7.kurssikerta – viimeinen ristiretki

Viimeisellä kurssikerralla aloittelimme kurssin ns. lopputyötä. Lopputyönä oli vaihtoehtoina tuottaa kaksi erilaista karttaesitystä: toinen oli karttasarja joka osoittaa kahta eri muuttujaa, ja toinen vaihtoehto oli luoda jokin karttaesitys lataamalla maastotietokantaa Suomesta. Päädyin vaihtoehtoon 2 ja valitsin alueekseni yllättäen Kuusamon. Tarkemmin päätin luoda eräänlaisen opaskartan Oulangan kansallispuistoon ja sen lähialueille. Alueella kulkee yksi Suomen vilkkaimmista vaellusreiteistä, Karhunkierros. Alueelta löytyy myös hienoja pinnanmuotoja, jotka näyttävät hyviltä interpoloidussa karttaesityksessä.

Tätä lopputyötä oli mukava lähteä tekemään, vaikka etukäteisvalmisteluja oli huomattavasti enemmän kuin aikaisemmissa tehtävissä. Tehtävästä teki kuitenkin mukavan sen vapaus sekä minua itseäni kiinnostaa kyseinen alue kovasti. Käytin aineiston keräämiseen Maanmittauslaitoksen tiedostopalvelua, josta yllättäen löytyikin kerralla kaikki mitä karttaesitykseni tekemiseen tarvitsin. Latasin aivan järkyttävän määrän erilaisia tietokantoja, joiden setvimiseen meni jonkin aikaa. Aikaa meni myös rutkasti tietokantojen tietojen selvittämiseen, sillä tietokannoissa ei usein lukenut suoraan mitä kukin merkki tarkoittaa, vaan tiedoissa luki vain jokin numerosarja, jonka tarkoitus piti etsiä maanmittauslaitoksen metatiedoista.

Tämän tietokanta savotan päätteeksi pääsin kuitenkin vihdoin luomaan opaskarttaani. Opaskarttaani päätin jättää pääpainoksi leiriytymispaikat, tulentekopaikat, Karhunkierroksen opasteet sekä tärkeimmät luontoalueet (järvet ja suot) sekä paikannimet.

Kartta 1. Kartan ensimmäinen versio, jossa taustakarttana Openstreet Map

Ongelmallisimmaksi tehtävässä osoittautui QGIS map composerin käyttäminen. Meinasi mennä melkoiseksi taistelemiseksi saada oikea näkymä kuvaan. Kartta 1 on kenties opaskarttana käyttökelpoisin, kartta on selkeä ja osoittaa retkeilijälle tärkeimpiä kohteita kuten leiriytymis- ja tulentekopaikkoja. Ongelmana kartassa on vain aikaisemmin mainittujen pinnanmuotojen jääminen huomiotta. Kokeilin lisätä korkeuskäyriä tähän selkeään Openstreet Map- pohjaiseen esitykseen, mutta kartasta olisi tullut liian epäselvä.

Mutta päätin että jos ensimmäinen kartta täyttää tehtävänsä selkeänä opaskarttana, ehkä voin tehdä kartasta toisen version, joka ei ole visuaalisesti kenties yhtä selkeä, mutta onhan se nyt ihan hieno:

Kartta 2. Muuten sama kartta kuin kartta 1, mutta taustana kartalle toimii interpoloitu kartta alueen topografiasta

Alueen topografia oikein huutaa katselemaan kartta 2 kaltaista esitystä alueesta. Mutta kartta on paljon sekavampi kuin kartta 1.  Näin paljon vaivaa karttojen tuottamiseen ja tämä olikin mielestäni antoisin tehtävä koko kurssilla. Idean kartan 2 tapaiseen esitykseen sain Aamu Kurjenpuun blogista jossa hän tuotti tutkimusalueestaan interpoloidun karttaesityksen.

Kurssi oli mielestäni hyvä ja mielenkiintoinen. Kurssikertojen eri tehtävät tarjosivat melko laajan katsauksen QGIS-ohjelmalla sisällön tuottamiseen. Olen tämän kurssin myötä entistä enemmän innoissani GIS-opinnoista, sillä koen että juuri tämänkaltainen karttojen tuottaminen ja ongelmienratkonta sopii minulle hyvin. Ainoa mitä pitäisi kenties hieman petrata on aikataulussa pysyminen.. heh.

