7. viikko: peruskoulujen sijainnit suhteessa oppilaiden koteihin

BLOGI VALMIS!

On jo viimeinen viikko meneillään. QGIS:in käytöstä on tullut opittua monenlaista, mutta toisaalta on tullut erittäin selväksi, että opittavaa on vielä erittäin paljon jäljellä. Samaistunkin Erika Lindblomin hänen kirjoittaessaan ”Tämä kurssi on ollut erinomaisen opettavainen, mutta samaan aikaan on myös koettu monia turhautumisia ja hermoromahduksia läpi kurssin.” Toisaalta olen kuitenkin tykännyt erilaisten karttojen tekemisestä ja erityisesti niiden visuaalisen ilmeen muuntelemisesta. On myös ollut kiva haastaa itseään ja odotankin ihan hyvillä mielin Geoinformatiikan menetelmät 2 -kurssia.

Kurssin edetessä tuli kuitenkin huomattua, että aloin tippumaan omaa laiskuuttani hieman jälkeen asioista ja kurssin loppupuolella tulikin tehtyä loppukiri. Tämä on kuitenkin, ikävä kyllä, itselleni erittäin tyypillistä käyttäytymistä. Kurssin aikana tuli myös paljon opiskeltua itsenäisesti kotona, mutta onneksi joiltain tunneilta oli luentotallenteet. Vaikka tällä kertaa kurssi toteutettiin lähiopetuksena, mielestäni tällä kurssilla voisi toimia hyvin etäopetus. Nyt Arttu joutui varmaankin selittämään samoja asioita monille ihmisille, mutta Zoomissa kaikki halukkaat voisivat kuunnella selitystä samaan aikaan.

Tällä viimeisellä viikolla saatiin tehdä kartta itse valitusta aiheesta. Minä valitsin aiheeksi koululaisten kotien ja koulujen sijainnin pääkaupunkiseudulla. Hyödynsin kartan teossa 4. viikon materiaaleja sekä lisäksi latasin Helsingin karttapalvelusta tiedot koulujen sijainneista. Valitsin viikon 4 aineiston osittain, koska halusin harjoitella vielä ruututeemakartan tekemistä, ja koska minua kiinnosti onko taaperoiden ja alakoululaisten alueellisessa määrässä eroavaisuuksia. Halusin myös tehdä kartan lasten suhteutetusta määrästä (kuva 3).

Kuvassa 4 on näkyvillä viikolla 4 tekemäni kartta, jota pohdin seuraavasti ”Kuvan perusteella voisi sanoa, että taaperoita asuu verrattaen paljon Helsingin keskustan lähistöllä sekä kenties Itä-Helsingissä. Tämä on minusta mielenkiintoista, koska olisin ajatellut että lapsiperheet asuisivat mielellään kauempana keskustasta, koska tällöin asuinalue voisi olla rauhallisempi ja lapsiystävällisempi sekä edullisempi. Toisaalta kartta ei ota huomioon sitä, että keskustassa asumistiheys on suurempaa kuin kaukaisemmilla alueilla.” Tästä uudesta suhteutetusta kartasta näkyykin odottamani ilmiö siitä, että lapsia on suhteellisesti enemmän kauempana keskustasta.

Ala-asteet ja ala-asteikäisten alueelliset määrät näkyvät kuvassa 1 ja kuvassa 2 puolestaan yläasteet ja yläasteikäisten suhteelliset määrät. Olisi voinut olla hyvä tarkastella myös päiväkotien sijoittumista. Kuvia vertaamalla kuitenkin huomaa, että ala-asteikäisten ja yläasteikäisten määrissä on havaittavissa samanlainen kuvio, sillä poikkeuksella että ala-asteikäisiä on enemmän kuin yläasteikäisiä. Koulut näyttävät hieman sekavilta kartalla. Mielestäni karttakuvista kuitenkin huomaa, että kouluja on enemmän alueilla, missä myös lapsien lukumäärät ovat korkeampia. Karttoja voisi kuitenkin käyttää uusien koulujen sijaintien suunnittelemiseen niin, että koulumatkat olisivat mahdollisimman pienet.

Kuvassa 3 on näkyvillä harmaalla alue, josta ruudukko piirrettiin. Olisin voinut laittaa sen näkyviin myös toisiin kuviin, jotta olisi selkeämpää, millä alueilla lapsia ei vaikuta olevan. Ruudukoissa näkyy nimittäin vain alueet, joilla kyseistä karttaa koskevaa ikäluokkaa on vähintään 1 asukas.

Kuva 1: 7-13 -vuotiaiden määrä eri puolilla pääkaupunkiseutua ja ala-asteiden sijainnit.
Kuva 2: 14-16 -vuotiaiden määrä eri puolilla pääkaupunkiseutua ja yläasteiden sijainnit.
Kuva 3: Peruskouluikäisten määrä alueen asukkaista.
Kuva 4: Viikolla 4 tekemäni kartta taaperoikäisten määrästä eri alueilla.

