G# lentamente

Viides kurssikerta eteni melko nopeasti, koska meillä oli vain lyhyt yhteinen johdanto aiheeseen, minkä jälkeen saimme työskennellä tehtävien parissa itse. Viikon aihe oli siis bufferointi, ja opimme hyödyntämään bufferointia eri tarkoituksiin.

Tehtävä Pornaisista

Kurssikerroilla 4 ja 5 teimme harjoitustehtäviä Pornaisten alueesta. Neljännellä kurssikerralla loimme korkeuskäyriä, ja viidennellä kerralla teimme bufferivyöhykkeen Pornaisten suurimpien teiden ympärille. Ensiksi meidän piti piirtää tiet ja rajata alue, minkä jälkeen pystyimme luomaan bufferivyöhykkeen. Viidennellä kurssikerralla meillä oli kuitenkin valmiiksi piirretyt tiet ja rajat, joten kaikilla oli samat lähtökohdat.

Kun tiet ja rajat oli piirretty, pystyimme näkemään, kuinka monet asuivat 50 metrin läheisyydellä suurista teistä Pornaisissa piirtämällä bufferivyöhyke tien ympärille ja samalla laskettiin teiden pituutuus. Suuren tien lähellä asuminen voi vaikuttaa asumismukavuuteen. Teiden autojen aiheuttamat äänet ja pakoaasut voi häiritä elämänlaatua. Mietin, että tällä tavoin voitaisiin esimerkiksi säätää nopeusrajoituksia niillä alueilla, joissa on paljon asutusta.

Ensimmäinen tehtävä

Ensimmäinen tehtävä sisälsi paljon kerättävää tietoa, joten laadin yhden taulukon (taulukko 1) kaikista tiedoista, kuten myös Armida teki blogissaan Gissful thinking, Reflektioner kring buffreringskeltioner vecka 5 (2024). Meidän piti kerätä tietoa siitä, kuinka monet asuvat monilla eri tarkasti määritellyillä alueilla.

Taulukko 1 Ensimmäisen tehtävän vastaukset eli tiedot siitä, kuinka monta henkilöä asuu eri tarkasti määritellyillä alueilla.

Malmin lentokenttä
Asukaslukumäärä 2 km etäisyydellä	57 778 henk
Asukasmäärä 1 km etäisyydellä	8 914 henk
Helsinki-Vantaa lentokenttä
Asukasmäärä 2 km etäisyydellä	11 686 henk
Asukasmäärä 65dB-alueella ja 2 km etäisyydellä	19 henk (0,16 %)
Asukasmäärä vähintään 55dB-alueella	1 780 henk
Kun lentokoneet kulkevat Tikkurilan yli	13 998 henk
Asemat
Asukaslukumäärä 500 m etäisyydellä	110 278 henk (21,58 %)
Joista työikäisiä	67,09 %

Tuntuu siltä, että tätä työkalua (bufferointi) todella tarvitaan esimerkiksi kaupungin suunnittelussa. Erityisesti talot lentokentän läheisyydessä eivät ehkä ole yhtä houkuttelevia asumiskohteita, koska siellä on jatkuvasti melua lentokoneiden liikenteestä.

On hullua ajatella, että niin moni (1 780 henkeä) asuu vähintään 55dB alueella, koska jatkuva melu ei ole hyvä korvien tärykalvoille ja voi aiheuttaa jopa pitkäaikaista vauriota. Yleislääkäri V. Phalbergin mukaan korvakalvo ja kuulo voivat vaurioitua, kun niihin kohdistuu pitkäaikaista melua tai äkillinen kovempi ääni. Artikkelissa Phalberg kuitenkin kertoo, että vahinkoa voi tapahtua, kun pitkäaikainen melu ylittää 80dB, mutta voin kuvitella, että 55dB ja korkeampi eivät myöskään ole hyviä. (Phalberg, 2023)

Jatkuva melu, oli se sitten kovaa tai ei, ei myöskään ole hyvä aivoille ja psyykelle. Kun on melua, tunteiden kuuleminen ja kunnolla rentoutuminen voivat vaikeutua. On myös paljon tutkimusta siitä, että hiljaisuudessa keho rentoutuu ja aivot kehittävät solujaan, jolloin esimerkiksi oppiminen sujuu paremmin. (Palm, 2017)

Toinen tehtävä

Aloitin toisen tehtävän, mutta tuntui melko mahdottomalta laskea prosenttiosuus ulkomaalaisista asukkaista taajamassa/alueella, joten minun täytyy vielä miettiä tätä, mutta kouluiässä olevat lapset ja taajamien ulkopuolella asuvat ihmiset tuntuivat helpolta, koska se oli työkalu, jonka tunsin hallitsevani paremmin.

Taajamat
Kaikki taajamissa asuvien osuus	96,10 %
Kouluiässä olevat lapset taajamissa asuvista	3 369 henk (3,71 %)
Alueet, joissa yli 10 % on ulkomaalaisia	?
Alueet, joissa yli 20 % on ulkomaalaisia	?
Alueet, joissa yli 30 % on ulkomaalaisia	?

Kolmas – viides tehtävä

Tulossa vielä.

Ajatuksia QGIS:stä

Bufferttialueiden piirtäminen ja ensimmäisen tehtävän vastausten saaminen kysymyksiin tuntuivat melko helpoilta, joten pidin tehtävästä. Joissain tilanteissa minun täytyi pähkäillä, miten tehtävä suoritettaisiin, ja se oli joissain paikoissa vaikeampaa kuin toisissa, mutta lopulta päädyin kuitenkin ratkaisuun paitsi sitten myöhemmissä tehtävissä. Tuntuu melko palkitsevalta ja hauskalta selvittää vastauksia. Ensimmäinen tehtävä ei ollut erityisen vaikea minulle, paitsi että unohdan usein, mitä olen tehnyt, ja se vie enemmän aikaa, koska minun on aina löydettävä sama ratkaisu monta kertaa, kun en esimerkiksi ole tallentanut ensimmäisen kerran. Aiemmissa tehtävissä on kyllä ilmennyt useita vaikeampia ongelmia, erityisesti karttatehtävissä, joissa pitää visualisoida tiettyjä tietoja tietyllä tavalla.