Lähteet

https://tiedostopalvelu.maanmittauslaitos.fi/tp/kartta Luettu 2.3.2018

https://www.retkikartta.fi/ Luettu 11.5.2018

https://blogs.helsinki.fi/kurjaamu/2018/03/23/kurssikerta-7/ Luettu 24.3.2018

6.kurssikerta – paikkatiedon keruuta ja hasardeja

6.kurssikerta alkoi aamulla pienellä reippailulla. Tehtävänä oli kierrellä n. 45 minuutin ajan Kumpulan lähiympäristöä ja tuottaa sekä kerätä paikkatietoa EpiCollect 5- sovelluksen avulla. Sovellukseen tehdyn kyselylomakkeen avulla loimme pistemuotoista paikkatietoa lähialueen viihtyvyydestä ja käytöstä. Kerättyämme aineistot palasimme takaisin luokkaan ja visualisoimme aineistosta kartan Kumpulan kampuksen lähiympäristöstä.

Toisena tehtävänä oli hyödyntää QGIS:n saatavilla olevaa Googlen street view-pluginia. Tämän pluginin avulla oli tarkoituksena luoda kartta, joka visualisoi valitun korttelin kaupallisuutta. Tämä luotiin kulkemalla street viewn avulla ympäri korttelia, ja luoden pisteitä kohtiin jossa sijaitsi jotain kaupallista, esimerkiksi mainoksia tai kivijalkaliikeen näyteikkuna. Karttaesitys luotiin interpoloinnin avulla.

Kurssikerran itsenäistehtävänä oli luoda kolme karttaa erilaisista hasardeista, jotka soveltuisivat kenties opetuskäyttöön. Valitsin hasardiksi maanjäristykset. Olen aina itse kokenut maanjäristykset kiinnostavimmiksi luonnonkatastrofeiksi, joten valinta oli helppo. Päätin osoittaa kuinka yleisiä pienet maanjäristykset ovat maapallolla, ja kuinka harvoin valtavia tuhoja aiheuttavia yli 8 magnitudin järistyksiä tapahtuu

Kartta 1. Kartalla on osoitettu 10 000 pientä järistystä (max 5 magnitudi)
Kartta 2. 6 magnitudin järistykset vuosina 1980-2017
Kartta 3. Yli 8 magnitudin maanjäristykset vuosina 1980-2018

Kartoista 1-3 mielestäni huomaa hyvin kuinka harvoin todella katastrofaalisia maanjäristyksiä tapahtuu maapallolla. Yli 8 magnitudin järistykset ovat valtavia ja aiheuttavat laajaa tuhoa. Tämän kokoluokan järistyksiä onkin sattunut vain 31 kappaletta melkein vajaan 40 vuoden aikana.

Karttakuvista käy mielestäni hyvin ilmi lukijalle missä maapallolla maanjäristyksiä tapahtuu: järistykset painottuvat litosfäärilaattojen saumakohtiin. On myös mielenkiintoista ajatella kuinka usein pieniä maanjäristyksiä tapahtuu maapallolla. Suomessakin tapahtuu pieniä alle 5 magnitudin järistyksiä vuosittain, ja pienempiä useampia kertoja kuukaudessa.

Kohteet joissa maanjäristyksiä tapahtuu korreloivat voimakkaasti tulivuorten sijoittumisen kanssa. Kartalla voisi myös tällä tavoin käydä nopeasti läpi vulkaanisen toiminnan vaikutuksen seismiseen toimintaan. Sami Aalto käyttää 6.kurssikerran blogipostauksessaan esimerkkinä tällaisesta kartasta kyseistä tätä karttakuvaa:

Kuvahaun tulos haulle volcanic activity map
Kuva 1. Esimerkki karttaesitys vulkaanisesta aktiviteetista Tyynellämerellä

 

Tämän kaltaista karttaesitystä yhdessä tuottamieni karttojen kanssa voitaisiin mielestäni hyvinkin käyttää jonkunasteisena opetusmateriaalina.

