Rasmuksen GEM-kurssiblogi

Havahduin viimeisen kerran tehtävänantoon erittäin myöhään ja kiitän Marttaa siitä, että sain sen selville ajoissa. Viimeisen päivän uurastuksella ehdin kuitenkin etsiä muutaman aineiston tulvavyöhykkeistä Yhdysvaltojen alueilla. Kurssiaineiston linkeistä löytyi lisäksi hyvät pohjakartat, joten niitä ei tarvinnut metsästää koko päivää. 

Alkuperäisestä ajatuksestani eli tulvariskikarttojen teosta syntyi ensimmäinen kartta (kuva 1), jota en kuitenkaan saanut aivan sellaiseksi kuin olisin halunnut. Halusin laskea puskurianalyysin avulla tulvariskialueella olevien ihmisten määrän, mutta huomasin myöhemmin, että USGS:n tiedot (USGS, 2021) olivat hieman rajoittuneita niiden paikallisuuden takia eivätkä ne edustaneet täydellisesti tulvariskejä, vaan pikemminkin joen lisääntynyttä volyymiä. En myöskään saanut liitettyä niitä isompaan kuvaan eli osavaltioskaalaan, koska tiedostossa ei ollut osavaltioiden nimiä. Kuitenkin kuten kuvasta näkyy, suurin osa tulvariskin alla olevista jokialueista sijaitsee maan itäosissa, joka on väestörikasta aluetta.

Koska ensimmäinen kokeilu ei onnistunut, päätin seuraavaksi keskittyä ihmismaantieteen teemoihin, joista ensimmäisen sain helposti samasta tiedostosta, josta olin saanut arvot väestökartan tekoon (Census, 2021). Tein siis kuvassa 2 näkyvän kartan, jossa vuoden 2019 syntyvyys on ilmoitettu ympyrädiagrammien koon avulla. Arvatenkin isoimmissa osavaltioissa syntyvyys oli suurin ja olisin voinut hyvin suhteuttaa väestöön, jolloin syntyvyyden ja taustalla olevan väestökartan tiedot olisivat poikenneet hieman toisistaan. Nyt ne toistavat liikaa samoja asioita.  

Viimeisen kartan (kuva 3) tiedot löysin BEA:n sivuilta (BEA, 2021). Käytin tässäkin pohjana samaa väestökarttaa ja otin kaveriksi vuoden 2019 tulot, joten muuttujista voi jo päätelläkin jo jotain. Lisäksi paransin informaatiotasoa, sillä laitoin tulojen määrän ympyrädiagrammien sisään.  

Itä- ja länsirannikolla on selkeästi isoimmat tulot, mikä sopii niiden maineeseen innovaatiovyöhykkeinä ja maan taloudellisina vetureina. Yllätyin hieman Kalifornian jäävän alle 70 tuhannen, mutta toisaalta se on paljon isompi kuin monet itärannikon valtiot, joten tuloerot ovat pakostikin varsin suuria. Muutamia muita yllättäviä arvoja löytyi Texasista ja Floridasta, joiden asukasluvut ovat varsin suuria ja joiden en olettanut jäävän monen Keskilännen osavaltion, kuten Wyomingin tai Nebraskan taakse. Mississippi on osavaltioista köyhin, mikä Wikipedian mukaan liittyy historiallisesti puuvillaan perustuneeseen talouteen sekä moniin luonnonkatastrofeihin, jotka ovat aiheuttaneet isoja ongelmia (Mississippi, 2021). Monet muutkin köyhimmistä valtioista ovat entisiä etelävaltioita. 

Kurssi oli sitten siinä. Alkuun tuntui, että uudet asiat jäivät hyvin mieleen juurikaan tuntitehtäviä kertaamatta, mutta loppua kohti tehtävät vaikeutuivat siihen malliin, että ymmärsin kertauksen tärkeyden ihan eri tavalla. Tälläkin kerralla huomasin vielä virheitä omissa kartoissani, jotka muihin kurssilaisiin vertaillessa pistivät silmään. Erityisen mielenkiintoinen kartta oli Helmillä, joka esitti kaksi muuttujaa yhdessä ympyrädiagrammissa pohjakartan lisäksi. Virheistäni huolimatta uskon, että pystyn luomaan vähintään yksinkertaisen teemakartan tyhjästä, sillä se onnistui muutamaan otteeseen tälläkin tunnilla. 

