Viikko 7: Loppuhuipennus

Viimeistä viedään

Nyt on viimeisen blogipostauksen aika, sillä kurssimme on tullut päätökseen.

Viimeisen kurssikerran tavoitteena oli näyttää omat taitonsa ja tehdä itse valitsemasta aiheesta jonkinlainen kartta. Tarkoituksena oli siis hankkia itse käytettävä data ja muokata se käyttökelpoiseksi ja sitten tehdä siitä jonkinlainen karttaesitys. Minulle tehtävä kuulosti aluksi hankalalta osin siksi, etten tiennyt mistä aiheesta haluaisin kartan tehdä saatikka mistä löytäisin sopivat aineistot haluamaani aiheeseen. Vaihdoin aihettani varmaan viisi kertaa ennen kuin päädyin lopulliseen aiheeseen. 😀 Sallakin toteaa kurssiblogissaan samankaltaisesta haasteesta keksiä kartan aihe:

“Tämän päivän neljästä tunnista kampuksella rehellisesti sanottuna melkein puolet meni siihen, kun tutkin erilaisia aineistoja ja kokeilin erilaisia pohjakarttoja. Eihän se kartta siinä oikein edistynyt, mutta tulipahan taas tutustuneeksi erilaisiin lähteisiin ja pohjakarttoihin!” – Salla Kärkkäinen, 2022

Pirkanmaan työttömyys ja tulomuutto

Päädyin kuvaamaan kartalle Pirkanmaan maakuntaa ja siellä esiintyvää työttömyyttä sekä kuntien tulomuuttoprosenttia (kuva 1). Ajattelin, että olisi kiinnostavaa tarkastella entistä asuinmaakuntaa ja sen tietoja kartalla.

Kuva 1. Pirkanmaan työttömyys (%) ja tulomuuttoprosentti vuonna 2020.

Karttaa tarkastellessa voidaan huomata, että työttömyysprosentti on suurin Tampereella, Orivedellä, Mänttä-Vilppulassa, Valkeakoskella sekä Urjalassa. Itse hämmästyin hetkeksi Tampereen työttömyysprosenttia, kunnes tajusin sen johtuvan siitä, että kaupungissa on paljon opiskelijoita, joka nostaa työttömyysprosenttia. Muut kunnat olivat melko selkeitä, sillä moni paikoista on asukasmäärältään pieniä ja työpaikkojen määrä on pienentynyt.

Tulomuuttoprosentista erottuu selkeimmin Tampere, Pirkanmaan suurin kaupunki. Tampere on vetovoimainen kaupunki eikä siis yllätä, että sen tulomuuttoprosentti on suurin kaikista kunnista. Tässä aineistossa oli se huono puoli, ettei kaikista kunnista tulomuuttoprosenttia ollut saatavilla, joka hieman ehkä vinouttaa karttaa. Kuitenkin näistä kunnista, joista tieto on, voidaan tehdä huomio, että Tampereen isot kehyskunnat kuten Nokia, Pirkkala ja Kangasala vetävät myös suhteellisen paljon ihmisiä. Tämä johtunee siitä, että halutaan muuttaa lähelle suurta kaupunkia, muttei kuitenkaan kyseiseen kaupunkiin.

Kartta onnistui mielestäni hyvin ja se on informatiivinen. Se ei ehkä ole monimutkaisin mahdollinen kartta, mutta sen tekeminen onnistuneesti teki minut hyvinkin onnelliseksi siitä, että ehkä sittenkin osaan tehdä jotain itsenäisesti! Haluaisin ehkä tehdä vielä toisenkin samantyylisen kartan, mutta katsotaan saanko sen tehtyä ennen palautusta.

Mitä kurssista jäi käteen?

Mitäkö? Aika paljonkin. Esimerkiksi suuri määrä uusia taitoja ja tietämystä paikkatiedosta ja sen käytöstä. Opin myös suhteellisen hyvin käyttämään QGIS-ohjelmistoa, vaikka sen käytössä olikin aluksi hankaluuksia. Koen myös saaneeni pienen kipinän oppia vielä lisää ja ymmärtää vielä paremmin geoinformatiikan ihmeellistä maailmaa. Antoisinta kurssissa oli kyllä se, että meillä mantsalla on hyvä tekemisen meininki ja kannustamme toisiamme kurssin tehtävissä. Olen iloinen siitä, että aina on saanut apua, kun sitä on tarvinnut ja tehtävien teko ylipäätään kavereiden kanssa on ollut mahtavaa! <3 Nyt kuitenkin kiitän kurssista ja suuntaan kohti uusia haasteita!