Lähteet

https://cdn.images.express.co.uk/img/dynamic/78/590x/secondary/ring-of-fire-1185174.jpg Luettu 11.5.2018

https://blogs.helsinki.fi/slaalto/2018/03/19/blogi-6-interpolointia/ Luettu 11.5.2018

5. kurssikerta – bufferointia

5. kurssikerralla tutuistuimme bufferointiin. Ensimmäisessä tehtävässä käytimme viime kurssikerralla tuottamaamme tietokantaa Pornaisista. Bufferoinnilla saadaan aikaan tilapäisiä alueita, joille voidaan tehdä erilaisia kyselyitä. Pornaisten alueella tuotin erilaisia buffereita: asukkaiden määrä pääteiden läheisyydessä, Pornaisten terveyskeskuksesta 500m säteellä olevat asukkaat sekä Pornaisten keskustassa olevasta koulusta yli 1km etäisyydellä olevat asukkaat.

Seuraavana tehtävänä oli hyödyntää samoja bufferointi-tekniikoita toiseen aineistoon. Aineistona toimi Vantaan sekä osittain Helsingin alueen pistemuotoinen rakennustietokanta. Tietokanta sisälsi myös väestötietoa rakennuksien asukkaista. Tehtävänä oli laskea puskureiden avulla Malmin sekä Helsinki-Vantaan lentoasemien melualueilla asuvien ihmisten määriä.

Malmin lentoasema:

  • 2km säteellä asemasta: 57 576 asukasta
  • 1km säteellä asemasta: 8885 asukasta

Helsinki-Vantaan lentoasema:

  • 2km säteellä asemasta: 10 640
  • 65dB alueella asukkaita: 27
  • Vähintään 55dB alueella asukkaita: 616

Malmin lentoaseman läheisyydessä asuu huomattavasti enemmän ihmisiä kuin vastaavalla läheisyydellä Hel-Vantaan asemasta. Helsinki-Vantaan lentoaseman lähiseutu on suurimmalta osin teollisuusaluetta, jonka takia alueella on huomattavasti vähemmän asukkaita. Verrattaessa myös alueiden rakentamisen tiheyttä on Hel-Vantaa huomattavasti väljempi. Asemalle kohdistuu myös paljon enemmän lentoliikennettä, joten lennoista johtuva melu on myös vaikuttanut olennaisesti alueen asuinrakennuksien määrään.

Seuraavana tehtävänä olikin tutkia melun vaikutusta Tikkurilassa, kun 2010-luvun alussa Helsinki-Vantaan aseman kiitoradat olivat remontissa, jonka vuoksi lentoliikenne jouduttiin ohjaamaan Tikkurilan vilkkaan ja tiiviin keskuksen yli. Tämän liikenteen ohjauksen vuoksi yli 28 000 Tikkurilan asukasta altistui lentomelulle.

Pääkaupunkiseudulla julkisella liikenteellä on suuri merkitys. Suuri osa alueen asukkaista käyttää päivittäin julkista liikennettä töissä kulkemiseen. Erilaisia asemia onkin viljelty tiheästi sekä Vantaalle että Helsinkiin. Vantaalla bussi- ja junaliikenne on suuressa asemassa, Helsingissä näihin lisätään metro- sekä raitiovaunuliikenne. Alueen asukkaista (490 173 asukasta) yli 102 000 asuukin 500m säteellä jostain julkisen liikenteen asemasta. Työikäisiä näistä asukkaista on n. 69%.

Seuraavassa tehtävässä tarkasteltiin alueen taajama-asutusta. Kuten oletettua, suurin osa eli n. 96% alueen asukkaista asuu taajamissa. Taajamien ulkopuolelle jäävästä 4% asukkaista on kouluikäisiä vain 3727. Pääkaupunkiseudulle suuntautuva ulkomaalta tuleva muuttoliike on tuonut alueelle paljon eri kulttuurien edustajia. Ullkomaalaistaustaisia on erityisesti Vantaalla laajalti kaikissa taajamissa.

