Kuva 1. EU:n maiden karjatilojen määrä tuhansissa vuodelta 2013. 

Valitsin tehtäväkseni jollain tavalla maatalouteen liittyvät kartat. Ruoan tuotanto ja kuljetus ovat monella tapaa maantieteellisiä asioita, ja ne kiinnostavat minua paljon. 

Ensimmäinen tekemäni kartta kuvaa EU-maiden karjatilojen määrää. Harmillisesti sivustolla, josta sain datan, ei ollut kattavia metatietoja, enkä ollut täysin varma, mistä muuttujassa aineistossa oli kyse. Ensimmäinen mietintäni oli, että tarkoittaako “livestock” karjaa, vai kaikkia tuotantoeläimiä siipikarjaa lukuun ottamatta. Päädyin ensimmäiseen tulkintaan.  

Hämmästelin myös sitä, kuinka isoja karjatilojen määrät olivat, sillä ne olivat tuhansissa. Pikainen googlaus kuitenkin kertoi, että Suomessa on monta tuhatta karjatilaa. On sinällään melko hämmentävää, kuinka monia karjatiloja EU:n maissa on. Karjatilojen määrä ei nähdäkseni korreloi suoraan maanpinta-alan ja otollisen viljelymaan määrän kanssa. On vaikea keksiä tarkkaa syytä, josta erot johtuvat. Maatalouteen vaikuttaa paljon paikallinen ilmasto. Voi olla, että on helpompaa kasvattaa eläinten laidunniittyjä kuin puhtaasti viljan viljelykseen käytettyjä peltoja. Myös kulttuuri on tärkeä tekijä. Monissa maissa on vahva karjatalouden kulttuuri, joka kuitenkin varmasti johtuu osittain ilmaston ja maaperän vaikutuksesta maatalouteen.  

 

Kuva 2. Maatilojen viljelty pinta-ala tuhansia neliökilometreinä vuodelta 2013. 

Toinen tekemäni kartta kuvaa, kuvaa maatilojen viljeltyä pinta-alaa. En sinällään tiedä, onko muita maata viljeleviä yksiköitä kuin maatilat. Tämänkin kartan datan kohdalla jouduin hieman miettimään, mitä se tarkalleen on. Otsikko oli “agricultural holdings by crops” eli “maataloudelliset omistukset viljoittain” eli paremmin “maatilat viljoittain”. Data ei kuitenkaan kerro eli maatilojen viljalajikkeista, vaan viljellystä pinta-alasta, mitä ei valitettavasti pysty heti päättelemään nimen perusteella. Tässäkin onneksi pikainen googlaus auttoi saamaan oikean käsityksen. 

Tämäkin kartta vaikuttaa kummalliselta ensisilmäyksellä. Minulle pistää silmään taas Romania, jossa näyttää olevan eniten viljeltyä pinta-alaa. Romania on sinällään iso maa, mutta Ranska ja Saksa ovat isompia, ja niissä on kummassakin paljon viljelyyn kelvollista maata ja paljon peltoja. Myös Italia ja Puola ovat kirkkaan punaisia. Näidenkään maiden kohdalla en keksi, miksi niissä on enemmän viljeltyä maata, kuin Ranskassa ja Saksassa.  

 

Loppumietteet kurssista 

Yhdyn Katariina Maijalan mielipiteeseen siitä, että kurssi on ollut antoisa. Kursseilla, jossa opitaan tekemään jotain konkreettisia toimenpiteitä, esimerkiksi visualisoimaan dataa paikkatieto-ohjelmistossa, tuntuu aina oppivan paljon. Geoinformatiikka on siitä mukavaa, että siinä taidot esimerkiksi ohjelmien käytössä ja datan hyödyntämisessä, kehittyvät nopeasti. Mielestäni geoinformatiikka on siten rinnastettavissa lukion matematiikkaan, jossa koin oppivani paljon juuri sen takia, että harjoitellaan konkreettisia taitoja.  

Olisi mielenkiintoista yhdistää ilmiöiden ymmärrys ja niiden yleinen pohtiminen tekniseen osaamiseen siten, että opiskelu ja mahdollisesti myös tuleva työelämä olisi mahdollisimman monipuolista ja hauskaa. Toivottavasti on olemassa sopivia mahdollisuuksia tähän. Geoinformatiikka ainakin nyt tuntuu sisällöttömältä ja tylsän tekniseltä. Innostusta lisää kuitenkin se, että geoinformatiikka on juuri se työkalu, jolla voidaan etsiä tiedollista pohjaa tulevaisuuden ratkaisuille, mikä on yhteys ilmiöiden ymmärtämiseen ja niiden yleiseen pohdintaan.  

