Kurssikerta 7

Viimeisellä kurssikerralla yhteisen työn sijasta laadittiin kartta itse valitusta aiheesta. Kurssikerran tehtävän pääasiallisena aiheena oli siis kerrata edellisten kurssikertojen aiheita. Päätin tutustua kurssitehtävässä vaihtelun vuoksi Suomen ulkopuolisiin alueisiin. Valitsin tarkasteltavaksi alueeksi Yhdysvallat, josta on saatavilla runsaasti kaikenlaista dataa. Aiheena tutkin merkittävien kaivosten ja vesialueiden sijoittumista toisiinsa nähden. Yksi kaivostoiminnan merkittävistä ympäristövaikutuksista on pohja- ja pintaveden saastuminen, jonka vuoksi kaivoksia lähellä olevia vesialueita ja niiden kuntoa tulisi pitää silmällä. Näin toteaa myös Union of Concerned Scientists, joka mainitsee(1) erityisesti hiilikaivosten vesiriippuvuuden olevan ongelma Yhdysvalloissa.

Kurssitehtävän ensimmäinen haaste oli sopivan datan löytäminen. Kurssiblogiin linkatulta Natural Earth -sivustolta(2) löytyi suuri määrä koko maailman kattavia vektori- ja rasteriaineistoja. Kaivosten sijaintidata löytyi puolestaan US Geological Surveyn sivustolta(3). Tarkempi järvien sijaintidata löytyi ArcGIS:in sivustolta(4) ESRI:n tarjoamana. Kuten Eveliina Tammisto mainitsi blogissaan(5), unohdin aluksi tallentaa kurssikansioon shapefilen lisäksi kaikki muutkin tiedostomuodot, minkä vuoksi tiedostot eivät aluksi suostuneet avautumaan QGIS:issä. Datan pyörittelyn jälkeen pääsin kuitenkin lopulta työstämään karttoja.

Karttojen tuottamisessa suurimmaksi ongelmaksi muodostui tällä kertaa sopivan työkalun löytäminen. Bufferivyöhykkeen luominen sekä pisteiden valitseminen onnistui aikaisemman harjoituksen vuoksi melko helposti. Järvien ja jokien läheisten pisteiden yhdistäminen yhdeksi tasoksi ei QGIS:in merge –työkalulla kuitenkaan onnistunut. Helppokäyttöinen vaihtoehto löytyi mmqgis –pluginista, jonka työkalu onnistui pistetasojen yhdistämisessä kaatumatta.

Kuva 1. Koropleettikartta kaivosten sijainnista

Kuvassa 1. nähdään koropleettikartta toiminnassa olevien kaivosten määrä 1km säteellä merkittävistä vesialueista. Kartasta voidaan huomata merkittävä vesialueita lähellä olevien kaivosten keskittymä Illinoisin osavaltiossa ja sen lähialueilla. Myös monen muun osavaltion alueella kaivoksia on yllättävän monia. Karttaa tulkittaessa tulee kuitenkin ottaa huomioon sen koko: se kattaa erittäin ison alueen. Myös kartassa esitetyt kaivokset ja vesialueet ovat vain kaikissa suurimmat, joten voidaan olettaa tarkemmassa kartassa lukujen olevan suurempia. Kuten kartasta nähdään, vaihtelua voidaan huomata myös koko maan tasolla. Laaja-alaisen kartan tulkitseminen voi olla kuitenkin vaikeaa, minkä vuoksi karttaa voisi selkeyttää lisäämällä esimerkiksi osavaltioiden nimiä.

Kuva 2. Pistekartta kaivosten sijainnista

Tarkastellaan seuraavaksi kaivosten sijoittumista hieman tarkemmin. Kuvassa 2. nähdään kaivosten ja vesialueiden lisäksi merkittäviä väestönkeskittymiä. Kuten kartasta nähdään, maan tasolla merkittävien vesialueiden varrella sijaitsee useita kaivoksia. Suurin osa merkittävistä joista on myös yhteydessä toisiin vesialueisiin. Nämä joet laskevat lopulta merkittäville asutusalueille, jotka kartassa nähdään oransseina. Kartasta voidaan päätellä useiden asutusalueiden sijaitsevan potentiaalisesti saastuneiden vesialueiden varrella. Vaikka kuvan 2. kartasta on melko helppo tarkastella kaivosten sijoittumista, on niiden sijaintia hankala verrata muihin merkittäviin maantieteellisiin alueisiin, esimerkiksi merkittäviin kaupunkeihin. Niiden nimeäminen tekisi kartasta hieman helpommin luettavan. Vaihtoehtoisesti karttojen dataa olisi voinut esittää pistekohteiden sijasta interpoloituna alueina, joka olisi kuitenkin pisteiden määrän takia vaatinut tarkempaa dataa ollakseen mielekäs.

