Sanyan Matka GISsin Keskipisteeseen

Viikko 7 harjoitus oli se, johon panostin toden teolla. Päätin yrittää tuottaa kaupunkimaantieteeseen sopivaa aineistoa. Koska pääkaupunkiseutu on koti, päätin tuottaa siitä dataa. Niinpä suuntasin Helsinki Region Infoshareen, josta löytää avointa dataa yllin kyllin. Päätin keskittyä asuntotuotantoon ja suhteuttaa sitä väkimäärään. Koska tietokoneeni tarvitsee putsausta kandiprojektin jäljiltä, päätin käyttää muilla kursseilla oppimaani kikkaa olla lataamatta aineistoja koneelle, vaan käyttää WFS toimintoa QGIS-ohjelmassa.

Kopioin siis WFS-rajapinnan osoitteen, eli https://kartta.hsy.fi/geoserver/wfs ja loin yhteyden QGISiin. Lisäsin projektiin kolme layeria Add toiminnon avulla. Niistä pohjana karttaesityksille käytin kaupunginosat_2020 ja Vaestotietoruudukko_2020 aineistoja. Kartta 1 muuttuja oli Alkaneetasunnotmal2016_2019.

Aloitin prosessin siistimällä kaupunginosa-aineistosta ne rivit, joiden kunta ei ollut 091 eli Helsinki. Alkaneetasunnotmal2016_2019 layeristä poistin ne pisteet, jotka eivät olleet alueella. Sen tein Extract by location -toiminnon avulla, ja valitsin siihen geometriaksi intersect. Kohtasin ongelman tässä vaiheessa, eli minun piti miettiä, mitkä väestöruudut olivat Helsinkiä ja mitkä eivät. Suomea, toisin kuin osaa Afrikasta, ei ole jaoteltu viivottimen kanssa. Sen takia kuntarajat ja neliön muotoiset väestöruudut eivät mene yksi yhteen. Kuva 2 näyttää esimerkin tästä Pitäjänmäen länsiosasta.  Päädyin yksinkertaiseen ratkaisuun: vaikka lopputulos ei ole täydellinen, on se ihan kelvollinen. Tämä harjoitustyö, jossa tulee harjoitella kriittisen ajattelun ohessa QGIS ohjeman käyttöä. Laskin jokaiselle väestöruudulle keskikohdan, eli centroidin samannimisellä funktiolla. Tämä teki sen, että ne muuttuivat pisteiksi, jolloin ne väkisin sijoittuivat johonkin kuntaan.

Sen jälkeen aloitin itse analyysit. Selvitin kuinka monta asuntoa aloitetuissa rakennushankkeissa oli per kaupunginosa. Tämän tein Count points in polygon funktiolla. Weight field muuttujaan laitoin “asuntoluku”. Haluan vielä selventää että tarkistin asuntoja, en taloja tai rakennuksia. Käytin samaa funktiota Centroid layeriin, jotta saisin selville jokaisen kaupunginosan väkiluvun. Uudesta Count-asukkaat layeristä avasin attribuuttitaulukon ja tarkastelin kaupunginosan asukkaiden määrän. Se näkyi numpoints -sarakkeesta. Liitin Count-asukkaat layerin Count-asunnot layeriin Join toiminnolla, yhdistävänä tekijänä attribuutti “kaupunosanro”. Sen jälkeen tein uuden sarakkeen attribuuttitaulukkoon, johon jaoin alkaneet asunnot määrän kaupunginosan väkiluvun mukaan. Lopuksi kerroin sen sadalla saadakseni prosenttiluvun.

Kuvassa 1 eniten asuntoja suhteessa väestöön kaupunginosassa on aika yllätyksettömästi Länsisatamassa. Se on vanha satama-alue, jossa rakennetaan paljon uutta asuntokantaa. Myös Pasilaan rakennetaan paljon asuntoja. Varsinkin alueen itäosassa ja Ilmalassa on paljon toimistoja, joten uudet asunnot suhteessa väkilukuun nousevat nopeasti prosentuaalisesti. Laajasalo ja siellä varsinkin Kruunuvuorenranta ovat jo pitkään olleet yksi asuntorakentamisen hot-spoteista. Sörnäinen oli suurien prosenttilukujen yllättäjä minulle alkuun, mutta karttaa tutkimalla tajusin Kalasataman jäävän alueen sisälle.

