Rastereita Helsingissä

Jes ja matka jatkuu QGISsin parissa!

Tällä kertaa otettiin haltuun (tai ainakin yritettiin) rasterimuotoinen aineisto! Aluksi käytiin tuttua kauraa rasterin ja vektorin välisistä eroista  ja sitten lähdettiinkin jo hommiin. Tarkastelussa on tällä kertaa pääkaupunkiseutu ja sen asukkaat. Heti tähän alkuun komppaan Kristaa vahvasti Kristan  todetessa “ÄLKÄÄ missatko opetuskertoja!”. Itse olin kurssikerralla mukana, mutta jouduin karkaamaan tällä kertaa tunnilta hiukan aikaisemmin ja koti hommiksihan kaikki meni.

Elikkäs kurssikerran ensimmäisenä harjoituksena toimme rasteri aineiston QGISsiin ja opettelimme ruututeemakarttojen tekemistä. Itse päätin tehdä kartan muunkielisten jakautumisesta pääkaupunkiseudulla (Kuva 1). Kun lueskelin muiden blogeja tältä kurssikerralta tuli vastaani Kiian blogi jonka avulla huomasin omassa kartassani olevan virheen. Termi, muunkieliset, avautuu monille eri tavoin ja itse sain huomata tulkinneeni termin väärin. Kiia kritisoi termiä mielestäni hyvin “Kritiikkiä tässä kartassa voisi saada muuttujan epäselvyydestä. Muunkieliset on joukkona suuri ja vaihteleva. Muunkieliset ryhmänä voi olla epäselvä useimmille. Lisäsin karttaan muunkielisten määritelmän, sillä muuten kartta jäisi mielestäni epäselväksi. “Muunkieliseksi henkilöksi katsotaan henkilö, jonka äidinkieli on jokin muu kuin suomi, ruotsi tai saame.” (Tilastokeskus)  Muunkielisistä voisi myös käyttää ilmaisua vieraskieliset, joka on ehkä helpommin ymmärrettävissä ilman selitystä.”.

Kuva 1. Muunkielisen väestön jakautuminen pääkaupunkiseudulla

Kuvan 1 tulokset eivät ainakaan itselleni tulleet yllätyksenä. Kuten kartalta huomataan, suuri osa muunkielisistä asuu Itä Helsingin suunnalla varsinkin Vuosaaren ja Kontulan alueella. Aivan ydinkeskustassakin odotin asuvan muunkielisiä sillä mm suurlähettiläät ja diplomaatiti yleensä asuvat keskustassa lähellä suurlähetystöjä. Yllätyksenä tuli taas Espoossa Muuralan ja Suvelan suunnalla asuvat muunkieliset.

Kuva 2. Pääkaupunkiseudun maankäytön alueet ja muunkielisten sijoittuminen.
Kuva 3. Maankäyttö ja muunkieliset pääkaupunkiseudulla.

Kuvissa 2 ja 3 testailin saisinko esitettyä kartalla mahdollisimman monta asiaa ilman, että kartta muuttuu hankalasti luettavaksi. Yritystä oli, mutta lopputuos jäi laihaksi. Itse en saanut kartasta millään järkevän näköistä, mutta nyt jälkikäteen katsottuna olisin voinut saada ainakin tie verkoston paremmin näkyville valitsemalla sen värityksen toisin. Taisin päätyä tumman siniseen väriin visuaalisista syistä, sillä en voi sietää karttoja joissa värit eivät pelaa yhteen ja ovat ristiriidassa tai yksittäiset kohteet herättävät liikaa huomiota 😀 Tämän takia kuvassa 3 maankäyttö on esitetty oranssilla värillä, koska sinisävytteisellä kartalla oranssi tuo kokonaisuuteen ryhtiä ollessaan sinisen vastaväri.  Kuvassa 2 taas värit kuuluvat lähiväri skaalaan luoden lähiväri harmonian kartalle liilan toimiessa kiintopisteenä suurille muunkielisten esiintymille.

Pornaisissa taas katseltiin hiukan maisemia ja pohdittiin kuinka luoda korkeuskäyriä ja rinnevarjostuksia QGISsin avulla. Kerkesin kuitenkin vain alun selostuksen kuulemaan ennen kuin jouduin lähtemään joten kuvia kurssikerralta minulla ei ole esittää.

Tästä taas eteenpäin hiukan viisaampana ja saa nähdä mitä ensi kerta tuo tullessaan.

Lähteet:

Kia Kautonen, 6.2

Viikko 4. Ruutuja ja rastereita

Krista Nyfors, 19.2

Ruutuja ja rasterikarttoja

Vielä mukana!