Miia Mattila sanoo blogissaan yhtyvänsä Katariina Maijalan mielipiteisiin siitä, että välillä oli vaikeaa keksiä kirjoitettavaa blogiin. Mattilan mukaan kirjoittaminen oli kurssin hankalin osuus eikä itse teknisten toimenpiteiden suorittaminen QGIS:ssä. Olen tästä täysin eri mieltä. Tehtävät eivät olleet erityisen vaikeita, mutta jäin monesti pitkäksi aikaa jumiin, kun olin unohtanut, miten jokin yksinkertainen toimenpide tehtiin. Tekstin keksiminen tuntui välillä kyllä hieman hankalalta, mutta kirjoittaminen on teknisiä toimenpiteitä paljon armollisempaa siinä mielessä, että siinä kyllä etenee, kunhan yrittää. 

 

 

Lähteet:  

Maijala, Katariina (19.3.2022) GEOINFORMATIIKAN HARJOITTELUA. MAA-202 Geoinformatiikan menetelmät, Helsingin yliopisto. Haettu osoitteesta: https://blogs.helsinki.fi/katariinagem/author/katamaij/  

Mattila, Miia (25.3.2022) GEOINFORMATIIKAN MENETELMIÄ HARJOITTELEMASSA. Haettu osoitteesta: https://blogs.helsinki.fi/mcmiia/  

 

 

 

Kuva 1. Kartta, jossa näkyy Kumpulan alueelta kerättyä pistedataa. Punaisten pisteiden kohdalla on arvioitu sijainnin ominaisuuksia. Musta väri kuvaa turvattomuutta ja vaalea väri turvallisuuden tunnetta. 

Aloitimme 6. kurssikerran ulkoilulla loskaisessa säässä. Keräsimme Epicollect5-sovelluksen avulla paikkatietoa, joka näkyy kuvassa 1. Kiersimme Kumpulassa ja aina löydettyämme sopivan kohdan paikansimme sijaintimme ja arvioimme sovelluksessa joitain kyseiseen sijaintiin liittyviä ominaisuuksia, kuten viihtyisyyttä, turvallisuutta ja sitä, kuinka paljon siellä liikkuu ihmisiä. Vaikka pisteiden kerääminen ei ollut mullistavaa tieteellistä tutkimusta, sitä oli kuitenkin hauska tehdä, ja se oli opettavaista. Oli nimittäin hauska huomata, kuinka helppoa ja yksinkertaista paikkatiedon luominen on. Monesti merkittävänkin paikkatiedon keräämisessä on kyse yksinkertaisista asioista. Esimerkiksi Google Street View:n, joka on laajasti käytetty ja tärkeä palvelu, luomista varten on pitänyt vain ajaa autolla kaduilla kuvaten samalla laadukkaalla, 360 astetta kuvaavalla kameralla. 

Sillä tämän kurssikerran aiheena oli paikkatietoaineistojen hyödyntäminen oppimateriaalien luomisessa, voi maantiedon opetukseen liittyvää näkökulmaa peilata myös tähän osioon, jossa kerättiin itse paikkatietoa. Kuten Juulia Salakka blogissaan toteaa, Epicollect5-sovellus sopii hyvin opetuskäyttöön peruskoulussa. Jos minäkin, yliopistoikäinen koin sovelluksen käytön hauskaksi ja opettavaiseksi, olisi kokemus varmasti ehkä vielä jopa suuremmissa määrin inspiroiva nuoremmalle opiskelijalle.  

 

Kuva 2. Maailmankartta, jossa näkyvät kaikki voimakkuudeltaan vähintään 6 Richterin maanjäristykset vuosilta 1898–2021.  

Kuva 3. Maailmankartta, jossa näkyvät kaikki maailman tulivuoret. 

Kuvan 2 kartassa näkyvät kaikki vähintään 6 Richterin maanjäristykset viimeiseltä vähän yli sadalta vuodelta. Kuvan 2 kartassa näkyvät kaikki maailman tulivuoret. Yritin myös inspiroituneena Miia Mattilan blogista saada hänen käyttämältään nettisivustolta karttaani litosfäärilaattojen rajat, mutta en saanut sitä toimimaan. Ajattelenkin, että opetuksessa tekemäni kartat (kuva 2 ja kuva 3) toimisivat johdattelevina opetusmateriaaleina endogeenisiin prosesseihin. Oppilaat voisivat yrittää arvata, miksi maanjäristyksiä ja tulivuoria esiintyy juuri tietyillä alueilla peräkkäin jonomaisissa muodostelmissa, mikä toimisi hyvänä johdatuksena siihen, että heille opetettaisiin sekä kartalta että oppikirjasta mannerlaattojen rajoista ja niiden yhteydestä maanjäristyksiin ja tulivuoriin.  

