Category: Uncategorized

 

Viimeisen kurssikerran ohjeistuksena oli luoda jonkinlainen karttaesitys omatoimisesti käyttäen itse valitsemia aineistoja. Tämä tuotti aluksi jonkin verran päänvaivaa, koska minulla ei ollut minkäänlaista käsitystä, mistä näitä aineistoja pitäisi lähteä etsimään. Aluksi ajattelin käyttää edellisten viikkojen kartta-aineistoja ja tehdä niistä jonkinlaisen uuden karttaesityksen. Päätin sitten kuitenkin harjoitella aineistojen lataamista netistä ja päädyin lataamaan paitulista Tilastokeskuksen csv-muotoisen aineiston Suomen kuntien avainluvuista.

Tutkin joidenkin attribuuttitaulukosta löytyvien muuttujien avulla kuntien välisiä eroja. Tein sen hyvin yksinkertaisesti valitsemalla alueita muuttujan arvon mukaan. Otin muutamasta valinnasta screeshotin ja liitin ne tähän alapuolelle.

Kunnat, joiden työttömyys on yli 14%.

Yllä olevasta kuvasta voidaan huomata, että vakavimmat työttömyysongelmat ovat keskittyneet pääosin itäiseen ja pohjoiseen Suomeen.

 

Kunnat, joissa vuokra-asuntoja on yli 40% kaikista asunnoista.

Voidaan huomata, että eniten vuokra-asuntoja on väkiluvultaan suurissa kunnissa. Näissä kaikissa on myös paljon erilaisia mahdollisuuksia kouluttautumiselle, mikä tuo kuntiin opiskelijoita, jotka asuvat useimmiten juuri vuokra-asunnoissa.

 

Kunnat, joissa korkeakoulutettuja yli 35% 15-vuotta täyttäneestä väestöstä.

Yliopisto-opiskelijoiden määrä yliopistoittain vuonna 2022. (Stat.fi)

Kahdesta yllä olevasta kuvasta voidaan huomata, että keskeisimmät korkeakoulutetun väestön keskittymät ovat sijoittuneet väkiluvultaan suuriin kuntiin, joissa sijaitsee korkeakouluja. Tästä voidaan päätellä, että sellaisista kunnista, joissa ei ole korkeakouluja on suurempi kynnys lähteä opiskelemaan toisen asteen jälkeen. Tai sitten muualta tulevat opiskelijat jäävät usein töihin suuriin kaupunkeihin eivätkä palaa takaisin kotiseuduilleen valmistumisen jälkeen.

Selailin vielä muiden kurssilaisten blogeja ja löysin niistä hyvin hienoja ja vaikuttavia karttaesityksiä. Monet olivat selkeästi oppineet käyttämään useita QGIS:in työkaluja, joita itse en osaa vielä täysin omatoimisesti käyttää. Mieleeni jäi erityisesti Aura Niskasen seitsemännen kurssikerran blogipostaus, jossa oli esitelty maat, joissa teurastettiin vuonna 2021 eniten eläimiä maailmassa. Lisäksi karttaesityksessä eriteltiin, mitä lajeja näissä maissa on teurastettu eniten. Karttaesitys oli hyvin informatiivinen ja mielestäni huolellisesti tehty.

Lähteet:

Tilastokeskus – Kuntien avainluvut. (2022) Viitattu 29.2.2024. https://www.stat.fi/tup/alue/kuntienavainluvut.html#?year=2023&active1=SSS

Niskanen, A. (2024) Seitsemäs kurssikerta. Viitattu 29.2.2024.  https://blogs.helsinki.fi/niskanau/

 

 

Tämän viikon kurssikerralla harjoittelimme itse luomaan aineistoa sekä muokkaamaan ja analysoimaan sitä QGIS-ohjelmalla. Lisäksi harjoittelimme muokkaamaan muualta löytyvää dataa sellaiseen muotoon, että se voidaan sijoittaa suoraan kartalle.

 

Kävimme kurssikerran alussa pienellä kävelyllä kampuksen ympäristössä. Samalla keräsimme Epicollect5-sovellukseen paikkatietoa erilaisista paikoista, joissa kävelimme. Arvioimme esimerkiksi paikkojen turvallisuutta, viihtyvyyttä ja ruuhkaisuutta. Sitten yhdistimme luomamme tiedot yhdeksi Kumpulan aluetta kuvaavaksi kartaksi. Muokkasimme karttaa niin, että se kuvaa tuntemaamme turvallisuuden tunnetta alueittain. Kartassa vaaleansiniset pisteet ovat paikkoja, joissa vierailimme. Tummansiniset alueet on koettu turvallisiksi ja tummanpunaiset alueet turvattomiksi.

