Kuudes kurssikerta

Keskiviikko lähti käyntiin noin 45 minuutin pituisella aamukävelyllä kauniissa auringonpaisteessa. Kävelyn tarkoituksena oli virkistymisen lisäksi, vastata kyselyihin Kumpulan edustan turvallisuudesta. Koin, että turvallisuuden kokeminen on hyvin suhteellista, mutta oli mielenkiintoista tutkia lähiympäristöä hieman eri näkökulmista. Kävelyn jälkeen tarkastelimme vastausten tuloksia kartalla, josta pystyi havaitsemaan, että turvattomuutta koettiin etenkin autoteiden läheisyydessä.

 

 

 

Hasardit maailmalla

Olin innoissani tämän kurssikerran teemoista, sillä luonnonmaantieteessä minua on aina kiinnostanut hasardit ja endogeeniset tapahtumat. Pääsimme soveltamaan ja kertailemaan jo opittua, joten tällä kertaa ei tarvinnut opetella uusia toimintoja (onneksi).  Tämä tehtävä oli siis itselleni mieluinen. 

Tunnin itsenäisenä tehtävänä oli tehdä kolme vapaavalintaista karttaa hasardeista. Luonnon hasardeista löytyi vaikka minkälaista tietoa internetistä, joista olisin mielusti tehnyt vaikka minkälaisia karttoja, mutta tiedon rajaaminen sekä aineistojen tuonti QGIS:iin ei ollut niin helppoa. Jostain syystä tulivuoriaineisto ei suostunut onnistuneesti latautumaan QGIS:iin. Koitin muuttaa aineistoa Excelissä, mutta sekään ei auttanut. GIS-luokan tunkkainen ja kuuma ilma vain pahensivat jo valmista ärtymystäni.

Olen GIS:in myötä löytänyt pienen perfektionistin itsestäni. Saatan jäädä värien ja muotojen äärelle pitkäksikin aikaa, ja tuntuu että en vain pääse tyydyttävään lopputulokseen. Harkitsin jonkin aikaa, että olisin valinnut taustakartaksi jonkin yksinkertaisemman maailmankartan, mutta päädyin kuitenkin, että perus maailmankartta on hyvä pohja, sillä sen avulla voi tehdä havaintoja hasardeista esimerkiksi vertailemalla niitä topologiaan. Muistan, kuinka omina lukioaikoinani tukimme vastaavanlaisia karttoja luonnon katastrofeista, ja minulle tuli tunne, että nyt ollaan isojen juttujen äärellä.

Fiilikseni QGIS:istä vaihtelevat jatkuvasti. Toisena hetkenä olen vaikuttunut QGIS:in monipuolisuudesta ja omista taidoistani, mutta toisena hetkenä taas kiroan kaikkia velhoja QGIS:in keksimisestä. Tällä kurssilla olen myös oppinut itsehillintää ja kärsivällisyyttä, mutta olen myös löytänyt uusia tapoja ilmaista vihaa. On kuitenkin helpottavaa tietää, että olemme kaikki samassa veneessä ja jaamme samat tuskat ja ilot. Olen alkanut jopa pitämään aikaisin heräämisestä keskiviikkoaamuina…. Tunteilut sikseen ja takaisin karttoihin.

Hasardikartat

Ensimmäisessä kartassa (kuva 2)  visualisoin  1800-luvun jälkeen purkautuneita tulivuoria. Lisäsin myös litosfäärilaattarajat, jotka löytyivät netistä vapaana aineistona. Tulivuorien sijoittuminen mukailee litosfäärilaattojen rajoja, sillä näillä alueilla mannerlaattojen liikunnat aiheuttavat vulkaanista toimintaa. Tyynenmeren tulirenkaalla on selkeästi eniten tulivuoria. Näin jälkiviisaana olisin voinut vaihtaa karttaa siten, että Tyynimeri olisi ollut keskellä, jolloin rengas olisi ollut yhtenäinen, ja kartan tarkastelu olisi ollut helpompaa.

Toisessa kartassa (kuva 3) havainnoin yli kuuden magnitudin maanjäristyksiä sekä vuosina  1900-2022 tapahtuneita tsunameja. Mielestäni nämä hasardit korreloivat hyvin toisiaan, joten ne sopivat samalle kartalle. QGIS:in heatmap ominaisuus oli minulle uusi, ja se sopii mielestäni hyvin kuvaamaan hasardien esiintymiä. Tsunamit tarvitsevat lämmintä vettä muodostuakseen, ja kartalta on hyvin nähtävissä lämpimien golfvirtojen vaikutukset tsunamien sijainteihin. Eniten tsunameja esiintyy Tyynenmeren alueella.

