7. kurssikerta

 

Morjesta! Sitä ollaankin taas yhtäkkiä tilanteessa, jossa kurssi on huomaamattani edennyt loppusuoralleen. Ensimmäisellä viikolla vierastin hieman ajatusta kurssin suorittamisesta blogi-kirjoitusten muodossa. Tämä on ennakkoluuloista huolimatta osoittautunut kuitenkin hyvin mielekkääksi toimintatavaksi. Tykkään suorittamisen vapaudesta, niin sisällön kuin aikataulujenkin kannalta. On ollut myös hauskaa päästä lukemaan muiden blogeja, joista on saanut virkistäviä ideoita ja runsaasti inspiraatiota.

Viimeinen työ

Viimeisen viikon kunniaksi saimme päättää ja etsiä omat aineistomme. En malttanut olla yhdistämättä työtäni suurimpaan intohimooni, eli lasketteluun. Niinpä aloin etsimään netin syövereistä käypäisiä aineistoja, jotka liittyisivät esimerkiksi laskettelukeskuksiin. Yllättävänkin nopeasti löysin aineiston Github:n sivuilta. Sain ladattua ZIPin Yhdysvaltojen laskettelukeskuksista. Sieltä löytyi csv-muodossa oleva tiedosto, joka kertoi mm. keskusten sijainnin, rinteiden määrän ja korkeuseron sekä paljon muuta. Ei muuta kun tiedosto QGISsiin ja karttojen tekoon!

Kuva 1. Yhdysvaltojen laskettelukeskukset. 

Kuvassa 1. ensimmäisen kartta, johon sisällytin kaikki aineistoon merkityt laskettelukeskukset. Voidaan nopeasti huomata, kuinka keskukset keskittyvät Kalliovuorille ja Appalakeille. Itä-länsisuunnassa maan keskiosa ammottaa tyhjyyttään. Tämän lisäksi keskusten määrä vähenee luonnollisestikin etelään päin siirryttäessä.

Kuva 2. Koropleettikartta laskettelukeskusten määrästä osavaltioittain. Pois lukien Havaiji.

Maan itäosissa on huomattavasti enemmän keskuksia, mitä kuvittelin ennen analyysin tekoa. Olen aina ajatellut, että keskuksia olisi eniten juuri kalliovuorten alueella. Tämä johtuu luultavasti siitä, että suurimmat ja kuuluisimmat keskukset sijaitsevat siellä. Tämän takia tein vielä toisen koropleettikartan, jossa näytetään vain “merkittävimmät” keskukset (kuva 3.).

Kuva 3. Suurien laskettelukeskusten määrä osavaltioittain. Aineistossa vain keskukset, joissa yli 50 rinnettä ja yli 2000 jalan korkeusero.

Kuvan 3. kartta vastaa huomattavasti enemmän hypoteesiani. Kalliovuorten alue erottuu kartalta selvästi. Kirkkaimpina kuvautuu Colorado ja Utah. Tämän lisäksi toiseksi ylimpään luokkaan yltää itärannikon Vermont.

Viimeistä karttaa lähdin tuottamaan oman kokemuksen perusteella. Laskettelu on suuri intohimoni ja tekee minut joka kerta onnelliseksi. Jos rakkain harrastukseni tekee minut aina onnelliseksi, niin voisinko löytää laskettelun ja onnellisuuden välillä yhteyden Yhdysvaltojen väestössä?

Löysin netistä aineiston, jossa osavaltioiden onnellisuus oli laskettu pisteinä (World Population Review, 2022). Tulokset tehtiin Wallethubin kyselyiden perusteella, jossa osavaltioiden asukkaiden onnellisuutta mitattiin kolmessa eri pääkategoriassa: henkinen ja fyysinen hyvinvointi, työympäristö, yhteisö ja ympäristö. Lisäsin tulokset omaan analyysiini QGIS:iin, ja tuotin lopullisen kartan (kuva 4.).

Kuva 4. Onnellisuus ja laskettelukeskusten määrä osavaltioittain. Karttaan sisällytetty kaikki keskukset. Pois lukien Alaska ja Havaiji.

Ajatus yhteyden löytämisestä oli omasta mielestäni aikamoista hakuammuntaa. Kuitenkin karttaa tarkastellessa voidaan havaita samanaikaisuutta kahdessa muuttujassa. Esimerkiksi voidaan ottaa valkoisella kuvatut osavaltiot, jotka ovat saaneet kaikista vähiten onnellisuuspisteitä (33-42). Yhdelläkään vähiten onnellisella osavaltiolla ei ole merkittävää määrää laskettelukeskuksia. Samoin usealla korkeimpaan onnellisuusluokkaan kuuluvalla osavaltiolla on huomattava määrä keskuksia (Kalifornia, Utah, Idaho ja Minnesota).

Olisi kuitenkin tyhmää ja naiivia ajatella, että onnellisuus johtuisi laskettelukeskuksista. Laskettelu on kuitenkin verrattain marginaalinen harrastus. Yhteys, mikä kartan perusteella pystytään luomaan, johtuu luultavimmin suurimmaksi osaksi elintasojen eroista osavaltioiden välillä.

Luin Snow Magazinen sivuilta kirjoituksen, joka käsittelee laskettelun vaikutusta onnellisuuteen ja mielenterveyteen. Kirjoituksessa mainitaan mielenterveyttä parantaviksi tekijöiksi mm. rinteestä saatava urheilu, raitis ilma ja auringon säteilystä saatu D-vitamiini. Kyseisiä hyötyjä saadaan tietenkin myös muista ulkourheilulajeista. Näiden lisäksi  kirjoituksessa viitataan Stanfordin yliopistossa tehtyyn tutkimukseen, jonka mukaan parin päivän laskettelureissu pois kaupungin hälinästä voi johtaa parempaan mielenterveyteen ja -selkeyteen.

Laskettelu siis parantaa mielenterveyttä muiden urheilulajien tavalla. Korrelaatio osavaltioiden laskettelukeskusten määrällä ja onnellisuudella ei kuitenkaan johdu kausaatiosta, vaan ulkoisista tekijöistä, kuten elintasosta.

Tässäpä tämä nyt sitten oli. Viimeinen kurssikerta oli kuin kirsikka kakun päälle. Oli hauskaa etsiä oma, itseään kiinnostava aineisto, jonka pohjalta toteutus tehtiin täysin oman mielen mukaan. Tällainen vapaus saa luovuuden kukkimaan ja löysin monia mielenkiintoisia töitä muiden blogeista. Näistä vain muutaman nostaakseni: Taru Tornikoski teki työn Galapagossaarten pinta-aloista ja lajimääristä, Janne Turunen mm. Yhdysvaltojen sotilastukikohdista ja kongressialueista, sekä Elida Peuhu kasvihuonepäästöistä ja väestöntiheydestä valtioittain. Kuten muillakin kurssikerroilla, oli mukava nähdä erilaisia töitä muiden opiskelijoiden blogeissa.

Tähän on hyvä lopettaa! Tuomas kiittää ja kuittaa.