Seuraavana harjoittelimme tuomaan internetistä löytyvää aineistoa QGIS-ohjelmaan ja muokkaamaan siitä mahdollisimman informatiivisia karttoja. Etsin earthquake.usgs.gov- nettisivulta aineistot, joissa on kaikki vuoden 1980 jälkeen tapahtuneet maanjäristykset. Valitsin tutkittavaksi yli kuuden, seitsemän ja kahdeksan magnitudin maanjäristykset. Muokkasin tiedon csv- tiedostomuotoon ja siirsin sen QGIS-ohjelmaan. Seuraavaksi etsin vielä aineiston maapallon tulivuorista ngdc.noaa.gov- sivustolta, muokkasin sen csv- tiedostomuotoon ja siirsin QGIS-ohjelmaan. Tein näistä aineistoista kolme karttaa, jotka ovat alapuolella.

Tulivuoret keltaisella ja yli kuuden magnitudin maanjäristykset vaaleanpunaisella.

 

Tulivuoret keltaisella ja yli seitsemän magnitudin maanjäristykset violetilla.

 

Tulivuoret keltaisella ja yli kahdeksan magnitudin maanjäristykset punaisella.

 

Mielestäni yllä olevat kartat ovat hyviä ja informatiivisia. Niiden avulla pystytään hyvin huomaamaan yhteys tulivuorten ja maanjäristysten välillä, etenkin ylimmästä kartasta, jossa näkyy kaikki yli kuuden magnitudin maanjäristykset. Karttojen avulla pystytään tutkimaan hyvin litosfäärilaattojen saumakohtien sijaintia, koska niillä alueilla on paljon tulivuoria sekä tapahtunut paljon maanjäristyksiä.

 

Etsin internetistä aiheeseen liittyviä kuvia ja löysin seuraavan linkin takaa hyvin informatiivisen kuvan maapallolla tapahtuneista maanjäristyksistä vuosina 1963–1998. https://maailmamuutoksessa.wordpress.com/2016/02/06/maanjaristykset/ Kyseinen kuva esittää pienemmätkin tapahtuneet maanjäristykset, minkä takia maanjäristyksiä esittäviä pisteitä on todella paljon. Suurimmat pisteiden keskittymät sijaitsevat kuitenkin samoissa paikoissa, kuin minunkin tekemissä kartoissa. Siitä voidaankin päätellä, että kaikista herkimpiä alueita maajäristyksille ovat Koillis- ja Kaakkois-Aasia sekä Etelä-Amerikan länsirannikko.

 

Luin vielä kurssikaverini Veera Matikaisen kuudennen harjoituskerran blogipostauksen läpi ja huomasin, että hän oli tehnyt maanjäristys- ja tulivuoriaiheesta interpoloidun kartan. Kartassa näkyi selkeästi punaisella alueet, joissa maanjäristysten esiintyvyys on ollut suurinta vuosien 2000 ja 2024 välillä. Kartasta voi siis huomata selkeästi alueet, joissa maanjäristyksestä aiheutuvan katastrofin riski on suurin.

 

Lähteet:

USGS, Search Earthquake Catalog. Viitattu 23.2.2024. https://earthquake.usgs.gov/earthquakes/search/

NOAA, National Centers for Environmental Information. Viitattu 23.2.2024. https://www.ngdc.noaa.gov/hazel/view/hazards/volcano/loc-search

Maailmamuutoksessa, (6.2.2016) Maanjäristykset. Viitattu 23.2.2024. https://maailmamuutoksessa.wordpress.com/2016/02/06/maanjaristykset

Matikainen, V. (2024) Kuudes kurssikerta. Viitattu 23.2.2024. https://blogs.helsinki.fi/veematik/2024/02/21/kuudes-kurssikerta/

 

Yllä on kuva alkuharjoituksen tuotoksesta, jossa harjoittelimme luomaan vyöhykkeen valitun kohteen ympärille. Vyöhykkeen avulla voidaan tutkia, miten suurelle alueelle tietyn ilmiön tai tapahtuman vaikutukset ylettyvät. Tässä on tutkittu, kuinka laajalle alueelle Pornaisten suurempien autoteiden meluhaitat ulottuvat. Autoteiden ympärille luotiin sadan metrin levyinen vyöhyke, joka näkyy kuvassa pinkillä. Pinkille vyöhykkeelle osuvat asuintalot sijaitsevat enintään viidenkymmenen metrin etäisyydellä autotiestä, ja kärsivät tällöin autotien meluhaitoista. Vyöhykkeelle osui 134 asuintaloa.