Kolmas kartta (kuva 4)  kuvaa tsunamien tekemiä taloudellisia vahinkoja (milj.%). Suurimmat tsunamien aiheuttamat vahingot ovat tapahtuneet Aasiassa Tyynenmeren rannikolla.  Merkittävä piste kartalla on Japani, joka kärsi vuonna 2011 erittäin tuhoisasta tsunamista (9,0 magnitudia) Tōhokun alueella. Wikipedian mukaan kuolonuhreja oli melkein 16 000 ja taloudeliset vahingot ylsivät 140 miljardiin euroon. Valtioissa, joissa maanjäristykset ja muut luonnonhasardit ovat yleisiä, joudutaan varautumaan hasardeihin kaupunkisuunnittelun ja varoitusjärjestelmien avulla. Kehitysapu suuntautuu usein kehittyville alueille, joissa ei ole taloudellisia resursseja uudelleen rakentaa luonnonhasardeille menetettyjä asuinalueita. Tiitu perehtyi blogissaan myös Japanin tuhoisaan tsunamiin, ja tiivisti hyvin hasardien tuhoisia vaikutuksia:

“On todettava, että seismisillä alueilla voimakkaat liikunnot aiheuttavat hirvittävän suuria tuhoja. Ketju ikään kuin alkaa elää omaa elämäänsä.” -Tia-Maria Liljeroos

Kuva 5 havainnollistaa mistä ja minkälaista katastrofiapua Punainen Risti mahdollisti vuoden 2015 Nepalin maanjäristyksen jälkeen. Jälleenrakennus ja katastrofiapu ovat mielestäni mielenkiintoisia aiheita. Hyväntekeväisyys- ja apujärjestöt ovat kansainvälisiä ja voittoa tavoittelemattomia järjestöjä, jotka tarjoavat kansainvälistä apua, mutta poliittiset suhteet ja rahoittajat ovat pakosti taustalla vaikuttavia asioita. Kuvasta voi havaita, että suurin osa avuntarjoavista maista ovat länsimaista. Katastrofiapu tarjoaa akuuttien avunkeinojen lisäksi myös resursseja kestävämpään ja turvallisempaan uudelleenrakennukseen.

 

Fiilikset

Karttojen tekeminen oli hyvin antoisaa ja mielenkiintoista, vaikkakin paikoin turhauttavaa. Maantieteilijän silmin hasardien liittäminen litosfäärilaattavyöhykkeille oli itsestäänselvää, mutta jollekkin vähemmän asiasta tietävälle kartta voi antaa uusia oivalluksia. Karttojen tulkitsemiseen tarvitaan myös hieman valtioiden tunnistamista, sillä kartoissa kuva 2. ja kuva 3. maanjäristysalueet peittävät Kaakkois-Aasian valtioita. Suomessa asuvana ihmisenä ei tarvitse pelätä oman kodin tuhoutumista luonnon hasardien seurauksena, joten katastrofiavusta oli avartavaa lukea. Tuntuu hassulta, että kurssi lähestyy loppuaan.

 

Lähteet:

Liljeroos, T. (2022). Tiitun GIS reissu, Viikko 6: Vau, https://blogs.helsinki.fi/litili/. (Luettu 25.3.2022).

Viidennestä kurssikerrasta kirjoittaminen on ollut yllättävän vaivalloista. Mitä enemmän aikaa kuluu, sitä vähemmän muistan mitä edes teimme tunnilla. Muiden blogeja lukiessani olen palannut niihin tuskan ja onnistumisten hetkiin, joita tarvittiin itsenäisten tehtävien suorittamiseen. Viides viikko on ollut tähän mennessä ehdottomasti hämmentävin.

No niin…  ja sitten itse asiaan. Teemana oli Pornaisten kaupunkikartan bufferointi. Edellisen kerran turhaksi koetun Pornaisten talojen klikkailun jälkeen lähdimme tutkimaan kuinka voidaan laskea vaikutusalueiden etäisyyksiä. Bufferointi osoittautui yllättävän helpoksi, ja kartalle ilmestyi epämääräisen muotoisia vaikutusalueita, jotka sisälsivät tietoa talojen asukkaista.