Lähteet

 

GitHub (2017). Ski Resort Data. Haettu 28.2.2022 osoitteesta https://gist.github.com/Ewiseman/b251e5eaf70ca52a4b9b10dce9e635a4

Peuhu, E. (2022). Geoinformatiikan menetelmät, Viimeistä viedään. Haettu 4.3.2022 osoitteesta https://blogs.helsinki.fi/elida/

Snow Magazine (2020). Can skiing make you happy? Haettu 3.3.2022 osoitteesta https://www.snowmagazine.com/features/focus-on/skiing-happy-mental-health

Tornikoski, T (2022). Geoinformatiikkaa tutkimassa :), Vähiin käy ennen kuin loppuu – vai loppuuko sittenkään? Haettu 4.3.2022 osoitteesta https://blogs.helsinki.fi/tornitar/

Turunen, J. (2022). Geoinformatiikan mystiset menetelmät, QGIS – kunnes jälleen tapaamme. Haettu 4.3.2022 osoitteesta https://blogs.helsinki.fi/janneturunen/

World Population Review (2022). Happiest States 2022. Haettu 1.3.2022 osoitteesta https://worldpopulationreview.com/state-rankings/happiest-states

 

 

6. Kurssikerta

 

Kurssikerta alkoi aktiivisesti, kun lähdimme itse tuottamaan aineistoa Epicollect5 -sovelluksen avulla. Käpsimme mukavan puolen tunnin lenkin Kumpulan ympäristössä, samalla itse valittuja kohteita arvioiden. Voi olla, että pieni myrskyn tynkä vaikutti yleisesti alueiden houkuttelevuuden arviointiin 😀

Epicollect5 ja interpolointi

Tuotimme siis paikkatietoaineistoa yhdessä kanssa opiskelijoiden kanssa Kumpulan alueelta. Käytimme paikkaan sidottuja pisteitä, joihin oli lisätty informaatiota mm. kohteen houkuttelevuudesta, uhkaavuudesta jne.

Pisteet kerättiin sovelluksen avulla samaan paikkaan, josta luotiin käytettävä aineisto. CSV-muotoinen aineisto toimi kätevästi suoraan QGISsiin tuotuna. Aineiston kanssa harjoittelimme ensimmäistä kertaa interpolointia. Työkalun käyttäminen oli mukavan suoraviivaista ja yhden äkkiä pisteistä oltiin saatu muodostettua alueiden uhkaavuutta kuvaava asteittain värimallinnus. Tämän jälkeen tuotimme interpoloinnin hieman erilaisilla asetuksilla ja analysoitavaksi muuttujaksi tuli houkuttelevuus. Tästä tuotin myös kartan (kuva 1.).

Kuva 1. Paikkojen mielletty houkuttelevuus opiskelijoiden tekemien havaintojen perusteella Kumpulan ympäristössä.

 

Kartassa punaisella kuvataan houkuttelevuuden minimiä (1) ja sinisellä maksimia (5). Kuten kuvasta 1. nähdään, yleis-presenssi on punaisenpuhuva sinertävän vihreistä valonpilkuista huolimatta. Oman, ja uskomukseni mukaan myös yleisen mielipiteen mukaan Kumpulan alue on itsessään hyvin sympaattinen ja houkuttelevakin, etenkin kesällä. Kartan punertavaan yleisilmeeseen vaikuttaa eittämättä se, että arviointi hetkellä tuli lunta vaakatasossa. Kyseinen kartta näyttäisi hyvin erilaiselta, jos aineisto olisi kerätty kauniina kesäpäivänä. Visuaalisessa mielessä kartasta tuli mielestäni todella miellyttävä.

 

Tulivuoria ja maanjäristyksiä

 

Viikon itsenäisenä työnä loin kolme karttaa liittyne tulivuorien ja maanjäristysten sijainteihin. Ideana oli luoda karttoja, joita pystyisi hyödyntämään esimerkiksi opetuskäytössä. Kuvan 2. kartasta voidaan nähdä yhteys tulivuorten ja litosfäärilaattojen sijainneilla.

Kuva 2. Tulivuorten ja litosfäärilaattojen sijainti maapallolla. 

 

Lisäsin karttaan kaikki NOAA:n sivuille rekisteröidyt tulivuoret (ts. kaikki löydetyt tulivuoret). Sen lisäksi etsin netistä shapefileja, jotka näyttäisivät litosfäärilaattojen rajat. Löysin sopivan tiedoston GitHub:n sivuilta. Lopputulos on varsin havainnollistava, ja uskoisin kartan toimivan opetustarkoituksessa esimerkiksi yläkouluissa ja lukioissa. Siitä saadaan nopeasti ja pienellä vaivalla kuva tulivuorten ja litosfäärilaattojen sijaintien yhteydestä.

Seuraavaksi tein kartan maanjäristyksien ja litosfäärilaattojen rajojen sijainneista (kuva 3.).

Kuva 3. Maanjäristysten sijainti. Karttaan sisällytetty viimeisen sadan vuoden aikana tapahtuneet yli 7,5 magnitudin maanjäristykset. 

 

Tulivuorikartan tapaan myös kuvan 3. kartta on varsin kelpoinen esimerkiksi opetuskäyttöön. Kuvasta voidaan nähdä, että melkein kaikki suurimmat maanjäristykset ovat tapahtuneet litosfäärilaattojen rajavyöhykkeillä. Karttaa voitaisiinkin käyttää esimerkiksi sen yhteydessä, kun opetetaan maanjäristysten syntymiseen ja syihin liittyen.

Viimeisenä karttana yhdistin kahden edellisen kartan tiedot (kuva 4.).

Kuva 4. Tulivuorten ja maanjäristysten sijainnit. Käytössä oli viimeisen sadan vuoden aikana tapahtuneet yli 7,5 magnitudin maanjäristykset. (Kannattaa klikata kuva suuremmaksi.)

 

Kuvan 4. karttaan sisällytin kahden edellisen kartan tiedot. Maanjäristykset esitin sellaisenaan samanlaisina pisteinä kuin aiemmin, mutta tulivuoriin tein muutoksia. En esittänyt niitä pisteinä, vaan valmistin pisteiden pohjalta ns. “heatmap:n”, jossa alue kuvataan sitä tummemmalla, mitä suurempi tulivuorien esiintyvyys on. Nimensä mukaan lämpökartta sopiikin hyvin tulivuorten esittämiseen (kjehkjeh). Lopputuloksesta tuli mielestäni oikein toimiva! Alueet joissa tulivuoria ei ole lähimainkaan, on kuvattu läpinäkyvällä, jolloin kartan yleinen luettavuus pysyy hyvänä.

Kartasta voidaan nähdä, kuinka vulkaanisuus, maanjäristykset ja tektonisten laattojen rajat ovat kaikki yhteydessä toisiinsa. Kuitenkin kartassa esitetyt, yli 7,5 magnitudin maanjäristykset esiintyvät lähtökohtaisesti vain laattojen törmäysvyöhykkeellä. Tulivuoria esiintyy runsaimmin erkanemisvyöhykkeillä ja mantereisen- ja mereisen laatan törmäysvyöhykkeillä. Täten maanjäristykset ja tulivuoret eivät siis aina esiinny samoissa paikoissa. Esimerkiksi erkanemisvyöhykkeillä esiintyy runsaasti tulivuoria, mutta harvoin voimakkaita maanjäristyksiä. Toisaalta kahden mantereisen laatan törmäysvyöhykkeellä voi esiintyä paljon maanjäristyksiä, mutta ei ollenkaan tulivuoria, kuten Tiibetin ylängöllä.