 

Tässä kuvassa näkyy Malmin lentokentän kiitoradat violetilla. Halusin tutkia, kuinka monta asuintaloa kärsii lentokentältä tulevista meluhaitoista. Loin lentokentän ympärille vyöhykkeen yhden kilometrin säteellä. Tilastosta voi huomata nyt, että 830 asuintaloa sijaitsee enintään kilometrin etäisyydellä lentokentästä, eli kärsii lentokentän meluhaitoista. Näissä asunnoissa asuu yhteensä 9102 henkilöä. Kuvasta voi huomata myös, että vyöhykkeen sisälle sijoittuu myös yksi juna-asema (vaaleanpunainen suorakaide).

Seuraavaksi loin Malmin lentokentän ympärille vyöhykkeen kahden kilometrin säteellä. Tilastosta voidaan huomata, että 4957 asuintaloa sijaitsee korkeintaan kahden kilometrin etäisyydellä lentokentästä. Samasta tilastosta nähdään, että näissä asunnoissa asuu yhteensä 58 897 henkilöä, eli niin moni ihminen kärsii kuvitteellisista meluhaitoista. Alle kahden kilometrin päässä Malmin lentokentästä sijaitsee myös kolme juna-asemaa.

 

Tämän kurssikerran jälkeen QGIS- ohjelman käyttö tuntui hyvin paljon selkeämmältä kuin aiemmin kurssilla. Ensimmäistä kertaa osasin itsenäisesti luoda ja yhdistellä tietoa ilman, että jouduin katsomaan jokaisen hiiren klikkauksen opettajalta. Vektori- ja rasteritasojen yleisilmeen muokkaaminen sujuu jo ongelmitta. Löydän myös jo helpommin erilaiset toiminnot ohjelman yleisnäkymästä ja tiedän, minkälaista työkalua voidaan käyttää tietynlaisen ilmiön tarkastelussa.

Tuntuu, että osaan jo itsenäisesti luoda jonkin tietokannan attribuuttitaulukkoon uusia sarakkeita laskemalla olemassa olevasta tiedosta erilaisia arvoja, esimerkiksi asioiden prosenttiosuuksia koko aineistosta. Tätä ominaisuutta voidaan käyttää esimerkiksi, kun halutaan tutkia eri väestöryhmien jakautumista alueelle.

Bufferivyöhykkeen luominen onnistuu helposti ja onnistuin ongelmitta tutkimaan, minkälaisia objekteja osuu vyöhykkeen sisään. Tätä työkalua voidaan käyttää, kun halutaan tutkia etäisyyttä jostakin valitusta objektista, esimerkiksi lentokentästä, koulusta, autotiestä, yms. Vyöhyketyökalua voidaan käyttää myös vaikka silloin, kun haluttaisiin tutkia ilmansaasteen tai vaarallisen aineen leviämistä esimerkiksi tapaturma-alueelta. Minulle tulee ensimmäisenä mieleen mahdollinen ydinvoimalaonnettomuus, jonka tapahtuessa haluttaisiin tutkia radioaktiivisen saasteen leviämistä ja sitä, mitkä alueet altistuvat saasteelle.

Vaikka QGIS- ohjelmalla voidaan suorittaa hyvin paljon erilaisia toimenpiteitä, liittyy sen käyttöön silti useita rajoitteita. Esimerkiksi rasteriaineistoille ei voida luoda kaikkia samoja toimenpiteitä, mitä voidaan vektoriaineistoille luoda, koska rasteriaineistot eivät ole yhtä monipuolisia ja tarkkoja kuin vektoriaineistot. Lisäksi monista alueista tai ilmiöistä ei löydy sopivia QGIS:ssä aukeavia aineistoja, joten ihan minkä vaan ilmiön tutkiminen ei ole aina mahdollista.