Opetettavaa teemaa voisi vielä pidemmälle lataamalla lisää dataa ja tekemällä siitä karttoja. Yksi vaihtoehto voisi olla rajata järistyksiä maakohtaisesti, ja vertailla keskimääräisen maanjäristyksen aiheuttamia tuhoja sekä ihmishengissä että taloudellisesti. Kaiken kaikkiaan alueellisuus on tärkein asia maantieteessä. Kaikkiin luonnonkatastrofeihin ja hasardeihin, mukaan lukien maanjäristyksiin ja tulivuorenpurkauksiin, liittyy ihmismaantieteellinen näkökulma siitä, kuinka varautuneita paikalliset ihmiset ovat niihin, ja kuinka hyvin he pystyvät ehkäisemään niiden aiheuttamia tuhoja. 

Laitoin alle kaksi kuvaa, joiden ajattelen valottavan asiaa tärkeällä tavalla. Ensimmäinen kuva on Haitista. Haitissa oli vuonna 2010 tuhoisa maanjäristys, jossa kuoli yli 200 000 ihmistä. Järistys tapahtui lähellä tiheästi asutettua Port-au-Princeä, joka on Haitin pääkaupunki, ja jossa asuu noin miljoona ihmistä. Kuva antaa mielestäni hyvän kuvan siitä, kuinka paljon maanjäristys voi aiheuttaa tuhoa tiheästi asutulla alueella, jossa rakennukset ovat haavoittuvaisia tuhoille heiveröisyytensä ja puutteellisen suunnittelun ja rakentamisen laadun takia. 

 

Kuva 4. Kuva Haitin maanjäristyksessä tuhoutuneista rakennuksista. Lähde: https://www.jkgeography.com/earthquake-case-study-1-haiti.html 

 

Tämä alempi kuva on otettu Yhdysvaltain geologian tutkimuskeskuksen sivuilta. Tarkoituksena opetusmielessä ei olisi ainoastaan opettaa oppilaille, miten maanjäristyshälytysjärjestelmä toimii, vaan myös, herättää ajatuksia siitä, kuinka luonnonkatastrofeista ja hasardeista aiheutuvia tuhoja voidaan merkittävästi ehkäistä, jos on resursseja, ja ne on ohjattu hasardeihin varautumiseen ja tuhojen ehkäisyyn. Maanjäristysvaroitusjärjestelmien lisäksi esimerkiksi rakennusteknologialla ja rakentamisen laadulla on suuri merkitys. 

Kuva 5. Maanjäristysvaroitusjärjestelmä. Lähde: https://www.usgs.gov/media/images/earthquake-early-warning-basics-0 

 

 Kuva 6.  Maailmankartta, jossa näkyvät kaikki tunnetut meteoriittikraaterit.

Kuvassa 6 näkyy maailmankartta, jossa näkyvät kaikki tunnetut meteoriittikraaterit. Meteoriitit putoavat käsittääkseni sattumanvaraisesti maapallon pinnalle. Sen takia onkin mielenkiintoista havaita kuinka havainnot ovat jakautuneet niin epätasaisesti. On hyvin ymmärrettävää, että harvaan asutuilla alueilla ei ole meteoriittikraatereita kuvaavia pisteitä, sillä siellä kukaan ei ole ollut siellä havannoimassa niitä. Miia Mattila olettaa, että tiheät pisteet Yhdysvalloissa ja Euroopassa johtuvat suuresta väestöntiheydestä, korkealuokkaisista havannointilaitteista ja järjestelmällisestä tilastoinnista. Mielestäni onkin erittäin mielenkiintoinen kysymys, miksi muilla yhtä tiheästi tai tiheämmin asutuilla alueilla ei ole silmämääräisesti yhtä paljon havaintoja kuin Euroopassa ja Yhdysvalloissa. Esimerkiksi Kiinassa havaintoja meteoriittikraatereista ei vaikuta olevan yhtä paljon. Voi olla, että havainnoin määrään vaikuttaa väestöntiheyden lisäksi se, kuinka kiinnostuneita asiasta ollaan. En tiedä, voi olla, että länsimaissa on enemmän sellaisia ihmisiä, joille kraatereiden bongaaminen on hauska harrastus

