äidinkielenään muuta kuin suomea tai ruotsia. Tekemässäni kartassa ruutujen koko on vain 0,5 km x 0,5 km. Tämä ruutujen koko ei ole kuitenkaan Tilastokeskuksen mukaan käytössä vakiintunut. 

Pienempi ruutuisen kartan teko oli lähes yhtä vaivatonta kuin 1 km x 1km ruutuisen kartan, mutta kaikissa laskuissa ja toiminnoissa vain meni hieman enemmän aikaa. Kartasta on havaittavissa, että muunkielisten määrät vaihtelevat pääkaupunkiseudun alueella melko paljon. Mitä punaisempi on kartassa ruudun väri, sitä enemmän sen alueella asuu muunkielistä väestöä. 

Kuva 3. Muuta kieltä kuin ruotsia tai suomea äidinkielenään puhuvien lukumäärä Pääkaupunkiseudun alueella. Ruutukartan ruutujen koko on 0,5 km x 0,5 km.

Tapio Turpeinen on blogissaan tutkinut ruutukarttojen avulla asukkaiden iän keskiarvoja ja talojen rakentamisvuosien keskiarvoja. Oli mielenkiintoista lukea hieman erilaisista kartoista pohdintoja ja suosittelen kovasti, jos haluaa näistä aiheista lukea hyvää pohdintaa. Emmi Aarrelahden blogissa puolestaan on tutkittu melko kattavasti 18-vuotiaiden osuutta pääkaupunkiseudun asukkaista. Mielestäni oli järkevä veto tehdä kartta, jossa tiedot ovat prosentteina, sillä alueiden vertailu keskenään on hieman helpompaa. Aarrelahden blogissa on monta eri ruutukoolla tehtyä ruutukarttaa, joita kannattaa käydä vilkaisemassa.

Lisää pohdintaa 

Kaikissa tekemissäni ruutukartoissa on hyödynnetty absoluuttisia arvoja. Absoluuttiset arvot kyllä kertovat sen, että paljon määrällisesti jotakin on tietyllä alueella. Absoluuttisia arvoja vain on hieman haastavaa vertailla keskenään. Tekemissäni kartoissa pieni haaste saattaa olla myös värien tulkitseminen (varsinkin ruotsinkielisten määrää kuvaavassa kartassa). 

Ruutukartat ovat esitystapana melko selkeitä, mutta jotkin teemakartoista voivat kuvata joitakin ilmiöitä paremmin. Esimerkiksi pisteteemakarttaan verrattuna ruutukartta mielestäni kuvaa selkeämmin varsinkin hieman pienemmän alueen väestöön liittyviä ilmiöitä. Ruutukartta pystyy esittämään absoluuttisia arvoja järkevästi toisin kuin esimerkiksi koropleettikartta. Koropleettikartat ovat kuitenkin mielestäni usein mukavimpia lukea, sillä alueet ovat yleensä hieman pyöreämpiä ja tiettyä arvoa kuvaavan alueen koko voi vaihdella tarpeen mukaan. 

Rasteriaineistot

Kurssikerralla tutustuimme siis myös rasteriaineistoihin. Rasteriaineistot koostuvat pikseleistä, jotka ovat keskenään tasakokoisia ruutuja. Tutkimme Pornaisten aluetta, josta meillä oli käytössämme erilaisia rasteriaineistoja ja jonkinlainen peruskartta. Harjoittelimme rasteriaineistojen tuomista QGIS-ohjelmaan, joka oli omasta mielestäni melko yksinkertaista. Harjoittelimme myös rasteritasojen liittämistä toisiinsa, joka puolestaan tuotti itselläni alussa vaikeuksia. Valmiiksi saatuja rasteriaineistoja hyödynsimme korkeuskäyrien tutkimisessa. Teimme siis Pornaisten alueelle korkeuskäyrät ja harjoittelimme rinnevarjostuksen lisäämistä. Sekä rasteriaineistojen kanssa toimiminen että korkeuskäyrien tekeminen sujui yllättävän hyvin, mutta onnistuin jossain välissä kurssi kerran jälkeen ajatuksissani sulkemaan QGIS-ohjelman. En ilmeisesti ollut muistanut tallentaa oikein kaikkia väliaikaisia tasoja, sillä seuraavalla kerralla aineistoa avatessani QGIS valitti ongelmasta itse aiemmin luomissani tasoissa. 