Yleisesti olen tyytyväinen kurssikerran karttoihin. Näin jälkikäteen selaillessani huomasin, että myös Ali Ylikoski oli käyttänyt litosfäärilaattojen rajoja blogissaan esittämissä kartoissa. Hauska nähdä, että muut ovat saaneet samanlaisia ideoita tehtävien toteutukseen. Muutenkin Alin tekemät kartat olivat mielestäni selkeitä ja visuaalisesti miellyttäviä! Kannattaa kattoo nopee.

Kiitos jälleen ja nähdään ensi viikolla viimeisen kurssikerran merkeissä!

Ylikoski, A (2022). Alin Geoinformatiikkablogi, Kurssikerta 6: Sään ääri-ilmiöitä ja maanjäristyksiä. Haettu 24.2.2022 osoitteesta https://blogs.helsinki.fi/alingeoinformatiikka/

 

 

 

 

5. Kurssikerta

 

Viis viikkoa menty, mutta viikoista viis, nyt mennään.

Kurssikerta alkoi pienellä yhteisellä lämmittelyllä, jossa harjoittelimme mm. Intersection-, Clip– ja Buffer-analyysien käyttöä edellisellä kerralla aloitettuun Pornaisten karttaan. Tämän jälkeen aloitimme itsenäisen työskentelyn, joka tuntui lähtevän mukavasti käyntiin.

Puskurianalyysejä lentokentiltä – Malmi

Ensimmäisenä työnä tarkastelin Malmin lentokentän läheisyydessä sijaitsevaa asutusta. Piirsin lentokentän kiitoradat ja loin 2 kilometrin puskurivyöhykkeen sen ympärille (kuva 1.).

        Kuva 1. Asukkaiden määrä Malmin lentokentän melualueella (2 km).

 

Puskurivyöhykkeelle sijoittuu 4953 rakennusta ja 58849 asukasta. Asukasmäärä on todella suuri itsessään, mutta erityisesti kiisteltäessä lentokentän käytöstä. Aiheesta lisää seuraavan kuvan jälkeen. Kuvasta 2. löytyy vastaava analyysi, mutta puskurialueen mitta on 1 kilometri.

         Kuva 2. Asukkaiden määrä Malmin lentokentän melualueella (1 km).

 

Kilometrin säteellä kiitoradasta asuu yli kuusi kertaa vähemmän asukkaita kuin kahden kilometrin puskurialueella. Siitä huolimatta asukkaita tällä suuremmalle melulle altistuvalla alueella on yli 9000. Lentokentän tulevaisuudesta käytiin kiistaa vuosia, mutta vuoden 2021 keväällä Helsingin kaupunki sulki lentokentän kiitotien (Wikipedia, 2022). Alueelle on suunniteltu suurta ja uniikkia asuinaluetta, jonka kapasiteetti olisi jopa 25000 ihmistä. Tavoiteaikataulussa katurakentaminen alkaa v. 2022 ja talorakentaminen v. 2023 (Helsinki.fi, 2021).

Kun alueesta käytyä kiistaa ajatellaan meluhaittojen kannalta, on ratkaisu mielestäni paras mahdollinen. Asiaa vahvistaa entisestään se, että kulkuyhteydet Helsinki-Vantaalle on erittäin näppärät. Lisäksi uusi asuinalue Malmin aseman lähelle voi olla varsin toimiva ratkaisu ja tulee varmasti vaikuttamaan merkittävästi kaupunginosan identiteettiin.

 

Helsinki-Vantaa

Seuraavana tarkastelin Helsinki-Vantaan lentokentän melualueita. Loin samanlaisen 2 kilometrin puskurivyöhykkeen kuin Malmin kentälle kuvassa 1. Vyöhykkeelle mahtui 2366 rakennusta, joissa asuu 11729 asukasta. Luku on yli viisi kertaa pienempi kuin Malmilla.

Tämän jälkeen tarkastelin asukkaiden määrää valmiiksi luotujen melualueiden perusteella (lentomelu.shp -tietokanta). Pahimman melualueen (65dB) sisälle mahtui 37 asuttua rakennusta, joissa asuu 303 ihmistä. Melualue nähtävissä kuvassa 3.

Kuva 3. Pahin melualue (65dB) Helsinki-Vantaan lentoasemalla. Alueen sisäpuolella sijaitsevat asuinrakennukset merkitty punaisilla -, ja ulkopuolella sijaitsevat keltaisilla pisteillä. Harmaalla kaikki melualueet, punaisella tarkasteltava, eli 65 dB. 

Kahden kilometrin puskurialueella asuvista ihmisistä (11729) vain 303 asuu pahimmalla melualueella. Prosentuaalisesti tämä osuus on n. 2,6%. Seuraavaksi selvitin 55 desibelin alueella asuvien ihmisten määrän (kuva 4.).

Kuva 4. Helsinki-Vantaan lentokentän 55 dB melualueen asutus (merkitty punaisella). Harmaalla esitetty melualue kokonaisuudessaan.

Asukkaita tälle melualueelle sijoittuu 11923, jotka asuvat yhteensä 1780 rakennuksessa. Asukasluku on miltei sama kuin kahden kilometrin puskurivyöhykkeessä. Vyöhykkeiden muodot eroavat kuitenkin suuresti, koska puskurivyöhykkeessä jokaisen ulkopisteen etäisyys on kaksi kilometriä, ja valmiissa meluvyöhykkeessä etäisyydet kasvavat kiitoratojen myötäisesti, joka nähdään kuvasta 4.

Tämän vuoksi puskurivyöhykkeet eivät ole täydellisiä meluhaittoja tutkiessa, koska siinä ei ole otettu huomioon lentokoneen nousu- tai laskeutumissuuntia. Niillä saa kuitenkin nopeasti ja helposti suurpiirteisen asukkaiden määrän, jotka elävät melualueella.

Vielä viimeisenä tein puskurivyöhykkeen laskeutumissuuntaan, jota käytettiin väliaikaisesti vuonna 2002, kun kolmas kiitorata oli rakenteilla. Laskeutuminen tapahtui suoraan Tikkurilan yli, kaakosta luoteeseen päin (kuva 5.).

Kuva 5. Puskurivyöhyke vaihtoehtoisen laskeutumissuunnan mukaan.

Kyseiselle puskurivyöhykkeelle ihmisiä mahtui 13265 yhteensä 1825 eri rakennuksesta. Puskurivyöhykkeen on tarkoitus myötäillä oletettua 60dB meluvyöhykettä. Täten kyseisellä laskeutumissuunnalla voimakkaalle meluhaitalle altistuu huomattavasti enemmän ihmisiä kuin tavallista suuntaa käytettäessä. Kyseistä suuntaa käytetään nykyäänkin poikkeuksellisissa tilanteissa, kuten erityisen kovien ja tietyn suuntaisten tuulien takia.

Pitäisikö lukea ohjeita?

Tässä vaiheessa huomasin lukea blogitehtävän ohjeita, jossa sanottiin ettei tällä kerralla välttämättä tuoteta karttaesitystä, vaan kirjataan tehtävien tulokset taulukkoon sekä pohditaan ongelmia ja oivalluksia sanallisesti. No, tehty mikä tehty, eipä noista haittaakaan ole. Jatketaan hommia ja mennään eteenpäin.