 

Lähteet:

Kärkkäinen S. (2022) Viikko 7: Grändi Finaale, Sallan kurssiblogi -blogi (luettu 4.3.2022). Saatavilla: https://blogs.helsinki.fi/karkkais/

Viikko 6: aamukävely ja hasardien maailma

Tämän keskiviikon pakkaskeli ilahdutti jo ennen luennolle saapumista. Vasta Sohville päästyäni muistin, että tänään oli tarkoitus ulkoilla. Noh, iloitsin siitä, että kerrankin muistin pipon päähän. Ulkohousut olisivat olleet hyvä lisä, mutta pärjäsin ilmankin.

Kävelyretki

Luennon aluksi siis saimme tehtäväksi ladata EpiCollect nimisen sovelluksen kännykkään, johon oli luotu projekti meitä varten. Tarkoituksena oli ryhmissä kerätä noin 10 paikkaa ja arvioida niiden viihtyvyyttä ja turvallisuutta sovelluksen kysymysten avulla. Mukava noin 45 minuutin kävely kavereiden kanssa kyllä virkisti ja oli hauskaa ihan käytännössä tuottaa omaan käyttöön paikkatietoa. Takaisin luokkaan päästyämme tiedot ladattiin ja niistä saatiin dataa QGIS ohjelmaan, josta pääsimmekin luomaan kartan (kuva 1). Kartallani kuvaan alueelta valitsemamme paikat ja niiden turvallisuuden tunnun. Kartalle muodostui aluksi vain pisteet, joissa kurssilaiset olivat käyneet. Sen jälkeen tiedot interpoloitiin, jotta karttaan sai näkymään koetun turvallisuuden eri värein. Mielestäni tein melko selkeän ja havainnollistavan kartan.

Kuva 1. Kartta koetusta turvallisuudesta kampuksen lähellä.

Hasardien maailmaan

Tämän jälkeen saimmekin sitten itsenäiset tehtävät, joiden tarkoitus oli kuvata erilaisia hasardeja maailmankartalla. Pienenä ekstrana karttojen on tarkoitus sopia opetuskäyttöön, jolloin karttojen visuaalisuuteen ja helposti luettavuuteen tuli panostaa. Päätin keskittyä pelkästään maanjäristyksiin ja tein aiheesta kolme erilaista karttaa. Ensimmäiseen karttaan (kuva 2) visualisoin kaikki 6-9 magnitudin maanjäristykset vuosilta 1900-2022. Karttana tämä minusta havainnollistaa hyvin missä päin maapalloa maanjäristyksiä tapahtuu. Ehkä opettamisen kannalta karttaan olisi voinut lisätä esimerkiksi litosfäärilaattojen reunat, sillä se on opetettaessa asiaa tärkeä asia huomata. Myös eri värit eri kokoluokan maanjäristyksille olisi ehkä helpottanut, mutta toisaalta jos on tarkoitus saada vain yleiskuva niin minusta tämä toimii aivan hyvin.

Kuva 2. 6-9 magnitudin maanjäristykset maapallolla 1900-2022

Seuraavaksi kuvasin kartalle (kuva 3) kaikkein suurimmat maanjäristykset vuosilta 1900-2022 eli 8-9 magnitudin maanjäristykset. Kartta on minusta selkeä ja sillä voi hyvin havainnollistaa kuinka vähän loppujen lopuksi niin suuria maanjäristyksiä tapahtuu, kun ottaa huomioon, että dataa on yli sadalta vuodelta. Tässäkin litosfäärilaattojen reunojen laittaminen pohjalle olisi voinut vielä selkeyttää karttaa. Esimerkiksi Heta oli näin tehnyt blogissaan ja hän sanookin, että

”Karttaa tarkastelemalla huomaa, miten sekä tulivuoret, että maanjäristykset klusteroituvat selkeästi litosfäärilaattojen rajavyöhykkeille ja etenkin laattojen törmäyskohtiin.” – Heta Suutari (2022).

Kuva 3. 8-9 magnitudin maanjäristykset maailmassa 1900-2022

Viimeisenä päätin kuvata kaikkia viimeisten 30 päivän aikana tapahtuneita maanjäristyksiä havainnollistaakseni sitä, kuinka paljon esimerkiksi hyvin pieniä järistyksiä tapahtuu. Kuvasin erikokoisia järistyksiä eri väreillä ja eri pistekoolla, joka mielestäni havainnollisti karttaa hieman enemmän ja sen tulkitseminen on helpompaa. Luulen, että tämä on selkein kaikista kolmesta kartasta juuri pistekoon ja värien muuttamisen takia.