Lähteet

Erika Lindblom. 2023. Erika’s blog. 7. kurssikerta. luettu 19.3.2023

Helsingin karttapalvelu. Luokkien 1-6 perusopetus. Luokkien 7-9 perusopetus.

6. viikko: erilaiset hasardit

Tällä kertaa käytiin läpi maanjäristyksiä, tulivuoria ja meteoriitteja eli erilaisia hasardeja. Viikon harjoitteiden avulla opin  yhdistämään kaksi tiedostoa yhdeksi qgis:in avulla ja muokkaamaan kartalla näkyvien päällekkäisten pisteiden järjestystä. Tuli myös kerrattua tason projektion vaihtamista oikeaoppisesti niin, että taso ei katoa näkyvistä. Tämä tapahtui siis luomalla kokonaan uusi taso vanhasta export-toiminnolla ja muuttamalla tähän haluttu projektio. Uuden tason luominen tuli myös tarpeeseen, kun csv-tiedoston halusi muuttaa shapefile tiedostoksi, mikä mahdollisti tason muokkaamisen. Csv- tiedostoja tuli myös muokkailtua melko paljon, jotta ne latautuisivat halutun kaltaisina qgisiin.

Isoin ongelma, jonka tällä kertaa kohtasin oli vääristynyt kartan mittakaava ja toisaalta edes sen saaminen näkyviin.  Aluksi käytin sellaista WGS 84 projektiota, minkä mittana taisi olla asteet, joten mitakaava ei näkynyt ollenkaan. Projektiota tuli sitten vaihdettua toiseen, mutta huomasin, että kun zoomasin karttaa mitan ilmoittama etäisyys suureni ja kuvaa pienentäessä taas mitan ilmoittama etäisyys pieneni eli päinvastoin kuin pitäisi olla. En myöskään onnistunut ratkaisemaan mittakaavaan liittyvää ongelmaa, joten tämän kerran karttakuvissa ei mittakaavoja valitettavasti ole näkyvillä. Harjoituksia tehdessä tuli mietittyä, että olisi kiva jos kurssi olisi sisältänyt enemmän kaikenlaisia esimerkkitapauksia ongelmatilanteista, koska minusta tuntuu että näin aloittelevana qgis:in käyttäjänä ne ovat sen joka kertaisessa käytössä enemmänkin sääntö kuin poikkeus.

Maanjäristykset

Lähiaikoina on ollut uutisissa Turkin ja Syyrian rajan lähettyvillä 6.2 tapahtunut maanjäristys, jossa kuoli yli 22 000 ihmistä. Kyseisen maanjäristyksen voimakkuus oli 7,8 (yle.fi, 2023). Maanjäristykset ovatkin siis ajankohtainen aihe. Kuvassa 1 on näkyvillä maanjäristyksiä, jotka ovat tapahtuneet vuodesta 1950 lähtien. Päädyin rajaamaan aineistosta maanjäristykset, jotka ovat voimakkuudeltaan vähintään 6:den suuruisia, sillä tällöin maanjäristys voi ilmeisesti aiheuttaa suuria vahinkoja (Michigan Techological University, 2023). Kuvan kartasta näkyy myös hyvin, miten maanjäristykset sijoittuvat litosfäärilaattojen reuna-alueille. Tiedoston litosfäärilaatoista löysin GitHub-sivustolta GIS Loungen neuvomana ja tiedot maanjäristyksistä NCEDC- ja USGS-sivuilta.

Kuva 1: Vuodesta 1950 lähtien tapahtuneet maanjärisykset, joiden suuruus on vähintään 6.

Tulivuorien purkaukset

Myös tulivuoret sijoittuvat useimmiten litosfäärilaattojen reuna-alueille (kuva 2). Tämä tulivuorten ja maanjäristysten sijaintiin liittyvä asia johtuu litosfäärilaattojen liikkeestä. Sofia Salonen esitti blogissaan tulivuoret ja maanjäristykset samassa kartassa, mistä huomasi hyvin niiden sijoittumisen samoille alueille. Tähän ilmiöön voi perehtyä lisää mm. Helsingin yliopiston sivulla sekä Tulivuorikeskuksen sivuilla. Linkit löytyvät lähteistä. Olisi voinut olla myös mielenkiintoista esittää joko maanjäristykset tai tulivuoret koropleettiteemakarttana, koska varsinkin kaukaa tarkastellessa useat pisteet menevät päällekäin.  Yritinkin jakaa bufferoidun litosfäärilaattojen raja -tiedoston osiin, johon puolestaan olisin laskenut havaintopisteiden määrät eri alueilla ja esittänyt tämän väriskaalana. Näin olisi nähnyt selvemmin, millä litosfäärilaattojen reuna-alueilla havaintoja on eniten. En kuitenkaan onnistunut bufferoidun tiedoston jakamisessa osiin, joten en voinut toteuttaa tätä ideaa. Toisaalta näin jälkikäteen ajateltuna ruututeemakartta voisi toimia myös. Tulivuoria voi myös syntyä useita erilaisia, minkä vuoksi rupesin alussa merkitsemään erityyppisiä tulivuoria erilaisilla kuvakkeilla. Lopputulos oli kuitenkin niin epäselvä, että päädyin laittamaan kaikki tulivuorityypit samanlaisella kuvakkeella.