Keskustan alueella kaupunkirakenne on tiivistä ja uusia asuintaloja on hankala mahduttaa sinne. Siksi moni alue, kuten Kruunuhaka ja Ullanlinna ovat pienen prosenttiluokan, 0-0,4 % sisällä. Tulevaisuudessa kenties alueet saavat tummempia värejä, jos käyttämättömiä toimistoja aletaan muokkaamaan asuintiloiksi. Tyhjää toimistotilaa oli vuonna 2020 jo noin miljoonan neliömetrin verran pääkaupunkiseudulla (Okkonen, 2020). Muualla kaupungissa asuntorakentamien on maltillisempaa. Monessa kaupunginosassa rakennetaan, mutta niiden asukasluku on jo sen verran korkea, ettei ne erotu asteikon yläpäässä.

 

Kun vertaa kuva 1 ja kuva 3, ei alkuun erot vaikuta suurilta. Länsisatama, Sörnäinen ja Laajasalo ovat liiloja, mutta Pasila on paljon vaaleampi. Uutta Helsinkiä (2018) mukaan Pasilan alueen, varsinkin sen keskiosan rakentaminen aloitettiin 2017. Alueelle ei siis vuoden 2016-2019 välillä ole ehtinyt valmistua suurta määrää asuntoja.

Esimerkiksi Taka-Töölöön on valmistunut enemmän asuntoja kuin mitä sinne ollaan rakentamassa. Myös Mellunkylän asuntorakentaminen on hiljentynyt. Taulukoita voi verrata, sillä ne on suhteutettu vuoden 2020 asukasmäärään. Lännessä Munkkiniemeen ja Pitäjänmäkeen rakennetaan vähän enemmän, samoin kaupungin keskiosassa Malmille. Kumpulaan ollaan rakennettu ja rakennetaan enemmän koko ajan.

Innostuin tekemään työvaihekaavion, joka oli tuttu tapa hahmottaa tekemistä Geoinformatiikan menetelmät 2 kurssilta, jonka loogisesti olen saanut tehnyä ennen tätä kurssia :D. Kuva 4 on tulos siitä.

PS. Kiitos Justus henkisestä tuesta ja ideoinnista tehtävälle :)<3

Lähteet:

Okkonen. (2020). Noudettu 25.8.2021 osoitteesta https://www.is.fi/taloussanomat/art-2000006632713.html

Uutta Helsinkiä. (2018). Noudettu 25.8.2021 osoitteesta https://www.uuttahelsinkia.fi/fi/pasila/asuminen/historia

 

Ihanaa lukea muistiinpanoja tästä kurssikerrasta! Tuli hyvän muistoja mieleen minun ja Ville Kurikan kävelyretkestä Kumpulassa. Se ei ollut ensimmäinen kerta kun käytin epicollectia, sillä se oli tuttu Lammin kenttäkurssilta. Niinkuin Ville sanoo blogissaan, on pisteaineiston kerääminen älypuhelimella aina pieni riski, sillä sijaintitietojen luotettavuus ei ole huippuluokkaa. Olen käyttänyt sovellusta myöhemminkin, ja se on edelleen ladattuna puhelimellani.

Aloin tehdä itsenäisharjotusta. Sain excelin laitettua kartalle, ja ihmettelin, miten mikään ei ollut mennyt pieleen. WOW! Vuoden 1980 jälkeen tuotettu aineisto oli hankalampaa saada QGISiin sopivaan muotoon, eli sopivaksi csv-exceliksi mutta leikin pisteiden, pilkkujen sekä puolipisteiden kanssa.

Kun olin muokannut pisteiden tyyliä symbology välilehdestä graduated tyyliseksi, muokkasin ne kivan punaisen sävyiseksi ja poistin symbolipallojen reunat, tein taikaa. Oikeaklikkasin muokkaamani layeria, laitoin hiiren styles päälle ja otin copy style. Sitten pastetin sen vuoden 1980 jälkeen layerille ja muokkasin sitä vähän. Lopputulos oli upea (kartta 1). Pallot ovat aika pieniä, jotta päällekkäiset pallot näkyvät paremmin. Tämä on tärkeää sen kannalta, että pystyy hahmottamaan, missä maanjäristykset ovat yleisiä.