Kuva 4. Viimeisin 30 päivän aikana tapahtuneet maanjäristykset (alkaen 25.1.2022) (Kuvassa väärä alkamispäivämäärä! :D)

Kartoillani voidaan opettaa mm. maanjäristysten sijoittumista, niiden suuruutta sekä myös sitä kuinka minkäkin suuruiset maanjäristykset vaikuttavat ihmisiin ja ihmisasutukseen. Maanjäristysten yhteydessä voisi myös käsitellä tulivuorten sijoittumista, sillä maanjäristysten sijainnit ja tulivuorten sijainnit monesti liittyvät toisiinsa.

Fiiliksiä

Tämän kurssinkerran tehtävät tuntuivat suhteellisen helpoilta eikä suurempia ongelmia ollut. Tuntuu siltä, että QGIS ei olekaan enää niin hankala ymmärtää kuin ennen. Ensi viikolla onkin viimeinen kerta, jolloin pääsemme itse tekemään karttoja itse valitsemastamme aiheesta. Nähdään siis vielä sen merkeissä ensi viikolla!

Iloista viikonloppua jokaiselle! <3

 

Lähteet:

Suutari H. (2022) 6. Viikko: Virkistys, Heta VS GIS -blogi (luettu 25.2.2022). Saatavilla: https://blogs.helsinki.fi/suutarih/

 

Viikko 5: Buffereita ja tuskan hikeä

Hei taas!

Tällä kurssikerralla teimme aika paljon kaikenlaista. Aluksi tutustuimme jo viime tunnilla aloitettuun Pornaisten kunnan karttaan ja opettelimme esimerkiksi bufferoimaan alueita. Bufferointi oli yllättävän yksinkertaista, kun sen oppi ja sen avulla voikin jatkossa tehdä kaikenlaista. Alun yhteisen osuuden jälkeen saimmekin kasan itsenäisiä tehtäviä, joiden kanssa sitten lopputunti (ja loppu viikko :D) menikin.

Lentokentät, asemat ja taajamat

Aluksi tutkimme sekä Helsinki-Vantaan että Helsinki-Malmin lentokenttien meluvyöhykkeitä. Yllätyin tehtäviä tehdessä, kuinka paljon ihmisiä asuukaan lähellä lentokenttiä. Helsinki-Vantaasta 2 kilometrin säteellä asuu yli 10 000 ihmistä!? 😮 Helsinki-Vantaan lentokentän alueesta meillä oli myös käytössä tietokanta lentomelusta, jossa oli eritelty desibelimäärät alueilla. Näistä tuli laskea erilaisia prosenttiosuuksia. Tämä oli pienen alkukankeuden jälkeen suhteellisen yksinkertaista, kun oppi mitä tulee tehdä.

Seuraavaksi tein asemista olevan tehtävän, jossa piti tutkia, kuinka paljon ihmisiä asuu 500 metrin päässä metro- tai juna-asemasta.  Tämäkin tehtävä vaati hetken hämmästelyä, mutta sain sen kunnialla tehtyä kavereiden avustuksella. Myös seuraava taajamatehtävä oli suhteellisen yksinkertainen edellisen tehtävän jälkeen, koska ne toimivat hyvin samoin tavoin.

Taulukko 1. Tehtävien tuloksia.

Hieman itkettää

Sitten tultiinkin viimeisiin tehtäviin, joissa kaikilla (ainakin blogien perusteella) on ollut hankaluuksia. Ohjeet eivät varsinaisesti auttaneet ainakaan minua tai niissä ei kerrottu kovin tarkkaan mitä oli tarkoitus tehdä. Tuskailin tehtävänannon kanssa pitkään yksin, enkä saanut oikein mitään aikaiseksi itsekseni. Sain kuitenkin apua Hetalta (erityiskiitos hänelle <3) ja onnistuin tekemään tehtävät ja tuottamaan kuvan 1 kartan Helsingin seudun putkiremontti-indeksistä vuonna 1965-1970 rakennetuista kerrostaloista.

Kuva 1. Helsingin seudun putkiremontti-indeksi kerrostaloissa.

