Lopputyö: Ekaluokkalaiset Helsingissä

Viimeisenä kurssityönä piti itse tuottaa kartta tai karttasarja, jossa käsittelee useamman eri muuttujan kautta valitsemaansa aihetta. Tarkoituksena työllä on ilmeisesti näyttää, mitä taitoja QGISin käytössä olen kurssin aikana oppinut. Koska minulle koko ohjelmiston käyttö on ollut yksi suuri haaste, huomasin haukkaavani suoriltan liian ison palan. Käytin tuntikausia etsiessäni ja muokatessani materiaalia, ja kun sitten yliopistolla avasin niitä ohjelmaan, en saanut mitään aikaan. Materiaali ei ollut yhteensopivaa, enkä osannutkaan muokata sitä sellaiseksi. Lopulta käytin sitten materiaaleja, joihin pääsin käsiksi aiempien kurssitöiden kautta.

Lopputyöni käsittelee ekaluokkalaisia Helsingissä ja heidän lähikoulujaan. Tein koko Helsingin alueen käsittävän kartan, jossa näkyvät Helsingin alueen koulupiirien rajat, Helsingin alueen koulut sekä kotitaloudet, joissa asuu 7-vuotiaita. Tiedot näistä otin aiemmin kurssilla käytettävistä materiaaleista ja karttapohjana käytin OpenStreetMap-karttaa.

Muokkasin materiaalia niin, että jokainen koulu näkyy kartalla vain yhtenä pisteenä. Jostain syystä lähtömateriaalissa koulujen eri rakennukset oli jokainen kirjattu tietoihin erikseen. Tämä teki mahdottomaksi koulumatkojen vertailun, sillä samalle pienelle alueelle osui liikaa kouluja, ja niistä pahimmillaan kaikki olivat kuitenkin tosiasiassa saman koulun eri rakennuksia. Rajaukseen yritin löytää tehokkaan keinon, mutta lopulta jouduin manuaalisesti valikoimaan jokaisen osoitteen listasta erikseen, sillä kouluilla ei ollut sellaista yhtenäistä tekijää, jolla olisin voinut rajauksen suorittaa. Huomattava on myös se, että listan aineistosta ei käynyt ilmi, ovatko kaikki kartan koulut sellaisia peruskouluja, joissa on mukana myös alaluokat. Näin ollen tuottamani kartta ei koulumatkojen osalta ole täysin luotettava, sillä lähin koulu ei välttämättä ole alakoulu, eikä siellä siis välttämättä ole ensimmäisen luokka-asteen opetusta laisinkaan.

Kartta 1. Helsingin 7-vuotiaiden koulumatkat lähikouluun.

Helsingin alueella on paljon kotitalouksia, joten rajasin tarkasteluun vain kotitaloudet, jossa asuu 7-vuotiaita lapsia. Tämä oli helppoa, sillä väestötiedossa oli eri ikäluokat erikseen ryhmiteltynä asuinsijainnin mukaan. Koulumatkavertailuun valitsin sopivan lyhyen kävelymatkan, jolla kuitenkin saisin eroja eri kotitalouksien välille, eli 500 metriä. Pidempi matka olisi kadottanut eroavaisuudet ja lyhyemmän matkan vertailussa ei mielestäni olisi mitään järkeä, sillä 500m on todella helposti käveltävissä, ja 500m päässä tai lähempänä sijaitseva koulu voidaan mielestäni tulkita hyvinkin läheiseksi. Enintään 500m päässä kouluista sijaitsevat kotitaloudet, joissa asuu 7-vuotiaita, merkitsin karttaan oranssilla ja yli 500m päässä sijaitsevat kotitaloudet, joissa asuu 7-vuotiaita, merkitsin turkoosilla. Koulut näkyvät kartalla mustana kolmiona ja koulupiirien rajat harmaalla.

Kartasta huomataan, että kantakaupungissa koulumatkat ovat ekaluokkalaisilla kaikken lyhimpiä ja valtaosa asuu maksimissaan 500m päässä lähimmästä koulusta. Idässä, luoteessa sekä joillain reuna-aluilla, kuten Lauttasaaressa ja Jollaksen alueella on huomattava määrä ekaluokkalaisia, jotka asuvat kauempana kouluista.

Koulumatkoja vertailevan kartan pohjalta valitsin lähempään tarkasteluun kaksi aluetta, joissa koulumatkat näyttivät jokseenkin eroavan. Valitsin kantakaupungin alueen, koska siellä ei koulumatkavertailun perusteella ollut kovin montaa kotitaloutta, jonka 7-vuotiailla olisi yli 500m lähimpään kouluun, sekä Vuosaaren ja Rastilan (ja Meri-Rastilan) alueen, jossa näkyi itäisille kaupunginosille tyypillisesti hieman pidemmät koulumatkat sekä suuri koulujen ja lapsiperheiden määrä. Yhteistä alueilla on, että molemmista löytyy huomattava määrä kotitalouksia, joissa on 7-vuotiaita lapsia. Näillä alueilla tarkastelinkin 7-vuotiaiden asumistiheyttä.