Lähteet:

(1) Union of Concerned Scientists- Coal and Water Pollution https://www.ucsusa.org/clean-energy/coal-and-other-fossil-fuels/coal-water-pollution (luettu 3.3.2019)

(2) Natural Earth Data – Downloads https://www.naturalearthdata.com/downloads/ (luettu 27.2.2019)

(3) US Geological Survey – Online Spatial Data https://mrdata.usgs.gov/mineplant/ (luettu 27.2.2019)

(4) ArcGIS – US Major Lakes https://www.arcgis.com/home/item.html?id=ddf2ddc54868482fb7eb4c09d658f960#! (luettu 27.2.2019)

(5) E. Tammisto. Over & Out. https://blogs.helsinki.fi/tammieve/ (luettu 3.3.2019)

Kurssikerta 6

Toiseksi viimeisellä kurssikerralla päästiin tutustumaan paikkatiedon keräämiseen käytännössä. Tunnin aikana tehtiin pienimuotoinen tutkimus Kumpulan lähiseudun viihtyvyydestä. Kuten Justus Poutanen blogissaan mainitsi, jännitystä tutkimukseen toi juuri aikaisemmin anarkistien valtaama puutalo alueella.(1) Data kerättiin pistemuodossa, jonka jälkeen se esitettiin taustakartalla. Tunnilla opeteltiin havainnollistamaan dataa myös interpoloimalla se, eli olemassa olevien pisteiden avulla arvioitiin ilmiöiden yleisyyttä muilla alueilla.

Kuva 1. Yli 7 magnitudin maanjäristykset vuodesta 2000

Tuntitehtävässä puolestaan tutkittiin hasardeja maantieteen opettajan näkökulmasta. Päätin harjoitella interpolointityökalun käyttöä ja hyödyntää sitä ensimmäisessä kartassa. Kartassa 1. nähdään yli 7 magnitudin maanjäristykset Aasian ja Oseanian alueella vuodesta 2000. Kartassa on myös esitetty interpoloimalla maanjäristysten voimakkuuksia. Huomattavaa on myös valkoisella esitetyt mannerlaattojen rajat(2). Kartan selkeyttä voisi vielä parantaa mainitsemalla valkoisten viivojen esittävän mannerlaattojen rajoja, sillä opetustilanteessa oppilaat eivät välttämättä tunnista niitä. Maanjäristyksen minimivoimakkuutta olisi myös voinut alentaa, jotta pisteitä olisi saanut kartalle enemmän ja näin rajojen ja pisteiden korrelaatiota olisi ollut helpompi tarkastella, kuten Emilia Ihalaisen blogissa(3) kurssikerran 6. kartasta 1. nähdään. Koska pisteitä on kartalla vain vähän, ei myöskään interpolaatio tee siitä havainnollisempaa. Voimakkaiden maanjäristysten tarkasteluun alueella kartta sopii kuitenkin hyvin.

Merkittävät tulivuorenpurkaukset vuodesta 1700

Kuvassa 2. nähdään merkittäviä tulivuorenpurkauksia samalla alueella, kuitenkin pidemmällä aikavälillä. Tätä karttaa olisi myös voinut selkeyttää lisäämällä mannerlaattojen rajat, sillä valkoisella esitetyistä valtionrajoista ei ole kartan havainnollistamisessa juurikaan hyötyä. Jotta kartta sopisi opetuskäyttöön, tulisi sen tulkitsijan ymmärtää VEI -indeksin merkitys tai ainakin sen perusteet. Tulivuorikartan olisi voinut myös yhdistää maanjäristyksiin, kuten Iiina Rusanen teki blogissaan(4). Toisaalta pisteiden voimakkuuksien esittäminen molempien muuttujien osalta samalla kartalla tekisi siitä todennäköisesti vaikealukuisen. Karttaa ja pisteiden sijaintia on kuitenkin helppoa verrata kuvan 1. karttaan, jolloin huomataan korrelaatiota niin maanjäristysten, tulivuorten sekä mannerlaattojen rajojen välillä. Rajakohdissa huomataan myös esiintyvän huomattavan voimakkaita maanjäristyksiä sekä purkauksia. Korrelaatiota voidaan pitää järkevänä, sillä maanjäristykset johtuvat laattojen liikkeestä ja tulivuoret muodostuvat alueille, jossa magmaa on lähellä maanpintaa.