Lähteet

BEA. (3.3.2021). GDP and Personal Income. Haettu https://apps.bea.gov/iTable/iTable.cfm?reqid=70&step=1&acrdn=4

Census. (2.3.2021). US and World Population Clock. Haettu https://www.census.gov/popclock/

Lappalainen-Imbert, H. (2.3.2021). Kerta 7 – Itsenäisesti tehtävä kartta. Haettu https://blogs.helsinki.fi/laphelmi/2021/03/02/kerta-7-itsenaisesti-tehtava-kartta/

Mississippi. (8.3.2021). Wikipedia. Haettu https://en.wikipedia.org/wiki/Mississippi

USGS. (2.3.2021). Download WaterWatch Map Shapefile. Haettu https://waterwatch.usgs.gov/new/index.php?id=wwds_shp

Kuudes kurssikerta aloitettiin piristävällä aamuliikunnalla, kun käyttöön otettiin Epicollect-sovellus. Siihen jokainen kurssilainen keräsi kolmen vartin aikana lähiympäristöstään kohteita, joita myös luokiteltiin kysymysten perusteella. Ryhmän aineisto siirrettiin sen jälkeen csv-tiedostona QGISiin, jossa tarkasteltavaksi arvoksi valittiin turvallisuus. Näistä arvoista luotiin interpoloimalla alla oleva kartta (kuva 1), jossa sininen ja vihreä edustavat parempia arvoja ja punainen heikkoja. Periaatteessa kartta osoittaa paikkoja, jotka tuntuvat muita alueita turvattomammilta, mutta oma arvosteluasteikkoni ainakin tuntui olevan hieman matalampi kuin ryhmän keskiarvo, joten en usko, että kartasta voi vetää painavia johtopäätöksiä alueiden yleisestä turvallisuudesta. 

Kun teemakartta oli piirretty, siirryttiin itsenäisten tehtävien pariin, jossa tutustuttiin hasardiaineistoihin. Tehtävänä oli luoda kolme eri karttaa ja keksiä niille tarkoitus opetustilaisuuteen tai muuten mahdollinen hyödynnyskeino. Valitsin sekä tulivuori- että maanjäristysaineistoja NOAA:n ja NCEDC:n sivuilta (NOAA, 2021; NCEDC, 2021), joiden perusteella kaikki alla olevat kartat on koostettu.

Toisessa ja kolmannessa kuvassa (kuva 2 ja kuva 3) on esitetty tulivuoret sekä järistykset erillään. Näin saadaan eroteltua ilmiöt toisistaan ja voidaan keskittyä opettamaan vain yhtä asiaa kerrallaan. Tulivuorikartta näyttää vain lähihistorian, joten siitä saadaan kuva maailman vulkaanisesti aktiivisemmista alueista, joille suurin osa tutkimuksesta sijoittuu. Maanjäristyskartassa valitsin varsin isot arvot, joten myöskään tämä kartta ei anna kokonaisvaltaista kuvaa. Tässä voidaan silti huomata, kuinka suuri ero on todella tuhoisten, Richterin asteikolla yli 8 magnitudia ylittävien, järistysten sekä heikompien, mutta silti vaarallisten järistysten välillä. Kun näitä vertailee vielä esimerkiksi viiden ja puolen magnitudin maanjäristyksiin, joita Erkin blogissa (Järvinen, 2021) on havainnollistettu, saadaan kuva näiden harvinaisuudesta ja siten myös tuhoisuudesta.

Viimeisessä kuvassa (kuva 4) olen liittänyt aiemmat kuvat yhteen, jolloin niitä on helpompi vertailla toisiinsa. Kuten kuvasta näkyy molemmat hasardit sijoittuvat pääosin samoille alueille kuten Kaakkois-Aasiaan ja Amerikkojen länsirannikolle. Toisaalta selkeitä eroja löytyy, kuten mantereinen Aasia, jossa on paljon järistyksiä, mutta vähän tulivuoria. Tällä voidaan demonstroida sitä, kuinka mantereisten laattojen törmäyksessä harvemmin syntyy tulivuoria tai kuinka järistyksiä tapahtuu muutenkin kuin isoimpien mannerlaattojen liikkumisen seurauksena.

Näitä kerättyjä hasarditietoja ja niiden perusteella luomiani karttoja voidaan liittää väestötietoihin, jolloin päästään riskimaantieteen keskeisiin kysymyksiin alttiudesta ja uhkista. Tietysti ne toimivat jo itsessään havainnollistamaan, missä mannerlaattojen rajakohdat tai kuumat pisteet sijaitsevat. Esille nousee erityisesti Tyynenmeren tulirengas, joka kattaa suuren osan Tyynen valtameren rannikoista.