Kuva 2: Tulivuoret, jotka ovat purkautuneet vuonna 1964 tai sen jälkeen.

Meteoriitit

Meteoriitit puolestaan osuvat todennäköisesti sattumanvaraiseen paikkaan. Kartassa (kuva 3) meteoriitit sijaitsevat mantereilla, mutta tämä ei tarkoita, ettei meteoriitteja ole tippunut meriin vaan näitä on varmaankin vaan hankalampi havaita. Tätä käsitellään myös Displayr:n artikkelissa ”What are your chances of being hit by a meteorite?”. Artikkeli sisältää myös erilaisia karttoja tippuneista meteoriiteista.

Kuva 3: Vähintään 1kg kokoiset meteoriitit, jotka ovat pudonneet maahan vuosina 1960-2013.

Lähteet

Earthquake Magnitude Scale | Michigan Technological University (mtu.edu) luettu 17.3.2023

GitHub – fraxen/tectonicplates

Historic ANSS Composite Catalog Search (ncedc.org) luettu 17.3.2023

Maanjäristyksen uhreja Turkissa ja Syyriassa yli 22 000, lähes miljoona tarvitsee YK:n mukaan ruoka-apua (yle.fi) luettu 17.3.2023

Mannerlaattojen liikkeet | Syyt ja seuraukset (tulivuorikeskus.fi) luettu 19.3.2023

Meteorite Landings | NASA Open Data Portal 

NCEI Hazard Volcano Location Search (noaa.gov)

Perustietoa maanjäristyksistä | Seismologian instituutti | Helsingin yliopisto (helsinki.fi) luettu 19.3.2023

Search Earthquake Catalog (usgs.gov) luettu 17.3.2023

Kurssikerta 6 – 24.2.2023 – sofia’s blog (helsinki.fi) luettu 19.3.2023

What Are Your Chances of Being Hit by a Meteorite? – Displayr

Where to Find Tectonic Plate GIS Data – GIS Lounge luettu 17.3.2023

5. viikko: lentokenttiä ja putkiremontteja

Tällä viikolla harjoiteltiin bufferointia eli puskurointia ja analysointia. Opin myös mm. että field calculatorilla voi laskea vain valittuja kohteita koskevaa tietoa valitsemalla laatikon kyseistä toimintoa käyttäessä ja toisaalta, kyseisen laatikon olemassaolo kannattaa muistaa silloinkin kuin haluaa hyödyntää koko aineistoa, ettei vahingossa laske vain valittuja kohteita niin kuin minulle kävi. Onneksi virheistä oppii tehokkaasti silloin kun ymmärtää, mikä meni väärin!

QGIS:in parissa työskentely opettaa kyllä paljon kärsivällisyyttä ja itsenäisiä ongelmanratkaisutaitoja. Tällä kertaa sain harjoitetta tehdessäni virhekoodin, jonka ratkaistakseni seurasin QGIS Tutorial ja Tips -sivulta löytyviä ohjeita. Käytetyistä komennoista hyödyllisinä mieleen ovat painuneet ainakin aggregate, select by expression ja extract selected values. Olen huomannut myös, että karttakuvan selitysruudun taustan saa muutettua läpinäkyväksi, mikä oli hyödyllistä kuvan 2 karttaa tehdessäni.

Usein minulla harjoituksia tehdessä tapahtuu qgisissä joitain virheitä, joiden syytä en ymmärrä, mutta joista huolimatta olen saanut tehtävät tehtyä. Saan asian yleensä hoidettua, mutta jälkikäteen tulee mietittyä tekiköhän asian turhan hankalasti tai vaihtoehtoisesti, mikä ongelman syynä loppujen lopuksi olikaan.

Lentokenttien melu

Mietin tehtävän alussa, olisiko melualue todenmukaisempi, jos mukaan ottaisi tähdillä merkityt laskeutumisalueet (?) myös. Jätin ne kuitenkin pois ja piirsin vain kiitoradat polygoneina Malmin lentokenttää koskevaan tehtävään. Myöhemmin harjoitusta tehdessäni huomasin kuitenkin, että minulla oli oikeanlainen ajatus, koska tehtävän 1 (katso: vastaustaulukkoviimeisessä kysymyksessä Helsinki-Vantaan lentokentän suhteen pohdittiin muuttuneen laskeutumissuunnan aiheuttamaa muutosta melualueeseen.