Seuraavaksi sovelsimme juuri opittua bufferoimalla Helsinki-Vantaan lentokentän meluvyöhykkeiden vaikutusta sen asukkaisiin. Asukkaiden vertailuun eri meluvyöhykkeillä auttoi intersection-analyysi, joka havainnollisti meluhaittojen vaikutusta asutuksen sijoittumiseen. Laskimme myös asukkaiden sijoittumista suhteessa juna-asemiin.  Pakko on kyllä myöntää, että lentokenttätehtävien tekeminen vaati paljon pähkäilyä ja uudelleen aloittamista. Kurssikavereista on ollut paljon apua tällä kurssilla!

Taulukot

Taajamia ja putkiremontteja

Taajamatehtävässä tuli tutkia pääkaupungin väestöä. Kaikissa tehtävissä oli samankaltaiset tehtävänannot, mutta niiden ratkaisut olivat kuitenkin erilaisia. Taajamatehtävässä tuli käyttää muun muassa nyt jo tuttua Join attibutes by location- komentoa. Asukkaista laskettiin kouluikäisten osuuksia taajama-alueella. Tässä tehtävässä kohtasin vanhan viholliseni matikan.

Kurssikerran itsenäisenä tehtävänä sai valita kolmesta vaihtoehdosta mieluisimman. Valitsin putkiremontti tehtävän. Aluksi se vaikutti mahdottomalta, enkä tiennyt mistä aloittaa. Tehtäviin oli kuitenkin melko samanlaiset ratkaisut, joten valikoimalla ja yhdistelemällä tietoa sain aikaiseksi koropleettikartan Helsingin putkiremonteista. Tehtävien tulokset ovat Taulukossa 1.

Lempi ominaisuuteni QGIS:issä on ehdottomasti Symbologyn Gratuated -ominaisuus, joka on niin kätevä ja helppokäyttöinen <3.

 

 

Yhteinen matkamme

Minä ja QGIS kohtasimme ensi kerran aivan syksyn alussa ensimmäisellä GIS-kurssilla. Ensikohtaaminen oli jäinen enkä ajatellut, että tulisimme myöhemmin toimeen. Lepyin QGIS:ille, sillä meidät tutustutettiin toisillemme, ja annoin sille  uuden mahdollisuuden. Yhteiselle matkallemme on mahtunut onnistumisia, oivalluksia, turhautumisia sekä koneen virtajohdon irrottamisia. Olen oppinut, että usein vika on QGIS:issä eikä minussa. Joskus ymmärrämme toisiamme, ja lopputulos on priima jälkeä, mutta usein QGIS tuottaa minulle pettymyksen, ja luottamusta on vaikeaa rakentaa uudelleen. Kuitenkin yritän työstää turhautumistani QGIS:iin, ja myönnän, että joskus… vika on myös minussa. Kahdenkeskeinen suhteemme on vielä vaiheessa, ja vaikka tunnen QGIS:in jo paremmin, on minulla vielä paljon kehitettävää yhteistä tulevaisuuttamme kohti…

Janne blogissaan sisäisti hyvin turhautumiseni QGIS:iin:

“Suurin rajoittava tekijä QGIS:ille on varmasti sen käyttäjä. Ymmärrän, että paikkatieto-ohjelmaksi QGIS on oikeasti oikein hyvä ja suurin osa turhautumistani siihen on turhautumista omaan osaamattomuuteen. “.

Kiitos ja huokaus.

 

Lähteet:

Turunen. J. (2022). Geoinformatiikan Mystiset Menetelmät: QGIS Voittajani. https://blogs.helsinki.fi/janneturunen/ (Viitattu 27.2.2022).

 

No niin… Kirjoittelen tätä blogia hieman myöhässä, sillä matkaan tuli hieman mutkia. Niistä enemmän myöhemmin. Tällä kertaa tutun keskiviikko aamun sijasta olin vierailemassa toisella tunnilla perjantaina. Luennon aluksi tutustuimme ruutu- ja pisteaineistoihin, jotka soveltuvat hyvin yksityiskohtaiseen sekä laajan tiedon esittämiseen kartalla. Aikaisemmista tunneista poiketen käytimme rasteriaineistoa.