Kartta 2. 7-vuotiaiden lukumäärä väestöruutukarttana eri alueilla

Loin karttapohjalle väestöruudukon, jonka ruutukoko on 250×250 metriä. Ruutukoko valikoitui sen perusteella, että laskin siihen mahtuvan sopivasti esimerkiksi kerrostalon, mutta toisaalta se ei ole liian suuri vertailualueideni kokoon nähden. Tarkoituksenani oli selvittää, eroaako 7-vuotiaiden asumistiheys näillä alueilla. Alueilla on paljon kerrostaloasuntoja, joten sikäli asumiskulttuurin voisi olettaa olevan samanlainen.

7-vuotiaiden asukastiheysvertailussa kävi ilmi, että vertailualueilla suurin 7-vuotiaiden asukastiheys osuu Rastilan metroaseman lähelle (7-9kpl 7-vuotiaita). Yleisimmin 7-vuotiaita mahtui näille ruudukon rajaamille alueille 1-3kpl/ruutu, mutta Kruunuhaasta ja osista Vuosaarta löytyy myös tiheitä 5-7kpl:n ruutuja ja yleisemmin 3-5kpl:n ruutuja on etenkin itäisellä tarkastelualueella enemmänkin. Näiden karttojen pohjalta näyttäisi siltä, että 7-vuotiaita asuu tiheämmin itäisellä vertailualueella kuin kantakapungissa.

Kartoissa olen tyytyväinen siihen, että sain ne ylipäätään aikaan, sen verran olen huono tämän ohjelman kanssa. Onnistuin rajaamaan haluamani tiedot suuresta määrästä dataa, mikä yllätti. Mielestäni karttakuvani ovat myös selkeät ja värivalinnat onnistuneita.

Parannettavaa kartoissa jäi ainakin joiltain osin datan luotettavuuteen nimenomaan tutkimaani asiaa kohtaan. Koulujen osalta en päässyt täyteen varmuuteen siitä, että ne kaikki ovat 7-vuotiaiden osalta merkittäviä. Ruuturajauksen toimivuus asukastiheyttä vertailevassa kartassa jäi mietittämään. Eniten häiritsee, että asteikot ovat päälleikäiset (1-3, 3-5, 5-7 jne), joten niiden tulkinta ja luotettavuus hieman kärsivät. En saanut asteikoista kuitenkaan mitenkään sellaisia, että ne eivät menisi päällekäin ja olisivat silti järkevällä välityksellä, ja tästä johtuen jouduin tyytymään toisiksi parhaaseen vaihtoehtoon, jossa edes välitys on jokseenkin järkevä.

____________________________________________________________

Yleisesti kurssista jäi minulle käteen pääasiassa suuri hämmennys ja jonkinasteinen kunnioitus niitä kohtaan, jotka työkseen tällaisia karttoja tekevät. Toisaalta nyt tiedän edes vähän, miten tällaisen materiaalin tuottaminen onnistuu, ja ehkä jos kävisin samat asiat vielä uudelleen läpi niin, että omakin kone toimisi koko kurssin ajan, enkä joutuis tehdä useita tehtäviä vasta viikkoja tai kuukausia jälkijunassa, saattaisin saada paremman otteen asiaan. Kurssilta jäi myös ihan mielenkiintoisia juttuja mieleen, ja toivon, että voin omia karttoja joskus käyttää vaikka sitten sellaisina “ei näin” -esimerkkeinä 😉 Kiitos kurssista!

Lentomelukartat ja koulujen oppilasmäärät

Kurssikerralla viisi harjoiteltiin bufferointia, ja olin todella iloinen ja ylpeä, kun sain kartat tehtyä suhteellisen kivuttomasti ja vielä niin, että niistä tuli mielestäni varsin onnistuneet, vaikka ohjelma tökki kummallisesti. Hyvä minä!

Ensin tutkin Malmin lentokentän aluetta, ja lentomelun vaikutuspiirissä asuvien asukkaiden määriä, ja sen jälkeen samoja asioita Helsinki-Vantaan lentokentän ympäristöstä. Lopuksi tarkastelin, miten laskeutumissuunnan kääntäminen kulkemaan Tikkurilan yli vaikuttaisi lentomelulle altistuvien määrään. Tehtävä oli mielenkiintoinen ja ensimmäinen, jossa osasin itse oikeasti tehdä jotain, mikä varmasti osaltaan vaikutti siihen, että tehtävä tuntui mielekkäältä.

Malmin kartassa olisi pitänyt valita värit vähän toisin. Nyt kiitorata on samaa väriä kuin vesistöt, mikä ei ole hyvä, ja lilan sävyt ovat ehkä turhan lähellä toisiaan. Kontrastia pohjakartan kanssa ei synny ehkä riittävästi, ja lentomelualueelle jäävän asutuksen olisi voinut vielä värjätä eri värillä muun asutuksen kanssa. Muuten mielestäni kartta on ihan onnistunut.