Kuvassa 1 on näkyvissä kartalla Helsinki-Vantaan melualueet eri väreillä merkattuna sekä 2km säde piirrettynä kiitoradoista. Laitoin kuvaan myös näkyviin kodit, jotka sijaitsevat enintään 2km päässä kiitoradasta ja/tai vähintään 60dB melualueella. Tehtävässä 1 oli kohta,  jossa kysyttiin asuuko kukaan 2km säteellä ja väh. 65dB melualueella. Kuvasta kuitenkin nähdään, että turkoosilla merkityn alueen sisällä taloja ei ole ollenkaan 65dB alueella. Kiitoratojen piirtotarkkuus vaihtelee henkilöiden välillä, mikä puolestaan vaikuttaa siihen mihin asti säde yltää. Esimerkiksi Nikolai Tuurilla alueelle on osunut jokin talo, koska hänen laskujen mukaan 0,7% ihmisistä, jotka asuvat 2km säteellä Helsinki-Vantaan lentokentästä asuvat myös 65dB alueella,

 

Kuva 1: Helsinki-Vantaan lentokentän melualueet, 2km säde piirrettynä kiitoratojen ympärille ja alueen asuintaloja.

Putkiremonttien tarpeen kartoittamista

Tehtävässä oli tarkoitus kartoittaa alueita, joissa tullaan tekemään paljon putkiremontteja. Vastaukset tehtävän kysymyksiin on nähtävissä vastaustaulukossa. Rupesin tekemään tehtävää yhdistämällä tietokantoja, joihin olin laskenut asuntojen lukumäärän summan sekä kaikista kerrostaloista, että vain 65-70 rakennetuista kerrostaloista. Myöhemmin ymmärsin, että tehtävässä kerrostalon täytyy olla 1 rakennus asuntojen sijaan, joten teinkin tehtävän kätevästi  count points in polygon -toiminnolla.

Tehtävää tehdessäni ymmärsin myös, että vuosina 1965-70 rakennettujen kerrostalojen osuus kaikista kerrostaloista ei kuvaa hyvin alueita, joilla tullaan tekemään eniten putkiremontteja. Tämä johtuu siitä, että jos yhdellä alueella on kolme kerrostaloa, joista kaksi tarvitsee remontin niin alue kuuluisi 60-80% luokkaan (katso kuva 2), mutta alue jolla 10:nen 50:stä tarvitsisi remontin kuuluisi 20-40% luokkaan siitä huolimatta, että siellä remontoitavia taloja olisi enemmän. Laitoinkin kuvaan 3 näkyville 1965-70 rakennettujen kerrostalojen määrän niiden osuuden sijaan, koska se kuvaa alueen putkiremontointitarvetta enemmän. Lisäksi tajusin harjoitukset jo tehtyäni, että toinen kuva olisi ollut hyödyllistä olla kaikkien talojen, ei vain kerrostalojen, putkiremonttien tarpeesta. Se kuvaisi remontointitarvetta vieläkin paremmin ottaen huomioon myös muut talotyypit.

Kuva 2: Vuosina 1965-1970 rakennettujen kerrostalojen osuus kaikista alueen kerrostaloista pääkaupunkiseudulla.
Kuva 3: Vuosina 1965-1970 rakennettujen kerrostalojen lukumäärät pääkaupunkiseudun alueilla.

Lähteet

Nikolai Tuuri. 2023. Nikolain blogi. 5. Kurssikerta. luettu 19.3.2023

QGIS Tutorials and Tips. Handling Invalid Geometries. luettu 16.2.2023

4. viikko: vauvojen ja taaperoiden määrä pääkaupunkiseudulla

Itsenäistä opiskelua jälleen. Tällä kertaa luentotallenteen avulla. Seurasin kuitenkin pääosin kirjoitettuja ohjeita ja katsoin tallennetta vain, kun en ymmärtänyt asiaa kirjallisten ohjeiden perusteella. Koin kuitenkin, että luentotallenteesta oli iso apu, koska olen kokenut kirjalliset ohjeet paikoin epäselviksi ja hieman vajaiksi. En tällä kertaa esimerkiksi saanut ladattua paitulista saatuja peruskarttatiedostoja qgisiin, mutta ymmärsin tallennetta katsoessa että tarvittava tif-tiedosto löytyikin valmiiksi moodlesta ladatusta paketista niin kuin muutkin tarvittavat tiedostot.