Ulkomaisten osuus alueella

  • Osuus yli 10%: 65 alueella
  • Osuus yli 20%: 21 alueella
  • Osuus yli 30%: 13 alueella

Lukuja tarkasteltaessa voidaan päätellä että ulkomaalaistaustaiset ovat levittäytyneet useammille alueille ympäri Vantaata, suurta segregaatiota ei ole tapahtunut.

 

4.kurssikerta

4. kurssikerralla tutustuimme ruudukkomaisen esityksen tuottamiseen. Ensimmäisenä harjoituksena oli luoda ruudukko pääkaupunkiseudun väestöaineiston pohjalta. Aineisto oli pistemuodossa, pisteet kuvasivat jokaista pääkaupunkiseudun rakennusta ja jokainen piste sisälsi laajasti tietoa kunkin rakennuksen asukkaista, kuten ikärakenteen sekä ulkomaalaisten määrän rakennuksessa jne.

QGIS:tä löytyy kätevä työkalu vektorimuotoisen ruudukon muodostamiseen. Tällä työkalulla loin 1000m x 1000m ruudukon pääkaupunkiseudusta. Tämän jälkeen ruudukkoon kerättiin dataa aiemmin mainitusta tietokannasta. Päätin visualisoida ruudukolle ulkomaalaistaustaisten asukkaiden määrän. Tämä kuitenkin aiheutti ongelmia, sillä sekä aikaisemmilla kurssikerroilla käytetty Join attributes by location-ohjelma sekä harjoituksen ohjeissa toiseksi vaihtoehdoksi ehdotettu MMQIS ohjelma kaatoivat koko QGIS:n useista yrityksistä huolimatta. Huomasin kuitenkin virheeni: projektiot olivat pielessä.

Matkalla tuli muutamia mutkia, mutta sain lopulta tehtyä jonkunasteisen karttaesityksen:

Kuva 1. Pääkaupunkiseutu esitettynä 250m x 250m ruudukkona. Ruudukkoon on visualisoitu ulkomaalaistaustaisten asukkaiden suhde kaikkiin ruudussa asuviin ihmisiin.

Kartasta tuli ehkä hieman kehnohko, 250m x 250m ruuduista tuli paljon pienempiä kuin odotin. En ole myöskään täysin varma tuliko karttaan haluamani tiedot oikein. Tihrustamalla kartasta voi kuitenkin huomata että pääkaupunkiseudulla on useita keskittymiä, joissa ulkomaalaisasukkaiden suhde kaikkiin asukkaisiin on suuri. Näitä keskittymiä löytyy joka puolelta pääkaupunkiseutua, mutta Itä-Helsingissä sekä ympäri Vantaata on näitä keskittymiä enemmän kuin läntisellä pääkaupunkiseudulla (Espoosta löytyy myös keskittymiä, kuten Matinkylä). Santeri Mikkolan 4.kurssikerran postauksessa käsitellään samaa ilmiötä (löytyy myös parempi kartta, jonkalaista lähdin itsekin hakemaan, mutta en päässyt yhtä hyvään lopputulokseen)

Näitä samoja alueita jonne ulkomaalaistaustaiset asukkaat ovat painottuneet pidetään myös pääkaupunkiseudun huono-osaisuuden keskittyminä. Huono-osaisuuden kasautumiseen tietyille alueille on useita syitä, kuten asuntojen vuokrataso sekä sosiaalinen puoli: samasta kulttuurista tulevat ihmiset haluavat asua kaltaistensa kanssa.

Tämän 4. kurssikerran tehtävä osoittautui vaikeaksi, vaikka näyttikin melko suoraviivaiselta. En ole varma johtuiko tämä omasta päästäni vai QGIS:n ongelmista. Sainpahan kuitenkin jonkunnäköisen esityksen aikaan.