Kartta 1 Malmin lentokentän melualue ja asutus

Toisessa tehtävässä piti tarkastella, kuinka paljon asukkaita altistuisi lentomelulle, jos lentokoneiden laskeutumisreitti siirrettäisiin kulkemaan Tikkurilan yli.  Harmillisesti unohdin värjätä kuvaa varten eri väriseksi lentomelulle altistuvat asutuksen kohteet, mutta ehkä kartta silti tuo ilmi, millä alueella lentomelulle altistutaan tällaisella lentoreittien muutoksella.

Kartta 2 Tikkurilan lentomelualue

Vastaukset itsenäisiin tehtäviin:

Lentomelu, teht 1

Vantaalla asukkaita 490 173

  • 2km säteellä Malmin lentokentästä asuu 57 659 asukasta
  • 1km säteellä Malmin lentokentästä asuu 8 920 asukasta
  • 2km säteellä Helsinki-Vantaasta asuu 12 642 asukasta, joista 31 asukasta eli 0,25% asuu 65dB melualueella
  • HKI-Vantaan lähellä vähintään 55dB:n melualueella asuu yhteensä 11 913 asukasta

Tikkurilan lentomelu

  • vaikutusalue 7km kiitoradan alusta, 1km leveydeltä à 24 159 asukasta altistuu

Asemat

  • 500m etäisyydellä asemista asuu yhteensä 106 691 asukasta
  • 21,8 % alueen asukkaista asuu alle 500m päässä juna-asemasta
  • alle 500m päässä juna-asemista asuvista työikäisiä on 68,5 % eli 73 108 asukasta

Taajamat, teht 2

  • Tarkastelualueella taajamissa asuu 478 371 asukasta eli 97,6 % tarkastusalueen asukkaista
  • Kouluikäisten eli 7-16-vuotiaiden määrä tarkastelualueella on 54 979. Heistä 53 575 asuu taajamassa, eli taajaman ulkopuolella asuu 1 222 kouluikäistä. Tämä on noin 2 % kaikista alueen kouluikäisistä.

 

KOULU-tehtävä, teht 3

  • Helsingin yhtenäiskoulun koulupiirissä on aineistonkeruuhetkellä 14 6-vuotiasta. Jos oletetaan, että he aloittavat kaikki koulunsa vasta seuraavana vuonna, ollessaan 7-vuotiaita, kouluun olisi tulossa 14 uutta ekaluokkalaista.
  • 13-vuotiaana mennään 7.luokalle, joten aineistokeruuvuonna 12 vuotta vanhat aloittavat seuraavana vuonna yläasteen. Heitä on Yhtenäiskoulun koulupiirissä 18 lasta.
  • Helsingin yhtenäiskoulun koulupiirissä asuu 184 kouluikäistä lasta (7-16-vuotiasta). He muodostavat 9,7 % alueen asukkaista.
  • Alueella asuu 110 muunkielistä. Jos suhdeluku kouluikäisten ja muiden välillä on sama kuin edellisessä, alueella asuu noin 11 muunkielistä kouluikäistä lasta.
Kartta 3 Helsingin yhtenäiskoulun oppilaaksiottoalue ja sen asutus

Hasardikartat

Kurssikerralla kuusi kerättiin itse paikkatietoaineistoa, ja käsiteltiin hasardeja itsenäisessä tehtävässä. Aluksi olin aivan pulassa tulivuori- ja maanjäristysaineistojen kanssa, ja siinä panikoidessa en osannut sitten enää pohjakarttaakaan liittää ohjelmaan. Myös netistä löytämäni hasardidatan muokkaaminen CSV-aineistoksi aiheutti hieman harmaita hiuksia. Jatkoa ajatellen olisi ehkä helpompi käyttää materiaalia Rosanna Lindgrenin löytämästä loistavasta materiaalipankista, jonka hän vinkkaa kurssiblogissaan (https://blogs.helsinki.fi/rosannal).

Lopulta onnistuin kuitenkin työstämään vaaditut kolme karttaa opetuskäyttöä silmällä pitäen. Päädyin toteuttamaan tehtävän niin, että laadin karttojen pohjalta tehtäväkokonaisuuden, joka voisi olla esimerkiksi lukion oppikirjassa. Kas tässä:

Tutki karttoja 1-3. Vastaa niiden pohjalta seuraaviin kysymyksiin. Voit käyttää vastauksessasi myös tehtävänannon ulkopuolista materiaalia. Merkitse tällöin käyttämäsi lähteet vastaukseesi.

a) Mitä havaintoja karttojen perusteella voit tehdä tulivuorenpurkausten ja maanjäristysten sijainnista maapallolla? Miten selittäisit ilmiön?

b) Millä tavoin vulkaaninen aktiivisuus maapallolla on muuttunut ajasta ennen ajanlaskun (EAA) alkua nyt elettävään moderniin aikaan?

c) Kuvaile lyhyesti, millaisia paikallisia ja toisaalta myös globaaleja ongelmia hasardien keskittyminen tietyille alueille voi aiheuttaa?

d) Kirjoita essee otsikolla “Euroopan hasardit ennen ja nyt”. Viittaa vastauksessasi kartan 3 tarjoamiin tietoihin. Voit käyttää lisäksi muitakin tietolähteitä. Muista mainita lähteet! Voit käyttää lähteinä myös karttoja 1-2.