 

Kolamas kurssikerta lähti mukavasti käyntiin ja jotain oli selkeästi muuttunut joko omassa asenteessa tai ainakin aivojen väsymystilassa, sillä tällä kertaa kurssin aikana ei ollut tuskaisaa maailmanlopun oloa! Voin jopa sanoa ymmärtäneeni ja pysyneeni perässä koko kurssikerran! Väitän tosin sen vaikuttaneen, että pöllin jonkun toisen paikan luokasta (heheh) jolloin näin koko ajan taululle.

Kurssin alussa kikkailimme Afrikan parissa. Opimme liittämään saman nimisiä kohteita yhteen keventääksemme tietokantaa ja eri tietokantojen tuomista QGIS-ohjelmistoon. Samalla havaitsimme Afrikan timanttikaivosten, öljylöydösten ja konfliktien välillä selkeän yhteyden. Siellä missä kaivetaan tai porataan on usein myös konflikti!

Tarkoituksenamme on täällä omassa blogissa pohtia ja analysoida  kuinka hyödyntää tietokantaan tallennettujen tietojen, kuten konfliktien tapahtumavuosien, timanttikaivosten ja öljykenttien löytämis- ja  kaivausten aloitusvuosien ja internetin käyttäjien lukumäärän. Kuten Alex sanoi, esimerkiksi internetin käyttäjien lukumäärän avulla voidaan tarkastella valtion kehittyneisyyttä.

Kuva 1. Tulvaindeksi ja järvisyys prosentti Suomen vesistöissä. Järvisyys palkin pituus kuvaa alueen järvisyys astetta.

Toinen tehtvämme olikin tehdä kartta Suomen tulvaindeksistä.  Saaga olikin löytänyt linkin Ympäristö.fi sivustolle, missä kerrotaan tulvista ja niiden esiintymisestä suomessa melko laajasti. Kuten kartasata näkyy (Kuva 1.) suurimmat tulva alueet sijoittuvat länteen ja rannikko suomeen. Kartasta voidaan myös havaita, että alueilla joilla on suuri tulvaindeksi on järvisyys aste pieni. Vastaavasti alueilla joilla on korkea järvisyys aste on tulvaindeksi pieni. Rami blogissaan ilmaisi asian mielestäni napsäkästi! Korkeus erot alueilla joissa tulvii ovat hyvin pieniä verrattuna alueisiin joissa tulvaindeksi on pieni.

Tästä kerrasta jäi mukava fiilis ja todella toivon että fiilis pysyisi samana lopuillakin kerroilla!!

Lähteet:

Alex Neumanen, 29.01 Vettä ja metallimusiikkia

Vettä ja metallimusiikkia

Rami Heikkilä, 08.02 Kolmas kerta…

Kolmas kerta…

Saaga Laapotti, 30.01 Kovaa hermojen koettelua

Kovaa hermojen koettelua

 

https://www.ymparisto.fi/fi-FI/Vesi/Tulviin_varautuminen/Olenko_tulvariskialueella/Tulvien_esiintyminen?f=Lapin_ELYkeskus&f=Lapin_ELYkeskus

Ehkä tämä tästä

Kun ei toimi nii ei toimi…

Toinen kurssikerta ei mennyt nappiin. Olin tällä kertaa ajoissa paikalla ja henkisesti valmistautunut QGIS koitokseen enkä ollut antamassa periksi, vaikka viime kerta ei sujunutkaan ongelmitta. Näin ajattelin ensimmäiset 10 minuuttia… Kun opetus alkoi, luulin hetken vakavissani, että minulta on jäänyt joku kurssikerta välistä. Kaikki tuntu todella oudolta ja täysin vieraalta enkä meinannut mitenkään pysyä opetuksen perässä. Motivaation taso putosi nollaan eikä intoa yrittää ollut ollenkaan. Jos jotain positiivista kurssikerralta jäi käteen, niin mielenkiintoisin asia oli pituuksien ja pinta-alojen muutosten vertailu eri projektioissa (taulukko 1) (kuva1), eli sama kuin Julialla.

Taulukko 1. Taulukossa näkyy eri projektioiden vaikutukset pinta-alaan ja etäisyyksiin.
Kuva 1. Taulukon 1 “Alue” ja “Vaasa – Virmajärvi” välinen etäisyys ja sijoittuminen havainnollistettuna Mercatorin projektion avulla.

