Month: January 2023

En itse päässyt osallistumaan toiselle luennolle. Ajatus luennolta poissaolemisesta toi jo päänvaivaa. Turvauduin kuitenkin jo alusta lähtien siihen, että apua löytyy (jos sitä vain viitsii/haluaa etsiä). Näin kiitän jälleen kerran suuresta avusta Annalta (Liljefors) ja Siniltä (Koskela).

Toisen luennon harjoitukset kattoivat muun muassa projektiovääristymien esittämistä ja muihin työkaluihin tutustumista. Kun mietin jälkeenpäin, projektiokarttojen tekeminen oli mielestäni loogista ja mukavaa. Suurin tuska oli aluksi ymmärtää erilaiset vaiheet kartan teossa. Muita vaikeita vaiheita olivat oikeassa kohdassa projektion vaihtaminen sekä “add  geometry attributes”  lisääminen laskuja varten.

Olennaista oppimisen kannalta oli rutiini. En tiedä olisiko minulle jäänyt niin vahvana karttojen teko muistiin, jos en olisi menettänyt ensimmäisiä karttojani. Jotkin tasot olivat “tilapäisiä” ja tämän takia menetin tehdyt työt. Oli myös hauska lukea samanlaisia tuntemuksia Heli Tuomisen blogista Helin blogi – Geoinformatiikan menetelmät (helsinki.fi). Heli myös itse sanoi kertauksen ja mutkien olevan loppujen lopuksi positiivinen asia negatiivisen sijaan.

Kuva 1) TM35-FIN ja Mercatorin vääristymäkertoimet

Projektioiden vääristymiä oli hieman omalta osaltani vaikea analysoida. Jäin pohtimaan vääristymäkertoimien numeroita. Onko kyseessä prosenttiosuuksia? Tästä minun ehdottomasti pitää vielä ottaa lisää selvää.

Kaikesta huolimatta projektiokartoilla (kuva 1,2)  on havaittavissa eroja. Mercatorin projektio vääristää enemmän kuin Winkel Tripelin projektio suhteutettuna TM35-FIN koordinaattijärjestelmään. Winkel Tripel projektio vääristää enemmän pohjoissuunnassa kuin Mercator. Huom! Mercator vääristää suuremmin Pohjois-Suomessa, mutta Winkel Tripelillä vääristymät painottuvat enemmän Pohjois-Suomeen. Winkel Tripelin pienemmät vääristymät johtuvat siitä, että projektiossa on pyritty minimoimaan kaikki kolme (pinta-ala, suunta, etäisyys) vääristymää. Mercatorissa vääristymät kasvavat mitä kauemmas päiväntasaajalta mennään.

Kuva 2) TM35-FIN ja Winkel Tripelin vääristymäkertoimet

Maakuntien sijoittaminen kunta kartalle oli mielekästä puuhaa. Aluksi oli hieman hankaluuksia “select features by expression” kanssa. Hetken pähkäilyn jälkeen tarvittavat tiedot löytyivät ja maakunnat värjääntyivät kuntakartalle. En itse saanut maakuntien päälle lisättyä tekstiä, joten legendaan tuli tyytyä.

Kuva 3) Muutama maakunta esitettyinä kuntakartalla

Hienosti sain avun kanssa ja itsenäisesti tutustuttua lisää QGIS:in syövereihin. Siitä olen hyvin iloinen. QGIS tuntuu jo paljon tutummalle ja turhautumisen tunteet eivät nouse heti ensimmäisenä QGISiä avatessa. 🙂

Lisäys(6.2.2023)

Vääristymäkertoimet eivät ole prosenttiosuuksia 🙂  Vääristymäkertoimet kertovat sen, kuinka monin kertaiset projektioiden väliset erot ovat!

Lähteet:

Tuomi H. “Kurssikerta & harjoitus 2” blogikirjoitus 29.1.2023

Helin blogi – Geoinformatiikan menetelmät (helsinki.fi)

Vihdoin ja viimein ensimmäinen kotona tehtävä harjoitus suoritettu. Valehtelisin, jos sanoisin harjoituksen olleen helppo. Todetakseen vielä, että valitsemani tehtävän vaikeustaso oli “helpoin” eli 1 vaikeustaso…

Minulle varmaan tuottivat ongelmia ennen kaikkea omat möröt pään sisässä. Hermostun helposti uusien asioiden kanssa ja alan tekemään hätiköityjä valintoja. Huomasinkin jossain vaiheessa yrittäväni tehdä karttaa ilman ohjeita, ja näin luonnollisesti jäin jumiin. Lopulta kuitenkin ymmärsin vihdoin alkamaan katsoa ohjeita, jotka loppujen lopuksi auttoivat paljon. Vaikka välillä katsoinkin silmät pyöreinä, että “mikä ihmeen styles layer”. Sain myös vinkkejä ja apua whatsappin välityksellä, josta olen erittäin kiitollinen.