Kartta 1. Voimakkaat maanjäristykset ja tuoreimmat tuliuorenpurkaukset
Kartta 2. Tulivuorenpurkaukset EAA ja vuoden 1964 jälkeen
Kartta 3. Euroopan hasardit

______________________________________________________________________

Hasardien tiedot on poimittu netistä.

Muut viittaukset:

Lindgren, Rosanna. Kurssiblogi rosannal, https://blogs.helsinki.fi/rosannal. Katsottu 8.4.2018

Erilaisia teemakarttoja Afrikasta ja epäonnea valuma-alueiden kanssa

Kurssikerralla 3 tehtiin karttoja Afrikasta ja vesistöistä. Olin tuon kerran kurssilta pois sairastumisen takia, joten jouduin tekemään nämä täysin itsenäisesti jälkikäteen. Se osoittautui haasteelliseksi, sillä en aluksi löytänyt materiaaleja Afrikka-tehtävään, sitten vesistökarttojen materiaalit olivat jotenkin käyttökelvottomia, enkä osannut itse ratkaista asiaa. Sain lopulta tehtyä Afrikka-kartat, mutta valuma-aluemateriaalien ongelmaa en saanut selätettyä.

Kaiken tämän jälkeen oma tietokoneeni hajosi, ja raportin kirjoittaminen jäi, kun en ehtinyt koululle sitä tekemään muiden kurssien, tietokoneongelmien takia palautettavien töiden kasautumisen ja töiden takia. Liitän Afrikka-kartat tähän, vesistökarttoja (valuma-alueet jne) en valitettavasti saanut koskaan tehtyä, vaikka kysyin apua kurssikavereilta. Koska materiaalin tuottamisessa oli niin paljon suuria vastoinkäymisiä, en viitsi blogiin kirjoittaa siitä, miten tein kartat, vaan teen postauksen näkövinkkelistä, jossa olisin jatkokäyttämässä karttojani esimerkiksi oppimateriaalissa.

Afrikkakarttojen pohjalta mietin, millaisissa asiayhteyksissä voisin tuottamiani karttoja käyttää. Esimerkiksi luonnonvarojen, kuten öljyn, kaasun ja timanttien yhteyksista alueellisiin konflikteihin saisi hyviä pohdintatehtäviä. Karttojen lisäksi näihin voisi liittää esimerkiksi uutisartikkeleja, kuten tämän Zimbabwen timanttihuutokaupoista kertovan artikkelin Ylen arkistoista.

Kuva 1. Konfliktit sekä timantti-, öljy- ja kaasuesiintymät Afrikassa

Kuvan 1 karttaan yhdistin konfliktit valtioittain, sekä timanttilöydökset ja kaasu- ja öljyesiintymät. Mielestäni kartta on informatiivinen, mutta myös virhetulkintojen mahdollisuus on olemassa, sillä kaikki konfliktit eivät välttämättä liity luonnonvaroihin edes maissa, joissa on paljon vaikkapa öljyä. Tästä aiheesta saisi mielestäni loistavan tehtävän esimerkiksi lukiolaisille. Tehtävässä voisi pohtia eri uutisartikkelien, maantiteen tietämyksen ja oheisen kartan pohjalta syitä konfliktien sijoittumiseen Afrikassa ja lukumäärään eri valtioissa.

Toinen teema, jonka pohjalta tuotin karttoja, oli afrikkalaisten internetin käyttö ja Facebookin käytön yleisyys Afrikassa. Näistä kartoista voi vertailemalla havaita, miten toisissa maissa internetin käyttö on vähäistä, ja toisissa taas valtaosa väestöstä käyttää internettiä. Valtioissa, joissa internettiä käytetään paljon, on eroavaisuuksia siinä, kuinka paljon käytetään Facebookia. Mahdollinen tehtävä aiheesta voisi liittyä esimerkiksi näiden ilmiöiden taustojen pohdintaan.

Kuva 2. Internetin käytön yleisyys Afrikassa valtioittain
Kuva 3. Facebookin käyttäjien osuus väetöstä eri valtioissa Afrikassa.

Koska en yrityksestä huolimatta onnistunut tuottamaan valuma-aluekarttaa, tutustuin muiden tuottamiin materiaaleihin. Suosikikseni nousi Antti Nevalaisen (https://blogs.helsinki.fi/nean/) hyvin hauskasti pinkin sävyinen kartta, jonka toteutus oli mielestäni onnistunut ja ulkoasu kohtuullisen selkeä, mutta ehkä värien ansioista jotenkin erilainen ja mielenkiintoinen.Olisinpa osannut itse tehdä vastaavan!