Ruutu + Heksagoni

Tunnin aineistona toimi pääkaupunkiseudun kuntakartta, johon tuli laatia väestöä kuvaava ruutukartta, joka tuntui jo melko helpolta. Sain tunnin aikana tehtyä itsenäisen kartan, jossa esitin ruotsinkielisen väestön määrää pääkaupunkiseudulla. Iloisin mielin suljin koneen ja lähdin kotiin, mutta harmikseni seuraavana päivänä huomasin, että en ollut tallentanut QGIS-projektia oikein, joten ei muuta kuin alusta tekemään. Harmitus oli suuri, mutta ajattelin #posinkautta, eli toisto tekee mestarin.

Tällä kertaa päätin lisätä pienen twistin, ja tehdä ruutukartan sijasta heksagoni kartan. Mielestäni karttaa on mukavaa katsella, sillä se muistuttaa hunajakennoa. Vauhtiin päästyäni, päätin kokeilla muitakin uusia visuaalisia toimintoja. Lisäsin muun muassa kaikkein pienimpään lukuarvo luokkaan läpinäkyvyyttä ja vaalensin reunojen tummuutta. Näin kontrasti pienten ja suurten arvojen välillä kasvaa katsojan silmissä, ja asukaskeskittymiä on helpompi havaita.

Valitsin kartan muuttujaksi ruotsinkielisten asukkaiden sijoittumisen pääkaupunkiseudulla. Vaikka kartta onkin visuaalisesti miellyttävä, on sitä hankalaa tulkita. Ruudut ylittävät kuntarajat, eikä kunnille tai kaupunginosille ole nimiä kartassa. Tämä helpottaisi huomattavasti asutuksen sijoittumisen tarkkailua.

Kartasta voi heti erottaa Helsingin sekä Espoon ydinkeskustojen olevan suosituimpia asuinalueita ruotsinkielisille. Voisi päätellä, että varsinkin Helsingissä on suuri tarjonta ruotsinkielisistä kouluista, palveluista sekä työpaikoista. Kartassa asukkaat ovat esitetty absoluuttisina lukuina, mutta olisin voinut suhteuttaa ruotsinkieliset koko pääkaupunkiseudun asukkaisiin prosentteina. Elida Peuhu visualisoi kartassaan ruotsinkielisiä asukkaita suhteutettuna koko väestöön. Kartoista näkee hyvin suhteuttamisen tärkeyden, sillä ruotsinkieliset asukaskeskittymät ovat Elidan kartassa Espoossa ja Sipoossa. Helsingissä on luonnollisesti asukasmääränsä takia eniten ruotsinkielisiä, mutta suhteessa muuhun väestöön ruotsalaisvaikutteisissa Espoossa ja Sipoossa on selvä keskittymä ruotsinkielisille. Tarkimman tuloksen saa siis vertailemalla näitä kahta karttaa keskenään, ja tutkimalla niiden suhdetta. Pääkaupunkiseudun kunnista Helsingillä ja Espoolla on paljon vetotekijöitä muun kielisille muuttajille, kuten monikieliset työpaikat ja koulut.

Deja Vu

Tunnin lopussa siirryimme aivan muihin puuhiin, kun aloitimme digitoimaan Pornaisten asuintaloja ja pääteitä. Oli suorastaan nostalgista taas digitoida pieniä pisteitä kartalle. QGIS ei vetänyt vertoja rakkaalle CorelDraw:ille digitointityökaluillaan, vaan oli hyvin yksipuoleinen.

…Ikävä digitointia.

Lähteet: Peuhu, E. (2022) Geoinformatiikan menetelmät: Ruutukarttoja ja rasteriaineistoja. Käytetty 22.2.2022.

Alkufiiliksiä

Heipähei ja hellät tunteet!

Kurssi lähestyy puoliväliä ja tunnelma tiivistyy. Keskittymiskykyni oli koitolla tänä keskiviikkoaamuna, kun vähäiset yöunet painoivat silmäluomiani. Edellisen kerran itsenäisten harjoitusten onnistumien antoi minulle hieman ylimielistä toivoa tälle kurssikerralle. Kuitenkin QGIS:in monimutkaisuus ja yksityiskohtaisuus asettivat jalkani taas maanpinnalle.