Fiiliksiä kurssista

Näin kurssin kääntyessä loppua kohden on hyvä pohtia omaa oppimistaan kurssilla. Jaan kyllä Tiitun (Tia-Maria Liljeroos, 2022) fiilikset tältä viikolta, joista hän puhui blogissaan:

” Viime viikko tuntui vielä valoisalta, mutta tällä viikolla itsenäiset tehtävät olivat kryptistä soppaa. Ilman ohjeita tuntui kuin lilluisi avomerellä ilman edes pelastusrengasta. Tuntuu ristiriitaiselta, että vaikka QGIS alkaa tuntua selkeämmältä, olen silti tasaisin väliajoin aivan hukassa.” – Tia-Maria Liljeroos, 2022

Minusta tuntuu, että osa asioista alkaa kyllä loksahdella paikoilleen eikä QGIS enää ole niin mystinen, kuin se aluksi oli. Luulen, että sinnikkäällä harjoittelulla ja toistoja tekemällä senkin käytön voi oppia. Vielä en tunne olevani täysin oppinut ja osa toiminnoista on edelleen hakusessa. Mutta onnistumisia on kuitenkin ollut ja luulenkin, että sovelluksen käyttö jatkossa on jo helpompaa. Kartan visualisointi ja asioiden laskeminen attribuuttitaulukossa ovat varmaan parhaiten mielessä tekemistämme jutuista. Osan komennoista muistan taas vasta kun avaan ohjelman. 😀

Voisin kuitenkin sanoa oppineeni jo paljon, mutta jonkinlaista rutiinia ja sujuvuutta haluaisin vielä oppia sovelluksen kanssa.

 

Lähteet:

Liljeroos T. (2022) Viikko 5: En tiedä, mitä tapahtuu, mutta ei tiedä Muumipappakaan, Tiitun GIS-reissu -blogi, (luettu 18.2.2022), saatavilla: https://blogs.helsinki.fi/litili/ 

Viikko 4: Pääkaupunkiseudun rakennus- ja väestötietoja

Heipä hei taas!

Keskiviikon pakkasaamu alkoi Moodlen käyttökatkolla, joka aiheutti hieman jännitystä heti luennon alkuun. Sillä aikaa, kun Moodle huolsi itseään kävimme luentomaisesti läpi piste- sekä ruutuaineistoja, sillä tunnin tarkoitus oli tutustua näihin myös ihan käytännössä. Luento osuuden jälkeen huomasimme onneksemme, että huoltokatko oli ohi nopeammin kuin oli ilmoitettu ja pääsimme tarkastelemaan piste- ja ruutuaineistoja QGIS:n avulla.

Kun Moodle alkoi toimia

Tunnin tarkoituksena oli luoda ruututeemakartta pääkaupunkiseudun alueelta. Jotta tällainen oli mahdollista tehdä, täytyi aineistoon ensin luoda ruudukko Helsingin, Espoon, Vantaan ja Kauniaisen päälle. Tähän ruudukkoon yhdistimme lisää tietoa, josta saatiin luotua teemakartta. Itse käytin aineistoa muunkielisistä pääkaupunkiseudun alueella. Kartassani (kuva 1) on siis kuvattu muunkielisten osuus suhteessa koko väestöön alueella. Mietin jo tunnilla, kuinka on hieman pelottavaa, että asuinrakennuksista on olemassa ja käytettävissä hyvinkin tarkkoja tilastoja. Datasta sai selville yksittäisissä rakennuksissa asuvien ihmisten lukumäärän sekä esim. sen minkä ikäisiä asukkaat ovat.

Kuva 1. Muunkielisten osuus pääkaupunkiseudulla suhteessa koko asutukseen.

Analyysin hetki

Karttaa tulkitessa voi huomata muunkielisen väestön keskittymisen tietyille alueille. Esimerkiksi Itä-Helsinki korostuu kartalta melko selkeästi. Mutta myös Espoon, Vantaan ja Kauniaisen alueilta löytyy selkeästi erottuvia alueita. Selittäviä tekijöitä kartalla nähtävissä keskittymissä on se, että maahanmuuttajien osuus itäisessä Helsingissä on varsin suuri muuhun kaupunkiin verrattuna, jolloin myös muunkielisyyden prosentti on suurempi. Matalampi vuokrataso vetää maahanmuuttajataustaisia itäiseen Helsinkiin, koska heidän työllisyystasonsa on monesti heikompi kuin kantasuomalaisilla.