Harmittaa, kun en itse osannut tuottaa edes alkeellisempaa versiota näistä kartoista, mutta minkäs teet. Kuuden tunnin yrittämisen jälkeen minun oli pakko tunnustaa itselleni, että vaikka kuinka kokeilen, en saa edes pohjatietoja auki QGISiin, joten tehtävän suorittaminen on omilla taidoillani mahdottomuus. Jos jotain kurssilla opin, se on taito selvitä eteenpäin pettymysten ja vastoinkäymisten suossa, ja oppia sietämään omaa riittämättömyyttäni. Ei minusta kartantekijää tule koskaan, se on varma, mutta olisihan se kiva, jos edes alkeellisimmat asiat osaisi tehdä itse kaiken tämän jälkeen…

Lähteet:

Nevalainen, Antti. Kurssiblogi nean https://blogs.helsinki.fi/nean/ (katsottu 1.4.2018)

Ylen uutisarkisto. https://yle.fi/uutiset/3-5612587 (katsottu 3.4.2018)

Ruututeemakartta

Teemakartat ovat yleisiä esimerkiksi uutisissa ja oppikirjojen kuvituksessa. Joskus ne ovat hyvinkin mielikuvituksellisia ja siten myös hankalasti tulkittavia. Teemakartoissa on myös tärkeää huomioida, missä muodossa muuttujat on ilmaistu, ja jos ilmoitetaan muuttujien välisiä suhteita esimerkiksi värikoodein, onko käytetty asteikko kasvava vai pienenevä.

Yksi teemakarttojen muoto on ruututeemakartta. Ruututeemakartta on oiva työkalu, kun halutaan havainnollistaa esimerkiksi asukastiheyttä tai muita vastaavia muuttujia asetettuna kartalle. Ruututeemakartan hyvä puoli on helppolukuisuus ja soveltuvuus monenlaisen datan esittämiseen. Haasteena on, että ruutualueet eivät välttämättä ole kovin spesifisiä, ja mikäli muuttujien väliset erot ovat suuria ja skaala laaja, voi olla hankalaa löytää välitystä, jolla kartta on luettavassa muodossa, mutta erot tulevat silti luotettavalla tasolla ilmi. Värien valinta asettaa myös jälleen omat haasteensa, sillä eri puolille karttaa asetetuissa ruuduissa kontrastien tulee olla riittävän suuret, jotta kartta on luettava eikä sekaannuksen mahdollisuus kasva liian suureksi.

Verrattuna moniin muihin teemakarttoihin ruututeemakartan etu on, että sillä voidaan havainnollistaa yksinkertaisessa muodossa hyvinkin vaihtelevaa ja monipuolista muuttujajoukkoa. Esimerkiksi koropleettikartassa rajaustapana on käytettävä pääasiassa olemassaolevia rajauksia, kuten kaupunginosia, kuntia tai valtioita, mutta ruututeemakartan voi kohdentaa paljon pienemmälle tai suuremmalle alueelle ja tuoda esiin eroja tämän rajauksen sisällä. Ruututeemakartassa voidaan myös paremmin rajata tarkasteluskaalan ulkopuolelle jäävät arvot pois karttaesityksestä. Verrattuna esimerkiksi pisteteemakarttaan ruututeemakartan etu on jatkuvuus. Rinnakkain olevia pisteitä on hankala lukea ja ne asettuvat lisäksi usein päällekkäin. Ruututeemakartassa ruudut eivät mene toistensa päälle, joten luettavuus helpottuu ainakin alueilla, joissa pistekartan pistedata olisi hyvin tiheässä. Toisaalta datan kohdentaminen tarkasti tiettyyn pisteeseen, kuten rakennukseen, on helpompaa pistekartan avulla. Jokaiselle teemakarttatyypille on siis omat käyttökohteensa.

Laadin tätä postausta varten ruututeemakartan ulkokansalaisten asukkaiden lukumäärästä pääkaupunkiseudulla. Ulkokansalaisella tarkoitetaan muun kuin Suomen kansalaisuuden omaavaa henkilöä.

Ulkokansalaisten osuus asukkaista (%) eri puolilla pääkaupunkiseutua

Kartassa ruutukoko on 500×500 metriä, eli toisiinsa vertailtavat alueet ovat 0,25km² kokoisia. Ruutukoko on valittu sen perusteella, että datan pyöritys onnistui QGIS -ohjelmalla, ja toisaalta että ruudut olisivat vielä karttakuvasta hahmotettavissa. Halusin myös saada aikaan eroavaisuuksia alueiden välillä, jolloin suuremmat ruudut eivät olisi olleet tarkoituksenmukaisia. Jälkikäteen mietin, että hieman suuremmalla ruudutuksella kartta olisi ehkä helpommin luettavissa, ja toisaalta skaalassa suurimman arvon saavat ruudut jäisivät hieman vähäisemmiksi, jolloin eroavaisuuksia alueiden välille saisi ehkä paremmin näkyviin. Ongelmana isommassa ruutukoossa oli, että pienimmän luokan ruutuja osui myös kohtiin, joissa oikeasti olikin aika paljon ulkokansalaisia, mikäli alueelle sattui esimerkiksi isoja kerrostalokeskittymiä, joissa ulkokansalaisten määrä oli naapuritaloon verrattuna hyvin paljon pienempi. Tässä ongelmassa näkyy hyvin ruututeemakarttojen haaste käsitellessä alueita ja muuttujia, jossa tiheyden vaihtelu on hyvin suurta hyvin pienellä alueella.