Heti koneet käynnistettyämme aloimme toimiin.  Liiallisen kofeiinin tuloksena vapisevat käteni haapuilevat koneen hiirellä taas uutta zip-tiedostoa. Tällä tunnilla pohjana toimi hyvin tarkasti laadittu kartta Afrikasta. Attribuuttitaulukkoa tutkiessa huomasi, että aineisto oli kenties liiankin yksityiskohtaista, joten harjoittelimme aineiston yhdistämistä manuaalisesti sekä Dissolve-toiminnolla. Seuraavaksi toimme aineistoa muista tietokannoista ja yhdistimme tietoa olemassa olevaan aineistoon. Vaikka sain tunnilla seurauttua ohjeita,  tiesin että en osaisi soveltaa opittuja asioita itsenäiseen tehtävään. Kuitenkin juuri opitun tiedon toistaminen oli avain uusien tietojen sisäistämiseen.

 

 

Lisäsimme aineistoa pohjakarttaan timanttikaivoksista, toisen maailmansodan jälkeen tapahtuneista merkittävistä konflikteista sekä öljy- ja maakaasukentistä. Tähän astisista harjoituksista tämä on ollut mielenkiintoisin, sillä kartasta (Kuva 1) voi tulkita konfliktien ja luonnonvarojen korrelaatiota toisiinsa.

Konflikteja Afrikassa

Etenkin Angolassa, Etelä-Afrikassa sekä Kongossa louhitaan paljon timantteja, mutta näitä alueita vaivaavat myös konfliktit. Kolonialismin ajalta asti Afrikkaa ja sen luonnonvaurauksia on jaettu, ryöstetty ja riepoteltu. Teollisuusmaat käyttävät kehittyvien maiden köyhyyttä hyväkseen ja tuloksena paikalliset työntekijät kärsivät huonoista oloista, ja timanttien tuotot harvoin päätyvät käsin työskenteleville louhijoille tai edes timantteja louhiville valtioille. Rajallisten luonnonvarojen kilpailu aiheuttaa korruptiota. Esimerkiksi Angola, jossa on eniten timanttikaivoksia on myös yksi korruptoituneimmista Afrikan valtioista ja valtion epävakaus näkyy myös sen konflikteissa. Varallisuus jakautuu Afrikassa hyvin polarisoituneesti ja sisäiset konfliktit johtavat sosiaaliseen eriarvoisuuteen.  Konflikteja syntyy muistakin syistä kuin timanttien ja öljyn tuottamisesta, kuten valtion koosta, populaatiosta, resursseista, uskonnosta ja muista sisäisistä tekijöistä. Salla teki hyviä pointteja blogissaan timanttien tai öljyn löytämisvuosien yhteydestä Afrikan valtioiden itsenäistymiseen. Monien Afrikan maiden itsenäistymisen jälkeen maat ovat jälleenrakentaneet valtioita, joka on johtanut sisäisiin erimielisyyksiin sekä konflikteihin. Monissa Afrikan valtioissa on valitettavasti edelleen nähtävillä kolonialismin jättämiä jälkiä.

Takaisin Suomeen

Vielä ei olla päästy eroon tutusta Suomen kuntien koropleettikartasta. Tämän viikon itsenäisenä tehtävänä tuli laatia kartta Suomen valuma-alueiden tulvaindeksistä sekä järvisyydestä. Tehtävää alettiin tekemään heti Afrikan kartan laatimisen jälkeen, joten voisi olettaa, että juuri opitut toiminnot olivat tuoreena päässä. Kurssikavereiden kanssa pähkäilyn jälkeen tehtävän tekeminen alkoikin sujumaan kuin vettä vain ;).

Kartoista (kuva 2 ja kuva 3) voi tulkita suurimpien tulvaindeksialueiden sijaitsevan Pohjanlahden alueella sekä Etelä-Suomessa. Järvisuomessa taas tulvaindeksi on pienimmillään. Järvet säilövät suuria määriä tulvavesiä itseensä, kun taas rannikkoalueilla matala maasto edesauttaa tulvatilanteita. Pohjoisessa vaihteleva topografia aiheuttaa vesien liikkumisen pitkiäkin matkoja.