Lähteet

Järvinen, E. (26.2.2021). Kurssikerta 6. Haettu https://blogs.helsinki.fi/erkkijar/2021/02/26/kurssikerta-6/

NCEDC. (24.2.2021). Historic ANSS Composite Catalog Search. Haettu https://earthquake.usgs.gov/earthquakes/search/

NOAA. (24.2.2021). Search Volcano Locations. Haettu https://www.ngdc.noaa.gov/hazel/view/hazards/volcano/loc-search

Olen moneen otteeseen blogissa maininnut, kuinka homma tuntuu jo luistavan; karttojen viimeistely, attributes-taulukon laskut sekä muutamat käytetyimmät toiminnot, kuten Join attributes by location tai Select by… ovat tulleet tutuiksi eikä niiden käytössä ole itsessään isompia ongelmia. Kuitenkin kun eteen lyötiin tehtävänanto ja muutama aineisto, veti se hiljaiseksi ja pakotti keräämään ajatuksia ennen kuin pääsi edes ensimmäisestä tehtävästä eteenpäin. Nyt huomasin, kuinka paljon todellisuudessa tulisi kaikista opituista asioista muistaa. Yksinkertaisista työkaluista vaikeampiin konsepteihin ja niiden yhdistelyyn. Esimerkiksi Helsinki-Vantaaseen liittyvä alueen valinta kahden muuttujan perusteella aiheutti sen laadun muistikatkoksia, että kaiken muun lisäksi unohtui, miten luodaan valituista arvoista uusi layeri. Toiston tärkeyttä ei voi tässäkään vaiheessa peräänkuuluttaa liikaa ja omalla kohdallani sitä pitäisi tehdä varmaankin vielä enemmän, sillä sen verran joutui kamppailemaan joidenkin asioiden kanssa. Toinen tärkeä asia itselleni (en kuulu luontaisiin GISWelhoihin) on ottaa prosessi meditatiivisena harjoituksena, mihin Arttukin viittasi edellisellä kurssikerralla. Juuri Helsinki-Vantaan tehtävään kului sen verran aikaa, että ellei Miles Davis olisi ollut auttamassa hommat olisivat varmasti vieläkin kesken. Kaikista esteistä on kuitenkin toistaiseksi päästy yli, vaikka vaikeimpia haasteita tai lisätehtäviä en ole ottanut vastaan. Aina pitää myös muistaa, että arkeen kuuluu muutakin kuin opiskelua, mistä hienosti kirjoitettu muistutus löytyy Martan blogista (Huttunen, 2021). 

Ja onneksi ei sentään tarvitse aloittaa täysin tyhjästä, vaan materiaalit ovat kurssilla olleet laadukkaita eikä niiden kanssa ole ollut ongelmia. QGIS antaa mahdollisuuden tuoda lukuisia eri aineistoja ja tarkastella niitä erittäin tarkasti. Näen oman harhailuni osittain positiivisena asiana ainakin QGISin kannalta, sillä työkalujen mieleen palauttaminen kertoo monipuolisesta valikoimasta, jolla voi tehdä vaikka minkälaisia analyysejä. Tällä kerralla tutustuimme itsenäisesti puskurianalyyseihin esimerkiksi lentomelun ja juna- sekä metroasemien avulla. Puskurianalyysit voivat olla erittäin hyödyllisiä, kun halutaan selvittää esimerkiksi päästöjen vaikutusta tai tietyn palvelun vaikutusalueella olevien ihmisten määrää. Viimeksi mainittu sovellus oli teemana monissa harjoituksissa, joiden vastauksia voi tarkastella alla olevasta taulukosta (taulukko 1). Vapaavalintaisista tehtävistä valitsin kouluihin liittyvien tietojen laskemisen.

 

Clip ja buffer-toimintoon tutustuminen antoi jälleen uusia eväitä tulevaisuuden GIS-taistoihin ja koko tehtäväpaketin läpi puskeminen oli vapauttava tunne, jota en kuitenkaan mielelläni haluaisi kokea jokaisella kerralla. Geoinformatiikka on näyttäytynyt monessa valossa tällä loppusuoralle kääntyvällä kurssilla ja tämä oppitunti laittoi perspektiiviin sitä työnteon määrää, jota tarvitaan oikeaoppisiin analyyseihin. Vaikka ainaiset kartan hienosäädöt olivat aiemmin tuntuneet helpoilta, on selvää, että jos haluaisin joskus tulla Giswelhoksi, muutaman tunnin klikkailusessiot eivät yksin sitä mahdollista. 

Lähteet

Huttunen, M. (18.2.2021). Harjoitus 5: Bufferointia (ja kaupunki-ikävää). Haettu https://blogs.helsinki.fi/humartta/2021/02/18/harjoitus-5-bufferointia-ja-kaupunki-ikavaa-paivittyy/

Moodlen toimintakatkos aiheutti heti aamulla itselleni päänvaivaa, mutta neljäs kurssikerta alkoi kuitenkin varsin rauhallisesti käydessämme läpi piste- ja ruutuaineistojen ominaisuuksia ja perusteita. En ollut tiennyt, että ruutuaineistot voivat maksaa tuhansia euroja, mutta toisaalta sen ymmärtää, kun tarkastelee nykypäivän laatua ja kattavuutta. Esimerkiksi lasertekniikan avulla voidaan tuottaa tulosta kymmenien senttien tarkkuudella erittäin laajalta alueelta. 