Kartasta 1 voi hahmottaa Tyynenmeren tulirenkaan. Se on Tyynenvaltameren reunoilla sijaitseva tektonisesti aktiivinen vyöhyke. Toisin sanoen mannerlaatat liikkuvat siellä ja aiheuttavat maankuoren liikkeitä, eli maanjäristyksiä. Tämä on maailman aktiivisinta maanjäristysvyöhykettä, jossa jopa 90 % maanjäristyksistä sattuu. Täällä tapahtuu myös paljon tulivuorenpurkauksia. Koitin tehdä niistä karttaesityksen, mutta hakattuani exeliä pitkään ja hartaasti, en vieläkään saanut tuotettua QGIS sovelluksessa toimivaa CSV tiedostoa.

Tulirengas ei ole aina ollut maailman maanjäristysrikkainta aluetta. Mannerlaatat liikkuvat hitaasti, mutta ne silti liikkuvat. Liikkuminen on maan sisäisten magmaliikuntojen tulos. Lisää maata syntyy joko sinne, missä laatat erkaantuvat toisistaan tai missä yksi laatta työntää toista ylöspäin, eli subduktiovyöhykkeellä. Siellä toinen laatta työntyy toisen alle ja muuttuu takaisin magmaksi.

Vaikka koko tulirengas ei hahmotu kartalla 1, saa siitä peruskäsityksen. Kartalla 2 Tulirenkaan hahmottaa selkeästi. Vaikka maanjäristyksiä isoja maanjäristyksiä on tapahtunut paljon muuallakin, ovat ne kerrostuneet Tulirenkaan päällä paksuksi kerrokseksi kartalla.

Richterin asteikko on logaritminen. Se tarkoittaa että kun numero kasvaa yhdellä, kasvaa voima kymmenkertaisesti. Yli 8 Richterin asteikolla tapahtuvat maanjäristykset ovat harvinaisia. Mittaushistorian aikana voimakkain maanjäristys tapahtui Chilessä vuonna 1960 ja sen voima oli 9,5.  Se ei näy esittämissäni kartoissa. Yli 9 yksikön maanjäristyksiä voi kartalta hahmottaa vain 5. Ne ovat siis hyvin harvinaisia.

Kartta 3 havainnollistaa kaikki yli 6 Richterin asteikolla tapahtuneet maanjäristykset viimeisen vuoden ajalta. Kartta 4 taas havainnollistaa kaikki tasan neljäkymmentä vuotta aikaisemmin tapahtuneet, saman minimivoimakkuuden maanjäristykset. 70 luvun alussa oli tapahtnut 109 tämän suuruusluokan maanjäristystä, kun taas viime vuonna niitä oli tapahtunut jopa 152. 70-luvun alussa Indonesissa tapahtui enemmän voimakkaita maanjäristyksiä kuin viime vuonna. Viime vuonna tapahtui paljon maanjäristyksiä eteläisellä Atlantilla. Viime vuoden kartassa on huomattavasti enemmän tummanpunaisia pisteitä, eli voimakkaita maanjäristyksiä.

En koe saaneeni paljoa irti tästä kurssikerrasta. Opin miten exceleitä voi tuottaa QGIS aineistoon sopiviksi, mutta tietyt aineistotyypit osoittautuivat liian hankaliksi minulle. Justus istui vieressä ja koitti auttaa, mutta yhdessä päädyimme tekemään helpomman version. Sain myös itseluottamusta QGIS ohjelman käsittelemiseen ja tämän tyyppiseen tiedonhakuun. Tiedän tehneeni paremmat kartat kaksi vuotta sitten, mutta en löytänyt niitä mistään enään; en edes etäyhteyden kautta yliopiston koneelta. Se harmittaa tosi paljon.

Katsoessani esimerkiksi Pihlan upeaa karttaesitystä maanjäristyksien ja hyökyaaltojen yhteyksistä, jäi minua harmittamaan. Sitten katoin GIS-velhoni, Justuksen karttoja, ja huomasin, etteivät ne nyt ihan kauheasti ehkä kuitenkaan olleet parempia kuin omani. Toki hän oli saanut lisättyä mannerlaattojen viivat kauniisti ja käyttänyt erilaisia tietokantoja laajemmin. Silti, ihan ok harjoitustyö, varsinkin uusien visualisointiniksejen osalta.