 

Lähteet: 

Earthquake Early Warning Basics. USGS. Haettu osoitteesta: https://www.usgs.gov/media/images/earthquake-early-warning-basics-0 

Mattila, Miia (25.3.2022) GEOINFORMATIIKAN MENETELMIÄ HARJOITTELEMASSA. Haettu osoitteesta: https://blogs.helsinki.fi/mcmiia/ 

Salakka, Juulia (23.2.2022) -GEOINFORMATIIKKAA OPPIMASSA- JUULIA SALAKKA. Geoinformatiikan menetelmät 1 -kurssin blogi. Haettu osoitteesta: https://blogs.helsinki.fi/gis-juulia/2022/02/23/6-kurssikerta/ 

Tectonic Hazards Case Study 1: Haiti, January 10, 2010. Haettu osoitteesta: https://www.jkgeography.com/earthquake-case-study-1-haiti.html 

 

 

Bufferointi eli puskuroiminen on hyödyllinen työkalu tutkittaessa ilmiöiden vaikutusalueita. Joidenkin ilmiöiden tutkimiseen se soveltuu paremmin kuin toisten. Yksi mieleeni tuleva ilmiö, jonka tutkimiseen bufferointi soveltuu, on valosaaste. Valosaasteen tiedetään aiheuttavan monia terveyshaittoja sekä ihmisille että eläimille. Valosaaste soveltuu tutkittavaksi buffereilla siksi, että se ei leviä eri suuntiin esimerkiksi tuulen mukana. Monien ilmiöiden tutkimiseen yksinkertaisen bufferivyöhykkeen tekeminen ei ole paras tapa. Esimerkiksi tutkittaessa matka-aikaa paikasta toiseen pitää ottaa huomioon tiestö ja sen nopeusrajoitukset. Yksinkertaisten buffereiden riittämättömyyden ja ympäristön ominaisuuksien vaikutuksen ilmiöiden leviämiseen toteaa myös Miia Mattila blogissaan 

Aloittaessani tekemään tehtäviä minua suorastaan kauhistutti ajatus siitä, että pitää tehdä digitointia, josta olen saanut tarpeekseni aiemmilla kursseilla. Onneksi tällä kertaa sitä ei tarvinnut tehdä pitkään, ja pääsin aloittamaan bufferoinnin. Tehtävissä oli joitain kommervenkkejä esimerkiksi siinä, kuinka saa valittua select by location –komentoon vain tietyn osan yhdestä kuviosta. Toisen kurssikaverin neuvoma tapa oli valita se osa ja tallentaa se omaksi tasokseen. En tiedä onko toimintoa mahdollista suorittaa jollain näppärämmällä tavoin siten, ettei synny liikaa ylimääräisiä tasoja.  

Tehtävänannossa minua kummastutti se, ettei siinä kerrottu, minkä ikäiset luokitellaan kouluikäisiksi. Ajattelin 7–14-vuotiaiden olevan kouluikäisiä, mutta tajusin sen olevan väärin, sillä siinä on vain kahdeksan ikäluokkaa. 

Taulukko 1. Taulukko lentokentistä, asemista ja taajamista.

Taulukko 2. Taulukko Yhtenäiskoulun oppilaista

Kaikkien tietokoneohjelmien käyttö vaatii yksityiskohtaista tietoa siitä, kuinka niissä voi suorittaa toimintoja. Tämän olen huomannut tehdessäni musiikkia tietokoneella vapaa-ajallani. Alkuun mikä tahansa ohjelma saattaa vaikuttaa jopa pelottavalta, kun kaikkia nappeja ja kuvakkeita on niin paljon, eikä tiedä, mitä mikäkin niistä tekee. Alkuun pääsee kuitenkin nopeasti ja helposti, jos on apuna joku ohjelmaa aiemmin käyttänyt, olkoon se sitten internetin välityksellä tai kasvokkain. Peruskomennot opittuaan on jo pitkällä, sillä ne toistuvat aina myöhemmin ohjelmaa käytettäessä. Hienointa ja kauneinta pitkälle kehitettyjen tietokoneohjelmien käytössä on mielestäni se, että siinä voi aina kehittyä. 