Kuva 3. Meteoriitteja vuodesta 2000

Kuvassa 3. nähdään löytyneitä meteoriitteja vuodesta 2000 koko maailman tasolla. Huomattavaa on, että kartan meteoriittien tarkkaa sijaintia ei välttämättä tiedetä, löydetty tarkoittaa tietoa siitä, että meteoriitti on iskenyt alueelle. Kartasta huomataan useita alueita, joilla meteoriitteja on erityisen paljon, esimerkiksi Yhdysvaltojen ja Australian itärannikot sekä luoteinen Afrikka. Pohjoisilla leveyksillä meteoriitteja on puolestaan vähän. Kartasta voidaan huomata maapallon syrjäseuduilla olevan vähän meteoriitteja, mitä voidaan yksinkertaisesti selittää sillä, että korkean väkiluvun alueella meteoriitteja yksinkertaisesti havaitaan ja löydetään helpommin. Toisaalta lähes asumattomalta Antarktikselta on löydetty useita meteoriitteja ja tiheään asutusta Kiinasta ja Intiasta vain vähän. Koska meteoriittipisteitä on paljon, karttaa voisi selkeyttää esittämällä niitä pisteiden sijasta interpoloituna rasterimuodossa. Opetuskäyttöä ajatellen kartta on kuitenkin sopivan yksinkertainen sekä helppolukuinen.

Lähteet:

(1)J. Poutanen. Vain toinen päivä toimistolla. https://blogs.helsinki.fi/pjustus/ (luettu 21.3.2019)

(2)Nordpil – Tectonic Plates GIS Data https://nordpil.com/resources/tectonic-plates-gis-data/ (luettu 24.2.2019)

(3)E. Ihalainen. Viikko 6 – Hasardit. https://blogs.helsinki.fi/ihem/ (luettu 24.2.2019)

(4)I. Rusanen. Opetusmateriaalia luomassa. https://blogs.helsinki.fi/iinarusa/ (luettu 24.2.2019)

Kurssikerta 5

Viikon kurssikerralla päästiin tällä kertaa tutustumaan seikkaperäisesti bufferointiin sekä erilaisiin naapurianalyyseihin. Huomionarvoinen Clip -työkalu tuli esiteltyä tunnin alussa, jolla on mahdollista leikata tietokannasta kohteita. Tunnin tehtävässä tutkittiin Helsinki-Vantaan sekä Malmin lentokenttien vaikutusta ympäristöönsä ja niiden aiheuttamia haittoja alueen asukkaille. Tarkasteltavat arvot olivat esimerkiksi alueen lentomelusta häiriintyneitä asukkaita. Taulukossa 1. nähdään joitakin saatuja arvoja. Huomattavaa on, että molempien lentokenttien läheisyydessä asuu erittäin paljon ihmisiä. Tämä tulee ottaa huomioon esimerkiksi suunnitellessa lentokenttien laajennuksia. Suurimpien melualueiden läheisyydessä ihmisiä ei kuitenkaan asu kovinkaan monta.

Taulukko 1. Lukuja lentokentän läheisistä asukkaista

Pientä aivojumppaa tuotti potentiaalisen Tikkurilan melualueen määrittäminen, jossa bufferialue tuli itse määrittää mittaustyökalun avulla. Ohjelma ei nimittäin suostunut määrittämään vyöhykettä viivamaiselle kohteelle. Ratkaisu oli tehdä viivasta polygoni. Tärkeintä tehtävässä oli opetella bufferityökalun perusteet sekä spatial query -toiminnon hyödyntäminen bufferin kanssa. Tärkeä työkalu oli myös QGIS:in statistics -paneeli. Bufferityökalujen hyvä puoli on niiden yksinkertaisuus, sillä työkalua on vaikea käyttää väärin. Kuten tehtävistä huomattiin, voi bufferointia myös hyödyntää erittäin monipuolisesti. Tunnin lopuksi tunsin naapurianalyysien perusasioiden olevan hallinnassa. Huomasin kuitenkin erityisesti join attributes by location -toiminnon kaipaavan vielä harjoitusta.

Tutkimuksen kohteena olivat myös Helsinki-Vantaan lentokentän alueen ikärakenne ja sen sijoittuminen kartalle. Kohdassa, jossa laskettiin työikäisten prosenttimääriä saatiin jälleen kerran huomata QGIS:in suurin heikkous, taulukoita piti jälleen kerran karsia, jotta tarvittavat laskutoimitukset saatiin suoritettua. Näin totesi myös Vilma Kaukavuori blogissaan(1). Vaikka aineisto olikin suurta, onnistui ohjelma laskutoimituksista tällä kertaa kaatumatta. Ratkaisuna oli taulukon karsimisen lisäksi määrien laskeminen osissa. Tuloksia on kasattu taulukkoon 2. Taulukosta huomataan esimerkiksi yllättävän suuren osan asukkaista asuvan aivan juna-asemien lähellä. Kuten Henni Wessmann mainitsee blogissaan, suurin osa lähellä asemia asuvista asukkaista on työikäisiä.(2)  Myös taajama-alueita, jossa ulkomaalaisia oli huomattava määrä oli monta.

