Toinen kurssikerta (23.1.2024)

Tunnin kulku

Toisella kurssikerralla syvennyimme karttojen projektioihin  ja niiden vaikutuksiin esitettyihin pituuksiin ja pinta-aloihin. Olin tietoinen siitä, että erilaisilla projektiotyypeillä on vaikutuksensa etäisyyksiin ja pinta-aloihin, sillä maapallon pintaa ei voida täysin tarkasti heijastaa tasaiselle kaksiulotteiselle pinnalle. Kuitenkaann en osannut odottaa, kuinka merkittävästi esimerkiksi etäisyydet voivat muuttua. Mielenkiintoista oli huomata, että laajalti käytetty Mercatorin projektiokin vääristää etäisyydet Lapsissa lähes kolminkertaisiksi, joka oli kaikista minun testaamistani projektioista suurin heitto.

Kurssin ensimmäisellä osuudella tutustuimme myös QGIS:n Data Source Manager -työkaluun, jonka avulla voimme ladata valtavia määriä erilaisia aineistoja ja tietoa suoraan palveluntarjoajien tietokannoista. Samassa harjoituksessa opimme käyttämään myös select feature -työkalua. Harjoituksen tuloksena syntynyt kartta on esitetty kuvassa 1.

Kuva 1: Tunnilla tehty kartta

Tämän jälkeen siirryimme projektioihin liittyviin harjoituksiin. Ensimmäisessä tehtävässä mittasimme valitsemamme etäisyyden ja alueen pinta-alan Suomen kartalla. Käyttäen erilaisia projektiota pohjana keräsimme mitat saoista kohdista. Nämä tiedot laitettiin sitten Excel-taulukkoon, joka on kuvassa 2.

Kuva 2: Sama etäisyys/pinta-ala mitattuna eri projektioilla

Luennon keskeisin käytännön harjoitus liittyi kartan luomiseen, joka havainnollisti projektioiden aiheuttamaa pinta-alojen vääristymistä. Tätä tehtävää varten käytimme vector-työkaluja, kuten add feature data -ominaisuutta ja field calculatoria. Kotitehtävänä oli luoda kaksi lisäkarttaa samalla menetelmällä eri projektioiden avulla. Omien karttojeni tulokset esitetään kuvissa 3-5.

Kuva 2: TM35FIN v Robinson

 

 

Kuva 3: TM35FIN v North_Pole_Gnomonic
Kuva 4: TM35FIN v Cassini

Tunnilla tekemässäni kartassa vertailin TM35FIN -projketiota eli Suomen kartoissa yleisimmiten käytettyä projektiota Robinsonin maailman projektioon. Aluksi karttani olivat kaikki saman värisiä, koska halusin tehdä niistä helposti toisiinsa verrattavia, mutta vasta lukiessani Leppä Aapelin blogia, joss hän myös puhui karttoijen keskeneen vertailtavuudesta tajusin, että minun kannattaa muuttaa kaikkiin karttoihin myös sama määrä luokkia (7).

Koulutunnilla tekemässäni kartassa vertailin TM35FIN-projektiota, joka on Suomen kartoissa yleissimmiten käytetty projektio Robinsonin maailman projektioon. Alunperinkin kaikki kartani olivat samanvärisiä, jotta ne olisivat helposti vertailtavissa keskenään. Kuitenkin vasta lukiessani Leppä Aapelin blogia, jossa hän puhui karttojen keskinäisestä vertailtavuudesta, oivalsin, että minun kannattaa muuttaa kaikkiin karttoihin myös sama määrä luokkia (7) ja sama luokkajako “natural breaks”. Leppä puhuu blogissaan, kuinka kyseisessä kartassa voi käyttää jopa 15:ta luokkaa ja karttalla projektion vääristymisen asteen etenevät edelleen selkeästi ja sulavasti. Jälkeenpäin katsottuna minun olisi myös kannattanut käyttää suurempaa määrää luokkia.

Kokonaisuudessaan olen kuitenkin tyytyväinen karttojen lopputulokseen. Ne antavat selkeän kuvan siitä, mitkä Suomen alueet ovat eniten vääristyneet ja missä määrin. On myös mielenkiintoista havaita, miten eri projektiot vaikuttavat siihen, mistä ilmansuunnasta katsottuna vääristyminen alkaa kasvaa.

Lähteet:
Leppä, A. (2024). Geoinformatiikan Menetelmät – Aapelin Lepän Blogi. https://blogs.helsinki.fi/aapleppa/. Viitattu: 24.1.2024.

Ensimmäinen kurssikerta (16.1.2024)

Geoinformatiikan menetelmät 1 (MAA-202) lähti käyntiin QGIS-ohjelman perusteiden kertaamisella. QGIS oli minulle entuudestaan jo tuttu ohjelma syksyn aikaisemmilta kursseilta ja lukiosta. Tästä huolimatta suurin osa QGISn ominaisuuksista oli päässyt jo unohtumaan, joten perusteellinen kertaus tuli tarpeeseen.

Kurssikerralla tehtiin yhdessä koropleettikartta eri maiden typpipäästöistä Itämereen. Aluksi tuntui hankalalta koittaa painaa mustiin QGISn eri ominaisuudet, mutta luennon edetessä ja opettajan tekemistä seuraamalla perusominaisuudet muistuivat mieleen, joka helpotti kotona tehtävien karttojen tekoa.