Omalla ajalla tehtäväksi jäi lisää QGIS-ohjelman opettelua Pornaisten aluetta hyödyntäen. Rajasimme kartasta alueen, johon oli tarkoitus itse digitoida kohteita. Tarkoituksena oli digitoida alueen suurimmat tiet ja asuinrakennukset. Olen ennenkin digitoinut samanlaisia kohteita mutta eri ohjelmassa (Corel Draw). Rakennusten digitoiminen oli helppoa, joskin hieman puuduttavaa niiden suuren määrän vuoksi. Teiden digitoimisessa itselläni oli pieniä haasteita aluksi, koska käytössäni ei ollut hiirtä. Tämä johti aluksi moniin virheellisiin pätkiin tietä, joita en osannut poistaa. Lopulta lähes kaikkea kokeiltuani onnistuin muuttamaan tekemiäni teitä ja korjaamaan pahimmat virheet. Aikaa olisi tässä säästynyt taas huomattavasti, jos olisin katsonut uudestaan nauhoituksen kurssikerralla opetetuista asioista. Toisaalta ehkä oli ihan hyvä myös joutua itse etsimään ratkaisuja kohdattuihin ongelmiin, sillä ohjelmiston käyttö tuli ainakin hieman tutummaksi. 

Lähteet:

• Aarrelahti, E (20.2.2021) “Ruututeema- ja rasterikartta -molemmissa ruutuja, mutta hiukan eri tavoin“

Matkani Geoinformatiikan menetelmät 1 -kurssilla | MAA-202, Kevät 2021 (helsinki.fi)

• Innanen, A (20.2.2021) “Harjoitus 4: Väestöteemartta ruutuaineistosta”

Annikan GIS-blogi – Just another GEM 2021 blog (helsinki.fi)

• Tilastokeskus, Tilastoteemakartat (21.2.2021) “4.3 Ruutukartta”

Tilastokoulu (stat.fi)

• Turpeinen, T (20.2.2021) “4: Ruuduista rastereihin”

4: Ruuduista rastereihin – Tapion kurssiblogi (helsinki.fi)

Afrikan kartan tutkimista

Kurssikerta 3 aloitettiin tarkastelemalla hieman Afrikan karttaa ja yhdistelemällä erilaisia kohteita QGIS-ohjelmassa (kuva 1. ). Tutkimme kartan avulla öljykenttien ja timanttikaivosten vaikutusta alueen konflikteihin vuosien saatossa. Jonkinlaista yhteyttä vaikutti näiden asioiden välillä olevan, sillä konflikteja oli huomattavasti enemmän timanttikaivosten ja öljykenttien alueilla. Havaittavissa oli kuitenkin myös alueita, joilla konflikteja oli suhteellisen vähän vaikka alueella sijaitsi timanttikaivos. 

Kurssikerralla tehdyn kartan avulla voidaan myös tarkastella yleisesti timanttikaivosten ja öljykenttien esiintymistä Afrikassa. Kartasta voidaan havaita timanttikaivoksia olevan vähemmän Afrikan pohjoisosissa. Afrikan pohjoisosissa sijaitsee kuitenkin suurin osa mantereen öljykentistä. Konflikteja puolestaan on lähes joka puolella Afrikkaa. Vähemmän konflikteja on kuitenkin tapahtunut Afrikan eteläisemmissä osissa. 