Valitsin koropleettikarttaan (kuva 1) 15-16-vuotiaiden prosenttiosuuden kuntien väestöstä. Yritin erityisesti kiinnittää huomioita eri prosenttiosuuksien väreihin. Visuaalisuus vaikuttaa voimakkaasti lukijaan. Jäin silti kuitenkin pohtimaan, että erottuvatko värit tarpeeksi hyvin.

Suomen kartalla mielestäni erottuvat hyvin ne alueet, joissa on muuttotappioita. Tämä johtuu siitä, että 15-16-vuotiaiden osuus kunnan väestöstä heijastaa paljon kuntien tilanteesta. Mitä vähemmän kunnan alueella on 15-64-vuotiaita sitä enemmän kunnan alueella on yli 64-vuotiaita. Tällaisia muuttotappioalueita on havaittavissa esimerkiksi Itä-Suomessa Lieksan ja Ilomantsin kunnissa. Päinvastoin 15-64-vuotiaiden täyttämiä alueita löytyy Pääkaupunkiseudulta sekä esimerkiksi Oulun kunnasta. Olin kaikista yllättynein Lapin 15-64-vuotiaiden osuuksista. Suurimassa osassa Lapin kunnissa 15-64-vuotiaiden osuus on yli 40 prosenttia.

Kuva 1) 15-64-vuotiaiden osuus (%) kuntien asukasluvusta (2021)

 

Viime viikolla jatkoime QGIS-ohjelmiston parissa. GQIS oli päässyt vieraantumaan, joten ongelmakohtia tuli vastaan. Onneksi sain nopeasti apua vierustoverilta Rebekkalta.QGIS:in avulla teimme viime luennolla koropleettikartan.

Koropleettikartan eri vaiheet nostivat monia erilaisia tunnetiloja. Karttaan aineistojen hakeminen ja käsitteleminen toimivat näppärästi ohjeistusta seuraten. Ilokseni päästessäni viimein kartan legendaan, jokin meni jumiin koneessa ja jouduin aloittamaan kaiken alusta. Vähintäänkin huomasin, että ohjeet sekä eri vaiheet olivat jäänet hienosti mieleen. Muistan myös hermostuneeni, kun kuulin luennolla tehtävän laskuja. Taisin ihan turhaan synnyttää omia kauhuskenaarioita, sillä typpipäästöjen prosenttiosuudet oli helppo laskea ohjelmiston avulla. Mieltä rentouttavaa oli valita erilaisia värejä karttaan ja lisätä symboleita. Mielenrauha ei kuitenkaan säilynyt pitkään, kun kärsivällisyyttä koettelivat legendan ja kartan reunustaminen ”rectangle” työkalulla. Toisin sanoen vaati vielä hieman aikaa tuon ohjelmiston kanssa ystävystyminen…

Koropleettikartassa (kuva 1) nousevat esille HELCOM-maat ja suojeltava Itämeri. HELCOM on Itämeren merellisen ympäristön suojelukomissio. Tumman siniset viivat ovat syvyyskäyriä. Punaisen vaalein väri kuvaa vähäisen typpipäästöjen maita ja tummimman punainen päinvastoin. Jälkeenpäin ajateltuna olisi kenties ollut selkeämpää pitää “nollan typpipäästön” maat eri värisinä kuin “ei-HELCOM” maat. Nyt ne sekoittuvat yhteen.

Jäin myös pohtimaan Puolan suuria typpipäästöjä suhteessa muihin maihin. Onko tosiaan niin, että maatalouden harjoittaminen Puolassa vaikuttaa näin suurelta osin Itämereen. Lucas lähestyy blogissaan hyvin samankaltaisesta näkökulmasta kirjoittaen “Kartta on selkeä esitys Itämeren tilanteesta, muttei välitä vastauksia kysymykseen ”miksi?” lukijalle, jolle aihe ja alue ovat tuntemattomia (eli minulle)”.

Kuva 1) HELCOMiin kuuluvat maat ja merialue(Itämeri)
Valtioiden typpipäästöt ovat prosenttiosuuksia (%).

Lähteet:
Yoni.L (23.1.2023).Viikko 1: Try, try again [blogikirjoitus]

Viikko 1: Try, try again

<3