Teoriaosuuden jälkeen siirryimme luomaan omaa ruutuaineistoa, kun jaoimme pääkaupunkiseudun kilometrin kokoisiin ruutuihin. Tärkein uusin asia oli isojen tietokantojen pilkkominen tällaiselle ruutuaineistoille, mikä tapahtui liitäntätyökalujen avulla. Kun niitä oppii hyödyntämään yhdessä valintatyökalujen kanssa, pääsee QGISissä tekemään mielenkiintoisia analyysejä varsin nopeasti. Luennolla haettiinkin kymmenien muuttujien joukosta kätevästi juuri tietyt analysoitavat kohteet, joista valmistui ruotsinkielisen väestön määrää havainnollistava ruututeemakartta. Tämän valmistuttua lopputunti kului Pornaisten rasteriaineiston yhdistelyyn sekä seuraavan tunnin alustamiseen. 

Kurssin edetessä olen pyrkinyt aktiivisemmin kertaaman opetettuja asioita ja tein myös nyt harjoitellun teemakartan uudelleen, paitsi vaihdoin aiheen ruotsinkielisestä väestöstä ikäluokkien tarkasteluun ja tarkemmin 0–18-vuotiaiden määrään (kuva 1). Kuvasta voi nähdä, että karttaa ei ole siistitty, vaan turhat asiat, kuten järvet ja joet vievät liikaa huomiota ilmiön analysoinnilta. Vakuutin itselleni, että tämä olikin vain testi ja kiitos Ilarin vinkkien sain tehtyä oikeasta analyysistä (kuva 2) visuaalisesti hienomman (Leino, 2021). 

 

Kotitehtävänä oli tuottaa oma ruututeemakartta sekä analysoida tuloksia. Säilytin saman muuttujan eli 0–18-vuotiaiden määrän, mutta laskin heidän osuutensa muuhun väestöön verrattuna (kuva 2), sillä halusin kerrata suhdelukujen laskemista. Absoluuttiset arvot olivat mielestäni suht hyvä aineisto, sillä ruututeemakartassa kohteet sijaitsevat rajatuilla alueilla, jotka perustuvat tasaisiin etäisyyksiin. Suhdelukukartta paljastaa kuitenkin huomattavasti paremmin, kuinka tarkasteltava kohde esiintyy suhteessa muihin kohteisiin. Tässä tapauksessa muihin ikäluokkiin. Ilman tätä vertailua aineisto nostaa väkiluvun yhteydessä esille yleensä sen alueen, jossa on eniten ihmisiä. Verrattuna absoluuttisiin arvoihin suhdelukukartta näyttää melkein päinvastaisen ilmiön eli pohjoisessa 0–18-vuotiaiden määrä on suurempi ja Helsingin keskustan alueella pienempi. Yleisestikin Helsingissä luku on pienempi kuin Vantaalla ja Espoossa, minkä olettaisin johtuvan Helsinkiin kohdistuvasta työ- ja opiskeluikäisestä muuttoliikkeestä. Helsingissä ja Vantaalla nuorten määrä on ollut laskussa, kun taas Espoossa luku on kaikkiin Suomen suurkaupunkeihin verrattuna paremmalla tasolla, mikä selviää kuntien raporteista (Vuori, Mäki, Bergroth, 2020; Jaatinen, S., 2020; Parviainen, E., 2020).

 

Ruututeemakartan ongelma on sen tarkkuus. Aikaisempien kurssikertojen kuntien väliseen vertailuun verrattuna tämän kerran aineisto on kieltämättä tarkempi. Kuitenkin jos kurssilla olisi aiemmin käsitelty pienempiä alueita, vektoriaineistot olisivat parempia kuin ruutuaineistot yksityiskohtaiseen tarkasteluun. Tekemässäni ruututeemakartassa vaihtelu näkyy vain neliökilometrin kokoisella alueella, jonka sisällä voi olla paljonkin eroja. Tietysti kun ruutukokoa pienentää, kuten Antti on tehnyt omassa kartassaan, tarkkuuskin paranee (Paakkari, 2021). 