Sujuva flow kuitenkin pysähtyi kuin rantatörmään, kun karttaan olisi pitänyt lisätä järvisyyttä kuvaava diagrammi. Uskoin kyllä tekeväni oikeat toiminnot, mutta jotain oli jäänyt huomaamatta. Välillä QGIS:in yksityiskohtaisuus turhauttaa minua. Pakkasin reppuni ja lähdin kotiin. Pelastava enkeli Eeva oivalsi mikä oli mennyt pieleen, ja auttoi muita tehtävässä. Haluaisinkin nyt siteerata Eevaa, sillä jaan nämä samat ajatukset, joita en olisi voinut itse paremmin kuvailla:

“Pidin siitä, kuinka tällä kurssikerralla sai hyödyntää niin ihmismaantieteellistä kuin luonnonmaantieteellisestä osaamista. Ehkä geoinformatiikka ei olekkaan loppujen lopuksi niin kamalaa?”

-Eeva Raki (2022).

Lähteet:

Kärkkäinen, S. (2022) Sallan kurssiblogi, Viikko 3: Toistojen kautta se avautuu! (Luettu 5.2.2022). https://blogs.helsinki.fi/karkkais/

Raki, E. (2022) Oppimassa geoinformatiikkaa, Kurssikerta 3: Paineen alla. (Luettu 5.2.2022). https://blogs.helsinki.fi/eevaraki/

 

 

 

Alkusanat

Toisella viikolla jatkoimme QGisiin tutustumista.  Aineistona käytimme  jälleen Suomen kuntien koropleettikarttaa. Opimme käyttämään uusia sovelluksen ominaisuuksia, jotka mahdollistivat esimerkiksi tiettyjen kuntien tai alueiden  valitsemisen kartalta attribuuttitaulukon ja mittatyökalun avulla. Aluksi attribuuttitaulukot vaikuttivat datahirviöiltä, mutta ilokseni huomaan, että attrribuuttitaulukko on hyvin helppokäyttöinen. Tunnin harjoituksessa haimme aineistoja suoraan valmiin datan tuottajilta, kuten Tilastokeskuksesta tai Rajapintapalvelusta, ja lisäsimme aineistoja  pohjakarttaan. Valmis kartta näytti tutkamajakat Suomen alueella.

Projektioiden tutkimista

Maantieteilijöiden tärkein apuväline on tietenkin… Google…kartat!!! Ikuinen dilemma tiedepiireissä onkin ollut maapallon siirtäminen kaksiulotteiselle tasolle. Kartat pyrkivät esittämään maapallon mahdollisimman todenmukaisena, mutta on mahdotonta esittää täysin realistista karttaa.  Projektioissa on kolme ominaisuutta, joita eri karttaprojektioissa korostetaan: oikeapintaisuus, -kulmaisuus sekä – pituisuus. Projektioita on useita kymmeniä, jotka kukin edustavat eri ominaisuuksia. Tunneituin karttaprojektio on Mercatorin projektio, joka on oikeakulmainen, mutta vääristää pinta-aloja suuremmaksi navoille mentäessä. Tämä aiheuttaa poliittisen ongelman, jossa keskipiirien valtiot esitetään todellisuutta pienempinä ja napojen valtiot taas suurempina kuin ne ovat. Tälläiset kartat siis vaikuttavat mielikuviimme valtioista.

Tunnilla tarkastelimme Suomen päälaen pinta-alan muutoksia eri projektioissa. Vertasimme niitä Suomessa käytettyyn ETRS_TM35_FIN projektioon. Karttoja tutkiessa myös pinta-alan lisäksi muodot vaihtelivat. Robinsonin projektiossa Suomi näytti hieman litistyneeltä ja Mercatorissa taas pohjoista kohti laajenevalta. Oma suosikki projektioni oli World_From_Space, joka esittää maapalloa avaruudesta katsottaessa.  Suomi on projektiossa  lähes vaakatasossa ja vahvasti taipuneena.

Omia tuotoksia

Itsenäisenä tehtävänä oli QGIsin avulla vertailla projektioiden pinta-ala eroja. Pitkään olin erittäin hämilläni siitä, miten minun oli tarkoitus tuottaa tyhjälle QGis sivulle mitään, mutta Hetan tiivillä opastuksella hehkulamppu pään päälläni syttyi, ja onnistuin tuottamaan useita koropleettikarttoja.

Vertasin projektioita Suomen ETRS_TM35_FIN karttaprojektioon. Salla Kärkkäinen  teki hyviä huomioita projektioiden vertailusta tähän kyseiseen niin sanottuun käänteiseen Mercatorin projektioon. Pinta-ala vääristymät ovat lähinnä pohjois-etelä-suuntaisia.