Lähteet:

Wanström, Armida (15.2.2024). Reflektioner kring buffreringskeltioner vecka 5. Gissful thinking. https://blogs.helsinki.fi/armida/2024/02/15/reflektioner-kring-buffreringslektioner-vecka-5/

Phalberg, V. (20.10.2023). Bullerskada. Netdoktor. https://www.netdoktor.se/infektion/oron-nasa-hals/sjukdomar/bullerskada/

Palm, I. (26.8.2017) Därför är tystnad viktigt för hjärnan. Kurera. https://kurera.se/darfor-ar-tystnad-viktig-for-hjarnan/

Den femte kursgången for ganska snabbt då vi bara hade en kort gemensam introduktion till ämnet, och sedan fick själva jobba på uppgifterna. Veckans tema var alltså buffrering, så vi fick lära oss att utnyttja buffrering till olika saker.

Uppgiften om Pornainen

Under kursgångerna 4 och 5 gjorde vi som öving olika uppgifter med Pornainen området. På fjärde kursgången lagade vi upp höjdkurvor och på den femte kursgången en buffertzon över de största vägarna i Pornainen. Först måste vi rita ut vägarna och gränsa området, varefter vi kunde laga buffert zonen. På femte kursgången fick vi ändå färdigt ritade vägar och gränser, så att alla hade de samma.

Då vi hade vägarna och gränserna utritade kunde vi sedan se hur många som bodde inom 50 meters avstånd till stora vägar i Pornainen genom att rita ut en buffertzon runt vägen, samtidigt räknade vi hur långa vägarna är. Att bo så nära en stor väg kan nämligen påverka trivseln och störa livet på grund av ljudet som kommer från bilarna. Jag tänker mig att de på det här sättet kan till exempel justera hastighetsbegränsiningarna, eftersom det

Första uppgiften

Första uppgiften innehöll så mycket information man skulle samla så jag gjorde upp en tabell (tabell 1) över alla, så som också Armida gjorde i sin blog Gissful thinking, Reflektioner kring buffreringskeltioner vecka 5 (2024). Vi skulle nämligen samla data över hur många som bor på många olika specifika områden.

Tabell 1 Första uppgiftens svar, d.v.s. data om hur många personer som bor på olika specifika områden.

Malms flygplats
Invånarantal på 2 km avstånd	57 778 pers
Invånarantal på 1 km avstånd	8 914 pers
Helsingfors-Vanda flygplats
Invånarantal på 2 km avstånd	11 686 pers
Invånarantal på 65dB område och 2 km avstånd	19 pers (0,16 %)
Invånarantal på minst 55dB område	1 780 pers
Då flygen åker över Dickursby	13 998 pers
Stationer
På 500 m avstånd, av hela områdets invånare	110 278 pers (21,58 %)
Av vilka i arbetsålder	67,09 %

Det känns som det här verktyget (buffrering) verkligen kan behövas då man till exempel planerar staden. Speciellt husen nära flygplatsen är kanske inte lika attraktiva då man tänker på boendet för att det hela tiden är semimycket buller där, då flygen åker dygnetom.

Det är galet att tänka att det bor så många (1 780 pers) på minst 55dB område, för konstant ljud gör inte bra för trumhinnan och kan orsaka till och med långvarig skada. Enligt specialistläkaren i almänmedicin V. Phalberg kan trumhinnan och hörseln skadas då den utsätts för långvarigt buller eller ett kort högt ljud. I artikeln berättar Phalberg ändå att det är skadligt om det långvariga bullret är över 80dB, men jag kan tänka mig att 55dB och högre inte heller är så bra. (Phalberg, 2023)

Konstant buller, vare sig det var högt eller inte, är inte heller bra för hjärnan och psyket. Då det finns buller kan det vara svårare att höra känslor och slappna av ordentligt. Det finns också mycket forskning om att i tystnad slappnar kroppen av och hjärnan utvecklar sina celler, så till exempel inlärningen fungerar bättre. (Palm, 2017)

Andra uppgiften

Jag började på andra uppgiften men tyckte det kändes ungefär omöjligt att räkna prosenten utlänningar per tätort/område, så jag ska ännu fundera på detta men barn i skolålder och personer som bor utanför tätorterna kändes lätt för att det var ett verktyg jag känner att jag hantetar bättre.

Tätorter
Andelen som bor i tätorter av alla	96,10 %
Barn i skolåldern som bor i tätorter	3 369 pers (3,71 %)
Områden där över 10 % är utomlänningar	?
Områden där över 20 % är utomlänningar	?
Områden där över 30 % är utomlänningar	?

Tredje till femte uppgifterna

Ska ännu göras.

Tankar om QGIS

Det kändes ganska enkelt att rita upp buffertzonerna och få svaren till frågorna, så jag gillade uppgiften. I vissa situationer måste jag klura ut hur man skulle utföra uppgiften och det var på vissa ställen svårare än på andra, men till slut kom jag ändå alltid till svaret. Det känns ganska belönande och roligt att klura ut svaren. Den här uppgiften var inte skärsilt svår för mig, utom att jag ofta glömmer vad jag gjort och då tar det längre då man alltid ska hitta samma lösning många gånger då jag inte sparat första gången. I tidigare uppgifter har det nog uppstått flera svårare problem, speciellt i kartuppgifter där man ska visualisera någon viss data på ett visst sätt.