Lähteet

Jaatinen, S. (2020). Väestörakenne 2018/2019. Espoon kaupunki. Haettu https://www.espoo.fi/fi-FI/Espoon_kaupunki/Tietoa_Espoosta/Tilastot_ja_tutkimukset/Vaesto_ja_vaestonmuutokset/Vaestorakenne_ja_vaestonmuutokset(340) 

Leino, I. (8.11.2021). Kolmas kurssikerta. Haettu https://blogs.helsinki.fi/ilarilei/2021/02/08/kolmas-kurssikerta/

Paakkari, A. (11.2.2021). Viikko 4. Neljäs luento ja harjoitukset. Haettu https://blogs.helsinki.fi/anttipaa/2021/02/11/viikko-4-neljas-luento-ja-harjoitukset/

Parviainen, E. (2020). Vantaan väestö 2019/2020. Vantaan kaupunki. Haettu https://www.vantaa.fi/instancedata/prime_product_julkaisu/vantaa/embeds/vantaawwwstructure/151877_Vantaan_vaesto_2019-2020.pdf 

Vuori, P., Mäki, N., Bergroth, C. (2020). Helsingin väestö vuodenvaihteessa 2019/2020 ja väestönmuutokset vuonna 2019. Helsingin kaupunki. Haettu https://www.hel.fi/hel2/tietokeskus/julkaisut/pdf/20_09_17_Tilastoja_10_Vuori_Maki_Bergroth.pdf 

Kolmannella kurssikerralla uutta asiaa tuli omasta mielestä aivan tarpeeksi. Työnteko aloitettiin heti ensimmäisen kymmenen minuutin aikana, kun toimme QGISiin Afrikan kartan ja siihen liittyviä arvoja. Kävimme läpi erilaisten aineistojen yhteen liittämistä niin ohjelmien välillä kuin pienemmälläkin kaavalla. Liittämiseen oli monia vaihtoehtoja riippuen aineistosta tai tiedon muodosta, joten siihen kului yllättävän paljon aikaa. Merge by selected features, aggeragate sekä dissolve olivat vain muutamia eri keinoja, joten oikean työkalun löytämiseen onnistuu kyllä kuluttamaan aikaa. Excel tiedostojen liittämistä ja niiden muuttamista .csv-tiedostoiksi harjoiteltiin myös muutamaan otteeseen.  

Internetiin ja populaatioon liittyvä tiedosto aiheutti omalla kohdallani ongelmia, sillä QGIS ei laskutoimitusten jälkeen suostunut tuottamaan uutta tasoa, vaan lisäsi tiedot vain aikaisempaan tasoon. Periaatteessa tämä ei haitannut tehtävän tekoa ennen kuin yritin korjata asiaa, jolloin poistin vahingossa kaikki aikaisemmat arvot ja jouduin tekemään prosessin alusta. Vaikka hetken niin sanotusti hajotti, uudelleen tekeminen ei vienytkään tuhottomasti aikaa ja oli hyvää kertausta aineistojen liittämisestä. Pääsin takaisin mukaan, kun tarkastelimme konfliktien sijoittumista öljy- ja timanttiesiintymiin nähden, mistä syntyikin kovan työn tuloksena kartta Afrikan konflikteista ja luonnonvarojen sijoittumisesta (kuva 1).  

Kartasta voi huomata, kuinka kilpailu resursseista korreloi konfliktien sijainnin kanssa. Esimerkiksi itärannikolla monet konfliktit sijoittuvat timanttikaivosten ja öljykenttien lähelle. Toisaalta tästä ei voi vielä varmistaa syy-seuraussuhdetta, sillä konflikteja esiintyy muuallakin ja Afrikan historia on monivivahteinen. Siirtomaa-ajan sorto näkyi esimerkiksi Ruandan kansanmurhassa. Monilla eripuraisilla valtioilla on pitkäaikaisia ongelmia talouden ja hallituksen kanssa, kun taas muutamat valtiot, kuten kehittynyt Botswana eivät ole tilaston mukaan kokenut suuria konflikteja timanttikaivoksistaan huolimatta. Lotta Mattilan blogissa on eritelty mahdollisia syitä ja seurauksia vielä monipuolisemmin (Mattila, 2021).

 

Onneksi laskutoimitusten teko QGISin laskimessa sekä valmiin kartan printtaus alkavat tässä vaiheessa käydä jo tutuksi, joten koko tuntia ei tarvinnut taistella suht uusien asioiden kanssa. Lisäksi itsenäisen harjoituksen ohjeistus oli sen verran selkeä, että senkin tekeminen oli loppujen lopuksi ohjeiden seuraamista. 