Kävin vielä lopuksi lukemassa muutaman kurssikaverin blogeja ja luin tarkemmin Miki Leinon blogipostauksen. Hän oli tehnyt Malmin lentokentän ympärille yhden kilometrin bufferivyöhykkeen. Hänen bufferivyöhykkeen sisälle 9736 ihmistä ja minun 1 km vyöhykkeen sisälle jäi 9102 ihmistä. Mietiskelin hetken, että mistähän tämä ero johtuu ja päädyin seuraavanlaiseen tulokseen: Malmin lentokentän kiitoradat piirrettiin itse vapaalla kädellä, joten ne osuvat jokaisella hiukan eri kohtaan. Parin metrin heitto kiitoradan sijainnissa voi jättää jonkun ison kerrostalon bufferivyöhykkeen ulkopuolelle. Tulokseen saattaa kyllä vaikuttaa myös jokin aineistoihin liittyvä asia, mutta tämä oli paras päätelmä, mihin päädyin.

 

Lähteet:

Leino, M. (2024) Viides kurssikerta. Viitattu 20.2.2024 https://blogs.helsinki.fi/leinmiki/

 

Tämän viikon aiheena oli laatia ruututeemakartta Helsingin alueesta. Apuna tämän luomiseen käytettiin Helsingin väestöä kuvaavaa vektoriaineistoa, jossa oli informatiikaltaan hyvin suuri attribuuttitaulukko. Harjoittelimme tarpeettomien sarakkeiden poistamista attribuuttitaulukosta, jotta teemakartan luominen olisi helpompaa ja nopeampaa.

Sain tehtävän kurssikerran aikana lähes valmiiksi. Ainoastaan teemakarttojen visuaalisen osan luominen jäi kesken ja ajattelin, että teen sen myöhemmin kotona valmiiksi. Tallensin mielestäni kaikki tasot erikseen, mutta kun koitin avata työtä kotona, en jostain syystä saanut sitä auki kokonaan. Jouduin sitten aloittamaan koko homman lähes alusta. Hiukan se ärsytti, mutta tulipahan kunnolla harjoitusta QGIS:in käytöstä. Alla on kuvat valmiista luomuksistani. Ensimmäinen kartta kuvaa muunkielisten prosentuaalista jakautumista Helsingin alueelle ja toinen kartta kuvaa ruotsinkielistä prosentuaalista jakautumista.

Muunkielisten prosenttiosuudet

 

Yllä olevasta kartasta voidaan huomata, että muunkielinen väestö jakautuu Helsingin eri alueille suhteellisen tasaisesti. Itäisissä osissa on keskivertoa enemmän muunkielisiä ja luoteisissa osissa on taas keskivertoa vähemmän muunkielisiä. Voidaan huomata, että Helsingissä on muutamia alueita, tässä kartassa 500x500m kokoisia ruutuja, joissa muunkielisten osuus on yli 50 prosenttia.

 

Ruotsinkielisten prosenttiosuudet

 

Tästä kartasta huomataan, että Helsingissä on laajoja alueita, joissa ruotsinkielisen väestön osuus on hyvin pieni. Ruotsinkieliset ovatkin jakautuneet tarkemmin tietyille alueille asumaan. Merkittävimmät ruotsinkielisten keskittymät sijaitsevat aivan itäisessä Helsingissä Sipoon alueella, sekä lounaisessa ja luoteisessa Helsingissä.

Kun näitä kahta karttaa verrataan, voidaan huomata, että joillain alueilla, sekä muunkielisten, että ruotsinkielisten osuus on hyvin suuri. Tästä voidaankin päätellä, että näillä alueilla väestö on hyvin monimuotoista ja erilaisten kulttuuritaustojen omaavia ihmisiä on runsaasti. On myös alueita, joissa on hyvin paljon muunkielisiä, mutta hyvin vähän ruotsinkielisiä. Voidaan päätellä, että näillä alueilla muunkielinen väestö on maahanmuuttajataustaisia henkilöitä, esimerkiksi Aasiasta ja Afrikasta.