Jos tekisin jälkeen päin jotain toisin, karttaan olisi voinut merkitä esim. kuntien rajat tai tiestöä helpottamaan kartan tulkintaa. Nyt kartan alueiden havaitseminen varsinkin ulkopuoliselle katsojalle voi olla hyvinkin hankalaa. Muutenkin analysoinnin puolesta kartan tulkinta voisi näin helpottua. Elida Peuhukin pohtii kartan luettavuutta omassa blogissaan.

”Kartta olisi luettavampi, jos siihen olisi merkattu paikannimet sekä kuntarajat.” – Elida Peuhu, 2022.

Peuhu on kuitenkin omaa karttaansa selkeyttänyt pienalueiden merkinnällä, joka mielestäni selkeyttää hänen karttaansa ja tekee siitä järkevämmän kuin omani on.

Ruututeemakartan tulkinta verrattuna koropleettikarttaan on mielestäni vaikeampaa, sillä alueiden rajaukset ovat vaikeammin hahmotettavissa ruutujen takia. Tämä toki on mielipidekysymys, enkä tiedä kumpi karttatyypeistä on järkevämpi erilasten esitysten visualisointiin. (ehkä senkin vielä opin joskus :D) Joka tapauksessa olen iloinen, että onnistuin tekemään tämän kerran kartan, jopa ilman suurempia ongelmia!

Lopuksi

Tunnin lopuksi teimme jo ensi kertaa varten hieman alkuvalmisteluja Pornaisten kartalle. Ensi kerralla pääsemmekin enemmän rasteriaineistojen pariin ja niistä sitten lisää ensi viikolla.

Nyt kuitenkin hyvää loppuviikkoa itse kullekin! <3

 

Lähteet:
Peuhu E. (2022) Ruutukarttoja ja rasteriaineistoja, Geoinformatiikan menetelmät -blogi, (luettu 10.2.2022), saatavilla: https://blogs.helsinki.fi/elida/

Viikko 3: Afrikkaan ja Suomen valuma-alueille

Heippa! Täällä taas QGIS:n parissa!

Heti asiaan

Tällä kurssikerralla ei turhia lätinöitä ollut vaan siirryimme suoraan QGIS-ohjelman maailmaan. Tällä kertaa pääsimme tutustumaan aineistoon Afrikasta, joka oli mukavaa vaihtelua Suomen kartan tuijottelulle. Tämä aineisto oli yllättävän yksityiskohtainen ja tarkka. Aluksi yhdistelimme muutaman valtion tietoja samalle riville, jotta tarkastelu olisi helpompaa eikä rivejä olisi satoja. Harjoittelimme myös liittämään uutta tietoa jo auki olevaan aineistoon. Tämä tapahtui Excelin taulukkoa hiukan muokkaamalla ja muutaman välistepin kautta se saatiin onnistuneesti QGIS-ohjelmaan.

Kuva 1. Konfliktien, öljykenttien sekä timanttikaivosten esiintyminen Afrikassa.

Karttaan (kuva 1) visualisoitiin kaiken alkuvalmistelun jälkeen Afrikassa sijaitsevat öljykentät, timanttikaivokset sekä konfliktit. Jos tekemääni karttaa katselee ilman ennakkotietoja näyttää siltä, että konfliktit ovat yhteydessä timanttikaivosten ja öljyesiintymien sijaintiin. Tämä kuulostaa ehkä hieman oudolta, sillä niin kuin Salla Kärkkäinen blogissaan (2022) sanoo, että voisi luulla näiden luonnonvarojen tuovan varallisuutta alueelle eikä konflikteja. Kärkkäinen kuitenkin kiteyttää todennäköisen syyn hyvin.

” Syynä voisi olla se, että varallisuus jakautuu huonosti eri ihmisryhmien välille. Afrikan maat ovat vanhoja siirtolaismaita, ja se on jättänyt jälkensä niiden yhteiskuntiin.” – Salla Kärkkäinen, 2022.

Tämä todennäköisesti selittää hiukan asiaa. On kuitenkin hyvä muistaa karttaa tulkittaessa, että asioiden välillä ei silti välttämättä ole suoraa yhteyttä. Konflikteihin voi vaikuttaa moni muukin asia kuin haluttujen luonnonvarojen esiintyminen, vaikka kartassa ei niitä näykkään. Kartan tulkinnassa on hyvä pitää mielessä kartan tekijän valinnat ja ottaa selvää taustatiedoista.