Lähteet

Santeri Mikkola – 4. kurssikerta – Ruutukarttoja

<https://blogs.helsinki.fi/miksante/2018/02/24/4-kurssikerta-ruutukarttoja/> Luettu 26.4.2018

3. kurssikerta

3. kurssikerran luennolle en päässyt HSL:n lakon vuoksi, mutta kurssikerran tehtäviin onneksi oli selkeät ohjeet Moodlessa. Ensimmäisenä tehtävänä oli tutkia erilaisia tietokantoja Afrikasta. Ensimmäisenä saatuun Afrikka-aineistoon oli merkitty vain valtiot sekä niiden rajat, mutta lisäsimme ja yhdistelimme aineistoon erilaisia tietokantoja. Tietokantoina toimivat esim. internetin sekä sosiaalisen median käyttäjien määrät valtioittain, laaja tietokanta erilaisista konflikteista, maiden sisäisistä öljykentistä sekä timanttikaivoksista. Tietokannat olivat todella laajoja, joten tehtävänä oli yhdistellä tietokantoja. Alkukankeuden jälkeen tehtävän suorittaminen sujui hyvin. Uusia työkaluja tuli melko paljon, mutta selvät ohjeet onneksi auttoivat.

Kuva 1. Yksinkertainen koropleettikartta, joka osoittaa internetinkäyttäjien osuuden valtioiden väestöstä Afrikan mantereella.

Kuvassa 1 on osoitettu internetinkäyttäjien prosentuaaliset osuudet Afrikan valtioiden väestöistä. Suuret internetinkäyttäjä määrät painottuvat Afrikan pohjoisosiin sekä länsimaiseen Etelä-Afrikkaan. Eniten internetinkäyttäjiä löytyy Keniasta. Lyyra Furun kolmannen kurssikerran blogitekstistä löytyy hyvää jatkoanalyysia Afrikan valtioiden kasvavasta internetinkäyttäjämääristä sekä niiden seurauksista

Seuraavana tehtävänä oli tarkastella aineistoa Suomen valuma-alueista sekä tulvariskeistä. Aineiston pohjalta tuotettiin kartta. Kartan tuottamiseksi oli tarver laskea tulvaindeksi. Tulvaindeksi lasketaan keskiylivirtaaman (tulvahuippujen keskiarvo) ja keskialivirtaaman (alimpien arvojen keskiarvo) suhde toisiinsa. Nämä tulvaindeksiin tarvittavat muuttujat löytyivät eri tietokannoista, joten tässäkin harjoituksessa tuli treenattua tietokantojen yhdistelemistä.

Kuva 2. Suomen tulvaindeksikartta. Tulvaindeksi kuvaa valuma-alueen tulvaherkkyyttä. Karttaan myös liitetty valuma-aluieden järvisyysprosentit pylväsdiagrammeina. Pylvään korkeus osoittaa järvisyyden.

Kuvasta 2 voidaan päätellä että eniten tulvariskejä kohtaa valuma-alueet joissa järvisyysprosentti on alhainen. Nämä alueet painottuvat Suomen rannikolle, kun taas sisämaassa olevilla valuma-alueilla on paljon järviä, jotka tasaavat alueiden tulvariskiä.

Harjoituksen tekeminen tuotti aluksi ongelmia, sillä QGIS-projekti ei auennut toivotulla tavalla. Loppujen lopuksi harjoitus oli tähän menessä haasteellisin mutta kyllä tästäkin selvittiin loppujen lopuksi

Lähteet

Furu, L. (10.02.2018) 3. kurssikerta: Afrikka tietokannan & Suomen valuma-alueiden tarkastelua <https://blogs.helsinki.fi/fufufu/2018/02/10/3-kurssikerta-afrikka-tietokannan-suomen-valuma-alueiden-tarkastelua/> Luettu 12.04.2018

2. kurssikerta – Projektioita

Toisella kurssikerralla jatkoimme QGIS- ohjelman käyttöä, tällä kertaa paneutuen kaikille tuttuihin karttaprojektioihin. QGIS-ohjelmasta löytyy noin loputtomasti eri projektioita, joten valinnanvaraa riittää. Ryhdyimme yhdessä tunnilla tekemään tehtävää, jossa vertailimme kahta yleisimmistä karttaprojektioista: Lambertia ja Mercatoria. Lambertin projektio kuuluu oikeapintaisten projektioiden ryhmään, eli se osoittaa kartalla olevien kohteiden pinta-alan oikein. Mercatorin projektio taas kuuluu oikeakulmaiseen projektioryhmään, eli se osoittaa kartalla olevien kohteiden mittakaavan oikein.