Asemat

Seuraavaksi nopea katsaus Vantaan alueen karttalehdille sijoittuviin asukkaisiin. Tarkemmin tarkastellaan, että kuinka paljon ihmisiä asuu alle 500 metrin päässä lähimmästä juna- tai metroasemasta. Loin asemille puskurivyöhykkeet ja tarkastelin, että kuinka paljon ihmisiä niiden sisälle mahtuu. Yhteensä tietokannassa on 516193 asukasta, ja alle 500 metrin päässä asemasta asuu 111765. Kaikista asukkaista siis n. 21,6% asuu alle 500 metrin päässä asemasta.

Laskin vielä työikäisten osuuden (15-64 v.) edellä selvitetyistä alle 500 metrin päässä asemasta asuvista. Työikäisiä oli yhteensä 74989, joka on ~ 67,1% alueella asuvista. Kokonaisuudessaan karttalehtien alueilla työikäisiä on 66,7%, eli suhteellinen osuus on hieman suurempi lähempänä asemia. Tämä voisi johtua esimerkiksi lapsiperheiden asumisesta kauempana asemista, jolloin alle 15 vuotiaat vähentää prosenttia. Todennäköisemmin kyse on kuitenkin vain varianssista, koska ero on niin pieni.

 

Taajamat

Tehtävänä oli laskea/selvittää

  • Kuinka monta pros. tehtävän alueen asukkaista asuu taajamissa? ~96,2%
  • Kuinka monta kouluikäistä (7-16 v.) asuu taajamien ulkopuolella?  2267
    • Kuinka monta prosenttia luku on kaikista kouluikäisistä?  ~3,8%
  • Kuinka monella alueella ulkomaalaisten osuus on tasan tai yli
    • 10%?        57
    • 20%?        25
    • 30%?        14

Tarkastellessani attribuuttitaulukkoa huomasin, että alueet, joissa ulkomaalaisia oli prosentuaalisesti paljon, olivat väkiluvulta lähtökohtaisesti todella pieniä. Esimerkiksi väkiluvullisesti suurimmalla alueella, joissa ulkomaalaisia on yli 30%, asuu yhteensä 16 ihmistä. Suuremmista alueista Hakunila on ainut, jossa ulkomaalaisten osuus on yli 20%.

 

Uima-altaat ja saunat

Tehtävänä oli selvittää/laskea:

  • Kuinka monta uima-altaalla varustettua rakennusta löytyy pk-seudulta?  855
  • Kuinka paljon asuu asukkaita sellaisissa taloissa, joissa on uima-allas?  12170
  • Kuinka moni noista taloista on
    1. Omakotitaloja? 345
    2. Paritaloja?   158
    3. Rivitaloja? 113
    4. Kerrostaloja?  181
  • Mikä on kaikkein uima-allasrikkain osa-alue? Lauttasaari (53)
  • Kuinka monessa talossa on sauna ja kuinka monta prosenttia se on kaikista taloista pääkaupunkiseudulla?   21922, ~24,2%

Kuva 6. Uima-altaallisten talojen määrä PK-seudulla kaupunginosittain.

Kuntia keskenään vertaillessa uima-altaallisten rakennusten frekvenssit ovat selvästi suurimmillaan Helsingin alueella. Määrät Helsingin sisällä jakautuu laajasti, suuria frekvenssejä on monilla merenranta-alueilla ja esimerkiksi Pohjois-Helsingissä. Uskoisin tämän johtuvan varakkaista omakotitaloalueista. Onkin oletettavaa, että varallisuuden ja uima-altaallisten asuntojen välillä on vahva positiivinen korrelaatio.

Summasin kaikkien kurssikerralla suoritettujen tehtävien vastaukset taulukkoon, joka avautuu seuraavasta linkistä (avaa oikealla klikillä uuteen välilehteen, ei jostain syystä toimi suoraan klikkaamalla). Kurssikerta 5. vastaukset

Summaan viikon antimet myös lyhyesti sanallisesti. Henkilökohtaisesti pidin kovasti mekaanisesta tehtävien suorittamisesta. Se tyydytti myös pientä ja sairasta kaipuuta lukion matematiikan pariin, jossa tehtäviä grindattiin tunnista toiseen.

Muutenkin viikon sävel on ehdottomasti duurivoittoinen. Eeva Rakia lainatakseni: “Palikat alkavat naksahdella paikalleen ja toiminnot alkavat käydä järkeen.” Olen samaa mieltä Eevan kanssa, tuntuu todella hyvältä, kun ohjelma alkaa pikkuhiljaa käydä tutuksi. Tästä on hyvä jatkaa eteenpäin!

 

Lähteet:

Helsinki (2021). Uutta Helsinkiä, Malmin entisen lentokentän alue. Haettu 16.2022 osoitteesta https://www.uuttahelsinkia.fi/fi/malmi/lentokent%C3%A4nalue

Raki, E. (2022). Oppimassa Geoinformatiikkaa, Kurssikerta 5: Toistoja. Haettu 18.2.2022 osoitteesta https://blogs.helsinki.fi/eevaraki/

Wikipedia (2022). Helsinki-Malmin lentoasema. Haettu 16.2.2022 osoitteesta https://fi.wikipedia.org/wiki/Helsinki-Malmin_lentoasema

 

4. Kurssikerta

 

Neljännellä kurssikerralla astelin GIS-luokkaan täynnä sisua ja tarmoa. Alla oli traaginen Uno-nöyryytys. Tämä karvas tappio oli nyt käännettävä voitoksi, hinnalla millä hyvänsä.

Ja sitten itse asiaan. Tuttuun tapaan kävimme alkuun hiemaan teoriaa, joka liittyi tällä viikolla piste- ja ruutuaineistoihin sekä laserkeilaukseen. Laserkeilaamalla saadaankin kaikkein tarkinta pisteaineistoa. Perusidea laserkeilaamisessa on se, että mittakeilain lähettää lasersäteitä tiheänä rasterina. Säteen kimmotessa takaisin laitteeseen jostain pisteestä, se määrittää pisteen suunnan ja etäisyyden, sekä näiden avulla koordinaatit. Näistä pisteistä muodostetaan pistepilvi, eli kolmiulotteinen malli todellisesta ympäristöstä. Mallista saadaan aidon näköinen, kun keilain ottaa samalla kohteesta valokuvat, joiden avulla pisteille lisätään niiden todellinen väri.

Laserkeilamet voidaan luokitella kolmeen tyyppiin (Wikipedia 2020):

  • Kaukokeilaimet, mittausetäisyys 100m – 100km, pisteen tarkkuus alle 10cm.
  • Maalaserkeilamet, mittausetäisyys on 1 – 300m, ja tarkkuus alle 2cm.
  • Teollisuuslaserkeilaimet, mittausetäisyys alle 30m, tarkkuus alle 1mm.

Siinä pieni ja yksinkertainen tietokattaus laserkeilauksesta, ihan omaa oppimistani vahvistamaan.