Päädyin muiden blogeja lukiessani vielä tutkimaan hieman Afrikan internetin käyttöä. Pohdin olisiko sillä mahdollisesti mitään yhteyttä timanttikaivoksiin, öljykenttiin tai alueen konflikteihin. Hieman samoja asioita olivat tarkastelleet Ville Väisänen ja Martta Huttunen. Huttunen esittää blogissaan mielenkiintoisen kysymyksen siitä, että onko internetillä vaikutusta konfliktien määrään tietyillä alueilla. Afrikka on kuitenkin suureksi osaksi melko köyhä maa, joten internetiin ei välttämättä kaikilla ole varaa. Internet vaikuttaa myös suuresti tiedon liikkumiseen, joka voi ehkä ehkäistä tai lisätä konfliktien riskiä. Huttunen oli myös hyvin pohtinut asekaupan suhdetta internettiin. Onko aseiden myyminen netin välityksellä siis mitenkään yhteydessä Afrikan konflikteihin? Väisänen oli kuitenkin karttaa tarkasteltuaan todennut, että merkittävää yhteyttä konfliktien ja internetin välillä ei vaikuttaisi olevan. Internet on kuitenkin verrattain melko tuore ilmiö, joten sen kaikki vaikutukset eivät ehkä ole vielä selkeästi esillä.

Kuva 1. Afrikan kartta, johon merkittynä konflikteja, timanttikaivoksia ja öljykenttiä.

Tulvaindeksikartta ja järvisyysprosentti

Itsenäisesti oli kurssikerran jälkeen tarkoitus tehdä tulvaindeksikartta (kuva 2.). Saatavillamme oli lähes valmis aineisto, jonka pystyi suoraan avaamaan QGIS-ohjelmassa. Järvisyysprosentit piti kuitenkin itse liittää aineistoon. Aineistojen liittämistä oli kuitenkin harjoiteltu jo aiemmin, joten se alkoi sujumaan jo melko hyvin. Pientä haastetta kuitenkin alussa tuotti Excel-tiedoston tallentaminen oikeassa muodossa, sillä oma Excelini oli vielä suomenkielinen. Tulvaindeksit puolestaan saatiin jakamalla keskiylivirtaama keskialivirtaamalla. Tulvaindeksin määritelmä on vielä tarkemmin avattu Roosa Harmosen blogissa. 

Karttaa tehdessä oli mietittävä tulvaindeksille sopivat värit. Päädyin kuvaamaan tulvaindeksiä lilan eri sävyillä. Myös luokkajakoa oli hieman mietittävä, jotta kartasta ei tulisi epäselkeä. Päädyin vain neljään luokkaan, sillä se mielestäni kuitenkin kuvasi ilmiötä riittävän hyvin. Otin kartasta pois joet ja järvet, sillä ne tekivät lopputuloksesta hyvin epäselvän näköisen kuten Annika Innanenkin oli huomannut kartoissaan tehdä. 

Kartasta on selkeästi havaittavissa, että valuma-alueiden tulvaindeksit ovat suurimpia Suomen länsi- ja eteläosissa. Pohjoisessa ja lännessä tulvaindeksit ovat huomattavasti matalammat. Mitä tummempi siis lila kartalla milläkin alueella on, sitä suurempi on kyseisen alueen tulvaindeksi.

Kuva 2. Valuma-alueiden tulvaindeksit

Tulvaindeksi kartan lisäksi haluttiin hieman tarkastella alueiden järvisyysprosentteja. Tässä vaiheessa piti viimeistään tuoda Excelistä järvisyys tiedosto. Samalla tuli laskea maapinta-ala, jotta piirakka diagrammit saatiin lisättyä kartalle. En itse lukenut tässä vaiheessa ohjeita, joten en jostain syystä älynnyt maapinta-alaa laskea heti alussa. Sain siis aikaan aluksi vain sinisiä ympyröitä. Roosa Harmonen oli esittänyt järvisyyttä juurikin tällaisten yksiväristen ympyröiden avulla. Se oli esitystapana kohtalaisen selkeä, mutta päädyin kuitenkin lisäämään myös maapinta-alan.

Tulvaindeksejä ja järvisyysprosenttia kuvaavasta kartasta tuli kohtuullisen siisti, vaikkakin diagrammien kokoa olisi ehkä voinut vielä säätää (kuva 3.). Valitsin diagrammeissa sinisen värin kuvaamaan alueen järvisyyttä ja ruskean maapinta-alaa. Pohjalla on sama tulvaindeksi kartta, jonka esittelin jo aiemmin (kuva 2.).

Kuva 3. Valuma-alueiden tulva indeksit ja järvisyysprosentit.