Tällä viikolla harjoiteltiin rasteritiedostojen käyttöä ja viikon aiheena oli tehdä ruututeemakartta valitsemastaan aiheesta. Itse halusin tarkastella, kuinka paljon taaperoita on eri alueilla asuvissa perheissä pääkaupunkiseudulla. Karttakuvassa päädyin käyttämään kahta eri värin sävyjä yhden sijaan, jotta se olisi selkeämpi. Väreissä yriti ottaa huomioon punaviersokeat, mutta en kyllä tiedä, miten siinä onnistuin. Kuvan 1 perusteella voisi sanoa, että taaperoita asuu verrattaen paljon Helsingin keskustan lähistöllä sekä kenties Itä-Helsingissä. Tämä on minusta mielenkiintoista, koska olisin ajatellut että lapsiperheet asuisivat mielellään kauempana keskustasta, koska tällöin asuinalue voisi olla rauhallisempi ja lapsiystävällisempi sekä edullisempi. Toisaalta kartta ei ota huomioon sitä, että keskustassa asumistiheys on suurempaa kuin kaukaisemmilla alueilla. Kun vertaa tekemääni karttaa Pinja Rautiaisen karttaan asukkaiden yhteismäärästä pääkaupunkiseudulla, huomaa jonkun verran samankaltaisuutta. Todennäköisesti onkin niin, että useimmiten taaperoiden suurempi määrä alueella johtuu vain siitä, että alueella asuu enemmän ihmisiä ylipäätään.

Päädyin karttaa tehdessäni valitsemaan ruutukooksi 1 kilometrin ja koen, että se on myös aineistoon sopiva. Ruututeemakartta on kyllä mukava, kun voi hyvin vaikuttaa kartan tiedon yksityiskohtaisuuteen ruutukoon avulla. Vektoriaineistojen polygonit ovat yleensä jo ennalta määrätyn kokoisia, jolloin perinteistä koropleettikarttaa ei ole niin helppo aluekoon suhteen enää lähteä muokkailemaan. Toisaalta Tatu Jentze tuo blogissaan hyvin ilmi hieman vastakkaisen näkökulman kirjoittaessaan ”Verrattuna koropleettiteemakarttaan, ruututeemakartta on kovin kankea informatiivisesti, sillä ihminen tykkää usein muodostaa alueita, jotka eivät ole täydellisen neliön muotoisia. Toisaalta jos yhteiskunnan tai ihmisen muodostamat aluerajaukset eivät kiinnosta, tai on muuten vain kiinnostunut tasapaksuista keskiarvoista, ruututeemakartta sopii sinulle! ”. Voisikin olla, että jos ruututeemakartan päälle lisäisi jonkinlaisten alueiden rajat näkyviin siitä tulisi mukavamman näköinen sekä hieman informatiivisempi.

Pisteteemakartta puolestaan on sijainnin mukaan tarkempi, riippuen kuitenkin tarkasteluetäisyydestä, mutta laaja pisteteemakartta useilla havainnoilla voi olla epäselvä, jolloin ruututeemakartta voisi olla parempi vaihtoehto. Aineistot, jotka ovat pienempiä ja päällekkäisiä havaintoja ei ole sopivat puolestaan hyvin pisteteemakarttaan.

Kuva 1: 0-3 vuotiaiden lasten määrä eri osissa pääkaupunkiseutua. Yhden ruudun koko kartalla on 1km.

Lähteet

Pinja Rautiainen. 2023. Geoinformatiikan kurssiblogi.  4. harjoitus. luettu 19.3.2023

Tatu Jentze. 2023. MAA-202 TATU. Viikko 4 – Ruudun takaa. luettu 19.3.2023

3. viikko: Afrikan konfliktit ja Suomen tulvat

Afrikan konfliktien sijainnit suhteessa alueen timantti- ja öljyesiintymiin

Afrikan konfliktit eivät vaikuta aiheutuvan timanttikaivoksista ja öljynporausalueista kuvan 1 kartan perusteella. Vaikka konflikteja esiintyy myös timantti- ja öljyesiintymien alueella eivät konfliktit selkeästi keskity näille alueille. Etelä-Afrikassa on esimerkiksi paljon timanttikaivoksia, mutta vain vähän konflikteja ja Itä-Afrikassa puolestaan paljon konflikteja ja vähän timantti- ja öljyesiintymiä. Myös Nikolai Tuuri on päässyt samanlaiseen lopputulokseen siitä, ettei pelkän kartan perusteella luonnonvaroilla ja konflikteilla vaikuta olevan säännöllistä yhteyttä. En löytänyt tietoa kartassa käytetyn aineiston lähteestä tai tarkasteltavasta aikavälistä. Nämä taidettiin mainita tunnilla, mutta en ymmärtänyt kirjoittaa niitä silloin ylös ja ne ovat päässeet unohtumaan.

Kuva 1: Afrikan konfliktien, timanttikaivosten ja öljynporausalueiden sijainnit.