 

Ruututeemakartan tuottaminen

Viikon ensimmäisenä tehtävänä oli luoda ruututeemakartta pääkaupunkiseudun alueelta. Aloitimme luomalla ruudukon Helsingin, Espoon, Kauniaisen ja Vantaan päälle. Yhdistin alkuperäisestä Pks_vaki -shapefilestä tietoja ruudukkoon, jonka pohjalta loin teemakartan pääkaupunkiseudulla asuvien muunkielisten suhteellisista osuuksista ruuduttain (kuva 1.).

Kuva 1. Muunkielisten osuus väestöstä 1 km x 1 km ruuduittain PK-seudulla.

 

Ruututeemakartassa on hyviä puolia. Kaikki arvon saavat alueet ovat samankokoisia, joten on hyväksyttävää käyttää absoluuttisia arvoja. Kuvan 1. kartassa käytin kuitenkin suhteellisia arvoja, jotta pystyn vertaamaan lopputulosta kuvan 2. karttaan, jossa on käytössä edellä mainitut absoluuttiset arvot.

Kuva 2. Muunkielisten lukumäärä neliökilometreittäin PK-seudulla. 

 

Kuvassa 2. on luomani ruututeemakartta muunkielisten absoluuttisesta lukumäärästä neliökilometreittäin pääkaupunkiseudulla. Kuvassa 1. taas on vastaava teemakartta, mutta muunkielisten määrä on ilmoitettu prosenttiosuutena kaikista alueen asukkaista. Muunkielisillä tarkoitetaan ihmisiä, jotka puhuvat äidinkielenään jotain muuta kieltä kuin suomea, ruotsia tai saamea.

Vaikka ruututeemakartalla on hyväksyttävää käyttää absoluuttisia arvoja, ei se ole aina kannattavaa. Mielestäni käyttämälläni aiheella kartta on kuitenkin loppujen lopuksi hieman toimivampi absoluuttisilla arvoilla. Suhteellisia lukuja käytettäessä näyttää siltä, että pääkaupunkiseudun reuna-alueilla olisi merkittäviä määriä muunkielisiä. Todellisuudessa voi olla kyse vain muutamasta asukkaasta, jos alueen kokonaisväkiluku on hyvin pieni.

Absoluuttisten arvojen kartasta näkee kuitenkin selvästi ne neliökilometrin kokoiset alueet, joilla asuu merkittävä määrä muunkielisiä. Toisaalta kartasta saa myös helposti vääriä mielikuvia. Maanikko voisi esimerkiksi herkästi ajatella , että Helsingin keskustan alueen väestöstä suuriosa olisi muunkielisiä, vaikka suuri muunkielisten lukumäärä johtuu alueen suuresta kokonaisväkiluvusta. Kuvasta 1. nähdäänkin, että keskustan alueella suhteellinen osuus on hyvin pieni. Myös Elida Peuhu teki blogissaan samanlaisia havaintoja kantakaupungin “vääristymästä” käytettäessä absoluuttisia arvoja. Blogi käsittelee ruotsinkielisten osuuksia alueittain PK-seudulla, kannattaa käydä kattoo nopee.

Molemmissa kartoissa on hyvät ja huonot puolensa. Yllättävän hyvän kuvan tilanteesta saa siten, että tarkastelee molempia karttoja yhdessä. Ei välttämättä ole kuitenkaan kaikista käytännöllisintä tarjota kahta karttaa vertailtavaksi, koska useasti lukijaa ei kiinnosta perehtyä niin huolellisesti aineistoihin. Optimaalista karttaa voisi yrittää luoda esimerkiksi suhteellisten osuuksien pohjalta, jolloin ottaisi kartalle vain ne ruudut, joilla on “merkittävä” määrä asukkaita. Loinkin vielä yhden kartan tämän idean pohjalta (kuva 3.).

Kuva 3. Muunkielisten suhteellinen osuus PK-seudulla (alueilla, joissa asukkaita yli 100/km2). 

 

Kartasta tuli omasta mielestä yllättävänkin hyvä. Käytin suhteellisia osuuksia, mutta ensimmäisestä kartasta poiketen poistin ruudut, joissa on alle 100 asukasta. Lisäksi käytin seitsemän luokan sijasta viittä, ja korostin hieman pienimpien ja suurimpien arvojen eroja. Tältä kartalta pystyn paljon selvemmin näkemään keskittymät, joissa muunkielisten osuus on keskivertoa suurempi. Trendinä voidaan sanoa, että osuudet kasvavat keskustasta etääntyessä. Suurin keskittymä löytyy Itä-Helsingistä.

Yleisesti olen kohtalaisen tyytyväinen tämän kurssikerran luomuksiin. Nyt jälkikäteen muiden blogeja selaillessa sain myös ahaa-elämyksiä kehityskohteisiin liittyen! Janne Turunen oli jaotellut kaupunginosia ja lisännyt karttasanoja, joka helpotti kartan luettavuutta huomattavasti. Katariina Karvinen oli taas onnistunut lisäämään karttaansa tiet, joka myös havainnollisti asuinalueita ja kaupunkien rakennetta hienosti!

Ja näin on taas aika kiittää viikosta, nähdään seuraavien koitosten parissa toverit 🙂

 

Lähteet:

 

Karvinen, K. (2022). Katariinan blogi, Rasteri- ja vektoriaineistoja. Haettu 9.2.2022 osoitteesta  https://blogs.helsinki.fi/karvkata/?lang=en

Peuhu, E. (2022). Geoinformatiikan menetelmät, Ruutukarttoja ja rasteriaineistoja. Haettu 9.2.2022 osoitteesta https://blogs.helsinki.fi/elida/

Turunen, J. (2022). Geoinformatiikan mystiset menetelmät, QGIS – ruutuja ja rasterikarttoja. Haettu 9.2.2022 osoitteesta https://blogs.helsinki.fi/janneturunen/

Wikipedia (2020). Laserkeilaus. Haettu 8.2.2022 osoitteesta https://fi.wikipedia.org/wiki/Laserkeilaus#cite_ref-joala_7-0

 

 

 

 

 

 

 

 

 

 

 

 

3. Kurssikerta

 

Kolmas viikko lähti käyntiin hyvällä energialla, kun saavuin kurssikerralle vartin verran myöhässä. Helsingin seudun liikenne (tottelee myös nimeä HSL) olisi ollut kriisiavun tarpeessa taistellessaan tätä erikoista ilmiötä, lumisadetta vastaan.

Viikon tavoitteita oli mm. ulkoisen tiedon liittäminen tietokantaan muista ohjelmista, tietokantojen yhdistäminen ja uuden tiedon tuottaminen. Aloitimme tekemään yhteistä harjoitusta Afrikan luonnonvaroihin, konflikteihin ja niiden välisiin suhteisiin liittyen. Ensimmäisen kolmen tunnin jälkeen olin varmasti pahemmassa solmussa kuin edellä parjattu HSL. Nohevan vierustoverin ja armottoman tsempin ansiosta sain harjoituksen loppuun saatetuksi (Shoutout GIS väännöt Hessun kanssa -blogille).

 

Itsenäinen harjoitus tulvaindekseistä

 

Kerkesimme joten kuten myös tekemään itsenäisen harjoituksen liittyen valuma-alueisiin. Seuraavana päivänä Onedriveen siirrettyjä projekteja ei saanut kuitenkaan enää auki omalla koneella. Syynä ilmeisesti se, että ne olivat tallennushetkellä sisältäneet editointitilassa olevia tasoja. No, kertaus on opintojen äiti, joten teimme valuma-alue -harjoituksen alusta pitäen uudelleen. Kohtalaisen sutjakkaasti ensimmäinen versio saatiinkin valmiiksi (kuva 1.).