Robinsonin projektio eroaa pohjaprojektiosta suhteellisen pienellä skaalalla (1,185-1,416%). Erot kasvavat lineaarisesti mentäessä etelästä pohjoiseen.

Wagner_V projektio korostaa erityisesti päiväntasaajan alueen oikeapintaisuutta, ja projektio pyrkii noudattamaan maapallon ellipsoidimaista muotoa. Eroavaisuudet näkyvät hyvin satunnaisesti kartalla.

Patterson on lieriöprojektio, joka vääristää pinta-aloja, mutta on oikeakulmainen. Tässä kartassa pinta-alaerot näkyvät melko vahvasti. Myös tämän projektion vääristymät kasvavat lineaarisesti pohjoiseen mentäessä.

Bonne projektio, paremmin tunnettuna  Dépôt de la guerre projektio esittää keskileveyspiirit ympyräkaarina, joissa etäisyydet ovat oikeassa suhteessa. Kartan keskimeridiaanin kohdalla alueiden muodot eivät vääristy. Bonne projektio on mielestäni visuaalisesti miellyttävä. Maapallo projektiossa on sydämen muotoinen <3.

Loppusanat

Tällä viikolla tuntui, että ymmärsin paremmin QGisin käyttöä ja en enää lähestynyt sitä inholla. Projektioiden vertailun toistot auttoivat muistamaan ohjelman toimintoja. Mielestäni karttaprojektiot ovat mielenkiintoinen aihe, ja tämä tehtävä auttoi ymmärtämään erilaisten projektioiden oikeinkäytön tärkeyttä. QGis alkaa olemaan jo kohtalaisen tuttu, mutta tuntuu edelleen, että toimintojen ja työkalujen määrä on loputon.

Välillä putosin kärryiltä ja huomasin, että olin varmaan seitsemän vaihetta jäljessä, joten erityis kiitokset Salla Kärkkäiselle sekä Heta Suutarille, jotka auttoivat minua vaikeina aikoina :,) Kiitos myös Tiitulle, joka näytti kuinka kuviin laitetaan kuvatekstit!

 

Lähteet:

Kärkkäinen. S. (2022) Sallan Blogi : Viikko 2: Kuntien avainlukuja ja gissiä https://blogs.helsinki.fi/karkkais/ (käytetty 1/2022).

Ensimmäisellä Geoinformatiikan menetelmät 1 -kurssikerralla aloimme lähes heti toimiin QGis:in parissa. Sovellus oli entuudestaan tuttu MAA-104 -kurssilta, mutta selkäpiitäni karmivat muistot QGis:in vaikeakäyttöisyydestä. Tunnilla kävimme läpi sovelluksen käyttöä askel kerrallaan. Tunsin toivon kipinän nousevan QGis:in suhteen. Ensimmäisenä harjoituksena teimme havainnollistavan koropleettikartan HELCOM:in alueen maiden typpipäästö osuuksista Itämeressä. QGis:in käyttö oli huomattavasti helpompaa, kun sen käyttöä ja ominaisuuksia oikeasti ymmärsi. Sovellus antaa hyvin monipuolisen alustan datan esittämiseen ja muokkaamiseen, kun sitä oppii käyttämään. Aiemmalla kerralla, kun kamppailin QGis:in kanssa, ongelma johtui juuri tasojen käytöstä, mutta tunnilla pääsin jyvälle sovelluksen monipuolisuudesta ja virheistä joita välttää.

Kuva 1.  Kartta HELCOM-alueen valtioiden osuudet typen päästöistä

Kartta onnistui mielestäni hyvin, ja siitä on helppo erottaa luokka-arvot suurimmasta saastuttajavaltiosta pienimpään. Kartasta puuttuu ratkaisevia tietoja, kuten maiden nimiä tai miltä vuodelta tiedot ovat. Myös symboleille, jotka kuvaavat typpipäästöjä, ei ole sen kattavampaa selitystä. Selkeästi suurin saastuttaja on Puola välillä 13,3-33,7% ja pienimpiä saastuttajia ovat muun muassa Suomi ja Viro välillä 3,2-8,0%. Puola on suuri maatalouden maa, joten voidaan päätellä, että suuret typpipäästöt johtuvat maataloudesta ja esimerkiksi siinä käytettävistä lannoitteista. Kaikki kartan valtiot tuottavat liikenteestä aiheutuvia päästöjä, jotka päätyvät Itämereen.