Kartasta pystyy siis lukemaan alueiden tulvaindeksejä ja järvisyysprosentteja. Järvisyysprosentteja on myös melko helppo vertailla keskenään, jos siihen on tarvetta. Roosa Harmonen oli blogissaan huomannut myös selittää mitä järvisyysprosentti ylipäätään tarkoittaa. Ymparisto.fi sivuston mukaan järvisyysprosentilla tarkoitetaan järvien pinta-alan prosentuaalista suhdetta koko valuma-alueen pinta-alaan. Se siis kuvaa kuinka paljon pinta-alasta valuma-alueilla järvet vievät. 

Lähteet: 

• Harmonen, R (15.2.2021) “Kolmas kurssikerta-konflikteja ja tulvaindeksejä”

Roosa Harmonen – Geoinformatiikan menetelmät 1 (helsinki.fi)

• Huttunen, M (15.2.2021) “Harjoitus 3: Tiedon tuonnin tulvaa”

Martan kurssiblogi – Geoinformatiikan menetelmät 1 (helsinki.fi)

• Innanen, A (15.2.2021) “Harjoitus 3: Tulvaindeksikartta”

Annikan GIS-blogi – Just another GEM 2021 blog (helsinki.fi)

• Väisänen, V (15.2.2021) “Suomen valuma-alueita ja Afrikan konflikteja”

Villen GIS-blogi – Kyllä siitä vielä kartta tulee (helsinki.fi)

• Ymparistö.fi, Ympäristöhallinnon yhteinen verkkopalvelu (15.2.2021)

Ymparisto > Tulvasanasto

Kurssikerralla 2 harjoittelimme lisää QGIS:sin käyttöä. Tutustuimme ohjelmasta löytyviin karttaprojektioihin ja vertailimme niitä keskenään. Karttaprojektioissa aina jotkin omianisuudet (pitudet, pinta-alat tai suunnat) vääristyvät, mutta eri projektioissa vääristymien suuruudet vaihtelevat. Vääristymien suuruus riippuu myös projektiossa riippuen siitä mitä kohtaa maapallosta tutkitaan.

Aloitimme projektioiden tutkimisen vertaamalla pinta-aloja ja etäisyyksiä, joita eri karttaprojektiot antoivat samalle Suomen kohdalle piirretylle viivalle ja alueelle. Tämän toteuttamisessa ilmeni itselläni haasteita, sillä projektiota vaihtaessa mittaukseni meinasivat aina kadota. Tähän samaan ongelmaan oli ilmeisesti myös Aino Schulz törmännyt ja ratkaissut sen tekemällä mittaukset uudestaan. Aino on myös hyvin havainnut syyn siihen, että miksi joskus projektiota vaihtamalla luvut pysyvät täsmälleen samoina. Oli siis huomattava tarkastella etäisyyksiä ja pinta-aloja tason pinnalla (cartesian), jotta mittaukset tehtiin projektion pohjalta eikä vain ellipsoidin pinnalta. Muutamissa projektioissa koko kartta tuntui katoavan kun yritin tehdä mittauksia. Joihinkin ongelmiin saattaa kuitenkin syynä olla se, että en tarkistanut käyttävätkö kaikki projektiot mittayksikköinä metrejä.

Sain kuitenkin aikaan jonkinlaisen taulukon muutamista mittauksista, joita suoritin eri projektioissa (kuva 1.). Projektioissa on selkeästi huomattavissa eroja saman viivan kuvaamassa etäisyydessä ja alueen pinta-aloissa. Etäisyyksiä tutkin vain itä-länsi suunnassa ja Suomen pohjoisimmissa osissa. Virheitä saattoi mittauksissa kuitenkin jonkin verran tapahtua, sillä QGIS ohjelmisto pyrki koko ajan poistamaan aikaisemmin tekemiäni mittauksia. Taulukossa lukevat arvot vaikuttaisivat kuitenkin melko luotettavilta, sillä Mercatorin projektion pinta-alat ja etäisyydet ovat huomattavasti TM35 projektiota suurempia (kuva 1.). Robinsonin projektiossa pinta-alat ja etäisyydet ovat myös hieman TM35 projektiota suurempia.