Källor:

Wanström, Armida (15.2.2024). Reflektioner kring buffreringskeltioner vecka 5. Gissful thinking. https://blogs.helsinki.fi/armida/2024/02/15/reflektioner-kring-buffreringslektioner-vecka-5/

Phalberg, V. (20.10.2023). Bullerskada. Netdoktor. https://www.netdoktor.se/infektion/oron-nasa-hals/sjukdomar/bullerskada/

Palm, I. (26.8.2017) Därför är tystnad viktigt för hjärnan. Kurera. https://kurera.se/darfor-ar-tystnad-viktig-for-hjarnan/

Neljännellä kurssikerralla opimme lisää rasteridatasta ja siitä, miten sitä kerätään esimerkiksi laserkeilaamalla. Näimme esimerkiksi, miten Physicum-aula oli laserkeilattu. Sen jälkeen saimme johdannon siihen, miten karttoja tehdään kerätystä datasta.

Erilaisia karttoja Helsingistä

Halusin nähdä, miten ruotsinkielisten osuus jakautuu pääkaupunkiseudulla, onko alueita, joilla heitä on enemmän tai vähemmän. Luennon aikana teimme kartan ruotsinkielisten absoluuttisesta määrästä pääkaupunkiseudulla, mutta sen jälkeen tein itse kartan ruotsinkielisten osuudesta. Ensimmäisestä kartasta (kuva 1) näkee, ruotsinkielisiä olevan enemmän Espoossa ja Länsi-Helsingissä, mutta myös hieman keskustassa ja Itä-Helsingissä.

Voi kuitenkin olla vaikea vaikea saada tarkkaa totuutta kartasta, koska eri kategoriat ovat hieman eri kokoisia. QGIS-ohjelma ehdotti näitä kategorioita, joten käytin niitä. Mutta mietin, että jos olisi ollut esimerkiksi 10 kategoriaa, joista jokainen olisi ollut 10% kokoinen, kartta olisi näyttänyt erilaiselta.

Luentojen jälkeen yritin tehdä toista karttaa (kuva 2) suuremmilla ruuduilla. Käytin siihen koko päivän, koska uusia ongelmia ilmeni koko ajan. Lopulta sain kuitenkin kartan valmiiksi (tai näin ainakin luulin). Pelkään kuitenkin, että se ei ole oikein tehty kaikista yrityksistäni huolimatta, koska se näyttää hyvin erilaiselta kuin kuvan 1 kartta. Kartan värejä katsoessä huomaa, ettei värit jakaudu kartalle samalla tavalla kuin ensimmäisessä kartassa. Jossain vaiheessa prosessia on siis luultavasti tullut tehtyä jokin virhe, mutta aion yrittää selvittää mikä on pielessä.

Luin muutamia blogeja ja inspiroiduin Jeron blogista, Jeron blogi: Neljäs kurssikerta (2024). Jero on tehnyt paljon yksityiskohtia karttoihinsa ja ollut luova sisällön suhteen, joten aion yrittää tehdä karttani hienommiksi, kun minulla on enemmän aikaa. Lopuksi aloitimme viidennen viikon tehtävän Paraisilla. En kuitenkaan ottanut tästä kuvia, vaan kerron siitä enemmän seuraavan viikon blogissa.

Lähteet:

Hoberg, Jero (13.2.2024). Jeron blogi. Neljäs kurssikerta. https://blogs.helsinki.fi/hoberg/2024/02/13/neljas-kurssikerta/

På den fjärde kursgången lärde vi oss mer om rasterdata och hur man samlar det med hjälp av laserskanning. Vi fick se som exempel hur physicums aula hade laserskannats. Sedan fick vi en inledning till hur man lagar rutkartor över datan man samlat.

Olika rutkartor över Helsingfors

Jag ville se hur de svenskspråkiga i huvudstadsregionen fördelas, om det finns något område där det finns mer eller mindre. Under lektionen gjorde vi upp en rutkarta över den absoluta mängden svenskspråkiga i huvudstadsregionen, men sedan lagade jag själv en rutkarta över de svenskspråkigas andel. Från den första kartan på bild 1 kan man se att det finns fler svenskspråkiga i Esbo och västra Helsingfors det finns också lite i centrum och östra Helsingfors.

Det är ändå från kartan svårt att veta exakta sanningen för att de olika kategorierna är lite olika stora. QGIS-programmet föreslog ändå dessa kategorier, så jag använde dem. Men jag tänker att om man skulle haft till exempel 10 kategorier som alla är 10% stora, skulle kartan sett annorlunda ut.

Efter lektionen försökte jag göra en till karta (bild 2), men med större rutor. Jag spenderade hela dagen på det för det uppstod hela tiden nya problem, men tillslut fick jag ändå en karta. Jag tror tyvärr nog att den inte är rätt gjord trots alla försök, för att den ser väldigt annorlunda ut från bild 1:s karta. Det är alltså något steg i processen som jag gjömt, men jag ska försöka ännu komma på felet.

Jag läste några bloggar, och blev inspirerad av Jeros blogg, Jeron blogi: Neljäs kurssikerta (2024). Jero  har lagat mycket detaljer till sina kartor och varit kreativ med innehållet, så jag ska nog ännu försöka göra mina kartor finare då jag har mer tid.

Till slut började vi på femte veckans uppgift om Parainen området. Jag tog inga bilder av detta, för att jag berättar mer om det i nästa veckas blogg.

Källor:

Hoberg, Jero (13.2.2024). Jeron blogi. Neljäs kurssikerta. https://blogs.helsinki.fi/hoberg/2024/02/13/neljas-kurssikerta/ 

Kolmannella kurssikerralla opimme kokoamaan erillaista dataa ja visualisoimaan sitä karttoissa ja kaavioissa. Jouduin tekemään sekä ensimmäisen harjoitustehtävän että itsenäisen tehtävän useita kertoja, koska en ollut tallentanut tekemiäni asioita ja muitakin ongelmia tuli. Tämän seurauksena koen oppineeni prosessin perusteellisesti.