Koen hallitsevani QGIS:n sen verran hyvin, että pystyn tekemään siinä joitain yksinkertaisia toimenpiteitä kuten esimerkiksi ominaisuustaulukkoon uusien sarakkeiden laskemista, tietokantojen yhdistämistä ja bufferointia. Monet yleisesti käytetyistä toiminnoista ovat minulle kuitenkin yhä tuntemattomia, sillä niitä on QGIS:ssä varmasti hyvin paljon. Tällä kurssilla ei onneksi ole tarvinnut tehdä mitään erittäin vaikeaa, jonka tekeminen vaatisi syvempää ymmärrystä tai osaamista.  

Ongelmia tehtävien tekemisessä minulla on kuitenkin monesti ollut siten, että olen jäänyt pitkäksi aikaa jumiin johonkin kohtaan. Eteneminen tehtävän tekemisessä voi tyssätä siihen, ettei muista, miten jokin pieni ja yksinkertainen komento suoritettiin. Turhauttavinta on istua läppärin ääressä ilman, että etenee yhtään mihinkään. Onneksi voin kysyä apua kurssitovereiltani. Siinäkin on kuitenkin ongelma: vastauksen saaminen voi kestää pitkään ja välillä sitä ei tule ollenkaan.  

 

 

Lähteet:  

Mattila, Miia (23.2.2022) GEOINFORMATIIKAN MENETELMIÄ HARJOITTELEMASSA. Haettu osoitteesta: https://blogs.helsinki.fi/mcmiia/ 

 

Valitsin ruutukarttaani (kuva 1) muuttujaksi muunkielisten määrän. 

Kuva 1. Muunkielisten eli muiden kuin suomen- ja ruotsinkielisten määrä pääkaupunkiseudulla neliökilometriä kohden. 

Tämä kartta kuvaa pääkaupunkiseudun asukastiheyttä.  

Kuva 2. Pääkaupunkiseudun asukkaiden lukumäärä neliökilometriä kohden. (lähde: https://blogs.helsinki.fi/tomingeoblogi/2020/02/07/51/) 

Muunkielisten määrää kuvaavasta kartasta (kuva 1) voidaan huomata, ettei se korreloi suoraan pääkaupunkiseudun väestötiheyttä kuvaavan kartan (kuva 2) kanssa. Tämä on havaittavissa, jos vertailee esimerkiksi Kalliota ja Itä-Helsinkiä. Kalliossa on paljon asukkaita, mutta muunkielisiä siellä on vasta kolmanneksi suurimmassa kategoriassa. Itä-Helsingissä alueilla, joissa on sama asukastiheys kuin Kalliossa, on neljässä ruudussa Itäkeskuksen lähellä ja Vuosaaressa muunkielisiä suurimmassa kategoriassa. 

Kuva 3. Muunkielisten eli muiden kuin suomen- ja ruotsinkielisten osuus pääkaupunkiseudulla neliökilometriä kohden. 

Kartasta (kuva 3) voidaan huomata, että muunkielisten osuus on suurin Itä-Helsingissä. Siellä on iso alue, joka koostuu kolmanneksi suurimman kategorian ruuduista, ja toiseksi suurimman kategorian ruutuja on useita. Itä-Helsinki on siis se alue, jossa on selvästi eniten muunkielisiä. Muita alueita, joissa muunkielisiä on, ovat lännessä oleva Kannelmäen, Pitäjänmäen ja Leppävaaran alue ja koillisessa itäisen Vantaan alue. Pohjois-Helsingissä on sininen alue eli siellä on kaikista pienimmässä kategoriassa muunkielisiä. 

Mielestäni ruututeemakartta on toimiva tapa esittää tietoa.  

Kuva 4. Maastokartta kansalaisen karttapaikka –palvelussa. Kuvassa näkyy Pornaisissa oleva mäki. 

Kuva 5. GGIS:llä tehty korkeuskäyrä samasta kohtaa. 

 

Karttoja vertailemalla voidaan huomata, että QGIS:llä tehdyt korkeuskäyrät ovat paljon koukeroisempia. Maastokartassa koukeroita on oiottu helpommin tulkittavan ja selkeämmän lopputuloksen aikaansaamiseksi. Saman on todennut Miia Mattila blogissaan. 

 

 

Lähteet:  

Kiviluoma, Tommi (7.2.2020) GEOINFORMATIKAN MENETELMÄT 2020. Tomi Kiviluoman henkilökohtainen kurssiblogi. Haettu osoitteesta: https://blogs.helsinki.fi/tomingeoblogi/2020/02/07/51/  

Mattila, Miia (17.2.2022) GEOINFORMATIIKAN MENETELMIÄ HARJOITTELEMASSA. Haettu osoitteesta https://blogs.helsinki.fi/mcmiia/  

 

Afrikkaa kuvaavassa kartassa luonnonvarojen ja konfliktien esiintyvyyden välillä näyttäisi olevan jonkinlainen korrelaatio. Ei kannata kuitenkaan mennä päätä pahkaa toteamaan, että luonnonvarojen runsaus johtaa automaattisesti konflikteihin. Pitää ottaa huomioon alueellinen konteksti. 