Lähteet:

https://tekniikanmaailma.fi/tyynenmeren-tulirenkaan-tulivuoret-pelottelevat-taas-uusin-halytystila-nostettiin-japanissa/

Ville Kurikka: (Noudettu 25.8.2021)  https://blogs.helsinki.fi/kurivill/2020/03/17/pisteaineistojen-esittaminen-kartalla/

Pihla Haapalo: (Noudettu 25.8.2021) https://blogs.helsinki.fi/haapalop/

Justus Poutanen: (Noudettu 25.8.2021) https://blogs.helsinki.fi/pjustus/2019/03/02/vain-toinen-paiva-toimistolla/

Kuvalähde: https://www.pmfias.com/earthquakes-shallow-focus-deep-focus-earthquakes/

 

Viikko viisi alkoi QGIS ohjelman avaamisella ja uudelleen tutustumisella. Hämmennyksekseni se tuntui tutulta ja moni asia palautui nopeasti mieleen. Haluan kiittii pitkänajanmuistiani tästä!

Huomasin osaavani yhdistellä dataa ja käyttää erilaisia QGIS työkaluja. Minun piti kertailla osaamista vanhojen kurssikertaohjeiden avulla ja pirauttaa kaverille pari kertaa kun hermot menivät.

Buffereiden, eli puskureiden tekeminen luonnistui hyvin. Muistin miten työkalua käytetään ja muistin laittaa segmenttien määrän 36, jotta bufferin reunoista tulisi pyöreät. Ensimmäiset ongelmat tulivat siinä vaiheessa, kun en löytänyt Spatial Query -työkalua, mutta googlaamalla selvisi sen olevan lisäosa eli “plugari”. Asensin sen ja aloin käyttää.  Selected features only näytti minulle valittujen kohtiden lukumäärät ja oli taas kerran hyödyllinen työkalu. Katsoin muiden blogeista mitä numeroja he olivat saaneet tehtävässä, ja huomasin vain pientä heittoa. Heitto syntyy siitä, miten kiitoradat on piirretty kartalle.

Olen koonnut kaikki tämän kurssikerran tiedot samaan taulukkoon (Taulukko 1). Päätin tehdä ensimmäisen itsenäistehtävä lentokentistä. Taulukon sana KAVU tarkoittaa rakennusten käyttöönottovuotta.

Alkuun piti tehdä esiselvitystyötä, eli tutkia milloin Malmin lentokenttä oli rakennettu. Se rakennettiin vuonna 1936 ja oli Helsinginseudun päälentokenttä aina vuoden 1952 olymppialaisiin saakka, poislukien tiettyjä sotavuosia. Aineistoa sai rajattua helmitaulun, eli open field calculatorin avulla. Sinne kun laittoin < ja > -merkkejä asuntojen ikää kuvaavaan sarakkeeseen, sain rajattua aineistoa haluamallani tavalla. Kilometrin säteellä Malmin lentokentästä asuu noin 8700 henkilöä. Kahden kilometrin säteellä asuu jo huomattavasti enemmän ihmisiä, noin 57 000.

Taulukko 1

Väestö 2km Malmin lentokentästä	57101 henkilöä
Väestö 1km Malmin lentokentästä	8699 henkilöä
1km KAVU > 1936	693 taloa
2km KAVU > 1936	4345 taloa
2km KAVU > 1936 asukkaat yhteensä	56004 henkilöä
1km KAVU > 1936 asukkaat yhteensä	8508 henkilöä
Väestö 2km Vantaan lentokentästä	2204 taloa – 10262 henkilöä
65dB alueella olevat ihmiset	41 asuntoa – 324 henkilöä
Prosentuaalisesti 65dB alueella 2km sisältä	n. 0,8 %
>55dB alueella olevat ihmiset	11913 henkilöä
Tikkurila >60dB melu	1770 taloa – 12485 henkilöä
<500m asemasta	5169 taloa – 106691 Henkilöä
<500m verrattuna koko väestöön	21,8 %
Työikäiset <500m asemasta	73108 = 68,5 %
Taajamissa asuvat ihmiset	478371 henkilöä – 97,59 %
Taajamien ulkopuolella asuvat 7-14v	2,66 %

Vertasin omaa taulukkoani vuonna 2020 kurssin käyneeseen Emmaan ja vuonna 2019 kurssin käyneeseen Justukseen. Emman valitsin, sillä hänen bloginsa oli kehuttu sinä vuonna. Justus taas on minun henkinen GIS-tuki valmistumisprosessissani.