Mercatorin projektiolla pinta-alat Suomen kohdalla olivat moneen muuhun karttaprojektioon verrattuna valtavia. Mercator siis vääristää etäisyyksiä ja pinta-aloja huomattavasti Pohjoisessa. Karttaprojektion valinnassa tulee siksi kiinnittää huomiota sen ominaisuuksiin, jotta vääristymät eivät haittaa kartan tulkitsemista. Esimerkiksi Mercatorin projektiota hyödyntämällä ei saisi kovin luotettavaa tietoa Suomen pinta-aloista. Toisaalta jokin oikeapintainen projektio voisi sopia pinta-alojen tarkasteluun hyvin tarkoitukseen hyvin.Kuva 1. Taulukko etäisyyksien ja pinta-alojen mittauksista eri projektioissa ja projektioiden ominaisuuksista.

Jatkoimme projektioiden tutkimista vertaamalla kahta melko tunnettua projektiota TM35 projektiota ja mercatorin projektiota toisiinsa. Loimme kartan kuvaamaan vääristymien suuruuksia eri puolella Suomea. Mercatorin projektio vääristää pinta-aloja sitä enemmän mitä lähempänä maapallon napoja ollaan. Kyseisessä projektiossa pohjoiset alueet näkyvät todelliseen kokoonsa nähden liian suurina, mikä on havaittavissa tekemästämme kartasta (kuva 2.). 

Kartasta on havaittavissa se, että Mercatorin projektion antama pinta-ala on TM35 projektion antamaa pinta-alaa koko ajan suurempi ja ero vain kasvaa mitä pohjoisemmaksi Suomessa kuljetaan. Mercatorin pinta-alat ovat siis moninkertaisia TM35 projektioon verrattuna, joka on tärkeää huomata, jos mercatorin projektiota joskus Suomen alueella käytettäisiin. Virheet pinta-aloissa ovat mercatorin projektiossa Suomen kohdalla nimittäin melko suuret. 

Kuva 2. Mercatorin projektion pinta-ala verrattuna TM35 projektion pinta-alaan. 

Halusin myös itsenäisesti hieman tutustua Robinsonin projektioon. The Arthur H. Robinson Map Library sivustolla kerrotaan, että Robinsonin projektiossa on kaikenlaisia vääristymiä, mutta suureksi osaksi vääristymät ovat melko pieniä lähes kaikkialla kartan alueella. Vertasin Robinsonin projektiota TM35 projektioon ja huomasin pinta-alojen olevan melko lähellä toisiaan (kuva 3.). Karttaprojektioiden vertailussa hyödynsin siis QGIS ohjelmaa.

Päädyin kartassa kuuteen luokkaan, sillä ajattelin sen riittävällä tarkkuudella kuvaavan Robinsonin pinta-alaa verrattuna TM35 projektioon (kuva 3.). Sininen väri kuvastaa pienintä eroa Robinsonin ja TM35 projektioiden pinta-aloissa. Erot kasvavat sitä mukaan mitä punaisemmaksi väri muuttuu. Robinsonin projektion pinta-alat ovat siis TM35 projektion pinta-aloja sitä suurempia mitä pohjoisemmaksi Suomessa kuljetaan. Toisin kuin Mercatorissa on Robinsonin projektiossa pinta-alat kuitenkin vain 1-1,5 kertaisia TM35 projektion pinta-aloihin.

 

Kuva 3. Robinsonin projektion pinta-ala verrattuna TM35 projektion pinta-alaan. 

Tutkin QGIS ohjelmistoa käyttäen myös hieman Winkel tripel-projektiota ja Lambertin projektiota. Iiris Turunen kertoo blogissaan hyvin Winkel tripel-projektion ominaisuuksista. Iiris kertoo projektion pyrkivän vähentämään sekä etäisyyksissä, suunnissa että pinta-aloissa tapahtuvia vääristymiä. Kuten Iiriskin blogissaan toteaa eivät vääristymät pinta-aloissa Suomen kohdalla kuitenkaan ole juuri mitään verrattuna mercatorin projektioon.