Esimerkiksi Etelä-Afrikassa on hyvin paljon timanttikaivoksia, mutta konflikteja “vain” kahdeksana vuonna. Etelä-Afrikka on poikkeava siten, että se on muita Afrikan maita kehittyneempi ja vakaampi. Taloudellinen kehittyneisyys ja yhteiskunnallinen vakaus selittää sitä, ettei Etelä-Afrikassa ole ollut muihin Afrikan maihin verrattuna niin montaa konfliktia. 

Ylipäätänsä tarkastellessa luonnonvarojen ja konfliktien esiintyvyyden korrelaatiota pitää miettiä muita tärkeitä tekijöitä, jotka vaikuttavat taustalla. Afrikan maat ovat muiden maanosien maita köyhempiä ja epävakaampia. Selkeästi havaittava piirre on keskushallinnon heikkous.  

Korrelaatio luonnonvarojen ja konfliktien esiintyvyyden välillä voidaankin selittää suurilta osin historialla. Afrikan kehitys on paljolti riiston värittämä. Kun Afrikka joutui eurooppalaisten haltuun, syntyi talousjärjestelmä, joka perustui paikallisten riistoon. Valitettavasti eurooppalaisten vallan päätyttyä tilanne ei ole muuttunut paljoa. Afrikan maihin ei ole kehittynyt vahvaa paikallishallintoa, joka suojelisi paikallisten etuja. Tämä on johtanut tilanteeseen, jossa paikallisista luonnonvaroista saatavat rahat päätyvät kansainvälisille korporaatioille ja paikalliselle eliitille. Yhteiskunnallinen epävakaus yhdistettynä riistoon voi hyvinkin olla selittävä tekijä luonnonvarojen ja konfliktien esiintyvyyden välillä.  

Seuraavaksi tein kartan, jossa näkyy Suomen jokien valuma-alueet ja niiden tulvaindeksi sekä järvisyysprosentti. Kartassa näyttää olevan negatiivinen korrelaatio järvisyyden ja tulvaindeksin välillä eli mitä suurempi järvisyysprosentti on, sitä pienempi tulvaindeksi on. Tämän on todennut myös Jessika Isomeri blogissaan. Hän toteaa myös, että tulvaindeksin pienuus johtuu siitä, että järvillä on tehokas kyky säilöä vettä. Tämä vaikuttaa mielestäni järkevältä. Tiedän itse tulvien syntymisestä sen, että rakennetun ympäristön lisääntyminen helposti lisää tulvia, kun vettä imeviä pintoja on vähemmän.  

Pohjanmaalla monien jokien tulvaindeksi suuri todennäköisesti johtuen siitä, että alue on tasaista, jolloin joet saattavat tulvia uomansa yli. 

Yksi geoinformatiikkaan liittyvä olennainen asia on tiedon jakaminen. Vertaisapu on tärkeää. Itse en saanut aluksi järvisyysprosenttia kuvaavia pylväitä näkyviin. Kysyin kuitenkin Heikki Paulamäeltä apua, ja hän ystävällisesti auttoi minua Teamssin välityksellä. On mukavaa saada toisilta apua, ja toivon pystyväni jakamaan hyvää ja auttamaan muita jatkossa.  

 

Lähteet: 

Isomeri, Jessika (1.2.2022) JESSIKAN GIS-HURVITTELUT. Matka geoinformatiikan saloihin. Haettu osoitteesta Jessikan GIS-hurvittelut – Matka geoinformatiikan saloihin (helsinki.fi) 

 

Tein pinta-alavertailuja QGIS:ssä ja laitoin tulokset ylös Excel-taulukkoon. En saanut Snapping-työkalua toimimaan, eli minulla oli sama ongelma kuin Anna Makkosella. Tämä ei kuitenkaan haitannut työntekoani ja sain tehtyä mittaukset.  

Vertailin taulukossa neljää projektiota ETRS-TM35FIN-projektioon. Projektiot olivat world_robinson, world_mercator, world-azimuthal equidistant ja world_natural-earth. 