Minulla ei ensimmäiselläkään kurssikerralla ollut suurempia ongelmia QGIS:n kanssa, joten tälläkin kertaa hommat sujuivat mallikkaasti. Haastavammaksi tällä kerralla tehtävän tekemisen teki kuitenkin se, että meidän täytyi tehdä laskutoimituksia ja niiden avulla luoda uutta tietoa projektin tietokantaan. Rajasimme Lapista tietyn kokoisen alueen, jonka jälkeen laskimme prosenttilaskujen avulla näiden kahden edellä mainitun projektion (Lambert ja Mercator) välistä eroa rajatun alueen pinta-alassa. Lambertin projektio osoittaa todellisen alueen todellisen pinta-alan, mutta Mercatorin projektiossa ilmeinen napa-alueiden venyminen aiheuttaa pinta-alan vääristymisen. Laskutoimituksien tekeminen kävi pienen alkukankeuden (opiskelin lukiossa pitkää matematiikkaa, en muistanut miten tähän tehtävään vaadittu simppeli prosenttilasku oikein tehtiin..) jälkeen helposti.

Kuva 1. Kartassa on visualisoitu Lambertin ja Mercatorin projektioiden välistä eroa. Kartta on kuvattu Mercatorin projektion avulla, ja eri väriset alueet kuvaavat pinta-alan vääristymistä prosenttiyksikköinä. Erityisesti juuri Lapissa vääristymä on hyvin suuri.

Vaikkakin kuvassa 1 Pohjois-Suomessa tapahtuva vääristyminen herättää karttaa tarkastellessa huomiota, myös Etelä-Suomessa kuntien pinta-alat vääristyvät huomattavasti suuremmaksi kuin ne todellisuudessa ovat, kuten Aake Laine huomauttaa tämän kurssikerran postauksessa blogissaan.

Saatuamme edellisen tehtävän valmiiksi, oli aika vertailla lisää projektioita. Saimme valita sattumanvaraisesti jonkun projektion, jota vertaisimme sekä Lambertin että Mercatorin projektioon samalla tavalla kuin aikaisemmassa tehtävässä. Muistin nähneeni jossain kuvan Eckertin III – projektiosta, se oli todella kummallinen ainakin verrattuna näihin aikaisemmin käyttämiimme projektioihin.

Kuva 2. Kartta on kuvattu Eckertin III- projektiolla. Kartassa verrataan pinta-alojen vääristymistä samalla tavalla kuin kuvassa 1 olevassa kartassa

Valitessani Eckertin III-projektion QGIS-ohjelmassa Suomesta tuli yhtäkkiä huomattavasti leveämpi. Tai siltä se ainakin vaikutti. Luodessani kartan päälle samanlaisen pinta-ala vääristymiä kuvaavan visualisoinnin, yllätyksekseni vääristymät olivat paljon pienemmät kuin olin olettanut. Verratessa Lambertin ja Mercatorin välisiä vääristymä prosenttilukuja tähän kuvassa 2 olevaan karttaan erot projektioiden välillä ovat yllättävän pienet. Suomineito on venynyt leveyssuunnassa, mutta suurta eroa pinta-alassa ei ole tapahtunut (verrattaessa Mercatorin projektioon, pienimmätkin Etelä-Suomen kunnat ovat silti n. 25% suurempia kuin todellisuudessa). Tulokset tulivat itselleni yllätyksenä, sillä odotin jotain hyvin outoa. Asiaa enemmän tutkiessani minulle selvisikin että juuri Eckertin III- projektio on lähinnä näitä aiempia projektioita kuin muut Eckertin luomat projektiot (I-VI). Eckertin III-projektiota kutsutaan pseudo-sylinterimäinen projektio, joka on melko lähellä Lambertin ja Mercatorin edustamaa lieriömäisten projektioiden ryhmää.