Kuva 1. Tulvaindeksi valuma-alueittain Suomessa.

 

Tein siis koropleettikartan, jossa valuma-alue on kuvattu sitä tummemmalla sinisellä, mitä suuremman tulvaindeksin se omaa. Tulvaindeksillä tarkoitetaan keskiylivirtaaman ja keskialivirtaaman välistä suhdetta. Keskiylivirtaama on joen uoman poikkileikkauksen läpi kulkevan vesimäärän ylimpien mitattujen arvojen keskiarvo, ja keskialivirtaama vastaavasti pienimpien mitattujen arvojen keskiarvo. Tulvaindeksi saadaan laskettua, kun jaetaan keskiylivirtaama keskialivirtaamalla. Saatu luku kertoo siis joenvirtausnopeuden vaihtelun suuruuden. Mitä isompi on pienimpien ja suurimpien virtaamien ero, sitä suurempi on tulvaindeksi.

Kartasta nähdään nopeasti, että tulvaindeksi on rannikoilla suurempi kuin sisämaassa. Lisäksi suurilla valuma-alueilla on selvästi pienemmät virtaaman suhteelliset vaihtelut kuin pienillä alueilla. Perehdytään tulvaindeksiin vaikuttaviin tekijöihin tarkemmin sitten, kun olen esitellyt toisen tekemäni kartan (kuva 2.).

Kuva 2. Tulvaindeksi ja järvisyysprosentti valuma-alueittain Suomessa.

 

Lisäsin projektiin valuma-alueiden järvisyysprosentit. Näiden pohjalta loimme järvipinta-alan osuutta kuvaavat histogrammit jokaiselle alueelle. Vaihtoehtoisesti olisi ollut mahdollista käyttää ympyrädiagrammeja, mutta etenkin näin pienimittakaavaisessa kartassa pylväät toimivat mielestäni huomattavasti paremmin. Kuvassa 3. on sama kartta zoomattuna Suomen keski- ja eteläosiin, jotta pienien valuma-alueiden järvisyys prosentteja olisi helpompi lukea.

Kuva 3. Lähennetty kartta tulvaindekseistä ja järvisyysprosenteista.

 

Kuten kuvasta nähdään, järvisyysprosenteilla ja tulvaindekseillä on selvä negatiivinen korrelaatio. Kun järvisyysprosentti kasvaa, niin tulvaindeksi pienenee, ja toisin päin. Tämä johtuu siitä, että suuri järvien määrä tasoittaa virtaaman vuotuisia vaihteluita selvästi (SYKE, 2007). Kyseisessä lukemassani julkaisussa Suomen vesistöalueet on jaettu kolmeen ryhmään luonteensa mukaan:

1) Sisä-Suomen järvialueen vesistöt, joissa useat suuret järvet tasoittavat vuotuisia virtaaman vaihteluita selvästi.
2) Suomenlahden ja Pohjanlahden rannikkoalueen pienet ja keskikokoiset joet,
joiden valuma-alueilla järviä on vähän ja virtaaman ajallinen vaihtelu on hyvin voimakasta. Näissä joissa esiintyy herkästi tulvia ja toisaalta usein kuivia
kausia.
3) Pohjois-Pohjanmaan ja Lapin suuret tai suurehkot joet, joissa vettä virtaa läpi vuoden suhteellisen runsaasti, vaikka niiden valuma-alueilla ei olekaan kovin paljon järviä.

Sisä-Suomen lisäksi siis Lapissa ja Pohjois-Pohjanmaallakin on valuma-alueita joiden tulvaindeksi on pieni, vaikka alueilla ei olisi lukumäärällisesti tai edes pinta-alallisesti paljon järviä. Pohjois-Suomen suurempien jokien virtaus on sen verran voimakasta, että samankokoiset vaihtelut eivät vaikuta indeksiin niin suuresti kuin esimerkiksi Varsinais-Suomessa, jossa joet ovat pienempiä ja virtaama laskee alimmillaan lähelle nollaa. Havainnollistava esimerkki taulukossa 1:

 

Aurajoki Kemijoki
MNQ (m3/s) 0,1 150
MHQ (m3/s) 110 3000
Erotus MHQ-MNQ (m3/s) 109,9 2850
Tulvaindeksi (MHQ/MNQ) 1100 20

Taulukko 1. Erot Aurajoen ja Kemijoen valuma-alueilla. Aurajoella vaihtelu ääripäiden välillä vain 109,9 m3/s, mutta tulvaindeksi 1100. Kemijoella ääripäiden välillä jopa 2850 m3/s, mutta tulvaindeksi silti vain 20.

 

Rannikkoalueiden korkeammalle tulvaindeksille on monia syitä. Edellä mainitun järvisyyden ja keskivirtaaman lisäksi merkittäviä tekijöitä on esimerkiksi valuma-alueen pinta-ala ja korkeuserot. Kuten kuvasta 1. nähdään, yksikään selvästi suurempi alue ei omaa suurta tulvaindeksiä. Samoin pääsääntöisesti kaikilla pienillä alueilla indeksi on suuri. Onkin luonnollista, että suurempi valuma-alueen pinta-ala myös tasoittaa virtaamaan vaihteluita, kun varastoitunutta vettä on huomattavasti enemmän. Myös korkeuserot vaikuttaa luonnollisesti tulvaindeksiin. Jos joki laskee hyvin loivassa kulmassa, niin sillä ei ole suurta kapasiteettia kuljettaa vettä, koska virtaus etenee hitaasti. Tämä suurentaa tulvariskiä. Kuvasta 1. nähdäänkin nopeasti, että tulvaindeksi on suurimmillaan tasaisilla alueilla, eli Pohjanmaalla ja Etelä-Suomen rannikoilla. Myös maankohoamisella on vaikutusta asiaan, koska sen johdosta länsi- ja lounaisrannikoiden jokien kaltevuus tasoittuu entisestään. Eemil Sillankorva kirjoitti blogissaan hyvät johtopäätökset juuri maankohoamisen vaikutuksiin liittyen!

Virtaamaan ja sen vaihteluihin vaikuttaa järvisyyden, pinta-alan ja korkeuserojen lisäksi myös esimerkiksi maaperä, uomaston muoto, kasvillisuus, ihmisten toiminnat ja sääolot (SYKE, 2007). Edellä listatuista voidaan vielä viimeisenä nostaa esille ihmisten toimintojen osuus, joka on ollut suuri viime vuosisatoina. Näitä toimintoja on esimerkiksi vesistöjen muokkaaminen järvenlaskujen, virtaaman säännöstelyn ja tekojärvien rakennuttamisen muodossa. Vedenpintaa on säädelty usein esimerkiksi maanviljelyn takia.

Tällaiset analyysit tällä kertaa. Kokonaisuudessaan pidin viikon harjoituksista todella paljon. Oli myös innostavaa etsiä lisää tietoa virtaamiin ja niiden vaihteluihin liittyen, vaikka se ei suoranaisesti vienyt minua lähemmäksi GIS-velhoutta. Nähdään taas ensi viikolla velhot!