Kartasta havaitaan, että tietyillä alueilla ulkokansalaisten määrä on korostunut. Tummimmissa ruuduissa määrä voi olla jopa 100% alueen asukkaista. Tämä käytännössä tarkoittaisi sitä, että taloyhtiön tai talon asukkaista kaikki ovat muita kuin syntyperäisiä suomalaisia. Suhteessa eniten ulkokansalaisia asuu kartan mukaan itäisessä Helsingissä. Tämä tulos täsmää aiempiin tutkimustuloksiin, joten kartan voi olettaa olevan jokseenkin luotettava ja siltä osin onnistunut.

Tilastokeskuksen tietojen mukaan Suomen väestöstä maahanmuuttajia on noin 6%. Tähän peilaten kartassa kaikilla paitsi pienimmän luokan piiriin kuuluvilla ruuduilla ulkokansalaisten suhteellinen määrä on koko maan keskiarvoa suurempi. Sikäli skaalavalinta on siis onnistunut, keskiarvosta poikkeavat alueet tulevat hyvin esiin tällä luokituksella.

Kartta toimii kuitenkin mielestäni vain kohtalaisesti. Värien ja luokittelun valinnassa oli suuria haasteita, enkä ole valitsemaani väriskaalaan täysin tyytyväinen. Suuressa kuvassa erot näkyvät, mutta pienemmällä näytöllä katsottuna värikoodien erot eivät ole riittävän selkeät.

Ruututeemakartan tekeminen on mielenkiintoista ja haastavaa. Lopputulosta voisi viilata ikuisesti, mutta luettavuus ja skaalan valinta ovat ehkä tärkeimmät tekijät ruututeemakartan laatimisessa. Ruututeemakartan oheen sopisi hyvin esimerkiksi erilaiset taulukot tai diagrammit selventämään kartalla havainnollistettua dataa. Pienellä ruutukoolla ruututeemakartta sopii parhaiten kohtuullisen pienen alueen muuttujien havainnollistamiseen, mutta ruutukokoa muuttamalla sopivuutta voidaan säätää myös laajemmille kohteille.

Lähteet:

Tilastokeskus. https://www.stat.fi/tup/maahanmuutto/maahanmuuttajat-vaestossa.html

 

Koordinaatiston merkitys

Projektion  ja koordinaatiston valinta vaikuttaa karttatiedon paikkansapitävyyteen

Karttaa tehdessä tai lukiessa ei ehkä ensimmäisenä tule ajatelleeksi, että käytetyllä koordinaatistolla ja projektiolla on todella suuri merkitys siihen, miten luotettavaa kartan pohjalta kerätty tieto on. Koska maapallo on kolmiulotteinen ellipsi, mutta kartat paperilla ovat tasoon piirrettyjä, kaksiulotteisia esityksiä, sekä muodot että pinta-alat harvoin osuvat kohdilleen kartan joka osassa. Tällä on ratkaiseva merkitys siinä, millaista tietoa kartan pohjalta voidaan kerätä.

Euroopan Unioni suosittelee, että Suomessa karttojen pohjana käytettäisiin Lambertin oikeapintaista koordinaatistoa, josta käytetään lyhennettä LAEA. Se on Mercatorin projektiosta sovellettu järjestelmä, joka pyrkii korjaamaan pinta-alavääristymät. Näin kartasta voidaan kohtuullisen luotettavasti mitata esimerkiksi etäisyyksiä ja pinta-aloja Suomen alueella.

Oppikirjoissa on yleisesti käytössä Mercatorin projektiolla piirrettyjä karttakuvia. Mercatorin projektio kuuluu oikeakulmaisiin lieriöprojektioihin, ja on hyvin käytetty esimerkiksi erilaisia navigointikarttoja mallinnettaessa. Mercatorin projektiolle ominaista on, että leveyspiirien välit venyvät täsmälleen sellaisessa suhteessa, että leveys- ja pituussuuntaiset mittakaavat säilyvät samana (Wikipedia). Tästä aiheutuu pinta-alavääristymä, jossa lähellä napa-alueita sijaitsevat kohteet korostuvat.

Kuva 1

Oheisessa kuvassa 1 on Mercatorin koordinaatistojärjestelmällä piirretty kartta, johon on merkitty prosentteina pinta-alojen vääristymä verrattuna LAEA-koordinaatistolla piirrettyyn karttaan. Kuvasta huomataan, että siirryttäessä kohti pohjoista pinta-alaero kasvaa jopa yli 7-kertaiseksi LAEA-koordinaatistoon verrattuna.

Toisessa yleisesti käytetyssä projektio- ja koordinaatistojärjestelmässä, Robinsonin projektiossa, pinta-alavääristymä ei ole napasuuntaisesti yhtä voimakas kuin Mercatorin projektion pohjalta tuotetussa koordinaatistossa. Robinsonin projektio on kuitenkin oikeapintainen vain noin leveyspiirille 70N ja 70S saakka. Siitä kohti napoja kuljettaessa pinta-alavääristymä kasvaa. Koska Suomi sijaitsee hyvin pohjoisilla leveyspiireillä, LAEA-koordinaatistoon verrattuna myös Robinson vääristää etenkin pohjoisimpien alueiden pinta-aloja. Mercatoriin verrattuna vääristymä on maltillista, mutta esimerkiksi Pohjois-Suomen pinta-aloja tai etäisyyksiä mitatessa 40% pinta-alaero on todella merkittävä.