Lähteet:

Emma Ward:  (Noudettu 25.8.2021) https://blogs.helsinki.fi/emmaward/2020/02/17/buffereita-ja-monstereita/

Justus Poutanen: (Noudettu 25.8.2021) https://blogs.helsinki.fi/pjustus/2019/02/26/negaa-kuumotteluille-ja-kaatuiluille/

Tällä viikolla opimme paljon uutta. Opimme tekemään ruutuja ja tuottamaan uutta aineistoa Qgissillä. Muistan viime vuode  päänvaivan tämän kurssikerran aikana, nyt kaikki meni hyvin. Luulen sen johtuvan itsevarmuuden lisäksi Qgis versioon, Madeiraan, jota käytämme tänä vuonna. Olen tyytyväinen lopputulokseen.

Ylhäällä olevat kartat ovat siis Pornaisten alueelta. Niissä näkyvät korkeuskäyrät perinteisesti viiden mertin välein. Mielestäni Kuva 2, eli oman tekemäni kartan värit ovat onnistuneemmat. Korkeudet erottuvat selkeämmin. Kuva 1 on siis paitulista ladattu kartta Pornaisista, jossa korkeuskäyrät olivat jo valmiina. Perjantaina olo oli vielä vähän rapea koko viikon kestäneen flunssan takia, ja luulin tekeväni oikein. Kysyin myös Artulta ja vastaus oli myöntävä. Pitänee korjata myöhemmin, vaikka tästäkin näkee jo ihan hyvin eroja.

Puhuimme harjoituskerralla oudosta ilmiöstä, joka näyttää tapahtuvan Kuva 2:ssa. Keskellä suoaluetta on kohouma joka ei näy Paitulista lataamastani kartasta, sillä suo on tasainen. Keskelle suota on muodostunut kohouman näköinen kohta, sillä alueen korkeus on korkeuskäyrän molemmilla puolilla. Se vääristää kuvaa, sillä sinne syntyy monta viivaa jotka kausautuessa näyttävät suurilta korkeuseroilta kartan kohdassa joka todellisuudessa on tasaista maastoa. Ronja mainitsee blogissaan että osa korkeuskäyristä on yksinkertaistettu selkeyden parantamisen takia. Oletan hänen puhuvat juuri pelto- ja suokohdista.

Niinkuin Flaminia blogissaan sanoo, soveltuu rasteriaineisto vektoriaineistoa paremmin jatkuvien aineistojen kuvaamiseen. Kartalta (kuva 3) sen voi nähdä. ruudut ovat 1km x 1km kokoisia, eli aika isoja alueita. Laskin ruutuihin suomenruotsalaisten osuuden koko ruudun väestöstä. Luvut ovat prosentteja ja skaala ehkä vähän hassu mutta kuvaava. Voi huomata että suurimassa osassa ruuduista suomenruotsalaisten osuus on vähemmistössä.

Joona puhuu ruutujaosta vähän tarkemmin. Korrepleettikartat perustuvat johonkin aluejakoon, joka usein on hallinnollinen. Ruudukkomme perustuu vaan geometrisiin muotoihin jotka olemme määritelleet kartalle vapaalla kädellä vedetylle alueelle. Niiden avulla voi tarkistella alueellisten ilmiöiden leviämistä.

Joona myös mainitsee, että on tunnettava alue jotta karttaa voi tulkita. Pohjakartassa ei ole muuta tietoa kuin kunnan rajat. Itse otin järvet pois, sillä ne osa järvistä oli niin isoja, että ne peittivät alle ruutuja rumalla tavalla. Osa ruuduista on myös valkoisia, eli niihin ei ole merkitty taloja joissa asuisi ihmisiä joka olisi tuottanut dataa ruutuaineistooni. Aineiston pohjana toimi siis massiivinen väestötieetokanta.

Tästä tulee taas GIS-päivä, sillä seuraavaski matkani suuntaa kohti julkista liikennevälinettä joka vie minut Kumpulaan ja pääsen viikon harjoituskerralle.