Itsenäisenä harjoituksena oli luoda pääosin Suomessa sijaitsevien valuma-alueiden tulvaindeksi sekä liittää mukaan diagrammi kyseisten alueiden järvisyydestä (kuva 2). Kuten sanoin, ohjeet olivat varsin selkeät ja suuripiirteinen olemus kartalla syntyi varsin nopeasti. Ongelmana oli kuitenkin sopivien arvovälien valinta ja niiden visuaalinen puoli sekä järvisyyden pylväsdiagrammi, joka omassa kartassani vaikuttaa kömpelöltä. Yritin tehdä oman väriskaalan, mutta siitä tuli huonompi kuin valmiiksi saatavilla olevista. Olen huomannut kurssin aikana, että en ole harvinaisen luova tai visuaalisesti lahjakas henkilö, joten tällaisten päätösten tekeminen tuottaa aina päänvaivaa. Monelta matalan järvisyysprosentin omaavalta alueelta, varsinkaan rannikolta, ei erota diagrammia, sillä ne ovat liian pieniä. Lisäksi unohdin laittaa legendaan, että järvisyysprosentti vaihtelee nollan ja 19,8 % välillä. 

Kasper on blogissaan analysoinut järvisyyden ja tulvaindeksin yhteyttä erinomaisesti (Mickos, 2021). 

 

Lähteet:

Kurssimateriaali

Mattila, L. (5.2.2021). Kolmas kurssikerta. Haettu https://blogs.helsinki.fi/lottmatt/

Mickos, K. (5.2.2021). Kurssiviikko 3: tietokantapainia. Haettu https://blogs.helsinki.fi/kmickos/

 

Toisella kurssikerralla jatkettiin pitkälti siitä mihin jäätiin, kun QGISiin tuotiin aineistoja ja tarkasteltiin näiden aineistojen ominaisuuksia. Rajapintojen tarkastelu, eri datan lähteisiin tutustuminen ja muutaman uuden QGIS-toiminnon, kuten mittatyökalun tai “ominaisuuksien valinnan” opiskelu toivat kuitenkin uutta asiaa luennon alkupuoliskoon. Lisäksi kertaus on aina hyvästä, joten vaikka eteneminen oli paikoittain hidasta, tunti oli erittäin mielenkiintoinen. Ja pienen tauon jälkeen tarkasteltiin sekä tuotettiinkin jo kunnon materiaalia. Teimme pinta-ala laskuja eri karttaprojektioilla, joihin oli tutustuttu ennen taukoa. Tämä projektioiden vertailu oli datan pyörittelyn lisäksi selkeä pääaihe, joka toi esiin karttojen vaikutusmahdollisuudet.  Tapio pohtii hyvin omassa blogissaan tätä aihetta kirjoittaen “pinta-alavääristymillä voidaan korostaa tietyn alueen kokoa kartalla…” (Turpeinen, 2021). Kuten kuvasta 1 näkyy, eri projektioiden välillä on huomattavia eroja pituuksia ja pinta-aloja mitattaessa, joten on tärkeää valita oikea projektio tietyn asian esittämiseen. 

En merkannut kuvan taulukkoon yksiköitä, sillä en alun perin ajatellut liittää sitä tekstiin, mutta selvennyksen vuoksi arvot kuvaavat kahta eri mittaamani aluetta, joiden pinta-ala tai pituus muuttuvat projektioiden seurauksena. Tässä  tapauksessa on verrattu Suomessa yleisesti käytettävän ETRS89 TM35FIN-projektioita muihin projektiohin, kuten Mercatorin oikeakulmaiseen projektioon tai oikeakeskipituiseen tasoprojektioon, joista jälkimmäinen löytyy esimerkiksi YK:n lipusta (Oikeakeskipituinen, 2021). TM35 käyttää projektionaan poikittaista Mercatoria, joka sopii Suomen esittämiseen yhdellä kaistalla ilman suurempia mittakaavavirheitä (ETRS-TM35FIN, 2021). Jos tätä verrataan esimerkiksi tavalliseen Mercatoriin, joka esittää koko maapalloa ja jonka mittakaavavirhe kasvaa kohti napoja, on selkeää, miksi Suomessa käytetään poikittaista Mercatoria koordinaattijärjestelmän pohjana. Annikan blogista voi käydä katsomassa perusteellisesti tehtyä taulukkoa, jossa näkyy erot myös prosentteina (Innanen, 2021). 

Luennolla tehtiin tämän lyhyen vertailuharjoituksen jälkeen myös kartta, jossa havainnollistettiin nimenomaan Mercatorin projektion sekä TM35:n projektion suhdetta (kuva 2). Kuvassa oleva kartta on TM35 mukainen, joten se ei ole visuaalisesti enää väärin, mutta pahimmillaan Mercator vääristää TM35:n pinta-alaa yli kahdeksankertaisesti. Kartta demonstroi hyvin, kuinka Mercatorin projektion ongelmat tulevat esiin vasta lähellä napa-alueita, jolloin kasvu on moninkertaista. Tämä harhaanjohtava luonne sekä yleinen käyttö ovat tehneet siitä erittäin epäluotettavan. Projektio saattaa antaa vääriä käsityksiä ja muokata maailmankuvaa hyvinkin nopeasti, jos informaatiota ei ymmärrä seuloa. Luento oli jälleen hyvä muistutus kriittisen ajattelun tärkeydestä ja ehkä tämän jälkeen Mercatorin projektion osaa jo tunnistaa luontevammin sellaisen kohdatessaan. GIS-ohjelmiston käyttö itsessään ei tuottanut vieläkään erityisiä vaikeuksia, vaikka välillä huomasi, että ensimmäisen luennon asiat sekoittuivat tämän luennon asioihin. Kunhan saan tekemiseen vielä luontevuutta ja pystyn erottelemaan toiminnot selkeästi toisistaan, oletan karttojen tekemisen luonnistuvan ainakin teknisten seikkojen osalta. 