Afrikan luonnonvaroja ja konflikteja

Vaikka Afrikan kartan laatiminen tunnilla tuntuikin epäloogiselta, se oli itse asiassa aika helppoa tehdessäni sen itse jälkeenpäin. Tunnilla kävimme läpi paljon hyödyllisiä toimintoja. Lopullinen kartta (kuva 1) näyttää Afrikan timantti- ja öljyresurssit sekä konfliktien syntymispaikat. Kartalla näkyy, miten resurssit jakautuu alueittain, ja pohjoisessa on eniten öljyä, kun taas timantit jakautuvat lähes koko muuhun Afrikkaan.

Konflikteja esiintyy selvästi eniten päiväntasaajan kohdalla, mutta ne leviävät myös muualle mantereelle. En tiennyt täysin, miksi näin oli, joten etsin tietoa siitä ja löysin tutkimuksen Sub-Sahara-maiden aseellisista konflikteista. Kuva 2 näyttää kuolemantapausten määrän

Sub-Sahara-maissa. Kuvasta näkee selvästi, että eniten tapahtuu juuri päiväntasaajan lähistöllä. Tutkimuksessa kerrotaan islamistisista ryhmistä, jotka ovat levinneet läntiseen Saheliin ja Tchadsjö-alueelle (eli Maliin ja Tchadiin) ja konflikteja esiintyy myös suuresti Suurten järvien alueella (IISS, 2022).

Vaikuttaa siltä, että suuri määrä konflikteja päiväntasaajan ympärillä Afrikassa johtuu siitä, että siellä on tärkeitä järviä ja terroristiryhmät ovat yleisempiä. En kuitenkaan ole varma, että ymmärsin syitä täysin.

Tulvaindeksi Suomen valuma-alueilla

Itsenäisenätehtävänä oli kerätä tietoja ja tehdä kartta ja karttakaavio niistä. Tunnen, oppineeni joka askeleen, koska ensin tein sen täysin itse ja sitten koko työ hävisi, joten minun piti tehdä se uudelleen. Kun tein sen uudelleen, kaikki ei toiminut yhtä sujuvasti kuin ensimmäisellä kerralla, joten taistelin ohjelman kanssa melko pitkään. Sitten autoin Adaa tekemään karttansa, ja se sujui helposti. En oikein ymmärrä, mikä ongelma oli karttani kanssa, mutta lopulta sekin valmistui.

Kuva 3 näyttää tulvaindeksin visualisoituna valuma-alueilla. Tätä Nora analysoi hienosti blogissaan Go GIS girl, Viikko 3 (2024). Tulvariski on suurin rannikoilla, mikä ainakin Pohjanmaalla johtuu siitä, että maa on hyvin matalaa ja tasaista ja meri on lähellä. Tulvariski riippuu tietysti myös muiden vesistöjen (järvien, jokien) määrästä alueella. Tämä ei kuitenkaan näytä vaikuttavan suuresti, kun katsoo kuvaa 3, koska järvien osuus on suurin Keski-Suomessa, mutta tulvariski on alhaisempi kuin rannoilla, joissa järvien osuus on pienempi.

Lähteet:

Knippare, Nora (2.2.2024). Vecka 3. Go GIS girl. https://blogs.helsinki.fi/knippare/2024/02/02/vecka-3/

På den tredje kursgången fick vi lära oss att sätta ihop olika data och visualisera det i en karta och diagram. Jag fick laga både första övningsuppgiften och den självständiga uppgiften många gånger för att jag inte hade sparat vad jag gjort, så jag känner att jag lärde mig ordentligt processen.

Naturresurser och konflikter i Afrika

Fastän Afrika kartans lagning under lektionen kändes ologisk, var den då jag gjorde den om själv, egentligen ganska enkel. Under lektionen gick vi alltså igenom en hel del nyttiga funktioner att kunna. Den slutliga kartan (blid 1) visar Afrikas diamant- och oljeresurser, och också var det uppstår konflikter. På kartan syns att resurserna uppdelas områdes vis, och i norr finns det mest olja medan diamanter sprids ut i nästan hela resten av Afrika.

Mest konflikter finns tydligt kring ekvatorn, men de sprids också ut till resten av kontinenten. Jag visste inte riktigt vad det här beror på, så jag googlade om det och hittade en forskning om Sub-Sahara ländernas beväpnade konflikter. Bild 2 visar mortaliteten i Sub-Saharas länder och det

syns tydligt där också att det sker mest just vid Ekvatorn. I forskningen berättas om islamistiska grupper som spridits vid västra Sahel och Tchadsjöområdet (d.v.s. länderna mellan Mali och Tchad) och konflikter uppstår också mycket vid den Stora sjöregionen. (IISS, 2022)

Det verkar alltså att den stora mängden konflikter vid ekvatorn i Afrika beror på att det finns viktiga sjöar där, och terroristgrupper är vanligare. Jag kan ändå inte garantera att jag förstod orsakerna helt och hållet. 

Översvämningsindex över avrinninsområden i Finland

Den självständigauppgiften var att samla ihop data och laga karta och kartdiagram över det. Jag känner att jag verkligen lärde mig varje steg, eftersom jag först lagade den själv helt och hållet och sedan raderades hela arbetet, så jag måste laga den på nytt. Då jag lagade den pånytt fungerade inte allt lika lätt så jag bråkade med programmet ganska länge. Så hjälpte jag Ada att laga sin karta och det gick hur smidigt som helst, jag förstår inte riktigt vad som var problemet med min karta, men tillslur blev den också klar.