Projektiot vaikuttavat merkittävästi kartalla esitettävään tietoon. Tieto on luotettavaa, jos käytetään tilanteeseen sopivaa karttaprojektiota.  

Excel-taulukon tekeminen oli työlästä. Onneksi isäni on tottunut Excelin käyttäjä, joten saan häneltä aina apua tarvittaessa Excelin teknisissä ominaisuuksissa. Hän palautti mieleeni sen, että kohtaa, jota valittu laskufunktio laskee, saa laajennettua vetämällä ruudusta +-kuvion ilmaannuttua. Toinen tärkeä ominaisuus on se, että laskufunktioon valittavia rivejä ja sarakkeita saa lukittua $-merkillä. Tässä tehtävässä ei kuitenkaan tarvinnut tehdä mitään sen monimutkaisempaa.  

Pinta-alavääristymät voivat olla hyvinkin isoja projektiosta riippuen. Eniten pinta-aloja vääristää Mercator-projektio. Se on ehkä kaikista tunnetuin projektio. Tämän takia monet ihmiset eivät välttämättä ymmärrä, että Mercator-projektiota käyttävät kartat vääristävät pinta-aloja todella vahvasti. Itsekään en ollut miettinyt asiaa sen kummemmin ennen maantieteen yliopisto-opintoja.  

Tehdyt kartat antavat informaatiota eri karttaprojektioiden ominaisuuksista mutta vain pinta-alan osalta, kuten Meri Lehto blogissaan toteaa. Se, että Robinson- ja Natural Earth –karttaprojektioissa pinta-alat vääristyvät vähemmän tarkoittaa sitä, että niissä kartan muut ominaisuudet, esimerkiksi kulmat vääristyvät enemmän.  

Kaikki projektiot, joiden pinta-alavääristymiä tässä tarkastellaan, ovat koko maailmaa kuvaavia projektioita. Tämän takia onkin ymmärrettävää, että ne tuottavat vääristymiä verratessa niitä parhaiten Suomea kuvaavaan projektioon, ETRS-TM35FIN:iin. Olisikin mielenkiintoista nähdä, kuinka valtavat pinta-alavääristymät Suomea kuvaavaan karttaan tulisi, jos käytettäisiin jonkin Suomesta kaukana sijaitsevan maan kansallista koordinaattijärjestelmää.

 

 

Taulukko 1. Excel-taulukko, jossa näkyy pinta-aloja ja niiden absoluuttisia ja suhteellisia eroja

Kuva 1. Mercator-projektion pinta-alavääristymät suhteessa ETRS-TM35FIN-projektioon

Kuva 2. Natural Earth -projektion pinta-alavääristymät suhteessa ETRS-TM35FIN-projektioon

Kuva 3. Robinson-projektion pinta-alavääristymät suhteessa ETRS-TM35FIN-projektioon

 

 

Lähteet: 

Lehto, Meri, (2.2.2022) VIELÄ YKSI KYSYMYS GEOINFORMATIIKASTA. Blogi Geoinformatiikan menetelmät 1 -kurssin oppimispäiväkirjaa varten. Karttaprojektion monet puolet. Haettu osoitteesta https://blogs.helsinki.fi/lehtomer/2022/02/02/karttaprojektion-monet-puolet/  

Makkonen, Anna (2.2.2022) ANNMAKKO’S BLOG. Just another Blogipalvelut site. QGIS-harjoittelun toinen tuokio. Haettu osoitteesta annmakko’s blog – Just another Blogipalvelut site (helsinki.fi) 

 

Kurssilla tutustumme QGIS-karttaohjelman käyttöön. Itse olen käyttänyt ohjelmaa kerran aiemmin toisella kurssilla, joten minulla on vielä paljon opittavaa. Odotan oppivani kurssilla paljon.  

Ensimmäisellä kurssikerralla tutustuimme QGIS:n perustoimintoihin. Tunnilla saimme aikaan kartan, jossa näkyy Itämeren rannikkovaltioiden päästöosuudet Itämeren typpipäästöistä.  

Oli hauskaa tutustua QGIS:n eri toimintoihin. Tunnilla tehdyssä kartassa olennaisena toimintona oli Attribute Table –ikkunan Field Calculator –ikkunassa tehtävät laskutoimitukset. Aineistossa oli annettuna ainoastaan valtioiden päästömäärät. Tehtävänämme oli laskea päästöosuudet, mikä oli yksinkertaista prosenttilaskua. On hauskaa päästä hyödyntämään peruskoulussa ja lukiossa oppimaansa matematiikkaa myös nyt yliopisto-opintojen aikana. Matematiikkaa tarvitaan, vaikkei maantiede ole pelkästään matemaattinen tieteenala.  