Kuva 2

Kuvasta 2 nähdään, miten LAEA:n ja Robinsonin koordinaatistojärjestelmiin piirretyn kartan pinta-alat eroavat toisistaan.

Miksi pinta-aloilla sitten on väliä? Kuten Sanni Hannula blogissaan tuo esiin, esimerkiksi erilaisten luonnonsuojelualueiden pinta-aloja mitattaessa kartan pintojen oikeidellisuudella on merkitystä. Hannulan havaintojen perusteella Natura-alueiden pinta-alat Pohjois-Suomessa vääristyvät roimasti, mikäli karttapohjana käytetään esimerkiksi Mercatorin koordinaatistoon EPSG:3785 piirrettyä karttaa.

Myös määritellessä etäisyyksiä oikeapintaisuus on tärkeää, jotta matkaksi saadaan oikea tulos. Hannula on blogissaan tehnyt erinomaisen taulukon, jossa sama matka on mitattu eri koordinaatistoja käyttäen. Tulokset ovat hämmästyttävät, ja vääristymä jopa useita satoja kilometrejä!

 

Lähteet:

Hannula, Sanni. Kurssiblogi https://blogs.helsinki.fi/sannihan/

Wikipedia. https://fi.wikipedia.org/wiki/Mercatorin_projektio

QGis-opettelua ja typpipäästökartta-harjoitus

Ensimmäisellä kurssikerralla perehdyttiin QGis-ohjelmaan, joka ainakin minulle oli ennalta täysin tuntematon. Koska mielestäni on tylsää lukea (ja kirjoittaa) päiväkirjamaista kertomusta eri työvaiheista, teen blogistani hieman erilaisen. Päätin otta blogiin sellaisen tarkastelunäkökulman, josta voisi olla itselleni hyötyä jälkikäteen opettajan työssäni. Toivottavasti tällainen asetelma sallitaan 😊

QGis-ohjelmassa on mahdollista tarkastella ja tuottaa erilaista paikkatietoon pohjautuvaa materiaalia. Ohjelman käyttö tuntuu alkuun mahdollisesti hiukan hankalalta, ja ainakin itselläni ottaa vielä muutaman kerran, että pääsen jyvälle ohjelman kaikista hienouksista. Tässä kuitenkin lista perusominaisuuksista, jotka ensimmäisen kerran harjoituksessa olivat suureksi avuksi:

  • projektin luominen
  • eri tasojen eli layereiden luominen, tarkastelu ja järjestäminen sopivaan esitysmuotoon
  • laskutoimitusten suorittaminen ohjelmaan syötetyllä datalla
  • tulosten visualisointi kartalle
  • legendan, mittakaavan ja pohjoisnuolen (tai muiden tarvittavien lisämerkintöjen) lisääminen karttaan
  • aikaansaadun karttanäkymän tallennus kuvatiedostona

Tarkasteltavana tässä tehtävässä ovat eri valtioiden typpipäästöt Itämeren alueella. Aineiston pohjalta luotiin koropleettikartta Itämerta ympäröivien valtioiden typpipäästöistä. Tärkeitä asioita karttanäkymää tehdessä ovat selkeys, helppo tulkinnallisuus ja oikeanlainen tiedonesittäminen. Esimerkiksi värien valinta karttanäkymään voi olla haasteellista.

Koropleettikartassa värisävyjen erojen tulee tulla selvästi ilmi, ja vertailtavien kohteiden tulee erottua ympäröivistä, vertailun ulkopuolelle jäävistä alueista. Esimerkiksi Petri Manninen on blogissaan käyttänyt kartan vertailuarvojen erottelussa värinä sinistä, mikä antaa oikein rauhallisen ja tasapainoisen näkymän, mutta valitettavasti hankaloittaa maa- ja merialueiden erottelua. Myös legendassa ilmoitetut järvet erottuvat hyvin huonosti siniseltä pohjalta. Omassa karttakuvassani kokeilin useita värivaihtoehtoja päätyen lopulta koropleettiaineiston esittämiseen oranssin ja punaisen sävyin. Taustavaltiot jätin vaalean ruskehtaviksi. Jälkikäteen huomasin, että ne hiukan sekoittuvat vaaleimmalla merkittyihin vertailussa mukana oleviin valtioihin, joten minun olisi pitänyt valita niiden väriksi jokin enemmän vertailuaineiston värimaailmasta poikkeava sävy, kuten Ville Paunonen on tehnyt oman bloginsa erinomaisesti onnistuneessa karttakuvassa.