Suomen alueiden tulvaindeksit ja järvisyysprosentit

Kuvassa 2 esitetään Suomen alueiden tulvaindeksejä ja järvisyysprosentteja. Myös tässä käytetyn aineiston lähde on minulta hukassa, koska latasin tiedostot vain kurssikansiosta. Tulvaindeksien väriluokituksessa pyrin tekemään alueiden väliset erot paremmin näkyviksi muodostamalla pienempiä ryhmiä kun arvot olivat alle 200. Näiden erojen näkyminen on mielestäni tärkeämpää kuin se, että jokainen väriluokan laajuus olisi samankokoinen. Kuvassa 3 näkyy vielä miten eri arvot sijoittuu eri ryhmiin. Huomasin, että joillain luokka-arvoilla osat alueet kartasta katoavat, vaikka luokat sisältävät kaikki aineiston arvot. Tämä jäi minua hieman mietityttämään, mutta onneksi kuitenkin sain ainakin omasta mielestäni esitettyä tulvaindeksit kartalla hyvin.

Harjoituksessa tarkasteltiin myös samojen alueiden järvisyysprosentteja. Järvisyysprosentit näkyvät sinisinä histogrammeina kuvassa. Mielestäni histogrammien käyttäminen järvisyyden kuvaamisessa on melko epäselvää, sillä pelkkää kuvaa katsomalla ei saa hyvää käsitystä siitä, miten suuria arvot ovat. Olisikin voinut olla parempi käyttää ympyrädiagrammia kuten Inna Marjamäki tekemässään kartassa. Toisaalta histogrammien avulla voi verrata eri alueiden suhteellisia eroja ja helposti näkee millä alueilla järvisyysprosentit ovat suurimpia.

Järvisyys ei vaikuta olevan syynä tulviin. Suurimmat tulvaindeksit sen sijaan sijaitsevat rannikkoalueilla, missä järvisyys on pientä. Ehkä järvisyys jopa suojaa alueita tulvien syntymiseltä, koska alueet eivät ole tasaisia ja vesi kerääntyy järviin. Aino Koskinen puolestaan pohtii samaa asiaa seuraavasti ”Näitä tuloksia tutkiessani mietin, että johtuisikohan rannikon suuret tulvaindeksit siitä, että valuma-alueet sijaitsevat lähellä merta, jossa säävaihtelut voisivat olla suurempia kuin muualla Suomessa, jolloin vettä sataa ja kertyy enemmän rannikoiden valuma-alueille.” Tämä myös vaikuttaa uskottavalle selitykselle.

Pylväiden saaminen näkyviin kuvaan oli odotettua hankalempaa ja vaati useita yrittämiskertoja. Sain lopulta pylväät näkymään, kun ymmärsin klikata kohtaa apply kohdasta size->attribute->find maximum value. Kesti myös hetken, että ymmärsin edes lisätä tiedon muuttujasta myös size-välilehdelle, sillä se oli kertaalleen mainittu jo attribute-välilehdellä.

Kuva 2: Suomen alueiden tulvaindeksejä sekä järvisyysprosentteja. Järvisyysprosenttien arvot ovat välillä 0-19,8.
Kuva 3: Taulukko kuvastaa eri arvojen määrää aineistossa. X-akselilla on mitattu tulvaindeksi ja Y-akselilla kyseisen tulvaindeksin saaneiden alueiden määrä.

Lähteet

Aino Koskinen. 2023. Geoinformatiikan menetelmät I 2023. Afrikan timanttikaivoksista Suomen valuma-alueisiin. luettu 19.3.2023

Inna Marjamäki. 2023. Innan blogi. 3. Kurssikerta, 3.2.2023. luettu 19.3.2023

Nikolai Tuuri. 2023. Nikolain blogi. 3. Kurssikerta. luettu 19.3.2023

2. viikko: Projektioiden vertailua

Heti näin toisellla kerralla päädyin tekemään harjoituksia täysin itsenäisesti kotoa käsin, koska en onnistunut saamaan itseäni aamulla ylös sängystä. Harjoitteiden tekeminen oli hieman haastavampaa ja hitaampaa yksin, mutta onnistuin mielestäni kuitenkin ihan hyvin.

Projektioiden aiheuttamien vääristymien vertailua

Ensimmäisessä harjoituksessa tarkoituksena oli piirtää kolmio Suomineidon päähän niin, että se koskee Suomen rajoja ja verrata kyseisen kolmion pinta-alaa eri projektioilla. Ensimmäinen haaste tuli snapping-toiminnon kanssa, koska en ohjeissa neuvottu S-kirjaimen painaminen ei toiminut. Onneksi löysin netistä keskustelupalstalta ohjeen sen aktivoimiseen (StackExchange, 2014).

Seuraava haaste tuli, kun piirtämäni kolmio katosi vaihtaessani kolmanteen koordinaattijärjestelmään. Yritin hetken etsiä toimivaa undo-mahdollisuutta, mutta en sellaista löytänyt ja jouduin piirtämään uuden alueen ja aloittamaan alusta. Ctrl+Z ei siis toiminut tässä tilanteessa. Onneksi mittausten uusiminen oli suhteellisen nopeaa. Mittasin myöhemmin myös Suomen leveyttä Vaasan korkeudelta eri projektioilla. Tämä mittaviiva taisi tulla kuitenkin hieman vinohkoon. Taulukossa 1 on esitetty havaitut erot pinta-alassa ja pituudessa.