Knippare, Nora (2.2.2024). Vecka 3. Go GIS girl. https://blogs.helsinki.fi/knippare/2024/02/02/vecka-3/

På den andra kursgången lärde vi oss att använda fler funktioner i QGIS. Vi bekantade oss med olika koordinatsystem och projektioner. Målet för lektionen var att observera vilka slags förvrängningar olika projektioner medförde.

Skillnader mellan olika projektioner

Först fick vi i uppgift att mäta area och längd för något, och därefter jämförde vi dessa i en tabell (tabell 1). Jag valde projiceringarna Mercator, Patterson och Aitoff, som jag senare också kartlade. I tabellen syns att det finns betydande skillnader mellan olika projektioner. ETRS-TM35FIN är en projektion specifikt anpassad för Finland, eftersom den baseras på en egen version av det europeiska ETRS89-systemet. Den är således den mest exakta av de projektioner som används i Finland (Forststyrelsen, u.å.).

Längd och area skillnader mellan olika projektioner
	TM35FIN	Mercator	Patterson	Aitoff
Längd (km)	568,2	1 211	1 171,1	614,1
Skillnad på längden jämfört med ETRS-TM35FIN (km)	0	643	603,1	46,1
Area (km²)	5 533,1	45612,4	20726,5	7210,0
Skillnad på arean jämfört med ETRS-TM35FIN (km²)	0	40079,3	15193,4	1676,9

Tabell 1 Skillnader i längd och area mellan olika projektioner. Längden mättes vid den bredaste punkten i Finland, och arean i Lappland.

Tabell 1 visar att Aitoff-projektionen skiljer sig minst från ETRS-TM35FIN, men det finns fortfarande en betydande skillnad. Jag märkte också att när man kollar på längden och arean av en ellipsoid i olika projektioner förblir längden och arean det samma. Detta är som det borde vara eftersom avståndet mellan två punkter på jordens yta alltid är detsamma. Då man jämförde med ellipsoiden blev det tydligt att ETRS-TM35FIN-projektionen avviker minst från verkligheten.

Jag upptäckte hur man ändrar textfärg i bloggen och experimenterade med det när jag skapade tabellen. Jag använde en ljusare grå färg för mindre viktiga detaljer för tydlighetens skull. I sin blogg, Gaiuksen kurssiblogi: MAA202 Toinen viikko (2024), använde Gaius olika färger i varje karta för att göra det lättare för läsaren att se att kartorna var olika.

Under föreläsningarna har vi funderat över hur olika färger på kartor påverkar läsarens uppfattning om ämnet. Rött och mörka färger används ofta för att visa stora mängder och mer negativa ämnen. Medan grönt och ljusare färger ofta har motsatt effekt. Detta framgår även av Rosenberg M.:s (2019) text The Role of Colors on Maps. För mina egna kartor (bild 1, 2 och 3) valde jag en färgskala som föreläsaren föreslog. Jag tycker färgskalan passar bra, eftersom rött visar stora fel och gränserna för olika värden syns tydligt eftersom färgerna är olika och inte bara en gradient.

Bilderna 1, 2 och 3 visualiserar skillnaderna mellan Mercator, Patterson och Aitoff gentemot ETRS-TM35FIN. Det syns att det nästan inte finns någon visuell skillnad mellan Mercator och Patterson, men när man tittar på värdena syns det att Mercator har betydligt mycket mer variation. Av dessa tre sticker Aitoff tydligt ut med sina låga värden och kartans färger är också placerade lite annorlunda.

 

 

 

 

 

 

 

 

Av alla ovan nämnda projektioner kan man se att ju längre norrut man kommer, desto mer förvrängd blir kartan. Detta tyder på att ”fokuspunkten/linjen” för alla dessa projektioner är närmare ekvatorn, och förvrängningarna är minst där och ökar när man går längre bort.

Källor: 

Forststyrelsen (u.å.). Oman sijainnin määrittäminen kartalla GPS-paikantimen avulla. Luontoon.fi. https://www.luontoon.fi/retkeilynabc/suunnistaminen/gpspaikantimet/omansijainninmaarittaminen

Eriksson, Gaius (23.1.2024). MAA202 Toinen viikko. Gaiuksen kurssiblogi. https://blogs.helsinki.fi/ezgaius/2024/01/23/maa202-toinen-viikko/

Matt Rosenberg (10.7.2019). The Role of Colors on Maps. ThoughtCo. https://www.thoughtco.com/colors-on-maps-1435690

Toivonen, Annasofia (30.1.2024). VIIKKO 2: Karttaprojektioiden syöväreihin QGIS:n kanssa. Annasofian blogi. https://blogs.helsinki.fi/annasoto/2024/01/30/viikko-2-karttaprojektioiden-syovareihin-qgisn-kanssa/

Ala-Heikkilä, Veera (31.1.2024). Viikko 2: Projektioita ja vääristymiä. Veeran blogi (MAA202). https://blogs.helsinki.fi/veeraala/2024/01/31/viikko-2-koordinaattijarjestelmien-vaaristymia/

Toisella kurssikerralla opimme käyttämään lisää QGIS:in ominaisuuksia. Tutustuimme eri koordinaattijärjestelmiin ja projektioihin. Kurssikerran tavoite oli havaita minkälaisia vääristymiä eri projektioilla on.

Ero eri projektioiden välillä

Saimme ensiksi tehtäväksi mitata pinta-ala ja pituus jostakin, jonka jälkeen näitä verrattiin taulukossa (taulukko 1). Valitsin projektiot mercator, patterson ja aitoff, jotka myöhemmin myös kuvannoin kartoille. Taulukossa näkyy, eri projektioiden välillä olevan paljon eroa. ETRS-TM35FIN on projektio, joka on sovellettu eritysesti Suomelle, sillä se perustuu omaan versioon eurooppalaisesta ETRS89-järjestelmästä, se on siis tarkin alla olevista projektioista Suomen alueella. (Metsähallitus, n.d.)