Taulukko 2. Lukuja alueen asukkaista

Lopuksi tarkastelin Helsingin Yhtenäiskoulun koulupiirin väestönrakennetta. Helsingin Yhtenäiskoulun on aineistoston keräysvuodesta seuraavana valmistauduttava 14 uuteen oppilaaseen omasta koulupiiristään. Ylä-asteikäisiä oman koulupiirin alueelta löytyy puolestaan seuraavalle vuodelle 81 oppilasta. Koulupiirin asukkaista tiedon keräysvuonna kouluikäisiä oli kokonaisväestöstä noin 10 prosenttia. Tällä suhteella arvioituna muunkielisiä kouluikäisiä on alueella arvioilta 11 kappaletta. Tuloksista voidaan päätellä koulupiirin alueelta tulevien oppilaiden määrän olevan melko pieni. Todellisuudessa tulee kuitenkin ottaa huomioon myös koulupiirin ulkopuolelta esimerkiksi muuton myötä tulevat uudet oppilaat. Koska käsitellyt luvut olivat pieniä, on yksittäisillä oppilaillakin tuloksiin vaikutusta. Tehtävässä oli hyvä muistaa erottaa yhteiskoulun alue omakseen ja karsia aineistoa ennen laskutehtäviä.

Lähteet:

(1)V. Kaukavuori. Talojen suuret ikäluokat lähestyvät putkiremontti-ikää. https://blogs.helsinki.fi/vilmakau/ (luettu 16.2.2019)

(2)H. Wessmann. Viikko 5: aika kokeilla siipiään. https://blogs.helsinki.fi/henniwes/ (luettu 21.3.2019)

Kurssikerta 4

Kurssikerralla tutustuttiin karttaruudukkojen tuottamiseen sekä rasteriaineistojen käsittelyyn. Ensimmäisessä tehtävässä opittiin piirtämään karttaruudukko sekä laskemaan ruutuihin osuvia datapisteitä. Tuloksena syntyi kartta ruotsinkielisten prosenttiosuuksista koko väestössä 100×100 ruudukon alueella. Kotitehtävässä pääsin taas kerran kokeilemaan QGISin kykyä kaatua syystä tai toisesta, ohjelma ei nimittäin kestänyt alle 18-vuotiaiden asukkaiden määrän yhteenlaskua. Luovutin lapsien määrän laskemisen suhteen ja otin sen sijaan tarkasteluun yli 85-vuotiaat asukkaat. Jostain syystä en onnistunut laskemaan myöskään yli 85-vuotiaiden asukkaiden määrää suhteutettuna kokonaisväestöön ohjelman kaatumatta, vaikka attribuuttitaulukosta olikin karsittu kaikki turha tieto pois. Hyvänä puolena turhauttavassa kokemuksessa oli rautainen treeni ruudukkoihin sekä laskutoimituksiin liittyvissä toiminnoissa. Ohjelma oli kaatunut kurssikerran harjoituksessa myös muilla kurssilaisilla, esimerkiksi Christa Tauro mainitsee siitä blogissaan.(1)

Kuva 1. Pääkaupunkiseudun 85- vuotiaat asukkaat

Kuvasta 1. nähdään siis pääkaupunkiseudun yli 85-vuotiaiden asukkaiden kokonaismäärä. Koska ruudut ovat saman kokoisia, voidaan aineistoa kuitenkin esittää kartalla myös absoluuttisena. Kartta ei myöskään käyttömahdollisuuksiltaan ole täysin mieletön, sillä siitä voidaan esimerkiksi tarkastella pääkaupunkiseudulla alueita, jossa todennäköisesti on paljon myös muita vanhuksia. Näille alueille on siis järkevää keskittää myös vanhuksia hyödyttäviä palveluita.

Kartan informatiivisuutta olisi voinut kuitenikin parantaa esimerkiksi laskemalla kaikkien eläke-ikäisten määrän. Myös pienemmästä ruutukoosta olisi voinut olla hyötyä, vaikka kartasta huomataankin 100×100 ruudukolla selkeitä alueellisia eroja. Kuten kartasta huomataan, vanhukset sijoittuvat enimmäkseen lähelle Helsingin keskustaa, osittain myös siksi että alueella on paljon muunkin ikäisiä asukkaita. Suurimmaksi osaksi vanhukset sijoittuvat suurien teiden varsille, mutta kuten karta koilliskulmasta huomataan, myös alueellisia poikkeuksia löytyy.