Lähteet:

Ronja https://blogs.helsinki.fi/npinja/ (viitattu 10.2.2020)

Flaminia https://blogs.helsinki.fi/flaminia/ (viitattu 10.2.2020)

Joona https://blogs.helsinki.fi/kaarijon/ (viitattu 10.2.2020)

 

Ai että kun olin ylpeä tehtyäni kartan Afrikasta. Se on mielestäni niin kauni ja kertoo niin paljon meille karttoja tulkitseville ihmisille. Tein sen valmiiksi hioen värejä pitkään ja tallensin sen tyytyväisenä ja latasin blogialustalle. Perään liitin viime vuonna tekemäni kartan Suomen tulvaindeksistä (Kuva 2). Sydäntä raapii sen rumuus. Jopa kieli on väärin. Olisiko sekin pitänyt hioa täydellisyyteen? Ehkä ihan hyvä että lähdin kotiin kun päivän aktiivista osuutta oli takana 11 tuntia.

 

Afrikan kartalla on eri muuttujia, niinkuin kuvatekstikin jo kertoo. Siniset salmiakkipalaset kuvastavat tietysti timanttikaivoksia ja liila sai olla öljykenttien väri. Tulkittiin Artun kanssa yhden pisteen olevan kenttä, eli maan alla olevan öljykerroksen kohta. Öljykentät sijoittuvat Pohjois-Afrikkaan ja “hevosen kaulaan”, jos siis Afrikan tulkitsee hevosen päänä niinkuin itse tykkään tehdä. Kartta puhuu hyvin puolestaan mutta väritystä ajattelin avata vielä vähän.

Konfliktit näkyvät kartalla viininpunaisina pisteinä. Ne ovat yksittäisiä tapahtumia maanosan sisällä. Valtiot ovat ihmisten keksimiä hallinnollisia rajoja ja valitettavasti suurin osa Afrikan rajoista ovat kolonialismin jälkeen Eurooppalaisten vetämiä kartalle. Tämä on aiheuttanut monia konflikteja ja jopa sisällissotia.

Toinen asia joista ihmiset saavat usein aikaan konflikteja ovat raha ja sen lähteet, mm. raaka-aineet. Niistä yksiä arvokkaimpia ovat timantit ja öljy, sillä niiden markkina-arvo on korkealla maailmassa. Niiden esiintyminen korreloi osittain konfliktien sijainnin kanssa kartalla, mutta on myös osia joissa näitä raaka-aineita ei esiinny mutta konflikteja on silti ollut huomattava määrä. Yksi näistä on Ruanda, jossa oli yksi maailman tunnetuimmista kansanmurhista tapahtui.

Värierot kartalla syntyivät kun otin konfliktien määrän ja jaoin sen per 10 000 ihmisen kesken. Länsi-Sahara Afrikan länsirannikolla ja Djibouti Itärannikolla. Länsi-Sahara on yksi maailman harvimmin asutuista alueista. Siellä on vain kaksi konfliktipistettä, mutta ne riittävät erottamaan sen muista maista kun määrän suhteuttaa alhaiseen asukaslukuun.  Djiboutinissa oli sisällissota vuosina 1991-1994. Afrikka on usealle varsin tuntematon maanosa, joten on hankala tietää eri maiden asukaslukua. Siksi se on hyvä suhteuttaa, jotta näkee eroja. Maiden pinta-alat ovat kuitenkin hyvin eri kokoisia keskenään.

Aineistosta herää kysymyksiä. Luulen aineiston olevan länsimaalainen. Mihin on vedetty raja konfliktin ja pienemmän välikohtauken välille? Voiko jokin olla jäänyt raportoimatta? Miten se vaikuttaa aineistoon? Huomasin ohjeissa kysymysliudan vasta tässä kohdassa. Karttaan ei ole kerrottu metadataa konflikteista, kaivoksista tai öljynporuksesta. Voiko niistä edes vertailla? Kartan kylkessä voisi hyvin olla taulukko, josta saisi tietää vuosia, pinta-aloja ja muuta olennaista tietoa eri tapahtumista.