 

 

Toisena tehtävänä oli tuottaa samanlainen projektiovertailu, jossa suhteutetaan jonkin toisen projektion arvot TM35:een. Tein saman prosessin sekä Lambertin (kuva 3) että Robinsonin (kuva 4) projektiolle, joiden arvot eivät vääristyneet yhtä vakavasti kuin Mercatorin. Tämä johtuu siitä, että Robinsonin projektio on kompromissi, jossa pinta-alan, etäisyyksien ja suuntien suhteet ovat kaikki väärin, mutta niiden virheet on minimoitu. Lambertin projektio on oikeapintainen eli siinä pinta-alojen tulisi olla oikein. Halusin kuitenkin vertailla, löytyykö siitä todellisuudessa eroja. Kuten voisi olettaa mikään projektio ei kuvaa maapallon pintaa täydellisesti, joten Lambertin projektiostakin löytyy pieniä virheitä. 

 

 

Koska erot ovat näin pieniä, olisin voinut kuvata Lambertin kartan vähemmän silmiinpistävällä värillä. Toisaalta ilmiö on silti negatiivinen eikä QGIS tarjoa kovin montaa negatiivisen yhteyden omaavaa väriä. Ensi kerralla saatan kokeilla oman väriskaalan tekemistä. 

Yritin lisäksi tehdä väestövertailua, mutta en saanut tuotettua oikeita tuloksia, joten selkeästikään QGISin käyttö ei ole yhtä yksinkertaista kuin miltä se on välillä vaikuttanut. 

Lähteet

ETRS-TM35FIN (31.1.2021)  Haettu https://fi.wikipedia.org/wiki/ETRS-TM35FIN

Innanen, A. (31.1.2021). Harjoitus 2: Pinta-alojen vertailu eri projektioissa. Haettu https://blogs.helsinki.fi/anninnan/

Kurssimateriaali

Oikeakeskipituinen tasoprojektio (31.1.2021). Haettu https://fi.wikipedia.org/wiki/Oikeakeskipituinen_tasoprojektio

Turpeinen, T. (30.1.2021). Kurssikerta 2: Projektioita ja Pohjois-Karjalaa. Haettu https://blogs.helsinki.fi/tapiotur/

Ensimmäinen luento

Ensimmäisellä luennolla tutustuttiin QGIS-ohjelman käyttöön, joka itselleni ja monelle muulle, kuten Ville blogissaan (Väisänen, 2021) huomauttaa, oli uusi kokemus. Harjoituksen tekeminen oli ohjeistettuna varsin helppoa, mutta muutama virhe lopputulokseen pääsi (kuva 1). Kartan pitäisi näyttää typenpäästöjen osuuden Itämereen kosketuksissa olevien maiden kesken. Jostain syystä en kuitenkaan saanut muutettua typpiarvoja pienempiin osuuksiin, vaan ne ovat suurempina arvoina. 

Kartta on kuitenkin visuaalisesti samanlainen kuin muiden opiskelijoiden oikeaoppiset kartat, kuten Martan tai Elmon kartta (Huttunen, 2021; Holopainen, 2021) eli maat ovat jakaantuneet samanlaisiin kategorioihin, vaikka arvot ovat väärin. Toinen virhe on värien käyttö. Olisin voinut muuttaa värimaailmaa paljon neutraalimmaksi, sillä nyt monet eri värit nousevat esiin liian voimakkaasti. Tämä tekee kartasta vaikeasti luettavan ja sekavan, sillä siinä on muutenkin paljon sekalaista visuaalista tietoa, kuten typpipäästöt tummansinisellä sekä syvyyskäyrät punaisella. 

Muuten sanoisin onnistuneeni ensimmäiseksi kerraksi hyvin. Avatessani QGISin uudestaan seuraavaa harjoitusta varten, huomasin, että suurin osa eri komennoista ja vaiheista, mitä luennolla käytiin läpi, olivat jääneet mieleen. Tämä ei ollut ollenkaan, mitä olin olettanut. Yleensä tarvitsen monta toistoa, että pieninkin uusi tieto muistuu kunnolla. Nyt kuitenkin toimintojen suorittaminen sekä tietojen etsiminen sujuivat ilman suurempia vaikeuksia QGISin hienoisesta visuaalisesta sekavuudesta huolimatta. 