Sitten niihin valuma-alueisiin

Kun edellisen kartan teosta selvittiin tunnin aikana, niin kotiin tehtäväksi jäi Suomen valuma-alueiden tulvaindeksistä sekä järvisyydestä tehtävä kartta. Kartan tekeminen oli aivan oma prosessinsa ja sen kanssa hiukan sai ihmetellä ja yrittää muistella, mitä tunnilla olikaan tehty. Onnekseni moni kurssikaveri oli jo selvittänyt, kuinka kartta tehdään, joten apua oli saatavilla ja onnistuin kuin onnistuinkin tekemään mielestäni hyvän ja selkeän kartan.

Kuva 2. Suomen valuma-alueiden tulvaindeksi ja järvisyys (%).

Kartasta (kuva 2) voidaan havaita, että laajimmat tulvaherkät alueet löytyvät Pohjanmaalta, mutta myös Lounais-Suomessa ja Etelä-Suomessa on tulvaherkkiä valuma-alueita. Tätä selittää oletettavasti meren läheisyys kullakin alueella. Kartasta voidaan myös päätellä, että järvisillä alueilla tulvariski on pienempi kuin meren lähettyvillä. Meren lähettyvillä tulvat liittyvät yleensä myrskyihin, kun taas jokien ja järvien lähettyvillä tulvat ovat kevättulvia, jotka syntyvät lumien sulaessa (SYKE, 2021)

Mitä tuli opittua?

Tällä kurssikerralla opin lisää QGIS-ohjelman erilaisista kiemuroista. Yllätyin siitä, kuinka yksinkertaista loppujen lopuksi uusien datalähteiden yhdistäminen auki olevaan aineistoon oli. En väitä, että olisin heti oppinut kyseistä toimintoa, mutta olen varma, että siitä on hyötyä tulevaisuudessa. Kurssikerran tehtävät tuottivat kyllä vaikeuksia, mutta suurilta turhautumisen hetkiltä tällä kertaa säästyttiin. Ehkä tämän sovelluksen toiminnot alkavat pikkuhiljaa selkiytyä itse kullekin ja sovelluksen käyttö helpottuu ajan mittaan. 😊

 

Nyt toivotan kaikille mukavaa viikon jatkoa ja palataan ensi viikon tehtävien parissa! <3

 

Lähteet:

Kärkkäinen S. (2022) Viikko 3: Toistojen kautta se avautuu, Sallan kurssiblogi, (luettu 3.2.2022), saatavilla: https://blogs.helsinki.fi/karkkais/

SYKE, 2021. Tulvariskialueet. (Luettu 3.2.2022) Saatavilla: https://www.vesi.fi/vesitieto/tulvariskialueet/ 

 

 

Viikko 2: projektioiden maailma

Heips!

Täällä taas tämän viikon postauksen kanssa. Tämän viikon harjoitukset aiheuttivat lievästi sanottuna harmaita hiuksia, mutta niistä selvittiin kuitenkin kunnialla ja kavereiden avulla.

Tämän viikon tarkoituksena oli perehtyä syvemmin QGIS ohjelmiston ihmeisiin ja pääpointtina olikin eri projektiot, joita voidaan vaihtaa silloin kuin tarve vaatii. Eeva Raki kertoi blogissaan  (2022) hyvin kuinka karttaprojektiot toimivat.

“Maapallo on muodoltaan litistynyt geoidi ja täten kolmiulotteinen. Kolmiulotteista pintaa on mahdoton siirtää kaksiulotteiselle tasolle ilman, että pinnan muodot vääristyisivät. Jotta maanpintaa pystyttäisiin kuvaamaan mahdollisemman todenmukaisesti, on luotu karttaprojektioita. Karttaprojektiot pyrkivät kuvaamaan maanpintaa kartalle mahdollisimman todenmukaisesti. Jokainen projektio kuitenkin vääristelee totuutta, joka näkyy kartoissa ja karttajärjestelmissä.” – Eeva Raki, 2022.

Käsittelimme tunnilla myös rajapintapalveluita, jotka osoittautuivatkin helposti ymmärrettäviksi ja oikeastaan erittäin hyödyllisiksi palveluiksi paikkatieto-ohjelmien käytössä. Niiden avulla siis haetaan erilaista dataa suoraan palvelimelle ja osoitteet voidaan tallentaa myöhempää käyttö varten ohjelmaan. Tyypillisiä rajapintapalveluita ovat WFS, WMS, WMTS sekä WCS.