Toinen kartta on viime vuoden tekele. Värit eivät sovi Afrikan kartan kanssa yhteen. Muistan tehneeni sen tunnilla ja olleeni ylpeä sen lopputuloksesta. Nyt nään mm. legendan kauheuden. Suomea ja ruotsia sekasin, ei puhdistettua legendaa, arvojen selitys..

Kartassa voi tulkita jävien osuuksia eri valuma-alueilla ja niiden vaikutusta tulvimiseen. Voi huomata negatiivisen korrelaation. Mitä enemmän järviä, sitä vähemmän tulvia. Kartta ei ole paras mahdollinen pienen kokonsa ja ympyrädiagrammien peittävyyden takia. Diagrammit esittävät järvien osuutta koko pinta-alasta. On hyvä että diagrammit löytyvät, sillä olen piilottanut joet ja järvet jonkun muun aineiston alle. Alottelijan moka. No, semmosta sattuu.

Joonatan pohti taas fiksusti asfaltin vaikutusta tulvimiseen. Se kuin ei ime vettä, on tulviminen erilaista. Sen voisi ehkä nähdä myös minun kartastani, jos ympyrädiagrammit eivät peittäisi kaikkea oleellista alleen.

Se tältä viikolta. Huomenna pääsee taas tekemään jotain jännää kun ilta kuluu GIS luokassa!

Läheet: https://blogs.helsinki.fi/reunajoo/

 

 

 

Tämä kerta oli ensimmäinen jonka kävin tänä vuonna. Oli ilo huomata kuinka paljon muistinkaan viime vuodesta ja luulen, etten sen takia toistanut viime vuoden vihreitä. Viime vuonna en saanut lopputuloksista edes tyydyttäviä, mutta tämä vuonna Qgis ei romahtanut kertaakaan. Helpotti kummasti!

Ohjelma ei kuitenkaan toiminut moitteettomasti mutta Artun avulla ymmärsimme sen Villen kanssa. Ohjelma ei halunnut vaihtaa projektiota automaattisesti, joten laitoimme molemmat Robinssonin projektioon laskujen ajaksi.

Ensimmäinen kartta (kuva 1) vertaa Mercatorin projektiota ETRS-TM35FIN projektioon, joka on standardiprojektio suomessa. Se on poikittainen Mercatorin projektio ja yhteensopiva muiden Eurooppalaisten maa- ja maanosa kohtaisten projektioiden kanssa. Tuloksena saimme vertailun jonka tulokset ilmenevät prosenttilukuina. Siitä voi nähdä lopputuloksen, joka kertoo mercatorin projektiossa olevan kartan pinta-alojen olevan 295-722% suuremmat kuin TM35FIN projektiossa. Mercatorin projektio on luotu merellä navigoimiseen. Se toimii siinä loistavasti, mutta se vääristää pinta-aloja ekvaattorilla niiden ollessa oikeita mutta mitä lähemmäs napoja kartta on, sitä suurempi on vääristymä.

Toisessa kartassa (kuva 2) vertasimme TM35FIN projektion ja Van der Grintenin (VdG) projektioiden eroa. TM35FIN on poikittainen Mercatorin projektio. ovat yleisiä etelä-pohjois suunnassa pitkäissä maissa, niinkuin Suomessa, Ruotissa, Norjassa, Chilessä ja Argentiinassa. VdG taas on erikoinen kartta. Koko maailma on projisoitu pyöreälle alustalle. Se on alunperin ollut Mercatorin projektio. Päiväntasaaja ja keskimeridiaani ovat suoria, mutta pinnat niiden välillä on taivutettu kaareviksi. Kartassa navat ovat liiotellun suuria. National Geographics lehti teki projektion tunnetuksi käyttämällä sitä maailmankartoissaan vuoteen 1988 saakka.

Erot VdG:n ja TM35FIN välillä ovat huomattavasti pienempiä kuin ensimmäisen kartan erot. Prosentuaalinen ero on 163-336,2%. Pohjoisosissa vääristymä on siis jopa 386% ensimmäisen kartan osalta. Kun karttoja tutkii, ei eroa huomaa suoraan. Kuitenkin eri rajojen välit vaihtelevat osittain. Esimerkkinä on Hartolan kunta Päijät-Hämeessä, joka ensimmäisessä kartassa kuuluu toisiksi vähiten vääristävään ryhmään, kun taas alemmassa kartassa se kuuluu keskimmäiseen kategoriaan.  Prosentuaaliset erot ovat siis merkittävämpiä kuin kartan rajaamat alueet tässä tapauksessa.