Toinen merkittävä tekijä kartan tulkinnan helpottamisessa on, missä muodossa data on kartalla ilmoitettu. Koska tonneina ilmoitetut päästöluvut eivät anna helposti vertailtavaa tietoa, päästöt on ilmoitettu prosentteina kokonaispäästöistä. Koropleettikartassa eri arvoja merkitään eri värein, ja eri väreille on valittava mielekkäät arvot ja välitys. Jos välitys on liian tiivis, eri värisävyjä tulee liikaa ja kartasta voi tulla luettavuudeltaan turhan sekava. Toisaalta liian laaja välitys tekee vertailusta mahdotonta, kun hyvin pienen ja hyvin suuren arvon saaneet voivat osua samaan väliin ja siten päätyä merkityksi samalla värillä. Itse valitsin karttaani ns. luonnollisen välityksen, jonka QGis-ohjelma tarjosi. Selkeyden vuoksi valitsin vain neljä eri luokkaa ilmoitettavaksi kartalle, sillä näin pienessä määrässä valtioita (9) olisi suurempi luokkamäärä tehnyt turhia, pääasiassa merkityksettömiä luokkia esitykseen. On kuitenkin hyvä huomata, että kartan ulkoasu ja siten tulkinnallisuus voi muuttua voimakkaasti riippuen siitä, millaista luokittelua aineiston ilmoittamisessa on käytetty.

Kuva 1 Itämeren alueen typpikuormitus valtioittain

Kartasta huomataan, että osuus typpikuormituksesta jakautuu hyvin epätasaisesti eri valtioiden välille. Suurin typpikuormitus on peräisin Puolasta, jonka vastuulla on yli 30% Itämereen tulevasta typpikuormasta. Kuten Paunonenkin omassa blogissaan kirjoitti, tämä johtunee pitkälti siitä, että Puolassa on valtavasti maataloutta, josta lannoiteaineet pääsevät sisävesiin ja sitä kautta myös Itämereen.

Mielenkiintoista on, että väkiluvultaan suurin valtio, Venäjä, jää huomattavasti Puolan taakse päästöissään ja asettuu samaan vertailuluokkaan esimerkiksi hyvin ympäristöystävällisenä pidetyn Ruotsin kanssa. Iso tekijä Venäjän typpipäästöjen vähentymiselle on osin suomalaisrahoitteisena rakennettu vedenpuhdistuslaitos Pietarissa, sekä muut suomalaistenkin tukemat vedenpuhdistushankkeet Suomenlahden itärannikolla. Näiden hankkeiden avulla Itämereen päätyvää typpikuormitusta on pystytty merkittävästi vähentämään, millä on suora vaikutus Suomenlahden tilan kehittymiseen (Ympäristöministeriö, 2017). Suurten kaupunkien jätevedet olivat aiemmin merkittävä typpipäästöjen lähde, mutta veden puhdistus on vähentänyt tätä kuormitusta etenkin Venäjän suurten kaupunkien osalta.

Suuri osa typpipäästöistä on kuitenkin edelleen lähtöisin maataloudesta, eikä maatalouden päästöjä ole edes Suomessa onnistuttu vähentämään toivotulla tahdilla (SYKE, 2017). Myös muu teollisuus tuottaa runsaasti typpeä, joka päätyy mereen sekä valumavesien mukana että ilmasta tulevana laskeumana. Eri päästölähteiden osuudet vaihtelevat merialueittain maatalouden ollen suurin yksittäinen tekijä kaikilla Suomea ympäröivillä merialueilla (kuva 2). Saaristomerellä maatalous tuottaa yli 70% mereen päätyvästä typestä, kun taas Suomenlahden typpipäästöistä reilu kolmannes on peräisin yhdyskunnista ja ilmasta tulevasta laskeumasta (SYKE, 2017).

Kuva 2 Ihmistoiminnoista aiheutuva kokonaistyppikuorma Suomesta Itämeren eri osiin vuodessa, keskiarvo vuosilta 2008-2012, lähde SYKE

Tämän kurssikerran ideana oli oppia tuottamaan aineistoa QGis-ohjelmalla. Itselleni pelkkä kartan tuottaminen tuntui jotenkin irralliselta. Siksi halusin yhdistää kartan kontekstiin. Typpipäästöjen lisäksi Itämeren alueella voisi samaan tapaan tutkia esimerkiksi fosforipäästöjä, joissa sisäinen kuormitus on todella merkittävä tekijä.

Lähteet

Manninen, Petri. Geoinformatiikan menetelmät -blogi 2018. https://blogs.helsinki.fi/mannipet/

Paunonen, Vili. Geoinformatiikan menetelmät -blogi 2018.  https://blogs.helsinki.fi/vilpauno/

Suomen Ympäristökeskus SYKE, 2017. Itämeren typpikuorma Suomesta. http://www.ymparisto.fi/fi-FI/Meri/Mika_on_Itameren_tila/Itameren_typpikuorma_Suomesta(31457)  katsottu 30.1.2018

Ympäristöministeriö, 2017. http://www.ym.fi/fi-FI/Kansainvalinen_yhteistyo/Venajayhteistyo/Vesiensuojelun_yhteistyo_Venajan_kanssa   katsottu 30.1.2018