 

Lähteet:

 

Korhonen, J. (2007). Suomen vesistöjen virtaaman ja vedenkorkeuden vaihtelut. Suomen ympäristö 45/2007, SYKE. Haettu 1.2.2022 osoitteesta https://helda.helsinki.fi/bitstream/handle/10138/38428/SY_45_2007.pdf?sequence=3&isAllowed=y

Sillankorva, E. (2022). Eemilin mantsa-blogi, KK3: Hankaluuksia Afrikassa ja tulvii Pohjanmaa. Haettu 3.2.2022 osoitteesta https://blogs.helsinki.fi/sillanko/

 

Kurssikerta 2.

Toinen viikko lähti käyntiin mukavasti tutustumalla ytimekkääseen datan lähteet -tietopakettiin. Infoa saatiin paikallisista- sekä rajapintojen kautta haettavista tiedostoista, jotka saadaan suoraan palvelimelle. Rajapintojen tyypillisimpiä datatyyppejä ovat mm. WFS, WMS ja WMTS. Tämän viikon töissä saimme ensikosketuksen rajapintojen käytöstä.

Mittaustyökalu ja tulokset eri koordinaattijärjestelmillä

Viikon ensimmäisessä harjoituksessa opettelin käyttämään QGISin mittaustyökaluja pituuden ja pinta-alan osalta. Tein kolme erilaista mittausta Suomen kartalle: itsemäärittämän alueen pinta-alan sekä itä-länsi ja etelä-pohjoissuuntaiset suorat (kuva 1.)

Kuva 1. Mittaukset QGIS-ohjelmalla. Pinta-ala “suomineidon” päästä kolmella pisteellä mitattuna (vas.), itä-länsisuuntainen etäisyys Lieksasta Vaasaan (kesk.) ja etelä-pohjoissuuntainen etäisyys Kotkasta Utsjoelle (oik.)

 

Vertasin jokaisen mittauksen arvoja viidellä eri koordinaattijärjestelmällä, ja koostin tuloksista taulukon Excelillä. Tulosten talteen ottaminen oli yksinkertaista ja luotettavaa, koska mittausta ei tarvinnut suorittaa uudelleen koordinaattijärjestelmää vaihdettaessa. On varsin kätevää, että saman mittauksen voi pitää auki, vaikka vaihtaa koordinaattijärjestelmää. Ohjelma päivitti uudet arvot mittausikkunaan automaattisesti, josta kopioin ne suoraan Exceliin (taulukko 1.).

            Taulukko 1. Mittausten tulokset viidessä eri koordinaattijärjestelmässä. ETRS89-TM35FIN sekä sillä saadut arvot on merkitty vihreällä todenmukaisuutensa takia, jolloin vääristyneitä arvoja on helppo verrata niihin. 

 

Taulukosta voidaan huomata, että erot eri projektioiden ja näiden pohjalta luotujen koordinaattijärjestelmien välillä ovat radikaaleja. Tämä ei kuitenkaan tullut yllätyksenä, onhan meille puhuttu projektioiden virheistä lukiosta asti. Valitsin käyttämämme ETRS89-TM35FIN -koordinaatiston lisäksi neljä erilaista koordinaattijärjestelmää, jotka on kaikki luotu maailmankartoissa käytettyjen projektioiden pohjalta.

World Winkel Tripel NGS -koordinaattijärjestelmä pohjautuu Winkel Tripel -projektioon, joka on tasavälisen lieriöprojektion ja Aitoffin projektion aritmeettinen keskiarvo (Wikipedia, 2017). Projektion tarkoituksena on minimoida vääristymiä jokaisella osa-alueella: pinta-aloissa, suunnissa ja etäisyyksissä. Kuten taulukosta nähdään, pinta-ala ja leveys on vääristynyt liian suureksi, mutta virheet ovat kuitenkin huomattavasti maltillisempia kuin esimerkiksi Mercatorissa.

WGS 84 / World Mercator onkin selvästi vääristynein järjestelmä taulukossa, ja projektiona myös varmasti käytetyin, kun puhutaan pinta-ala vääristymistä. Pinta-ala on peräti n. 8,5 -kertainen verrattuna todelliseen pinta-alaan, jota käyttämämme ETRS89-TM35FIN pääsee hyvin lähelle. Mercator on oikeakulmainen projektio, joka näyttää jokaisen pituus- ja leveyspiirin suorassa kulmassa toisiinsa nähden 2-ulotteisella tasolla. Tämä tarkoittaa sitä, että vääristymä kasvaa sitä suuremmaksi, mitä kauemmaksi päiväntasaajasta edetään.

World Gall Stereographic -järjestelmä muistuttaa Winkel Tripeliä siten, ettei se ole oikeakulmainen, -pituinen tai -pintainen, mutta yrittää minimoida virheitä jokaisella osa-alueella (Wikipedia, 2022). Virheet pinta-alassa ja etäisyyksissä on kuitenkin suurempia verrattuna edellä mainittuun. Se on Mercatorin tapaan lieriöprojektio, jonka takia virheet kasvavat napoja päin, kun lieriö leikkaa päiväntasaajaa.

Viimeisenä vertailukohteena on World Cylindrical Equal Area. Nimensä mukaan se perustuu lieriöprojektioon, jossa mittoja on muutettu siten, että pinta-alat pysyvät oikeina, tai vähintään lähellä oikeita. Taulukosta huomataankin, että pinta-ala heittää Suomen kokoisella alueella vain 24 neliökilometriä, joka on alle prosentin verran.                                *Mutta* oikeasta pinta-alasta huolimatta karttaa katsoessa “suomineito” ei näytäkään enää kovin tutulta. Ilmiö voidaan huomata myös taulukosta: leveysmittaus on yli kaksinkertainen ja pituusmittaus päinvastoin yli kaksikertaa pienempi kuin käyttämässämme koordinaattijärjestelmässä.

 

Pinta-alojen vääristymisen yhteys sijaintiin

 

Edellä analysoitujen mittausten lisäksi tuotin kaksi luokiteltua karttaa, jotka kuvaavat pinta-ala vääristymien kertoimia kunnittain.  Ensimmäisen kartan loin World Gall Stereographic -projektion pohjalta (kuva 2.).

Kuva 2. Luokiteltu kartta Gall Stereographic -koordinaattijärjestelmän aiheuttamista pinta-alan vääristymistä Suomessa suhteutettuna ETRS-TM35FINiin.

Kartta kuvaa kuntien pinta-alojen kertoimia verrattuna todelliseen pinta-alaan. Voidaan huomata, kuinka Etelä-Suomessa nousee 1,5:stä ylöspäin, ja Lapissa ollaan jo lukemassa 2,5. Vääristymä siis kasvaa pohjoiseen päin mentäessä. Tämä on päiväntasaajaa sivuavan lieriöprojektion seurausta. Mitä lähempänä sivuamispiiriä kohde on, sitä todenmukaisempana se näkyy. Ts. sanoen vääristymä kasvaa sitä suuremmaksi, mitä lähemmäksi napoja edetään. Itse kartan muodostakin näkee hyvin vahvan vääristymän, kun Lappi näyttää Etelä-Suomeen suhteutettuna paljon suuremmalta, mitä se todellisuudessa on.