Kuten Katja Pulkkinen kertoi blogissaan(2), myös minulle tuli ongelmia koordinaattijärjestelmien kanssa. Jostain syystä QGIS näyttää laittavan automaattisesti OTF -toiminnon päälle, mikä puolestaan aiheuttaa datan käsittelyssä ongelmia. Jouduin myös vaihtamaan projektion oikeaksi yksittäisile tasoille. Apua löytyi taas kerran QGISin käyttäjämanuaalista(2) ja sain OTF:n pois päältä.

Kuva 2. Pornaisten alueen korkeuskäyriä

Toisessa tuntitehtävässä käsiteltiin puolestaan rasteriaineistoja. Käsiteltynä aineistona oli korkeusmalli Pornaisten alueesta. Tunnilla opeteltiin yhdistämään rasteriaineistot toisiinsa sekä piirtämään sille korkeuskäyrät sekä rinnevalovarjostus. Kuvassa 2. on esitettynä peruskarttalehdellä 4322L. QGISillä piirretyt korkeuskäyrät ruskealla sekä paikkatietopalvelu PaITulista(3) haetut korkeuskäyrät punaisella. Kun verrattiin korkeuskäyriä PaITulista haettuun peruskarttalehteen, huomataan ohjelman piirtämien korkeuskäyrien olevan huomattavasti tarkempia. PaITulin aineisto on yksinkertaistanut olemassaolevia käyriä sekä jättänyt joitakin muodostumia kokonaan pois, kuten kuvassa näkyvän Lampisuon korkeuskäyrät. Korkeuskäyrät eivät myöskään kulje täysin samassa tasossa toisiinsa nähden.

Lähteet:

(1)C. Tauro. Vektorista rasteriin. Neljännen kurssikerran päänsärky https://blogs.helsinki.fi/chritaur/ (luettu 21.3.2019)

(2)K. Pulkkinen. Rastereiden parissa (Kurssikerta 4). https://blogs.helsinki.fi/kzpulkki/ (luettu 9.2.2019)

(3)QGIS 2.18 User Guide – Working with Projections https://docs.qgis.org/2.18/en/docs/user_manual/working_with_projections/working_with_projections.html#define-on-the-fly-otf-crs-transformation (luettu 9.2.2019)

(4)PaITuli latauspalvelu. https://avaa.tdata.fi/web/paituli/latauspalvelu (luettu 9.2.2019)

Kurssikerta 3

Kolmannella kurssikerralla tutustuttin tietokantojen valmisteluun käsittelyä ja analyysia varten. Aineistona oli kartta Afrikan maista. Jotta kartta-aineistoa oli mahdollista käsitellä, tuli sen atribuuttitaulukon osia yhdistää toisiinsa. Toinen tärkeä kurssikerran teema oli ulkoisen datan tuominen osaksi jo olemassa olevaa tietokantaa ja näiden yhdistäminen hyödyntämällä niiden yhteisiä ominaisuuksia. Tuotavia tietoja olivat muun muassa tiedot alueiden konflikteista sekä kaivosten ja öljyesiintymien sijainneista. Taulukkoihin oli liitetty myös muita tietoja, kuten timanttikaivosten löytö- ja tuotannonaloitusvuosi. Näiden tietojen pohjalta aineistosta on mahdollista tehdä myös erilaisia analyysejä, kuten esimerkiksi konfliktien riippuvuudesta alueen resurssien määrään ja hyödyntämiseen. Kuten tunnin aikana todettiin, alueilla, jossa timanttiesiintymien määrä oli suurin, esiintyi myös runsaasti konflikteja. Alex Naumanen toteaa blogissaan(1) luonnonvarojen määrän olevan korkea myös eräissä köyhissä maissa, mikä liittyy myös alueiden konfliktiherkkyyteen.