Kuva 1. Maakohtaiset typen päästöosuudet Itämeren rannikkovaltioissa. 

Kartasta huomataan, että Itämeren rannikkovaltioilla on hyvin erilaiset päästöosuudet. Päästömääriin vaikuttaa tietenkin maan harjoittama ympäristöpolitiikka. On tärkeää kuitenkin huomioida myös, kuinka paljon väestöä maassa elää Itämeren valuma-alueella. Puolan päästöosuus on suurin. Käytännössä koko Puolan pinta-ala on Itämeren valuma-alueella. 

Tunnilla tehdyllä kartasta (kuva 1) saisi paremman, jos siinä ottaisi huomioon valtion väkiluvun. Tällöin saataisiin selkein kuva siitä, missä maassa on kovin tarve ympäristötoimille. Olisi esimerkiksi erittäin mielenkiintoista tietää, kuinka paljon ihmisiä asuu sillä Itämeren valuma-alueen osuudella, joka kuuluu Venäjään.  

Liittyen luennolla tekemääni karttaan minua pohdituttaa se, miksei Valko-Venäjän päästöosuuksia ole merkitetty aineistoon, jonka pohjalta kartan teimme. Merkittävä osa Valko-Venäjästä nimittäin on osa Itämeren valuma-aluetta.  

Saksan päästöosuuteen vaikuttaa selkeästi yksi maantieteellinen ominaisuus; jokien virtaussuunta. Tärkeä joki, Elbe virtaa Pohjanmereen. Täten ainut alue, josta Saksasta virtaa päästöjä Itämereen, on pohjoinen Itä-Saksa. Jos Elbe virtaisi Itämereen, Saksan päästöosuus olisi varmasti paljon suurempi, sillä joen valuma-alueella on paljon maataloutta. 

Kuva 2. Itämeren valuma-alue. (lähde: Baltic sea drainage basin | Map, Cartography map, Europe map (pinterest.com)

Kotitehtävänä piti visualisoida Suomen kuntien jostain tilastomuuttujasta kartta. Itse valitsin muuttujaksi ruotsinkielisten osuuden. Mielestäni se, missä ruotsinkielinen väestö Suomessa sijaitsee, on mielenkiintoinen ilmiö. Suomessa on ainoastaan kaksi aluetta, joissa on suuret osuudet ruotsinkielisiä koko väestöstä. Ne ovat Pohjanmaan ja Uudenmaan rannikko. 

Yksi mielenkiintoinen havainto on, että pääkaupunkiseutu on ainut kohta Uudenmaan rannikolla, jossa ei ole suurta ruotsinkielisten osuutta. Tämä johtuu varmaankin siitä, että pääkaupunkiseutu houkuttelee asukkaita koko Suomesta, joka on pääosin suomenkielinen. Vaikka pääkaupunkiseudulla on paljon ruotsinkielisiä, alueen koko väestö on niin suuri, että ruotsinkielisten osuus on selkeästi muuta Uudenmaan rannikkoa pienempi. 

Kotitehtävässä minulla oli aluksi ongelmia. Mietin hetken, että pitikö aineisto ladata jostain muualta, sillä QGIS:iin avautui kartta, jossa kaikki Suomen kunnat olivat samalla värillä. Sain apua toiselta opiskelijalta, ja tajusin, että piti valita ensiksi jokin muuttuja, ja sitten värittää se sopivalla väriasteikolla.  

Kuva 2. Ruotsinkielisten osuus Suomessa 

Kuten Masa Solonen blogissaan toteaa, osa tunnilla opituista komennoista unohtuu nopeasti. Oppiakseen sujuvat taidot paikkatieto-ohjelmistoissa niitä pitää käyttää säännöllisesti.  

 

 

Lähteet:  

Baltic sea drainage basin | Map, Cartography map, Europe map (pinterest.com) käyty sivulla 14.2.2022 

Solonen, Masa (27.1.2022). MASAN MAA-202 BLOGI. Geoinformatiikan menetelmät -kurssin tehtäviä ja toimeksiantoja. Kurssin alkuaskeleet. Haettu osoitteesta Masan MAA-202 blogi – Geoinformatiikan menetelmät -kurssin tehtäviä ja toimeksiantoja (helsinki.fi) 

Welcome to Blogipalvelut. This is your first post. Edit or delete it, then start blogging!