Mielestäni näitä ruututeemakarttoja on melko hankalaa lukea, koska ruutujen alta ei näy pohjakarttaa ollenkaan. Lukijan on siis hankala hahmottaa, missä eri alueet tarkalleen sijaitsevat. Ruutujen väriä olisi mahdollisesti voinut muuttaa läpinäkyvämmäksi, mutta omat taidot eivät vielä ihan riittäneet siihen. Lisäksi tämän tyyppisessä ruututeemakartassa informatiivisuus ei ole kaikista tarkimmasta päästä. Alussa ruudut määritellään tietyn kokoisiksi. Mitä suuremmaksi ruudut piirtää, sitä epätarkempi kartasta tulee, koska isojen ruutujen sisällä saattaa olla paljon sisäistä vaihtelua. Jos ruuduista tekee kuitenkin liian pienet, on karttaa vaikeampi lukea, koska se näyttää koostuvan vain pienistä pikseleistä. Koropleettinen kartta väestön jakautumisessa voisi olla ehkä hiukan todenmukaisempi, koska se kuvaisi tarkemmin muodot väestön jakautumisessa.

Lueskelin Jesperi Grönbergin blogitekstin läpi, ja huomasin, että hän oli tehnyt ruotsinkielisen väestön jakautumisesta myös absoluuttisen kartan. Hän kertoi tekstissään hyvin, että absoluuttinen kartta kuvaa tässä ilmiössä melkein pelkästään alueiden asukastiheyden vaihtelua eikä niinkään ruotsinkielisten määrää suhteutettuna muuhun väestöön. Suhteellinen karttaesitys onkin parempi valinta tässä tilanteessa.

 

Lähteet:

J. Grönberg, (2024) Neljäs kurssikerta 7.2.2024. Viitattu 20.2.2024 https://blogs.helsinki.fi/jesperi/

 

Tällä viikolla harjoituksen aiheena oli oppia yhdistelemään eri objekteja yhdeksi sekä tuomaan ulkopuolista tietoa QGIS-ohjelmaan. Harjoittelimme näitä asioita Afrikkaa esittävän aineiston avulla.

Aineisto oli hyvin tarkka, ja siinä näkyi mantereen mittakaavassa todella pieniä yksityiskohtia esimerkiksi rantaviivassa sekä saarissa. Tutkimme aineiston attribuuttitaulukkoa. Taulukossa oli merkattu jokaisen valtion pinta-ala omalle sarakkeelle, mutta pinta-alaan ei oltu laskettu mukaan valtioon kuuluvien saarien pinta-alaa. Jokainen saari oli omalla rivillään, jossa yhteen sarakkeeseen oli merkattu saaren pinta-ala. Harjoittelimme yhdistämään kaikki yhdelle valtiolle kuuluvat objektit yhdeksi objektiksi ja saimme attribuuttitaulun rivien määrän useasta sadasta viiteenkymmeneenkahteen. Jokaisella Afrikan valtiolla oli nyt taulukossa vain yksi rivi.

Seuraavaksi harjoittelimme uuden datan tuomista QGIS-ohjelmaan. Tavoitteena oli siirtää Afrikan valtioiden internetin käyttöä kuvaavasta Excel-taulukosta sarakkeita Afrikkaa esittävän karttatason attribuuttitauluun. Näin pystyisimme tutkimaan helpommin esimerkiksi valtioiden kehittyneisyyttä, kun kaikki tieto olisi samassa taulukossa. Tässä työvaiheessa oli tärkeää se, että molemmissa taulukoissa olisi yhtä monta riviä, ja että jokaisen maan kolmikirjaiminen maakoodi olisi täysin sama molemmissa taulukoissa. Muuten taulukot eivät olisi yhteensopivia, ja niitä ei voisi yhdistää.

Seuraavaksi harjoittelimme yhdistämään eri tietokantojen tietoja yhdeksi. Pohjatiedostona oli edelleen Afrikkaa esittävä karttataso ja siihen haluttiin liittää tiedot kolmesta muusta tasosta: Afrikassa tapahtuneista konflikteista, löydetyistä timanttikaivoksista sekä öljykentistä. Kun kaikki halutut tiedot oli saatu liitettyä yhteen karttatasoon, oli aika analysoida hiukan tuloksia.

Tässä kuvassa violetit alueet kuvaavat öljykenttiä, vaaleanpunaiset pisteet konflikteja ja oranssit pisteet timanttikaivoksia.

 

 

Yllä olevan karttatason attribuuttitaulukko.