Kurssikerran tehtävässä päästiin kertaamaan tunnilla käytyjä asioita ja samalla myös hieman laajentamaan aikaisempaa tietämystä. Kurssikerran tehtävänä oli tuottaa kartta Suomen järvisyydestä ja tulvaherkkyydestä annettujen aineistojen pohjalta. Haastavinta tehtävässä oli kerrata join -komennon toimintaa, erityisesti tehdessä valintoja komennossa käytettävistä sarakkeista. Varsinaisen tulvaindeksin laskutoimituksen suorittaminen onnistui hyvin sillä lasku oli yksikertainen ja laskutyökalun toimintaa oli aikaisemmilla kursseilla kerrattu paljon. Lieviä ongelmia oli myös järvisyyden määrää esittävien pylväiden näkyväksi saamisessa. Sama ongelma esiintyi muillakin kurssilaisilla, kuten Atte Järvinen mainitsee blogissaan(2)

Kuva 1. Tulvaindeksi ja järvisyys

Kuvassa 1. nähdään tehtävässä tuotettu kartta. Kartassa merkittävimmät muuttujat ovat valuma-alueen tulvaherkkyyttä kuvaava tulvaindeksi sekä maan alueiden järvien prosenttiosuus maapinta-alasta. Karttaa tutkittaessa huomataan tulvaherkkyyden olevan korkeinta rannikkoalueilla. Erityisen korkea tulvaindeksi on rannikkoalueiden kaupunkiseuduilla, kuten Oulun ja Helsingin alueella. Tämä voi johtua kaupunkimaisemassa käytetyistä materiaaleista, esimerkiksi asfalttiin peitetty maa ei varastoi tulvivaa vettä. Korkea järvisyysprosentti puolestaan painottuu itä-Suomen alueille, kun taas länsi-Suomen rannikkoseuduilla järvisyysprosentti on matalampaa. Muuttujien välillä huomataan kartan mukaan olevan yhteys, alueilla jossa järvisyys on suurempi, on tulvaindeksi pienempi. Näin toteaa myös Johanna Mölsä bloginsa(3) tulvaindeksikartassa. Korrelaatio on järkevä myös maalaisjärjellä mietittynä, alueilla, jossa järviä on paljon, tulvaveden kerääntyvät niihin ja tulvaindeksi pienenee. Länsi-Suomen alueiden korkeaa tulvaideksiä voidaan siis selittää myös alueiden alhaisella järvisyydellä.

Alkuperäisen QGis:illä tuotetun kartan suurin heikkous kartan analysoijalle on järvisyyden prosenttiosuuksien puuttuminen. Totesin pitkän pähkäilyn jäljeen prosenttien lisäämisen ohjelmalla olevan ymmärrykseni yläpuolella. Päätin tehdä pylväiden tulkitsemisesta hieman selkeämpää lisäämällä pylväiden korkeudelle prosenttiosuuksien selitteen ulkoisella kuvankäsittelyohjelmalla. Pylväiden keskinäisen suhteen kuvaamiseen myös alkuperäinen kartta sopii kuitenkin hyvin. Huomasin myös järvisyyttä kuvaavien pylväiden sulautuvan taustan väreihin liian paljon, mikä tekee kartasta hieman vaikealukuisen. Karttapohjalla käsitellyistä aineistoista jätin valuma-alueiden rajat esittämättä kartalla tehdäkseni kartasta miellyttävämmän näköisen. Kartan katsojaa saattaa hämmentää myös siinä käytetty termistö, esimerkiksi tulvaideksi ei käsitteenä ole asiaan perehtymättömälle kovinkaan selkeä.

Lähteet:

(1)A. Naumanen. Vettä ja metallimusiikkia. https://blogs.helsinki.fi/alexnaum/ (katsottu 21.3.2019)

(2)A. Järvinen. Kolmas kurssikerta. https://blogs.helsinki.fi/adjarvin/ (katsottu 21.2.2019)

(3)J. Mölsä. Kurssikerta 3. https://blogs.helsinki.fi/johannmo/ (katsottu 3.3.2019)

Kurssikerta 2

Kurssikerran 2. harjoituksissa tutustuttiin tarkemmin karttaprojektioihin ja miten projektion valinta vaikuttaa käsiteltävään dataan. Tunnilla harjoiteltiin myös erilaisten valinta- ja mittaustyökalujen käyttöä. Kuten ensimmäisen kurssikerran tehtävissä, myös tämän kerran harjoitusten hallitsemisessa tärkein työkalu on mekaaninen toisto, jotta menetelmät tulisivat varmasti tutuksi. Toistoa tuli kurssikerralla harjoiteltua paljon ja lopussa huomasin jo käyttäväni Composer -valikkoa aikaisempaa sujuvammin. Myös laskutoimitusten pähkäily ja attribuuttitaulukon navigointi alkaa pikku hiljaa tuntua luonnolliselta.