Kuva 3. Kuvassa on hyödynnetty kuvan 1 tapaan Mercatorin projektiota. Visualisointi toimii samalla tavalla kuin aiemmissa kartoissa

Kolmannessa kartassa palasin takaisin käyttämään Mercatorin projektiota, sillä koin sen tuottavan selkeämmin tarkasteltavan kuvan kuin kuvassa 2 käytetty Eckert III. Kuvassa 3 esiintyvällä kartalla verrataan Mercatoria ja Eckert III-projektiota. Eckertin ja Mercatorin välillä tapahtuu huomattavasti suurempaa vääristymistä kuin kuvassa 2 tehdyssä vertailussa. Tulokset ovat hyvin samankaltaiset kuin kuvassa 1, napa-alueita kohti mennessä pinta-ala vääristyy entisestään. Myös eteläiset kunnat ovat vääristyneet, samalla tavalla kuin ensimmäisessä kartassa.

Tämän kurssikerran tehtävä oli ehkä aiheeltaan hiukan tylsempi kuin ensimmäisellä kurssikerralla tehty Itämeren vointiin liittyvä harjoitus, mutta tehtävän tekemisen vaiheet olivat haastavammat. Tällä kertaa tunsi myöskin oppineensa jotain!

Lähteet

Projektioiden vertailua (toinen kurssikerta), Aake Laine  https://blogs.helsinki.fi/aake/2018/01/25/projektioiden-vertailua-toinen-kurssikerta/ (Luettu 1.2.2018)

Wikipedia:

https://fi.wikipedia.org/wiki/Mercatorin_projektio (Luettu: 1.2.2018)

https://fi.wikipedia.org/wiki/Eckertin_projektio (Luettu: 1.2.2018)

1.kurssikerta – QGIS

Ensimmäisellä kurssikerralla aloitimme käymällä läpi viime jaksojen aikana tutuksi tulleita paikkatiedon  perusasioita, kuten vektori – ja rasterimuotoisten aineistojen eroja sekä koostumusta. Mielenkiintoisempana uutena asiana tutustuimme QGIS-ohjelmaan. QGIS on ensimmäinen varsinainen paikkatieto-ohjelma jota olen käyttänyt, edellisillä geoinformatiikkaan liittyvillä kurseilla olemme käyttäneet tehtävissä erilaisia selaimessa toimivia paikkatietopalveluita, kuten Maanmittauslaitoksen Paikkatietoikkunaa (https://www.paikkatietoikkuna.fi/).

Tutustuimme QGIS-ohjelmaan tehtävän muodossa. Tehtävänämme oli tuottaa koropleettikartta, joka kuvaa Itämerta ympäröivien valtioiden typpipäästöjen osuuksia kaikkien vertailtavien valtioiden päästöistä. En tietenkään koskaan ennen ollut käyttänyt QGIS-ohjelmaa, joten en oikein tiennyt että minkälainen työmaa tästä oikein tulee. Yllätyin kuitenkin positiivisesti, sillä ohjelma oli todella helpposelkoinen (johtuen kenties siitä että ohjelman käyttäjät tuottavat siihen lisää sisältöä –> käyttäjäystävällisyys). Selvät moodlesta löytyneet ohjeet myös tietenkin auttoivat.

 

Kartta 1  Itämeren valtioiden typpipäästöjä kuvaava koropleettikartta. HELCOM-merialueella viitataan Itämeren merellisen ympäristön suojelukomissioon, joka on Itämerta ympäröivien maiden hallituksien välinen järjestö, joka pyrkii valvomaan Itämeren ympäristön päästökuormitusta sekä suojelemaan merta, sen luontoa sekä eliöstöä. HELCOM on lyhennys Helsingin komissiosta (Komission sihteeristö sijaitsee Helsingissä, ja valtioiden allekirjoittama sopimus kulkee nimellä Helsingin sopimus)

Kartasta tuli mielestäni onnistunut, värimaailma näyttää silmääni todella “oppikirjamaiselta”. Ainoana outoutena legendaan jostain syystä jäi kartalla näkyvien järvien lukumäärä mukaan, mutta löytyy nyt tieto siitä että Itämerta ympäröivissä maissa on muutama järvi.  Pohjoisnuolen ilmansuunnat jäivät jostain syystä hiukan utuisiksi, enkä myöskään ole aivan varma nuolen orientaatiosta projektioon nähden, kuten myös Vesa Hanski huomioi blogipostauksessaan tästä 1. kurssikerrasta