Suomen kuntien koropleettikartat

Itsenäisenä tehtävänä oli tehdä koropleettikartta Suomen kunta-aineistosta valitsemastaan muuttujasta. Päädyin tarkastelemaan kesämökkien sijoittumista Suomen kunnissa. Suuri osa tunnilla opetetusta oli unohtunut, joten palasin useasti tunnilla tehdyn tehtävin ohjeisiin. QGis:in vaivaton käyttö kaipaa siis paljon toistoa, sillä usein jos jumituin johonkin kohtaan, se johtui todella pienistä virheistä, jotka olivat unohtuneet. Tämä itsenäinen tehtävä oli siis hyvää jatkoharjoitusta sovelluksen käytöstä.

Kuva 2. Kvantiilikartta kesämökeistä Suomen kunnissa.

Kartasta voi havaita, että kesämökkejä on koko Suomen alueella laajasti.  Selvästi erottuva suosittu kesämökkialue on kaakkoisessa Järvi-Suomessa. Vähiten kesämökkejä taas on Keski- ja Pohjois-Pohjanmaan alueella. Suosittuihin mökkikuntiin vaikuttaa ainakin vedenläheisyys, kuten Järvi-Suomesta sekä ranikkokunnista näkee.

Laatiessani karttaa QGis ehdotti kvantiililuokitusta, joka esittää selkeästi eron lähinnä vain kunnissa, joissa on vähän kesämökkejä. Korkeimmassa luokassa mökkien hajonta on väliltä 2295-8374, kun taas pienimmässä luokassa asteikko on 0-380. Kartasta ei siis voi erottaa esimerkiksi suosituinta kesämökki kuntaa, sillä korkeimmassa luokassa on liikaa informaatiota.

Kuva 3.  Suomen kesämökit tasaisella luokka-asteikko kartalla.

Tasainen luokka-asteikko havainnollistaa selkeästi suosituimmat kesämökki kunnat, joissa mökkien määrä yltää jo 6699-8374 mökin kohdalle. Näitä kuntia ovat muun muassa Kouvola, Hämeenlinna, Parainen sekä Salo. Kesämökkien valtavan määrän takia on hankalaa löytää oikeanlaista luokka-asteikkoa havaintojen esittämiseen. Huomasin, että muutkin pohtivat tätä samaa asiaa, kuten Senja Mäkiaho blogissaan https://blogs.helsinki.fi/senjamak/. Senja oli havainnollistanut pylväskaavioilla eri mittaluokkien havainnollistamia ominaisuuksia.

Kuva 4. Natural breaks (Jenks) kartta Suomen kuntien kesämökeistä.

Päädyin Natural breaks (Jenks) luokitukseen, joka ehdottaa mahdollisimman luonnollista asteikkoa. Rehan Ahmand kirjoittaa artikkelissaan Jenks Natural Breaks – The Best Range Finder algorithm (4/2019) Natural breaks -luokittelun ominaisuuksista. Mielestäni tämä luokka oli paras muuttujan esittämiseen. Kartasta on nyt helppo tulkita kesämökkien sijoittuneisuutta.

“Natural breaks” are the best way to split up ranges. Best ranges imply the ranges where like areas are grouped together. This method minimizes the variation within each range, so the areas within each range are as close as possible in value to each other.”

Harjoitus auttoi oppimaan QGis:in käyttöä paremmin. Eri mittaluokkien vertailu auttoi ymmärtämään niiden sekä  datan esittämisen tulkinnan tärkeyttä. Ensimmäinen viikko lähti hyvin käyntiin harjoituksia tekemällä. Edelleen kuitenkin tuntuu, että on paljon opeteltavaa QGis:in suhteen, sillä en muista monia sovelluksen ominaisuuksia ja toimintoja  ulkomuistista.

Lähteet:

Mäkiaho. S. (2022)”Senjan seikkailut GIS maailmassa”  Luettu 01/2022. https://blogs.helsinki.fi/senjamak/

Ahmad.R. (2019) Jenks Natural Breaks – The Best Range Finder algorithm. Luettu 01/2022.  https://medium.com/analytics-vidhya/jenks-natural-breaks-best-range-finder-algorithm-8d1907192051

 

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