Kovin montaa QGIS ohjelmiston projektioista en kuitenkaan itse kokeillut, joten oli mielenkiintoista lukea itselleni vieraammista projektioista muiden blogeista. Ville Väisäsen blogissa on hyvin tutkittu Eckert I projektiota. Itse en koskaan ennen ole tästä karttaprojektiosta kuullut, mutta Villellä oli hyvä kuva koko projektiosta blogissaan ja linkki lisätietoon. Lisäksi Villen blogissa on hieman tietoa Azimuthal Equidistant projektiosta, joka toisin kuin monet muut tarkastellut projektiot ei vääristä pinta-aloja pelkästään mitä pohjoisemmaksi Suomessa kuljetaan. Projektio vääristää hieman pinta-aloja koillista kohti kuljettaessa.

Kurssikerta oli itselleni todella opettavainen, sillä samalla sekä kertasin ensimmäisellä viikolla oppimiani asioita että opin täysin uusia tapoja hyödyntää QGIS ohjelmistoa. Harjoitusten tekeminen onnistui itseltäni tällä viikolla jo selkeästi paremmin kuin ensimmäisellä viikolla, joten tästä on hyvä jatkaa eteenpäin. 

Lähteet:

• The Arthur H. Robinson Map Library (4.2.2021) “The Robinson Projection”

The Robinson Projection – Robinson Map Library (wisc.edu)

• Turunen, I (4.2.2021) “2.kurssikerta: projektioiden vertailua”

https://blogs.helsinki.fi/iiristur/

• Schulz, A (4.2.2021) “Toinen luento ja kotitehtävät”

https://blogs.helsinki.fi/scsc/

• Väisänen, V (4.2.2021) “Suomen kuntien pinta-aloja eri projektioissa”

https://blogs.helsinki.fi/villvais/

 

Geoinformatiikan menetelmät kurssi aloitettiin paikkatieto-ohjelmaan QGIS:siin tutustumalla. Ensimmäisellä kurssikerralla tehtävänä oli opetella ohjelman ominaisuuksia erilaisten harjoitustöiden avulla. 

Opin luennolla paljon uutta, sillä en ole ennen QGIS ohjelmaa käyttänyt. Harjoittelimme erilaisten tasojen säätämistä niin, että lopputuloksesta tuli mahdollisimman hyvin haluttuja ilmiöitä kuvaava. Säädimme siis esimerkiksi värit paremmin havainnollistaviksi, lisäsimme selitteet ja mittakaavan ja harjoittelimme hieman ohjelmassa laskemista. Teimme kurssikerralla kartan, joka kuvaa osuutta typen päästöistä valtioittain (kuva 1.). 

Kartasta (kuva 1.) tuli loppujen lopuksi melko selkä. Värit erottuvat toisistaan hyvin ja legenda on onnistunut. Värit kuvaavat hyvin typen päästöjen suuruuksia Itämeren ympärillä. Kartan pohjalta voidaan havaita varsinkin Puolalla olevan selkeästi muita Itämeren ympärillä olevia valtioita suuremmat typpipäästöt.

Kurssikerralla etenemistahti oli itselleni sopiva. Toisaalta osallistuin poikkeuksellisesti kahdelle eri ryhmän luennolle, jotta varmasti ymmärsin ohjelman käytön perusteet. Värien valitseminen alkoi sujumaan helposti kuitenkin vasta kun vielä itsenäisesti tutustuin ohjelmaan. Myös legendan, mittakaavan ja pohjoisnuolen lisääminen onnistui kätevästi. Kartan rajaus tuotti itselleni pieniä haasteita, mutta uskon nyt osaavani tehdä sen myös jatkossa. Hieman haasteita tuotti myös kaikkien alueen valtioiden säilyttäminen näkyvissä sen jälkeen, kun Itämereen typpeä päästävät valtiot oli karttatasolta valittu. Uskon kuitenkin oppineeni suurimman osan kurssikerralla käydystä asiasta. Ohjelman käyttö kuitenkin tulee jatkossa todennäköisesti vielä sujuvammaksi ja laskujen laskeminen selkeämmäksi. 

Kuva 1. Osuus typen päästöistä valtioittain Itämeren alueella. 