Pituus ja pinta-ala eroja eri projektioiden välillä
	TM35FIN	Mercator	Patterson	Aitoff
Pituus (km)	568,2	1 211	1 171,1	614,1
Pituus ero ETRS-TM35FIN verraten (km)	0	643	603,1	46,1
Pinta-ala (km²)	5 533,1	45612,4	20726,5	7210,0
Pinata-alan ero ETRS-TM35FIN verraten (km²)	0	40079,3	15193,4	1676,9

Taulukko 1 Pituus ja pinta-ala eroja eri projektioissa. Pituus on mitattu Suomen leveimmästä kohdasta, ja pinta-ala Lapista.

Taulukosta 1 voi lukea, Aitoff-projektion eroavan vähiten ETRS-TM35FINistä, mutta sekin eroaa paljon. Huomasin myös, että kun tarkastellaan ellipsioidin pituutta ja pinta-alaa kohteesta, eri projektioilla, pituus ja pinta-ala pysyy samana. Näin sen pitäisikin olla, sillä kahden kohteen etäisyys maapallolla on aina sama. Kun vertasi ellipsioidiin tuli selväksi, että projktioista ETRS-TM35FIN eroaa vähiten todellisuudesta.

Löysin miten vaihdetaan tekstin värit blogia tehdessä, ja leikin sillä taulukkoa tehdessä. Laitoin vähemmän tärkeät tiedot haaleammalla harmaalla, selvyyden vuoksi. Blogissaan, Gaiuksen kurssiblogi: MAA202 Toinen viikko (2024), Gaius käytti eri värejä jokaisessa kartassa, lukian huomataksi helpommin karttojen olevan eri karttoja. Olemme miettineet luennoilla miten eri värit kartoissa vaikuttavat lukijan mielikuvaan aiheesta. Punaisella ja tummilla väreillä osoitetaan usein suurta määrää ja negatiivisempia aiheita. Kun taas vihreällä ja vaaleammilla väreillä on vastakohtainen vaikutus. Tästä kertoo myös Rosenberg M. (2019) tekstissään The Role of Colors on Maps.

Omiin karttoihini (kuva 1, 2 ja 3) valitsin luennoitsijan suositteleman väriskaalan. Väriskaala sopii mielestäni hyvin, koska punaisella näytetään isoimman virheet, ja eri arvojen rajat näkyy hyvin, koska värit ovat erilaisia eikä vain liukuväri.

Kuvissa 1, 2 ja 3 on visualisoitu Mercatorin, Pattersonin ja Aitoffin erot ETRS-TM35FINiin. Kuvista näkyy, että Mercatorin ja Pattersonin välillä ei kuvallisesti ole juuri lainkaan eroa, mutta kun katsotaan arvoja näkyy että Mercatorilla on enemmän vaihtelua. Näistä kolmesta Aitoff erottuu selvästi joukosta matalilla arvoillaan ja kartan väritkin ovat sijoittuneet erilailla.

 

 

 

 

 

 

 

 

Kaikista yllä olevista projektioista näkee, että mitä pohjoisemmaksi tullaan sitä vääristyneempää kartta näyttää. Tästä voi päätellä kaikkien kyseessä olevien projektioiden ”fokuspiste/viiva” on lähempänä päiväntasaajaa ja vääristymiä on vähiten siellä ja lisääntyvät kun tullaan kauemmas.

Luin Annasofian ja Veeran blogit; VIIKKO 2: Karttaprojektioiden syöväreihin QGIS:n kanssa (2024), ja Viikko 2: Projektioita ja vääristymiä (2024). He olivat löytäneet hyvin erilaisilta näyttävät projektiot Equal Earth ja Equal Area, jotka näyttivän mielenkiintoisilta. Equal Earthin ja Equal Arean vääristymät eivät mene etelästä pohjoiseen vaan ihan eri tavalla. Niiden vääryys arvot ovat myös matalammat kuin Aitoffin, eli ovat totuudenmukaisempia.

 

Källor: 

Metsähallitus (n.d.). Oman sijainnin määrittäminen kartalla GPS-paikantimen avulla. Luontoon.fi. https://www.luontoon.fi/retkeilynabc/suunnistaminen/gpspaikantimet/omansijainninmaarittaminen

Eriksson, Gaius (23.1.2024). MAA202 Toinen viikko. Gaiuksen kurssiblogi. https://blogs.helsinki.fi/ezgaius/2024/01/23/maa202-toinen-viikko/

Matt Rosenberg (10.7.2019). The Role of Colors on Maps. ThoughtCo. https://www.thoughtco.com/colors-on-maps-1435690

Toivonen, Annasofia (30.1.2024). VIIKKO 2: Karttaprojektioiden syöväreihin QGIS:n kanssa. Annasofian blogi. https://blogs.helsinki.fi/annasoto/2024/01/30/viikko-2-karttaprojektioiden-syovareihin-qgisn-kanssa/

Ala-Heikkilä, Veera (31.1.2024). Viikko 2: Projektioita ja vääristymiä. Veeran blogi (MAA202). https://blogs.helsinki.fi/veeraala/2024/01/31/viikko-2-koordinaattijarjestelmien-vaaristymia/

 

GIS-metodien 1 -kurssin ensimmäisellä kerralla kävimme läpi QGIS:n perustoimintoja, ja harjoituksena muokkasimme karttaa Itämeren ympärillä olevien maiden typpipäästöistä (kuva 1). Heti kun keskittyminen herpaantui edes hetkeksi, ei ollut mitään aavistusta mitä pitäisi tehdä. Kun sitten yritin itsenäisesti tehdä kartan Suomen kunnista (kuva 2), oli vielä vaikeampi pysyä mukana, kun kukaan ei näyttänyt jokaista askelta tarkasti.