Mutta itse kartan aiheeseen. Suurimmalla osalla meistä suomalaisista tieto Itämeren nykyisestä kunnosta on hyvin hanskassa: meri ei voi hirmuisen hyvin.  Itämerta on kohdeltu kaltoin vuosien saatossa, ja erityisesti 80-luvulla meri oli todella pahassa kunnossa. Viime vuosikymmenien aikana pieniä valonpilkahduksia meren kehityksessä ollaan saatu, mutta yleisesti tilanne on melko hälyttävä. Ihmisen toiminnan seurauksena mereen päätyy erilaisia aineita: vaarallisia kemikaaleja, erilaisia ravinteita jotka aiheuttavat rehevöitymistä rannikkoalueilla, vedenalaista melua… lista jatkuu.

Kartta osoittaa kunkin valtion typpipäästöjä. Typpi koostaa ilmakehästä n. 78% ja on elämälle hyvin tärkeä alkuaine. Typellä on yleisesti elämän ylläpitämisen lisäksi toinen merkitys: kasvit eivät kykene nappaamaan typpeä suoraan ilmasta, joten maataloudessa typpeä lisätään suuria määriä lannoitteisiin. Pelloilta nämä lannoitteet kulkeutuvat lopulta mereen, jossa se aiheuttaa aiemmin mainittua rannikkoalueiden rehevöitymistä. Typin oksideja myös leviää teollisuuden savujen mukana laskeumana ympäristöön.

Puola nousee suurimmaksi typen syytäjäksi. Tämä johtuu siitä että Puolan bruttokansantuotteesta n. 30% tuotetaan teollisuuden alalla.  Jaetulle toiselle sijalle nousevat Ruotsi, Venäjä sekä Latvia. Huomattavaa on, kuinka Venäjällä on hyvin vähän rantaviivaa Itämerellä, mutta sillä on kuitenkin suuri merkitys sen vointiin. Ruotsilla on huomattavasti enemmän rantaviivaa, joten sijoitus selittyy tällä. Latvia on samanlainen tapaus kuin Puola, mutta vain vähän pienemmässä mittakaavassa. Seuraavina tulevat loput, eli Suomi, Tanska, Saksa sekä Liettua. Liettualla on vähän rantaviivaa, muissa valtioissa on paljon enemmän rajoituksia ja regulaatiota koskien päästöjä.  Erityisesti Suomessa asia otetaan hyvin vakavasti (huom. HELCOM). Mutta hetkonen, voittajaksi nouseekin Viro! Virossa hyvin pieni osa taloudesta toimii teollisuuden puolella, joka selittänee Viron päästöjen määrän.

Kartta osoittaa mielestäni selkeästi suurimmat saastuttajavaltiot Itämerellä. Kartassa on kuitenkin myös ongelma: kartassa ei oteta huomioon valtioiden pinta-aloja, väkilukuja eikä muita vaikuttavia tekijöitä.  Itämeressä ja yleensäkin muissa vesistöissä ongelmana on veden liikkuminen. Veden liikkeet kuljettavat saasteita ympäri merialuetta, jolloin muiden maiden saasteet aiheuttavat harmia muille. Tästä johtuen Itämeren ympäristön huoltaminen ja mahdollinen pelastaminen täystuholta täytyy suorittaa yhteistalkoin.

Lähteet:

Hanski, Vesa. 1. kurssikerta (25.01.2018) https://blogs.helsinki.fi/vesahans/2018/01/25/1-kurssikerta/  Luettu: 25.01.2018

Paikkatietoikkuna-karttapalvelu. Maanmittauslaitos https://www.paikkatietoikkuna.fi/

Ympäristö.fi:

http://www.ymparisto.fi/fi-FI/Meri/Mika_on_Itameren_tila Luettu: 25.01.2018

Suomen meriympäristön tila 2018. Ympäristöministeriö. Luettu: 25.01.2018

Wikipedia:

https://fi.wikipedia.org/wiki/It%C3%A4meren_merellisen_ymp%C3%A4rist%C3%B6n_suojelukomissio Luettu: 25.01.2018

https://en.wikipedia.org/wiki/Economy_of_Poland Luettu: 25.01.2018

https://fi.wikipedia.org/wiki/Latvia Luettu: 25.01.2018