Toisena tehtävänä oli hyödyntää Suomen kuntien tietokantaa ja tuottaa itse koropleettikartta. koropleettikartoille tyypillistä on suhteelliset lukuarvot. Tutkin kurssikansioon lisättyjen Suomen kuntien muuttujia ja päädyin tutkimaan alkutuotannon osuutta elinkeinoista kunnittain (kuva 2.). Tiedot olivat vuodelta 2015. Päädyin jakamaan aineiston neljään luokkaan, jotta lopputulos olisi helposti luettavissa mutta kuvaisi riittävällä tarkkuudella kuntien välisiä eroja alkutuotannon osuudesta työllistäjänä. Kokeilin sekä Natural Breaks ja Equal count luokkajakoja ja päädyin Equal count jakoon. Jälkeenpäin mietittynä myös natural breaks jako olisi voinut toimia melko hyvin.

Kuva 2. Alkutuotannon osuus elinkeinoista kunnittain 2015

Luin Annika Innasen blogia, jonka avulla huomasin hieman katsoa harjoitusta tehdessäni sotkanetin tietoja. Päädyin kuitenkin lopulta harjoittelemaan hieman helpompaa versiota tehtävästä, jotta QGIS ohjelman peruskäytöstä tulisi sujuvampaa. Onnistuin melko nopeasti kurssikerran tietojen pohjalta tekemään kartan alkutuotannon osuuksista kunnittain. Opin tehtävän kautta vielä paremmin jakamaan aineistoa luokkiin ja hieman muutenkin tutkimaan QGIS ohjelman ominaisuuksia, vaikka en lopulta kovin haasteellista koropleettikarttaa tehnytkään. Valitsin ilmiötä kuvaavaksi väriksi vihreän sillä alkutuotantoon liittyy vahvasti esimerkiksi maa- ja metsätalous, joita kuvaa mielestäni vihreä kohtalaisen hyvin. Palvelu ja jalostus valtaisemmat alueet näkyvät kartalla vaaleammalla vihreällä tai jopa valkoisella.

Koropleettikartta (kuva 2.) onnistui mielestäni ihan hyvin, vaikka jokin toinen luokkajako olisikin saattanut olla vielä selkeämmin alkutuotannon osuutta Suomen kunnissa kuvaava. Tummimmalla vihreällä merkittyyn luokkaan kuuluu nimittäin melko suuri prosentti väli 19,4-42,9, joka tekee vertailua paikoin hieman haasteelliseksi. Myös luokkien määrää olisi ehkä voinut nostaa riippuen siitä millä tarkkuudella tietoja halutaan kartalta tarkastella. Kartasta voidaan kuitenkin todeta se, että Etelä-Suomessa alkutuotannon osuus elinkeinoista on melko alhainen. Pohjois-Pohjanmaalla ja muutenkin Keski- ja Pohjois-Suomessa alkutuotannon osuus on puolestaan suurempaa. Suomen pohjois-/koillisosassa erottuu selkeästi esimerkiksi Savukosken alue, jossa alkutuotanto työllistää paljon ihmisiä.

Pinja Hägg kertoo hyvin blogissaan siitä, että legendassa olevat desimaaliluvut eivät kaikissa tilanteissa ehkä ole kaikkein merkityksellisimpiä ja saattavat hieman sekoittaa kartan luettavuutta. Luokkarajat olisi siis voinut ihan hyvin rajata kokonaisiin lukuihin. Toisaalta ilmiö on mielestäni kokonaisuudessaan melko hyvin luettavissa kartalta, koska värit erottuvat toisistaan ja legenda on melko selkeä. Legendan avulla voidaankin helposti huomata vihreän värin tummenevan kartalla sitä mukaan kun alkutuotannon osuus elinkeinona kasvaa. 

Lähteet:

• Hägg, P (26.1.2021) “Kurssikerta 1”

https://blogs.helsinki.fi/pinhagg/

• Innanen, A (26.1.2021) “Harjoitus 1:Koropleettikartan laatiminen QGISissä”

https://blogs.helsinki.fi/anninnan/

• Paarlahti, A (26.1.2021) kurssikerta 1 diaesitys ja Moodlesta haetut muut materiaalit