Typpipäästöt Itämerellä

Onneksi saimme tarkat ohjeet siitä, miten korjata kartta Itämeren typpipäästöistä, muuten siihen olisi mennyt paljon enemmän aikaa. Olen tyytyväinen karttani väreihin. Oli mielenkiintoista huomata, värillä on paljon merkitystö sille miten kartta tulkitaan, eli kun laatii karttaa on hyvä miettiä minkä viestin haluaa materiaalista antaa. Usein esimerkiksi eri maiden päästöille annetaan punaisia värejä, ja tummemmat värit symboloivat suurempaa määrää (negatiivista). En löytänyt punaisia sävyjä sisältävää värimittaa, joten päätin käyttää vaaleanpuna-violetti värisävyjä, jotka mielestäni myös sopivat hyvin.

Kuva 1 on valmis kartta niiden maiden typpipäästöistä, joilla on raja Itämereen. Kartasta kuvassa 1 erottuvat erityisesti Puola ja Viro. Viron typpipäästöt näyttävät olevan paljon pienemmät kuin muilla. European Environment Agency:n (2023) mukaan Viro on vähentänyt päästöjään merkittävästi viimeisten 20 vuoden aikana, ja nyt typpipäästöt ovat lähes nolla. Toinen maa, joka erottui erityisen paljon, oli Puola, joka tuottaa noin kolmanneksen kaikista Itämereen vaikuttavista typpipäästöistä, erityisen suurilla typpipäästöillä. Kuten Armida blogissaan Gissful thinking (2024) kirjoitti ja European Environment Agency:n (2023) mukaan, suurin osa maan päästöistä johtuu energiantuotannosta. Puolassa suurin osa energiasta tuotetaan hiiliteollisuudella, jossa typpi muodostuu kiven polttamisen prosessissa. Maatalous ja kaupalliset markkinat ovat myös merkittäviä typpipäästöjen aiheuttajia Puolassa. Myös suurin osa Puolassa käytettävistä autoista on todella vanhoja, mikä aiheuttaa enemmän päästöjä (Cross, D. T., 2019).

Taika mainitsee blogissaan Taikamatkalla GIS-velhoksi, että rannikon pituus tulisi ottaa huomioon karttaa analysoitaessa. Kartan typpipäästöt ovat vain niitä, jotka vaikuttavat Itämereen. Kun tarkastellaan rannikon pituuksia, näyttää siltä, että kaikilla muilla mailla Itämeren ympärillä on suunnilleen yhtä pitkä rannikko, paitsi Suomella ja Ruotsilla, joilla on huomattavasti pidempi rannikko. Tämä tarkoittaa, että Puolan päästöt ovat todellisuudessa vielä suuremmat kuin mitä kuvista näkee. Suomi ja Ruotsi päätyvät pitkistä rannoistaan huolimatta samaan luokkaan kuin useimmat muut, mikä viittaa vähäisiin päästöihin. On kuitenkin muistettava, että vaaleanpunaisen värin väli on niin suuri kuin 3,2% – 13,3%.

Suomen kunnat

Kurssin toinen tehtävä tehtiin itsenäisesti, mikä teki tehtävästä erittäin vaikean. Vaikka olin juuri suorittanut ensimmäisen tehtävän samana päivänä, olin silti ehtinyt unohtaa, miten jotkin vaiheet tulisi tehdä. Ruotsinkielisenä valitsin tehtäväksi tarkastella ruotsinkielisten osuutta kunnissa. Kuva 2 on lopullinen kartta Suomen ruotsinkielisten osuudesta kunnissa.

Kuva 2 on valmis kartta ruotsinkielisten osuudesta Suomen kunnissa. Kartasta näkee selvästi, missä kunnissa on eniten ruotsinkielisiä. Muuten se näyttää miltä ajattelinkin sen näyttävän, mutta yllätyin siitä, kuinka paljon ruotsinkielisiä näyttää olevan Lapissa, erityisesti ”käsivarressa”.

Kun katsoo karttaa, näyttää siltä, että on paljon kuntia, joissa ruotsinkielisten osuus on suuri, mutta on otettava huomioon, että kahdella tummimmalla ”värikategoriolla” on 40%:n väli (1,34-40,38 ja 40,38-92,4), mikä on melko suuri. Tämä tekee pohjoisessa näyttämään siltä, ​​että ruotsinkielisiä on enemmän kuin todellisuudessa on, eli Lapin ”käsivarressa” ei oikeasti ole paljoa vailkka silä näyttää.

Eri arvoluokat tehtiin automaattisesti QGIS:llä. Huomaan, että niillä ei ole erilaisia arvoja siinä missä yksi päättyy ja toinen alkaa. Tämä tulisi aina olla, koska arvoja voi ilmetä, jotka sopivat kahteen eri väriin. Esimerkiksi viimeinen päättyy 40,38 %:iin, ja seuraava kategoria alkaa 40,38 %:sta, joten jos jossain kunnassa sattuisi olemaan tarkalleen 40,38 % ruotsinkielisiä, karttaan tulee jonkinlainen virhe.

Tehtävä oli yleisesti ottaen mielenkiintoinen, ja koen tulleeni tutuksi QGIS-ohjelman kanssa. Tunnen kuitenkin olevani vielä hieman epävarma, ja tarvitsen enemmän harjoitusta QGIS-ohjelman ja yleisesti geoinformatiikan parissa.