PS. Koitin etsiä blogeja joihin viitata mutta kanssaopiskelija fuskit ovat näköjään jo niin nuoria, ettei bloggaaminen tule luonnosta. Kävin viisi blogia läpi, sitten luovutin. Koitan muistaa viitata tähänkin postaukseen myöhemmin.

 

 

Lähteet: http://www.manifold.net/doc/radian/van_der_grinten_projection.htm

Viime vuonna muistan alottaneeni kurssin hyvin huonolla mielellä. Tänä vuonnahan tämä on ihan kivaa. Menin sisään kurssille ja sanoin käyneeni tämän kerran viime vuonna. Muistin vasta jälkikäteen tehneeni tämän Azoreiden reissun jälkeen Ilonan kanssa. Meillä meni hermot ohjeisiin, kun koitimme melkein tunnin keksiä miten pääsemme Properties alueelle muokkaamaan karttaamme. Joku ihana vanhempi sielu (toisen vuoden opiskelija) kertoi, että meidän toggle editing oli päällä. Siitä alkoi viime vuoden GIS-turhautuminen. En päässyt GIS:n keskipisteeseen, joten nyt on toisen kokeilukerran vuoro.

Viime vuonna tehdystä kartasta huomaan legendan puutteellisuuden. Veden olisi voinut yhdistää ja muutenkin kaikkea olisi voinut selkeyttää. Hyviä oppeja tulevaa GIS-uraani varten 😀 Myös selkeyttääkseni, syvyyden yksikkönä toimii metrit. Syvyys jää vähän epäselväksi, kun karttaa on hankala zoomata eikä sitä saa enää suuremmaksi.

Kuvassa 1 voi huomata kuinka Puola erottuu typpipäästöjensä kanssa muista Itämeren valtioista tummanpunaisen värinsä ansiosta. Suomi ja ruotsi näyttävät vähän kummalliselta järvien paljouden takia. Värimaailma näyttää kummalliselta, mutta tämä oman elämänsä prinsessa tykkää punaisen sävyistä.

Joonatan pohti mielenkiintoisesti blogissaan päästöjen osuuksia. Hän puhui rantaviivan merkityksestä. Ruotsilla on paljon rantaa. Se näkyy myös kartassa suurien päästöjen määränä ja pinkkinä värinä. Venäjällä on vain vähän Itämereen päin suuntautuvaa rantaa, mutta päästöt ovat suuria. Voiko tätä selittää Pietarin suurkaugungin päästöt? Kuinka vanhaa aineisto olikaan? Suomi on ollut mukana jätevedenpuhdistushankkeissa Pietarissa. Olisi mielenkiintoista nähädä vertailevaa aineistoa. Ollaan kuitenkin menossa parempaan päin jonkun artikkelin mukaan (en löytänyt sitä enää), sillä päästöt eivät ole lisääntyneet 1990-luvulta lähtien. Nyt ylimääräinen typpi ja fosfori pitää vaan saada pois. Ehkä vetemme ovat puhtaita vielä minun elinaikanani. En usko, mutta onneksi meillä on yli 180 000 järveä joista suurimmassa osassa on puhdasta vettä 🙂

Miksi typpi onkaan haitallista Itämerelle? Typpi on kasveille elintärkeää, mutta kun sitä ollessa paljon pääsevät levät leviämään toivottua enemmän ja vesi rehevöityy. Se tappaa Itämerta pikkuhiljaa, pohjasta pintaan päin.

Lueskelin paljon muiden blogeja ja huomasin että joku muu tehtävä olisi myös pitänyt tehdä. Pitääpä etsiä se jostain koulun levyltä ja toivoa sen löytyvän vielä. Kaikkien kurssien, niiden virheellisten kurssikuvausten, opintovastaavahommien ja hylättyyn tenttiin lukemisen oheessa on mahdotonta löytää väliä milloin GIS-luokkassa ehtisi piipahtaa tällä viikolla. Ehkä annan sen vain olla.

Lähteet:

https://www.jarviwiki.fi/wiki/Typpi

https://blogs.helsinki.fi/reunajoo/