Taulukko 1: Eri projektioiden aiheuttamia vääristymiä Suomessa sijaitsevan alueen pinta-alaan sekä pituuteen. Pinta-alaa tarkasteltaessa piirsin kolmion Suomineidon päähän. Pituus puolestaan on mitattu Vaasan korkeudelta. Mittaukset tehtiin QGIS-ohjelmistolla. Vertailukohtana on Lambertin oikeapintainen tasoprojektio (EPSG:3035), jota Euroopan komissio suosittelee käytettäväksi Eurooppaa koskevissa mittauksissa. Lambertin oikeapintaisella tasoprojektiolla kyseinen pinta-ala on 2262,837 km2 ja pituus 486,662 km.

Toisessa harjoitteessa projektioiden vääristymistä muodostettiin koropleettikarttoja. Minä valitsin vertailtaviksi projektioiksi Mercatorin projektion (kuva 1), poikittaisen Mercatorin projektion (kuva 2) ja Winkel triplel -projektion (kuva 3). Mercatorin projektio on erittäin epäluotettava käsiteltäessä pohjoisia alueita. Se alueen pinta-alat ovat Suomessa jopa yli 700% suurempia kuin oikeasti! Kartaa tehdessäni yllätyinkin ja hetken mietin, että olenko tehnyt jotain väärin. Huomasin tulosten eroavan hieman muiden tuloksista ja muiden käyttäneen vääristymiskertoimia prosenttien sijaan. Vertasin tuloksiani mm. Annin ja Roopen tuloksiin, jotka olivat saaneet Mercatorin projektiolle väärisymiskertoimia väliltä 3,94-8,24. Itselläni vastaavat arvot prosentteina ovat 294,4-724,9. Asiaa pohdittuani ja testattuani ymmärsin, että he ovat laskeneet vääristymiskertoimen kaavalla Mercator_PA/Lambert_PA, kun taas itse käytin kaavaa (Mercator_PA-Lambert_PA)/Lambert_PA. Tämä selitti havaitut erot arvoissa ja antoi minulle hieman mielenrauhaa.

Projektioita tehdessä joudutaan joustamaan aina jonkin suhteen. Koska Mercatorin projektiosta haluttiin oikeakulmainen, tuli siihen suuria vääristymiä pinta-alan suhteen. Poikittainen Mercatorin projektio eroaa perinteisestä Mercatorin projektiossa siten, että se sivuaa nollapituuspiiriä nollaleveyspiirin eli päiväntasaajan sijaan. Tämä muuttaa vääristymien sijaintia kartalla ja tekee poikittaisesta Mercatorin projektiosta paljon sopivamman käsiteltäessä Suomea (vrt. kuva 1 ja kuva 2), sillä pinta-alojen vääristymät pysyvät alle prosentissa koko Suomessa .

Winkel tripel -projektio suurentaa Suomessa pinta-alaa jopa yli 50% tehden myös siitä epäluotettavan käsiteltäessä Suomen alueita. Winkel tripel -projektiossa on pyritty samaan aikaan minimoimaan sekä suunnan, pinta-alan ja etäisyyden vääristymiä.

Harjoituksen karttoja tehdessäni minulla oli ongelmia mm. karttojen pohjoisnuolen suunnan kanssa. Huomasin onneksi kuitenkin, että nuolen saa osoittamaan oikeaa suuntaan QGIS:in kohdasta item properties->image rotation->true north.

Kuva 1: Mercatorin projektio (ESRI: 53004) suurentaa alueiden pinta-alaa erittäin voimakkaasti ja sitä enemmän mitä pohjoisempaan mennään. Vertailukohtana on Lambertin oikeapintainen tasoprojektio (EPSG:3035).
Kuva 2: Poikittainen Mercatorin projektio (EPSG:3067) joko suurentaa tai pienentää hieman alueen pinta-alaa. Vertailukohtana on Lambertin oikeapintainen tasoprojektio (EPSG:3035).
Kuva 3: Winkel tripel -projektio (ESRI:54042) suurentaa alueen pinta-alaa huomattavasti ja tämä vääristymä kasvaa pohjoiseen siirryttäessä. Vertailukohtana on Lambertin oikeapintainen tasoprojektio (EPSG:3035).

Lähteet

Lindegren Anni. 2023. Geoinformatiikan menetelmät. QGIS ja projektiot. Luettu 28.2.2023.

StackExchange. Geographic Infromation Systems. 2014. Snapping while measure in QGIS?

Vainio Roope. 2023. Roopen blogi. Viikko 2.  Luettu 28.2.2023.