 

Lähteet: 

European Environment Agency. (24.11.2023). Air pollution country fact sheets 2023. https://www.eea.europa.eu/themes/air/country-fact-sheets/2023-country-fact-sheets 

Wanström, Armida. (13.1.2024). Bekantningsprocessen till QGIS vecka 1. Gissful thinking. https://blogs.helsinki.fi/armida/2024/01/13/gissful-thinking/ 

Cross, D. T. (20.10.2019). Why air pollution in Poland is the worst in Europe. Sustainability Times.  https://www.sustainability-times.com/clean-cities/battling-the-scourge-of-air-pollution-in-poland/

Jaakkola, Taika. (17.1.2024). QGIS for dummies ja karttojen laatimisen perusteita. Taikamatkalla GIS-velhoksi. https://blogs.helsinki.fi/jztaika/2024/01/17/qgis-for-dummies-ja-karttojen-laatimisen-perusteita/

På första kurstillfället av GIS-metoder 1 -kursen gick vi igenom de grundläggande funktionerna i QGIS, och som en övning redigerade vi en karta över kväveutsläppen från länderna runt Östersjön (bild 1). Så fort koncentrationen sviktade ens för ett ögonblick, undrade jag vad som skulle göras. När jag sedan skulle på egen hand laga en karta om Finlands kommuner (bild 2), var det ännu svårare att hänga med då ingen visade exakt varje steg.

Kväveutsläpp vid Östersjön

Som tur fick vi noggranna instruktioner till hur man lagar kartan över kväveutsläppen vid Östersjön, annars skulle det tagit superlänge. Jag är nöjd med färgerna på min karta. Det var intressant att inse att man måste tänka på vilken färg man ger till olika kartor, så att de passar vad man vill förmedla med kartan. Man ger ofta röda färger till till exempel olika länders utsläpp, förstoss symboliserar också de mörkare färgerna större mängd. Jag råkade inte hitta färgskalan med de röda tonerna så det fick vara bra med rosa-lila, vilket jag nog tycker också passar bra.

Från kartan på bild 1 sticker speciellt Polen och Estland ut. Estlands kväveutsläpp verkar vara mycket mindre än de andras. Enligt European Environment Agency (2023) har Estland minskat på sina utsläpp mycket under de senaste 20 åren, nu är kväve utsläppen nära noll. Det andra landet som stack ut speciellt mycket var Polen med ungefär en tredjedel av alla kväveutsläpp som påverkar Östersjön, med extra mycket kväveutsläpp. Som Armida skrev i sin blog Gissful thinking (2024) och enligt European Environment Agency, är största delen av landets utsläpp på grund av produktionen av energi. I Polen produceras största delen av energin med kolindustrin, där kväve bildas i förbränningen av kolet. Lantbruken och de kommerciella marknaderna har också stor andel till kväveutsläppen. Största delen av Polens bilar är väldigt gamla, vilket också orsakar mera utsläpp (Cross, D. T., 2019).

I sin blog Taikamatkalla GIS-velhoksi nämner Taika att man också bör tänka på längden av strandlinjen då man analyserar kartan. Kväveutsläppen på kartan är de som påverkar Östersjön. Då man ser på strandlinjernas längd syns det att alla andra länder runt Östersjön har unefär lika lång strandlinje utom Finland och Sverige som har betydligt längre. Detta gör att Polens utsläpp i verkligheten är ännu större än man på bilden kan se från färgerna.  Finland och Sverige hamnar trots sina långa strandlinjer i samma kategori som de flesta andra, vilket tyder på lite utsläpp, men man måste ändå tänka på att intervallet för den rosa färgen ändå är från 3,2% ända till 13,3%.

Finlands kommuner

Kurstillfällets andra uppgift gjordes på egenhand, vilket gjorde uppgiften väldigt svår. Fastän jag just tidigare samma dag utfört den första uppgiften hade jag ändå hunnit glömma bort hur vissa av stegen skulle göras. Som svenskspråkig, valde jag att göra uppgiften över de svenskspråkigas andel i kommunerna. Bild 2 är den slutliga kartan över Finlands svenskspråkigas andel i kommunerna.

På kartan ser man tydligt i vilka kommuner det finns flest svenskspråkiga. Den ser annors ut som jag tänkte mig men jag blev förvånad av hur mycket svenskspråkiga det finns i Lappland, speciellt i ”armen”.

Då man ser på kartan ser det ut som att det finns väldigt många kommuner där de svenskspråkigas andel är stor, men man ska ta beaktande att de två mörkaste ”färgkategorierna” har 40%:s intervall (1,34-40,38 och 40,38-92,4), vilket är ganska stort. Just det här gör att det i norr ser ut som att det finns fler svenskspråkiga än det i verkligheten finns.

Intervallen mellan de olika värden gjordes automatiskt av QGIS, och jag märker att de inte har olika värden på där en slutar och nästa börjar. Det här borde alltid finnas eftersom det kan uppkomma värden som passar in i två olika färggrupper. Till exempel slutar den nästsista på 40,38% och den sista kategorin börjar på 40,38%, så om det skulle finnas någon kommun som råkar ha 40,38% svenskspråkiga, blir det och se tokigt ut på kartan.

Uppgiften var i allmänhet intressant och jag känner att jag blev bekant med programmet QGIS. Jag känner mig ändå lite osäker och det behövs mer övning med programmet och i allmänhet med geoinformatik.

Källor:

European Environment Agency. (24.11.2023). Air pollution country fact sheets 2023. https://www.eea.europa.eu/themes/air/country-fact-sheets/2023-country-fact-sheets 

Wanström, Armida. (13.1.2024). Bekantningsprocessen till QGIS vecka 1. Gissful thinking. https://blogs.helsinki.fi/armida/2024/01/13/gissful-thinking/ 

Cross, D. T. (20.10.2019). Why air pollution in Poland is the worst in Europe. Sustainability Times.  https://www.sustainability-times.com/clean-cities/battling-the-scourge-of-air-pollution-in-poland/

Jaakkola, Taika. (17.1.2024). QGIS for dummies ja karttojen laatimisen perusteita. Taikamatkalla GIS-velhoksi. https://blogs.helsinki.fi/jztaika/2024/01/17/qgis-for-dummies-ja-karttojen-laatimisen-perusteita/