Projektioita ja vähän lisää projektioita

Tavoitteenamme tunnilla oli verrata eri projektioiden aiheuttamia vääristymiä verrattuna Suomessa käytössä olevaan ETRS-TM35FIN projektioon. Tämä tehtävä aiheutti tuskan hikeä ja turhautumista, sillä tunnilla nopeasti ja mekaanisesti käydyt ohjeet menivät täysin ohi fokuksen ollessa perässä pysymisessä. Onnekseni jäin tekemään kampukselle kavereiden kanssa yhdessä karttoja ja saimme ne tehtyä alun vaikeuksista huolimatta.

Karttoja saatiin siis ihme kyllä valmiiksi ja ensimmäinen niistä on Mercatorin projektion vertailu ETRS-TM35FIN projektioon (kuva 1). Kartasta voidaan nähdä, että erot pinta-aloissa kasvavat pohjoiseen mentäessä ja erot ovat yleisesti melko suuria. Vääristymän kasvu johtuu siitä, että projektio on lieriöprojektio ja sen vääristymät ovat pienimpiä lähellä päiväntasaajaa. Tällöin siis ei olekaan ihme, että napoja lähellä olevien alueiden pinta-alat vääristyvät merkittävästi.

Kuva 1. Mercatorin projektion pinta-alan erot verrattuna ETRS-TM35FIN projektioon.

Seuraavana vuorossa oli Winkel I ja ETRS-TM35FIN projektioiden vertailua (kuva 2). Kuten kuvasta 2 nähdään, eroja kyllä on, mutta erot eivät ole läheskään niin suuria kuin Mercatorin projektiossa. Tässäkin projektiossa voidaan nähdä se, että vääristymät kasvaa kohti pohjoista. Kartan kääntyminen vasemmalle selittyy sillä, että projektio on pseudosylinterimäinen, jonka koodinaatit lasketaan sinimuotoisten ja tasakulmaisten projektioiden keskiarvona (Esri, 2016).

Kuva 2. Winkel I projektion pinta-alan erot verrattuna ETRS-TM35FIN projektioon.

Viimeisenä, mutta ei suinkaan vähäisimpänä kokeilin verrata Bonne projektion eroa ETRS-TM35FIN projektioon (kuva 3). Tässä on selvä ero edellä mainittuihin, koska pinta-alojen eroavaisuudet kulkevat itä-länsi -suunnassa. Erot ovat kuitenkin minimaalisen pieniä, kun katsotaan legendaa. Karttakuva hiukan hämää lukijaansa. Olisin ehkä voinut kokeilla yhtä vähemmän luokkia, jolloin erot olisivat ehkä näkyneet loogisemmin.

Kuva 3. Bonne projektion pinta-ala erot verrattuna ETRS-TM35FIN projektioon.

No, opinko jotain?

Pakko myöntää, vaikkei alussa siltä tuntunutkaan, että opin kyllä aika paljonkin. QGIS ohjelmana alkaa pikkuhiljaa selkiytymään ja toistojen määrä kyllä ehdottomasti lisäsi käytettyjen toimintojen osaamista ja oppimista. Vaikka alussa turhauttikin, etten osaa mitään ja enkä voi mitään oppiakaan, niin lopulta kuitenkin tuntuu, että jotain tästä jäi käteen.

Moni muukin tuntui tällä viikolla painivan QGIS:n toimintojen kanssa, joten yhteisesti kaikille tsemppiä! <3

Nyt kuitenkin minun puolesta ensi viikkoon! 🙂

 

Lähteet:

Esri (2016). Winkel I, Arc Map (luettu 27.1.2022), saatavilla https://desktop.arcgis.com/en/arcmap/10.3/guide-books/map-projections/winkel-i.htm

Raki E. (2022) 2. kurssikerta: Aineistojen pyörteissä, Oppimassa geoinformatiikkaa -blogi, (luettu 27.1.2022), saatavilla https://blogs.helsinki.fi/eevaraki/

 

 

Viikko 1: Kurssin aloitus

GIS retki alkaa

Nyt alkaa minunkin matkani gis maailmaan näin blogin kautta. Tämä blogi on tehty kurssia MAA-202 varten ja täällä esittelen sekä pohdin kurssilla tehtyjä karttoja ja taulukoita sekä omaa oppimistani.