Kuva 1. Karttapari projektioiden vääristymistä

Tehtävänantona oli tällä viikolla verrata Lambertin Equal Area ja Mercatior -projektioiden prosentuaalisen eron kuviota johonkin itse valittuun projektioon. Valitsin verrattavaksi projektioksi Mollweide world -projektion nähdäkseni kuinka koko maailman kattava projektio vääristää Suomen pinta-aloja, joka näkyy karttaparista 1. Yllätyksekseni huomasin projektion näyttävän kuntien pinta-alat lähes oikean kokoisena. Huomattavaa on, että sekä Lambertin että Mollweiden projektiot ovat laadultaan oikeapintaisia (1), eli niiden esittämät pinta alat ovat totuudenmukaisia, kun taas niiden esittämät kulmat sekä pituudet ovat vääristyneitä. Mollweiden projektiosta huomataan voimakasta muotojen vääristymää, mutta pinta-alojen esittämiseen se kuitenkin sopii kuvasta päätellen melko hyvin.

Mercatorin projektio puolestaan on laadultaan oikeakulmainen(1), mikä tarkoittaa sen esittämien kulmien olevan kartalla oikeita, mutta pinta-alojen ja etäisyyksien vääristyvän. Tämä nähdään karttaparista 1. tarkastellessa Mercatorin projektion karttakuvaa. Kuvasta huomataan projektion vääristävän erityisesti Pohjois-Suomen osia, kun taas etelässä pinta-alat vastaavat paremmin todellisuutta. Tämä johtuu Mercatorin projektion projisoinnista, sillä projisointiin käytetty sylinterimalli leikkaa maapallon päiväntasaajan kohdalta. Kauemmaksi päiväntasaajaa mennessä pinta-alat vääristyvät enemmän, mikä nähdään kartalla tasaisena gradienttina. Kun palataan Mollweiden projektion vääristymän karttakuvaan huomataan mielenkiintoinen yksityiskohta: vääristymän gradientti ei ole etelä-pohjoissuunnassa täysin tasainen. Samanlainen ilmiö huomataan esimerkiksi Julia Salmen karttavertailussa(2), jossa nähdään kompromissiprojektio Van der Grintenin vääristävän pinta-aloja useasta eri suunnasta. Huomioitavaa on huomata vääristymien skaalan olevan eri. Tämän huomioi myös Riikka Matikainen blogissaan.(3)

Kuva 2. Karttapari väentiheydestä eri projektioilla

Tarkastellaan seuraavaksi, miten pinta-alat vaikuttavat absoluuttisten muuttujien esittämiseen kartalla. Absoluuttiset muuttujat, kuten esimerkiksi kuntien väkiluvut, suhteutetaan kartalla esitettäessä pinta-aloihin, jotta saataisiin esimerkiksi väestöntiheyttä kuvaava arvo. Kuten Kuvassa 2. on esitetty Suomen kuntien väentiheys vuonna 2015 suhteutettuna Lambertin sekä Mercatorin projektioon. Vaikka Mercatorin projektio vääristääkin huomattavasti pinta-aloja, huomataan karttanäkymien olevan lähes samanlaiset pieniä eroja lukuunottamatta. Kuitenkin tarkastellessa karttaparin legendoja huomataan Lambertin projektion esittämän väentiheyden olevan huomattavasti suurempi. Koska Mercatorin projektio vääristää alueita näyttämällä lähellä napoja olevat alueet todellisuutta suurempina, on järkevää että myös väentiheys on saadulla kartalla todellisuutta pienempi. Karttaa lukiessa täytyy myös ottaa huomioon, että kummatkin kartat noudattavat omaa luokitustaan. Jos karttojen luokkien koot vastaisivat toisiaan, näyttäisivät myös syntyneet kartat erilaisilta.

Lähteet:

(1)Wikipedia – List of Map Projections https://en.wikipedia.org/wiki/List_of_map_projections (katsottu 26.1.2019)

(2)J. Salmi. Osa 2: Projektivalintojen pohdintaa. https://blogs.helsinki.fi/jhsalmi/ (katsottu 26.1.2019)

(3)R. Matikainen. Viikko 2 – Projektioita ja tietokantaliitoksia. https://blogs.helsinki.fi/riikkama/ (katsottu 21.3.2019)

Kurssikerta 1

Ensimmäisellä harjoitustunnilla tutustuttiin ohjelman käyttöliittymään ja sen perustoimintoihin. Tunnin aikana opeteltiin erityisesti navigoimaan tasojen properties -valikkoa sekä attribuuttitaulukkoa ja Composer -näkymää. Lopputuloksena tuotettiin kartta Itämeren suurimpien typpipäästöjen aiheuttajista.