Yllä olevassa taulukossa oikeanpuoleisin sarake “U_konfliktit” kuvaa, kuinka monen vuoden ajan valtiossa on ollut konflikteja. “Timantteja”- sarake kuvaa löydettyjen timanttikaivosten määrää. Timanttikaivosten ja konfliktien määrässä ei voida huomata suoranaista yhteyttä, mutta voimme olettaa, että joissain valtioissa timanttikaivokset ovat aiheuttaneet konflikteja. Esimerkiksi Angolassa on ollut konflikteja 42 vuoden ajan ja siellä on myös löydetty 43 timanttikaivosta, mikä on eniten timanttikaivoksia yhden Afrikan valtion sisällä, tämän aineiston mukaan. Voimme päätellä, että tässä tilanteessa timanttikaivokset ovat aiheuttaneet levottomuuksia Angolassa. Voimme seuraavaksi huomata, että Etiopiassa, Eritreassa, Etelä-Sudanissa ja Ugandassa on ollut konflikteja yli kolmenkymmenen vuoden ajan. Näissä valtioissa ei ole kuitenkaan yhtäkään timanttikaivosta, joten konfliktit ovat saaneet alkunsa aivan jostain muusta. Syynä on voinut olla esimerkiksi etnisten ryhmien tai heimojen väliset erimielisyydet.

Luin kurssikaverini Heikki Säntin blogista hänen kolmannen kurssikerran pohdintatekstinsä. Hän oli liittänyt tekstin joukkoon tekemänsä Afrikan konflikteja, timanttikaivoksia ja öljykenttiä kuvaavan kartan. Hän oli merkannut konfliktit pienillä punaisilla räjähdystä kuvaavilla tähtikuvioilla ja timanttikaivokset vaaleansinisillä timantinmuotoisilla symboleilla. Kartan symboliikka helpotti hyvin paljon sen lukemista. Tutkin sen jälkeen vielä minun itseni tekemää karttaa, ja tajusin, että seuraavien kurssikertojen töissä täytyy kiinnittää enemmän huomiota karttojen visuaaliseen puoleen.

 

Lähteet:

Säntti, H. (2024) Kolmas kurssikerta. Viitattu 1.2.2024 https://blogs.helsinki.fi/hksantti/

 

Tämän viikon harjoituskerralla jatkoimme aluksi hiukan erilaisten karttatasojen tutkimista päällekkäin. Harjoittelimme myös aineistojen siirtämistä QGIS- ohjelmaan WFS- osoitteen avulla. Alla olevassa kuvassa on siirretty kaksi Väyläviraston tuottamaa aineistoa Suomen kuntia esittävän karttalehden päälle. Mantereen päällä olevat oranssit pisteet esittävät tiealueilla olevia vesikaivoja, ja pinkit pisteet, joita on selkeästi vähemmän, esittävät teiden läheisyydessä olevia yleisiä WC-tiloja. Merialueen päällä olevat vaaleanpunaiset pisteet esittävät tutkamajakoita.

 

Yllä olevassa kuvassa tiekaivot merkkaavat selkeästi, miten suuret autotiet ovat sijoittuneet Etelä- ja Keski-Suomessa. Isoille pääväylille on selkeästi rakennettu tiekaivoja hyvin tiheästi ja ne muodostavatkin hauskannäköisen verkoston eteläiseen Suomeen.

 

Toinen kurssikerran harjoitus keskittyi erilaisten karttaprojektioiden tutkimiseen. Samalla harjoittelimme myös QGIS- ohjelman mittaustyökalun käyttöä. Tutkin Suomen pohjoisinta Lappia ja mittasin itä-länsi-suuntaisen etäisyyden sekä hatun muotoisen alueen Suomineidon päälaella. Lukitsin pituuden ja pinta-alan ohjelmasta löytyvällä työkalulla niin, että pystyin tutkimaan tämän saman alueen mittoja eri karttaprojektioilla.

World Patterson projektio

 

World Mollweide projektio

 

Mittasin itä-länsi-suuntaisen pituuden ensin Suomessa yleisesti käytettävän ETRS89-TM35- projektion avulla. Mittasin samalla myös valitun alueen pinta-alan. Merkkasin saamani tulokset taulukkoon. Mittasin sitten saman itä-länsi-etäisyyden, sekä pinta-alan neljää muuta projektiota käyttäen, ja merkkasin tulokset taulukkoon.