HELCOM-merialueen typpipäästöt

Ensimmäisellä viikolla tutustuimme QGIS-ohjelmiston käyttöön ja teimme yhdessä opettajan opastuksella kartan HELCOM-merialueen typpipäästöistä. QGIS-ohjelmistona ei minulle ollut entuudestaan kovin tuttu eikä sen käyttö varsinaisesti ollut kovin hyvin mielessä edelliseltä (ja ainoalta) kerralta, jolloin sitä olen käyttänyt. Hyvillä ohjeilla ja opastuksella onnistuin kuin onnistuinkin tekemään alla olevan kartan (kuva 1), jossa näkyy Itämeren alueen valtioiden aiheuttamat typpipäästöt mereen. Harjoituksen tarkoituksena oli oppia perusasioita ohjelmistosta sekä oppia uuden tiedon laskemista aineistoista, jota koropleettikartan tekoon tarvitaan. Jos jotain tekisin toisin kartassa, mallailisin ehkä hieman vielä värejä, sillä nyt ne ovat ehkä turhan kirkkaita ja omaan silmään hiukan häiritsevän punaisia. Pääosin kartta on kuitenkin mielestäni selkeä ja informatiivinen.

Kuva 1. HELCOM-merialueen typpipäästöt.

Kunta-aineistoista tehty kartta

Kurssin ensimmäinen itsenäinen tehtävä oli valita annetusta kunta-aineistosta mieluinen muuttuja ja tehdä siitä koropleettikartta. Aineisto sisälsi monia muuttujia, ja päädyin valitsemaan väestöntiheyttä kuvaavan muuttujan ja visualisoimaan siitä kartan. Visualisointi tuotti hieman hankaluuksia, koska opetetut asiat olivat hävinneet mielestä kuin tuhka tuuleen ja kirjallisten ohjeiden tihrustamiseen meni oma aikansa. On huvittavaa, miten kuvittelee oppineensa hyvin jo jonkin ohjelman, mutta sitten kun itsenäisesti sitä pitäisi käyttää, on hankaluuksia jo heti alkuunsa. Sain kuitenkin mielestäni tehtyä informatiivisen ja siistin kartan, kunhan pääsin vauhtiin ja opetetut asiat muistuivat taas mieleen. (kuva 2)

Kuva 2. Suomen asutustiheys (as/km2) vuonna 2015

 

Kartalta voidaan huomata helposti, minne asutus keskittyy Suomessa. Kartassa erottuu selvästi eteläisen Suomen suuret asutuskeskittymät, Helsinki, Tampere ja Turku. Kartalta on myös nähtävissä, että asutusta sijoittuu selvästi enemmän myös keskisemmän Suomen yliopistokaupunkeihin kuten Jyväskylään, Ouluun sekä Kuopioon ja Joensuuhun. Kartasta erottuu hyvin Lappi, jossa väestöntiheys on selvästi muuta maata pienempi. Myös Itä-Suomi erottuu varsin selvästi väestöntiheyden pienuudella.

Kartasta voidaankin päätellä, että Etelä-Suomen kunnat vetävät puoleensa enemmän asukkaita kuin pohjoisemman Suomen kunnat. Suuri osa väestöstä sijoittuu asumaan näille Etelä-Suomen kaupunkialueille, koska palvelut ja työpaikat ovat lähellä sekä mahdollisuudet opiskeluun ovat paremmat. Tämä pätee myös Etelä-Suomen kaupunkialuekeskittymien ulkopuolle jääviin yliopistokaupunkeihin, sillä niiden väestöntiheys on suurta ja ne erottuvat kartalta selkeästi.

Vertasin karttaani myös Nea Tiaisen blogissa olevaan karttaan työttömyysprosenteista (Tiainen, 2022). Tiaisen kartasta näkee, että työttömyysprosentit ovat suurempia Pohjois- ja Itä-Suomessa, jossa myös väestöntiheys oman karttani perusteella on pienempää. Isommilla kaupunkialueilla, joissa väestöntiheys on suurta, myös yrityksillä on paremmat mahdollisuudet jolloin työpaikkojen määrä on suurta ja työttömyys on harvinaisempaa. Kuten Tiainenkin toteaa, kasvukeskittymissä on työpaikkoja enemmän kuin harvemmin asutuilla alueilla, joka osaltaan myös johtaa siihen että harvemmin asutuilta alueilta muutetaan pois paremman työllisyyden toivossa. Tämän voi päätellä karttojamme vertaillessa.

 

Lähteet:

Tiainen N. (2022), Tapaamme jälleen QGIS, Melkein Gis-guru siis itsekin -blogi, (luettu 24.1.2022), saatavilla https://blogs.helsinki.fi/tiainea/