Toinen luokiteltu kartta on valmistettu World Mercator -koordinaattijärjestelmän pohjalta. Kuten taulukossa 1. jo nähtiin, vääristymät pinta-alassa ovat erittäin suuria kyseisellä projektiolla. Tästä lisää kuvassa 3:

Kuva 3. Luokiteltu kartta World Mercator -koordinaattijärjestelmän aiheuttamista pinta-alan vääristymistä Suomessa suhteutettuna ETRS-TM35FINiin.

 

Kartta on luokiteltu edellisen tapaan seitsemään eri luokkaan, ja väriskaalakin on samanlainen. Kuten myös Salla Kärkkäinen mainitsee blogissaan, on luokkien määrällä ja käytetyllä väriskaalalla paljon vaikutusta kartan luettavuuteen ja sen aiheuttamiin mielikuviin. Itse käyttämäni skaala on mielestäni konseptissaan toimiva, kun vähiten vääristyneet alueet on kuvattu raikkaalla sinisellä, ja suurimman virheen omaavat alueet taas uhkaavalla punaisella. Vaikka kartoissa on yhtäläisiä visuaalisia tekijöitä, niin legendasta selviää nopeasti, että vääristymät ovat jälkimmäisessä todella paljon edellistä voimakkaampia. Etelä-Suomessa kerroin on neljän paikkeilla ja Lapissa noustaan yli kahdeksan. Molemmat järjestelmät on luotu lieriöprojektion pohjalta, joka sivuaa päiväntasaajaa. Pinta-ala vääristymät ovat World Gall -projektiossa kuitenkin huomattavasti maltillisemmat, koska leveyspiirien välit eivät kasva yhtä voimakkaasti kuin Mercatorissa.

Yhteenvetona voidaan todeta, että projektiolla on todella merkittävä vaikutus alueen muotoon ja pinta-alaan. Tämä ei kuitenkaan ollut viikon pääoppi, vaan kertausta edellisiltä kursseilta. Olennaista viikon harjoituksissa oli toistot QGIS:n kanssa. En voi sanoa, että kokisin vielä oloani kovinkaan kotoisaksi sen kanssa, mutta pikkuhiljaa hyvä tulee. Tapaamme jälleen ensi viikolla!

 

Lähteet:

Kärkkäinen, S. (2022) Sallan blogi. Viikko 2: Kuntien avainlukuja ja gissiä. Haettu 30.1.2022 osoitteesta https://blogs.helsinki.fi/karkkais/

Wikipedia. (2017) Winkel Tripel -projektio. Haettu 27.1.2022 osoitteesta https://fi.wikipedia.org/wiki/Winkel_tripel_-projektio

 

 

 

 

 

 

 

1. Kurssikerta

Opiskelujen osalta vuosi 2022 alkoi onneksemme lähiopetuksena Kumpulassa, kun tutustuimme QGIS:n käyttöön Geoinformatiikan menetelmät -kurssin ensimmäisellä opetuskerralla.

QGIS oli entuudestaan hyvin vieras ohjelma. Aikaisempia kokemuksia sen käytöstä on vain yksi, kun teimme Johdatus geoinformatiikkaan -kurssilla liikenneturvallisuuteen liittyvän analyysin valmiin ohjerungon avulla. Suureksi yllätykseksi kyseisestä harjoituksesta ei kovinkaan paljon jäänyt käteen.

Sen sijaan maanantaisesta neljän tunnin lähisessiosta sai paljon enemmän irti, vaikka todella voidaan puhua vasta pintaraapaisusta ohjelman käyttöön. Monet perusominaisuudet kuitenkin jäivät mieleen ja ennen kaikkea mielenkiinto ja oppimisen halu heräsi ohjelmaan liittyen.

Yhdessä ja ohjeita seuraten loimme koropleettikartan Itämereen johtavien typpipäästöjen valtiokohtaisista osuuksista (kuva 1.). Fosforin tapaan typpi vaikuttaa merkittävästi vesistöjen rehevöitymiseen, joka onkin ollut Itämeren suurin ongelma viime vuosikymmeninä (Itämeri.fi, 2020). Suurimpana yllätyksenä itselleni tuli Puolan osuus päästöistä. Kuvittelinkin sen olevan yksi suurimmista saastuttajista, mutta 33,7% osuus kaikista päästöistä tuli pienimuotoisena shokkina. Luin Nea Tiaisen blogista, että Puolassa typen kokonaispäästöt koostuvat 50 % maataloudesta, 26 % palamisreaktioista ja 22 % liikenteestä.

Kuva 1. Typen päästöt valtiokohtaisina osuuksina. Mitä kirkkaampana punaisena valtio on kuvattu, sitä suuremmat päästöt kyseisellä valtiolla on.

Kyseinen koropleettikartta on kurssin ensimmäinen luomus. Lopputuloksesta tuli kohtalaisen toimiva ja etenkin yksinkertainen, kuten tavoittelin. Olen tyytyväinen päästöjen perusteella luotuun väriskaalaan. Kokonaisuudessaan pidän kartan värimaailmasta: punaisen sävyt ja vaalean sininen toimivat hyvin neutraalin harmaan ja valkoisen kanssa.

Kartta on kuitenkin hyvin nopeasti laadittu ja näin jälkikäteen analysoidessa huomaan muutamia asioita, joita olisin voinut tehdä toisin. Esimerkkinä punaiset pisteet, jotka kuvaavat valtiokohtaisia typpipäästöjä. Ne olisi ollut syytä merkitä legendaan tai ehkä vain mieluummin poistaa kokonaan kartalta. Legendaan liittyy myös toinen pieni epäkohta, kun olen merkannut sinisen värin kohdalle “vesistöt”. Nimeäminen olisi pitänyt tehdä tarkemmin, koska Itämeren ulkopuoliset merialueet on kuvattu valkoisella. Näiden lisäksi mittakaava on mielestäni tarpeettomasti pätkitty neljään osaan. Olisi ollut toimivampi valinta tehdä jako kahteen osaan. Kokonaispituus olisi tällöin ollut sama tuhat kilometriä tai vaihtoehtoisesti esimerkiksi 500 kilometriä. Viimeisenä virheenä mainittakoon, ettei pohjoisnuoli osoita pohjoiseen. Olin hyvin orientoitunut siihen, että pohjoinen osoittaa suoraan ylöspäin, kuten suurimmassa osissa kartoista ja aineistoista. Tämä oli kuitenkin hyvä oppitunti, jonka johdosta muistan olla jatkossa huolellisempi.

Vaikka en ole täysin tyytyväinen karttaan, niin tärkein asia toteutui,  eli pääsin perille tietyistä QGIS:n perustoiminnoista. Tästä on hyvä jatkaa eteenpäin. Odotan jo innolla tulevia kurssikertoja sekä niiden oppeja.

 

Lähteet:

Pohjola, P (2020). Rehevöityminen Itämerellä, Itämeri.fi. Haettu 24.1.2022 osoitteesta  https://itameri.fi/fi-FI/Luonto_ja_sen_muutos/Itameren_tila/Rehevoityminen

Tiainen, N. (2022). HELCOM-alueen typpikartta, Melkein GIS-guru siis itsekkin. Haettu 24.1.2022 osoitteesta  https://blogs.helsinki.fi/tiainea/