Itse kartan teko sujui ihan hyvin. Luennon aikana meinasin tippua muutaman kerran kärryiltä säätäessäni, mutta sain kartan lopulta valmiiksi.

Luennolla tehty kartta Itämereen kohdistuvista typpipäästöistä

Olen kohtuu tyytyväinen tekemäni kartan lopputulokseen. Sain sen hyvään vaiheeseen tunnin aikana, mutta päädyin kotona vielä hieman parantelemaan sen värimaailmaa. Merkittävin muutos tuli typpipäästöttömien maiden väriin, kun muutin ne vihertävästä harmaaksi. Sain inspiraation tähän Jaakkola Taian blogista. Kuten Jaakkola toteaa blogissaan tämä parantaa kartan saavutettavuutta, koska näin myös esimerkiksi punavihersokeat voivat lukea karttaa sujuvasti. Kartan viestin kannalta relevantit maat myös korostuvat paremmin uusilla väreillä.

Kuva 1: Itämereen kohdistuvat typpipäästöt

Karttaa olisi voinut vielä parantaa esimerkiksi lisäämällä “muut maat” legendaan ja mahdollisesti muokkaamalla syvyysviivojen väriä. Olen kuitenkin tyytyväinen karttaan kokonaisuutena. Kartasta näkee helposti mitkä maat ovat eniten vastuussa Itämeren typpipäästöistä ja uskon, että lukija ymmärtäisi kartan viestin, vaikka aineisto ei olisikaan hänelle entuudestaan tuttu.

Kotitehtävä 1, Yli 64-vuotiaiden osuus väestöstä kunnittain

Ensimmäiseltä kurssikerralta annettiin 1-3 kotitehtävää, joista sai valita haluamansa määrän taitotason mukaan. Päätin tehdä ensimmäiset kaksi tehtävää.

Ensimmäisen tason tehtävä oli suhteellisen helppo. Siinä pärjäsi hyvin oppitunnilla läpikäydyillä QGISn ominaisuuksilla. Aluksi tehtävä ei onnistunut, koska tein virheen heti alkuvaiheessa. Aloitin tehtävän kokonaan alusta ja sain kartan tehtyä yllättävän nopeasti.

Kuva 2: Yli 64-vuotiaiden osuus väestöstä kunnittain

Tein kartan yli 64-vuotiaiden osuuksista kuntien väestöistä. Kartan lopputulos on mielestäni hyvä. Siinä korostuvat selvästi ilmiöt suurien kaupunkien nuoremmasta väestöstä ja Itä-Suomen ja Lapin suhteellisesti vanhemmista väestöistä.

Kotitehtävä 2, Korkeakoulun suorittaneen kunnittain (%)

Halusin haastaa itseäni hieman, joten päätin tehdä myös seuraavan vaikeustason tehtävän. Toinen tehtävä olikin jo huomattavasti haastavampi, koska siinä piti itse osata soveltaa oppimaansa ja minun ainakin täytyi googlettaa ratkaisuja eri ongelmiin.

Latasin aineiston korkeakoulun suorittaneista (%) kunnittain tilastokeskuksen sivuilta ensin ohjeiden mukaan .csv muodossa. Tein mielestäni kaiken ohjeiden mukaan ja yritin googlettaa vastauksia ongelmiini, mutta en saanut aineistoa toimimaan halutusti. Lopulta päätin koittaa muokata saman aineiston Excelin kautta .csv muotoon. Näin sain aineiston QGIS:iin, mutta törmäsin sitten uuteen ongelmaan.

Nyt aineistoni oli string-muodossa, joka ei kelvannut “graduated” kartan aineistoksi. Löysin tähän onneksi netistä ratkaisun. Ensin yhdistin kartta-aineiston ja .csv tiedostot joint-komennolla. Sitten käytin “refactor fields”- työkalua muuttaakseni tarvitsemani aineiston decimal (double) muotoon. Tämä loi uuden “refactored” karttatason, jossa aineisto oli sopivassa muodossa graduated kartan tekoa varten. Tämän ongelman ratkaistua kartan teko oli helppoa ja se meni pitkälti samalla tavoin kuin aikaisemmissa kartoissa.

Kuva 3: Korkea-asteen tutkinnon suorittaneiden osuus % kunnittain

Olen tyytyväinen kartan lopputulokseen. Pidän valitsemastani värimaailmasta, jossa tummeneva vihreä väri edustaa positiivista ilmiötä. Kartassa huomaa myös selvästi, kuinka kaupunkeja ympäröivät alueet ovat paremmin kouluttautuneita. Jälkeenpäin katsottuna lisäisin vielä yhden luokan, josta näkisi alueet,  jotka ovat todella korkeasti kouluttautuneita.

Lähteet:

Tilastokeskus. [15 vuotta täyttänyt väestö koulutusasteen, maakunnan, kunnan, sukupuolen ja ikäryhmän mukaan, 2007-2022].
(Hakukriteerit: Korkea-asteen tutkinnon suorittaneiden osuus 15 vuotta täyttäneestä väestöstä (%), 2022, valitse kaikki (poista koko maa ja hallinnolliset alueet), ikä yhteensä, sukupuoli yhteensä). https://pxdata.stat.fi/PxWeb/pxweb/fi/StatFin/StatFin__vkour/statfin_vkour_pxt_12bs.px/. Haettu: 17.1.2024.

Jaakkola, T. (2024). Taikamatkalla gis-velhoksi. https://blogs.helsinki.fi/jztaika/. Viitattu: 17.1.2024.