Meille annettiin tehtäväksi esittää pinta-alavääristymien prosentuaalinen ero kartalla. Kurssikerran aikana en saanut edes aloitettua kartojen tekoa joten homma jäi kotiin tehtäväksi joka toi omia ongelmia mukanaan. Ensimmäinen virhe tapahtui, kun siirsin karttojen tekoa seuraavalle viikolle enkä tehnyt niitä heti kurssikerran jälkeen. Ne vähäisetkin asiat joita opin toisen kurssikerran aikan olivat unohtuneet ja minun piti edetä moodlesta löytyvien ohjeiden varassa. Kuitenkin suurin ongelma oli pinta-alojen prosentuaalisten erojen selvittäminen sillä lukion matikan tunneista on jo hetki aikaa ja kaikki muu sujui yllättävän mutkattomasti. Löysin karttoja tehdessä kuinka kartan legendan taustavärin saa pois, jolloin legendan saa lähemmäs karttaa. Ensimmäisen kurssikerran karttoja tehdessä ongelmani oli, että legendan tausta peitti osan kartastani, jos legendan toi liian lähelle karttaa.

Kuva 2. Mercatorin projektion ja Lambertin projektion välinen prosentuaalinen pinta-alaero kasvaa pohjoiseen kuljettaessa.

Karttoja tehdessä päätin valita Mercation/Lambertin  projektiolle (kuva 2) oranssinpunaisen värin kuvaamaan vääristymiä. Tämän tein sillä projektioiden väliset erot olivat valtavia ja mielestäni punainen väri visualisoi hyvin kartojen välisiä massiivisia eroja. Punaisella värillä länsimaissa esitetään usein asioita jotka ovat kiellettyjä, väärin tai asiassa on jotain tärkeää huomattavaa. (kuva 3) Ongelmana kuitenkin on, että väri skaala joka alkaa vaaleasta neutraalista sävystä antaa käsityksen siitä, että Etelä- Suomessa vääristymää ei ole juuri lainkaan. Sävyjen pitäisi varsinkin Etelä- Suomessa olla asteen tai kaksi tummempia, jotta lukijalle hahmottuisi paremmin vääristymien suuruudet.

Kuva 3. Kaksi yleistä esimerkkiä joissa punaista väriä käytetään huomion herättämisessä. (google kuvahaku “stop”)

Eckertin ja Lambertin projektioiden pinta-alavääristymä kartan sävyksi valitsi sinisen joka toimii Mercator/Lambertin oranssinpunaisen sävyn vastavärinä. Eckertin projektion vääristymät suhteessa Lambertin projektioon ovat verrattain pienet joten sininen väri korostaa Eckert/Lambertin ja Mercato/Lambertin välisiä eroja. Molempiin karttoihin valitsin kuusi portaisen väriskaalan, sillä viisi portainen yleisti liikaa ja seitsen portainen taas teki kartasta hiukan hankalasti luettavan. Sävyerot seitsen portaisessa skaalassa olivat liian pieniä joka hankaloitti eri alueiden erottamista toisistaan.

Kuva 4. Eckertin ja Lambertin projektioiden välinen vääristymä kasvaa kuljettaessa Etelästä Pohjoiseen, mutta vääristymä ei ole yhtä suurta, kuin Mercatorin ja Lambertin projektioiden välillä

Karttojen valmistuessa tajusin jotain minkä Kirsi oli hyvin ilmaissut omassa blogissaan. “Vaikka olin toki tiennyt, että projektiot vääristävät mittasuhteita, oli silti pysäyttävää nähdä konkreettisia lukuja.” Mercatorin prjektio oli ainoa projektio jonka nimen muistin ulkoa ennen tätä kurssikertaa. Monen projektion nimen tunnistin jos siitä puhuttiin, mutta varsinaisesti en niistä tiennyt muuta kuin nimen. Selkeää minulle projektioista oli se, että ne vääristävät aina jollakin tapaa kuvattavaa aluetta, mutta en osannut kertoa millä tavalla mikäkin projektio vaikuttaa kuvattavaan alueeseen.

Toinen kurssikerta ei ehkä lähtenyt liikkeelle parhaalla mahdollisella tavalla, mutta loppujen lopuksi tältäkin kerralta tuli opittua jotain uutta.

Lähteet:

Julia Salmi- Osa 2: Projektiovalintojen pohidintaa (luettu 5.2

https://blogs.helsinki.fi/jhsalmi/

Kirsi Ylinen – You can do it

https://blogs.helsinki.fi/yxkirsi/

Wikipedia:

https://fi.wikipedia.org/wiki/Mercatorin_projektio#Mittakaavavirhe https://fi.wikipedia.org/wiki/Eckertin_projektio

Google kuvahaku “stop”

https://www.google.com/search?q=stop&source=lnms&tbm=isch&sa=X&ved=0ahUKEwiP_vO6nLHgAhUCyKYKHVpTDb8Q_AUIDigB&biw=1280&bih=579

Ready, set, GIS!