	ETRS35FIN	World Robinson	World Miller	World Mollweide	World Patterson
Pituus	126,620 km	217,303 km	350,042 km	166,987 km	350,401 km
Pinta-ala	15155,727 km²	21239,380 km²	75423,430 km²	15078,062 km²	56022,580 km²

Taulukko pituuksista ja pinta-aloista tason pinnalla mitattuna, (cartesian)

 

Huomasin, että sekä pituus, että pinta-ala muuttuivat hyvin paljon eri karttaprojektioita vaihdellessa. Aiemmilta kursseilta opitun perusteella ymmärsin, että koska tutkittavana on hyvin pohjoinen alue, poikittainen vääristymä voi olla hyvinkin suuri tason pinnalla mitattuna. Pohjoista aluetta on jouduttu venyttämään, jotta se istuisi karttatasolle järkevästi. Eri projektioilla mitattuna vääristymän suuruudet vaihtelivat paljon. Vaihtelu johtui pääosin siitä, onko käytetty karttaprojektio oikeapintainen vai oikeapituinen vai mahdollisesti sekoitus molemmista. Esimerkiksi World Mollweide- projektio on oikeapintainen projektio, minkä takia pinta-alan vääristymä mitatulla alueella on hyvin pieni.

 

	World Robinson	World Miller	World Mollweide	World Patterson
Pituus	126,620 km	126,620 km	126,620 km	126,620 km
Pinta-ala	15155,727 km²	15155,727 km²	15155,727 km²	15155,727 km²

Taulukko pituuksista ja pinta-aloista ellipsoidin pinnalla, (ellipsoidal)

 

Mittasin saman etäisyyden sekä pinta-alan samoilla projektioilla vielä ellipsoidin pinnalla. Taulukoin tulokset Excel- taulukoon, ja huomasin, että niissä ei ole eroja. Käytettävällä projektiolla ei siis ole väliä, kun tutkitaan etäisyyttä tai aluetta ellipsoidin pinnalla. Tämä on ihan ymmärrettävää, koska silloinhan karttalehteä ei ole jouduttu venyttämään ollenkaan.

 

Laskin vielä pituuksien ja pinta-alojen suhteet sekä erotukset ETRS35FIN projektiolla mitattuihin pinta-alaan ja pituuteen. Taulukoin arvot ja lisäsin taulukot tämän tekstin alapuolelle. Etenkin pituuksien ja pinta-alojen suhdetta kuvaava taulukko osoittaa, että käytettävällä projektiolla on todella merkitystä, kun tutkitaan näin pohjoista aluetta.

 

	World Robinson	World Miller	World Mollweide	World Patterson
Pituuden suhde ETRS35FIN mitattuun pituuteen	171 %	276 %	131 %	277 %
Pinta-alan suhde ETRS35FIN mitattuun pinta-alaan	140 %	497 %	99 %	369 %

Pituuksien ja pinta-alojen suhteet ETRS35FIN projektiolla mitattuun pituuteen ja pinta-alaan

 

 

	World Robinson	World Miller	World Mollweide	World Patterson
ETRS35FIN mitatun pituuden erotus toisella projektiolla mitattuun pituuteen	91km	224km	40km	224km
ETRS35FIN mitatun pinta-alan erotus toisella projektiolla mitattuun pinta-alaan	6084 km^2	60268 km^2	-77 km^2	40867 km^2

ETRS35FIN projektiolla mitattujen pituuksien ja pinta-alojen erotuksen muilla projektioilla mitattuihin arvoihin

 

Kävin vielä tutkimassa kurssikavereideni blogeja ja tutustuin tällä kertaa tarkemmin Pietu Nuortimon blogiin. Pietu oli esitellyt blogissaan hienoja teemakarttoja, jotka esittivät eri projektioilla mitattua pinta-alavääristymää Suomen eri alueilla. Kartoista voi helposti huomata, että pinta-alavääristymä kasvaa suuremmaksi pohjoiseen mentäessä. Tämä varmistaa päätelmäni siitä, miksi omassa tutkimuksessani monella projektiolla pinta-ala oli hyvin vääristynyt tutkimusalueella Pohjois-Lapissa.