Viikon harjoitustehtävässä tuotettiin koropleettikartta avoimen(1) lähdekoodin QGIS -ohjelmalla. Päätin keskittyä jo tunnilla opittujen asioiden kertaamiseen ja valitsin siksi käsiteltäväksi kartaksi tunnilla opeteltua muistuttavan. Materiaalina käytin karttaa Suomen kunnista vuodelta 2015, johon oli liitetty perustietoja kunnista. Alun perin ajatukseni oli tuottaa kartta ruotsinkielisen väestön osuudesta koko kunnan väkilukuun nähden. Huomasin kuitenkin, ettei osuuksien esittäminen koko Suomen kartalla ole mielekästä toisistaan voimakkaasti poikkeavien arvojen vuoksi. Lopulta päätin harjoituskartassa kuvata Suomenkielisten osuutta koko kunnan väestöstä. Huomasin nopeasti kertaamiseen tulleen tarpeeseen ja jouduin useasti palaamaan ohjelman peruskäyttöohjeisiin. Huomasin apuna olevan suuresti myös ohjelman virallinen käyttöohje(2), joka lyötyy QGIS:in verkkosivuilta.

Kuvan 1. kartta syntyi jakamalla Suomenkielisten asukkaiden osuus kunnan väestöstä koko kunnan väkiluvulla. Suuri haaste tehtävässä oli hahmottaa attribuuttitaulukosta halutut arvot ja muodostaa niiden pohjalta toimiva lauseke laskuritoiminnolla. Erona tunnin harjoitukseen esimerkkikartassani oli se, että laskutoimituksessa jakajana toimi koko taulukon summan sijasta tapauskohtainen taulukon arvo. Myös attribuuttitaulokon arvoja tarkastellessa huomasin joutuvani miettimään erityisen tarkasti, mitä taulokon arvot merkitsevät. Laskutoimitustyökalun lisäksi sain harjoitusta myös attribuuttitaulukon hallinnassa sekä sen toiminnoissa.

Kartta 1. Suomenkielisten prosenttiosuus kunnan väkiluvusta 2015

Aineiston luokittelussa ongelmaksi muodostui sen silmää miellyttävä esitys kartalla. Koska ero eri prosenttiluokkien välillä oli aineistossa suuri, totesin käsin luokitellun aineiston visualisoivan sitä hieman valmiita luokittelutapoja miellyttävämmin. Luokittelun pohjana käytin luonnollisia luokkarajoja. Tasasin pienempiä prosenttilukuja sisältäviä luokkia hieman, sillä ne olivat alkuperäisessä luokittelussa turhan suuria. Suurimpien luokkien erot puolestaan ovat myös lopullisessa kartassa erittäin pieniä.

Kuvan kartassa korostuvat tummempana erityisesti Keski-Suomen alueet. Rannikoilla, itärajalla sekä Lapissa puolestaan muiden kuin suomenkielisten asukkaiden osuus kunnan väestöstä on suurempi. Kaikista suurin osuus muunkielisiä on Ahvenanmaalla, jossa ruotsinkielisen väestön määrä ylittää Suomenkielisen. Kuten luokittelusta näkyy, väestö on suurilta osin suomenkielistä.

Apuna toimivat myös muiden kurssilaisten tyylikkäät kartat, esimerkiksi Elisa Ahon(3) harjoituksen 1. kartta 2. eläkeläisten osuudesta kunnittain. Lopullisessa kartassa pyrin panostamaan erityisesti sen visuaaliseen ilmeeseen, esimerkiksi väreihin ja helppolukuisuuteen. Toisaalta karttaa voidaan myös pitää hieman harhaanjohtavana sen värimaailman vuoksi. Luokkarajojen välien pienentyminen prosenttiosuuden kasvaessa saattaa johtaa lukijaa harhaan ja saada osuuksien näyttävän suuremmilta tai pienemmiltä kuin ne todellisuudessa ovat. Toisaalta visuaalisesti suurempi kontrasti luokkien välillä tekee siitä helppolukuisemman.

Koska harjoitustyön tarkoituksena oli opetella ohjelman sujuvaa käyttöä, pyrin myös huomioimaan lopullisen karttakuvan sommittelun. Huomasin erityisesti Composer -näkymän työkalujen käytön kaipaavan vielä harjoitusta. Mielestäni eräät kartan visualisontiin liittyvät toiminnot, kuten legendan elementtien fonttikoon muuttamien sekä kartan kanvakselle sijoittelu on ohjelmalla turhankin haastavaa.

Lähteet:

(1)L. Ahola. Ensikosketus QGIS:iin. https://blogs.helsinki.fi/lauahola/ (luettu 21.3.2019)

(2) QGIS 2.18 User Guide https://docs.qgis.org/2.18/en/docs/user_manual/index.html (luettu 20.1.2019

(3)E. Aho. Harjoitus 1. https://blogs.helsinki.fi/elqaho/ (luettu 20.1.2019)