Tietysti muutamia yksityiskohtia täytyi vielä kerrata eikä tämä tarkoita, etten olisi kohdannut minkäänlaisia vaikeuksia, mikä näkyy heti seuraavasta harjoituksesta. Itse asiassa vaikeuksien ja omien virheiden tajuamisesta sain ohjelman käyttöön vielä lisää itseluottamusta, sillä monet geoinformatiikan osa-alueet tuntuvat itsestäni varsin haastavilta. Yhteenvetona sanoisin, että tästä on hyvä lähteä rakentamaan syvempää ymmärrystä koko konseptista ja siirtyä kohti vaativampia harjoituksia. 

Kuntaharjoitus

Huomasin, että vaikka moni asia painui mieleen, tietojen soveltaminen tuotti hieman vaikeuksia. Yritin soveltaa ensimmäisen luennon vaiheita liian kirjaimellisesti toiseen harjoitukseen, vaikka aineisto oli tietysti erilainen. Taisteltuani muutaman tunnin ja kerrattuani ensimmäisen luentokerran videota, tajusin, että laskutoimitusten teko on aivan turhaa, sillä tiedot on suhteutettu jo valmiiksi kunnittain. Tämän jälkeen tietojen visualisointi ja legendan, mittakaavan sekä pohjoisnuolen lisääminen sujuikin hyvin nopeasti ja kartta valmistui parissa kymmenessä minuutissa.

Karttani (kuva 2) esittää 0–14-vuotiaiden prosenttiosuutta Suomen kuntien väestöistä luonnollisiin arvoihin jaettuina (Natural Breaks QGISissä). Valitsin kyseisen aineiston, koska se antaa kuvaa hieman pidempiaikaisesta trendistä kuin syntyvyys. Toisaalta lukuihin vaikuttaa myös muuttoliike, joten ne eivät ole täydellisiä syntyvyyden tarkasteluun, vaan yleisesti ikärakenteen purkamiseen. 

Kartan tulos on hieman sekava, jos sitä tarkastelee todella yksityiskohtaisesti, mutta isompia trendejä on länsi- ja etelärannikon vertaaminen Itä-Suomeen sekä pohjoiseen. Erityisesti Pohjois-Pohjanmaa ja Uusimaa ovat alueita, joiden kunnilla on korkeammat prosentit. Yksittäisiä kuntia, joissa 0–14-vuotiaiden osuus on suuri ovat esimerkiksi Oulun, Tampereen ja Helsingin ympäryskunnat, kuten Pornainen tai Liminka. Toisaalta taas esimerkiksi Helsingissä 0–14-vuotiaiden osuus on pieni, minkä voisi olettaa johtuvan työikäisten ja opiskelijoiden muuttoliikkeestä ja lapsiperheiden vähäisemmästä määrästä. Toinen kurssikaveri, Eero, oli myös valinnut saman aiheen ja hänen kartassaan on omaani muutamia eroja luokka-arvojen muutoksen ansiosta. Itse en juuri miettinyt vaihtoehtoina muiden kuin luonnollisten arvojen perusteella jakamista, mutta nähtyäni Eeron kartan (Turkki, 2021), mietin varmasti tulevaisuudessa pidemmän aikaa, jos jokin toinen vaihtoehto sopisi paremmin. 

Vaikka alussa oli vaikeuksia aineiston ymmärtämisen takia, loppujen lopuksi tämäkin harjoitus tuntui helpolta. Sain vielä paremman ymmärryksen QGISin käytöstä ja luottamusta, että pystyn käyttämään sitä ilman tarkkaa ohjeistusta. 

 

Lähteet

Kurssimateriaali

Väisänen, V. (23.1.2021). QGIS-hommat tulille (blogikirjoitus). Haettu https://blogs.helsinki.fi/villvais/

Huttunen, M. (19.1.2021). Tästä se lähtee! (blogikirjoitus). Haettu https://blogs.helsinki.fi/humartta/

Holopainen, E (23.1.2021). Tutustuminen QGIS-ohjelmistoon [vk. 3] (blogikirjoitus). Haettu https://blogs.helsinki.fi/elmblog21/

Turkki, E. (24.1.2021). Qgis-ohjelmiston perusteet ja ensimmäisten karttojen tuottaminen (blogikirjoitus). Haettu https://blogs.helsinki.fi/turkkiee/2021/01/24/qgis-ohjelmiston-perusteet-ja-ensimmaisten-karttojen-tuottaminen/

Welcome to Blogipalvelut. This is your first post. Edit or delete it, then start blogging!