 

Lähteet:

Väylävirasto, Väyläviraston avoimet rajapinnat WFS, (2024) https://vayla.fi/vaylista/aineistot/avoindata/rajapinnat

 

Nuortimo, P. (2024) Toinen kurssikerta. Viitattu 29.1.2024, https://blogs.helsinki.fi/pietunuo/

 

Ensimmäinen ”Geoinformatiikan menetelmät” – kurssin harjoituskerta kului QGIS – karttaohjelman harjoittelussa. Harjoituskerran alussa ennen QGIS – harjoituksen aloittamista käytiin läpi teoriaa geoinformatiikasta. Kävimme läpi paikkatiedon perusrakennetta, vektori- ja rasterimuotoisten karttojen piirteitä sekä eri karttatasojen päällekkäisyyttä erilaisissa kartoissa. Suuri osa kurssikerralla käydystä teoriasta oli jo tuttua ”Johdatus geoinformatiikkaan maantieteessä” – kurssilta. Oli mukavaa, että ensimmäisellä harjoituskerralla uuden kurssin teoriaan oli kevyt laskeutuminen, eikä heti hypätty pää edellä syvään päätyyn. 

Aloittelimme sitten QGIS – ohjelman käytön harjoittelua. Ohjelma oli jo pieniltä osin ennestään tuttu, sillä kävimme joitain vuosia sitten lukion maantieteen kurssilla Kumpulan kampuksella tutustumassa maantieteen laitokseen, ja teimme ATK – luokassa QGIS – ohjelmalla jonkinnäköisen karttaharjoituksen. Lukiovierailusta on kuitenkin jo melko hämärät muistikuvat, mutta jos muistan oikein, niin myös ”Johdatus geoinformatiikkaan maantieteessä” – kurssilla perehdyttiin hiukan QGIS – ohjelmaan. Sieltä muistuu mieleen kuitenkin pelkästään karttaohjelman idea ja erilaiset käyttötarkoitukset, joten tarkemmat komennot ohjelman käytössä olivat täysin unohtuneet.  

Perehdyimme harjoituksen alussa mielestäni hyvin kattavasti QGIS – ohjelman yleisnäkymään, karttatasojen tuomiseen ja niiden ulkonäön muokkaamiseen sekä siihen, mistä eri toiminnot löytyvät valikosta. Harjoituksen alku sujui mutkattomasti ja sainkin siirrettyä tarvittavat karttatasot ohjelmaan, sekä muokattua ne mielestäni järkevän värisiksi. Onnistuin avaamaan kaikkien karttatasojen ominaisuustaulukot ja tutkimaan tasoihin liittyviä muuttujia ja niiden vaihtelua. Keskityimme kaikista tarkimmin Itämereen joutuvien typpipäästöjen alkuperämaihin, ja huomasin, että Puola päästää Itämereen eniten typpipäästöjä. Tähän asti harjoituksen tekeminen oli sujunut melko mutkattomasti, mutta sitten onnistuin painamaan jostain, mikä poisti Tanskan kokonaan kartaltani. Koitin säätää Tanskan takaisin näkyviin, minkä aikana muut kurssilaiset olivat muokanneet karttaansa niin, että eniten typpeä Itämereen päästävät valtiot näkyvät kartassa tummanpunaisella, ja vähemmän typpeä päästävät maat vaaleammalla punaisella. Tipuin siis ihan rehellisesti kokonaan kärryiltä, minkä takia karttani näyttää hiukan keskeneräiseltä. 

Jotta seuraavalla kerralla saan harjoituksen vietyä onnistuneesti loppuun asti, en koita kokeilla QGIS – ohjelman eri toimintoja liian innokkaasti, vaan keskityn tekemään pelkästään ne muutokset karttaan, mitkä neuvotaan tekemään. Ensimmäisen kurssikerran harjoitusosiosta jäikin hieman sekalainen mielikuva, koska en saanut vietyä harjoitusta loppuun asti. Ensi kerralla tiedän ainakin, että tekemiseen täytyy keskittyä koko ajan. Onneksi muut kurssilaiset olivat saaneet vietyä harjoituksen loppuun asti ja pystyin selailemaan muiden blogeista, minkä näköinen lopullisen kartan kuului olla. Tutustuin tarkemmin Janella Lehtisen blogiin, ja sain sieltä hyvän idean, että ensi kerralla voisin ottaa lopullisen kartan lisäksi myös työn vaiheista screenshotteja ja lisätä ne blogitekstiin. Sillä tavalla valmiiseen karttaan johtaneet työn vaiheet tulisivat selkeämmin blogin lukijoille näkyviin. Janellan lopullinen karttatuotos oli mielestäni myös hyvin esimerkillinen.  

 

Lähteet: 

Lehtinen, J. (2024) Kurssikerta 1: Tutustumista QGISiin. Viitattu 22.1.2024 https://blogs.helsinki.fi/janella/   

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