Eka kurssikerta lähti käyntiin, eikä varaslähtöä tultu ainakaan otettua. Homma starttasi pikemminkin noin 45minuuttia torkun jälkeen, jonka seurauksena tyynyssä on yhä naaman painauma ja luokassa, koneen edessä epätietoinen Inka.

Homma lähti aluksi hyvin käyntiin, vaikkakin ensimmäiset 30minuuttia jäivät näkemättä.  Las Palmas aukesi ilman ongelmia ja QGIS ainakin ensi silmäyksen perusteella vaikutti ohjelmalta jonka oppimiseen ei mene tuhottomasti aikaa. Tai näin luulin. Homma olisi mennyt mutkattomasti, jos olisin saapunut ajoissa paikalle ja näin saanut itselleni sellaisen paikan luokasta, josta näen sekä luokan etuosaan ja omalle näytölleni samaan aikaan. Nyt homma meni tuolin kanssa pyörimiseksi ja monen otteeseen minulla ei ollut mitään käsitystä siitä missä mennään ja mitä tehdään. Kurssikerran kruunasi ohjelman kaatuminen ja kaiken tehdyn työn menetys.

Kuva 1. Itämeren typpi päästöt prosentteina valtioittain.

Kurssi kertaa oli jäljellä 15 minuuttia ja kaikki mitä oltiin saatu tehtyä, oli kadonnut. Ja eikun alusta… ja edes jonkinlainen kyhäelmä valmiiksi. Kyhäelmä siitä tulikin (kuva 1).  Kartassa kuvataan Itämeren valtioiden typpipäästöjen prosentuaalinen osuus viisi portaisella asteikolla. Kartasta erottuvat selkeästi kaksi valtiota Puola ja Viro, joista Puola päästää Itämereen eniten typpeä ja Viro vähiten. Itselle yllätyksenä tuli varsinkin Ruotsin typpipäästöjen määrä.

Oma tekemää karttaa katsoessa voin sanoa, että harvaan asiaan kartalla olen tyytyväinen. Legenda on nopeasti tehdyn näköinen (mitä se onkin) eikä se juurikaan avaa katsojalle mitä kartalla esitetään. Lisäksi väritys olisi voinut olla parempi, sillä tällä hetkellä Viro on vain hitusen erivärinen kuin esim. Norja jonka päästöt eivät valu Itämereen ja näin ollen Norjan päästötietoja ei kartalla esitetä. Itse pidän punertavan ja turkoosin räikeästä yhdistelmästä, mutta kartan tulkitsemisen kannalta värit eivät ole parhaat mahdolliset.

 

Kuva 2. Mökkien jakautuminen Suomen kuntiin kappalemäärän mukaan. Selkeitä keskittymiä ovat Järvi-Suomen alue, Hanko ja sen lähikunnat sekä Kuusamo.

Toinen tehtävämme oli Suomen kuntapohjan atribuuttitietojen avulla visualisoida haluamamme asia tai ilmiö. Itse päätin selvittää missä sijaitsevat Suomen mökki keskittymät ja missä taas ei suuremmin mökkeillä. Suurimmat mökki kunnat olivat Kuusamo, Kuopio, Kouvola, Hämeenlinna, Salo, Raasepori ja Parainen. Vähiten mökkejä taas oli pääkaupunkiseudulla, Pohjanmaan tienoilla sekä Lapissa.

Suomen mökki karttaan (kuva 2) olen huomattavasti tyytyväisempi, kuin Itämeren typpi päästö karttaa. Legendasta tuli huomattavasti selkeämpi, kuin aikaisemmassa kartassa ja vihreä väritys sopii mökkiteemaan. Kartan otsikoinnissa oli haasteita sillä en millään meinannut löytää kuinka saisin otsikon vaihtamaan riviä kuten Saagan “Työttömyys Suomen kunnissa 2015” kartassa. Lopulta monen monen minuutin ja pienen avustuksen jälkeen saimme otsikko mysteerin selvitettyä.

Ehkä tämä tästä vielä luonnistuu ja katsotaan jos vaikka saisin loppukurssin postaukset edes jotenkin ajallaan valmiiksi :’D

 

Lähteet:

Saaga Laapotti-Hyppy QGIS:in syövereihin (luettu 1.2)

https://blogs.helsinki.fi/saagalaa/