 

1. viikko: Itämeren typpipäästöt ja Suomen työttömät

 

Moikka!

Tämä blogi seuraa tutustumistani geoinformatiikan maailmaan. Postauksien perustana on Geoinformatiikan menetelmät 1 -kurssi, kurssilla saadut harjoitukset ja niistä mieleen nousseet pohdinnat. Hieman jännittää, miten tämmöisen blogin kirjoittaminen tulee onnistumaan, koska tämä ei ainakaan näin alussa tunnu ollenkaan luontevalle. Mielestäni on kuitenkin mukavaa, että pääsee näkemään, miten muut ovat harjoituksissa onnistuneet. Opiskelen maantiedettä sivuaineena, joten minulle erityisesti on varmaan hyötyä päästä lukemaan itseäni aiheessa  kenties viisaampien pääaineopiskelijoiden pohdintoja. Toisen blogin lukeminen pelastikin minut heti ensimmäisellä kerralla yhden virheen tekemiseltä tai pikemminkin antoi minulle mahdollisuuden korjata sen!

Ensimmäisen viikon tapaamisella aloimme tutustumaan QGIS-ohjelmistoon. Olin saanut sen käyttöön jo pintaraapaisun aikaisemmalla kurssilla, mutta tästä ei ollut jäänyt paljoa muistiin. Oli siis hyvä, että kävimme asioita askel kerrallaan yhdessä läpi. Toisaalta en kerennyt tunnilla painaa mieleeni kaikkia välivaiheita, joten luin kotona harjoituksen tehtävänantoa läpi uudelleen.

Itämeren typpipäästöt

Jatkoin kotona tunnilla aloitettua harjoitetta liittyen Itämeren typpipäästöihin. Kotona vaihdoin värimaailman punavihreästä harmahtavan sävyihin, jotta se olisi siistimmän näköinen ja todennäköisesti myös selkämpi punavihersokeille. Lisäsin myös valtioiden nimiä karttaan. Lopputulos on nähtävillä alla (kuva 1). Näin jälkikäteen ajatellen harmiden sävyissä olisi voinut olla suuremp ero, jotta ne eivät meneisi keskenään sekaisin. Viron typpipäästöt ovat pienimmät ja Puolan suurimmat. Ne ovat myös kuvassa omissa väriluokissaan.

Kuva 1: Itämeren typpipäästöt prosentteina valtioittain. Kartan tekemisessä käytetyt aineistot ovat Helcomin datapalvelusta.

Työttömien määrä Suomen kunnissa

Kotiin jäi lisäksi myös erillinen harjoitus liittyen Suomen kuntiin. Halusin tarkastella Suomen kuntien eroja työttömyydessä. Se tuntui mielestäni osuvalle, koska olen lähiaikoina stressannut melko paljon omaa työllistymistäni tulevaisuudessa. 😀 Se on myös yksi syy siihen, miksi olen aloittanut maantieteen opiskelun sivuaineena. Tässä harjoituksessa minulla oli hieman ongelmia ymmärtää, miten saan liitettyä kaksi aineistoa toisiinsa QGIS:in avulla. Kuitenkin, kun sain sen onnistumaan, loppu oli melko helppoa. Oli mielenkiintoista huomata, miten työttömien suhteellinen määrä kasvaa siirtyessä Pohjanlahden rannikolta idän suuntaan (kuva 2).

Loppuviimeistelyksi muutin kartan koordinaattijärjestelmän suositeltuun muotoon (EPSG:3035). Olisin unohtanut tämän ellen olisi vieraillut Lila Salosen blogissa. Kiitos siis Lilalle! Vaikka koordinaattijärjestelmä ei oikein vaikuttanut lopulliseen kuvaan, oli kuitenkin hyvä muistaa sen tarkastamisen tärkeys.

Kartta on mielestäni muuten selkeä, mutta valkealla merkityt (0,9-5% työttömiä)  kunnat erottuvat huonosti valkeaa taustaa vasten. Näitä on mm. Ahvenanmaan saaristossa. Se ei häirinnyt minua kuitenkaan niin paljoa, että olisin muuttanut asian. Selkeyden lisäksi Tilastokeskukselta saatu tieto on mielestäni luotettavaa ja kuvassa käytetty luokitus tilanteeseen sopiva.

Kuva 2: Työttömien osuus työvoimasta prosentteina Suomen eri kunnissa. Aineistot peräisin Tilastokeskukselta.

Lähteet

Helcom metadata catalogue. https://metadata.helcom.fi/geonetwork/srv/fin/catalog.search#/home

Lila Salonen. Ensimmäinen kurssikerta, jatkoa kotona. luettu: 28.1.2023 https://blogs.helsinki.fi/slila/

Tilastokeskus. Kuntien avainluvut 1987-2021. https://pxdata.stat.fi/PXWeb/pxweb/fi/Kuntien_avainluvut/